0 引言

土地利用直观地记录了被人类改变的地球表面特征的空间格局。人类的生存生产等活动依存于土地，人类长久发展的前提是土地资源的合理利用。土地利用研究的目的是了解土地利用在研究区域范围内的连续变化，能直观地表明人与环境的相互关系。从全球变化的角度看，主要研究的是土地利用和土地覆盖变化(land use and land cover change，LUCC)对全球气候等变化的影响[1]。从区域研究的角度看，主要研究的是LUCC对区域经济的可持续发展作用[2]。

目前对于土地利用的研究已经应用在各种不同的领域，如环境评估、土地资源管理规划、历史遗迹保护和大气污染等[3-8]。随着现代科学技术的发展，LUCC研究可以借助许多新兴的技术，如GIS技术、RS技术和计算机技术等。通过各种技术与资源的结合不仅扩大了土地资源变化研究的深度与广度，同时建立了适应各种不同地区的模型，进而提高了研究的精确度，为土地等资源的可持续利用提供理论与技术上的支持[9-14]。

本文以山西省潞城市为研究区，基于RS与GIS技术，利用1995—2015年间5期遥感影像数据对研究区20 a间的土地利用动态变化情况进行分析研究，并采用灰度预测法GM(1，1)模型对2020年的土地利用情况进行预测，进而为该区的可持续发展提供依据。

高炉炼铁简易生产流程如图1所示。炉料经装料设备送入高炉中，热风由鼓风动力装置从高炉下部的风口鼓入炉内，炉料中的焦炭和热风中的氧气发生燃烧反应，产生大量高温还原性气体，将炉料加热并还原，期间有煤粉和焦炉煤气作为辅助还原剂输入高炉中。同时，铁水从出铁口放出，矿石中的脉石和熔剂结合形成炉渣，从渣口排出。产生过程中也会产生高炉煤气、余热、高炉灰等副产品。

1 研究区概况及数据源

潞城市位于山西省的东南部，太行山西麓，地理坐标在E112°59′36″～113°25′40″，N36°14′00″～36°29′30″之间。作为国家园林城市、国家卫生城市及山西省造林绿化先进市，研究区历史悠久、自然资源丰富。

将研究区5个年份的土地利用变化幅度导入式(2)中进行计算，得到研究期间潞城市的单一土地利用动态度，其结果见表4。

2 数据预处理

娱乐会带来更自我、更封闭的满足感。那是不是幸福的巅峰？我不知道。但如果从人类有了自我意识以后，我们对于幸福的定义来看的话，这似乎是幸福的巅峰。

CART算法是把数据集中最小的Gini值作为节点将数据集分为2个子数据集，最后根据验证数据进行剪枝。Gini指数[15]是判断收入分配公平程度的指标，也被用来度量任何不均匀分布，其范围在[0，1]之间，值越小说明数据对象为同一类的概率越高。所以，基于CART获取规则的决策树是结构简单的二叉树。CART算法不适用于有多个离散特征的情况，因此若要使用此方法，最好先将离散特征取值缩减。基于CART获取规则的决策树分类法的步骤为： ①构建多源数据集，包括： Landsat5 TM和Landsat8 OLI影像的多光谱波段、归一化差值植被指数(normalized difference vegetation index,NDVI)和迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)非监督分类结果； ②获取规则，通过选择训练样本获取规则； ③土地覆盖信息提取，在Decision Tree中选择决策树txt文件，提取出土地覆盖信息。最终分类结果如图1所示。对结果进行精度评定，评价结果如表1所示。从图1和表1中可以看出，分类结果可以满足本文对数据质量的精度要求。

 

表1 分类结果精度Tab.1 Classification results accuracy

  

精度评价指标1995年2000年2005年2010年2015年分类精度/%93.0094.0095.0092.0097.00Kappa系数0.880.900.920.870.95

 

(a) 1995年 (b) 2000年 (c) 2005年

 

(d) 2010年 (c) 2015年

图1 潞城市土地利用分类结果

Fig.1 Land use classification results of Lucheng City

3 土地利用动态变化分析

研究区总面积为61 235.77 hm2，其在1995年、2000年、2005年、2010年和2015年5个时期各类土地利用类型面积的大小及其对于研究区总面积的占比情况如表2所示。

 

表2 潞城市各类土地利用类型面积及占比Tab.2 Area and ratio change of land use types of Lucheng City

  

年份林地耕地居民地水域未利用地面积/hm2比例/%面积/hm2比例/%面积/hm2比例/%面积/hm2比例/%面积/hm2比例/%1995年23 301.9038.0529 464.5048.125 629.869.19446.950.732 392.563.912000年24 295.0039.6827 790.7045.386 632.2810.83445.410.732 072.383.382005年25 610.2041.8226 294.7042.947 116.2411.62449.730.741 764.902.882010年26 736.7043.6624 948.2040.747 626.9612.46454.660.741 469.252.402015年27 471.0044.8624 046.3039.278 256.7813.48420.930.691 040.761.70

由表2可知，林地和耕地是研究区主要土地利用类型，约占研究区总面积的85%。耕地占地面积最大，主要分布在西部与南部； 其次是林地，主要在研究区东南部和北部地区； 居民地主要集中在中南部与西北部。在1995—2015年的20 a间，耕地面积变化最大，约减少了10%； 水域面积基本保持不变； 林地面积有少量持续增加； 未利用地面积逐期减少； 居民地面积不断增加。

3.1 土地利用变化量

3.1.1 土地利用变化幅度

土地利用变化幅度为土地利用类别面积的变化[9]，即

评价是合作学习中不可缺少的重要环节。在每次小组活动后，教师要及时进行总结评价，一方面通过小组汇报的形式使学生对知识形成统一的认识，得出结论；另一方面，对各个学习小组的活动情况进行评价，如哪一组最团结协作，哪一组最有创新精神等，对小组成员也要进行适当合理的评价，比如谁在合作学习中最积极，谁能用正确的方式向其他学生提出自己不同的意见等，让学生尝到合作学习的甜头，享受学习的快乐。我们还可以在教室后面的黑板报上，营造精神家园，让小组之间的竞争看得见。小组之间合作好便给他们贴上一颗星星，每个月评比一次，这样更能激发学生的积极性。

，

(1)

式中： S为研究区某一土地利用类型的土地利用变

化幅度，正值表示增加的幅度，负值表示减少的幅度； Ui和Uj分别表示研究初期和研究末期的某一土地利用类型面积。

利用行政边界矢量数据对遥感影像进行裁剪，提取出研究区范围。根据土地分类系统原则与潞城市的区域特点将研究区内的土地利用类型分为5类： 林地、耕地、居民地、水域及未利用地。采用决策树分类算法(classification and regression tree，CART)进行分类，提取土地利用信息，并对已分类的图像进行后处理得到最终的结果。

把研究区1995—2015年间土地利用类别的面积导入式(1)中进行计算，可以得到研究区1995—2015年每5 a间的土地利用类型的变化幅度，其结果见表3。

 

表3 潞城市1995年、2000年、2005年、2010年和2015年土地利用变化幅度Tab.3 Extent of land use change of Lucheng City in 1995, 2000, 2005, 2000, 2015

  

土地利用类型1995—2000年2000—2005年2005—2010年2010—2015年变化面积/hm2变化幅度/%变化面积/hm2变化幅度/%变化面积/hm2变化幅度/%变化面积/hm2变化幅度/%林地993.104.261 315.205.411 126.504.40734.302.75耕地-1 673.80-5.68-1 496.00-5.38-1 346.50-5.12-901.90-3.62居民地1 002.4217.81483.967.30510.727.18629.828.26水域-1.54-0.344.320.974.931.10-33.73-7.42未利用地-320.18-13.38-307.48-14.84-295.65-16.75-428.49-29.16

由表3可知，在1995—2000年5 a间，研究区土地利用类型中面积呈正增长的为林地和居民地2类，其中面积增加最多同时变化幅度最大的是居民地，增加面积为1 002.42 hm2，增加幅度为17.81%； 土地利用类型中面积呈负增长的有耕地、水域和未利用地3类，耕地面积减少最多，为1 673.80 hm2，水域面积虽有所减少但是幅度很小可忽略不计，而未利用地减少幅度最大，为13.38%。在2000—2005年5 a间，研究区土地利用类型中面积呈正增长的有林地、居民地和水域3类，其中面积增加最多的是林地，为1 315.20 hm2，增加幅度最大的是居民地，为7.30%，水域面积虽有小幅度增加但可忽略不计； 土地利用类型中面积呈负增长的有耕地和未利用地2类，耕地面积减少最多，为1 496.00 hm2，未利用地减少幅度最大，为14.84%。在2005—2010年5 a间，研究区土地利用类型中面积呈正增长的有林地、居民地和水域3类，面积增加最多的是林地，为1 126.50 hm2，增加幅度最大的是居民地，为7.18%，水域面积虽有小幅度增加但可忽略不计； 土地利用类型中面积呈负增长的有耕地和未利用地2类，面积减少最多的是耕地，为1 346.50 hm2，减少幅度最大的是未利用地，为16.75%。在2010—2015年5 a间，研究区土地利用类型中面积呈正增长的有林地和居民地2类，其中面积增加最多的是林地，为734.30 hm2，增加幅度最大的是居民地，为8.26%； 土地利用类型中面积呈负增长的有耕地、水域和未利用地3类，其中面积减少最多的是耕地，为901.90 hm2，减少幅度最大的是未利用地，为29.16%。

引导基金坚持“投新、投早、投本地”原则，充分发挥武汉市科教资源优势，重点发展天使基金和创投基金，引导社会资本投向战略性新兴产业，投向全市大学、科研院所、创新街区、创谷、科技企业孵化器、加速器、产业园区、众创空间内初创期和早中期创新型企业。截至2018年9月底，引导基金已投资245家企业，投资总额24.81亿元。从投资领域看，信息技术、生命健康和智能制造三大产业的投资额17.83亿元，占总投资额的72%；从投资阶段看，种子期、初创期和早中期企业投资额22.33亿元，占总投资额的90%；从投资地域看，投资于武汉市企业达18.38亿元，占总投资额的74%。

3.1.2 单一土地利用动态度

把研究区5个年份的土地利用类别的面积占比与相应的分级指数带入式(3)中进行计算，得到研究期间研究区土地利用程度变化综合指数，其结果见表6。

K=S/T ，

(2)

式中： K为研究区某一土地利用类型的单一土地利用动态度； T为研究初期与末期的间隔年数。

利用式(6)对2000年、2005年、2010年和2015年耕地拟合结果如表9所示。

本文所用的数据为山西省潞城市1995年、2000年、2005年和2010年4期TM影像、2015年OLI影像、行政区划图以及其他文字资料。

缅甸：樱桃红色、深红色、金黄色、紫罗兰色、蓝色，最出名的就是血珀。内部很少有气泡炸裂的现象，棕红珀含有红色定向流纹及天然深色矿物包体，风化纹是典型内含物，生物种类也是多种多样的，有多种节肢动物门和以被子植物、少量裸子植物的动植物类群，甚至有鸟类、两栖和爬行动物[4]，是年代最久远的琥珀，摩氏硬度可达到3，荧光也非常强。缅甸琥珀中血珀最为珍贵。

表4 潞城市1995年、2000年、2005年、2010年和2015年单一土地利用动态度

Tab.4 Single land use dynamic degree of Lucheng City in 1995, 2000, 2005, 2000, 2015 (%)

  

土地利用类型1995—2000年2000—2005年2005—2010年2010—2015年1995—2005年2000—2010年2005—2015年1995—2015年林地0.851.080.880.540.991.010.730.89耕地-1.14-1.08-1.02-0.72-1.08-1.02-0.86-0.92居民地3.561.461.441.662.641.501.602.33水域-0.070.190.22-1.480.060.21-0.64-0.29未利用地-2.68-2.97-3.35-5.84-2.62-2.91-4.03-2.83

根据表4对潞城市1995年、2000年、2005年、2010年和2015年的土地利用动态变化情况进行详细分析。近20 a间，潞城市林地面积有所增加，且其单一土地利用动态度始终为正，截止到2015年研究区林地面积呈增加状态，且年均增长0.89%； 耕地面积有所减少，其单一土地利用动态度始终为负，截止到2015年研究区耕地面积呈减少状态，且年均减少0.92%； 居民地面积有所增加，其单一土地利用动态度始终为正，截止到2015年研究区居民地面积呈增加状态，年均增长2.33%； 水域面积有所减少，其单一土地利用动态度有正有负，截止到2015年研究区水域面积呈减少状态，年均减少0.29%； 未利用地面积有所减少，其单一土地利用动态度始终为负，截止到2015年研究区未利用地面积呈减少状态，年均减少2.83%。

3.2 土地利用变化程度

土地的属性是人与自然的总体反应效果，体现了人类对土地利用的特点。本文结合土地利用现状分类标准(GBT21010—1007)与研究区土地利用的特点以及人类对土地的开发利用程度将该研究区土地利用类型分为4个等级，见表5。

 

表5 土地利用类型分级指数Tab.5 Land use type classification index

  

分级城镇聚落用地级农业用地级林草水用地级未利用地级土地利用类型居民地耕地林地、水域未利用地分级指数4321

土地利用程度变化综合指数为研究区内土地利用的程度[16]，即

，

(3)

式中： L为研究区内土地利用程度变化的综合指数； Ai为第i类土地利用类别的分级指数； Ci为第i类土地利用类别的面积占比； n为土地利用类别总数。

单一土地利用动态度为研究区某一土地利用类型的年均变化情况[9]，即

 

表6 潞城市土地利用程度变化综合指数Tab.6 Land use change composite index of Lucheng City

  

年份1995年2000年2005年2010年2015年综合指数262.59263.66263.30263.26264.53

由表6可知，研究区土地利用程度在1995—2015年间无显著变化。从土地利用程度变化综合指数的范围(100～400)来看，潞城市的开发程度已达到中等程度，土地利用还有很大的发展空间，政府可以在可持续利用的前提下开发土地资源发展经济，提高居民的生活质量。

系统IP化相比采用SDI信号的优势在于：IP网络覆盖范围大，拓扑灵活，布线简单，而且IP信号压缩编码方式已经非常成熟。IP化系统可以对设备进行重复使用，相比传统SDI系统，节约投资。在当前用SDI信号传输4K信号需要4条线缆，而IP化后一条10G以太网线缆就可以传输，扩充节目只需增加接入网关设备就可以。

3.3 土地利用变化结构

通过研究区各土地利用类型的面积占比可以得到研究区土地利用结构情况，其结果如图2所示。

  

图2 潞城市土地利用类型结构

 

Fig.2 Land use structure of Lucheng City

从类别角度分析数据，研究区面积占比最大的2类土地利用类型是林地与耕地，这2类在各时期所占研究区总面积均在80%以上； 其次，居民地在各时期所占研究区总面积介于9%～14%之间； 而其他各类在各时期所占研究区总面积都不足5%。

从时间角度分析数据，①林地的变化在1995—2015年间面积占比逐渐增大，尤其在2000—2005年间的变化幅度最大，为2.14%，2010—2015年间的变化幅度最小，为1.20%； ②耕地的变化在1995—2015年间面积占比逐渐减少，在1995—2000年间的变化幅度最大，为2.74%，2010—2015年间的变化幅度最小，为1.47%； ③居民地的变化在1995—2015年间面积占比逐渐增大，在1995—2000年间的变化幅度最大，为1.64%，2000—2005年间的变化幅度最小，为0.79%； ④水域的变化在1995—2015年面积占比有增有减，最终呈减少趋势，在2010—2015年间的变化幅度最大，为0.05%，在1995—2000年与2005—2010年间无变化，变化幅度为0； ⑤未利用地的变化在1995—2015年间面积占比逐渐减少，在2010—2015年间的变化幅度最大，为0.70%，在2005—2010年间的变化幅度最小，为0.48%。

4 土地利用预测

科学有效地对土地利用进行预测能够为研究区的可持续发展提供相应的技术支持[17]。灰色预测法是一种对含有不确定因素的系统进行预测的方法。首先，通过关联分析来鉴别系统各因素之间的发展趋势的相异程度； 然后，生成处理原始数据寻找出系统的变化规律，即生成一组具有较强规律性的数据序列； 最后，通过建立相应的微分方程模型预测出事物未来的发展状况。

本文利用GM(1，1)模型，首先利用1995年、2000年、2005年和2010年4期的遥感数据对研究区2015年的居民地面积进行预测并与实际数据进行对比，再利用1995年、2000年、2005年、2010年和2015年5期的数据对研究区2020年的耕地与居民地进行预测。

GM(1，1)模型中建立的微分方程为

，

(4)

式中： X(t+1)表示预测年份的相应预测结果； a为发展系数，表示行为序列估计值的发展态势； b为灰色作用量，是从行为序列中挖掘出来的数据，反映了数据变化的关系。此模型使用均方差比值C与小误差概率P作为检验模型预测精度的标准。具体指标如表7所示。

数学是小学阶段对小学生思维能力与逻辑能力要求较高的一门学科，学生在学习数学时通常会感觉枯燥，久而久之，学生会对数学学习丧失兴趣，因此，在数学教学过程中应用一些较新的教学方法可以改变学生对数学学习的认识，同时可以提高学生的学习效率。情境教学是教学方法中的一种较好的教学模式，在教学过程中，教师可以通过创设一种情境将学生带入到学习中来，进而提高学生的学习兴趣与学习参与感。但是由于现阶段许多教师对这种教学方法的认识不够充分，就导致了对情境创设形式化的现象严重，或者许多教师在创设情境时对多媒体设备的依赖较高，导致情境创设较为单一，也很难发挥出情境教学的真正效果。

 

表7 精度预测等级Tab.7 Level of prediction accuracy

  

精度评价指标好良合格不合格C< 0.35< 0.50< 0.65≥ 0.65P> 0.95> 0.80> 0.70≤ 0.70

4.1 2015年土地利用预测

将研究区1995年、2000年、2005年和2010年4期的居民地面积带入GM(1，1)模型中，得到

X(t+1)=91 700.248 281e0.069 816 t-86 070.388 281，

(5)

式中： 参数a=-0.069 816； b=6 009.080 448。

8.2.2 电子表格 电子表格实现了对各机井用水量及状态的实时掌握，通过选择区域栏内乡（镇）总体查看该乡（镇）的机井数量、机井监控设施上电数量、机井水泵运行数量及各机井具体的本次刷卡用水量、卡内剩余水量、年初水表读数、当前水表读数累计用水量、总配水量、剩余水量、机井状态、水权配置情况（见图3）。

根据GM(1，1)模型得到的式(5)对2000年、2005年和2010年居民地拟合结果如表8所示。

 

表8 2000年、2005年和2010年居民地拟合结果Tab.8 Fitting results for residential area in 2000,2005,2010

  

年份观察值拟合值绝对误差相对误差/%2000年6 632.280 0 6 630.912 4 1.367 6 0.020 6 2005年7 116.240 0 7 110.398 6 5.841 4 0.082 1 2010年7 626.960 0 7 624.556 8 2.403 2 0.031 5

评价结果： C=0.002 8，P=1.000 0，表明当前模型的评价效果很好。计算得到2015年预测值为8 175.894 08 hm2，而实际面积为8 256.78 hm2，相差80.885 92 hm2，仅占总面积的0.013 2%，误差很小，满足精度要求。

4.2 2020年土地利用预测

4.2.1 耕地预测

将研究区5期的耕地面积数值带入GM(1，1)模型中，得到

《老人与海》的文体风格主要体现在简洁以及含蓄两大方面。小说中很少出现作者自己的言论或情感的流露，强调客观的描写。如圣地亚哥与大马林鱼周旋的过程中对他的手说“手啊，你觉得怎么样呢？我要替你多吃一点儿”“它上来啦，快些吧，手，请快些吧”等，在这些看似没有任何感情色彩、寥寥数语的表达中，却表达出圣地亚哥那种乐观、自信以及敢于面对现实、敢于面对困境的勇气。

X(t+1)=-578 846.731 18e-0.049 017 t+608 311.231 118，

(6)

式中： 参数a=0.049 017； b=29 817.656 301。

通过图13对比发现，偏心试件模拟结果和无偏心试件模拟结果基本重合，表明钢筋偏移的变化对试件承载力影响不显著。

 

表9 2000年、2005年和2010年和2015年耕地拟合结果Tab.9 Fitting results for agriculture area in2000,2005,2010,2015

  

年份观察值拟合值绝对误差相对误差/%2000年27 790.700 027 689.225 1101.474 90.365 12005年26 294.700 026 364.706 7-70.006 7-0.266 22010年24 948.200 025 103.546 7-155.346 7-0.622 72015年24 046.300 023 902.714 6143.585 40.597 1

评价结果： C=0.062 9，P=1.000 0，表明当前模型的评价效果较好。2020年耕地面积的预测值为22 759.324 45 hm2，耕地持续减少的趋势保持不变。由于城市有更多的就业机会、更好的教育资源和居住环境，这些因素使得大量的农村劳动力涌入城市，而缺乏劳动力的农村使得部分耕地退化为荒地，面积减少。

4.2.2 居民地预测

将研究区域5期的居民地面积数值带入GM(1，1)模型中，得到

X(t+1)=87 488.284 157e0.072 892 t-81 858.424 157 ，

(7)

式中： 参数a=-0.072 892 ，b=5 966.783 952。

利用式(7)对2000年、2005年、2010年和2015年居民地拟合结果如表10所示。

进行标贯试验19次，实测锤击数N’=33.0～47.0击，平均为40.8击；经杆长修正后N=23.1～33.3击，平均为29.5击。取样9组，共9件进行统计分析。建议地基承载力特征值的经验值fa=300kPa。

 

表10 2000年、2005年和2010年和2015年居民地拟合结果Tab.10 Fitting results for residential area in2000,2005,2010,2015

  

年份观察值拟合值绝对误差相对误差/%2000年6 632.280 06 615.324 716.955 30.255 62005年7 116.240 07 115.534 70.705 30.009 92010年7 626.960 07 653.567 6-26.607 6-0.348 92015年8 256.780 08 232.283 224.496 80.296 7

评价结果： C=0.022 0，P=1.000 0，表明当前模型的评价效果很好。2020年居民地面积的预测值为8 854.757 69 hm2，居民地持续增加的趋势保持不变。城镇化的加速发展使得更多的农村人口涌入城市，城市常住人口的增加使得城市不断扩张，居民地面积增加。

5 结论

1)1995—2015年间，研究区林地和居民地所占用地逐渐增加，耕地和未利用地所占用地逐渐减少，水域所占用地基本保持不变。

如果要理解这些肿瘤的性别差异的关键在于找出性别差异的原因，而且这将有助于优化性别相关的治疗，揭示可能的保护性或者有害的性别因子，并提出新的治疗策略。尽管一些肿瘤的性别差异源于高度性别化的环境(职业、吸毒等)，这使得男性和女性暴露于不同的疾病风险，但还可以寻找在细胞内关键的性别差异，从而降低肿瘤生长的可能性。性激素是主导性别差异的原因，但在这篇文章中，作者更关注细胞内基因组中的性别差异。

2)1995年、2000年、2005年、2010年和2015年该区土地利用程度变化综合指数分别为262.59，263.66，263.30，263.26和264.53。从土地利用程度变化综合指数的范围来看，研究区开发程度已达到中等水平，近20 a间研究区处于发展时期。

女工店吃过晚饭，金枝好像踏着泪痕行走，她的头过分的迷昏，心脏落进污水沟中似的，她的腿骨软了，松懈了，爬上炕取她的旧鞋，和一条手巾，她要回乡，马上躺到娘身上去哭。

3)在土地利用结构方面，从类别角度看，林地与耕地是研究区2大土地利用类型； 从时间角度看，截止到2015年研究区面积增加的有林地和居民地； 面积减少的有耕地、水域和未利用地。

4)应用GM(1，1)模型，采用1995年、2000年、2005年和2010年4期数据预测2015年居民地面积为8 175.89 hm2，实际面积为8 256.78 hm2，相差80.89 hm2； 应用该模型，采用1995年、2000年、2005年、2010年和2015年5期数据预测2020年耕地面积为22 759.32 hm2，居民地面积为8 854.76 hm2。

参考文献(References)：

[1] 何美香.县域土地利用动态变化研究——以山西省怀仁县为例[D].长沙:中南大学,2010.

He M X.Study on Dynamic Change of County-Level Land Use：A Case Study of Huairen Country in Shanxi Province[D].Changsha:Central South University,2010.

[2] Durieux L,Lagabrielle E,Nelson A.A method for monitoring building construction in urban sprawl areas using object-based analysis of SPOT5 images and existing GIS data[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2008,63(4):339-408.

[3] Sylla L,Xiong D,Zhang H Y,et al.A GIS technology and method to assess environmental problems from land use/cover changes: Conakry,Coyah and Dubreka region case study[J].The Egyptian Journal of Remote Sensing and Space Science,2012,15(1):31-38.

[4] Zhang Y J,Li A J,Fung T.Using GIS and multi-criteria decision analysis for conflict resolution in land use planning[J].Procedia Environmental Sciences,2012,13:2264-2273.

[5] Martine N.GIS and multi-criteria decision analysis for land use resource planning[J].Journal of Geographic Information System,2012,4(4):341-348.

[6] 朱晓强,李满春,金晓斌,等.土地利用规划在城市郊区历史遗迹保护中的应用——以无锡市新区为例[J].北京第二外国语学院学报,2006(5):43-46,22.

Zhu X Q,Li M C,Jin X B,et al.Application of land use planning in historic sites protection in urban fringe： Example the studies of the new district of Wuxi[J].Journal Beijing International Studies University,2006(5):43-46,22.

[7] 吴健生,谢舞丹,李嘉诚.土地利用回归模型在大气污染时空分异研究中的应用[J].环境科学,2016,37(2):413-419.

Wu J S,Xie W D,Li J C.Application of land-use regression models in spatial-temporal differentiation of air pollution[J].Environmental Science,2016,37(2):413-419.

[8] 李 炟,束 炯,谈建国,等.基于土地利用和人为热修正的城市夏季高温数值试验[J].热带气象学报,2015,31(3):364-373.

Li D,Shu J,Tan J G,et al.A numerical simulation experiment of an urban summer heat wave based on modified data of land-use and anthropogenic heat[J].Journal of Tropical Meteorology,2015,31(3):364-373.

[9] 史泽鹏,马中文,马友华,等.基于J48决策树算法的遥感土地利用变化分析[J].遥感信息,2014,29(1):78-84.

Shi Z P,Ma Z W,Ma Y H,et al.Land use change of remote sensing based on J48 decision tree algorithm[J].Remote Sensing Information,2014,29(1):78-84.

[10] 丁月平.辅以纹理特征的面向对象遥感影像土地分类研究——以南通市港闸区为例[D].南京:南京林业大学,2014.

Ding Y P.Research on Land Classification of Object Oriented Remote Sensing Image Based on Texture Features ：A Case Study of Gangzha District of Nantong City[D].Nanjing:Nanjing Forestry University,2014.

[11] 江 华.基于eCognition面向对象技术的高分辨率遥感影像土地利用分类——以福州琅岐岛为例[J].海峡科学,2014(8):12-17.

Jiang H.High resolution remote sensing image classification of land use based on eCognition object-oriented technology：Setting Langqi Island of Fuzhou as an example[J].Straits Science,2014(8):12-17.

[12] 领 梅,安慧君,贺晓辉,等.基于决策树的凉城县土地利用分类研究[J].内蒙古农业大学学报,2013,34(6):43-48.

Ling M,An H J,He X H,et al.Research of land use classification based on decision tree in Liangcheng[J].Journal of Inner Mongolia Agricultural University,2013,34(6):43-48.

[13] 吴健生,潘况一,彭 建,等.基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例[J].地理研究,2012,31(11):1973-1980.

Wu J S,Pan K Y,Peng J,et al.Research on the accuracy of TM images land-use classification based on QUEST decision tree:A case study of Lijiang in Yunnan[J].Geographical Research,2012,31(11):1973-1980.

[14] 肖 艳,姜琦刚,王 斌,等.基于Relief F和PSO混合特征选择的面向对象土地利用分类[J].农业工程学报,2016,32(4):211-216.

Xiao Y,Jiang Q G,Wang B,et al.Object based land-use classification based on hybrid feature selection method of combining Relief F and PSO[J].Transactions of the Chinese Society of Agricultural Engineering,2016,32(4):211-216.

[15] 黄秀霞,孙 力.C4.5算法的优化[J].计算机工程与设计,2016,37(5):1265-1270,1361.

Huang X X,Sun L.Optimization of C4.5 algorithm[J].Computer Engineering and Design,2016,37(5):1265-1270,1361.

[16] 吴琳娜,杨胜天,刘晓燕,等.1976年以来北洛河流域土地利用变化对人类活动程度的响应[J].地理学报,2014,69(1):54-63.

Wu L N,Yang S T,Liu X Y,et al.Response analysis of land use change to the degree of human activities in Beiluo River basin since 1976[J].Acta Geographica Sinica,2014,69(1):54-63.

[17] 宗 玮.上海海岸带土地利用/覆盖格局变化及驱动机制研究[D].上海:华东师范大学,2012.

Zong W.Research on Land Use/Land Cover Change and Driving Forces Mechanism in Coastal Zone of Shanghai[D].Shanghai:East China Normal University,2012.