基于神经网络的元胞自动机与土地利用演化模拟——以广州市白云区为例

城市发展过程中存在多种土地利用类型的相互转换,掌握其演化规律有助于制定出合理的土地利用规划。传统元胞自动机(CA)在模拟城市扩张过程时,多种土地利用类型间的转换十分复杂,往往难以获得转换规则。本文利用神经网络构建了多类型演化的CA模型;从城市演化的历史数据中进行学习,挖掘出控制土地利用方式转变的空间要素权重,利用广州市白云区2005—2007年间的土地利用历史演化数据训练神经网络后,对2009年研究区的土地利用结构进行了模拟。对比同期的真实土地利用格局,模拟结果的平均精度达到77.65%。     

地理特征元胞自动机及城市土地利用演化研究

将综合了几何和非几何属性的地理特征概念引入元胞自动机，构建了地理特征元胞自动机概念模型。通过对深圳特区土地利用演化的实证研究表明，地理特征CA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，理论上是可行的；基于地理特征的城市土地利用演化CA在城市规划中具有很大的应用价值。     

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。     

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SLEUTH模型的长江口北岸土地利用演化模拟研究

采用经典的元胞自动机城市扩展与土地利用演化SLEUTH模型,改进元胞自动机控制系数的筛选方法,结合驱动力的研究调整模型控制系数,根据长江口北岸流域实际情况设置模型校准参数,提高模型在长江口北岸流域应用的实用性。研究表明SLEUTH模型方法可以获得精度较高的土地利用变化模拟结果。     

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。     

基于约束条件的元胞自动机土地利用规划布局模型

分析了我国当前土地利用规划布局的不足，对标准的元胞自动机模型的元胞涵义、规则定义等进行了扩展，探讨了元胞自动机模型在政策及相关规划约束、邻域耦合、适宜性约束、继承性约束及土地利用规划指标约束下的土地利用规划布局的元胞自动机模型。以广西东兴市为例进行了模型的仿真运行和结果分析。     

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。     

城市用地模拟与可持续发展研究

预测及模拟城市朋地的动态变化,可以为城市空间整合及可持续发展等相关政策的制定提供科学依据.利用基于BP神经网络的元胞自动机模型,对2005-2010年间萝岗区城市用地的扩展进行空间模拟,并预测未来5年的萝岗区城市扩张的空间分布,评价其合理性,为规划制定合理的土地政策和城市总体规划提供科学的决策依据.     

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。