一種結合空間濾波的土地利用變化建模方法及其系統的製作方法

2023-05-18 01:57:26

專利名稱：一種結合空間濾波的土地利用變化建模方法及其系統的製作方法
技術領域：
本發明屬於地理信息科學技術領域，具體內容為引入ー種空間濾波算法，用於消除土地利用變化空間數據由於自身空間自相關性影響而無法同傳統統計學模型相結合的缺陷，使經過濾波處理的數據能更好用於土地利用變化建模的方法以及系統。
背景技術：
目前，土地利用變化建模的方法依其研究角度大體分為兩類第一類為從宏觀調控角度出發的具有「自上而下」特點的計量數學模型，如系統動力學模型、馬爾科夫鏈模型以及ー些針對地理空間特性進行變換後的數學統計模型等。第二類則是具有「自下而上」的人工智慧模型，其原理為根據土地利用變化的現象抽象出一系列符合實際變化現象的轉化規則，使土地利用變化按照轉化規則隨時間自主演化的，該類模型的代表包括元胞自動機、智能體和多智能體模型等。以上兩類研究方法的主要區別在於對地理數據的理解程度不同，計量數學模型側重從全局變化中挖掘內在隱含的變化機制，並利用所獲得的評價模型對單體樣本進行預測，符合統計學的思路。而人工智慧模型則突出個體單元的主體變化特徵和它們之間變化的差異，試圖通過對個體的解釋來反映宏觀變化情況。雖然出發點不同，但兩種方法都考慮到土地利用變化過程中的時空分異特性例如在時間維度上，前者可以通過人為選取發展模式進行控制，後者則通過在轉化規則中增加限定條件實現；在空間分布特徵上，前者通常計算土地利用變化的轉移矩陣以及輔助一定的變化限制圖層加以實現，後者則通常引入鄰域規則或者規劃控制條件進行限制；而有關預測的處理二者則都是通過迭代進行擬合控制。以上所示的兩類建模方法都具有各自的不足和缺陷計量數學模型採用傳統的數學模型，缺乏對地理數據時空特性的深入研究。如傳統的邏輯回歸方法進行建模，其前提要保證樣本的無偏性和獨立性，而由於直接獲得的土地利用變化數據自身具有空間位置信息，一般情況下會受到周圍鄰域的影響而具有一定的空間自相關特徵，導致模型整體的準確度以及靈敏度下降，進而使土地類別的評價結果產生偏差；同樣的，對於人工智慧方法，由於土地變化牽涉的因素複雜，同各驅動カ因子之間通常是互相影響和制約，ー些人文因素如政治、經濟等難以直接量化處理，使得算法在規則設定上常常不能面面俱到，一些算法即使獲得很好的模擬結果，但其自身對於整體因果聯繫的解釋性不足。值得注意的是雖然兩種方法對於土地利用變化的內在驅動カ機制都有各自的闡述方法，但研究發現邏輯回歸算法或作為概率計算核心模塊，或作為變化規則輔助模塊，都有存在一定的應用案例，表明該方法在解釋因子驅動カ機制方面具有一定的優勢。

發明內容
針對以上土地利用變化建模方法存在的不足，本發明的目的是提供ー種結合空間濾波的土地利用變化建模方法以及系統，具有易於構建和高效率計算等優點，可以為土地利用和土地規劃決策提供更為可靠的輔助信息。本發明的基本內容包括兩個部分其一，針對土地利用變化的建模，採用普遍公認的邏輯回歸方法邏輯回歸方法指的是通過一條擬合的邏輯曲線反映事件發生的概率，由於此方法的自變量類型可以是數值類型或者分類數目，這種優勢使可應用於解釋土地利用變化和驅動カ因子之間的關係。在本發明中，以土地類別作為模型的應變量，計算其隨著驅動カ因子即自變量的影響在某時間過程的變化概率。其ニ，本發明提供ー種空間濾波方法，用於消除土地利用變化數據自身所具有的空間自相關性，使處理後的數據符合傳統邏輯回歸方法需要樣本無偏和獨立的前提條件，提高該方法在土地利用變化建模的模擬精度。本發明為實現上述目的採用如下技術方案。 步驟I :收集土地利用變化模型所需的原始數據並進行預處理，如矢量數據、遙感柵格數據、經濟統計數據進行預處理。基本思路是按照土地利用變化的時間節點作為參照標記，在每ー個時間節點均構建ー套對應的土地利用變化數據集，包括土地利用現狀圖以及相關的驅動カ因子數據集(主要包括空間化後的人口、經濟、自然、政治因子)。步驟2 :對處理後的土地現狀圖和驅動カ數據，以柵格像元為單位進行樣本採集，完成後對樣本數據採用Pearson相關係數做相關性檢驗，排除相關性明顯(大於0. 7)的驅動カ因子，隨後引入空間濾波方法，在不改變採樣數目的情況下，對自變量(土地利用現狀圖)以及應變量(驅動力因子圖層)做空間濾波處理，排除空間自相關性的影響。濾波結果即把變量所描述的信息分拆為兩個部分，為空間特徵分量和非空間特徵分量。步驟3 :把空間濾波處理後的樣本數據引入邏輯回歸模型進行計算，獲得每ー個驅動カ因子的模型參數以及土地利用變化模型，並驗證模型預測的精度。步驟4:評估步驟3所構建的土地利用變化模型的模擬精度，在精度達到要求後採用馬爾可夫鏈方法或者自定變化模式對未來土地利用變化進行模擬。本發明的有益效果對於涉及土地利用變化的數據預處理流方法和具體操作步驟進行說明，提供了一套針對多源數據的實現方案；針對土地利用變化數據的時空特性，在傳統統計學方法不能直接應用的前提下，引入一種空間濾波的處理方案，用於排除地理數據本身的空間自相關性，提高模型的整體擬合精度；本發明提供了一套完整的土地利用變化建模系統，具體包括土地數據從預處理、輸入、分析、採用、建模、評估到最終預測的詳細解決方案，同現有技術相比，本發明所提供的系統功能全面、專業性強，且易於操作，有利於提高相關產業的工作效率。


圖I是本發明實施例的土地利用變化建模方法流程圖。圖2是本發明實施例的地理數據預處理流程圖。圖3是本發明實施例的人口密度圖層經過GS+軟體計算後所得的結果。圖4是土地利用變化模型結果對比。圖5是本發明實施例的土地利用變化系統流程圖。
具體實施例方式下面結合附圖和實施圖，對本發明的具體實施方式
做進ー步詳細描述。本發明實施例的數據為深圳市1996-2008年的土地利用變化的建模過程，此數據不限制本發明的範圍。該實施例包括三個主要組成部分，即地理數據的預處理和數據集構建、結合空間濾波的邏輯回歸模型構建、利用土地利用變化模型進行預測。步驟I :地理數據的預處理和數據集構建流程如圖2所示，遵循如下幾個要求
首先需要採用同一土地利用分類體系，其目的是保證模型分析的便利和數據之間的聯繫。如本實施例採用2003年國家頒發了新的土地分類制度，即「三級分類，三大類別」。依據此標準需要對於之前不符合的土地分類標準數據需要進行重分類整理。本實施例將土地利用類型分為6個類別，即耕地、緑地、建設用地、水域、未利用土地等，其中緑地為園地、林地、草地的合井。針對ニ類邏輯回歸模型把處理後的分類數據進行重新採樣為ニ類數據，即建設用地和非建設用地(除建設用地之外的其它土地類別進行合井)。同時，針對城市建設用地這ー反映城市變化的關鍵類別，其地類中包含有不同用途的景觀設施。由於這些設施是研究土地利用變化驅動カ影響的主要內容，因此有必要將建設用地進ー步細分為商業用 地、金融保險用地、エ業用地、倉儲用地、教育用地、醫療衛生用地、城鎮住宅及混合住宅用地、農村住宅用地等8個子類型，為隨後構建因子圖層做準備。其次，對於不同格式的數據，其預處理方法也有針對性的區別
矢量數據矢量數據主要為深圳市1:2000的土地利用變更調查數據，為了使其同遙感影像數據進行結合，以保證分類體系的統一，需要對原始數據進行處理。具體的處理流程包括
根據地物単元的分類編號，按照所構建的分類體系進行重新分類並賦值，具體劃分為耕地、緑地、建設用地、未利用地、水域五個類別。此外，對建設用地中包含的一系列景觀地物進行各自的專題信息提取，另外生成原始的驅動カ因素專題圖層。對新分類後的矢量數據構建統ー的投影坐標，単位為米。並利用空間分析進行誤差檢驗和圖形糾正，排除ー些形態明顯不符合實際的錯誤地類。最後利用GIS工具對矢量圖層進行柵格化處理，並按照20米精度生成土地利用現狀柵格數據。遙感數據遙感數據信息的提取過程首先需要對數據進行預處理，詳細步驟包括輻射增強、波段融合、幾何糾正、數據融合、鑲嵌、勻色、正射糾正等，目的是為使圖像變為接近平面投影的影像，並要求影像的色彩豐富、美觀，為後期影像判讀和製作鑲嵌圖做好準備。預處理完成之後，採用人工交互遙感判讀的方法進行影像數據的分類處理。首先根據波段特徵設定判斷分類和標誌，之後選取一定數量的遙感判讀訓練樣本，通過相關信息覆合和綜合推理的人工交互方法判讀勾劃出土地變化的相應地類，最後在GIS中進行拓撲關係檢查，完成土地數據地塊製圖綜合、成圖。驅動カ因子數據最後需要整理的是土地利用變化驅動カ因子的特徵要素數據。對於因子的選定必須首先保證其全面、客觀、準確的描述驅動力信息，例如等將士地利用變化驅動カ因子分為政治、經濟、人口和自然環境自然環境因子主要描述的自然界，包括大氣、水文、土地覆蓋等自然條件。對實施例中的深圳市而言，影響較為直接的自然因素主要為高程、坡度、坡向等地形因素；經濟因子可以泛指那些涉及到人類活動與土地變化趨勢之間關係的驅動カ因子，在城市土地變化中一般起主導作用。這些因子有的是實際存在於客觀世界中，例如同城市建設用地擴展方向和空間有重要關聯的城市交通因素、對於ー些帶動周邊土地變化的中心地物景觀，這些因素對於土地利用變化的驅動過程影響機制常為中心向外的輻射模式，對其所產生的驅動效應可以通過距離進行度量處理；人口因素同政治因素是人類活動直接影響土地變化機制問題的兩個不同側面。人口因素是從微觀角度，基於個體的生活需求和期望分析其對土地利用變化所產生的影響；而政治因素則相反從宏觀的角度出發，通過制定政策、制度、土地規劃等對土地利用及其結構的調整做導向性的影響。
綜合考慮，實施例從不同方面的土地利用變化驅動カ因素中選取ー些具有代表意義的因素並對其進行量化，其中包括反映自然因素的坡度、高程值、反映人口隨地理位置變化的人口密度值、反映地理中心輻射效應的公路距離、鉄路距離、反映景觀影響的教育中心距離、商業中心距離以及エ業中心距離。這些數據的處理方式大體可分為三種
(I)地形因子；(2)狀態因子；(3)距離因子。地形因子對應土地高程或者坡度數據，用於反映研究區域的自然特徵面貌，通過等高線生成TIN後獲得數字高程數據，並利用GIS數據進 一歩獲得坡度數據；狀態因子指的是當前空間位置的地物類所具有的各種狀態變量，通過對經濟統計數據進行空間化和配準方法獲得各區面積的密度分布，之後採用Kriging空間插值提取，獲得人口分布密度數據；距離因子是指當前地物類到某特定地物的距離，包括商業中心、金融中心、エ業中心、教育設施、鐵路設施、公路街道等直接影響土地利用選址和分布的要素。這些因素的處理方式則根據對之前土地利用現狀圖中所提取的特徵要素進行空間插值獲得。步驟2 :在數據集構建完畢後，以柵格數據像元為單位對數據進行空間濾波和數據採樣，空間濾波的計算公式如下
V =研/( -!)]/啊
式中ば/為濾波後變量，も.為原始觀測值，巧則為空間權重矩陣的和，#；/を-7ノ為Gi (d)的數學期望，^ブゴノ則為根據原理獲得的空間自相關值，其計算公式為
Giid) -ZljxJ
空間濾波方法最為關鍵的問題在於對距離ゴ的確定以及權重矩陣的選取。對於距離的判定方法有兩種一種是通過自相關統計值進行判斷，空間自相關值隨距離的關係呈先增後減的變化，距離可以選擇在這個變化的拐點。另外ー種方法則是變異函數(半方差)，其公式為
渉▲ぶ叫都時
式中，r必ノ為半方差值，A為點對的距離，ノ為距離含有的點對數目。而對於矩陣形式的確定則有多種方式，較為常見的如Rook (四方向)、Queen (八方向)、Distance (距離冪指數)和K-nearest (最鄰近)。把計算獲得的空間過濾後的自變量和應變量中，即可得到空間不相關的邏輯回歸模型，公式如下
r = +aLj+E
式中，ダ為自變量原始觀測值，y為過濾後的自變量值，k為過濾後的應變量值空間自相關因素，ど為誤差項。由於變化後新的自變量排除了空間自相關性，而應變量的空間自相關性則通過k進行描述，因此變量之間不存在空間自相關，可以直接運用邏輯回歸方法計算。具體的操作可以結合GS+軟體進行半方差函數曲線的擬合，如圖3為本發明實施例通過軟體計算人口密度圖層所得的結果，可以看出空間自相關性在像素距離為40個單位時大部分被過濾。步驟3邏輯回歸模型的構建邏輯回歸模型根據因變量類別的多少可以分為兩種，即ニ元邏輯回歸模型和多元邏輯回歸模型，其計算公式如下
權利要求
1.一種結合空間濾波的土地利用變化建模方法，其特徵在於，所述建模方法包括步驟 步驟1，收集土地利用變化模型所需的原始數據並進行預處理，原始數據格式包括土地變更調查矢量數據、遙感影像柵格數據、統計數據，對不同格式數據採用如下方法進行處理，構建以時間節點為標記的土地利用變化數據序列集； 步驟2，對處理後的土地現狀圖和驅動カ數據，以柵格像元為單位進行樣本採集，完成後對樣本數據採用相關係數做相關性檢驗，排除相關性明顯(大於0. 7)的驅動カ因子，隨後引入一種基於原理的空間濾波方法，對自變量(土地利用現狀圖)以及應變量(驅動力因子)圖層做空間濾波處理，把變量所描述的信息分拆為兩個部分，即為空間特徵分量和非空間特徵分量； 步驟3，把空間濾波處理後的樣本數據引入邏輯回歸模型進行計算，獲得每ー個驅動カ因子的模型參數以及土地利用變化模型； 步驟4，評估步驟3所構建的土地利用變化模型的模擬精度，在精度達到要求後可採用自定變化模式或者馬爾可夫鏈方法對未來土地利用變化進行模擬。
2.如權利I所述的結合空間濾波的土地利用變化建模方法，其特徵在於，在步驟I中，對於矢量數據和柵格數據的土地分類需採用相同的土地利用分類體系，保證柵格數據中像元值所對應的土地類別一直，對於不符合體系要求的數據需要進行重分類整理，並構建統一的坐標系，最後還需要對數據進行柵格化處理。
3.如權利I所述的結合空間濾波的土地利用變化建模方法，其特徵在於，在步驟I中，對於矢量數據和柵格數據中會影響土地利用變化的要素信息，如交通、景觀地物可通過GIS空間分析工具進行信息提取，而對於統計數據，由於其本身不具有地理位置信息還需要進行空間化配準以添加地理位置信息，隨後採用空間插值生成驅動カ因子圖層，並柵格化處理。
4.如權利I所述的結合空間濾波的土地利用變化建模方法，其特徵在於，在步驟I中數據集序列的構建方式以土地利用變化的時間節點作為標記，每ー個時間節點均構建ー套對應的土地利用變化數據集，數據集包括該時間節點下的土地利用現狀圖以及驅動カ因子圖層，包括人口密度、人均收入、自然環境，數據格式統ー為柵格數據。
5.如權利I所述的結合空間濾波的土地利用變化建模方法，其特徵在於，在步驟2中的樣本採集過程是以柵格數據的像元為單位，每ー個樣本採集數據都包含了當前像元的土地類別值以及相同空間位置下的若干個驅動力因子值，樣本經過採集和相關性檢查後進行空間濾波處理。
6.如權利5所述的空間濾波處理方法，其特徵在於，空間濾波方法通過給定一個濾波距離，計算當前樣本點所在的空間位置的鄰域關係，處理之後把樣本對應值所描述的信息分為兩個部分，即具有空間自相關特徵的分量和非空間自相關特徵的分量。
7.如權利6所述的空間濾波處理方法，其特徵在於，對於最佳濾波距離的判定標準，採用變異函數，即半方差方法。
8.如權利I所述的結合空間濾波的土地利用變化建模方法，其特徵在於，在步驟3中，對於邏輯回歸模型的構建採用ニ元邏輯回歸模型和多元回歸模型兩種以適用於不同土地分類情況，對於邏輯回歸模型參數的求解過程採用AfeWo/ -ノ方法，對於邏輯回歸模型精度的評價標準採用了 ROC曲線、顯著性檢驗、似然值以及指數。
9.如權利I所述的結合空間濾波的土地利用變化建模方法，其特徵在於，在步驟4中，對於模型的預測採用馬爾可夫鏈和自定變化模式兩種預測方法。
10.一種結合結合空間濾波的土地利用變化建模系統，其特徵在於，所述系統包括 土地現狀圖添加模塊，用於設定年份標籤，使得每個圖層對應於ー個時間節點； 變化類別設定模塊，通過對前面設定的年份因子圖層進行遍歷搜索，獲得變化的類別； 驅動カ因子添加模塊，添加驅動カ因子圖層作為自變量建立邏輯回歸模型； 模型採樣模塊，設定採樣距離以及空間濾波距離，遍歷所有數據，進行採樣； 土地利用變化建模模塊，對採樣後的數據進行空間濾波處理以及建立邏輯回歸模型，求得模型的回歸因子係數，並代入樣本數據或者原始進行評估檢驗； 土地利用變化預測模塊，確定回歸模型參數利用此模塊對未來土地利用變化的趨勢進行預測。
11.如權利10所述的結合空間濾波的土地利用變化建模系統，其特徵在於，所述系統基於ArcGIS地理信息系統軟體編寫，直接處理原始地理空間數據，不需經過地理數據與傳統數據間的相互轉化。
全文摘要
本發明公開了一種結合空間濾波的土地利用變化建模方法及其系統，涉及地理信息科學領域。方法側重於消除土地利用變化建模過程中數據的空間自相關性影響，步驟包括收集原始數據並進行預處理，生成數據集序列；採用變異函數判定空間濾波的最佳距離，隨後採用一種基於Getis原理的空間濾波方法，對變量因子進行拆分；根據濾波後的樣本構建邏輯回歸模型，以擬合精度、ROC曲線等方法評價模型；最後，提供馬爾可夫鏈和自定變化模式對土地利用變化趨勢進行預測。本發明基於統計學數學模型，並針對數學模型在地理空間計算上的不足和缺陷，採用空間濾波方式予以彌補，二者結合提高了模型的擬合精度，也更符合土地利用變化的時空特性。
文檔編號G06F19/00GK102646164SQ20121004611
公開日2012年8月22日 申請日期2012年2月28日 優先權日2012年2月28日
發明者章欣欣, 黃波 申請人:黃波