SCI论文（www.lunwensci.com）:
摘要：随着科学技术的不断发展,计算机技术领域得到了越来越广泛的应用。本文基于机器学习开展了天津市1990—2020年的土地覆盖地图制作,并用软件模型预测了天津市土地利用动态分布,最后评价该城市的人口和土地城镇化的关系变化。结果表明：机器学习分类技术泛化能力强,分类精度高；CA-Markov模型预测结果与实际解译结果的Kappa系数为81.21%,有较好的可信度,现有的软件模型技术可以达到预测未来土地动态的目的；2020—2030年天津市各土地类型间转换趋于稳定,土地城镇化与人口城镇化趋于协调。
关键词：计算机软件；土地利用；CA-Markov；模拟与预测；可持续发展
Simulation and Prediction of Land Use Changes Based on Computer Software Technology and CA-Markov Model
PAN Luyang1,2,3,LU Linlin2,3,SHU Lei2,3,4,MA Yonghuan5,LIU Zhaohua4,HE Dan6
(1.College of Geodesy and Geomatics,Shandong University of Science and Technology,Qingdao Shandong 266590;2.International Research Center of Big Data for Sustainable Development Goals,Beijing 100094;3.Key Laboratory of Digital Earth Science,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100094;4.School of Civil and Surveying&Mapping Engineering,Jiangxi University of Science and Technology,Ganzhou Jiangxi 314000;5.Information Center of the Ministry of Natural Resources of the People's Republic of China,Beijing 100812;6.College of Arts and Science of Beijing Union University,Beijing 100191)
【Abstract】：With the continuous development of science and technology,computer technology has been more and more widely used.Based on machine learning,this study analyzed the land cover map of Tianjin from 1990 to 2020,predicted the dynamic distribution of land use in Tianjin with software models,finally evaluated the relationship between population and land urbanization in the city.The results show that machine learning classification technology has strong generalization ability and high classification accuracy;The Kappa coefficient between the predicted results of CA Markov model and the actual interpretation results is 81.21%,which has good reliability.The existing software model technology can achieve the purpose of predicting future land dynamics;From 2020 to 2030,the transformation among various land types in Tianjin will be stable,and land urbanization and population urbanization will be coordinated in the future.
【Key words】：computer software;land use;CA-Markov;simulation and prediction;sustainable development
0引言
随着计算机技术的不断革新,其自身利用效率不断逐步提升,在诸多行业中发挥不可替代的作用。作为新型先进技术的遥感技术应运而生,遥感数据具有覆盖范围广、及时、动态等优势,被广泛应用于各尺度的城市土地覆盖制图和可持续发展指标的监测[1]。
监督分类可以有效识别地物之间差异,实现准确对地影像分类。将遥感数据与机器学习技术相结合是当前研究热点,随机森林(Random Forest)是一种基于决策树的集成机器学习算法,具有分类速度快、精度较高、可以有效地运行大尺度数据集等特点被广泛用与研究中。土地利用/覆盖变化(LULC)的模拟和预测是国土空间规划编制的重要支撑[2]。目前计算机土地利用预测模型种类繁多,其中Markov模型是土地利用覆盖变化模拟最常用的技术之一。此外,CA-Markov、CLUE-S、Markov-FLUS模型等这类组合使用的模型能够增加模拟的灵活性和可靠性。陈逸敏[3]等将元胞自动机(CA)模型与机器学习方法结合模拟了多情景下城市演化过程。黎云云等[4]基于CA-Markov模型模拟了2000年与2010年黄河流域土地利用变化,发现模型精度较高。何丹[5]等使用CA-Markov模型对滇池流域土地利用变化模拟发现区域内土地利用变化快,生态恢复压力大,未来流域内水生态压力会进一步加剧。
本文以天津市及其东南海域为研究区,基于Landsat遥感影像使用随机森林分类开展了1990-2020年土地利用覆盖制图,采用计算机软件技术CA-Markov模型预测了2025、2030年的土地利用状况。最后,结合人口格网数据评估天津市可持续发展情况。这项研究可为天津市区域国土资源规划、城市布局和生态保护提供参考。
1研究区与数据源
1.1研究区
天津市位于北纬38°34′~40°15′、东经116°43′~118°4′之间,土地总面积11966.45平方公里,地处华北平原东北部,是中国北方最大的港口城市。本文的研究区为包括天津市及其东南部分海域共约13770.65平方公里的地区。
1.2数据源与预处理
本文遥感数据为覆盖研究区的2000-2020年7景植被生长季Landsat5/8影像数据。预处理采用ENVI软件对数据进行影像辐射定标、大气校正、镶嵌和裁剪。辅助数据包括ASTGTM2 DEM数据、OpenStreetMap路网数据和WorldPop人口数据。各数据坐标系统一转换为WGS_1984_UTM_Zone_50N。
2技术方法
2.1随机森林分类
随机森林算法综合了Bagging集成、CART决策树和特征随机选取思想,其利用Bootsrap重抽样从原始样本中抽取多个样本,对每个Bootsrap样本构造决策树,然后组合多棵决策树的预测得出最终结果。本文将研究区土地分类体系定为：建设用地、耕地、林地、草地、裸地、河湖、海洋七类。基于Landsat影像提取相应的光谱影像特征,采用机器学习中随机森林的分类方法(Classification Algorithms-Random Forest)[6],制作研究区1990-2020年土地利用覆盖图。
2.2软件模型构建
伴随着新技术的不断发展,CA-Markov模型作为一种耦合模型,被广泛的应用于长序列的土地利用动态变化的模拟预测[7]。本文的模拟预测过程如下：(1)利用Markov模型根据2010和2015年的土地利用覆盖图计算转移概率和面积矩阵；(2)选择建设用地、铁路、高速公路、公路、水体、高程和坡度作为驱动因子,使用模糊隶属函数和层次分析法确定驱动因子的权重,利用多准则评价(MCE)方法制作适宜性图集；(3)构建CA滤波器,模拟预测2025年和2030年土地利用变化利用,并对CA-Markov模型进行精度评价。
Markov模型是基于“无后效性”的特殊随机过程的经典数量预测模型,即下一时刻的土地利用状态仅取决于上一时刻的土地利用状态。其变化模拟过程如式(1)所示
式中S(t+1)为下一时刻的土地利用变化,St为上一时刻的土地利用变化,Pij为两个时刻的土地利用状态转移概率矩阵,代表i地类转移为j地类的概率。元胞自动机(CA)是空间预测模型,其在时间和空间上都是离散的动力系统。利用元胞局部的转化规则,可以模拟出
复杂的土地利用变化过程,其表达式如式(2)所示：
式中St、S(t+1)为前后时刻元胞状态集合,f为元胞转换规则,N为元胞领域。
基于研究区发展历史、专家知识和类似研究确定驱动因素的权重,对处理结果做一致性检验,本研究的一致性比率为0.02远小于规定阈值0.1,证明处理过程合理。通过公式(3)将影响性因素与其权重进行线性组合得到建设用地适宜性分布图(如图1所示)。
式中P为某一地类适宜性概率图,yi、wi分别为第i个影响因子的适宜概率图和权重；xj为第j个限制性因子,m、n分别表示影响性因子和限制性因子数量。
2.3精度评价
精度评价是检验模型的一个重要方面。本文采用总体精度和Kappa系数进行精度评价作为随机森林分类和CA-Markov模型模拟精度的评价指标。对于模型预测从数量和空间位置两个方面分析与实际变化的匹配程度。Kappa系数计算公式如式(4)所示：
式中Po表示正确模拟概率；Pc表示模拟预测的概率；Pp表示理想模拟概率。
3结果与分析
采用随机森林得到的七期土地利用覆盖图分类总体精度和Kappa系数均超过90%,满足精度要求。分类结果显示1990-2020年,天津市建设用地面积由1990年的1523.13km2增长到2020年的3045.90km2,建设用地主要在滨海新区沿海带状扩张和环城区的中心城区向外辐射扩张。
基于2010年和2015年土地利用覆盖图,采用Markov模型生成2010—2015年以5年为周期的转移概率矩阵、面积矩阵以及Markov适宜性图集,以此模拟研究区2020年土地利用类型(如图2所示)。利用2020年实际土地利用图像对模拟结果进行检验,得到总体Kappa系数为81.21%,模拟结果表示,CA-Markov模型精度较高,可用于未来土地利用格局的模拟预测。2020-2030年天津市整体土地利用结构保持不变,仍以耕地为主,建设用地次之且扩张速度减缓,未来天津城市建设用地在原有基础上往外辐射扩张,彼此间更紧凑更集中。
基于城市功能边界内建设用地和人口数,计算城市功能区内人口增长率、土地消耗率以及土地利用效率。根据预测结果,在未来10年研究区城市功能区人口增长率持续降低,土地消耗率在2020—2025年间有所回升。2020年以后城市功能区人口增长率仍缓慢下降,而土地消耗率会有小幅度的提升,土地城镇化和人口城镇化趋于协调。
4结语
本文采用随机森林方法调查了30年来天津市及东南海域的土地利用格局,遥感技术与CA-Markov模型的结合模拟预测了2025、2030年的土地利用分布和发展趋势。CA-Markov模型模拟结果的总体Kappa系数达到81.21%,其将Markov模型的趋势预测和描述能力与CA模型处理空间位置的变化和分配能力二者融合,兼顾数量模拟和空间模拟的优势,能够有效地对土地利用结构数量及空间分布进行预测。预测结果表明未来10年建设用地在原有基础上向外缓慢扩张分布更加集中,土地城镇化和人口城镇化趋于协调发展。
本研究可为天津市城市化过程中土地合理开发利用政策制定提供参考,计算机软件技术在土地利用动态预测和模拟的效果较好,可应用于其他城市的可持续发展状况分析。对此,后续发展中应加强土地利用类型变化因素的研究工作,提高模型精度,深化技术应用价值,尽可能对不同情景下的土地利用变化进行模拟和预测,为国土空间规划和决策提供依据。
参考文献
[1]ZHOU M,LU L,GUO H,et al.Urban Sprawl and Changes in Land-Use Efficiency in the Beijing–Tianjin–Hebei Region,China from 2000 to 2020:A Spatiotemporal Analysis Using Earth Observation Data[J].Remote Sensing,2021,13(15):2850.
[2]贾琦,运迎霞,黄焕春.快速城市化背景下天津市城市景观格局时空动态分析[J].干旱区资源与环境,2012,26(12):14-21.
[3]陈逸敏,黎夏.机器学习在城市空间演化模拟中的应用与新趋势[J].武汉大学学报(信息科学版),2020,45(12):1884-1889.
[4]黎云云,畅建霞,王义民,等.基于CA-Markov模型的黄河流域土地利用模拟预测研究[J].西北农林科技大学学报(自然科学版),2020,48(12):107-116.
[5]何丹,周璟,高伟,等.基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J].北京大学学报(自然科学版),2014,50(6):1095-1105.
[6]周天宁,明冬萍,赵睿.参数优化随机森林算法的土地覆盖分类[J].测绘科学,2017,42(2):88-94.
[7]NOURI J,GHARAGOZLOU A,ARJMANDI R,et al.Predicting Urban Land Use Changes Using a CA–Markov Model[J].Arabian Journal for Science and Engineering,2014,39(7):5565-5573.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/50612.html
