云环境下基于CA-Markov的土地利用变化预测方法

发布时间：2021-10-29 11:12

　　传统土地利用变化预测方法通常效率低,无法满足土地利用变化大数据分析和处理的需求。采用MapReduce编程模型对元胞自动机-马尔可夫模型进行并行化扩展,设计了基于Hadoop的土地利用变化预测方法（land-use change prediction method based on cloud computing,Cloud-CMLP）,并选取杭州市进行实验,包括:①不同数据量下Cloud-CMLP核心算法的运行效率实验;②利用Cloud-CMLP方法模拟杭州2013年土地利用变化,并将模拟结果与2013年遥感影像解译结果进行对比分析,验证了预测方法的正确性;③杭州2020年的土地利用变化模拟预测分析,研究区中心地带受发达交通系统影响,建设用地面积整体呈快速上升趋势,且主要来源于农业用地的转换。 

【文章来源】：武汉大学学报(信息科学版). 2020,45(07)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

基于MapReduce的CA‐Markov并行算法

从实验结果可知，Cloud-Markov相对串行Markov模型加速比为3.27时增长趋向于平稳，为3.43时达到最高，Cloud-CELUC相对于串行CELUC为1.77时增长趋向于平稳，为1.86时达到最高。图3 Cloud‐Markov与串行Markov加速比

Cloud‐Markov与串行Markov加速比

【参考文献】：
期刊论文
[1]云环境下海量空间矢量数据并行划分算法[J]. 姚晓闯,杨建宇,李林,叶思菁,郧文聚,朱德海.  武汉大学学报(信息科学版). 2018(07)
[2]GPU-CA模型及大尺度土地利用变化模拟[J]. 李丹,黎夏,刘小平,陈逸敏,李少英,刘凯,乔纪纲,郑奕钟,张亦汉,劳春华.  科学通报. 2012(11)
[3]全球环境变化研究的核心领域──土地利用／土地覆被变化的国际研究动向[J]. 李秀彬.  地理学报. 1996(06)
[4]多准则评价方法的评价[J]. 吴翼平.  决策与决策支持系统. 1994(01)



本文编号：3464546