土地利用变化分析预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种土地利用变化分析预测方法及装置，所述方法包括：获取若干个历史年份的土地遥感影像数据；利用人机交互解译的方法提取历史年份的土地遥感影像数据中的土地类型，绘制出分类矢量图；根据所述分类矢量图，计算土地变化幅度，动态度，空间变化，进而分析不同时期土地的动态变化，归纳历史年份的土地利用时空变化特征和规律；选取若干个驱动因子构建Markov‑CA预测模型；根据历史年份的土地利用时空变化特征和规律，利用Markov‑CA预测模型获取未来目标年份的土地利用空间格局。本发明专利技术实施例公开的土地利用变化分析预测方法及装置，通过引入针对不同地类的驱动因子构建Markov‑CA预测模型，提高了土地利用变化分析预测的精度。

Analysis and prediction method and device of land use change

The embodiment of the invention discloses a land use change analysis and prediction method and device, the method includes: obtaining land remote sensing image data of several historical years; extracting land types in the land remote sensing image data of historical years by using human-computer interactive interpretation method, drawing classification vector map; calculating land change amplitude and dynamic according to the classification vector map Degree, spatial change, and then analyze the dynamic changes of land in different periods, and summarize the characteristics and laws of land use temporal and spatial changes in historical years; select several driving factors to build a Markov \u2011 CA prediction model; according to the characteristics and laws of land use temporal and spatial changes in historical years, use the Markov \u2011 CA prediction model to obtain the spatial pattern of land use in the future target years. The land use change analysis and prediction method and device disclosed in the embodiment of the invention improve the accuracy of land use change analysis and prediction by introducing driving factors for different land types to build a Markov \u2011 CA prediction model.

【技术实现步骤摘要】
土地利用变化分析预测方法及装置
本专利技术实施例涉及遥感信息
，具体涉及一种土地利用变化分析预测方法及装置。
技术介绍
土地利用监测是利用遥感遥测技术，对一个国家或地区土地利用状况的动态变化进行定期或不定期的监视和测定。其目的在于为国家和地区有关部门提供准确的土地利用变化情况，便于及时进行土地利用数据更新与对比分析，以及编制土地利用变化图件等。它是开展土地利用动态变化预测，农作物产量预测，自然灾害防治及合理组织土地利用，加强土地管理与保护的一项不可缺少的基础性工作。现有技术中，通常采用航天遥感技术对土地利用进行分析，航天遥感技术以其宏观性、周期性，地理信息系统以其对空间数据管理的有效性己在“小比例尺、低精度、大范围、调查性”的资源动态监测工作中得到了广泛应用。利用遥感影响，通过预测模型对土地利用进行分析预测，常见的模型包括CA模型、系统动力学模型、CLUE-S模型、Agent模型、Markov模型、空间Logistic模型、SLEUTH模型等。但是，在以“大比例尺、高精度”为特点的工作中，预测模型中转换规则的设置具有一定的缺陷，导致预测精度较低。
技术实现思路
为此，本专利技术实施例提供一种土地利用变化分析预测方法及装置，以解决现有技术中由于预测模型中转换规则的设置具有一定的缺陷而导致的预测精度较低的技术问题。为了实现上述目的，本专利技术实施例提供如下技术方案：根据本专利技术实施例的第一方面提供一种土地利用变化分析预测方法，包括：获取若干个历史年份的土地遥感影像数据；利用人机交互解译的方法提取历史年份的土地遥感影像数据中的土地类型，绘制出分类矢量图；根据所述分类矢量图，计算土地变化幅度，动态度，空间变化，进而分析不同时期土地的动态变化，归纳历史年份的土地利用时空变化特征和规律；选取若干个驱动因子构建Markov-CA预测模型；根据历史年份的土地利用时空变化特征和规律，利用Markov-CA预测模型获取未来目标年份的土地利用空间格局。进一步地，所述选取若干个驱动因子构建Markov-CA预测模型，具体包括：选取若干个驱动因子；根据所述若干个驱动因子，生成每一种土地利用类型的分布概率适宜图；利用所有的分布概率适宜图获取元胞自动机CA模型的转换规则；根据马尔科夫Markov模型和CA模型的转换规则，构建Markov-CA预测模型。进一步地，所述土地类型至少包括草地、耕地、林地、水域、建筑用地和未利用土地。进一步地，所述驱动因子至少包括高程、坡度、坡向、距公路距离和距行政中心距离。进一步地，所述土地利用时空变化特征和规律至少包括：土地利用总体变化、变化幅度、动态度和变化空间。进一步地，所述选取若干个驱动因子构建Markov-CA预测模型之后，还包括：利用历史年份的土地遥感影像数据，对Markov-CA预测模型的精度和适用性进行验证。根据本专利技术实施例的第二方面提供一种土地利用变化分析预测装置，包括：获取模块，用于获取若干个历史年份的土地遥感影像数据；分类矢量图绘制模块，用于利用人机交互解译的方法提取历史年份的土地遥感影像数据中的土地类型，绘制出分类矢量图；特征提取模块，用于根据所述分类矢量图，计算土地变化幅度，动态度，空间变化，进而分析不同时期土地的动态变化，归纳历史年份的土地利用时空变化特征和规律；模型构建模块，用于选取若干个驱动因子构建Markov-CA预测模型；预测模块，用于根据历史年份的土地利用时空变化特征和规律，利用Markov-CA预测模型获取未来目标年份的土地利用空间格局。再一方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述方法的步骤。又一方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述方法的步骤。本专利技术实施例具有如下优点：本专利技术实施例公开的土地利用变化分析预测方法及装置，通过引入针对不同地类的驱动因子构建Markov-CA预测模型，提高了土地利用变化分析预测的精度。附图说明为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。图1为本专利技术实施例提供的土地利用变化分析预测方法示意图；图2为本专利技术实施例提供的土地利用变化分析预测原理示意图；图3为本专利技术实施例提供的土地利用变化分析预测装置示意图；图4为本专利技术实施例提供的电子设备的结构示意图。具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的土地利用变化分析预测方法示意图，如图1所示，本专利技术实施例提供一种土地利用变化分析预测方法，其执行主体为土地利用变化分析预测装置，该方法包括：步骤S101、获取若干个历史年份的土地遥感影像数据；步骤S102、利用人机交互解译的方法提取历史年份的土地遥感影像数据中的土地类型，绘制出分类矢量图；步骤S103、根据所述分类矢量图，计算土地变化幅度，动态度，空间变化，进而分析不同时期土地的动态变化，归纳历史年份的土地利用时空变化特征和规律；步骤S104、选取若干个驱动因子构建Markov-CA预测模型；步骤S105、根据历史年份的土地利用时空变化特征和规律，利用Markov-CA预测模型获取未来目标年份的土地利用空间格局。基于上述任一实施例，进一步地，所述选取若干个驱动因子构建Markov-CA预测模型，具体包括：选取若干个驱动因子；根据所述若干个驱动因子，生成每一种土地利用类型的分布概率适宜图；利用所有的分布概率适宜图获取元胞自动机CA模型的转换规则；根据马尔科夫Markov模型和CA模型的转换规则，构建Markov-CA预测模型。基于上述任一实施例，进一步地，所述土地类型至少包括草地、耕地、林地、本文档来自技高网...

【技术保护点】
1.一种土地利用变化分析预测方法，其特征在于，包括：/n获取若干个历史年份的土地遥感影像数据；/n利用人机交互解译的方法提取历史年份的土地遥感影像数据中的土地类型，绘制出分类矢量图；/n根据所述分类矢量图，计算土地变化幅度，动态度，空间变化，进而分析不同时期土地的动态变化，归纳历史年份的土地利用时空变化特征和规律；/n选取若干个驱动因子构建Markov-CA预测模型；/n根据历史年份的土地利用时空变化特征和规律，利用Markov-CA预测模型获取未来目标年份的土地利用空间格局。/n

【技术特征摘要】
1.一种土地利用变化分析预测方法，其特征在于，包括：
获取若干个历史年份的土地遥感影像数据；
利用人机交互解译的方法提取历史年份的土地遥感影像数据中的土地类型，绘制出分类矢量图；
根据所述分类矢量图，计算土地变化幅度，动态度，空间变化，进而分析不同时期土地的动态变化，归纳历史年份的土地利用时空变化特征和规律；
选取若干个驱动因子构建Markov-CA预测模型；
根据历史年份的土地利用时空变化特征和规律，利用Markov-CA预测模型获取未来目标年份的土地利用空间格局。


2.根据权利要求1所述的土地利用变化分析预测方法，其特征在于，所述选取若干个驱动因子构建Markov-CA预测模型，具体包括：
选取若干个驱动因子；
根据所述若干个驱动因子，生成每一种土地利用类型的分布概率适宜图；
利用所有的分布概率适宜图获取元胞自动机CA模型的转换规则；
根据马尔科夫Markov模型和CA模型的转换规则，构建Markov-CA预测模型。


3.根据权利要求1所述的土地利用变化分析预测方法，其特征在于，所述土地类型至少包括草地、耕地、林地、水域、建筑用地和未利用土地。


4.根据权利要求1所述的土地利用变化分析预测方法，其特征在于，所述驱动因子至少包括高程、坡度、坡向、距公路距离和距行政中心距离。


5.根据权利要求1所述的土地利用变化分析预测方法，其特征在于，所述土地利用时空变化特征...

【专利技术属性】
技术研发人员：张宏睿，张庆现，刁习，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：北京;11