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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。