当前世界环境

介绍

在现代世界中，LULC是不可避免的，因为人类利用他们的环境的发展。人类可以使用地球的大气，地表和地下进行发展，并以此为此可能影响环境。由于复杂的过程而发生这种变化，涉及陆地覆盖和土地使用的修改，¹它们是由生物物理和人类活动在空间和时间上的相互作用决定的。²这些过程包括但不限于扩大农业，基础设施，定居点，行业和自然灾害的发展。在地球上的几个地区，由于各种力量导致改变流动制度的各种力量，河流生态系统和陆地覆盖会发生变化，^3,4.和生态的变化。这种力量包括砍伐森林，过度沉沦，农业扩张和基础设施发展。此外，据说，许多河流上游土地利用和土地利用转化竞争的增加有助于改变许多河流和湿地的水文制度。^5,6不同的政府政策，政治影响以及技术变化也可能导致土地使用/土地覆盖变更，这可能影响流域和集水区。^3、7、8上述问题是在包括坦桑尼亚在内的许多发展中国家下降的几项活动之一。

研究土地利用和土地覆盖变化的影响是许多研究人员的兴趣点。例如，^2,9-11关于他们的研究试图提供对土地利用和土地覆盖变化的洞察和理解，最重视土地利用和土地覆盖变化的生物物理方面的研究。目前，据说坦桑尼亚南部的大区已被转化为农业用地等用途，包括培养食品和现金作物，过度吸血，扩大灌溉计划系统，采矿等行业等基础设施的结算和发展的发展和发展增加迁徙和内部人口的结果。这些地区包括坦桑尼亚山山山的斜坡，这是饲养庞甘河的重要庞甘盆地集水区之一。^12,13.该地区正面临着森林砍伐和森林退化，农业扩张差，包括增加沟渠灌溉技术，从原始土地建立新的大型商业农场，由于移民和自然过程，人口迅速增加，威胁土地利用和陆地覆盖因此，该地区影响了该地区的水文系统。^6,13,14目前，Pangani盆地子集水区的农业和畜牧业活动有重大增加。这使得草原，林地和森林变成了农田和牧场的戏剧性转化，最终导致湿地规模和河流制度的负面变化。^6.

了解土地利用的主要驱动因素和土地覆盖的河流和其方面是至关重要的，这种理解包括对土地利用率和土地利用的空间模式（LULC）以及校长的熟悉程度的评估人类和生物物理司机。²这些复杂的问题可以通过GIS环境下的土地利用/覆被变化模型来解决。此外，分析、预测和评估任何地方未来土地利用变化的过程涉及一系列复杂的任务，应该利用对土地变化的物理程度、特征和后果的更好的科学知识来进行。^15.在LULC动力学的分析和建模中，遥感和GIS工具广泛用于使用蜂窝自动机和马尔可夫链定量和定性地研究（CA-MC）空间模型，预测历史土地覆盖数据的未来LULC场景。^10,16-19除此之外，归一化差异植被指数（NDVI），主成分分析（PCA），图像配给，图像差异，在数量和方向，偏差和回归方面改变载体分析，是可用于GIS环境的技术之一研究LULC的变化。^17,20,21在本研究中，CA-MC已被用于评估土地利用变化和模型在Pangani盆地集水区的一部分中的未来LULC。

土地覆被变化与排水

陆地掩护在排水系统中起着至关重要的作用和任何集水区的保护。不同的研究表明，与土壤类型的不同类型植被覆盖的土地可以影响特定集水区的排水和可持续性。^22,23不同研究人员的进一步研究表明，土地覆盖变化的压力尤其会导致该地区水文状况的变化，尤其是在发生了大规模森林砍伐的情况下。^24.在这种情况下，集水器的研究表明，一个区域的水文制度可以在很长一段时间内没有显着的降水变化。^25.其他研究表明，森林地区的流动年流量高于森林区域，但不显示此类事件发生的季节。^26.

蜂窝自动机

CA是一种从发展的地理空间位置和变化量两方面来模拟土地变化的方法。在该模型中，地理空间动态由CA空间滤波器或转换势图确定的局部规则控制。^27.CA模型被定义为相同自动机单元的一个或二维网格，其每个自动机单元的相同自动机单元格流程各自的信息，并基于从其环境接收的数据和在其内部存储或保持的规则来进行其动作。^28.简单的CA有五个组件，该组件是模型操作的网格空间，电网空间中的单元格和转换规则，其确定空间动态过程。其他包括影响中央电池和迭代号的邻居的状态。^29.此外，必须由来自邻近单元的状态的一组输入来定义自动机网格，以成为CA.此外，必须在网格晶格上考虑具有包含四个（von neumann函数）或八个（摩尔函数）相邻小区的影响的邻域。^30.CA模型最重要的优势在于它能够控制复杂的空间分布过程，并提供对各种局部行为和全局模式的深入了解。此外，适当地定义CA模型中的迁移规则可以很好地模拟和表示许多现象的时空复杂性。^29.具有如此重要的优点，CA模型越来越多地用于模拟不同的空间现象，包括LUCC^31.和城市成长。^32.这些功能在CA模型中提供了最重要的问题，这需要根据控制模型的培训数据来定义适当的转换规则。此外，已使用线性边界来定义规则;然而，土地利用动态和许多其他地理空间现象非常复杂，需要非线性边界用于定义规则。^29.

马尔可夫链模型

马尔可夫链前提是一种随机系列，其描绘了一个状态如何改变到另一个状态的概率。The Markov Chain produces a key descriptive outcome that determines the probability of change from one category to another category thus managing the temporal dynamics among the land use/cover categories, based on transition probabilities (e.g. conservation to built-up area), which is a also called transition probability matrix.^10,33该模型高度用于研究水资源系统和降水序列的模拟，特别是描述和预测岩性过渡，^34.植物连续^35.和土地利用变化。^36.该模型在通过Chapman-Kolmolog方系统计算的几种数学概率理论的假设下工作。在这项研究中，由于GIS软件用于相同目的，因此省略了这种数学操作。

CA-马尔可夫链模型

CA-MC模型是一个集成的系统，对LULC变化的多标准评价起着重要作用。由于GIS和遥感数据可以很好地结合在一起，从而给出有意义的结果，因此它是LULC变化的数量估计、时空动态建模的最佳方法和技术之一。^33.在这个模型中,MC工具是用于生产过渡概率统计、过渡区统计和条件转换图像数据作为输入来预测后的特定像素在空间条件基础上,相邻像素的位置和邻近CA模型。^{10,16,18,19,37-40} 本文利用CA-MC空间模型对Meru山坡地土地利用/土地覆被变化对水资源的影响进行了评价。这两个模型将被用来估算和预测研究区未来的土地覆被和土地利用变化。

材料和方法

研究区域的描述

研究区域包括Meru山东部和西南部的丘陵地带，Meru山是坦桑尼亚北部Pangani盆地子流域的一部分(图1)。^41.该地区的自然植被通常是大草原的热带林，地形由普利科罗替烯山的Meru Volcanic锥主导地位。该地区的局部气候分别为温血性，最小，最大每日温度为20.6°C和28.5°C。降雨量不规则地分布于5月至5月中旬的主要潮湿季节与9月至11月的次要季节，两次降雨量为535.3毫米。^42,43河流区（马上）的特点是人造针叶树和混合自然森林保护;河的中部地区包括混合农业和城市定居点。洪泛区（下游）地区的特点是裸机，密集放牧，大规模农业，经过潮湿的季节污水处理和严重洪水。^44.

图1：研究区域的位置 点击此处查看数字

数据来源和数据收集

在本研究中，使用初级和次要数据。使用的主要数据包括2016年子集水区内的河流中的降水量和水平，并从Pangani盆地水办公室（PBWO）收集了1986年的降水的二级数据（PBWO）（表1）。其他二级数据包括从美国地质调查（USGS）地球探险家中下载的Landsat主题映射器（LTM）图像，如表2所示，收集的卫星图像用于确定该区域的土地使用/陆地覆盖的变化随时间三十年（1986-2016）。分类卫星图像还用于预测10年后的土地使用/陆地覆盖条件的条件，以便在Markov-Cellular自动机动态模型（MCA）中。

数据分析

在分析它们之前首先预处理收集的卫星图像，该过程将它们投射到UTM区36s，该过程对应于Arusha区域，然后为每年创建红色绿色和蓝色（RGB）合成图像。RGB由层堆叠产生，该层堆叠用于Landsat的Landsat TM 4-5和带3,4和5的频带2,3和4。通过使用研究区域图，提取具有复合颜色的每个图像以覆盖研究区域。通过使用IDRISI-SELVA软件分析图像，并评估结果基于土地使用的变化并将其与水库相关联。卫星图像被预处理，然后转换成具有错误颜色的复合图像，这有助于通过监督分类，清楚地识别不同土地的区域，如植被，沉降和水源。^16、18采用最大似然(MAXLIKE)算法对图像进行分类，进行变化检测分析。利用时间步长卫星图像对森林覆盖、居民点和农业等各种土地用途的净收益和损失进行了分析，并基于Kappa协议指数(KIA)进行了解释。^10.对于未来土地使用土地改变预测模型的最佳图像代表性图像。整个程序活动总结在方案1.此外，还有多年的降雨和河流水平用于评估与土地使用/陆地覆盖的任何相关性。如果有的话。

卫星图像分类，训练，特征开发和分类

由于整个过程由用户控制的事实，特别是在确定要确定的课程数量，创建培训样本以及关于实际研究区域土地利用和陆地覆盖分布的详细知识的情况下采用了监督的图像分类。^45.在谷歌地球图像的支持下，利用多边形和GPS点创建了代表1986、1996、2006和2016年特定地表覆盖像素的训练样本。此外，利用国土部地图学司收集的代表四分之一度方(QDS) 55-3和55-4研究区域的同类年份土地利用地形图进行研究。研究确定了6类土地LULC，包括混交林(MF)、灌木地(BL)、农业(AG)、居民点(ST)、水体(WB)和岩石(RK)。25(25)个像素分别用于WB和RK的训练和验证，而MF、AG和ST的50(50)个像素用于相同的目的。存储相同的训练样本，并用于创建签名文件，用于整个图像监督分类过程。下表3描述了在研究区内确定的土地用途类别。

表1:1986年至2016年河流年降水量和排放

年	安。phow。（毫米）	放电（M.3./ s）
		Temi.	nduruma.	Tengeru	Maji丫柴	Av水平。
1986	503.3.	0.67	0．75	0.66	0.30	0.60
1996	225.4	0.29	0.34	0.28	0.13	0.26
2006年	229.6	0.31	0.35	0.31	0.14	0.28
2016年	464.3	0.61	0．75	0.38	0.19	0.48

资料来源：Pangani盆地水办公室（PBWO）2016，ANN。PRI.-年降水，AV。- 平均

表2：USGS收集了用于LULC的Landsat TM特性

卫星图像	决议	小路	行	收集日期
Landsat TM 4-5	30米×30m	168.	062.	1986年9月-
Landsat TM 4-5	30米×30m	168.	062.	1996年9月-
Landsat TM 4-5	30米×30m	168.	062.	2006年9月
Landsat ETM 8 TIR / OLI	30米×30m	168.	062.	2016年10月,

表3：土地使用研究区的分类

土地利用	描述
混交林(MF)	种植园和天然森林，木柴，木炭，杆木材和木材的区域
布什陆地（BL）	带灌木，农业森林，牧场和灌木的地区
农业（AG）	有商业和农业用地的地区
定居点（ST）	所有形式和建筑类型
水体（WB）	所有区域覆盖着水（河流，雪，湖泊洪水和废水处理场所）
岩石（rk）	所有带岩石和采矿的地区

监督图像分类是在创建签名文件之后完成的;每个合成图像都以最大似然分类算法提供，作为与关联的签名文件一起输入。运行算法后，生产了带有培训类的土地使用和陆地覆盖地图，并准备好进行分类准确性评估过程。在ArcGIS 10.3软件中的每个单个图像上执行所有这些过程。

准确评估和变更检测分析

通过将土地使用类与33个地面真理GPS点进行比较然后创建错误矩阵表来对每个分类的地图进行分类准确性的评估;从Microsoft Excel表中的表格计算生产者，用户和整体准确性，如Coppin和Bauer（1996）所建议的，这需要可接受的分类结果至少从70％及更高版本。总体准确性由关系（1）至（3）中的关系确定。表2.5概述了1986年至2016年的准确性评估摘要，这些准确性评估均有资格进一步采用。


改变检测分析

利用1986年、1996年、2006年和2016年的土地利用和土地覆被分类图统计数据，检测了30年间的变化。变化检测包括在确定的时间间隔内发现土地利用和土地覆盖变化的数量、发生变化的地点和发生变化的类型。^10,46在岗位分类过程中;定量变化是通过比较连续的分类图，从过去的土地利用类别的数量中减去当前的土地利用类别的数量;利用关系将每对所得的差异转化为变化百分比。^4.

通过改变检测，在土地利用和地区的土地利用中的人为干扰方面的深入理解将可能有助于了解环境保护策略。

结果与讨论

分析LULC

图2（a）和（b）至3（c）和（d）是1986年，1996年，2006年和2016年的研究区域的Lulc地图，其统计数据在表4到8中总结了。该研究表明农业土地1986年从1986年的46.85％增加到1996年的50.42％，土地使用为545.8公里²587.4公里²,分别。而灌丛面积从31.5%下降到24.19%，这意味着农业的增长是以灌丛面积的转换为代价的。在同一年内，混交林也从139.7公里增加²174.9公里²这意味着可能是丛林土地的一部分是森林清关的结果，该森林清关在1996年（表4和8）。此外，人类住区居住的地区在74.3公里的十年内增加了²1986年至110.4公里²1996年，成为灌木丛和农业区的一部分转换的结果（表8）。1996年，水体居住的地区从1986年的1.2％下降到0.45％。有几个原因可能会解释为什么由于水体在环境中贡献的事实是降雨，沉淀，土壤类型以及覆盖范围的范围，用于蒸发指数的估算。降雨是地表水的主要来源，然后预计降雨的波动可能是解释表面上水体的程度和存在的最佳原因。

2006年农业土地减少，只有42.8％的用途，而1996年相比50.42％。交叉制动研究表明，农业土地部分地转化为布什土地（15.5公里）²长期未开垦转为灌木林)，90.6 km²是城市化的结果。总体而言，定居点增加了96.8公里²和53.9公里.²在2006年和2016年（表7和8）。但是，在十年后（2016年）农业刺激了45.62％（增加2.82％，净增益为32.8公里²）由于沉降率降低，并且将部分灌木状土地重新转变为农业土地（图3（d）和10，表4和8）。更多的分析显示混合森林（MF）保护在1996年至2016年间，但率下降了8.2公里²1996年至2006年和0.7公里²十年后。这意味着，在2006年至2016年期间，大力实施了森林保护，将部分灌木林恢复为森林，或增加灌木林中的人工林。这些改良的森林种植园包括Midawe和Temi瀑布集水区，在那里种植了大片的针叶树(松树)。此外，水体(WB)继续减少至10.6公里²而在2016年，到2006年增加了0.8公里²．这是十年的案例，一般来说，水体在30年（1986-2016）下降了9.8公里²这可能是一个全球性的令人担忧的情况。应该指出的是，阿鲁沙市的大多数河流的主要集水源地位于研究区的梅鲁山顶，因此，就淡水来源而言，这是一个极为重要的地区。仔细检查图2和图3中研究区域的LULC地图，可以发现山顶水体逐渐减少，这可能与冰帽融化、降水减少、大气温度升高和蒸发有关。很不幸的是，不同的学者对冠层覆盖对水体的影响有不同的看法，一些学者主张随着森林砍伐的增加河流流量增加^25.其他人则持不同意见。^26.虽然这些论点仍然是矛盾的，但应该记住，径流总是随着森林砍伐而增加，因为水的减少，因此渗透。此外，土壤条件(沙质、粘土、壤土或岩石)也说明了水的渗透是河流和含水层补给的主要来源(土壤和水分析工具，SWAT)。松散的土壤比紧实的土壤更容易渗透，反之亦然。表7总结了1986 - 2016年各LULC类的变化比例。

方案1：Arsanjani解释的CA-Markov模型过程的流程图等。2011年，由Kitalika修改等。2018年 点击此处查看计划

图2：LULC变更检测（a）1986（b）1996年在Meru山的斜坡上 点击此处查看数字

图3:LULC改变（c）2006（d）2016年安装MER的斜坡上的检测你 点击此处查看数字

图4：LULC改变检测的交叉制表在Meru 1986年至1996年的Mount Meru斜坡上检测 点击此处查看数字

图5：1996年至2006年，Moru Mount More斜坡对LULC变化检测的交叉制表 点击此处查看数字

图6：从2006年到2016年，Moru Mount Meru斜坡上的Lulc变化检测的交叉制表 点击此处查看数字

图7 1986 - 2026年Meru山斜坡LULC变化检测的交叉表 点击此处查看数字

图8:在（a）= 5（b）= 5（b）的斜坡上模拟lulc c = 5（b）= 8。 点击此处查看数字

图9：在（c）斜率斜坡上的模拟LULC C = 10（d）= 15。 点击此处查看数字

图10：预计Meru斜坡上的LULC为2026，= 10。 点击此处查看数字

图11：LULC分析 从1986年到2016年。 点击此处查看数字

表4：实际的LULC检测值及其从1986年到2026年的投影。

LULUC	地区（km.2）					净收益（公里2）					净收益和损失（％）
	1986	1996	2006年	2016年	2026 *	1996-1986	2006 - 1996	2016 - 2006	2016 - 1986	2026 * -2016	1996-1986	2006 - 1996	2016 - 2006	2016 - 1986	2026 * -2016
曼氏金融	139.7	174.9	166.7	166.0	172.5	35.2	-8.2	-0.7	26.3	6.5	3.0	-0.7	-0.1.	2．3	0.6
bl	372.3.	281.8	237.0	158.4	199.3.	-90.5.	-44.9	-78.5.	-213.9	40.9	-7.8	-3.9	-6.7	-18.4	3.5
AG	545.8	587.4	498.6	531.5	434.7	41.6	-88.8	32.9	-14.3.	-96.7	3.6	-7.6	2．8	-1.2	-8.3
英石	74.2	110.4	207.3	261.2	333.8.	36.2	96.8	53.9	187.0	72.6	3.1	8.3	4．6	16.1	6.2
WB.	14.0	5.6	3.4	4．2	2．5	-8.4	-2.2	0.8	-9.8	-1.7	-0.7	-0.2	0.1	-0.8	-0.1.
r	19.0	4．9	52.0	43.8	21.8	-14.1.	47.1.	-8.2	24.8	-22.0	-1.2	4．0	-0.7	2．1	-1.9

表5：2016年分类准确性评估和其他整体准确性

LULC.	曼氏金融	bl	AG	英石	WB.	r	全部的	准确性 （％）		总体准确性（％）
								用户的	制片人	年	总测试点	正确的点	精度
曼氏金融	4.	1	0.	0.	0.	0.	5.	80	100.	1986	25.	20.	80
bl	0.	4.	1	0.	0.	0.	5.	80	80	1996	25.	21.	84.
AG	0.	0.	5.	1	0.	0.	6.	83.	63.	2006年	25.	20.	80
英石	0.	0.	1	6.	0.	0.	7.	86.	75.	2016年	33.	27.	81.5
WB.	0.	0.	0.	0.	5.	0.	5.	100.	100.
r	0.	0.	1	1	0.	3.	5.	60.	100.
全部的	4.	5.	8.	8.	5.	3.	33.	81.5

表6：马尔可夫转换概率矩阵1996至2006年

	曼氏金融	bl	AG	英石	WB.	r	模型验证
曼氏金融	0.7434.	0.2178	0.	0.032	0.003	0.004	kstandard.	0.87
bl	0.1243	0.5867	0.	0.270	0.004	0.015	kno.	0.88
AG	0.0003	0.0638	0.7	0.192	0.	0.057	klocation.	0.91
英石	0.0051	0.	0.9	0.106	0．002	0．002	它	10.
WB.	0.3431	0.2284	0.	0.014	0.303	0.112
r	0.	0.2311	0.	0.025	0.023	0.721

表7:交叉表格的变化比例

	1986								kappa指数（起亚）
	LULC.	曼氏金融	bl	AG	英石	WB.	r	全部的	1986	1996
1996	曼氏金融	0.059	0.088	0.001	0.001	0．002	0．000	0.150	0.401	0.309
	bl	0.036	0.165	0.030	0.005	0.005	0．002	0.242	0.361	0.532
	AG	0.020	0.062	0.386	0.029	0.001	0.007	0.504	0.645	0.560
	英石	0.004	0.005	0.051	0.029	0.001	0.006	0.095	0.389	0.253
	WB.	0．002	0．000	0．000	0．000	0．002	0．000	0.005	0.181	0.460
	r	0．000	0．000	0.001	0．000	0．002	0.001	0.004	0.074	0.293
	全部的	0.120	0.320	0.469	0.064	0.012	0.016	1.000	全面的	0.459
	1996								Kappa指数(起亚)
	LULC.	曼氏金融	bl	AG	英石	WB.	r	全部的	1996	2006年
2006年	曼氏金融	0.102	0.037	0．002	0.001	0．002	0．000	0.143	0.627	0.663
	bl	0.038	0.123	0.039	0．002	0.001	0.001	0.203	0.383	0.478
	AG	0.001	0.013	0.336	0.078	0．000	0．000	0.428	0.417	0.567
	英石	0.008	0.063	0.094	0.012	0．000	0．000	0.178	-0.060	-0.029.
	WB.	0.001	0.001	0．000	0．000	0.001	0．000	0.003	0.227	0.372
	r	0.001	0.005	0.034	0．002	0.001	0.003	0.045	0.626	0.056
	全部的	0.150	0.242	0.504	0.095	0.005	0.004	1.000	全面的	0.393
	2006年								kappa指数（起亚）
	LULC.	曼氏金融	bl	AG	英石	WB.	r	全部的	2006年	2016年
2016年	曼氏金融	0.138	0.005	0．000	0．000	0．000	0．000	0.143	0.956.	0.961
	bl	0.005	0.127	0．000	0.003	0．000	0.001	0.136	0.564	0.915
	AG	0．000	0．000	0.428	0.024	0．000	0.005	0.456	1.000	0.892
	英石	0．000	0.071	0．000	0.151	0．000	0．002	0.224	0.806	0.604
	WB.	0.001	0．000	0．000	0．000	0.003	0．000	0.004	0.914	0.750
	r	0．000	0．000	0．000	0．000	0．000	0.037	0.038	0.832	0.996
	全部的	0.143	0.203	0.428	0.178	0.003	0.045	1.000	全面的	0.837
	1986								kappa指数（起亚）
	LULC.	曼氏金融	bl	AG	英石	WB.	r	全部的	1986	2016年
2016年	曼氏金融	0.061	0.078	0.001	0.001	0．002	0．000	0.143	0.425	0.349
	bl	0.024	0.085	0.018	0.004	0.005	0.001	0.136	0.150	0.446
	AG	0.017	0.038	0.347	0.043	0.001	0.010	0.456	0.522	0.549
	英石	0.016	0.117	0.078	0.012	0.001	0.001	0.224	-0.053	-0.013
	WB.	0.001	0．000	0．000	0．000	0．002	0．000	0.004	0.159	0.540
	r	0.001	0.001	0.025	0.004	0．002	0.004	0.038	0.223	0.095
	全部的	0.001	0.320	0.469	0.064	0.012	0.016	1.000	全面的	0.311

表8：通过定量变化的交叉制表（km²）

	1986
	LULUC	曼氏金融	bl	AG	英石	WB.	r	全部的
1996	曼氏金融	68.6	102.5	1．2	0.9	1．7	0．0	174.9
	bl	41.6	192.0	34.7	6.2	5.6	1．7	281.8
	AG	22.7	71.8.	449.9	33.4	1．0	8.6	587.4
	英石	4．4	5.5	59.4	33.2.	0.9	7.0	110.4
	WB.	2．1	0.5	0.1	0．2	2．6	0．0	5.6
	r	0．2	0．0	0.6	0．3	2．2	1．5	4．9
	全部的	139.7	372.3.	545.8	74.2	14.0	19.0	1165.0
	1996
	LULUC	曼氏金融	bl	AG	英石	WB.	r	全部的
2006年	曼氏金融	118.9	42.6	2．4	0.6	2．0	0．0	166.7
	bl	43.7	143.2	45.0	2．4	1．4	1．3	237.0
	AG	0.9	15.5	391.4	90.6	0．0	0．0	498.6
	英石	9．7	73.6	109.2	14.2	0．2	0．2	207.3
	WB.	0.6	1．2	0.1	0.1	1．3	0.1	3.4
	r	1．0	5.6	39.3.	2．4	0.6	3.1	52.0
	全部的	174.9	281.8	587.4	110.4	5.6	4．9	1165.0
	2006年
	LULUC	曼氏金融	bl	AG	英石	WB.	r	全部的
2016年	曼氏金融	160.4	5.6	0．0	0．0	0．0	0．0	166.0
	bl	5.7	147.6	0．0	3．7	0．2	1．2	158.4
	AG	0．0	0．3	498.5	27.4	0．0	5.2	531.5
	英石	0.1	82.9	0．0	176.1	0．0	2．0	261.2
	WB.	0.6	0．3	0．0	0．0	3.1	0．0	4．2
	r	0．0	0．0	0.1	0.1	0．0	43.6	43.8
	全部的	166.7	237.0	498.6	207.3	3.4	52.0	1165.0
	1986
	LULUC	曼氏金融	bl	AG	英石	WB.	r	全部的
2016年	曼氏金融	70.8	91.2	1．5	0.7	1．9	0．0	166.0
	bl	27.7	98.8	20.9	4．2	6.1	0.9	158.4
	AG	19.8	44.6	404.0	50.6	0.7	11.7	531.5
	英石	18.4	136.2	90.6	13.6	0.6	1．6	261.2
	WB.	1．4	0.1	0．2	0．2	2．2	0．0	4．2
	r	1．5	1．4	28.7	5.0	2．6	4．8	43.8
	全部的	1．5	372.3.	545.8	74.2	14.0	19.0	1165.0

表9：2016年位置模型验证

LULC.	曼氏金融	bl	AG	英石	WB.	r	全部的	准确性 （％）
曼氏金融	7.	1	0.	0.	0.	0.	8.	87．5
bl	0.	6.	1	1	0.	0.	8.	75.
AG	0.	1	6.	1	0.	0.	8.	75.
英石	0.	0.	0.	7.	0.	1	8.	87．5
WB.	0.	0.	0.	0.	8.	0.	8.	100.
r	0.	0.	1	1	0.	4.	6.	66.7
全部的	7.	8.	8.	10.	8.	5.	46.	82.

模型验证

有必要验证定制的CA-Markov模型，并评估它是否可用于10年（2026）预测LULC的模拟。通过比较2006年的迭代5,8,10和15（图8和9）的几个模拟地图，其中2006年的实际LULC地图和评估其Kappa指数（起亚）的最佳值与其各自的迭代进行评估。在迭代10中观察到验证的模型，对于0.80的模型验证Kappa的满足最小值，其中在本研究下，分别获得了0.87,0.88和0.91的Kstandard，Kno和Klocation（表6），因此采用了模型。^47-50.Arsanjani完成了德黑兰未来土地使用的类似模型验证et al .,在他们的研究中发现，在Kstandard或0.91处的实际、地图和预测模型地图与在3000次迭代时的0.97处的Klocation之间存在很强的相关性。^10.

土地利用变化预测

经过验证的型号被执行，以在未来10年（2026年）中投入LULC。该过程与2006年的土地使用地图，1996 - 2006年过渡区域矩阵以及2006年过渡潜在地图一起完成。各种土地利用变化的所得值总结在表4和图11中。从图11（e）看来，农业（AG）的总土地将减少8.29％，这将被人类沉降（ST）所取代和丛林土地（BL）分别将分别增加6.2％和3.51％至2026。很明显，人类沉降增加将是由于人口增加，这是一个地区城市化进程的预期主要土地利用变化之一。还预计未来10年，混合森林（MF）将增加0.56％，这是政府森林保护策略的良好迹象。应该指出的是，城市化进程的增加通常与土地的需求增加有关，建设需求增加，这可能涉及在本研究中的一些保守区域中的自然资源清关，如果目前的政府法律和规则将继续严格遵循保护的森林将继续生存。由于淡水的需求，水体的地位与增加的人口有关的衡量状况，如果没有其他水源将是高的。该研究表明，从2016年到2026年，淡水体（WB）减少0.15％，这对于舒适的城市地区来说，这是非常惊人的。 In addition, the area covered by rocks will decrease in the next 10 years by1.89% which will mostly be expected to be converted into settlements due to the fact that there is minimum possibility of areas covered with rocks to be converted in any of the remaining land use categories.

尽管预期的土地利用变化预期在未来10年内发生，但在突出模型中，图像和土地利用分类过程中发生了一些挑战。例如，该研究区域在山峰上有岩石和其反射率的其他区域，以某种方式类似于铁和白色塑料板和塑料覆盖着建筑物和花卉农场的其他几个温室。这一定是导致实际土地使用类别分类的一些混乱。遗憾的是，最常见的全球范围内的用于验证预计的LULC映射的方法可以节省验证的三（3）kappa值，如模型验证部分所述。在另一边，在指定的时间流逝后的预计和实图像之间的比较也可以用于观察真实环境中发生的事情。第二种替代方案是毫无价值的，因为投射了未来的环境的环境变化，因此驻留了保护它们免受警报当前观察到的变化。然而，在任何正确的映射过程中存在一些特征，例如对任何特征演示敏感的比例和位置。^51,52在本研究中，通过确保使用窗口的所有分析图像用于所有分析图像，除了检查正确的LULC分类，与模拟和实际地图相比，还通过窗口进行了相似的刻度来处理此功能。困难出现在模拟和投影地图的验证中，因为没有真正的引用，因为存在不良。因此，设计了本研究中的最佳验证方法，以确保该模型合理地预测，预测电池的位置和土地利用以进行开发，并与实际地图相比，他们的可行性进行评估。^10.基于2006年的真实功能与同年的真实地图的真实特征进行了比较，他们的结果如表9所概述。从表格中的比较显示了82％的正确性，这也可以解释类似的项目LULC地图的百分比正确性为2026。

LULC和放电

完成了一项研究以评估当其他参数保持恒定的情况下对河流放电的变化是否有任何影响。分析表明两者之间存在非常弱的相关性（R.≤0.3，n = 4，p≤0.03，图12）。这些结果表明，任何集水区围绕任何流域的最大充电潜力的良好顶篷覆盖特征的存在，而是可以增加河流的长期排放和充电潜力。因此，除了Canopy覆盖之外，还可以涂抹诸如土壤结构和纹理，地形和天气条件的因素的组合。需要进一步分析以找出河流的放电电位的其他贡献因素，由此在十（10）年间隔内有关河流的放电模式的区域的沉淀之间进行相关分析。分析表明，两者之间存在强烈的正相关[（a）R.= 0.99，n = 4，p≤0.003，（b）R.= 0.97, n = 4, p≤0.01 (c)R.= 0.88, n = 4, p≤0.05，(d)R.= 0.93，n = 4，p≤0.04），图13和14）]表明来自河流的主要水源是沉淀。虽然这种正相关是对这两个关系的承诺，但应该记住，当一个区域的遮阳篷覆盖是最大限度地减少径流，蒸发和增加土壤持有时，沉淀水的保持能力的可行性更加明显水和多孔含水层的能力，反过来会给任何流域带来良好的充电潜力。还应该明确表示，这项评估是假设土壤类型，水，农业和蒸腾（SWAT）的其他混淆因素在全年中保持不变，否则分析可能无效。应该指出的是，来自这项研究领域的大多数河流来自More Mustu的顶峰山，Lulc的研究表明，山峰的水体从1986年到2016年一直在持续下降（图3和表3）。这些呼吁坦桑尼亚国家和世界各地建立所有必要的环保实践，如减少温室气体排放，这是全球气候变化的主要原因，如大气温度的增加，这加速了冰融化的冰世界各地的帽子包括More Meru，在学习区内。

图12：1986年至2016年河流排放的相关分析及降水量 点击此处查看数字

图13:1986 - 2016年MF与流量的相关分析 点击此处查看数字

图14：从1986年到2016年河流的降水和放电模式 点击此处查看数字

此外，图14的分析表明，与Tengeru和Maji Ya Chai Rivers相比，Temi和Nduruma Rivers几乎具有几乎相似和更高的放电模式和水平。尽管如此，由于AWSA在下游的灌溉实践进一步加速，但由于AWSA的高水位抽象，尼杜鲁姆的放电能力在干燥季节下降。在干燥的季节期间，两个因素的组合在洪水季节中特别引起了洪泛区区域的干燥，因此导致水生生物和河岸植被的大规模死亡。

结论

本研究表明该地区的大量土地利用变化可能导致其他环境参数的变化，如自然植被覆盖，生物和水特征。该研究表明，灌木丛和农业土地的快速转化为人类沉降，这可能是任何在城市化转型中的地区的常见情况。然而，当增加人类人口增加的人类沉淀时，挑战是以减少农业土地（AG）的牺牲品。这意味着虽然人口越来越长，但相同环境喂养的能力最小化，这意味着这种城市人口的可持续性必须涉及从其他领域的食品和食品的进口，最终会增加生活费。此外，目前的研究仅使用卫星图像中呈现的特征评估了该地区的Lulc，这是影响因素的结果。可能影响环境的这些因素包括社会，政治，科学，技术，社会经济和生物物理学，如果它们可以集成在CA-Markov模型中，可以提高模拟的准确性，从而提供土地利用变化的实际情况可以高于82％的准确性。此外，错误必须发生在岩石分类中，因为在研究领域，有温室和道路可以与岩石显示出类似的反射率，因此某些分类可以包括在任何一个沉降或岩石中。此类错误可能会占18％的不准确性。最后，观察到的持续土地利用变化在该地区引起了对其他相关环境特征的进一步研究，这也可能受到影响。

致谢

作者感谢坦桑尼亚政府和Dar Es Salaam大学教育学院（Duce），为这项研究和VLIR-UOS项目提供资金，用于在整个研究中提供一些实验室仪器和运输。

参考

1. NOE C.土地利用变化的动态及其对MT之间野生动物走廊的影响。乞力马扎罗和Amboseli国家公园，达累斯萨拉姆，坦桑尼亚。2003年。
2. 张志强，张志强，张志强。土地利用和土地覆盖变化的成因:从理论到实践。全球环境变化．2001; 11（4）：261-269。
   十字架
3. Richter S.，Postel B. rivers for Life：为人民和自然的管理水，岛上新闻，华盛顿州D.C. 2003。
4. 国际复兴开发银行/世界银行。水资源与环境技术说明环境流动:(Richard Davis RH, ed.)，华盛顿特区2003。
5. Bisht B. S.，Tiwari P. C. Lumli Limlalaya的可持续资源开发土地利用规划，研究了Gomli流域。国际可持续发展与世界ecology。1996; 3（4）：23-34。
   十字架
6. 坦桑尼亚潘加尼河流域的人口、移民和水资源冲突。2006。
7. TU M.评估气候变异性和土地利用变化对Meuse River盆地水文的影响，A.a。Balkema Publishers，牛津郡。2006年。
8. ＆博纳，霍恩赫，威斯曼U.，Ngiesmann U.，Ngana J.O。在Pangani盆地的未来管理和气候变化方案下评估流域服务可用性。地球物理和化学．2013; 61 - 62:1 - 11所示。
   十字架
9. Sumedi P.，Subedi K.，Thapa B.在土地利用变化预测中的一种混合蜂窝自动化 - 马尔可夫（CA-Markov）模型的应用 - 佛罗里达州马鞍溪流排水盆地案例研究。应用生态与环境科学．2013; 1（6）：126-132。
   十字架
10. Arsanjani J.，Kainz W.，Kainz W.，Mousiv A. J.使用基于蜂窝自动机的空间显式马尔可夫链跟踪动态土地利用变化 - 德黑兰的案例。国际图像和数据融合杂志．2011; 2（4）：329-345。
    十字架
11. Verburg P. H.，Overmars K.P.，Hugen M. G. A.，Rootkamp A.，Veldkamp A.土地利用变化对菲律宾保护区的影响分析。应用地理学．2006; 26：153-173。
    十字架
12. 水与自然倡议，庞纳河流域流动评估情景报告，国际养护与Pangani盆地水板Pangani盆地水处理（IUCN-PBWO），坦桑尼亚的国际联盟。2010; 295。
13. Tutpie J. K.，Ngaga Y. M.，Karanja F.集水生态系统和下游水¯：国际保护性联盟（IUCN）。2005年。
14. Lalika M.C.C.，Meire P.，Ngaga Y. M.，长安L.了解流域的动态和气候变化和变异性坦桑尼亚Pangani River盆地的变异性。生态学和水生物学．2014; 67：1-13。
15. 国际人文地理百科全书。:湿湿地理百科全书．第8辑。Elservier。603; 2009年。
16. 王志强，王志强，王志强，等。基于元胞自动机的土地利用/覆被变化模型研究[j]。欧洲遥感实验室协会．2007; 5（1）：63-76。
17. Singh A.数字改变使用远程感测数据的检测技术。国际遥感杂志．2010; 10（6）：989-1003。
    十字架
18. Marko K.，Zulkarnain F.，Kusratmoko E. Markov链和蜂窝自动机空间模型的耦合预测陆地覆盖变化（案例研究：上部CI Leungsi集水区），地球与环境科学．2016年,47(012032)。
19. Behera M. D.，Banate S. N.，Panda S. N.使用蜂窝自动机（CA） - Markov模型建模和分析流域动力学 - 基于地理信息的方法。地球系统与科学学报．2012, 121(4): 1011 - 1024。
    十字架
20. 刘玉品，刘云斌，王亚平，洪宁。基于遥感数据、城市增长模型和水文模型的台湾洮桥流域土地利用变化与水文预测。传感器．2008; 8:658 - 680。
    十字架
21. Shively G.， Coxhead I.在A Landscape Scale 进行经济政策分析:来自菲律宾流域的例子。农业生态系统和环境。．2004; 104：159-170。
    十字架
22. 隆都PM，Olang Lo。肯尼亚维多利亚湖排水盆地Nyando河径流和峰洪水排放土地利用变化的影响。水和社会．2011; 153：83-94。
23. Mulubrehan K. H.分析土地覆盖变化对集水区分泌物的影响。Tegray。2014年。
24. Schilling K. E., Jha M. K., Zhang Y., Gassman P. W. Impact of Land Use and Land Cover Change on the Water Balance of a Large Agricultural Watershed : Historical Effects and Future Directions Impact of Land Use And Land Cover Change on The Water Balance of a Large Agricultural Watershed : Historical Effects.水资源研究．2016年,44 (W00A09)。
25. Heil M.陆地覆盖对亚马察州Tocantins河流排放的大规模变化的影响。水文杂志．2003; 283：206-217。
    十字架
26. Cristina L.，DiaS P.，Macedo M.N.，Heil M.，Coe M.T.，Neill C.土地覆盖变化对巴西中部Xingu河流域中小小型集水蒸腾和流出的影响。水文杂志：区域研究．2015; 4：108-122。
27. Batty M.地理信息学中的建模与仿真：综合模型和大挑战。程序社会和行为科学．2011; 21：10-17。
    十字架
28. Neumann J.自动机的一般和逻辑理论。行为中的脑机制;欣森研讨会．1951; 10(3): 1-41。
29. Moreno N.，Wang F.，Marceau D. J.在土地使用载体的蜂窝自动机模型中实施动态社区。计算机环境与城市系统．2009; 33（1）：44-54。
    “<”<“<€<<€<<十字架
30. 地理模拟:基于对象的城市现象建模。计算机环境与城市系统．2004; 28(1 - 2): 1 - 8。
31. de Almeida C. M.， Batty M.， Monteiro A. M. V.， Filho G. S.， Cerqueira B. S.， Pennachin G. C.， Lopes C.城市土地利用动态的随机元胞自动机模型:经验发展与估计。计算机环境与城市系统。2003; 27（5）：481-509。
    “<”<€<<€
32. Syphard A. D.，Clarke K. C.，Franklin J.使用蜂窝自动机制模型来预测城市成长对南加州栖息地模式的影响。复杂．2005; 2：185-203。
    “<”<€<<€
33. Kamusoko C.，Aniya M.，Adi B.，Manjoro M.在津巴布韦威胁下的农村可持续性 - 基于Markov-Cellular Automata模型的Bindura区未来土地使用/覆盖变化的模拟。应用地理学．2009; 29（3）：435-447。
    “<”<€<<€
34. Sinha S.，Das S.，Sahoo S.地质学和地球物理应用Markov链条和熵函数的思科分析Lithostraphic序列的循环分析 - 一种kolhan盆地的案例历史。地质与地球物理学报．2015; 4（5）：224。
35. 王志强，王志强。植物动力学研究进展。Acta Botanica Neerlandica．45 1996;(4): 421 - 442。
    “<”<€<<€
36. Muller M. R.，Middleton J.加拿大安大略省尼亚加拉地区土地利用变革动态的马尔可夫模型。景观生态学．1994年; 9（2）：151-157。
37. 关键词:城市元胞自动机，空间滤波，土地利用变化摄影测量，遥感和空间信息科学的国际档案．2017; 42-4 / W4：7-10。
    “<”<€<<€
38. 杨宇，张树华，杨军。基于元胞自动机-马尔可夫模型的城镇土地利用空间格局重构。能量．2015; 8：3882-3902。
    “<”<<“<€<<€<<€<<十字架
39. 基于元胞自动机的城市扩展深度建模。埃及遥感和空间科学杂志．2014; 17（2）：179-187。
    “<”<€<<€
40. 大型B.，Vinay S.，Vinay S.，Ramachandra T.，地区S.通过集成马尔可夫，模糊-AHP和蜂窝自动机建模。Igarss.．978 - 1 2014; 4799:3160 - 3163。
41. Kitalika A. J.，Machunda R. L.，Komakech H. C.，坦桑尼亚山山山坡上的河流河流的氟化物变化。化学杂志．2018, 2018(7140902): 18。
    “<”<<“<€<<€<<€<<十字架
42. 联合国开发计划署。阿鲁沙地区水资源总体规划，最终报告，2000年。
43. GEA F.乌维罗村村牧场供水与水供应相关的问题分析（阿鲁沙，坦桑尼亚）。2005年。
44. Kitalika A. J.， Machunda R. L.， Komakech H. C.， Njau K. N.坦桑尼亚梅鲁山山麓河流的物理化学和微生物变化。国际科技勘察杂志．2017; 8（9）：1320-1346。
    “<”<€<<€
45. COPPIN POLR。，BAUER M. E.，BAUER M. E.森林生态系统的变化检测与温带森林温带森林生态系统。遥感评估．1996; 13:207 - 234。
    “<”<€<<€
46. Kashaigili J. J.， Mbilinyi B. P.， Mccartney M.， Mwanuzi F. L. dynamic of Usangu Plains Wetlands :Use of Remote Sensing and GIS as Management Decision Tools。地球物理和化学．2006; 31：967-975。
    “<”<€<<€
47. Pontius R.模拟Tropica1土地利用变更和评估政策，以减少非洲的二氧化碳释放，环境科学研究生课程。Suny-Esf，Syracuse，纽约。1994年。
48. 王志强，王志强。基于多分辨率分类地图的一致性分量分析。见:里昂RSL和JG主编，遥感与GIS精度评估。博卡拉顿FL. 233-251;2004)。
49. Pontius JR R.，GIL R.统计方法分区数量和位置的分区效果，在多个分辨率下的分类地图比较期间。摄影测量仪和遥感．2002; 68（10）：1041-10
50. Pontius JR R.，GIL R.定量误差与分类地图相比的位置误差。摄影测量仪和遥感．2000, 66(8): 1011 - 1016。
51. 张志强，王志强，王志强，等。土地变化空间模型的有效验证技术。生态模型．2004; 179（4）：45-461。
    “<”<€<<€
52. Pontius JR R. G.，Shusas E.，Mceachern M.检测重要的分类土地变化，同时占持久性。农业生态系统和环境．2004; 101（2-3）：251-268。
    “<”<€<<€