[发明专利]一种基于空间误差的城市土地利用模拟元胞自动机方法

说明书

本发明涉及基于空间误差的城市土地利用模拟元胞自动机方法，包括：1)对遥感图像进行分类，获取城市土地利用图和驱动因子；2)对城市土地利用图和驱动因子进行系统抽样，获取样本数据；3)利用SEM对采样数据进行训练，建立CA转换规则；4)采用对数似然值、AIC评估转换规则的拟合性能，检验效果；5)建立CAsubgt;SEM/subgt;新模型，并计算产生城市土地转换概率图；6)基于遥感分类的历史土地利用数据，预测未来每个时间点城市元胞数量；7)使用CAsubgt;SEM/subgt;模拟预测城市空间格局和扩张过程；8)利用多类指标对模拟结果进行综合评价并输出并保存。与现有技术相比，本发明的基于空间误差的城市土地利用模拟元胞自动机方法能消除模型误差中的空间自相关，提高模拟精度。

技术领域

本发明涉及一种城市土地利用模拟方法，尤其是涉及一种基于空间误差的城市土地利用模拟元胞自动机方法。

背景技术

元胞自动机(CA)模型由空间、离散有限状态元、邻域和转换规则组成。CA模型使用局部交互来模拟复杂系统的演变，这与城市土地利用的复杂性高度契合。在过去的二十年中，大多数工作都采用经典统计学方法、人工神经网络和元启发式算法获取转换规则。空间驱动因子之间不仅存在多重共线性、也同时存在空间自相关，导致这些方法没有充分量化空间驱动因子对城市土地利用变化的影响。模糊逻辑方法的参数具有主观性、而人工智能方法得到的参数往往缺乏物理意义。进化计算和启发式算法(如粒子群优化和遗传算法)，不仅计算权重来量化空间驱动因子对土地利用转移概率的贡献，而且还降低了空间驱动因子之间多重共线性造成的不利影响。但是，启发式方法通常只是提供在合理计算成本下的局部最优解，搜索范围的变化可能导致不同的结果和计算成本急剧增加。

城市土地利用过程中同时存在空间异质性和空间依赖，复杂的地理过程给模型构建带来了巨大挑战。逻辑回归模型(logit)只能提供全局的最佳拟合关系，因此不能解释复杂地理过程中的多重共线性、自相关效应和空间异质性。SEM是一种最基本的空间自回归模型，它可用于探索影响土地利用变化的因素、解释土地利用变化过程，建模残差的分布会产生空间相关性，而将空间自相关项引入CA转换规则的获取可以有效消除模型残差中的空间自相关、提高CA建模的精度。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于空间误差的城市土地利用模拟元胞自动机方法。

本发明的目的可以通过以下技术方案来实现：

一种基于空间误差的城市土地利用模拟元胞自动机方法，该方法包括以下步骤：

步骤1：对卫星遥感图像进行监督分类，获取城市土地利用图和驱动因子，并进行预处理；

步骤2：对经过预处理后的城市土地利用图和驱动因子进行系统抽样，获取城市土地利用变化和驱动因子的样本点数据；

步骤3：利用空间误差模型对采样的样本点数据进行训练，建立城市土地利用的元胞自动机转换规则；

步骤4：采用对数似然值、赤池信息准则评估转换规则的拟合性能，检验SEM对转换规则残差聚集性消除的效果，得到优化的CA转换规则；

步骤5：利用优化的CA转换规则建立CA_SEM新模型，并计算产生城市土地转换概率图；

步骤6：基于遥感分类的历史土地利用数据，使用马尔科夫链模型预测未来每个时间点城市元胞数量；

步骤7：结合初始土地利用图、土地转换概率、邻域影响和限制因素，使用CA_SEM模拟预测城市空间格局和扩张过程；

步骤8：针对使用CA_SEM模型模拟预测的模拟结果利用终态和变化两类指标进行综合评价，并输出保存模拟结果。

进一步地，所述的步骤1包括以下分步骤：