【技术实现步骤摘要】
一种城市土地利用变化预测方法
本专利技术涉及城市土地利用变化预测领域，尤其是涉及一种城市土地利用变化预测方法。
技术介绍
城市增长是土地利用类型转为城市土地利用的过程，是城市化的形象体现，预测城市增长对于社会生产与发展具有重要指导意义。在城市增长预测中，空间驱动因子是多数方法考虑的因素，主要选取GDP、教育程度、到一级公路距离等空间变量，但对于复杂的城市发展，仅通过简单和少量的特征建立模型并不能拥有较好的拟合效果，且这些特征之间存在的强相关性导致实际特征数进一步稀少。中国专利技术专利CN110826244A说明书公开了一种模拟轨道交通影响城市生长的共轭梯度元胞自动机方法，包括：1)对遥感影像进行监督分类，获得初始、终止年份的城市空间格局图；获取城市轨道交通及各种基础设施数据；2)获取影响城市格局变化的空间驱动因子；3)对城市格局图和空间变量进行抽样，获取有效样本点；4)利用共轭梯度训练有效样本点以获取CA转化规则；5)基于转化规则获取城市轨道交通不同影响下土地的转化概率；6)结合元胞自动机模型要素和CG规则，建立基于...
【技术保护点】
1.一种城市土地利用变化预测方法，其特征在于，该方法包括以下步骤：/nS1：获取遥感图像；/nS2：对遥感图像进行监督分类，获得城市土地利用分类图像，并基于驱动因子得到驱动因子图像；/nS3：利用主成分分析方法对城市土地利用分类图像和驱动因子图像进行降维，获得降维驱动因子数据和土地利用分类数据；/nS4：将降维驱动因子数据和土地利用分类数据作为训练集训练人工神经网络，取人工神经网络倒数第二层进行特征扩展，得到扩展特征数据；/nS5：根据降维驱动因子数据和扩展特征数据，通过梯度提升决策树训练元胞自动机，结合限制因子、概率增强、邻域缩放和邻域影响，得到城市土地利用变化预测模型；...
【技术特征摘要】
1.一种城市土地利用变化预测方法，其特征在于，该方法包括以下步骤：
S1：获取遥感图像；
S2：对遥感图像进行监督分类，获得城市土地利用分类图像，并基于驱动因子得到驱动因子图像；
S3：利用主成分分析方法对城市土地利用分类图像和驱动因子图像进行降维，获得降维驱动因子数据和土地利用分类数据；
S4：将降维驱动因子数据和土地利用分类数据作为训练集训练人工神经网络，取人工神经网络倒数第二层进行特征扩展，得到扩展特征数据；
S5：根据降维驱动因子数据和扩展特征数据，通过梯度提升决策树训练元胞自动机，结合限制因子、概率增强、邻域缩放和邻域影响，得到城市土地利用变化预测模型；
S6：根据城市土地利用变化预测模型进行城市土地利用变化预测。
2.根据权利要求1所述的一种城市土地利用变化预测方法，其特征在于，S2中，所述的城市土地利用分类图像包括初始年份城市土地利用分类图像和结束年份城市土地利用分类图像，获得初始年份城市土地利用分类图像和结束年份城市土地利用分类图像的过程包括：
S11：获取初始年份卫星遥感图像和结束年份卫星遥感图像；
S13：基于初始年份卫星遥感图像和结束年份卫星遥感图像，利用光谱角监督分类方法获取初始年份城市土地利用分类图像和结束年份城市土地利用分类图像。
3.根据权利要求2所述的一种城市土地利用变化预测方法，其特征在于，S11中，获取初始年份卫星遥感图像和结束年份卫星遥感图像后，对初始年份卫星遥感图像和结束年份卫星遥感图像进行空间参考统一和几何校正。
4.根据权利要求1所述的一种城市土地利用变化预测方法，其特征在于，S2中，所述驱动因子包括土地至高速公路、铁路、地铁、一级公路、银行和院校的距离，基于遥感图像，利用欧几里德距离计算得到驱动因子图像。
5.根据权利要求4所述的一种城市土地利用变化预测方法，其特征在于，基于遥感图像，在ArcGIS中利用欧几里德距离计算得到驱动因子图像。
6.根据权利要求1所述的一种城市土地利用变化...
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。