基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究

论文借助地理信息技术,采用CA-Markov模型,以1988、1996、2003年3个相同时相的TM遥感影像作为数据基础,并结合地形图和相应的交通、气候等数据对向海自然保护区未来的土地覆被类型进行动态模拟和预测。在模型建立过程中,通过马尔可夫模型求出转移概率矩阵,确定CA模型转换规则。利用CA-Markov模型对向海自然保护区未来的土地覆被类型转化方向进行了动态模拟,将模拟结果与已有的土地覆被类型对比,得出模拟精度达到74.46%。据此对向海自然保护区2010、2018年土地覆被类型做出预测。预测结果表明：向海自然保护区土地覆被类型整体趋势不容乐观,湿地面积在大量减少,林地和草地呈减少趋势,耕地、居民地、未利用地呈增加趋势,其中未利用地面积增加最多。该方法可以对向海自然保护区的湿地保护和动态监测以及可持续发展提供依据。     

基于时间序列谐波分析的东北地区耕地资源提取

耕地是人类社会赖以生存发展最重要的资源之一,及时获取其空间分布是国家农业决策的基础。论文利用2007年多时相的SPOT/VGT NDVI数据提取东北地区耕地资源信息。以NDVI时间序列数据年内变化振幅和周期差异性作为分类的依据,采用时间序列谐波分析法对全年时间谱NDVI数据进行重构,减少高频噪声对信息提取的影响,获得研究区地物信息在时间维度上的振幅、相位以及年均NDVI值影像图,然后将三者合成。应用神经网络分类方法,对合成后的影像选择训练样本,获取东北地区耕地资源的空间分布。实验中提取耕地的精度为83.26%,Kappa系数为0.732 4;该方法获取耕地资源空间分布的精度均高于GLC2000、UMD、IGBP和中科院1∶100万土地利用数据4种分类产品。研究表明,基于时间序列谐波分析法对NDVI数据重建,利用不同类型植被NDVI曲线在一年内振幅、相位特征的差异,采用神经网络分类的方法,可以精确地提取耕地资源信息,及时为农业和土地管理部门管理决策提供科学依据。