买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明属于景观格局分析领域，提供一种景观格局分析与预测方法，获取研究区域的地表覆盖数据，基于地表覆盖数据计算土地利用转移矩阵和景观格局指数，并利用Pearson相关性分析方法去除冗余的景观格局指数，选择相关性较低的景观格局指数并结合土地利用转移矩阵对研究区域的景观时空变化进行分析；利用地理探测器计算驱动力因素的解释力，确定研究区域的主要驱动力因素，以构建CA‑Markov模型，对研究区域未来的地表覆盖情况进行预测。本发明能够客观选择景观指数，确定研究区域的主要驱动力因素，并依其解释力预测未来的地表覆盖结果，以对研究区域的生态建设提供参考价值。

主权项：1.一种景观格局分析与预测方法，其特征在于，包括：获取研究区域的研究数据，并基于该研究数据计算土地利用转移矩阵和景观格局指数；其中，土地利用转移矩阵的计算公式如下： 式中，n表示地表覆盖类型，Sij表示研究初期第i种地表覆盖类型转换为研究末期第j种地表覆盖类型，当i=j时表示未发生地表覆盖类型面积的转换；利用Pearson相关性分析方法从面积边缘指数、形状指数和聚集指数三个层面客观地选择10个相关性低的景观指数；其中，10个景观指数分别为斑块所占景观面积比例、平均形状指数、面积加权平均形状指数、平均斑块周长面积比、面积加权平均斑块分形指标、斑块密度、分散指数、景观分离度、散布与并列指数和斑块内聚力指数；根据土地利用转移矩阵和10个景观指数对研究区域的景观时空变化进行分析，得到景观变化分析结果；利用地理探测器中的分异及因子探测器计算驱动力因素的解释力，以确定研究区域的驱动力因素，驱动力因素选择自然因素，包括高程数据、坡度数据、降水数据和温度数据；分异及因子探测器的表达式为： 式中，q表示驱动力因素的解释力，L表示自然因素分类数，和分别表示整体的单元数与方差，h表示分层，表示分层h的方差，表示分层h的单元数；基于研究区域的驱动力因素指导适宜性图集构建CA-Markov模型，对研究区域未来的地表覆盖情况进行预测；其中，CA-Markov模型的表达式为： ；式中，S表示元胞有限离散的集合状态；t、t+1分别表示不同的时刻；Y表示元胞的领域；f表示局部空间的元胞转化规则。

全文数据：

权利要求：

百度查询： 吉林大学 景观格局分析与预测方法