基于Logistic-CA-Markov模型的青島市土地利用變化動(dòng)態(tài)模擬

邢容容, 馬安青, 張小偉, 于欣鑫, 馬冰然

(1.中國(guó)海洋大學(xué) 環(huán)境科學(xué)與工程學(xué)院, 山東 青島 266100; 2.河北省地礦局秦皇島礦產(chǎn)水文工程地質(zhì)大隊(duì), 河北 秦皇島 066001)

基于Logistic-CA-Markov模型的青島市土地利用變化動(dòng)態(tài)模擬

邢容容1,2, 馬安青1, 張小偉1, 于欣鑫1, 馬冰然1

(1.中國(guó)海洋大學(xué) 環(huán)境科學(xué)與工程學(xué)院, 山東 青島 266100; 2.河北省地礦局秦皇島礦產(chǎn)水文工程地質(zhì)大隊(duì), 河北 秦皇島 066001)

研究經(jīng)濟(jì)快速發(fā)展的沿海地區(qū)土地利用結(jié)構(gòu)的變化并預(yù)測(cè)其未來(lái)發(fā)展趨勢(shì)，可以為區(qū)域土地合理利用與配置提供參考。以青島市為研究區(qū)，采用Logistic-CA-Markov耦合模型，基于2000年、2011年土地利用解譯數(shù)據(jù)，結(jié)合DEM、人口、GDP、距離等因素模擬出2011年土地利用數(shù)據(jù)，與2011年解譯數(shù)據(jù)對(duì)比，得到模擬精度為94.27%，說(shuō)明模型擬合精度較高，接著對(duì)2022年、2033年土地利用空間格局進(jìn)行了預(yù)測(cè)。Logistic-CA-Markov模型模擬的2011—2022年土地利用類型將保持2000—2011年的變化趨勢(shì)，表現(xiàn)在耕地、水域、未利用土地面積減少，林地、草地以及城鄉(xiāng)、工礦、居民用地面積增加，2022—2033年城鄉(xiāng)、工礦、居民用地面積仍然增加，但是增加速率明顯小于2011—2022年。研究結(jié)果表明，Logistic-CA-Markov耦合模型具有較高的模擬精度，可以應(yīng)用于模擬多類土地利用類型之間的演變。該研究可為青島市的土地規(guī)劃、管理和決策提供依據(jù)，同時(shí)對(duì)保護(hù)和改善生態(tài)環(huán)境具有現(xiàn)實(shí)的指導(dǎo)意義。

土地利用變化; 動(dòng)態(tài)模擬; Logistic-CA-Markov耦合模型; 青島市

土地利用/覆被變化(Land Use/Land Cover Change，LUCC)是全球環(huán)境變化的重要組成部分和主要原因之一，其產(chǎn)生的資源環(huán)境問題越來(lái)越突出，影響著能量交換、水循環(huán)及生物多樣性和生態(tài)系統(tǒng)的穩(wěn)定性[1]。隨著青島市經(jīng)濟(jì)的迅速發(fā)展，經(jīng)濟(jì)社會(huì)結(jié)構(gòu)發(fā)生變化，人地矛盾愈加尖銳，制約著城市協(xié)調(diào)發(fā)展。此背景下，建立土地利用動(dòng)態(tài)模型，科學(xué)把握土地變化趨勢(shì)，制定合理的土地調(diào)控政策，對(duì)于青島市土地資源可持續(xù)利用、經(jīng)濟(jì)社會(huì)和諧發(fā)展具有指導(dǎo)意義。

目前模擬土地利用動(dòng)態(tài)變化的模型很多，常見的有系統(tǒng)動(dòng)力學(xué)模型[2]、元胞自動(dòng)機(jī)(CA)[3]、CLUE-S模型[4]、多智能體[5]、CA-Markov[6]、人工神經(jīng)網(wǎng)絡(luò)[7]，此外，黎夏和葉嘉安設(shè)計(jì)的ANN-CA模型[8]，鄧祥征的土地系統(tǒng)動(dòng)態(tài)模擬模型(DLS)[9]，張顯峰、崔偉宏的城市土地利用演化過(guò)程模擬預(yù)測(cè)LESP模型[10]等取得了一定的成果。其中，CA-Markov模型是目前土地利用動(dòng)態(tài)變化模擬預(yù)測(cè)研究中應(yīng)用廣泛且較為有效的研究方法。該模型綜合了CA和Markov模型各自的優(yōu)點(diǎn)，即CA模型模擬復(fù)雜系統(tǒng)空間變化的能力和Markov模型定量化預(yù)測(cè)的優(yōu)勢(shì)，二者的有機(jī)結(jié)合，能夠綜合考慮自然和人文因素的影響，有利于模擬不同階段土地利用的時(shí)空變化，并且在國(guó)內(nèi)外取得了較多的研究成果。本文以青島市為研究區(qū)，采用CA-Markov模型，并用Logistic模型定義CA的轉(zhuǎn)換規(guī)則，利用2000年、2011年的土地利用變化數(shù)據(jù)來(lái)預(yù)測(cè)青島市2022年、2033年土地利用變化的趨勢(shì)，從而為青島市可持續(xù)發(fā)展提供決策依據(jù)。

1 研究區(qū)概況

青島市位于山東半島南端，黃海之濱。全市海岸線總長(zhǎng)約870 km，其中大陸岸線730 km，占山東省岸線的1/4。東北與煙臺(tái)市毗鄰，西與濰坊市相連，西南與日照市接壤。全市總面積11 282 km2，常住人口為871.51萬(wàn)人(2011年)。青島市下轄六區(qū)四市(2012年國(guó)務(wù)院批復(fù))，包括市南區(qū)、市北區(qū)、李滄區(qū)、嶗山區(qū)、城陽(yáng)區(qū)、黃島區(qū)以及膠州市、即墨市、平度市、萊西市。地勢(shì)東高西低，南北兩側(cè)隆起，中間低凹，其中山地約占全市總面積的15.5%、丘陵占25.1%、平原占37.7%、盆地占21.7%。目前，青島市主要土地利用類型有城鎮(zhèn)居民點(diǎn)工礦用地、耕地、林地、園地、水域、交通用地、未利用地。青島雖屬溫帶季風(fēng)氣候，但其“三面滄海一面山”的獨(dú)特地理位置，使其又具有鮮明的海洋性氣候特征，年平均氣溫12.7℃，降水量年平均662.1 mm，年平均風(fēng)速為5.2 m/s，以東南風(fēng)為主導(dǎo)風(fēng)向，年平均相對(duì)濕度為73%，由于黃海水團(tuán)和風(fēng)向的影響，青島多平流霧，年均霧日50余天。

2 數(shù)據(jù)處理

選用2000年9月16日的Landsat TM影像(條帶號(hào)/行編號(hào)為120/34、120/35)和2011年5月23日的‘環(huán)境一號(hào)’衛(wèi)星CCD影像，解譯出土地利用數(shù)據(jù)，根據(jù)中國(guó)科學(xué)院土地資源分類系統(tǒng)，結(jié)合青島市地形條件及土地利用/覆被特點(diǎn)，劃為6種土地利用類型：耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地和未利用土地[11]。

選取自然和社會(huì)經(jīng)濟(jì)7個(gè)參數(shù)作為驅(qū)動(dòng)因子進(jìn)行Logistic回歸分析，包括：海拔高度、地形起伏度、距城鎮(zhèn)中心的距離、距海岸線的距離、道路密度、人口密度、GDP密度。從國(guó)際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)(http:∥datamirror.csdb.cn/)獲得30 m分辨率數(shù)字高程(DEM)柵格數(shù)據(jù)，利用ArcGIS提取地形起伏度。城鎮(zhèn)位置矢量數(shù)據(jù)是從地球系統(tǒng)科學(xué)數(shù)據(jù)共享網(wǎng)上下載，海岸線位置數(shù)據(jù)是由2000年青島市土地利用數(shù)據(jù)提取得到，通過(guò)ArcGIS空間分析distance命令得到距城鎮(zhèn)中心的距離和距海岸線的距離。人口數(shù)據(jù)和GDP數(shù)據(jù)均來(lái)自青島市2010年統(tǒng)計(jì)年鑒。交通數(shù)據(jù)是從Google Earth上提取縣級(jí)以上道路，然后與青島市行政區(qū)做疊置，對(duì)結(jié)果按行政區(qū)統(tǒng)計(jì)道路密度，將統(tǒng)計(jì)結(jié)果與青島市行政區(qū)做表鏈接，計(jì)算各縣(區(qū))的交通密度，利用ArcGIS對(duì)計(jì)算出的交通密度采用反距離加權(quán)法(IDW)進(jìn)行空間插值，得到青島市交通密度。采用同樣插值方法，獲得人口密度、GDP密度數(shù)據(jù)。

由于Logistic-CA-Markov模型需要RST格式的柵格數(shù)據(jù)，因此將土地利用數(shù)據(jù)和驅(qū)動(dòng)因子數(shù)據(jù)在ArcGIS中轉(zhuǎn)換為ASCII碼，在IDRISI中將ASCII碼轉(zhuǎn)換RST格式。

3 研究方法

3.1 Logistic回歸分析模型

Logistic回歸分析可分為二元Logistic回歸分析和多元Logistic回歸分析，并被廣泛應(yīng)用于土地利用變化研究中[12]。Binary Logistic回歸方程的公式為：

式中：Pi——每個(gè)柵格可能出現(xiàn)土地利用類型i的概率；x1，x2，…，xn——驅(qū)動(dòng)因素。逐步回歸對(duì)每一個(gè)柵格出現(xiàn)某一地類的概率進(jìn)行診斷，篩選出對(duì)土地利用格局影響較為顯著的因素，確定它們間的定量關(guān)系。

Logistic回歸的結(jié)果，通常采用Pontius提出的受試者工作特征曲線(relativeoperatingcharacteristics，簡(jiǎn)稱ROC曲線)進(jìn)行驗(yàn)證[13]。ROC的值介于0.5和1.0之間。當(dāng)0.50.9時(shí)，有較高準(zhǔn)確性。ROC值越接近于1.0，說(shuō)明預(yù)測(cè)效果越好。ROC=0.5時(shí)，說(shuō)明模擬方法完全無(wú)效，無(wú)模擬價(jià)值。ROC<0.5不符合真實(shí)情況，在實(shí)際中極少出現(xiàn)。一般認(rèn)為當(dāng)ROC值大于0.7時(shí)模擬效果較好，模擬結(jié)果可以采用，反之則模擬效果不好。

3.2 CA-Markov模型

元胞自動(dòng)機(jī)(cellularautomata，CA)是時(shí)間、空間、狀態(tài)都離散，空間相互作用和時(shí)間因果關(guān)系都為局部的網(wǎng)格動(dòng)力學(xué)模型，具有模擬復(fù)雜系統(tǒng)時(shí)空演化過(guò)程的能力[14]。CA有4個(gè)基本要素：元胞、狀態(tài)、鄰域和轉(zhuǎn)換規(guī)則，最核心的部分就是定義轉(zhuǎn)換規(guī)則。

馬爾可夫模型是基于馬爾可夫鏈，根據(jù)系統(tǒng)中不同狀態(tài)的起始概率和狀態(tài)之間的轉(zhuǎn)移概率來(lái)預(yù)測(cè)將來(lái)各個(gè)時(shí)刻的變動(dòng)狀況，是時(shí)間和狀態(tài)都離散的隨機(jī)運(yùn)動(dòng)過(guò)程。該過(guò)程一是分析土地利用類型面積的變化信息；二是由土地利用轉(zhuǎn)移概率矩陣來(lái)預(yù)測(cè)土地利用變化趨勢(shì)。

Markov模型與CA模型均為時(shí)間離散、狀態(tài)離散的動(dòng)力學(xué)模型，二者具有一定的局限性。Markov模型支持土地利用變化的數(shù)量預(yù)測(cè)，而無(wú)空間特征；CA模型則具有較強(qiáng)的空間概念和模擬復(fù)雜空間系統(tǒng)時(shí)空動(dòng)態(tài)演變的能力[15]。IDRISI軟件中的CA-Markov模型綜合了Markov模型定量化預(yù)測(cè)的優(yōu)勢(shì)和CA模型模擬復(fù)雜系統(tǒng)空間變化的能力，能從數(shù)量和空間兩方面較好地進(jìn)行土地利用變化時(shí)空格局模擬，具有較大的科學(xué)性和實(shí)用性[16]。

利用Logistic回歸分析模型定義CA的轉(zhuǎn)換規(guī)則，三者結(jié)合形成Logistic-CA-Markov模型。

4 土地利用變化模擬與預(yù)測(cè)

4.1 Logistic-CA-Markov模擬過(guò)程

通過(guò)Logistic回歸模型得到的分布適宜圖作為CA的轉(zhuǎn)換規(guī)則，利用IDRISI軟件中的CA-Markov模塊模擬青島市土地利用變化，過(guò)程如下：

(1) 生成土地利用轉(zhuǎn)移矩陣?；贗DRISI軟件的Markov模塊，疊加2000年、2011年的土地利用類型圖，并將間隔時(shí)間和預(yù)測(cè)時(shí)間周期設(shè)置為11a，比例誤差設(shè)置為0.15，得出土地利用轉(zhuǎn)移概率和轉(zhuǎn)移面積矩陣。

(2) 創(chuàng)建土地轉(zhuǎn)變適宜性圖像集。采用Logistic模型對(duì)各土地利用類型與7個(gè)驅(qū)動(dòng)因子進(jìn)行分析，構(gòu)建回歸方程，并用ROC驗(yàn)證。經(jīng)ROC檢驗(yàn)，各土地利用類型的ROC值分別是城鄉(xiāng)、工礦、居民用地0.915 4、耕地0.902 7、林地0.973 3、未利用土地0.887 8、水域0.864 5、草地0.786 1，均大于0.7，說(shuō)明模擬效果較好，驅(qū)動(dòng)因子能較好地解釋各地類的空間分布。運(yùn)用Logistic逐步回歸對(duì)每一柵格單元可能出現(xiàn)的某一種土地利用類型的概率進(jìn)行診斷得到各土地利用類型的空間分布概率圖。利用IDRISI的collectioneditor將Logistic回歸得到的各土地利用類型的適宜性圖組合為適宜性圖像集(.rgf)，作為CA的轉(zhuǎn)化規(guī)則。

(3) 設(shè)置參數(shù)。在IDRISI的CA-Markov模塊，以2000年為預(yù)測(cè)起始年，選取元胞周圍5×5的矩陣構(gòu)成CA濾波器，設(shè)置間隔迭代為11年，模擬得到2011年土地利用分布圖。

4.2 模擬精度檢驗(yàn)

目前還沒有統(tǒng)一的方法對(duì)CA-Markov模擬的結(jié)果進(jìn)行精度驗(yàn)證，但較常用的有全數(shù)檢驗(yàn)法和隨機(jī)檢驗(yàn)法。隨機(jī)檢驗(yàn)法適合于驗(yàn)證對(duì)象較均勻，代表性強(qiáng)且覆蓋面積較大的情況，由于樣本的選取是隨機(jī)的，存在一定的偏差，而全數(shù)檢驗(yàn)法可以檢驗(yàn)到參與模擬的每一個(gè)單元，可信度高，但是計(jì)算冗繁，計(jì)算時(shí)間要求長(zhǎng)。考慮青島市面積適中，數(shù)據(jù)量較小，故采用全數(shù)檢驗(yàn)法。將2011年土地利用的模擬結(jié)果與2011年土地利用的解譯結(jié)果進(jìn)行求差柵格運(yùn)算，前后一致的區(qū)域求差后地類編碼屬性為0，最后提取出地類編碼值為0的柵格數(shù)除以研究區(qū)域總柵格數(shù)，即得模擬精度94.27%(表1)，反映出該模擬結(jié)果可信度較好，利用CA-Markov模型預(yù)測(cè)土地利用類型具有較好的可靠性、適用性[17]。

表1 2011年預(yù)測(cè)精度對(duì)比

4.3 未來(lái)土地變化預(yù)測(cè)

以2011年為預(yù)測(cè)起始年，選取元胞周圍5×5的矩陣構(gòu)成CA濾波器，設(shè)置間隔迭代為11年，模擬得到2022年土地利用分布圖，以2022年土地利用圖為基線，取11次建立2033年土地利用分布圖(附圖7)。

根據(jù)Logistic-CA-Markov模型預(yù)測(cè)，到2022年青島市耕地、林地、草地、水域、未利用土地和城鄉(xiāng)、工礦、居民用地的面積分別為5 832.50，1 061.72，892.95，316.72，54.57，2 871.27 km2。預(yù)測(cè)結(jié)果表明，2022年土地利用分布表現(xiàn)在城鄉(xiāng)、工礦、居民用地明顯增加，比2011年增加5.48%；林地和草地少量增加，分別比2011年增加0.41%,0.14%；而耕地、水域、未利用土地面積不同程度的減少，分別比2011年減少5.15%，0.76%，0.12%，其中耕地面積減少更為明顯。根據(jù)預(yù)測(cè)，青島市的耕地、林地、草地、水域、未利用土地和城鄉(xiāng)、工礦、居民用地的比例由2022年的52.88%，9.63%，8.1%，2.87%，0.49%，26.03%，到2033年則變成了46.16%，10.00%，8.96%，2.66%，0.43%，31.79%。2022—2033年期間青島市土地利用格局繼續(xù)保持著2011—2022年的變化趨勢(shì)，總體上表現(xiàn)為城鄉(xiāng)、工礦、居民用地仍呈擴(kuò)張態(tài)勢(shì)，但是沒有2011—2022年擴(kuò)張明顯，同時(shí)，耕地、水域、未利用土地面積仍不斷減少，減少幅度相對(duì)降低。

5 結(jié) 論

近年來(lái)，隨著經(jīng)濟(jì)發(fā)展和人類活動(dòng)的影響，青島市土地利用格局發(fā)生很大變化，科學(xué)把握土地利用變化的趨勢(shì)顯得尤為重要，本研究利用Logistic-CA-Markov模型模擬和預(yù)測(cè)了2022年、2033年的土地利用結(jié)構(gòu)的變化，結(jié)果表明：通過(guò)對(duì)青島市2011 年土地利用類型動(dòng)態(tài)變化進(jìn)行模擬，驗(yàn)證其模擬精度可達(dá)94.27 %，接著對(duì)2022年、2033年進(jìn)行了預(yù)測(cè)，預(yù)測(cè)結(jié)果顯示2011—2022年土地利用將繼續(xù)保持2000—2011年的變化趨勢(shì)，表現(xiàn)出耕地、水域、未利用土地面積減少，林地、草地以及城鄉(xiāng)、工礦、居民用地面積增加。2033年城鄉(xiāng)、工礦、居民用地面積仍然增加，但是增加速率明顯小于2011—2022年。

由于一些社會(huì)經(jīng)濟(jì)數(shù)據(jù)的欠缺，只選取了海拔高度、地形起伏度、距城鎮(zhèn)中心的距離、距海岸線的距離、道路密度、人口密度、GDP密度7個(gè)因子作為約束條件進(jìn)行模擬，未考慮更多其他可能的潛在影響因素，如人口數(shù)量的快速增長(zhǎng)、政府相關(guān)的調(diào)控政策都會(huì)影響青島市的土地利用格局。因此，在今后的研究中，要加強(qiáng)對(duì)這些潛在影響因子的研究，以及采用更高分辨率的影像，預(yù)測(cè)結(jié)果將會(huì)更加準(zhǔn)確。

[1] Yadav V, Malanson G. Spatially explicit historical land use land cover and soil organic carbon transformations in Southern Illinois[J]. Agriculture, Ecosystems & Environment,2008,123(4):280-292.

[2] 何春陽(yáng),史培軍,陳晉,等.基于系統(tǒng)動(dòng)力學(xué)模型和元胞自動(dòng)機(jī)模型的土地利用情景模型研究[J].中國(guó)科學(xué)D輯:地球科學(xué),2005,35(5):464-473.

[3] 熊利亞,常斌,周相廣.基于地理元胞自動(dòng)機(jī)的土地利用變化研究[J].資源科學(xué),2005,27(4):38-43.

[4] Zheng X Q, Zhao L, Xiang W N, et al. A coupled model for simulating spatio-temporal dynamics of land-use change: A case study in Changqing, Jinan, China[J]. Landscape and Urban Planning,2012,106(1):51-61.

[5] Célia G R, Carolina G A, Cássio G C, et al. A multi-agent model system for land-use change simulation[J]. Environmental Modelling & Software,2013,42(4):30-46.

[6] 侯西勇,常斌,于信芳.基于CA-Markov的河西走廊土地利用變化研究[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(5):286-291.

[7] Tayyebi A, Pijanowski B C, Tayyebi A H. An urban growth boundary model using neural networks, GIS and radial parameterization: An application to Tehran, Iran[J]. Landscape and Urban Planning,2010,100(1/2):35-44.

[8] 黎夏,葉嘉安.基于神經(jīng)網(wǎng)絡(luò)的單元自動(dòng)機(jī)CA及真實(shí)和優(yōu)化的城市模擬[J].地理學(xué)報(bào),2002,57(2):159-166.

[9] 鄧祥征.土地系統(tǒng)動(dòng)態(tài)模擬[M].北京:中國(guó)大地出版社,2008.

[10] 張顯峰,崔偉宏.集成GIS和細(xì)胞自動(dòng)機(jī)模型進(jìn)行地理時(shí)空過(guò)程模擬與預(yù)測(cè)的新方法[J].測(cè)繪學(xué)報(bào),2001,30(2):148-155.

[11] 邢容容,劉樂軍,馬安青.青島市1990—2011年土地利用/覆被變化研究[J].水土保持通報(bào),2013,33(3):220-225.

[12] 劉榮,高敏華,謝峰.基于Logistic回歸模型的土地利用格局模擬分析:以新疆吐魯番市為例[J].水土保持研究,2009,16(6):74-78.

[13] 王美霞,任志遠(yuǎn),王永明.千河流域土地利用空間格局模擬及其影響因素分析[J].測(cè)繪科學(xué),2013,38(4):34-36.

[14] 黎夏,葉嘉安,劉小平,等.地理模擬系統(tǒng):元胞自動(dòng)機(jī)與多智能體[M].北京:科學(xué)出版社,2007.

[15] 吳莉,侯西勇,徐新良,等.山東沿海地區(qū)土地利用和景觀格局變化[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(5):207-216.

[16] 鄢鐵平,廖煒,李璐,等.丹江口庫(kù)區(qū)土地利用結(jié)構(gòu)與格局優(yōu)化[J].水土保持研究,2012,19(1):11-15.

[17] 吳季秋,俞花美,肖明,等.基于CA-Markov模型的海灣土地利用動(dòng)態(tài)預(yù)測(cè)[J].環(huán)境工程技術(shù)學(xué)報(bào),2012,2(6):531-539.

DynamicSimulationofLandUseChangeinQingdaoCityBasedonLogistic-CA-MarkovModel

XING Rong-rong1,2, MA An-qing1, ZHANG Xiao-wei1, YU Xin-xin1, MA Bing-ran1

(1.CollegeofEnvironmentalScienceandEngineering,OceanUniversityofChina,Qingdao,Shandong266100,China; 2.QinhuangdaoMineralResourcesandHydrogeologicalBrigade,HebeiGeologicalProspectingBureau,Qinhuangdao,Hebei066001,China)

The study of land use change of rapid coastal areas and prediction of future trends can provide a reference for rational utilization and allocation of land resources. Qingdao City was taken as the study area. The land use scenario in 2011 was simulated and forecasted on the basis of land use type interpretation of 2000 and 2011, DEM, population, GDP and range of distance data by means of Logistic-CA-Markov model. Results showed that the simulation accuracy by this model was 94.27%. So the fitting accuracy will be higher by using this model. Then distribution of land use spatial patterns in 2022 and 2033 were forecasted. The simulated result by Logistic-CA-Markov model indicated that each land use type from 2011 to 2022 would keep the similar change trend as that from 2000 to 2011. Farm land, water and unused land area would decrease, while the areas of forest, grassland, rural, urban, mining and residential would increase. The rural, urban, mining and residential areas will increase from 2022 to 2033 slowly compared to that from 2011 to 2022. It is concluded that the proposed model in the paper had high accuracy in terms of simulating complex land use changes and could be used to simulate the multiple land use evolution. And this study provides not only basis of land planning, management and decision, but also realistic significance to protect and improve the ecological environment.

land use change; dynamic simulation; Logistic-CA-Markov model; Qingdao City

2013-10-31

：2013-12-08

我國(guó)近海海洋綜合調(diào)查與評(píng)價(jià)專項(xiàng)課題“山東江蘇海島海岸帶衛(wèi)星遙感調(diào)查與研究”(908-01-WY02)

邢容容(1989—),女,山東省聊城市人,碩士研究生,研究方向?yàn)镚IS與RS在環(huán)境工程中的應(yīng)用。E-mail:rrxing01@163.com

馬安青(1970—),男,安徽太和縣人,博士,主要從事地理信息系統(tǒng)與遙感的研究與應(yīng)用。E-mail:maanqing538@sina.com

F301.2;P901

：A

：1005-3409(2014)06-0111-04