标王 热搜: 人民币升值  互联网  外商直接投资  中俄贸易  房地产  上海自贸区  北部湾  服务贸易  业绩  后勤 
 
当前位置: 首页 » 经济学 » 计量经济学论文 » 正文

基于CA—Markov模型的城市湿地景观格局模拟

放大字体  缩小字体 发布日期:2015-06-23  浏览次数:410
  摘 要 本文利用IDRISI软件中的Ca-Markov模型预测长沙市城市湿地景观的未来分布,并分析其分布特征并为城市景观的规划提出优化建议。研究基于IDRISI软件中的Markov模型,将2009年和2013年的湿地景观分类图进行叠加运算得到湿地景观格局类型转移面积矩阵和转移概率矩阵,基于多目标约束模块MCE生成符合长沙城市湿地景观分布的格局转化适宜性图像,并利用CA-MARKOV模型实现对未来湿地景观格局分布的预测。基于该预测分布湿地景观能够有效地帮助实现各个景观格局的规划和调整,对于优化整个长沙市城市的湿地景观格局具有一定促进作用。
  关键词 CA-Markov模型 城市湿地 景观格局 模拟
  中图分类号:X171.1 文献标识码:A
  1概述
  针对土地景观预测已经有许多成熟的研究,绝大多数研究基于IDRISI软件能够对未来景观的分布类型进行较为准确的预测,基于该预测结果的景观规划设计,能够极大的提升景观设计效率和质量。因此基于IDRISI软件的景观预测规划已经成为研究景观格局演化和分布预测的重要研究手段之一。
  元胞自动机(CA, Cellular Automate)是指在时间、空间和单元本身都处于离散的状态下,各个单元根据相互之间的作用以及前后时间的因果关系而发生状态改变的模型。元胞自动机拥有强大的空间运算能力和复杂空间模拟能力,其特性和地理信息中的栅格图像具有很高的相似性,使用元胞自动机模拟空间格局的变化、演变具有一定优势。通常,元胞自动机模型将整个研究空间看成若干个面积、形状相同的单元格,称之为元胞。元胞个体都具有若干个离散的状态,同时元胞周边都围绕着若干个邻居元胞。元胞本身的状态会发生变更,其下一个时刻的状态转变是该元胞本身的状态和该元胞相邻的周边元胞作用的叠加,通常而言,元胞的状态转移应该是全局一致并且受到控制的。元胞自动机模型中的元胞个体和GIS中栅格数据文件中的栅格具有极大的相似性,因此在本研究中将栅格即视作为元胞,大小为100m100m,如图1所示是元胞和元胞状态图。
  马尔科夫预测,是由苏联数学家马尔科夫提出,并用他的名字进行命名的一种预测方法。该方法主要是利用概率论中的马尔科夫链理论以及其相关方法分析随机事件的变化规律,从而实现对未来变化趋势的有效预测。马尔科夫过程,即状态转移过,只会受到上一个时刻状态的影响,如此则此过程可以称之为马尔科夫过程。状态转移概率,是指事件从某一个状态转移到下一时刻的其他状态的可能性,称之为状态转移概率。状态转移矩阵,若假定一个事件的改变、发展过程中有n个可能的状态,记为S1,S2,…,Sn,定义Pij标示状态Si 转变为Sj的状态转移概率,则有状态转移矩阵P,如下定义:
  2 CA_MARKOV预测模型
  CA_MARKOV模型综合了马尔科夫模型和元胞自动机的综合优势,使得该模型能够同时预测空间变化和时间序列状态变化,在数量和空间两个方面都可以实现景观格局的动态模拟。
  IDRISI是一款综合了地理信息技术和图像处理功能的功能强大的软件。该软件能够高效地处理各种空间信息,利用多种模型实现空间数据的预测、分析。IDRISI能够实现的功能包括:土地规划、决策支持、风险评估、空间建模等等。本章节将基于IDRISI的多个功能模块,首先利用不同时期的湿地类型分类图,使用MARKOV模型分析,得出转移面积矩阵和转移概率矩阵,最终利用CA-MARKOV模型预测湿景观地类型图,并做出优化建议。
  3湿地景观预测模拟
  本研究综合考虑定义长沙市湿地类型格局中的栅格定义为100m100m的元胞。选择2009年和2013年两年的卫星影像数据作为数据源,通过Markov模型生成景观类型的转移面积矩阵和转移概率矩阵,基于IDRISI中的CA-Markov模型通过迭代运算,得到2017年的景观格局的分布预测图像,结合2009、2013年和预测图像的综合变化趋势,为长沙市景观格局优化提出建议。
  3.1 数据格式转换
  IDRISI中的CA-Markov模型所支持的数据格式是栅格格式,因此需要将卫星影像数据在ArcGIS10.1软件中先转换为ASCII格式文件的中间文件,然后导入到IDRISI软件中并进行数据类型转换为栅格数据(.rst)。
  3.2 转移矩阵生成
  湿地景观面积转移矩阵直接反应出不同年份景观格局之间的相互转换,而转移概率矩阵则体现了每一种景观类型在下一个时期转变为其他景观类型的可能性。利用IDRISI软件中的MARKOV模型将2009年和2013年的景观类型栅格图像进行运算、互叠加,可以计算得出各个景观之间的转移面积矩阵和转移概率矩阵。
  在上图中,分别选择2009年的栅格文件和2013年的栅格文件进行叠加运算,并且设置所选两年年份间隔和预测间隔都为4年。将比例误差(Proportional error)设定为0.15。Markov生成的景观转移概率矩阵如下表1所示。
  3.3 景观类型转变适应性图像集
  湿地景观之间的转换需要按照一定的约束进行,例如,河流和湖库等地不能转换为建筑用地等等。利用IDRISI中的MCE模块对CA-MARKOV模型的景观类型预测做出适宜性约束。MCE(Multi-Criteria evaluation)模块即多标准评价模型,是一种用来融合多种标准和约束的通用方法,是一款多标准的决策支持工具。
  MCE模型中主要包含了三种不同的评价方法:布尔方法、线性加权方法和顺序加权平均方法。布尔方法是最为明了的约束方法,通过1或者0进行硬性约束,适用于湿地类型中某些固定不进行转化的情况。为了预测2017年的湿地景观类型,本研究中选择了2013年的河流分布适应性图集和2013年的湖泊适应性图集,利用布尔硬性约束生成适应性图集。
[2] 银杏树价格www.731c.com
 
 
[ 经济学搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 违规举报 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐经济学
点击排行
 
网站首页 | 关于我们 | 联系方式 | 使用协议 | 版权隐私 | 网站地图 | 排名推广 | 广告服务 | 积分换礼 | 网站留言 | RSS订阅
Powered by DESTOON