毕业论文网
本文关于土地利用论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
基于CLUE-S模型的长安区土地利用变化动态模拟
贾旭飞 杨笑尘
长安大学地质工程与测绘学院 西安71 0054
摘 要：以西安市长安区为研究区域,运用CLUE-S模型,结合二元Logistic回归分析,以长安区201 0年为基期对201 5年土地利用情况进行模拟,得到了较好的模拟结果.在此基础上模拟了长安区在2025年的土地利用空间分布格局.研究结果可为决策部门在土地利用规划和制定相关政策时提供参考依据.
关键词：长安区；CLUE-S模型；土地利用／土地覆被变化
中图分类号：F293.2文献标识码：A
土地是人类发展的基础与国民生活息息相关,也是人类与环境关系的纽带和桥梁.土地利用状况能够反映人类社会活动对环境的影响和作用,能够直接体现人类和环境的关系,可以反映区域的经济发展水平,充分发挥土地的价值,为土地更好更合理利用及相关政策实施提供参考.土地利用空间格局的形成,离不开环境的影响,其中包括自然、社会与经济各方面的因素,各因素在多重时空尺度下交叠影响,相互作用,使其具有复杂的作用机理与变化过程.目前土地利用／土地覆被变化(LUCC)已成为当今全球变化研究和生态环境研究的前沿和热点领域.通过基于CLUE-S模型对长安区土地利用变化动态情况,反映政策导向下未来土地利用优化方式,可以为长安区土地利用优化提供参考.
1研究区概况
西安市长安区位于处于关中平原,介于东经108.38´～109.14’7与北纬33.47’～34.18 ’范围内,南北方向长55km,东西方向宽52km,总面积1589km2.地势走向为南边高北边低,东边高西边低,海拔最低点385.7米,最高点2886.8米.主要过境河流有沣河和产河,均属渭河水系.长安区属于暖温带半湿润大陆性季风气候,年平均气温为15.5C,平均日照为1377h,年平均降雨量为600mm.截至2015年户籍人口106.53万人,常住人口111. 83万人,地区生产总值512.70亿元,比上年增长14.2%,是西安市经济的重要增长极.
2数据来源与处理
本文研究数据包括长安区2010年和2015年土地利用变更调查数据、30mDEM（数字高程模型）、河流、长安区范围图和公路数据等.数字高程模型数据来源于地理空间数据云平台,其他数据来源于《长安区统计年鉴》和西安地情网.长安区国道、省道、高速、铁路及河流数据是以土地利用变更调查数据为主,利用ARCGIS软件对以上数据建立缓冲区,得到相关驱动因子.
参照GB/T21010-2007《土土地利用现状分类》国家标准,并结合长安区土地利用情况,将土地利用现状按照类型分为六大类：耕地、园地、林地、草地、建设用地和水域.选取了距河流湖泊的距离、距省道的距离、距国道的距离、距铁路的距离、距高速公路的距离、高程、坡度和坡向共8个驱动因子.
3研究方法
3.1 CLUE-S模型原理
CLUE-S模型是一种适合研究较小尺度区域土地利用变化的模拟模型,它是基于土地利用变化经验分析之上,通过对土地利用变化与自然、社会经济等驱动因子之间关系进行定量分析,来模拟区域的土地利用空间格局,进一步探索各地类时空演变的内在规律,是经验模型的代表.CLUE-S模型的运行主要包括两个假设条件,一是该研究区的土地利用变化受该区域各土地利用类型需求量所驱动,二是土地利用空间格局总是与该区域的土地利用需求、自然以及社会经济状况等始终保持平衡状态.在该假设的基础上,CLUE-S模型采用系统论的方法分析了各土地利用类型与各驱动因素之间的相互竞争关系,从而完成对土地利用空间格局的模拟.
3.2 CLUE-S模型参数设置
3.2.1空间分析
在CLUE-S模型设置参数前,利用SPSS软件中的逻辑回归分析模块对六种土地利用类型与驱动因子之间的关系进行分析.其模型公式为：
式中：表示第i种土地利用类型在某个栅格中出现的概率；～表示第i种土地利用类型与各驱动因子间的关系；～为各驱动因子的解释变量.
3.2.2土地利用转移弹性系数
土地利用转移弹性系数(ELAS)表示土地利用类型的稳定程度,其取值介于0～1之间,其值越大,表示用地类型越不易发生转化.由于对弹性转移系数的理解因人而异,没有准确计算转移弹性系数的方法,只能凭借经验和对未来土地利用变化趋势的理解.因此通过学习相关知识、计算和查阅相关文献,在模型模拟过程中不断调试,结合长安区2010-2015年间土地利用类型之间的转移矩阵,将耕地、园地、林地、草地、建设用地、水域的转移弹性系数分别设置为0.5、0.8、0.8、0.8、1、0.9.
3.2.3土地利用转移次序
土地利用转移次序表示各土地利用类型之间相互转化的可能性,1表示可以发生转变,0表示不可以发生转变.一般耕地、园地、林地等用地类型就很容易向建设用地转化,而建设用地就很难向其他地类转化,其他用地之间在某种情况下也可以进行转化,因此将建设用地设置为0,即不能转换为其他土地类型,其他土地类型可以转化为建设用地设为1,其他土地之间也可以相互转化设为1.
3.2.4土地利用需求
研究中假设长安区2015-2025年间土地按照自然增长的发展趋势,运用灰色模型长安区各土地利用类型进行预测,得到各用地类型在2025年的土地需求量.其中,2010年耕地面积5,028,500hm2、园地面积347,8001im2、林地面积7,417,800hm2、草地面积101,300hm2、建设用地2,762,900hm2、水域233,200hm2.2015年耕地面积4,151,851hm2、园地面积233,643hm2、林地面积7,386,636hm2、草地面积97,401hm2、建设用地3,795,530hm2、水域226,815hm2.
4结果与分析
4.1 Logistic回归结果分析
将长安区2010年土地利用类型的栅格图及各驱动因子栅格图转换成分辨率分别为100mxlOOm、200mx 200m、300mx300m的txt格式,将数据在CLUE-S模型中转换为能在SPSS软件中识别的标准模式,并利用二元Logistic回归进行分析,对三种分辨率结果进行ROC检验,经过对比分析发现lOOmxlOOm分辨率情况下模拟效果最好,结果见表1.
利用ROC检验结果可以反映所选的驱动因子能否合理的反映各地类的分布情况,通常认为当ROC值大于0.7时,驱动因子可以很好的对土地利用类型进行解释,并可以以此为基础对土地利用情况进行模拟.通过表1可见,对地类进行Logistic回归分析后,驱动因子对地类的解释能力都大于0.7,表明利用所选驱动因子可以对长安区土地利用类型进行很好的模拟.
4.2模型模拟结果检验
对模型参数设置后,运行CLUE-S模型获得2015年模拟结果,并用2015年土地利用现状在ARCGIS中对两次模拟结果进行对比检验.
KAPPA系数常用来评价遥感的分类精度,能够反映土地利用变化模拟过程中模拟正确和错误的栅格的数量以及在空间上的分布情况,KAPPA系数公式为：
Kappa等于(Po - Pc)／(Pp - Pc)
式中,Po表示利用CLUE-S模型正确模拟的比例；Pe表示随机情况下CLUE-S模型模拟的期望模拟比例；Pp表示利用CLUE-S模型理想情况下的正确模拟比例.
用CLUE-S模型以2010年长安区土地利用状况和驱动因子为基期模拟2015年长安区的土地利用状况,经过对比得到模拟的正确的栅格数为14,9745个,占研究区域总栅格数的94.23%,Kappa系数为0.9307,说明CLUE-S模型能够很好的模拟长安区土地利用变化.
4.3长安区2025年模拟结果及分析
长安区在自然发展情景下,土地利用格局按照原有的趋势发展,建设用地继续扩张比2015年增加了10,283hm2.而耕地减少了8,777hm2、园地减少了1,l42hm2相比其他用地减少趋势更大,其中有80%的耕地和10%的园地转换为建设用地.建设用地增加了10,283hm2,且建设用地的扩张以侵占其他土地和城镇周围耕地为主,没有占用太多距城镇较远的耕地.由于林地保护政策等因素的影响,林地只有减少了309hm2.水域也由于发展观念及相关政策的影响只有64hm2的减少.总的来说对长安区2025年土地利用类型格局进行模拟,模拟的结果符合长安区经济发展规律,符合使长安区土地利用格局向着更加合理的方向发展的目标.
5结论
本文利用CLUE-S模型对长安区2015年和2025年土地利用情况进行了模拟,利用二元逻辑回归模型,在综合考虑三大自然因素和五个距离因素以及六个土地利用类型关系的基础上,经过对比发现模拟精度较高,不仅定量的得到土地利用数据也从空间上直观的反映模拟结果,说明可以运用CLUE-S模型研究长安区的土地利用变化,也为其他小尺度区域土地利用类型的模拟提供了参考.
运用CLUE-S模型模拟长安区2025年的土地利用变化的空间格局,得到的结果具有客观性和真实性,可以为长安区土地利用规划、耕地利用保护、研究人口与环境的关系以及土地合理利用方面提供科学参考.由于土地利用变化不仅受到自然因素和社会经济因素的影响,也受到地区政策、社会经济发展状况以及政策实施过程中不可控因素的影响,而这些因素数据难以收集和矢量化,因此模拟结果与真实情况会有偏差.因此在后续的研究中应该把重点放在如何将社会影响因子与区域政策相结合,使模拟的基础数据更接近实际情况,从而使模拟结果更加合理、精度更高.
土地利用论文范文结:
关于土地利用方面的论文题目、论文提纲、土地利用论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。