ABSTRACT Currently, land use and land cover change (LULCC) is of utmost concern for global environmental change and sustainability. Among the portfolio of techniques, modelling is considered as the best approach to explore LULC dynamics. We have performed a model inter-comparison exercise (including hybrid and non-hybrid models) using multiple performance metrics to identify the best modelling approach for the subsequent projection of future LULC. The methodology is demonstrated on the Subarnarekha basin of Eastern India by utilizing the LANDSAT imagery of 1989, 1994, 2006, and 2011. Before LULC modelling, the cross-tabulation and trend-surface analyses were performed to identify dominant land transitions in post-classification maps. Temporal mapping results over 1989–2011 exhibited a drastic decrease in the area under dense forest (25.7% to 19.0%), a substantial increase in the area under scrubland (21.0% to 26.1%) and a nominal reduction in the coverage of the agricultural land (51.2% to 49.0%). Four integrated models namely Multilayer perceptron-Markov Model (MLP-MC), Logistic Regression-Markov Model (LR-MC), and two hybrid models, i.e. Multilayer perceptron-Cellular automata-Markov model (MLP-CA-MC) and Logistic Regression-Cellular automata-Markov model (LR-CA-MC) were tested for their suitability for predicting future LULC for the basin. Based on the multiple model validation techniques, the MLP-MC model performed the best. MLP-MC model subsequently used a non-stationary relationship between selected explanatory variables and LULC to predict the future LULC for 2020 and 2030. The MLP-MC model projected that relative to the level of 2011, agricultural land, dense forest, and barren land may decrease by 8.3, 28.2 and 23.5%, respectively, and scrubland, built-up area, and water bodies may increase by 22.5, 87.3 and 13.3%, respectively, by 2030. Our findings contradict the prevalent view regarding the nationwide intensification of agriculture over the Indian subcontinent but are consistent with the national decreasing trend in the dense forest. The study provides a transferable methodology for the systematic comparison of LULC models (including hybrid and non-hybrid) against multiple performance metrics. The outcomes of the study may help land-use planners, environmentalist, and policymakers in framing better policies and management .recommendations.

中文翻译：

---

土地利用和土地覆盖变化的时空分析：由综合建模技术驱动的系统模型比对

摘要 目前，土地利用和土地覆盖变化 (LULCC) 是全球环境变化和可持续性最受关注的问题。在技​​术组合中，建模被认为是探索 LULC 动力学的最佳方法。我们使用多个性能指标进行了模型比对练习（包括混合和非混合模型），以确定用于未来 LULC 后续预测的最佳建模方法。该方法通过利用 1989、1994、2006 和 2011 年的 LANDSAT 图像在印度东部的 Subarnarekha 盆地进行了演示。 在 LULC 建模之前，进行了交叉表和趋势面分析以识别分类后的主要陆地过渡地图。1989-2011 年的时间制图结果显示，茂密森林下的面积急剧减少（25.7% 至 19. 0%），灌木丛下面积大幅增加（21.0% 至 26.1%），农业用地覆盖率名义上减少（51.2% 至 49.0%）。四种集成模型，即多层感知器-马尔可夫模型（MLP-MC）、逻辑回归-马尔可夫模型（LR-MC），以及两种混合模型，即多层感知器-细胞自动机-马尔可夫模型（MLP-CA-MC）和逻辑回归- 元胞自动机-马尔可夫模型 (LR-CA-MC) 被测试用于预测盆地未来 LULC 的适用性。基于多模型验证技术，MLP-MC 模型表现最好。MLP-MC 模型随后利用选定的解释变量与 LULC 之间的非平稳关系来预测 2020 年和 2030 年的未来 LULC。 MLP-MC 模型预测相对于 2011 年的水平，农地、茂密的森林、到 2030 年，荒地和荒地可能分别减少 8.3%、28.2% 和 23.5%，灌木丛、建成区和水体可能分别增加 22.5%、87.3% 和 13.3%。印度次大陆的农业集约化，但与全国茂密森林的减少趋势一致。该研究为 LULC 模型（包括混合和非混合）与多个性能指标的系统比较提供了一种可转移的方法。研究结果可能有助于土地利用规划者、环保主义者和决策者制定更好的政策和管理建议。我们的研究结果与关于印度次大陆全国农业集约化的普遍观点相矛盾，但与全国茂密森林的减少趋势一致。该研究为 LULC 模型（包括混合和非混合）与多个性能指标的系统比较提供了一种可转移的方法。研究结果可能有助于土地利用规划者、环保主义者和决策者制定更好的政策和管理建议。我们的研究结果与关于印度次大陆全国农业集约化的普遍观点相矛盾，但与全国茂密森林的减少趋势一致。该研究为 LULC 模型（包括混合和非混合）与多个性能指标的系统比较提供了一种可转移的方法。研究结果可能有助于土地利用规划者、环保主义者和决策者制定更好的政策和管理建议。该研究为 LULC 模型（包括混合和非混合）与多个性能指标的系统比较提供了一种可转移的方法。研究结果可能有助于土地利用规划者、环保主义者和决策者制定更好的政策和管理建议。该研究为 LULC 模型（包括混合和非混合）与多个性能指标的系统比较提供了一种可转移的方法。研究结果可能有助于土地利用规划者、环保主义者和决策者制定更好的政策和管理建议。