基于gis和ca-markov模型的土地利用变化研究——以招远市为例

《基于gis和ca-markov模型的土地利用变化研究——以招远市为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东农业大学硕士学位论文基于GIS和CA-MARKOV模型的土地利用变化研究——以招远市为例姓名：郑燕凤申请学位级别：硕士专业：土地资源管理指导教师：聂宜民20090608山东农业大学硕十学位论文摘要土地利用及其变化是社会经济发展过程的反映，它既受自然因素的制约，又受社会、经济、技术等因素的强烈影响，具有明显的综合性和地域性。同时，土地利用变化对区域和经济环境变化又起着十分重要的作用。因而，土地利用变化研究已成为国内外近期研究的热点问题之一。目前我国新一轮的土地利用总体规划已经开始，对土地利用变化的研究可以总结过去土地利用的特点，

2、预测未来土地利用的状况，对改进土地利用结构和布局具有理论意义和实践意义，对土地利用总体规划的编制起到一定的参考作用。元胞自动机和马尔可夫模型在土地利用变化研究方面都有很大的优势，但二者同时也存在各自的缺点，吸收了Markov和元胞自动机等理论对有关时间序列和空间预测二者优点的CA—Markov模型，可在数量和空间两方面较好地进行土地利用变化时空格局模拟；同时CA—MARKOV模型还考虑到土地利用变化适宜性，充分考虑了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模型对外界影响因素考虑不周的缺陷。本文选用CA-

3、MARKOV模型和GIS软件相结合的方法对招远市的土地利用变化进行研究可以充分利用现有矢量数据资料，提高了结果的准确性。本文以招远市为典型进行研究，对研究区的土地利用现状、土地利用变化的影响因素等进行了分析，为下面土地变化适宜性图像集的生成打下基础。对研究区的数据资料进行处理，使矢量数据能应用到元胞自动机的研究中；在IDRISI中利用MARKOV模块生成了土地利用转移矩阵，利用MCE模块生成了土地利用适宜性图像，设置好CA—MARKOV模块所需要的条件，运行模型对研究区2012年的土地利用现状进行模拟。得出了研究区的农用地减少，建

4、设用地增加，但减少和增加的速度都在放慢的结果，同时，2004～2012年研究区的土地利用变化主要分布在北部建设用地集中的区域。基于GIS与CA．MARKOV模型的十地利用变化研究一以招远市为例最后，提出了本文在矢量数据应用于CA—MARKOV模型和CA-MARKOV模型应用于县级土地利用变化研究中的两个创新点，以及本文在影响因素选择、元胞大小划分方面的不足。研究结果证明，将CA-MARKOV模型应用于县级土地利用变化研究中具有可行性和准确性，可以将其应用于同类地区的土地利用变化研究中。关键词：土地利用变化矢量数据CA—MARKOV

5、2山东农业入学硕士学位论文ABSTRACTLand—usechangeisthereflectofsocialandeconomincdevelopment；itisnotonlyconstrainedbynaturalfactors，butalsoinfluencedbythesociety、economyandtechnologyfactors．Ithastheobviouscomprehensibilityandregionalnature．Atthesametime，Land—usechangeplaysasignific

6、antpartintheregionalandeconomicenvironmentchange．Asaresult．studyonland—usechangehadbecomeoneofthehottopicsintherecentresearchathomeandabroad．Thenewonelanduseoverallplanhasbegan．studyonland。usechangecansummarizethecharacteristicsoflanduseinthepast，forecastthe】andusecon

7、ditioninthefuture，thisworkhasoreticaiandpracticalsignificanceinimprovinglandusestructureandlayout．Studyonland—usechangeplaysareferenceroleinthecompilationofthelanduseoverallplan．nleCellularAutomataandMarkovModelallhavegreatadvantageinthestudyonland—usechange，whileboth

8、ofthemhavetherespectiveshortcomings，CA—MarkovmodelwhichabsorbsthebothbenefitsforTimeSeriesandSpatialPredictionoftheMarkovand