[发明专利]基于D-S证据理论的城市用地扩张模拟模型建立方法

摘要

基于D-S证据理论的城市用地扩张模拟模型建立方法。本发明涉及一种基于D-S证据理论的城市用地扩张模拟模型建立方法。为了解决传统方法中无法获得驱动因子对城市用地扩张影响程度，以及D-S证据理论无法应用于城市用地扩张模拟模型建立的问题。一种基于D-S证据理论的城市用地扩张模拟模型建立方法，通过以下步骤实现，分析影响城市用地扩张的驱动因子，并通过数据处理软件获取研究区域城市用地扩张的驱动因子的空间变量：距离变量、社会经济和自然环境；定义识别框架函数并确定识别框架函数；定义基本概率分配BPA函数组；采用数据驱动方法将步骤三获得的所述基本概率分配BPA函数组确定化；通过D-S证据理论进行驱动因子对城市用地扩张的影响程度进行分析；多种空间变量的融合。本发明应用于城市用地扩张模拟模型建立。

主权项

一种基于D‑S证据理论的城市用地扩张模拟模型建立方法，其特征在于：所述模型建立方法通过以下步骤实现： 步骤一：定性地选择影响城市用地扩张的驱动因子：距离变量驱动因子、社会经济驱动因子和自然环境驱动因子，通过数据处理软件获取研究区域内驱动因子图层，实现把所述驱动因子对城市扩张的影响程度进行量化的过程； 所述距离变量驱动因子包括距道路距离、距河流距离和距居民点距离，所述社会经济包括GDP、人口密度、房价和城市用地邻域状况；所述自然环境驱动因子包括高程、坡度、坡向和土壤； 步骤二：将基于D‑S证据理论的城市用地扩张中的识别框架函数定义为： 式中，Θ为识别框架，2^Θ为Θ的幂集，m为识别框架Θ上的分配基本概率函数BPA，为空集，目标事件T_p表示栅格p是城市用地，对立目标事件是目标事件T_p的对立面，表示栅格p是非城市用地；步骤三：根据已有的城市用地分布图与多种空间变量的定量关系，通过目标事件T_p的概率比和对立目标事件的概率比定义并获取基本概率分配BPA函数组：第一，定义所述目标事件T_p的概率比为：式中：证据E_ij表示证据E_i的第j种属性，且证据E_ij用于分配目标事件T_p的概率分布， 证据E_i(i＝1,2...L)表示将空间变量作为目标事件T_p的证据， L表示研究区域的空间变量分析城市用地扩张模拟的种类， N(S∩E_ij)表示在证据E_ij城市用地栅格总数量， N(S)表示研究区域A中现存总的城市用地栅格总数量， N(E_ij)表示证据E_ij中的栅格总数量， N(A)表示研究区域A的栅格总数量； 相应的，定义所述对立目标事件的概率比为：第二，对所述目标事件T_p的概率比：和对立目标事件的概率比：进行归一化处理，得到基本概率分配BPA函数一：基本概率分配BPA函数二：基本概率分配BPA函数三：和基本概率分配BPA函数四：第三，按照所述城市用地扩张中的识别框架函数：并由基本概率分配BPA函数一：直接获取城市用地扩张的信任函数，通过基本概率分配BPA函数二：计算获得城市用地扩张的不信任函数，通过BPA函数三：获取城市用地扩张的不确定性函数，通过基本概率分配BPA函数四：计算获得似真函数；步骤四、采用数据驱动方法将步骤三获得的所述基本概率分配BPA函数组确定化： 根据步骤二所述目标事件T_p的概率比：和步骤三所述基本概率分配BPA函数一：计算各驱动因子的城市用地扩张的信任函数；根据步骤二所述对立目标事件的概率比：和步骤三所述基本概率分配BPA函数二：计算各驱动因子的城市用地扩张的不信任函数；根据步骤三所述基本概率分配BPA函数三：计算各驱动因子的城市用地扩张不确定性函数；最后，根据步骤三所述基本概率分配BPA函数四：获取各驱动因子的城市用地扩张的似真函数。步骤五、通过D‑S证据理论进行驱动因子对城市用地扩张的影响程度进行分析，得到定量结论：距道路距离、距河流距离、距居民点距离、GDP、人口密度、房价、城市用地邻域状况、高程、坡度和土壤这些驱动因子对城市用地扩张的影响程度大，而坡向对城市用地扩张的影响程度小； 步骤六、对步骤五分析出的影响程度大的驱动因子进行多种空间变量的融合： 根据多种空间变量的基本概率分配BPA函数组的概率值和空间变量融合规则： n为步骤五分析出的影响程度大的驱动因子的个数，选择步骤五得到影响程度大的驱动因子中 的两种进行空间变量融合，从而得到研究区域各驱动因子的最终的城市用地扩张的信任函数、最终的城市用地扩张的不信任函数、最终的城市用地扩张的不确定函数以及最终的城市用地扩张的似真函数，完成基于D‑S证据理论的城市用地扩张模拟模型建立所需函数；式中，m_n‑1和m_n为两个基本概率分配BPA函数，K表示冲突概率，反映证据冲突程度，表示归一化因子，其作用是避免在合成时将非零概率赋给空集