基于深度学习的玛纳斯土地利用时空格局变化与预测

土地利用时空格局变化与预测对土地资源管理与优化至关重要。本文基于遥感时空序列数据,协同景观指数与深度学习的长短时记忆网络(Long-Short Term Memory,LSTM)模型,对玛纳斯进行长时间序列土地利用时空格局演变特征分析和预测。结果表明:(1)1992—2020年耕地、草地和建设用地增加,林地、水域和未利用地减少。(2)耕地破碎化程度降低,林地和水域的景观指数轻微波动;草地破碎化程度降低,形状趋于规则化;建设用地处于持续扩张状态,破碎化程度加深,形状趋于复杂;未利用地破碎化程度增加,但形状趋于规则化。(3)比较了LSTM模型、多层感知人工神经网络(Multi-Layer Perception Artifical Neural Network,MLP-ANN)模型、逻辑回归(Logistic Regression,LR)模型和CA-Markov模型的预测精度。LSTM模型的Kappa系数为95.31%,较其他模型准确度高,符合实际土地利用格局分布。LSTM模型表明2025年土地利用类型可能仍以耕地、草地和未利用地为主。

基于FLUS-Markov模型的喀什地区生态承载力时空格局预测

生态承载力是区域可持续发展和推进生态文明建设的重要决策参考依据。以喀什地区为例,收集经济、社会、生态环境等数据,基于遥感数据、GIS(Geographic Information System)技术、生态足迹法,以土地利用预测为结合点,用FLUS-Markov(Future Land Use Simulation Model-Markov Model)模型预测喀什地区生态承载力格局,分析其时空格局和数量发展趋势,为喀什地区生态文明建设和区域协调发展提供决策依据。结果表明:2015—2020年喀什地区单位面积生态承载力空间格局基本一致,但区域内呈不均衡分布;预测可知,2020—2030年研究区生态承载力总体数量将明显增加,各地类对总体生态承载力贡献由大到小依次为耕地、草地、建设用地、林地、水域、未利用地,向草地、未利用地转入的生态承载力对地区总体生态承载力增长贡献突出,耕地-草地、草地-未利用地的互相转换矛盾较大;自2015年后,地区实施的耕地保护和退地减水措施非常有效,预测2030年的结果表明,退耕还林还草工程的实施还有待加强。

基于NSGA-Ⅱ和GeoSOS-FLUS的喀什地区土地利用空间多目标优化

[目的]对喀什地区进行土地资源的空间优化,为该区社会和经济的可持续发展提供理论支持。[方法]设置了粮食安全、经济效益和生态效益(固碳量、产水量和土壤侵蚀)作为算法的多目标函数,通过NSGA-Ⅱ算法能够得到较为科学的土地利用数量结构优化,再通过GeoSOS-FLUS模型根据数量结构优化结果、自然条件和经济因素模拟土地利用空间优化。最后,通过Fragstats 4软件对优化结果进行景观格局分析。[结果](1)在3种优化结果下,GDP、固碳量、粮食产量都比未优化前多,土壤侵蚀有所降低。产水量只有在生态效益优先情况下提高了。(2)2005—2020年,耕地、建设用地都有不同程度的增加,水域、林地和未利用地都有不同程度的减少。(3)通过Fragstats 4对2020年土地利用数据、经济优先、生态优先和生态经济协调发展下优化结果进行分析。相对于优化前,3种优化结果下的香浓多样性和散布与并列指数都有所提高,斑块凝聚度和景观多样性也提高了。[结论]6种土地利用类型在景观中呈均衡化趋势分布,草地过渡型的土地利用类型有所提高。优化后的土地资源能够较好地满足喀什地区生态可持续发展,其布局更加合理,为该区未来的土地资源的配置提供辅助决策服务。