北京市土地利用决策分析状态概率数据有哪些?

北京市土地利用决策分析状态概率数据有哪些?
北京市土地利用决策分析状态概率数据有哪些?

北京市土地利用决策分析状态概率数据有哪些?
土地利用变化预测方法 土地利用变化模型是深入了解土地利用变化成因、过程,理解土地利用变化与社会、经济及环境条件相互间关系,预测未来变化以提供优化决策的重要途径,有利于不同区域、不同变化机制、不同时期的土地利用变化比较分析,是土地利用变化研究的主要方法[1].为此,LUCC（土地利用／覆盖变化）研究计划在其研究内容中突出了不同尺度、不同层次下LUCC模型研究的重要性.Lambinlzl认为,土地利用变化模型能够帮助科学家提出假设并在案例研究中回答以下3个主要问题：①影响土地利用变化的环境与社会经济因子；②土地利用变化的具体地点；③土地利用变化的速率.LUCC模型的基础数据包括地图、统计数据、遥感数据、文献记录资料等,依据不同研究目标需要构建不同尺度和空间单元的模型,因此长期以来人们从不同的角度出发构建了大量的IJUCC模型（表l）.Ryosukel41通过详细的归纳和总结后认为,IIJCC模型的建模策略可分为基于土地利用变化过程和基于人类行为两种,典型的过程模型如MarkoV模型和CA模型等,而行为模型则客观反映了不同人类决策行为下导致的土地利用类型及强度的变化（图1）.本研究基于对土地利用变化过程的理解和分析,结合MarkoV模型和CA模型对皇甫川流域近十几年及未来的土地利用变化进行模拟与预测,初步探索不同LUCC模型之间祸合和集成的可行性及效果.1.Markov模型 Markov模型作为一种基于栅格的空间概率模型,常用于具有无后效性特征地理事件的预测,也是景观生态学家用来模拟植被动态和土地利用覆被格局变化的最早、最普遍的模型.Markov模型对于研究土地利用的动态演变被证明是较为适宜的,因为在一定条件下,土地利用的动态演变具有M盯k0V过程的性质：①一定区域内,不同土地利用类型之间具有相互可转化性；②土地利用类型之间相互转化过程包含着较多尚难用函数关系准确描述的事件151.具体而言,在通过转移矩阵生成区域土地利用变化的转移概率矩阵的基础上,MarkoV模型被用来预测一些特定情景下土地利用变化的未来趋势,因而成功地应用该模型的关键在于其转移概率的确定.MarkoV模型广泛应用于城市土地利用／覆盖变化模拟、森林和植被可持续性模拟以及景观格局变化的模拟.如Howard!6采用Markov模型对英格兰、威尔士和苏格兰的土地利用变化格局和土壤有机碳含量进行了模拟,并对两者之间的关系及土地利用政策进行了探讨；张明口,、王学雷等［8］利用此模型分别对陕西榆林地区及四湖地区的景观格局变化进行了描述和分析；全川等[9］应用M盯kov模型预测了锡林河流域草原退化格局的演变趋势；王雪军等1101应用TM遥感影像,在ARC八NFO的支持下,揭示晋陕蒙接壤地区14年来土地利用与土地覆被的空间分布规律及其变化特征,并应用M盯koV模型对未来土地利用格局趋势进行预测分析.此后,越来越多的有关空间位置信息和领域方法被考虑到时间系列转移矩阵中来,从而发展了很多基于Markov预测的土地利用时空相关模拟模型.如‘川在MarkoV过程的基础上加人8个领域的信息,详细说明了将空间信息考虑到模型中的整个方法过程,并利用提出的空间模拟模型对乔治亚州某山麓带村庄土地利用变化进行预测,在实践中得以验证；谢志霄等ll2］基于渗透理论和MarkoV过程理论,在考虑8个领域的基础上分别介入不同自然因子和决策因子,建立了3个不同的动态模型并进行比较,说明综合介人决策因素和自然因子的模型具有较好的效果.研究中在考虑领域信息时,采用的是简单的直接邻近的空间相关,即假设各邻域对中心的影响是一样的；而有些学者认为空间相关是和距离有关的,不同距离的相关性不同.在此基础上,李小英等t51建立了MarkoV过程与直接距离法及距离加权法2种不同空间相关分析法的时空模型,通过对北京顺义区的模拟检验表明,在Markov时空模型中,采用48邻域或80邻域的距离加权法的空间分析效果最佳.传统的MarkoV模型可表示为：式中：P（0）和P（n）分别表示初始时刻和任何时刻土地利用的状态概率向量；P为土地利用类型之间相互转化的初始转移概率矩阵,其数学表达式一般为：式中：.为土地利用类型的数目；几是土地利用类型i转变为土地类型j的转移概率,即类型i在某段时间内转变为类型j的面积占类型i在此期间发生变化的所有面积的比例,并满足以下两个条件：.在假设当前社会经济模式发展不变情况下（即不考虑土地利用变化的驱动机制）,Markov模型预测未来各土地利用类型的面积比例较为准确,但却无法对其空间位置和分配进行确定.