共查询到18条相似文献，搜索用时 125 毫秒
1.
建设用地在空间上存在相互聚集或排斥的特性,并可能影响到城市扩张格局。本文在厘清建设用地内部以及不同类型建设用地之间聚集与排斥性的基础上,将其纳入到元胞自动机（CA）模型的发展适宜性与邻域影响因子计算中,以此构建顾及建设用地聚集与排斥性的CA-SAE模型,并将其应用于义乌城市扩张模拟的实证分析。结果表明：CA-SAE模型能够有效模拟不同类型建设用地的扩张状况,且模拟精度要优于传统CA模型。同时,多情景的模拟结果也证实了建设用地聚集与排斥性会影响到不同类型建设用地的空间分布及城市扩张形态。本文构建的CA-SAE模型创新性地将建设用地聚集与排斥性纳入到CA模型中,为开展面向不同类型建设用地的城市扩张模拟提供了思路与方法。 相似文献
2.
运用自下而上的多智能体建模方法构建城市扩张模型,研究城市扩张的基本特征和规律,对新型城镇化建设具有重要的理论和现实意义。但传统的多智能体模拟大多是基于栅格数据构建,不同的格网大小、邻域形状及邻域大小将产生不同的模拟结果。为克服传统栅格数据受模拟尺度的影响,采用城市土地利用现状图,构建矢量多智能体城市扩张动态模型。智能体依据“宜居性”评价指标,并遵从个人偏好,选择合适区位,模拟城市扩张的时空动态过程。将模型应用于广州市番禺区,模拟了其2003-2008年城市扩张情况。最后将模拟结果与实际土地利用现状图进行对比,结果表明,地块的转化精度为63.09%,非转化精度为90.74%,总精度为85.83%,具有较好的模拟精度,可以为新型城镇化建设提供有效的决策支持。 相似文献
3.
积雪是新疆地区重要的水源补给,是冰冻和融雪洪水灾害的直接原因,也是水资源管理、气候变化、灾害防治和融雪模拟预报的主要参数。针对多种积雪信息提取方法的优缺点,提出运用特征空间方法,构建积雪丰度反演模型,并与支持向量机提取积雪丰度进行精度对比分析,NA模型方法的相关系数（R2）值比支持向量机方法高2.4百分点,而均方根误差（RMSE）提高了0.106。结果表明：利用归一化差分积雪指数（NDSI）和反照率（Albedo）建立二维特征空间反演积雪丰度的方法是可行的,并且提取精度优于支持向量机（SVM）方法。因此,该方法对水资源管理、气候变化以及洪水模拟预测等方面的研究具有一定参考意义。 相似文献
4.
顾及城市空间结构信息的元胞自动机模型构建及其应用 总被引：2，自引：2，他引：0
利用衡量新增斑块空间邻接关系的多阶景观扩张指数定量识别城市组团的空间特征,结合城市组团所表现出的城市空间结构信息,构建基于MLEI的元胞自动机城市扩展（MLEI-CA）模型。针对武汉市1990、2000、2013年3期遥感影像数据,运用MLEI-CA对武汉市城市扩展进行模拟,通过与Logistic-CA模型对比验证该模型的适用性。研究结果表明,MLEI-CA模型更加准确地揭示城市扩展的空间演变过程,MLEI-CA模型精度优于Logistic-CA模型,Kappa系数、城市用地的精度分别提高6%和4%。 相似文献
5.
多智能体城市土地扩张模型及其应用 总被引：22，自引：5，他引：17
传统的城市土地扩张模型多为静态模型,无法呈现空间上每一时间点的土地利用状况,以元胞自动机（Cellular Automata）模型为代表的新型城市土地扩张模型虽然具有动态特性,但其无法描述影响城市土地扩张的智能体（Agent）之间所产生的多元变化结果。以多智能体系统（Multi—Agent System）理论为基础,建立城市土地资源时间和空间配置规则,构建了动态且能描述影响城市土地扩张的智能体（Agent）间互动关系的城市土地扩张模型,并以长沙市区为例,应用所构建之模型进行了城市土地扩张的实证分析。结果表明：该模型可以反映城市土地扩张的基本特征和规律．对于解释城市土地扩张的成因、理解智能体行为对城市土地扩张过程的影响是合适的。并且将模拟结果与遥感土地利用解译结果对比．1998年、2001年、2005年城市土地扩张模拟的点对点精度均达到68％以上,从而能够为政府和城市规划者制定用地政策提供辅助决策支持。 相似文献
6.
基于支持向量回归机的耕地保有量组合预测 总被引：1，自引：0，他引：1
赖红松 《地理与地理信息科学》2011,27(2):56-60
为提高耕地保有量预测精度,将灰色预测GM(1,1)模型、动力预测模型、BP网络预测模型和加权支持向量回归机预测模型相结合,建立了基于支持向量回归机的耕地保有量组合预测模型,并将其用于温州市耕地保有量预测。结果表明,该模型比任一单一预测模型精度更高,可用于耕地保有量预测。 相似文献
7.
空间异质性主要表现为时空非平稳性,引入空间异质性用于提取用地变化转换规则是学术界一直探讨的热点问题。该文针对城市群空间扩张模拟过程中的空间非平稳性和建模过程中的因子优化问题,运用K-means空间聚类算法和因子分析(FA)方法,耦合多层感知机(MLP)与元胞自动机(CA),构建基于城市扩张速率分区的FA-MLP-CA模型,并利用该模型预测2030年成渝地区双城经济圈城市扩张。研究结果显示:模型总体精度(OA)和品质因数(FoM)分别达到0.9785和0.3801,相较于未引入因子优化的常规分区MLP-CA模型和城市扩张速率分区MLP-CA模型,总体精度分别提高0.0043和0.0014,FoM分别提高0.0298和0.0091;相较于未分区的传统模型,OA和FoM分别提高0.0076和0.0992;城市扩张速率分区MLP-CA模型与常规分区MLP-CA模型相比,OA和FoM分别提高0.0029和0.0207。研究表明,分区建模能改善常规建模过程中因空间异质性导致的对局部特征学习不充分的问题,其中采用城市扩张速率分区能在一定程度上提升模拟效果;而引入因子分析后不仅可提升模型精度,而且能很好地增强模型可解释性。 相似文献
8.
本文提出一种基于随机森林的元胞自动机城市扩展(RF-CA)模型。通过在多个决策树的生成过程中分别对训练样本集和分裂节点的候选空间变量引入随机因素,提取城市扩展元胞自动机的转换规则。该模型便于并行构建,能在运算量没有显著增加的前提下提高预测的精度,对城市扩展中存在的随机因素有较强的容忍度。RF-CA模型可进行袋外误差估计,以快速获取模型参数;也可度量空间变量重要性,解释各空间变量在城市扩展中的作用。将该模型应用于佛山市1988-2012年的城市扩展模拟中,结果表明,与常用的逻辑回归模型相比,RF-CA模型进行模拟和预测分别能够提高1.7%和2.6%的精度,非常适用于复杂非线性特征的城市系统演变模型与扩展研究;通过对影响佛山市城市扩展的空间变量进行重要性度量,发现对佛山城市扩张模拟研究而言,距国道的距离与距城市中心的距离具有最重要的作用。 相似文献
9.
《地理科学进展》2015,(8)
本文提出一种基于随机森林的元胞自动机城市扩展(RF-CA)模型。通过在多个决策树的生成过程中分别对训练样本集和分裂节点的候选空间变量引入随机因素,提取城市扩展元胞自动机的转换规则。该模型便于并行构建,能在运算量没有显著增加的前提下提高预测的精度,对城市扩展中存在的随机因素有较强的容忍度。RF-CA模型可进行袋外误差估计,以快速获取模型参数;也可度量空间变量重要性,解释各空间变量在城市扩展中的作用。将该模型应用于佛山市1988-2012年的城市扩展模拟中,结果表明,与常用的逻辑回归模型相比,RFCA模型进行模拟和预测分别能够提高1.7%和2.6%的精度,非常适用于复杂非线性特征的城市系统演变模型与扩展研究;通过对影响佛山市城市扩展的空间变量进行重要性度量,发现对佛山城市扩张模拟研究而言,距国道的距离与距城市中心的距离具有最重要的作用。 相似文献
10.
城市扩张模拟为实现土地资源合理分配与制定城市发展规划政策提供依据。该文针对传统元胞自动机(CA)在城市扩张模拟中存在城市元胞密集区域团簇现象,耦合随机森林(RF)与基于斑块(Patch)扩张的CA模型,在顾及驱动因子重要性基础上构建基于斑块最大面积和城市扩张总量的双约束RF-Patch-CA模型,并利用该模型模拟重庆主城都市区2010-2017年城市扩张。结果显示:该模型总体精度达97.62%,相比传统的RF-CA、ANN-CA和Logistic-CA模型,Kappa系数分别提高了0.0222、0.0231和0.0245,FoM分别提高了0.0376、0.0391和0.0414;在景观相似度上,该模型相比以上3种模型分别提高了40.92%、41.16%和32.33%,最接近真实情况,而且避免了模拟结果产生城市元胞团簇现象,有效提高了城市扩张模拟精度。 相似文献
11.
Tingting Xu Jay Gao Giovanni Coco 《International journal of geographical information science》2019,33(10):1960-1983
Accurate simulations and predictions of urban expansion are critical to manage urbanization and explicitly address the spatiotemporal trends and distributions of urban expansion. Cellular Automata integrated Markov Chain (CA-MC) is one of the most frequently used models for this purpose. However, the urban suitability index (USI) map produced from the conventional CA-MC is either affected by human bias or cannot accurately reflect the possible nonlinear relations between driving factors and urban expansion. To overcome these limitations, a machine learning model (Artificial Neural Network, ANN) was integrated with CA-MC instead of the commonly used Analytical Hierarchy Process (AHP) and Logistic Regression (LR) CA-MC models. The ANN was optimized to create the USI map and then integrated with CA-MC to spatially allocate urban expansion cells. The validated results of kappa and fuzzy kappa simulation indicate that ANN-CA-MC outperformed other variously coupled CA-MC modelling approaches. Based on the ANN-CA-MC model, the urban area in South Auckland is predicted to expand to 1340.55 ha in 2026 at the expense of non-urban areas, mostly grassland and open-bare land. Most of the future expansion will take place within the planned new urban growth zone. 相似文献
12.
Mining transition rules of cellular automata for simulating urban expansion by using the deep learning techniques 总被引：3，自引：0，他引：3
Jialv He Yao Yao Ye Hong Zhang Jinbao 《International journal of geographical information science》2018,32(10):2076-2097
Along with the gradually accelerated urbanization process, simulating and predicting the future pattern of the city is of great importance to the prediction and prevention of some environmental, economic and urban issues. Previous studies have generally integrated traditional machine learning with cellular automaton (CA) models to simulate urban development. Nevertheless, difficulties still exist in the process of obtaining more accurate results with CA models; such difficulties are mainly due to the insufficient consideration of neighborhood effects during urban transition rule mining. In this paper, we used an effective deep learning method, named convolution neural network for united mining (UMCNN), to solve the problem. UMCNN has substantial potential to get neighborhood information from its receptive field. Thus, a novel CA model coupled with UMCNN and Markov chain was designed to improve the performance of simulating urban expansion processes. Choosing the Pearl River Delta of China as the study area, we excavate the driving factors and the transformational relations revealed by the urban land-use patterns in 2000, 2005 and 2010 and further simulate the urban expansion status in 2020 and 2030. Additionally, three traditional machine-learning-based CA models (LR, ANN and RFA) are built to attest the practicality of the proposed model. In the comparison, the proposed method reaches the highest simulation accuracy and landscape index similarity. The predicted urban expansion results reveal that the economy will continue to be the primary factor in the study area from 2010 to 2030. The proposed model can serve as guidance in urban planning and government decision-making. 相似文献
13.
基于多源数据和集成学习的城市住宅地价分布模拟——以武汉市为例 总被引：2，自引：0，他引：2
精准刻画城市住宅地价分布特征,对于科学引导城市空间布局规划、有效实现城市精明增长等具有重要意义。而城市住宅地价与其潜在影响因素之间的复杂非线性关系,给地价分布精细模拟带来了挑战。论文旨在探索基于地理大数据和集成学习的城市住宅地价分布模拟方法体系,以满足快速、精准监测地价动态变化的需要。选取武汉市为典型区,以住宅用地交易样点、兴趣点(points of interest, POI)和夜间灯光影像为数据源,以500 m分辨率网格为估价单元,提取POI核密度和夜间灯光强度作为住宅地价预测变量,采用机器学习算法和bagging、stacking集成方法构建住宅地价预测模型,并对比分析其精度。研究发现：① 单个机器学习算法中,支持向量回归(support vector regression, SVR)预测精度最高,接下来依次是k最近邻算法(k-nearest neighbor algorithm, k-NN)、高斯过程回归(Gaussian process regression, GPR)和BP神经网络(back propagation neural networks, BP-NN);② 在提升单个算法预测精度方面,stacking方法的性能优于bagging方法,使用stacking集成SVR和k-NN的地价预测模型精度最高,其平均绝对百分误差仅为8.29%,拟合优度R2达0.814;③ 基于论文所构建模型生成的城市住宅地价分布图能有效表征价格圈层分布特征和局部奇异性。研究结果可为城市住宅地价评估提供新的思路和方法借鉴。 相似文献
14.
从高维特征空间中获取元胞自动机的非线性转换规则 总被引：24，自引：5，他引：19
元胞自动机 (CA) 具有强大的空间模拟能力,能够模拟和预测复杂的地理现象演变过程。CA 的核心是如何定义转换规则,但目前CA转换规则获取往往是基于线性方法来进行,例如采用多准则判断 (MCE) 技术。这些方法较难反映地理现象所涉及的非线性等复杂特征。为此提出了利用新近发展的核学习机来获取地理元胞自动机非线性转换规则的新方法。该方法是通过核函数产生隐含的高维特征空间,把复杂的非线性问题转化成简单的线性问题,为解决复杂非线性问题提供了一种非常有效的途径。利用所提出的方法自动获取地理元胞自动机的转换规则,不仅大大减少了建模所需的时间,也较好地反映地理现象复杂的特性,从而改善了CA模拟的效果。 相似文献
15.
Although traditional urban expansion simulation models can simulate dynamic features, these models fail to address complex changes produced by different agents' behaviors. The paper has built up a set of spatial-temporal land resource allocation rules and developed a dynamic urban expansion model based on a multi-agent system, which can simulate the interaction among different agents, such as residents, peasants, and governments. This model is applied to simulate urban expansion process taking Changsha City, in China as a study area. The results show that this model can not only reflect basic characteristics of urban expansion, but also help explain the reasons for urban expansion process and understand the effect of agents' behavior on the expansion process, and provide insights into the causing factors behind the expansion. In addition, in contrast to simulation results with land use classification map from remote sensing images, the precision of the simulation reached over 68% with higher precision than cellular automata model according to the cell-by-cell comparison. The results suggest that the model can help to provide land use decision making support to government and urban planners. 相似文献
16.
长沙城市土地扩张模型及其应用 总被引：2，自引：0，他引：2
Although traditional urban expansion simulation models can simulate dynamic features, these models fail to address complex
changes produced by different agents’ behaviors. The paper has built up a set of spatial-temporal land resource allocation
rules and developed a dynamic urban expansion model based on a multi-agent system, which can simulate the interaction among
different agents, such as residents, peasants, and governments. This model is applied to simulate urban expansion process
taking Changsha City, in China as a study area. The results show that this model can not only reflect basic characteristics
of urban expansion, but also help explain the reasons for urban expansion process and understand the effect of agents’ behavior
on the expansion process, and provide insights into the causing factors behind the expansion. In addition, in contrast to
simulation results with land use classification map from remote sensing images, the precision of the simulation reached over
68% with higher precision than cellular automata model according to the cell-by-cell comparison. The results suggest that
the model can help to provide land use decision making support to government and urban planners. 相似文献
17.
基于表观电导率与实测光谱的干旱区湿地土壤盐分监测 总被引：2，自引：0，他引：2
以新疆艾比湖滨盐渍化土壤为对象,利用磁感应电导仪和光谱仪测得的盐渍土表观电导率和可见光/近红外光谱数据,选取与EM38解译的土壤盐分相关性最好的光谱变换形式和特征波长,分别建立多元逐步回归、偏最小二乘回归和支持向量回归的土壤盐分监测模型。结果表明：（1）表观电导率两种模式相结合建立的盐分含量解译模型的拟合优度达到0.91,即在该区域内电磁感应技术可用于土壤盐分含量的间接监测。（2）一阶微分处理优于二阶微分,经一阶微分变换后的光谱可以较好地预测土壤盐分含量。（3）3种建模方法中,支持向量回归的建模精度最高,偏最小二乘回归和多元逐步回归次之。干旱区湖滨湿地土壤盐分含量的估测模型宜选取基于平滑后的原始一阶微分光谱数据建立的支持向量回归模型。 相似文献
18.
基于分区域的元胞自动机及城市扩张模拟 总被引：4，自引：1，他引：3
元胞自动机用于模拟城市扩张具有很好的空间建模能力,通常采用的建模方式将影响因子的空间条件作为线性要素对待,而在元胞转换规则建模中考虑影响因子的空间非线性特征更逼近真实状况.该文提出一种基于分区域的元胞自动机模型,通过划分各个全局影响因子的重要性子区域,计算不同类型区域中各因子对土地利用转换的影响强度,从而得到全区域的空间非线性转换规则.利用该模型模拟东莞市1988-1993年的城市扩展过程,并与Logistic模型模拟结果对比,表明这种有空间约束条件的分区域元胞自动机模拟精度更高,能有效模拟城市扩张的空间格局. 相似文献