基于CA和MAS的哈尔滨城市土地利用变化研究
李继红 甘依童 李文慧 贡雪红 赵宇庭 孟康
摘要：
以哈尔滨市市区为研究对象，通过构建基于多特征的面向对象的分类方法，对区域2000、2010、2015三期Landsat遥感数据进行解译，将土地利用类型结合分辨率特性划分为居民地、水体湿地、林草用地、农田和未利用地五个类别。建模时，利用构建的坡度、坡向、交通、服务设施、河流水域和人口等多个因子，通过Markov模型计算旋转面积矩阵和转化概率矩阵，采用ACO（蚁群优化算法）结合类型转化概率矩阵构建CA（元胞自动机）模型土地利用类型转化规则。然后利用土地规划纲要，采用matlab平台对CA-MAS（多智能体）模型进行集成，进而对CA模型进行修正，最终得到模拟结果，实现模型耦合。最后以2015年基准数据，对2020年城市空间格局进行模拟分析。耦合模型总体精度90.88%，kappa系数0.887，一致性良好，各个地类的也达到较好模拟精度。模型总体精度、各个用户类别精度、模型的一致性和模型具体参量的模拟上均表现突出，表明CA-MAS耦合模型在城市空间格局演化模拟中效果良好，具有一定的应用潜力。
关键词：
面向对象分类；CA模型；MAS模型；城市土地利用；演化模拟
中图分类号：TU 984；P 209文献标识码：A文章编号：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，随着我国城市化进程的不断加快，各城市用地规模不断扩张，城市用地类型持续变化，以城市地理空间格局演化为核心的动态模拟分析已成为地理学研究的重要内容[1]。城市空间格局变化受到自然、社会、经济、文化、政治和法律等多种因素的制约，其演化过程具有高度的复杂性，使得传统的城市格局演化方法受到前所未有的挑战。
随着城市微观研究的深入，“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间模拟和预测方法。其中常用的模拟模型包括基于元胞自动机模型（Cellular Automata，CA）、多智能体模型（Multi-agent Simulation，MAS）等[2]。国内对城市扩张的研究还主要集中在华南、华北地区，对于东北地区大型城市以及中型城市的研究相对较少[3-7]。为扩展对东北大中型城市演化的研究，同时研究和验证CA-MAS耦合模型的有效性。本研究以哈尔滨市为研究对象，对其时空变化进行模拟。
1元胞自动机（CA）及多智能体（MAS）的分析
1.1元胞自动机
CA模型在地理学领域的发展源于Tobler，他认为类似元胞自动机的地理模型的采用是分析模拟地理动态现象的一次方法革命[8]。Couclelis也较早对元胞自动机在城市扩展方面的应用潜力从理论上作了充分的论述，认为在城市发展政策和城市发展模拟中，不确定性的特点决定了要用这类模型来进行建模，尤其是对元胞自动机模拟城市扩散的阐述，对后来这方面的研究有深远的影响[9-10]。国内学者黎夏、周成虎、何春阳、龙瀛、曾辉等[11-18]应用于不同的地区，做出了大量模拟研究。
元胞自动机的模拟反映的主要是局部地区的繁衍、再生状况[19]。首先与传统的物理模型和统计模型相比CA模型不具有严格的模型函数表达式，其主要构成包括元胞单元（cell）、胞体状态（state）、领域（neighborhood）、转化规则（transfer function）和时间（temporal）五个组成部分。元胞为CA模型的最基本运算单元，胞体状态为元胞体所具有的属性信息的集合，胞体空间为所有胞体所在的空间，邻域为胞体周围的胞体空间，转化规则是CA模型建模的核心。CA模型的建模规则的基本思想是只考虑某一时刻t元胞体状态和领域内元胞体状态对下一时刻胞体的影响。其函数的表达为：
1.2CA-MAS模型总体架构
本研究中采用30 m×30 m空间分辨率的栅格单元为一个元胞体。胞体的状态属性为地类的类别：居民地、水体、林草用地、农田和未利用用地。采用二维四方形排列的欧几里得空间，使用摩尔型领域（8领域），其信息的交互方向为8个方位，相比冯诺依曼型从4个方位转化，从而提高的信息传输速度。根据自下而上的建模思想，采用ACO算法，利用数字高程、交通等属性因子图层建立局部的转化规则；借助Markov模型进行土地利用类型旋转矩阵的计算，确定全局范围内的转化规则。最后将局部与全局转化规则相结合，并转化为MAS系统。哈尔滨的规划格局主要分为一主三副，以哈尔滨主城区为中心，阿城、双城和肇东为副，进行集群发展。工业发展集中为着力发展三大动力、平方工业区，阿城装备机械经济开发区。生态规划以山脉、河流、交通道路为骨架，以松花江为轴江景带。将该规划主题思想嵌入MAS模型的构建中，遵循CA模型的转化规则，哈尔滨主城区、阿城、双城为中心居民地优先转化，河流及其山脉区域作用林草生态用地优先转化。在各地类转化总量上遵循土地旋转矩阵的预测面积限制。按照MAS系统行为规则根据起始年份解译地类分布信息进行模拟，利用土地规划纲要同时采用CA-MAS模型集成的方式对CA模型进行修正，实现模型的耦合。进而预测哈尔滨市未来土地利用类型分布情况，如图1所示。
2CA-MAS模拟城市土地利用类型变化
2.1研究区域
哈尔滨市地处三江平原与松嫩平原腹地，125°42′E～130°10′E，44°04′～46°40′N。由于地理位置的因素，使得位于北半球中温带的哈尔滨市大陆性季风气候特征显著，表现为雨热同期，夏季均温23 ℃，且时间较短；冬季均温-15 ℃，时间相对漫长。年平均降水量为570 mm。平均海拔为160 m，地势为中、西部较平坦，东部多丘陵和山地。哈尔滨市市辖9区7县。本研究中是以哈尔滨市的9个区作为研究对象，研究面积超过7 000 km2。
2.2数据
本研究中除利用自然属性数据以外，还需要用到诸多社会属性数据。这些基础数据包括：三期（2000年、2010年和2015年）Lansat系列遥感数据（30 m空间分辨率），见表1。在数据的筛选中，尽可能选择无云或少云的影像，数据时相选择地表景观差异较大的9月份，有利于地表覆盖类型的解译；研究区1∶50 000地形图用于各图层数据的配准；研究区高程数据GDEM-V2（30 m空间分辨率）以及使用DEM所生成的坡度、坡向数据；区域内交通图用于提取主要铁路、高速、国道等信息；区域规划图用于居民点、车站和大型服务设施等重要信息提取；区域内人口分布数据，通过国家人口普查数据获取。
2.3模型
通过Markov模型分布计算2000年-2010年和2010-2015年旋转面积矩阵和转化概率矩阵；采用ACO（蚁群优化算法）结合类型转化概率矩阵构建CA模型土地利用类型转化规則；利用土地规划纲要同时采用CA-MAS模型集成的方式对CA模型进行修正，实现模型的耦合。
2.3.1基于ACO算法各属性图层局部转化规则
采用ACO（蚁群优化算法思想）针对胞体的自然属性（高程、坡度、坡向和水域）与社会属性（交通、服务设施、人口）建立局部转化规则。其中一个空间转化类型为蚁群的一条路径（农田-居民地）。分别通过以上自然属性和社会因子进行路径加权。通过按类别分区统计确定各个因子的判别阈值。采用参考均值、标准差和最终设定判别阈值，利用阈值依次对多个因子进行判别。各个目标地类在某个因子的阈值范围内则地类权重加一。通过各个因子的依次筛选，并将各个地类间的转化权重与对应的转化概率相乘，值最大的路径为最终转化路径。
2.3.2基于Markov模型土地旋转矩阵
通过对2000年、2010年、2015年遥感数据进行解译得到区域地类分布图。为了解区域土地利用类型流向变化情况，分别计算2000年-2010年和2010年-2015年土地利用类型旋转变化矩阵。利用旋转矩阵可以对土地类型的转移方向、流向、流向比例进行分析。
利用对两期遥感解译结果根据以下公式进行波段运算：
从定量的角度，可以利用土地类型旋转矩阵推算出土地类型转化的概率函数。t时间内A地类转化为t+k时间内B地类的面积值等于A的面积与转化概率的乘积。其公式为：
利用概率转化函数可以从各地类面积总量上进行预测，确定了在宏观上的地类的转化规则。
2.3.3CA与MAS集成
根据CA模型的的局部、全局转化规则结合哈尔滨城乡2005-2020规划纲要，利用MAS模型将政府决策加入模型的运算。每一个元胞体视为一个MAS系统，元胞的邻域视为MAS系统的外部环境。MAS系统根据CA模型的转化结果进行调整，使转化的结果符合区域规划决策和转化矩阵面积总量。
哈尔滨的规划格局主要分为一主三副，以哈尔滨主城区为中心，阿城、双城和肇东为副，进行集群发展。工业发展集中为着力发展三大动力、平方工业区，阿城装备机械经济开发区。生态规划以山脉、河流、交通道路为骨架，以松花江为轴江景带。
将以上规划主题思想嵌入MAS模型的构建中。遵循CA模型的转化规则，哈尔滨主城区、阿城、双城为中心在调整转化阶段居民地优先转化，河流及其山脉区域采用林草生态用地优先转化。在各地类转化总量上遵循土地旋转矩阵的预测面积限制。
得到转化结果后与初始地类计算得到转化后的旋转矩阵XZ_conversion，并将之与预测旋转矩阵XZ_forecast进行比对。根据比对结果利用决策信息建立的缓冲区，在缓冲区内根据政策进行引导转化。缓冲区外区域，将转化结果带入转化函数进行迭代，直到接近预测旋转矩阵结束迭代。
2.4技术路线
CA-MAS横型模拟预测城市用地扩张流程如图2所示。
3结果与分析
3.1解译结果
研究中以2015年7月的实地调查样本点67个野外实地调查样本补充点以及从Google Earth上随机生成的100个点作为精度评价的基础数据（基本符合均匀分布），其中野外调查样本已经明确其各自地类，随机生成的样本类型通过Google Earth和现有的试验区土地利用现状图中目视确定。精度见表2，2000年、2010年、2015年研究区域遥感图像分类结果如图3所示。
3.2模型评价
利用2015年遥感数据解译结果对2015年模型模拟结果进行检验。精度检验采用混淆矩阵、Kappa系数进行评定。混淆矩阵是一种精度评定常用方式。其对角线数值为各地类正确模拟的像元数，其余位置为某类别模拟结果错分到其他类别的像元数。利用2015年模拟结果和2015年解译结果构建混淆矩阵（表3）与获得模型用户精度（表4）。通过计算模型的总体精度为90.88%。模型模拟总体精度较高，对于居民地、林草地和农田具有很好的拟合性。但在水体湿地和未利用用地模拟上精度稍低。因为水体湿地受年降雨量、气候条件等诸多自然因素的影响年变化较大，而研究中又没有将气象数据作为因子考虑在内，因此不具有显著的规律性。对于未利用用地而言，从分类解译的角度来看，误差较大，易于与其他地类混淆。其次，未利用用地总体数量较小，一定数量上的变更对于总体比例的变化影响较大，加上未利用用地受政策和土地规划主观性影响较大，随着分类误差和模型误差的传递和累加造成未利用用地模型模拟精度较差。经过计算2015年模拟结果和分类结果的卡帕系数为0.887。通过一致性检验，可知模型模拟结果与实际数据具有较好的一致性。
从数据可以得出：伴随着城镇化的进程农田不断减少，居民地城镇用地随之增加。随着环境意识的增强，水体湿地，林地草地等生态用地，呈现增加态势。随着规划用地日趋合理化，未利用用地呈现快速减少态势。根据统计结果无论从各个类型的用地的变化趋势上还是各地类实际變化率上模型预测结果与实际较为接近，居民地、水体、林地和农田地类的土地变化率误差均控制在1%以内，模型在未利用地类的模拟精度稍差。
通过2010年的基点数据运行得到2015年的模拟结果，经检验模型总体精度较高，各个地类的增长率也达到较好模拟精度，模拟效果理想。之后对2020年哈尔滨市的发展情况进行模拟，得到模拟结果如图4所示，对模拟结果进行统计分析，得到统计数据见表7。
4结论
采用CA-MAS集成方式利用土地规划信息主动干预土地转化的方向。有效弥补了CA模型未考虑到人为政策因素主动干预所产生的影响，从而提高模型模拟精度。模型总体精度各个用户类别精度、模型的一致性和模型具体参量的模拟上均表现突出，表明CA-MAS耦合模型在城市扩展模拟上具有一定的应用潜力。
从模型对2020年预测结果可知，2015-2020年哈尔滨居民用地继续增长，预计增长40.256 km2，水体湿地和林地也呈现出增长态势，农田和未利用用地继续减少，但总体趋势呈现出变化减缓趋势。在一定程度上表明研究区城镇化进程减缓。在空间中呈现出哈尔滨主城区周边至双城、阿城、肇东沿道路发展由线到面扩展。小城镇扩展较明显，全区小城镇呈现出环状扩展的现象。在平房、阿城经济开发区、双城、松北食品加工工业园区呈现出居民用地聚集明显。林草生态用地沿松花江、阿什河和呼兰河流域呈现增加态势。在哈双、哈阿、哈五、哈同、哈伊哈大等高速公路两侧出现小斑块林草用地增长。模拟结果与哈尔滨2005-2020规划纲要发展方向相符，综合注重经济区的快速发展，小城镇的城镇化建设和绿水蓝天的生态发展方向。
【参考文献】
[1]胡晓明，李月臣，黄孝艳，等.城市空间扩展研究及进展[J].现代城市研究，2013，28（6）：60-82.
[2]闫梅，黄金川.国内外城市空间扩展研究评析[J].地理科学进展，2013，32（7）：1039-1050.
[3]朴妍，马克明.北京城市建成区扩张的经济驱动：1978-2002[J].中国国土资源经济，2006，20（7）：33-37.
[4]李晓文，方精云，朴世龙.上海及周边主要城镇用地扩展空间特征及其比较[J].地理研究，2003，22（6）：769-779.
[5]李开宇，曹天艳.大都市边缘地区城市化与城市空间扩展研究——以广州市番禺区为例[J].西北大学学报（自然科学版），2014，40（3）：523-526.
[6]吝涛，李新虎，张国钦，等.厦门岛城市空间扩张特征及其影响因素分析[J].地理学报，2010，65（6）：715-726.
[7]张恒.基于MODIS遥感影像及元胞自动机的京津冀地区城市模拟研究[D].北京：中国地质大学，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，孙战利，谢一春.地理元胞自动机研究[M].北京：科学出版社，1999.
[12]黎夏，叶嘉安.约束性单元自动演化CA模型及可持续城市发展形态的模拟[J].地理学报，1999，54（4）：159-166.
[13]陶海燕，黎夏，陳晓翔，等.基于多智能体的地理空间分异现象模拟——以城市居住空间演变为例[J].地理学报，2007，62（6）：579-588.
[14]刘小平，黎夏，叶嘉安.基于多智能体系统的空间决策行为及土地利用格局演变的模拟[J].地球科学，2006，36（11）：1027-1036.
[15]杨青生，黎夏.多智能体与元胞自动机结合及城市用地扩张模拟[J].地理科学，2007，27（4）：542-548.
[16]何春阳，陈晋，史培军，等.基于CA的城市空间动态模型研究[J].地球科学进展，2002，17（2）：188-195.
[17]龙瀛，韩昊英，毛其智.利用约束性 CA 制定城市增长边界[J].地理学报，2009，64（8）：999-1008.
[18]曾辉.深圳市龙华地区城镇用地动态模型建设及模拟研究[J].生态学报，2000，20（4）：545-551.
[19]杨青生，黎夏，刘小平.基于Agent和CA的城市土地利用变化研究[J].地球信息科学，2005，27（2）：78-81.
