基于自适应可变滤镜的地类变化预测模型研究
柳长源1,2 刘鹏1 毕晓君2
（1. 哈尔滨理工大学 电气与电子工程学院 哈尔滨 150080；2. 哈尔滨工程大学 信息与通信工程学院 哈尔滨 150080）
摘 要：随着土地开发建设规模不断扩大，土地利用情况也在逐年发生变化，准确预测未来土地利用的发展趋势，可以为本地区的土地利用规划提供依据，提升本地区的土地利用效率。传统方法一般采用CA_Markov、ANN以及CA_ANN模型进行预测，存在训练时间长、预测精度不足、缺乏说服力等问题。本文针对上述问题，结合元胞自动机以及神经网络模型，建立一种自适应可变滤镜网络模型，针对特定大小区域内的土地类别数，创建多类数据集来训练不同参数的多个神经网络，可以成功预测未来土地变化的情况，这样就避免了训练单一网络时数据对网络权值的抵消，相比于传统的CA_Markov模型和CA_ANN模型，不仅总体精度提高了3%，各种地类转化精度提高了12.82%-33.33%，模型训练时间也缩减了49.47%。
关键词：遥感；土地利用预测；元胞自动机；神经网络；自适应可变滤镜
中图分类号：TP391.4 文献标识码： A
Research on Land use changes Prediction Model based on Adaptive Variable Filter
LIU Changyuan1,2，LIU Peng1，BI Xiaojun2
（1. School of Electrical and Electronic Engineering, Harbin University of Science and Technology, Harbin 150080;
2. Institute of Information and communication, Harbin Engineering University, Harbin 150009）
Abstract：With the continuous expansion of land development and construction scale, land use conditions are also changing year by year. Accurate forecasting of future land use development trends can provide an evidence for land use planning in the region and improve the efficiency of land use in the region. Traditional methods generally use CA_Markov, ANN, and CA_ANN models for prediction. There are problems such as long training time, lack of prediction accuracy, and lack of persuasiveness. This paper mainly concentrates on the above problems, combines the cellular automata and neural network models, and establish an adaptive variable filter network model to create multiple data sets to train multiple neural networks with different parameters based on the number of land use categories within a certain size area. This can successfully predict the future land change situation, thus solving the problem of training singleness. Compared with the traditional CA_Markov model and the CA_ANN model,our model not only improves the overall accuracy by 3% , but also has partial accuracy in the changes with 12.82%-33.33% improvement, model training time was also reduced by 49.47%.
Keywords：Remote Sensing; Land Use Forecast ;ANN; CA; Adaptive Variable Filter
0 引 言
土地利用变化反映了经济社会发展对土地资源利用的影响，是环境变化以及可持续发展的重点研究内容，同时也是全球土地利用领域研究的难点[1]。近年来，对土地利用变化情况进行预测成为了LUCC(land use/cover change) 的主要研究方向，得到了公众广泛的关注[2-3]。客观地、科学地分析土地利用的变化趋势，不仅可以使土地的开发和建设更具有科学性[4]，对自然环境的改善和保护更加符合大自然的客观规律，也可以为经济的可持续发展提供建设性的意见和建议[5]。近十多年来，借助于计算机、遥感和GIS技术[6]，无论是从统计土地利用信息方法，还是对于遥感影像进一步的处理技术都得到了迅猛的发展，涌现出了许多值得借鉴的模型，包括随机森林，CLUE-S等空间显示模型[7]和以马尔可夫链模型为主的非空间显示模型[8-9]。
随着“重振东北老工业基地”政策的提出，哈尔滨作为省会城市，整体土地利用格局发生了显著的变化，探索其中的变化规律，对于东北地区的土地格局规划有着重要的参考意义。由此，本文选取哈尔滨香坊地区为研究区域，对卫星遥感图像解析出栅格数据，采用人工神经网络(artificial neural network, ANN)与元胞自动机(cellular automata, CA)耦合模型，并加入了自适应可变滤镜，相比传统CA_ANN模型，各地类预测精度提升了12.82%-33.33%，模型训练时间也缩短了49.47%。
1 研究区域概况及数据来源
1.1 研究区域概况
香坊区位于哈尔滨的东南部[10]（如图1），面积为339.55km2，地势略有起伏，土壤肥沃，是哈尔滨市重要的农业区之一，城市化进程相对落后。2015年，65%以上地区都是农业区，占据优势地位，其次是城镇用地和农村居民点，草地、林地所占比例较小，表明该区域以农业生产为主，比较符合东北地区的特点。近二十年来，耕地面积持续缩减45.52km2，主要归因于人口增长、经济发展和城镇化进程的加速。在经济利益的驱使下，致使人们扩大了对耕地开发利用的规模，导致区域人口压力增大，生态环境恶化等一系列问题。
