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：

以哈爾濱市市區為研究對象，通過構建基于多特征的面向對象的分類方法，對區域2000、2010、2015三期Landsat遙感數據進行解譯，將土地利用類型結合分辨率特性劃分為居民地、水體濕地、林草用地、農田和未利用地五個類別。建模時，利用構建的坡度、坡向、交通、服務設施、河流水域和人口等多個因子，通過Markov模型計算旋轉面積矩陣和轉化概率矩陣，采用ACO（蟻群優化算法）結合類型轉化概率矩陣構建CA（元胞自動機）模型土地利用類型轉化規則。然后利用土地規劃綱要，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，最終得到模擬結果，實現模型耦合。最后以2015年基準數據，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，具有一定的應用潛力。

關鍵詞：

面向對象分類；CA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，各城市用地規模不斷擴張，城市用地類型持續變化，以城市地理空間格局演化為核心的動態模擬分析已成為地理學研究的重要內容[1]。城市空間格局變化受到自然、社會、經濟、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雜性，使得傳統的城市格局演化方法受到前所未有的挑戰。

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]。國內對城市擴張的研究還主要集中在華南、華北地區，對于東北地區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模型在地理學領域的發展源于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現象的一次方法革命[8]。Couclelis也較早對元胞自動機在城市擴展方面的應用潛力從理論上作了充分的論述，認為在城市發展政策和城市發展模擬中，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]。國內學者黎夏、周成虎、何春陽、龍瀛、曾輝等[11-18]應用于不同的地區，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的繁衍、再生狀況[19]。首先與傳統的物理模型和統計模型相比CA模型不具有嚴格的模型函數表達式，其主要構成包括元胞單元（cell）、胞體狀態（state）、領域（neighborhood）、轉化規則（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，轉化規則是CA模型建模的核心。CA模型的建模規則的基本思想是只考慮某一時刻t元胞體狀態和領域內元胞體狀態對下一時刻胞體的影響。其函數的表達為：

1.2CA-MAS模型總體架構

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。胞體的狀態屬性為地類的類別：居民地、水體、林草用地、農田和未利用用地。采用二維四方形排列的歐幾里得空間，使用摩爾型領域（8領域），其信息的交互方向為8個方位，相比馮諾依曼型從4個方位轉化，從而提高的信息傳輸速度。根據自下而上的建模思想，采用ACO算法，利用數字高程、交通等屬性因子圖層建立局部的轉化規則；借助Markov模型進行土地利用類型旋轉矩陣的計算，確定全局范圍內的轉化規則。最后將局部與全局轉化規則相結合，并轉化為MAS系統。哈爾濱的規劃格局主要分為一主三副，以哈爾濱主城區為中心，阿城、雙城和肇東為副，進行集群發展。工業發展集中為著力發展三大動力、平方工業區，阿城裝備機械經濟開發區。生態規劃以山脈、河流、交通道路為骨架，以松花江為軸江景帶。將該規劃主題思想嵌入MAS模型的構建中，遵循CA模型的轉化規則，哈爾濱主城區、阿城、雙城為中心居民地優先轉化，河流及其山脈區域作用林草生態用地優先轉化。在各地類轉化總量上遵循土地旋轉矩陣的預測面積限制。按照MAS系統行為規則根據起始年份解譯地類分布信息進行模擬，利用土地規劃綱要同時采用CA-MAS模型集成的方式對CA模型進行修正，實現模型的耦合。進而預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7縣。本研究中是以哈爾濱市的9個區作為研究對象，研究面積超過7 000 km2。

2.2數據

本研究中除利用自然屬性數據以外，還需要用到諸多社會屬性數據。這些基礎數據包括：三期（2000年、2010年和2015年）Lansat系列遙感數據（30 m空間分辨率），見表1。在數據的篩選中，盡可能選擇無云或少云的影像，數據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1∶50 000地形圖用于各圖層數據的配準；研究區高程數據GDEM-V2（30 m空間分辨率）以及使用DEM所生成的坡度、坡向數據；區域內交通圖用于提取主要鐵路、高速、國道等信息；區域規劃圖用于居民點、車站和大型服務設施等重要信息提取；區域內人口分布數據，通過國家人口普查數據獲取。

2.3模型

通過Markov模型分布計算2000年-2010年和2010-2015年旋轉面積矩陣和轉化概率矩陣；采用ACO（蟻群優化算法）結合類型轉化概率矩陣構建CA模型土地利用類型轉化規則；利用土地規劃綱要同時采用CA-MAS模型集成的方式對CA模型進行修正，實現模型的耦合。

2.3.1基于ACO算法各屬性圖層局部轉化規則

采用ACO（蟻群優化算法思想）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、服務設施、人口）建立局部轉化規則。其中一個空間轉化類型為蟻群的一條路徑（農田-居民地）。分別通過以上自然屬性和社會因子進行路徑加權。通過按類別分區統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則地類權重加一。通過各個因子的依次篩選，并將各個地類間的轉化權重與對應的轉化概率相乘，值最大的路徑為最終轉化路徑。

2.3.2基于Markov模型土地旋轉矩陣

通過對2000年、2010年、2015年遙感數據進行解譯得到區域地類分布圖。為了解區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變化矩陣。利用旋轉矩陣可以對土地類型的轉移方向、流向、流向比例進行分析。

利用對兩期遙感解譯結果根據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矩陣推算出土地類型轉化的概率函數。t時間內A地類轉化為t+k時間內B地類的面積值等于A的面積與轉化概率的乘積。其公式為：

利用概率轉化函數可以從各地類面積總量上進行預測，確定了在宏觀上的地類的轉化規則。

2.3.3CA與MAS集成

根據CA模型的的局部、全局轉化規則結合哈爾濱城鄉2005-2020規劃綱要，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，元胞的鄰域視為MAS系統的外部環境。MAS系統根據CA模型的轉化結果進行調整，使轉化的結果符合區域規劃決策和轉化矩陣面積總量。

哈爾濱的規劃格局主要分為一主三副，以哈爾濱主城區為中心，阿城、雙城和肇東為副，進行集群發展。工業發展集中為著力發展三大動力、平方工業區，阿城裝備機械經濟開發區。生態規劃以山脈、河流、交通道路為骨架，以松花江為軸江景帶。

將以上規劃主題思想嵌入MAS模型的構建中。遵循CA模型的轉化規則，哈爾濱主城區、阿城、雙城為中心在調整轉化階段居民地優先轉化，河流及其山脈區域采用林草生態用地優先轉化。在各地類轉化總量上遵循土地旋轉矩陣的預測面積限制。

得到轉化結果后與初始地類計算得到轉化后的旋轉矩陣XZ_conversion，并將之與預測旋轉矩陣XZ_forecast進行比對。根據比對結果利用決策信息建立的緩沖區，在緩沖區內根據政策進行引導轉化。緩沖區外區域，將轉化結果帶入轉化函數進行迭代，直到接近預測旋轉矩陣結束迭代。

2.4技術路線

CA-MAS橫型模擬預測城市用地擴張流程如圖2所示。

3結果與分析

3.1解譯結果

研究中以2015年7月的實地調查樣本點67個野外實地調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數據（基本符合均勻分布），其中野外調查樣本已經明確其各自地類，隨機生成的樣本類型通過Google Earth和現有的試驗區土地利用現狀圖中目視確定。精度見表2，2000年、2010年、2015年研究區域遙感圖像分類結果如圖3所示。

3.2模型評價

利用2015年遙感數據解譯結果對2015年模型模擬結果進行檢驗。精度檢驗采用混淆矩陣、Kappa系數進行評定。混淆矩陣是一種精度評定常用方式。其對角線數值為各地類正確模擬的像元數，其余位置為某類別模擬結果錯分到其他類別的像元數。利用2015年模擬結果和2015年解譯結果構建混淆矩陣（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據作為因子考慮在內，因此不具有顯著的規律性。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，未利用用地總體數量較小，一定數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。經過計算2015年模擬結果和分類結果的卡帕系數為0.887。通過一致性檢驗，可知模型模擬結果與實際數據具有較好的一致性。

從數據可以得出：伴隨著城鎮化的進程農田不斷減少，居民地城鎮用地隨之增加。隨著環境意識的增強，水體濕地，林地草地等生態用地，呈現增加態勢。隨著規劃用地日趨合理化，未利用用地呈現快速減少態勢。根據統計結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測結果與實際較為接近，居民地、水體、林地和農田地類的土地變化率誤差均控制在1%以內，模型在未利用地類的模擬精度稍差。

通過2010年的基點數據運行得到2015年的模擬結果，經檢驗模型總體精度較高，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年哈爾濱市的發展情況進行模擬，得到模擬結果如圖4所示，對模擬結果進行統計分析，得到統計數據見表7。

4結論

采用CA-MAS集成方式利用土地規劃信息主動干預土地轉化的方向。有效彌補了CA模型未考慮到人為政策因素主動干預所產生的影響，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突出，表明CA-MAS耦合模型在城市擴展模擬上具有一定的應用潛力。

從模型對2020年預測結果可知，2015-2020年哈爾濱居民用地繼續增長，預計增長40.256 km2，水體濕地和林地也呈現出增長態勢，農田和未利用用地繼續減少，但總體趨勢呈現出變化減緩趨勢。在一定程度上表明研究區城鎮化進程減緩。在空間中呈現出哈爾濱主城區周邊至雙城、阿城、肇東沿道路發展由線到面擴展。小城鎮擴展較明顯，全區小城鎮呈現出環狀擴展的現象。在平房、阿城經濟開發區、雙城、松北食品加工工業園區呈現出居民用地聚集明顯。林草生態用地沿松花江、阿什河和呼蘭河流域呈現增加態勢。在哈雙、哈阿、哈五、哈同、哈伊哈大等高速公路兩側出現小斑塊林草用地增長。模擬結果與哈爾濱2005-2020規劃綱要發展方向相符，綜合注重經濟區的快速發展，小城鎮的城鎮化建設和綠水藍天的生態發展方向。

【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].現代城市研究，2013，28（6）：60-82.

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

[3]樸妍，馬克明.北京城市建成區擴張的經濟驅動：1978-2002[J].中國國土資源經濟，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.大都市邊緣地區城市化與城市空間擴展研究——以廣州市番禺區為例[J].西北大學學報（自然科學版），2014，40（3）：523-526.

[6]吝濤，李新虎，張國欽，等.廈門島城市空間擴張特征及其影響因素分析[J].地理學報，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城市模擬研究[D].北京：中國地質大學，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，孫戰利，謝一春.地理元胞自動機研究[M].北京：科學出版社，1999.

[12]黎夏，葉嘉安.約束性單元自動演化CA模型及可持續城市發展形態的模擬[J].地理學報，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象模擬——以城市居住空間演變為例[J].地理學報，2007，62（6）：579-588.

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

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

[16]何春陽，陳晉，史培軍，等.基于CA的城市空間動態模型研究[J].地球科學進展，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].地理學報，2009，64（8）：999-1008.

[18]曾輝.深圳市龍華地區城鎮用地動態模型建設及模擬研究[J].生態學報，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，2005，27（2）：78-81.