元胞自动机模型的尺度敏感性分析

北京大学学报（自然科学版）

元胞自动机模型的尺度敏感性分析

王羊¹,高阳¹,赵琳²,赵志强¹,李双成¹

1. 北京大学城市与环境学院, 地表过程分析与模拟教育部重点实验室, 北京 100871; 2. 中国地质大学北京地球科学与资源学院, 北京 100083;

收稿日期:2010-05-31 出版日期:2011-07-20 发布日期:2011-07-20

Scale Sensitive Analysis of Cellular Automata Model

WANG Yang¹, GAO Yang¹, ZHAO Lin², ZHAO Zhiqiang¹, LI Shuangcheng¹

1. College of Environmental Sciences, Peking University, Key Laboratory for Earth Surface Processes MOE, Beijing 100871; 2. School of Earth Sciences and Resoures, China University of Geosciences Beijing, Beijing 100083;

Received:2010-05-31 Online:2011-07-20 Published:2011-07-20

摘要/Abstract

摘要： 以深圳市龙华镇为案例区, 构建了土地利用/覆被变化的元胞自动机模型, 从时间和空间两个方面定量研究了LUCC模型的尺度效应。通过改变模型输入数据的空间分辨率和模型模拟的时间长度, 探讨了尺度对土地利用变化模型的影响。分别采用龙华镇1990年30, 60, 90, 120, 150, 180, 210和240 m空间分辨率的土地利用数据作为元胞自动机模型的输入, 模拟研究区1995年和2000年的土地利用变化状况以诠释CA模型内在的尺度依赖特征, 并依据模型的点对点模拟精度、Kappa系数、实际变化元胞的模拟精度3个指标评价了该模型的尺度敏感性, 最后分析了CA模型尺度敏感性的来源。结果表明: 空间尺度上, 元胞的空间分辨率越高, 模型的模拟精度越高, 时间尺度上, 模型模拟的实际时间跨度越长, 精度越高; 孤立元胞的路径依赖是CA模型空间尺度敏感性的重要来源; 特定地理过程在不同时间段的发展规律是CA模型时间尺度敏感性的重要来源。研究结果对元胞自动机的尺度选择具有重要意义。

关键词: 元胞自动机, LUCC, 尺度, 敏感性, 人工神经网络, 深圳

Abstract: The authors present an analysis of how scale issues affect a cellular automata model of land use change developed for a research area in Longhua Town, Shenzhen City. The scale dependence of the model is explored by varying the resolution of the input data in 1990 used to calibrate the model and changing the length of model simulating time. To explore the impact of these scale relationships the model is run with input datasets constructed at the following spatial resolutions: 30, 60, 90, 120, 150, 180, 210 and 240 m for simulating land use in 1995 and 2000. Three kinds of indicator, i.e. point by point accuracy, Kappa and real change accuracy are used to assess the scale sensitivity of the model. The results show that 1) the more fine the cell sizes are, the higher the accuracy of the simulation results; 2) path dependence of the isolated cells is an important source of the spatial scale sensitivity of CA model; 3) the specific geographical process in different periods of time is an important source of the temporal sensitivity scale of CA model. The results have great significance for the scale selection of CA model.

Key words: cellular automata, LUCC, scale, sensitive analysis, neural network, Shenzhen

中图分类号:

P942

王羊,高阳,赵琳,赵志强,李双成. 元胞自动机模型的尺度敏感性分析[J]. 北京大学学报（自然科学版）.

WANG Yang,GAO Yang,ZHAO Lin,ZHAO Zhiqiang,LI Shuangcheng. Scale Sensitive Analysis of Cellular Automata Model[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2011/V47/I4/750

[1]	孙亚伟, 吴振鹏, 黎立页, 张庆红. 青藏高原1981—2015年暖季降水变化趋势: 受控于大尺度环流型变化[J]. 北京大学学报自然科学版, 2024, 60(1): 133-144.
[2]	韩西丽, 张心悦. 城市公园正式及非正式运动场地体力活动特征研究——以深圳市为例[J]. 北京大学学报自然科学版, 2023, 59(6): 981-990.
[3]	刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇. 基于人工神经网络的雅鲁藏布江水化学变化趋势研究[J]. 北京大学学报自然科学版, 2023, 59(6): 1043-1051.
[4]	吴健生, 钱韵, 王宏亮, 朱蕙桢, 王晗. 深圳市公共体育设施空间供需及影响因素研究[J]. 北京大学学报自然科学版, 2022, 58(6): 1101-1110.
[5]	宋雪, 王辉, 石建娅, 王旭光, 沈小雪, 李瑞利. 深圳湾困难立地红树林修复技术与应用研究[J]. 北京大学学报自然科学版, 2022, 58(5): 929-936.
[6]	王珺菁, 韩西丽. 城中村非商业街巷中女性安全感环境影响因素研究——以深圳市平山村为例[J]. 北京大学学报自然科学版, 2022, 58(4): 655-663.
[7]	吴佳楠, 储君, 孙裔煜, 晁恒. SOFM网络下的深圳市城市用地功能识别分析[J]. 北京大学学报自然科学版, 2022, 58(4): 664-672.
[8]	蔡开奎, 李金城, 胡梦辰, 马文静, 叶瑞, 刘永. 流域水文模型的参数全局敏感性分析[J]. 北京大学学报自然科学版, 2022, 58(4): 753-762.
[9]	朱宇宁, 孟智勇, 雷蕾, 易笑园, 刘泓君, 李飒. 中国东北冷涡背景下连续发生的中尺度对流系统的组织演变特征个例分析[J]. 北京大学学报自然科学版, 2022, 58(3): 421-433.
[10]	付粱晨, 丁宗巨, 唐茂, 曾辉, 朱彪. 北京东灵山两种温带森林根际和非根际土壤酶活性、温度敏感性及矢量特征的季节动态[J]. 北京大学学报自然科学版, 2022, 58(3): 503-516.
[11]	屈永霖, 闻新宇, 张慕琪, 刘喆. 使用人工神经网络改进2022年北京冬奥会数值天气预报后处理过程的算法研究[J]. 北京大学学报自然科学版, 2022, 58(2): 210-220.
[12]	张慕琪, 闻新宇, 包赟, 屈永霖. 基于人工神经网络开发中国地区统计降尺度气候预估数据[J]. 北京大学学报自然科学版, 2022, 58(2): 221-233.
[13]	王茜, 沈小雪, 曹烨, 李瑞利. 城市红树林湿地沉积物的矿物组成特征及影响因素[J]. 北京大学学报自然科学版, 2022, 58(2): 282-290.
[14]	胡烨婷, 李天宏. 基于SD-CA模型的快速城市化地区土地利用空间格局变化预测[J]. 北京大学学报自然科学版, 2022, 58(2): 372-382.
[15]	魏婵娟, 蒙吉军. 中国土地资源生态敏感性评价与空间格局分析[J]. 北京大学学报自然科学版, 2022, 58(1): 157-168.