论文部分内容阅读
快速增长的城市化进程，使得城市化过程中随之带来的环境问题急剧恶化。因此，分析我国代表性区域的城市化过程的特征及规律，研究城市化产生的诸多问题具有重要的现实意义。对城市用地的动态变化以及相关影响的研究，可以为城市建设的整体规划的决策与设计提供理论支持。因而本文选取了我国的城市化进程中比较有代表性的研究区域:京津冀经济都市圈作为本文研究城市土地利用变化的研究区域。目前，随着土地利用变化特别是城镇用地变化研究的逐步深化，学者们构建出了越来越多的模拟模型，用来预测城市土地利用及其他土地利用类型的动态变化。这些模型的参数的获得主要是通过逻辑回归、人工神经网络、CA理论模型等方法，模型均建立了城市土地利用的变化与相关驱动影响因子之间的参数关系，但是大都忽略了驱动影响因子之间的相互作用所产生的影响。本文通过贝叶斯网络模型机器自动学习贝叶斯网络结构及参数的方式，深化了各个节点变量因子之间的结构关系与参数关系，由节点变量之间的条件概率分布表取代人工神经网络等由权重值确定数据集内各个像元的特定转换概率的方法，减少了需要人为参与确定模型内各个节点变量之间参数的复杂性，模型模拟的京津冀经济都市圈内城市土地利用概率结果显示：采用贝叶斯网络模型的模拟概率的ROC检验结果为0.975，比人工神经网络的模拟概率精度0.904高。通过在Arcgis软件下研究分析京津冀都市圈区域内2000-2008年的各个土地利用类型的结构变化、区域内各土地利用类型之间的转化情况以及不同时期城镇建设用地侵占其他土地利用类型的面积变化，从多个角度揭示了研究区域内城市土地扩张的变化规律，在此基础上对影响京津冀经济都市圈的城市土地扩张的相关驱动影响因子进行了分析。将建立的基于BNTLC模型系统应用于京津冀经济都市圈的城市土地利用变化的实例研究，模型模拟结果显示基于BNTLC模型模拟的京津冀经济都市圈的城市土地利用的精确度较高，经过kappa检验单个城镇用地的模拟精度达到了0.934，以此能够确定本研究的BNTLC模型具有较好的实用性。最后通过此模型对2020年京津冀经济都市圈的城市土地利用进行了模拟预测并对预测的城市土地利用扩张的景观格局变化及影响进行了分析，景观格局变化的结果显示2000-2020年研究区域内的城镇用地的景观斑块个数、斑块密度、百分比指数、最大斑块指数都有所增加，形状指数从2008年的21.087降低为20.237，说明区域内城镇用地的离散程度有所收敛。