基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。     

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。     

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。     

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.     

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ANN-CA模型的黄土小流域正负地形演化模拟

黄土高原正负地形的不同组合特征反映了黄土地貌的发育程度,黄土小流域正负地形的演化则是黄土高原地貌形态发育的缩影。该文采用地理元胞自动机的建模方法,对室内黄土小流域正负地形的演化过程进行建模与模拟。实验通过多次训练神经网络,自动获取转换规则,简化了构建元胞自动机模型的难度,同时,模拟的结果总精度达88.5%。研究表明,该方法可以反映黄土小流域正负地形演化过程中其沟谷扩张、沟头向前以及黄土陷穴的发育特点,对黄土高原地貌发育研究具有重要意义和可鉴性。     

基于CA的城市增长与土地增值动态模拟方法探讨

城市增长与土地增值是一种时空动态变化的复杂地理过程，如何有效地模拟这一过程是该研究领域的一个重要问题。基于GIS的元胞自动机模型，具有模拟地理时空演化过程的能力。该文首先对CA模型进行扩展，再与GIS集成，提出一种模拟城市增长与土地增值时空间动态过程的新方法，并以四川省德阳市为例进行分析。     

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.     

分析学习智能元胞自动机及优化的城市模拟

元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。     

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。     

An extended cellular automaton using case‐based reasoning for simulating urban development in a large complex region

Rule‐based cellular automata (CA) have been increasingly applied to the simulation of geographical phenomena, such as urban evolution and land‐use changes. However, these models have difficulties and uncertainties in soliciting transition rules for a large complex region. This paper presents an extended cellular automaton in which transition rules are represented by using case‐based reasoning (CBR) techniques. The common k‐NN algorithm of CBR has been modified to incorporate the location factor to reflect the spatial variation of transition rules. Multi‐temporal remote‐sensing images are used to obtain the adaptation knowledge in the temporal dimension. This model has been applied to the simulation of urban development in the Pearl River Delta which has a hierarchy of cities. Comparison indicates that this model can produce more plausible results than rule‐based CA in simulating this large complex region in 1988–2002.     

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。     

从高维特征空间中获取元胞自动机的非线性转换规则

元胞自动机 (CA) 具有强大的空间模拟能力,能够模拟和预测复杂的地理现象演变过程。CA 的核心是如何定义转换规则,但目前CA转换规则获取往往是基于线性方法来进行,例如采用多准则判断 (MCE) 技术。这些方法较难反映地理现象所涉及的非线性等复杂特征。为此提出了利用新近发展的核学习机来获取地理元胞自动机非线性转换规则的新方法。该方法是通过核函数产生隐含的高维特征空间,把复杂的非线性问题转化成简单的线性问题,为解决复杂非线性问题提供了一种非常有效的途径。利用所提出的方法自动获取地理元胞自动机的转换规则,不仅大大减少了建模所需的时间,也较好地反映地理现象复杂的特性,从而改善了CA模拟的效果。     

基于动态约束的元胞自动机与复杂城市系统的模拟

为获得复杂城市系统更理想的模拟效果,提出时空动态约束的城市元胞自动机(CA)模型。用不同区域、不同时间新增加的城市用地总量作为CA模型的约束条件,形成时空动态约束的CA模型,并利用该模型模拟1988—2010年东莞市和深圳市城市扩张过程。结果表明,利用CA模型模拟的1993年城市用地总精度比静态CA模型提高了5.86%,而且模型中的动态约束条件可以反映城市发展的时空差异性。     

Complex systems in aeolian geomorphology

Aeolian geomorphology provides a rich ground for investigating Earth surface processes and landforms as complex systems. Sand transport by wind is a classic dissipative process with non-linear dynamics, while dune field evolution is a prototypical self-organisation phenomenon. Both of these broad areas of aeolian geomorphology are discussed and analysed in the context of complexity and a systems approach. A feedback loop analysis of the aeolian boundary-layer-flow/sediment-transport/bedform interactions, based on contemporary physical models, reveals that the system is fundamentally unstable (or at most meta-stable) and likely to exhibit chaotic behaviour. Recent field-experimental research on aeolian streamers and spatio-temporal transport patterns, however, indicates that sand transport by wind may be wholly controlled by a self-similar turbulence cascade in the boundary layer flow, and that key aspects of transport event time-series can be fully reproduced from a combination of (self-organised) 1/f forcing, motion threshold, and saltation inertia. The evolution of various types of bare-sand dunes and dune field patterns have been simulated successfully with self-organising cellular automata that incorporate only simplified physically-based interactions (rules). Because of their undefined physical scale, however, it not clear whether they in fact simulate ripples (bedforms) or dunes (landforms), raising fundamental cross-cutting questions regarding the difference between aeolian dunes, impact ripples, and subaqueous (current) ripples and dunes. An extended cellular automaton (CA) model, currently under development, incorporates the effects of vegetation in the aeolian environment and is capable of simulating the development of nebkhas, blow-outs, and parabolic coastal dunes. Preliminary results indicate the potential for establishing phase diagrams and attractor trajectories for vegetated aeolian dunescapes. Progress is limited, however, by a serious lack of appropriate concepts for quantifying meaningful state variables at the landscape scale. State variables currently used in the bare-sand models are far from capturing the rich 3D topography and patterns and are not sufficiently discriminative to distinguish different attractors. The vegetation component in the extended model, and indeed ecogeomorphic systems in general, pose even graver challenges to establishing appropriate state variables. A re-examination of older concepts, such as landscape entropy, perhaps complemented by recent developments in information theory, may be a potentially fruitful avenue for research, although the outlines of such an implementation are still rather vague.     

A cellular automata model for simulating the evolution of positive–negative terrains in a small loess watershed

Cellular automata (CA) have been used increasingly to simulate complex geographical phenomena. This paper proposes a CA model for simulating the evolution of dynamic positive and negative (P–N) terrains in a small loess watershed. The CA model involves a large number of attributes, including the state of P–N terrains, distance to the shoulder-line, neighbourhood condition and topographic factors. Topographic factors include the slope gradient, aspect, slope length, slope variation, aspect variation, plan curvature, profile curvature, relief amplitude and flow accumulation. The CA model was applied to simulate the evolution of P–N terrains in an indoor, small loess watershed under artificial rainfall. The transition rules for CA were constructed automatically using a decision-tree algorithm. The derived transition rules are explicit for decision-makers and helpful for generating more reliable terrains. The simulation produces encouraging results in terms of numeric accuracy and spatial distribution, in agreement with natural P–N terrains. The iterative processes show that loess negative terrains continuously erode positive terrains. The development of a loess sinkhole near the centre gully head was reproduced as well, which shows the function of loess sinkholes in the formation of loess channel systems.     

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...