智能预测土地利用动态变化-基于GIS及神.doc

智能预测土地利用动态变化-基于GIS及神经网络模型【摘要】随着全球环境不断变化，土地资源的合理利用率成为一个关键问题，其中模拟和预测土地利用变化是重要的一部分本文首先介绍了地理信息系统（简称GIS）技术以及神经网络，其次基于GIS技术建立的土地转换模型经过神经网络分析后，最后预测土地利用动态变化这种方法充分结合了 GIS和神经网络的优点，更好的预测出土地利用的趋势，为土地管理和城市规划等相关部门提供一手依据【关键词】GIS ;神经网络；土地利用引言 土地是人类目前生活发展过程中最基本、最重要的间接资源之一运用科学合理的管理、发展土地的方法有着重要意义土地利用是当今全球环境变化的重要原因之一，开展 典型区域的个案研究是认识全球环境变化的必要途径，也是 区域可持续发展研究的关键目前土地管理中实现了文字信息与地图信息一体化的自动管理模式土地利用动态变化预测是土地管理工作中的重要部分，直接关系到国家的可持续 发展因而研究土地利用的变化对提高土地利用率有着深远的意义1. 土地利用变化预测模型现状 早期的土地利用变化模型重点是理解静态的空间格局,1990以来，首先是时间动态模型在空间格局分析的基础上与地理信息系统的结合；其次是遥感技术的被广泛发展，遥 感数据具有相对客观性和高分辨率的特点，对于识别和分析 土地利用变化发挥着至关重要的作用；最后是21世纪出现 的地理信息系统((Geographic Information System ,简称GIS ), GIS是一门十分复杂的综合性交叉学科,并且和众多 学科相结合，例如与地理学、地图学以及遥感技术等学科相 结合，在不同的领域范围中应用广泛，除可以对空间信息进 行分析以及预处理之外，还能够把视觉化的地图和地理数据 分析功能，连同一般的数据库操作等集成到一起来分析2 •神经网络从神经网络的输入层到其隐含层实现这一过程，其实是 一个非线性映射的过程，然而，从隐含层到输出层这一过程 却是线性映射；神经网络强大的处理功能相当于从高维空间 到低维空间的映射。

神经元是对神经网络模型操作处理的基 本单位，同时也是神经网络设计的最基本的基础，如图所示 为神经元基础模型神经元模型一般含有三种基本元素(1) 突触或连接链，每一个都存在其权值，因此可以被看作为特征(2) 加法器，用于求解输入神经元相应突触加权所产生的和(3) 激活函数用来限制神经元输出振幅贴近得到任意 的函数形式但是，如果信息中含有某些敏感点，那么这些 敏感点，很有可能造成神经网络在学习和练习的过程中陷入 局部最小值如果只利用神经网络去对土地利用变化分析， 毋庸置疑存在缺点，所以我们利用GIS和神经网络相结合方 法对土地利用变化进行模型3. GIS和神经网络相结合土地利用变化预测模型 3.1模型的优化结构土地利用变化研究需要基于大量的数据的前提数据存储和处理的工具，我们通过神经网络模型和GIS相结 合方式，预测出土地利用的变化模型分为两个部分--神经 网络训练和神经网络模拟其中神经网络的练习经常使用算 法为反向传播通过对两期遥感影像的土地利用图进行分 类,随机选择出测试样本以及训练样本，用ThinksPro操作 软件创建该神经网络模型，反复进行训练目的是获取神经网 络的权值参数以及偏置参数。

在我们确定自由参数以后，就 可以用已知的数据进行预测土地利用变化规律，需要反复预 测过程，通过给定的回合数确定预测的时间3.2获取空间数据神经网络的输入数据功能，一般是用来存储一系列数据 层或者解决数据问题的，其中最根本的数据图层便是土地利 用分类图层，因此我们需要对每一种数据进行编码，用来表 示对预测单元的影响大小，这些编码以后便作为输人变量的 初始值3.3处理遥感数据遥感数据是主要数据来源对土地利用变化研究来说，通过软件对遥感影像进行处理,遥感数据处理的过程有以下几各步骤：(1) 合成遥感影像数据(2 )对影像几何精校正(3) 图像效果增强处理(4) 图像的镶嵌(5) 对研究区裁减(6) 遥感影像的分类(7) 对分类结果评价3.4 GIS空间分析由模型可知，模型可以很好的De栅格数据相结合，采用GIS软件空间分析是重要数据生成一种方法，在这里我们用作为空间分析的重要工具空间缓冲区分析，即再实体周围创建相互存在一定间隔的带状区域，用来区别这些实体对附近对象所产生的辐射大小因此，空间缓冲区分析，首先要确定出分析源，在实际 应用中，随着距离的不断增大，其产生的影响就会缓慢减弱在本文中，笔者主要通过空间缓冲区分析这一功能，从而获 得各实体对其缓冲区产生的影响结果4結语用神经网络进行预测方法充分利用了其复杂映射能力， 很强的自组织等长处，此外，通过使用GIS数据辅助训练样 本的选择，达到了对样本点的自动化选取目的，从而大大提 高了选取训练样本的效率，节省了宝贵的时间；另外神经网 络存在大量的缺点：例如特别容易陷入局部最小、学习收敛 速度慢等一系列缺点，以及忽略一些重要影响因素的特征， 所以我们预测结果并非特别精确，我相信在不远的将来，我 们一定可以通过更好的模型预测出更加精确的土地利用动 态变化参考文献 ⑴张明媛•基于GIS模拟土地利用变化[J] •燕山大学学报.2014.[2] 毛先成.GIS支持下的县域土地利用动态变化分析[J]・ 中南大学学报.2015.[3] 王国杰•基于GIS的土地利用变化动态分析[J] •青海省 西宁市国土资源局.2014.。