基于CA-Markov模型的土地利用类型动态监测及预测研究

摘要

随着空间技术、传感器技术、数字影像处理技术等相关科技技术的发展，现代遥感技术已经进入了一个实时、动态、快速、准确地进行对地观测的新阶段，遥感技术也越来越多地应用于土地利用遥感动态监测中。
　　本文应用遥感技术，通过对皖北某县2004年、2009年以及2014年相同时期的TM（2014为OLI）影像，利用ENVI软件采用最大似然法进行解译，得到三期土地利用分类图。通过二调数据与2009年的分类结果对比分析，表明分类结果是可行的。通过对各影响因子不同阶段内每种地类变化的面积大小进行分析，得出定权公式，利用该公式计算出相应地类面积变化时每种影响因子所占权重大小，利用IDRISI软件中的MCE模块生成土地利用类型适宜性图像，并叠加生成一组图像集，以不同时期土地利用类型的转移概率矩阵为基础，利用CA-Markov模型对研究区2014年和2019年土地利用情况进行预测。将2014年定权条件下的预测结果和等权条件下的预测结果同分类结果进行对比，确定预测精度，通过对比，确定了定权预测的优越性。并根据土地利用类型的演变趋势预测对研究区域后期土地规划提出相关建议。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状及发展趋势

1．2．1 国内研究现状

1．2．2 国外研究现状

1．2．3 发展趋势

1．3 研究内容和技术路线

1．3．1 遥感影像动态监测及预测技术路线

1．3．2 论文结构

1．4 本章小结

2 技术支持及基本理论

2．1 数据来源及技术平台

2．1．1 数据来源

2．1．2 技术支持

2．1．3 软件平台

2．2 土地利用分类体系

2．2．1 土地利用及土地利用分类的定义

2．2．2 土地利用分类体系

2．3 土地利用分类技术

2．3．1 不同时相遥感影像变化信息发现

2．3．2 遥感图像分类

2．4 元胞自动机模型及马尔柯夫模型

2．4．1 元胞自动机模型

2．4．2 马尔柯夫模型

2．4．3 元胞自动机模型及马尔柯夫模型的结合

2．5 本章小结

3 土地利用分类及分析

3．1 研究区概况

3．1．1 自然环境

3．1．2 土地利用现状

3．2 遥感图像预处理

3．2．1 光谱特征及波段组合

3．2．2 投影变换

3．2．3 图像校正

3．2．4 影像的配准

3．3 信息提取

3．3．1 影像的裁切

3．3．2 地类的解译和判读

3．3．3 分类方法

3．3．4 分类结果

3．4 分类精度分析

3．4．1 系统精度分析

3．4．2 错误图斑的提取

3．5 分类结果分析

3．5．1 统计结果分析

3．5．2 地类转换分析

3．6 本章小结

4 土地利用类型预测

4．1 CA-Markov模型

4．1．1 CA-Markov模型的可行性分析

4．1．2 马尔柯夫链

4．1．3 生成马尔可夫转移概率矩阵

4．2 影响因子权重图的制作

4．2．1 道路权重的制作

4．2．2 河流权重的制作

4．2．3 坡度权重制作

4．2．4 坡向权重制作

4．3 土地利用类型转换规则分析

4．3．1 2004-2009年土地利用类型转换分析

4．4 土地利用类型演变预测

4．4．1 权重的分配及适宜性图集的制作

4．4．2 土地利用类型预测

4．4．3 预测结果验证

4．5 预测结果分析

4．6 土地保护体系的构建

4．6．1 确定永久性基本农田保护区及建立其数据库

4．6．2 加强城镇建设用地的约束力

4．6．3 节约利用和集约利用相结合

4．7 本章小结

5 总结与展望

5．1 总结

5．2 不足之处

5．3 展望

参考文献

致谢

作者简介