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-Markov模型的土地利用格局变化研究

以广州市1990年、2000年TM影像为数据源,通过分析斑块和景观两个层次的格局指数变化,研究了20世纪90年代广州市土地利用格局的时空特征。利用马尔柯夫模型和元胞自动机模型,对广州市2010年土地利用空间格局进行了预测。     

基于地学分析与遥感智能解译模型的土地覆盖/土地利用分类

全国土地覆盖/土地利用(LC/LU)调查已经成为开展土地利用动态变化预测、土地利用规划及土地管理的一项关键的基础性工作,受到广泛关注和重视。随着遥感技术和各种遥感地学分析解译模型的发展和深入,利用遥感技术获得的影像数据对区域的LC/LU情况及其动态变化进行定期或不定期的监测,成为一种最为迅速可靠和理想有效的手段。论文提出了遥感地学智能解译模型支持下的LC/LU分类体系,并以天津蓟县地区为试验对象,采用多平台遥感数据和辅助地理信息,进行了土地覆盖/土地利用遥感应用研究。     

遥感土地覆盖类型识别的自组织神经树模型

本文提出遥感土地类型识别的自组织神经树模型，并选取一组标样作为研究对象。在所选例子中预测效率较高，结果表明，该方法性能良好，可望成为遥感土地覆盖类型识别的有效手段。     

基于SWAT模型的汉江上游流域径流情景预测研究

气候变化和土地利用是影响径流变化的主要驱动因素,为了精确预测未来汉江上游流域径流量变化趋势,基于SWAT模型、天气发生器BCC/RCG-WG以及CA-Markov模型预测了未来2种土地利用变化模式下的径流量变化,土地利用情景的设置建立在CA-Markov模型预测结果的基础之上,结合全国林地保护利用规划目标以及汉江上游林...     

基于CA模型的防城港海岸线预测模拟

将多时相卫星遥感图像叠加技术与GIS空间分析方法相结合,对研究防城港海岸线演变特征及预测海岸线变化趋势具有重要的现实意义.首先,对防城港2000年11月及2010年10月获取的2个时相TM图像进行预处理、海岸线特征信息提取及空间分析;然后,根据相关控制因素及相应的邻居规则建立元胞自动机(cellular automata,CA)模型,利用蒙特·卡罗方法(Monte Carlo method)结合控制因素进行判断,最终确定元胞的转化状态.通过2010年实际海岸线与预测海岸线的叠置分析得知,2010年预测海岸线的数量精度为83.65％,空间位置精度为93.45％,都在误差允许范围内,证明利用蒙特·卡罗CA模型预测海岸线的方法是可行的.最后,结合CA模型算法及Matlab仿真技术实现了对2020年防城港海岸线的预测.     

金普新区地表覆盖格局演变及预测分析

针对国家级新区享受各项政策红利,但无有效的定量评价方式对国家级新区发展情况进行监测、对国家级新区未来土地发展状况无高置信度的预测方式等问题,利用转移矩阵及相关模型定量地对地表覆盖格局变化进行了分析;基于CA-Markov模型,对未来一段时间的土地空间格局进行了预测;通过定量分析与实验结果表明:(1)金普新区成立前土地变化情况多为自然地物间的变换,金普新区成立后有大规模的人工地物变化;(2)基于CA-Markov模型对土地空间格局进行分析可信度较高,可以服务于土地结构演变分析。     

基于土地覆盖分类的植被覆盖率估算亚像元模型与应用

如何利用遥感资料估算植被覆盖率已成为建立全球及区域气候、生态模型的基础工作之一。重点探讨了利用TM资料从植被指数（NDVI）中提取植被覆盖率的方法。根据TM像元为非均一混合像元的特点,提出了基于土地覆盖分类的综合运用“等密度模型”和“非密度模型”计算植被覆盖率的方法,通过对北京市海淀市区的植被覆盖率计算表明,该方法的估算精度可达75.4%,比单纯使用等密度亚像元模型在估算精度上可提高5.8%。可以认为,该方法为大面积植被覆盖率估算提供了一种有效的途径。     

基于马尔柯夫模型平顶山市土地动态变化预测

RS专题信息提取与GIS空间叠加分析技术结合应用,是土地利用变化研究的重要技术手段.本文将两者结合,对平顶山市土地变化进行分析研究,利用马尔柯夫数学模型对未来土地变化进行预测.研究成果可以为城市的发展和规划提供决策依据.     

面向城市建成区扩展模拟的CA-Markov模型改进

对城市建成区扩展的预测是防止城市蔓延的重要管理依据。目前,元胞自动机-马尔可夫链模型,已成为城市建成区扩展预测的重要方法。该模型对指标权重的赋值方法较为敏感,以往的单一指标赋值法,影响了城市建成区扩展预测的精度和可信度。为此,本研究提出整合传统权重赋值法的AHP和逻辑回归模型改进CA-Markov模型。研究选择云南省大理市为案例,对2020、2030年的城市建成区扩展进行模拟和预测,最后进行精度验证。研究结果表明：①Kappa指数可达到96.8%,预测结果有较好的一致性。②大理市的城市建成区扩展均表现为继续向外扩展,以东南、西北方向和两片建成区之间为主要扩展方向。研究提供了组合权重赋值法改进CA-Markov模型,这将为规划者在未来规划中提供强有力的支持。     

基于遥感和GIS的中国土地利用/土地覆盖的现状研究

通过利用土地利用程度指数和植被指数等指标。采用ＧＩＳ工具和数学模型方法,对中国土地利用／土地覆盖的现状进行分析,结论为：中国现有土 况代表着中国总的土地利用程度指数为２０２的一种开发利用水平。从土地利用程度指数极限为４００看,中国土地资源总的开发程度仅达开发极限的一半;东部湿润区以耕地型覆盖为主,开发利用程度高;     

基于Markov-CA的土地利用/土地覆盖变化动态模型研究

分析了基于Markov-CA的土地利用/土地覆盖变化动态模型,并利用两期TM数据进行了Markov-CA模型应用试验研究.     

基于RS与GIS的土地利用/土地覆盖变化分析

利用遥感影像获取土地利用/土地覆盖变化信息是遥感应用的一个重要方面。选用1987年、1994年和2000年3个时相的某市遥感影像及其辅助数据,对该地区14年间的土地利用/土地覆盖变化进行了分析研究,并对变化的时空特征进行分析评价,结果表明该市的城市化进程在不断加快,建成区面积逐年增加,耕地和林地被占用的现象比较突出。研究结果为该市的城市规划、生态环境保护等提供了科学依据。     

遥感土地覆盖类型识别的自组织人工神经网络模型

本文提出了进行遥感土地覆盖类型识别的自组织人工神经网络模型,并选取了一组标准样作为研究对象,识别效率较高。结果表明,该网络性能良好,可望成为遥感土地覆盖类型识别的有效手段。     

基于CLUE-S模型和生态安全格局的石羊河流域土地利用优化配置

以典型干旱内陆河流域石羊河为例,将GIS技术、最小累积阻力（minimum cumulative resistance,MCR）模型和CLUE-S（conversion of land use and its effects at small regional extent）模型应用到该流域土地利用优化配置研究中。通过景观安全格局理论构建土地利用生态安全格局,基于土地利用空间分布和驱动因子的定量关系,提出一种基于生态安全格局的土地利用情景模拟方法,借助1986年、2000年和2014年3期土地利用数据对石羊河流域生态安全格局情景、耕地保护情景和自然发展情景3种模式下2030年的土地利用结构和布局进行了优化配置,并对优化配置结果进行比较分析。结果表明,在生态安全情景下耕地有所减少,林地、草地和水域有较明显增加;耕地保护情景以土地开发和整治及宅基地还耕为主要目标,科学有效控制了建设用地规模,大力开发未利用地潜力;自然发展情景综合考虑了目前发展情况和宏观政策指导下各土地利用类型的数量及空间结构发展情况。综合考虑石羊河流域社会经济、生态及耕地保护等多方面的因素,研究结果认为耕地保护情景更为合理,其它两种情景可为耕地保护情景进行补充和局部修正。该结果可为石羊河流域土地利用总体规划和生态保护提供参考。     

长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点。本文利用2000—2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时—空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习。学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化。在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测。检测精度范围在66.67%(农村居民点)—91.67%(水体)之间,平均检测精度为81.66%。由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息。     

基于GF-1影像的珍宝岛自然保护区土地覆盖变化分析

作为我国北方地区最具原始性和代表性的湿地,珍宝岛自然保护区于2008年被批准为国家级自然保护区。为研究珍宝岛自然保护区内土地覆盖和覆盖类型的变化情况,采用国产GF-1卫星数据,将遥感技术方法与野外调查法相结合,得到2014年和2016年的珍宝岛土地覆盖分类,并统计了各类地物的面积。通过对比两期数据,分析得到了土地覆盖类型的变化情况以及土地覆盖类型面积的转移情况。     

全球2000年—2015年30 m分辨率逐年土地覆盖制图

高时空分辨率的全球多类别土地覆盖数据对于地球系统的生物化学循环、气候变化等研究至关重要。目前公开的数据产品中,较高空间分辨率的全球多类别土地覆盖产品仅提供单一或短时期的数据,而全球逐年土地覆盖产品往往只有单一土地覆盖类型,难以从较长时间跨度上反映精细地物的年际变化。本文借助Google Earth Engine平台,利用现有多套全球土地覆盖产品、Landsat卫星系列影像、以及大量人工目视解译样本,结合多数据融合、时序变化检测和机器学习等的方法,研制了一套2000年—2015年全球30 m分辨率的逐年土地覆盖变化数据集AGLC-2000-2015（Annual Global Land Cover 2000-2015）。基于AGLC-2000-2015数据集,本文选择性分析了3个典型区域（中国珠江三角洲地区、青藏高原色林错湖区和亚马逊热带雨林区）的土地覆盖年际变化。结果显示,AGLC-2000-2015数据集达到了较高的精度水平：基准年份产品（AGLC-2015）的总体精度（OA）为76.10%,Kappa系数为0.72,显著优于现有30 m分辨率的全球土地覆盖产品Globeland 30（OA = 63.49%,Kappa = 0.58）、FROM-GLC（OA = 61.41%,Kappa = 0.55）和GLC-FCS30（OA = 63.46%,Kappa = 0.57）;年际间分类模型的总体精度和Kappa系数分别为84.10%和0.81,在各大洲的平均总体精度均超过80.00%,表明该模型在全球多类别土地覆盖分类中表现良好。3个典型区域的土地覆盖变化分析显示,中国珠江三角洲地区城市扩张趋势明显（195.96 km²/a）,其增量主要来源于耕地（84.88%）;青藏高原色林错湖泊对于气候变暖响应明显,湖区面积呈扩大趋势（17.95 km²/a）,湖面北岸扩张最为明显;亚马逊热带雨林南部区域毁林造田趋势明显,15 a间森林面积减少46356.53 km²,其中大部分转化为农田（39621.29 km²）。上述结果表明：AGLC-2000-2015数据集能够有效反映全球陆地区域在30 m空间分辨率下的地表覆盖分布及年际间的动态演化,为地表陆面过程研究和相关应用提供可靠的数据支撑。     

ALOS全色与多光谱影像融合的土地覆盖分类

利用Brovey、HighPass Filter和Gram-Schmidt 3种融合方法,对ALOS卫星全色与多光谱影像进行融合,并对融合后影像进行土地覆盖分类研究,从定性分析和比较融合后影像的分类精度2个方面综合评价了3种融合方法的效果。结果表明,3种融合方法都提高了影像的空间分辨率,Gram-Schmidt和HPF融合后影像光谱保持性好,同时3种融合方法不同程度上提高了影像的总体精度和Kappa系数,Gram-Schmidt最高,Brovey次之,HPF最弱,但对于不同地物分类精度又不尽相同,从整体分类结果来看,Gram-Schmidt最优。     

基于1∶50000西部无图区土地覆盖分类应用研究

土地覆盖/土地利用（LC/LU）调查已经成为开展土地利用动态变化预测、自然灾害防治及土地利用规划、土地管理和环境保护的一项关键的基础性工作,受到广泛关注和重视。随着遥感技术和各种地学分析模型的发展和成熟,利用遥感技术获得的影像数据对区域的LC/LU情况进行土地覆盖分类和监测,成为一种最为迅速可靠和理想有效的手段。本文综合论述了遥感地学智能图解模型支持下的LC/LU分类,并以西部测图工程1∶50 000无图区塔里木东部地区为试验对象,采用多平台遥感数据和辅助地理信息软件,进行了LC/LU遥感应用分类研究。