土地利用变化的ANN-CA模拟研究??以西南喀斯特地区猫跳河流域为例

北京大学学报（自然科学版）

土地利用变化的ANN-CA模拟研究??以西南喀斯特地区猫跳河流域为例

王磊,王羊,蔡运龙

北京大学城市与环境学院土地科学中心, 地表过程分析与模拟教育部重点实验室, 北京100871;

收稿日期:2011-02-25 出版日期:2012-01-20 发布日期:2012-01-20

An ANN-CA Modeling Method for Land Cover Change in the Karst Area of China: A Case Study of Maotiao River Basin

WANG Lei, WANG Yang, CAI Yunlong

Center for Land Study, College of Urban and Environmental Sciences, Peking University; Laboratory for Earth Surface Processes MOE, Beijing 100871;

Received:2011-02-25 Online:2012-01-20 Published:2012-01-20

摘要/Abstract

摘要： 为了准确把握西南喀斯特地区土地利用格局的变化规律, 以贵州省猫跳河流域为例, 采用人工神经网络与元胞自动机的耦合模型对喀斯特地区1990?2002年间的土地利用格局变化进行了模拟。将模拟结果与实际土地利用图进行对比发现: 在数量变化方面, 两者的混淆矩阵和性能指数的总精度分别达到了87.62%和57.36%; 在空间格局方面, 模拟结果的景观格局指数均接近真实值。研究结果表明, 该模型模拟精度较高且可操作性强, 能够作为西南喀斯特地区小尺度范围土地利用变化研究的有效工具。

关键词: 土地利用/覆被变化, 人工神经网络, 元胞自动机, ANN-CA耦合模型, 贵州省猫跳河流域

Abstract: The land use of Karst areas in Southwest China changed drastically due to its fragile eco-environment properties and the disturbance from human activities. Modeling and analyzing these changes is impeded by its complex surface features and the intensive human-environment interaction. In order to solve this problem, a combined ANN-CA modeling method is used on Maotiao River Basin in Guizhou Province by the modeling results compared with the actual land use map. The results show 87.62% accuracy with confusion matrix, 57.36% with figure of merit, and all of the selected landscape indexes are similar between them, proving this method a good option for the land use change analysis in Karst and other similar areas.

Key words: land use/cover change, artificial neural network, cellular automata, ANN-CA model, Maotiao River Basin in Guizhou Province

中图分类号:

王磊,王羊,蔡运龙. 土地利用变化的ANN-CA模拟研究??以西南喀斯特地区猫跳河流域为例[J]. 北京大学学报（自然科学版）.

WANG Lei,WANG Yang,CAI Yunlong. An ANN-CA Modeling Method for Land Cover Change in the Karst Area of China: A Case Study of Maotiao River Basin[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2012/V48/I1/116

[1]	刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇. 基于人工神经网络的雅鲁藏布江水化学变化趋势研究[J]. 北京大学学报自然科学版, 2023, 59(6): 1043-1051.
[2]	屈永霖, 闻新宇, 张慕琪, 刘喆. 使用人工神经网络改进2022年北京冬奥会数值天气预报后处理过程的算法研究[J]. 北京大学学报自然科学版, 2022, 58(2): 210-220.
[3]	张慕琪, 闻新宇, 包赟, 屈永霖. 基于人工神经网络开发中国地区统计降尺度气候预估数据[J]. 北京大学学报自然科学版, 2022, 58(2): 221-233.
[4]	周佩, 黄颖婕, 胡冰逸, 韦骏. 基于LSTM深度学习的ENSO预测及其春季预报障碍研究[J]. 北京大学学报自然科学版, 2021, 57(6): 1071-1078.
[5]	于超月, 王晨旭, 冯喆, 吴克宁, 赵华甫. 北京市生态安全格局保护紧迫性分级[J]. 北京大学学报自然科学版, 2020, 56(6): 1047-1055.
[6]	朱丽君, 蒙吉军, 李江风. 河北省植被覆盖变化及对生态建设工程的响应[J]. 北京大学学报自然科学版, 2020, 56(4): 755-764.
[7]	王雨琪, 程舒鹏, 陆文涛, 付正辉, 郭怀成. 基于径向基函数网络模型的中国生态压力指数评价[J]. 北京大学学报自然科学版, 2019, 55(1): 182-188.
[8]	连婧慧, 王钧, 曾辉. 土地利用/覆被的剧烈变化对深圳市气温的影响[J]. 北京大学学报自然科学版, 2017, 53(4): 692-700.
[9]	杨阳, 沈泽昊, 郑天立, 丁雨賝, 李本纲. 中国当前城市空气综合质量的主要影响因素分析[J]. 北京大学学报（自然科学版）, 2016, 52(6): 1102-1108.
[10]	何丹,周?,高伟,郭怀成,于书霞,刘永. 基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J]. 北京大学学报（自然科学版）, 2014, 50(6): 1095-1105.
[11]	王羊,高阳,赵琳,赵志强,李双成. 元胞自动机模型的尺度敏感性分析[J]. 北京大学学报（自然科学版）, 2011, 47(4): 750-758.
[12]	张吉豫,刘先华,梁?,程旭. 一种基于人工神经网络的基本块重排方法[J]. 北京大学学报（自然科学版）, 2011, 47(1): 9-16.
[13]	窦浩洋,邓航,孙小明,赵昕奕. 基于均生函数-最优子集回归预测模型的青藏高原气温和降水短期预测[J]. 北京大学学报（自然科学版）, 2010, 46(4): 643-648.
[14]	孙强,王乐,蔡运龙. 基于SOFM网络的中国耕地压力综合分区[J]. 北京大学学报（自然科学版）, 2008, 44(4): 625-631.
[15]	徐颖吕斌. 基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用--以北京市为例[J]. 北京大学学报（自然科学版）, 2008, 44(2): 262-270.