顾及地类转换差异的城市空间扩展元胞自动机模型及应用研究

doi:10.12082/dqxxkx.2018.170132

地球信息科学学报 ›› 2018, Vol. 20 ›› Issue (1): 48-56.doi: 10.12082/dqxxkx.2018.170132

• 地球信息科学理论与方法 • 上一篇下一篇

顾及地类转换差异的城市空间扩展元胞自动机模型及应用研究

于明明(), 曾永年^*()

1.中南大学地球科学与信息物理学院, 长沙 410083
2.中南大学空间信息技术与可持续发展研究中心, 长沙 410083

收稿日期:2017-04-30 修回日期:2017-08-25 出版日期:2018-01-20 发布日期:2018-01-20
通讯作者: 曾永年 E-mail:mmyunited@mail.csu.edu.cn;ynzeng@mail.csu.edu.cn
作者简介:
作者简介：于明明（1990-）,男,河北石家庄人,硕士生,研究方向为城市扩张模拟。E-mail: mmyunited@mail.csu.edu.cn
基金资助:
国家自然科学基金项目（41171326、40771198）

Cellular Automata Model of Urban Spatial Expansion Considering the Differences of Land Types Transition and its Application Research

YU Mingming, ZENG Yongnian^*()

1. School of Geoscience and Info-physics, Central South University, Changsha 410083, China
2. Center for Geomatics and Sustainable Development Research, Central South University, Changsha 410083, China

Received:2017-04-30 Revised:2017-08-25 Online:2018-01-20 Published:2018-01-20
Contact: ZENG Yongnian E-mail:mmyunited@mail.csu.edu.cn;ynzeng@mail.csu.edu.cn
Supported by:
National Natural Science Foundation of China, No.41171326, 40771198.

摘要/Abstract

摘要：

元胞自动机模型已经成为城市空间扩展模拟研究的重要方法之一,并得到广泛应用。然而,现有的城市扩展元胞自动机模型仍存在不足。由于元胞状态设置较为简单,从而使模型转换规则中对不同用地类型向城市用地转换的差异与强度考虑不够。基于此本文在元胞自动机模型的框架下,设计了多元结构的元胞状态及转换规则,提出了顾及地类转换差异与强度的城市扩展元胞自动机模型。在计算非城市用地向城市用地转换的转换概率时,该模型考虑了3个方面的概率：① 地形地貌、经济发展等城市发展的驱动因素对城市用地扩展的影响概率,该概率采用logistics方法进行计算;② 邻域元胞的用地类型对中心元胞转换概率的影响,该概率采用扩展摩尔型方法进行计算;③ 不同类型的非城市用地（本研究中包括耕地、林地和裸地3种类型）向城市用地转换的强度,该概率由模拟基期土地利用数据与目标年份土地利用数据的叠加,得出不同类型的非城市用地在此时间段内向城市用地转换的规模,进而确定不同类型的非城市用地向城市用地转换的强度。最后,将以上3种概率的乘积作为元胞转换的概率。通过转换概率与转换阈值的对比判断中心元胞是否在下一个阶段转换为城市用地。经过迭代计算,不断增加城市用地元胞的数量。当模拟城市用地的结果与目标年份的城市用地规模差值在一定的范围内时停止模拟,得出最终结果。模型构建完成后,本文以长株潭城市群核心区为例进行了模拟实验。以2001年该地区的土地利用数据为基期数据,模拟2010年该地区的城市用地规模和空间分布。研究结果表明,根据本文提出的模型模拟的城市扩展结果与真实数据相比具有较高的一致性。模拟结果正确率达到68.66%,比基于传统logistics回归的元胞自动机模型的模拟精度提高了4.25%,Kappa系数为0.675。该模型较好地模拟了长株潭城市群核心区城市扩展,在城市空间扩展模拟中具有较好的适应性与有效性。

关键词: 城市空间扩展, 元胞自动机, 模拟, 土地利用转换强度

Abstract:

The cellular automata model has become one of the important methods of urban spatial expansion simulation. However, the existing cellular automata model of urban expansion still has some shortcomings. The cell state setting is relatively simple. Differences and strength of land types conversion are not enough in the conversion rules. In this paper, the cellular state and conversion rules of multivariate structures are designed under the framework of cellular automata model, and the urban extended cellular automata model considering the difference and intensity of land conversion is proposed. In the calculation of the conversion probability of non-urban land to urban land, this model takes into account the probability of three aspects: (1) For the impact probability of topography, economic development and other factors of urban development on urban land expansion, we used the logistics approach to calculate this probability. (2) The impacts of land types of neighborhood cells on the convergence rates of central cells. We use the extended molar method to calculate this part of probability. (3) The conversion intensity of different types of non-urban land (i.e. cultivated land, woodland and bare land) into urban land. The calculation of this part is to get the conversion scale of different types of non-urban land into urban land during the period of the base year and the target year by simulation of the superposition of the land use data in this period. Then, we further determine the conversion intensity of the different types of non-urban land into urban land. Finally, the product of the above three probabilities is used as the probability of cell transformation. We used the conversion probability and the conversion threshold to determine whether the central unit would be converted into urban land in the next stage. The number of urban land cells would be increased after the iteration calculation. When the difference between the results of simulated urban land and the size of urban land of the target year was in a certain range, we stopped the simulation and get the final results. The results show that the proposed model can capture urban expansion in the study area with sgood adaptability. The accuracy of the simulation results is 68.66%, which is 4.25% higher than that of the cellular automata model based on the traditional logistics regression. The Kappa coefficient is 0.675.

Key words: urban spatial expansion, cellular automata, simulation, land use conversion intensity

于明明, 曾永年. 顾及地类转换差异的城市空间扩展元胞自动机模型及应用研究[J]. 地球信息科学学报, 2018, 20(1): 48-56.DOI:10.12082/dqxxkx.2018.170132

YU Mingming,ZENG Yongnian. Cellular Automata Model of Urban Spatial Expansion Considering the Differences of Land Types Transition and its Application Research[J]. Journal of Geo-information Science, 2018, 20(1): 48-56.DOI:10.12082/dqxxkx.2018.170132

图/表 11

图1

图2

表1

图3

图4

表2

图5

图6

图7

表3

图8

参考文献 26

[5]	[ Pei F S, Li X, Liu X P et al. Dynamic simulation of urban expansion and their effects on net primary productivity: A scenario analysis of Guangdong Province in China[J]. Journal of Geo-information Science, 2015,17(4):469-477. ] doi: 10.3724/SP.J.1047.2015.00469
[6]	陆大道. 中国区域发展的新因素与新格局[J].地理研究,2003,22(3):261-271. doi: 10.3321/j.issn:1000-0585.2003.03.001
	[ Lu D D.New factors and new patterns of regional development in China[J]. Geographical Research, 2003,22(3):261-271. ] doi: 10.3321/j.issn:1000-0585.2003.03.001
[7]	杨晓辉,丁金华.利益博弈视角下的城市土地再开发与规划调控策略[J].规划师,2013,29(7):85-89,100. doi: 10.3969/j.issn.1006-0022.2013.07.015
	[ Yang X H, Ding J H.Land re-development and planning control strategies based on benefit gaming[J]. Planners, 2013,29(7):85-89,100. ] doi: 10.3969/j.issn.1006-0022.2013.07.015
[8]	张侠,王嘉陵,彭补拙.城市边缘区土地利用动态规划管理系统[J].长江流域资源与环境,2002,11(4):332-337. doi: 10.3969/j.issn.1004-8227.2002.04.010
	[ Zhang X, Wang J L, Peng B Z.Research on the system of land-use dynamic planning and management in urban fringe[J]. Resources and Environment in the Yangtze Basin, 2002,11(4):332-337. ] doi: 10.3969/j.issn.1004-8227.2002.04.010
[9]	Carlson T.Applications of remote sensing to urban problems[J]. Remote Sensing of Environment, 2003,86(3):273-274. doi: 10.1016/S0034-4257(03)00073-7
[10]	黎夏,刘凯.GIS与空间分析:原理与方法[M].北京:科学出版社,2006:319-330.
	[ Li X, Liu K.GIS and spatial analysis: Principles and methods[M]. Beijing: Science Press, 2006:319-330. ]
[11]	杨俊,解鹏,席建超,等.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[J].地理学报,2015,70(3):461-475. doi: 10.11821/dlxb201503009
	[ Yang J,Xie P,Xi J C, et al.LUCC simulation based on the cellular automata simulation: A case study of Dalian economic and technological development zone[J]. Acta Geographica Sinica, 2015,70(3):461-475. ] doi: 10.11821/dlxb201503009
[1]	姚士谋,陆大道,王聪,等.中国城镇化需要综合性的科学思维——探索适应中国国情的城镇化方式[J]. 地理研究,2011,30(11):1947-1955.
	[ Yao S M, Lu D D, Wang C, et al.Urbanization in China needs comprehensive scientific thinking exploration of the urbanization mode adapted to the special situation of China[J]. Geographical Research, 2011,30(11):1947-1955. ]
[2]	王雷,李丛丛,应清, 等.中国1990-2010年城市扩张卫星遥感制图[J].科学通报,2012,57(1):1388-1403.
	[ Wang L, Li C, Ying Q, et al.Chinese urban expansion from 1990 to 2010 determined using satellite remote sensing[J]. Chinese Science Bulletin, 2012,57(16):1388-1403. ]
[12]	Rienow A, Goetzke R.Supporting SLEUTH-Enhancing a cellular automaton with support vector machines for urban growth modeling[J]. Computers, Environment and Urban Systems, 2015,49(1):66-81. doi: 10.1016/j.compenvurbsys.2014.05.001
[13]	刘小平,黎夏.从高维特征空间中获取元胞自动机的非线性转换规则[J].地理学报,2006,61(6):663-672. doi: 10.3321/j.issn:0375-5444.2006.06.011
[3]	陆大道,姚士谋,李国平,等.基于中国国情的城镇化过程综合分析[J].经济地理,2007,27(6):883-887. doi: 10.3969/j.issn.1000-8462.2007.06.002
	[ Lu D D, Yao S M, Li G P, et al.Comprehensive analysis of the urbanization process based on Chinese conditions[J]. Economic Geography, 2007,27(6):883-887. ] doi: 10.3969/j.issn.1000-8462.2007.06.002
[13]	[ Liu X P, Li X.Retrieving CA nonlinear transition rule from high- dimensional feature space[J]. Acta Geographica Sinica, 2006,61(6):663-672. ] doi: 10.3321/j.issn:0375-5444.2006.06.011
[14]	De Almeida C M, Batty M, Monteiro A M V, et al. Stochastic cellular automata modeling of urban land use dynamics: Empirical development and estimation[J]. Computers, Environment and Urban Systems, 2003,27(5):481-509. doi: 10.1016/S0198-9715(02)00042-X
[4]	陆大道,陈明星.关于“国家新型城镇化规划(2014-2020)”编制大背景的几点认识[J].地理学报,2015,70(2):179-185.
	[ Lu D D, Chen M X .Several viewpoints on the background of compiling the "National New Urbanization Planning (2014-2020)"[J]. Acta Geographica Sinica, 2015,70(2):179-185. ]
[15]	Arsanjani J J, Helbich M, Kainz W, et al.Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion[J]. International Journal of Applied Earth Observation and Geoinformation, 2013,21(4):265-275. doi: 10.1016/j.jag.2011.12.014
[16]	Deep S, Saklani A.Urban sprawl modeling using cellular automata[J]. The Egyptian Journal of Remote Sensing and Space Science, 2014,17(2):179-187. doi: 10.1016/j.ejrs.2014.07.001
[17]	Barreira-González P, Gómez-Delgado M, Aguilera-Benavente F.From raster to vector cellular automata models: A new approach to simulate urban growth with the help of graph theory[J]. Computers, Environment and Urban Systems, 2015,54(11):119-131. doi: 10.1016/j.compenvurbsys.2015.07.004
[18]	黎夏,伍少坤.面向对象的地理元胞自动机[J].中山大学学报(自然科学版),2006,45(3):90-94. doi: 10.3321/j.issn:0529-6579.2006.03.023
	[ Li X, Wu S K.An object-oriented geographical cellular automata[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2006,45(3):90-94. ] doi: 10.3321/j.issn:0529-6579.2006.03.023
[19]	李明杰,钱乐祥,吴志峰,等.广州市海珠区高密度城区扩展SLEUTH模型模拟[J].地理学报,2010,65(10):1163-1172. doi: 10.3724/SP.J.1142.2010.40466
	[ Li M J, Qian L X, Wu Z F et al. The SLEUTH model simulation of high density urban sprawl in Haizhu District of Guangzhou City[J]. Acta Geographica Sinica, 2010,65(10):1163-1172. ] doi: 10.3724/SP.J.1142.2010.40466
[20]	张鸿辉,尹长林,曾永年,等.基于SLEUTH模型的城市增长模拟研究——以长沙市为例[J].遥感技术与应用,2008,23(6):618-623,601.
	[ Zhang H H, Yin C L, Zeng Y N, et al.Study on urban growth simulation based on SLEUTH Model: Take Changsha City as an example[J]. Remote Sensing Technology and Application, 2008,23(6):618-623,601. ]
[21]	刘小平,黎夏. Fisher判别及自动获取元胞自动机的转换规则[J].测绘学报,2007,36(1):112-118.
	[ Liu X P, Li X.Fisher discriminant and automatically getting transition rule of CA[J]. Acta Geodaetica et Cartographica Sinica, 2007,36(1):112-118. ]
[22]	刘小平,黎夏,叶嘉安,等.利用蚁群智能挖掘地理元胞自动机的转换规则[J].中国科学(D辑:地球科学),2007,37(6):824-834. doi: 10.3321/j.issn:1006-9267.2007.06.014
	[ Liu X P, Li X, Ye J A, et al.Using ant colony intelligent mining geographical cellular automata's conversion rules[J]. Scientia Sinica(Terrae), 2007,37(6):824-834. ] doi: 10.3321/j.issn:1006-9267.2007.06.014
[23]	赵莉,杨俊,李闯,等.地理元胞自动机模型研究进展[J].地理科学,2016,36(8):1190-1196. doi: 10.13249/j.cnki.sgs.2016.08.009
	[ Zhao L, Yang J, Li C, et al.Progress on geographic cellular automata model[J]. Scientia Geographica Sinica, 2016,36(8):1190-1196. ] doi: 10.13249/j.cnki.sgs.2016.08.009
[24]	黎夏,叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005,24(1):19-27. doi: 10.3321/j.issn:1000-0585.2005.01.003
	[ Li X, Ye J A.Cellular automata for simulating complex land use systems using neural networks[J]. Geographical Research, 2005,24(1):19-27. ] doi: 10.3321/j.issn:1000-0585.2005.01.003
[25]	吴孔江,曾永年,靳文凭,等.改进利用蚁群规则挖掘算法进行遥感影像分类[J].测绘学报,2013,42(1):59-66.
	[ Wu K J, Zeng Y N, Jin W P, et al.Remote sensing image classification based on improved Ant-miner[J]. Acta Geodaetica et Cartographica Sinica, 2013,42(1):59-66. ]
[26]	马正龙. 长株潭城市群土地利用/覆盖变化遥感动态监测[D].长沙:中南大学,2011.
[5]	裴凤松,黎夏,刘小平,等.城市扩张驱动下植被净第一性生产力动态模拟研究——以广东省为例[J].地球信息科学学报,2015,17(4):469-477. doi: 10.3724/SP.J.1047.2015.00469
[26]	[ Ma Z L.The dynamic monitoring of land use and land cover change in Changsha-Zhuzhou-Xiangtan urban agglomerations based on remote sensing[D]. Changsha: Central University, 2011. ]

数据类型	数据名称	数据来源
栅格数据	土地利用数据(2001、2010年),坡度、海拔数据	土地利用数据由相应时间段的Landsat TM数据解译获得,遥感影像来源于中国地理空间数据云,中国科学院计算机网络信息中心国际科学数据镜像网站
矢量数据	交通道路信息（高速、铁路、国道、省道、城市主干道、城市次干道）	国家基础地理信息中心
矢量数据	生活服务信息（宾馆酒店、车站码头、各级政府、汽车服务、商业网点、学校、医院、银行、邮政、电信）、工作便利信息（企事业单位、政府机关）、休闲娱乐信息（水上洲、水域、休闲娱乐场所、旅游景点、运动场馆、植被层）	湖南省城市电子地图
社会经济数据	人口密度、城市化率、人均 GDP、全社会固定资产	湖南省统计年鉴、长沙市统计年鉴、湘潭市统计年鉴和株洲市统计年鉴以及《长株潭城市群生态绿心地区总体规划(2010-2030)》、《长株潭城市群区域规划(2008-2020 年)》

驱动因子	权重	驱动因子	权重
生活服务（β₁）	-2.641	房价（β₉）	4.627
坡度（β₂）	1.734	城市化率（β₁₀）	0.527
海拔（β₃）	5.434	到国道距离（β₁₁）	1.674
工作便利（β₄）	5.442	到高速距离（β₁₂）	0.842
到桥梁距离（β₅）	1.243	到城市干道距离（β₁₃）	-2.517
人口密度（β₆）	5.205	到城市环线距离（β₅）	0.654
人均GDP（β₇）	0.654	到省道距离（β₆）	1.981
固定资产（β₈）	0.340	常数（β₀）	-7.172

	模拟
		不转变	转变	正确比/%
实际	不转变	5821601	123389	97.92
	转变	125267	274435	68.66
	总精度/%			96.08
	Kappa系数			0.675

顾及地类转换差异的城市空间扩展元胞自动机模型及应用研究

Cellular Automata Model of Urban Spatial Expansion Considering the Differences of Land Types Transition and its Application Research

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 26

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	裴韬, 王席, 宋辞, 刘亚溪, 黄强, 舒华, 陈晓, 郭思慧, 周成虎. COVID-19疫情时空分析与建模研究进展[J]. 地球信息科学学报, 2021, 23(2): 188-210.
[2]	陈玉龙, 赖志柱, 王铮. 基于交通网络的乡村中小学优化布局[J]. 地球信息科学学报, 2020, 22(5): 1120-1132.
[3]	林珲, 胡明远, 陈旻, 张帆, 游兰, 陈宇婷. 从地理信息系统到虚拟地理环境的认知转变[J]. 地球信息科学学报, 2020, 22(4): 662-672.
[4]	赵鹏军, 万婕. 城市交通与土地利用一体化模型的核心算法进展及技术创新[J]. 地球信息科学学报, 2020, 22(4): 792-804.
[5]	赵林峰, 刘小平, 刘鹏华, 陈广照, 何家律. 基于地理分区与FLUS模型的城市扩张模拟与预警[J]. 地球信息科学学报, 2020, 22(3): 517-530.
[6]	吴钱娇, 陈玉敏. 基于CUDA的地表水动态模拟并行方法[J]. 地球信息科学学报, 2020, 22(3): 505-515.
[7]	张经度, 梅志雄, 吕佳慧, 陈进钊. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用[J]. 地球信息科学学报, 2020, 22(3): 531-542.
[8]	单渌铱, 王海军, 张彬, 潘鹏. 顾及土地生态安全的环鄱阳湖城市群土地利用情景模拟[J]. 地球信息科学学报, 2020, 22(3): 543-556.
[9]	柯新利, 肖邦勇, 郑伟伟, 马艳春, 李红艳. 城镇-农业-生态空间划定的多情景模拟[J]. 地球信息科学学报, 2020, 22(3): 580-591.
[10]	王家丰, 王蓉, 冯永玖, 雷振坤, 高忱, 陈书睿, 金雁敏, 翟淑婷. 顾及轨道交通影响的浙中城市群土地利用多情景模拟与分析[J]. 地球信息科学学报, 2020, 22(3): 605-615.
[11]	胡最, 王慧. 多因素约束的城市空间扩张元胞自动机构建及其应用研究[J]. 地球信息科学学报, 2020, 22(3): 616-627.
[12]	聂拼, 梁明, 李玉洁, 游欣妍, 孙晓娟. 基于最邻近时空距离的土地变化过程时空模式分析[J]. 地球信息科学学报, 2020, 22(3): 628-637.
[13]	王志远, 张考, 丁志鹏, 伍随意, 黄春华. 纳入动态数据的改进FLUS模型在城市增长边界划定中的应用[J]. 地球信息科学学报, 2020, 22(12): 2326-2337.
[14]	徐新良, 申志成, 李嘉豪, 王世宽. “海上丝绸之路”主要海域热带气旋时空分布特征及其危险性[J]. 地球信息科学学报, 2020, 22(12): 2383-2392.
[15]	张晓荣, 李爱农, 南希, 雷光斌, 王昌博. 基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟[J]. 地球信息科学学报, 2020, 22(12): 2393-2409.