基于CA和MAS的哈爾濱城市土地利用變化研究

李繼紅 甘依童 李文慧 貢雪紅 趙宇庭 孟康

摘要：

以哈爾濱市市區(qū)為研究對象，通過構(gòu)建基于多特征的面向?qū)ο蟮姆诸惙椒?，對區(qū)域2000、2010、2015三期Landsat遙感數(shù)據(jù)進行解譯，將土地利用類型結(jié)合分辨率特性劃分為居民地、水體濕地、林草用地、農(nóng)田和未利用地五個類別。建模時，利用構(gòu)建的坡度、坡向、交通、服務(wù)設(shè)施、河流水域和人口等多個因子，通過Markov模型計算旋轉(zhuǎn)面積矩陣和轉(zhuǎn)化概率矩陣，采用ACO（蟻群優(yōu)化算法）結(jié)合類型轉(zhuǎn)化概率矩陣構(gòu)建CA（元胞自動機）模型土地利用類型轉(zhuǎn)化規(guī)則。然后利用土地規(guī)劃綱要，采用matlab平臺對CA-MAS（多智能體）模型進行集成，進而對CA模型進行修正，最終得到模擬結(jié)果，實現(xiàn)模型耦合。最后以2015年基準數(shù)據(jù)，對2020年城市空間格局進行模擬分析。耦合模型總體精度90.88%，kappa系數(shù)0.887，一致性良好，各個地類的也達到較好模擬精度。模型總體精度、各個用戶類別精度、模型的一致性和模型具體參量的模擬上均表現(xiàn)突出，表明CA-MAS耦合模型在城市空間格局演化模擬中效果良好，具有一定的應(yīng)用潛力。

關(guān)鍵詞：

面向?qū)ο蠓诸悾籆A模型；MAS模型；城市土地利用；演化模擬

中圖分類號：TU 984；P 209文獻標識碼：A文章編號：1001-005X（2018）01-0030-06

Abstract：

This paper took Harbin city as the research object，by constructing the objectoriented classification method based on multi features，combining the characteristics of resolution to interpret the Landsat remote sensing data of 2000，2010 and 2015，which were divided into residential land，wetland，water and land，farmland and unused five categories land use types individually.When modeling，utilizing multiple factors which were constructed such as slope，aspect，traffic，service facilities，water，population and so on，using Markov model to calculate rotation matrix and area conversion probability matrix，and using ACO（Ant Colony Optimization）combined with the rule of transforming type conversion probability matrix to construct the CA model of land use type conversion rules.Next，using land planning outline，the CA-MAS model was integrated to modify CA model by the MATLAB platform.Finally，based on the datum data of 2015，the urban spatial pattern in 2020 was simulated and analyzed.The overall accuracy of the coupling model was 90.88%，and the kappa coefficient was 0.887.The consistency was effective，and the various land types also achieved good simulation accuracy.Model overall accuracy，each user category accuracy，consistency and model specific parameters of the model on the simulation were prominent，which showed that the CA-MAS coupled model evolution simulation had good effect in city spatial pattern and a certain potential of application.

Keywords：

Objectoriented classification；CA model；MAS model；urban land use；evolution simulation

0引言

近年來，隨著我國城市化進程的不斷加快，各城市用地規(guī)模不斷擴張，城市用地類型持續(xù)變化，以城市地理空間格局演化為核心的動態(tài)模擬分析已成為地理學(xué)研究的重要內(nèi)容[1]。城市空間格局變化受到自然、社會、經(jīng)濟、文化、政治和法律等多種因素的制約，其演化過程具有高度的復(fù)雜性，使得傳統(tǒng)的城市格局演化方法受到前所未有的挑戰(zhàn)。

隨著城市微觀研究的深入，“自下而上”的建模思想逐步受到推崇，催生了智能化的城市空間模擬和預(yù)測方法。其中常用的模擬模型包括基于元胞自動機模型（Cellular Automata，CA）、多智能體模型（Multi-agent Simulation，MAS）等[2]。國內(nèi)對城市擴張的研究還主要集中在華南、華北地區(qū)，對于東北地區(qū)大型城市以及中型城市的研究相對較少[3-7]。為擴展對東北大中型城市演化的研究，同時研究和驗證CA-MAS耦合模型的有效性。本研究以哈爾濱市為研究對象，對其時空變化進行模擬。

1元胞自動機（CA）及多智能體（MAS）的分析

1.1元胞自動機

CA模型在地理學(xué)領(lǐng)域的發(fā)展源于Tobler，他認為類似元胞自動機的地理模型的采用是分析模擬地理動態(tài)現(xiàn)象的一次方法革命[8]。Couclelis也較早對元胞自動機在城市擴展方面的應(yīng)用潛力從理論上作了充分的論述，認為在城市發(fā)展政策和城市發(fā)展模擬中，不確定性的特點決定了要用這類模型來進行建模，尤其是對元胞自動機模擬城市擴散的闡述，對后來這方面的研究有深遠的影響[9-10]。國內(nèi)學(xué)者黎夏、周成虎、何春陽、龍瀛、曾輝等[11-18]應(yīng)用于不同的地區(qū)，做出了大量模擬研究。

元胞自動機的模擬反映的主要是局部地區(qū)的繁衍、再生狀況[19]。首先與傳統(tǒng)的物理模型和統(tǒng)計模型相比CA模型不具有嚴格的模型函數(shù)表達式，其主要構(gòu)成包括元胞單元（cell）、胞體狀態(tài)（state）、領(lǐng)域（neighborhood）、轉(zhuǎn)化規(guī)則（transfer function）和時間（temporal）五個組成部分。元胞為CA模型的最基本運算單元，胞體狀態(tài)為元胞體所具有的屬性信息的集合，胞體空間為所有胞體所在的空間，鄰域為胞體周圍的胞體空間，轉(zhuǎn)化規(guī)則是CA模型建模的核心。CA模型的建模規(guī)則的基本思想是只考慮某一時刻t元胞體狀態(tài)和領(lǐng)域內(nèi)元胞體狀態(tài)對下一時刻胞體的影響。其函數(shù)的表達為：

1.2CA-MAS模型總體架構(gòu)

本研究中采用30 m×30 m空間分辨率的柵格單元為一個元胞體。胞體的狀態(tài)屬性為地類的類別：居民地、水體、林草用地、農(nóng)田和未利用用地。采用二維四方形排列的歐幾里得空間，使用摩爾型領(lǐng)域（8領(lǐng)域），其信息的交互方向為8個方位，相比馮諾依曼型從4個方位轉(zhuǎn)化，從而提高的信息傳輸速度。根據(jù)自下而上的建模思想，采用ACO算法，利用數(shù)字高程、交通等屬性因子圖層建立局部的轉(zhuǎn)化規(guī)則；借助Markov模型進行土地利用類型旋轉(zhuǎn)矩陣的計算，確定全局范圍內(nèi)的轉(zhuǎn)化規(guī)則。最后將局部與全局轉(zhuǎn)化規(guī)則相結(jié)合，并轉(zhuǎn)化為MAS系統(tǒng)。哈爾濱的規(guī)劃格局主要分為一主三副，以哈爾濱主城區(qū)為中心，阿城、雙城和肇東為副，進行集群發(fā)展。工業(yè)發(fā)展集中為著力發(fā)展三大動力、平方工業(yè)區(qū)，阿城裝備機械經(jīng)濟開發(fā)區(qū)。生態(tài)規(guī)劃以山脈、河流、交通道路為骨架，以松花江為軸江景帶。將該規(guī)劃主題思想嵌入MAS模型的構(gòu)建中，遵循CA模型的轉(zhuǎn)化規(guī)則，哈爾濱主城區(qū)、阿城、雙城為中心居民地優(yōu)先轉(zhuǎn)化，河流及其山脈區(qū)域作用林草生態(tài)用地優(yōu)先轉(zhuǎn)化。在各地類轉(zhuǎn)化總量上遵循土地旋轉(zhuǎn)矩陣的預(yù)測面積限制。按照MAS系統(tǒng)行為規(guī)則根據(jù)起始年份解譯地類分布信息進行模擬，利用土地規(guī)劃綱要同時采用CA-MAS模型集成的方式對CA模型進行修正，實現(xiàn)模型的耦合。進而預(yù)測哈爾濱市未來土地利用類型分布情況，如圖1所示。

2CA-MAS模擬城市土地利用類型變化

2.1研究區(qū)域

哈爾濱市地處三江平原與松嫩平原腹地，125°42′E～130°10′E，44°04′～46°40′N。由于地理位置的因素，使得位于北半球中溫帶的哈爾濱市大陸性季風氣候特征顯著，表現(xiàn)為雨熱同期，夏季均溫23 ℃，且時間較短；冬季均溫-15 ℃，時間相對漫長。年平均降水量為570 mm。平均海拔為160 m，地勢為中、西部較平坦，東部多丘陵和山地。哈爾濱市市轄9區(qū)7縣。本研究中是以哈爾濱市的9個區(qū)作為研究對象，研究面積超過7 000 km2。

2.2數(shù)據(jù)

本研究中除利用自然屬性數(shù)據(jù)以外，還需要用到諸多社會屬性數(shù)據(jù)。這些基礎(chǔ)數(shù)據(jù)包括：三期（2000年、2010年和2015年）Lansat系列遙感數(shù)據(jù)（30 m空間分辨率），見表1。在數(shù)據(jù)的篩選中，盡可能選擇無云或少云的影像，數(shù)據(jù)時相選擇地表景觀差異較大的9月份，有利于地表覆蓋類型的解譯；研究區(qū)1∶50 000地形圖用于各圖層數(shù)據(jù)的配準；研究區(qū)高程數(shù)據(jù)GDEM-V2（30 m空間分辨率）以及使用DEM所生成的坡度、坡向數(shù)據(jù)；區(qū)域內(nèi)交通圖用于提取主要鐵路、高速、國道等信息；區(qū)域規(guī)劃圖用于居民點、車站和大型服務(wù)設(shè)施等重要信息提?。粎^(qū)域內(nèi)人口分布數(shù)據(jù)，通過國家人口普查數(shù)據(jù)獲取。

2.3模型

通過Markov模型分布計算2000年-2010年和2010-2015年旋轉(zhuǎn)面積矩陣和轉(zhuǎn)化概率矩陣；采用ACO（蟻群優(yōu)化算法）結(jié)合類型轉(zhuǎn)化概率矩陣構(gòu)建CA模型土地利用類型轉(zhuǎn)化規(guī)則；利用土地規(guī)劃綱要同時采用CA-MAS模型集成的方式對CA模型進行修正，實現(xiàn)模型的耦合。

2.3.1基于ACO算法各屬性圖層局部轉(zhuǎn)化規(guī)則

采用ACO（蟻群優(yōu)化算法思想）針對胞體的自然屬性（高程、坡度、坡向和水域）與社會屬性（交通、服務(wù)設(shè)施、人口）建立局部轉(zhuǎn)化規(guī)則。其中一個空間轉(zhuǎn)化類型為蟻群的一條路徑（農(nóng)田-居民地）。分別通過以上自然屬性和社會因子進行路徑加權(quán)。通過按類別分區(qū)統(tǒng)計確定各個因子的判別閾值。采用參考均值、標準差和最終設(shè)定判別閾值，利用閾值依次對多個因子進行判別。各個目標地類在某個因子的閾值范圍內(nèi)則地類權(quán)重加一。通過各個因子的依次篩選，并將各個地類間的轉(zhuǎn)化權(quán)重與對應(yīng)的轉(zhuǎn)化概率相乘，值最大的路徑為最終轉(zhuǎn)化路徑。

2.3.2基于Markov模型土地旋轉(zhuǎn)矩陣

通過對2000年、2010年、2015年遙感數(shù)據(jù)進行解譯得到區(qū)域地類分布圖。為了解區(qū)域土地利用類型流向變化情況，分別計算2000年-2010年和2010年-2015年土地利用類型旋轉(zhuǎn)變化矩陣。利用旋轉(zhuǎn)矩陣可以對土地類型的轉(zhuǎn)移方向、流向、流向比例進行分析。

利用對兩期遙感解譯結(jié)果根據(jù)以下公式進行波段運算：

從定量的角度，可以利用土地類型旋轉(zhuǎn)矩陣推算出土地類型轉(zhuǎn)化的概率函數(shù)。t時間內(nèi)A地類轉(zhuǎn)化為t+k時間內(nèi)B地類的面積值等于A的面積與轉(zhuǎn)化概率的乘積。其公式為：

利用概率轉(zhuǎn)化函數(shù)可以從各地類面積總量上進行預(yù)測，確定了在宏觀上的地類的轉(zhuǎn)化規(guī)則。

2.3.3CA與MAS集成

根據(jù)CA模型的的局部、全局轉(zhuǎn)化規(guī)則結(jié)合哈爾濱城鄉(xiāng)2005-2020規(guī)劃綱要，利用MAS模型將政府決策加入模型的運算。每一個元胞體視為一個MAS系統(tǒng)，元胞的鄰域視為MAS系統(tǒng)的外部環(huán)境。MAS系統(tǒng)根據(jù)CA模型的轉(zhuǎn)化結(jié)果進行調(diào)整，使轉(zhuǎn)化的結(jié)果符合區(qū)域規(guī)劃決策和轉(zhuǎn)化矩陣面積總量。

哈爾濱的規(guī)劃格局主要分為一主三副，以哈爾濱主城區(qū)為中心，阿城、雙城和肇東為副，進行集群發(fā)展。工業(yè)發(fā)展集中為著力發(fā)展三大動力、平方工業(yè)區(qū)，阿城裝備機械經(jīng)濟開發(fā)區(qū)。生態(tài)規(guī)劃以山脈、河流、交通道路為骨架，以松花江為軸江景帶。

將以上規(guī)劃主題思想嵌入MAS模型的構(gòu)建中。遵循CA模型的轉(zhuǎn)化規(guī)則，哈爾濱主城區(qū)、阿城、雙城為中心在調(diào)整轉(zhuǎn)化階段居民地優(yōu)先轉(zhuǎn)化，河流及其山脈區(qū)域采用林草生態(tài)用地優(yōu)先轉(zhuǎn)化。在各地類轉(zhuǎn)化總量上遵循土地旋轉(zhuǎn)矩陣的預(yù)測面積限制。

得到轉(zhuǎn)化結(jié)果后與初始地類計算得到轉(zhuǎn)化后的旋轉(zhuǎn)矩陣XZ_conversion，并將之與預(yù)測旋轉(zhuǎn)矩陣XZ_forecast進行比對。根據(jù)比對結(jié)果利用決策信息建立的緩沖區(qū)，在緩沖區(qū)內(nèi)根據(jù)政策進行引導(dǎo)轉(zhuǎn)化。緩沖區(qū)外區(qū)域，將轉(zhuǎn)化結(jié)果帶入轉(zhuǎn)化函數(shù)進行迭代，直到接近預(yù)測旋轉(zhuǎn)矩陣結(jié)束迭代。

2.4技術(shù)路線

CA-MAS橫型模擬預(yù)測城市用地擴張流程如圖2所示。

3結(jié)果與分析

3.1解譯結(jié)果

研究中以2015年7月的實地調(diào)查樣本點67個野外實地調(diào)查樣本補充點以及從Google Earth上隨機生成的100個點作為精度評價的基礎(chǔ)數(shù)據(jù)（基本符合均勻分布），其中野外調(diào)查樣本已經(jīng)明確其各自地類，隨機生成的樣本類型通過Google Earth和現(xiàn)有的試驗區(qū)土地利用現(xiàn)狀圖中目視確定。精度見表2，2000年、2010年、2015年研究區(qū)域遙感圖像分類結(jié)果如圖3所示。

3.2模型評價

利用2015年遙感數(shù)據(jù)解譯結(jié)果對2015年模型模擬結(jié)果進行檢驗。精度檢驗采用混淆矩陣、Kappa系數(shù)進行評定。混淆矩陣是一種精度評定常用方式。其對角線數(shù)值為各地類正確模擬的像元數(shù)，其余位置為某類別模擬結(jié)果錯分到其他類別的像元數(shù)。利用2015年模擬結(jié)果和2015年解譯結(jié)果構(gòu)建混淆矩陣（表3）與獲得模型用戶精度（表4）。通過計算模型的總體精度為90.88%。模型模擬總體精度較高，對于居民地、林草地和農(nóng)田具有很好的擬合性。但在水體濕地和未利用用地模擬上精度稍低。因為水體濕地受年降雨量、氣候條件等諸多自然因素的影響年變化較大，而研究中又沒有將氣象數(shù)據(jù)作為因子考慮在內(nèi)，因此不具有顯著的規(guī)律性。對于未利用用地而言，從分類解譯的角度來看，誤差較大，易于與其他地類混淆。其次，未利用用地總體數(shù)量較小，一定數(shù)量上的變更對于總體比例的變化影響較大，加上未利用用地受政策和土地規(guī)劃主觀性影響較大，隨著分類誤差和模型誤差的傳遞和累加造成未利用用地模型模擬精度較差。經(jīng)過計算2015年模擬結(jié)果和分類結(jié)果的卡帕系數(shù)為0.887。通過一致性檢驗，可知模型模擬結(jié)果與實際數(shù)據(jù)具有較好的一致性。

從數(shù)據(jù)可以得出：伴隨著城鎮(zhèn)化的進程農(nóng)田不斷減少，居民地城鎮(zhèn)用地隨之增加。隨著環(huán)境意識的增強，水體濕地，林地草地等生態(tài)用地，呈現(xiàn)增加態(tài)勢。隨著規(guī)劃用地日趨合理化，未利用用地呈現(xiàn)快速減少態(tài)勢。根據(jù)統(tǒng)計結(jié)果無論從各個類型的用地的變化趨勢上還是各地類實際變化率上模型預(yù)測結(jié)果與實際較為接近，居民地、水體、林地和農(nóng)田地類的土地變化率誤差均控制在1%以內(nèi)，模型在未利用地類的模擬精度稍差。

通過2010年的基點數(shù)據(jù)運行得到2015年的模擬結(jié)果，經(jīng)檢驗?zāi)Ｐ涂傮w精度較高，各個地類的增長率也達到較好模擬精度，模擬效果理想。之后對2020年哈爾濱市的發(fā)展情況進行模擬，得到模擬結(jié)果如圖4所示，對模擬結(jié)果進行統(tǒng)計分析，得到統(tǒng)計數(shù)據(jù)見表7。

4結(jié)論

采用CA-MAS集成方式利用土地規(guī)劃信息主動干預(yù)土地轉(zhuǎn)化的方向。有效彌補了CA模型未考慮到人為政策因素主動干預(yù)所產(chǎn)生的影響，從而提高模型模擬精度。模型總體精度各個用戶類別精度、模型的一致性和模型具體參量的模擬上均表現(xiàn)突出，表明CA-MAS耦合模型在城市擴展模擬上具有一定的應(yīng)用潛力。

從模型對2020年預(yù)測結(jié)果可知，2015-2020年哈爾濱居民用地繼續(xù)增長，預(yù)計增長40.256 km2，水體濕地和林地也呈現(xiàn)出增長態(tài)勢，農(nóng)田和未利用用地繼續(xù)減少，但總體趨勢呈現(xiàn)出變化減緩趨勢。在一定程度上表明研究區(qū)城鎮(zhèn)化進程減緩。在空間中呈現(xiàn)出哈爾濱主城區(qū)周邊至雙城、阿城、肇東沿道路發(fā)展由線到面擴展。小城鎮(zhèn)擴展較明顯，全區(qū)小城鎮(zhèn)呈現(xiàn)出環(huán)狀擴展的現(xiàn)象。在平房、阿城經(jīng)濟開發(fā)區(qū)、雙城、松北食品加工工業(yè)園區(qū)呈現(xiàn)出居民用地聚集明顯。林草生態(tài)用地沿松花江、阿什河和呼蘭河流域呈現(xiàn)增加態(tài)勢。在哈雙、哈阿、哈五、哈同、哈伊哈大等高速公路兩側(cè)出現(xiàn)小斑塊林草用地增長。模擬結(jié)果與哈爾濱2005-2020規(guī)劃綱要發(fā)展方向相符，綜合注重經(jīng)濟區(qū)的快速發(fā)展，小城鎮(zhèn)的城鎮(zhèn)化建設(shè)和綠水藍天的生態(tài)發(fā)展方向。

【參考文獻】

[1]胡曉明，李月臣，黃孝艷，等.城市空間擴展研究及進展[J].現(xiàn)代城市研究，2013，28（6）：60-82.

[2]閆梅，黃金川.國內(nèi)外城市空間擴展研究評析[J].地理科學(xué)進展，2013，32（7）：1039-1050.

[3]樸妍，馬克明.北京城市建成區(qū)擴張的經(jīng)濟驅(qū)動：1978-2002[J].中國國土資源經(jīng)濟，2006，20（7）：33-37.

[4]李曉文，方精云，樸世龍.上海及周邊主要城鎮(zhèn)用地擴展空間特征及其比較[J].地理研究，2003，22（6）：769-779.

[5]李開宇，曹天艷.大都市邊緣地區(qū)城市化與城市空間擴展研究——以廣州市番禺區(qū)為例[J].西北大學(xué)學(xué)報（自然科學(xué)版），2014，40（3）：523-526.

[6]吝濤，李新虎，張國欽，等.廈門島城市空間擴張?zhí)卣骷捌溆绊懸蛩胤治鯷J].地理學(xué)報，2010，65（6）：715-726.

[7]張恒.基于MODIS遙感影像及元胞自動機的京津冀地區(qū)城市模擬研究[D].北京：中國地質(zhì)大學(xué)，2009.

[8]Tobler W R.A computer movie simulating urban growth in the Detroit region[J].Economic Geography，1970，46（1）：234-240.

[9]Couclelis H M.Cellular Worlds：A Framework for Modeling MicroMacro Dynamics[J].Environment & Planning A，1985，17（5）：585-596.

[10]Couclelis H.Macrostructure and microbehavior in a metropolitan area[J].Environment & Planning B Planning & Design，1989，16（2）：141-154.

[11]周成虎，孫戰(zhàn)利，謝一春.地理元胞自動機研究[M].北京：科學(xué)出版社，1999.

[12]黎夏，葉嘉安.約束性單元自動演化CA模型及可持續(xù)城市發(fā)展形態(tài)的模擬[J].地理學(xué)報，1999，54（4）：159-166.

[13]陶海燕，黎夏，陳曉翔，等.基于多智能體的地理空間分異現(xiàn)象模擬——以城市居住空間演變?yōu)槔齕J].地理學(xué)報，2007，62（6）：579-588.

[14]劉小平，黎夏，葉嘉安.基于多智能體系統(tǒng)的空間決策行為及土地利用格局演變的模擬[J].地球科學(xué)，2006，36（11）：1027-1036.

[15]楊青生，黎夏.多智能體與元胞自動機結(jié)合及城市用地擴張模擬[J].地理科學(xué)，2007，27（4）：542-548.

[16]何春陽，陳晉，史培軍，等.基于CA的城市空間動態(tài)模型研究[J].地球科學(xué)進展，2002，17（2）：188-195.

[17]龍瀛，韓昊英，毛其智.利用約束性 CA 制定城市增長邊界[J].地理學(xué)報，2009，64（8）：999-1008.

[18]曾輝.深圳市龍華地區(qū)城鎮(zhèn)用地動態(tài)模型建設(shè)及模擬研究[J].生態(tài)學(xué)報，2000，20（4）：545-551.

[19]楊青生，黎夏，劉小平.基于Agent和CA的城市土地利用變化研究[J].地球信息科學(xué)，2005，27（2）：78-81.