土地利用變化與碳效應關系系統設計與實現

李海江，劉耀林，何建華，邱麗娟

（1. 武漢大學 資源與環境科學學院，湖北 武漢430079；2. 地理信息系統教育部重點實驗室，湖北 武漢430079；3. 數字制圖與國土信息應用工程國家測繪地理信息局重點實驗室，湖北 武漢430079）

土地利用變化與土壤有機碳之間有密切關系[1,2]。它不僅可以改變土壤有機物的輸入，還可以改變土壤有機碳的儲量[3-5]。當前對土地利用變化監測的研究較多[6-8]，但集成碳的時空分布、土地利用變化監測、土地利用變化與碳效應關系模型等技術的平臺很少研究。本文以高分辨率遙感影像為數據源，對土地利用變化實施監測，并設計一整套碳儲量分析流程，探討土地利用變化與碳效應的關系模型。在此基礎上，設計并實現土地利用變化與碳效應關系系統，為土地利用變化與土壤碳效應方面的研究提供平臺。

1 系統業務需求分析

圖1 系統業務流程圖

土地利用變化與碳效應關系系統由碳的時空分布分析、土地利用變化監測、土地利用變化與碳效應關系模型、碳效應預測、成果表達與輸出5個階段構成，如圖1。各階段具體內容分別為：①碳的時空分布分析，設計碳儲量分析流程，通過分析得到研究區的碳儲量分布圖，并對多時期碳儲量圖進行變化分析；②土地利用變化監測，根據遙感影像進行土地利用分類，并比較多期影像進行變化分析；③土地利用變化與碳效應關系模型，根據前兩步分別得到的碳密度數據和土地利用分類數據，建立兩者的關系模型；④碳效應預測，運用關系模型對新時期的碳密度進行預測分析；⑤成果表達與輸出，將以上成果數據進行可視化表達，并制成專題圖輸出。

2 系統總體架構

土地利用變化與碳效應關系系統以業務模型庫為核心，系統總體架構可分為數據服務層、應用邏輯層和表現層3個層次，如圖2。

1）數據服務層。采用Microsoft Office Access的MDB格式數據庫實現系統的空間數據庫和系統參數庫的構建和存儲，分別通過系統層次的I/O、ADO.net和空間數據庫引擎實現數據庫文件、非空間表和空間數據的矢量和影像的訪問、操作。

2）應用邏輯層。選取ESRI的ArcEngine組件庫作為GIS開發平臺，實現土地利用變化與碳效應關系系統所需功能的系統定制。

3）表現層。可分為數據管理、碳的時空分布分析、土地利用變化監測、土地利用變化與碳效應關系模型、碳效應預測、系統輔助工具6個模塊：①數據管理模塊實現對系統所需數據和運行產生的數據進行管理；②碳的時空分布分析模塊對樣本點布設進行優化設計，并根據模型擬合研究區的碳密度分布；③土地利用變化監測模塊對遙感數據進行監督和非監督分類，并對不同時相的分類結果作變化分析；④土地利用變化與碳效應關系模型模塊實現土地利用數據與碳密度數據關系模型的建立；⑤碳效應預測模塊根據上一模塊得到的模型，針對新時期的影響因子數據預測碳密度圖；⑥系統輔助工具模塊包括地圖的基本操作、圖層管理、成果數據的表達與輸出功能、空間數據查詢和統計分析等基本的用戶交互操作功能。

圖2 系統總體架構圖

3 數據組織

系統采用關系型數據庫組織和管理數據，以Personal Geodatabase作為空間數據引擎。依據系統業務流程，構建由基礎地理數據、碳效應影響因子數據、碳的時空分布分析數據、土地利用變化監測數據、關系模型數據和成果數據幾部分組成的系統空間數據庫。各部分關系如圖3所示。

圖3 數據關系圖

基礎地理數據主要包括水系、居民地及設施、交通、境界與行政區和地貌等基礎地理信息要素。該數據一方面作為專題圖制作的底圖，同時其中的行政區數據用作碳的時空分布分析的采樣底圖。

碳效應影響因子數據包括土地利用類型、土壤類型、NDVI指數、坡度等因子，可由用戶自行定制。該數據在碳的時空分布分析中作為分層布樣的分層圖層供用戶選擇，同時在構建土地利用變化與碳效應關系模型中作為自變量因子供用戶選擇。

碳的時空分布分析數據包括樣本點數據和研究區的碳密度圖。樣本點數據是用戶樣本點布設得到的布樣數據，包括樣本光譜數據和野外采集數據等。

土地利用變化監測數據包括遙感影像、土地利用分類圖，遙感影像通過分類得到土地利用分類圖。

關系模型數據包括用于建模的多元回歸模型和神經網絡模型的模型參數數據。

成果數據指系統運行過程中得到的一些結果數據，包括土地利用變化數據、碳密度圖預測數據等。

4 系統關鍵技術

4.1 碳的時空分布分析技術

該模塊的設計思路如下：先進行樣本布設優化設計，采用隨機布樣、系統布樣或分層布樣的方法產生一組樣本點，并實地采集樣本數據，再采取相關模型擬合研究區的碳密度圖，如圖4。

圖4 碳的時空分布分析流程圖

本文的土壤有機碳密度計算公式如下：

式中，DTOC為土壤有機碳密度（kg/m2）；ωTOC為有機碳含量（g/kg）；w表示容重（g/cm3）；d為采樣深度（cm）；ρ為礫石含量（%）。根據上述模型計算得到該樣本點的碳密度值后，將其通過插值（包括克里金插值和反距離權重插值）完成對研究區的碳密度估算，得到該區域的碳密度圖。

4.2 土地利用變化監測技術

該部分的分析方法包括兩種：

1）對目標時間的遙感影像直接進行土地利用分類，包括監督分類和非監督分類兩種方式。其中非監督分類包括ISODATA聚類法和K均值法，監督分類包括最大似然法和支持向量機法。然后采用分類后比較法對兩期土地利用分類圖進行對比分析，得出土地利用變化圖以及地類屬性變化情況，如圖5a所示。

圖5 土地利用變化監測流程圖

2）針對同源遙感數據，用戶可以先進行土地利用變化監測預處理，采用圖像差值法或圖像比值法，通過設置合理的閾值直接提取變化區域。然后對變化區域進行土地利用分類，結合基期的土地利用分類圖得到目標時間的土地利用分類結果。最后，再對兩期分類圖使用分類后比較法進行對比分析。該方法流程上比第一種復雜，但能減少目標時間遙感影像的分類范圍，并有效減少檢驗樣本的數量，如圖5b。

4.3 土地利用變化與碳效應關系模型

以樣本點所在的各個影響因子數據值為自變量，以樣本點的碳密度值為因變量，建立它們的關系模型。為了使關系模型能適應不同的區域特征，系統集成了多元回歸模型和神經網絡模型兩類模型。其中多元回歸模型屬于經典的關系模型建立方法，能有效擬合多個影響因子和碳密度之間的關系；而神經網絡模型能夠針對數據冗余和數據缺失等問題通過模型訓練機制進行分析，然后運用知識和訓練構建的神經網絡模型完成模型預測。

5 系統示范

選取湖北省洪湖市汊河鎮為示范區，采用資源三號測圖衛星數據作為數據源構建數據庫。系統運行界面如圖6所示。結果顯示，碳密度圖準確反映了示范區的空間規律性和分布特征，關系模型擬合度較好，系統各項性能穩定，達到實際應用要求，具有一定的推廣價值。

圖6 系統運行界面

[1]Delcourt H R, Harris W F. Carbon Budget of the Southeastern US Biota: Analysis of Historical Change in Trend from Source to Sink[J]. Science, 1980,210(4 467):321-323

[2]方精云, 唐艷鴻, 林俊達. 全球生態學氣候變化與生態響應[M]. 北京: 高等教育出版社, 2000

[3]周廣勝. 全球碳循環[M]. 北京: 氣象出版社, 2003

[4]李玉強, 趙哈林, 陳銀萍. 陸地生態系統碳源與碳匯及其影響機制研究進展[J]. 生態學雜志, 2005(1):37-42

[5]盧娜. 土地利用變化碳排放效應研究[D]. 南京：南京農業大學, 2011

[6]白明哲, 岳秋麗. 基于GIS模型庫集成的土地利用變化預測系統[J]. 東華理工學院學報, 2007(4):345-349

[7]張敬波, 馬虹, 楊國安. 和田綠洲土地利用動態監測系統研究[J]. 干旱區地理, 2001(3):265-269

[8]夏春林, 王雪, 余宗莉, 等. 基于3S的土地利用動態監測系統[J]. 遼寧工程技術大學學報：自然科學版， 2008(1):25-27[9]石培禮, 于貴瑞. 拉薩河下游河谷不同土地利用方式下土壤有機碳儲量格局[J]. 資源科學, 2003,25(5):96-102