基于Landsat影像的玉溪市紅塔區土地覆蓋分類及變化分析

陳仙春　趙俊三　陳磊士　陳國平

摘要：本文以玉溪市紅塔區為例，基于2009年、2013年和2017年的Landsat遙感數據，采用支持向量機（SVM）及人工解譯的方法獲取對應的土地覆蓋分類結果，其分類精度均達到80%以上，滿足變化分析的需求。根據分類結果使用土地覆蓋比例、土地覆蓋變化幅度、土地覆蓋轉移矩陣以及土地覆蓋動態度共4項指標，對紅塔區2009年到2017的土地覆蓋變化進行分析。結果表明：①耕地/裸地的覆蓋比例減少了6.06%，建設用地、林地/草地、水域覆蓋比例分別增加了4.36%、1.67%、0.03%;②建設用地和耕地/裸地的變化幅度較大，建設用地增加41.45 km2，耕地面積減少了57.47km2，水域和林地/草地變化較小，分別增加了 0.27 km2和15.76 km2;③兩個研究時段的建設用地和耕地/裸地的變化速度均較快，且在第一時段建設用地單一動態度達到6.81%，但后一時段相對于前一時段的綜合動態度降低了0.53%，說明后一時段相對于前一時段土地覆蓋變化程度得到了減緩。該研究結果為玉溪市紅塔區相關部門更加有效地管理土地資源，提供了必要的決策依據。

關鍵詞：Landsat影像;土地覆蓋分類;變化分析;紅塔區

中圖分類號：TP79;F301.24;P23文獻標識碼：A文章編號：1006-8023（2019）03-0001-08

Land Cover Classification and Change Analysis of Hongta District

in Yuxi City Based on Landsat Image

CHEN Xianchun， ZHAO Junsan*， CHEN Leishi， CHEN Guoping

（Faculty of Land and Resource Engineering， Kunming University of Science and Technology， Kunming 650093）

Abstract：Takeing Hongta District of Yuxi City as an example， the classification accuracy is more than 80% by using Support Vector Machine （SVM） and manual interpretation to get the corresponding land cover classification results based on the landsat remote sensing data of 2009， 2013 and 2017 and， meet the needs of change analysis. Analysis of land cover change in Hongta District from 2009 to 2017，the four indicators including land cover coverage ratio， the extent of land cover change， land cover transfer matrix， and the degree of land cover dynamics， show：①The coverage ratio of cultivated land/naked land decreased by 6.06%， the proportion of construction land， forest land/grassland and water area increased by 4.36%， 1.67% and 0.03% respectively. ②The construction land and cultivated land/naked land have a large change range， the construction land increased by 41.45km2， and the cultivated land area decreased by 57.47km2， and the water area and forest land/grassland changed little， increasing by 0.27km2 and 15.76km2 respectively. ③The construction land and cultivated land/naked land change faster in the two study periods， and the annual change rate of construction land in the first period reaches 6.81%， but the comprehensive dynamic degree of the latter period is relatively lower than the previous period by 0.53%， indicating that the extent of land cover change in the latter period relative to the previous period has been slowed down. The research results provide the necessary decision-making basis for the relevant departments of Hongta District of Yuxi City to manage land resources more effectively.

Keywords：Landsat image; land cover classification; Change analysis; Hongta district

0引言

隨著經濟的迅猛發展，城市化進程的加快，土地利用的合理規劃變得越來越重要，利用遙感進行土地利用變化監測成為現階段的重要手段。土地利用變化監測[1]是指憑借廣域性、周期性和經濟性的遙感信息數據源，結合地面輔助資料，借助計算機圖像處理技術，對土地利用狀況及其動態變化進行全面系統地評估和分析的科學方法。近年來，基于遙感影像的土地覆蓋變化分析取得了大量的研究成果，Aspinall利用統計分析模型在不同的尺度上分析了土地覆蓋的變化[2];黃維等運用改進后的主成分分析方法對南通市的土地覆蓋變化進行分析;劉生龍[3]等運用影像差值和影像融合等方法，對同一地區不同時相的土地覆蓋變化進行比較分析，得出不同方法下的變化結果[4];林耀奔[5]、田傳召[6]等人基于TM影像進行土地利用分類，對昆明市和福州市的土地利用面積變化進行分析，得出研究時段兩個地區的土地覆蓋變化;付中良[7]等運用不同的影像分類對比的方法對上海市2002年到2009年的土地利用變化監測進行了研究，得出城市用地擴張不僅存在量上的差異，同時還存在著空間上的差異;常變榮[8]等采用面向對象的影像分類結果對武漢市1990年到2010年的建設用地擴張進行了遙感監測及空間分異分析;Jia long Zhang[9]等人采用支持向量機分類及土地覆蓋轉移矩陣的方法對云南省邊境1990年到2010年的土地覆蓋變化進行研究，得出土地覆蓋變化與經濟政策的相互關系。基于現有的研究，土地利用變化監測主要分為兩大類：一類是基于單個像元波譜值變化的遙感動態監測[2-4，10-11]，如圖像疊加對比法、圖像差值法和主成分分析法（principal component analysis，PCA）等，其不足在于對影像獲取時間要求較高，且目標區的變化性質不易確定;另一類是基于遙感影像分類后的動態監測[5-9，12]，其優勢在于通過對比不同時相的分類結果可以很容易的獲得土地利用變化的類型、數量以及位置等，在實際運用中非常有效。

本文以玉溪市紅塔區作為研究區，采用遙感影像分類后的動態監測法，從土地覆蓋比例、土地覆蓋的變化幅度、土地覆蓋轉移矩陣以及土地覆蓋動態度4個方面對不同時段的土地覆蓋信息進行統計分析，得出土地利用變化同城市發展、生態環境變化之間的關系，從而為玉溪市紅塔區相關部門更加有效地管理土地資源，提供了必要的決策依據。

1研究區域概況及數據來源

1.1研究區域概況

紅塔區位于南省中部、玉溪市西北部，東經102°17′32″ ～ 102°41′37″、北緯24°08′30″～24°32′18″之間，東接江川縣，南鄰通海縣，西交峨山縣，北靠晉寧縣。距省會昆明88 km。該地區交通便利，鐵路、公路縱貫南北，不僅是云南省南北交通的樞紐站，也是通往東南亞鄰國的重要交通要道，總面積950 km2。紅塔區的平面呈不規則形狀，北部寬南部窄，周圍群山環繞。溫差在16 ℃之間，以春秋氣候為主。年平均氣溫在17.4～23.8 ℃之間，年均降水量在670～2 412 mm之間，屬中亞熱帶濕潤冷冬高原季風氣候，立體氣候的特征十分明顯，氣候宜人。

1.2數據來源

為保證云量對分類的精度及季節差異對實驗結果的影響，選取了云量最少且季節相近的影像進行實驗。Landsat5 TM影像，采集時間為2009年3月24日，軌道號為129-43，空間分辨率為30 m，無云量;Landsat8 OLI影像，采集時間分別為2013年4月20日和2017年3月14日，軌道號為129-43，空間分辨率為30 m，云量分別為1%和3%。

輔助數據包括：云南省第二次全國土地調查玉溪市紅塔區范圍的矢量數據，用于圖像預處理中的裁剪;2009年的野外實測數據以及2013年和2017年的Google Earth高分影像與Landsat數據人工解譯結果，作為分類結果樣點評估標準數據。

2研究方法及過程

研究過程如圖1所示，由圖1可以看出，整個過程主要分為影像預的處理、樣本選取、影像的分類、分類結果精度評價及土地變化轉移矩陣分析，轉移矩陣將在變化分析中進行詳細分析。

2.1圖像的預處理

首先利用ENVI5.3軟件，基于2009年的矢量圖斑對影像進行遙感影像校正、圖像增強、彩色合成和影像裁剪等預處理工作。

（1）遙感影像校正：將Landsat影像數據導入ENVI5.3，使用Radiometric Calibration模塊進行輻射定標，輸入波段選擇熱紅外波段，輻射亮度值設定為Radiance，以得到精度較高的真實地物反射率。然后使用FLAASH大氣校正工具，FLAASH模塊能夠精確補償大氣的影像，導入MLT文件中的相關參數，輻射率單位調整系數設定為0.1，大氣模型參數則按照氣候模型設定。在經過校正的三幅像上選取較為均勻的控制點，對三幅影像分別進行幾何校正，校正方法選擇二次多項式法，將誤差控制在0.5個像元之內。通過實驗對比，運用15個控制點進行校正時可以取得較好的效果。

（2）圖像增強：將校正好的影像導入ENVI5.3，采用直方圖均衡化對圖像的空間域進行增強，然后采用傅里葉變換增強圖像的頻率域，得到更好圖像效果的影像。

（3）彩色合成：由于Landsat的影像是單個波段存在的，為了便于目視判讀，需要根據彩色合成原理選取3個波段分別放于紅綠藍三個通道上，形成彩色圖像，遙感圖像彩色合成包括偽彩色合成、真彩色合成、假彩色合成和模擬彩色合成4種方法[13]。為了便于后續的人工判讀，本文選取真彩色合成的方法，其中2009年的Landsat5 TM影像采用321波段合成，2013年和2017年的Landsat8 OLI影像采用432波段合成。

2.2選取訓練樣本

監督分類的關鍵是選取合適的訓練樣本，此類樣本應是光譜特征較為均一的區域，并且要有較多的光譜特征變化較大的地物點，具有區域的代表性，從而能科學可靠地反映該區域的變化情況[7]，且樣本在研究區內是均勻分布的。本次研究依據上述要求選取每類不少于15個樣本，利用ENVI5.3中的AOI工具在2009年、2013年和2017年的影像上選取合適的樣本建立訓練區，每類樣本數詳見表1。

2.3土地覆蓋分類

土地覆蓋分類的原理是利用影像中不同地物特有的光譜和紋理等特征對圖像進行數值處理，進而實現對不同地物進行自動分類識別。計算機分類突破了目視解譯中人類用肉眼分辨影像的局限，直接利用像元在各波段上灰度值的差異，分辨出目標地物的微小變化，具有分類精度高、解譯速度快等優點[14]。目前常使用的計算機分類方法有監督分類和非監督分類。監督分類又可以分為平行六面體、最小距離、馬氏距離、最大似然和支持向量機（Support Vector Machine， SVM）等分類方法[14]，本文采用的是SVM分類方法以及人工判讀對不同時相的影像進行分類。SVM分類是基于統計學習理論（Statistical Learning Theory ，SLT）的機器學習方法。SVM 可以自動尋找支持向量，這些向量具有很強的區分分類的能力，由此構造出來的分類器，可以最大化類與類之間的間隔，因而具有較高的分類準確性。

根據《土地利用分類標準》（GB/T21010-2007）及現有的遙感數據，紅塔區主要涉及到的土地利用類型包括林地、草地、耕地、水域、裸地和建設用地。但是通過對研究區樣本的可分離性計算，結果表明，林地與草地、耕地與裸地的可分離性較低，故將其合并為同一類，則最終將紅塔區的土地利用類型分為林地/草地、耕地/裸地、水域及建筑用地4類。土地覆蓋分類如圖2示。

2.4精度檢驗

Congalton[15]認為，在進行精度評價時，每類至少有 30 ～ 50個樣本點，且樣本點的選擇要隨機分布。為了評價紅塔區不同時期的土地利用分類的準確性，使用ENVI5.3軟件的混淆矩陣，參照野外實測數據，Google Earth高分影像選取用于檢驗的AOI作為真實的訓練區進行精度驗證，各類檢驗樣本數見表2。最終得到不同時期土地利用分類的精度結果。可以看出各時期的總分類精度分別為：80.47%、86.707%和84.39%，均大于80%;kappa系數均大于0.7，一致性檢驗結果相關，分類可信度較高，滿足后續變化分析的需求。

3土地覆蓋變化分析

3.1土地覆蓋比例

依據研究區土地利用分類的結果，計算出不同時期的土地覆蓋比例見表3。從表3中可以看出，林地/草地覆蓋比例最大，均達到50%以上，其次是耕地/裸地，均達到28%以上。從各時段的覆蓋比例來看，耕地/裸地的覆蓋比例減少了6.06%，而建設用地、林地/草地和水域覆蓋比例分別增加了4.36%、1.67%、0.03%。

3.2土地覆蓋變化幅度分析

土地覆蓋變化幅度是指一定時期內某一土地覆蓋類型在面積上的變化幅度，可以反映出不同土地覆蓋類型在面積數量上的變化，通過分析各土地覆蓋類型的面積變化情況，可以對區域內土地覆蓋變化的總體趨勢和土地覆蓋結構的變化有一個直觀的了解[16]。其表達式為：

U=Ub-Ua。（1）

L=Ub-UaT。 ??（2）

式中：△U為研究期間某一土地覆蓋類型的變化總幅度;L為研究期間某一土地覆蓋類型的年變化幅度;Ua研究初期某一土地覆蓋類型的面積;Ub為研究末期某一土地覆蓋類型的面積;T為研究時段間隔的年數。

根據公式（1）和（2），研究區每個時段的變化總幅度和年變化幅度見表4。從表4中數據可以看出，2009-2017年8 a的時間里，研究區4類土地覆蓋均發生了不同程度的變化。其中2009-2013年建設用地面積增加26.78 km2，林地/草地面積增加11.41 km2，水域面積減少0.15 km2，耕地/裸地面積減少38.04 km2 ;2013-2017年水域、建設用地和林地/草地的面積分別增加了0.42、14.67、4.35 km2，而耕地/裸地的面積減少了4.86 km2。總體而言，建設用地和耕地/裸地的變化幅度較大，建設用地增加41.45 km2，耕地面積減少了57.47 km2，水域和林地/草地變化較小，水域增加了0.27 km2，林地/草地增加了15.76 km2，相比兩個研究時段，后一時段的變化幅度較小。出現上述現象的原因：一方面是2009年之后紅塔區城市化的進程不斷加快，從2009年[17]和2017年[18]的統計年鑒可以發現城市化水平從2009年的57.6%增長到2017年的68.45%，為滿足人口居住的需求，建設用地不斷增多;另一方面從云南省林業廳對石漠化的狀況公報中可以看出，自2008年政府實施石漠化治理政策以來，各州市石漠化的面積呈現出不斷減少的趨勢，生態環境逐漸轉好，故林地/草地不斷增加。

3.3覆蓋類型轉移分析

土地覆蓋轉移矩陣來源于系統分析中對系統狀態與狀態轉移的定量描述[19]。土地覆蓋類型的轉移是分析土地覆蓋動態變化的重要手段，通過轉移分析，能夠看出不同土地覆蓋類型之間的相互轉換關系 ，也能通過轉換面積的多少及方向可以了解到土地資源利用變化的趨勢。

從表4可以看出，2009年到2017年紅塔區增加的建設用地來源于耕地/裸地35，87 km2、林地/草地4.93 km2、水域0.64 km2，林地/草地來源于耕地/裸地27.63 km2、水域0.84 km2，耕地/裸地來源于林地/草地6.1 km2、水域0.65 km2。總體來看大量的耕地資源轉化為了建設用地，使得耕地面積逐年減少，這種變化的趨勢不容樂觀。

3.4土地覆蓋變化動態分析

土地覆蓋變化主要體現在土地覆蓋類型、土地覆蓋程度的變化及土地覆蓋變化的區域差異等方面[20]。土地覆蓋動態變化分析常用土地覆蓋動態度來表示，土地覆蓋動態度可以從整體上反映土地覆蓋變化的程度，并對預測未來土地利用的趨勢有著積極作用[21]。土地覆蓋動態度分為單一土地覆蓋變化動態度和綜合土地覆蓋變化動態度。

（1）單一土地覆蓋動態度

單一土地覆蓋類型的動態度表示研究區一定時間范圍內某種土地覆蓋類型的數量變化[22]。其表達式為：

K=Ub-UaUa×1T×100%。 ?????????（3）

式中：K為研究期內某一土地覆蓋類型的單一動態度;Ua為研究初期某一土地覆蓋類型的面積;Ub為研究期末某一類土地覆蓋類型的面積;T為研究時段長，當T的單位為年時，K值為研究區某一土地覆蓋類型的年變化率。

（2）綜合土地覆蓋動態度

綜合土地覆蓋動態度指數考慮了研究期間土地覆蓋類型間的轉移并強調轉移的過程 ，它能反映出整個研究區土地覆蓋變化的劇烈程度 ，有利于在不同空間尺度上找出土地覆蓋變化的熱點區域[22]，其表達式為：

式中：S為綜合土地覆蓋動態度;ni=1{LA（i，t1）-ULAi}為監測期間各種土地覆蓋轉移部分土地面積之和; LA（i，t1）為第i類土地變化期初的面積; ULAi為第 i 類土地期未變化的面積;n為總地類數;T為研究時段的長度，當T的單位為年時，S即為研究區土地覆蓋的年變化率。

由公式（3）可得， 2009-2013年和2013-2017年紅塔區的單一土地利用動態度如圖3所示。由圖3可以看出建設用地和林地/草地的兩個時段均為正值，水域在第一時段為負值，但值非常小，而第二時段為正值，且值大于第一時段，裸地在兩個時段均為負值。這表明在這8 a期間，水域、建設用地和林地/草地成凈增長趨勢，而耕地/裸地成凈減少趨勢，且兩個時段建設用地和耕地/裸地的變化速度均較快。在第一時段建設用地單一動態度達到6.81%。

由公式（4）可得，2009-2013年和2013-2017年紅塔區的綜合土地覆蓋動態度分別為1.30%和0.77%。從數據可以看出，從2013年開始，紅塔區的綜合土地覆蓋動態度出現了減緩的趨勢，降低了0.53%，說明后一時段相對于前一時段土地覆蓋變化程度減小了。這與近年來國家政策的改變，尤其是土地政策調整，對土地覆蓋產生的顯著影響密切相關。

4結論

本文采用支持向量機為代表的監督分類以及人工解譯的方法，獲得了2009、2013、2017年紅塔區的土地覆蓋分類圖，其分類精度結果均達到80%以上，根據分類結果，采用土地覆蓋比例、土地覆蓋變化幅度、土地覆蓋類型轉移及土地覆蓋動態度4項指標對紅塔區的土地覆蓋變化進行分析。分析結果表明，從2009年到2017年，紅塔區的耕地/裸地的面積減少，而其他3類的面積擴大，經歷了從耕地/裸地到建設用地的大幅度轉變，建設用地增加4.36%，耕地/裸地減少6.06%，這種轉移出現了不可逆的趨勢，但從兩個研究時段來看，后一時段相對于前一時段的綜合動態度降低了0.53%，說明后一時段相對于前一時段土地覆蓋變化程度逐漸得到了緩解。通過該研究獲得了紅塔區土地覆蓋發生變化的位置、數量和變化的趨勢，且在一定程度上了解了紅塔區的生態環境狀況，其結果能為玉溪市紅塔區相關部門更加有效地管理土地資源，提供了必要的決策依據。但受限于既有的研究方法，在以下方面仍有改進空間：

（1）在進行Landsat5和Landsat8數據的分類處理時，在多光譜影像提取波段的選取上未進行足夠全面的分析和評價，關于波段選取對分類精度的影響有待更深入的分析。

（2）本文所使用的支持向量機的監督分類方法，在樣本選取的過程中主要采取的是結合已有的資料和野外調研數據的人工選取辦法，未來可以在樣本的選取上展開研究，完善選取工作的速度與精度。

【參考文獻】

[1]高奇，師學義，張琛，等.中國土地利用遙感動態監測研究進展與展望[J].廣東土地科學，2013，12（5）：18-23.

GAO Q， SHI X Y， ZHANG W， et al. Progress and prospects of dynamic monitoring of land use remote sensing in China[J]. Guangdong Land Science， 2013，12（5）： 18-23.

[2]ASPINALL R. Modeling land use change with generalized linear models： a multi-model analysis of change between 1860 and 2000 in Gallatin Valley， Montana[J]. Journal of Environmental Management， 2004， 72（1-2）： 91-103.

[3]黃維，黃進良，王立輝，等.基于PCA的變化向量分析法遙感影像變化檢測[J].國土資源遙感，2016，28（1）：22-27.

HUANG W， HUANG J L， WANG L H， et al. Remote sensing image change detection based on PCA-based variation vector analysis[J]. Land and Resources Remote Sensing， 2016， 28（1）： 22-27.

[4]劉生龍，張永紅.基于遙感影像的土地利用變化檢測[J].測繪與空間地理信息，2018，41（1）：145-148.

LIU S L， ZHANG Y H. Detection of land use change based on remote sensing imagery[J]. Surveying and Spatial Geography Information， 2018， 41（1）： 145-148.

[5]林耀奔，陳炳超.基于TM影像對土地利用動態變化的監測——以福州市為例[J].山西農業科學，2015，43（11）：1468-1470.

LIN Y B， CHEN B C. Monitoring of land use dynamic change based on TM image - a case study of Fuzhou city[J]. Shanxi Agricultural Sciences， 2015， 43（11）： 1468-1470.

[6]田傳召，于陽，肖虹雁，等.基于TM影像的昆明市區土地利用遙感動態監測[J].林業資源管理，2014（4）：103-108.

TIAN C Z， YU Y， XIAO H Y， et al. Dynamic monitoring of land use remote sensing in Kunming city based on TM image[J]. Forestry Resource Management， 2014（4）： 103-108.

[7]付忠良，陳靜.多時相Landsat數據動態監測城市土地利用變化一以上海市為例[J].地理信息世界，2016，23（6）：26-30.

FU Z L， CHEN J. Multi-temporal Landsat data dynamic monitoring of urban land use change： take Shanghai as an example[J]. Geographic Information World， 2016， 23（6）： 26-30.

[8]常變蓉，李仁東.武漢市建設用地擴張遙感監測及空間分異分析[J].國土資源遙感，2017，29（3）：118-123.

CHANG B R， LI R D. Remote sensing monitoring and spatial differentiation analysis of construction land expansion in Wuhan[J]. Remote Sensing for Land and Resources， 2017， 29（3）： 118-123.

[9]ZHANG J， PHAM T， KALACSKA M， et al. Using landsat thematic mapper records to map land cover change and the impacts of reforestation programmes in the borderlands of southeast Yunnan， China： 1990-2010[J]. International Journal of Applied Earth Observation and Geoinformation， 2014， 31： 25-36.

[10]吳一全，曹照清.基于小波變換和核獨立分量分析的遙感圖像變化檢測[J].中國空間科學技術，2013，33（6）：9-16.

WU Y Q， CAO Z Q. Remote sensing image change detection based on wavelet transform and kernel independent component analysis[J]. Chinese Space Science and Technology， 2013， 33（6）： 9-16.

[11]張洪敏，張艷芳，田茂，等.基于主成分分析的生態變化遙感監測——以寶雞市城區為例[J].國土資源遙感，2018，30（1）：203-209.

ZHANG H M， ZHANG Y F， TIAN M， et al. Remote sensing monitoring of ecological change based on principal component analysis——taking Baoji City as an example[J]. Remote Sensing for Land and Resources， 2018， 30（1）： 203-209.

[12]韓鵬鵬，黃進良，李仁東，等.基于面向對象的坑塘遙感監測與動態分析[J].農業機械學報，2015，46（1）：272-277.

HAN P P， HUANG J L， LI R D， et al. Remote sensing monitoring and dynamic analysis of pit-and-pit based on object-oriented[J]. Journal of Agricultural Machinery， 2015， 46（1）： 272-277.

[13]韋玉春.遙感圖像數字處理教程[M].北京：科學出版社，2007.

WEI Y C. Remote sensing image digital processing tutorial[M]. Beijing： Science Press， 2007.

[14]張銀輝，趙庚星.土地利用/土地覆蓋遙感分類方法的研究綜述[J].中國農業資源與區劃，2002，22（3）：24-28.

ZHANG Y H， ZHAO G X. Review of land use/land cover remote sensing classification methods[J]. China Agricultural Resources and Regional Planning， 2002， 22（3）： 24-28.

[15]CONGALTON R G. A review of assessing the accuracy of classifications of remotely sensed data[J]. Remote Sensing of Environment， 1999， 37（1）： 35-46.

[16]夏清，楊武年.興賓區土地利用變化遙感動態監測研究[J].測繪科學，2017，42（12）：92-97.

XIA Q， YANG W N. Remote sensing dynamic monitoring of land use change in Xingbin District[J]. Surveying and Mapping Science， 2017， 42（12）： 92-97.

[17]國家統計局.玉溪市紅塔區統計年鑒[J].北京：中國統計出版社，2009.

National Bureau of Statistics. Yuxi Hongta District statistical yearbook[J]. Beijing： China Statistics Press， 2009.

[18]國家統計局.玉溪市紅塔區統計年鑒[J].北京：中國統計出版社，2017.

National Bureau of Statistics. Yuxi Hongta District statistical yearbook[J]. Beijing： China Statistics Press， 2017.

[19]劉瑞， 朱道林.基于轉移矩陣的土地利用變化信息挖掘方法探討[J].資源科學，2010，32（8）：1544-1550.

LIU R， ZHU D L. Discussion on information mining method of land use change based on transfer matrix[J]. Resources Science， 2010， 32（8）： 1544-1550.

[20]滿蘇爾·沙比提，陸吐布拉·依明.新疆南疆地區土地利用變化及其生態效應[J].地理科學，2011，32（4）：440-446.

MANSUER S， LUTUBULA Y. Land use change and its ecological effects in southern Xinjiang[J]. Geoscience， 2011， 32（4）： 440-446.

[21]王秀蘭，包玉海.土地利用動態變化研究方法探討[J].地理科學進展，1999，18（1）：83-89.

WANG X L， BAO Y H. Discussion on research methods of land use dynamic change[J]. Progress in Geography， 1999， 18（1）： 83-89.

[22]曹智偉，馬友鑫，李紅梅.正向綜合土地利用動態度模型及其應用——以西雙版納公路對土地利用的影響為例[J].云南大學學報（自然科學版），2006（S1）：224-228.

CAO Z W， MA Y X， LI H M. Forward integrated land use dynamics model and its application——taking the influence of Xishuangbanna highway on land use as an example[J]. Journal of Yunnan University （Natural Science Edition）， 2006（S1）： 224-228.