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。     

地理元胞自动机模型的尺度敏感性及原因

地理元胞自动机模型的模拟精度会受到元胞尺度的影响。以杭州市土地利用变化模拟为例,分析了元胞尺度分别为50m×50m、100m×100m、150m×150m和200m×200m时地理元胞自动机模型的模拟精度,对地理元胞自动机模型的尺度敏感性进行了分析;并从元胞转换规则入手,研究了元胞自动机模型尺度敏感性产生的原因:(1)元胞尺度会对地理元胞自动机模型的模拟精度产生影响,元胞尺度越精细模拟精度越高;(2)元胞自动机模型的尺度敏感性与元胞尺度相关,在有些尺度区间上表现得明显,而在有些尺度区间上表现并不明显;(3)孤立元胞是元胞自动机模型尺度敏感性产生的主要原因。研究表明,随着元胞尺度的增大,元胞空间的孤立元胞增多,这些孤立元胞本身及其周围元胞具有较低的邻域函数值和较小的转换概率值,并影响了地理元胞自动机模型的模拟精度。     

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。     

基于元胞自动机的三江平原湿地景观时空演化模拟研究

通过湿地景观时空演化过程模拟,可以揭示景观演替的机制与规律,实现景观的可持续利用,为湿地保护与管理提供决策支持.该文以三江平原典型内陆淡水湿地为实验区,运用元胞自动机技术开展湿地景观变化过程模拟实验,模拟与预测的视觉效果均较好,点对点评价的总体精度达84%以上,验证了元胞自动机在湿地景观时空演化模拟中的可行性与有效性.     

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。     

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。     

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。     

城市元胞自动机扩展邻域效应的测量与校准研究

城市元胞模型由于在定量分析与预测城市动态的潜力而受到众多研究者的持续关注.邻域规则是主导城市元胞模型模拟过程的关键组件.研究表明,不同土地利用组合间存在显著的邻域效应,且邻域效应具有惯性、排斥和吸引等影响.然而,传统城市元胞模型主要考虑的是特定分辨率下较小窗口的邻域范围.本文尝试刻画更大窗口的邻域效应及其对元胞模型的影响.基于测量的扩展邻域因子,应用粒子群优化算法校准大窗口邻域规则,并创建了考虑扩展邻域效应的城市元胞模型.为验证模型有效性,将其应用于模拟厦门市1995-2010年期间的城市扩张动态.与3×3摩尔邻域的逻辑回归模型相比较,1995-2010年期间的建设用地模拟精度从80.7％提高到83.9％,总体精度从87.8％提高到89.6％,Kappa系数从70.0％提高到74.5％,表明考虑扩展邻域效应的城市模型取得了更好的模拟效果.     

元胞自动机的地理过程模拟机制及扩展

地理空间、地理梯度、地理流和空间关系是经典地理学进行地理过程分析常用的4个基本概念,元胞自动机(CA)作为复杂空间系统研究的重要工具。分析表明,其与经典地理过程分析理论具有类似地表达机制,因而能有效地进行地理过程模拟。但由于标准CA是一种更广泛抽象的空间模型,其对地理特征的描述存在一定局限,限制了其更真实地模拟地理过程的能力。论文提出了基于地理特征的CA概念模型,深圳特区土地利用演化的实证研究表明,地理特征CA概念模型具有极大的应用价值。     

京津冀城市群多情景空间演化模拟北大核心CSCDCSSCI

京津冀城市群是中国经济发展三大引擎之一,随着京津冀协同战略的深入推进,其空间拓展呈现出新趋势与新动力。首先,集成约束性元胞自动机、空间聚类、Logistic回归、时间迭代等算法,构建出以地理分区、宏观预测和微观分配为核心的多情景空间演化模型。然后,利用京津冀2000-2013年及规划预测的用地、交通、城镇、生态和社会经济等数据,进行模型参数识别与模拟效果验证,并从交通引导、城镇辐射、经济发展等定量揭示城市群地域空间演化的动力机制。最后,从城镇化发展速度、生态保护格局和规划政策引导三大角度进行多情景模拟,总体呈现城镇扩展速度减缓、京津用地疏解效应明显和交通引导趋势加强等特点,且主要沿京津、京保石、京唐秦和京张四条发展轴扩展。2014-2030年新增城镇建设用地共3851 km^2,年均增长量226.5 km^2,远低于2000-2013年的339.7 km^2;其中,京津两地新增用地占比由42%下降到26%,保定和廊坊则成为未来城镇扩展的主力军,四市总增量占比达56%。     

土地变化模型方法综述

土地系统变化长期以来不仅是地理学研究热点,也是资源环境经济学、生态学、城市规划等多学科领域关注的主题。构建模型模拟土地变化能够促进理解人地相互作用机制,模拟结果可为土地资源优化与资源环境政策制定提供依据。不同研究者基于不同学科理论、应用多种方法构建土地变化模型,模型从早期关注自然覆被类型变化发展到对人类决策行为的刻画,从统计方法发展到更突出空间分布的元胞自动机方法,以及更聚焦土地变化过程的经济学方法和多主体方法。未来土地变化模型发展方向为：在多尺度进行多方法耦合,对土地变化过程进行更为明晰地刻画,将土地变化模型与其他地球系统模型耦合等方面,进一步能够促进解释复杂人地系统,并推进模型在决策支持层面的应用。     

Calibrating cellular automata based on landscape metrics by using genetic algorithms

Landscape metrics have been widely used to characterize geographical patterns which are important for many geographical and ecological analyses. Cellular automata (CA) are attractive for simulating settlement development, landscape evolution, urban dynamics, and land-use changes. Although various methods have been developed to calibrate CA, landscape metrics have not been explicitly used to ensure the simulated pattern best fitted to the actual one. This article presents a pattern-calibrated method which is based on a number of landscape metrics for implementing CA by using genetic algorithms (GAs). A Pattern-calibrated GA–CA is proposed by incorporating percentage of landscape (PLAND), patch metric (LPI), and landscape division (D) into the fitness function of GA. The sensitivity analysis can allow the users to explore various combinations of weights and examine their effects. The comparison between Logistic- CA, Cell-calibrated GA–CA, and Pattern-calibrated GA–CA indicates that the last method can yield the best results for calibrating CA, according to both the training and validation data. For example, Logistic-CA has the average simulation error of 27.7%, but Pattern-calibrated GA–CA (the proposed method) can reduce this error to only 7.2% by using the training data set in 2003. The validation is further carried out by using new validation data in 2008 and additional landscape metrics (e.g., Landscape shape index, edge density, and aggregation index) which have not been incorporated for calibrating CA models. The comparison shows that this pattern-calibrated CA has better performance than the other two conventional models.     

城市土地利用演化CA模型的扩展研究

城市土地利用演化的实质是人为干预下城市生态景观的自组织机制作用过程。根据城市土地利用演化生命机制概念,构建基于地理特征的城市土地利用演化CA模型,并以深圳特区为试验区域进行实证研究。结果表明,基于城市生命机制和地理特征的城市土地利用演化CA模型,可以有效地进行城市土地利用演化的时空模拟与预测。     

元胞自动机和多主体模型在土地利用变化模拟中的应用

土地利用变化模拟研究是土地利用变化研究的重要分支。复杂系统理论的完善和系统模拟平台的发展使得复杂系统模拟方法在土地利用变化模拟研究中的优势越来越明显,元胞自动机模型和多主体模型正是基于复杂系统理论模拟研究的代表。本文简要回顾了土地利用变化模拟研究进展,探讨了土地利用变化的内在机理,着重分析了元胞自动机和多主体模型的内涵、研究热点、模拟平台和优缺点等,并对其今后在土地利用变化模拟研究的发展趋势进行了展望,以期为土地利用变化模拟研究提供参考。     

基于CA与AO的区域土地利用变化模拟研究——以三峡库区为例

运用元胞自动机(Cellular Automata)与AO(ArcObject) 相结合的方法, 在VB 环境下编程来 进行三峡库区地类变化模拟研究。以1995 年和2005 年的土地利用图为基础数据, 比较研究期各 地类的变化数量与方向以确定地类转换之间的优先级, 然后确定地类的转换概率。研究结果表明 此方法便于理解与操作, 同时模拟精度高; 预测结果说理性强, 其结果显示三峡库区城镇建设用 地增加, 耕地面积减少, 水域的面积在增加。其预测结果可以指导库区的土地利用规划, 为库区有 效土地管理提供参考。     

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。     

海南岛西部土地沙漠化时空模拟及虚拟政策实验

分析海南岛西部土地沙漠化演变过程及其动力机制,构建沙漠化元胞自动机模型,预测2010年海南岛西部土地沙漠化状态,进行两种典型的虚拟政策实验。结果表明:1)基于元胞自动机技术建立土地沙漠化防治政策虚拟实验室,可对多方案政策主导下的土地沙漠化时空过程进行有效仿真、预测和可视化表达;2)未来5~10 a若仍维持目前的土地开发模式和政策状态,海南岛西部土地沙漠化将有较明显的扩展倾向,必须实施有利于沙漠化逆转的政策措施。     

基于SSP-RCP不同情景的京津冀地区土地覆被变化模拟

如何实现自然与人文双重驱动下的特大城市群地区土地覆被变化的情景模拟,不仅是当前土地覆被变化研究领域的热点问题,也是城镇化可持续发展研究的核心主题之一。本文在对现有土地覆被变化情景模型缺陷进行分析和修正的基础上,构建了自然要素与人文要素耦合驱动的土地覆被情景曲面建模（SSMLC）方法。结合IPCC 2020年发布的共享社会经济路径（SSPs）与典型浓度路径（RCPs）组合的CMIP6 SSP1-2.6、SSP2-4.5和SSP5-8.5的气候情景数据,以及人口、GDP、交通、政策等人文参数,分别实现了SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的京津冀土地覆被变化的情景模拟。模拟结果表明：SSMLC对京津冀地区土地覆被变化模拟的总体精度为93.52%;京津冀地区的土地覆被在2020—2040时段内的变化强度最高（3.12%/10a）,2040年以后的变化强度将逐渐减缓;在2020—2100年间,建设用地增加速度最快,增加率为5.07%/10a。湿地的减少速度最快,减少率为3.10%/10a。2020—2100时段内的京津冀土地覆被在SSP5-8.5情景下的变化强度整体高于在SSP1-2.6和SSP2-4.5情景下的变化强度;GDP、人口、交通和政策等人文因子对京津冀地区耕地、建设用地、湿地和水体的影响强度高于对其他土地覆被类型的影响强度。研究结果证实了SSMLC模型能够有效模拟和定量刻画京津冀地区土地覆被空间分布格局在未来不同情景的时空变化趋势和强度,模拟结果可为京津冀协同一体化的国土空间优化配置与规划、以及生态环境建设提供辅助依据和数据支撑。     

基于局部化转换规则的元胞自动机土地利用模型

传统土地利用元胞自动机(Cellular automata,CA)模型基于空间同质性假设,使用全局性模型建立元胞转换规则,忽略了土地利用变化驱动因素的驱动作用在空间上的变化。以美国佛罗里达州的橙县(Orange County)2003-2009年土地利用变化为例,提出了基于局部化转化规则的CA土地利用模型,其中元胞的土地利用类型适宜性由地理加权多项logit模型(Geographically weighted multinomial logit,GWML)获得。结果表明:GWML模型较传统全局性多项logit(Multinomial logit,MNL)模型有更高的数据解释能力。基于GWML模型的土地利用CA模型能反映局部土地利用变化模式,因而较基于MNL模型的CA模型具有更高的模拟精度。所得结论对未来国内地区的研究有借鉴意义。