天津市“十二五”期间建设用地需求量影响因子分析和预测模型研究

通过建立“十一五”期间天津市建设用地现状序列,利用相关分析法对天津市建设用地需求量的主要影响因素进行相关系数计算,筛选出主导因子;然后利用主导因子建立多元回归模型,预测“十二五”期间天津市建设用地需求量,并运用灰色系统预测模型、曲线预测模型对天津市各类用地总量进行预测分析.     

2010年哈尔滨市建设用地供需平衡分析

本文依托哈尔滨市土地利用总体规划项目,用回归分析法和GM(1,1)模型法对哈尔滨市的建设用地需求进行了预测,同时根据哈尔滨市的现状对土地的供给情况进行了分析,分析结果表明哈尔滨市的建设用地供需达到平衡,但土地供给的分布极其不平衡。哈尔滨市在编制土地利用规划的过程中可根据这种情况适当地分配建设用地指标。     

基于最小二乘原理的组合模型在建设用地需求量预测中的应用

通过分析武汉市2002-2011年建设用地数据, 选取了三次指数平滑、灰色GM(1,1)模型和多因素回归法建立组合模型, 提出了一种基于最小二乘原理解算组合系数的方法, 并对武汉市2012-2025年的建设用地需求量进行了预测。经过计算预测结果的平均绝对百分误差、均方根误差及希尔不等系数, 证明了该组合模型可信度高, 可用于武汉市土地利用规划编制工作。     

多元优化城市建设用地需求量预测模型

本文根据建设用地需求量与社会经济发展指标之间存在的内在关系,提出了基于多元优化组合的建设用地需求量预测模型。文中选择总人口、GDP、全社会固定资产投资、财政支出总额四项指标作为自变量、以年建设用地量作为因变量,基于单变量拟合方程对建设用地增量的精度贡献,构建多元非线性组合模型,并用土地利用效率变化修正系数修正模型结果,预测新增建设用地量。对未来建设用地需求量做出合理的预测,有利于政府部门关于土地的使用与规划,避免了有限土地资源的浪费[1]。     

改进CA-Markov模型的武汉市土地利用变化模拟

针对传统的CA-Markov模型未充分考虑土地利用变化的多因素驱动影响,难免预测精度过低的问题,该文以武汉市为研究区域,采用2005、2010和2015年土地利用现状数据,结合Logistics回归模型,综合考虑土地利用变化多种影响因子,构建了改进的CA-Markov模型,对武汉市2020年土地利用空间格局进行了模拟预测及分析。结果表明:改进的CA-Markov模型可以有效提高土地利用现状预测精度;根据预测结果,武汉市2020年土地利用总体结构仍以耕地为主,2005—2020年耕地面积持续减少,建设用地面积持续增长,增长幅度达到76.36%;耕地转换为建设用地是地类转换的主要模式。预测结果为武汉市的国家空间规划与和谐发展提供了参考。     

CA-Markov模型的清江土地利用变化研究

针对经济发展类型面临转型的山区土地利用动态变化和预测问题,该文以清江中下游为例,提出了采用CA-Markov模型的研究方法。结合2000、2008和2015年的Landsat遥感影像,考虑地形、交通、行政中心和当前土地利用约束等影响因子,模拟出2015年预测情况与解译结果相比,Kappa系数达0.810 9,表明模型可信度较高。在此基础上预测2022年的土地利用情况,结果表明,2022年延续了当前发展模式,即由农业经济主导转变为旅游生态经济主导,耕地的重要性降低,城镇化率增加,但耕地的面积仍占据着总面积的23.23%,建设用地面积仅占总面积的2.62%,说明该区域的城镇化水平依然较低。该结果揭示了清江流域土地利用动态变化趋势。     

基于CA模型的佛山市建设用地动态变化研究

元胞自动机具有能模拟复杂动态系统的强大能力,本文采用了多约束条件的元胞自动机模型,以广东佛山市2000年、2006年和2012年建设用地的变化为例,从自然、社会经济发展等方面综合考虑选取了高程、坡度、人口密度、道路交通、水系等对城市建设用地发展变化起决定作用的诸多因子,利用马尔科夫概率矩阵计算2000年～2006年建设用地变化,推算建设用地转移总量。结合Logistic-CA模型和决策树-CA模型,预测模拟了2012年的建设用地分布并与实际相比较,分析其整体精度和误差来源。结果显示基于CA模型的建设用地动态发展模拟具有良好的效果,可以为城市的发展规划,过程演变提供虚拟的实验手段和科学依据。     

基于STIRPAT模型的长株潭城市建设用地扩展驱动因素分析

通过岭回归分析方法,尝试构建STIRPAT定量模型,进而分析社会经济因素对长株潭城市建设用地扩展的作用程度。首先,利用统计数据,从城市建设面积扩展动态度和扩展强度两个指标分析了1995—2014年长沙、株洲和湘潭3个城市建设用地扩张的阶段性特征;然后选定非农业人口、GDP、工业总产值、固定投资总额和第三产业增值作为建设用地扩张的驱动因子,应用岭回归分析方法拟合STIRPAT模型,构建出长株潭建设用地扩展驱动的量化模型。结果表明:工业总产值、固定资产投资总额和非农业人口分别是长沙、株洲和湘潭建设用地扩张的第一驱动因子;非农人口增长引发对城市建设用地的需求使得其在3个城市的驱动模型结果中均表现出较强的影响力。     

北斗监测滑坡及其梯度增强多元回归位移预测北大核心CSCD

山体滑坡位移量预测精度主要受预测模型和参量的影响,而基于回归模型和灰度预测模型的传统滑坡预测模型主要存在模型预测结构单调、引入的预测影响参量不全面、长期性预测精度低等问题,因此,本文基于北斗数据提出了一种基于梯度增强多元回归算法的滑坡预测方法。梯度增强多元回归模型在考虑多重因素的前提下,使用如降水量、土壤湿度、地形参数等滑坡主影响因子作为回归模型参量,同时结合梯度增强方法,可以增强预测模型的有效结构,提升数据的使用率,进而提高长、短期的滑坡位移量预测精度。最后以西宁市南山寺滑坡带为例,考虑降水、地面沉降、地形地貌等诱发滑坡的关键因素,分别基于梯度增强多元回归模型、贝叶斯岭回归模型、弹性网络回归模型及支持向量机回归模型进行试验。结果表明,梯度增强多元回归模型的方差(EV)结果为0.99 mm^(2),均方差(MSE)结果为0.04 mm,平均绝对误差(MAE)结果为0.15 mm,且利用梯度增强多元回归模型对2020年12月的表面位移量进行预测,发现相对误差区间为(-0.8%,0.8%],预测精度最高。因此,相对而言,梯度增强多元回归预测模型精度更优、效率更高,更能准确反映滑坡表面位移量的变化状态,精确地对滑坡体进行全天候监控、预警,保障滑坡体周边环境的安全。     

用地布局模拟预测动态性研究

分析了用地模拟预测中的空间因子动态性,并通过主成分分析法将各空间因子变化量融合成新空间因子,再带入预测模型对模拟结果进行修正。以武汉市为例进行了实例论证,通过该模型修正的预测结果和传统静态模型的预测结果的拟合度在80%以上,说明该动态修正模型具有较高的可靠性,能有效提高模拟预测工作效率、模拟精度以及预测成果的延用性。     

1986-2018年广州市建设用地扩张及其影响因素研究

针对快速城市化引起的一系列城市问题,利用扩张速率、等扇分析法、景观扩张指数等方法,分析了广州市19862018年建设用地的时空特征,通过多元回归和地理探测器探索建设用地时序演变和空间分异过程的影响因素及其交互作用,可为城市规划管理中优化城市发展模式和城市可持续发展提供技术支撑.研究结果表明:①1990-2000年是广州市建设用地迅速扩张期,此后有所回落并稳定发展;②建设用地扩张方向呈分阶段分区域进行的特征,主要向东南、西北和东北3个方向扩张;③建设用地扩张呈现蔓延型和填充型为主的扩张模式;④建设用地扩张时序演变过程的主要影响因素包括GDP、人口和地方财政收入;空间演变过程的主要影响因素包括与公路、铁路的距离、DEM,且因子间均为双因子增强关系.     

考虑建筑物荷载的变形监测数据处理方法

在建筑物变形分析中,多元回归分析方法有利于建立变形值与多个影响因子之间的关系。本文将多元回归模型用于建筑物变形监测数据处理,阐述了回归模型中影响因子的确定、回归模型的最小二乘参数估计以及回归模型的显著性检验。通过对建筑物沉降观测数据进行分析计算,说明了此方法的全过程,最后给出实测与预测曲线的比较以及模型的改进。     

基于GIS的平顶山市建设用地生态适宜性评价

以平顶山市为例,探讨了煤炭资源型城市建设用地生态适宜性评价的指标体系、评价模型,以及在GIS和RS技术支撑下定量分析土地生态适宜性的方法。选取自然因素、社会经济因素、生态安全因素3个因素层12个因子层构成生态适宜性评价指标体系,采用层次分析法计算相关影响因子权重。在ENVI4.5支持下对平顶山市TM遥感影像进行解译,提取林地、耕地、水体、建设用地多因子图层,在Arc GIS10.0支持下建立数字高程模型,提取高度等地形因子。最后通过Arc GIS10.0空间分析模块对相关因子进行叠加分析,得到结果为:平顶山市最适宜用地占29.01%,较适宜用地占13.53%,基本适宜用地占14.71%,不适宜用地占16.05%,不可用地占26.70%。最后,结合评价结果,针对平顶山建设用地的特征提出合理化建议,以期为生态环境保护和城市规划建设提供科学依据。     

萍乡市城市土地空间结构演变及驱动机制研究

分析和预测城市土地空间结构演变规律,可以为城市产业转型和可持续发展提供决策支持。本文以萍乡市作为研究对象,利用2009—2018年土地利用数据和社会经济指标,分析其土地利用变化特征,并运用主成分分析法得到引起萍乡市土地利用变化的驱动因子。结果表明：2009—2018年,萍乡市建设用地和交通用地面积逐年增加,其中,建设用地面积变化幅度最大,交通用地面积变化速率最大;园林地、草地、耕地、工矿用地、水域和未利用地面积逐年递减,其中园林地和耕地面积减少最大;社会经济因子、人口因子、产业结构因子是引起萍乡市土地利用发生改变的主要驱动因子,人民生活水平的提高和政府管理部门的政策和规划也发挥了重要作用。研究结果将有助于萍乡市科学规划管理土地,发掘城市可持续发展的潜在空间资源,统筹和合理利用土地。     

基于模糊神经网络的土地合理储备量预测研究

将神经网络和模糊理论相结合建立模糊神经网络模型,从模糊神经网络角度并运用灰色系统理论对建设用地量进行预测,并应用于重庆市2005～2010年的建设用地量预测.计算分析结果表明,该模型具有良好的可行性和合理性,可以为确定土地合理储备量提供依据.     

哈尔滨市松北开发区土地集约利用评价研究

客观地评价城市开发区土地集约利用程度,并针对问题提出对策,对促进城市开发区土地可持续利用具有重要意义。本文以哈尔滨市松北开发区为研究对象,构建土地集约利用评价指标体系,通过计算和分析得出以下结论：哈尔滨市松北区已建成城镇建设用地比例较大,工业用地占已建成城镇建设用地的比例小;土地集约利用程度总体虚高;管理绩效集约度突出。最后对开发区土地集约利用提出合理性的建议。     

一种可动态修正的建设用地预测方法

长期以来,建设用地趋势预测均采用静态思想,即假设影响建设用地变化的内外作用力不变,通过统计学模型进行外推。在面对新数据加入时,这种预测思想没有充分利用原预测结果和新数据的关系,需要对模型重新进行解算。针对这一问题,提出了一种在新数据加入的情况下,基于原有预测结果,采用一元线性回归思想,利用最小二乘原理对预测值进行动态修正的预测方法。研究表明,经该方法修正后的结果能够替代重新预测得到的结果。     

哈尔滨市土地利用变化及其对生态系统服务价值的影响

以哈尔滨市1996、2002和2008年的土地利用变化数据为基础,参照中国陆地生态系统单位服务价值系数,结合敏感度分析,探讨了哈尔滨市土地利用变化及其对生态系统服务价值的影响。结果表明,1996～2008年,哈尔滨市土地利用变化中,林地面积呈现出增加的趋势,而建设用地是增长最快的土地利用类型。这一期间,哈尔滨市总的生态系统服务价值从1996年的1123.63亿元,上升到2002年的1125.85亿元和2008年的1126.68亿元。生态系统服务价值的增加主要源于林地、建设用地、水域面积的扩大,其生态系统服务主要体现在水文调节、维持生物多样性和保持土壤上。因此,在制定土地利用规划时,应对林地、水域等生态服务价值系数较高的土地利用类型予以特别关注。     

遥感影像融合算法在矿区土地利用动态监测中的应用

影像融合既能提高影像的光谱分辨率,又能提高其空间分辨率。本文利用Landsat数据及Brovey、GramSchmidt、PCA、HSV 4种融合方法对某矿区2000年的影像进行融合变换,并以监督分类结果为基础做融合效果分析,得出PCA变换后的影像进行监督分类的精度较高。然后,对2000、2005、2010及2015年的影像分别进行PCA融合变换,并在融合的基础上进行监督分类,统计出各年份水体、耕地、建设用地、煤矸石及其他用地面积。实验结果表明,试验区在15年间水体面积变化不稳定,煤矸石面积除2005年外呈下降趋势,耕地面积也呈下降趋势,建设用地面积增加。最后,利用马尔科夫模型预测了2020年试验区用地面积分布情况。     

基于土地利用模型的沈阳市建成区扩展分析预测

近年城市化迅猛发展对土地资源的可持续发展形成了制约,为了能够有效平衡城市建成区和社会发展的关系,本文利用ArcGIS从沈阳市两期影像数据入手,联合统计数据进行城市扩展分析,提取出扩张强度指标、城市重心坐标、城市紧凑度指标、城市用地分形维数等一些指标,并利用灰色关联模型确定影像建设用地规模的主要因素,分析沈阳市建成区扩张规律,利用土地利用模型(MLU)预测得到沈阳市建设用地规模将在2084年到达极限,从而为政府决策和城市发展提供科学的依据。