ANN-CA模型改进及城市用地动态模拟

针对传统ANN-CA(artificial neural network—cellular automata)模型在城市动态模拟中用地转换阈值确定繁琐以及全局模拟效果不佳的问题?以ArcGIS和Matlab2012b为开发平台,构建了一个“自上而下”和“自下而上”相结合的改进模型,以重庆市南岸区为例进行土地变化模拟,对比模型改进前后的模拟效果并讨论邻域设置对模型精度的影响?结果显示,改进后模型的模拟结果不论是精度还是Kappa系数都高于传统模型的模拟结果,而且改进后模型转换阈值的设置方便灵活,无需经过多次试验来获取,随着邻域设置范围的增大,模型的模拟精度也得到一定的改善?     

城市土地利用动态模拟研究进展

回顾了城市土地利用动态模拟的基本原理、过程、方法和主要模型。研究表明:城市土地动态模拟模型主要有基于经验统计方法的CLUE-S(the conversation of land use and its effects at small region extent)模型、基于多智能主体分析方法的ABM(agent based model)模型、基于栅格邻域关系分析方法的(cellular automata,CA)模型和基于土地系统结构变化及空间格局演替综合分析的DLS(dynamic land system simulation)模型;基于不同的理论和方法的模型,具有不同的优点和缺点,适用于不同的情景模拟;已有文献关于城市动态模拟的研究内容主要体现在城市演进机理和模拟工具研究、模型的改进与完善研究以及模拟结果与过程的可视化表达研究等方面。总结了城市土地动态模拟的基本原理和通用模型框架,归纳了现有模型的优缺点和未来研究趋势。     

基于PPA方法的农村居民点空间分布模式研究——以重庆市主城区为例

针对农村居民点的空间分布影响着区域经济发展的规模、方向以及发展的可持续性问题,引入最邻近距离指数(nearest neighbor index,NNI)、核密度估计(kernel density estimation,KDE)和Voronoi图及其变异系数(CV值)3种点模式分析(point pattern analysis,PPA)方法,从不同的角度揭示重庆市农村居民点空间分布模式。研究显示,重庆市主城区农村居民点NNI是0.072,总体上属于典型的集聚分布模式;在空间分布上,农村居民点形成了不同等级的热点分布区域,而且具有较强的方向性;在聚散特征上,离市中心越远,农村居民点分布越趋于均匀分布,离市中心越近,农村居民点集聚性越强。从研究方法来看,3种PPA方法各有优缺点:NNI方法便于从数量上揭示空间点的总体特征;KDE在空间上探测地理事件的热点区域方面具有优势;Voronoi多边形CV分析法更关注一定统计单元的地理现象分布特征。三者有机结合使得对点空间格局的研究更深入、更全面、更具体。