论文部分内容阅读
土地利用/土地覆盖变化(LUCC)是当前全球环境变化研究的热点问题。LUCC在空间维和时间维上是一个渐进的、不确定的复杂过程。模糊理论是解决不确定性现象的一种较为合适的方法,所以本文尝试用模糊理论对LUCC进行较为深入的分析。本文以南通市崇川区为研究区域,建立基于自适应神经模糊推理系统(ANFIS)的土地利用变化模型,并运用该模型对研究区进行土地利用变化的模拟和预测。主要的研究内容及结论有:
1.设计土地利用变化模糊推理模型结构。整个模型结构是以ANFIS为基础,它包含训练和模拟两部分。训练部分利用ANFIS进行学习,获取模型所需的参数。而模拟部分其实是构建模型的实际应用。
2.利用GIS和RS技术获取研究数据。以研究区2001年和2005年的遥感影像作为主要数据源,运用GIS和RS技术提取研究区土地利用分类数据、地形数据、道路数据及不可建设用地数据,并分析研究区的土地利用现状及变化情况。
3.遴选影响土地利用变化的空间变量。运用空间分析方法从相关数据中提取该研究区土地利用变化的空间变量,并采用波段组合方法将变量进行叠加组合,再对组合后的变量运用随机采样的方法获得模型的训练数据集和检测数据集,将这些数据集作为模型的输入。
4.确定模型的ANFIS结构。首先,在试验的基础上确定模型的ANFIS为5输入、1输出、162条规则的Sugeno模糊推理结构。输入隶属函数为2-3-3-3-3个广义钟形隶属函数,输出隶属函数为常数。再经过训练调整模型的参数,得到一个比较优化的研究区土地利用变化模糊推理模型。
5.运用模型进行土地利用变化模拟。将该模型应用于研究区2005年和2009年的土地利用情况的模拟预测,并采用逐点对比法和整体对比法进行了精度评价。其中,2005年的模拟总精度为0.82, Kappa系数为0.58;模拟的Moran Ⅰ指数值为0.548,实际的Moran Ⅰ指数为0.5398。从精度上来看,模拟结果比较理想。
研究结果表明,应用模糊推理理论建立的土地利用变化模型,较为准确地反映土地利用变化的复杂性、不确定性。模型参数通过ANFIS训练获取,可以有效地提高参数设置的效率。综上所述,ANTIS可以有效地简化模型结构,使得模型更具灵活性,为土地利用变化模拟增加了一种较为可行的解决方法。