基于马尔科夫模型的大凌河流域土地利用/覆被变化趋势研究

发布时间：2022-01-20 14:54

　　本文通过对大凌河流域2010年、2013年和2016年三期遥感影像进行分类,得到流域土地利用分布现状。对分类结果进行叠加分析可以获得大凌河流域2010²013年的地类转移概率矩阵,再运用马尔科夫原理预测出2016年流域土地利用分布情况,将其与实际情况对比分析,证明马尔科夫模型适用于大凌河流域未来土地利用/覆被变化趋势的预测。进而本文分别对大凌河流域2019年、2022年和2025年的土地利用情况进行预测,发现未来近10年流域建设用地面积持续增长,变化率为38.96%;农林用地面积从2016年开始减少,总体下降了0.77%;水域面积稳定增长,到2022年之后趋于稳定值,变化率为17.21%;旱地及其他未利用地面积继续缩减,到2019年开始趋于稳定,整体下降了1.71%。研究结果明晰了大凌河流域农林用地和建设用地之间的矛盾,可以为流域水土资源管理有关部门提供科学依据。 

【文章来源】：土壤通报. 2017,48(03)北大核心

【文章页数】：7 页

【文章目录】：
1 研究区概况
2 数据来源与理论模型
    2.1 数据来源
    2.2 理论模型
        (1) 决策树分类模型
        (2) 马尔科夫模型
3 研究方法与过程
    3.1 研究区土地利用/覆被现状
    3.2 地类转移矩阵计算
    3.3 模型适用性检验
4 预测结果与分析
5 结论


【参考文献】：
期刊论文
[1]大凌河流域生态治理措施与成效分析[J]. 王辉.  广西水利水电. 2014(04)
[2]土地利用/覆被变化的大气环境效应研究进展[J]. 张润森,濮励杰,刘振.  地域研究与开发. 2013(04)
[3]大凌河流域河道生态治理方案[J]. 高素丽.  水土保持应用技术. 2011(05)
[4]土地利用/覆被变化（LUCC）的环境效应研究进展[J]. 杜习乐,吕昌河,王海荣.  土壤. 2011(03)
[5]基于多特征的遥感影像决策树分类[J]. 潘琛,林怡,陈映鹰.  光电子.激光. 2010(05)
[6]基于空间马尔科夫模型对兴隆山自然保护区土地利用/覆盖变化趋势的研究[J]. 杜士强,陈志科,晏玲,张建明,何飞,杜鹃.  北京师范大学学报(自然科学版). 2009(02)
[7]大凌河流域的水文特性及其对生态环境的影响与对策[J]. 周永德,吴喜军,李洪利.  东北水利水电. 2009(03)
[8]马尔柯夫过程预测焉耆盆地土地利用/覆被格局变化[J]. 王水献,董新光,寇文.  干旱区资源与环境. 2007(10)
[9]转移概率矩阵计算的一种统计方法[J]. 张二艳,龚武.  河北职业技术学院学报. 2003(03)
[10]LUCC研究的最新进展评述[J]. 陈百明,刘新卫,杨红.  地理科学进展. 2003(01)

博士论文
[1]华北山区土地利用/覆被变化及其水资源效应[D]. 朱泰峰.中国农业大学 2014



本文编号：3599024