【昌平区土地利用变化的模拟与预测实证研究8900字】.docxVIP

昌平区土地利用变化的模拟与预测实证研究

目录

TOC\o1-2\h\u11269昌平区土地利用变化的模拟与预测实证研究 1

317541.1Logistic-CA-Markov模型 1

19373（1）CA模型原理 1

17312（2）Markov模型原理 2

30046（3）Logistic-CA-Markov模型原理 2

26832（4）技术路线 2

133491.2模拟方案设定与数据处理 2

25108（1）设定模拟方案 2

26033（2）处理相关模拟数据 3

151231.3建立预测模型 3

16621（1）元胞构成 3

26953（2）转移概率矩阵 3

7851（3）制作适宜性图集 4

78331.4模型有效性检验 4

31810（1）模拟平昌县2018年土地利用情况 4

20951（2）模型有效性检验 4

124381.5多情景下土地利用模拟与预测 5

133951.5.1自然发生情景 5

199371.5.2人为干预情景 5

176271.6模拟结果分析与建议 6

161741.6.1模拟结果分析 6

296651.6.2国土空间开发建议 7

开展对某一区域土地利用变化情况的模拟，可以帮助我们更加清晰地了解与认识该区域未来土地演化趋势。本章立足当前国土空间规划，基于Logistic-CA-Markov模型，预设自然发生、人为干预情景。依据两种情景，模拟平昌县2025年土地利用情况，对比分析模拟结果；同时，紧扣当下平昌县国土空间格局，提出相关针对性建议，旨在为优化平昌县国土空间结构提供一定的参考。

1.1Logistic-CA-Markov模型

（1）CA模型原理

CA模型又称元胞自动机，其本质属状态函数。模型的建立主要基于两个方面，一方面是元胞与元胞状态，另一方面是邻域与转换规则。可用下列函数具体解释CA模型（杨国清等，2007）：

δt=fδt?1,N

式中，δ为元胞状态，N为元胞领域，t和t?1各自代表不同时刻，f为δ中元胞状态的转换规则。

（2）Markov模型原理

Markov模型具有马尔科夫性质，常用于地理统计学当中。各地类间的相互转化情况可以通过该模型予以定量表示，同时基于该模型还能得出各地类间相互转换的概率。表达式为（赵小汎等，2007）：

St+1=Pij

上式，St+1、S(t)各自代表末期和初始期的系统情况，

（3）Logistic-CA-Markov模型原理

Logistic-CA-Markov模型，基本内涵就是耦合CA与Markov模型下的一种定量回归分析模型。该模型一方面具备CA模型的空间模拟优势，另一方面具备Markov模型的数量预测优势。通过Logistic模型，定量分析驱动因子与各地类之间的回归关系，生成各地类在空间上的适宜性图集；同Markov模型生成的地类间转移面积文件一并参与到CA模型运算，能够达到较好的模拟效果。

（4）技术路线

基于IDRISI与GIS，借助上述模型实现模拟的全部流程。首先利用GIS，将两类驱动因子与土地利用数据分别转换成ASCII格式，一并导入IDRISI，生成各自对应的RST格式。其次，在IDRISI中进行重分类处理，完成对各个地类的单一提取；基于IDRISI中的Logistic模块，分别制作各地类适宜性图集；借助CollectionEditor工具，集成输出单一适宜性图集；模拟所需转移面积文件由Markov模型生成。最后分别对滤波器和循环次数进行设定，完成一次模拟过程。利用相关检验指标，检验模拟有效性；通过有效性检验后，开展多情景下未来土地利用变化的模拟（图5-1）。

1.2模拟方案设定与数据处理

（1）设定模拟方案

基期与预测期的年份间隔对模型的循环次数起着约束作用。一般来讲，将循环次数设为年份间隔的倍数。选取2010年为初始期，2014年为基期，2018年作为预测期，三者平均年份间隔为4年，所以将循环次数设定为4。

借助模型进行预测，得到平昌县2018年土地模拟数据。基于Kappa指数，检验模拟有效性。若符合精度要求，则分别设定不同情景，模拟2025年平昌县土地利用情况。

（2）处理相关模拟数据

模拟成功的关键，主要在于相关数据的处理。首先要保证导入模型中的相关数据的统一。在ArcGIS中以平昌县行政区划为掩膜范围，提取相关所需数据；然后对驱动因子和土地数据进行空间化标，确保空间一致性。借助ArcGIS平台中的栅格转换工具，将所需数据转换成ASCII