时空约束性GeoCA模型在城市土地利用预测中的应用

程宝银，杜 阳

(苏州市测绘院有限责任公司，江苏 苏州 215000)

时空约束性GeoCA模型在城市土地利用预测中的应用

程宝银，杜 阳

(苏州市测绘院有限责任公司，江苏 苏州 215000)

通过在传统GeoCA(地理元胞自动机)模型的基础上添加时空影响因素，建立了时空约束性GeoCA模型，对城市土地利用变化进行了预测;在保证土地利用类型转化率精度的前提下，兼顾了时间跨度因素和邻近用地分布因素的影响，实现了真正意义上的土地利用变化预测。

GeoCA；GIS；时空；土地利用

随着城市经济的发展和人口数量的加剧，城市土地资源相对减少，带来的住房紧张、生态失衡等问题日益突出。因此，城市土地资源的优化配置和合理规划成了热门研究课题，吸引了众多学者的关注。在相关研究中，具有代表性的成果有荷兰赫宁根大学研制的CLUE-S模型、美国麻省理工学院创建的SD(system danamics)模型、Ulam提出的CA(cellular automatic)模型，以及国内黎夏、张显等提出的地理元胞自动机模型等[1]。这些模型可有效模拟复杂土地利用的变化过程，为土地的动态预测研究作出了突出贡献。研究表明，基于BP-ANN(back-propagation artificial neural network)算法的GeoCA模型可较好地模拟我国城市土地利用变化过程[2]。本文在此基础上，提出时空约束性GeoCA模型，在考虑土地数量变化的同时，可兼顾影响土地变化的空间和时间因素，弥补以往做法中未能有效考虑土地利用变化时间和土地类型空间分布规律的不足。

一、模型应用原理

时空约束性GeoCA模型在土地利用变化模拟中的应用原理是以栅格数据表示土地在不同时刻的利用状态信息，通过研究影响其利用状态变化的各类因子及其之间的关系，定义土地利用信息的转化规则，从而建立起转化模型，对土地利用变化进行模拟和预测。它与传统GeoCA模型的本质区别在于加入了影响土地利用变化的时间跨度因素及各类影响因素的空间分布因素，可以更真实地反映土地在不同时空影响因素作用下的利用情况。该模型可用如下数学表达式进行描述

GCA=(C,S,F,R,T)

(1)

式中，GCA为地理元胞自动机；C为代表某一用地实体的用地元胞；S为元胞C的利用状态；F为引起元胞C状态发生转变的影响因素集合；R为转换规则，即F对C的影响关系；T为元胞C的时间维，规定在某一时刻T，用地元胞的利用状态S唯一。其中，影响因素F的提取和转换规则S是模型研究的核心内容。该模型工作原理的图形表达如图1所示。

图1 时空约束性GeoCA模型工作原理

图中以3×3的元胞研究范围为例，对中心元胞C的状态转换进行研究。T时刻元胞的土地利用状态为S，用红色表示，不同的颜色代表不同的土地利用状态；中心元胞周围的其他8个土地元胞及FR(道路)、FW(水域)、FC(市中心)等为影响因素集合F中的因素，图中SR、SW、SC分别为中心元胞C到FR、FW、FC的最短距离；在转换规则R的作用下，经过t时间，土地元胞C转变为T+t时刻的状态。

二、数据处理方法研究

1. 数据分析

使用时空约束性GeoCA模型进行土地动态模拟，首先需要利用已知数据构建模型并验证模型的正确性，在此基础上进一步预测土地利用变化。从模型的工作原理可知，模型构建所需要的基础数据包括至少3期的研究区域土地利用栅格数据及各种影响因素。相关研究表明，影响土地利用变化的因素通常包括一系列的距离变量、邻近土地利用类型及分析单元的自然属性[3]。由于土地利用变化不仅受各类要素数量的影响，同时还受空间布局及时间跨度的影响，因此本文在此基础上加入了时间因素和空间因子的分布因素进行研究。

2. 数据处理

获取研究区土地利用栅格数据的方法有多种，各类影响因素中时间要素可利用时间参数表示，空间变量则需从土地利用数据中提取。由于ArcGIS具有强大的空间数据处理与分析能力，且在Arc/Info Grid环境中内置了Eucdistance等函数，便于空间距离变量及元胞周围用地类型的提取和模型的程序实现，因此选择在ArcGIS中完成数据处理工作。研究所需数据类型及其处理方法详见表1。

表1 模型所需数据及其处理情况

三、转化规则研究

1. 转换规则算法基础

构建合理的GeoCA模型涉及的参数众多，需对模型进行反复纠正，获取合适的模型参数。土地变化的研究基于众多离散型变量，很难用一个数学公式表达。研究表明，神经网络算法特别适用于模拟复杂的非线性系统，因此本文试图采用BP-ANN算法研究多种土地利用变化的转换规则。

(2)

(3)

(4)

为使误差r取得极小值，则需要使权值朝着误差函数的负方向变化，设Δωij为ωij的变化量，则

(5)

式中，ε为学习步长，且ε>0。推导可得

(6)

设

(7)

则

(8)

(9)

2. 基于BP-ANN算法的转换规则研究

本研究选用3层神经网络结构(输入层、隐藏层、输出层)，假设对于每一个用地元胞，有N个影响变量，分别用x1,x2,…，xn表示，这些变量分别对应第1层神经网络的N个神经元，它们共同作用决定了该用地元胞的用地属性，用下式进行描述

X(k,t)=[x1(k,t)x2(k,t)…xn(k,t)]T

(10)

式中，xi(k,t)表示单元k在模拟时间t时的第i个变量；T表示转置。根据BP-ANN算法，中间层第j个神经元接收到的总输入为

(11)

(12)

式中，P(k,t,l)表示k单元在模拟时刻t从现状转化为l类型的概率。在每次循环中计算出每个神经元转换为N种不同用地类型的转换概率，由于某一用地元胞在某一时刻的用地状态唯一，因此可以根据转化概率最大值确定该元胞最终的转换状态。

四、模型应用

以江苏某市的土地利用预测为例，获取试验区2011年、2012年、2015年3期土地利用数据进行研究。研究区的用地类型分为建成区、工业用地、交通用地、建设用地及耕地等9种用地类型；提取了距市中心距离、公路距离两种距离变量及坡度一个自然单元属性。将2011年的试验区用地数据作为初始状态，分别取2012年和2015年的样本数据获取模型参数，对2015年用地分别模拟出基于非时空约束GeoCA模型、基于时间约束性GeoCA模型、基于空间约束性GeoCA模型及时空约束性GeoCA模型4种情况下的模拟预测，并与2015年试验区的真实用地数据进行对比，效果分别如图2—图7所示。

通过对用地类型分类模拟图与实际分类图进行对比可以看出，基于时空约束性GeoCA模型模拟的结果在转化率和空间分布上与实际状况比较一致；基于非时空约束性GeoCA模型模拟的结果在某些类型模拟中转化率差距较大(如水域)，且空间分布吻合性差；仅基于时间约束的GeoCA模型模拟的结果转化率与实际较吻合，但空间分布吻合性最差；仅

基于空间约束的GeoCA模型是基于2012年的训练参数与对2015年的用地进行模拟，结果发现跨度缩小为1年后，各类用地与2011年变化量最小，与2015年变化量最大。综合上述分析，可以验证本文研究模型的有效性。

图2 2011年某市土地利用实际分类结果

图3 非时空约束性GeoCA模型预测结果

图4 时间约束性GeoCA模型预测结果

图5 空间约束性GeoCA模型预测结果

图6 时空约束性GeoCA模型预测结果

图7 2015年某市土地利用实际分类结果

图8 土地利用变化统计折线

五、结束语

传统的GeoCA模型为土地利用动态预测研究做出了重大贡献，本文在此基础上加入了时空影响因素，在考虑土地利用转化率的同时，兼顾了时间和土地利用类型分布对土地利用变化的影响，并通过实际案例验证了模型的有效性。不同区域土地利用变化的影响因素不同，因此研究适合本地的时空约束性GeoCA模型还需针对区域的特点作更加详细的研究，从而为当地相关部门提供科学的决策支撑。

[1] 周成虎，孙战利，谢一春.地理元胞自动机研究[M].北京：北京出版社，1999：128-137.

[2] 黎夏，刘小平，李少英.智能式GIS与空间优化[M].北京：科学出版社，2010：37-130.

[3] BATTY M，XIE Y.From Cells to Cities.[J].Environment and Planning B，1994(21)：531-548.

[4] 王立波.基于GIS和Geo-CA的营口城市用地扩展模拟预测研究[D].长春：东北师范大学，2009.

[5] 李凤霞，石辉，冯小刚，等.西安市土地利用格局动态演变及其驱动力研究[J].测绘通报，2015(12)：41-56.

[6] 邱小平，于丹，孙若晓，等.基于安全距离的元胞自动机交通流模型研究[J].交通运输系统工程与信息，2015(12)：54-60.

[7] 陈建平，丁火平，王功文，等.基于GIS和元胞自动机的荒漠化演化预测模型[J].遥感学报，2004，8(3)：254-260.

[8] 刘卫芳，夏斌，聂云峰.基于GIS与多智能体的建设用地变化仿真研究——以广州番禺区为例[J].安徽农业科学，2012，40(21):11083-11085.

[9] 王福增，尤丽敏，王凡.大连市土地利用现状及变化分析[J].管理科学，2008，29(6):123-125.

Research of Temporal and Spatial Constraint GeoCA Model Applied in Urban Land Use Prediction

CHENG Baoyin，DU Yang

2016-01-08；

程保银(1977—)，男，高级工程师，主要从事测绘地理信息方面的工作。E-mail:szchy@163.com

杜 阳

程宝银，杜阳.时空约束性GeoCA模型在城市土地利用预测中的应用[J].测绘通报，2016(12)：116-119.

10.13474/j.cnki.11-2246.2016.0415.

P208

B

0494-0911(2016)12-0116-04

修回日期：2016-10-31