基于CA_MARKOV的城市建设用地扩展趋势研究 ——以沈阳市苏家屯区为例

论文摘要

城市建设用地扩展研究是土地利用研究的一个方面。目前,在土地资源有限的前提下,高速的城市化进程导致了城市建设用地快速扩展、耕地面积减少和环境污染等结果,如果这种现象不加以控制和管理,不但会掣肘社会、经济各方面的发展,而且会对环境产生深远的负面影响。如何既保持快速健康的城市化进程,达到经济发展的目标,又不威胁生态环境安全;既扩张城市规模,又不造成土地资源的浪费;既拓展城市生存发展空间,又不过多侵占耕地以保证粮食安全,科学合理的优化配置土地资源,保证城市健康协调发展,达到城市与农村、社会与环境、人与自然和谐发展的目的。这一课题已被越来越多的学者重视。城市建设用地扩展预测方面的研究,将为今后的城市规划、土地规划等工作提供科学的参考和有力的支持。元胞自动机（CA）和马尔可夫链在城市建设用地扩展预测方面都有很大的优势,但二者同时也存在各自的缺点,CA-Markov模型吸收了马尔可夫链和元胞自动机等理论在时间特性和空间特性方面的优点,可在定量和地理空间两方面较好地进行城市建设用地扩展的时空格局模拟;同时,本研究在CA-MARKV模型基础上考虑了土地利用类型转化的适宜性问题和相关的自然、经济和社会因素的影响力,并确定约束性因子,弥补了元胞自动机和马尔可夫模型对外界影响因素考虑不周的缺陷,使CA-MARKOV模型升级为约束性元胞自动机-马尔科夫（Constrained CA-MARKOV,CCA-MARKOV）模型。本文选用CCA-MARKOV模型和地理信息系统（Geographic Information System ,GIS）相结合的方法对沈阳市苏家屯区城市建设用地扩展趋势进行研究,基于多准则判断（MCE）方法对研究区的城市建设用地现状、城市建设用地边界变化的各种影响因子等进行了评价,为转换适宜性图像集合的制作做好数据准备;在IDRISI中利用MARKOV模块得到转换面积矩阵,利用MCE模块得到适宜性图像集,将以上两类数据合并作为CCA-MARKOV模型的规则,对研究区2015年的城市建设用地分布进行模拟。模拟结果为研究区总体上向南部扩展,其中以东南方向扩张趋势明显,与桃仙机场更为靠近。北部与沈阳市区连接更为紧密,但由于开发较早,预测其建设用地变化模式主要为结构调整。西南方向虽然有靠近沈阳市区的优势,但由于生态环境保护因素限制,城市建设用地虽有扩张但趋势并不明显。从总趋势来说,城市建设用地边缘属于缓慢扩张趋势。研究结果证明,将CCA-MARKOV模型应用于研究中具有可行性和准确性,可以根据实际情况调整规则后,将该模型应用于同类地区的城市建设用地扩展模拟研究。本研究的意义在于将传统城市规划、土地规划与GIS建模相结合,将约束性元胞自动机模型用于土地分类调查、区域规划及城市规划等,预测县（区）级城市建设用地变化趋势,并提出一套完整的研究区建设用地变化预测解决方案。

论文目录

• 摘要
• Abstract
• 1. 引言
• 1.1 研究背景
• 1.2 研究意义
• 1.3 城市建设用地扩展研究的必要性
• 2. 研究状态与基本思路
• 2.1 国外研究现状
• 2.2 国内研究现状
• 2.3 研究综述
• 2.4 研究的重点问题和思路
• 3. 基于CCA-MARKOV 的城市建设用地扩展动态模拟的关键技术
• 3.1.C A 模型研究
• 3.1.1 CA 特征及优势
• 3.1.2 CA 模型理论研究
• 3.1.3 用于城市规划领域的CA
• 3.1.4 基于MCE 的CA 城市模型
• 3.2 CA-MARKOV 模型研究
• 3.2.1 马尔科夫模型
• MARKOV'>3.2.2 CA_MARKOV
• 3.3 CCA-MARKOV 模型探讨
• 3.3.1 模拟技术路线
• 3.3.2 基于IDRISI 的CCA-MARKOV 模拟关键技术环节
• 4. 实证研究：沈阳市苏家屯区建设用地扩展模拟
• 4.1 区域概况
• 4.2 研究区土地利用现状
• 4.2.1 土地利用结构
• 4.2.2 土地利用特点
• 4.2.3 建设用地利用特点和存在的问题
• 4.3 基础数据准备
• 4.3.1 遥感提取及模型计算过程
• 4.3.2 训练区提取和地类选取
• 4.3.3 光谱特征提取
• 4.3.4 光谱特征评价与波段选择
• 4.3.5 土地利用类型分类
• 4.4 建设用地扩展模型初步建立与有效性检验
• 4.5 CCA-MARKOV 模拟预测
• 4.5.1 多准则判断与制定标准
• 4.5.2 加权线性合并与适宜性图像集
• 4.5.3 转换概率矩阵与转换面积矩阵
• MARKOV 分析'>4.5.4 CA_MARKOV 分析
• 4.6 结果分析
• 4.6.1 预测数据分析
• 4.6.2 预测数据与基期数据比较
• 4.6.3 预测数据空间分析
• 结论
• 1 关键技术
• 2 创新点
• 3 不足之处
• 4 展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢