基于人工蜂群CA模型的南京市土地利用变化模拟与预测

doi:10.13474/j.cnki.11-2246.2022.0050

测绘通报 ›› 2022, Vol. 0 ›› Issue (2): 95-99.doi: 10.13474/j.cnki.11-2246.2022.0050

基于人工蜂群CA模型的南京市土地利用变化模拟与预测

吴掠桅¹, 刘耿²

1. 南京市国土资源信息中心, 江苏南京 210029;
2. 中山大学地理科学与规划学院, 广东广州 510275

收稿日期:2021-02-20 发布日期:2022-03-11
作者简介:吴掠桅(1984-),男,硕士,高级工程师,主要研究方向为GIS应用和智慧城市。E-mail:66076826@qq.com
基金资助:
国家重点研发计划（2018YFB2100705）；2019年工业互联网创新发展工程（TC19083WA）

Simulation and prediction of land-use change in Nanjing based on artificial bee colony cellular automata model

WU Lüewei¹, LIU Geng²

1. Nanjing Land and Resources Information Center, Nanjing 210029, China;
2. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China

Received:2021-02-20 Published:2022-03-11

摘要/Abstract

摘要： 以南京市为例，构建人工蜂群元胞自动机（CA_ABC）模型，对2000—2007年的土地利用变化进行模拟以实现CA_ABC模型的校正，并以2007—2015年的土地利用变化为案例，验证该模型的有效性。模拟结果总体精度（OA）2007年为87.79%，2015年为80.61%；模拟结果的品质因数（FOM）2007年为21.23%，2015年为19.25%。基于CA_ABC模型和马尔可夫链预测未来城市土地总量，对南京市2025和2035年的土地利用格局进行了预测，对城市扩张和生态用地被侵占现象进行分析。模型预测结果表明，未来20年的城市扩张主要以牺牲耕地和林地为代价，2025和2035年80%的城市扩张面积来源于对耕地面积的侵占，17%的城市面积扩张是由2015年的林地转换得到的。研究表明，准确模拟、预测未来城市格局及评估城市扩张能够对生态用地侵占，以及为决策者合理规划城市、推动城市可持续发展提供帮助。

关键词: 元胞自动机, 人工蜂群, 土地利用, 城市侵占, Urban CA, 南京

Abstract: This paper builds an artificial bee colony cellular automata (CA_ABC) model with Nanjing as the study area, calibrates CA_ABC model by simulating urban expansion from 2000 to 2007, and validates the CA_ABC model from 2007 to 2015 using the actual land-use data. End-state overall accuracies (OA) are 80.61% for 2007 and 87.79% for 2015, while figure-of-merit (FOM) metrics are 19.25% for 2007 and 21.23% for 2015. This paper uses CA_ABC and Markov chain calculating the total urban land amount in Nanjing in 2025 and 2035, predicts the land-use pattern and analyzes the urban encroachment on ecological land. The prediction results show that urban expansion will mainly come at the expense of cultivated land and forest land in the next 20 years. 80% of the urban expansion in 2025 and 2035 will come from the encroachment on cultivated land, and 17% of the urban expansion area is the encroachment on forest land in 2015. This study shows that accurate simulating and predicting the future urban pattern and evaluating the urban encroachment on ecological land are helpful for decision makers reasonably plan for sustainable urban development.

Key words: cellular automata, artificial bee colony, land use, urban encroachment, Urban CA, Nanjing city

中图分类号:

P208

吴掠桅, 刘耿. 基于人工蜂群CA模型的南京市土地利用变化模拟与预测[J]. 测绘通报, 2022, 0(2): 95-99.

WU Lüewei, LIU Geng. Simulation and prediction of land-use change in Nanjing based on artificial bee colony cellular automata model[J]. Bulletin of Surveying and Mapping, 2022, 0(2): 95-99.

参考文献

[1] 韩会然,杨成凤,宋金平.北京市土地利用空间格局演化模拟及预测[J].地理科学进展, 2015(8):42-52.
[2] IRWIN E G. NEW Directions for urban economic models of land use change:incorporating spatial dynamics and heterogeneity[J]. Journal of Regional Science, 2010, 50(1):65-91.
[3] 黎夏,叶嘉安,刘涛,等.元胞自动机在城市模拟中的误差传递与不确定性的特征分析[J].地理研究, 2007, 26(3):443-451.
[4] 徐昔保,杨桂山,张建明.兰州市城市土地利用优化研究[J].武汉大学学报(信息科学版),2009,34(7):878-881.
[5] FENG Y J, TONG X H. A new cellular automata frame-work of urban growth modeling by incorporating statistical and heuristic methods[J]. International Journal of Geographical Information Systems, 2020, 34(1):74-79.
[6] KARABOGA D, BASTURK B. A powerful and efficient algorithm for numerical function optimization:artificial bee colony (ABC) algorithm[J]. Journal of Gbbal Optimization, 2007, 39(3):459-471.
[7] KARABOGA D, GORKEMLI B, OZTURK C, et al. A comprehensive survey:artificial bee colony (ABC) algorithm and applications[J]. Artificial Intelligence Review, 2014, 42(1):21-57.
[8] NAGHIBI F, DELAVAR M, PIJANOWSKI B. Urban growth modeling using cellular automata with multi-temporal remote sensing images calibrated by the artificial bee colony optimization algorithm[J]. Sensors, 2016, 16(12):2122.
[9] GAO C, FENG Y J, TONG X H, et al. Modeling urban growth using spatially heterogeneous cellular automata models:comparison of spatial lag, spatial error and GWR[J]. Computers, Environment and Urban Systems, 2020, 81:101.
[10] WU F L. Calibration of stochastic cellular automata:the application to rural-urban land conversions[J]. International Journal of Geographical Information Systems, 2002, 16(8):795-818.
[11] KARABOGA D, BASTURK B. On the performance of artificial bee colony (ABC) algorithm[J]. Applied Soft Computing, 2008, 8(1):687-697.
[12] 林沛锋,郑荣宝,洪晓,等.基于FLUS模型的土地利用空间布局多情景模拟研究——以广州市花都区为例[J].国土与自然资源研究,2019(2):7-13.
[13] PONTIUS R G J. Quantification error versus location error in comparison of categorical maps[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66:1011-1016.
[14] 欧阳晓,朱翔.中国城市群城市用地扩张时空动态特征[J].地理学报,2020,75(3):571-588.
[15] PONTIUS R G, BOERSMA W, CASTELLA J C, et al. Comparing the input, output, and validation maps for several models of land change[J]. The Annals of Regional Science, 2008, 42(1):11-37.
[16] CHARIF O, OMRANI H, ABDALLAH F, et al. A multi-label cellular automata model for land change simulation[J]. Transactions in GIS, 2017:122.

基于人工蜂群CA模型的南京市土地利用变化模拟与预测

Simulation and prediction of land-use change in Nanjing based on artificial bee colony cellular automata model

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[2]	张瑞, 李朝奎, 姚思妤, 李维贵. 融合地理探测器和地理加权回归的太原市建设用地变化因素研究[J]. 测绘通报, 2022, 0(5): 106-109,119.
[3]	张定祥, 汪秀莲, 刘顺喜, 张嘉, 陈强, 李士江. 第三次全国国土调查土地利用矢量数据栅格化方法[J]. 测绘通报, 2022, 0(4): 138-144.
[4]	李鹏, 黎楚安, 杨继梅, 李振洪, 王厚杰. 典型海岸带城市扩张的多源遥感监测与预测——以青岛市为例[J]. 测绘通报, 2022, 0(1): 105-109.
[5]	高雨, 胡召玲, 樊茹. 高分辨率影像融合算法对滨海湿地土地利用分类精度的影响[J]. 测绘通报, 2022, 0(1): 116-120.
[6]	李霄, 李勇志, 孙禧勇, 赵政, 李伊峤, 张高强. 督察区域地类图斑自动套合方法[J]. 测绘通报, 2021, 0(5): 120-123,144.
[7]	张伟良, 刘琦, 吴长彬, 杨光迪. 基于孪生神经网络的土地利用现状年度变化检测[J]. 测绘通报, 2021, 0(3): 91-95,104.
[8]	郭子翰, 陈斐, 刘晓丽, 戴昭鑫. 基于土地利用类型提高人口格网数据空间精度的方法[J]. 测绘通报, 2021, 0(12): 66-70.
[9]	韩建平. 基于遥感影像的青海省环境变化监测[J]. 测绘通报, 2021, 0(10): 123-126,145.
[10]	陈王梦, 李通, 张丽, 张红日, 闫敏, 杜跃飞. 遥感技术支持下的下龙湾西岸养殖塘变化监测及其对“三生用地”影响分析[J]. 测绘通报, 2020, 0(9): 66-71.
[11]	赵向阳, 赵云. 利用地理省情监测数据分析土地利用变化——以济南市东部老工业区为例[J]. 测绘通报, 2020, 0(8): 122-125,159.
[12]	李乃强, 徐贵阳. 基于自然间断点分级法的土地利用数据网格化分析[J]. 测绘通报, 2020, 0(4): 106-110,156.
[13]	王晓妍. 土地利用图中线状要素综合的质量评价[J]. 测绘通报, 2020, 0(4): 116-120.
[14]	谭远模, 谢思梅, 谢荣安. 土地利用时空变化与城市化发展分析[J]. 测绘通报, 2020, 0(4): 139-142,146.
[15]	徐世武, 曾珏, 张诗慧, 李长征, 李亭谕. 一种深度卷积神经网络土地利用场景照片的分类方法[J]. 测绘通报, 2020, 0(2): 24-28,42.