基于地理环境的CA模型演变规则研究

本文定义了城市扩展模拟中的CA模型,提出模拟地理实体的栅格元胞要求;探讨了惯性自由扩展、土地利用类型转变、交通引力作用、大城市辐射、其他用地自组织、自然条件限制、规划条件约束、决策修正行为等模拟城市建设用地扩展的演变规则;并将专家打分法应用于城市建设用地扩展CA模型演变规则集成阶段,通过打分结果与阈值比较确定城市建设用地扩展的变化情况.     

基于元胞自动机复合模型的土地利用演化模拟——以北京市海淀区为例

为了在土地利用空间格局演化模拟的基础上,为未来城市土地利用规划及管理提供更为科学合理的决策依据,本文以北京市海淀区1996年、2002年及2008年3期土地利用数据为数据源,重点采用元胞自动机复合模型CA-Markov模型与多标准评价方法相结合的手段,构建元胞转移数量规则及空间位置转化规则,并分别构造3种不同大小的元胞邻域集合,进行土地利用格局的模拟及预测。试验中2008年土地利用模拟结果与实际土地利用数据Kappa系数高达0.856 1,表明CA-Markov模型结合多标准评价方法的模拟手段可行性较高,同时元胞邻域空间大小对模拟结果的精度有明显的影响。土地利用结构数据及模拟预测结果表明城市集约化现象明显,建设用地迅速扩张,占用大量耕地、园地用地,因此迫切需要促进城市土地利用的可持续发展。     

基于人工蜂群CA模型的南京市土地利用变化模拟与预测

以南京市为例,构建人工蜂群元胞自动机（CA_ABC）模型,对2000—2007年的土地利用变化进行模拟以实现CA_ABC模型的校正,并以2007—2015年的土地利用变化为案例,验证该模型的有效性。模拟结果总体精度（OA）2007年为87.79%,2015年为80.61%;模拟结果的品质因数（FOM）2007年为21.23%,2015年为19.25%。基于CA_ABC模型和马尔可夫链预测未来城市土地总量,对南京市2025和2035年的土地利用格局进行了预测,对城市扩张和生态用地被侵占现象进行分析。模型预测结果表明,未来20年的城市扩张主要以牺牲耕地和林地为代价,2025和2035年80%的城市扩张面积来源于对耕地面积的侵占,17%的城市面积扩张是由2015年的林地转换得到的。研究表明,准确模拟、预测未来城市格局及评估城市扩张能够对生态用地侵占,以及为决策者合理规划城市、推动城市可持续发展提供帮助。     

基于CA模型的西安城市空间扩展模拟及误差分析

元胞自动机(CA)是城市发展动态模拟的重要工具。本文以西安市为例,利用基于遗传算法的CA模型对西安市1990-2007年的城市发展进行模拟,得到了较好的效果。结果表明,运用遗传算法建立的CA模型能够较好地模拟城市发展状态;对模拟误差分析表明,影响城市土地利用变化机制的尺度特征,城市规划调整、重大事件、重大建设项目和行政区划调整等过程,城市不同发展阶段和不同区位的扩展类型等都将影响确定转换规则、寻找最佳参数和模拟精度的结果。     

建筑用地变化的福州市地理国情监测

为了更加有效地监测建筑用地变化,服务城市扩展研究,该文以福州市为例,基于2006年DMC和2008年UCD两期高分辨率正射航空遥感影像,利用面向对象分类和空间叠置分析等技术,提取建筑用地信息,并构建动态度模型监测建筑用地变化。监测表明2006年—2008年福州市5个城区建筑用地面积均有所增加;城市扩展呈现速度快、单中心圈层式扩展的特征,总体遵循"东扩南进"的发展战略。研究结果可以为城市发展和土地规划决策提供参考。     

情景模拟的精河流域绿洲土地利用变化及预测

针对土地利用动态模拟与预测能为区域可持续发展提供重要参考依据的问题,该文以遥感影像为基础数据,基于人工神经网络元胞自动机(ANN-CA)模型对精河流域绿洲进行土地利用变化动态模拟与情景预测。结果表明:①在过去的26年间,耕地和建设用地居土地利用类型增幅前两位,分别为4.67、3.88,林地和未利用地居降幅前两位,则分别为-0.76,-0.05;②至2026年,3种情景下建设用地的变化幅度均较为明显,显示城镇用地在未来绿洲土地利用发展变化过程中占据主导地位;③研究区未来土地利用过程中,在无任何限制条件下的趋势发展情景必然会造成区域内较大的土地利用格局破碎度,但两种生态保护情景作为修正和补充,可以从空间上优化预测结果。     

耦合遥感观测和元胞自动机的城市扩张模拟

在传统元胞自动机(CA)模型中,静态的模型参数和模型误差不能释放是影响城市扩张模拟效果的两个重要原因。文中引入集合卡尔曼滤波方法到CA模型中,提出了基于联合状态矩阵的地理元胞自动机。该模型在模拟过程中可以通过同化遥感观测数据,动态地调整模型参数和纠正模拟结果,使模型参数能够反映转换规则的时空变化,同时也能较好地释放积累的模型误差。将模型应用于东莞市的城市扩张模拟中,实验结果表明,模型能够准确地调整模型参数使之符合城市发展模式,同时也能有效地控制模型误差,其模拟的空间格局与真实情况吻合。     

基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用

元胞自动机模型在土地扩展的转换规则设计上具有随机性,受周围环境影响较大。文中建立基于BP神经网络和遗传神经网络算法优化的元胞自动机土地扩张模型,对广州市2009—2011年进行城市扩张模拟分析。实验结果显示:BP神经网络能够较好地模拟分布较集中的耕地和林地等区域,精度可达到70%以上,而对于面积较零碎的建筑用地区域,模拟效果较差;而遗传神经网络优化算法能够总体提高模拟精度约5%,部分精度能提高至20%。同时,该算法还能充分考虑影响土地变化的各种扰动因素,优化选择驱动因子和缩短迭代次数,对于城市土地扩张研究具有可行性。     

融合地理探测器和地理加权回归的太原市建设用地变化因素研究

准确地识别城市化进程中建设用地的变化情况及其背后的驱动力,对城市后续的可持续发展具有重要意义。本文首先以2000—2020年遥感影像为基础,对太原市建设用地空间分布变化进行研究,然后结合地理探测器模型和地理加权回归模型,对研究区建设用地的空间分布影响驱动力因子进行研究,得到以下结论:除政策因素外,现有的城市建设用地空间分布变化还受到高程、交通、GDP、人口等因素的显著作用。太原市城市建设用地变化的布局不单是GDP变化、人口变化、海拔高度、公路网密度4个显著性因子均匀、独立、直接作用的结果,而是具有空间异质性的各因子两两交互作用后增效的产物。本文成果有望为城市建设用地驱动力研究提供一种新思路。     

元胞空间分区及其对GeoCA模型模拟精度的影响

采用双约束空间聚类方法对元胞空间进行分区,在此基础上对不同的分区分别求取元胞转换规则,从而提高 元胞自动机的模拟精度。以杭州市土地利用变化为例,采用本文提出的基于双约束空间聚类的分区元胞自动机模型对 研究区域2000年—2005年的土地利用变化进行模拟,并利用逐点对比法和Moran I指数对模拟结果进行精度评估。结果 表明：(1)采用双约束空间聚类算法对元胞空间进行分区,可以保证同一分区内的元胞既在空间上邻近,又具有相对一 致的非空间属性信息,分区效果较好;(2)与不分区元胞自动机模型和基于空间聚类的分区元胞自动机模型相比,双约 束空间聚类元胞自动机模型具有较高的模拟精度,尤其是在空间形态和整体结构上具有较好的模拟效果。     

基于CA模型的城市空间扩展研究——义乌市为例

本文引入地理信息系统(GIS)和元胞自动机的有机集成而构筑的GeoCA-Urban模型模拟义乌市城市空间扩展的动态演化过程。结果表明:从发展速度分析,义乌市城市发展经历了一个起步—缓慢发展—爆炸发展的过程,而且爆炸式发展还在继续,从发展的空间布局上分析,义乌市在交通(主要是浙赣铁路和主要公路)、水系(义乌江)和城市中心辐射作用下,经历了带状(东北西南向)—椭圆—圆形的发展过程。通过设置转换规则、参数,真实直观地再现展示了城市空间系统的演化过程,为城市规划等提供了辅助决策。     

Prediction of Land Cover Change Using Markov and Cellular Automata Models: Case of Al-Ain,UAE, 1992-2030

The UAE has witnessed rapid urban development and economic growth in recent years. With its ambitious vision to become one of the advanced nations by 2021, planners and policy-makers need to know the most likely direction of future urban development. In this study, remotely sensed imagery coupled with cellular automata models were used to predict land cover in Al Ain, the second largest city in the Emirate of Abu Dhabi. Markov and cellular automata models were used for 1992 and 2006 to predict land cover in 2012. Land Use and Land Cover maps for the study area were derived from 1992, 2006, and 2012 Landsat satellite images (TM, ETM⁺). The models achieved an overall accuracy of approximately 80 %. A Markov model was applied for 2006 and 2012 to predict land cover in 2030. The results conformed to the general trend of the Al Ain Master Plan 2030. This study demonstrates that remote sensing, with the availability of free Landsat data, is a viable technology that could be used to help in the prediction process especially in developing countries, where data availability is a problem.     

基于支持向量机的元胞自动机及土地利用变化模拟

提出了利用遥感数据，并采用支持向量机来确定元胞自动机非线性转换规则的新方法。元胞自动机在模拟复杂地理现象时，需要采用非线性转换规则。目前元胞自动机主要采用线性方法来获取转换规则，在反映复杂的非线性地理现象时有一定的局限性。以城市扩张的模拟为例，将模拟城市系统的主要特征变量映射到Hilbert空间后，通过SVM建立最优分割超平面，分割超平面的分类决策函数由径向基核（Radial Basis Kernel）构造。利用历史遥感数据校正超平面的决策函数，确定城市元胞自动机的非线性转换规则，计算出城市发展概率。利用所提出的方法，对深圳市1988-2010年的城市发展进行了模拟，取得了较理想的模拟效果。研究结果表明，基于SVM-CA模型的模拟精度比传统MCE方法模拟精度高，MoranⅠ指数与实际更为接近。     

Deriving urban dynamic evolution rules from self-adaptive cellular automata with multi-temporal remote sensing images

Cellular automata (CA) have proven to be very effective for simulating and predicting the spatio-temporal evolution of complex geographical phenomena. Traditional methods generally pose problems in determining the structure and parameters of CA for a large, complex region or a long-term simulation. This study presents a self-adaptive CA model integrated with an artificial immune system to discover dynamic transition rules automatically. The model’s parameters are allowed to be self-modified with the application of multi-temporal remote sensing images: that is, the CA can adapt itself to the changed and complex environment. Therefore, urban dynamic evolution rules over time can be efficiently retrieved by using this integrated model. The proposed AIS-based CA model was then used to simulate the rural-urban land conversion of Guangzhou city, located in the core of China’s Pearl River Delta. The initial urban land was directly classified from TM satellite image in the year 1990. Urban land in the years 1995, 2000, 2005, 2009 and 2012 was correspondingly used as the observed data to calibrate the model’s parameters. With the quantitative index figure of merit (FoM) and pattern similarity, the comparison was further performed between the AIS-based model and a Logistic CA model. The results indicate that the AIS-based CA model can perform better and with higher precision in simulating urban evolution, and the simulated spatial pattern is closer to the actual development situation.     

利用水准数据的天津市地面沉降时空特征分析

地面不均匀沉降可能对城市的发展与人民的安全造成危害，天津市的地面沉降情况尤为严重。针对该问题，本文收集天津市2005—2012年、2016—2017年水准观测数据，以固定水准点位的沉降量、沉降速率、沉降加速率为状态向量，构建卡尔曼滤波模型，对天津市历年的水准观测数据进行滤波；根据滤波后的结果，本文利用多项式加权内插的方法，以距离、沉降速率、沉降加速率信息确定权值大小，对地面沉降情况进行内插；并以中误差作为精度评定参数，比较多种内插方法的精度。通过对内插结果的试验分析发现，2005—2017年天津市地面累计平均沉降量为394.477 5 mm，最大沉降量为1 143.5 mm；主要沉降区域为北辰、大港、塘沽等地区，且随着时间的增长，这些区域呈现漏斗式下沉。试验证明本文结合卡尔曼滤波与多项式加权内插的方式能够较好地反映地面沉降的时空特征分布情况并对未来一段时间的沉降情况进行预测，对天津市的城市发展及建设有一定的参考意义。     

城市地形图动态修补测工作量调查方法初探

在城市建设日新月异开展的形势下,全国各城市基层国土资源部门开展城市地形动态修补测工作。本文结合实例提出了一种城市大比例尺地形图动态修补测工作量普查的方法,对涉及到地形地貌变化的城市动态修补测的工作量能够较准确进行预测,大大提高了政府动态修补测资金的利用效率,对城市动态修补测工作量调查有一定的参照意义。     

Simulation of landscape spatial layout evolution in rural-urban fringe areas: a case study of Ganjingzi District

In recent years, the rapid expansion of urban spaces has accelerated the mutual evolution of landscape types. Analyzing and simulating spatio-temporal dynamic features of urban landscape can help to reveal its driving mechanisms and facilitate reasonable planning of urban land resources. The purpose of this study was to design a hybrid cellular automata model to simulate dynamic change in urban landscapes. The model consists of four parts: a geospatial partition, a Markov chain (MC), a multi-layer perceptron artificial neural network (MLP-ANN), and cellular automata (CA). This study employed multivariate land use data for the period 2000–2015 to conduct spatial clustering for the Ganjingzi District and to simulate landscape status evolution via a divisional composite cellular automaton model. During the period of 2000–2015, construction land and forest land areas in Ganjingzi District increased by 19.43% and 15.19%, respectively, whereas farmland, garden lands, and other land areas decreased by 43.42%, 52.14%, and 75.97%, respectively. Land use conversion potentials in different sub-regions show different characteristics in space. The overall land-change prediction accuracy for the subarea-composite model is 3% higher than that of the non-partitioned model, and misses are reduced by 3.1%. Therefore, by integrating geospatial zoning and the MLP-ANN hybrid method, the land type conversion rules of different zonings can be obtained, allowing for more effective simulations of future urban land use change. The hybrid cellular automata model developed here will provide a reference for urban planning and policy formulation.     

Modeling sprawl of unauthorized development using geospatial technology: case study in Kuantan district,Malaysia

Abstract

The paper explores a framework combining remote sensing and GIS-cellular automata (CA) concepts aimed at improving the modeling of unauthorized land use sprawl. Remote sensing data have been used in urban modeling and analysis, the use of high-resolution remote sensing data in assessing unauthorized development is quite unexplored. This work has demonstrated systematic combination utilization of geospatial analyses tools to acquire a new level of information to enable urban modeling and sprawl analysis in assisting urban sustainable management. In this study, Kuantan city, Malaysia was selected in simulation of the unauthorized land use with CA concept for a period of 15 years (2000–2015), with main input time-series land use observation from 1995 to 2005. The 2000 and 2005 land use input was also used as calibrated and test assessment of the simulation. The results show excellent agreement between in-situ changes of the unauthorized land use classes and the corresponding simulated classes within the same periods. In conclusion, CA model can lead to new levels of understanding of how urban areas grow and change as in view of digital earth aspiration.     

基于空间信息技术的珠海城市建设用地扩展研究

城市建设用地扩展是城市化的显著特点之一,通过对城市建设用地扩展的研究,为城市有效控制城市扩展规模、合理分配土地、优化土地利用布局、调整土地政策指明正确的方向。随着科技的发展,空间信息技术有效地加强了城市建设用地扩展的动态监测,为研究城市建设用地扩展情况提供了有力的支持。论文基于2003年、2005年和2013年三期珠海市遥感影像数据,借助ENVI,ArcGIS软件,对影像进行预处理,使用剔除法提取珠海市建设用地信息,探究珠海市建设用地扩展特点和扩展因素。