[发明专利]一种顾及空间分区的土地利用适宜性概率生成方法

说明书

本发明公开了一种顾及空间分区的土地利用适宜性概率生成方法，顾及土地利用变化驱动机制的空间差异性，定量描述土地利用变化建模中各驱动因素的贡献度，有助于了解各驱动因素对于土地利用变化的影响；还围绕空间分区、驱动因素数据集的构建、各驱动因素贡献度的计算以及适宜性概率的训练，解决了土地利用变化模拟中由于时空异质性考虑不充分导致模拟精度降低的问题；基于卷积神经网络，构建了自然地理和社会经济驱动因素与土地利用变化的复杂非线性关联，进而获得各土地利用的适宜性概率，有助于加深对研究区域土地利用变化时空异质性的理解，提高对邻域空间内多土地利用驱动因素的感知能力，也为长时序的土地利用变化时空模拟和预测做准备。

技术领域

本发明涉及土地利用变化模拟技术领域，特别是涉及一种顾及空间分区的土地利用适宜性概率生成方法。

背景技术

土地利用变化适宜性概率研究旨在揭示土地利用/覆盖变化（Land-Use/Land-Cover Change，LUCC）的内在动力机制一极及作用机理，进而预测土地利用动态演变趋势，因此受到国内外学者的广泛关注，各土地利用类型的选择概率和其适宜性概率成比例，适宜性概率越大，用地竞争力越强，用地被选作元胞下一时刻的转换状态的概率也就越大。

土地利用变化驱动因素主要分为两大类，即自然环境因素和社会经济因素，以坡度、地形、气候以及降水等为代表的自然环境因素是长时序土地利用变化研究不可或缺的一部分；影响LUCC的社会经济因素则主要包括人口增长、经济发展、交通可达性以及土地利用管理政策。

现有研究表明，随着城镇化水平的持续提升，以交通可达性为代表的社会经济因素，对土地利用变化施加着远超自然环境因素的影响力；具有不同时间和空间尺度的驱动因素间也存在着内部关联，从而导致了土地利用变化的时空异质性，为LUCC驱动机制分析过程和构建过程增添了复杂性和不确定性；在长时间尺度上，自然环境因素对土地利用变化的影响较为明显；而在中小尺度和短时间尺度上，由于人类活动对土地利用变化的影响日益凸显，社会经济因素逐渐占据主导地位。

近年来，不少学者开始关注土地利用变化的时空异质性现象，尝试采用空间分区的方式对整个研究区域进行划分，进而探究不同子区域的土地利用变化模式，随着地理学计量理念的突破及智能算法的引入，土地利用变化驱动机制的研究突破了传统的实践经验为主导的定性方法，逐步走向模拟过程高效率和模拟结果高精度的定量化。

智能算法的引入为土地利用变化驱动机制研究提供了更高效的手段，近年来，基于智能算法的驱动机制研究不断增多，因此，顾及研究区域驱动因素的时空依赖特征和土地利用时空演化差异，构建土地利用变化研究合理的驱动因素数据集，挖掘用地变化与自然地理和社会经济维度驱动因素的关联，是土地利用变化驱动机制研究的重中之重和关键所在。

发明内容

为了解决以上技术问题，本发明提供一种顾及空间分区的土地利用适宜性概率生成方法，包括以下步骤：

S1、土地利用数据预处理：将土地利用数据重新分类，耕地的编码设置为1；林地的编码设置为2；灌木和草地的编码设置为3；水体的编码设置为4；建设用地的编码设置为5，建设用地包括不透水面；未利用地的编码设置为6，未利用地包括雪地、冰面、湿地以及裸地；

S2、构建多个土地利用面积信息的100m×100m分辨率土地利用数据；

S3、驱动因素数据预处理：选取12个驱动因素构建驱动因素数据集，驱动因素数据集包括自然地理驱动因素和社会经济驱动因素，自然地理驱动因素设置为3个，分别为高程、坡度以及距离水体；社会经济驱动因素设置为9个，分别为距离政府的距离、人口、GDP、高速公路、主干道、一级道路、二级道路、三级道路以及铁路；根据高速公路、主干道、一级道路、二级道路、三级道路以及铁路，构建土地利用变化社会经济驱动因素的交通可达性数据集；选取距离政府构建区域兴趣点的欧式距离数据；对驱动因素数据集进行重采样，并对结果进行归一化处理，其数学形式如下所示：