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。     

球面元胞自动机框架的比较与选择

在球面构建基本的元胞自动机框架是球面元胞自动机研究的基础.该文从球面空间特性出发,分析比较了四边形、三角形和六边形网格的不同几何特性和元胞运动机制,提出了基于六边形网格的元胞自动机框架模型,描述了其基本定义、运动机制和坐标系统,并构建了球面六边形元胞自动机原型系统进行模拟实验,结果表明,该元胞自动机框架能有效支持球面元胞自动机的深入研究.     

基于元胞自动机的城市用地变化研究

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；元胞自动机（CA）所独有的特征和构模方式使其在模拟复杂性系统如城市系统等方面表现出强大的模拟能力。利用ASTER影像数据，在CA模型下对福州市2010年和2020年的城市用地进行了模拟。从而为城市规划提供决策支持服务，对真正合理地利用城市土地，实现城市可持续发展具有重要意义。     

基于GIS的地理元胞自动机模拟框架及其应用

提出了一种基于GIS的地理元胞自动机模型框架:SimUrban,用于城市发展和演化的模拟与预测。该框架基于面向对象技术,在GIS环境下利用VS.NET开发而成,可以集成遥感和GIS数据以及新的转换规则和地理CA模型,从而模拟城市演化并进行精度评定。以上海市嘉定区为例,在SimUrban环境下利用基于主成分分析(PCA)的地理CA模型模拟了该区域1989-2006年城市发展和演化过程。     

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.     

基于区块特征的元胞自动机土地利用演化模型研究

针对传统元胞自动机模型中栅格式规则空间模拟复杂地理元素精度不高的问题,提出一种基于土地区块特征的非规则空间元胞自动机模型,以地理单元实质不规则实体形状作为元胞空间单元,进行土地利用变化的仿真模拟,运用MapInfo建立非规则空间元胞自动机模型的应用软件.对头灶镇土地利用演化的实证研究表明,非规则空间元胞自动机模型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,可为城市规划提供决策支持.     

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。     

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。     

元胞邻域对空间直观模拟结果的影响

作为一种空间直观模拟模型,地理元胞自动机(Geo-CA)能够模拟及预测城市扩展与土地利用情景.地理CA模拟中,元胞邻域及其空间构型会对转换规则的挖掘与空间直观模拟结果的可靠性产生显著影响,从模拟进度和精度、景观格局及运行效率等角度可以定量分析这种影响.以logistic回归CA模型为例,基于Von:Neumann型和M...     

元胞自动机在城市模拟中的误差传递与不确定性的特征分析

元胞自动机(Cellular Automata,简称CA)已越来越多地用于地理现象的模拟中,如城市系统的演化等。城市模拟经常要使用GIS数据库中的空间信息,数据源中的误差将会通过CA模拟过程发生传递。此外,CA 模型只是对现实世界的近似模拟,这就使得其本身也具有不确定性。这些不确定因素将对城市模拟的结果产生较大的影响,有必要探讨CA在模拟过程中的误差传递与不确定性问题。本文采用蒙特卡罗方法模拟了CA误差的传递特征,并从转换规则、邻域结构、模拟时间以及随机变量等几个方面分析了CA不确定性产生的根源。发现与传统的GIS模型相比,城市CA模型中的误差和不确定性的很多性质是非常独特的。例如,在模拟过程中由于邻域函数平均化的影响,数据源误差将减小;随着可用的土地越来越少,该限制也使城市模拟的误差随时间而减小;模拟结果的不确定性主要体现在城市的边缘。这些分析结果有助于城市建模和规划者更好地理解CA建模的特点。     

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。     

约束性单元自动演化CA模型及可持续城市发展形态的模拟

单元自动演化ＣＡ可以大大增强ＧＩＳ的空间模型能力,在国外被越来越多地应用于城市发展演化过程的模拟。本文探讨了如何通过ＣＡ与ＧＩＳ的结合来进行可持续土地发展规划的新方法。提出了基于约束性的ＣＡ模型,具体分析了局部、区域以及全局约束性对ＣＡ模型结果的影响。并将灰度的概念引起ＣＡ模型中来反映状态连续的变化,克服常规ＣＡ模型的缺陷。将该模型应用于球江三角洲地区来获得合理的城市发展空间布局,取得了较好的效果     

基于元胞自动机的城市发展密度模拟

元胞自动机CA越来越多地被用于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了模拟,为城市规划提供了辅助依据。     

基于约束性CA方法的北京城市形态情景分析

约束性元胞自动机(Constrained cellular automata,Constrained CA) 在模拟城市增长方面已有诸多实践,已有文献常利用各种反映土地利用需要、区位影响、管理制度等的政策参数,设定不同的城市空间发展情景以反映未来的城市形态。在基于约束性CA进行城市形态情景分析时,以各种政策参数作为情景条件的研究实例较多。而在中国的城市规划实践中,城市规划用于建设管理的审批,对应明确的城市形态,因而如何利用城市形态作为情景条件分析所需政策,也有实践意义,可以解决一些广为关注的重要问题,例如已有的发展政策是否与期望的城市形态相匹配,不同规划方案所需采取的政策有什么区别等。本文提出了以城市形态作为情景条件(即形态情景分析) 的新方法,该方法基于约束性CA,改变了传统的约束性CA情景条件的设置方法,以期望的未来城市形态为目标,识别相应需要的发展政策。并将北京市域的4 个规划城市形态作为情景条件进行了实证分析,对多个规划方案实施的可能性和政策参数进行对比分析,证明该方法具有较好的适用性和可行性,是将约束性CA的应用扩展到城市规划领域的又一尝试。     

基于神经网络的单元自动机CA及真实和忧化的城市模拟

提出了一种基于神经网络的单元自动机（ＣＡ）。ＣＡ已被越来越多地应用在城市及其它地理现象的模拟中。ＣＡ模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。     

基于智能体和人工神经网络的元胞自动机建模及城市扩展模拟

城市扩展模拟可为城市可持续发展与国土空间规划提供参考。智能体模型(ABM)与元胞自动机(CA)结合可兼顾城市空间增长的自组织性和不同决策主体的决策过程,人工神经网络(ANN)可描述智能体与城市扩展之间复杂的非线性关系。该文基于ANN-ABM-CA耦合模型,在构建CA转换规则时基于ABM刻画人类决策行为的影响,并采用ANN挖掘不同类型的智能体在城市扩展过程中的偏好差异,同时考虑宏观和微观层面的智能体决策行为,结合城市扩展的10个驱动因素,模拟武汉市主城区2005-2015年的扩展情况,结果表明:1)相比传统的ANN-CA模型,ANN-ABM-CA模型模拟性能更优,从宏观与微观相结合的角度更好地解释了城市扩展的驱动机制,OA值为97.46%,Kappa系数为0.9176,FoM值为0.4375,结果可靠且合理;2)不同收入层级的居民智能体对城市扩展的决策偏好不同;3)武汉主城区城市扩展模式主要为边缘型扩展,洪山区西南部有少部分填充型扩展、东南部出现飞地型扩展,与实际扩展情况相符。