论文部分内容阅读
近年来,随着我国城镇化进程的快速推进,城市规模不断扩大,土地利用格局发生了剧烈改变,导致了很多环境变化问题的产生,因而合理的配置土地利用方式非常重要。准确获取土地利用变化模拟和预测信息,能为城市管理者制定土地利用政策提供一定的参考依据。元胞自动机能够通过简单的局部相互作用,模拟复杂系统全局的变化,已经广泛应用于土地利用变化模拟研究。对地观测技术的快速发展,更是为元胞自动机的模拟提供了丰富的数据源,极大地促进了元胞自动机模拟土地利用变化的发展进程。然而,在利用元胞自动机模拟土地利用变化过程中,遥感分类的不确定性以及元胞自动机模拟过程的不确定性会影响最终的模拟结果。一方面,遥感影像本身的随机不确定性和模糊不确定性造成了分类的不确定性;另一方面,元胞自动机模型的敏感性和数据源误差的传递会给CA模拟结果带来影响。因此,如何有效地描述和分析这些不确定性,对于提高模拟结果的可靠性至关重要。为此,本文首先引入混合熵模型,从像元尺度和类别尺度分别对遥感分类的不确定性进行评价;然后通过响应面法设计试验,对元胞自动机模型各因素的敏感性以及多因素之间的交互作用进行分析,寻求最优尺度组合,进而基于混合熵值产生数据源误差,并从模拟前后误差大小变化、整体误差空间分布变化以及各类别误差空间分布变化三个角度对CA模拟过程的不确定性进行度量,探究数据源误差的传递特征。结果表明,混合熵模型能够准确表达遥感分类的随机不确定性和模糊不确定性,且能直观反映遥感分类误差的空间分布状况;将响应面法用于分析元胞自动机模型的敏感性,能够识别出元胞大小、邻域大小和邻域形状之间存在交互作用的影响关系,且建立了因素与模拟精度之间的回归方程,给出了最优尺度组合,弥补了现有研究基于单一因素分析CA模型敏感性的不足;基于混合熵产生的数据源误差,与真实误差分布更接近,不确定性的度量结果表明与预测时间接近的数据源对CA-Markov的模拟精度影响更大。