基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测。LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布。选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考。     

基于GIS与ANN的土地转化模型在城市空间扩展研究中的应——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测.LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布.选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考.     

近30a城市土地利用变化模拟研究进展

城市土地利用变化模拟研究是当前土地科学领域的热点,基于文献综合法、归纳总结法和逻辑推理法,梳理国内外城市土地利用变化模拟的理论研究与实践进展方面的文献,论述研究中取得的成果、不足及未来研究趋势,以期为城市土地利用变化研究及城市土地管理制度的制定和科学决策提供参考.结果表明,城市土地利用变化模拟研究已从单一的数量或空间预测,向多情景、多模型的耦合方式发展;城市土地利用变化模拟的理论体系和模拟方式逐步完善,利益相关者在情景设置、情景模拟和结果验证等过程中的参与度逐步提升;城市土地利用变化模拟研究仍存在局限性,即缺乏全球和局地尺度方面的研究,模拟方式相对单一,模拟结果验证方法尚未成熟,存在过度依赖历史验证的问题.城市土地利用变化研究应聚焦增强模拟模型的可扩展性和可靠性,从而进一步预测和解释土地利用变化的格局和过程,推进情景模拟在决策支持系统中的应用.     

城市复杂时空数据集成与空间决策模拟

面向现代城市管理、智慧城市建设与城市突发事件应急响应决策等重大社会服务需求,针对现有的城市时空数据集成和综合分析还无法为现代城市综合管理提供有效服务及支持等问题,对基于多源异构时空数据的城市动态分析模拟等方法进行了研究,重点突破基于高性能计算的海量异构数据集成、分析及展示,面向决策的城市智能分析等核心技术,研发基于高性能计算的城市时空数据分析与决策模拟平台,并在此基础上,开展典型城市应急决策支持与模拟应用示范,为我国城市的信息化与智慧化管理提供科学技术支撑。课题主要包括以下研究内容:(1)海量多源异构时空数据集成分析。在集成863项目"GIS异构时空数据集成技术"(武汉大学吴华意等负责)和第一课题"复杂时空数据集成及多源异构一体化建模"研究成果的基础上实现城市多源异构数据的建模、组织和检索,研究时空演变信息的实时快速提取、查询和分析,以及海量实时监测数据的融合集成和可视化,实现城市系统从静态向动态的全息转换。(2)城市动态分析模型关键技术研究。主要是针对三组模型库的开发与实现展开研究,即影响分析模型库、过程预测模型库、应急优化模型库。其中,过程预测模型库及应急优化模型库为本课题的决策模拟研究提供算法方面的支持。(3)城市智能决策支持与模拟关键技术研究。在城市智能决策过程理论研究的基础上,进行城市智能决策模拟模型方法研究,同时构建经典模型库与新型方法库两大模拟模型库;组建与时空数据相匹配的城市智能决策综合分析模型;综合上述理论研究,构建城市智能决策支持和模拟平台。(4)面向城市大型活动实时交通流模拟与疏导的应用示范。选择广州市作为应用示范区域,对多源传感器获取的城市时空数据进行实时接入和标准化集成处理,构建城市交通多源时空数据库;进行常态交通量的时空分布规律及主要驱动因子研究,构建实时交通流分析及模拟知识库;并在广州市核心区进行实时交通流模拟和实时交通疏导应用示范。(5)面向城市大型活动应急决策支持与模拟的应用示范。选择乌鲁木齐市为应用示范区域,在多源时空数据集成与决策模拟技术的基础上,以乌鲁木齐市承办大型城市活动(包括中国-亚欧博览会等)为服务对象,进行示范应用。     

城市增长模拟模型研究综述

城市增长过程研究一直是地理学界长期关注的焦点问题之一。随着计算机技术的发展,城市增长模拟研究在理论和技术层面都有较快的发展。为进一步梳理城市增长模拟研究的发展历程,探寻相关研究的发展方向,在简单回顾城市空间结构和静态城市模型的基础上,重点对动态城市模型中以元胞自动机(Cellular automata,CA)和基于智能体建模(Agent-Based modeling,ABM)为代表的离散动力学模型的研究成果进行梳理,并从城市增长模型的理论、概念、属性、结构以及模拟平台5个方面进行对比分析。研究发现,城市增长模拟的动态模型能体现城市发展和演化的复杂性特点,而智能体建模方法因其具有对城市发展诸多要素及其相互作用的综合考虑而具有更大的优势。     

中国当前城市空气综合质量的主要影响因素分析

基于2010年我国78个主要城市的5个空气质量指标数据, 利用主成分分析方法, 计算城市空气质量综合得分; 采用多元线性回归方法, 从气候、地形、城市发展和城市环境状况四方面的48个变量中筛选出与城市空气质量显著相关的10个, 并定量评价不同因子对城市空气质量的贡献。依据空气质量综合得分, 从78个城市中分层随机选取30个城市作为训练样本, 构建基于径向基函数(RBF)的人工神经网络模型。利用城市自然、社会、经济特征及环境管理现状模拟城市空气质量, 并应用于我国173个主要城市空气质量状况的模拟。结果表明, 年平均饱和水气压、城市建成区面积、城区海拔落差和第二产业占GDP的百分比是影响中国当前城市空气综合质量的主要因素, 分别可以解释城市空气质量变异性的14.7%, 12.8%, 8.8%和7.2%。研究结果突破了以往大部分空气质量评价模型仅以大气污染物和气象因子作为模型输入因子的局限, RBF人工神经网络模型的模拟结果准确性较高(R²=0.658, p<2.2×10^-14)。     

基于SD-MOP整合模型的城市土地资源优化配置方案研究

城市土地资源优化配置对城市社会经济的发展具有极其重要的作用。论文探讨了土地资源优化配置的相关方法,并针对城市土地资源优化配置系统的特点,提出了基于系统动力学和多目标规划整合模型(SD-MOP)的城市土地资源优化配置方案,并研究了SD-MOP整合模型的构建过程,为城市土地资源优化配置方案研究探索出了一套新的方法。     

流域水文模型的参数全局敏感性分析

基于LSPC构建内蒙大佘太流域水文模拟模型, 利用Morris和Sobol两种全局敏感性分析方法, 识别水文敏感参数及敏感下垫面类型, 评估不同敏感性分析方法和模型输出度量方法对敏感性分析结果的影响。主要结论如下: 1) 模型对日、月两尺度的径流模拟效果好, 模拟值与观测值的决定系数R²>0.6, 纳什系数NSE>0.5, 说明LSPC模型适用于对内陆干旱半干旱地区的流域水文模拟; 2) 两种敏感性分析方法对参数敏感指数排序和敏感参数识别均有影响, 而MAE和MSE两种度量方法的影响主要体现在敏感参数识别方面; 3) 敏感水文参数为下层土壤含水量(LZSN)和地下水蒸发系数(AGWETP), 敏感下垫面类型为草地、耕地、林地和水域, 与大佘太流域的降水和土地利用类型有关。     

土地三级动态巡查对土地违法行为遏制效果评价——以常州市为例

采用理论分析方法,提出惩罚函数并构建评价模型.以常州市土地三级动态巡查为实例对象,验证了评价模型,评价了常州市土地三级动态巡查对土地违法行为的遏制效果,优化了常州市土地三级动态巡查机制.研究表明:(1)土地三级动态巡查对土地违法行为具有遏制效果.疑似违法用地行为越早发现、越早制止,遏制效果越好;(2)惩罚函数描述了土地三级动态巡查结果的状态.两个巡查时间节点的状态差值表征了三级动态巡查对土地违法行为的遏制效果;(3)常州市自2012年实施了土地三级动态巡查,土地违法行为及违法面积在不断减少.因此,土地三级动态巡查能有效地遏制土地违法行为.基于惩罚函数所构建的土地三级动态巡查评价模型能反映常州市的实际情况,评价模型合理可靠.扩大巡查区域和扩充巡查对象,能够有效提高土地三级动态巡查的遏制效果.     

基于GIS和ANN的城市土地适宜性评价

结合地理信息系统(GIS)和人工神经网络(ANN)技术,提出对城市土地适宜性进行评价的一种新方法.根据构建的城市土地适宜性评价指标体系,以济南市为例,基于GIS平台,利用自组织映射神经网络模型对城市土地适宜性进行了评价.研究结果表明,济南城市土地适宜性可划分为6类,模拟结果比较理想.