山东省耕地后备资源变化及驱动因素分析

[目的]揭示耕地后备资源变化规律及其驱动因素是进行耕地后备资源合理保护、开发利用的重要基础,但目前对于耕地后备资源变化及驱动因素的研究较为匮乏。[方法]文章以山东省为例,基于2003年和2015年两期耕地后备资源数据库,在分析耕地后备资源时空变化的基础上,采用空间回归模型分析了其变化的驱动因素。[结果]2003~2015年期间,山东省集中连片耕地后备资源减少了30.81万hm~2,其中可开垦土地减少24.97万hm~2,可复垦土地减少5.84万hm~2。[结论]总人口、文盲率、农民人均纯收入、建设用地扩张速度、第一产业产值占总产值比重等是山东省耕地后备资源变化的显著性驱动因素,并且总人口和建设用地扩张的驱动作用最大,受教育程度和产业结构调整的作用次之,农民人均纯收入变化对耕地后备资源变化的影响最小。"宏观统筹协调,异地代补"是解决"耕地后备资源空间分布不均衡、供需不匹配",实现耕地占补平衡、高效合理的开发利用耕地后备资源的必经之路。但异地代补的数量比例和质量应严格控制,并注重对补充耕地地区的经济补偿和政策倾斜,逐步缩小与发达地区之间的差距。     

剖线强度梯度变化的作物软硬变化区精确划分

[目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。     

唐诗中的薜萝意象探微

薜萝作为一个合成的意象,从唐前诗歌中的仅此一例,到唐诗中的100余处,这种情形颇值得我们注意。而在衍变的过程中,"薜萝"一词从唐诗开始,其运用也逐渐地超过了作为其组成部分的"薜荔"与"女萝"。文中主要就"薜萝"意象之源起及其在唐代的发展变化作一具体考证,以探究其背后所隐含的文化涵义。     

连云港市海岸带景观格局变化及生态系统 服务价值综合评估

基于连云港2期海岸带遥感影像的解译结果,应用景观生态学、生态系统服务理论,定量分析了海岸带景观格局和生态系统服务价值变化,评估了景观格局变化对生态系统服务价值的影响。结果表明:2002—2017年土地利用变化综合动态度为1.61%;研究区的景观格局呈现出愈加破碎化的态势;2002—2017年,连云港海岸带生态系统服务总价值减少了23.60亿元,水域对海岸带生态系统服务价值的贡献率最大,为87.19%;通过灰色关联度分析表明,不同景观格局指数对生态系统服务价值总量的关联程度的排序为:聚集度蔓延度分离度多样性与均匀度斑块密度斑块数。研究结果可为提高连云港海岸带资源开发利用,促进沿海地区社会经济可持续发展提供参考。     

城市土地利用与交通相互作用（LUTI）研究进展与展望

研究目的:基于对国内外大量研究成果的梳理,对城市土地利用与交通相互作用(LUTI)的复杂机理展开系统回顾与述评,并尝试提出未来亟需重点关注的研究领域与方向。研究方法:文献资料法,对比分析法。研究结果:国内外实证研究领域及空间尺度表现出明显分异,部分研究结果亦呈现出差异化特征;国外热衷于引入多学科理论与方法构建LUTI一体化模型,而国内所引入的数学规划模型多停滞在理论分析与模拟层面,应用性相对有限,但近年来国内学者逐渐加强LUTI协调性评价,研究领域呈现出新特征。研究结论:全球可持续发展背景下,LUTI研究为实现城市土地利用与交通的协调发展提供了良好基础,未来应加强对LUTI模型方法与互馈机理的研究,并深入探讨现代交通发展对土地利用的影响机制,环境、社会因素亦应引起重视,国内学界则应注重本土性与应用性研究。     

高分1号冬小麦解译面积核算方法研究

[目的]以高分1号(GF-1)融合2m卫星遥感影像为基础数据源,结合土地利用现状数据、高分多源遥感影像和地面样方等数据,对冬小麦分类提取中存在的面积误差问题进行研究和分析。[方法]文章以河南省永城市为研究区,在冬小麦提取结果聚类处理基础上,基于线性地物缓冲区数据,采用GIS空间运算实现线性地物面积扣除,接着分析了样方数据和土地利用现状数据再扣除零星地物面积比例上的差异,并采用样方零星地物平均扣除系数对全市各乡镇耕地与非耕地中冬小麦提取面积进行了相关统计和误差分析。[结果]永城市冬小麦最终解译面积11. 29万hm~2,其中线性地物和零星地物扣除面积分别为6 613. 08hm~2和3 875. 22hm~2,占研究区冬小麦解译面积的5. 86%和3. 32%,与统计上报数据相比,其处理前后误差由14. 12%降低至4. 41%,有效地提高冬小麦提取面积精度。[结论]误差来源分析与修正对冬小麦解译面积核算精度具有重要影响,该研究为县级区域尺度下冬小麦面积提取核算提供了思路和借鉴。