CN109543278B - 土地利用变化模拟方法及系统 - Google Patents

Abstract

本发明公开了一种基于分区CLUE‑S模型的土地利用变化模拟方法及系统，其中，所述方法包括：获取土地利用变化的驱动因子和三期土地利用现状数据；对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果。在本发明实施中，能反映土地利用在空间上的区域差异，对区域差异明显的研究区的适用性和模拟的精度。

Description

土地利用变化模拟方法及系统

技术领域

本发明涉及土地利用变化模拟技术领域，尤其涉及一种基于分区CLUE-S模型的土地利用变化模拟方法及系统。

背景技术

土地利用/覆被变化(Land Use/Cover Change，简称LUCC)的研究内容包含了土地利用和土地覆被变化过程、驱动机制以及资源、生态和环境效应影响等诸多方面。土地利用变化模拟是LUCC的核心内容之一；近年来，大区域的土地利用变化模拟受到了更多的关注，如何考虑区域空间差异并提高模拟质量成为了在大区域模拟过程中需要考虑的技术问题。

根据近年来学者在土地利用变化的驱动力、结构、模式的研究发现，由于位置条件、自然条件或行政等级等差异的影响，土地利用变化是存在区域分异的，且具有时序性的特点；而土地利用模拟已有分区模拟的探索与应用，如杨俊等基于局部土地利用竞争的CA-Markov模型进行土地利用变化模拟，柯新利等论证了基于空间聚类的分区元胞自动机比不分区具有更高的精度，而CLUE-S模型在大范围区域的土地利用变化情景模拟更具有优势。

CLUE-S模型一般包括自上而下的宏观控制与自下而上的微观规则两个方面；但是在这种CLUE-S模型的运行机制下，对区域尺度上的空间差异则较少考虑，从其模拟过程来看，CLUE-S模型注重从宏观全局的角度进行土地利用变化模拟，并认为研究区域具有同质性，这与地理区域在自然与人文各因素在客观上具有空间差异性是相矛盾的，驱动因子在不同空间分区上对土地利用变化的影响是不一样的，而用统一的驱动力回归方程驱动具有空间差异性的土地利用变化过程，降低了模拟的准确性；地理加权回归(GeographicallyWeighted Regression，简称GWR)模型允许局部的参数进行函数拟合，利用GWR模型集成具有不同区域特征的用地适宜性方程可以使模型更好地解决驱动因子的空间异质性问题；因此需要在原有的土地利用变化模拟模型的基础上引入空间分区的概念，以适用于模拟具有宏观空间分区差异的区域。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于分区CLUE-S模型的土地利用变化模拟方法及系统，能反映土地利用在空间上的区域差异，对区域差异明显的研究区的适用性和模拟的精度。

为了解决上述技术问题，本发明实施例提供了一种基于分区CLUE-S模型的土地利用变化模拟方法，所述方法包括：

获取土地利用变化的驱动因子和三期土地利用现状数据；

对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；

对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；

根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果。

可选的，所述土地利用变化的驱动因子包括自然资源条件因子和社会经济条件因子；

其中，所述自然资源条件因子包括植被指数因子、水体指数因子和农业适宜性指数因子；所述社会经济条件因子包括与县城中心距离因子、与高速公路距离因子和与省道距离因子。

可选的，所述三期土地利用现状数据包括2009年土地利用现状数据、2012年土地利用现状数据和2015年土地利用现状数据。

可选的，所述对所述土地利用变化的驱动因子进行热点分析处理，包括：

基于Getis-Ord Gi*统计算法对所述土地利用变化的驱动因子进行热点分析处理。

可选的，所述进行空间分区，获取空间分区结果，包括：

采用叠加分析对热点分析处理后的土地利用变化的驱动因子进行聚集处理，获取聚集趋势；

根据所述聚集趋势进行空间分区，获取空间分区结果；

所述空间分区结果包括沿海经济带、环形台地带和中部山地带。

可选的，所述对所述三期土地利用现状数据进行数据归类处理，包括：

对所述三期土地利用现状数据按照城镇、植被、水体、旅游、农田的土地利用类型进行数据归类处理，获取城镇用地数据、植被用地数据、水体用地数据、旅游用地数据和农田用地数据。

可选的，所述根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，包括：

根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Logistics回归算法进行用地适宜性计算，获取总体土地适宜性；

根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；

根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；

根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果。

将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟。

另外，本发明实施例还提供了一种基于分区CLUE-S模型的土地利用变化模拟系统，所述系统包括：

数据获取模块：用于获取土地利用变化的驱动因子和三期土地利用现状数据；

空间分区模块：用于对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；

分辨率统一模块：用于对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；

模拟模块：用于根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果。

可选的，所述空间分区模块包括：

聚集单元：用于采用叠加分析对热点分析处理后的土地利用变化的驱动因子进行聚集处理，获取聚集趋势；

空间分区单元：用于根据所述聚集趋势进行空间分区，获取空间分区结果；

所述空间分区结果包括沿海经济带、环形台地带和中部山地带。

可选的，所述模拟模块包括：

用地适宜性计算单元：用于根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Logistics回归算法进行用地适宜性计算，获取总体土地适宜性；

曲线拟合计算计算单元：用于根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；

领域分析单元：用于根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；

土地转换弹性计算单元：用于根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果。

模拟单元：用于将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟。

在本发明实施例中，增强了模型对区域差异明显的研究区的模拟的精度；针对以往对中-大范围区域的土地利用模拟研究中缺乏考虑区域差异的问题，在传统CLUE-S模型的基础上引入分区集成的logistics回归模型，更能反映土地利用在空间上的区域差异，增强了模型对区域差异明显的研究区的适用性和模拟的精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例中的土地利用变化模拟方法流程示意图；

图2是本发明实施例中的土地利用变化模拟系统的结构组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例：

请参阅图1，图1是本发明实施例中的土地利用变化模拟方法流程示意图。

如图1所示，一种基于分区CLUE-S模型的土地利用变化模拟方法，所述方法包括：

S11：获取土地利用变化的驱动因子和三期土地利用现状数据；

在本发明具体实施过程中，所述土地利用变化的驱动因子包括自然资源条件因子和社会经济条件因子；其中，所述自然资源条件因子包括植被指数因子、水体指数因子和农业适宜性指数因子；所述社会经济条件因子包括与县城中心距离因子、与高速公路距离因子和与省道距离因子。

所述三期土地利用现状数据包括2009年土地利用现状数据、2012年土地利用现状数据和2015年土地利用现状数据。

进一步的，以海南省为例，三期土地利用现状数据，由海南省国土资源厅信息中心提供，包括2009年土地利用现状数据、2012年土地利用现状数据和2015年土地利用现状数据；将上述的三期土地数据利用现状数据归并为五种土地利用类型如表1所示。

表1土地利用类型

土地利用变化的驱动因子包括自然资源条件因子和社会经济条件因子，其中，所述自然资源条件因子包括植被指数因子、水体指数因子和农业适宜性指数因子；社会经济条件因子选取了县城中心、高速公路和省道这三种因素并通过ArcGIS通过距离制图得到与县城中心距离因子、与高速公路距离因子和与省道距离因子；表2所示。

表2土地利用变化的驱动因子

S12：对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；

在本发明具体实施过程中，所述对所述土地利用变化的驱动因子进行热点分析处理，包括：基于Getis-Ord Gi*统计算法对所述土地利用变化的驱动因子进行热点分析处理。所述进行空间分区，获取空间分区结果，包括：采用叠加分析对热点分析处理后的土地利用变化的驱动因子进行聚集处理，获取聚集趋势；根据所述聚集趋势进行空间分区，获取空间分区结果；所述空间分区结果包括沿海经济带、环形台地带和中部山地带。

进一步的，空间自相关反映的是一块区域中某种现象与邻近区域单元上同一现象的相关程度，而某个土地利用变化的驱动因子的值在同一区域对同一土地利用类型呈现出区域性的空间自相关行为；利用ArcGIS通过Getis-Ord Gi*统计算法对各驱动因子进行热点分析，发现其聚集现象存在不同程度的环形结构，结合叠加分析各驱动因子得到的聚集趋势进行空间分区，可将分为沿海经济带，环形台地带，中部山地带三个区域。

S13：对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；

在本发明具体实施过程中，所述对所述三期土地利用现状数据进行数据归类处理，包括：对所述三期土地利用现状数据按照城镇、植被、水体、旅游、农田的土地利用类型进行数据归类处理，获取城镇用地数据、植被用地数据、水体用地数据、旅游用地数据和农田用地数据。

具体的，对所述三期土地利用现状数据进行数据归类处理可以参详S11中的表1；在数据归类处理之后进行空间分辨率统一处理，是为了保证后续的计算效率，进行空间分辨率统一处理，为将分辨率统一至500m*500m。

S14：根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果。

在本发明具体实施过程中，所述根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，包括：根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Logistics回归算法进行用地适宜性计算，获取总体土地适宜性；根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果。将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟。

进一步的，基于Logistics回归算法进行用地适宜性计算，计算的公式如下：

其中，w_i表示第i个分区的地理加权因子，f_i(x_i,1,x_i,2,…,x_i,m)表示第i个分区有m个驱动因子得到的回归方程，P_i,u表示第i个分区对u个土地类型的用地适宜性，其中i＝1,2,3；m＝1,2,3,4,5,6；u＝1,2,3,4,5。

通过上述的计算公式，将三个分区下的5中土地类型与6个驱动因子的栅格数据转化为文本文件，根据分区二元logistics逐步回归建模方法计算不同区域特征的回归方程，回归系数如表3所示，其中“-”表示被剔除的因子。对回归方程使用ROC曲线检验，该值越大，说明回归方程的拟合精度越高，通常认为ROC值大于0.7时，所选的驱动因子具有良好的解释能力；运用Python语言编写GWR集成工具集成用地适宜性概率。

表3分区logistics回归系数

有三个分区的logistics回归系数对比发现，在ROC检验效果总体表现良好的情况下，不同区域的回归系数具有较大的区别，尤其是自然资源因子区别更明显，说明其回归方程的共线性较低。

进一步的，根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；是通过对获取的2009年、2012年、2015年的土地利用现状数据进行二次方程的曲线拟合计算，计算出2015年、2020年、2025年的土地需求，如表4所示。

表4未来土地利用需求(单位：公顷)

	城镇用地	植被用地	水体用地	旅游用地	农田用地
						2015年	282425	2206275	145350	34325	752775
2020年	343775	2156725	143175	35650	741825
						2025年	371175	2166050	140250	31950	711725

进一步的，根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；由于在空间上像元之间具有自相关性，即某一个地区的土地利用状况可能受周边的用地类型影响，进而具有趋同性；通过输入某一年的土地利用类型状况图，分析所有像元的邻域影响程度，分值越大，说明其被同质化的可能性越大；在土地利用变化模拟的过程中，考虑了像元之间的同质化影响现象。

进一步的，根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果；以历史土地利用转换情况为基础，构建Markov链模型，得到土地转移弹性，如表5所示，由于研究区具有近似环形的分区结构，可以利用距中心点衰减、增强及两者叠加的方式构建出近似环形的权重文件w_i，其中w_i取值范围为[0,1]，将不同分区回归预测结果分别与w_i加权求和得到总体土地适宜性；以生态保护红线作为限制区域；其中，在本实施例中得到的土地转移弹性中，是在不考虑水体用地和其他用地发生转移的情况下取得的。

表5转移弹性矩阵

	城镇用地	植被用地	旅游用地	农田用地
					城镇用地	0	0.22232	0.274768	0.189202
植被用地	0.541868	0	0.4137	0.809211
					旅游用地	0.030732	0.022733	0	0.001586
农田用地	0.4274	0.754946	0.311533	0

进一步的，将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟为；最后综合由总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果得到的总体转换概率进行空间配置，并通过迭代计算使模拟土地数量符合土地需求为止。

在本发明实施例中，增强了模型对区域差异明显的研究区的模拟的精度；针对以往对中-大范围区域的土地利用模拟研究中缺乏考虑区域差异的问题，在传统CLUE-S模型的基础上引入分区集成的logistics回归模型，更能反映土地利用在空间上的区域差异，增强了模型对区域差异明显的研究区的适用性和模拟的精度。

实施例

请参阅图2，图2是本发明实施例中的土地利用变化模拟系统的结构组成示意图。

如图2所示，一种基于分区CLUE-S模型的土地利用变化模拟系统，所述系统包括：

数据获取模块11：用于获取土地利用变化的驱动因子和三期土地利用现状数据；

在本发明具体实施过程中，所述土地利用变化的驱动因子包括自然资源条件因子和社会经济条件因子；其中，所述自然资源条件因子包括植被指数因子、水体指数因子和农业适宜性指数因子；所述社会经济条件因子包括与县城中心距离因子、与高速公路距离因子和与省道距离因子。

所述三期土地利用现状数据包括2009年土地利用现状数据、2012年土地利用现状数据和2015年土地利用现状数据。

进一步的，以海南省为例，三期土地利用现状数据，由海南省国土资源厅信息中心提供，包括2009年土地利用现状数据、2012年土地利用现状数据和2015年土地利用现状数据；将上述的三期土地数据利用现状数据归并为五种土地利用类型如表1所示。

土地利用变化的驱动因子包括自然资源条件因子和社会经济条件因子，其中，所述自然资源条件因子包括植被指数因子、水体指数因子和农业适宜性指数因子；社会经济条件因子选取了县城中心、高速公路和省道这三种因素并通过ArcGIS通过距离制图得到与县城中心距离因子、与高速公路距离因子和与省道距离因子；表2所示。

空间分区模块12：用于对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；

在本发明具体实施过程中，所述对所述土地利用变化的驱动因子进行热点分析处理，包括：基于Getis-Ord Gi*统计算法对所述土地利用变化的驱动因子进行热点分析处理。所述空间分区模块12包括：聚集单元：用于采用叠加分析对热点分析处理后的土地利用变化的驱动因子进行聚集处理，获取聚集趋势；空间分区单元：用于根据所述聚集趋势进行空间分区，获取空间分区结果；所述空间分区结果包括沿海经济带、环形台地带和中部山地带。

进一步的，空间自相关反映的是一块区域中某种现象与邻近区域单元上同一现象的相关程度，而某个土地利用变化的驱动因子的值在同一区域对同一土地利用类型呈现出区域性的空间自相关行为；利用ArcGIS通过Getis-Ord Gi*统计算法对各驱动因子进行热点分析，发现其聚集现象存在不同程度的环形结构，结合叠加分析各驱动因子得到的聚集趋势进行空间分区，可将分为沿海经济带，环形台地带，中部山地带三个区域。

分辨率统一模块13：用于对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；

在本发明具体实施过程中，所述对所述三期土地利用现状数据进行数据归类处理，包括：对所述三期土地利用现状数据按照城镇、植被、水体、旅游、农田的土地利用类型进行数据归类处理，获取城镇用地数据、植被用地数据、水体用地数据、旅游用地数据和农田用地数据。

具体的，对所述三期土地利用现状数据进行数据归类处理可以参详S11中的表1；在数据归类处理之后进行空间分辨率统一处理，是为了保证后续的计算效率，进行空间分辨率统一处理，为将分辨率统一至500m*500m。

模拟模块14：用于根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果。

在本发明具体实施过程中，所述模拟模块14包括：用地适宜性计算单元：用于根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Logistics回归算法进行用地适宜性计算，获取总体土地适宜性；曲线拟合计算计算单元：用于根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；领域分析单元：用于根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；土地转换弹性计算单元：用于根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果。模拟单元：用于将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟。

进一步的，基于Logistics回归算法进行用地适宜性计算，计算的公式如下：

其中，w_i表示第i个分区的地理加权因子，f_i(x_i,1,x_i,2,…,x_i,m)表示第i个分区有m个驱动因子得到的回归方程，P_i,u表示第i个分区对u个土地类型的用地适宜性，其中i＝1,2,3；m＝1,2,3,4,5,6；u＝1,2,3,4,5。

通过上述的计算公式，将三个分区下的5中土地类型与6个驱动因子的栅格数据转化为文本文件，根据分区二元logistics逐步回归建模方法计算不同区域特征的回归方程，回归系数如表3所示，其中“-”表示被剔除的因子。对回归方程使用ROC曲线检验，该值越大，说明回归方程的拟合精度越高，通常认为ROC值大于0.7时，所选的驱动因子具有良好的解释能力；运用Python语言编写GWR集成工具集成用地适宜性概率。

有三个分区的logistics回归系数对比发现，在ROC检验效果总体表现良好的情况下，不同区域的回归系数具有较大的区别，尤其是自然资源因子区别更明显，说明其回归方程的共线性较低。

进一步的，根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；是通过对获取的2009年、2012年、2015年的土地利用现状数据进行二次方程的曲线拟合计算，计算出2015年、2020年、2025年的土地需求，如表4所示。

进一步的，根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；由于在空间上像元之间具有自相关性，即某一个地区的土地利用状况可能受周边的用地类型影响，进而具有趋同性；通过输入某一年的土地利用类型状况图，分析所有像元的邻域影响程度，分值越大，说明其被同质化的可能性越大；在土地利用变化模拟的过程中，考虑了像元之间的同质化影响现象。

进一步的，根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果；以历史土地利用转换情况为基础，构建Markov链模型，得到土地转移弹性，如表5所示，由于研究区具有近似环形的分区结构，可以利用距中心点衰减、增强及两者叠加的方式构建出近似环形的权重文件w_i，其中w_i取值范围为[0,1]，将不同分区回归预测结果分别与w_i加权求和得到总体土地适宜性；以生态保护红线作为限制区域；其中，在本实施例中得到的土地转移弹性中，是在不考虑水体用地和其他用地发生转移的情况下取得的。

进一步的，将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟为；最后综合由总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果得到的总体转换概率进行空间配置，并通过迭代计算使模拟土地数量符合土地需求为止。

在本发明实施例中，增强了模型对区域差异明显的研究区的模拟的精度；针对以往对中-大范围区域的土地利用模拟研究中缺乏考虑区域差异的问题，在传统CLUE-S模型的基础上引入分区集成的logistics回归模型，更能反映土地利用在空间上的区域差异，增强了模型对区域差异明显的研究区的适用性和模拟的精度。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的一种基于分区CLUE-S模型的土地利用变化模拟方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于分区CLUE-S模型的土地利用变化模拟方法，其特征在于，所述方法包括：

获取土地利用变化的驱动因子和三期土地利用现状数据；

对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；

对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；

根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果；

所述根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，包括：

将所述土地利用变化的驱动因子、所述空间分区结果基于Logistics回归算法进行用地适宜性计算，获取总体土地适宜性；

根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；

根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；

根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果；

将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟；

基于Logistics回归算法进行用地适宜性计算，计算的公式如下：

其中，w_i表示第i个分区的地理加权因子，f_i(x_i,1,x_i,2,…,x_i,m)表示第i个分区有m个驱动因子得到的回归方程，P_i,u表示第i个分区对u个土地类型的用地适宜性，其中i＝1,2,3；m＝1,2,3,4,5,6；u＝1,2,3,4,5。

2.根据权利要求1所述的土地利用变化模拟方法，其特征在于，所述土地利用变化的驱动因子包括自然资源条件因子和社会经济条件因子；

其中，所述自然资源条件因子包括植被指数因子、水体指数因子和农业适宜性指数因子；所述社会经济条件因子包括与县城中心距离因子、与高速公路距离因子和与省道距离因子。

3.根据权利要求1所述的土地利用变化模拟方法，其特征在于，所述三期土地利用现状数据包括2009年土地利用现状数据、2012年土地利用现状数据和2015年土地利用现状数据。

4.根据权利要求1所述的土地利用变化模拟方法，其特征在于，所述对所述土地利用变化的驱动因子进行热点分析处理，包括：

基于Getis-Ord Gi*统计算法对所述土地利用变化的驱动因子进行热点分析处理。

5.根据权利要求1所述的土地利用变化模拟方法，其特征在于，所述进行空间分区，获取空间分区结果，包括：

采用叠加分析对热点分析处理后的土地利用变化的驱动因子进行聚集处理，获取聚集趋势；

根据所述聚集趋势进行空间分区，获取空间分区结果；

所述空间分区结果包括沿海经济带、环形台地带和中部山地带。

6.根据权利要求1所述的土地利用变化模拟方法，其特征在于，所述对所述三期土地利用现状数据进行数据归类处理，包括：

对所述三期土地利用现状数据按照城镇、植被、水体、旅游、农田的土地利用类型进行数据归类处理，获取城镇用地数据、植被用地数据、水体用地数据、旅游用地数据和农田用地数据。

7.一种基于分区CLUE-S模型的土地利用变化模拟系统，其特征在于，所述系统包括：

数据获取模块：用于获取土地利用变化的驱动因子和三期土地利用现状数据；

空间分区模块：用于对所述土地利用变化的驱动因子进行热点分析处理，在分析处理之后进行空间分区，获取空间分区结果；

分辨率统一模块：用于对所述三期土地利用现状数据进行数据归类处理，在数据归类处理之后进行空间分辨率统一处理，获取空间分辨率统一的归类三期土地利用现状数据；

模拟模块：用于根据所述土地利用变化的驱动因子、所述空间分区结果和空间分辨率统一的归类三期土地利用现状数据进行土地利用变化模拟，获取模拟结果；

所述模拟模块包括：

用地适宜性计算单元：用于将所述土地利用变化的驱动因子、所述空间分区结果基于Logistics回归算法进行用地适宜性计算，获取总体土地适宜性；

曲线拟合计算计算单元：用于根据所述空间分辨率统一的归类三期土地利用现状数据进行二次方程的曲线拟合计算，获取未来的土地需求；

领域分析单元：用于根据所述空间分辨率统一的归类三期土地利用现状数据进行领域分析处理，获取领域分析结果；

土地转换弹性计算单元：用于根据所述将所述土地利用变化的驱动因子、所述空间分区结果基于Markov链模型进行土地转换弹性计算，获取土地弹性转换计算结果；

模拟单元：用于将所述总体土地适宜性、未来的土地需求、领域分析结果和土地弹性转换计算结果输入所述分区CLUE-S模型进行土地利用变化模拟；

基于Logistics回归算法进行用地适宜性计算，计算的公式如下：

其中，w_i表示第i个分区的地理加权因子，f_i(x_i,1,x_i,2,…,x_i,m)表示第i个分区有m个驱动因子得到的回归方程，P_i,u表示第i个分区对u个土地类型的用地适宜性，其中i＝1,2,3；m＝1,2,3,4,5,6；u＝1,2,3,4,5。

8.根据权利要求7所述的土地利用变化模拟系统，其特征在于，所述空间分区模块包括：

聚集单元：用于采用叠加分析对热点分析处理后的土地利用变化的驱动因子进行聚集处理，获取聚集趋势；

空间分区单元：用于根据所述聚集趋势进行空间分区，获取空间分区结果；

所述空间分区结果包括沿海经济带、环形台地带和中部山地带。

Images