[发明专利]基于交叉熵优化器的城市扩张多情景模拟元胞自动机方法

权利要求书

1.一种基于交叉熵优化器的城市扩张多情景模拟元胞自动机方法，其特征在于，包括以下步骤：

步骤1：对卫星遥感影像进行监督分类获得初始和结束年份的土地利用分类图，并建立影响城市扩张的空间变量因子数据；

步骤2：基于空间变量因子数据通过分层随机抽样方法获取研究区域内的有效样本点；

步骤3：建立CA城市扩张模拟原型模型，并基于有效样本点数据，利用logit方法对CA城市扩张模拟原型模型的CA参数进行获取；

步骤4：建立优化CA参数的相关目标函数，并利用交叉熵优化器在目标函数的引导下优化利用logit方法获取的CA参数；

步骤5：基于交叉熵优化器和优化完毕的CA参数，建立CA转换规则，并利用已建立的CA转换规则获取空间变量影响下土地的转化概率图；

步骤6：利用转换规则和转化概率图建立基于CEO的城市扩张模拟CA_CEO模型，并利用该模型模拟预测城市扩张动态和未来可能情景；

步骤7：对CA_CEO模型及其模拟预测结果，分别从规则拟合和模拟结果两方面进行精度评定，并输出保存模拟结果；

所述的步骤1包括以下分步骤：

步骤11：利用两期陆地卫星遥感图像，基于马氏距离监督分类方法获取初始年份和结束年份的城市土地利用分类图；

步骤12：获取地形、经济和基础设施矢量和栅格数据，提取影响城市扩张的空间驱动因子数据；

步骤13：综合遥感图像数据、行政区划图、道路交通图等，在GIS环境中利用欧几里德距离方法获取到现有城市、区中心、主要道路、海岸线的距离数据；

所述的步骤2具体包括：利用分层随机抽样方法对城市土地利用分类图和驱动因子图层进行抽样，获取研究区域内的有效样本点，为建立CA转换规则提供训练样本；

所述的步骤3中的CA城市扩张模拟原型模型，其描述公式为：

式中，P_all表示土地转换概率，P_th表示决策规则的阈值，UrbanCATranRule表示UrbanCA的转移函数，C.s_n表示第n个单元状态，N.e表示领域效应，T.p表示驱动因子，OS.c表示总体和空间约束；

所述的步骤3中的CA城市扩张模拟原型模型的综合的土地转换概率，其描述公式为：

式中，P_T.p表示由驱动因子决定的转移概率，P_n.e，t表示领域窗口中的土地转换率，PS表示概率缩放范围，NS表示领域缩放范围，t表示时间；

所述的步骤4包括以下分步骤：

步骤41：建立用于交叉熵优化器优化的目标函数，以转换规则拟合的相对误差为基准，当相对误差目标函数越小，则其对应的CA参数则越优；

步骤42：利用交叉熵优化器在目标函数的引导下优化利用logit方法获取的CA参数；

所述的步骤42中的交叉熵优化器中的信息的实际分布与拟合分布的交叉熵的计算公式为：

H(p，q)＝H(p)+D_KL(p||q)

式中，H(p，q)表示信息的实际分布p与拟合分布q的交叉熵，H(p)表示信息的实际分布p的熵，D_KL(p||q)使用Kullback-Leibler散度定义的相对熵；

所述的步骤5包括以下分步骤：

步骤51：基于交叉熵优化器和优化完毕的CA参数，对获取的有效样本点数据以及空间变量因子数据训练CA转换规则；

步骤52：调整CEO的上下界和运行参数，得到不同条件下的CA参数组合，即多重CA参数集合；

步骤53：利用已建立的CA转换规则，在设定空间分辨率下获取空间变量影响下土地的转化概率图。

2.根据权利要求1所述的一种基于交叉熵优化器的城市扩张多情景模拟元胞自动机方法，其特征在于，所述的步骤6具体包括：利用转换规则和转化概率图建立基于CEO的城市扩张模拟CA_CEO模型，在GIS建模和模拟环境下，选用某年的城市土地利用格局为初始状态，利用模型运行M次，其中M表示初始与结束的年份差，得到城市土地利用变化的模拟及预测结果，并将该模型模拟和预测的土地利用变化结果输出。

3.根据权利要求1所述的一种基于交叉熵优化器的城市扩张多情景模拟元胞自动机方法，其特征在于，所述的步骤7包括以下分步骤：

步骤71：通过与遥感分类的土地利用格局进行比较，对CA_CEO模型模拟结果进行精度计算并评定，所述精度计算的指标包括：准确性Accuracy、莫兰指数Global Moran’s I、高/低聚类指数General G和景观指数；

步骤72：将CA_CEO模型模拟结果与遥感分类结果进行叠加并评定，所叠加的结果包括：初始城市Initial urban、实际和模拟均为城市Hit、实际为非城市模拟为城市False、实际为城市模拟为非城市Miss；

步骤73：在元胞自动机建模环境下输出并保存模拟结果。