城市空间治理理论概述

1.Markov模型

马尔可夫（Markov）模型是时间和状态均离散的随机转移过程，通过研究系统中不同状况的初始转移概率及各状态间的转移概率，确定状态变化的趋势，进而达到对事件未来状态的预测。其运行过程旨在研究不同阶段土地利用转化潜力，得到区域土地利用变化的概率矩阵，然后将其概率矩阵用来预测未来土地利用变化的走向。但Markov模型的运用存在一定局限，即模型主要用于预测一定阶段内随机事件发展的变化状态，各用地类型无法以空间布局形态具体体现，导致其直观性较差，应用有一定局限。

2.CA模型

元胞自动机（cellular automata，CA）模型是空间、时间及状态均处于离散的动力学模型，且其状态改变的规则在时间和空间上都是局部的。它由元胞、元胞状态、领域和转化规则构成，其计算规则由一套动力学计算函数表示，元胞集体间通过相互协同作用和影响，实现其状态的转变，该模型的特点是可模拟出复杂的土地利用变化图。尽管元胞自动机模型的空间计算能力很强大，但也存在很大局限性，其状态转移时间的抽象性、转移规则的非确定性以及元胞之间相互作用的局部性，都是造成元胞自动机真实性及准确性不足的主要因素。

3.CA-Markov模型(www.xing528.com)

IDRISI软件是由美国克拉克大学克拉克实验室研究并开发出来的图像处理软件，CA-Markov模型作为该软件的一个模块，通过多准则评价创建转化规则、构造CA滤波器及确定起始时刻和CA循环次数来预测未来一定时间土地类型变化的情况。该模型结合了CA模型与Markov模型对有关空间预测和时间序列预测的优点，不仅可以增加转换概率矩阵的准确性，也可以有效模拟土地利用格局的空间变化，使得模拟出的土地利用格局更为合理。

4.LCM模型

土地变化模型（land change model，简称LCM）具有直观、易用、创新性强和应用范围广等特点，它可以有效地模拟复杂系统的空间变化。

本章主要运用CA-Markov模型对武汉不同时期用地的土地利用变化进行分析，得到区域各地类面积的增减量、净变化量、不变量等直观图像，同时作为模型精度检验的工具。