基于CA-Markov模型的云中镇土地利用变化预测研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

本课题的意义、国内外研究概况、应用前景等（列出主要参考文献）

一、研究背景

目前，伴随着人口增长与工业化、城市化的进程，人类开始以空前的规模和速度对包括土地在内的自然资源进行开发利用。地球上1/3-1/2的土地己经由于人类的开发利用而改变，从而对整个生态系统的结构和功能造成了实质性的影响，同时也改变了生态系统与大气、水系统和周边土地的相互作用。[1]人类行为和自然过程一道促使了土地利用变化趋向活跃。土地利用变化不仅是引起其他全球变化问题的主要原因，也是自然和社会经济发展过程交叉最为密切的领域。区域经济社会系统和土地利用系统是相互影响和制约的，土地利用变化受经济社会发展水平影响，同时又反作用于经济社会发展，影响到其协调可持续发展水平。在我国人多地少的国情下，土地利用与经济社会发展的矛盾十分尖锐。鉴于以上原因，根据区域经济社会发展需要和土地适宜性特征，编制区域土地利用规划，对区域土地资源配置和土地开发、利用、保护进行统筹协调、合理安排，有着重要意义。土地利用规划自50年代引入我国后，得到了很大的发展，无论是规划的理沦、实践、体系，还是规划的深度、广度与手段都有了较大的进步。在全国范围内广泛开展的土地利用总体规划现今已经完成两轮 (1986-2000，1997-2010)。各类土地需求量预测是土地利用总体规划研究的基础和核心内容之一，对区域各类土地需求量预测的科学性、准确性进行深入探讨和研究，将为区域土地规划的编制提供重要依据，其本身也是区域土地利用规划编制的重要前期研究专题之一。

本课题以山西省怀仁县云中镇为研究对象，在系统分析该区土地利用动态变化和主要驱动力的基础上，对该区土地需求量进行预测，并给出相应的政策建议。

二、研究意义

土地利用是人类主要的生产活动方式，而土地利用变化则是土地利用活动过程的外在表现，是人类利用土地的自然属性和社会属性不断满足自身发展需要的动态变化过程。土地面积的有限性和土地需求的增长性之间的矛盾需要借助于合理、科学的土地利用规划来解决。而土地规划中要进行大量的调查研究工作，即调查过去、现在和预测未来，因此，预测是规划和土地利用管理的重要手段。几乎可以说，没有科学的预测就没有合理的规划。正是科学预测提供的未来信息，为规划提供了不可缺少的先决条件，从而提高了土地利用管理系统在未来实践中的应变能力。

各类土地需求量预测是土地利用总体规划调查研究的重要基础工作及其主要专题之一，是土地利用总体规划的重要组成部分和核心内容。在全面考虑生产与生活需要、分析社会经济条件优势所在，协调主导产业与基础产业关系的基础上，根据规划

期各部门用地规模和土地利用动态变化趋势，运用现代技术手段对未来若干年内的土地利用状况做出超前评估，可为有计划、因地制宜地合理安排农业和非农业用地提供依据，为协调产业用地矛盾，编制土地利用总体规划提供决策技术支持。预测结果是否科学准确，直接关系到未来若干年内各部门的用地分配和土地利用空间布局的合理性，是决定土地利用合理与否的关键。科学的用地预测可以起到正确协调农用地与各项建设用地之间、农业内部各部门之间的用地矛盾，达到土地利用的供需平衡，为合理利用每寸土地、不断改善生态环境和各业发展创造条件。运用基于区域空间的动态模型，对城市发展变化过程中各类土地的动态变化进行有效的描述、模拟和分析，为制定合理的土地利用方案提供依据，保证土地利用结构的合理性，保持土地的利用的科学性、可持续性从而降低中国城市化过程的风险水平，无疑具有重要的理论意义。

随着计算机信息技术和GIS的发展，运用基于等高线生成的数字高程模型(DEM)对区域内的各土地利用类型变化中的动态行为进行有效的描述和分析，认识和理解土地利用变化过程的基本特征规律。结合CA-Markov模型对土地利用变化的过程和发展趋势进行模拟和预测研究，建立基于DEM和CA-Markov的土地利用动态演化模型，可以有效地模拟研究区域的土地利用演化过程，进而探索在快速城市化背景下城市未来的发展取向。同时，对探讨计算机信息技术在土地利用规划中的应用也是一种有益的尝试。

三、国内外研究概况

1995年，国际地圈生物圈计划（IGBP）和全球环境变化人文领域计划（IHDP）联合制定并提出针对人类活动和全球变化间的人和生物驱动影响土地利用与土地覆被及其对环境和社会的影响的土地利用与土地覆被变化（LUCC）研究计划。其确定了两个主要研究方向：一、通过实例研究，揭示不同状态下土地覆被动态变化的特征与原因；二、建立全球或区域内土地利用/土地覆被变化模型，通过模型揭示土地利用/土地覆被与驱动力之间的相关关系，预测全球或区域的土地利用/土地覆被未来变化趋势。通过深入理解人为活动对土地覆被的影响，从而预测土地利用覆被变化的过程，并寻求对土地积极的人为干预。2002年，LUCC研究进入Global Land Project阶段。2003年IGBP为Global Land Project制定了研究重点并提出了相关的科学问题。研究计划已在世界各国得到了广泛的开展和实施，研究内容也从全球气候变化效应研究扩展到不同空间尺度的土地利用和土地覆被变化过程的驱动机制以及资源、生态和环境效应影响的研究等诸多方面。[2][3]

随着LUCC研究的深入，基于不同理论观点的各种模型应运而生，在此对常见的模型的应用理论，实现的功能，数据的需求情况做出总结，见下表1。

表1 几种主要的土地利用变化模型

GTR（Generalized Thunen-Ricardian）模型是传统杜能模型的扩展，它将城市化作为土地利用变化的主要驱动因子。当地的自然条件也被考虑到了模型中，并与城市化一起并列为模型的两大解释成分。其中的 Thunen 成分包括城市中心人口和农村与城市间的距离，代表着来自区域城市中心的影响方面的两个状态变量。Ricardian 成分包括代表当地自然条件的海拔和坡度这两个自然条件变量[16]。

土地利用变化及其效应（Conversion of Land Use and its Effects）CLUE 模型是一种动态的、多尺度的土地利用变化空间分布模拟模型。该模型主要适用于大尺度的宏观研究，所模拟的单元土地利用特征用复合类型表示，即不同土地利用类型所占的百分比，主要用于发现土地利用变化的热点地区。CLUE 模型由四个主要的模块组成，即需求模块，人口模块，产量模块和空间分配模块。需求模块用于在国家级层次上计算国家农产品需求时主要考虑人口增长，膳食结构变化和进出口数量；人口模块将利用历史时期的人口统计数据进行人口变化的趋势预测，求算各地区预测期内各年份包括总人口、城镇人口、农村劳动力、农业劳动力等的增长率、人口结构变化以及相关的特征；产量模块以空间解释的办法计算产量水平的变化；空间分配模块直接受需求和人口模块的影响，是整个模型的核心部分。该模块将利用统计分析模块在不同规模尺度上对土地利用与自然生态条件、社会经济因素之间复杂的相互作用关系的分析结果，根据需求模块所确定的土地利用变化目标进行优化。

3.1 元胞自动机理论

元胞自动机(Cellular Automata,简称CA)在20世纪40年代由数学家冯.诺依曼(von Neumann)提出,CA是一种离散的动力学模型,是描述自然界复杂现象的常用工具,其最初被用于模拟生命系统特有的自复制现象。它与其他的系统动力学模型相比不同之处在于,模型的模拟过程是元胞通过一系列简单规则的转变来模拟出复杂的空间结构图。对于体系内所有元胞,在某一时刻的状态取决于其周围邻域元胞的状态,按照此原理元胞空间内的所有元胞在离散的时间维上同步变化更新。元胞自动机由离散的元胞(cells)、有限的状态(States)、邻域(neighbour)和规则(rules)四个基本要素构成,其标准的四元组描述如下:

CA=(L,S,N,F)

CA是元胞自动机;L是任意正整数的维数;S是元胞离散的状态集合;N是元胞的邻域环境,用数学公式表示为:

N=(s1,s2,s3,..,sn)

n为元胞的邻居个数,sn S;F是局域的转换规则,将sn映射到S上的转换函数。

元胞自动机在构建空间复杂系统具有如下特点:

(1)CA模型由构成系统的单元间的相互作用来模拟整个系统的行为变化,是一种自下而上的构建方式,具有很好的开放性和灵活性,是复杂性科学所倡导的复杂性研究方法。

(2)CA模型在时间和空间都是离散的,能很容易的应用于计算机上建模。

(3)地理系统变化过程就是一个复杂的时空变化的动态行为过程,以模型就是一种天然的空间动力学模型,通过研究对象的元胞空间和初始状态及状态转换规则,自动进行迭代运算,适于模拟具有时空特征的空间复杂系统。

(4)CA模型的构建单元为一组元胞集合,而元胞只提供一个空间的行为本身不受元胞空间尺度和时间的影响,不受测度的影响,时空测度的影响通过转换规则体现。因而,CA模型不依赖于比例尺的概念。

(5)GIS的栅格数据与以具有相同的空间数据结构,因而易于与GIS和RS等地理信息技术集成。

3.2 马尔可夫链理论

马尔可夫链模型是利用变量的现在状态和未来发展的变化趋势,去预测该变量未来的状态及其动向的一种分析手段。当系统由定义状态的变量所取的值来描述的时候,称系统处于一个状态。如果系统的描述量发生改变,从一个状态的特定值转移到另一个状态的特征值时,则称该过程为马尔可夫过程。该过程的特点为无后效性和稳定性,无后效性是指在事件的发展过程中,系统的第n次结果状态只与第n-1次有关,与以前所处的状态无关;稳定性是指在较长时间后,马尔可夫过程逐渐趋于稳定状态,而与初始状态无关。未来状态的估算主要通过确定转移概率矩阵,计算出状态转移概率矩阵后,再根据现在时刻事物所处的状态,计算出未来事物所处的状态。

若随机过程{x(t),t T},在任一时刻n,以及任意状态i0,i1,..,in-1,in, j下面的条件概率等式成立

P{X(n l)=j|X(n)=in,X(n-1)=in-1,..,X(1)=i1:,X(0)=i0}=P{Z(t 1)=J|Z(n)=i}

即X(t)在时刻n 1的状态X(n 1)=j的概率分布只与时刻n的状态X(n)=i有关,而与以前的状态X(n-1)=in-1,..,X(0)=i0无关。则称X(t),t T为一个马尔可夫链。

记条件概率:P{X(n l)=j|X(n)=i}=Pij(n)为时刻n的转移概率。如果时刻t T,则由转移概率Pij(n)为元素构成的矩阵称为在时刻n的概率转移矩阵。

3.3 CA-Markov模型概述

Markov 模型对土地利用变化的预测长于数量，而空间参数较弱，无法得知各土地利用类型在空间上的变化程度；CA 模型具有了较强的空间概念，有较强的模拟复杂空间系统的时空动态演变能力。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。一个完整的土地利用情景分析包括了情景设定及设定情景的土地利用数量结构和空间格局分析，即未来情景下土地利用面积转换矩阵的设定以及对目标年土地利用数量结构的分布。

IDRISI中的CA-Markov模块集成了元胞自动机与马尔可夫程序的功能，利用转换概率表及土地转化适宜性图集来预测土地利用变化情况，可较好地进行土地利用变化情景模拟。

基于CA的城市空间动态模型研究在我国起步比较晚，受国际研究的推动，近几年国内地理学界才开始类似的研究尝试，比较有影响的有周成虎、黎夏、罗平、何春阳等人。周成虎等人在Batty和Xie的CA模型的基础上构建了面向对象的、随机的和两个CA模型藕合的Geo CA-Urban模型，该模型可以引入GIS空间数据库、遥感土地分类等实际数据来模拟和预测具体城市的发展演化，并于1999年出版了《地理元胞自动机》一书，对相关工作进行了介绍和总结，该书是国内有关CA在地理学中应用的第一本教材，具有很大的参考价值。

随后，黎夏等人通过构建约束性单元自动演化模型，结合主成分分析和神经网络，多准则判断(MCE)，数据挖掘等技术成功地对东莞市的城市用地扩展进行了模拟。在将各种尺度的约束因素加入模型时会遇到各种影响因素权重确定的难题，现有的研究中，权重一般都利用专家打分和层次分析法(AHP)事先给定，然后在计算过程中进行封装固化，以简化模型。

事实上，随着城市的发展变化，各种影响因素的作用能力也在不断变化，因此，其权重应该随着模型的执行保持动态的变化[5-8]。史培军等在进行深圳土地利用变化模拟时，利用Monte-Carlo方法来确定各种影响因素权重，具有一定的借鉴意义[9]。关于扩展CA模型，张显峰的集成GIS和细胞自动机模型进行地理时空过程模拟与预测的新方法研究比较具有代表性[10]。其在总结前人研究的基础上，将标准CA模型的4元组进行扩展以满足GIS环境下时空动态模拟的要求，提出CA扩展至少应包括元胞空间的扩展。地理元胞空间不再是一个抽象的空间，而是和笛卡 尔坐标系下的地理空间对应。根据模拟分析对象的空间特性，可以抽象为1维的(如交通流)、2维的(地块)和3维(污染物扩散)的元胞空间，由此研究自下而上的动态模拟建模框架，然后以城市土地利用演化这一动态过程为例，建立了土地利用演化动态模拟与预测模型(LESP)，最后运用此模型对包头市城市扩展和土 地可持续利用演化进行了比较成功的模拟和预测，结果表明该模型具有模拟地理复杂系统时空演化过程的能力。罗平等对关于城市上地利用演化的研究也做了比较详细的工作。他们结合经典地理过程分析的基本理论，认为CA在地理系统模拟中有四个方面的局限性：一是地理空间单元描述的限制，无法描述更高空间层次的位置，也无法描述属性意义上的其它地理位置；二是基于邻域概念的局部空间关系描述的限制，基于纯几何特性来定义邻居不能真实地反映局部的空间相互作用和空间关系；三是元胞流介质均匀的假设前提限制；四是局部演化规则的局限性。基于此思路，罗平将综合了几何和非几何属性的地理特征概念引入元胞自动机，对其元胞、邻居模型和局部演化规则三个方面进行了扩展，并提出了城市土地利用演化的生命机制和欲望等概念，构建了基于地理特征的城市土地利用演化CA模型(GFCA-Urban)，并以深圳特区为试验区域进行了实例研究[11]。何春阳等提出了基于CA模型的大都市区城市扩展模型，其发展了大都市区城市扩展空间动态模型(City Expanding model in the metropolitan area，CEM)，从宏观外部约束性因素和局部城市单元自身扩展能力变化共同作用影响城市发展变化的角度，结合自上而下的经济学Totenberg模型和CA模型发展了一个大都市区城市扩展动态空间模型(CEM)，对北京地区1975-1997年的城市发展过程进行了模拟重建，1998-2015年的城市发展格局进行了不同选择下的情景预测。结果表明，在对各种影响因素进行严格标准化和利用自适应Monte-Carlo新方法多次模拟确定最佳影响权重的基础上，该模型可以在一定程度上反映城市发展，尤其是大都市区城市发展演变的特征和规律，具有一定模拟大都市区城市扩展空间动态过程的能力[12]。

20世纪60年代。元胞自动机在地理学中就有应用,在研究空间扩散模型,Hagerstrand (Hagerstrand,1965)首先提出了类似于元胞自动机的思想;20世纪70年代,Tobler (Tobler, 1970)在模拟当时美国五大湖边底特律地区城市的迅速扩展时最先正式采用了元胞自动机的概念。20世纪代80年以来,CA研究理论愈加深入,元胞自动机在地理学中的理论研究和实际应用方面都得到了快速发展。美国的Helen Couclelis (Couclelis, 1988)认为城市发展的模拟需要用这类创造力十足的模型。20世纪80年代后期,元胞自动机开始成为空间分析和地理研究的热点课题。Batty和Xie (Batty和Xie,1997)提出了早期的城市CA,并用来模拟城市演化。White和Engenlen (White和Engelen,1993)利用该模型探讨了全球变化对Caribbean岛土地利用构成变化的影响。Flavio Bonfatti等人(Bonfatt等,1994)在对意大利威尼斯湾湖的动态变化模拟中更深地展示了 CA模型在模拟复杂地理现象的潜力。Ichiro Embutsu等人(Embutsu等,1994)利用CA模型模拟了城市热岛效应。B.Chopard等人(Chopard等,1995)利用该模型模拟了交通流。[17]

CA-Markov模型的在国内的应用近年来开始兴起，封娇基于CA-Markov模型对老河口市土地利用格局变化进行研究，用2010年的实际土地利用格局图与模型模拟老河口市2010年的土地利用格局模拟图作对比,通过Kappa系数来进行精度验证,来检验该模型的预测效果，结果有足够的可信度[13]。季翔对洞庭湖区金井镇的乡村景观格局进行了预测，对乡村景观的稳定性进行评价,划分了稳定、较稳定、较不稳定和不稳定4个等级。通过对研究区域的实证研究得到景观的变化概率可以反映出乡村景观的稳定性[14]。张茜对杭州湾南岸湿地景观格局进行了动态模拟预测，Kappa系数为0.7585，可信度较高[18]。

参考文献

[1] Vitousek.P.M，Mooney.H.A，eta. Human domination of earths ecosystems [J].Science，1997,277:494-499.

[2] 李秀彬.土地利用变化的解释[J].地理科学进展,2002,21（3）.195-203

[3] Peter H，Verburg，Paul P，Schot，Martin J，Dijst A，Veldkamp. Land use change modelling: current practice and research priorities[J]. GeoJournal.2004，61.309-310

[4] 赵冠伟，陈颖彪，陈健飞，李江涛. CA-Markov模型的空间尺度敏感性研究[J]. 地理科学，2011，08.897-902.

[5] 黎夏，叶嘉安.单元自动演化模型自动生成农田保护区的研究[J].中国环境科

学.2000，20(4):318-322

[6] 黎夏，叶嘉安.主成分分析与Celluar Automata在空间决策与城市模拟中的应用[J].中国科学，2001，3-(8)，683-690

[7] 黎夏，叶嘉安.基于神经网络的单元自动机以及真实和优化的城市模拟[J].地理学报，2002，57(2)，159-166

[8] 黎夏，叶嘉安.约束性单元自动演化CA模型及可持续城市发展形态的模拟[J].地理学报，1999，54(4)，159-166

[9] 史培军，陈晋，潘耀忠.深圳市上地利用变化机制分析[J].地理学报，2000，50(2)

[10] 张显峰，崔伟宏.集成GIS和细胞自动机模型进行地理时空过程模拟与预测的新方法[J]，测绘学报，2001，30(2):-48-155.

[11] 罗平.地理特征元胞自动机及城市土地利用演化研究[D].武汉大学，2004

[12] 何春阳，陈晋.大都市区城市扩展模型以北京城市扩展模拟为例.地理学报，2003，58(2):294-304。

[13] Konagaya K，Monta H，Otsubo K. Chinese land use predicted by the GTR Model[A]. Discussion paper in the 1999 Open Meeting of Human Dimensions of Global Environmental Change Research Community[C]. Tokyo，1999.

[14] 封娇. 基于CA-Markov模型的老河口市土地利用格局变化研究[D].华中师范大学,2014.

[15] 季翔. 城镇化背景下乡村景观格局演变与布局模式[D].中国农业大学,2014.

[16] 张茜. 基于CA-Markov模型的杭州湾南岸湿地景观格局动态模拟与预测[D].浙江大学,2013.

2. 研究的基本内容和问题

一、研究的目的

研究的目的是通过采用一系列的定量指标，分析云中镇各土地利用类型的数量变化，并对其数量变化与坡度因子进行相关性的分析，探讨其土地利用分布与坡度因子的关系，为区域土地利用变化预测的研究提供研究基础，同时采用ca-markov模型对云中镇未来一段时期土地利用结构进行预测，结合当地的土地利用现状存在的问题，指明实现土地合理利用和可持续发展的可行性建议，为区域土地利用规划编修和土地持续利用管理与决策提供科学依据。

二、研究内容

3. 研究的方法与方案

本课题的研究方法主要有以下几种:

(l)定性分析与定量分析相结合。在土地利用类型变化过程分析中定性分析数字高程模型中的地形因子对土地利用变化的影响，定量分析其因素的影响程度。

(2)宏观分析与微观分析相结合。对于该研究问题而言，采用宏观分析是指研究的出发点与领域的宏观整体性，从整体土地利用的可持续性角度研究土地利用变化问题；微观分析研究的出发点和领域，则是各种地类为研究对象，研究地形因子和土地利用变化问题，同时将研究区内的所有土地看作一个个元胞，对每个元胞的转化进行预测。

4. 研究创新点

(l)将Markov模型与CA模型进行了结合，不仅从数量上得到了研究区各土地利用类型的转变，且从空间上也得到了其转变的具体特征。

(2)将地形因子中的坡度引入到各地类转移概率的确定当中，在考虑坡度因子的前提下对各地类在下一时段的转移概率进行了修正。

5. 研究计划与进展

2015.12-2015.1 查阅相关文献资料，获取研究区数据

2015.1-2015.2 完成研究区遥感图像的解译和分类

2015.2-2015.4 完成土地利用预测