IDRISI软件之CAMarkov模块实现土地利用变化模拟方法及步骤

IDRISI软件之CA_Markov模块实现土地利用变化模拟方法及步骤一、首先创建一个工程目录二、数据格式转换所用的数据是IDRISI中的栅格数据，因此需要将gis中的tif数据转换为IDRISI支持的栅格数据格式。

方法：File→Import→Desktop Publishing Formats→GEOTIFF/TIFF转换后的格式为.rst三、获取马尔科夫矩阵方法：Modeling→Environmental/Simulation models→MARKOV1表示获取转换矩阵的前一期影像，为我们的87年遥感影像；2表示获取转换矩阵的后一期影像，为我们的96年遥感影像；3是这个模型中输出条件概率的前缀，表示的是从87到96变化的一些信息（具体是什么，我也不清楚，但是后续的预测会用到这个文件），一般都是我们自己命名，比如说8796；4表示第一个与第二个影像之间的时间间隔，这里为9年；5表示我们向前预测的时间周期，这里也设置为9年，即模拟2005年的土地利用情况；6是比例误差（我看的资料里面一般都设置的是0.15）。

获取的马尔科夫矩阵记录了在下一个时期，从每个土地利用类型转换为其他土地利用类型的概率。

四、实现CA_Markov模型预测土地利用变化模拟使用的是IDRISI软件中的CA-Markov模型, 位于Modeling→Environmental/Simulation models→CA_Markov。

1表示模拟05影像需要依据的影像，即为我们的96年遥感影像；2表示马尔科夫转换矩阵面积文件，这里选择的是马尔科夫转换概率矩阵；3即为转换适宜性图集（我是把从87转换为96年影像中产生的那个8796文件作为适宜性图集，一般都是自己重新做一个这种图集，需要道路、河流、坡度等信息，我之前也做过，但主观性特别强，而且出来的模拟精度很低，所以就舍弃了这个方法）；4表示输出的土地利用变化数据，命名为05；5表示元胞自动机循环次数，一般为两个年份之间间隔的整数倍，这里可以取9、18、27等等，但是数字越大，需要的模拟时间越多；6是我们讨论的CA模型中邻域结构的设定，系统默认的是5*5型，即为我们所说的5*5的冯诺依曼形状，如下所示：0 0 1 0 00 1 1 1 01 1 1 1 10 1 1 1 00 0 1 0 0如果需要自己设置的话，可以选择上述对话框中的User-defined filter，但是里面的文件需要我们自己制作，方法如下（以7*7摩尔结构为例）：1）点击工具栏上的Edit按钮：2）编辑输入过滤模板第一行表示7行第二行表示7列下面的矩阵构成邻域过滤矩阵，1表示有影响作用的邻域，反之用0表示。

第 41 卷 ，第 2 期 2024 年4 月15 日国土资源科技管理Vol. 41，No.2Apr. 15，2024 Scientific and Technological Management of Land and Resourcesdoi：10.3969/j.issn.1009-4210.2024.02.004基于CA-Markov模型的成都市土地利用变化情景模拟及碳效应分析刘雅雅1，2，3，李欣欣1，2，3，余向克1，2，3，黄中杰1，2，3（1.四川省国土科学技术研究院（四川省卫星应用技术中心），四川　成都　610045；2.自然资源部耕地资源调查监测与保护利用重点实验室，四川　成都　610045；3.自然资源部成都平原国土生态与土地利用野外科学观测研究站，四川　成都　610045）摘　要：本研究基于成都市2005年、2010年、2015年、2020年土地利用现状分析，应用CA-Markov模型和情景预测模型，通过设置3种土地利用变化情景预测2030年成都市的土地利用结构变化，并对成都市土地利用变化导致的碳效应变化进行分析。

结果表明：（1）成都市土地利用格局变化总体呈现耕地和草地减少、建设用地增加的趋势。

2005—2020年，建设用地面积增加最多，耕地面积减少最多。

（2）3种土地利用变化情景下都出现建设用地面积增加，耕地和草地面积减少的趋势。

自然发展情景建设用地增加3.39×104hm2，城市发展情景建设用地增加5.66×104hm2，生态保护情景建设用地增加1.67×104hm2，生态保护情景建设用地增速明显低于自然发展情景和城市发展情景。

（3）城市发展情景下的总碳效应是自然发展情景的1.62倍，是生态保护情景的3.76倍。

建设用地扩张是影响碳效应的主要因素，在城市建设中严格限制建设用地过度扩张，是实现城市绿色低碳发展的重要路径。

关键词：碳吸收；低碳；土地利用变化；情景模拟中图分类号：F301.2 文献标志码：Ａ 文章编号：1009-4210-（2024）02-38-12Scenario Simulation of Land Use Change in Chengdu and Carbon EffectAnalysis Based on CA-Markov ModelLIU Yaya1，2，3，LI Xinxin1，2，3,YU Xiangke1，2，3，HUANG Zhongjie1，2，3（1．Institute of Land Science and Technology of Sichuan （Satellite Application Technology Center of Sichuan），Chengdu 610045，Sichuan，China；2．Key Laboratory of Investigation，Monitoring，Protection and Utilization for Cultivated Land Resources,Ministry of Natural Resources，Chengdu 610045，Sichuan，China；3．Observation and Research Station of Land Ecology and Land Use in Chengdu Plain，Ministry of Natural Resources，Chengdu 610045，Sichuan，China）Abstract: Based on the analysis of land use status in 2005，2010，2015 and 2020，this study applies CA-Markov model and scenario prediction model to predict the changes in land use structure of Chengdu 收稿日期：2023-12-08基金项目：四川省自然资源厅科技项目（KJ-2022-(10)）作者简介：刘雅雅（1996—），女，助理研究员，从事国土空间规划及生态保护红线研究。

基于CA-Markov模型的楚雄市土地利用动态监测及预测研究作者：裴子誉白家雪陆文榆许永涛来源：《安徽农业科学》2022年第02期摘要運用RS、GIS等技术手段对楚雄市2002、2010、2018年3期的遥感影像进行分类，将土地利用类型划分为建设用地、耕地、林地、水体和未利用地，并根据土地利用现状图对楚雄市的用地结构变化进行分析;在此基础上运用IDRISI软件构建基于人工神经网络的CA-Markov模型，以2002、2010年土地利用状况为基础数据模拟2018年的土地利用情况，在精度检验符合要求后最终模拟2026年的土地利用情况。

结果表明，楚雄市2002—2018年土地利用变化中耕地和建设用地是主导地类，但在不同研究时段变化具有差异性。

林地转移到耕地和建设用地是楚雄市主要土地利用转移类型。

2010年后政府出台政策支持乡镇耕地发展，个别乡镇在此期间耕地与建设用地得到了大力发展。

CA-Markov模型对楚雄市2018年的土地利用情况模拟预测精度验证的Kappa系数为0.71。

根据预测结果2026年楚雄市土地利用变化中耕地和建设用地仍是主导地类。

关键词土地利用;动态监测;预测;CA-Markov模型;楚雄市中图分类号 S 127文献标识码 A文章编号 0517-6611（2022）02-0072-06doi：10.3969/j.issn.0517-6611.2022.02.019开放科学（资源服务）标识码（OSID）：Research on Dynamic Monitoring and Prediction of Land Use in Chuxiong City Based on CA-Markov ModelPEI Zi-yu，BAI Jia-xue，LU Wen-yu et al （School of Resources，Environment and Chemistry，Chuxiong Normal University，Chuxiong，Yunnan 675000）Abstract RS and GIS were used to classify the remote sensing images of Chuxiong City in 2002，2010 and 2018，and classify the land use types into construction land，arable land，forest land，water bodies and unused land，and the change of land use structure in Chuxiong City was also analysed based on the current land use map.On this basis，the CA-Markov model based on artificial neural network was constructed using IDRISI software to simulate the land use situation in 2018 with the land use status in 2002 and 2010 as the base data，and finally simulate the land use situation in 2026 after the accuracy check met the requirements.The results showed that the arable land and construction land were the dominant land use categories in the land use change in Chuxiong City during 2002-2018，but the change had variability in different study periods.Transfer of forest land to arable land and construction land was the main type of land use transfer in Chuxiong City.The government introduced policies to support the development of arable land in townships after 2010，and individual townships had experienced strong development of arable land and construction land during this period.The Kappa coefficient for the accuracy verification of the CA-Markov model's land use simulation prediction for Chuxiong City in 2018 was 0.71.According to the prediction results in 2026，arable land and construction land will still be the dominant land use types in Chuxiong City.Key words Land use;Dynamic monitoring;Prediction;CA-Markov model;Chuxiong City 基金项目云南省高等学校大学生创新创业训练计划（S201911391027）。

IDRISI软件之CA_Markov模块实现土地利用变化模拟方法及步骤一、首先创建一个工程目录二、数据格式转换所用的数据是IDRISI中的栅格数据，因此需要将gis中的tif数据转换为IDRISI支持的栅格数据格式。

方法：File→Import→Desktop Publishing Formats→GEOTIFF/TIFF转换后的格式为.rst三、获取马尔科夫矩阵方法：Modeling→Environmental/Simulation models→MARKOV1表示获取转换矩阵的前一期影像，为我们的87年遥感影像；2表示获取转换矩阵的后一期影像，为我们的96年遥感影像；3是这个模型中输出条件概率的前缀，表示的是从87到96变化的一些信息（具体是什么，我也不清楚，但是后续的预测会用到这个文件），一般都是我们自己命名，比如说8796；4表示第一个与第二个影像之间的时间间隔，这里为9年；5表示我们向前预测的时间周期，这里也设置为9年，即模拟2005年的土地利用情况；6是比例误差（我看的资料里面一般都设置的是0.15）。

获取的马尔科夫矩阵记录了在下一个时期，从每个土地利用类型转换为其他土地利用类型的概率。

四、实现CA_Markov模型预测土地利用变化模拟使用的是IDRISI软件中的CA-Markov模型, 位于Modeling→Environmental/Simulation models→CA_Markov。

1表示模拟05影像需要依据的影像，即为我们的96年遥感影像；2表示马尔科夫转换矩阵面积文件，这里选择的是马尔科夫转换概率矩阵；3即为转换适宜性图集（我是把从87转换为96年影像中产生的那个8796文件作为适宜性图集，一般都是自己重新做一个这种图集，需要道路、河流、坡度等信息，我之前也做过，但主观性特别强，而且出来的模拟精度很低，所以就舍弃了这个方法）；4表示输出的土地利用变化数据，命名为05；5表示元胞自动机循环次数，一般为两个年份之间间隔的整数倍，这里可以取9、18、27等等，但是数字越大，需要的模拟时间越多；6是我们讨论的CA模型中邻域结构的设定，系统默认的是5*5型，即为我们所说的5*5的冯诺依曼形状，如下所示：0 0 1 0 00 1 1 1 01 1 1 1 10 1 1 1 00 0 1 0 0如果需要自己设置的话，可以选择上述对话框中的User-defined filter，但是里面的文件需要我们自己制作，方法如下（以7*7摩尔结构为例）：1）点击工具栏上的Edit按钮：2）编辑输入过滤模板第一行表示7行第二行表示7列下面的矩阵构成邻域过滤矩阵，1表示有影响作用的邻域，反之用0表示。

CA—Markov模型在土地利用模拟研究中的应用作者：王菲柴旭荣来源：《现代农业科技》2013年第02期摘要土地利用变化模拟研究是土地利用变化研究的热点。

研究土地利用变化模拟的方法很多，将各个模型相互结合逐渐成为土地利用变化模拟的研究前沿。

该文简要回顾了马尔科夫链模型和元胞自动机模型在土地利用模拟中的研究进展，探讨了这2种模型在研究中的优缺点，并对其今后在土地利用变化模拟中的发展趋势提出了展望，以为土地利用变化模拟研究提供参考。

关键词元胞自动机；马尔科夫链；土地利用变化中图分类号 F301.24 文献标识码 A 文章编号 1007-5739（2013）02-0227-01土地利用变化模拟研究已经成为土地利用变化研究的重点，是当今土地利用变化研究中的前沿和热点课题。

土地利用变化空间化建模一直是土地利用变化研究的难点问题。

土地利用变化模拟研究常用的方法很多，现阶段人们进行土地利用变化模拟的方法主要有马尔科夫链模型、元胞自动机模型、GIS、空间Logistic模型等。

其中，马尔科夫链模型和元胞自动机模型在土地利用变化模拟研究中应用非常广泛。

当然，每种模型的应用范围和在研究中所起到的作用不同，各有其优缺点，单独应用某种模型来模拟或预测土地利用变化的研究已经成为过去式。

近年来，将各个模型相互结合研究土地利用变化的研究越来越多。

该文对马尔科夫链模型和元胞自动机模型机理进行简单描述，重点分析2种模型在土地利用变化模拟中的研究进展，并对马尔科夫链模型和元胞自动机模型今后在土地利用变化模拟研究中的发展趋势进行了展望，以为土地利用变化模拟提供参考。

1 马尔科夫链模型在土地利用变化研究中的应用1.1 马尔科夫（Markov）模型Markov模型是基于Markov过程理论而形成的预测事件发生概率的方法，通过对不同状态的初始概率以及状态之间的转变频率的研究，来确定状态的变化趋势，从而达到预测未来的目的[1]。

在土地利用变化研究中，可以将土地利用变化过程视为马尔科夫过程，将某一时刻的土地利用类型对应于Markov过程中的可能状态，它只与其前一时刻的土地利用类型相关，土地利用类型之间相互转换的面积数量或比例即为状态转移概率。

科学技术创新2021.04基于Logi s t i c-C A -M arkov耦合模型的城市土地利用模拟李敏刘国栋(重庆交通大学土木工程学院,重庆400000)本文以济南市市中区为研究对象,首先应用EN V I 软件对2005年和2015年2期遥感影像进行解译;其次利用Logi s t i c 回归模型提取CA -M ar kov 模型所需的转换规则;最后完成研究区2025年用地类型格局的模拟预测,从而为研究区未来土地可持续发展提供决策依据。

1研究区概况与数据1.1研究区概况本文研究区域为济南市中心城区之一的市中区,地理位置位于36°35′36″N -36°40′04″N ,116°54′29″E-117°02′01″E 之间。

该区属于暖温带半湿润大陆性季风气候。

地势南高北低,坡差较大,南有群山,北依平原,最高处海拔高程450.5米,最低处海拔高程30米[4]。

图1研究区位置1.2数据获取及预处理从地理空间数据云(ht t p://www.gs cl /)下载合适时间段的2期遥感影像,空间分辨率均为30m ×30m ,基于常用的分类体系和研究区实际实际情况对2期影像进行目视解译并划分为5种用地类型:建设用地、耕地、林地、水体及其他土地。

驱动因子选取D EM 、地形起伏度、距城镇道路的距离、距离铁路的距离、距离主要河流的距离等自然和人口密度、G D P 密度等社会经济的7个参数进行逻辑回归分析。

D EM 、从地理空间数据云(ht t p://www.gs cl /)获得铁路和河流数据,道路数据从开源地图O penSt r eet M ap(简称,O SM )(ht t p://www.opens t r eet m ap.or g/)中获取,基于此部分数据分别通过G I S 软件进行距离计算;基于D EM 数据提取地形起伏度;人口密度、G D P 密度数据从中国科学院地理科学与资源研究所全球变化科学研究数据出版系统(ht t p://www.geodoi .ac.c )获取。

基于Logistic-CA-Markov模型的临沂市土地利用变化模拟预测研究共3篇基于Logistic-CA-Markov模型的临沂市土地利用变化模拟预测研究1随着社会经济的不断发展，土地资源的合理利用和规划显得尤为重要，土地利用变化模拟预测也成为了土地利用研究的重要领域。

因此，本文旨在研究基于Logistic-CA-Markov模型的临沂市土地利用变化模拟预测。

首先，文章从土地利用现状出发，对影响土地利用变化的主要因素进行分析，构建了影响土地利用的因素体系，包括自然因素、经济因素、政策因素等。

随后，通过数据采集和处理，获取了临沂市2005年至2017年的土地利用数据，并进行了初步的分析。

接着，文章根据Logistic模型和CA模型的优缺点，提出了一种基于Logistic-CA-Markov模型的土地利用变化模拟预测方法。

该模型结合了Logistic模型的优点，可以预测各个土地类型的转移概率；同时采用了CA模型，可以对空间分布进行模拟；最后引入马尔科夫转移矩阵，对土地利用变化发展趋势进行预测。

在模型的具体应用上，文章选择了2005-2010年和2010-2017年两个时段作为研究对象，对临沂市的土地利用变化进行了模拟和预测。

结果显示，该模型能够较为准确地模拟出不同类型土地的转移趋势，从而预测未来土地利用变化的发展趋势。

在预测结果中，新建区域主要以工业用地和居民用地为主，耕地和林地面积不断减少，城市化程度和经济发展水平不断提高。

然后，文章对模型的局限性进行了讨论，主要包括模型参数的选择、因素体系的建立以及空间因素的考虑等。

最后，文章提出了对未来工作的展望，包括优化模型算法、完善因素体系、加强模型预测精度等方面。

综上所述，基于Logistic-CA-Markov模型的临沂市土地利用变化模拟预测研究，为土地资源合理利用和规划提供了一定的参考和依据，为其他城市的土地利用变化研究提供了借鉴和启示本研究基于Logistic-CA-Markov模型，对临沂市的土地利用变化进行了模拟和预测。