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。     

海湾型半城市化地区空间形态演化模拟

元胞自动机（CA）是模拟城市土地利用演变过程的有效工具,转换规则和元胞邻域是元胞模型的核心。综合考虑元胞邻域的距离衰减效应,基于模拟退火算法（SA）挖掘最优的转换规则,文章构建了一种考虑邻域衰减的城市演化模型（SA-NDCA）。模型以负幂指数函数作为元胞邻域的衰减曲线表示元胞邻域的距离衰减效应;运用模拟退火优化算法计算城市CA模型模拟结果与样本点的累积差异,在目标解空间快速搜索以提取最优的转换规则;最后以厦门市半城市化地区为研究案例,模拟了研究区域1995―2010年期间的城市空间形态演化,通过混淆矩阵和Kappa系数评价了模型的模拟精度,1995―2010年期间的建设用地模拟精度为68.5%,总体精度达到86.2%,Kappa系数达到66.3,取得了较好的模拟效果。利用提出的SA-NDCA模型,成功模拟了研究区2010―2020年期间的城市空间形态演化,结果显示,所预测的演化情景与中国当前实施的新型城镇化战略十分契合。     

基于随机森林CA的东莞市多类土地利用变化模拟

城市土地利用及其变化对城市环境有着重要影响。很多学者已经结合元胞自动机和机器学习算法对城市扩张进行了相关的模拟研究,但针对复杂的多类土地利用相互变化过程的研究仍然较少。该文提出了一种基于随机森林算法的多类元胞自动机(RFA-CA)模型,并将其用于模拟和预测复杂的多类土地利用变化。该模型使用随机森林算法提取元胞自动机的转换规则,并计算了各空间变量的重要性,在东莞市2000-2014年土地利用动态模拟结果中,Kappa系数和整体精度分别为0.73和84.7%。针对每一种土地利用类型,计算了影响东莞市土地利用变化的各空间变量的重要性,结果显示,交通、区位因素对东莞市土地利用变化格局的形成有重要影响。文中引入的POIs邻近因素反映了城市空间开发程度的高低,同样对多类土地利用格局的形成具有重要作用。     

元胞邻域对空间直观模拟结果的影响

作为一种空间直观模拟模型,地理元胞自动机(Geo-CA)能够模拟及预测城市扩展与土地利用情景.地理CA模拟中,元胞邻域及其空间构型会对转换规则的挖掘与空间直观模拟结果的可靠性产生显著影响,从模拟进度和精度、景观格局及运行效率等角度可以定量分析这种影响.以logistic回归CA模型为例,基于Von:Neumann型和M...     

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GIS与CA的城市扩展研究——以洛阳市为例

元胞自动机(Cellular Automata,CA)是一种"自下而上"的动态模拟建模框架,具有模拟复杂系统时空演化过程的能力。CA模型的这些特点使得它在城市增长、扩展和土地利用演化模拟等方面较为合适,成为CA应用的热点。探讨利用GIS技术开发CA模型将会改善CA模拟城市扩展的环境,建立典型的城市CA模型也会发现新的参数和转换规则。基于CA原理,结合GIS与RS技术,在ArcGIS平台中进行二次开发,构建了GIS-CA模型系统。以洛阳市为研究区域,对其城市扩展进行了模拟和预测,结果表明,将人为的规划因素加入到CA模型中,打破了CA模型只能模拟城市受自然因素影响而进行的扩展。模拟结果比较真实可信,也为下一步城市规划提供决策支持。     

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。     

基于GIS的地理元胞自动机模拟框架及其应用

提出了一种基于GIS的地理元胞自动机模型框架:SimUrban,用于城市发展和演化的模拟与预测。该框架基于面向对象技术,在GIS环境下利用VS.NET开发而成,可以集成遥感和GIS数据以及新的转换规则和地理CA模型,从而模拟城市演化并进行精度评定。以上海市嘉定区为例,在SimUrban环境下利用基于主成分分析(PCA)的地理CA模型模拟了该区域1989-2006年城市发展和演化过程。     

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。     

Parallel cellular automata for large-scale urban simulation using load-balancing techniques

Cellular automata (CA), which are a kind of bottom-up approaches, can be used to simulate urban dynamics and land use changes effectively. Urban simulation usually involves a large set of GIS data in terms of the extent of the study area and the number of spatial factors. The computation capability becomes a bottleneck of implementing CA for simulating large regions. Parallel computing techniques can be applied to CA for solving this kind of hard computation problem. This paper demonstrates that the performance of large-scale urban simulation can be significantly improved by using parallel computation techniques. The proposed urban CA is implemented in a parallel framework that runs on a cluster of PCs. A large region usually consists of heterogeneous or polarized development patterns. This study proposes a line-scanning method of load balance to reduce waiting time between parallel processors. This proposed method has been tested in a fast-growing region, the Pearl River Delta. The experiments indicate that parallel computation techniques with load balance can significantly improve the applicability of CA for simulating the urban development in this large complex region.     

基于约束性CA的大都市郊区城镇增长的情景模拟与管控——以武汉市江夏区为例

大都市郊区是快速城镇化进程中空间演变最为频繁、人地矛盾最为突出的区域,尤其在中国加快推进“就地就近”城镇化战略的背景下,把握大都市郊区小城镇土地利用时空变化过程及其演变机制,对制定科学合理的管控政策和优化都市空间结构具有重要的现实意义。约束性元胞自动机(constrained Cellular Automata, constrained CA)能够通过简单的规则模拟复杂的城市动态演化过程。本文将土地利用总体规划指标、城镇空间发展战略布局、土地利用开发适宜性等,嵌入约束性CA的转换规则中,采用Logistic逐步回归法分析土地利用空间影响因素,对严格约束下的武汉市江夏区2020年土地利用进行情景模拟分析,并提出城市增长管控手段。结果表明：①研究时段内,江夏区城镇用地呈低效外延式扩张,土地利用集约节约程度较低,其人口规模并未有较大增长,对主城区人口的分散作用尚未真正形成;②约束性CA在模拟大都市郊区演化方面具有较高的可靠性,能够真实反映近郊小城镇的未来空间布局与结构,模拟结果与土地利用规划和城市规划较为契合;③将规划目标导向与现实发展趋势下的模拟结果进行叠加分析,可确定城镇增长需求与规划指标调控间冲突的空间分布,从而划定土地督察的重点监测区域,为加强大都市近郊区的违法用地监查和土地利用管控提供先验的预警知识。     

人工免疫系统与嵌入规划目标的城市模拟及应用

人工免疫系统(AIS) 具有强有力的计算能力, 可以通过免疫识别、克隆选择、免疫学 习、免疫记忆等功能来进行模式识别和自适应学习。AIS 所具有的自学习、自适应和记忆的能力非常适合于复杂地理过程的研究。而元胞自动机(CA) 是研究复杂系统非常方便和有效的工具。将人工免疫系统和元胞自动机相结合, 建立了城市演变的模拟和规划模型。该模型通过改变抗体的进化变异机制, 把规划目标嵌入到AIS 算法中, 抗体将会逐渐朝着规划目标“进化”, 从而模拟出基于不同规划情景的城市发展空间格局, 为城市和土地利用规划提供决 策支持。设计了6 种不同的城市发展方案, 利用该模型模拟了不同规划方案下珠江三角洲城市的发展情景(1988-2002 年)。并比较了不同模拟情景结果城市的紧凑性: “城市中心” 和 “城市中心-高速公路”发展模式的城市形态更为紧凑, 破碎度较低; 而“镇中心” 和“道路”发展模式形成的城市形态则比较凌乱和分散。模拟结果和分析表明: “城市中心-高速 公路”是珠江三角洲最适合的城市发展模式。     

1980—2020年粤港澳大湾区城镇用地空间格局类型演变及其驱动力多维探测

深入研究1978年改革开放以来粤港澳大湾区城镇用地空间格局类型,探索土地城镇化多维和交互驱动机制,对推进粤港澳大湾区建设,打造世界级城市群具有重要意义。本文基于模糊聚类,从规模、形态和分布3个维度划分和定义粤港澳大湾区城镇用地空间格局类型,利用地理探测器测度城镇用地空间格局多维变化驱动力及其交互作用。结果表明：① 粤港澳大湾区城镇用地空间格局类型包括分形/复杂大面积型、分形小面积型、复杂小面积型、简单小面积型和散布型5种类型,城镇用地规模和形状复杂性具有一定的正相关性,2010年后用地规模趋于稳定,形态的规则性和紧凑性得到优化,分布集中。② 人口、GDP、地方财政收入、固定资产投资额和路网密度等社会经济因素对城镇用地面积和形态变化影响显著,核心城市对城市群发展的牵引作用在2000年后得以显现。2010—2020年各影响因子对城镇用地面积、分布和类型变化的作用差异有所减弱,但社会经济因素对形状特征的影响力上升。③ 城镇用地面积特征变化的影响力交互作用最为多样,表现有非线性增强、协同增强、单因子减弱和非线性减弱4种类型;对形状、分布和空间格局类型变化的影响力交互作用主要表现为协同增强和非线性增强。核心城市牵引力、路网密度、河网密度与多数因子交互产生“1+1>2”的效果,反映出城市群核心区位、交通优势对城镇用地扩展的强烈推动作用。     

长春市公共服务设施用地演变格局与机制

公共服务设施用地是城市功能用地的主要组成部分,公共服务设施用地的集聚与扩散可以更直接地揭示城市空间结构与城市中心地的演变特征。本文以长春市中心城区为研究范围,利用城市用地现状图、地形图等数据资源,借助GIS软件,采用核密度、斑块聚合度指数等方法,分析了长春市2003-2013年公共服务设施用地演变特征与机制。研究发现：公共服务设施用地规模增速低于城市建成区的增速;公共服务设施用地演变特征的圈层差异明显;公共服务设施用地空间结构从“单一化核心+多次级中心”到“多样化核心+多次级中心”,空间格局从“大分散、小集中”到“大集中、小分散”;城市不同公共服务设施用地类型表现出不同的演变特征;城市公共服务设施用地演变机制为城市功能空间的整体提升、城市功能空间的互动耦合、土地利用的市场竞争、交通设施与网络的完善、城市规划的引导与调控、城市大事件的快速推动。     

A high-performance cellular automata model for urban simulation based on vectorization and parallel computing technology

Cellular automata (CA) models can simulate complex urban systems through simple rules and have become important tools for studying the spatio-temporal evolution of urban land use. However, the multiple and large-volume data layers, massive geospatial processing and complicated algorithms for automatic calibration in the urban CA models require a high level of computational capability. Unfortunately, the limited performance of sequential computation on a single computing unit (i.e. a central processing unit (CPU) or a graphics processing unit (GPU)) and the high cost of parallel design and programming make it difficult to establish a high-performance urban CA model. As a result of its powerful computational ability and scalability, the vectorization paradigm is becoming increasingly important and has received wide attention with regard to this kind of computational problem. This paper presents a high-performance CA model using vectorization and parallel computing technology for the computation-intensive and data-intensive geospatial processing in urban simulation. To transfer the original algorithm to a vectorized algorithm, we define the neighborhood set of the cell space and improve the operation paradigm of neighborhood computation, transition probability calculation, and cell state transition. The experiments undertaken in this study demonstrate that the vectorized algorithm can greatly reduce the computation time, especially in the environment of a vector programming language, and it is possible to parallelize the algorithm as the data volume increases. The execution time for the simulation of 5-m resolution and 3 × 3 neighborhood decreased from 38,220.43 s to 803.36 s with the vectorized algorithm and was further shortened to 476.54 s by dividing the domain into four computing units. The experiments also indicated that the computational efficiency of the vectorized algorithm is closely related to the neighborhood size and configuration, as well as the shape of the research domain. We can conclude that the combination of vectorization and parallel computing technology can provide scalable solutions to significantly improve the applicability of urban CA.     

多层次矢量元胞自动机建模及土地利用变化模拟

城市规划对土地利用变化起着重要的引导作用,各层次规划相互支撑、互为补充,自上而下影响着土地利用格局的演变。矢量元胞自动机以不规则的地理实体作为基本单元,可以更逼真地表达客观复杂的城市用地空间结构。然而,当面向具有层次协同性、空间引导性和管控传导性等特征的城市规划时,其元胞多层次体系构造、层次间协同方法和转换规则获取等关键问题凸显出来。本文以江阴市2007年、2012年、2017年3期土地利用现状数据为基础,在多层次矢量元胞自动机建模基础上,模拟了2017年土地利用变化,通过模拟结果与用地现状对比分析,对模型个别参数进行了修正,进一步提高了模型的可行性与适用性,进而预测了2022年城市土地利用格局。模拟结果显示,中心城片区建设用地发展已经趋于饱和,澄南、澄东南和澄东片区建设用地扩张较为明显,有逐步形成“中心城区—城镇组团—村庄”三级城乡空间聚落体系的趋势。最后利用FoM指标对模拟结果进行了评价,得到整体和各片区的精度基本都大于或接近于0.21,表明模拟结果精度较高,其构建的模型在面向多层次规划的用地变化模拟方面具有更好的效果。     

基于核主成分元胞模型的城市演化重建与预测

通过元胞自动机(CA)模拟和重建城市演化的复杂非线性过程,对于城市土地利用规划和决策具有指导意义。利用传统线性方法获取的地理CA转换规则,较难刻画城市演化的时空动力学过程。基于核主成分分析方法(KPCA),通过核函数映射,在高维特征空间下不仅能够对多重共线的空间变量进行非线性降维,且由此建立的地理元胞模型KPCA-CA参数物理意义明确,能够较好地体现城市化过程的非线性本质。基于GIS环境下自主研发的地理模拟框架SimUrban,利用该KPCA-CA模型模拟和重建了快速城市化区域上海市嘉定区1989-2006年城市演化过程,并预测了研究区2010年的城市空间格局。模拟结果显示,嘉定区城市主要沿中心区域及主干道路而扩展,体现了KPCA方法提取的前两个主成分的作用,与城市实际发展情况相符。利用混淆矩阵和面积控制精度等指标,对模拟结果进行了评价,得到总体精度为80.67%、Kappa系数为61.02%,表明模拟结果与遥感分类结果及统计结果符合程度较好;与传统基于线性方法的地理CA模型比较,KPCA-CA模型模拟结果精度更高。     

2000—2020年印度土地利用的时空演化及驱动因素分析

印度已成为全球十大经济体之一,也是全球增长最快的新兴经济体。作为世界耕地大国和农业大国,印度的土地利用格局演化对全球粮食安全和可持续发展意义重大。收集了印度2000、2010和2020年3期土地利用数据,借助景观格局指数、土地利用动态度模型、土地利用转移图谱等方法刻画了印度土地利用的规模、组成、形态、格局及时空演化特征,研究发现：①印度的土地利用类型中,耕地占比最高,2020年占总面积的62.91%。斑块形态较复杂,其面积加权平均斑块分维数为1.37。耕地总面积保持相对稳定,与其他用地类型的转入转出整体保持平衡,但耕地转为建设用地的比率近年来快速增加,2010—2020年建设用地成为耕地主转出类型,反映了快速城市化与人口增长的影响。②林地为印度第二大用地类型,空间集聚特征明显。林地面积持续而缓慢地减少,2000—2010年主要退化为未利用地（转出比率19.73%）,2010—2020年主要与草地相互转换（转入转出比率分别为17.94%、18.17%）。③印度草地分布破碎离散,因转入大于转出,总面积持续小幅度增加,2000—2010年、2010—2020年草地新增面积分别占所有用地新增面积的28.31%、28.64%,新增用地多由林地转入（分别为18.91%、18.17%）。④建设用地主要分布于首都新德里及印度东部的西孟加拉邦和阿萨姆邦,斑块相对规则。近年来,印度建设用地面积不断扩张,2010—2020动态度达2.51%,主要由耕地转入。⑤构建地理加权回归模型,发现极端温度、高程、人口、GDP与政策是印度耕地与建设用地演化的主要驱动因子。     

地理元胞自动机模型研究进展

元胞自动机(Cellular Automata,简称CA)是一种基于微观个体的相互作用空间离散动态模型,其强大的计算功能、固有的平行计算能力、高度动态及空间概念等特征,使它在模拟空间复杂系统的时空动态演变研究具有较强的优势。文章回顾了元胞自动机的发展历程,阐述了CA在地理学中的主要应用领域和研究进展,在此基础上,以现实世界地理实体及现代城市扩张特征为视角,分析目前CA研究所面临的问题,并对其未来的研究趋势进行了初步探讨,认为以下3个方面将是未来CA研究的热点：① 利用不规则元胞及可控邻域的CA模型,对不同规则或不同邻域地理实体的模拟研究;② 采用三维元胞自动机对现代城市扩张进行立体化模拟,以克服二维CA模型的缺陷;③ 将矢量元胞自动机模型应用于地理实体的模拟研究,进一步提高模拟精度。