孟 成，盧新海，彭明軍，潘琛玲

（1.華中科技大學(xué)公共管理學(xué)院，湖北 武漢 430074；2.武漢市國土資源和規(guī)劃信息中心，湖北 武漢 430014）

基于Markov-C5.0的CA城市用地布局模擬預(yù)測方法

孟 成1，2，盧新海1，彭明軍2，潘琛玲2

（1.華中科技大學(xué)公共管理學(xué)院，湖北 武漢 430074；2.武漢市國土資源和規(guī)劃信息中心，湖北 武漢 430014）

研究目的：針對多用地類別的城市用地模擬預(yù)測提出一種科學(xué)合理的預(yù)測模型，為土地利用總體規(guī)劃編制和土地利用結(jié)構(gòu)優(yōu)化調(diào)整提供依據(jù)和技術(shù)方法。研究方法：在分析了城市用地模擬預(yù)測中常用方法的優(yōu)缺點(diǎn)和適用環(huán)境后，提出了一種綜合采用Markov模型和C 5.0分類算法的城市用地布局模擬預(yù)測CA模型，該模型的思想是采用Markov方法獲取各類土地之間的流向，結(jié)合各類土地規(guī)模的預(yù)測結(jié)果確定用地增長量，采用C 5.0分類算法獲取各類土地之間的轉(zhuǎn)換規(guī)則，最后以武漢市為例對該方法進(jìn)行了論證。研究結(jié)果：通過該方法模擬的武漢市2012年各類土地的規(guī)模和分布總模擬精度達(dá)到91.2%，與實際情況高度一致，說明該方法能夠很好的模擬武漢市的土地利用規(guī)模和布局。研究結(jié)論：該方法可以直觀的了解各空間因子與轉(zhuǎn)換規(guī)則的關(guān)系，并能夠很好的對城市的未來情況進(jìn)行模擬預(yù)測，還能夠了解城市內(nèi)部各類用地間的作用機(jī)理。

土地信息；城市用地模擬；Markov；C 5.0；元胞自動機(jī)

1 前言

土地是城市的基礎(chǔ)，隨著城市的發(fā)展，有限的土地資源與人類對土地?zé)o限的需求、社會經(jīng)濟(jì)的快速發(fā)展和人口不斷增加之間的矛盾日益明顯?？茖W(xué)合理地模擬預(yù)測土地規(guī)模和土地布局不僅關(guān)系到人民生活水平的穩(wěn)步提高和國民經(jīng)濟(jì)的持續(xù)發(fā)展，也能為土地利用總體規(guī)劃編制和土地利用結(jié)構(gòu)優(yōu)化調(diào)整提供科學(xué)的依據(jù)，為合理地解決土地資源與人口、經(jīng)濟(jì)、社會等之間的矛盾提供技術(shù)方法[1]。

元胞自動機(jī)模型（簡稱CA模型）是一種時間、空間與狀態(tài)離散，時間因果關(guān)系和空間相互作用為局部的網(wǎng)格動力學(xué)模型。模型包括元胞空間、元胞狀態(tài)、元胞鄰域和轉(zhuǎn)換規(guī)則4個基本要素，其核心是定義元胞的轉(zhuǎn)換規(guī)則，這種轉(zhuǎn)換規(guī)則使元胞自動機(jī)模型具有模擬復(fù)雜系統(tǒng)時空演變過程的能力[2]。目前CA模型轉(zhuǎn)換規(guī)則的獲取方法繁多，按照獲取方式不同可分為傳統(tǒng)的方法和智能的方法兩類，傳統(tǒng)的規(guī)則獲取方法包括多準(zhǔn)則判斷法、Logistic回歸法、基于“灰度”的轉(zhuǎn)換規(guī)則獲取方法、SLEUTH模型法、基于Markov模型的方法、基于神經(jīng)網(wǎng)絡(luò)的方法等[3-5]。這類方法較為容易理解，易于計算，但是也存在一系列問題，如模型參數(shù)確定的隨意性較大，歷史數(shù)據(jù)校正存在一定難度，在模擬過程中需要反復(fù)調(diào)整參數(shù)值，直至找到最佳的參數(shù)組合為止等問題[6]。智能的規(guī)則獲取方法包括基于遺傳算法的方法、基于Fisher判別的方法、基于非線性核學(xué)習(xí)機(jī)的方法、基于支持向量機(jī)的方法、基于粗集的方法等[6-7]。這類方法較傳統(tǒng)的方法能夠解決更加復(fù)雜的城市模擬問題，但存在模型公式不直觀，計算復(fù)雜等問題，如基于數(shù)據(jù)挖掘算法的CA模型，需要通過經(jīng)驗判斷對轉(zhuǎn)換規(guī)則進(jìn)行修剪，基于遺傳算法的CA模型，需要人為設(shè)置交叉率、突變率等參數(shù)值，基于非線性核學(xué)習(xí)機(jī)和基于支持向量機(jī)的方法在針對多用地類別土地的預(yù)測時模型表達(dá)復(fù)雜，計算量大[6]。針對這種情況，本文將數(shù)據(jù)挖掘算法引入傳統(tǒng)的Markov-CA模型，提出了基于C 5.0分類算法的分階段Markov-CA模型。

馬爾可夫過程是一種隨機(jī)過程，由俄國的數(shù)學(xué)家Markov于1907年提出。馬爾可夫分析方法是指假設(shè)隨機(jī)變量處于馬爾可夫過程時，通過分析其現(xiàn)勢變化預(yù)測隨機(jī)變量未來發(fā)展的預(yù)測方法。在土地利用變化中，可將土地利用變化過程視為馬爾科夫過程，將某一時刻的土地類別對應(yīng)于Markov過程中的狀態(tài)[8]。Markov-CA模型利用土地轉(zhuǎn)換概率矩陣作為土地利用變化的規(guī)則預(yù)測未來的土地發(fā)展，其優(yōu)點(diǎn)是能夠同時研究多種類別土地之間的相互作用，了解不同類別土地之間的轉(zhuǎn)移關(guān)系，其缺點(diǎn)是在實際的土地轉(zhuǎn)移過程中，因為前后兩個時期的土地轉(zhuǎn)移量和轉(zhuǎn)移速度不同，因此將一個靜態(tài)階段的變化趨勢作為土地類別轉(zhuǎn)換規(guī)則與真實土地利用變化情況不符，特別是在發(fā)展變化不平穩(wěn)的區(qū)域，傳統(tǒng)的Markov-CA模型的預(yù)測結(jié)果很難符合研究需要。本文提出的分階段Markov-C 5.0的CA模型繼承了傳統(tǒng)Markov-CA模型可客觀獲得多類別土地間轉(zhuǎn)換方向和通過數(shù)據(jù)挖掘算法自動獲得各類土地間轉(zhuǎn)換規(guī)則的優(yōu)點(diǎn)，消除了Markov模型中因為前后兩個時期的土地轉(zhuǎn)移量和轉(zhuǎn)移速度不同導(dǎo)致的預(yù)測的結(jié)果失真和數(shù)據(jù)挖掘獲取的轉(zhuǎn)換規(guī)則修剪標(biāo)準(zhǔn)不明確的問題。

2 研究思路及方法

基于Markov-C 5.0分類算法的CA模型將整個模擬過程概括為兩個階段。第一個階段是基于Markov模型的土地轉(zhuǎn)移趨勢研究，通過Markov模型獲取各類土地之間的轉(zhuǎn)換方向；第二階段是基于C 5.0分類算法的CA規(guī)則獲取，采用C 5.0算法計算在空間因子的作用下，各類土地間的轉(zhuǎn)換規(guī)則（圖1）。

2.1 基于Markov模型的土地轉(zhuǎn)移趨勢研究

基于Markov的CA模型可運(yùn)用多標(biāo)準(zhǔn)評價法和多目標(biāo)決策支持系統(tǒng)模型定義各類土地間的轉(zhuǎn)移規(guī)則。Markov-CA模型在對未來土地利用規(guī)模和結(jié)構(gòu)準(zhǔn)確預(yù)測的基礎(chǔ)上，通過鄰域關(guān)系分析加強(qiáng)了空間格局的模擬能力，模型的工作原理是以預(yù)測基期土地為初始狀態(tài)，以基期和之前的土地利用轉(zhuǎn)移面積、適宜性圖集所表述的土地利用數(shù)據(jù)為依據(jù)，對各類用地重新分配，直至達(dá)到各類土地的預(yù)測面積[9]。本文將Markov-CA模型的研究成果劃分為兩部分，一部分是通過馬爾科夫模型計算的土地利用轉(zhuǎn)移方向，另一部分是計算各類土地間的轉(zhuǎn)移量。在實際的土地轉(zhuǎn)移過程中，由于前后兩個相同的研究時段內(nèi)實際的土地轉(zhuǎn)移量和轉(zhuǎn)移速度并不相同，為了更合理的模擬各類土地之間的轉(zhuǎn)移，本文只取Markov-CA模型對于土地流向的研究成果。通過馬爾科夫模型計算土地利用轉(zhuǎn)移概率矩陣的公式為：S（t + 1）= Pij× S（t）。S（t + 1），S（t）分別表示t + 1和t時刻的系統(tǒng)狀態(tài)，Pij為土地狀態(tài)轉(zhuǎn)移的概率矩陣，如式1（0＜Pij＜1，且i，j = 1，2，…，n），n為土地利用類型：

圖1 Markov-C 5.0算法的CA模型模擬城市土地變化的流程圖Fig.1 The fow chart of urban growth simulation by CA based on Markov model and C 5.0

2.2 基于C5.0分類算法的CA規(guī)則獲取

將土地利用數(shù)據(jù)作為離散數(shù)據(jù)集，將前一期土地利用數(shù)據(jù)和各空間因子作為輸入層，將末期土地利用數(shù)據(jù)作為輸出層，通過C 5.0分類算法建立決策樹模型，得到各類土地在空間因子作用下的轉(zhuǎn)換規(guī)則，根據(jù)2.1節(jié)中計算的各類土地之間的流向?qū)Q策樹進(jìn)行修剪，得到最終轉(zhuǎn)換規(guī)則。C 5.0是決策樹模型中用于大數(shù)據(jù)集上的分類算法，具有如下優(yōu)點(diǎn)：（1）在數(shù)據(jù)有遺漏或者輸入的字段較多的問題時表現(xiàn)穩(wěn)??；（2）在估值中不需要很長的訓(xùn)練次數(shù)；（3）較其他模型更易于理解，模型規(guī)則直觀；（4）能夠多次進(jìn)行大于兩個子集的分割。C 5.0算法將信息熵的下降速度作為確定最佳分支變量以及分割閥值的依據(jù)[10]。

通常采用如下方法計算C 5.0決策樹中的信息增益：設(shè)訓(xùn)練樣本集中有m個獨(dú)立類ci，i = 1，2，…，m，Ri為數(shù)據(jù)集S中屬于Ci的子集，用ri表示Ri中的元組數(shù)量，則集合的S在分類中的期望值可表示如式2：式2中，pi表示任意樣本屬于ci的概率，pi= ri/ ︱S︱。︱S︱為訓(xùn)練樣本集中的元組。設(shè)A表示屬性，共有v個不同的值{a1，a2，…，av}，則根據(jù)A把樣本集劃分成v個子集。令Sj為數(shù)據(jù)集S中的屬性，取值為aj的子集，i = 1，2，…，v。在分類中，如果A決策屬性，則可以將樣本集劃分到不同分枝中[11]。若用Sij表示Sj子集中屬于Ci類的元組的數(shù)據(jù)，那么A對于ci，i = 1，2，…，m的熵的計算式如式3—式4：

式4中，Wj為Sj在S中的比重，可以作為Sj的權(quán)重。

A的每個取值對Ci的期望表示如式5：

式5中，Pij= Sij/ | Sj|，表示Sj中屬于Ci的比重。

通過以上計算得到A作為決策分類屬性的度量值，也稱信息增益：

由于信息增益在把樣本集劃分為更小的子集時，對變量的取值存在著一定偏差。為了減少偏差，計算得到：

從而可以得到增益率（GrainRatio）：

2.3 城市用地模擬預(yù)測結(jié)果評價

Kappa系數(shù)是一種用來計算分類精度的算法，其計算公式如下：它通過把所有真實分類的像元總數(shù)乘以混淆矩陣對角線的和，減去某一類真實的像元總數(shù)與被誤分為該類像元的總數(shù)之積對所有類別求和的結(jié)果，再除以總像元數(shù)的平方差減去某一類真實像元總數(shù)與該類中被分類像元總數(shù)之積對所有類別求和的結(jié)果所得到的。Kappa計算結(jié)果通常是落在 0—1之間，可分為5組表示不同級別的一致性：當(dāng)在0.00—0.20間時為極低的一致性，當(dāng)在0.21—0.40時為一般的一致性，當(dāng)在0.41—0.60時為中等的一致性，當(dāng)在0.61—0.80時為高度的一致性，當(dāng)在0.81—1.00之間時則幾乎為完全一致。

3 數(shù)據(jù)分析及預(yù)測

隨著武漢市近年來經(jīng)濟(jì)社會快速發(fā)展，城市各類用地每年的發(fā)展趨勢和變化速度并非簡單的線性變化，因此，本文提出分階段的Markov-C 5.0的CA模型很好的解決了這個問題。

3.1 研究區(qū)域分析

武漢市地處江漢平原的東部，位于長江中下游地帶與漢水交匯處，總面積為8569.36 km2，截至2012年底城市建成區(qū)面積約為520.3 km2，共13個行政區(qū)。至2012年，武漢市共有常住人口1012×104人，國民生產(chǎn)總值8003.82×108元（數(shù)據(jù)來源于《武漢市統(tǒng)計年鑒（2013）》）。

依據(jù)2007年版《土地利用現(xiàn)狀分類》對土地進(jìn)行分類，并將耕地、園地、林地和草地歸并為一類，交通運(yùn)輸用地除街巷用地外作為一類，水域及水利設(shè)施用地作為一類， 其他土地中除空閑地以外的部分作為一類，一級地類中的公共管理與公共服務(wù)用地、住宅用地、商服用地、工礦倉儲用地、特殊用地及二級地類中的街巷用地、空閑地歸并作為一類稱為城鎮(zhèn)村及工礦用地，同時對該類地進(jìn)行二級劃分，分為城市用地、建制鎮(zhèn)用地、村莊用地、采礦和風(fēng)景名勝用地及特殊用地5類。最終得到武漢市2002—2012年的各類土地數(shù)量（表1）。另外，選取武漢市道路框架數(shù)據(jù)、環(huán)線數(shù)據(jù)、城市中心點(diǎn)、各行政區(qū)中心點(diǎn)、軌道交通線、機(jī)場火車站等對外交通站點(diǎn)、水系水域邊界等作為空間因子。武漢市2002—2012年土地利用數(shù)據(jù)及各空間因子來源于武漢市國土資源和規(guī)劃信息中心。

表1 武漢市2002—2012年各類土地數(shù)據(jù)表 單位：km2Tab.1 Land use data of Wuhan from 2002 to 2012 unit: km2

圖2 武漢市2002—2012年各類土地之間轉(zhuǎn)換圖Fig.2 The transition chart of various types of land from 2002 to 2012 in Wuhan

3.2 土地轉(zhuǎn)移趨勢分析

通過馬爾科夫模型計算相鄰年份土地利用轉(zhuǎn)移矩陣，通過轉(zhuǎn)移矩陣獲得相鄰年份各類土地間轉(zhuǎn)移關(guān)系（圖2）。

通過分析歷年各類土地間的轉(zhuǎn)換圖可知，2008—2009年土地轉(zhuǎn)移較為復(fù)雜，主要因為2008—2009年為新舊土地利用分類標(biāo)準(zhǔn)更替的時間線。因此，為了能夠達(dá)到通過轉(zhuǎn)移概率矩陣獲得土地流向的目的，必須將轉(zhuǎn)移矩陣分為兩部分進(jìn)行研究，即第一部分為2002—2008年，第二部分為2009—2012年。根據(jù)這兩部分土地利用轉(zhuǎn)移概率矩陣可知武漢市各類土地的流向，即農(nóng)林地轉(zhuǎn)移方向為水域及水利設(shè)施用地、建制鎮(zhèn)用地、村莊用地和采礦用地，交通運(yùn)輸用地轉(zhuǎn)移為采礦用地，水域水利設(shè)施用地轉(zhuǎn)移為采礦用地、建制鎮(zhèn)用地，其他土地轉(zhuǎn)移為農(nóng)林地、城市用地、建制鎮(zhèn)用地、交通運(yùn)輸用地和采礦用地，城市用地轉(zhuǎn)移為其他類型土地、交通運(yùn)輸用地，建制鎮(zhèn)用地轉(zhuǎn)移為城市用地、采礦用地和交通運(yùn)輸用地，村莊用地轉(zhuǎn)移為農(nóng)林地、建制鎮(zhèn)用地、采礦用地，采礦用地可轉(zhuǎn)移為農(nóng)林地、交通運(yùn)輸用地、城市用地、建制鎮(zhèn)用地，風(fēng)景名勝及特殊用地轉(zhuǎn)移為農(nóng)林地、采礦用地。結(jié)合研究成果，可知自2009年后水域及水利設(shè)施用地、采礦用地、風(fēng)景名勝及特殊用地三類用地的變化較為穩(wěn)定，且建設(shè)用地一般不可逆轉(zhuǎn)為農(nóng)林地，因此可初步判定未來土地的流向為農(nóng)林地轉(zhuǎn)移為建制鎮(zhèn)用地和村莊用地，其他土地轉(zhuǎn)移為城市用地和建制鎮(zhèn)用地，城市用地轉(zhuǎn)移為交通運(yùn)輸用地，建制鎮(zhèn)用地轉(zhuǎn)移為交通運(yùn)輸用地和城市用地，村莊用地轉(zhuǎn)移為建制鎮(zhèn)用地，水域及水利設(shè)施用地、交通運(yùn)輸用地、采礦用地、風(fēng)景名勝及特殊用地不發(fā)生轉(zhuǎn)移（圖3）。

圖3 武漢市各類土地之間轉(zhuǎn)移圖Fig.3 The transition chart of various types of land in Wuhan

圖4 獲取的土地轉(zhuǎn)換規(guī)則Fig.4 The land conversion rules

3.3 土地轉(zhuǎn)移規(guī)則獲取

由于經(jīng)過2008年土地利用分類標(biāo)準(zhǔn)調(diào)整以及采礦用地向其他各類型土地?fù)Q換后，各土地類型的轉(zhuǎn)移方向逐漸趨于穩(wěn)定，因此本文中設(shè)計的實驗數(shù)據(jù)主要以2009、2010年土地利用數(shù)據(jù)作為首末期數(shù)據(jù)，將形成的規(guī)則預(yù)測2012年土地利用數(shù)據(jù)，再與2012年土地利用的真實數(shù)據(jù)進(jìn)行比較驗證轉(zhuǎn)換規(guī)則的可靠性。由于研究中數(shù)據(jù)量較為龐大，因此在進(jìn)行數(shù)據(jù)挖掘之前要對樣本數(shù)據(jù)進(jìn)行抽樣，縮小數(shù)據(jù)集以提高數(shù)據(jù)的挖掘效率，本文采用隨機(jī)抽樣的方法進(jìn)行，隨機(jī)率設(shè)為50%。最后選擇C 5.0算法進(jìn)行數(shù)據(jù)挖掘，形成決策樹如下，共有8級菜單（圖4為C 5.0模型輸出的4級展開菜單）。

根據(jù)決策樹結(jié)果以及Markov模型計算出的各類土地流向，對土地轉(zhuǎn)換規(guī)則進(jìn)行修剪，最終確定了農(nóng)林地、其他土地、村莊用地以及建制鎮(zhèn)用地轉(zhuǎn)移到相應(yīng)用地類型的轉(zhuǎn)換規(guī)則。

3.4預(yù)測結(jié)果評價

根據(jù)本文提出的Markov-C 5.0分類算法的CA模型得到2012年武漢市各類土地分布的模擬結(jié)果圖如圖5，封三（其中1表示水域水利設(shè)施用地，2表示其他用地，3表示風(fēng)景名勝用地，4表示采礦用地，5表示村莊用地，6表示建制鎮(zhèn)用地，7表示交通運(yùn)輸用地，8表示城市用地，9表示農(nóng)林地）。分別計算各類用地模擬結(jié)果的Kappa系數(shù)，并轉(zhuǎn)化為百分制形式以表示各類用地的模擬精度。農(nóng)林地模擬精度為98.7%，交通運(yùn)輸用地模擬精度為60.1%，水域水利設(shè)施用地模擬精度為91.4%，其他用地模擬精度為66.7%，城市用地模擬精度為95.7%，建制鎮(zhèn)用地模擬精度為88.6%，村莊用地模擬精度為52.1%，采礦用地模擬精度為72.5%，風(fēng)景名勝用地模擬精度為76.2%，總模擬精度為91.2%。根據(jù)模擬精度可知，除村莊用地的模擬精度屬于中度一致外，其他各類用地的模擬精度均屬于高度一致，且總模擬精度也為高度一致，由此可知，通過基于馬爾科夫方法獲取各類土地流向并通過C 5.0算法進(jìn)行數(shù)據(jù)挖掘獲得的用地類型轉(zhuǎn)換規(guī)則的模型能夠很好的模擬武漢市的土地利用規(guī)模和布局。

4 結(jié)論

本文提出了一種基于Markov-C 5.0分類算法的分階段城市用地布局模擬預(yù)測CA模型，該方法將城市用地布局模擬預(yù)測分為用地增長量計算和土地轉(zhuǎn)換規(guī)則獲取兩個階段。經(jīng)過實例論證，可以證明這種分階段的城市用地布局模擬預(yù)測CA模型的模擬結(jié)果精度較高，也與研究區(qū)域的實際情況更加接近。下一步，可在此基礎(chǔ)上對模型進(jìn)一步擴(kuò)展，如對城市以內(nèi)的行政區(qū)、街道、社區(qū)和城市以外的城市群、衛(wèi)星城并進(jìn)行研究。如武漢市與鄂州市、黃石市、咸寧市、漢江市、孝感市和黃岡市組成的“1+6”城市圈，向下可以將研究區(qū)域進(jìn)一步細(xì)分，如按照兩江四岸、中心城區(qū)遠(yuǎn)城區(qū)、各街道社區(qū)等尺度設(shè)計不同的預(yù)測模型，根據(jù)各研究區(qū)域的特點(diǎn)選用不同的驅(qū)動因子和空間因子作為模型參數(shù)進(jìn)行模擬研究。

（

）:

［1］ 李宗華，汪如民，童秋英. 基于優(yōu)化組合模型的建設(shè)用地增長趨勢預(yù)測［A］ . 2009年中國地理信息產(chǎn)業(yè)論壇暨第二屆教育論壇就業(yè)洽談會論文集［C］ . 2009：1 - 10.

［2］ 周成虎，孫戰(zhàn)利，謝一春，等. 地理元胞自動機(jī)研究［M］ .北京：科學(xué)出版社，1999：26 - 41.

［3］ 馮科，吳次芳，韓昊英. 國內(nèi)外城市蔓延的研究進(jìn)展及思考——定量測度、內(nèi)在機(jī)理及調(diào)控策略［J］ .城市規(guī)劃學(xué)刊，2009，180（2）：38 - 43.

［4］ 劉紅萍，張安錄. 國外城市用地擴(kuò)張控制研究進(jìn)展［J］ . 中國土地科學(xué)，2008，22（5）：72 - 76.

［5］ 馮徽徽，劉慧平，周彬?qū)W，等. SLEUTH模型的參數(shù)行為研究［J］ . 地理與地理信息科學(xué)，2012，28（6）：39 - 43.

［6］ 孟成，周鵬. 地理元胞自動機(jī)轉(zhuǎn)換規(guī)則獲取方法綜述［J］ .城市規(guī)劃信息化，2014，41（2）：63 - 65.

［7］ 王良健，師迎春，林目軒. BP神經(jīng)網(wǎng)絡(luò)結(jié)合小波處理在城市擴(kuò)張預(yù)測中的應(yīng)用——以長沙市區(qū)為例［J］ .中國土地科學(xué)，2008，22（1）：39 - 47.

［8］ 劉縣明. CA-Markov復(fù)合模型及其在城市土地利用中的應(yīng)用研究［D］ .南昌：南昌大學(xué)，2007：24 - 40.

［9］ Liu S，Yu X，Li Q，et al. Land use change in loess hilly region based on CA-Markov model［J］ . Transactions of the Chinese Society of Agricultural Engineering，2010，26（11）：297 - 303.

［10］ 柯新利，邊馥苓.基于C5.0決策樹算法的元胞自動機(jī)土地利用變化模擬模型［J］ . 長江流域資源與環(huán)境，2010，19（4）：403 - 409.

［11］ J.R. Quinlan. Data mining tools See5 and C5.0［EB/OL］ . http：//www.rulequest.com/see5-info.html.

（本文責(zé)編：陳美景）

A Land Layout Simulation Model based on CA and Markov-C 5.0 Classifcation

MENG Cheng1,2, LU Xin-hai1, PENG Ming-jun2, PAN Chen-ling2
（1. College of Public Administration, Huazhong University of Science and Technology, Wuhan 430074, China; 2. Wuhan Land Reserous and Urban Planing Infomation Center, Wuhan 430014, China）

The purpose of this paper is to devise a scientific and reasonable land use layout simulation model,which aims to provide a scientific reference and method for land use overall planning and adjustment. The research analyses the advantages and disadvantages of the common land area forecasting and land layout simulation methods, and devises a CA model which combines the synthesis of Markov model and C 5.0 classification algorithm. The Markov-C 5.0 model obtains land-circulating direction by Markov model,calculates the land area growth by hybrid predictive model, and gets the coversion rules of different land types by C 5.0 algorithm. The method is applied to simulate the land area and layout of Wuhan in 2012, and the simulation accuracy is 91.2%. It concludes that the Markov-C 5.0 model is advanced and availability, and simulate land use structure and distribution efficiently.

land information; land use forecasting and land layout simulation; Markov model; C 5.0; CA model

F301.2

A

1001-8158（2015）06-0082-07

10.13708/j.cnki.cn11-2640.2015.06.011

2014-10-21

2015-04-08

國家“十二五”科技支撐計劃（2013BAJ05B02）。

孟成（1985-），男，湖北武漢人，博士。主要研究方向為土地資源管理、地理信息。E-mail: meng_cheng@foxmail.com

盧新海（1965-），男，湖北洪湖人，教授。主要研究方向為土地管理、城市管理。E-mail: xinhailu@163.com