1. 研究目的与意义、国内外研究现状（文献综述）
土地利用和覆被变化（LUCC）是全球环境变化研究的主要议题，对于环境管理领域十分重要。土地利用和覆被变化模型有助于人们更好地理解土地利用和覆被变化过程，了解人类决策对土地利用变化的影响，并对未来情景做出预测，确定环境变化的关键地点，是综合环境管理的重要工具。CLUE-S模型是一种适用于中小尺度的、动态的、空间显性的LUCC模型，能够实现基于土地利用需求分析下的全局土地利用类型的同步模拟，自2002年推出以来已在国内外多个研究区得到广泛应用。
目前国内外对CLUE-S模型的研究主要可分为：模型改进研究、模型耦合研究和模型尺度及参数研究三个方面。
模型改进研究:Be Sag于1972年提出Auto Logistic法，该方法在传统Logistic模型的基础上以空间权重的形式引入空间自相关变量，从而消除空间自相关效应对统计分析的影响[1]。段增强等指出，土地利用变化受到土地利用类型在空间上连续性和扩散性的影响，在研究中需要纳入空间自相关的影响，并通过加入邻域分析因子模拟土地利用类型之间的邻域交互作用，结果表明邻域因子对城镇用地变化具有重要影响[2]。吴桂平等引入Auto Logistic模型考虑土地利用类型的空间自相关性，通过比较Auto Logistic模型与传统Logistic模型的拟合优度，结果发现纳入空间自相关性后的Auto Logistic方法在模拟区域土地利用变化时具有合理性[3]。Lin等比较了Logistic法、AutoLogistic法和神经网络模型在土地利用变化模拟中的预测能力，结果表明Auto Logistic模型与神经网络模型解释力较强，且优于Logistic回归模型[4]。邓华等采用邻域丰度作为空间自相关因子，反映土地利用类型转化的邻域关系，结果表明该方法对库区土地利用驱动力的解释能力较强[5]。
2. 研究的基本内容和问题
研究内容和目标主要包括三个方面：（1）分析和整理国际上广泛应用的土地利用变化模型方法，对CLUE-S模型在我国自然和政策环境下的适用性进行探索。首先利用2000年土地利用数据，结合地形(坡度、坡向)、海拔、道路、水系、城乡居住建设用地、人口密度和地方财政收入等驱动因子，运用 CLUE-S 模型，对2013年的土地利用空间分布格局进行模拟，并用2013 年的实际土地利用类型图与模拟结果图进行对比，验证模拟的精度。其次利用2000年的土地利用数据，结合自然和社会经济等驱动因子，对2013年的土地利用空间分布格局进行模拟，并以2013的实际土地利用类型图与模拟结果图进行对比，验证模拟的精度。两期模拟可以减少模拟中的不确定性因素，增加模拟结果的可靠性和准确性，同时为下一步的情景模拟中土地 利用转换系数的设置提供较好的参考依据。
（2）对模拟过程和结果进行分析，提出CLUE-S模型在不同情境下优化方案，如驱动参数的确定及尺度单一性改良：土地利用变化与驱动因素之间通常具有空间尺度依赖性以及时间尺度上的非线性。不同分析尺度上的土地利用主导过程存在差异，不合理的尺度选择可能会建立虚假的统计经验模型。建立驱动力模型，研究应加强对驱动因子时间稳定性的探索。（3）选取研究区进行具体的CLUE-S模型模拟预测，对预测结果的准确性进行分析改良，并根据可信的模拟结果对研究区的未来发展规划提出建议。土地利用系统是非线性的、具有反馈机制的，如何将其纳入模拟中，将是CLUE-S模型重要的研究方向。加入人类决策的考虑因素是土地利用模型发展的趋势。同时，如何提供有利的发展规划是模型预测的进一步研究内容。
拟解决的关键问题：（1）遥感影像解译标志建立与人工目视解译；遥感影像解译标志是遥感影像上能直接反映和判别地物信息的影像特征，包括形状、大小、阴影、色调、颜色、纹理、图案、位置和布局，研究人员可以利用这些标志在影像上判读地物信息。而目视解译是从遥感影像上获取目标地物信息的过程，主要是根据图像的色 调、色彩等影像特征和形状、阴影、大小、图形、纹理、位置和布局等空间特征，以土地利用详查资料、地形图等多种非遥感信息为辅助资料，结合实地调查判断影像所反映的土地覆被信息的过程。目视解译是对遥感影像进行分析的最基本方法，是通过遥感影像来了解地物、研究地物信息最简洁、直接、方便和准确 的方法。（2）CLUE-S 模型驱动因子的选取和处理；CLUE-S 模型模拟过程中，需要土地利用空间分布格局变化驱动因子和土地利用转换规则，将逐年的需求变化在基于栅格的空间单元上进行分配，实现对土地利用空间分布格局变化的模拟。土地利用空间分布格局变化驱动因子的选取主要从数据的可获取性和一致性、驱动因子可以定量化、以及自然因子与社会经济因子并重。而CLUE-S 模型驱动因子的处理是基础地理数据的处理，即在 ArcGIS 软件平台下，获取研究区域的二期的水系、城镇和农村居民点数据。然后是社会经济统计数据的处理，在社会经济驱动因子选取后，由于运用CLUE-S模型进行模拟时，模型只支持 ASCII数据格式，所以，在模拟前需要将模拟所需要输入数据全部栅格化，然后再将格网化的数据转成模型支持的ASCII数据。（3）土地利用转换规则及土地利用需求文件设置；土地利用转换规则设置主要是指土地利用转换弹性和土地利用转换次序。土地利用需求文件属于CLUE-S模型中的非空间分析模块，该文件中的土地利用需求的计算是独立于CLUE-S模型之外，一般是采用SD模型、Markov模型 、Grey模型或者是通过线性内插的方法来获得，但是前三种方法必须依赖 于完善的社会经济统计数据。（4）模拟结果分析及精度检验等；采用 CLUE-S 模型分别对研究区域 2013 年土地利用空间分布格局进行模拟，并以 2013 年的实际土地利用类型图和模拟结果图进行对比，进行模拟精度的验证。
3. 研究的方法与方案
研究方法及实验方案：本文拟选择CLUE—S模型进行土地利用格局模拟，该模型由非空间模块(土地需求模块)和空间分析模块两部分组成。鉴于非空间模块的开放性，同时考虑本研究土地利用的多目标性，在非空间模块中嵌人灰色预测模型和目标优化模型，分别测算自然发展和国家政策目标下的 2020年土地利用需求。在空间分析模块中，首先采用Logistic回归模型筛选影响土地利用变化的驱动因子；以2000年为基期，采用100 m×100m、200m×200 m、300m×300m、500 m×500 m 4种空间尺度对研究区2013年的土地利用类型进行模拟，经ROC检验确定适用于研究区的最佳模拟尺度；在最佳模拟尺度下，通过设定约束条件、转换规则等参数调试并运行CLUE—S模型，获取研究区 2013年土地利用模拟结果，通过与2013年土地利用现状对比，验证模型对研究区土地利用格局的模拟效果。
最后，应用调试好的模型，基于2013年的土地利用现状信息，根据非空间模块测算土地需求数量，模拟2020年不同目标需求的土地利用空间格局，探讨研究区自然发展和国家政策目标下的土地利用空间格局差异，提出基于土地优化格局的区域发展建议。
技术路线图：
4. 研究创新点
（1）考虑到土地利用非空间模块的开放性和多目标性，拟分别嵌入灰色预测模型和目标优化模型来测算土地利用需求。
应用 CLUE-S模型将多目标土地需求分别进行土地利用类型的空间分配，对比不同目标下的土地利用格局差异，探讨研究区各土地利用类型的优化配置，可为区域土地利用规划和决策提供参考。
（2）运行CLUE-S模型时采用多种空间尺度进行模拟，在最佳模拟尺度下设置参数以得出最佳模拟结果。
5. 研究计划与进展
2019年1月~2019年2月：收集国内外相关文献，了解国内对CLUE-S模型的研究现状，总结CLUE-S模型研究所使用的研究方法，形成自己对此研究的基本认识和总体方案。
2019年3月：选取研究区，收集研究区的相关遥感影像数据，学习人工目译方法；对研究区的发展政策进行调研。
2019年4月：由2000年数据模拟2013年数据，分析13年的模拟结果与真实数据的差异，并结合相关政策，对模型参数进行调试，以得到最优模型。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
