和林地，其次是水域和建设用地，而草地和未利用土地的贡献比较小，这就表示浙江省主要的土地利用类型为耕地和林地，其他土定网络训练次数为次训练结束后，越相似的输入数据对应的输出神经元位臵越相近通过分析每个城市不同年份对应输出神经元的位臵变化即可发现其年间土地利用变化的情况相关性分析相关性分析是指对个或者多个变量进行分析，从而发现这些要素之间的相关密切程度，而相关密切程度需要用相关系数来判定经典统计学中有大相关系数，分别是相关系数相关系数和相关系数，而相关系数常用来反映个变量之间的相关性程度因此，本文选择用相关系数定量表示各驱动因子与建设用地比例增长之间的相关性将浙江省各市各年份每授提出，是通过模拟人脑对信号处理的特点而发展起来的种人工神经网络算法，具有聚类和高维可视化的功能在大脑神经系统中，神经元之间会存在相互竞争关系，个兴奋强度最大的神经元会对其他神经元产生抑制作用，这个神经元则成为获胜神经元同时临近神经元之间存在鼓励机制，表现为离获胜神经元近，则兴奋强度高离获胜神经元越远，则越被抑制当距离超过定范围后，则又表现为弱激励这样就导致距离越近的神经元功能越相似自组织映射神经网络就是模拟上述大脑神经系统功能的人工神经网络因此，输入样本越相似，其对应的输出神经元的距离越近由层网络构成，分别是输入层和竞论挖掘浙江省土地利用演变信息应用自组织映射神经网络自动化论文地关系的和谐发展数据来源及预处理数据来源本文为研究浙江省年的土地利用变化情况，以为个时间间隔，分别获取年年年年和年浙江省土地利用数据该数据来源于欧洲空间局气候变化倡议项目发布的分辨率为的全球年土地利用数据此外，还有浙江省的行政区划图及浙江省年年年年和年的统计年鉴数据数据预处理土地利用分类系统的建立受到研究尺度研究区范围及数据分辨率等因素的影响发布的土地利用图采用联合国土地利用分类系统，为适应全球研究，该系统将地类分为个小类为保证数据的持续性致性和高精度，并结合数据的分辨率及浙江省实际土地的利用情况，采用年全国农业区划委员会影响和制约着人类社会的发展因此，近年来土地利用变化的研究受到各国学者的关注随着学界对土地利用变化研究的深入，研究时间跨度的增大，时间序列的增多，更多复杂的非线性问题亟需解决传统的研究方法已经难以解决这些复杂的问题，而智能算法可以很好地处理非线性问题，所以越来越多的学者将智能算法应用于土地利用变化的研究中智能算法在土地利用变化研究中的应用主要包括优化土地利用结构，模拟未来土地利用变化及土地利用分类但是在土地利用变化分析及土地利用变化驱动力的研究中鲜有应用目前该研究主要是运用土地利用转移矩阵变化轨迹分析法及经典统计学方法，这些方省个市年来的土地利用变化轨迹进行可视化表达，并进步分析各地区的土地利用变化情况及其驱动力，以便探索土地利用变化的机制，更好地促进人地关系的和谐发展数据来源及预处理数据来源本文为研究浙江省年的土地利用变化情况，以为个时间间隔，分别获取年年年年和年浙江省土地利用数据该数据来源于欧洲空间局气候变化倡议项目发布的分辨率为的全球年土地利用数据此外，还有浙江省的行政区划图及浙江省年年年年和年的统计年鉴数据数据预处理土地利用分类系统的建立受到研究尺度研究区范围及数据分辨率等因素的影响发布的土地利用图采用联合国土地利用分类系统，为适应全球关键词可视化土地利用变化多时段自组织映射驱动力引言随着城镇化建设进程的加快，土地利用也在发生着巨大的变化，土地利用变化又反过来影响和制约着人类社会的发展因此，近年来土地利用变化的研究受到各国学者的关注随着学界对土地利用变化研究的深入，研究时间跨度的增大，时间序列的增多，更多复杂的非线性问题亟需解决传统的研究方法已经难以解决这些复杂的问题，而智能算法可以很好地处理非线性问题，所以越来越多的学者将智能算法应用于土地利用变化的研究中智能算法在土地利用变化研究中的应用主要包括优化土地利用结构，模拟未来土地利用变化及土地利用分类但是在究的核心领域土地利用土地覆被变化的国际研究动向地理学报，黎夏，叶嘉安基于神经网络的元胞自动机及模拟复杂土地利用系统地理研究，李月臣，何春阳中国北方土地利用覆盖变化的情景模拟与预测科学通报，徐昔保，杨桂山，张建明基于神经网络的兰州城市土地利用变化情景模拟地理与地理信息科学，骆成凤，王长耀，刘永洪，等利用算法进行新疆数据土地利用分类研究干旱区地理，阎静，王汶，李湘阁利用神经网络方法提取水稻种植面积以湖北省双季早稻为例遥感学报，焦利民，吴苏利用自组织网络分析年中国主要城市扩展特征武汉大学学报信息科学版，焦利理，并进行相关性分析相关系数矩阵如表所示表相关系数矩阵导出由表可知，与，个影响因子的相关系数超过，且通过显著性检验相伴概率上述分析表明，将算法应用于土地利用变化驱动力的研究具有可行性通过算法和相关分析法得到的浙江省各市建设用地比例增长的主要驱动因子结果致，均为非农业人口占比城镇人均可支配收入固定资产投资及人均，经济增长和城镇化发展对于浙江省各市建设用地比例的增长有较大影响，而产业结构的变化和人口的增长对建设用地比例的增长影响不明显结论算法可以将多维数据在维平面中显示，从而实现多维数据的此，本文以建设用地为例，研究导致建设用地变化的驱动力通过查阅相关资料，确定以各年份各市的建设用地比例为因变量，选定个影响因子，分别是非农业人口占比城镇人均可支配收入固定资产投资人口密度第产业产值占比第产业产值占比第产业产值占比及人均，以建设用地的输出成分图作为底图，将个影响因子与最佳匹配神经元联系起来，如图所示图建设用地变化与各影响因子的关系图中每个点代表的是各市各年份相对应的影响因子数据，点的大小代表的是相应影响因子值的大小在图，中，最佳匹配神经元点的大小和输出神经元颜色有非常明显的正相关关系，地比例有个先增高后降低的变化趋势同时观察发现，年至年的最佳匹配神经位臵变化都比较大，说明这段时间内土地利用变化最为明显，具体表现为建设用地的飞速增长及耕地和林地的同时减少湖州市和嘉兴市的最佳匹配神经元位臵在输出神经元的右下角部分，且其变化轨迹都向右延伸这表明湖州市的耕地比例直在持续增加，林地比例持续减少，而嘉兴市由于所有年份的最佳匹配神经元都处于耕地比例最高林地比例最低的区域，耕地比例和林地比例的变化不明显，但是可以发现以上市的建设用地比例都在快速增加舟山市的最佳匹配神经元都位于右上角区域，相对其他城市来说，舟山的草地比例和未利用土论挖掘浙江省土地利用演变信息应用自组织映射神经网络自动化论文，张欣，毛立凡自组织双重空间聚类算法的城市扩张结构分析应用地球信息科学学报，齐建超，刘慧平，伊尧国应用自组织映射方法的北京市年土地利用时空演变分析生态学报，齐建超，刘慧平，高啸峰基于自组织映射法的时间序列土地利用变化的时空可视化地球信息科学学报，杨占华，杨燕神经网络算法的研究与进展计算机工程，王潇，梁勤欧，林德根，程姌应用自组织映射神经网络挖掘浙江省土地利用演变信息浙江师范大学学报自然科学版，论挖掘浙江省土地利用演变信息应用自组织映射神经网络自动化论文论挖掘浙江省土地利用演变信息应用自组织映射神经网络自动化论文人口占比城镇人均可支配收入固定资产投资及人均可支配收入增长，即经济和城镇化的快速发展导致浙江省各地区的建设用地比例发生了变化本文应用算法对浙江省个市的土地利用变化情况及驱动力进行了分析研究结果表明，在多时序土地利用变化及驱动力研究中有较好的表现，但该方法只是对驱动力进行定性分析，并未涉及土地利用变化与驱动力之间定量关系的确定后续的研究可以通过该方法确定土地利用变化的驱动力，再应用神经网络算法确定驱动力与土地利用变化之间的定量关系，以更全面地揭示土地利用变化的机制参考文献李秀彬全球环境变化年份各地类面积比例数据为输入数据，最佳匹配神经元即每个城市不同年份在输出面板对应的位臵，具体见图图最佳匹配神经元由图可知，丽水衢州所有时相的最佳匹配神经元都集中在输出面板的左上角嘉兴湖州的最佳匹配神经元分布于输出面板的右下角舟山的最佳匹配神经元聚集在输出面板的右上角其他城市的最佳匹配神经元分散在输出面板的对角线左右结合图可知，丽水和衢州的土地利用类型以林地为主嘉兴和湖州的土地利用类型中耕地比例远高于其他土地利用类型舟山的土地利用类型中耕地林地水域都占定比例，且舟山的水域占比和草地占比都是浙江省最高的杭州金华温州宁波视化表达本文运用算法研究浙江省各市的土地利用变化情况及建设用地变化的驱动力，结论如下应用算法可以同时研究不同地区多时段土地利用变化情况及其驱动力，且结果简单明了，易于分析浙江省的土地利用类型以耕地和林地为主，从年到年土地利用类型的变化主要表现为林地比例在逐年降低，建设用地比例在逐年增高，耕地比例先增高后降低，但总体变化不大根据至年间土地利用变化的趋势，可将浙江省个地级市分为类第类是丽水市和衢州市第类是杭州市金华市温州市绍兴市台州市宁波市市第类是湖州市和嘉兴市第类是舟山市浙江省各市建设用地比例增长的主要原因是由于非农即输出神经元的颜色越偏红色，则最佳匹配神经元的点越大这表明非农业人口占比城镇人均可支配收入固定资产投资和人均这个影响因子的值越大，建设用地占比越高，因此，这个因素是导致研究区内建筑比例增长的主要驱动因子而图和中，最佳匹配神经元大小与输出神经元的颜色没有明显关系这表明人口密度第产业产值占比第产业产值占比第产业产值占比与建设用地的变化没有明显的相关关