基于CLUE-S模型的南京市土地利用变化模拟

本文以南京市为研究区,以南京市1986年的土地利用现状图为基础,分析研究区概况并根据数据的可获取性,选取13类土地利用变化驱动因素,利用逻辑斯蒂回归分析求解土地利用变化驱动因素作用系数矩阵。在此基础上运行CLUE-S模型,对南京市1996年的土地利用空间格局进行模拟。将模拟结果与南京市1996年土地利用现状图与进行对比,结果较为理想,模拟正确率达88.57%,KAPPA指数0.86。这说明CLUE-S模型具有成功模拟区域土地利用时空动态变化的能力,对土地利用预测、规划具有重要的指导作用。     

徐州市土地利用CLUE-S模型变化模拟

对徐州市1987年、1994年和2000年3期遥感影像图进行分析,利用面向对象的思想,采用多尺度分割法对影像进行分类,通过遥感影像的光谱特征,确定分类目标,获取该区过去13年间的土地利用/覆被时空变化特征。运用CLUE-S模型以1994年土地利用数据模拟了2000年的土地利用空间变化状况,并通过2000年实际遥感影像分类数据加以验证,结果计算出Kappa指数为0.846,达到精度要求,实例证明CLUE-S模型较好地模拟了徐州市的土地利用/覆被变化。最后运用CLUE-S模型以6年为1个时空尺度模拟该区未来12年的自然状态和生态保护状态下的土地利用/覆被变化特征。     

云环境下基于CA-Markov的土地利用变化预测方法

传统土地利用变化预测方法通常效率低,无法满足土地利用变化大数据分析和处理的需求。采用MapReduce编程模型对元胞自动机-马尔可夫模型进行并行化扩展,设计了基于Hadoop的土地利用变化预测方法(land-use change prediction method based on cloud computing,Cloud-CMLP),并选取杭州市进行实验,包括:①不同数据量下Cloud-CMLP核心算法的运行效率实验;②利用Cloud-CMLP方法模拟杭州2013年土地利用变化,并将模拟结果与2013年遥感影像解译结果进行对比分析,验证了预测方法的正确性;③杭州2020年的土地利用变化模拟预测分析,研究区中心地带受发达交通系统影响,建设用地面积整体呈快速上升趋势,且主要来源于农业用地的转换。     

南水北调东线江苏受水区土地利用变化模拟及生态安全评价

利用多期土地利用遥感数据,分析南水北调东线江苏受水区2000—2010年间土地利用变化情况;采用CAMarkov模型对2010—2020年间该区土地利用情况的演变规律进行模拟;同时构建基于"压力-状态-响应"(pressure-state-response,PSR)模型的土地利用生态安全评价指标体系,综合评价受水区不同时期土地利用生态安全状况。结果表明:1)受水区土地利用类型以耕地为主,研究期间林地和水域面积有所扩大,大量耕地转变为城乡建设用地;2)基于CA-Markov模型对研究区2010年土地利用格局的模拟结果与实际进行对比分析,模拟正确的栅格数达到了99.1%,Kappa系数达到0.99,能够较好地反映受水区土地利用格局变化趋势;3)土地利用生态安全评价结果显示2000年、2010年和2020年土地生态安全指数分别为0.51,0.68和0.73,分别达到预警、敏感和良好等级,受水区的人口、资源环境及社会经济开始协调发展,整体呈现好转趋势。     

基于元胞自动机复合模型的土地利用演化模拟——以北京市海淀区为例

为了在土地利用空间格局演化模拟的基础上,为未来城市土地利用规划及管理提供更为科学合理的决策依据,本文以北京市海淀区1996年、2002年及2008年3期土地利用数据为数据源,重点采用元胞自动机复合模型CA-Markov模型与多标准评价方法相结合的手段,构建元胞转移数量规则及空间位置转化规则,并分别构造3种不同大小的元胞邻域集合,进行土地利用格局的模拟及预测。试验中2008年土地利用模拟结果与实际土地利用数据Kappa系数高达0.856 1,表明CA-Markov模型结合多标准评价方法的模拟手段可行性较高,同时元胞邻域空间大小对模拟结果的精度有明显的影响。土地利用结构数据及模拟预测结果表明城市集约化现象明显,建设用地迅速扩张,占用大量耕地、园地用地,因此迫切需要促进城市土地利用的可持续发展。     

GeoSOS在城市扩展中的应用

城市扩展是一个复杂的时空转换过程,元胞自动机(CA)是一种时空离散、状态简洁,利用简单的局部规则来模拟复杂系统时空演化过程的格网动力模型,CA在城市增长、扩展和土地利用演化的模拟等方面有着巨大的优势。本文基于Geo SOS for Arc GIS平台,分别利用Logistic-CA、ANN-CA和DT-CA这3种模型对长春市主城区1995—2005年、2005—2015年的城市扩展情况进行了模拟,结果表明Logistic-CA、DT-CA两种模型更适用于研究单一土地利用类型的模拟,ANN-CA更适用于涉及多种土地利用类型转换的模拟。而后,利用综合表现最佳的DT-CA模型对长春市主城区2015—2025年的城市扩展进行预测,模拟结果可为相关部门对土地规划的宏观决策提供一定的参考和数据支持。     

土地利用变化动态模型研究

介绍目前较常用的动态模型--Markov和Celluar Automata模型及其在土地利用变化研究中的应用;着重分析了基于Markov_CA的土地利用变化动态模型,并利用两期TM数据进行Markov_CA模型应用试验研究.结果表明:Markov_CA模型可以克服马尔可夫分析本身固有的问题--没有考虑每种土地利用类型的空间分布,而CA恰好能弥补Markov模型的不足;同时Markov_CA模型也发挥了CA和Markov模型的优点,使得它能更好地对土地利用变化进行模拟和预测.     

小尺度土地利用变化模型在岩溶山区的应用

针对当前土地利用模拟技术在岩溶地区应用较少的现状,该文提出了利用CLUE-S模型对岩溶地区土地利用变化进行模拟。此模型全面考虑自然和人文因子,通过迭代方法综合空间分析和非空间分析,较好地模拟小尺度范围内土地利用变化,具有综合性、开放性、空间性、竞争效率性等特点。研究结果表明:该模型不仅能够准确地反映未来研究区土地利用变化趋势,而且能较好地筛选影响未来土地利用变化主要影响因子,进行不同情景土地利用变化模拟,对岩溶地区土地利用规划和管理具有参考价值。     

基于CLUMondo模型的多情景土地利用变化动态模拟——以广西沿海城市为例

使用能够深入刻画土地利用强度的CLUMondo模型,利用2010年和2015年2期土地利用数据,模拟了广西沿海城市2025年在"自然增长"、"经济发展"以及"土地利用优化"3种不同情景下的土地利用空间分布格局。结果表明:CLUMondo模型可以有效模拟沿海大尺度范围内土地系统的发展状况及轨迹;"自然增长"情景下,沿海城市土地资源的集约及有效利用进展较为缓慢;"经济发展"情景下,城市及农村建设用地增长迅速且在空间上的联系密切,区域森林及耕地保护与工业建设之间有着较为剧烈的矛盾;"土地利用优化"情景下,研究区域经济建设的步伐逐渐放缓,区域城市建设形成了资源向城镇集中、农田向规模集中的趋势。该模拟结果对于广西乃至全国沿海城市未来土地利用规划以及相关制度的制定具有一定的借鉴意义。     

土地利用变化研究中的细胞自动机与灰色局势决策

把细胞自动机和灰色局势决策结合起来对土地利用变换机制进行模拟。实验证明,基于灰色局势决策规则的细胞自动机是对土地利用变换机制从宏观和微观角度进行模拟的有效方法。     

Simulation of landscape spatial layout evolution in rural-urban fringe areas: a case study of Ganjingzi District

In recent years, the rapid expansion of urban spaces has accelerated the mutual evolution of landscape types. Analyzing and simulating spatio-temporal dynamic features of urban landscape can help to reveal its driving mechanisms and facilitate reasonable planning of urban land resources. The purpose of this study was to design a hybrid cellular automata model to simulate dynamic change in urban landscapes. The model consists of four parts: a geospatial partition, a Markov chain (MC), a multi-layer perceptron artificial neural network (MLP-ANN), and cellular automata (CA). This study employed multivariate land use data for the period 2000–2015 to conduct spatial clustering for the Ganjingzi District and to simulate landscape status evolution via a divisional composite cellular automaton model. During the period of 2000–2015, construction land and forest land areas in Ganjingzi District increased by 19.43% and 15.19%, respectively, whereas farmland, garden lands, and other land areas decreased by 43.42%, 52.14%, and 75.97%, respectively. Land use conversion potentials in different sub-regions show different characteristics in space. The overall land-change prediction accuracy for the subarea-composite model is 3% higher than that of the non-partitioned model, and misses are reduced by 3.1%. Therefore, by integrating geospatial zoning and the MLP-ANN hybrid method, the land type conversion rules of different zonings can be obtained, allowing for more effective simulations of future urban land use change. The hybrid cellular automata model developed here will provide a reference for urban planning and policy formulation.     

漯河市近40年土地利用及景观格局变化特征研究

本文以河南省漯河市为例,以遥感解译的漯河市近40年来土地利用数据为基础,运用GIS叠置分析、土地利用转移矩阵等空间分析方法,结合景观格局指标,研究其改革开放以来土地利用及景观格局变化特征,为优化土地资源配置及科学的城市规划提供依据。结果表明:(1)1980年至2015年间漯河城镇用地面积呈显著增加趋势,扩张主要占用耕地;(2)林地和农村居民点用地总体呈增加趋势,2000年来其他建设用地面积迅速增加;(3)漯河市各景观类型总体呈平衡发展态势,耕地优势度有所下降,建设用地优势度不断上升;(4)人口增长与经济发展、交通条件改善及政府政策变动是影响漯河市土地利用变化和景观格局演变的主要因素。     

Multiple intra-urban land use simulations and driving factors analysis: a case study in Huicheng,China

Simulations of intra-urban land use changes have gradually attracted more attention as these approaches are extremely helpful in regard to decision making and policy formulation. While prior studies mostly focused on methods of developing intra-urban level simulations, very little research has been conducted explain the factors driving intra-urban land use change. Urban planners are highly concerned with how inner-city structures are formed and how they function. Here, to simulate multiple intra-urban land use changes and to identify the contribution of different driving factors, we developed a random forests (RF) algorithm-based cellular automata (CA) simulation model. In this study, the model applied diverse categories of spatial variables, including traffic location factors, environmental factors, public services, and population density, as the driving factors to enhance our understanding of the dynamics of internal urban land use. The CA model was tested using data from the Huicheng district of Huizhou city in the Guangdong province of China. The Model was validated using actual historical land use data from 2000 to 2010. By applying the validated model, multiple intra-urban land use maps were simulated for 2015. Simultaneously, spatial variable importance measures (VIMs) were calculated by using the out-of-bag (OOB) error estimation approach of the RF algorithm. Based on the calculation results, we assessed and analysed the significance of each intra-urban land use driver for this region. This study provides urban planners and relevant scholars with detailed and targeted information that can aid in the formulation of specific planning strategies for different intra-urban land uses and support the future evolution of this area.     

Dynamic land use change simulation using cellular automata with spatially nonstationary transition rules

The dynamic relationships between land use change and its driving forces vary spatially and can be identified by geographically weighted regression (GWR). We present a novel cellular automata (GWR-CA) model that incorporates GWR-derived spatially varying relationships to simulate land use change. Our GWR-CA model is characterized by spatially nonstationary transition rules that fully address local interactions in land use change. More importantly, each driving factor in our GWR model contains effects that both promote and resist land use change. We applied GWR-CA to simulate rapid land use change in Suzhou City on the Yangtze River Delta from 2000 to 2015. The GWR coefficients were visualized to highlight their spatial patterns and local variation, which are closely associated with their effects on land use change. The transition rules indicate low land conversion potential in the city’s center and outer suburbs, but higher land conversion potential in the inner near suburbs along the belt expressway. Residual statistics show that GWR fits the input data better than logistic regression (LR). Compared with an LR-based CA model, GWR-CA improves overall accuracy by 4.1% and captures 5.5% more urban growth, suggesting that GWR-CA may be superior in modeling land use change. Our results demonstrate that the GWR-CA model is effective in capturing spatially varying land transition rules to produce more realistic results, and is suitable for simulating land use change and urban expansion in rapidly urbanizing regions.     

逻辑回归元胞自动机模型的鸡西市城市扩张分析及预测

城市的快速扩张导致人地矛盾激化,土地利用效率下降.分析并预测城市发展状态,可以实现土地资源的合理配置,为城市发展提供合理规划.本文以鸡西市市辖区为例,利用Logistic-CA模型进行城市扩张模拟及趋势特征分析.结果表明:1)鸡西市在2005—2015年间城市处于低速扩张阶段,土地利用效率较低,城市发展较为分散;2)通...     

基于地理国情监测的城市土地利用变化模拟研究

以晋江市为例,利用地理国情监测技术,通过构建MLP-CA-Markov模型模拟预测晋江市城市土地利用变化的发展趋势,为晋江市的城市发展和土地的可持续利用提供一定的参考依据。     

城市扩展极限学习机模型

城市空间结构及其扩展的模拟是城市科学管理与规划的重要前提,本文基于极限学习机提出了顾及不同非城市用地转化为城市用地差异与强度的城市扩展元胞自动机模型（ELM-CA）。模型验证表明：①ELM-CA模型的模拟精度达到70.30%,相比于逻辑回归和神经网络分别提高了2.21%和1.54%,FoM系数分别提高了0.025 9和0.017 9,Kappa系数分别提高了0.024 7和0.016 9,且Moran I指数接近于实际值,说明极限学习机模型较逻辑回归和神经网络能更有效模拟城市扩展的空间形态及其变化;②ELM模型的训练时间仅为神经网络的1/3左右,体现了ELM学习速度的优势;③在小样本情况下,逻辑回归和神经网络都受到明显的影响,而极限学习机还能保持良好的性能,这个特点使其在样本难以获取的情况下具有明显的优势。两个时相的城市扩展模拟与真实数据的比较表明：基于极限学习机的城市扩展元胞自动机模型（ELM-CA）,简化了CA模型的复杂度,并在小样本情况下能有效提高模拟精度,适合于复杂土地利用条件下城市扩展模拟与预测。     

银川市三区土地利用时空变化研究

基于土地利用调查数据,利用ArcGIS软件的空间分析功能制作土地利用转移矩阵、变化图谱,计算土地利用强度等指数分析银川市三区2009-2018的土地利用时空变化特征.结果表明2009-2018年,研究区耕地减少最多,城镇村及工矿用地面积增长明显;土地利用空间变化方向呈东西-南北走向;土地利用变化模式以稳定型为主;城镇村...     

基于ECA-GIS模型的土地利用时空变化模拟方法

在城市土地利用认知基础上,本文将ECA-GIS模型的时空数据模型应用于城市土地利用演变模拟中,论述了ECA-GIS模型在模拟土地利用时空演变上的规则,并设计了基于ECA-GIS模型的城市土地利用演化模型,研究了ECA-GIS模型在土地利用演变上的模拟方法和过程。     

基于3S技术的采煤沉陷区土地利用变化分析——以淮北闸河矿区为例

以淮北闸河矿区为例,以煤炭资源开发引起的土地资源与环境的演变为研究对象,采用3S技术获取该区主要土地利用类型信息,建立土地利用变化转移矩阵,并对该区的土地利用变化及驱动力因素进行初步分析。研究表明,因矿区内煤炭开采和经济的持续发展,使得矿区土地遭受不同程度的毁损。通过采取合理的城乡规划和土地环境整治工程,矿区的土地仍然得到高效利用。