基于最大熵的CA模型及其城市扩张模拟
发布时间：2021-08-26 07:08
城市用地的扩张模拟是土地利用/土地覆盖变化（LUCC）研究的核心问题之一.文章耦合了最大熵模型（Maxent）与元胞自动机（CA）,并提出一种新的城市扩张模型（Maxent-CA）,模型简单并可以从单期遥感影像中获取转换规则.以2000年中国地区的遥感数据为基础数据,结合人口密度、到城市的距离等空间变量,构建了Maxent-CA模型并分析其训练样本、邻域空间结构和空间尺度等,实现对模型的参数校正与验证.研究发现,当训练样本的采样比例与城市用地的转变量在全区的占比相匹配而且采用冯诺依曼邻域结构时,模型将得出更好的模拟结果.随着空间分辨率的降低模拟结果的空间结构变得简单,但是模拟精度也会受到明显影响.与传统逻辑回归CA模型对比, Maxent-CA能够很好地避免产生城市中心团簇的现象,将有助于得出更接近于真实情况的模拟结果,也能很好地满足大区域的城市扩张模拟的需求.
【文章来源】：中国科学:地球科学. 2020,50(03)北大核心CSCD
【文章页数】：14 页
【部分图文】：
基于Maxent的CA模型
实验发现不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度几乎均随着邻域范围的增加而降低(表1)这表明离中心元胞越近的邻域对其影响越大,这与地理学第一定律是相符合的.在相同条件下,冯诺依曼邻域的模拟结果略好,在3×3、5×5、7×7、9×9、11×11和13×13邻域中,采用冯诺依曼邻域的模拟精度比采用摩尔邻域的模拟精度分别高0.08%、2.63%、2.34%、1.9%、1.37%和1.71%.为了探究微观尺度上邻域元胞对中心元胞的影响情况,统计了新增城市用地5×5摩尔邻域对中心元胞的贡献(图4).从3×3邻域的范围看,中心元胞的上(4.30%)、下(4.31%)、左(4.39%)和右(4.31%)四种元胞的贡献均高于4.3%,形成了第一层内圈,也是贡献最大的圈层.这四种元胞的贡献也是高于左上(4.27%)、左下(4.28%)、右上(4.25%)和右下(4.11%)的贡献.再从5×5邻域范围看,依然可以看出第二个圈层内的贡献是比圈层外的贡献大.从本实验中可知随着邻域的增加,外围的元胞对中心元胞的影响越来越弱.3.3 空间尺度分析
地理元胞自动机的空间尺度选择在模型应用中至关重要,它会直接影响到元胞自动机模型的运行效果(李丹等,2012).先对原始数据进行重采样,得到空间分辨率(元胞大小)分别为1km×1km、2km×2km、3km×3km、5km×5km、8km×8km、10km×10km的数据.在此基础上,运用Maxent-CA模型分别在6个不同的尺度上对研究区进行城市扩张模拟,模拟结果如图5所示.由图可知,随着空间分辨率的降低,模拟结果中城市用地的团簇现象越明显,这与实际有一定的偏差可以从模拟精度(表2)这一指标上看出,模拟精度是先下降后上升.其中,当空间尺度从1km增加到3km时,其模拟精度变化较大,分别从92.04%降至86.21%,再下降到83.85%.但是当空间尺度从5km增加到10km时,模拟精度有所提高,相比起3km的模拟精度,分别提高了0.27%、0.92%和2.65%.为了更好地描述模拟结果的空间形态特征和评价该地区的景观现状和城市用地利用格局,计算了斑块数、斑块密度和分形维度(表2).从表中可知,随着空间分辨率的降低,斑块数和斑块密度均逐渐下降.其中斑块数从64531下降到633,斑块密度从0.0068下降到0.0001.这表明分辨率从1km变化到10km过程中,较小的斑块合并到邻近的大斑块中,斑块个数减少,斑块面积增加.与非城市用地相比,城市用地的数量相对较少.在降尺度的过程中,往往会将零散的城市用地斑块归并到非城市用地斑块中,因此城市用地斑块个数会明显减少.分形维度是反映内部结构复杂性的一个指标.从表2中可以看出随着空间分辨率的降低,其分形维度值从1.0126减少到1.0067,表明低分辨率的结构变得简单.这主要是因为受到降尺度的影响,零散城市用地消失,城市用地变得更为聚集和简单.例如,在图5a中的1km模拟结果中,中国西北部新疆地区城市用地的分布是比较零散的,但是到8km(图5e)和10km(图5f)的模拟结果中,这些用地却消失了,这表明部分零散分布的城市用地已受到降尺度的影响已归并到非城市用地并消失.
【参考文献】：
期刊论文
[1]GlobeLand30遥感制图创新与大数据分析[J]. 陈军,陈晋. 中国科学:地球科学. 2018(10)
[2]中国城镇化的地区差异及其驱动因素[J]. 林文棋,吴梦荷,张悦,曾荣俊,郑筱津,邵磊,赵鹿芸,李少星,唐燕. 中国科学:地球科学. 2018(05)
[3]亚洲人造地表覆盖遥感精细化分类与分布特征分析[J]. 匡文慧,陈利军,刘纪远,XIANG WeiNing,迟文峰,LU DengSheng,杨天荣,潘涛,刘爱琳. 中国科学:地球科学. 2016(09)
[4]基于30m地表覆盖数据的城市扩张测度方法[J]. 于溪,张冰琦,李强,陈晋. 中国科学:地球科学. 2016(09)
[5]基于MAXENT模型的贺兰山岩羊生境适宜性评价[J]. 刘振生,高惠,滕丽微,苏云,王晓勤,孔芳毅. 生态学报. 2013(22)
[6]GPU-CA模型及大尺度土地利用变化模拟[J]. 李丹,黎夏,刘小平,陈逸敏,李少英,刘凯,乔纪纲,郑奕钟,张亦汉,劳春华. 科学通报. 2012(11)
[7]基于数据同化的元胞自动机[J]. 张亦汉,黎夏,刘小平,乔纪纲. 遥感学报. 2011(03)
[8]过去300年中国土地利用、土地覆被变化与碳循环研究[J]. 葛全胜,戴君虎,何凡能,潘嫄,王梦麦. 中国科学（D辑:地球科学）. 2008(02)
[9]土地利用分类对景观格局指数的影响[J]. 彭建,王仰麟,张源,叶敏婷,吴健生. 地理学报. 2006(02)
[10]基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J]. 何春阳,史培军,陈晋,潘耀忠,李晓兵,李京,李月臣,李景刚. 中国科学（D辑:地球科学）. 2005(05)
本文编号：3363790
【文章来源】：中国科学:地球科学. 2020,50(03)北大核心CSCD
【文章页数】：14 页
【部分图文】：
基于Maxent的CA模型
实验发现不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度几乎均随着邻域范围的增加而降低(表1)这表明离中心元胞越近的邻域对其影响越大,这与地理学第一定律是相符合的.在相同条件下,冯诺依曼邻域的模拟结果略好,在3×3、5×5、7×7、9×9、11×11和13×13邻域中,采用冯诺依曼邻域的模拟精度比采用摩尔邻域的模拟精度分别高0.08%、2.63%、2.34%、1.9%、1.37%和1.71%.为了探究微观尺度上邻域元胞对中心元胞的影响情况,统计了新增城市用地5×5摩尔邻域对中心元胞的贡献(图4).从3×3邻域的范围看,中心元胞的上(4.30%)、下(4.31%)、左(4.39%)和右(4.31%)四种元胞的贡献均高于4.3%,形成了第一层内圈,也是贡献最大的圈层.这四种元胞的贡献也是高于左上(4.27%)、左下(4.28%)、右上(4.25%)和右下(4.11%)的贡献.再从5×5邻域范围看,依然可以看出第二个圈层内的贡献是比圈层外的贡献大.从本实验中可知随着邻域的增加,外围的元胞对中心元胞的影响越来越弱.3.3 空间尺度分析
地理元胞自动机的空间尺度选择在模型应用中至关重要,它会直接影响到元胞自动机模型的运行效果(李丹等,2012).先对原始数据进行重采样,得到空间分辨率(元胞大小)分别为1km×1km、2km×2km、3km×3km、5km×5km、8km×8km、10km×10km的数据.在此基础上,运用Maxent-CA模型分别在6个不同的尺度上对研究区进行城市扩张模拟,模拟结果如图5所示.由图可知,随着空间分辨率的降低,模拟结果中城市用地的团簇现象越明显,这与实际有一定的偏差可以从模拟精度(表2)这一指标上看出,模拟精度是先下降后上升.其中,当空间尺度从1km增加到3km时,其模拟精度变化较大,分别从92.04%降至86.21%,再下降到83.85%.但是当空间尺度从5km增加到10km时,模拟精度有所提高,相比起3km的模拟精度,分别提高了0.27%、0.92%和2.65%.为了更好地描述模拟结果的空间形态特征和评价该地区的景观现状和城市用地利用格局,计算了斑块数、斑块密度和分形维度(表2).从表中可知,随着空间分辨率的降低,斑块数和斑块密度均逐渐下降.其中斑块数从64531下降到633,斑块密度从0.0068下降到0.0001.这表明分辨率从1km变化到10km过程中,较小的斑块合并到邻近的大斑块中,斑块个数减少,斑块面积增加.与非城市用地相比,城市用地的数量相对较少.在降尺度的过程中,往往会将零散的城市用地斑块归并到非城市用地斑块中,因此城市用地斑块个数会明显减少.分形维度是反映内部结构复杂性的一个指标.从表2中可以看出随着空间分辨率的降低,其分形维度值从1.0126减少到1.0067,表明低分辨率的结构变得简单.这主要是因为受到降尺度的影响,零散城市用地消失,城市用地变得更为聚集和简单.例如,在图5a中的1km模拟结果中,中国西北部新疆地区城市用地的分布是比较零散的,但是到8km(图5e)和10km(图5f)的模拟结果中,这些用地却消失了,这表明部分零散分布的城市用地已受到降尺度的影响已归并到非城市用地并消失.
【参考文献】：
期刊论文
[1]GlobeLand30遥感制图创新与大数据分析[J]. 陈军,陈晋. 中国科学:地球科学. 2018(10)
[2]中国城镇化的地区差异及其驱动因素[J]. 林文棋,吴梦荷,张悦,曾荣俊,郑筱津,邵磊,赵鹿芸,李少星,唐燕. 中国科学:地球科学. 2018(05)
[3]亚洲人造地表覆盖遥感精细化分类与分布特征分析[J]. 匡文慧,陈利军,刘纪远,XIANG WeiNing,迟文峰,LU DengSheng,杨天荣,潘涛,刘爱琳. 中国科学:地球科学. 2016(09)
[4]基于30m地表覆盖数据的城市扩张测度方法[J]. 于溪,张冰琦,李强,陈晋. 中国科学:地球科学. 2016(09)
[5]基于MAXENT模型的贺兰山岩羊生境适宜性评价[J]. 刘振生,高惠,滕丽微,苏云,王晓勤,孔芳毅. 生态学报. 2013(22)
[6]GPU-CA模型及大尺度土地利用变化模拟[J]. 李丹,黎夏,刘小平,陈逸敏,李少英,刘凯,乔纪纲,郑奕钟,张亦汉,劳春华. 科学通报. 2012(11)
[7]基于数据同化的元胞自动机[J]. 张亦汉,黎夏,刘小平,乔纪纲. 遥感学报. 2011(03)
[8]过去300年中国土地利用、土地覆被变化与碳循环研究[J]. 葛全胜,戴君虎,何凡能,潘嫄,王梦麦. 中国科学（D辑:地球科学）. 2008(02)
[9]土地利用分类对景观格局指数的影响[J]. 彭建,王仰麟,张源,叶敏婷,吴健生. 地理学报. 2006(02)
[10]基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J]. 何春阳,史培军,陈晋,潘耀忠,李晓兵,李京,李月臣,李景刚. 中国科学（D辑:地球科学）. 2005(05)
本文编号：3363790
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3363790.html
