基于GD_SVM_CA-Markov模型的县域景观格局模拟

利用地理探测器探究地理要素变化与驱动因子关系的优势以及支持向量机分类决策的特点,对CA模型进行改进,并结合Markov模型,形成GD_SVM_CA-Markov模型,以期为县城城镇发展规划以及环境保护提供决策参考。以生态脆弱区典型县域内蒙古磴口县为研究区,基于2011年磴口县土地利用数据,应用GD_SVM_CA-Markov模型,对磴口县2016年的土地景观空间分布格局进行模拟预测,以期发现其变化规律,为了保证模拟精度,将模拟结果与传统CA-Markov模型模拟结果进行对比验证。结果表明,CA-Markov模型模拟结果的总体Kappa系数为0.862 8,GD_SVM_CA-Markov模型模拟结果的总体Kappa系数为0.925 0,2个模型模拟结果的精度均较高,但GD_SVM_CA-Markov模型模拟结果的精度更高,结果更优。因此,将GD_SVM_CA-Markov模型应用于当地土地景观空间分布格局模拟预测,具有一定可行性,可为当地生态治理以及相关政策的实施提供参考。     

基于土地利用驱动力的马尔科夫模型及其应用

马尔科夫模型在土地利用变化的预测中已经得到了广泛的应用,但如何通过区域社会经济指标对马尔科夫模型进行修正,提高其预测精度是一个值得研究的科学问题。本文解译1995,2001,2005,2008四个时相的TM遥感影像得到太仓土地利用结构图,构建基于土地利用驱动力分析的加权马尔科夫模型,对2013年太仓市的土地利用结构(农用地,建设用地等)进行预测。改进后的模型将1995—2001年,2001—2005两阶段转移矩阵作为加权马尔科夫模型的加权因子;再根据GDP、非农人口数量、二产比重的自相关系数确定两阶段转移矩阵的权重,建立基于土地利用驱动力分析的加权马尔科夫模型,以此对2013年土地利用结构进行预测。同时基于城市土地利用现状(2008年)分析,对比上述加权马尔科夫模型预测结果,证明加权马尔科夫模型预测精度较高。     

基于CLUE-S和Dinamica EGO模型的土地利用变化及驱动力分析

为了探究中国土地利用变化驱动机制和未来土地利用状况,该文利用中国科学院资源环境科学数据库中的2000年和2005年土地利用数据,结合区域土地利用变化与影响模型CLUE-S(the conversion of land use and its effects at small regional extent)和面向地理过程动态环境模型Dinamica EGO(environment for geoprocessing objects)模拟2000-2020年中国土地利用状况,并借助于Logistic回归结果和贝叶斯估计结果,探讨了中国2000-2005年土地利用适宜性和土地利用变化的驱动力空间特征。以2005年土地利用数据对模拟结果进行验证表明,CLUE-S模型和Dinamica EGO模型在LUCC预测上与实际结果一致性较好,并且CLUE-S模型在预测总体精度上优于Dinamica EGO模型。但在土地利用变化类型的数量预测上,Dinamica EGO模型的Markov过程可以准确预测,并且Dinamica EGO模拟的土地利用变化在空间分布上与经验结果较一致。从2020年中国土地利用预测结果来看,耕地、林地、水域和建设用地将会增加,草地会出现大面积的缩减,未利用地在CLUE-S模型预测中出现增加,而在Dinamica EGO模型中减少。该文可为国土资源规划和耕地资源保护政策的制定提供科学依据。     

小流域非点源污染负荷流失特征监测研究——以广东省珠海正坑小流域为例

以GIS为技术支持,完成了以元胞自动机(CA)为模型的基于土地利用变化的土壤侵蚀空间演化分析。通过对土地利用规划前和规划后不同利用模式制约下侵蚀发展状况的模拟,预测了不同利用模式中各地块单元土壤侵蚀的发展方向,为评价土地利用合理程度提供了理论依据。     

Markov和灰色模型在土地利用预测中的应用

马尔柯夫和灰色模型都适用于土地利用变化预测，根据同一套土地利用数据分别用两种模型预测．将所得结果相互验证、对比分析，提高预测可信度。以江西省新建县为例．两种预测方法的预测结果都表明，若继续保持1996-2000年的变化速度．耕地和未利用地将持续减少，林地和建设用地呈增长趋势，而草地和水域相对较稳定，草地有下降趋势，水域呈缓慢上升趋向。预测结果可为土地利用规划管理及政策的制定提供科学依据，研究方法为土地利用变化预测研究提供一种思路。     

昆明市土地利用变化趋势的多模型对比分析

[目的]对比分析逻辑回归(LogReg)、多层神经网络(MLP)和相似度加权学习(SimWeight)3种土地利用变化趋势模型在多地类变化分析中的模拟效果与土地利用预测精度,为云贵高原地区的国土空间规划、水土保持和生态修复等提供参考。[方法]以2000—2020年昆明市土地利用变化为例,分别采用3种模型对该区域建模,并使用受试者工作特征曲线、ROC曲线下面积和Kappa系数等多种方法评估精度。[结果]对于大多数地类的变化趋势,MLP和SimWeight模型的模拟效果要好于LogReg模型,特别是在未利用地的变化分析中MLP和SimWeight模型的AUC值均大于0.9。在整体土地利用变化预测上,LogReg, MLP和SimWeight3种模型的Kappa值分别为0.9066,0.904 1,0.925 3,整体预测结果表现接近,但SimWeight模型略微优于其他模型。[结论]对于昆明市LUCC建模的模型选择,若为追求更高精度可选择SimWeight模型,若更在意运算速度则优先选择MLP模型,若需要进一步分析驱动因子与土地变化的关系应选择LogReg模型。     

土地利用规划修编中粮食产量预测方法比较

为探索提高土地利用总体规划修编中粮食产量预测精度的方法,该文应用1988-2005年晋城市粮食产量相关数据的分析,对线性回归模型、灰色GM(1,1)模型和灰色多元线性回归组合模型3种粮食产量预测方法进行了研究.首先,运用灰色关联分析对影响粮食产最的影响因素作出关联因子排序;其次,在灰色关联分析的基础上选取主要影响因子;再次,利用灰色GM(1,1)模型得到主要影响因素的预测值,同时,利用原始数据建立多元线性回归模型;最后,将灰色GM(1,1)模型的预测结果作为多元线性回归模型的输入值,得到灰色多元线性回归组合模型.通过比较这3种粮食产量预测方法的预测结果,得出灰色多元线性回归组合模型最适宜于晋城市粮食产量的预测.该研究可提高土地利用总体规划编制的科学性.     

不同利用方式下土壤有机质和全磷的可见近红外高光谱反演

以太湖流域直湖港小流域稻田、桃园和菜地的土壤样本为研究对象,研究了不同光谱建模方法和土地利用方式对土壤有机质和全磷高光谱反演的影响。结果表明:(1)偏最小二乘回归分析(Partial least squarer egression,PLSR)模型的建模和预测精度较高且稳定;人工神经网络中广义回归神经网络(Generalized regression neural network,GRNN)网络预测精度较高但易出现过拟合现象,反向传播神经网络(Back propagation neural network,BPNN)网络比较稳健但精度略低;偏最小二乘与人工神经网络相结合则可综合两者优点,改善复杂样本下的预测精度。(2)土壤有机质的光谱反演结果优于全磷。3种土地利用方式中,稻田的预测效果总体优于桃园和菜地。在当前研究区域内土地利用方式对土壤有机质光谱反演影响不大,但对全磷反演影响较大。今后利用光谱对土壤全磷反演时需分土地利用方式对模型进行校准。     

土地利用水平的遥感动态预测与预报

该文研究了利用遥感技术资料，建立土地利用水平动态预测与预报数学模型的方法，用所建模型对实例进行预测预报，并将数据进行精度分析表明准确度较高，其结果可直接用于指导土地利用的生产实践，以提高土地利用的经济效益     

约束性条件下的喀什市土地利用空间格局分析

基于高分辨率遥感影像解译得到新疆喀什市2002年与2013年两期土地利用历史数据,通过对两期影像进行处理、分类、精度验证以及对CLUE-S模型和Markov模型进行精度验证,利用CLUE-S模型和Markov模型相结合的方法对研究区喀什市未来土地利用变化进行两种不同情景的模拟预测,系统分析了两种不同情景下土地利用变化的时空特征。结果表明:CLUE-S模型和Markov模型的相互结合使用成功克服了单一模型的不足,能够对喀什市未来土地利用情况进行良好的模拟。因此,在设计的两种情景模拟预案下,喀什市未来的建设用地均将持续增加,并以消耗大量的耕地资源为代价,并且约束情景模型Ⅱ城镇规划节约集约用地和基本农田保护预案是喀什市未来土地利用变化的推荐预案。     

土地资源优化配置模型研究现状及发展趋势

土地资源优化配置是实现土地资源可持续利用的根本保证。土地资源优化配置模型对于科学有效和合理利用土地资源起到了重要的作用。介绍了土地资源优化配置模型,包括线性规划模型、系统动力学模型、多目标规划模型及GIS综合优化模型等,并从研究和应用的角度分析了土地资源优化配置模型存在的不足,探讨了今后的发展趋势:系统化、机理化、精确化、实用化。     

基于Logistic-CA-Markov模型的青岛市土地利用变化动态模拟

研究经济快速发展的沿海地区土地利用结构的变化并预测其未来发展趋势,可以为区域土地合理利用与配置提供参考。以青岛市为研究区,采用Logistic-CA-Markov耦合模型,基于2000年、2011年土地利用解译数据,结合DEM、人口、GDP、距离等因素模拟出2011年土地利用数据,与2011年解译数据对比,得到模拟精度为94.27%,说明模型拟合精度较高,接着对2022年、2033年土地利用空间格局进行了预测。Logistic-CA-Markov模型模拟的2011—2022年土地利用类型将保持2000—2011年的变化趋势,表现在耕地、水域、未利用土地面积减少,林地、草地以及城乡、工矿、居民用地面积增加,2022—2033年城乡、工矿、居民用地面积仍然增加,但是增加速率明显小于2011—2022年。研究结果表明,Logistic-CA-Markov耦合模型具有较高的模拟精度,可以应用于模拟多类土地利用类型之间的演变。该研究可为青岛市的土地规划、管理和决策提供依据,同时对保护和改善生态环境具有现实的指导意义。     

耕地适宜性评价在村级土地利用规划中的应用——以义乌市岩南村为例

为更好地保护耕地并合理制定村级土地利用规划,在对耕地质量进行评价的同时,需综合考虑耕地在经济发展过程中面临的压力问题.从耕地的自然生产潜力和耕地发展压力两个方面构建耕地适宜性评价体系,运用层次分析法确定指标权重.以浙江省义乌市岩南村为例进行了该指标体系的应用研究,利用GIS作为辅助手段,将岩南村划分为9个适宜性评价区域,评价分析了各区域内土地资源配置方向,探讨了评价结果在村级土地利用规划中的应用途径和方法.分析结果表明,该评价方法可为村级土地规划中耕地的合理利用提供决策支持.     

基于DPSIR陇南市土地利用规划环境影响评价

从甘肃省陇南市土地利用总体规划修编出发,列出了规划目标,分析了陇南市土地利用现状,同时采用灰色预测法、趋势外推法、平均增长率法对陇南市各类土地利用类型规划面积进行了预测,来评价本轮土地利用总体规划的实施效果,结合环境影响评价的技术导则,对土地利用规划环境影响评价的评价程序、环境影响识别以及指标体系的建立等问题进行了探讨,建立了一套根据环境影响识别,并结合陇南市的具体情况确定的指标体系,划分为3个层次,即目标层A、准则层B和指标层C,其中指标层共包括20个评价因子,并在此基础上采用改进的熵值法确定了各指标的权重,为进一步开展土地利用规划的环境影响评价工作提供思路。     

基于生态文明的西安市经济技术开发区土地集约利用合理度研究

为了全面掌握土地集约利用状况,更准确地对土地集约利用合理程度进行评价,从经济、空间、生态3个方面建立土地集约利用合理度评价指标体系,应用FAHP法确定指标权重,采用模糊综合评价法和综合指数法建立土地集约利用合理度的复合评价模型,对西安经济技术开发区土地集约利用合理度进行定量计算、分析和评价。结果表明,西安经济技术开发区土地集约利用合理度综合分值为78.67,土地集约利用总体上较为合理,经济效益和空间效益集约合理度水平一般,生态效益集约合理度很好。最后根据评价结论提出了有针对性的对策建议。该研究结果可为定量评价土地集约利用合理程度提供参考,为区域土地利用、发展定位、规划决策提供借鉴。     

基于Logistic-CA-Markov耦合模型的彬州市LUCC多情景模拟

土地利用变化多情景模拟可为区域的土地规划、生态城市建设和区域生态环境保护提供科学的参考依据。基于彬州市2009年和2019年土地利用数据,运用GIS软件空间分析功能和土地利用动态模型对研究区土地利用变化进行时空分析,从自然因素和社会经济因素中选取7种驱动因子,用Logistic模型进行回归分析,再运用Logistic-CA-Markov耦合模型,以研究区2009年土地利用为基期,模拟2019年土地利用变化并对预测结果精度验证。最后以2019年为基期数据,在自然发展、生态保护和限制城市过度开发3种情景下,预测了2029年研究区土地利用类型的空间格局。结果表明:研究区10年间的土地利用综合动态度为5.57%,土地利用变化显著; 驱动因子的回归分析通过有效性检验,预测2019年土地利用变化的Kappa系数值为0.761 2,预测结果可信。在自然发展情景下,2029年彬州市建设用地面积增长40.54%,耕地和水域面积分别减少27.31%,3.84%,或对研究区的生态平衡造成威胁; 在生态保护和限制城市过度开发两种情景下,建设用地面积得到控制,水域、耕地等生态用地得到保护,有利于彬州市的可持续发展。     

中部粮食主产区土地利用变化及其驱动机制研究——以湖北省鄂州市为例

区域土地利用变化过程、格局与驱动力研究是揭示全球与区域尺度土地利用/覆盖变化规律的有效方法。基于鄂州市1991年、2004年和2009年3个时期土地利用空间数据和社会经济统计数据,采用土地利用转移矩阵、主成分分析法等模型方法,分析土地利用变化总体特征、各地类转化方向以及土地利用变化驱动因素。结果表明:（1）18 a期间,鄂州市土地利用变化显著,耕地面积减少最大,减幅达到28.39%,主要转移方向为建设用地、养殖和林地。（2）养殖水面和建设用地大量增加,增幅分别为200.62%,84.83%,主要增加来源为耕地和水体。（3）土地利用变化主要驱动因素为经济增长、人民生活水平提高和人口增加,政策和城市规划也是重要的驱动因素。