基于LP-MCDM-CA模型的土地利用结构优化研究——以天水市为例

土地利用类型数量在地域空间上的优化配置是实现土地可持续利用,提高土地聚集效应和保持土地生态系统平衡的重要途径.针对当前土地利用优化配置模型存在的不足,构建了基于多目标线性规划与元胞自动机的土地利用优化配置模型(MCDM-CA),在定义邻域规则、转换规则和土地适宜性评价的基础上,开展了基于经济效益、生态效益最大化的土地利用空间配置,实现了土地资源数量结构优化与空间布局优化的统一;并运用该模型对天水市土地利用结构优化进行了实证研究.研究表明,该模型兼顾到区域宏观水平上的土地利用数量结构与局部尺度上的土地利用适宜性,能够较好地同时模拟不同土地利用类型以及不同人类决策情景下的土地利用效果.本研究可为解决土地利用规划中的资源优化配置关键问题提供新的技术方法.     

基于元胞自动机模型的土地利用变化模拟——以大连经济技术开发区为例

元胞自动机模型已经成为模拟土地利用变化的重要方法。传统土地模拟方法中侧重于通过分析影响土地利用变化的因素来构建预测模型,较少从土地利用类型变化及其相互作用的空间角度来关注模型构建。本文以1998年、2004年和2009年1:10000土地利用数据,利用Python语言结合GDAL与Numpy类库实现局部土地利用竞争的元胞自动机模型原型开发,并用于模拟大连市经济技术开发区1998-2009年土地利用变化模拟。研究结果:1建立了发掘多地类之间相互作用关系的试验方法,研究适用于具有明确物理意义的多地类元胞自动机模拟模型;2该模型具有好的模拟精度,对建设用地、农用地和林地等3种不同类型用地进行同时模拟,其对应Kappa系数分别为0.762,0.634和0.678;3该模型建立了研究不同种地类协调作用的基本方法,可以用于进一步研究土地利用变化地类之间驱动原理。     

顾及空间尺度效应的城市土地利用变化精细化模拟

城市土地利用变化模拟是优化土地资源配置的科学依据,提高其精细化程度和可靠性有助于准确把握城市用地发展趋势,对城市土地资源精准调控具有重要意义。基于宏观遥感分类的土地利用变化模拟,难以在街区尺度上揭示城市用地社会功能变化及精细化模拟中空间尺度效应来源和作用机理。本文联合遥感影像和POI数据识别出城市土地利用精细化特征,运用响应面法率定土地利用精细化模拟的最优空间尺度组合,在此基础上,利用CA-Markov模型开展了未来土地利用变化的精细化模拟。以武汉市中心城区为应用案例,研究结果表明：基于POI 的城市土地利用精细化识别方法,可以深度解析城市建设用地的社会功能,极大改善了传统基于遥感的土地覆被宏观解译效果;研究区土地利用变化元胞自动机精细化模拟的最优空间尺度组合是30 m元胞、7×7邻域以及冯诺依曼邻域类型,采用最优空间尺度组合能够提高土地利用变化精细化模拟的可靠性。响应面试验设计结果可有效识别精细化模拟过程中空间尺度效应的主要来源,并区分其对模拟精度的影响程度与正负效应;预计到2025年,研究区建设用地范围将继续向周边扩张,各类型用地之间互为交织,土地利用空间格局将呈更加破碎化趋势。     

多尺度联合驱动的城市增长模拟建模

元胞自动机是模拟土地利用时空演变的重要建模工具,但其经典框架主要根据历史变化规律进行空间"自下而上"驱动,这种模拟机制缺乏对宏观土地供需平衡以及空间发展政策等"自上而下"机制的整合,难以科学解释中长期土地利用变化过程。该文利用金字塔架构解释城市空间增长的复合驱动力,提出了"顶层土地供需平衡-中层空间政策引导-底层元胞状态演化"多尺度联合驱动的土地利用变化模拟框架。以广州都市区为案例,利用改进模型对其2010-2030年的城市扩张过程进行了模拟,并对结果进行了精度对比和案例举证。研究表明,多尺度联合驱动进一步增强了元胞自动机模型对现实世界的仿真能力,多尺度空间协同是地理时空过程建模的发展方向。     

基于MAS模型的土地利用空间优化研究方法综述

土地利用空间优化是实现土地资源合理利用和区域可持续发展的重要途径和手段,是目前研究的一个热点,在文献阅读的基础上,分析比较了数理统计模型、CLUE-S模型、元胞自动机模型、多智能体系统模型四种土地利用空间优化方法的优缺点.结果是:多智能体系统模型从土地利用的主体出发,选择影响土地利用空间优化的驱动因素,抽象定量化表达智能体的行为准则,利用智能优化算法来选择土地利用类型在空间上的演变过程,并在多目标函数及约束条件下判断土地利用空间优化方案的优劣性,很好的解决了土地利用空间优化过程中土地利用主体、土地利用环境、土地利用类型三个最主要问题在空间上的演变,比数理统计模型、CLUE-S模型、元胞自动机模型在土地利用空间优化方面更具有优势,是未来土地利用空间优化方法的发展趋势.     

规划情景约束下的城市土地利用空间格局模拟

以上海市为例,采用遥感与GIS技术,基于遥感影像及土地利用现状和社会经济统计数据,构建Dyna-CLUE模型模拟土地资源利用规模在土地利用规划政策情景约束下的空间格局,旨在为城市化进程中的土地利用规划实施,特别是土地利用宏观需求的空间配置提供技术思路。结果表明:遥感、GIS和Dyna-CLUE模型的集成应用,可从地理空间上定量刻画土地变化的驱动力,是模拟政策情景约束条件下土地资源空间分配问题的有效手段。     

基于局部化转换规则的元胞自动机土地利用模型

传统土地利用元胞自动机(Cellular automata,CA)模型基于空间同质性假设,使用全局性模型建立元胞转换规则,忽略了土地利用变化驱动因素的驱动作用在空间上的变化。以美国佛罗里达州的橙县(Orange County)2003-2009年土地利用变化为例,提出了基于局部化转化规则的CA土地利用模型,其中元胞的土地利用类型适宜性由地理加权多项logit模型(Geographically weighted multinomial logit,GWML)获得。结果表明:GWML模型较传统全局性多项logit(Multinomial logit,MNL)模型有更高的数据解释能力。基于GWML模型的土地利用CA模型能反映局部土地利用变化模式,因而较基于MNL模型的CA模型具有更高的模拟精度。所得结论对未来国内地区的研究有借鉴意义。     

CLUE-S模型的改进在亚热带城市边缘区的应用——以福州市仓山区为例

由于土地利用矛盾突出和地理位置独特,城市边缘区是中国目前土地利用变化最为剧烈的地域单元,是土地利用变化研究关注的热点区域,在土地资源的可持续利用、规划的科学制定上也具有重要意义．本研究以中国典型的亚热带城市边缘区——福州市仓山区为研究对象,引入Tietenberg资源分配模型改进目前国际上广泛应用的CLUE-S土地利用动态模拟模型的非空间需求模块,在研究区土地利用变化驱动机制分析的基础上,选择合适参数回溯了研究区2004年的土地利用现状、模拟了2020年的土地利用时空变化格局,拟合精度良好（Kappa指数为0．72）．研究结果表明：以Tietenberg资源配置模型作为CLUE—S模型的非空间需求计算方法在一定意义上是合理的,同时,模拟结果也进一步证明了城市边缘区以非农建设用地占用耕地为主的用地矛盾．在此基础上,对该区域发展合理的用地空间布局提出了针对性的建议,该方法和成果可以作为城市边缘区制定土地利用规划和发展管理政策的参考依据．     

基于神经网络CA的兰州城市土地利用变化情景模拟

利用遥感和GIS技术获取兰州市1995-2005年土地利用、城市地价和城市规划等空间数据;基于Matlab7.2耦合GIS、人工神经网络和元胞自动机,对黎夏的ANN-CA模型进行扩展,模拟兰州市土地利用变化趋势。该模型综合考虑了影响城市土地利用变化的自然、经济和政策3个层面17个空间变量,并设计了5种不同阈值和随机扰动参数组合,进行校准和情景预测。研究表明:改进的模型精度较高,第3种参数组合预测最接近兰州市未来土地利用变化趋势:2005-2015年兰州市土地利用变化主要以居住、工业和道路用地增长为主,分别为17.8%、2.1%和1.2%;商业、仓储和政府社团用地增长较少,分别为0.6%、0.6%和0.5%。     

基于区块特征的元胞自动机土地利用演化模型研究

针对传统元胞自动机模型中栅格式规则空间模拟复杂地理元素精度不高的问题,提出一种基于土地区块特征的非规则空间元胞自动机模型,以地理单元实质不规则实体形状作为元胞空间单元,进行土地利用变化的仿真模拟,运用MapInfo建立非规则空间元胞自动机模型的应用软件.对头灶镇土地利用演化的实证研究表明,非规则空间元胞自动机模型可以更真实地描述元胞地理信息、局部空间关系和演化规则,可为城市规划提供决策支持.     

基于粗集的知识发现与地理模拟——以深圳市土地利用变化为例

为了更有效地模拟地理现象的复杂演变过程,提出了用粗集理论来确定元胞自动机 (CA)不确定性转换规则的新方法。CA可以通过局部规则来有效地模拟许多地理现象的演变过程。但目前缺乏很好定义CA转换规则的方法。往往采用启发式的方法来定义CA的转换规则,这些转换规则是静态的,而且其参数值多是确定的。在反映诸如城市扩张、疾病扩散等不确定性复杂现象时,具有一定的局限性。利用粗集从GIS和遥感数据中发现知识,自动寻找CA的不确定性转换规则,基于粗集的CA在缩短建模时间的同时,能提取非确定性的转换规则,更好地反映复杂系统的特点。采用所提出的方法模拟了深圳市的城市发展过程,取得了比传统MCE方法更好的模拟效果。     

Integrating geographical information systems and multiple criteria decision-making methods

Abstract

Many spatial decision-making problems, such as site selection or land use allocation require the decision-maker to consider the impacts of choice-alternatives along multiple dimensions in order to choose the best alternative. The decision-making process, involving policy priorities, trade-offs, and uncertainties, can be aided by Multiple Criteria Decision making (MCDM) methods. This paper presents a framework for integrating geographical information systems (GIS) and MCDM methods. In this framework the MCDM methods are classified and matched with choice heuristics used by the decision-makers in the presence of competing alternatives and multiple evaluation criteria. Two strategies for integrating GIS with MCDM are proposed. The first strategy suggests linking GIS and MCDM techniques using a file exchange mechanism. The second strategy suggests integrating GIS and MCDM functions using a common database. The paper presents the implementation of the first strategy using PC-ARC/INFO, a file exchange module, and four different MCDM computer programs.     

A CA-based land system change model: LANDSCAPE

Cellular automata (CA) models are widely used to simulate land-use changes because of their simplicity, flexibility, intuitiveness and ability to incorporate the spatial and temporal dimensions of processes. A small number of CA-based models have been developed to simulate changes in multiple land uses, most of which use the hierarchical allocation strategy and/or inertia factors to enable these CA models to do so accurately. However, only some of these models allow explicit determination of the allocation sequence for active land uses according to the hierarchical allocation strategy and the objective calculation of inertia factors. In this paper, we proposed a CA-based model, i.e. the LAND System Cellular Automata model for Potential Effects (LANDSCAPE), with a hierarchical allocation strategy and resistances, to simulate changes in multiple land uses. Furthermore, we introduced effective ways to objectively determine the allocation sequence for active land uses and calculate resistances for individual land uses. The results show that the LANDSCAPE model, with a calibrated allocation sequence and resistances, is reliable and accurate for simulating multiple land-use changes.     

分析学习智能元胞自动机及优化的城市模拟

元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。     

基于CA模型的乌鲁木齐都市圈城市用地扩展模拟研究

借助CA模型技术,基于乌鲁木齐都市圈城市用地发展的特点,构建了模拟多个城市群体扩展的CA模型,重点对模型的转换规则进行了扩展,把用地适宜性约束、城市内部社会经济驱动、城市之间相互作用力、区域生态格局限制、城市发展规模有限这几个方面的作用机制融入到模型的规则制定中,通过宏观约束、中观调节、微观驱动3个层次逐步实现;为了使社会经济数据与CA模型中的空间数据相匹配,对社会经济数据进行了空间化表达;在历史数据的参照下,所构建的模型经过反复调试与修正,模拟结果达到了较为满意的效果;应用此模型模拟了经济优先、生态优先与规划优先3种不同情景下的城市用地扩展,对都市圈城市用地今后的发展起到重要的启示作用。     

CLUE-S模型应用进展与改进研究

土地利用变化是景观生态学重要的研究领域,通过模型模拟土地利用变化趋势是该领域的主要研究内容之一。CLUE-S模型可以全面考虑自然和人文因子,通过迭代方法综合空间分析和非空间分析,较好地模拟小尺度范围内土地利用变化情景,具有综合性、开放性、空间性、竞争效率性等特点,已经在国内外多个地区的土地利用变化研究中得到广泛应用,形...     

基于多智能体的土地利用模拟与规划模型

利用多智能体和元胞自动机对城市土地资源的可持续利用进行了规划。根据环境经济学资源分配原理和可持续发展理论,提出结合多智能体及元胞自动机的微观规划模型,在时间和空间上合理分配及规划城市土地资源的利用,以避免浪费不可再生的土地资源。该模型由相互作用的多智能体层、元胞自动机层和环境因素层组成,可方便地探索不同土地利用政策下城市土地利用发展情景,能够为城市规划提供有用的决策依据。以广州市海珠区为实验区,在可持续发展为前提的规划下,模拟了1995-2010年的城市扩展的动态变化,并讨论了在不同规划情景下城市土地资源的利用效率及合理性。     

基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。     

基于CA-ABM模型的福州城市用地扩张研究

以中国海西地区重要门户福州市为研究区,结合其地理位置多层次约束性条件,以地理加权回归模型作为元胞自动机(CA)层的转换规则,同时以2000-2015年多期LandsatTM/ETM+影像的城市用地情况为参照,借助GIS空间分析技术,对CA和多智能体(ABM)相耦合的城市用地扩张模型进行改进。然后利用传统的和改进后的CA-ABM模型,多角度、多层次地模拟福州市2000年、2005年、2010年、2015年城市用地扩张在微观格局上的变化。结果表明,传统的和改进后的CA-ABM模型的整体精度均在80%以上,模拟结果具有较强的可信度;改进的 CA-ABM模型模拟的点对点总体精度和Kappa系数均高于传统的CA-ABM模型,而且模拟结果更加接近实际的城市用地扩张分布情况。结论可为平衡城市化进程和合理规划城市用地提供重要的理论技术支撑。