土地信息系统第6章土地信息分析模型1研究报告.ppt

Y = c1*x1+c2*x2+…+ck*xp 式中，ck（k＝1，2，…，m）为判别系数，它可反映各要素或特征值作用方向、分辨能力和贡献率的大小。只要确定了ck，判别函数Y也就确定了。在确定判别函数后，根据每个样本计算判别函数数值，可以将其归并到相应的类别中。常用的判别分析有距离判别法、Bayes最小风险判别、费歇准则判别等等。 土地信息系统 LIS 土地信息系统 LIS 土地信息系统 LIS 甘肃农业大学资源与环境学院 土地信息系统 LIS * 第六章 土地信息分析模型 §2 土地利用规划模型 §1 土地评价数学模型 §3 人口、土地需求预测模型 §4 土地利用变化模型 本章要点: 本章重点介绍了土地评价数学模型以及几种常见的土地信息系统的应用模型（土地利用规划模型、人口增长预测模型、地图模型等）。 §1　土地评价数学模型 数学方法在土地评价结果中的应用，其本质是通过建立土地质量与影响土地质量的土地因素之间的数学模型，对土地进行分类与评价。 任一土地质量LQ与土地因素特征的关系可以用下列关系式表示： （LIS:p158) 式中：A、B、C——与土地质量LQ相关的土地特性的特征值。 其具体关系式取决于土地特性对土地质量的影响方式，要依靠土地评价中的定性分析来加以确定。因此，在一定意义上，数学方法在土地评价中的应用，是定性方法与定量研究相结合进行的土地评价。 在土地评价方法中应用得比较广泛的方法主要涉及数理统计、模糊数学、灰色系统等方面的数学模型与方法。 数学方法在土地评价中的应用 在土地评价中应用较广泛的数学方法有：主成分分析、关联度分析、模糊集合综合评价、聚类分析、层次分析、模糊神经网络方法、土地定级估价模型等。 §6.1 数理统计模型 数理统计分析主要用于数据分类和综合评价，数据的分类和评价问题通常涉及大量的相互关联的地理因素。 主成分分析法 层次分析法 系统聚类分析法 判别分析法 §6.1.1主成分分析法 设有n个样本，p个变量。将原始数据转换成一组新的特征值——主成分，主成分是原变量的线性组合且具有正交特征。即将x1，x2，…，xp综合成m（m＜p）个指标z1，z2，…，zm，即： z1=l11*x1+l12*x2+…+l1p*xp z2=l21*x1+l22*x2+…+l2p*xp … … zm=lm1*x1+lm2*x2+…+lmp*xp * z1是x1，x2，…，xP的一切线性组合中方差最大者，z2是与z1不相关的x1，x2，…，xP的所有线性组合中方差最大者;…; zm是与z1，z2，……，zm－1都不相关的x1，x2，…xP， 的所有线性组合中方差最大者。 则新变量指标z1，z2，…，zm分别称为原变量指标x1，x2，…，xP的第1，第2，…，第m主成分。 这样决定的综合指标z1，z2，…，zm分别称做原指标的第一，第二，…，第m主成分。其中z1在总方差中占的比例最大，其余主成分z2，z3，…，zm的方差依次递减。 主成分分析法(续） 其思想是用“降维”的方法，将多指标转化为几个综合指标（即主成分），每个主成分都是原始变量的线性组合，且各主成分互不相关。这样既降低了变量的维数，又保留了大部分信息，使分析简单化。 三、 主成分分析方法应用实例 下面，我们根据表3.5.1给出的数据，对某农业生态经济系统做主成分分析。 表3.5.1 某农业生态经济系统各区域单元的有关数据 甘肃农业大学资源与环境学院 样本序号 人口密度x1/(人·.km-2) 人均耕地面积x 2/hm2) 森林覆盖率x3/% 农民人均纯收入x4/(元·人-1) 人均粮食产量x5 (kg·人-1) 经济作物占农作物播面比例x6/％ 耕地占土地面积比x7/％ 果园与林地面积之比x8/％ 灌溉田占耕地面积之比x9/％ 1 363.912 0.352 16.101 192.110 295.340 26.724 18.492 2.231 26.262 2 141.503 1.684 24.301 1752.350 452.260 32.314 14.464 1.455 27.066 3 100.695 1.067 65.601 1181.540 270.120