PLUS模型土地利用变化模拟使用简介_plus模拟多情景的土地利用类型数据一样怎么回事

一、数据准备

1.各年LUCC分布图（同区域的分布图，且各年的栅格数据的行与列数应保持相同）

LUCC数据一般进行大类整理，即小类重分类为大类，利用研究区域掩膜提取所需研究的区域范围，各用地类型从1开始编号。

2.扩张因子准备：

主要通过资源环境科学与数据中心以及OpenStreet Map网站下载数据，如道路、经济、降水数据等，一般使用的是最新的数据。

因子包括自然因子如社会因子，通过计算整理得到新图层，并以tif文件输出到驱动因子的文件夹里，驱动因子文件夹里存放的是tif文件格式。

二、PLUS模块

1、PLUS-Extract Land Expansion

        将两年的LUCC使用图加入此模块，软件即会生成一幅两年之间用地扩张改变的图①，并以tif的格式呈现。

2、PLUS-Land Expansion and Analysis Strategy （LEAS)

        将上步中得到的土地扩张图①加入LEAS的“T1到T2”之中，并在folder of driving中导入驱动因子文件夹，文件夹中为tif格式。教程中指出驱动因子tif范围包含研究区域即可，行列数也不需对齐，亲测，似乎不裁剪的数据加入因子框，程序会自动闪退。

        经过计算，得到与地类类型相同数量的tif文件②，bandx对应的是地类类型里第x类型的地类。

         在parameter文件夹里可以看到bandx的不同驱动因子的数据噪音以及驱动因子的贡献度

        下图为示例数据武汉在LEAS运行之后的band5输出图：

3、PLUS-基于多类随机斑块种子的CA模型（CARS)

Land Use Pattern内选择土地利用现状数据中的初始年份

Development potential中加入LEAS中的②tif文件，一共有x个tif文件，均加入此模块中

Conversion constraint 中加入的是限制发展区域或不变的区域，如水体，也为tif格式

Patch generate 为斑块生成阈值  Expansion cofficient为扩散系数 

Percentage of seeds为随机种子最大比例，越大越分散，范围为0到1。

Land Demands中第一行系统会自动统计，在验证阶段使用的是目标年份的真实数据。

Patch Generation值越高，表示用地类型越不容易转换

Expansion coefficient 越高，表示越容易产生新斑块。

在Transition Matrix中， 0表示不允许转换， 1表示允许转换

Neighborhood Weights中，值越大表示邻域影响越大，可按经验填写，也可按照各用地类型扩张面积占比来计算。

上图为示例数据处理之后的图像。

处理之后的图像依旧分为七个属性，即band数量。

三、Validation模块

Ground Truth为真实的土地利用数据

Simulation result为模拟的土地利用数据

（根据教程，在ground truth和simulation result中输入的都为T2的tif)

CM为采样率。

四、Demand Prediction模块

1 Linear Regression

线性回归使用提供的所有的LULC资源数据，可以选择往后预测的年数，选择好数据之后，可以得出预测的每一年的每一用地类型面积数据。

也可在parameter文件夹中看到Kappa系数、线性回归的方程、各地类的各年数据，存放在csv中

在此过程之后，可以继续使用此CARS输入的数据继续模拟，也可返回二（3）中CARS模块，重新输入不同的年份预测。

2 Markov Chain

         马尔可夫模拟与上述线性回归步骤相类似，其中年份为选择性输入，间隔为起始年与结束年之间间隔的整数倍。

转移矩阵等内容同样存放在parameter中的文件里，名字为MakovChain.csv。

在此过程之后，可以继续使用此CARS输入的数据继续模拟，也可返回二（3）中CARS模块，重新输入不同的年份预测。

再将Markov Chain预测的结果填回到二（3）CARS模块中Land Demands第二行的未来数量中，在CARS中进行计算，出图。