CN102750732A - 基于gis系统的土地资源利用变化动态预测模型及其使用方法 - Google Patents

Abstract

本发明涉及基于GIS的土地利用变化动态预测模型及处理方法。GeoCA-Landuse模型模拟土地利用变化的基本思想是引入土地单元的生命特征，模拟土地利用类型的动态演变；从两个时相土地利用专题图的叠加分析和转移分析入手，结合土地利用变化的计量模型，分析土地利用动态变化特征，依据研究区水系和交通图分析模型控制因素，构建控制因素层，并结合社会经济数据调整模型参数，确定合理的邻居及转换规则根据历史土地利用的变化过程，集合GIS强大的空间数据处理分析功能，对土地利用变化趋势进行模拟和预测。本发明实现了对土地利用变化的动态趋势与演化规律的模拟，为科学决策提供科学依据。

Description

基于GIS系统的土地资源利用变化动态预测模型及其使用方法

技术领域

本发明涉及地理建模的技术领域，具体说是土地利用变化动态预测的方法。

背景技术

土地利用变化模型是在对土地利用变化状况分析的基础上揭示土地利用变化的幅度和速度以及空间分布等特征，是对土地利用驱动因素及其相互关系进行分析，探求土地利用变化的机制，预测未来土地利用变化的趋势及其对生态环境和社会经济发展的影响。可以将目前土地利用趋势预测的背景技术归纳为以下几种，其都具有各自的优缺点；

1)回归预测法，是利用表明变量之间相互关系的数学方程式，由其它变量中的已知值推断预测变量的数值进行预测的一种方法。该方法适用于各个变量之间具有较强相关性的标准变量组。由于不同土地利用类型之间相互影响，相互制约，所以该方法常被用来研究土地利用变化与人文因素之间的关系。该模型的不足之处在于不适合大范围的预测以及因经济因子难以定量化造成的预测值的误差。

2)马尔可夫过程，运用马尔柯夫过程模拟土地利用动态变化首先要确定土地利用类型的初始状态矩阵和转移概率矩阵。该预测模型优点在于计算和实现比较简单，可以揭示不同土地利用类型之间的数量转化规律和总体变化趋势。模型运算只需要考虑土地利用的现状信息，而无需考虑土地利用变化的内在机制，不足之处在于模型缺乏揭示土地动态变化驱动机制的能力及缺乏空间表达能力，该模型适用于土地利用变化驱动力变化机制不清及预测短期土地利用变化的状况。

3)人工神经网络，能模拟人的部分形象思维能力，预测的过程就是利用不同时期获取的信息源，在对它们进行综合分析和对比的基础上，发现土地变化的区域和变化类型。该模型的优点在于能够对动态数据进行分析，并根据历史资料归纳规律，不足之处是受预测区域范围大小和时间长短的限制，一些主要因素特征难以确定，预测结果并不十分精确。

4)灰色系统动态模型，GM(n，h)是依据灰色系统理论原理，利用系统的离散采集数据建立其动态微分方程，以灰色模块为基础，微观拟合分析为核心的建模方法。土地利用系统本质上是一个灰色系统，运用灰色模型可在土地资料不完整的情况下对中长期的土地利用结构进行过程分析。

发明内容

本发明的目的是提供一种基于地理元胞自动机和GIS的土地利用变化动态预测的方法，为土地利用可持续发展提供决策依据。

本发明的基本内容是针对土地利用变化预测的要求构造一种随机型元胞自动机模型，即一种转换规则受概率函数控制的特殊的CA模型。模型中，由于许多规则都是基于概率的随机过程，所以本发明广泛应用了蒙特卡罗方法，通过有关的随机变量或随机过程的随机抽样，来求解复杂随机现象，以模拟这样的随机过程。同时由于土地利用很强的区域性，本发明在模型中引入了控制因素层作为元胞变化的外部环境，这样土地利用的CA规则随空间、时间的变化对于模拟真实的土地利用变化具有重要意义。

本发明的技术特征是：引入土地单元的生命特征，每一种土地单元都有青年、中年、老年和衰亡这样的生命周期，根据每种土地类型自身的年龄及生存的环境来决定其繁殖、成熟、死亡等行为，模拟土地利用类型的动态演变。

本发明所采用的技术方案具体如下：

1、收集研究区各种社会统计数据、土地利用变化的历史系列数据、地形、河流、交通等控制要素数据，其主要作用是用以分析确定模型运行的初始状态，模型参数以及控制因素层。本发明中主要用到的数据包括：阿克苏河流域1∶100000的土地利用专题图；阿克苏河流域1∶500000的DLG图5幅，DLG图包括的图层有行政边界、居民地、等高线、交通、河流等。

2、由于图件格式是ARC/INFO COVERRAGE & ARC/INFO E00，矢量文件投影方式又不同，不能满足GeoCA-Landuse模型对数据的要求，因此本发明借助于GIS软件对数据进行预处理，包括空间范围统一、矢量数据转为栅格数据、数据指标归并等，具体步骤如下：

1)空间范围统一

由于以上所有数据在空间范围上大多是以行政区划为边界，与研究区范围存在一定的差距，因此需要对这些数据进行必要的处理，统一到与研究区一致的范围内。

第一步，地图拼接。由于1∶500000的DLG是分层存放专题要素的，交通、水系、行政边界处在不同的图层，将以上地理要素分层提取并且拼接在一起，采用arctools的append命令，最终形成交通、水系、行政边界等的专题图层。

第二步，投影转换。在数据处理的时候采用的投影类型为高斯克吕格投影，而DLG图采用的是geographic投影，所以首先需要进行投影转换，参数选择与土地利用专题图的参数保持一致，运用Arcinfo软件，在arctools的command tools命令下选择edit-coordinates-project coverage，输入投影参数。

第三步，地图裁减。在土地利用图及DLG图为相同投影的前提下，再采用arcinfo软件的clip命令，依据研究区范围将它们裁减为范围一致的图。

2)矢量数据转栅格数据

由于GeoCA-Landuse模型处理的空间数据是栅格型数据格式，因而需要将土地利用图、交通图、水系图进行从矢量到栅格的数据转换。对于土地利用图可以将土地利用类型值代码为Value item值，从而实现从矢量数据向栅格数据的转化。空间分辨率(即栅格单元大小)可根据研究区的实际情况以及模型运算效率考虑，本发明划分为200×200m。运用ArcInfo软件的command tools-conversion-togrid-Poly to grid命令，cell Size选择200。从而将阿克苏河流域土地利用图及各个专题图层划分为1023×2127个栅格单元。

模型运行的前提条件是要确保同一地区的数据，在空间范围和栅格数目上完全一致，只有这样才能保证每个土地利用单元和控制因素层栅格单元一一对应。

3)数据指标归并

本发明涉及的土地利用类型主要包含农用地(耕地、林地、牧草地)、建设用地(居民点及独立工矿用地、水利设施用地)、未利用地(未利用土地、其它土地)三大类共7个二级土地类型，而现有土地利用数据是按照国家土地利用分类标准的三级分类进行的，因此，需要对土地利用的空间数据以及相关的统计数据分类指标进行适当的归并处理。

3、在对空间数据进行叠加分析和转移分析的基础上，分析土地利用变化的规律，建立土地利用变化的GeoCA-Landuse模型及软件系通过文本文件等中间文件或相互提供读写标准实现相互数据通信。二者可以拥有各自的数据结构、分析过程和用户界面。

本发明针对土地利用变化的复杂性，结合土地利用变化的规律，采用“自下而上”的研究思路，建立GeoCA-Landuse模型，将土地利用类型对应为元胞的状态，定义不同的生命周期，根据一定的演化规则模拟土地利用演化规律。

附图说明

图1为基于GIS和地理元胞自动机的土地利用模型分析方法框图；

图2为地理元胞自动机模型。

具体实施方式

按照图1和图2给出的地理元胞自动机模型结构以及与GIS的集合方法，下面对本发明的技术方案做进一步的说明。

一、GeoCA-Landuse模型构建步骤

1、设定模型空间大小

设定模型空间大小就是创建元胞生长的空间，这是模型运行的首要条件。受到内存及CPU速度的限制，模型支持5000×5000以下的计算。本发明中模型选择的元胞大小为200×200m，模型空间为1023×2127。

2、模型种子点的引入

在该模型中，种子点是研究区土地利用发展的初始状态，土地利用变化是基于种子点的，种子点就是土地利用变化的增长点。因此，种子点的分布应当真实的反映研究区土地变化的格局。

3、控制因素层的产生

控制因素层一般由地形图、土地利用图、交通图、水系图等各种数据分析得出。通过对土地利用变化的分析，认为控制层的控制对模型中元胞的成活概率起到至关重要的作用。也就是说离控制层距离越近则新生单元成活的概率越大，而超过某一距离新生单元成活的概率就越小。对于新生土地单元的成活概率，遵循以下公式：

$P_{\mathrm{ij}}=a_k{e}^{-b_k{l}_{\mathrm{ij}}}$

K是这个新生单元的土地利用类型，属于耕地、林地等7种类型中的一种；a_k，b_k是系数；l_ij表示这个单元距离最近河流(或交通线)的平均距离；P_ij表示在这个位置上的该土地单元在这种控制条件下的成活率。a_k，b_k可以通过研究土地利用类型与控制层的关系得到。

4、模型参数的确定和调整

GeoCA-Landuse模型中存在大量的参数，每个参数都与模型的运行有着直接的关系，因而参数的设置和调整是系统的核心功能，系统采用交互式界面，使用户可以灵活调整各种土地单元的发展变化参数。本发明确定模型参数的方法是通过已知两年的数据来优选模型参数。具体过程是：已知1990年和2000年的土地利用数据，在一定的参数条件下让模型运行，当土地单元的总数与检验数据中土地单元的总数约相等时，停止模型运行，对模型运行的结果与检验数据进行比较，对耕地、林地、居民点及独立工矿用地、水利设施用地的空间分布进行比较，同时观察各自的发展速度，根据模拟数据与经验数据的比较结果来调整模型参数，用调整后的参数再次进行运算，对模拟的结果再进行分析，通过不断的比较、分析、调整参数，最后确定一套较为合适的模型运算参数。

二、GeoCA-Landuse模型构建方法

1、元胞状态

按照土地利用类型划分标准，对元胞状态进行扩展，对于每一类土地利用类型，定义不同的生命周期，在模型初始化时随机给出各个单元的年龄值，根据各单元的年龄情况，按照制定好的土地年龄划分标准将各个土地单元划归为青年、中年、老年三种状态中的一种，也就是说在土地利用的元胞自动机模型中，元胞状态是一个多元变量。

2、元胞空间

模型中元胞空间的概念可以理解为迪卡尔坐标体系下的地理空间，同时包含有空间尺度的概念，一个元胞的大小对应于空间分辨率。对元胞空间的划分采用四方网格，四方网格的优点是直观而简单，而且特别适合在现有计算机环境下进行显示。

3、邻居定义

在标准的CA模型中，邻居定义具有齐性，所有的元胞邻居范围定义一致。然而，在GeoCA-Landuse模型中，基于对元胞对象的扩展，有可能根据不同的地理实体类型而定义不同的邻居构型，邻居形式或者邻居半径各不相同，这常常是在模拟地理复杂现象时所需要的。例如对于耕地、居民点及独立工矿用地、牧草地等不同土地类型的元胞，其邻居半径就可能有所不同。对于邻居的类型，模型中采用了摩尔型邻居，采用这种邻居的优点在于可以使不同类型的土地单元、不同的控制因素采用不同的邻居半径，同时也易于计算机实现。

4、演化规则

土地利用元胞自动机模型的演化规则可以简化成以下形式：

if condit ion then act

condition是指单元发生改变的条件，可以是土地单元的邻居条件、可以是土地单元的控制层条件，也可以是两者共同作用的结果。act是在满足(或未满足)发生改变的条件时土地单元的行为，表现为某种类型土地单元消亡的概率或者是某种类型土地单元生存的概率。

5、时间

同标准CA模型一样，GeoCA-Landuse模型中时间概念同样是一个离散尺度。在模型中确定其对应关系的方法为根据已有的历史数据系列来训练构建好的土地利用模型，由模型模拟结果与历史数据的对应关系来推理模型中一个循环所对应的实际时间，从而确定模型的运行时间。

Claims (2)

1.基于地理元胞自动机和GIS的土地利用变化动态预测的方法，其特征在于：所述的方法包括以下步骤：

(1)、收集研究区各种社会统计数据、土地利用变化的历史系列数据、地形、河流、交通等控制要素数据，其主要作用是用以分析确定模型运行的初始状态，模型参数以及控制因素层；

(2)、由于图件格式是ARC/INFO COVERRAGE & ARC/INFO E00，矢量文件投影方式又不同，不能满足GeoCA-Landuse模型对数据的要求，因此本发明借助于GIS软件对数据进行预处理，包括空间范围统一、矢量数据转为栅格数据、数据指标归并等，具体步骤如下：

1)空间范围统一

由于以上所有数据在空间范围上大多是以行政区划为边界，与研究区范围存在一定的差距，因此需要对这些数据进行必要的处理，统一到与研究区一致的范围内；

第一步，地图拼接；由于1∶500000的DLG是分层存放专题要素的，交通、水系、行政边界处在不同的图层，将以上地理要素分层提取并且拼接在一起，采用arctools的append命令，最终形成交通、水系、行政边界等的专题图层；

第二步，投影转换；在数据处理的时候采用的投影类型为高斯克吕格投影，而DLG图采用的是geographic投影，所以首先需要进行投影转换，参数选择与土地利用专题图的参数保持一致，运用Arcinfo软件，在arctools的command too1s命令下选择edit-coordinates-project coverage，输入投影参数；

第三步，地图裁减；在土地利用图及DLG图为相同投影的前提下，

2.根据权利要求1所述的基于地理元胞自动机和GIS的土地利用变化动态预测的方法中，

GeoCA-Landuse模型构建步骤如下：

1、)设定模型空间大小

设定模型空间大小就是创建元胞生长的空间，这是模型运行的首要条件；受到内存及CPU速度的限制，模型支持5000×5000以下的计算。本发明中模型选择的元胞大小为200×200m，模型空间为1023×2127；

2、)模型种子点的引入

在该模型中，种子点是研究区土地利用发展的初始状态，土地利用变化是基于种子点的，种子点就是土地利用变化的增长点；因此，种子点的分布应当真实的反映研究区土地变化的格局。

Images