GeoSOS在城市扩展中的应用

城市扩展是一个复杂的时空转换过程,元胞自动机(CA)是一种时空离散、状态简洁,利用简单的局部规则来模拟复杂系统时空演化过程的格网动力模型,CA在城市增长、扩展和土地利用演化的模拟等方面有着巨大的优势。本文基于Geo SOS for Arc GIS平台,分别利用Logistic-CA、ANN-CA和DT-CA这3种模型对长春市主城区1995—2005年、2005—2015年的城市扩展情况进行了模拟,结果表明Logistic-CA、DT-CA两种模型更适用于研究单一土地利用类型的模拟,ANN-CA更适用于涉及多种土地利用类型转换的模拟。而后,利用综合表现最佳的DT-CA模型对长春市主城区2015—2025年的城市扩展进行预测,模拟结果可为相关部门对土地规划的宏观决策提供一定的参考和数据支持。     

基于CA模型的佛山市建设用地动态变化研究

元胞自动机具有能模拟复杂动态系统的强大能力,本文采用了多约束条件的元胞自动机模型,以广东佛山市2000年、2006年和2012年建设用地的变化为例,从自然、社会经济发展等方面综合考虑选取了高程、坡度、人口密度、道路交通、水系等对城市建设用地发展变化起决定作用的诸多因子,利用马尔科夫概率矩阵计算2000年～2006年建设用地变化,推算建设用地转移总量。结合Logistic-CA模型和决策树-CA模型,预测模拟了2012年的建设用地分布并与实际相比较,分析其整体精度和误差来源。结果显示基于CA模型的建设用地动态发展模拟具有良好的效果,可以为城市的发展规划,过程演变提供虚拟的实验手段和科学依据。     

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CA模型的城市空间扩展模拟预测——以锦葫沿海地区为例

基于3S技术和Landsat TM遥感图像,解译得到1990年9月、2000年6月和2010年9月的锦葫沿海地区城市用地分布图。采用时空动态约束的城市元胞自动机(celluar automata,CA)模型,对锦葫沿海地区2020年的城市空间形态进行模拟。该模型采用了多时段动态的转换规则,即利用转移概率矩阵基于多时段基础数据预测增加的城市用地总量,作为城市CA模型的约束条件,并利用Logistic回归技术对CA的转换规则进行校正。分析计算了模拟结果的景观格局指数,分析得知:1990年9月—2010年9月间,城市用地形状不断复杂化,破碎化程度加重;2010年9月—2020年9月间,城市用地形状规则化,破碎化的程度趋于缓解;1990年9月—2020年9月间,城市用地的平均斑块大小基本呈增大趋势,最大用地斑块的影响程度逐年加大,城市用地斑块的聚集程度加速增长;锦葫沿海城市的地理空间正逐步拉近,伴随着锦葫地区交通运输条件的改善,锦葫空间一体化发展将成为一种必然的趋势。     

城市规划CA模型在城市空间形态演化中的应用研究

传统的CA模型基于自下而上的思路模拟城市复杂系统,忽略了宏观决策对城市空间形态演化的影响。本文基于传统CA模型,从城市规划角度,通过引入控制性详细规划层,把整个城市空间划分成不同组团片区,将传统的自下而上CA模型改进为自下而上和自上而下相结合的城市规划CA模型(UPCA),并取得了较好的实证模拟结果。结果表明:该模型简化了传统CA城市模拟模型的数据量,提高了模型的模拟精度,并增强了模型的规划决策功能,使模型具备了一定的社会经济分析能力。     

吉林市城市扩展监测及模拟研究

随着我国城市化进程的加快,其引起的城市数量的增加和城市规模的扩大已经引起学术界广泛的重视,定期或不定期地获得城市扩展信息、了解城市动态变化趋势,可为城市土地资源的规划和管理提供有力的依据。本文基于元胞自动机(CA)原理,充分利用CA在土地利用空间格局演化模拟和空间局部优化方面的优势特点,结合遥感和GIS 技术建立城市空间扩展 CA 模型,对吉林市建成区的演化过程进行模拟。结果表明,开发的CA模型具有较好的模拟效果。     

顾及空间多尺度邻域效应和时间依赖性的城市扩展模拟

在推进新型城镇化和实施新时代国土空间规划的战略背景下,城市扩展研究逐渐成为热点问题。当前基于元胞自动机(CA)的城市扩展模拟对城市空间多尺度邻域效应解析不足,且在转换规则中对城市长时间演变过程的时间依赖性影响表达不够完善,简化了城市扩展的时空依赖性,无法真实模拟推演未来规划实施情景以服务于国土空间规划。针对上述问题,本文构建一种兼顾空间多尺度邻域效应(3DCNN)和时间依赖性(ConvLSTM)的城市扩展深度学习CA模型(下文称“Deep-CA”)。首先通过组合普通卷积和空洞卷积的3DCNN来提取城市空间多尺度邻域效应,再利用ConvLSTM神经网络将历史信息同化,考虑长时间序列的时间依赖性,从而得到城市扩展的适宜性概率。北京市1995—2015年的土地利用数据及其驱动因素数据用于验证所提CA模型的科学性与适用性,1995—2010年数据用于模型训练,模拟2015年的城市范围。同时将模拟结果精度与ANN-CA、LR-CA和ME-CA 3种传统方法进行对比。与传统CA模型相比,Deep-CA的北京市2015年模拟FoM指数提高了4%左右,且对于城市全局和局部形态模拟效果较好,斑块破碎度低...     

扩展邻域元胞自动机模型城市扩张研究

元胞自动机近年来被广泛应用于动态模拟城市扩张,但其邻域类型一般固定于摩尔邻域.文章基于Geo-CA理论,自定义扩展邻域类型,并结合特定地理位置多层次约束性条件构建CA模型,扩展了CA模型的空间建模功能.以武汉市为例,将2000年和2009年TM遥感影像和城市用地数据作为基础,结合武汉市城市规划图、DEM、道路交通图、水域等多层次图像,构成空间数据库,建立武汉市城市扩张扩展邻域CA模型.最后以2009年数据为基础,对武汉市2018年城市用地扩张情况进行预测,为武汉市城镇建设提供参考.     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力。CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示。这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005~2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果。     

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。     

顾及空间交互作用的城市群联动空间增长模拟——以武汉都市区为例

随着区域城市化与城市区域化的发展,城市群成为中国城市化进程中最引人注目的地区,研究城市群联动空间增长动态也成为了当前研究热点。在城市扩张的研究中,传统以元胞自动机(cellular automaton,CA)为代表的城市扩张模拟方法主要针对单一的城市展开,缺乏对城市群空间交互作用和联动增长效应的建模,难以真实反映城市群的空间扩张过程。通过引入城市流模型来量化城市之间的空间交互作用,并将其作为转换规则嵌入CA模型,构建了一种顾及空间交互作用的城市群联合空间增长扩张过程分析模型,并以武汉都市区为例,模拟了武汉都市区(1个主城区+6个远郊区)的城市扩张过程。与传统的Logistic回归CA模型对比,结果表明,模型模拟精度更高,可以在一定程度上反映城市发展,尤其是城市群联动增长扩张的特征和规律。     

土地利用变化模拟模型及应用研究进展

元胞自动机CA(Cellular Automata)和多智能体ABM(Agent-Based Model)模型是土地利用格局和演化模拟的主流方法,两者在模拟自然因素影响和人文驱动机制方面具有突出优势,为LUCC研究提供了重要的工具。当前,ABM无论在模型构建还是应用研究方面,CA和ABM均取得了显著进展。论文从数据基础、模拟尺度、CA转换规则挖掘、ABM行为规则定义、CA和ABM的耦合4个方面梳理土地利用模拟模型和方法的研究进展。并总结这些模型在虚拟城市模拟与理论验证、真实城市模拟与规划预测以及多类用地模拟与辅助决策等方面的应用。最后,总结土地利用模拟模型在精细模拟和全球变化研究方面存在的局限性,认为未来发展将主要集中于解决从2维模型向3维模型发展、大数据与规则精细挖掘以及大尺度模拟与知识迁移等问题。     

基于DMSP/OLS数据的南京市建成区扩展研究

以南京市为研究区,先利用一元二次回归模型对2000~2010年的灯光数据影像进行预处理,利用突变检测法计算各年份提取城市建成区的阈值,并基于该阈值分割南京市2000~2010年的城市建成区;然后运用最大似然法分类2000年、2005年和2010年的TM影像得到南京市建成区,并勾绘出城市建成区的范围;再对2000~2005年和2005~2010年提取的城市建成区扩展结果进行空间对比,以验证突变检测法的准确性;最后将南京市2000~2010年的城市建成区进行叠加,并结合实际分析了城市内部建成区的扩展情况。     

MonoLoop:CA城市模型状态转换规则获取的一种方法

状态转换规则是元胞自动机(Cellular Automata,CA)的核心,如何获取并建立CA的状态转换规则是构建CA模型的关键。邻域作用是CA能够模拟复杂物理现象的核心驱动力,而在已有的用于城市增长模拟的CA城市模型中,因为邻域作用在模拟的过程中为时间动态的变量,其系数很难通过常用的Logistic回归方法识别,致使已有的CA城市模型的状态转换规则中,往往仅通过Logistic回归获取邻域作用之外的空间变量的模型参数,而邻域作用的参数通常采用主观赋值的方法。本文提出了CA城市模型的多指标评价(Multi-Criteria Evalua-tion,MCE)形式状态转换规则获取的一种新方法 MonoLoop,并针对北京市域1976～2006年的城市增长开展了该方法的实验。基于这种方法,一方面利用历史数据可以建立更为客观的状态转换规则;另一方面也可以大大降低模型参数识别的时间。     

元胞自动机（CA）模型在土地利用领域的研究综述

通过模型对区域土地利用/覆盖变化（LUCC）进行分析已经成为了当前全球的研究主要内容之一。元胞自动机（CA）模型是一种通过定义局部的简单的计算规则来模拟和表示整个系统中复杂现象的时空动态模型,其＂自下而上＂的研究思路,强大的复杂计算功能及高度动态,使得它在模拟空间复杂系统的时空动态演变方面具有很强的能力。CA模型通过与其他模型相结合,在综合考虑各种限制因素和转换规则的前提下,通过反复迭代综合空间分析与非空间分析,模拟土地利用变化情景,在国内外已经形成了较为成熟的研究模型。本文首先提出了CA模型在土地利用变化中应用的背景及其特点;然后,分析了CA模型的构成原理以及在国内外的应用进展与现状;最后,详细阐述了CA模型在土地利用变化中的发展趋势及今后研究工作中应注意的问题。     

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.     

逻辑回归元胞自动机模型的鸡西市城市扩张分析及预测

城市的快速扩张导致人地矛盾激化,土地利用效率下降.分析并预测城市发展状态,可以实现土地资源的合理配置,为城市发展提供合理规划.本文以鸡西市市辖区为例,利用Logistic-CA模型进行城市扩张模拟及趋势特征分析.结果表明:1)鸡西市在2005—2015年间城市处于低速扩张阶段,土地利用效率较低,城市发展较为分散;2)通...     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力.CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示.这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005～2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果.     

顾及人口流动交互的城镇景观动态模拟

针对现有城镇空间增长动态过程模型多基于层级中心地理论和空间集聚效应原理,以反映单体城镇的建设用地蔓延式空间扩张为主体,不能满足我国新型城镇化战略的现状,提出了人口与土地协同城镇化的多中心城镇网络化空间增长过程分析建模的需求,研究人口-土地协同城镇化的城镇多中心空间增长格局情景模拟技术,建立基于人口迁移网络分析的城镇空间发展模拟模型。并以鄂州市为例开展实例研究,结果表明,鄂州市城镇建设用地持续增长,特别是新型的人口集聚区内城镇建设用地增长显著,城镇空间结构多中心化发展趋势明显。通过与逻辑斯蒂元胞自动机模型(Logisitic CA)模拟结果对比分析表明,顾及人口迁移驱动的城镇扩张模拟方法克服了传统CA模型难以模拟和发现新的增长中心的不足,适合多中心城镇发展格局的预测模拟。     

城市扩张CA模型的参数敏感性分析

以广州市番禺区为研究区,构建了相应的城市扩张CA模型,从采样、邻域结构和微观元胞尺度等方面研究了CA模型的敏感性。首先通过改变模型采样比例、样本各个类别的比例等研究样本对模型参数的影响。然后分析不同的邻域结构与模型模拟精度的关系,并从微观尺度分析邻域元胞对中心元胞的影响。最后从空间尺度上分析CA模型在各种不同分辨率下的模拟结果,用景观指数剖析模拟结果的形态,同时在元胞摩尔邻域内分析其3×3邻域的城市发展密度变化情况。实验表明:(1)适当提高采样比例,会得到精度较高的权重,但训练样本中城市用地的比例应该与城市用地的转变量在全区的占比相匹配。(2)不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度均随着空间尺度的增加而降低。在同一空间尺度下,采用摩尔邻域的模拟结果略好。相比冯诺依曼4个邻域元胞,摩尔邻域中的角点对中心元胞具有更大的影响。(3)随着空间分辨的降低,模拟结果的斑块数、斑块密度、聚集度和分形维度值在减少,结构变得简单,而且在微观的摩尔邻域中城市发展密度正在减少,即由高密度向低密度转换。