基于LCM模型的晋江市土地利用变化与预测分析

doi:10.13466/j.cnki.lyzygl.2018.01.014

林业资源管理 ›› 2018›› Issue (1): 96-102.doi: 10.13466/j.cnki.lyzygl.2018.01.014

基于LCM模型的晋江市土地利用变化与预测分析

苏艳琴(), 赖日文(), 罗文玮, 余莉莉, 赖炽敏, 李红霖

福建农林大学林学院,福州 350002

收稿日期:2017-10-12 修回日期:2017-11-28 出版日期:2018-02-28 发布日期:2020-09-27
通讯作者: 赖日文
作者简介:苏艳琴(1992-),女,福建永定人,在读硕士,研究方向:3S技术在林业上的应用。Email:1411997977@qq.com
基金资助:
“生态林种科研基地建设”工程项目(61201400814);“森林持续经营研究”(ky0180081)

Dynamic Change and Prediction of Land Use in Jinjiang City Based on LCM Model

SU Yanqin(), LAI Riwen(), LUO Wenwei, YU Lili, LAI Chimin, LI Honglin

College of Forestry,Fujian Agriculture and Forestry University,Fuzhou,Fujian 350002,China

Received:2017-10-12 Revised:2017-11-28 Online:2018-02-28 Published:2020-09-27
Contact: LAI Riwen

摘要/Abstract

摘要：

为了探究晋江市土地利用演变规律与未来土地利用状况,以1990,2000,2010年3期遥感影像解译数据为数据源,分析土地利用类型动态变化程度;结合土地利用动态变化影响因子构建土地利用预测模型(LCM),对晋江市2020,2030年的土地利用数量以及分布进行预测。结果表明:1)LCM模型2010年模拟结果各项Kappa指数均大于80%;2)预测结果显示建设用地将会在晋江中北部增加,耕地的减少则分布在晋江未来区划的中心城区,裸地在LCM模型预测中出现减少,主要集中在沿海区域,园地在LCM模型中呈减少趋势,而林地虽然在2020年有所减少,但2020年以后则呈增长趋势,且集中在沿海乡镇。LCM模型对预测结果精确度以及可信度较高,预测结果能为晋江市未来土地利用的合理规划、区域经济发展方向提供合理依据。

关键词: 土地利用动态度, MLP_ANN模型, Marcov模型, 预测, 晋江

Abstract:

The aim of the study was to explore the evolution law of land use and the future land use status in Jinjiang City.This paper analyzed the dynamic change of land use type with three remote sensing images in 1990,2000 and 2010.Based on the remote sensing interpretation data and the land use dynamic change influencing factors,this paper constructed the land use forecasting model(LCM).This model was used to forecast the quantity and distribution of land use in 2020 and 2030 in Jinjiang.The results are as follows:(1) The Kappa indices of LCM model in 2010 were all more than 80%.(2) The prediction results show that construction land will increase in the central and north parts of Jinjiang,and the decrease of cultivated land will be distributed in the central urban area of Jinjiang future zoning.The bare land will decrease in the LCM model prediction,mainly in the coastal area.While the forest land will decrease in 2020,but the growth trend will appear after 2020,and mainly in the coastal towns.This paper indicated that the accuracy and credibility of LCM prediction were high and provided a reasonable basis for the future planning of land use in Jinjiang City and the direction of regional economic development.

Key words: land use dynamics, MLP_ANN model, Marcov model, prediction, Jinjiang

中图分类号:

TP79

苏艳琴, 赖日文, 罗文玮, 余莉莉, 赖炽敏, 李红霖. 基于LCM模型的晋江市土地利用变化与预测分析[J]. 林业资源管理, 2018,(1): 96-102.

SU Yanqin, LAI Riwen, LUO Wenwei, YU Lili, LAI Chimin, LI Honglin. Dynamic Change and Prediction of Land Use in Jinjiang City Based on LCM Model[J]. FOREST RESOURCES WANAGEMENT, 2018,(1): 96-102.

图/表 10

表1

图1

表2

Kappa指数类别和公式

指数名称	公式	备注	公式序号
数量Kappa指数	$K 1 = P 0 - NQML) (1 - NQML))$	NQML:没有保持数量,而有中等保持空间位置能力的驱动力	(9)
标准Kappa指数	$K 3 = P 0 - MQNL) (1 - MQNL))$	MQNL:仅有中等保持数量,而没有保持空间位置能力的驱动力	(10)
随机Kappa指数	$K 4 = P 0 - NQNL) (1 - NQNL))$	NQNL:既没有保持数量,又没有保持空间位置能力的驱动力	(11)
位置Kappa指数	$K 2 = P 0 - NQNL) (MQPL - NQNL))$	MQPL:既有中等保持数量,又有完全保持空间位置能力的驱动力	(12)

表2

图2

图3

图4

图5

表3

图6

图7

参考文献 12

[1]	闫化冰, 段红梅, 薛建春. 包头市土地利用动态变化研究[J]. 中国市场, 2009(13):61-63.
[2]	赵冬玲, 杜萌, 杨建宇, 等. 基于CA-Markov模型的土地利用演化模拟预测研究[J]. 农业机械学报, 2016(3):278-285.
[3]	刘淑燕, 余新晓, 李庆云, 等. 基于CA-Markov模型的黄土丘陵区土地利用变化[J]. 农业工程学报, 2010(11):297-303.
[4]	魏辽生. 基于IDRISI-LCM模型的土地利用变化与预测研究[D]. 大连:辽宁师范大学, 2015.
[5]	徐广才, 康慕谊, 李亚飞. 基于MLP-ANN与Markov Chain的土地利用变化预测方法——以锡林郭勒盟为例[J]. 生态环境学报, 2010(10):2386-2392.
[6]	Labs C. Species Distribution Modeling in IDRISI’s Land Change Modeler[EB/OL]. [2017-12-01]. http://clarklabs.org.
[7]	仕玉治, 黄继文, 刘海娇, 等. 基于LCM模型的黄河三角洲土地利用变化预测[J]. 人民黄河, 2014(2):68-70.
[8]	李刚, 陈莹. 我国东南沿海高速城市化地区土地利用动态变化及趋势——以福建省晋江市为例[J]. 经济地理, 2006(3):409-411.
[9]	杨俊, 单灵芝, 席建超, 等. 南四湖湿地土地利用格局演变与生态效应[J]. 资源科学, 2014(4):856-864.
[10]	Arsanjani J J H M. Integration of Logistic Regression,Markov Chain and Cellular Automata Models to simulate urban expansion[J]. International Journal of Applied Earth Observation and. 2013,1(21):265-275.
[11]	Islam M S A A. Land use change prediction in Dhaka City using GIS aided Markov Chain modelling[J]. Journal of Life and Earth Science, 2011,6(21):81-89. doi: 10.3329/jles.v6i0.9726
[12]	曹瑞娜. 基于GIS和CLUE-S模型的山区土地利用情景模拟研究[D]. 泰安:山东农业大学, 2014.

数据类型	时间	抽样数	正确数	评价精度	Kappa
Landsat5 TM	1990	130	117	90.00%	0.8601
Landsat5 TM	2000	130	122	93.85%	0.9144
Landsat7 ETM	2010	130	121	93.08%	0.8979

土地利用类型	2010		2020		2030
土地利用类型	面积/hm²	比例/%	面积/hm²	比例/%	面积/hm²	比例/%
建筑	26204.85	39.63	28051.97	45.31	30984.66	47.3
水域	1330.91	2.01	1039.41	1.68	992.18	1.51
林地	13360.14	20.2	11036.61	17.83	12221.23	18.66
园地	1697.47	2.57	1745.41	2.82	1763.72	2.69
耕地	22973.52	34.74	19591.92	31.65	19218.82	29.34
裸地	557.42	0.84	439.74	0.71	324.45	0.5

[1]	刘艳, 牛香, 王兵. 罗霄山区近25年生境质量时空演变及预测[J]. 林草资源研究, 2023, 0(6): 39-51.
[2]	巨文珍, 韦龙斌, 彭泊林, 李常诚, 潘婷. 广西林火驱动因子及预测模型研究[J]. 林草资源研究, 2023, 0(5): 56-62.
[3]	贾京默, 孙钊, 桂心如, 毛靓. 基于Ann-CA-Markov模型的鹤岗市农林用地景观格局研究[J]. 林业资源管理, 2022, 0(3): 81-88.
[4]	冯亚枝, 胡彦蓉, 刘洪久. 临安山核桃产量的Lasso-灰色预测模型研究[J]. 林业资源管理, 2021, 0(1): 94-102.
[5]	徐瑞钧, 周汝良, 刘乾飞, 李唯, 王艳霞. 气候变暖趋势下松墨天牛适生区分布模拟与预测[J]. 林业资源管理, 2020, 0(4): 109-116.
[6]	刘豪, 徐冬梅. 山西省乔木林碳汇动态趋势研究[J]. 林业资源管理, 2019, 0(6): 49-54.
[7]	童慧琴, 龙飞, 祁慧博, 张哲. 基于试点7省市减排的森林碳汇需求潜力预测与仿真研究[J]. 林业资源管理, 2019, 0(4): 10-17.
[8]	张冬燕, 王冬至, 范冬冬, 张健东, 李大勇. 不同立地类型华北落叶松人工林冠幅与胸径关系研究[J]. 林业资源管理, 2019, 0(4): 69-73.
[9]	陈岱. 基于Logistic回归模型的大兴安岭林火预测研究[J]. 林业资源管理, 2019, 0(1): 116-122.
[10]	黄峰, 徐爱俊, 唐丽华. 改进栓皮栎树高预测混合效应模型研究[J]. 林业资源管理, 2018, 0(5): 54-62.
[11]	牛晓花, 张超, 余哲修, 周文娇, 黄田. 城镇化背景下洱海上游土地利用演变过程分析[J]. 林业资源管理, 2018, 0(1): 72-79.
[12]	徐宏伟, 邱天琦, 刘斯文, 储菊香. 加拿大林火研究与管理的思考与启示[J]. 林业资源管理, 2017, 0(4): 155-158.
[13]	曾伟生, 蒲莹, 杨学云. 再论全国森林资源年度出数方法[J]. 林业资源管理, 2015, 0(6): 10-15.
[14]	卢杰, 李江荣, 郭其强, 方江平, 郑维列. 藏东南林芝云杉种群结构与数量动态[J]. 林业资源管理, 2014, 0(4): 67-73.
[15]	李刚, 赵祥, 刘碧荣. 晋北4种灌木地上生物量预测模型的构建[J]. 林业资源管理, 2014, 0(1): 71-76.

基于LCM模型的晋江市土地利用变化与预测分析

Dynamic Change and Prediction of Land Use in Jinjiang City Based on LCM Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 12

相关文章 15

编辑推荐

Metrics

本文评价