结合SOM与动态度方法的土地利用及其时空演变研究

李 玲， 陈飞燕,2， 林爱文

(1.武汉大学 资源与环境科学学院， 湖北 武汉 430079； 2.信阳师范学院 地理科学学院， 河南 信阳 464000)

土地利用变化(LUCC)是全球变化重点关注研究的内容之一[1]。自1995年“土地利用和土地覆盖变化”(land use and land cover change, LUCC)研究计划提出以来，土地利用变化研究一直是全球变化研究的重要课题[2-3]。当前关于土地利用时空演变特征的研究成果颇丰，集中于定量描述、驱动分析、模型模拟、环境影响等方面[5-8]。研究土地利用变化的方法也日趋丰富，目前土地利用转移矩阵、土地利用动态度、景观格局指数被广泛使用，如王计平等[9]利用转移矩阵及重心转移研究了无定河流域各土地利用类型面积、重心变化；徐苏等[10]利用土地利用动态度、交换变量识别了长江流域土地利用变化活跃区域和关键区域；佟光臣等[11]对南京市近30 a土地覆被和景观格局的时空变化状况及其驱动因素进行了研究。上述文献中的方法通常是研究土地利用类型的时空变化过程，较难实现土地利用结构在空间上可视化及其演变分析。自组织神经网络(self-organizing map neural network， SOM)是一种竞争型神经网络，采用非监督式学习可以实现高维数据降维聚类及可视化[12-13]。近年来SOM逐渐被运用到土地研究中，如Augustijn等[14]尝试用SOM聚类来探索时空扩散模式，焦利民运用SOM聚类分析中国主要城市扩展特征，但将SOM用于土地利用变化研究的文章还较少。齐建超等[15]虽利用SOM降维可视化各地类面积比例数据，对比分析了北京市长时间序列土地利用结构的时空演变，但忽略了土地利用结构类型尚未变化但地类转换活跃的区域。……