基于CA-Markov模型的建设用地变化模拟及预测 ——以新疆阿克苏市为例

论文摘要

土地可持续利用是社会可持续发展的基础，建设用地变化是其关键。目前，在土地资源有限的前提下，高速城市化进程导致了建设用地的快速扩展、耕地面积减少和环境污染等结果，如果不加以控制和管理此类现象，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。作为人均土地资源稀缺的国家，必须科学合理配置城市土地，控制城市规模，实现城市的可持续发展。建设用地变化具有开放性、非线性、不确定性和动态性等特征，传统方法难以真实准确的描述建设用地数量和空间上的变化，这一课题已被越来越多的学者重视。然而，目前大部分的研究都集中于以大城市作为研究对象，对县级市域的研究还较薄弱。同时，随着我国新一轮土地利用规划工作的开始，对于县级市域的建设用地模拟预测的研究可以为土地合理规划、管理和使用提供有力工具，并为规划修编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（Markov）在土地利用变化研究方面均有很大的优势，但二者同时也存在各自的缺点。CA模型对空间复杂系统变化的模拟能力与Markov在数量预测方面的优势结合而生成的Markov模型，可在定量和空间两个方面对土地利用变化时空格局进行较好地模拟；同时Markov模型充分考虑到土地利用变化的自然、社会和经济因素的影响，弥补了元胞自动机和马尔可夫链对外界影响因素考虑不周的缺陷。本文选用MARKOV模型和GIS软件相结合的方法对阿克苏市建设用地扩展趋势进行研究可以充分利用现有矢量数据资料，提高了其模拟预测结果的准确性。本文以阿克苏市为典型进行研究，对研究区的建设用地现状、建设用地边界变化的各影响因素等进行研究，为生成适宜性图像集做准备。通过处理研究区的数据资料，将矢量数据应用到元胞自动机的研究中；在IDRISI中，利用Markov模块得到转移面积矩阵，利用MCE模块生成了适宜性图像，设置好Markov模块所需要的条件，运行模型对研究区2015年的建设用地分布进行模拟。模拟预测显示，在空间上，阿克苏市城市建设用地向四周扩散，其中以西北方向扩张趋势明显。由于西部靠近湿地公园，南部靠近基本农田区，城市建设用地扩张边界没有明显变化。总体来说，阿克苏市城市建设用地北部快速发展、南部和西部限制与建设相结合发展的趋势。研究结果证明：将CA-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，将此模型应用于同类地区的建设用地扩展模拟研究。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景和研究意义
• 1.1.1 选题背景
• 1.1.2 研究意义
• 1.2 国内外相关研究进展
• 1.2.1 对传统元胞自动机模型扩展的研究
• 1.2.2 元胞自动机模型与其他模型相结合的研究
• 1.3 CAMarkov模型在相关地区的应用
• 1.4 研究内容与目的
• 1.4.1 研究目的
• 1.4.2 研究内容
• 1.5 研究思路与技术路线
• 1.5.1 研究思路
• 1.5.2 技术路线
• 1.6 可能的创新点
• 第二章 相关概念与理论基础
• 2.1 元胞自动机
• 2.1.1 元胞自动机的概念
• 2.1.2 元胞自动机的构成
• 2.1.3 元胞自动机系统的特点
• 2.1.4 CA 模型存在的不足
• 2.2 马尔科夫链
• 2.2.1 马尔科夫链的概念
• 2.2.2 马尔科夫链存在的不足
• 2.3 CAMarkov 模型的概述
• 第三章 研究区概况
• 3.1 市域概况
• 3.2 研究区土地利用现状
• 3.2.1 土地利用结构
• 3.2.2 土地利用特点
• 3.2.3 土地利用存在的问题
• 3.2.4 建设用地特点及存在问题
• 3.2.5 建设用地变化影响因素
• 3.3 研究区土地资源数量变化
• 第四章 研究区数据的处理
• 4.1 Mapgis 下数据的处理
• 4.1.1 重新分类土地利用类型
• 4.1.2 转换数据格式
• 4.2 Arcgis 下数据格式的转换
• 4.2.1 SHP 文件转为 Raster 文件
• 4.2.2 Arcgis 中 Raster 文件转 ASClI 文件
• 4.3 IDRISI 下数据格式的转换
• 第五章 模拟预测模型的建立
• 5.1 研究区元胞自动机组成
• 5.1.1 元胞
• 5.1.2 元胞状态
• 5.1.3 元胞空间
• 5.1.4 元胞邻居
• 5.1.5 元胞规则
• 5.1.6 时间
• 5.2 确定预测年份
• 5.3 土地利用转移矩阵
• 5.4 土地转变适宜性图集
• 5.4.1 政策因素
• 5.4.2 行政中心因素
• 5.4.3 原有建设用地与交通因素
• 5.5 确定循环次数
• 5.6 验证模型精度
• 5.7 目标期研究区预测
• 5.7.1 预测结果分析
• 5.7.2 预测数据及空间分析
• 第六章 结论
• 6.1 关键技术
• 6.2 不足之处
• 6.3 应用展望
• 参考文献
• 研究生阶段科研成果
• 致谢