01
概述
本项目在GitHub开源，地址请点击最下方“阅读原文”获取。
02
运行流程
程序运行顺序：
03
模块说明
利用preparation_reclassification.py程序进行土地利用重分类。
该模块可以基于重分类字典, 将重分类字段的值转化为新值后写入新字段。
用户需要在主函数中设置各个参数。
参数input_file_name和output_file_name分别为土地利用类型文件(.shp)的地址和结果文件的输出地址；
参数reclass_field_name为土地利用类型文件中代表土地利用类型的字段名；
参数new_field_name为进行重分类后，新的土地利用类型的字段名；
利用preparation_DLPS.py进行矢量动态地块分裂。
该模块可以基于地块的凸包的MABR对地块进行分割。
用户需要在主函数中设置各个参数。
参数input_file_name和output_file_name分别为进行土地利用重分类后的土地利用类型文件(.shp)的地址和结果文件的输出地址；
参数max_iteration为分割次数；
利用preparation_match.py进行土地利用的数据匹配。
该模块可以在两个不同时期地块中，将距离最近的地块视为同一地块，匹配前期和后期的用地类型。
用户需要在主函数中设置各个参数。
参数before_file_name为前期的进行矢量动态地块分裂后的土地利用类型文件的地址；
参数before_landuse_field_name为前期土地利用类型中表示用地类型的字段名；
参数after_file_name为后期的进行矢量动态地块分裂后的土地利用类型文件的地址；
参数after_landuse_field_name为后期土地利用类型中表示用地类型的字段名；
利用preparation_zonal.py和mining_Pg_RF.py实现总体发展概率计算功能。
preparation_zonal.py用于分区统计，计算地块覆盖到的像元的统计值（平均值、最大值、最小值）。
用户需要在主函数中设置各个参数。
参数polygon_file_name表示匹配好的土地利用类型shapefile文件地址。
参数raster_file_config_list为多个tiff影像配置的列表。在每个影像中，第一项为影像地址，第二项为空间变量的字段名，第三项为像元的统计方式。
参数output_csvfile_name为csv结果文件的地址。
mining_Pg_RF.py可以利用随机森林算法，以地块为样本，地块在各空间变量上的的分区统计值为特征，后期土地利用类型为标签，挖掘总体发展概率。
用户需要在主函数中设置各个参数。
参数input_file_name为分区统计后的shapefile文件地址。
参数output_shapefile_name为shapefile结果文件的输出地址。
参数output_csvfile_name为csv结果文件的输出地址。
参数label_field_name为后期土地利用类型的字段名。
参数spatial_variable_field_name_list为各空间变量的字段名的列表。
assessment_FoM.py用于精度评价，可以计算出结果的FoM，UA和PA。
utils.py用于存放常用的函数。
04
依赖库
* numpy
05
参考文献
论文 | 土地覆盖变化矢量元胞自动机模型的适用性及敏感性分析
论文 | Temporal-VCA：耦合时序数据和矢量元胞自动机模拟城市土地利用变化
论文 | 基于矢量元胞自动机的特大城市精细尺度经济空间分布演变预测研究
软件 | UrbanVCA v2.2 : 基于真实矢量地块的城市土地利用变化模拟和预测系统
教学 | 矢量地块级模拟和分析软件集（UrbanVCA和VecLI）学习视频
