基于RS的芜湖市土地利用动态变化及其生态环境效应

基于芜湖市1988、2000、2007年三期TM遥感数据,对芜湖市近20年来的土地利用动态变化及其生态环境效应进行分析.结果显示:近20年来,芜湖市土地利用变化显著,以耕地减少和建设用地增加为主要特征,耕地面积共减少47.86km2,同期,建设用地面积增加51.52km2,其中,耕地转入48.44km2,占转入总面积的91.90%;芜湖市1988、2000、2007年EV值分别为0.336、0.326、0.312,生态环境质量呈下降趋势,其中,以东北—北、东南—东、东南—南、西北—北四个方向下降最为严重,与建设用地扩展方向一致.     

芜湖市土地利用/覆盖变化的遥感分析

以安徽省芜湖市四区(镜湖区、弋江区、鸠江区、三山区)为研究区,利用1994年Landsat-5的TM影像、2006年和2014年Landsat-7的ETM+影像解译结果,获取芜湖市四区三期土地利用/覆盖分类图,并基于ENVI图像分析和数理统计方法对芜湖市四区1994—2014年土地利用/覆盖变化做定量分析研究,分析各土地利用类型间的相互转化关系,探讨各类面积发生变化的主要原因。     

基于GIS和RS的蓬莱市土地利用变化及驱动力分析

基于蓬莱市2008年、2013年和2018年的Landsat TM/OLI遥感影像数据,在RS和GIS技术的支持下分析该地区的土地利用类型变化,以及2008-2018年间土地利用的时空特征.结果表明:2008-2013年间,土地利用变化最显著的为建设用地扩张,草地、水体面积显著减少,耕地、林地面积有一定程度增加,该时间段研究区所有土地利用/覆被类型的双向转换较为频繁,草地转化为耕地的幅度较大.2013-2018年间,土地利用变化为水体面积增加明显,耕地、建设用地面积有一定程度增加,林地、草地面积有一定程度减少.2008-2013年间研究区所有土地利用/覆被类型的双向转换程度相对较低.     

基于RS、GIS的龙口市土地利用动态变化分析

依据1995年和2004年ETM和QuiekBird卫星遥感图像和其它辅助资料,以龙口市为实验区,通过对遥感数据的融合、增强处理,采用分层分类法提取研究区生地利用信息,运用GIS的空间分析和数理统计功能,从空间和时间两个方面分析了龙口市土地利用变化的基本特征,从自然和人文社会两个方面探讨了导致研究区土地利用变化的驱动力,分析结果可为土地可持续利用提供有效的决策支持。     

江西省土地利用动态变化研究

利用不同时相的遥感影像解译成果数据,在地理信息系统软件支持下,分析江西省土地利用时空格局、土地利用类型的变化趋势及其变化速率等．研究结果表明,自1986-2005年近20年来,江西省的主要土地利用类型为林地和耕地;研究期内,工矿居民点用地、林地和水域面积增加,而耕地、草地和未利用地面积减少;工矿居民点用地增加来源主要为耕地,林地来源主要为草地,水域来源主要为未利用地：从土地利用稳定性来看,上饶市和萍乡市的土地利用相对不稳定．     

福州市土地利用类型分形特征分析

利用福州市2009年的TM影像,以RS和GIS为技术手段,获取研究区土地利用类型图。运用分形理论求取不同土地利用类型的分维数,并对不同土地利用类型的分形特征进行分析。结果表明,福州市土地利用类型分维数大小的顺序为:水体>建筑用地>耕地>林地>未利用地。说明了水体和建筑用地的边界特征复杂,斑块破碎化程度大;相反林地和未利用地的边界特征比较规则,斑块破碎化程度小。     

2000-2010年甘肃省夏河县土地利用空间结构变化分析

用RS和GIS技术对甘肃省夏河县2000年、2005-2010年七期遥感影像数据统计分析,结合实地调研相关资料,利用GIS的空间分析功能,获取相应的空间信息,对夏河县的土地利用变化进行了分析研究。运用土地利用动态度模型对夏河县土地利用单一土地利用动态度和综合土地利用动态度变化进行分析得出:2000-2010年面积变化较大的土地类型为农村居民用地、城镇居民用地、、草地、其他建设用地,其中草地10年间减少了357.65km2;夏河县应做好水源涵养和草场生态恢复工作,合理开发土地资源,优化土地资源配置。     

基于GIS和RS的重庆市万州区土地利用变化及建成区景观格局研究

区域土地利用变化和建成区景观格局特征,是反映区域土地利用水平和优化土地利用结构的重要依据;在RS和GIS的技术支撑下,以TM遥感数据作为基础数据源,运用人机交互解译的方法分别提取了万州区2007年、2012年、2018年三期土地利用现状数据,并通过土地利用变化相关分析模型及景观格局分析方法对研究区土地利用状况和建设用地...     

芜湖市城市土地利用变化对城市交通的影响

城市土地利用方式以及土地利用强度的变化影响着城市交通网络系统的布局和交通运力的调配。从土地利用方式，土地有偿使用制度以及郊区化的角度探讨城市交通所受的影响。对近年来芜湖市主要土地开发情况进行了实地调查，在此基础上提出芜湖城市交通可持续发展的对策。     

RS、GIS一体化土地利用动态信息提取技术改进初探

及时获取土地利用类型的变化信息具有重大意义.文章在RS、GIS一体化土地利用动态信息提取方法的基础上独辟蹊径,进行了有效的探索,提出了新的技术路线,使得我们可以更加快速、准确、及时地从卫星遥感图像上获取土地利用信息,并形成土地利用图形信息库,从而为更好的进行土地利用规划和决策提供了新的方法和支持.实践证明,这种新的技术路线是行之有效的.     

基于RS和GIS的淮河源土地利用变化及驱动力分析

以淮河源1993、2003、2013年三个时期的遥感影像为主要数据源,利用GIS和RS技术,采用监督分类、叠加分析、主成分分析等方法,对淮河源20年间的土地利用时空变化特征及驱动因素进行分析.结果表明:耕地、水体和未利用地呈减少趋势,其中耕地变化幅度最大;居民地持续增加;林地面积先减后增.人口因素、经济因素和城市发展因素是淮河源土地利用变化的主要驱动因素.     

土地利用/土地覆被变化分析研究——以烟台市为例

利用烟台市改革开放以来土地利用情况相关数据以及烟台市社会经济发展情况,对烟台市土地利用/土地覆被变化情况及发展趋势进行分析,发现存在以下情况:近10年耕地面积大体呈下降趋势,建设用地(居住、工业、公共设施)的增加是耕地面积减少的直接原因;从社会角度分析,土地利用/土地覆被变化不仅与国家的宏观政策相关,而且与人口数量、社会发展情况的关系至关重要。     

土地利用变化对长沙市生态系统服务价值影响

分析了1995—2005年长沙市快速城市化的5城区土地利用/覆盖变化,参照谢高地等人的中国陆地生态系统单位面积生态服务价值表,计算并研究了土地利用变化引起生态系统服务价值的变化以及生态系统服务价值与土地利用结构的关系.结果表明:研究期内,研究区耕地、园地、林地、水域和未利用地减少,耕地减少最多,草地和建设用地增加,建设用地增加最多;研究区内土地利用程度存在明显差异,其中芙蓉区土地利用程度最大,开福区最小;生态系统服务价值由1995年的655.15×106元减少到2005年的589.26×106元,年变化率-1.01%,水域和林地面积减少,建设用地面积大幅度增加是ESV减少的主要原因;研究区单位ESV与林地、水域、建设用地所占比例明显相关,用多元线性回归方程可很好地表示.由此预测2010年长沙市城区的单位ESV将进一步下降,总ESV将减少为541.47×106元.     

基于GIS的土地利用变化分析

本文选用1985年和2000年两期土地利用现状图,借助ArcView3.2软件和统计分析技术,分析了泉州市1985年～2000年间土地利用类型的数量变化和空间变化特征,结果表明:(1)1985年～2000年期间,泉州市土地利用发生了很大的变化。(2)泉州市15年来各类土地利用类型年均变化速度为0.22%。(3)泉州市各种土地利用类型面积的增减在空间上存在明显的区域差异,通过统计分析显示,耕地和水域面积的减少主要集中在沿海地区,草地和未利用土地面积的减少主要集在内陆山区,城乡、工矿、居民用地面积的增加主要集中在沿海地区,林地面积的增加主要集中在内陆山区。其中类型转化变化量最大为耕地转变为城乡、工矿、居民用地,其次为林地与草地类型之间的转化。     

建瓯市土地利用程度变化及其驱动力分析

利用“土地利用程度变化模型”、GIS软件等来研究建瓯市土地利用的动态变化．并将分析结果用图表形式表示，直观显示了建瓯市从1998—2000年的土地利用变化情况，用相关分析方法探讨建瓯市土地利用程度变化差异的驱动力，并对其今后的发展提出适当的建议．     

福州市土地利用/覆被的数量结构变化分析

为了增进对土地利用空间格局变化理解,在遥感和地理信息技术的支持下,对福州市土地利用空间格局的数量变化进行了研究.首先对来自遥感影像建立起的福州市土地利用空间数据库进行提取,然后运用土地利用空间格局的数量模型,获得了1988年和2004年两个时期各个土地类型的洛仑兹(Lorenz)曲线,并且参照了集中化指数、多样化指数和土地利用程度指数,对土地利用空间格局变化进行了定量分析,为合理开发区域土地以及编制土地利用规划等提供依据.     

基于GIS和人工神经网络预测土地利用变化

土地利用变化预测是土地管理工作中的重要课题。随着社会的发展与进步，土地资源的合理和有效利用变得越来越重要。进行土地利用变化预测时，数据采集和综合分析是重要的工作。介绍了基于地理信息系统(Geographic Information Systems，GIS)技术建立的土地转换模型(LandTransformation Model，LTM)在经过人工神经网络(Artificial Neural Netwoks，ANNs)技术的分析后对土地利用变化预测的基本原理。这种方法充分结合了GIS的空间分析功能和ANNs的信息处理功能，在综合分析影响土地利用变化因素后可以得出较为准确的结论。利用GIS和ANNs技术进行土地利用变化预测不但可以充分利用原有的历史数据，得到清楚的预报因子，还可以综合相关因素分析后得出新的空间数据层作为ANNs的输入数据，通过ANNs的近似人脑的分析能力很好的预测未来土地利用的发展趋势，有利于土地管理和城市规划部门合理安置和有效利用土地资源。