基于CA的南京市城市空间结构演变模拟

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。本文将对标准CA进行扩展,以南京市为研究区域,对其城市扩展进行模拟。     

基于CA的溢油扩散时空过程模拟及敏感性分析

为了解决传统溢油元胞自动机（cellular automata,CA）模型难以获得的模型参数问题,引入逻辑回归方法到溢油CA模型中,并构建基于逻辑回归的溢油CA模型。该模型仅需要设置起始影像和影响因子（包括海风、洋流、距离、温度与盐度）等,便可以获取模型参数并模拟出溢油扩散范围的动态变化过程。将模型应用到深海溢油实验中以验证本模型在海上溢油模拟情况,结果表明模拟结果的总精度为96.6%,Kappa系数达0.899,能够准确地模拟出溢油扩散范围。通过参数敏感性分析可发现,温度与盐度因子对模型的影响最弱,其次是距离因子。对溢油扩散影响最为显著的是海风和洋流因子。若忽略海风与洋流的影响,模拟结果与观测结果将产生较大的偏差,并无法呈现出溢油扩散中的漂移等特征。     

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。     

基于逻辑回归CA模型的溢油模拟与预测

结合逻辑回归方法和元胞自动机模型构建了逻辑回归CA模型,模型中的逻辑回归方法能够很方便地获取影响因子的权重,再设置起止条件等,便可以模拟出溢油的动态变化情况。把模型应用到Deep Spill项目的溢油模拟实验中,结果表明,从模型结果的形态看,模拟结果与检验结果吻合程度较高,能够很好地模拟出溢油扩散与漂移等重要的溢油特性。从统计分析中可知,模拟结果的总精度可达96.8%,Kappa系数达到0.834。     

基于CA的城市人口密度分布动态模拟——以长沙市人口密度变化为例

利用元胞自动机（CA）进行模拟可以帮助认识城市人口密度分布的演变过程,并为相关的调控提供决策依据。以长沙市为例,由元胞自动机层构建了精确到街道的长沙市人口密度分布仿真模型,对2000～2005年人口密度分布进行重建,与实际情况对比,整体预测精确度达76％以上;并对2010年,2015年人口密度分布进行了预测,结果表明,长沙市仍处于城市发展的初期阶段,市区人口密度分布受交通通达度、距市中心距离、公共设施便利性、环境、政府主导等多因子影响,总体呈现典型的Clark分布。     

人口密度模型与CA集成的城市化时空模拟实验

有机地集成城市经典模型与元胞自动机 (CA)是一种有意义的理论实验。本文分无约束和有约束两种条件构建了城市化CA模型 ,推导出了基于均质地理背景和孤立城市的假设的城市人口密度时空模型 ,并进行了二者集成的实验研究 ,得出了如下结论 :(1)CA是城市化时空模拟的有效方法 ;(2 )经典的地理、城市模型可以有效地集成到城市化CA模型中 ,起到控制城市化轨迹的基本作用 ,在某种程度上能够弥补CA建模过于简单的不足。     

基于CA模型模拟黄河口海岸线演变

以黄河三角洲清水沟汊河的入海口为研究区域,以Landsat影像为主要数据源展开研究。利用ERDAS对遥感影像进行几何精校正、配准、裁减、分类等操作,再通过ArcGIS进行编辑,进而提取海岸线。通过分析影响海岸线变化的主要因素,建立元胞自动机模型(CA模型),基于这个模型,CJHJ结合ArcEngine9.2开发海岸线演变模拟系统。在该系统上结合黄河来沙数据,进行模型训练,得到一组参数,利用这组参数模拟海岸线的演变过程,得到了较好的模拟效果。     

基于集合卡尔曼滤波动态优化CA模型参数的方法

传统元胞自动机(CA)模型的转换规则不随模拟过程的时间和空间而变化,难以模拟和表达非线性地理过程.提出基于集合卡尔曼滤波(EnKF)动态优化CA模型参数的方法,以提高模型对复杂地理过程模拟的适应能力.通过引入集合卡尔曼滤波到CA模型中,将模型参数与模型状态整合成一个联合状态矩阵(joint state matrix).再把该矩阵与观测数据输入到EnKF更新方程中,计算出新的参数值,并自动更新到模型中,从而实现动态调整模型运行轨迹,以更好地适应城市发展的过程模拟.将此方法应用于东莞市的城市模拟试验中,优化后的CA模型能在单参数和多参数优化中正确地调整模型参数,使其迅速地收敛于真值并趋于平缓,也能降低模型误差并获得更好的模拟结果.     

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.     

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.     

Integration of neural networks and cellular automata for urban planning

This paper presents a new type of cellular automata (CA) model for the simulation of alternative land development using neural networks for urban planning. CA models can be regarded as a planning tool because they can generate alternative urban growth. Alternative development patterns can be formed by using different sets of parameter values in CA simulation. A critical issue is how to define parameter values for realistic and idealized simulation. This paper demonstrates that neural netowrks can simplify CA models but generate more plausible results. The simulation is based on a simple three-layer network with an output neuron to generate conversion probability. No transition rules are required for the simulation. Parameter values are automatically obtained from the training of network by using satellite remote sensing data. Original training data can be assessed and modified according to planning objectives. Alternative urban patterns can be easily formulated by using the modified training data sets rather than changing the model.     

Integration of neural networks and cellular automata for urban planning

This paper presents a new type of cellular automata (CA) model for the simulation of alternative land development using neural networks for urban planning. CA models can be regarded as a planning tool because they can generate alternative urban growth. Alternative development patterns can be formed by using different sets of parameter values in CA simulation. A critical issue is how to define parameter values for realistic and idealized simulation. This paper demonstrates that neural networks can simplify CA models but generate more plausible results. The simulation is based on a simple three-layer network with an output neuron to generate conversion probability. No transition rules are required for the simulation. Parameter values are automatically obtained from the training of network by using satellite remote sensing data. Original training data can be assessed and modified according to planning objectives. Alternative urban patterns can be easily formulated by using the modified training data sets rather than changing the model.     

基于SD-GIS的突发水污染事故水质时空模拟

将一维河流水质系统动力学模型用于水质模拟,建立了系统动力学(SD)和GIS关联的概念框架,并基于组件式GIS和SD模型开发了水污染事故水质模拟实验系统。以2005年11月发生的松花江水污染事故为例,对特征污染物硝基苯浓度的时空变化进行了动态仿真模拟。结果显示,通过建立SD和GIS的关联,能够实现水污染事故中污染物的时空分布模拟,以及基于模型参数的模型调控与情景分析,为突发水污染事故应急方案的优选提供科学、可行的依据。     

基于并行元胞自动机的水体污染物扩散模拟

研究影响水体污染物扩散的因素,使用计算机快速地对水体污染物进行模拟,能够为水体污染物的控制提供决策支持。将元胞自动机与并行计算相结合,能够高效地模拟水体污染物扩散。分析了元胞自动机的构成,综合考虑了污染物浓度、风向、风速、水流方向、水流速度、水体边缘等因素对污染物扩散的影响,设计了面向水体污染扩散的元胞自动机模型。分析了MPI(Message Passing Interface)在并行计算方面的优势,设计了面向水体污染物扩散的并行元胞自动机模拟算法流程,实现了水体污染物扩散的模拟。对比分析了面向水体污染物的元胞自动机串行计算、单机并行计算和多机并行计算的执行时间,结果表明,运用并行元胞自动机可以节省计算时间,提高计算效率。     

利用多源领域知识迁移CA的城市建设用地模拟

目的 建立传统元胞自动机(CA)模型时,如果样本数量不足,模拟效果往往非常不理想。提出了多源领域知识迁移CA模型,利用多个已有的旧样本数据集来帮助建立新的CA模型,并选取广东省深圳市作为试验区验证了其有效性。试验结果表明,该模型在新样本数量不足的情况下能够明显改善模拟效果,并且有效减小产生负迁移现象的风险。     

基于 CA 模型的土地利用变化研究

土地利用变化趋势及驱动力分析研究是目前全球变化研究的热点问题之一,如何合理并准确地模拟预测出土地利用变化的趋势是研究的核心。土地利用动态变化十分复杂,传统的GIS模型能很好地解决部分空间相关问题,但对复杂的时空动态变化地理现象却难以模拟。元胞自动机（ CA ）是“自下而上”的动态模拟建模框架,其时间、空间、状态都离散,是一种空间相互作用和时间因果关系都为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。 CA模型的这些特点在土地利用演化的模拟方面较为合适,集成于GIS下的CA模型将会改善CA的模拟环境,使模拟分析的结果更加准确。