FLUS模型是一種新型的土地利用變化模擬模型,應用前景廣闊。本文通過在FLUS模型的人工神經網絡(Artificial Neural Network,ANN)訓練模塊中引入空間自相關因子來改進模型,以珠江三角洲地區(qū)為例,基于2009年、2015年土地利用數據和一系列驅動因子對改進的模型進行了驗證,并利用該改進的FLUS模型模擬了2035年研究區(qū)在3種情景下土地利用變化格局。結果表明:①引入空間自相關因子后各地類發(fā)生概率分布的預測精度更高,耕地、林地、建設用地、水體和未利用土地的擬合優(yōu)度ROC值分別從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改進的FLUS模型的模擬精度有一定的提高,Kappa系數從0.732提高到0.744,FOM系數從0.077升到0.106;③情景模擬表明,3種情景下珠江三角洲建設用地和林地均將增加、而耕地均呈減少趨勢。但不同情景下模擬的土地利用格局也存在顯著差異:基準情景下,建設用地明顯擴張且大幅侵占耕地。耕地保護情景下,耕地面積保持在合理水平,建設用地蔓延擴張趨勢得到遏制,土地利...

【文章頁數】：12 頁

【部分圖文】：

圖1珠江三角洲地區(qū)示意

根據獲取的資料和研究區(qū)實際及參考相關研究[22-23]，本文選取了23個土地利用變化驅動因子：利用GIS軟件從獲得的基礎地理數據中提取的到最近河流的距離、到最近鐵路的距離、到最近主要公路的距離、到最近次要公路的距離、到最近機場的距離、到最近火車站的距離、到最近地級市的距離、到最近....

圖2FLUS模型總體結構

FLUS模型主要由基于SD模型的土地利用數量預測模塊和基于CA模型的土地利用空間模擬模塊2部分組成[23,28-29]。首先通過數量預測模塊依據人口、經濟發(fā)展條件和相關政策來預測地類數量變化，然后使用ANN根據土地利用變化驅動因子估計地類轉化概率，再將地類轉化概率、元胞間的相互作....

圖3地類數量預測的系統(tǒng)動力學模型內部結構

式中：Inertiakt表示第t次迭代時地類k的慣性系數；Dkt-1、Dkt-2分別表示t-1、t-2時刻地類k的數量與需求之間的差值。綜合各元胞上的地類發(fā)生概率、元胞間鄰域影響、轉換成本和自適應慣性系數，可以確定各元胞的土地利用總體轉換概率：

圖4引入FLUS模型的各地類空間自相關因子可視化結果

基于2009年土地利用數據和23個驅動因子數據，在50～500m間隔步長為50m共10個空間尺度上分別利用ANN計算了各元胞上各地類發(fā)生概率，結果產生的ROC(RelativeOperatingCharacteristic）值如表3所示。ROC方法常用來評估土地利用與其驅....

本文編號：3954558