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。     

利用约束性CA制定城市增长边界

作为控制城市蔓延的重要工具之一,城市增长边界(UGBs)已经在国际学术界得到了广泛的关注和研究。从控制机制来看,由于规划城镇建设用地边界具有控制城市增长的法律地位,与西方国家的UGBs较为相似,因而可以被视为中国特有的一种UGBs。该边界的制定在我国经过了长期的实践,然而以往的方法往往缺乏充分的科学依据。因此,本文提出一种基于约束性元胞自动机来制定城市增长边界的方法,该方法考虑了城市发展的综合因素,能够较为客观、全面地反映城市增长的时空动态变化过程,并能体现众多城市发展政策的影响效果。利用约束性元胞自动机模型,以北京市域为研究区域,制定了中心城、新城和乡镇三个层次的UGBs。实证分析表明,利用该方法与传统方法所制定的UGBs存在一定的差异,因此在拟定新的UGBs或改进现有的UGBs过程中,应当充分考虑这一情况,参考该方法的模拟结果建立更为科学合理的UGBs。     

海湾型半城市化地区空间形态演化模拟

元胞自动机（CA）是模拟城市土地利用演变过程的有效工具,转换规则和元胞邻域是元胞模型的核心。综合考虑元胞邻域的距离衰减效应,基于模拟退火算法（SA）挖掘最优的转换规则,文章构建了一种考虑邻域衰减的城市演化模型（SA-NDCA）。模型以负幂指数函数作为元胞邻域的衰减曲线表示元胞邻域的距离衰减效应;运用模拟退火优化算法计算城市CA模型模拟结果与样本点的累积差异,在目标解空间快速搜索以提取最优的转换规则;最后以厦门市半城市化地区为研究案例,模拟了研究区域1995―2010年期间的城市空间形态演化,通过混淆矩阵和Kappa系数评价了模型的模拟精度,1995―2010年期间的建设用地模拟精度为68.5%,总体精度达到86.2%,Kappa系数达到66.3,取得了较好的模拟效果。利用提出的SA-NDCA模型,成功模拟了研究区2010―2020年期间的城市空间形态演化,结果显示,所预测的演化情景与中国当前实施的新型城镇化战略十分契合。     

基于随机森林的元胞自动机城市扩展模拟——以佛山市为例

本文提出一种基于随机森林的元胞自动机城市扩展(RF-CA)模型。通过在多个决策树的生成过程中分别对训练样本集和分裂节点的候选空间变量引入随机因素,提取城市扩展元胞自动机的转换规则。该模型便于并行构建,能在运算量没有显著增加的前提下提高预测的精度,对城市扩展中存在的随机因素有较强的容忍度。RF-CA模型可进行袋外误差估计,以快速获取模型参数;也可度量空间变量重要性,解释各空间变量在城市扩展中的作用。将该模型应用于佛山市1988-2012年的城市扩展模拟中,结果表明,与常用的逻辑回归模型相比,RF-CA模型进行模拟和预测分别能够提高1.7%和2.6%的精度,非常适用于复杂非线性特征的城市系统演变模型与扩展研究;通过对影响佛山市城市扩展的空间变量进行重要性度量,发现对佛山城市扩张模拟研究而言,距国道的距离与距城市中心的距离具有最重要的作用。     

基于元胞自动机的城市三维空间增长仿真模拟

目前,二维的方法不能正确描述现代城市立体空间的发展变化,因此,城市三维空间增长的研究对现代城市的发展具有重要意义。本文基于自组织理论及城市发展的自组织性,改进了Bengguigui等的城市空间模拟三维元胞自动机(3DCA)模型,在模型中添加了中心距离及交通距离评价因子,建立了城市三维空间增长的中心距离模型和交通距离模型。重点介绍了模型中评价因子的计算方法及其隐含的经济学含义、评价函数的构成和元胞空间状态的转换规则。最后使用NetLogo 3D建模工具,进行城市三维空间增长仿真模拟实验,结果表明:添加中心距离与交通距离因子后,城市三维空间增长模型更符合现实中城市三维空间扩展过程;进一步证明了城市发展的自组织性,以及他组织力量对城市向高级别发展的促进作用。     

一种考虑空间增长潜力的城市扩张灰度CA模型与应用

元胞自动机（Cellular Automata,CA）是进行城市空间演变模拟的重要建模工具。经典城市扩张CA模拟规则提取,主要利用一段历史变化样本对城市化（1值）和未城市化（0值）进行双向拟合,存在0值过度拟合现象,即历史观测不变化的元胞样本并不代表其没有转变的潜在可能性。为此,本文将城市空间增长潜力引入CA模型,重新构建CA规则学习样本和参数拟合目标,并利用粒子群优化算法进行参数挖掘,弥补传统CA规则提取的局限性。研究以广州市为案例区,基于主体功能区规划思想构建空间开发潜力,对改进的城市扩张CA模拟模型进行实例应用。结果表明,本文改进的CA模型不论在整体格局还是细节呈现上,均比传统CA模型表现出更高的可信度,模型整体评估精度高于70%,结果可为中长期城市规划提供更好的参考。     

基于粗集的知识发现与地理模拟——以深圳市土地利用变化为例

为了更有效地模拟地理现象的复杂演变过程,提出了用粗集理论来确定元胞自动机 (CA)不确定性转换规则的新方法。CA可以通过局部规则来有效地模拟许多地理现象的演变过程。但目前缺乏很好定义CA转换规则的方法。往往采用启发式的方法来定义CA的转换规则,这些转换规则是静态的,而且其参数值多是确定的。在反映诸如城市扩张、疾病扩散等不确定性复杂现象时,具有一定的局限性。利用粗集从GIS和遥感数据中发现知识,自动寻找CA的不确定性转换规则,基于粗集的CA在缩短建模时间的同时,能提取非确定性的转换规则,更好地反映复杂系统的特点。采用所提出的方法模拟了深圳市的城市发展过程,取得了比传统MCE方法更好的模拟效果。     

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。     

Monitoring Growth in Rapidly Urbanizing Areas Using Remotely Sensed Data

Urbanization and the ability to manage for a sustainable future present numerous challenges for geographers and planners in metropolitan regions. Remotely sensed data are inherently suited to provide information on urban land cover characteristics, and their change over time, at various spatial and temporal scales. Data models for establishing the range of urban land cover types and their biophysical composition (vegetation, soil, and impervious surfaces) are integrated to provide a hierarchical approach to classifying land cover within urban environments. These data also provide an essential component for current simulation models of urban growth patterns, as both calibration and validation data. The first stages of the approach have been applied to examine urban growth between 1988 and 1995 for a rapidly developing area in southeast Queensland, Australia. Landsat Thematic Mapper image data provided accurate (83% adjusted overall accuracy) classification of broad land cover types and their change over time. The combination of commonly available remotely sensed data, image processing methods, and emerging urban growth models highlights an important application for current and next generation moderate spatial resolution image data in studies of urban environments.     

Integration of principal components analysis and cellular automata for spatial decisionmaking and urban simulation

This paper discusses the issues about the correlation of spatial variables during spatial decisionmaking using multicriteria evaluation (MCE) and cellular automata (CA). The correlation of spatial variables can cause the malfunction of MCE. In urban simulation, spatial factors often exhibit a high degree of correlation which is considered as an undesirable property for MCE. This study uses principal components analysis (PCA) to remove data redundancy among a large set of spatial variables and determine ‘ideal points’ for land development. PCA is integrated with cellular automata and geographical information systems (GIS) for the simulation of idealized urban forms for planning purposes.