本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng)，由筆耕文化傳播整理發(fā)布。

當(dāng)前位置：首頁(yè) >> 信息與通信 >> 基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng)

第 24 卷 　 1 期 第 2005 年 1 月

地 　　 　　 　　 理 研 究
GEOGRAPH I CAL 　RESEARCH

基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模 擬復(fù)雜土地利用系統(tǒng)
黎 　 , 葉嘉安 夏
1 2

摘要 : 本文提出了基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī) ( Cellular

Automata) , 并將其用來(lái)模擬復(fù)雜的 土地利用系統(tǒng)及其演變 。國(guó)際上已經(jīng)有許多利用元胞自動(dòng)機(jī)進(jìn)行城市模擬的研究 , 但這些模 型往往局限于模擬從非城市用地到城市用地的轉(zhuǎn)變 。模擬多種土地利用的動(dòng)態(tài)系統(tǒng)比一般模 擬城市演化要復(fù)雜得多 , 需要使用許多空間變量和參數(shù) , 而確定模型的參數(shù)值和模型結(jié)構(gòu)有 很大困難 。本文通過(guò)神經(jīng)網(wǎng)絡(luò) 、元胞自動(dòng)機(jī)和 GIS相結(jié)合來(lái)進(jìn)行土地利用的動(dòng)態(tài)模擬 , 并利 用多時(shí)相的遙感分類(lèi)圖像來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò) , 能十分方便地確定模型參數(shù)和模型結(jié)構(gòu) , 消除常 規(guī)模擬方法所帶來(lái)的弊端 。 關(guān) 鍵 詞 : 神經(jīng)網(wǎng)絡(luò) ; 元胞自動(dòng)機(jī) ; 遙感 ; 土地利用 ; GIS 文章編號(hào) : 1000 2 0585 (2005) 01 2 0019 2 09

1 　引言

　　 土地利用及其變化對(duì)全球的環(huán)境有著明顯的影響 , 了解土地利用的動(dòng)態(tài)過(guò)程是地理學(xué) 的一個(gè)重要領(lǐng)域 。土地利用的變化是復(fù)雜的動(dòng)態(tài)系統(tǒng) , 具有變化不連續(xù)性 、景觀鑲嵌 、土 [1] 地利用類(lèi)別混合 、變化不可逆等特點(diǎn) 。經(jīng)濟(jì)活動(dòng)和人類(lèi)需求給土地資源帶來(lái)了壓力 。 [ 2, 3 ] 土地利用的矛盾與城市化 、經(jīng)濟(jì)發(fā)展 、人口等要素相關(guān) 。模擬土地利用的動(dòng)態(tài)變化可 以幫助檢驗(yàn)城市和土地利用方面的假設(shè)和理論 。 　　 近年來(lái) , 國(guó)際上許多學(xué)者利用 Cellular Automata (譯為元胞自動(dòng)機(jī)或單元自動(dòng)機(jī) , 簡(jiǎn) [ 4 ～8 ] 稱(chēng) CA ) 開(kāi)展了城市增長(zhǎng)的模擬研究 。我們也對(duì)珠江三角洲的城市演化及優(yōu)化進(jìn)行了 [ 9 ～12 ] 系統(tǒng)的 CA 模擬研究 。這些研究表明 , 利用一些簡(jiǎn)單的局部規(guī)則 , 可以模擬出城市系 統(tǒng)的復(fù)雜結(jié)構(gòu) , 為城市學(xué)有關(guān)理論提供了依據(jù) 。但這些模型往往局限于模擬從非城市用地 到城市用地的轉(zhuǎn)變 。有必要將 CA 模型應(yīng)用于模擬多種土地利用類(lèi)型之間的演變 。監(jiān)測(cè)和 [ 13 ～15 ] 模擬土地利用變化已經(jīng)吸引許多學(xué)者的注意 。 　　 利用 CA 模擬城市系統(tǒng)時(shí) , 需要使用許多空間變量 。在模型里 , 這些空間變量對(duì)應(yīng)著 一系列的參數(shù) 。每個(gè)變量在模型所起的作用取決于其對(duì)應(yīng)參數(shù)值的大小 。當(dāng) CA 模型應(yīng)用 于真實(shí)的城市系統(tǒng)時(shí) , 必須對(duì)模型進(jìn)行糾正 , 獲得合適的模型參數(shù) , 以模擬出接近實(shí)際的 城市形態(tài) 。但是 , 目前對(duì) CA 模型的糾正方法研究得不多 , 所提出的模型糾正方法也存在
　　 收稿日期 : 2004 2 2 05 25; 修訂日期 : 2004 2 2 09 01 　　 基金項(xiàng)目 : 國(guó)家自然科學(xué)基金資助項(xiàng)目 ( 40471105) ; 高等學(xué)校博士學(xué)科點(diǎn)專(zhuān)項(xiàng)科研基金資助 ( 20040558023) 　　 作者簡(jiǎn)介 : 黎夏 ( 1962 2) , 男 , 廣西梧州人 , 中山大學(xué)特聘教授 , 博士生導(dǎo)師 。 1983 年碩士畢業(yè)于北京大學(xué) , 1996 年獲香港大學(xué)博士學(xué)位 , 1997 ～98 年在香港大學(xué)進(jìn)行博士后研究 。主要從事遙感和地理信息系統(tǒng) 研究 。在國(guó)內(nèi)外刊物上發(fā)表近 100 篇學(xué)術(shù)論文 。 Email: gp lx@ zsu1 edu1 cn

( 11 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院 , 廣州 510275; 21 香港大學(xué)城市規(guī)劃及環(huán)境管理研究中心 香港 )

Vol124, No11 Jan1 2005 ,

? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

20

地 　　 　　 　　 理 研 究
[7]

24 卷

一些問(wèn)題 。 C larke 等曾提出利用肉眼判斷的方法來(lái)尋找參數(shù)的簡(jiǎn)單方法 。該方法受主觀 因素影響很大 , 而且當(dāng)變量較多時(shí) , 有非常多的參數(shù)組合方案 。在 W hite 等所提出的 CA [5] 模型中 , 所要確定的參數(shù)值也有 21 × = 378 個(gè)之多 。他們也是通過(guò)試探法來(lái)解決 , 并 18 沒(méi)有給出一種十分有效的方法 。W u 等曾提出利用 logistic 回歸的方法來(lái)獲取 CA 模型的參 [6] 數(shù) , 但該方法不適合于處理復(fù)雜的變量關(guān)系 。 Clarke 和 Gaydos提出了利用計(jì)算機(jī)自動(dòng) 判斷模擬結(jié)果與實(shí)際情況吻合的程度 , 尋找導(dǎo)致誤差最小的組合方案 , 從而得到最佳的參 [8] 數(shù)組合 。該方法不受模型復(fù)雜性的約束 , 但當(dāng)變量數(shù)目較多時(shí) , 可以有非常多的可能 參數(shù)組合方案 , 需要的計(jì)算時(shí)間往往非常長(zhǎng) 。 　　CA 模型所碰到的另外一個(gè)問(wèn)題是如何定義模型的轉(zhuǎn)換規(guī)則 ( transition rules) 和模型 [ 4 ～6 ] 的結(jié)構(gòu) 。盡管許多學(xué)者提出了不少所謂通用式的 ( generic ) CA 模型 , 但這些模型形 式上有很大不同 。針對(duì)不同的領(lǐng)域或目的 , 所提出的 CA 模型其轉(zhuǎn)換規(guī)則和模型結(jié)構(gòu)往往 [4] 有較大的差別 。例如 , B atty和 Xie利用嵌套式的鄰居和距離衰減函數(shù)來(lái)定義轉(zhuǎn)變概率 ; [6] W u和 W ebster根據(jù) MCE 方法來(lái)計(jì)算轉(zhuǎn)換概率 ; W hite 等則通過(guò)一個(gè)預(yù)先定義的參數(shù)矩 [5] [9] 陣來(lái)控制轉(zhuǎn)換概率 ; 我們也提出了一個(gè)灰度模型來(lái)計(jì)算轉(zhuǎn)換概率 。 　　 在實(shí)際應(yīng)用中 , 對(duì)于這些不同類(lèi)別的轉(zhuǎn)換規(guī)則及模型結(jié)構(gòu) , 用戶(hù)很難進(jìn)行選擇 。另 外 , 模擬多種土地利用類(lèi)型的變化比模擬從非城市用地到城市用地的轉(zhuǎn)換要復(fù)雜得多 , 需 要牽涉到許多變量和參數(shù) 。為此 , 本文提出了基于神經(jīng)網(wǎng)絡(luò)的 CA 模型來(lái)簡(jiǎn)化模擬復(fù)雜的 土地利用變化的過(guò)程 。該模型是直接建立在 GIS中 , 以便充分利用其豐富的空間信息進(jìn)行 真實(shí)性的模擬 。

變化 2　 基于神經(jīng)網(wǎng)絡(luò)和 GIS的 CA 模型 : 模擬復(fù)雜的土地利用
　　 模擬多種土地利用類(lèi)型之間的變化牽涉到復(fù)雜的轉(zhuǎn)換關(guān)系 。對(duì)于 N 種土地利用類(lèi)型 , 可以有 N × 種可能的變化 ,因而模型往往有眾多的參數(shù)需要確定 。本研究試圖利用神經(jīng) N 網(wǎng)絡(luò)來(lái)解決多種土地利用變化模擬的難題 。許多研究表明 , 神經(jīng)網(wǎng)絡(luò) ( ANN ) 有一系列優(yōu) [ 15 ] 點(diǎn) ,特別適用于模擬復(fù)雜的非線性系統(tǒng) 。它比一般的線性回歸方法能更好地模擬復(fù)雜的 曲面 ; 它能很好地從不準(zhǔn)確或帶有噪音的訓(xùn)練數(shù)據(jù)中進(jìn)行綜合 ,從而獲取較高的模擬精度 ; 神經(jīng)網(wǎng)絡(luò)對(duì)自變量本身沒(méi)有很?chē)?yán)格的要求 ,允許它們可以是相關(guān)的 ,這比常規(guī)的回歸方法要 優(yōu)越 ; 神經(jīng)網(wǎng)絡(luò)可以代替?zhèn)鹘y(tǒng)的分析方法 ,包括多準(zhǔn)則判斷 MCE。 　　 所提出的 ANN 2 模型是由簡(jiǎn)單的網(wǎng)絡(luò)組成 (圖 1 ) 。該模型包含兩大相對(duì)獨(dú)立模塊 : CA 模型糾正 (訓(xùn)練 )和模擬 。這兩個(gè)模塊使用同一神經(jīng)網(wǎng)絡(luò) 。在模型糾正模塊中 ,利用訓(xùn)練數(shù) 據(jù)自動(dòng)獲取模型的參數(shù) ; 然后該參數(shù)被輸入到模擬模塊進(jìn)行模擬運(yùn)算 。整個(gè)模型的結(jié)構(gòu)十 分簡(jiǎn)單 ,用戶(hù)不用自己定義轉(zhuǎn)換規(guī)則及參數(shù) ,適合用于模擬復(fù)雜的土地利用系統(tǒng) 。網(wǎng)絡(luò)只有 3 層 ,第 1 層是數(shù)據(jù)輸入層 , 其各個(gè)神經(jīng)元分別對(duì)應(yīng)于影響土地利用變化的各個(gè)變量 ; 第 2 層是隱藏層 ; 第 3 層是輸出層 ,它由多個(gè) (N )神經(jīng)元組成 ,輸出 N 種土地利用類(lèi)型之間轉(zhuǎn)換 的概率 。 　　 ANN 2 模型第一步是確定神經(jīng)網(wǎng)絡(luò)的輸入 。對(duì)于每一個(gè)模擬單元 ( cell) , 有 n 個(gè) 該 CA 屬性 (變量 ) 。這些變量分別對(duì)應(yīng)于神經(jīng)網(wǎng)絡(luò)第 1 層的 n 個(gè)神經(jīng)元 ,它們決定了每個(gè)單元在 時(shí)間 t時(shí)的土地利用轉(zhuǎn)換的概率 。它們可以表達(dá)為 : T ( 1) X ( k, t) = [ x1 ( k, t) , x2 ( k, t) , x3 ( k, t) , …, xn ( k, t) ] 這里 xi ( k, t) 為單元 k 在模擬時(shí)間 t時(shí)的第 i個(gè) 變量 , T 為轉(zhuǎn)置 。
? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

　1 期

黎 　 等 : 基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng) 夏

21

圖 1　 基于神經(jīng)網(wǎng)絡(luò)的 CA 模型及模擬復(fù)雜土地利用變化

　　 對(duì)于神經(jīng)網(wǎng)絡(luò)的輸入 ,一般都進(jìn)行標(biāo)準(zhǔn)化處理 ,使它們的值落入 [ 0, 1 ]的范圍內(nèi) �？梢岳� 最大值 (max)和最小值 (m in )進(jìn)行標(biāo)準(zhǔn)化 ,有 : ( 2) xi ( k, t) = ( xi ( k, t) - m in ) / (max - m in ) 　　 輸入層接收這些標(biāo)準(zhǔn)化的信號(hào) ( signal) 后 , 將它們輸出到隱藏層 。隱藏層第 j個(gè)神 經(jīng)元所收到的信號(hào)為 : 　　
netj ( k, t) =

式中 , 這里 netj ( k, t) 為隱藏層第 j個(gè)神經(jīng)元所收到的信號(hào) , w i, j為輸入層和隱藏層之間的 參數(shù) (權(quán)重值 ) 。 　　 隱藏層會(huì)對(duì)這些信號(hào)產(chǎn)生一定的響應(yīng)值 , 并輸出到下一層 , 即最后的輸出層 。其響應(yīng) 的函數(shù)為 : 1 ( 4) - net j( k, t) 1 +e 　　 輸出層所輸出的值 , 即轉(zhuǎn)換概率為 : 1 P ( k, t, l) =∑ j, l W ( 5) - net ( k, t) 1 +e j j 這里 P ( k, t, l) 為單元 k 在模擬時(shí)間 t時(shí)從現(xiàn)類(lèi)別到第 l類(lèi)別土地利用的轉(zhuǎn)換概率 , w j, l為 隱藏層和輸出層之間的參數(shù) (權(quán)重值 ) 。 [ 5, 9 ] 　　 將隨機(jī)變量引進(jìn) CA 模型中 , 可以使得模擬結(jié)果更接近實(shí)際情況 。為此 , 我們也 把隨機(jī)項(xiàng)引進(jìn) ANN 2 模型中 。該隨機(jī)項(xiàng)可以表達(dá)為 : CA α γ ( 6) RA = 1 + ( - ln )
? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

Fig11 　The neural2net ork 2based CA model for the sim ulation of comp lex land use changes w

∑w
i

i, j

xi ( k, t)

,

( 3)

22

地 　　 　　 　　 理 研 究

24 卷

這里 γ為落在 [ 0, 1 ] 范圍內(nèi)的隨機(jī)數(shù) ; α為控制隨機(jī)變量大小的參數(shù) 。 1 　　 公式 ( 5 ) 變?yōu)?: P ( k, t, l) = RA × W j, l ∑ - net j ( k, t) j 1 +e α 1 γ ( 7) = ( 1 + ( - ln ) ) × W j, l ∑ - net ( k, t) j 1 +e j 　　 在每次循環(huán)運(yùn)算中 , 神經(jīng)網(wǎng)絡(luò)的輸出層計(jì)算出對(duì)應(yīng) N 種不同土地利用類(lèi)型的轉(zhuǎn)換概 率 。比較這些轉(zhuǎn)換概率的大小 , 可以確定土地利用的轉(zhuǎn)換類(lèi)型 。對(duì)某一單元 , 在時(shí)間 t 時(shí) , 只能轉(zhuǎn)換為某一土地利用類(lèi)型 , 可以根據(jù)轉(zhuǎn)換概率的最大值來(lái)確定其轉(zhuǎn)變的類(lèi)型 。當(dāng) 其轉(zhuǎn)變的類(lèi)型與原來(lái)的類(lèi)型一樣時(shí) , 即該單元沒(méi)有發(fā)生土地利用變化 。在每次循環(huán)中 , 土 地利用的變化往往只占較小的比例 , 可以引進(jìn)一閾值來(lái)控制變化的規(guī)模 。該閾值在 [ 0, 1 ] 范圍內(nèi) , 其值越大 , 在每次循環(huán)中轉(zhuǎn)變的單元數(shù)越少 。

3　 應(yīng)用及模擬結(jié)果
　　 將所提出的模型應(yīng)用在珠江三角洲的東莞市 , 以檢驗(yàn)?zāi)Ｐ偷男Ч?。珠江三角洲地區(qū)在 [ 16 ] 90 年代經(jīng)歷了快速的城市擴(kuò)張及土地利用變化的過(guò)程 。利用 CA 模型來(lái)模擬土地利用 變化 , 可以為城市規(guī)劃提供有用的信息 。 311 　 空間變量及訓(xùn)練數(shù)據(jù) 　　 利用 GIS可以十分方便地得到模型所需要的各種空間變量 。研究表明 , 土地利用變化 的概率往往取決于一系列的距離變量 、鄰近現(xiàn)有土地利用類(lèi)型的數(shù)量和單元的自然屬性 [ 4, 6, 9 ] 等 。例如 , 某一模擬單元越接近市中心及交通要道 , 其轉(zhuǎn)變?yōu)槌鞘杏玫氐母怕示驮?高 ; 當(dāng)鄰近范圍內(nèi)存在著大量的某一土地利用類(lèi)型時(shí) , 該單元就有較高的概率轉(zhuǎn)變?yōu)樵摲N 土地利用類(lèi)型 。在我們的模型中 , 輸入層有 12 個(gè)神經(jīng)元對(duì)應(yīng)著 12 個(gè)有關(guān)的空間變量 。這 些空間變量的具體情況及獲取方法見(jiàn)表 1。
表 1　 神經(jīng)網(wǎng)絡(luò) CA 模型所采用的空間變量
獲取方法 空間變量
1. 距離變量

離市中心的距離 ( x1 ) 離公路的距離 ( x3 )

離鎮(zhèn)中心的距離 ( x2 )

2. 鄰近現(xiàn)有土地利用數(shù)量

鄰近糧田的單元數(shù)量 ( x4 ) 鄰近果園的單元數(shù)量 ( x5 )

鄰近建筑用地的單元數(shù)量 ( x6 ) 鄰近建成區(qū)的單元數(shù)量 ( x7 ) 鄰近森林的單元數(shù)量 ( x8 ) 鄰近水體的單元數(shù)量 ( x9 ) 坡度 ( x10 )

3. 單元自然屬性

土壤類(lèi)型 ( x11 )

現(xiàn)有的土地利用類(lèi)型 ( x12 )

? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

Tab11 　Spa tia l var ia bles in the neura l2 network 2ba sed CA m odel
　　　 原始數(shù)據(jù)值范圍 利用 Eucdistance
GR I D

　　　 標(biāo)準(zhǔn)化值范圍 　　

　　　 0 ～ 30 km 　　0 ～ 5 km 　　0 ～ 3 km 　　

0 ～1 0 ～1 0 ～1

function of ARC / I FO N

　　

0 ～ 49 單元 0 ～ 49 單元 0 ～ 49 單元 0 ～ 49 單元 0 ～ 49 單元 0 ～ 49 單元

0 ～1 0 ～1 0 ～1 0 ～1 0 ～1 0 ～1

利用 Focal functions of
ARC / I FO GR I N D ( 7 ×7 窗口 )

利用 ARC / I FO TI ; N N

　　

轉(zhuǎn)換為 ARC / I FO GR I N D 轉(zhuǎn)換為 ARC / I FO GR I N D 模擬的中間結(jié)果

0 ～ 75 度

　　　　0 ～ 1

1 ～ 7 類(lèi)型 1 ～ 6 類(lèi)型

　1 期

黎 　 等 : 基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng) 夏

23

　　 為了獲取模型所需要的參數(shù) , 需利用土地利用變化的歷史數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練 。在本 研究中 , 土地利用變化的歷史數(shù)據(jù)是采用多時(shí)相的遙感 T 圖像來(lái)獲得 。利用 1988 年及 M [ 17 ] 1993 年衛(wèi)星 T 圖像進(jìn)行分類(lèi) , 然后獲取該地區(qū)的土地利用變化歷史資料 M 。僅僅采用 兩個(gè)年份的遙感資料來(lái)對(duì)模型進(jìn)行糾正 , 有可能無(wú)法獲得動(dòng)態(tài)的轉(zhuǎn)換規(guī)則 。但目前對(duì) CA [ 18 ] 模型進(jìn)行糾正也主要是根據(jù)兩個(gè)年份的土地利用資料來(lái)進(jìn)行的 。這是因?yàn)楂@取動(dòng)態(tài)轉(zhuǎn) 換規(guī)則難度很大 , 目前國(guó)際上基本還沒(méi)有開(kāi)展有關(guān)研究 。本模擬所涉及的土地利用類(lèi)型有 6 類(lèi) : 糧田 、果園 、建筑用地 、建成區(qū) 、森林和水體 。 312 　 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 　　 本神經(jīng)網(wǎng)絡(luò)包括了三層 : 輸入層 、隱藏層和輸出層 。輸入層有 12 個(gè)神經(jīng)元 , 對(duì)應(yīng) 12 個(gè)決定土地利用變化概率的空間變量 。研究表明 , 對(duì)于 3 層的神經(jīng)網(wǎng)絡(luò) , 其隱藏層的神經(jīng) [ 19 ] 元數(shù)目至少要為 2 n /3 個(gè) (其中 n 為輸入層神經(jīng)元的數(shù)目 ) 。因此 , 本隱藏層的神經(jīng)元 的數(shù)目為 8 個(gè) 。在輸出層中 , 有 6 個(gè)神經(jīng)元來(lái)輸出轉(zhuǎn)變?yōu)?6 種不同的土地利用類(lèi)型的 概率 。 313 　 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 　　 利用訓(xùn)練數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練 , 可以獲取模型的參數(shù) , 使得模擬的結(jié)果更能接近 現(xiàn)實(shí) 。訓(xùn)練數(shù)據(jù)是采用隨機(jī)抽樣的方法來(lái)獲取 。首先在遙感分類(lèi)圖像上隨機(jī)產(chǎn)生訓(xùn)練點(diǎn) , 獲取它們相應(yīng)的 { x, y} 坐標(biāo) (圖 2 ) 。本研究共使用 3000 抽樣點(diǎn) , 將它們平均分成兩 組 , 以進(jìn)行訓(xùn)練和驗(yàn)證 。在 ARC / I FO 中讀取這些坐標(biāo)對(duì)應(yīng)的空間變量以及土地利用的 N 遙感分類(lèi)結(jié)果 。將這些訓(xùn)練數(shù)據(jù)輸入 ThinksPro 軟件 , 對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練 , 以獲取參數(shù) 值 。整個(gè)過(guò)程是通過(guò)該軟件所提供的后向傳遞 ( back 2 ropagation ) 算法來(lái)自動(dòng)完成 。在訓(xùn) p 練的開(kāi)始階段 , 誤差收斂十分明顯 , 但誤差減少曲線很快趨于平緩 (圖 3 ) 。在迭代運(yùn)算 達(dá)到 1000 次時(shí) , 誤差減少幾乎為 0, 停止訓(xùn)練 。 型有兩個(gè)優(yōu)點(diǎn) : 能直接利用 GIS中的空間數(shù)據(jù) , 無(wú)需進(jìn)行任何格式的轉(zhuǎn)換 ; 可以直接調(diào)用
GIS現(xiàn)成空間分析功能 , 例如可以在程序中直接使用 ARC / I FO GR I 中的 Eucdistance 和 N D Focal等函數(shù) , 大大簡(jiǎn)化模型的程序 。 314 　 土地利用變化的動(dòng)態(tài)模擬及預(yù)測(cè)

　　 本模型是在 ARC / I FO GR I 環(huán)境下利用 AML 宏語(yǔ)言寫(xiě)成 。直接在 GIS中開(kāi)發(fā) CA 模 N D

? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

24

地 　　 　　 　　 理 研 究

24 卷

圖 4　 利用神經(jīng)網(wǎng)絡(luò)模擬復(fù)雜的土地利用變化
Fig14 　The sim ulation of comp lex land use changes using the neural2network2based model
模擬 糧田
814 413 010 012 010

　　 本試驗(yàn)利用基于神經(jīng)網(wǎng)絡(luò)的 CA 模型模擬了東莞市 6 種土地利用類(lèi)型的動(dòng)態(tài)變化過(guò) 程 。轉(zhuǎn)換規(guī)則是通過(guò)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)來(lái)代替 。通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練來(lái)獲取模型的參數(shù) 。 在每次循環(huán)過(guò)程中 , 輸出層的神經(jīng)元自動(dòng)計(jì)算出每個(gè)單元對(duì)應(yīng)各種土地利用類(lèi)型的轉(zhuǎn)換概 率 , 從而確定土地利用的動(dòng)態(tài)變化 。以衛(wèi)星 T 圖像獲取的 1988 年的土地利用作為初始 M (圖 4A ) , 通過(guò) CA 模擬來(lái)獲得 1993 年的土地利用 (圖 4B ) 。對(duì)比模擬的土地利用 狀態(tài) 與實(shí)際土地利用 (從遙感分類(lèi)中獲取 ) 的差別 , 可以驗(yàn)證模型的有效性 。表 2 是對(duì)比結(jié) 果所獲得的混淆矩陣 , 總的精度為 0183, 可見(jiàn)模擬結(jié)果較理想 。 表 2 　1993 年實(shí)際與模擬的土地利用的混淆矩陣 ( %) 　　
土地利用類(lèi)型 糧田 建筑用地
5712 816 816 010 018 313

實(shí)際

? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

Tab12 　The confusion ma tr ix between the actua l and si ula ted land use in 1993 ( %) m
果園
713 916 019 016 010

建成區(qū)
1413 7911 111 010 317 011

森林
010 010 013 916 413

水體
010 010 117 118

總數(shù)
10010 10010 10010 10010 10010 10010

建筑用地 果園

建成區(qū) 森林 水體

8913

8311

9614

1015 9419

　1 期

黎 　 等 : 基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng) 夏

25

納的 。利用本模型也可以預(yù)測(cè)將來(lái)土地利用可能發(fā)生的變化 。預(yù)測(cè)是基于過(guò)去的趨勢(shì)來(lái)進(jìn) 行的 , 其具體假設(shè)是將來(lái)的自然 、社會(huì) 、經(jīng)濟(jì)條件沒(méi)有發(fā)生較大的變化 。根據(jù)其變化的軌 跡 , 可以預(yù)測(cè)將來(lái)各種土地類(lèi)型的變化和需求 。圖 5C 是利用本模型對(duì) 2005 年的土地利用 進(jìn)行預(yù)測(cè)的結(jié)果 。對(duì)土地利用的動(dòng)態(tài)進(jìn)行模擬及預(yù)測(cè) , 可以為城市規(guī)劃提供重要的數(shù)據(jù) 。 　　
表 3　 模擬土地利用變化及數(shù)量 ( ha)
Tab13 　The am oun ts of each land use type from the si ula tion ( ha ) m
1988 1993 (初始 )

　　 模擬的結(jié)果清晰地反映了該地區(qū)城市用地不斷增加 , 農(nóng)業(yè)用地不斷減少的土地利用變 化趨勢(shì) 。主要有兩種十分明顯的土地利用變化特征 : 1 ) 糧田轉(zhuǎn)變?yōu)榻ㄖ玫睾徒ǔ蓞^(qū) ; 2 ) 糧田轉(zhuǎn)變?yōu)楣麍@ 。這些土地利用變化與該地區(qū)的經(jīng)濟(jì)發(fā)展和城市化過(guò)程有關(guān) 。農(nóng)業(yè)用 地轉(zhuǎn)變?yōu)槌鞘杏玫胤从沉顺鞘械牟粩鄶U(kuò)張過(guò)程 。農(nóng)業(yè)用地內(nèi)部的轉(zhuǎn)換 , 即從糧田轉(zhuǎn)變?yōu)楣?園 , 是市場(chǎng)調(diào)整的結(jié)果 。對(duì)比分析表明 , 模擬結(jié)果與實(shí)際的遙感監(jiān)測(cè)結(jié)果相吻合 , 這反映 了本 ANN 2 模擬能很好地反映出土地利用變化的趨勢(shì) 。 CA 理措施和方針政策 。 　　 由遙感監(jiān)測(cè)的結(jié)果表明 , 在 1988 ～1993 年期間 , 該地區(qū)的糧田減少了 2215% ; 模擬

結(jié)果表明 , 若按該趨勢(shì)進(jìn)行下去 , 在 1993 ～ 2005 年期間 , 該地區(qū) 的糧 田將 繼續(xù)減 少 模擬和預(yù)測(cè)土地利用變化 , 可以為城市和土地利用規(guī)劃提供依據(jù) , 幫助制定有效的土地管
3212% 。這種快速的土地利用變化現(xiàn)象 , 已經(jīng)為該地區(qū)帶來(lái)了一系列的資源和環(huán)境問(wèn)題 ,

結(jié)構(gòu) , 并適合于模擬復(fù)雜的土地利用變化 。 CA 模型在定義轉(zhuǎn)換規(guī)則和模型參數(shù)會(huì)碰到一 些問(wèn)題 。當(dāng)把 CA 模型應(yīng)用在復(fù)雜的土地利用動(dòng)態(tài)系統(tǒng)時(shí) , 確定模型的轉(zhuǎn)換規(guī)則及模型參 數(shù)難度很大 。在模擬復(fù)雜系統(tǒng)時(shí) , 所使用的參數(shù)往往有上百上千個(gè)之多 , 確定參數(shù)的數(shù)值 十分費(fèi)時(shí)和困難 。 　　 利用本文所提出的基于神經(jīng)網(wǎng)絡(luò)的 CA 模型 , 用戶(hù)無(wú)需提供轉(zhuǎn)換規(guī)則 , 模型的參數(shù)則

通過(guò)訓(xùn)練數(shù)據(jù)來(lái)自動(dòng)獲取 。試驗(yàn)表明 , 通過(guò)利用簡(jiǎn)單的 3 層的神經(jīng)網(wǎng)絡(luò) , 及利用多個(gè)輸出 神經(jīng)元 , 可以有效地模擬出復(fù)雜的土地利用動(dòng)態(tài)變化過(guò)程 。模型的結(jié)構(gòu)比較固定 , 同一模

　　 3 列出了模擬的各種土地利用類(lèi)型在不同時(shí)間的數(shù)量 。對(duì)比 1993 年模擬和實(shí)際 表 (遙感分類(lèi) ) 的各類(lèi)土地利用面積的差別 , 得知其平均誤差為 1211% , 其精度是可以被接
土地利用類(lèi)型 糧田
2005

實(shí)際

模擬

(將來(lái) )

建筑用地 果園

建成區(qū) 森林 水體 總數(shù)

4　 結(jié)論

　　 本研究表明 , 神經(jīng)網(wǎng)絡(luò)可以方便地被用來(lái)建立 CA 模型 。它能有效地簡(jiǎn)化 CA 模型的

? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

100, 40013 239, 66816 63, 51216 15, 92713 40, 40412 17, 39215 2, 03117

239, 66816

77, 83913 22, 75314 62, 45819 18, 53611 41, 57418 16, 50611

239, 66816

84, 22916 16, 11812 59, 60818 20, 46511 41, 20414 18, 04215

239, 66816

57, 04710 22, 88614 70, 28110 30, 26714 41, 16217 18, 02412

26

地 　　 　　 　　 理 研 究

24 卷

型結(jié)構(gòu)可以應(yīng)用在不同的地區(qū)及應(yīng)用領(lǐng)域 。用戶(hù)只需提供訓(xùn)練數(shù)據(jù) , 對(duì)模型進(jìn)行訓(xùn)練 , 即 可獲得理想的模擬結(jié)果 。將本模型應(yīng)用在珠江三角洲地區(qū) , 可以有效地模擬及預(yù)測(cè)該地區(qū) 快速的土地利用變化 , 為城市規(guī)劃工作者提供有用的土地利用變化信息 。 　　 目前國(guó)際上對(duì) CA 模型進(jìn)行糾正只是根據(jù)兩個(gè)年份的土地利用資料來(lái)進(jìn)行的 , 本研究 也是利用了 1988 年和 1993 年這兩年遙感分類(lèi)數(shù)據(jù) 。但這些方法無(wú)法獲取動(dòng)態(tài)的轉(zhuǎn)換規(guī) 則 , 下一步的工作有必要對(duì)此進(jìn)行深入的研究 。 參考文獻(xiàn) :
[ 1 ] 　Mertens B , Lambin E F1 Land 2cover2change trajectories in Southern Cameroon1 Annals of the A ssociation of American Ge2 [2 ] 　 劉紀(jì)遠(yuǎn) ,張?jiān)鱿?,等 120 世紀(jì) 90 年代中國(guó)土地利用變化時(shí)空特征及其成因分析 1地理研究 , 2003, 22 ( 1) : 1 ～121 [3 ] 　 何春陽(yáng) ,史培軍 ,陳晉 ,等 1北京地區(qū)土地利用 /覆蓋變化研究 1地理研究 , 2001, 20 ( 6) : 679 ～6871 [ 4 ] 　Batty M , Xie Y1 From cells to cities1 Environment and Planning B: Planning and Design, 1994, 21: 531 ～5481 [ 17 ] 　 黎夏 ,葉嘉安 1利用主成分分析來(lái)改善土地利用變化的遙感監(jiān)測(cè)精度 1遙感學(xué)報(bào) , 1997, 1 ( 4) : 282 ～289. Geographical Information Science, 2002, 16 ( 8) : 795 ～818. [ 10 ] 　 黎夏 ,葉嘉安 . 約束性單元自動(dòng)演化 CA 模型及可持續(xù)城市發(fā)展形態(tài)的模擬 . 地理學(xué)報(bào) , 1999, 54 ( 4) : 289 ～298. Photogrammetric Engineering & Remote Sensing, 2001, 67 ( 4) : 471 ～4771 [ 5 ] 　W hite R, Engelen G, U ijee I1 The use of constrained cellular automata for high 2resolution modelling of urban land 2use dy2 [ 6 ] 　W u F, W ebster C J1 Sim ulation of land development through the integration of cellular automata and multicriteria evalua2 [ 7 ] 　Clarke K C, Hoppen S, Gaydos L 1 A self2 modifying cellular automaton model of historical urbanization in the San Francis2 [8 ] 　Clarke K C, Gaydos L J1 Loose2coup ling a cellular automata model and GIS: long2term urban growth p rediction for San [ 9 ] 　L i X, Yeh A G O 1 Modelling sustainable urban development by the integration of constrained cellular automata and GIS1 [ 11 ] 　L i X, Yeh A G O 1 Zoning for agricultural land p rotection by the integration of remote sensing, GIS and cellular automata1 [ 12 ] 　 黎夏 ,葉嘉安 1主成分分析與 Cellular Automata 在空間決策與城市模擬中的應(yīng)用 1 中國(guó)科學(xué) , 2001, 31 ( 8 ) : 683 [ 15 ] 　Openshaw S1 Neural network, genetic, and fuzzy logic models of spatial interaction1 Environment and Planning A , 1998, [ 16 ] 　 黎夏 ,葉嘉安 1利用遙感監(jiān)測(cè)和分析珠江三角洲的城市擴(kuò)張過(guò)程 —— — 以東莞市為例 1地理研究 , 1997, 16 ( 4) : 56 [ 13 ] 　Newkirk R T, W ang F1A common knowledge database for remote2sensing and geographic information in a change2detection [ 14 ] 　L i X, Yeh A G O 1 Principal component analysis of stacked multi2temporal im ages for monitoring of rap id urban expansion [ 18 ] 　W u F1 Calibration of stochastic cellular automata: the app lication to rural2urban land conversions1 International Journal of [ 19 ] 　W ang F1 The use of artificial neural networks in a geographical infor mation system for agricultural land 2suitability assess2 ographers, 2000, 93 ( 3) : 467 ～4941 30: 1857 ～18721

? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

ment1 Environment and Planning A , 1994, 26: 265 ～2841

nam ics1 Environment and Planning B: Planning and Design, 1997, 24: 323 ～3431

co Bay area1 Environment and Planning B: Planning and Design, 1997, 24: 247 ～2611

Francisco and W ashington /Baltimore1 International Journal of Geographical Information Science, 1998, 12 ( 7 ) : 699

～7141 ～6901 ～61.

expert system 1 Environment and Planning B , 1990, 17 ( 4) : 395 ～4041

tion1 Environment and Planning B: Planning and Design, 1998, 25: 103 ～1261

in the Pearl R iver Delta1 International Journal of Remote Sensing, 1998, 19 ( 8) : 1501 ～15181

International Journal of Geographical Information Science, 2000, 14 ( 2) : 131 ～1521

　1 期

黎 　 等 : 基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng) 夏

27

Cellular automa ta for si ula tin g com plex land use system s m usin g neura l networks
(11 School of Geography and Planning, Zhongshan University, Guangzhou 510275, China; 21 Centre of U rban Planning and Environmental M anagement, the University of Hong Kong, Hong Kong, China)

Abstract: This paper p resents a new m ethod to sim ulate the dynam ics of multip le land uses based on the integration of neural networks, cellular autom ata and GIS1 Recently, cellular autom ata nam ically updated at the end of each loop 1 Key words: neural networks; cellular autom ata; remote sensing; land use; GIS
? 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.

　　 The neural2network 2based CA model is directly developed in a GIS environment by using ARC / I FO GR I AML 1 The GIS p rovides both data and spatial analysis functions for construc2 N D ting the neural network1 Real data are conveniently retrieved from the GIS database for calibrating and testing the model1 The GIS functions are also used for the neural network calculations1 The
Land use conversion is decided by comparing the conversion p robabilities1 The model is carried out by iterative loop ing the neural network for sim ulating multip le land use changes1 Comp lex

ulation parameter values, transition rules and model structures1 In this paper, a three 2layer neural neural net ork has multip le output neurons to generate conversion p robabilities at each iteration1 w ting m ultip le land uses1

　　The p roposed method can overcome some of the shortcom ings of the currently used CA mod2 els in sim ulating comp lex urban system s and multip le land use changes by significantly reducing the tedious work in defining parameter values, transition rules and model structures1 The model has been successfully app lied to the sim ulation of land use dynam ics in the Pearl R iver Delta1

net ork w ith multip le output neurons is designed to calculate conversion p robabilities for compe2 w global patterns can be generated from local interactions through the neural net ork1 The sim ula2 w tion results are not determ inistic because a stochastic variable is used and site attributes are dy2

iables and parameters have to be utilized1 Conventional CA models have p roblem s in defining sim 2

sim ulation of multip le land use changes using CA models is difficult because num erous spatial var2

( CA ) have been increasingly used to sim ulate urban grow th and land use dynam ics1 However,

L I Xia , Anthony Gar2 Yeh On
1

2



  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)及模擬復(fù)雜土地利用系統(tǒng)，由筆耕文化傳播整理發(fā)布。