地表景观格局演变分析可揭示气候变化和人地关系在不同地域空间上的作用模式与强度，为全球变化、生态安全、人居环境健康和区域可持续发展研究提供科学支持。卫星遥感数据具有大面积同步观测和长时序的优势，遥感时序数据蕴含着丰富的地物空间关系及其时间演化信息，成为开展地表景观格局演化研究的重要手段，已广泛应用于土地利用／覆盖变化、植被动态评价、自然灾害和生态环境监测等领域。复杂的地表景观格局变化实际上就是地物空间关系特征随时间不断变化而产生的大量相互作用的过程，但目前国内外学者发展的基于像元和面向对象的遥感时序数据分析方法，更多关注的是像元/对象的时序变化特征，忽略了地表景观时空结构交互分析，不能全面描述地表景观“怎么变”和有效揭示“为何变”等问题，进而难以实现对地表景观格局演变的精准描述与解释。

针对上述科学问题，我校 “环境遥感团队”刘美玲、刘湘南、吴伶等老师联合开展了研究，选取了长时序Landsat遥感数据，以“超斑块”（以某一斑块为中心所形成的一阶相邻斑块的集合体）为分析单元，搭建面向图结构特征的“节点”（斑块）和“边”（斑块-斑块的连接关系）的空间图和时间图，建立了基于混合时空图卷积神经网络算法的景观格局时空关系演变模型，在此基础上开展典型生态脆弱区实证研究，验证了模型的有效性。研究取得的主要认识如下：

1. 运用图结构方法表达遥感影像中的地理空间关系特征，以面向对象分类算法获取的分割斑块作为基本单元，建立了由斑块到类别的多尺度空间关系图和具有空间交互关系的时间图（图1），实现了基于长时序遥感影像时空图的构建方法；

2. 将研究区划分为一组空间连续的超斑块，景观格局时空关系抽象为“节点”和“空间边”，综合斑块类型（节点属性）与空间配置（节点间距离、节点间方向）三个维度进行景观格局类型的划分（图2），构建了基于空间关系的景观格局分类方法，为揭示景观格局的时空关系演变奠定了基础。

3. 抽象出超斑块的节点-边的特征变量作为模型的输入参数，对输入参数进行归一化处理，在Graph Convolutional Network （GCN）中引入时空交互关系的学习，建立了由三个并列结构组成的空间GCN模型和两个递进结构组成的时间GCN模型识别景观格局演变（图3），并在此基础上，分析了地表景观格局演化行为（关键演化过程、演化模式）的驱动机制（图4）。

4. 以典型实验区为例，验证了模型的应用效果，获取了实验区景观格局类型（图5）、主导景观格局类型的时空演变规律（图6）。

该研究从能体现地表景观格局演化过程时空交互作用的时空关系这一独特视角出发，借助图神经网络智能分析算法，提出了一种地表景观格局演变信息检测的新框架，有助于分析地表景观格局演化过程、演化行为和驱动机制，丰富地理时空数据表征方法。

图1 时空图概念示意图，（a）空间图;（b）时间图 

图2　地表景观格局类型示意图

（a）基于斑块类型的景观格局分类;（b）基于距离－方向空间配置的景观格局分类

图3　基于ＧＣＮ构建的空间图模型

图4　基于ＧＣＮ构建的时间图模型

图5　实验区的景观格局类型

图6 主导景观格局类型的时空演变规律

该项研究成果发表在遥感国际权威刊物《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》上，Liu, M., Liu, X., Wu, L., Peng, T., Zhang, Q., Zou, X., Tian, L., and Wang. (2022). Hybrid Spatiotemporal Graph Convolutional Network for Detecting Landscape Pattern Evolution From Long-Term Remote Sensing Images. IEEE Transactions on Geoscience and Remote Sensing,60, 4413716. [IF2021 =8.125] DOI: 10.1109/TGRS.2022.3203967

全文链接：https://ieeexplore.ieee.org/document/9885219