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。     

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.     

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。     

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。     

元胞模型在地貌演化模拟中的应用浅析

元胞自动机是一个时空离散的动力学模型,是复杂系统的研究方法之一。从80年代后期开始,在许多领域都得到广泛的应用与发展。地貌是一个非线性动态复杂系统,元胞自动机模型(或更广意义上的元胞模型)为研究复杂地貌系统的动态演化提供了新的方法论工具。本文根据近些年国内外该领域的研究成果,对元胞模型在地貌演化模拟中的应用及进展进行了探讨,并分析了元胞模型方法在地貌演化模拟中的优势和不足。     

球面元胞自动机框架的比较与选择

在球面构建基本的元胞自动机框架是球面元胞自动机研究的基础.该文从球面空间特性出发,分析比较了四边形、三角形和六边形网格的不同几何特性和元胞运动机制,提出了基于六边形网格的元胞自动机框架模型,描述了其基本定义、运动机制和坐标系统,并构建了球面六边形元胞自动机原型系统进行模拟实验,结果表明,该元胞自动机框架能有效支持球面元胞自动机的深入研究.     

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。     

多智能体与元胞自动机结合及城市用地扩张模拟

运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。     

从高维特征空间中获取元胞自动机的非线性转换规则

元胞自动机 (CA) 具有强大的空间模拟能力,能够模拟和预测复杂的地理现象演变过程。CA 的核心是如何定义转换规则,但目前CA转换规则获取往往是基于线性方法来进行,例如采用多准则判断 (MCE) 技术。这些方法较难反映地理现象所涉及的非线性等复杂特征。为此提出了利用新近发展的核学习机来获取地理元胞自动机非线性转换规则的新方法。该方法是通过核函数产生隐含的高维特征空间,把复杂的非线性问题转化成简单的线性问题,为解决复杂非线性问题提供了一种非常有效的途径。利用所提出的方法自动获取地理元胞自动机的转换规则,不仅大大减少了建模所需的时间,也较好地反映地理现象复杂的特性,从而改善了CA模拟的效果。     

Examining the sensitivity of spatial scale in cellular automata Markov chain simulation of land use change

Understanding the spatial scale sensitivity of cellular automata is crucial for improving the accuracy of land use change simulation. We propose a framework based on a response surface method to comprehensively explore spatial scale sensitivity of the cellular automata Markov chain (CA-Markov) model, and present a hybrid evaluation model for expressing simulation accuracy that merges the strengths of the Kappa coefficient and of Contagion index. Three Landsat-Thematic Mapper remote sensing images of Wuhan in 1987, 1996, and 2005 were used to extract land use information. The results demonstrate that the spatial scale sensitivity of the CA-Markov model resulting from individual components and their combinations are both worthy of attention. The utility of our proposed hybrid evaluation model and response surface method to investigate the sensitivity has proven to be more accurate than the single Kappa coefficient method and more efficient than traditional methods. The findings also show that the CA-Markov model is more sensitive to neighborhood size than to cell size or neighborhood type considering individual component effects. Particularly, the bilateral and trilateral interactions between neighborhood and cell size result in a more remarkable scale effect than that of a single cell size.     

CA-Markov模型的空间尺度敏感性研究

以广州市花都区为研究区,研究利用CA-Markov模型进行土地利用变化模拟的空间尺度敏感性特征,结论如下:①元胞尺寸的选择会明显影响模拟结果,元胞尺寸越大,模拟结果精度越低。模型中存在元胞尺寸的阈值,当元胞尺寸超出该阈值时,模拟结果的精度急剧下降,因此对于元胞尺寸的选择必须要慎重。②邻域类型的选择也会对模拟结果产生影响。采用3×3冯诺依曼邻域的模拟结果会比3×3摩尔邻域和5×5摩尔邻域生成更多的斑块数量和更高的斑块密度,但是模拟结果的Kappa系数值相差不大。     

Characterization of neighborhood sensitivity of an irregular cellular automata model of urban growth

The neighborhood definition, which determines the influence on a cell from its nearby cells within a localized region, plays a critical role in the performance of a cellular automaton (CA) model. Raster CA models use a cellular grid to represent geographic space, and are sensitive to the cell size and neighborhood configuration. However, the sensitivity of vector-based CAs, an alternative to the raster-based counterpart, to neighborhood type and size remains uninvestigated. The present article reports the results of a detailed sensitivity analysis of an irregular CA model of urban land use dynamics. The model uses parcel data at the cadastral scale to represent geographic space, and was implemented to simulate urban growth in Central Texas, USA. Thirty neighborhood configurations defined by types and sizes were considered in order to examine the variability in the model outcome. Results from accuracy assessments and landscape metrics confirmed the model’s sensitivity to neighborhood configurations. Furthermore, the centroid intercepted neighborhood with a buffer of 120 m produced the most accurate simulation result. This neighborhood produced scattered development while the centroid extent-wide neighborhood resulted in a clustered development predominantly near the city center.     

Modelling sustainable urban development by the integration of constrained cellular automata and GIS

Cellular Automata (CA) have attracted growing attention in urban simulation because their capability in spatial modelling is not fully developed in GIS. This paper discusses how cellular automata (CA) can be extended and integrated with GIS to help planners to search for better urban forms for sustainable development. The cellular automata model is built within a grid-GIS system to facilitate easy access to GIS databases for constructing the constraints. The essence of the model is that constraint space is used to regulate cellular space. Local, regional and global constraints play important roles in affecting modelling results. In addition, 'grey' cells are defined to represent the degrees or percentages of urban land development during the iterations of modelling for more accurate results. The model can be easily controlled by the parameter k using a power transformation function for calculating the constraint scores. It can be used as a useful planning tool to test the effects of different urban development scenarios.     

Urban expansion in Auckland,New Zealand: a GIS simulation via an intelligent self-adapting multiscale agent-based model

ABSTRACT

Abstract: When modelling urban expansion dynamics, cellular automata models focus mostly on the physical environments and cell neighbours, but ignore the ‘human’ aspect of the allocation of urban expansion cells. This limitation is overcome here using an intelligent self-adapting multiscale agent-based model. To simulate the urban expansion of Auckland, New Zealand, a total of 15 urban expansion drivers/constraints were considered over two periods (2000–2005, 2005–2010). The modelling takes into consideration both a macro-scale agent (government) and micro-scale agents (residents of three income levels), and their multi-level interactions. In order to achieve reliable simulation results, ABM was coupled with an artificial neural network to reveal the learning process and heterogeneity of the multi-sub-residential agents. The ANN-ABM accurately simulated the urban expansion of Auckland at both the global and local scales, with kappa simulation value at 0.48 and 0.55, respectively. The validated simulation result shows that the intelligent and self-adapting ANN-ABM approach is more accurate than an ABM with a general type of agent model (kappa simulation = 0.42) at the global scale, and more accurate than an ANN-based CA model (kappa simulation = 0.47) at the local scale. Simulation inaccuracy stems mostly from the outdated master land use plan.     

基于元胞模型的河道纵剖面调整动态模拟

纵剖面的调整是河道演化的重要内容,其对于河道整治及水沙灾害机理研究都具有重要意义。利用多年观测资料可以较为精确地分析和推断河道纵剖面的调整过程。但是,这种方法不能从过程机理上对纵剖面的调整进行模拟分析。而自然条件下河道边界条件的复杂性使得对河道纵剖面演化的物理过程模拟有很大困难。元胞自动机是一个时间、空间和状态都离散的动力模型,是研究复杂系统动态演化过程的有力工具。本文以黄河尾闾河道为例,利用一维元胞模型对河道纵剖面的调整进行动态模拟。模拟揭示了河道纵剖面在初始形态、不同水沙组合以及河道延伸等情况下的演化规律与趋势。     

基于优化GeoCA模型的土壤侵蚀时空变化模拟——以福建省长汀县为例

土壤侵蚀动态监测是侵蚀研究体系中的重要内容, 目前研究主要集中在强度评价以及趋势预测两方面, 其中, 地理元胞自动机(Geo-Cellular Automata, GeoCA)是最常用的土壤侵蚀趋势模拟模型, 但是现有研究主要基于邻域计算规则, 强度模型的数学意义, 而忽视了元胞自身发生变化的可能性, 不能完全体现土壤侵蚀演变的复杂性, 这些问题不仅降低了模拟的精度, 而且使得趋势预测与侵蚀评价两者间的融合性降低, 不利于完整的研究体系形成。本研究认为土壤侵蚀时空变化趋势是其自身侵蚀状态、自然条件以及邻域转换规则共同作用决定, 从而设计元胞侵蚀强度指数算法、元胞侵蚀强度函数以及元胞邻域转换函数, 对传统GeoCA进行了优化, 并在GIS与遥感技术支撑下, 以福建省长汀县为研究区, 设计了上述算法的整合模型, 对福建省长汀县30 年来土壤侵蚀时空演替过程进行了测算与分析。研究结果显示: 长汀县土壤侵蚀最严重的地区主要分布在以河田镇为中心的汀中地区, 20 世纪90 年代以来, 土壤侵蚀治理工作成效显著, 改善趋势明显加快, 至2000 年以后有所放缓。预计至2020 年, 土壤侵蚀区的比重将从1990 年的约40%下降至约20%。通过比较, 整合算法的精度达到72.7%, 高于单纯的侵蚀强度评价算法以及传统GeoCA模型, 证明优化GeoCA不仅是进行土壤侵蚀时空演变模拟研究的有效手段, 更为土壤侵蚀这一复杂地理系统的元胞表述规则研究进一步深入提供了思路。     

基于GA-MCE算法的不规则邻域CA土地利用模拟

不规则邻域元胞自动机通过定义一定的邻域规则,将对中心元胞影响较大的邻域元胞进行识别与计算从而确定邻域形态与影响范围,与传统元胞自动机模型相同尺寸邻域形态相比,模拟更加真实有效。基于不规则邻域识别算法对元胞邻域范围进行划分,再通过遗传算法和多准则评价相结合获取转化规则参数,继而对大连市金石滩国家旅游度假区2004年和2010年土地利用变化进行模拟研究,通过比对分析以及Kappa系数检验法对模拟精度做一检验,研究模拟结果总体Kappa系数为81.62%,具有一定的可靠性,研究显示该模型在多地类碎小斑块之间的转化模拟具有一定的优势,对于模拟土地利用/覆盖变化模型具有一定的改进。     

Effects of lidar post‐spacing and DEM resolution to mean slope estimation

This paper examines the effect of scale (exhibited by spatial sampling) in modeling mean slope from lidar data using two representations of scale: lidar posting density (i.e. post‐spacing) and DEM resolution (i.e. cell size). The study areas selected include six small (i.e. approximately 3 km²) urban drainage basins in Richland County, SC, USA, which share similar hydrologic characteristics. This research spatially sampled an airborne lidar dataset collected in 2000 at a 2 m nominal posting density to simulate lidar posting density at various post‐spacings, from 2 m through 10 m. DEMs were created from the lidar observations at a corresponding cell size using spatial interpolation. Finally, using these DEMs, a sensitivity analysis between modeled terrain slope and lidar post‐spacing was conducted. Results of the sensitivity analyses showed that the deviation between mean slope and modeled mean slope decreases with finer posting density and DEM resolution. The relationship of mean slope with varying cell sizes and post‐spacing suggests a linear and a logarithmic function, respectively, for all study areas. More importantly, cell size has a greater effect on mean slope than lidar posting density. Implications of these results for lumped hydrologic modeling are then postulated.