耦合遥感观测和元胞自动机的城市扩张模拟  

Urban expansion simulation by coupling remote sensing observations and cellular automata

作　　者：张亦汉[1] 黎夏[2,3] 刘小平[2,3] 乔纪纲[1] 何执兼[2,3] 

机构地区：[1]广东商学院资源与环境学院,广东广州501320 [2]中山大学地理科学与规划学院,广东广州510275 [3]广东省城市化与地理环境空间模拟重点实验室,广东广州510275

出　　处：《遥感学报》2013年第4期872-886,共15页NATIONAL REMOTE SENSING BULLETIN

基　　金：国家重点基础研究发展规划(973计划)(编号:2011CB707103);国家自然科学基金重点项目(编号:40830532);国家自然科学基金(编号:40971210)~~

摘　　要：在传统元胞自动机(CA)模型中,静态的模型参数和模型误差不能释放是影响城市扩张模拟效果的两个重要原因。文中引入集合卡尔曼滤波方法到CA模型中,提出了基于联合状态矩阵的地理元胞自动机。该模型在模拟过程中可以通过同化遥感观测数据,动态地调整模型参数和纠正模拟结果,使模型参数能够反映转换规则的时空变化,同时也能较好地释放积累的模型误差。将模型应用于东莞市的城市扩张模拟中,实验结果表明,模型能够准确地调整模型参数使之符合城市发展模式,同时也能有效地控制模型误差,其模拟的空间格局与真实情况吻合。Traditional Cellular Automata （CA） requires parameter adjustments and results modification to improve performance especially in a long simulation period. This paper introduces the ensemble Kalman filter （EnKF） into the CA model and proposes a new geographical cellular automata model based on joint state matrix. The model will adjust model parameters and correct simula- ted results dynamically in the process of simulation by assimilating remote sensing observations. The change of model parameters can properly reflect temporal and spatial variations in the transition rules. Besides, the model can effectively release accumulated model errors. It was applied to the urban expansion simulation of Dongguan, Guangdong province, China. Experiments indicate that this model can modify the parameter value which can properly reveal the urban development pattern. It also can produce more reasonable results than logistics CA model and EnKF CA model in simulating this complex region.

关 键 词：元胞自动机 城市扩张 数据同化 集合卡尔曼滤波 联合状态矩阵 

分 类 号：TP301.1[自动化与计算机技术—计算机系统结构] P237[自动化与计算机技术—计算机科学与技术]