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：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。

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。

42基于CA-Markov模型的洞庭湖区土地利用变化模拟研究袁淑君 王莹*（湖南工程职业技术学院）摘要：本文以洞庭湖区为研究对象，通过回归分析进一步探索了各驱动因子和各土地类型空间布局上的潜在关系，在此基础上，利用CA-Markov模型，根据现有趋势预测2035年洞庭湖区土地利用类型布局。

模拟的2035年土地利用空间布局中，建设用地、草地、水域和未利用土地面积将保持增加趋势，耕地和林地面积将保持减少趋势。

总体而言，洞庭湖区城市化进程大大加快，主要集中在岳阳楼区、武陵区和赫山区。

草地、水域和未利用地主要分布在城镇和地区的边缘。

本文旨在分析洞庭湖区土地利用变化的内在规律，以期为洞庭湖区土地资源的优化配置提供参考。

关键词：土地利用变化；Binary-Logistic线性回归；CA-Markov模型；洞庭湖区【作者简介】 袁淑君(1983— )，女，副教授，高级工程师，硕士研究生，湖南工程职业技术学院，研究方向：土地资源管理与规划研究。

【通讯作者】王莹(1995— )，女，助讲，硕士研究生，湖南工程职业技术学院，研究方向：土地资源管理与规划研究。

【基金项目】 2022年度湖南省教育厅科学研究项目（22C0834）；湖南省自然资源厅科技计划项目（2022G06）。

土地利用模拟是研究土地利用变化趋势、探索人地关系协调发展的重要手段。

[1]通过数据测算及空间分析找到影响地类布局的驱动因子，探寻隐藏在地类变化中的规律，结合模拟模型将掌握的规律进行迭代运算，可以得到按照当前趋势未来某一时间段的土地利用类型的布局形式，为未来区域土地利用管理政策制定提供数据支持。

[2]土地利用布局优化是指对土地要素进行空间调控，力求在不同区域之间实现不同类型的合理配置，是实现土地资源合理利用、优化城市发展空间发展格局的重要手段。

[3]土地利用布局优化方案对国土部门制定城市总体规划具有现实参考意义，对促进地方经济发展、加强生态保护、实现社会公平、促进资源利用协调发展具有深远意义。

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）。

安装：先将两个压缩包下载下来，下载完后解压，会有一个cue文件和一个bin文件，这是一种光盘镜像的格式，需要虚拟光驱进行安装（推荐DAEMON TOOL），其下载和使用不再说明，自己去百度找去，不相信这个也找不到），用DAEMON TOOL载入cue文件，会引导载入对应的bin文件，在我的电脑找到相应的虚拟光驱盘符，打开就可以安装了。

注意！因破解也已到期，使用前请将系统时间调整到2011年11月12号之前！数据格式问题：Arcgis可以直接打开IDRISI的数据格式！用IDRISI的import功能,可以导入ESRI的文件格式,由于IDRISI有自己的文件格式,所以如果是矢量的,要通过import转成idrisi的矢量文件格式,如果是栅格的在Arcgis下转成ASCII格式,然后通过import转成idrisi的格式.1、SHP 文件转为RASTER 文件SHP 文件转为RASTER 文件是在spatial analyst 中进行的，分类的字段为土地利用类型，栅格大小的设置根据研究区的面积和CA-MARKOV 模型运行的速度设置为100m*100m。

利用转换后的栅格文件统计栅格也即元胞的个数。

2、Arcgis 中raster 文件转ASCII 文件在IDRISI 中Arcgis 的raster 格式转为IDRISI 的raster 格式时，需要用到Arcgis 的ASCII 文件进行转换，因此在Arcgis 中先将raster 文件转为ASCII 文件。

此项工作是在arctoolbox 中进行的。

3、IDRISI 中数据格式的转换在IDRISI 中将ASCII 文件转为raster 文件。

点击output reference information,选择投影参数：比如，原来文件是utm zone 50n 的，就要选这样的参数文件。

附：在IDRISI 中将ARCGIS的shp文件转为IDRISI的矢量文件vct的方法：生成转移面积矩阵和转移概率矩阵：将First（earlier）land cover image(第一个土地覆盖图像)设置为1996 年的土地利用现状图，将Second(later)land coverimage(第二个土地覆盖图像)设置为2004 年的土地利用现状图，将Prefix for output conditional probability images （输出条件概率的前缀）设置为9604，将第一个与第二个土地覆盖图像之间的时间间隔以及向前预测时间周期都设置为8，将0.0 赋予背景栅格单元，并将Proportional error(比例误差)设置为0.1，然后单击OK 按钮，即可以生成转移矩阵和状态转移图像.rgf。

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。