精确的全球及区域尺度土地覆被遥感分类数据是全球变化、陆地表层过程模拟、生态文明建设及区域可持续发展等研究的重要基础数据。本文以5套全球土地覆被数据集GLCC、UMD、GLC2000、MODIS LC、GlobCover为研究对象,结合MODIS VCF、MODIS Cropland Probability以及AVHRR CFTC数据集,设计一种基于模糊逻辑思想的证据融合方法实现上述多源土地覆被信息的决策融合,生成一套依据植物功能型分类的全球1 km土地覆被融合数据SYNLCover。结果显示,与5套源土地覆被数据集相比：① 在总体一致性精度上,SYNLCover的8个生物形态类型和12个目标类型的平均总体一致性精度最高,分别约为65.6%和59.4%,其次依次是MODIS LC、GLC2000、GLCC和GlobCover,UMD的最低,分别约为48.9%和42.6%,而且SYNLCover与5套源土地覆被数据集两两相比的总体一致性都是最好的;② 在类型一致性精度上,除灌丛类型外,SYNLCover中包括森林、草地、耕地、湿地、水体、城镇建筑和其他7种生物形态类型,以及森林类型的5种叶属性的平均一致性精度也是最高的,如其他类型的平均一致性精度可达67.73%;③ 除灌丛和湿地类型外,SYNLCover的其余6种生物形态类型的平均一致性精度均比其在5套源数据中相应的一致性精度的最大值提高了10%~15%左右;森林类型的5种叶属性的一致性精度也提高了约10%。SYNLCover分类精度的提高反映了本研究设计的多源数据融合方法的可行性和有效性。

城市土地利用的空间分布特征一直是城市地理和城市规划领域关注的重点问题,对城市土地利用空间模式的研究有助于理解城市系统的运行状态。在分析现有城市空间结构和城市土地利用模式的基础上,从两个方面对现有基于富集因子的分析方法提出改进,一是采用矢量网格以减少分析的误差,二是采用斜网格和曼哈顿距离来对空间临近关系进行界定。采用这一方法对深圳市2015年6类城市土地利用数据进行分析,得到邻里尺度上各类用地之间富集度随距离变化的3种模式。模式I中,同类用地间的富集度在短距离内较大,且其值随着距离的增加而减小并趋于0,表明同类用地间在较短距离内相互吸引,而吸引力随着距离增加而减弱。在不同类型用地间的模式II和模式III中,富集度在较短距离内为负值,但是在模式II中,富集度随着距离的增加而逐渐增加并趋于0,表明不同用地间短距离内相互排斥,且排斥作用随着距离增加而减弱;而在模式III中,富集度则随着距离增加而快速上升到正值,然后逐渐下降并趋于0,表明不同类型用地在较短距离内相互排斥,但随着距离增加很快变为相互吸引,最后吸引力随着距离增加慢慢减弱。结果表明,相对于基于栅格网的分析方法,基于矢量斜网格的分析方法能够显著降低分析误差。