几种土地利用变化模型的介绍
城市土地利用变化模型及其驱动因素探究
城市土地利用变化模型及其驱动因素探究引言城市土地利用变化是城市化进程中的重要问题，它直接影响到城市规划、土地资源的可持续利用以及社会经济发展。
了解城市土地利用变化模型及其驱动因素，对于合理规划城市发展、保护土地资源具有重要价值。
本文将探究城市土地利用变化模型及其驱动因素，以期提供理论与实务指导。
一、城市土地利用变化模型城市土地利用变化模型是对城市土地利用变化的规律进行建模描述的方法，旨在揭示土地利用变化的动态过程，以帮助预测未来的土地利用情况。
目前常见的城市土地利用变化模型有马尔可夫链模型、细胞自动机模型和基于地统计学的模型等。
1. 马尔可夫链模型马尔可夫链模型是一种基于概率的统计模型，通过分析土地利用状态之间的转移概率，预测未来的土地利用状况。
该模型假设土地利用状态之间的转移概率只与当前状态有关，与历史状态无关。
马尔可夫链模型简单、易于计算，但不考虑历史的影响因素，模拟结果有一定的不确定性。
2. 细胞自动机模型细胞自动机模型是一种基于空间交互的模型，将城市土地划分为若干个细胞，并根据细胞之间的交互规则模拟土地利用变化过程。
该模型考虑了空间布局的影响，可以较好地模拟城市土地利用的空间分布特征。
然而，细胞自动机模型的参数设置较为复杂，对数据的要求较高。
3. 基于地统计学的模型基于地统计学的模型是一种通过对土地利用变化进行区域统计分析，揭示其空间分布格局与变化趋势的方法。
该模型通过构建土地利用变化的空间模式，探讨土地利用变化与驱动因素之间的关系，并预测未来的土地利用情况。
这种模型同时考虑了驱动因素的作用，可以为城市规划和土地资源管理提供科学依据。
二、城市土地利用变化的驱动因素城市土地利用变化是多种驱动因素的综合结果，从经济、社会、环境等多个角度分析驱动因素，对于把握城市土地利用变化的规律及制定相应的政策具有重要意义。
以下是常见的城市土地利用变化的驱动因素。
1. 经济因素经济因素是城市土地利用变化的主要驱动力之一。
各种新模型新方法在土地利用规划中的应用
各种新模型新方法在土地利用规划中的应用摘要：土地利用规划是协调各业用地需求、保护土地资源、保障经济社会可持续发展的重要措施，是合理配置土地、实施土地用途管制、促进城乡建设合理有序进行的重要手段。
本文介绍了诸多模型与方法在土地利用规划中的应用。
关键词：土地利用规划线性回归法移动平均法指数平滑法灰色预测法系统动力学的模型人工神经网络预测法元胞自动机AHP一GA模型1前言我国相对薄弱的土地资源在新世纪初期正承受来自三方面的巨大压力。
一是人口增长对食物的需求形成了对耕地保护的压力。
二是社会经济快速发展对土地资源总量需求的压力。
三是加强生态建设和环境保护对土地资源利用方式改变所形成的压力。
土地利用规划是协调各业用地需求、保护土地资源、保障经济社会可持续发展的重要措施，是合理配置土地、实施土地用途管制、促进城乡建设合理有序进行的重要手段。
在新世纪初期，随着资源、环境与经济社会发展的矛盾日益加大，各业用地矛盾加剧，耕地、林地、湿地等一些重要土地资源短缺问题日益突出，土地利用规划工作的难度将进一步加大，任务更加繁重。
土地利用总体规划是一定规划区域内，根据当地自然和社会经济条件以及国民经济发展的要求，协调土地总供给与总需求，确定或调整土地利用结构和用地布局的宏观战略措施，其核心就是确定或调整土地利用结构和用地布局。
优化土地利用结构是在保证土地利用效率最大化的前提下，解决土地供需平衡的有效途径。
土地利用结构优化的过程实质上是将有限的土地资源充分、有效、合理配置的过程，该过程其实也就是一个多目标决策的问题。
通过多目标决策，确定了土地利用结构，也就实现了一个区域土地利用规划。
在土地利用规划的编制工作中，结构优化一般采用传统的土宜法、综合平衡法、线性规划法、灰色线性规划法、模糊线性规划法等。
近年来，随着人工智能和专家决策系统思想的引入，人工神经网络(ANN)和遗传算法(GneectiAlgorithnts，GA)等智能算法在土地利用规划中的应用研究也越来越多。
城市规划中的土地利用模型研究
城市规划中的土地利用模型研究城市规划是指通过对城市的空间布局、土地利用和城市发展进行合理调控，以实现城市的可持续发展和提高城市居民的生活质量。
土地利用模型是城市规划中的重要工具，它可以帮助规划师预测和评估土地的合理利用，优化土地资源配置，实现城市的可持续发展。
城市规划中的土地利用模型研究主要包括城市土地利用变化模型、土地需求预测模型和土地利用评价模型等。
首先，城市土地利用变化模型是研究城市土地利用变化规律的重要工具。
城市土地利用变化模型可以通过对历史土地利用数据的分析，探究城市土地利用的演化过程和影响因素。
常用的城市土地利用变化模型包括Markov链模型和CA（Cellular Automata）模型。
Markov链模型通过建立状态转移概率矩阵来模拟土地利用变化的概率，研究土地利用的动态演变。
而CA模型则基于细胞自动机理论，将城市土地划分为多个细胞单元，模拟土地利用变化的空间分布规律。
这些模型可以帮助规划师预测未来的土地利用变化趋势，为城市规划提供科学依据。
其次，土地需求预测模型是用于预测城市土地需求和优化土地配置的工具。
城市的发展需要不断增加土地供给，但土地是有限的资源，因此如何合理利用土地成为城市规划师需要解决的重要问题。
土地需求预测模型可以通过分析城市的经济发展、人口增长、产业结构等因素，预测未来的土地需求量和结构，并提出相应的土地利用策略。
常用的土地需求预测模型包括层次分析法、模糊综合评判模型和神经网络模型等。
这些模型可以帮助规划师制定合理的土地利用政策，提高土地利用效率。
最后，土地利用评价模型是用于评估城市土地利用效益和环境效应的工具。
城市规划应当注重土地的可持续利用，即在满足城市发展需求的同时，保护环境和提高居民生活质量。
土地利用评价模型可以通过构建评价指标体系，综合考虑土地利用的经济、社会和环境效益，对土地利用进行科学评估。
常用的土地利用评价模型包括环境承载力评价模型、生态效益评价模型和经济效益评价模型等。
土地利用模拟方法
土地利用模拟方法一、概念土地利用模拟方法是指利用数学模型对土地利用结构、土地利用方式以及土地利用效益进行模拟和评估的方法。
它通过对土地资源的需求、供给、利用情况等因素进行建模，分析土地利用变化趋势和影响因素，为决策者提供决策支持。
土地利用模拟方法主要包括经验模型、统计模型、物理模型和过程模型等几种类型。
1. 经验模型：经验模型是利用历史数据和专家经验建立的模型，通过对历史数据的分析和总结，发现土地利用规律，预测土地利用趋势。
它主要用于对已有土地利用情况进行分析和预测。
2. 统计模型：统计模型是基于统计方法建立的土地利用模型，通过对土地利用相关因素之间的关系进行统计分析，建立土地利用的数学模型，对土地资源进行评估和规划。
3. 物理模型：物理模型是基于土地利用相关物理过程和规律建立的模型，通过对土地资源的物理特性进行建模，模拟土地利用的变化过程，评估土地资源的状况。
4. 过程模型：过程模型是基于土地利用相关过程和机制建立的模型，通过对土地利用的决策过程进行模拟，预测土地利用的结果，为决策提供支持。
二、分类根据模拟方法的不同特点和应用范围，土地利用模拟方法可以分为定量模拟和定性模拟两类。
1. 定量模拟：定量模拟是利用数学模型对土地利用进行定量分析和模拟的方法，通过建立数学公式和参数模型，对土地利用进行量化评估和预测，为土地规划和管理提供科学依据。
2. 定性模拟：定性模拟是利用专家知识和经验对土地利用进行定性评估和分析的方法，通过专家判断和讨论，对土地利用进行逻辑分析和思考，为决策者提供决策支持。
三、应用土地利用模拟方法在土地管理和规划中有着广泛的应用。
它可以用于评估土地资源利用效率、优化土地利用结构、预测土地利用变化趋势、保护土地环境等方面。
1. 土地资源评估：土地利用模拟方法可以通过模拟分析土地资源的供给和需求状况，评估土地资源的利用效率和可持续性，为土地资源的合理利用提供科学依据。
2. 土地利用规划：土地利用模拟方法可以通过模拟分析不同土地利用方案对土地资源的影响，优化土地利用结构，提高土地利用效率，实现土地规划的科学性和有效性。
土地利用和土地覆被变化模型方法综述
土地利用和土地覆被变化模型方法综述
土地利用和土地覆被变化模型方法综述：
在环境科学中，土地利用和土地覆被变化模型是一种重要的工具，用于研究和预测人类活动对土地资源的影响。
这些模型通过对土地利用和覆被状态的动态变化进行模拟，帮助决策者制定合理的政策和管理措施，以保护环境和可持续发展。
土地利用和土地覆被变化模型可以分为几类，包括动态模型、地理信息系统（GIS）、遥感技术和地理信息系统（GIS）结合的模型。
动态模型可以模拟土地利用和覆被状态随时间的变化，而GIS、遥感技术和GIS结合的模型则可以帮助分析土地资源的空间分布和利用
状况。
然而，土地利用和土地覆被变化模型也存在一些局限性。
例如，模型的精度受到数据质量和可用性的限制，模型的模拟结果可能受到人类活动和政策干预的影响。
因此，在使用模型进行决策制定时，需要考虑这些因素，并制定相应的风险管理措施。
总之，土地利用和土地覆被变化模型是一种重要的工具，可以帮助决策者制定合理的政策和管理措施，以保护环境和可持续发展。
然而，在使用模型时，需要考虑模型的局限性和数据质量等因素，并制定相应的风险管理措施。
国内几种土地利用变化模型述评
国内几种土地利用变化模型述评1黄秋昊1，蔡运龙2，(1, 2北京大学资源与环境地理系土地科学中心,100871)qhhuang@摘要：土地利用变化是全球环境变化与可持续发展的重要研究内容，受自然、人文要素在不同时间、空间尺度的相互作用。
本文通过对国内主要的土地利用变化模型(马尔可夫链模型、多元统计模型、类似杜能模型、系统动力模型、CLUE模型和CA模型)的回顾分析，指出还存在土地利用驱动力的模型化、土地利用数据的融合、土地利用变化的驱动力尺度、土地利用变化的自然反馈机制模型化等四方面问题，并展望了以后的研究方向。
关键词：土地利用变化 模型 问题 解决途径1. 前言土地利用变化是全球环境变化与可持续发展的重要研究内容[1]，受自然、人文因素在不同时间、空间尺度上的相互作用[2] 。
而综合研究模型是深人了解土地利用变化过程、机理和环境影响的重要手段[3]。
作为IGBP和IHDP联合拟定的研究项目，土地利用/覆被变化（LUCC）旨在揭示土地利用变化的状况、原因、效应等科学问题[4]。
土地利用变化模型的研究能增进土地利用变化机制和原因的理解；预测未来土地利用变化的速率，并支持政府制度相关政策。
本文结合前人的研究成果[5]，[6]，总结了应用较为广泛的几种土地利用变化研究模型，指出模型中存在的问题，并展望了以后的研究方向。
2. 几种主要的土地利用变化模型Lambin认为：土地利用变化模型一般以回答以下问题为目的[7]：1）影响土地利用变化的环境与社会经济因子——为什么（why）？2）土地利用变化的具体地点——何地（where）？3）土地利用变化的速率——何时（when）？针对上述三个问题，目前国内有下面的几个模型运用较为广泛（表一）。
2.1 马尔可夫链模型土地利用变化能利用线性、随机方法来进行模拟。
由于土地利用变化过程复杂，所以有时能将变化过程视为随机过程进行模拟。
马尔柯夫分析是利用某一系统的现在状况及其发展动向预测该系统未来状况的一种概率预测分析方法与技术。
几种土地利用变化模型的介绍
几种土地利用变化模型的介绍几种土地利用变化模型的介绍1马尔可夫链模型马尔可夫理论是一种用于随机过程系统的预测和优化控制问题的理论，它研究的对象是事物的状态及状态的转移，通过对各种不同状态初始占有率及状态之间转移概率的研究，来确定系统发展的趋势，从而达到对未来系统状态的预测的目的[1]。
马尔可夫链是一种随机时间序列，它在将来取什么值只与它现在的取值有关，而与它过去取什么值无关。
这种性质称为无后效性。
马尔可夫链模型的建立过程：①确定系统状态：研究某一地区的土地利用/覆被变化，首先确定当地的土地利用类型，植被类型，确定其土地利用状态。
②建立状态概率向量：设马尔可夫链在 tK 时取状态E 1、E 2、…、En 的概率分别为P 1、P 2 …Pn 而0≤Pi≤1，则向量［P 1、P 2 …Pn ］称为t K 时的状态概率向量。
③建立系统转移概率矩阵：一步转移概率：设系统可能出现N 个状态E 1、E 2 … En ，则系统由T K 时刻从Ei 转移到T k+1时刻Ej 状态的概率就称为从i 到j 的转移概率。
状态转移概率矩阵：在一定条件下，系统只能在可能出现的状态E 1、E 2 … En 中转移，系统在所有状态之间转移的可能性用矩阵P 表示，称P 为状态转移概率矩阵。
P =[P 11?P 1n P n1?P nn]为了运用马尔可夫模型对事件发展过程中的状态出现的概率进行预测，还需要再介绍一个状态概率πj (k )：表示事件在初始（k=0）状态为已知的条件下，经过k 次状态转移后，在第k 个时刻处于状态E j 的概率。
∑πj (k )=1n j=1从初始状态开始，经过k 次状态转移后到达状态E j 这一状态转移过程，可以看作是首先经过（k-1）次状态转移后到达状态E i (i=1,2?,n )，然后再由E i 经过一次状态转移到达状态E j 。
则有：πj (k )=∑πi (k ?1)Pij n i=1 (j=1,2,…,n) 如果某一事件在第0时刻的初始状态已知，则可以求得它经过k 次状态转移后，在第k 时刻处于各种可能的状态的概率，完成对这一事件未来发展的预测。
土地利用与交通模型
第三节 土地利用与交通模型土地利用模型是描述地区内部经济活动的选址行为及其作用结果的土地利用空间分布的数学模型。
分预测模型和优化模型。
其中，预测模型是指在一定的制约条件下，对各种经济主体的选址行动结果的土地利用形态的跟踪模型；优化模型是指在一定的制约条件下，社会效益目标最大化所对应的土地利用情况。
一、汉森模型此模型的日的是预测城市地域内各交通小区的住宅选址户数。
即此模型是用该分区至其它分区城市设施的可达性和该分区所具有的能够作为住宅用地进行开发的土地面积作为自变量，将城市地域内由新增人口产生的新需住宅向该地域的各交通小区分配的模型。
“可达性”定义为某交通小区所具有的与其它交通小区发生某种联系的可能性的大小。
即/A S T i j j ij γ=式中： ji A 为分区i 对于位于分区j 中某一类活动主体的相对可达性值；S j为分区j 中活动主体的规模，如职工人数等；T ij 为分区i 、j 间的时间距离；γ为参数。
分区i 的总可达性值为/,,A A S T i i j j ij j j i j j i γ==∑∑≠≠城市地域内某个小区作为住宅地进行开发时，其可达性对将要进行住宅选址的户数有何影响？首先我们定义任意时点小区间住宅开发可能比为各小区所具有的可作为住宅地开发利用的土地面积之比。
此外，从这一时刻经过一定时间至下一时刻的时间段内，城市地域全体中由于人口增加产生的新需住宅户数按这一比例分配各小区。
而实际各小区间的住宅开发现状值的比与这一比值的差值，反映了各小区可达性的差别。
例如关于雇用的可达性与 2.7D KA i i =式中，D i 为住宅开发率，且D i =住宅开发现状比/住宅开发可能比这种情况下，若将每户居住面积设为定值，则可通过下式预测出住宅开发现状比。
即：2.72.7P D O A O i i i i iP D O A O t j j j j j j ==∑∑式中，P i 为小区i 新增户数；P t 为城市地域全体在时间段t 过程中由于人口增加而产生的新增户数；O i 为小区的住宅开发可能比。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
几种土地利用变化模型的介绍1马尔可夫链模型马尔可夫理论是一种用于随机过程系统的预测和优化控制问题的理论，它研究的对象是事物的状态及状态的转移，通过对各种不同状态初始占有率及状态之间转移概率的研究，来确定系统发展的趋势，从而达到对未来系统状态的预测的目的［1］。
马尔可夫链是一种随机时间序列，它在将来取什么值只与它现在的取值有关，而与它过去取什么值无关。
这种性质称为无后效性。
马尔可夫链模型的建立过程：①确定系统状态：研究某一地区的土地利用/覆被变化，首先确定当地的土地利用类型，植被类型，确定其土地利用状态。
②建立状态概率向量：设马尔可夫链在tK 时取状态E1、E2、⋯、En 的概率分别为P1、P2 ⋯Pn而0≤Pi ≤，1则向量［P1、P2 ⋯Pn］称为t K时的状态概率向量。
③建立系统转移概率矩阵：一步转移概率：设系统可能出现N 个状态E1、E2 ⋯En，则系统由T K时刻从Ei 转移到T k+1 时刻Ej 状态的概率就称为从i 到j 的转移概率。
p ij p(E i E j )状态转移概率矩阵：在一定条件下，系统只能在可能出现的状态E1、E2 ⋯En 中转移，系统在所有状态之间转移的可能性用矩阵P 表示，称P为状态转移概率矩阵。
P p ij N N,其中p ij P{E i E j}P11 ?P1n??= [ ? ??]P n1 ?P nnNp ij 1 i 1,2, N j1p ij0 i, j 1,2, N为了运用马尔可夫模型对事件发展过程中的状态出现的概率进行预测，还需要再介绍一个状态概率πj(k) ：表示事件在初始( k=0)状态为已知的条件下，经过k 次状态转移后，在第k 个时刻处于状态E j的概率。
∑j n=1πj(k) = 1从初始状态开始，经过k 次状态转移后到达状态E j 这一状态转移过程，可以看作是首先经过( k-1)次状态转移后到达状态E i(i = 1,2 ? ,n)，然后再由E i经过一次状态转移到达状态E j。
则有：πj(k) = ∑i n=1 πi(k - 1)P ij(j=1,2, ⋯,n)如果某一事件在第0 时刻的初始状态已知，则可以求得它经过k 次状态转移后，在第k 时刻处于各种可能的状态的概率，完成对这一事件未来发展的预测。
目前，一阶马尔柯夫模型多应用于较小空间尺度的植被变化与土地利用变化中，如预测草原退化格局的变化、预测城市土地利用变化以及模拟土壤侵蚀变化信息等。
在更大空间尺度的应用还很少。
此外，由于土地利用主要是受社会经济的驱动，土地利用变化数据固定不变是很难的，所以该模型只适合于短期的预测。
2 多元统计模型土地利用/ 覆被变化研究中，常采用多元统计模型，分析每个因子对土地利用变化的贡献率，并将LUCC 与驱动因子之间的相互作用定量化，从而从统计学角度表征LUCC 的原因。
常见的模型有：线性回归模型、主成分分析法、聚类分析法以及因子分析等。
在多要素的地理系统中，多个（多于两个）要素之间也存在着相关影响、相互关联的情况，因此，多元线性回归模型更具有普遍意义。
下面重点介绍多元线性回归模型：多元线性回归模型的建立[2]：①假设某一因变量y 受k 个自变量x1，x2，⋯.，x k 影响，其n 组观测值为y a，x1a，x2a，⋯，x ka，a=1，2，⋯，n。
多元线性回归模型结构形式为：②式中系数为待定参数，最后一个为随机变量。
如果b0，b1⋯b k 分别为待定参数的拟合值，则回归方程为：式中b0为常数，b1，b2，⋯，b k 为偏回归系数。
③根据最小二乘原理，??i 的估计值b i 应该使：由极值的必要条件得方程组展开后得：称为正规方程组。
则正规方程组可以进一步写成矩阵形式 A b=B ④如果引入以下矩阵：求解可得：⑤如果引入记号：则正规方程式也可以写成：3类型杜能模型这些模型源于杜能和李嘉图的地租理论。
主要模型有杜能的农地同心圆圈层模式、Burgess 的市地同心圆圈层模式、Hoyt 的市地扇形模式等[3]。
它们一般是当占用不同土地的各种用途获利相同时，便达到了各种用途之间在空间上的均衡状态。
在空间均衡状态下，两种用途竞租曲线的交点被称为转移边际点。
在转移边际点左边，土地转为地租产出能力更高的用途更为有利；在转移边际点之外继续这种用途，直到其粗放或者无租边际，均可获利。
4 系统动力模型系统动力学简称SD(system Dynamics) ，是一门分析研究信息反馈的科学，是一种定性与定量相结合，系统、分析、综合与理论的方法[4]。
在研究复杂系统的行为，在处理高度非线性、高阶次、多变量、多重反馈问题方面具有优势。
系统动力学中所有的“数量”可分为两大类：常数，其值在一次模拟的全过程中不变；变量，其值是可变的。
其中变量又分为状态变量、速率变量和辅助变量。
状态变量也称为水准变量，是能对输入和输出变量或其中之一进行累积的变量；速率变量位时间的流量；辅助变量是当速率变量的表达式较复杂时，用来描述其中一部分的变量，设置在状态变量和速率变量之间的信息通道中。
系统动力学的本质是一阶微分方程。
一阶微分方程描述了系统各状态变量的变化率对各状态变量或特定输入等的依存关系。
而在系统动力学中，则进一步考虑了促成状态变量变化的几个因素，根据实际系统的情况和研究的需要，将变化率的描述分解为若干流率的描述。
主要方程：①状态方程：凡是能对输入和输出变量(或其中之一)进行积累的变量称为状态变量。
一状态变量方程在模型中，必须以 L 为标志写在第一列。
其中： IR.jk 、 OR.jk 为输入和输出速率。
DT 表示时间间隔 (从 J 时刻到②速率方程：描述速率的方程式，以 R 为标志L.K - L.J DL= = IR. JK- OR.JKDT DT 在状态变量方程中代表输入与输出的变量称为速率， 速率方程以 R 为标志 ,速率变量时间下标为 KL 。
与状态方程不同， 速率方 程无标准格式。
帮助建立速率方程的方程，以 A 为标志。
在建立速率方程之前，若未先 做好某些代数计算， 把速率方程中必需的信息仔细加以考虑， 那么将遇到很大的困难。
这些 附加的代数运算， 在系统动力学中称为辅助方程， 方程中的变量则称为辅助变量， 辅助变量 时间下标为 K ，没有统一的标准格式。
④ 常数方程：为状态方程赋值 ,若初始值未设定则自动取为零，所有模型中的状态变量 都必须赋予初始值。
⑤表函数： 模型中往往要用辅助变量描述某些变量之间的非线性关系，而简单由其它变量进行代数组合的辅助变量己不能胜任的情况下， 采用非线性函数以图形给出， 这种以图形 表示的非线性函数称为表函数，以 T 为标志。
5 CLUE 模型与 CA 模型5.1 CLUE 模型 土地利用变化及效应模型 (Conversion of LandUse and its Effects Model ， CLUE Model)由 荷兰 Wageningen 大学的 Veldkamp 等科学家提出的。
具体细分可由四个主要的模块组成，即需求模块、人口模块、产量模块和空间分配模 块[5]。
①需求模块计算国家农产品需求时主要考虑人口增长、膳食结构变化和进出口数量。
②人口模块将利用历史时期的人口统计数据进行人口变化的趋势预测、求算各地区预 测期内各年份包括总人口、城镇人口、农村劳动力、 农业劳动力等的增长率、 人口结构变化 以及相关的特征。
③产量模型以空间解释的办法计算产量水平的变化。
④空间分配模块直接受需求和人口模块的影响是整个模型的核心部分(该模块将利用 统计分析模块在不同规模尺度上对土地利用 与自然生态条件、社会经济因素之间复杂的相 互作用关系的分析结果、根据需求模块所确定的土地利用变化目标进行优化。
在 CLUE 模型中，根据一组引起土地利用变化的驱动因素，运用 logistic 逐步回归对每 一栅格单元可能出现某一种土地利用类型的概率进行诊断[6]。
其计算公式为：PiLog() = β0 + β1 X 1,i + β2X 2,i ? + βn X n,i1 - p iP i 为空间上栅格可能出现某一土地利用类型 i 的概率； X 1,i ～X n,i 分别是与土地利用类型 i 相关的各备选驱动因子； β系数为 logistic 回归方程诊断出的关系系数， 其中 β0 为常量，β1～βn分别表示 X1,i ～X n,i 等各备选因子与土地利用类型 i 之间的相关度， β值越大，代表其相关度 越高 , β值的正负号分别表示正负相关。
5.2 CA 模型L.K 、L.j 为状态向量。
K 时刻 ) 。
由上式可知， 在系统动力学中， 它由速率方程求出。
③辅助方程：元胞自动机( CA )是一种时间、空间、状态都离散，空间的相互作用及时间上的因果关系皆局部的网格动力学模型，其“自下而上”的研究思路，强大的复杂计算功能、固有的平行计算能力、高度动态以及具有地理空间概念等特征，使得它在复杂系统微观空间变化模拟方面具有很强的能力[7]。
基本特点：①元胞分布在按照一定规则划分的离散的元胞空间上；②系统的演化按照等间隔时间分布进行，时间变量取等长的时刻点；③每个元胞都有明确的状态，并且元胞的状态只能取有限个离散值；④元胞的下一时刻演化的状态值是由确定的转换规则所决定的；⑤每个元胞的转换规则只由局部领域内的元胞状态所决定。
CA 的组成部分包括：元胞和元胞空间、状态和初始状态、领域以及转换规则。
元胞是基本的组成部分，一个元胞就是一个存储单元，可以记录状态。
CA 就是定义在一个由具有离散、有限状态的元胞组成的元胞空间上的。
状态的数目是有限的，初始形态决定了各个元胞的初始状态，所有的元胞都在离散时间上进行变化。
而一个元胞的领域由其周围的元胞组成，有冯诺依曼领域和摩尔领域。
转换规则决定了元胞在下一个时刻的状态，是一个状态转移函数。
其中CA 的核心是确定其转换规则，根据具体的需要解决的问题，转换规则的类型、结构等都有很大的不同。
参考文献[1] 陈平留,黄清麟.应用马尔可夫链分析预测福建以林为主的土地利用趋势[J]. 自然地理学报.1992.7(1):36-41[2] 徐建华.计量地理学(第二版) [M]. 高等教育出版社.2014[3] 黄秋昊,蔡运龙. 国内几种土地利用变化模型述评[J].中国土地科学.2005.19(5):25-30[4] 郭璇.义乌市水资源承载力仿真研究[D]. 浙江师范大学硕士学位论文.2006[5] 蔡玉梅,刘彦随,宇振荣. 土地利用变化空间模拟的进展——CLUE-S 模型及其应用[J].地理科学进展.2004.23(4):63-71[6] 郭延凤,于秀波,姜鲁光等. 基于CLUE模型的2030年江西省土地利用变化情景分析[J].地理研究.2012.31(6):1016-1028[7] 曹雪,罗平,李满春等. 基于扩展CA 模型的土地利用变化时空模拟研究——以深圳市为例[J]. 资源科学.2011.33(1):127-133。