下载文档原格式
第32卷第12期2007年12月武汉大学学报 信息科学版Geo matics and Informat ion Science of W uhan U niver sity Vo l.32N o.12Dec.2007收稿日期:2007 10 10。
项目来源:国家自然科学基金资助项目(40271088);广西应用基础研究专项基金资助项目(0731022);广西高校人才小高地资源与环境科学科研创新团队建设经费资助项目。
文章编号:1671 8860(2007)12 1164 04文献标志码:A基于约束条件的元胞自动机土地利用规划布局模型杨小雄1,2 刘耀林1 王晓红1,3 段 滔1(1 武汉大学资源与环境科学学院,武汉市珞喻路129号,430079)(2 广西师范学院资源与环境科学学院,南宁市明秀东路175号,530001)(3 贵州大学林学院,贵阳市花溪区,550025)摘 要:分析了我国当前土地利用规划布局的不足,对标准的元胞自动机模型的元胞涵义、规则定义等进行了扩展,探讨了元胞自动机模型在政策及相关规划约束、邻域耦合、适宜性约束、继承性约束及土地利用规划指标约束下的土地利用规划布局的元胞自动机模型。
以广西东兴市为例进行了模型的仿真运行和结果分析。
关键词:土地利用规划布局;元胞自动机;约束条件中图法分类号:P273;P208常见的土地利用规划布局有土地利用分区模式和土地利用类型模式[1]。
传统的布局方法受人为因素影响较大,不能动态地反映土地利用规划布局的全过程,难以适应土地规划智能化信息处理的需求。
元胞自动机(cellular auto mata,CA)作为一种通用的时空动态模型,已成为城市增长、扩散和土地利用演化、土地利用情景模拟等方面的研究热点[2 4]。
元胞自动机在土地利用规划布局方面的研究正处于探讨阶段,并在基本农田保护区的自动生成方面已取得一些成果[5],但对如何利用元胞自动机进行区域土地利用规划布局尚未系统地研究。
第24卷 第1期2005年1月地 理 研 究GEOGRAPH I CAL RESE ARCH Vol 124,No 11Jan 1,2005 收稿日期:2004205225;修订日期:2004209201 基金项目:国家自然科学基金资助项目(40471105);高等学校博士学科点专项科研基金资助(20040558023) 作者简介:黎夏(19622),男,广西梧州人,中山大学特聘教授,博士生导师。
1983年硕士毕业于北京大学,1996年获香港大学博士学位,1997～98年在香港大学进行博士后研究。
主要从事遥感和地理信息系统研究。
在国内外刊物上发表近100篇学术论文。
Email:gp lx@zsu 1edu 1cn基于神经网络的元胞自动机及模拟复杂土地利用系统黎 夏1,叶嘉安2(11中山大学地理科学与规划学院,广州510275;21香港大学城市规划及环境管理研究中心香港)摘要:本文提出了基于神经网络的元胞自动机(Cellular Aut omata ),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GI S 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。
关键词:神经网络;元胞自动机;遥感;土地利用;GI S文章编号:100020585(2005)01200192091 引言 土地利用及其变化对全球的环境有着明显的影响,了解土地利用的动态过程是地理学的一个重要领域。
土地利用的变化是复杂的动态系统,具有变化不连续性、景观镶嵌、土地利用类别混合、变化不可逆等特点[1]。
几种土地利用变化模型的介绍1马尔可夫链模型马尔可夫理论是一种用于随机过程系统的预测和优化控制问题的理论，它研究的对象是事物的状态及状态的转移，通过对各种不同状态初始占有率及状态之间转移概率的研究，来确定系统发展的趋势，从而达到对未来系统状态的预测的目的［1］。
马尔可夫链是一种随机时间序列，它在将来取什么值只与它现在的取值有关，而与它过去取什么值无关。
这种性质称为无后效性。
马尔可夫链模型的建立过程：①确定系统状态：研究某一地区的土地利用/覆被变化，首先确定当地的土地利用类型，植被类型，确定其土地利用状态。
②建立状态概率向量：设马尔可夫链在tK 时取状态E1、E2、⋯、En 的概率分别为P1、P2 ⋯Pn而0≤Pi ≤，1则向量［P1、P2 ⋯Pn］称为t K时的状态概率向量。
③建立系统转移概率矩阵：一步转移概率：设系统可能出现N 个状态E1、E2 ⋯En，则系统由T K时刻从Ei 转移到T k+1 时刻Ej 状态的概率就称为从i 到j 的转移概率。
p ij p(E i E j )状态转移概率矩阵：在一定条件下，系统只能在可能出现的状态E1、E2 ⋯En 中转移，系统在所有状态之间转移的可能性用矩阵P 表示，称P为状态转移概率矩阵。
P p ij N N,其中p ij P{E i E j}P11 ?P1n??= [ ? ??]P n1 ?P nnNp ij 1 i 1,2, N j1p ij0 i, j 1,2, N为了运用马尔可夫模型对事件发展过程中的状态出现的概率进行预测，还需要再介绍一个状态概率πj(k) ：表示事件在初始( k=0)状态为已知的条件下，经过k 次状态转移后，在第k 个时刻处于状态E j的概率。
∑j n=1πj(k) = 1从初始状态开始，经过k 次状态转移后到达状态E j 这一状态转移过程，可以看作是首先经过( k-1)次状态转移后到达状态E i(i = 1,2 ? ,n)，然后再由E i经过一次状态转移到达状态E j。
人工神经网络及在土地集约利用评价中的应用摘要：土地资源是人类赖以生存和发展的、无法替代的自然环境资源，它既是环境的重要部分，又是其他自然环境资源和社会经济资源的载体。
土地规划方案的优与劣，对土地及其衍生物有着直接或间接的影响。
人工神经网络是人工智能的重要分支，具有自适应、自组织和自学习的特点，已经在信息、医学、经济、控制等领域得到广泛应用。
本文主要对人工神经网络的发展，基本原理做了介绍，并举例分析了其在土地集约利用评价中的应用。
关键词：人工神经网络；土地利用规划；土地集约利用；原理；应用；1 人工神经网络概述人工神经网络（ANN）是在现代神经科学研究成果基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理的一种智能化方法。
人工神经网络反应了人脑功能的基本特性，但并不是人脑的真实描述，只是人脑的抽象、简化与模拟。
它是一门涉及医学、神经生理学、信息学、人工智能、数理学、计算机学等多个领域的新兴前沿学科，它具有复杂的非线性动力学特性、并行处理机制、学习、联想和记忆功能，以及高度自组织、自适应能力和灵活性。
因此吸引了众多的神经生理学家、心理学家、数理学家、计算机与信息科学家及工程师对人工神经网络进行研究和应用。
人工神经网络作为人工智能的一个分支，在近二十年来日益成为当代高新科技领域中竞争的热点。
目前关于人工神经网络的定义尚不统一，结合人工神经网络的来源、特点及定义，可将其表述为：人工神经网络是模仿脑细胞结构和功能、脑神经结构以及思维处理问题等脑功能的新型信息处理系统。
1.1人工神经网络的发展过程人工神经网络的研究始于1943 年心理学家和数学家W.Pitts 提出的神经网络最早的数学模型，称为MP模型，从而开创了人工神经网络研究的时代。
人工神经网络的发展过程总体可以分为四个阶段：（1）形成时期第一个神经元模型（M-P 模型），他们的努力奠定了网络模型和以后神经网络开发的基础。
1951 年，心理学家Donala O. Hebb 提出了连接权值强化的Hebb法则，为构造有学习功能的神经网络模型奠定了基础。
基于神经网络的自动机及模拟复杂土地利用系统一、概述本文主要研究基于神经网络的元胞自动机（Cellular Automata）在模拟复杂土地利用系统及其演变中的应用。
尽管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。
相比之下，模拟多种土地利用的动态系统要复杂得多，需要考虑众多空间变量和参数，而确定模型的参数值和模型结构具有很大难度。
为了解决上述问题，本文提出将神经网络、元胞自动机和地理信息系统（GIS）相结合，进行土地利用的动态模拟。
通过利用多时相的遥感分类图像来训练神经网络，可以方便地确定模型参数和模型结构，从而消除常规模拟方法可能带来的弊端。
这种方法为研究复杂土地利用系统的演变提供了新的思路和工具。
1. 介绍土地利用系统的复杂性和重要性土地利用系统是一个多层次、多尺度、多要素相互作用的复杂系统。
这个系统涉及了人类社会活动的方方面面，包括但不限于经济发展、城市规划、生态保护、农业生产等。
由于其内部和外部因素的多样性和动态性，土地利用系统的变化过程充满了复杂性和不确定性。
对土地利用系统的深入理解和模拟预测，对于实现土地资源的可持续利用、优化城市空间布局、保护生态环境等具有重大的理论和实践意义。
随着科技的进步，特别是计算机技术和人工智能技术的发展，基于神经网络的自动机成为了模拟复杂土地利用系统的一种有效工具。
神经网络具有强大的非线性映射能力和自学习能力，能够处理复杂的非线性问题，并且能够从大量的数据中提取有用的信息。
自动机则提供了一种离散的、基于规则的事件驱动模型，可以模拟系统的动态演化过程。
将神经网络和自动机相结合，可以构建出既能够反映土地利用系统复杂性，又能够模拟其动态演化过程的模型。
基于神经网络的自动机模型可以处理大量的时空数据，通过学习和训练，发现土地利用变化的规律和模式，预测未来的变化趋势。
同时，这种模型还可以结合人类的行为决策和社会经济因素，对土地利用系统进行综合分析和优化。
元胞自动机土地利用预测原理土地利用预测是指根据过去的土地利用模式和一定的规律，通过建立数学模型来预测未来一定时期内的土地利用情况。
而元胞自动机则是一种模拟复杂系统行为的数学模型，它由许多细胞（cell）组成，每个细胞都具有一定的状态，并与周围的细胞相互作用。
元胞自动机模型中的每个细胞都可以表示一个地块，而细胞的状态可以表示该地块的土地利用类型，如农田、林地、建设用地等。
元胞自动机模型中的状态转换规则可以通过观察过去的土地利用模式和一定的规律来确定。
土地利用预测的基本原理是通过分析过去的土地利用模式和一定的规律，建立元胞自动机模型，并根据模型中的状态转换规则来预测未来一定时期内的土地利用情况。
预测的准确性取决于模型中的状态转换规则的准确性和模型中的参数的确定。
元胞自动机模型的状态转换规则可以通过多种方法确定，其中一种常用的方法是基于邻居细胞的状态。
例如，对于一个细胞来说，如果周围的细胞主要是农田，则该细胞很可能也是农田；如果周围的细胞主要是建设用地，则该细胞很可能也是建设用地。
通过观察过去的土地利用模式，我们可以统计不同类型的邻居细胞对当前细胞状态的影响，并据此确定状态转换规则。
除了邻居细胞的状态，元胞自动机模型的状态转换规则还可以考虑其他因素的影响，如地形、气候、经济发展等。
这些因素可以通过引入模型中的参数来表示，并根据观察数据和专家知识来确定。
土地利用预测可以应用于城市规划、环境保护、农业发展等领域。
例如，在城市规划中，可以利用土地利用预测模型来预测未来一定时期内不同类型的土地利用需求，从而指导城市的用地规划和土地资源的合理利用；在环境保护中，可以利用土地利用预测模型来评估不同土地利用类型对环境的影响，从而制定相应的环境保护措施；在农业发展中，可以利用土地利用预测模型来预测不同类型的农田需求，从而指导农业生产的布局和农田资源的合理配置。
元胞自动机土地利用预测原理是一种基于过去土地利用模式和一定规律的预测方法。
地理学报ACTA GEOGRAPHICA SINICA第70卷第3期2015年3月V ol.70,No.3March,2015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杨俊1,2，解鹏1，席建超2，葛全胜2，李雪铭1，马占东1（1.辽宁师范大学自然地理与空间信息科学辽宁省重点实验室，大连116029；2.中国科学院地理科学与资源研究所，北京100101)摘要：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。
关键词：局部土地利用竞争；元胞自动机模型；土地利用变化；模拟；大连市经济技术开发区DOI:10.11821/dlxb2015030091引言近年土地利用变化模拟成为国内外学者研究的一个热点。
土地利用变化动态模拟的模型较多，比如系统动力学模型、Markov 模型、Agent 模型、CLUE-S 模型和元胞自动机模型等。
系统动力学模型注重从系统论和控制论的角度分析土地利用利用变化的驱动因素，黄庆旭和史培军等学者利用该方法对中国北方地区干旱化情境下土地利用变化进行模拟，成功预测出土地利用面积总量的变化趋势[1]。
第24卷 第5期自 然 资 源 学 报V ol 24N o 5 2009年5月J OURNAL OF NATURAL RESOURCES M ay ,2009收稿日期:2008-08-22;修订日期:2008-12-02。
基金项目:国家自然科学基金重点资助项目(40830532);国家自然科学基金资助项目(40801236);国家杰出青年基金资助项目(40525002);国家高技术研究发展计划资助项目(2006AA12Z206)。
作者简介:杨青生(1974-),男,青海乐都人,讲师,博士,主要研究遥感与地理信息模型及应用。
E m ai :l qs y ang2002@基于元胞自动机的土地资源节约利用模拟杨青生1,2(1 广东商学院资源环境学院,广州510230;2 中山大学地理科学与规划学院,广州510275)摘要:为模拟节约土地资源的城市可持续发展形态,以珠江三角洲城市快速发展的东莞市为例,运用元胞自动机(C A )、地理信息系统(G IS)和遥感(RS)从历史数据中建立城市空间扩展的C A,将土地资源节约利用程度与城市用地空间聚集程度相结合,在评价城市用地空间聚集程度的基础上,通过不断增加离市中心距离权重和离公路距离权重,调整CA 的参数,模拟节约土地资源,城市用地在空间上紧凑布局的城市形态,并以调整参数的模型(离市中心距离权重为-0 006,离公路权重为-0 024)模拟结果为基础,分析了实现城市用地空间上紧凑发展,土地资源节约利用的政策:到2010年,东莞市离市中心27k m 范围内的适宜地区可规定为鼓励城市发展区,27~34k m 范围内的适宜地区可规定为限制性城市发展区,其它地区为非城市发展区。
关 键 词:土地资源;节约利用;紧凑;元胞自动机中图分类号:F301 24;P208 文献标识码:A 文章编号:1000-3037(2009)05-0753-101 引言元胞自动机(C ellular Auto m ata ,简称CA )具有强大的空间运算能力,可以有效地模拟复杂的动态系统。
第32卷第12期2007年12月武汉大学学报信息科学版Geo matics and Informat ion Science of W uhan U niver sity Vo l.32N o.12Dec.2007收稿日期:2007 10 10。
项目来源:国家自然科学基金资助项目(40271088;广西应用基础研究专项基金资助项目(0731022;广西高校人才小高地资源与环境科学科研创新团队建设经费资助项目。
文章编号:1671 8860(200712 1164 04文献标志码:A基于约束条件的元胞自动机土地利用规划布局模型杨小雄1,2 刘耀林1 王晓红1,3 段滔1(1 武汉大学资源与环境科学学院,武汉市珞喻路129号,430079(2 广西师范学院资源与环境科学学院,南宁市明秀东路175号,530001(3 贵州大学林学院,贵阳市花溪区,550025摘要:分析了我国当前土地利用规划布局的不足,对标准的元胞自动机模型的元胞涵义、规则定义等进行了扩展,探讨了元胞自动机模型在政策及相关规划约束、邻域耦合、适宜性约束、继承性约束及土地利用规划指标约束下的土地利用规划布局的元胞自动机模型。
以广西东兴市为例进行了模型的仿真运行和结果分析。
关键词:土地利用规划布局;元胞自动机;约束条件中图法分类号:P273;P208常见的土地利用规划布局有土地利用分区模式和土地利用类型模式[1]。
传统的布局方法受人为因素影响较大,不能动态地反映土地利用规划布局的全过程,难以适应土地规划智能化信息处理的需求。
元胞自动机(cellular auto mata,CA作为一种通用的时空动态模型,已成为城市增长、扩散和土地利用演化、土地利用情景模拟等方面的研究热点[2 4]。
元胞自动机在土地利用规划布局方面的研究正处于探讨阶段,并在基本农田保护区的自动生成方面已取得一些成果[5],但对如何利用元胞自动机进行区域土地利用规划布局尚未系统地研究。
本文通过基于约束条件的元胞自动机与GIS 相结合来进行土地利用规划布局研究,对于消除常规模拟方法所带来的弊端,提高土地利用总体规划的科学性、合理性具有重要的理论和现实意义。
1 模型构建1.1 基本流程利用元胞自动机进行区域土地利用规划布局,是从土地利用现状出发,通过土地利用方式的迭代来实现土地利用的规划目标。
对于N 种土地利用类型,每个元胞可以有N N 种可能的变化,但在规划期内,土地利用之间的转换受到人为的控制,建立约束性的元胞自动机规划布局模型,其实质就是通过在CA 模型中加入一些约束性条件来控制模拟过程,使元胞的转换按预定的方向发展,从而实现土地利用规划布局。
在元胞的转换中,往往受到各种力量的制约:!元胞的转换与周围元胞有关,即邻居元胞与中心元胞具有耦合作用;∀元胞的转换受原土地利用的影响,即土地利用具有继承性(惯性;#土地利用应与土地适宜性基本一致,即元胞的转换受到土地利用适宜性影响;∃土地利用布局受政策性及相关规划制约;%根据一定规则转化的元胞面积应与土地利用总体规划控制指标一致,包括与土地利用总体规划控制的各区域指标一致。
为了建模和计算的方便,上述约束条件本文分别称之为邻域耦合作用、继承性约束、适宜性约束、政策及相关规划约束、指标性约束。
在规划布局中,为了使各类用地布局相对集中,当一个元胞或元胞的组合转化为某类用地时,其周围的元胞也第32卷第12期杨小雄等:基于约束条件的元胞自动机土地利用规划布局模型可能转化为相应的地类,则该元胞或元胞组合称为种子。
其模型流程如图1。
图1 土地利用规划布局流程图Fig.1 F low chart of L and U tility P lanning L ayo ut 1.2 模型的表达1.2.1 定义元胞、元胞的状态集、邻居在土地利用规划布局中,元胞是一个栅格单元,一般用二维空间数据模型来表示;不同的研究目的,栅格单元的大小一样,在土地利用规划布局模型中,每个元胞(栅格的边长可根据研究的需要确定。
由基本农田、一般农田、园地、林地、牧草地、城镇用地、独立工矿用地、农村居民点、水产养殖用地、未利用土地等10种地类组成元胞的初始状态。
鉴于土地利用的复杂性,在土地利用布局中,邻居的定义可更加灵活,邻居的构形可以是非平衡、非对称的多种形式,邻居半径可能不同。
对于城镇用地、独立工矿用地、特殊用地、农村居民点用地,其邻域可定义为:在按摩尔型确定基本邻居的基础上,检索确定空间内所有邻居的交通属性。
在元胞实体属性表中,交通属性取值定义为:0表示邻居空间内无交通线通过,1表示中心元胞无交通线通过,2表示中心元胞有交通线通过。
选择基本邻居空间内的交通属性值大于等于1的元胞为真实邻居[6],对于其他用地类型,则按摩尔型确定邻居。
1.2.2 元胞转换及转换函数在元胞状态和邻居构形及约束确定的条件下,元胞的状态变化可表示为:S t+1i =f (S t i ,B t i ,C t i ,I t i ,N t i,j(1式中,S t +1i是元胞i 在t +1时刻的状态组合;S t i 是元胞i 在t 时刻的状态组合;B t i 是元胞i 在t 时刻的政策与相关规划约束;C t i 是元胞i 在t 时刻的土地利用适宜性约束;I ti 是元胞i 在t 时刻的土地利用的继承性约束;N t i,j 是以元胞i 为中心元胞,在t 时刻与邻域元胞j 的耦合;f 是转换函数;t 是时间。
从式(1可以看出,元胞的状态转换并不是确定的,它受转换函数的制约,其转换函数为:P t+1(sk,i=f (B t+1(sk,i,C t+1(sk,i,I t+1(sk,i,N t+1(sk,ij(2式中,P t +1(sk,i是元胞i 在t 至t +1时段内由土地类型s 转换为k 的转换指数;B t +1(sk,i 是元胞i 在t 至t+1时段内由s 转换为k 的政策与相关规划性约束;C t +1(sk,i是元胞i 在t 至t +1时段内由s 转换为k 的适宜性约束;I t +1(s k,i是元胞i 在t 至t +1时段内由s 转换为k 的继承性(惯性约束;N t +1(sk,ij是元胞i 在t 至t +1时段内由s 转换为k 的与邻域元胞j 的耦合。
1.2.3 各约束条件的作用机制及转换指数的测算在影响土地利用规划布局的诸因素中,各因素的作用性质并不相同,有的约束程度与因素指标的高低有关,可称之为一般性约束,其取值可根据其模糊隶属关系取0~1之间;有的在规划期内难以改变或不能改变,包括政策与相关规划因素、继承性因素,这些可称之为强制性因素,其取值为0或1。
式(2可表示为:P t+1s k,i =(1+C t+1s k,i *(1+N t+1s k,ij *B t+1(sk,i*I t+1(sk,i(31.2.4 转换规则转换规则是元胞自动机模型的核心,它决定了元胞自动机的动态转化过程。
转换规则集中体现了空间实体之间的相互作用。
式(3考虑到了元胞邻域、元胞适宜性、继承性、政策及相关规划约束对元胞转换的影响,但元胞能不能发生转换应该由规划的目标来决定,在土地利用规划的指标控制性约束下,通过一定的规则来完成元胞转换,从而完成土地的利用规划布局。
L =F(P t+1(s k ,i,G(4式中,L 表示土地利用规划布局;P t +1(sk,i表示元胞i 在t 至t +1时段内由土地类型s 转换为k 的转换指数;G 表示土地利用规划的控制指标;F 表示函数,该函数主要表现为以下规则。
规则1:在规划期内,假定土地控制指标依次满足基本农田、一般农田、城镇用地、独立工矿用地、特殊用地、水产养殖用地、农村居民点用地、园地、林地、牧草地、未利用土地,则在前一种土地利用类型布局完成的基础上,完成下一种土地利用类型的布局。
规则2:种子是指各规划用地最具转换潜力的初始元胞或元胞组合。
在进行种子的选择前,1165武汉大学学报信息科学版2007年12月应设定各规划用地转换指数的阈值(以下称种子确定的阈值,以元胞i从规划基期年到规划目标年(即从t到t+1时段内转换的指数P t+1(s k,i高低作为元胞转换的基础。
当转换指数大于种子确定的阈值时,则确定为种子;反之,则不作为种子。
同时,种子选择应在各下级行政区域之间基本平衡。
规则3:在进行种子的扩张前,同样应设定各规划用地转换指数的阈值(以下称种子扩张的阈值,方法同规则2。
当转换指数大于种子扩张的阈值时,则扩张;反之,则不扩张。
规则4:在进行种子的扩张时,扩张元胞应同时满足以下3个条件:!扩张元胞与种子元胞在空间上是拓扑邻接的;∀扩张元胞与种子元胞在属性上表现为用地类型相同;#扩张元胞的转换指数要大于种子扩张的阈值。
规则5:当元胞由一种土地类型转换为另一种土地利用类型后,它与邻域元胞之间的耦合作用将改变,邻域元胞的转换指数应重新计算。
规则6:假定一种土地利用类型发生转化后,则在模拟周期内假定它不能再转化为其他类型。
规则7:各土地利用类型的元胞转换数量按以下公式控制:Q q=M/A(5式中,Q q为q类土地的元胞数量;M为q类土地的规划控制面积;A 为元胞面积。
2 实例研究为了检验基于约束条件下土地利用规划布局模型的效果,本文以广西东兴市为例进行了土地利用总体规划布局研究。
东兴市土地总面积为548.65km2,2004年农用地面积为374.36km2,占68.19%;建设用地面积为28.81km2,占5.25%;未利用地面积为145.48km2,占26.51%,总人口为10.7万人[7]。
2.1 数据准备2.1.1 基础数据准备本实验进行了1997~2004年和2005~2010年两个时间段的模拟。
基础数据是东兴市1997和2004年的土地利用现状矢量图、地形图、土壤类型图等,所有地图经过矢量化、统一配准和矢量转栅格后,建立元胞实体数据库。
将土地利用矢量数据转化为120m120m栅格数据,共38733个元胞,覆盖了整个东兴市。
2.1.2 参数的准备1政策与相关规划约束。
主要受经济发展规划、城市规划、产业规划及各部门规划的约束。
有以下两种处理方式:对于强制性约束的政策或规划,按二值函数处理,取值为0或1;对于非强制性政策或规划,根据其约束程度按模糊关系处理,其值由系统参数库给定,并可根据情况进行调整。
2邻域耦合作用。
邻域耦合是邻居元胞与中心元胞的相互作用,表现邻居元胞与中心元胞的一种吸引或排斥,可称之为邻域耦合作用。
所有邻居对中心元胞的耦合作用称之为邻域耦合力。
有如下关系:N t+1sk,i=&m p c n k/m(6式中,N t+1s k,i是邻居元胞在t至t+1时段内对元胞i的邻域耦合作用;m为邻居个数;p c 为元胞耦合力;n k为k类元胞的数量。
