一种结合空间滤波的土地利用变化建模方法及其系统技术方案

本发明专利技术公开了一种结合空间滤波的土地利用变化建模方法及其系统，涉及地理信息科学领域。方法侧重于消除土地利用变化建模过程中数据的空间自相关性影响，步骤包括：收集原始数据并进行预处理，生成数据集序列；采用变异函数判定空间滤波的最佳距离，随后采用一种基于Getis原理的空间滤波方法，对变量因子进行拆分；根据滤波后的样本构建逻辑回归模型，以拟合精度、ROC曲线等方法评价模型；最后，提供马尔可夫链和自定变化模式对土地利用变化趋势进行预测。本发明专利技术基于统计学数学模型，并针对数学模型在地理空间计算上的不足和缺陷，采用空间滤波方式予以弥补，二者结合提高了模型的拟合精度，也更符合土地利用变化的时空特性。

【技术实现步骤摘要】

本专利技术属于地理信息科学
，具体内容为引入ー种空间滤波算法，用于消除土地利用变化空间数据由于自身空间自相关性影响而无法同传统统计学模型相结合的缺陷，使经过滤波处理的数据能更好用于土地利用变化建模的方法以及系统。
技术介绍
目前，土地利用变化建模的方法依其研究角度大体分为两类第一类为从宏观调控角度出发的具有“自上而下”特点的计量数学模型，如系统动力学模型、马尔科夫链模型以及ー些针对地理空间特性进行变换后的数学统计模型等。第二类则是具有“自下而上”的人工智能模型，其原理为根据土地利用变化的现象抽象出一系列符合实际变化现象的转化规则，使土地利用变化按照转化规则随时间自主演化的，该类模型的代表包括元胞自动机、智能体和多智能体模型等。以上两类研究方法的主要区别在于对地理数据的理解程度不同，计量数学模型侧重从全局变化中挖掘内在隐含的变化机制，并利用所获得的评价模型对单体样本进行预测，符合统计学的思路。而人工智能模型则突出个体单元的主体变化特征和它们之间变化的差异，试图通过对个体的解释来反映宏观变化情況。虽然出发点不同，但两种方法都考虑到土地利用变化过程中的时空分异特性例如在时间维度上，前者可以通过人为选取发展模式进行控制，后者则通过在转化规则中增加限定条件实现；在空间分布特征上，前者通常计算土地利用变化的转移矩阵以及辅助一定的变化限制图层加以实现，后者则通常引入邻域规则或者规划控制条件进行限制；而有关预测的处理二者则都是通过迭代进行拟合控制。以上所示的两类建模方法都具有各自的不足和缺陷计量数学模型采用传统的数学模型，缺乏对地理数据时空特性的深入研究。如传统的逻辑回归方法进行建模，其前提要保证样本的无偏性和独立性，而由于直接获得的土地利用变化数据自身具有空间位置信息，一般情况下会受到周围邻域的影响而具有一定的空间自相关特征，导致模型整体的准确度以及灵敏度下降，进而使土地类别的评价结果产生偏差；同样的，对于人工智能方法，由于土地变化牵涉的因素复杂，同各驱动カ因子之间通常是互相影响和制约，ー些人文因素如政治、经济等难以直接量化处理，使得算法在规则设定上常常不能面面俱到，一些算法即使获得很好的模拟结果，但其自身对于整体因果联系的解释性不足。值得注意的是虽然两种方法对于土地利用变化的内在驱动カ机制都有各自的阐述方法，但研究发现逻辑回归算法或作为概率计算核心模块，或作为变化规则辅助模块，都有存在一定的应用案例，表明该方法在解释因子驱动カ机制方面具有一定的优势。
技术实现思路
针对以上土地利用变化建模方法存在的不足，本专利技术的目的是提供ー种结合空间滤波的土地利用变化建模方法以及系统，具有易于构建和高效率计算等优点，可以为土地利用和土地规划决策提供更为可靠的辅助信息。本专利技术的基本内容包括两个部分其一，针对土地利用变化的建模，采用普遍公认的逻辑回归方法逻辑回归方法指的是通过一条拟合的逻辑曲线反映事件发生的概率，由于此方法的自变量类型可以是数值类型或者分类数目，这种优势使可应用于解释土地利用变化和驱动カ因子之间的关系。在本专利技术中，以土地类别作为模型的应变量，计算其随着驱动カ因子即自变量的影响在某时间过程的变化概率。其ニ，本专利技术提供ー种空间滤波方法，用于消除土地利用变化数据自身所具有的空间自相关性，使处理后的数据符合传统逻辑回归方法需要样本无偏和独立的前提条件，提高该方法在土地利用变化建模的模拟精度。本专利技术为实现上述目的采用如下技术方案。 步骤I :收集土地利用变化模型所需的原始数据并进行预处理，如矢量数据、遥感栅格数据、经济统计数据进行预处理。基本思路是按照土地利用变化的时间节点作为參照标记，在每ー个时间节点均构建ー套对应的土地利用变化数据集，包括土地利用现状图以及相关的驱动カ因子数据集(主要包括空间化后的人口、经济、自然、政治因子)。步骤2 :对处理后的土地现状图和驱动カ数据，以栅格像元为单位进行样本采集，完成后对样本数据采用Pearson相关系数做相关性检验，排除相关性明显(大于0. 7)的驱动カ因子，随后引入空间滤波方法，在不改变采样数目的情况下，对自变量(土地利用现状图)以及应变量(驱动力因子图层)做空间滤波处理，排除空间自相关性的影响。滤波结果即把变量所描述的信息分拆为两个部分，为空间特征分量和非空间特征分量。步骤3 :把空间滤波处理后的样本数据引入逻辑回归模型进行计算，获得每ー个驱动カ因子的模型參数以及土地利用变化模型，并验证模型预测的精度。步骤4:评估步骤3所构建的土地利用变化模型的模拟精度，在精度达到要求后采用马尔可夫链方法或者自定变化模式对未来土地利用变化进行模拟。本专利技术的有益效果对于涉及土地利用变化的数据预处理流方法和具体操作步骤进行说明，提供了一套针对多源数据的实现方案；针对土地利用变化数据的时空特性，在传统统计学方法不能直接应用的前提下，引入一种空间滤波的处理方案，用于排除地理数据本身的空间自相关性，提高模型的整体拟合精度；本专利技术提供了一套完整的土地利用变化建模系统，具体包括土地数据从预处理、输入、分析、采用、建模、评估到最終预测的详细解决方案，同现有技术相比，本专利技术所提供的系统功能全面、专业性強，且易于操作，有利于提高相关产业的工作效率。附图说明图I是本专利技术实施例的土地利用变化建模方法流程图。图2是本专利技术实施例的地理数据预处理流程图。图3是本专利技术实施例的人口密度图层经过GS+软件计算后所得的結果。图4是土地利用变化模型结果对比。图5是本专利技术实施例的土地利用变化系统流程图。具体实施例方式下面结合附图和实施图，对本专利技术的具体实施方式做进ー步详细描述。本专利技术实施例的数据为深圳市1996-2008年的土地利用变化的建模过程，此数据不限制本专利技术的范围。该实施例包括三个主要组成部分，即地理数据的预处理和数据集构建、结合空间滤波的逻辑回归模型构建、利用土地利用变化模型进行预測。步骤I :地理数据的预处理和数据集构建流程如图2所示，遵循如下几个要求 首先需要采用同一土地利用分类体系，其目的是保证模型分析的便利和数据之间的联系。如本实施例采用2003年国家颁发了新的土地分类制度，即“三级分类，三大类別”。依据此标准需要对于之前不符合的土地分类标准数据需要进行重分类整理。本实施例将土地利用类型分为6个类别，即耕地、緑地、建设用地、水域、未利用土地等，其中緑地为园地、林地、草地的合井。针对ニ类逻辑回归模型把处理后的分类数据进行重新采样为ニ类数据，即建设用地和非建设用地(除建设用地之外的其它土地类别进行合井)。同时，针对城市建设用地这ー反映城市变化的关键类别，其地类中包含有不同用途的景观设施。由于这些设施是研究土地利用变化驱动カ影响的主要内容，因此有必要将建设用地进ー步细分为商业用 地、金融保险用地、エ业用地、仓储用地、教育用地、医疗卫生用地、城镇住宅及混合住宅用地、农村住宅用地等8个子类型，为随后构建因子图层做准备。其次，对于不同格式的数据，其预处理方法也有针对性的区别 矢量数据矢量数据主要为深圳市1:2000的土地利用变更调查数据，为了使其同遥感影像数据进行结合，以保证分类体系的统一，需要对原始数据进行处理。具体的处理流程包括 根据地物単元的分类编号，按照所构建的分类体系进行重新分类并赋值，具体划分为耕地、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合空间滤波的土地利用变化建模方法，其特征在于，所述建模方法包括步骤 步骤1，收集土地利用变化模型所需的原始数据并进行预处理，原始数据格式包括土地变更调查矢量数据、遥感影像栅格数据、统计数据，对不同格式数据采用如下方法进行处理，构建以时间节点为标记的土地利用变化数据序列集； 步骤2，对处理后的土地现状图和驱动カ数据，以栅格像元为单位进行样本采集，完成后对样本数据采用相关系数做相关性检验，排除相关性明显(大于0. 7)的驱动カ因子，随后引入一种基于原理的空间滤波方法，对自变量(土地利用现状图)以及应变量(驱动力因子)图层做空间滤波处理，把变量所描述的信息分拆为两个部分，即为空间特征分量和非空间特征分量； 步骤3，把空间滤波处理后的样本数据引入逻辑回归模型进行计算，获得每ー个驱动カ因子的模型參数以及土地利用变化模型； 步骤4，评估步骤3所构建的土地利用变化模型的模拟精度，在精度达到要求后可采用自定变化模式或者马尔可夫链方法对未来土地利用变化进行模拟。2.如权利I所述的结合空间滤波的土地利用变化建模方法，其特征在于，在步骤I中，对于矢量数据和栅格数据的土地分类需采用相同的土地利用分类体系，保证栅格数据中像元值所对应的土地类别一直，对于不符合体系要求的数据需要进行重分类整理，并构建统一的坐标系，最后还需要对数据进行栅格化处理。3.如权利I所述的结合空间滤波的土地利用变化建模方法，其特征在于，在步骤I中，对于矢量数据和栅格数据中会影响土地利用变化的要素信息，如交通、景观地物可通过GIS空间分析工具进行信息提取，而对于统计数据，由于其本身不具有地理位置信息还需要进行空间化配准以添加地理位置信息，随后采用空间插值生成驱动カ因子图层，并栅格化处理。4.如权利I所述的结合空间滤波的土地利用变化建模方法，其特征在于，在步骤I中数据集序列的构建方式以土地利用变化的时间节点作为标记，每ー个时间节点均构建ー套对应的土地利用变化数据集，数据集包括该时间节点下的土地利用现状图以及驱动カ因子图层，包括人口密度、人均收入、自然环境，数据格式统ー为栅格数据。5....

【专利技术属性】
技术研发人员：黄波，章欣欣，
申请(专利权)人：黄波，
类型：发明
国别省市：