纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用

发布时间：2024-04-14 10:40

　　FLUS模型是一种新型的土地利用变化模拟模型,应用前景广阔。本文通过在FLUS模型的人工神经网络(Artificial Neural Network,ANN)训练模块中引入空间自相关因子来改进模型,以珠江三角洲地区为例,基于2009年、2015年土地利用数据和一系列驱动因子对改进的模型进行了验证,并利用该改进的FLUS模型模拟了2035年研究区在3种情景下土地利用变化格局。结果表明:①引入空间自相关因子后各地类发生概率分布的预测精度更高,耕地、林地、建设用地、水体和未利用土地的拟合优度ROC值分别从0.819、0.928、0.885、0.855和0.861提高到0.857、0.934、0.890、0.863和0.978;②改进的FLUS模型的模拟精度有一定的提高,Kappa系数从0.732提高到0.744,FOM系数从0.077升到0.106;③情景模拟表明,3种情景下珠江三角洲建设用地和林地均将增加、而耕地均呈减少趋势。但不同情景下模拟的土地利用格局也存在显著差异:基准情景下,建设用地明显扩张且大幅侵占耕地。耕地保护情景下,耕地面积保持在合理水平,建设用地蔓延扩张趋势得到遏制,土地利...

【文章页数】：12 页

【部分图文】：

图1珠江三角洲地区示意

根据获取的资料和研究区实际及参考相关研究[22-23]，本文选取了23个土地利用变化驱动因子：利用GIS软件从获得的基础地理数据中提取的到最近河流的距离、到最近铁路的距离、到最近主要公路的距离、到最近次要公路的距离、到最近机场的距离、到最近火车站的距离、到最近地级市的距离、到最近....

图2FLUS模型总体结构

FLUS模型主要由基于SD模型的土地利用数量预测模块和基于CA模型的土地利用空间模拟模块2部分组成[23,28-29]。首先通过数量预测模块依据人口、经济发展条件和相关政策来预测地类数量变化，然后使用ANN根据土地利用变化驱动因子估计地类转化概率，再将地类转化概率、元胞间的相互作....

图3地类数量预测的系统动力学模型内部结构

式中：Inertiakt表示第t次迭代时地类k的惯性系数；Dkt-1、Dkt-2分别表示t-1、t-2时刻地类k的数量与需求之间的差值。综合各元胞上的地类发生概率、元胞间邻域影响、转换成本和自适应惯性系数，可以确定各元胞的土地利用总体转换概率：

图4引入FLUS模型的各地类空间自相关因子可视化结果

基于2009年土地利用数据和23个驱动因子数据，在50～500m间隔步长为50m共10个空间尺度上分别利用ANN计算了各元胞上各地类发生概率，结果产生的ROC(RelativeOperatingCharacteristic）值如表3所示。ROC方法常用来评估土地利用与其驱....

本文编号：3954558