面向对象的土地利用空间多尺度耦合机理研究

针对土地利用规划体系存在空间多尺度耦合问题，本研究采用面向对象遥感影像多尺度分割技术，通过CLUE-S模型改进与GIS结合，构建不同尺度的影像信息等级结构,实现遥感影像信息在不同尺度层之间的传递，模拟土地利用省、市(地)、县三级空间尺度效应，探索土地利用多尺度空间过程及变化机理，提供省、市(地)、县级土地利用资源空间配置管理多尺度协调的思路和综合集成方法。研究内容包括：①采用面向对象的多尺度分割技术对地物信息提取；② 基于域和对象的多源信息集成的土地利用数据仓库构建；③ 通过逐步降低分辨率栅格环境，结合模糊分类算法，设计空间位置等量交换算法，改进CLUE-S模型；④改进型CLUE-S模型在多分辨率环境下对土地利用空间多尺度耦合动态模拟；⑤采用Kappa指数和空间自回归计算检验土地利用多尺度转换精度。

土地利用及其驱动因素的作用过程具有明显的尺度相关性，某一规模尺度上所揭示出来的作用关系并不能简单地应用到尺度升降规模层次上。若要正确理解格局与过程的关系就必须弄清尺度依赖问题，量化描述土地利用在各种时空尺度上的格局和过程。因此，只有对区域土地利用变化进行定位化、定量化的多尺度空间分析，才能更为深入和准确地认识区域土地利用的动态演变过程，更好地认识土地利用与区域自然、社会和经济条件的相关性，揭示土地利用空间分异的规律性。这实质上就是要搞清土地利用空间多尺度的耦合问题。.针对上述问题，课题主要围绕以下内容开展了研究：（1）面向对象多尺度地类信息提取研究; （2）多尺度多源数据的综合集成及尺度转换研究;（3）面向对象的多源信息集成的土地利用数据仓构建;（4）改进CLUE-S模型，并基于改进的CLUE-S模型，在多分辨率环境下开展土地利用空间多尺度的耦合模拟研究。.主要研究结果如下：（1）基于集对分析的遥感图像K–均值聚类算法及基于梯度尺度空间的遥感影像多尺度分割方法，克服了传统K–均值算法硬分类的缺陷，同时可将影像中的纹理结构、空间关系甚至包括专家经验知识在内的特征属性一起作为信息提取的依据，大幅度提高了影像信息提取的精度和效率，为多尺度土地利用信息智能提取提供了强大的技术支撑。（2）构建的面向对象的土地利用多尺度时空数据模型，能够实现矢量与栅格、空间与非空间、静态与动态的多尺度土地利用时空数据的综合集成。（3）基于面向对象思想的CASE+UML可视化建模，能够避免后期数据结构变化带来的结构重构。另外，基于维度建模的思想，将数据存储在关系数据库的表结构中，在元数据的管理下也能够较好地完成数据仓库功能。（4）动态耦合方面，采用符合研究区特点的参数及驱动因子，可以使实验研究进行得更为顺利; 改进的CLUE-S模型在多尺度政策模拟方面具有较好效果; 采用系统动力学并结合经典数理统计分析方法，对土地利用多尺度驱动力空间耦合模拟精度较高。.研究主要涉及不同尺度层级下的土地利用数据，对应时段的社会和经济方面的统计类数据，对应尺度和时段下的气象、气候、植被分布、林业、农业、水利、环境保护、城镇建设等行业政策及发展规划等辅助分析类数据。.研究初步揭示了土地利用变化的自然地理空间尺度的规律性，有助于实施土地利用模式在不同尺度间的转换，能够促进深刻认识不同尺度的土地利用空间过程和变化机理。