崔学刚
, 方创琳, 李君
CUI Xuegang, FANG Chuanglin, LI Jun
通讯作者:
收稿日期: 2018-04-3
修回日期: 2018-09-10
网络出版日期: 2019-01-28
版权声明: 2019 地理科学进展 《地理科学进展》杂志 版权所有
基金资助:
作者简介:
第一作者简介：崔学刚(1990— ),男,山东淄博人,博士生,主要从事城市地理与区域规划研究。E-mail: cuixg.16b@igsnrr.ac.cn
展开
摘要
按照地理学科发展趋势,对城镇化与生态环境耦合的研究将由定量描述转入动态模拟。目前,城镇化与生态环境耦合动态模拟模型呈现多元化。论文系统梳理了其中4类常见的动态模拟模型,包括城镇化与生态环境耦合系统动力学模型、基于人工智能算法的城镇化与生态环境耦合动态模拟模型、基于土地利用变化的城镇化与生态环境耦合动态模拟模型以及基于多模型集成的城镇化与生态环境耦合复合模型。主要结论如下：系统动力学模型被广泛应用于城市复杂系统、城市转型和可持续发展以及城镇化与生态环境单要素耦合的动态模拟之中,但存在空间解释不足以及忽视系统自适应性等问题;人工智能算法(ANN和BN)在自学习、自组织、自适应系统或不确定性系统模拟中具有显著优势,并被应用于城市扩张、环境变化、资源需求以及生态脆弱性的识别之中,但应用面相对狭窄且限制条件偏多;土地利用变化模型(CLUE/CLUE-S、CA和MAS)局限于从土地城镇化视角模拟城镇化与生态环境耦合;基于多模型集成的复合模型实现了各模型之间的优势互补,已成为城镇化与生态环境耦合动态模拟模型的发展趋势。今后,应从技术和理论2个层面实现城镇化与生态环境耦合动态模拟模型的进一步发展,并加强对微观过程的模拟。
关键词：
Abstract
The development trend of geographical science indicates that the research on urbanization and ecological environment coupling will move from quantitative description to dynamic simulation. At present, the dynamic simulation models of urbanization and ecological environment coupling are diverse. This article reviewed and summarized four common types of models, including system dynamics model, artificial intelligence algorithm, land use change model, and composite model. The main conclusions are as follows: 1) System dynamics models are widely used in the dynamic simulation of urban complex nonlinear systems, urban transition and sustainable development, and urbanization and ecological environment elements coupling. However, spatial interpretation is insufficient and system adaptability is ignored. 2) Artificial intelligence algorithm has significant advantages in simulating self-learning, self-organizing, and adaptive systems, as well as uncertain systems. It is applied to identify urban expansion, environmental change, resource demand, and ecological vulnerability, but the application range is narrow. 3) Land use change models are limited to the simulation of urbanization and ecological environment coupling under the condition of land transfer to urban use. 4) To achieve complementarities between the various models, it has become a trend to develop composite models based on multi-model integration. In the future, we should develop dynamic simulation models from both the technical and theoretical aspects, and strengthen the simulation of microscopic processes.
Keywords：
近年来,由于城镇化在中国引发显著的环境负效应,诸多地理学者的研究兴趣开始转向城镇化与生态环境耦合(方创琳等, 2016)。城镇化与生态环境之间存在复杂的非线性耦合关系,包括两者间的总体交互反馈、水-土-能源资源等的耗用与约束以及城镇化过程与生态安全格局间的交互胁迫等(Fang et al, 2016; Bao et al, 2017)。根据不同区域的已有历史数据,诸多学者定量测度了城镇化与生态环境间的耦合关系,结果呈现为双指数或倒“U”型等曲线形式(Li et al, 2012; 刘艳艳等, 2015; 孙黄平等, 2017)。随着研究的进一步深入,分析尺度开始由局地耦合逐渐扩展到远程耦合,期望揭示复杂时空维度下的城镇化与生态环境耦合的级联效应(Liu et al, 2013; 方创琳等, 2017)。然而,由于耦合机制的复杂性,采用传统范式评估城镇化与生态环境的交互耦合效应已显得力不从心,且受限于以往的数理统计表象,其深层次的运行机制及演化趋势尚待进一步模拟及预测。地理学通常要经历一个由知识描述到过程模拟,再到决策与调控的发展趋势,而研究对象也将由简单系统进一步向复杂人地系统扩展(傅伯杰, 2017)。随着城镇化与生态环境耦合研究的不断深入,对该过程的动态模拟将成为今后研究的重要方向之一。
动态模拟在某种意义上可看作是对地理过程的历史重现,并在此基础上对地理过程的发展趋势进行科学预测(唐志鹏等, 2010)。目前,诸多学者采用系统仿真建模对城镇化与生态环境耦合进行了动态模拟,其中以系统动力学模型最为典型(宋学锋等, 2006; Su, 2015)。而随着计算机仿真技术特别是人工智能技术的快速发展,模型的种类和数量持续增多,尤其是围绕土地系统动态模拟这一领域,以元胞自动机、多智能体系统和土地利用变化及效应模型(CLUE/CLUE-S)等为代表的一系列模型发展迅速,这为土地城镇化的动态模拟提供了有效的科学方法(李少英等, 2017)。根据对城镇化与生态环境耦合动态模拟研究领域的掌握,可依据理论和学科背景、演化时序和适用范围等将现有主要模型划分为城镇化与生态环境耦合系统动力学模型、基于人工智能算法的城镇化与生态环境耦合动态模拟模型、基于土地利用变化的城镇化与生态环境耦合动态模拟模型以及基于多模型集成的城镇化与生态环境耦合复合模型4大类。对城镇化与生态环境耦合这一典型人地系统过程作动态模拟,可针对不同城镇化发展模式进行多情景模拟与风险预警,进而比选适宜的优化调控方案,为促进可持续城镇化提供决策支持。其中,遴选适宜的模型是动态模拟的核心。在分析比较不同动态模拟模型的适用性和优缺点的基础上,对现有模型作初步总结和展望,以期为推动可持续城镇化遴选最优的技术支持手段。
系统动力学(System Dynamics,SD)是一门由系统科学理论与计算机仿真交叉而成的学科,由麻省理工学院J. W. Forrester教授提出(Forrester, 1958)。基于定性和定量相结合的方法,系统动力学通过构建反馈结构反映了系统的行为模式与特征。
系统动力学描述了复杂系统的高阶次、非线性和多重反馈特征(王其藩, 1999),这与地理学所倡导的人地系统理论高度契合。通过灵活的建模方式,系统动力学能够在剖析要素反馈关系的基础上构建城镇化与生态环境耦合结构,从而将复杂的整体耦合过程分解为多子系统、多要素间的动态反馈集成,并通过系统存流量检验、灵敏度分析、参数修正等环节提高模型精度(顾朝林等, 2017)。此外,系统动力学建模过程较为理性直观,形成了理论分析—指标体系构建—SD模型构建—动态模拟—情景调控的建模流程(图1)。基于以上优势,在早期学者们就已尝试利用系统动力学模型模拟社会-经济-环境复杂系统。1972年,罗马俱乐部出版的《增长的极限》可谓一个里程碑。报告中构建了一个包括人口、农业生产、自然资源、工业生产和污染5个子系统的“世界模型”,认为“唯增长是从”的发展模式必将导致“发展的极限”(Meadows et al, 1972)。尽管这份报告因浓厚的悲观主义色彩而广受质疑,但其最早宣扬了可持续发展理念,并推动了SD模型在社会-经济-环境复杂系统动态模拟中的应用。
系统动力学模型也存在一定缺陷。一方面,社会-经济-环境复杂系统属于自适应、自学习和自组织系统(仇保兴, 2017),而系统动力学模型结构的固定性导致无法体现该特点。另一方面,由于系统动力学模型揭示的是要素关联性而非空间关联性,因而空间分析功能相对欠缺。此外,系统动力学模型反馈结构中“黑箱”问题显著,部分变量关系局限于回归关系。但不可否认的是,系统动力学模型是一类模拟社会-经济-环境复杂系统的有效工具。
凭借简便的建模方式和对复杂非线性系统的科学模拟,系统动力学被广泛用于城市复合系统、城市转型和可持续发展以及城镇化与生态环境单要素耦合的仿真模拟。
1.2.1 城市复合系统仿真模拟
根据地理系统论的观点,城镇化与生态环境耦合类似于城市复合系统演化。目前有关城市复合系统的定义较为多元化,包括社会-经济-自然复合生态系统(Social-Economic-Natural Complex Ecosystem,SENCE)(王如松等, 2012; Yao et al, 2015)、经济-资源-环境复合系统(Economy-Resources-Environment System, ERE)(刘承良等, 2013)和城市生态-经济系统(Urban Ecological-Economic Systems,UEE)(Fang et al, 2017)等。总体而言,城市复合系统具有动态性、多维性和协同性等特征。
在科学辨识系统组成模块的基础上,学者们基于SD模型动态模拟了城市复合系统演化。宋学锋等(2006)基于“ISM+SD”方法模拟了江苏省城镇化与生态环境的耦合过程,认为应制定差异性的城镇化模式;Guan等(2011)采用SD-GIS方法评估了重庆城市经济-资源-环境系统(ERE)的可持续性,认为环境子系统的可持续性有利于系统整体的可持续性;刘承良等(2013)以武汉都市圈为例,采用系统动力学模拟了经济-资源-环境系统的非线性演化过程;Su(2015)基于理论与模型相结合的研究方法,采用系统动力学分析了城市人口、资源和环境系统的综合发展模式;Li等(2016)通过对城市绿地系统、经济社会系统和环境系统协调发展过程的SD模拟,评估了北京绿色空间可持续发展能力;Fang等(2017)将系统动力学和能值方法做了集成,评估了北京生态-经济系统的可持续性;顾朝林等(2017)采用中国城镇化系统动力学模型对中国城镇化作了中长期预测,并在其中考虑到了环境容量的约束。综上可知,SD模型展现了城市复合系统子模块之间的动态与协同演化过程。
1.2.2 城市转型和可持续发展
城市转型的内涵具有综合性,包括经济、社会、生态转型等多个方面(金浩然等, 2016)。目前,部分研究借助SD模型分析了资源枯竭城市的转型模式,如卢万合等(2012)以辽源市为例,构建了一个由人口、资源产业、接续产业和其他工业4个子系统组成的SD模型,通过模拟资源枯竭约束下的城市发展过程,认为资源枯竭城市通过产业转型能够避免受到资源枯竭的显著影响。
更多学者利用SD模型评估了城市发展的可持续性,讨论了人口、经济、社会和资源环境要素如何实现协调发展,如朱杰等(2009)构建了一个包括人口、产业、污染和城镇化4个子系统的SD模型,模拟了不同情景下的常州市发展状态,认为通过产业转型和培育新兴产业将实现城镇化和生态环境的协调发展;张子珩等(2010)借助SD模型模拟了人口、经济与资源环境相互作用下的乌海城市可持续发展过程,认为如果不采取必要的节水、产业升级和人口迁移措施,未来将面临水和煤炭资源透支的威胁;Mavrommati等(2013)借助SD模型模拟了雅典城市滨海系统的生态可持续发展过程,认为良好的制度框架有利于改善当前状态,而技术进步的效果具有不确定性;Li等(2014)以银川市为例,利用SD模型分析了人口-经济-环境系统协调发展过程,期望为西北地区城市可持续发展提供经验借鉴。SD模型模拟结果表明,促进城市可持续发展的根本不仅是合理控制发展规模,更要注重发展质量和结构。
1.2.3 城镇化与生态环境单要素耦合
基于环境变化区域实践视角,学者们模拟了城镇化与生态环境单要素中关键胁迫因子的耦合过程。如He等(2006)基于CA-SD模型模拟了水资源约束下的北京城市扩展情景;左其亭(2007)构建了一个嵌入式系统动力学模型(ESD)框架,期望揭示人水系统的复杂演变过程;卢超等(2011)采用SD模型模拟了水资源约束下的小城镇发展过程,并提出了包含农业结构调整、产业结构转型和树立公众节水意识的三级治理体系;Egilmez等(2012)基于燃料效率、公共交通和电力汽车3种SD情景模拟,揭示了美国高速公路建设与CO2排放量的正相关性;Feng等(2013)基于STELLA平台建立了系统动力学模型,并对2005—2030年北京能源消费量和CO2排放量作了预测,认为转变经济发展方式和合理控制人口增长有利于抑制能源消费和碳排放;如严冬等(2016)借助“Dyna-CLUE+SD”模型模拟了地质条件约束下的山地城镇化过程。综上可知,学者们尤为关注城镇化与水资源、能源消费及其引起的碳排放以及地形地貌等要素的耦合过程。
人工神经网络和贝叶斯网络均是基于人工智能的计算机仿真模型,二者在训练方式、模式分类和算法复杂度上具有高度相似性,但在拓扑结构、算法原理、学习规则和测试方法上却存在较大不同。在拓扑结构方面,人工神经网络表现为一个有向图,既可为有向无环图,如模糊神经网络(FNN),也可为循环图,如递归神经网络(RNN),而最常见的BP神经网络是一个包含输入层、隐含层和输出层的有向无环图(Haykin, 2008);相反地,贝叶斯网络只能表现为一个有向无环图(张连文等, 2006)(图2)。这2类模型也被用于城镇化与生态环境耦合动态模拟之中,前者主要用于城镇化进程中的用地扩张、环境演变、污染扩散和资源需求模拟等,而后者更多地用于城市生态脆弱性识别以及资源管理等。
图2 BP神经网络和贝叶斯网络的拓扑结构
注：引自
Fig.2 Topological structure of backpropogration (BP) neural network and Bayesian network
2.1.1 模型介绍
人工神经网络(Artificial Neural Network,ANN)是一类模仿人脑信息处理功能的非线性模型(邢文训等, 2006)。Rosenblatt(1958)提出的感知器(Perceptron)是首个实现人工神经网络的装置,由输入节点、输出节点、权向量、偏置因和激活函数5个部分构成,为ANN的拓扑结构和学习规则奠定了基础。由于感知器的二进制激活函数难以解决异或问题,因而又改进为线性神经网络。线性神经网络采用线性激活函数,并主要遵循梯度下降法学习规则,可以有效解决异或问题,但也存在2个缺陷：一是学习率不容易确定,影响模型收敛;二是容易陷入局部最优解(朱大奇, 2006)。
到了20世纪80年代,通过引入非线性激活函数,ANN形成了分别以Hopfield和BP神经网络为结点的2条重要分支(焦李成等, 2016)。其中,Hopfield神经网络可通过训练实现联想记忆功能,从而在数据不完整的情况下输出完整结果(Hopfield, 1982);BP神经网络是一类常见的无反馈神经网络,通过加入隐含层(一层或多层)和采用误差反向传播算法,提供了解决多层神经网络训练的途径(杨晓帆等, 1994)。人工神经网络具有自学习、联想储存和高速寻优3个优势,并具有良好的非线性映射逼近性(徐建华, 2010)。然而,人工神经网络在学习、因果解释等方面也存在部分缺陷,特别是不擅长处理不确定性问题(杨继琼, 2007)。
2.1.2 主要应用
一方面,人工神经网络可被用于模拟城镇用地扩张过程。刘柯(2007)基于主成分分析和BP神经网络预测了北京市城市建成区面积,认为该方法相较于BP神经网络精度可提高1.8个百分点;付玲等(2016)也基于BP神经网络和城市增长边界模型预测了2020年北京城市增长边界。另一方面,人工神经网络可预测城市环境变化和污染扩散等过程。Viotti等(2002)借助ANN预测了意大利Perugia市典型污染物浓度的短期和中长期变化趋势,认为该方法在24~48 h区间内有效;Lee等(2003)基于考虑时滞的藻类动力学构建了一个ANN,并以每周的采样数据为训练样本模拟了香港沿海水域的藻类爆发;Cai等(2009)采用BP神经网络预测了广州市交通干道附近的大气污染物浓度变化趋势,认为该方法优于多线性回归模型和CALINE线源模型;张颖等(2015)基于改进的T-S模糊神经网络预测了太湖流域的水质变化趋势,认为该方法能够有效预测10 d后的单因子水质状态。 此外,可基于人工神经网络预测资源与能源需求。刘树锋等(2007)基于人工神经网络对比了不同供水情景下的惠州市水资源承载力差异,旨在解决水资源系统和社会经济系统的协同问题;李瑞等(2016)采用RBF神经网络预测了中国物流业的能源需求,认为到2020年物流业能源消费总量将突破5亿t标准煤。
在精度方面,Tirelli等(2011)比较了ANN和决策树(DT)在生态数据预处理方面的性能,认为ANN的表现更好;张晓瑞等(2013)比较了RBF神经网络、BP神经网络和线性回归3种方法在城市建成区面积预测中的效果,认为RBF神经网络凭借以任意精度全局逼近任意非线性关系的优势,在效果上显著优于其他2种方法。
2.2.1 模型介绍
贝叶斯网络(Bayesian Network,BN)是由概率论、统计学与图论结合而成,它兴起于20世纪80年代中期对人工智能中不确定性问题的研究(张连文等, 2006;史志富, 2012)。根据贝叶斯定理(P(H=h
贝叶斯网络的优点主要包括：一是直观表现了事件的因果关系;二是可以进行“自顶而下”的因果推理和“自底而上”的诊断推理;三是证据可以不完整(黄影平, 2013)。与人工神经网络相比较,贝叶斯网络在处理不确定问题、不完整数据集以及明确因果关系等方面优势显著(杨继琼, 2007)。但贝叶斯网络也存在一些缺陷,现有的概率繁殖算法难以处理庞大的节点数目;而与人工神经网络相比较,贝叶斯网络的数据利用和结构学习能力甚至更低(李硕豪等, 2015)。
2.2.2 主要应用
一方面,研究者关注了城市生态脆弱性以及灾害风险,如Balbi等(2016)采用空间显式贝叶斯网络评估了瑞士苏黎世市的洪灾风险,认为改进预警系统将减少75%的死亡率和25%的受伤率;黎斌等(2018)基于生态用地历史变化与生态适应性2个角度,采用贝叶斯网络划定邻鄂州市城市生态红线。另一方面,也有研究关注了城市资源管理,如卢文喜等(2011)将贝叶斯网络应用到水资源管理之中,认为若要兼顾水环境保护和农民增收2个目标,合理的补偿款金额为7500元/hm2;Froelich(2015)基于动态高斯贝叶斯网络(DGBN)模型预测了城市日常用水需求,认为模拟效果优于基于网络结构的自动学习模型。此外,一些学者关注了土地利用变化与土地适宜性评价,如Celio等(2014)利用贝叶斯网络对瑞士阿尔卑斯山前地区的土地利用决策进行了建模,认为土地开发者的意图对于改变农业用地类型更为重要;关小东等(2016)采用贝叶斯网络模型评估了大冶市农用地适宜性,从而构建了一种新的基本农田划定方法。
土地城镇化研究是城镇化与生态环境耦合研究的重要内容。综合地理学和生态学等学科理论,土地城镇化可被理解为由各类自然、半自然地表向以城市功能地域为主的人工地表演变的土地利用变化过程,可在近程尺度与耕地、生态等系统产生直接的关联作用(陆文勋等, 2017; 王甫园等, 2017)。近年来,基于土地利用变化的城镇化与生态环境耦合动态模拟模型发展较快,并在计算机、GIS等技术的推动下发展为以土地利用变化及效应模型(CLUE/CLUE-S)、元胞自动机(CA)模型和多智能体系统(MAS)模型等为代表的模型家族(邓祥征等, 2009)。
3.1.1 模型介绍
土地利用变化及效应模型是一类基于经验统计的土地利用变化模型,主要分为CLUE(the conversion of land use and its effects)模型及其改进后的CLUE-S(the conversion of land use and its effects at small region extent)模型(唐智华等, 2011)。其中,CLUE模型是一种基于系统理论、综合考虑社会经济和生物物理等驱动因子的多尺度土地利用动态模拟模型,主要应用于大尺度空间研究,而CLUE-S模型在小尺度空间中得到了应用(吴健生等, 2012)。CLUE-S模型分为5个部分,包括4个输入模块(非空间模块)和1个空间分配模块。另外,CLUE-S的建模过程主要包括4个步骤：一是确定主要用地类型的概率分布;二是设定土地利用变化弹性系数;三是预测土地利用需求;四是完成土地利用的空间分配(Verburg et al, 2002)。
CLUE/CLUE-S模型也存在部分局限性。由于该类模型偏重“人类-环境”耦合系统(Coupled Human-Environment System)中的某一方面,因而导致其只能算是一类“局部均衡分析”(Partial Equilibrium Analysis)模型,难以体现人类活动(如城镇化过程)与土地系统的交互耦合过程(唐华俊等, 2009; 胡喜生等, 2013)。
3.1.2 主要应用
土地利用变化及效应模型主要用于多尺度的土地利用空间分配研究之中,如Orekan(2007)采用CLUE-S模型模拟了贝宁中部稀树草原地区的土地利用变化情景,期望为西非地区提供土地可持续利用规划方案;Ahmed等(2014)以达卡为例,运用CLUE-S模型模拟了影响该类特大城市快速发展的驱动因素,并基于Logistic回归测试发现该模型的整体表现与其他城市增长模型相一致;Mohammady等(2017)基于CLUE-S和WetSpa模型评估了伊朗Baghsalian流域土地利用变化对径流参数的影响程度,同时发现该区域土地利用变化主要为森林和牧地向农业和住宅用地类型转变。国内研究在近10年来也开始兴起,如周锐等(2011)基于CLUE-S和Markov模型预测了常熟市辛庄镇这一乡镇小尺度区域的土地利用变化趋势,发现建设用地增长居于主导地位;戴声佩等(2013)通过在CLUE-S 模型中引入改进后的Autologistic回归模型,预测了5种情景下的黑河中游土地利用变化趋势。由上可知,CLUE/CLUE-S模型可模拟多尺度下不同地块类型的交替演化,简单反映城市与生态空间的转换过程,但缺少对耦合机制的有效解释。
3.2.1 模型介绍
元胞自动机(Cellular Automata,CA)是一类模拟复杂离散系统动态演化的动力学模型,由Stanislaw Ulam和John von Neumann在1940年代提出(引自赵莉等, 2016)。1970年,基于CA原理的“生命游戏”被开发(Conway, 1970)。之后,随着3S和计算机技术的发展,CA模型被大量用于城市土地系统模拟之中,并在元胞及邻域、空间维度和数据结构等方面被不断改进(赵莉等, 2016)。CA模型主要由转换规则、元胞、状态和邻域4个要素构成(郭欢欢等, 2011)。CA模型的运转依赖于预先设定的转换规则,其中元胞在t时刻的状态由前一时刻(t-1)的状态及其邻域状态决定(黎夏等, 2009)。
CA模型是一类空间信息动态模拟模型,它具有如下优势：一是基于“自下而上”的建模过程将复杂问题拆解;二是表现为可用计算机语言表达的时空离散化特征;三是不依赖比例尺,可以进行局部和区域的土地系统模拟;四是元胞与GIS栅格单元的相似性促成了2种方法的集成(秦向东等, 2007)。但是,标准CA模型是一类建立在空间均质假设上的理想化模型,难以解决城市土地系统的空间异质问题,需要被拓展和改进(罗平等, 2005)。为此,CA模型的限制条件被放宽以便加入各类地理控制变量,但加剧了转换规则的复杂性(杨俊等, 2015)。
3.2.2 主要应用
部分学者在研究城市扩张时借鉴了元胞自动机思想。Tobler(1979)首次借用元胞自动机概念模拟了美国底特律大都市区的城市扩展过程。之后,Couclelis(1985)基于离散模型理论概括了元胞规则,并奠定了CA模型在地理学应用中的潜力和理论框架。Batten(2007)在模拟城市复杂系统时发现,CA模型的“自下而上”特征导致结果不确定,需要结合分形理论和混沌动力学进行改进;White等(2008)采用CA模型模拟了美国辛辛那提的土地利用模式,并通过真实性检验和敏感性分析认为该模型可用于区域规划之中。CA模型在国内发展也较快。全泉等(2011)在GIS支持下基于CA和MAS模型预测了上海市2010年和2020年的城市扩张结果,认为城市建设用地将向东部和南部显著扩张。宇林军等(2013)基于局部化转换规则提高了传统CA模型的模拟精度,在一定程度上减少了由于空间均质假设导致的误差。杨青生等(2013)将CA模型应用到城市生态安全模拟之中,通过在转换规则中嵌入基于生态安全的1 km×1 km的城市化元胞,模拟了东莞市综合景观生态安全指数的变化状况。
事实上,城市垂直形态(3D形态)与密度也可产生直接或间接的生态效应,如黄巍等(2014)在城市3D建模的基础上,采用流体力学模型模拟了成都市建成区密度和高度对PM2.5浓度的影响。显然,CA模型局限于城市平面形态(土地利用类型与格局)的动态模拟,仅能反映城市水平扩展过程及其对生态空间的干扰与挤占。未来,应更多地考虑城市垂直形态、密度等特征产生的生态效应。
3.3.1 模型介绍
多智能体系统(Multi-agent System,MAS)模型是一种建立在复杂自适应系统(Complex Adaptive System,CAS)理论基础上的“自下而上”的动态模拟模型,有效弥补了以往研究对行为、决策等因素的忽视(龙瀛等, 2011)。通过将智能体(Agent)扩展为多个,MAS模型确保了行为主体更加符合实际(陈海等, 2008)。MAS模型既可以展现全局动态过程,还可以解释土地利用变化的动力机制(顾朝林等, 2016)。MAS模型可与CA模型相集成,如刘小平等(2006)基于2类模型的集成构建了城市土地资源可持续发展及规划模型,从环境、宏观和微观决策3个方面揭示了土地利用变化的动力机制。但MAS模型也存在一些缺陷,如正处在理论探讨和初步应用阶段,研究区域被抽象为均质空间,且验证难度较高(田光进等, 2008)。
3.3.2 主要应用
诸多学者基于MAS模型从政策角度模拟了土地系统的演化过程。Le等(2010)提出了一个土地利用动态模拟器(LUDAS)框架用于越南中部山区流域的土地利用变化模拟,该框架基于MAS模型构建了人类-土地耦合系统动力学模型,评估了政策干预对土地复杂系统的相对影响。Abreu等(2013)采用多智能体系统模型来表征土地利用的动态变化过程,并基于Landsat ETM图像对巴西Cerrado地区进行了实证。由于MAS模型发展尚不成熟,更多学者尝试将其与CA模型集成。杨青生等(2007)基于CA和MAS模型模拟了城郊地区(樟木头镇)的扩展过程,从而给土地利用变化过程的不确定性提供了地理学解释。李维乾等(2013)基于CA与MAS模型模拟了渭河宝鸡段的水污染扩散过程,以期为突发性水污染事件提供预警支撑。在考虑社会经济等驱动因子的基础上,Liu等(2017)也提出构建面向未来的土地利用模拟(FLUS)模型,相比其他模型又加入了背景气候条件。综合来看,土地利用变化驱动力已在模型中不断被完善。
通过比较上述6种城镇化与生态环境耦合动态模拟模型,可以发现该类模型呈现多元化特征。此外,不同模型的优缺点显著(表1)。
表1 城镇化与生态环境耦合动态模拟模型的对比
Tab.1 Comparison of dynamic simulation models of urbanization and ecological environment coupling
| 模型名称 | 学科背景 | 模型优点 | 模型缺点 | 主要应用 |
|---|---|---|---|---|
| 系统动力学 | 由系统科学理论与计算机仿真结合 | 建模过程简便,可以同理论与指标体系构建结合,降低系统边界和相关变量的识别难度 | 难以体现系统自适应特点;空间解释不足;部分反馈关系局限于回归关系 | 适用于城市复杂系统、城市转型和可持续发展以及城镇化与生态环境单要素耦合动态模拟 |
| 人工神经网络 | 由人工智能和计算机仿真结合 | 是一种典型的类人脑模型,具有自学习、联想储存和高速寻优3个优势;具有良好的非线性映射逼近性 | 在学习、因果解释等方面存在缺陷,尤其是不擅长处理不确定性问题 | 适用于城镇用地扩张、环境演变、污染扩散和资源需求动态模拟 |
| 贝叶斯网络 | 起源于人工智能领域,由概率论、统计学与图论结合 | 直观表现了事件因果;可以进行因果和诊断2个方向的推理;证据可以不完整;尤其擅长处理不确定问题 | 现有的算法难以应付庞大的节点数目;学习能力较人工神经网络明显不足 | 适用于城市生态脆弱性识别以及资源需求动态模拟 |
| 土地利用变化及效应模型 | 由LUCC研究、系统科学理论与计算机仿真结合 | 基于经验统计,CLUE模型适用于大空间尺度;CLUE-S模型适用于小空间尺度 | 偏重局部均衡分析;难以体现城镇化过程与土地系统的交互耦合过程 | 适用于多空间尺度的土地利用空间分配动态模拟 |
| 元胞自动机 | 由LUCC研究、系统科学理论与计算机仿真结合 | 基于“自下而上”的建模过程将复杂问题拆解;可表现复杂离散系统的动态演化过程;可进行局部/区域土地系统模拟 | 建立在空间均质假设之上,难以解决空间异质问题;放宽限制条件加剧了转换规则的复杂性;对土地变化的机理解释不足 | 适用于城市扩展和土地利用变化动态模拟 |
| 多智能体系统 | 由人工智能和复杂性科学结合 | 基于复杂自适应系统理论,弥补了对政策因素的忽视;既可以展现全局动态过程,还可以解释土地变化的动力机制 | 尚停留在理论探讨和初步应用阶段;研究空间被抽象为均质空间;模型验证难度较大 | 适用于政策驱动下的城市扩展和土地利用变化动态模拟 |
对比可知,SD模型是一类最为综合、简便的模型。在城镇化与生态环境耦合动态模拟中,首先基于系统科学理论将该过程视为复杂人地系统的非线性演化过程。其次,通过构建指标体系确定系统边界和相关变量。再次,根据变量关系完善反馈结构。最后,根据真实性检验、参数调整等方法提高精度。SD模型可以宏观模拟城镇化与生态环境全要素、单要素的耦合过程,但空间解释较为不足,且难以体现复杂系统的自适应性特征。
其他模型较为专门化,如人工神经网络和贝叶斯网络均起源于AI领域,前者基于非线性映射逼近功能模拟了城镇用地扩张、环境演变、污染扩散和资源需求,后者基于对因果关系的分解处理了城市生态脆弱性识别以及资源需求预测等不确定性问题。CLUE/CLUE-S、CA和MAS模型则分别基于经验统计、空间信息规则以及复杂自适应系统理论,从土地变化角度模拟了城镇化与生态环境耦合过程。由于以上模型的适用面较为狭窄,亟需找到与其他模型的接口。
基于不同模型的适宜性,可通过集成方式实现各模型之间的优势互补。其中,以“SD+”复合模型为代表的动态模拟模型得到了广泛应用,并弥补了空间解释不足、无法体现复杂系统自适应性等缺陷。
一方面,将SD模型与GIS集成是人地过程模拟的一个趋势。有的学者由此模拟了由人类活动导致的污染物扩散过程,如Zhang等(2011)基于SD-GIS方法模拟了松花江流域水污染事故突发时硝基苯浓度的时空演化过程,以期为决策者提供可量化的有效信息。更多学者研究了城市系统的可持续发展过程,如Wan等(2016)利用GIS/RS-SD技术模拟了哈大齐工业走廊社会发展与生态环境的协调发展过程,认为该地区是一个典型的人与自然高强度互动区域,应逐步推进PRED协调。另一方面,将SD与CA模型集成也成为一个技术热点,这可以增强对城市土地变化的解释。秦贤宏等(2009)基于SD-CA模型从宏微观角度模拟了南通市城市用地扩张过程,并从规模变化和空间分布2个方面揭示了城市扩张结果。王行风等(2013)则将SD、CA和GIS三种方法进行了技术融合,以期从经济、社会、环境和工程4个方面模拟矿区土地利用变化的环境累积效应。
不少学者开发了一些其他模型,其中将SD模型和基于主体建模(Agent-Based Modelling,ABM)进行集成是一项正在兴起的技术尝试。Guerrero等(2016)揭示了进行以上技术尝试的初衷,他认为由于SD模型被限制于体现连续、确定性、空间总体性和固定性等特征,因而难以解决离散、随机性、空间异质性和学习与适应性等问题,而ABM模型的优势正在于弥补此类缺陷。Lewe等(2014)则在多模式的城际交通系统模拟中实践了2种模型的集成方法,并总结了并行架构、顺序架构、嵌入架构和协调架构4类集成架构模式。但是,将SD和ABM模型集成会成倍增加计算的复杂度,而且缺乏有效的检验方法(Lewe et al, 2014; Guerrero et al, 2016)。
还有学者尝试集成了SD和CLUE-S模型,如梁友嘉等(2011)基于SD与CLUE-S模型模拟了张掖市甘州区的土地利用变化,并设置了社会经济发展和土地利用需求驱动2种情景;田多松等(2016)则借助该方法模拟了上海崇明岛土地利用变化引起的土壤有机碳储量空间变化情景,认为应通过降低人类活动强度加以抑制。此外,胡健等(2017)在模糊积分(FI)、遗传算法(GA)与神经网络(NN) 3类模型集成的基础上,对中国区域能源安全的外生警源进行了模拟。
由于多模型集成的技术难度较大,且缺乏有效的检验方法(即难以判断“真”或“伪真”),这类模型的发展面临着不小的挑战。然而,随着现阶段技术整合和对复杂系统认知的深入,复合模型迎来了快速发展。特别是在复杂性科学的基础上,Batty倡导发展基于多学科整合和多模型集成的、“自下而上”的城市新科学,以期实现城市复杂系统的动态模拟(Batty, 2007, 2008),这对复合模型的下一步发展具有重要指导意义。未来,如何在理论、技术等多层面实现整合,是模拟城镇化与生态环境耦合这一复杂动态过程的关键。
由经验描述到过程模拟是地理学发展的趋势,因而城镇化与生态环境耦合研究将跨入动态模拟阶段(傅伯杰, 2017)。选择适宜的模型是动态模拟的核心,进而可通过多情景模拟与优化方案比选为促进可持续城镇化提供决策支持。
总结目前常见的城镇化与生态环境耦合动态模拟模型,结果发现这类模型呈现多元化。其中,系统动力学是一类由系统科学理论与计算机仿真融合而成的动态仿真模型,已被广泛用于城市复杂系统、城市转型和可持续发展以及城镇化与生态环境单要素耦合的动态模拟之中。但是,空间解释的不足以及对系统自适应性的忽视也导致模拟结果不理想;人工智能算法(ANN和BN)在自学习、自组织、自适应系统或不确定性系统模拟中具有显著优势,并被用于城市扩张、环境变化、资源需求以及城市生态脆弱性识别的模拟之中,但应用面相对狭窄且限制条件偏多;基于土地利用变化的城镇化与生态环境耦合动态模拟模型(CLUE/CLUE-S、CA和MAS)基于经验统计、空间信息规则以及复杂自适应系统理论模拟了城镇化与生态环境的耦合过程,但局限于土地城镇化视角。基于多模型集成的复合模型实现了各模型之间的优势互补,已成为城镇化与生态环境耦合动态模拟模型的发展趋势。其中,以“SD+”复合模型为代表,主要包括常见的“SD+GIS”和“SD+CA”以及正在兴起的“SD+ABM”等。复合模型在一定程度上弥补了部分单一模型存在的空间解释不足、无法体现复杂系统自适应性等缺陷,在模拟城镇化与生态环境耦合这一复杂时空过程时具有相对较好的效果。但是,由于建模过程的复杂性以及缺乏科学的检验方法,复合模型的发展面临着不小的挑战。
综合来看,SD模型是现阶段最为综合、简便的一种模型。今后,可基于SD模型实现城镇化与生态环境耦合动态模拟模型的两方面突破：一是实现技术层面的改进与集成,以SD模型为接口嵌入其他适宜模型,研发动态模拟集成技术链;二是确保与理论层面的联动,尤其是在远程耦合理论、复杂性科学等新兴理论发展的背景下,如何通过模型改进体现城镇化与生态环境耦合过程的复杂性、动态性、自适应性、多尺度性与级联性等特征,是今后研究的难点和重点。还应注意的是,当前模型侧重于城镇化与生态环境耦合的宏观格局模拟,包括全球与区域尺度或是单一城市的平面形态、土地类型与景观格局,而对城市内部空间结构、三维空间形态和密度等与生态环境的耦合效应关注不足。事实上,可持续城镇化不只包括经济、社会和土地的宏观层面,也包括可持续的微观城市形态。今后,应加强对微观过程的模拟。
The authors have declared that no competing interests exist.
| [1] |
Multi-Agent System 模型在土地利用/覆盖变化中的研究进展 [J].https://doi.org/10.11849/zrzyxb.2008.02.019 URL Magsci [本文引用: 1] 摘要
在微观与中宏观尺度上,MAS模型可以反映景观中具有自动性、异质性和分散性的人类决策,利于阐明智能体对自然与社会经济环境的适应机制。因而在自然资源管理、农业经济和城市模拟等领域得到广泛应用。目前,该模型的研究主要集中在智能体决策、智能体相互作用、模型多尺度、模型检验与验证等几个方面。综合分析得出如下结论:①智能体决策框架还需进一步完善,特别有限理性决策框架(Bounded Rationality)还需进一步完善;②智能体之间相互作用的研究仍停留在定性的、概念性的水平,还需进一步研究定量分析智能体相互作用的方法;③在多尺度研究中,第一种尺度转化途径机理明确,但决策的空间显性(spatially-explicit)表达较为困难;第二种途径可以表达空间显性,但决策与土地利用变化之间的逻辑解释不强;第三种途径可以表达土地利用过程中决策与复杂性关系,但智能体之间的相互作用处理较为简单;④还需加强对模型的检验与验证方面的研究,探索验证人类复杂行为的技术方法。
A review on multi-agent system for the simulation of land-use and land-cover change .https://doi.org/10.11849/zrzyxb.2008.02.019 URL Magsci [本文引用: 1] 摘要
在微观与中宏观尺度上,MAS模型可以反映景观中具有自动性、异质性和分散性的人类决策,利于阐明智能体对自然与社会经济环境的适应机制。因而在自然资源管理、农业经济和城市模拟等领域得到广泛应用。目前,该模型的研究主要集中在智能体决策、智能体相互作用、模型多尺度、模型检验与验证等几个方面。综合分析得出如下结论:①智能体决策框架还需进一步完善,特别有限理性决策框架(Bounded Rationality)还需进一步完善;②智能体之间相互作用的研究仍停留在定性的、概念性的水平,还需进一步研究定量分析智能体相互作用的方法;③在多尺度研究中,第一种尺度转化途径机理明确,但决策的空间显性(spatially-explicit)表达较为困难;第二种途径可以表达空间显性,但决策与土地利用变化之间的逻辑解释不强;第三种途径可以表达土地利用过程中决策与复杂性关系,但智能体之间的相互作用处理较为简单;④还需加强对模型的检验与验证方面的研究,探索验证人类复杂行为的技术方法。
|
| [2] |
基于CLUE-S模型的黑河中游土地利用情景模拟研究: 以张掖市甘州区为例 [J].https://doi.org/10.11849/zrzyxb.2013.02.015 Magsci [本文引用: 1] 摘要
<p>由于传统的土地利用空间统计分析问题中存在固有的空间自相关效应,进而影响到不同土地利用类型空间分布概率模拟的精度.研究在CLUE-S模型中传统的二值Logistics回归的基础之上引入了空间自相关因子形成Autologistic回归模型,并将其用于区域土地利用情景模拟.结果表明:(1)考虑了土地利用类型空间自相关性的Autologistic回归模型在模拟土地利用空间格局时能更好地反映真实土地利用分布格局.耕地、林地、草地、水域及未利用地的空间格局拟合优度ROC值分别从0.914、0.820、0.697、0.635和0.798提高到0.924、0.892、0.766、0.716和0.835;(2)基于Autologistic回归分析的建模对CLUE-S模型的模拟精度有一定的提高.Autologistic回归分析下模拟结果的Kappa指数0.935 4大于Logistic回归模拟结果0.888 0;(3)通过模拟2020年研究区5种情景方案下土地利用格局,表明在不同情景方案下的土地利用/覆被格局存在显著的空间差异:①自然增长情景方案下,耕地的增加对于保障粮食安全有重要意义,而建设用地的扩张则会促进研究区经济建设的快速发展,但林地和草地转化为未利用地会加剧土地的退化和生态环境的恶化;②在3种水资源约束情景方案下,水资源对干旱区土地利用/覆被变化的制约非常明显,提高水资源利用率是改善干旱区生态环境的一个重要措施;③土地结构优化情景方案下土地利用比较全面地考虑到了流域粮食安全、生态保护以及经济发展等需要,具有较强的合理性;④经济发展情景方案下建设用地快速扩张,大量侵占周边耕地和草地,粮食安全会受到较大的威胁;⑤生态保护情景方案下林地、草地和水域等生态保护用地面积呈显著扩张,区域生态环境质量明显改善.</p>
Land use change scenarios simulation in the middle reaches of the Heihe River Basin based on CLUE-S model: A case of Ganzhou District of Zhangye City .https://doi.org/10.11849/zrzyxb.2013.02.015 Magsci [本文引用: 1] 摘要
<p>由于传统的土地利用空间统计分析问题中存在固有的空间自相关效应,进而影响到不同土地利用类型空间分布概率模拟的精度.研究在CLUE-S模型中传统的二值Logistics回归的基础之上引入了空间自相关因子形成Autologistic回归模型,并将其用于区域土地利用情景模拟.结果表明:(1)考虑了土地利用类型空间自相关性的Autologistic回归模型在模拟土地利用空间格局时能更好地反映真实土地利用分布格局.耕地、林地、草地、水域及未利用地的空间格局拟合优度ROC值分别从0.914、0.820、0.697、0.635和0.798提高到0.924、0.892、0.766、0.716和0.835;(2)基于Autologistic回归分析的建模对CLUE-S模型的模拟精度有一定的提高.Autologistic回归分析下模拟结果的Kappa指数0.935 4大于Logistic回归模拟结果0.888 0;(3)通过模拟2020年研究区5种情景方案下土地利用格局,表明在不同情景方案下的土地利用/覆被格局存在显著的空间差异:①自然增长情景方案下,耕地的增加对于保障粮食安全有重要意义,而建设用地的扩张则会促进研究区经济建设的快速发展,但林地和草地转化为未利用地会加剧土地的退化和生态环境的恶化;②在3种水资源约束情景方案下,水资源对干旱区土地利用/覆被变化的制约非常明显,提高水资源利用率是改善干旱区生态环境的一个重要措施;③土地结构优化情景方案下土地利用比较全面地考虑到了流域粮食安全、生态保护以及经济发展等需要,具有较强的合理性;④经济发展情景方案下建设用地快速扩张,大量侵占周边耕地和草地,粮食安全会受到较大的威胁;⑤生态保护情景方案下林地、草地和水域等生态保护用地面积呈显著扩张,区域生态环境质量明显改善.</p>
|
| [3] |
土地系统动态模拟方法研究进展 [J].
<p>土地系统动态模拟对土地利用规划、国土资源管理具有重要指导价值。基于经验统计的方法、多智能主体分析的方法、栅格邻域关系分析的方法以及近年来发展起来的土地系统动态模拟系统（DLS）方法是当前开展土地系统动态模拟的主要手段。本文综述了上述4种方法的原理、特点与应用案例，概括了相关方法在理论依据和推广应用等方面的优点与不足，展望了DLS在土地系统动态模拟方面的广阔应用前景。</p>
Simulation of land system dyna-mics: A review .
<p>土地系统动态模拟对土地利用规划、国土资源管理具有重要指导价值。基于经验统计的方法、多智能主体分析的方法、栅格邻域关系分析的方法以及近年来发展起来的土地系统动态模拟系统（DLS）方法是当前开展土地系统动态模拟的主要手段。本文综述了上述4种方法的原理、特点与应用案例，概括了相关方法在理论依据和推广应用等方面的优点与不足，展望了DLS在土地系统动态模拟方面的广阔应用前景。</p>
|
| [4] |
京津冀城市群地区城镇化与生态环境近远程耦合能值代谢效率及环境压力分析 [J].Analysis of emergy-based metabolic efficiency and environmental pressure on the local coupling and telecoupling between urbanization and the eco-environment in the Beijing-Tianjin-Hebei urban agglomeration . |
| [5] |
特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径 [J].Theoretical analysis of interactive coupled effects between urbanization and eco-environment in mega-urban agglomerations . |
| [6] |
基于BP神经网络的城市增长边界预测: 以北京市为例 [J].The prediction of urban growth boundary based on BP artificial neural networks: An application to Beijing . |
| [7] |
地理学: 从知识、科学到决策 [J].Geography: From know-ledge, science to decision making support . |
| [8] |
中国城镇化2050: SD模型与过程模拟 [J].Chinese urbanization 2050: SD modeling and process simulation . |
| [9] |
城市与区域定量研究进展 [J].Progress in urban and regional quantitative research . |
| [10] |
基于贝叶斯网络的基本农田划定方法 [J].Prime farmland protection zoning based on Bayesian network . |
| [11] |
元胞自动机和多主体模型在土地利用变化模拟中的应用 [J].https://doi.org/10.11820/dlkxjz.2011.11.002 URL Magsci [本文引用: 1] 摘要
土地利用变化模拟研究是土地利用变化研究的重要分支。复杂系统理论的完善和系统模拟平台的发展使得复杂系统模拟方法在土地利用变化模拟研究中的优势越来越明显,元胞自动机模型和多主体模型正是基于复杂系统理论模拟研究的代表。本文简要回顾了土地利用变化模拟研究进展,探讨了土地利用变化的内在机理,着重分析了元胞自动机和多主体模型的内涵、研究热点、模拟平台和优缺点等,并对其今后在土地利用变化模拟研究的发展趋势进行了展望,以期为土地利用变化模拟研究提供参考。
Cellular automata model and multi-agent model for the simulation of land use change: A review .https://doi.org/10.11820/dlkxjz.2011.11.002 URL Magsci [本文引用: 1] 摘要
土地利用变化模拟研究是土地利用变化研究的重要分支。复杂系统理论的完善和系统模拟平台的发展使得复杂系统模拟方法在土地利用变化模拟研究中的优势越来越明显,元胞自动机模型和多主体模型正是基于复杂系统理论模拟研究的代表。本文简要回顾了土地利用变化模拟研究进展,探讨了土地利用变化的内在机理,着重分析了元胞自动机和多主体模型的内涵、研究热点、模拟平台和优缺点等,并对其今后在土地利用变化模拟研究的发展趋势进行了展望,以期为土地利用变化模拟研究提供参考。
|
| [12] |
基于FI-GA-NN融合的区域能源安全外生警源分级预警研究 [J].Early classification warning for regional energy security exogenous sources based on FI-GA-NN model . |
| [13] |
福州市土地生态系统服务与城市化耦合度分析 [J].
<p>在构建土地生态系统服务和城市化2 个子系统指标体系的基础上,采用价值系数法核算福州市各种土地生态服务的价值,并提出采用匀滑技术来弥补城市化系统个别指标数据片断的缺失,最后,利用协同学思想构建2 个子系统之间的耦合度模型,探讨了不同序参量上、下限的选择对系统耦合关系的影响,并对福州市的土地生态系统服务与城市化之间的耦合关系进行了测定和互动关系分析。研究结果表明:① 序参量上、下限值的选择对土地生态系统服务与城市化系统的耦合度具有一定的影响,但对区域时间序列总体变化趋势的影响不大。② 福州市土地生态系统服务与城市化的交互耦合在2000 年处于磨合阶段,而后进入高水平的耦合阶段,且两者的耦合协调度值处于0.36~0.82 之间,除了2000 年处于低度协调,2000 年以后均处于中度协调及以上水平。③ 动态耦合模型与容量耦合函数模型两者计算得到的耦合度变化规律高度一致。</p>
Coupling degrees of land ecosystem services and urbanization of Fuzhou City .
<p>在构建土地生态系统服务和城市化2 个子系统指标体系的基础上,采用价值系数法核算福州市各种土地生态服务的价值,并提出采用匀滑技术来弥补城市化系统个别指标数据片断的缺失,最后,利用协同学思想构建2 个子系统之间的耦合度模型,探讨了不同序参量上、下限的选择对系统耦合关系的影响,并对福州市的土地生态系统服务与城市化之间的耦合关系进行了测定和互动关系分析。研究结果表明:① 序参量上、下限值的选择对土地生态系统服务与城市化系统的耦合度具有一定的影响,但对区域时间序列总体变化趋势的影响不大。② 福州市土地生态系统服务与城市化的交互耦合在2000 年处于磨合阶段,而后进入高水平的耦合阶段,且两者的耦合协调度值处于0.36~0.82 之间,除了2000 年处于低度协调,2000 年以后均处于中度协调及以上水平。③ 动态耦合模型与容量耦合函数模型两者计算得到的耦合度变化规律高度一致。</p>
|
| [14] |
成都PM2.5与气象条件的关系及城市空间形态的影响 [J].The relationship between PM2.5 and meteorological conditions in Chengdu and the impact of urban spatial morphology . |
| [15] |
贝叶斯网络发展及其应用综述 [J].Survey on Bayesian network development and application . |
| [16] |
神经网络七十年: 回顾与展望 [J].Seventy years beyond neural networks: Retrospect and prospect . |
| [17] |
国内外城市转型的研究进展及展望 [J].The progress and prospect of studies on urban transformation . |
| [18] |
基于贝叶斯网络的城市生态红线划定方法 [J].The progress and prospect of studies on urban transformation . |
| [19] |
基于耦合的地理模拟优化系统 [J].A geographical simulation and optimization system based on coupling strategies . |
| [20] |
基于加权贝叶斯网络的海洋灾害评估与管理 [J].Marine disaster assessment and management based on weighted Bayesian network . |
| [21] |
基于RBF神经网络的物流业能源需求预测 [J].https://doi.org/10.18402/resci.2016.03.08 Magsci [本文引用: 2] 摘要
随着中国经济的快速发展,物流业需求快速增长,规模不断扩大,也带来了能源消耗的增长.研究中国物流业能源消费水平以及能源需求,有利于物流业节能工作的开展,缓解能源压力.本文选取了影响物流业能源需求的11个主要因素,基于径向基神经网络对2001-2012年间中国物流业能源需求相关数据进行模拟与仿真,在此基础上对2016年和2020年物流业能源需求量进行了预测,并分析了11个影响因素的重要性和测算了物流业的能源效率.研究结果表明:①2001-2012年间中国物流业能源消耗总量在不断增加,随着物流业的进一步发展,到2020年物流业能源消费总量将达到51261.92万t标准煤;②在解决物流业能源需求预测问题时,RBF神经网络比GM(1,1)预测模型,BP神经网络方法有更高的预测精度;③通过RBF神经网络变量重要性分析发现固定资产投资对物流业能源消费量的影响程度最大;④目前物流业能源效率明显低于全国能源效率,为节约能源,提高能源利用效率,物流业需要转变能源利用方式和发展模式.
Energy demand forecast in the logistics sector based on RBF neural networks .https://doi.org/10.18402/resci.2016.03.08 Magsci [本文引用: 2] 摘要
随着中国经济的快速发展,物流业需求快速增长,规模不断扩大,也带来了能源消耗的增长.研究中国物流业能源消费水平以及能源需求,有利于物流业节能工作的开展,缓解能源压力.本文选取了影响物流业能源需求的11个主要因素,基于径向基神经网络对2001-2012年间中国物流业能源需求相关数据进行模拟与仿真,在此基础上对2016年和2020年物流业能源需求量进行了预测,并分析了11个影响因素的重要性和测算了物流业的能源效率.研究结果表明:①2001-2012年间中国物流业能源消耗总量在不断增加,随着物流业的进一步发展,到2020年物流业能源消费总量将达到51261.92万t标准煤;②在解决物流业能源需求预测问题时,RBF神经网络比GM(1,1)预测模型,BP神经网络方法有更高的预测精度;③通过RBF神经网络变量重要性分析发现固定资产投资对物流业能源消费量的影响程度最大;④目前物流业能源效率明显低于全国能源效率,为节约能源,提高能源利用效率,物流业需要转变能源利用方式和发展模式.
|
| [22] |
土地利用变化模拟模型及应用研究进展 [J].Simulation model of land use dynamics and application: Progress and prospects . |
| [23] |
贝叶斯网络结构学习综述 [J].Review of Bayesian networks structure learning . |
| [24] |
基于元胞自动机与智能体的水污染可视化模拟仿真 [J].Visualization simulation of water pollution based on cellular automata and intelligent agent . |
| [25] |
基于SD和CLUE-S模型的张掖市甘州区土地利用情景分析 [J].Land use scenario analyses by based on system dynamic model and CLUE-S model at regional scale: A case study of Ganzhou District of Zhangye City . |
| [26] |
武汉城市圈经济资源环境耦合的系统动力学模拟 [J].System dynamics simulation on the coupling of economy resources environment system in Wuhan metropolitan region . |
| [27] |
基于主成分分析的BP神经网络在城市建成区面积预测中的应用: 以北京市为例 [J].Application of BP neural network in the prediction of urban Built-up area: A case study of Beijing . |
| [28] |
基于神经网络理论的水资源承载力研究 [J].
人工神经网络是复杂非线性科学和人工智能科学的前沿理论，目前在水资源承载力领域的应用研究还很少见。结合神经网络基本原理、方法与水资源承载力基本理论，建立水资源承载力与其影响因子间的定量关系模型——基于神经网络的水资源承载力耦合模型。以惠州市为研究区域，预测了未来水平年不同供水保证率下水资源承载力方案，反映了水资源对社会、经济和生态环境协调发展瓶颈作用；综合评估了研究区域现状和未来的水资源承载力状，表明了区域水资源利用与社会经济发展匹配性程度。结果表明，神经网络理论能较好解决水资源承载力研究建模问题，计算结果较合理。
Water resources carrying capacity based on the theory of ANN .
人工神经网络是复杂非线性科学和人工智能科学的前沿理论，目前在水资源承载力领域的应用研究还很少见。结合神经网络基本原理、方法与水资源承载力基本理论，建立水资源承载力与其影响因子间的定量关系模型——基于神经网络的水资源承载力耦合模型。以惠州市为研究区域，预测了未来水平年不同供水保证率下水资源承载力方案，反映了水资源对社会、经济和生态环境协调发展瓶颈作用；综合评估了研究区域现状和未来的水资源承载力状，表明了区域水资源利用与社会经济发展匹配性程度。结果表明，神经网络理论能较好解决水资源承载力研究建模问题，计算结果较合理。
|
| [29] |
基于多智能体的土地利用模拟与规划模型 [J].Multi-agent systems for simulating and planning land use development . |
| [30] |
珠三角地区城市化与生态环境的交互胁迫关系及耦合协调度 [J].Coupling coordinative degree and interactive coercing relationship between urbanization and eco-environment in Pearl River Delta . |
| [31] |
城市形态、交通能耗和环境影响集成的多智能体模型 [J].A multi-agent model for urban form, transportation energy consumption and environmental impact integrated simulation . |
| [32] |
水资源承载力约束下小城镇经济发展的系统动力学仿真 [J].
水资源承载力是影响缺水小城镇经济发展的重要因素。构建小城镇地区水资源和经济社会耦合研究的系统动力学模型，能够动态分析和预测水资源承载力约束下小城镇经济持续发展的规模、产业结构及人口数量。以我国内陆缺水小城镇——内蒙古自治区太仆寺旗为例的系统动力学仿真和情景分析表明：随着经济规模的扩张和人口的增加，太仆寺旗逐渐由工程型缺水转变为资源型缺水；协调发展模式是太仆寺旗在水资源承载力约束下经济社会持续发展的最优选择。同时，论文从调整农业种植结构、调整工业生产结构和建立公民节水体系三方面提出了太仆寺旗构建节水型经济社会体系的对策，可以为小城镇持续发展提供借鉴。
System dynamics simulation of small towns' economy under the constraints of water resources' carrying capacity .
水资源承载力是影响缺水小城镇经济发展的重要因素。构建小城镇地区水资源和经济社会耦合研究的系统动力学模型，能够动态分析和预测水资源承载力约束下小城镇经济持续发展的规模、产业结构及人口数量。以我国内陆缺水小城镇——内蒙古自治区太仆寺旗为例的系统动力学仿真和情景分析表明：随着经济规模的扩张和人口的增加，太仆寺旗逐渐由工程型缺水转变为资源型缺水；协调发展模式是太仆寺旗在水资源承载力约束下经济社会持续发展的最优选择。同时，论文从调整农业种植结构、调整工业生产结构和建立公民节水体系三方面提出了太仆寺旗构建节水型经济社会体系的对策，可以为小城镇持续发展提供借鉴。
|
| [33] |
基于系统动力学的资源枯竭型矿业城市产业转型仿真分析: 以吉林省辽源市为例 [J].
<p>伴随着矿产资源的逐步枯竭,资源枯竭型矿业城市的经济发展面临着诸多困境,产业转型已经迫在眉睫。吉林省辽源市的产业转型取得了良好的效果,被誉为“辽源样本”。基于系统动力学研究方法,通过对系统结构的深入分析,构建辽源市经济系统的SD模型,将CD生产函数嵌入到模型当中,根据辽源市2005~2010 年数据进行趋势外推仿真,得到2005~2030 年经济系统的若干仿真曲线。结果表明：在2027 年辽源市煤炭资源完全枯竭,煤炭产业产值降低为0,但这对其整体经济的扰动很小,辽源市GDP、第二产业产值、接续产业产值、第一产业产值、第三产业产值、其它工业产业产值均呈现快速上升的态势,并且包括人均GDP在内的人均指标亦都将呈现上升的趋势,辽源经济将呈现整体繁荣的局面。</p>
Industry conversion simulation analysis of resources-exhausted mining city based on the system dynamics: Taking Liaoyuan City of Jilin Province as example .
<p>伴随着矿产资源的逐步枯竭,资源枯竭型矿业城市的经济发展面临着诸多困境,产业转型已经迫在眉睫。吉林省辽源市的产业转型取得了良好的效果,被誉为“辽源样本”。基于系统动力学研究方法,通过对系统结构的深入分析,构建辽源市经济系统的SD模型,将CD生产函数嵌入到模型当中,根据辽源市2005~2010 年数据进行趋势外推仿真,得到2005~2030 年经济系统的若干仿真曲线。结果表明：在2027 年辽源市煤炭资源完全枯竭,煤炭产业产值降低为0,但这对其整体经济的扰动很小,辽源市GDP、第二产业产值、接续产业产值、第一产业产值、第三产业产值、其它工业产业产值均呈现快速上升的态势,并且包括人均GDP在内的人均指标亦都将呈现上升的趋势,辽源经济将呈现整体繁荣的局面。</p>
|
| [34] |
贝叶斯网络在水资源管理中的应用 [J].
<p>为了解决水资源管理中具有不确定性的多目标决策问题，将贝叶斯网络方法引入水资源管理中。通过对实例系统中变量间相互关系的分析，构建描述变量间不确定性关系的贝叶斯网络模型，其中包括表示其依赖关系的有向无环图和表示其具体概率依赖程度的条件概率表，并在6个目标变量均达到预期目标的前提下进行概率推理。实例结果表明：当补偿款数额增加到500元/亩时，所有的目标变量均可达到最优，因此确定出政府应给农民补偿款的数额为500元/亩的合理水资源决策方案。贝叶斯网络以图模型的方式直观地表达了实例系统中变量之间的不确定性关系，概率推理的结果兼顾了环境效益以及农民的利益，使多个预期目标均达到了最优，有效地解决了水资源管理中具有不确定性的多目标决策问题。</p>
Application of Bayesian network in water resource management .
<p>为了解决水资源管理中具有不确定性的多目标决策问题，将贝叶斯网络方法引入水资源管理中。通过对实例系统中变量间相互关系的分析，构建描述变量间不确定性关系的贝叶斯网络模型，其中包括表示其依赖关系的有向无环图和表示其具体概率依赖程度的条件概率表，并在6个目标变量均达到预期目标的前提下进行概率推理。实例结果表明：当补偿款数额增加到500元/亩时，所有的目标变量均可达到最优，因此确定出政府应给农民补偿款的数额为500元/亩的合理水资源决策方案。贝叶斯网络以图模型的方式直观地表达了实例系统中变量之间的不确定性关系，概率推理的结果兼顾了环境效益以及农民的利益，使多个预期目标均达到了最优，有效地解决了水资源管理中具有不确定性的多目标决策问题。</p>
|
| [35] |
基于脱钩理论的城市化水平与耕地安全水平的近程耦合关系研究 [J].Neighboring/adjacent coupling relationship between urbanization and farmland safety based on the decoupling theory . |
| [36] |
元胞自动机的地理过程模拟机制及扩展 [J].Mechanism of simulating geographic process and extension of cellular automata . |
| [37] |
基于SD和CA的城镇土地扩展模拟模型: 以江苏省南通地区为例 [J].
充分利用系统动力学模型(System Dynamics,SD)在情景模拟和宏观因素反映上的优势和元胞自动机模型(Cellular Automata,CA)在微观土地利用空间格局反映上的优势,构建一个耦合SD和CA的城镇土地扩展模拟模型,并以江苏省南通地区为例,对模型的实证应用做了进一步的验证。结果表明,这种耦合模型不仅能够对研究区域未来城镇土地扩展数量给予一个比较好的预测,而且还对其空间分布效果做了一定精度上的模拟,这使得城市规划在土地利用预测方面有一个相对科学的依据。
Urban land expansion simulation model based on SD and CA: A case study of Nantong City .
充分利用系统动力学模型(System Dynamics,SD)在情景模拟和宏观因素反映上的优势和元胞自动机模型(Cellular Automata,CA)在微观土地利用空间格局反映上的优势,构建一个耦合SD和CA的城镇土地扩展模拟模型,并以江苏省南通地区为例,对模型的实证应用做了进一步的验证。结果表明,这种耦合模型不仅能够对研究区域未来城镇土地扩展数量给予一个比较好的预测,而且还对其空间分布效果做了一定精度上的模拟,这使得城市规划在土地利用预测方面有一个相对科学的依据。
|
| [38] |
元胞自动机在景观格局优化中的应用 [J].
在景观格局优化方法的发展过程中，以景观模拟演化为核心的景观格局优化模式已显示出优越性，这种模式在大量景观变化模拟预测结果形成的状态空间中搜索景观格局的优化方案，优化的客观性和自动化程度较高。但由于目前在景观尺度上的格局和过程相互作用规律尚缺乏定量的描述，限制了这种优化模式的发展。而基于元胞自动机的空间直观模型，由于元胞自动机固有的特点，在解决一系列技术难点的前提下，有望解决这一模式在目前发展中受到的限制。本文介绍了元胞自动机的原理和在景观生态学中的已有应用，认为元胞自动机获得广泛应用的原因在于，它有且仅有以下3个最本质的特征：状态的表达在空间上的离散性；状态变化的表达在时间上的离散性；状态转变的空间相关性。在此基础上，阐释了元胞自动机应用于景观格局演化的一般优势和相对优势，以及它在景观格局优化应用中存在的困难。针对这些困难，提出了部分的解决方案。最后对于以基于广义元胞自动机的空间直观模型为核心的景观格局优化模式，提出了一个可能的体系结构和流程图。
Application of cellular automata in landscape pattern optimization .
在景观格局优化方法的发展过程中，以景观模拟演化为核心的景观格局优化模式已显示出优越性，这种模式在大量景观变化模拟预测结果形成的状态空间中搜索景观格局的优化方案，优化的客观性和自动化程度较高。但由于目前在景观尺度上的格局和过程相互作用规律尚缺乏定量的描述，限制了这种优化模式的发展。而基于元胞自动机的空间直观模型，由于元胞自动机固有的特点，在解决一系列技术难点的前提下，有望解决这一模式在目前发展中受到的限制。本文介绍了元胞自动机的原理和在景观生态学中的已有应用，认为元胞自动机获得广泛应用的原因在于，它有且仅有以下3个最本质的特征：状态的表达在空间上的离散性；状态变化的表达在时间上的离散性；状态转变的空间相关性。在此基础上，阐释了元胞自动机应用于景观格局演化的一般优势和相对优势，以及它在景观格局优化应用中存在的困难。针对这些困难，提出了部分的解决方案。最后对于以基于广义元胞自动机的空间直观模型为核心的景观格局优化模式，提出了一个可能的体系结构和流程图。
|
| [39] |
城市规划学新理性主义思想初探: 复杂自适应系统(CAS)视角 [J].A preliminary research on the neo-rationality in urban planning: From the perspective of complex adaptive system (CAS) . |
| [40] |
基于多智能体与元胞自动机的上海城市扩展动态模拟 [J].
利用元胞自动机模型和多智能体模型相结合的方法,在GIS技术手段的支持下构建了一个能够兼顾两种模型优点的城市扩展动态模型,并以上海市为实证对象,模拟了上海市2005年的城市扩展动态,分别预测了2010年和2020年上海城市扩展的动态演化结果。在元胞自动机模型中定义城市系统中的各种自然、社会和交通等要素,在智能体模型中定义政府和居民智能体的行为。模型将二者结合起来,模拟上海中心城区、城郊区及外围区的城市用地扩展模式。对模型模拟的上海2005年土地利用状态和实际土地利用状态进行验证,Kappa系数的平均值达到0.75以上,说明模型具有较高的可信度。对预测出2010年和2020年上海市土地利用状态分析表明,城镇用地以向东部和南部扩张最为明显。
Dynamic simulation of Shanghai urban expansion based on multi-agent system and cellular automata model .
利用元胞自动机模型和多智能体模型相结合的方法,在GIS技术手段的支持下构建了一个能够兼顾两种模型优点的城市扩展动态模型,并以上海市为实证对象,模拟了上海市2005年的城市扩展动态,分别预测了2010年和2020年上海城市扩展的动态演化结果。在元胞自动机模型中定义城市系统中的各种自然、社会和交通等要素,在智能体模型中定义政府和居民智能体的行为。模型将二者结合起来,模拟上海中心城区、城郊区及外围区的城市用地扩展模式。对模型模拟的上海2005年土地利用状态和实际土地利用状态进行验证,Kappa系数的平均值达到0.75以上,说明模型具有较高的可信度。对预测出2010年和2020年上海市土地利用状态分析表明,城镇用地以向东部和南部扩张最为明显。
|
| [41] |
|
| [42] |
基于SD的江苏省城市化与生态环境耦合发展情景分析 [J].Scenarios simulation of urbanization and ecological environment coupling in Jiangsu Province by system dynamic model . |
| [43] |
泛长三角城市群城镇化与生态环境耦合的空间特征与驱动机制 [J].The spatial characteristics and drive mechanism of coupling relationship between urbanization and eco-environment in the Pan Yangtze River Delta . |
| [44] |
土地利用/土地覆被变化(LUCC)模型研究进展 [J].Recent progresses of land use and land cover change (LUCC) models . |
| [45] |
自然过程与人文过程模拟之差异比较分析 [J].A comparative study on the differences of physical process and human process modeling . |
| [46] |
土地利用/土地覆被变化CLUE-S模型与应用分析: 以扬州市为例 [J].https://doi.org/10.3724/SP.J.1047.2011.00695 Magsci [本文引用: 1] 摘要
本文以扬州市市辖区为例,利用2001年的ETM影像与2007年的ALOS影像两期遥感数据,采用面向对象的信息提取方法,获取了扬州市2001年与2007年两期土地利用空间分布图。在此基础上,研究了CLUE-S模型的原理及CLUE-S模型的应用;探讨了CLUE-S模型所需数据、驱动因子选取、模拟参数设置、模拟结果获取等,进而运用CLUE-S模型,以2001年土地利用分布图为模型输入数据,模拟预测了扬州市2002-2007年的土地利用空间分布格局;最后,利用面向对象方法所获取的2007年土地利用空间分布图,对2007年的模拟结果进行了检验,研究分析CLUE-S模型的可应用性。结果显示,CLUE-S模型可以较好地模拟较小尺度区域城市空间发展分布格 局,能为较小尺度城市的发展规划提供指导,是值得推广应用的土地利用与土地覆被变化模型。
Analysis of land use/land cover change in Yangzhou City based on CLUE-S model .https://doi.org/10.3724/SP.J.1047.2011.00695 Magsci [本文引用: 1] 摘要
本文以扬州市市辖区为例,利用2001年的ETM影像与2007年的ALOS影像两期遥感数据,采用面向对象的信息提取方法,获取了扬州市2001年与2007年两期土地利用空间分布图。在此基础上,研究了CLUE-S模型的原理及CLUE-S模型的应用;探讨了CLUE-S模型所需数据、驱动因子选取、模拟参数设置、模拟结果获取等,进而运用CLUE-S模型,以2001年土地利用分布图为模型输入数据,模拟预测了扬州市2002-2007年的土地利用空间分布格局;最后,利用面向对象方法所获取的2007年土地利用空间分布图,对2007年的模拟结果进行了检验,研究分析CLUE-S模型的可应用性。结果显示,CLUE-S模型可以较好地模拟较小尺度区域城市空间发展分布格 局,能为较小尺度城市的发展规划提供指导,是值得推广应用的土地利用与土地覆被变化模型。
|
| [47] |
基于SD和CLUE-S模型的区域土地利用变化对土壤有机碳储量影响研究 [J].https://doi.org/10.11870/cjlyzyyhj201604011 Magsci [本文引用: 1] 摘要
土地利用/土地覆被变化改变土壤呼吸条件,进而对土壤有机碳储量变化产生影响,而土壤有机碳储量则是影响农业可持续发展和全球碳平衡领域的重要因素。以上海市崇明岛为例,运用系统动力学模型(System Dynamics Model)预测2020、2030年土地利用需求变化,结合CLUE-S模型(Conversion of Land Use and its Effects at Small region extent Model)得出各种用地类型的空间分布,并引用碳密度法估算三种发展幕景下土地利用变化对土壤有机碳储量的影响。结果表明:2030年三种发展幕景土壤有机碳储量分别为:低速发展幕景为3 093.03×10<sup>6</sup>kg,惯性发展幕景为3 079.47×10<sup>6</sup>kg,高速发展幕景为3 059.81×10<sup>6</sup>kg;研究期内土壤有机碳储量呈现缓慢下降趋势,但人类活动对其扰动较小;SD和CLUE-S耦合模型可以从时间和空间两方面对土壤有机碳储量进行模拟,具有可行性;建议通过加强城镇用地集约利用、农田保护、林地建设来减少人为活动对土壤有机碳储量的影响。
Effect of regional land-use change on soil organic carbon storage based on SD and CLUE-S model .https://doi.org/10.11870/cjlyzyyhj201604011 Magsci [本文引用: 1] 摘要
土地利用/土地覆被变化改变土壤呼吸条件,进而对土壤有机碳储量变化产生影响,而土壤有机碳储量则是影响农业可持续发展和全球碳平衡领域的重要因素。以上海市崇明岛为例,运用系统动力学模型(System Dynamics Model)预测2020、2030年土地利用需求变化,结合CLUE-S模型(Conversion of Land Use and its Effects at Small region extent Model)得出各种用地类型的空间分布,并引用碳密度法估算三种发展幕景下土地利用变化对土壤有机碳储量的影响。结果表明:2030年三种发展幕景土壤有机碳储量分别为:低速发展幕景为3 093.03×10<sup>6</sup>kg,惯性发展幕景为3 079.47×10<sup>6</sup>kg,高速发展幕景为3 059.81×10<sup>6</sup>kg;研究期内土壤有机碳储量呈现缓慢下降趋势,但人类活动对其扰动较小;SD和CLUE-S耦合模型可以从时间和空间两方面对土壤有机碳储量进行模拟,具有可行性;建议通过加强城镇用地集约利用、农田保护、林地建设来减少人为活动对土壤有机碳储量的影响。
|
| [48] |
基于智能体模型的土地利用动态模拟研究进展 [J].
土地利用动态变化是全球变化和可持续发展研究的基础，对区域水循环、大气循环、环境质量、气候变化及陆地生态系统生产力等具有重要影响，也是造成生物多样性衰减的最主要原因。目前，建立于复杂性科学基础上的的智能体模型(ABM)成为土地利用动态模拟的重要方法。智能体模型能模拟个体或群体的行为及决策模式，从而能将政府、城市规划、房地产开发商、住户等社会群体及个人对土地利用产生的影响进行模拟，同时能对不同社会经济政策对土地动态影响进行模拟。智能体模型在元胞自动机基础上，加入了人为因素的智能体概念，从而能更好地模拟土地动态。在分析总结了智能体模型的相关概念和组织结构，并分析了其在土地利用动态、城市动态模拟及生态过程模拟等方面的应用与元胞自动机的关系，比较了常用的智能体模型的主要软件，最后概括了智能体模型优点、发展趋势及存在的主要问题。
Simulating land use change with agent-based models: Progress and prospect .
土地利用动态变化是全球变化和可持续发展研究的基础，对区域水循环、大气循环、环境质量、气候变化及陆地生态系统生产力等具有重要影响，也是造成生物多样性衰减的最主要原因。目前，建立于复杂性科学基础上的的智能体模型(ABM)成为土地利用动态模拟的重要方法。智能体模型能模拟个体或群体的行为及决策模式，从而能将政府、城市规划、房地产开发商、住户等社会群体及个人对土地利用产生的影响进行模拟，同时能对不同社会经济政策对土地动态影响进行模拟。智能体模型在元胞自动机基础上，加入了人为因素的智能体概念，从而能更好地模拟土地动态。在分析总结了智能体模型的相关概念和组织结构，并分析了其在土地利用动态、城市动态模拟及生态过程模拟等方面的应用与元胞自动机的关系，比较了常用的智能体模型的主要软件，最后概括了智能体模型优点、发展趋势及存在的主要问题。
|
| [49] |
城市生态空间研究进展与展望 [J].Progress and prospect of research on urban ecological space . |
| [50] |
复杂大系统综合动态分析与模型体系 [J].Comprehensive and dynamic analysis and model set of large complex system . |
| [51] |
社会-经济-自然复合生态系统与可持续发展 [J].Social-economic-natural complex ecosystem and sustainability . |
| [52] |
基于SD-CA-GIS的环境累积效应时空分析模型及应用 [J].
环境累积效应分析强调环境变化的时空放大作用,突出环境要素之间的时空交互作用,从而对环境分析方法的能力提出了挑战.因此,本文在对传统环境分析方法归纳、分析和总结的基础上,以地理信息系统(GIS)为基础平台,集成系统动力学(SD)和元胞自动机(CA)的优点,建立了能够分析时间累积、空间累积效应的SD-CA-GIS模型.以山西潞安矿区作为研究区域,在分析矿区社会、经济、工程和环境等因子之间时空交互作用的基础上,构建了SD-CA-GIS模型.考虑到矿区土地利用变化的特殊性,从影响矿区土地利用变化的驱动因子出发,预测和模拟了矿区2006—2030年土地利用变化的累积状况.结果发现,由于煤炭资源开采等人类干扰活动的影响,研究区在研究时段内,工矿用地、居民用地和交通用地呈现累积性增加,其它土地利用类型累积性减少.同时,由于不同阶段人类活动干扰的种类和强度变化,使得不同土地利用类型的空间扩展变化存在一定的差异.上述研究表明,该模型能够同时考虑时间累积效应和空间累积效应的动态变化,能为环境累积效应的分析和评价提供有效的帮助.
Analysis and assessment model of environmental cumulative effects based on the integration of SD, CA and GIS methods and its application .
环境累积效应分析强调环境变化的时空放大作用,突出环境要素之间的时空交互作用,从而对环境分析方法的能力提出了挑战.因此,本文在对传统环境分析方法归纳、分析和总结的基础上,以地理信息系统(GIS)为基础平台,集成系统动力学(SD)和元胞自动机(CA)的优点,建立了能够分析时间累积、空间累积效应的SD-CA-GIS模型.以山西潞安矿区作为研究区域,在分析矿区社会、经济、工程和环境等因子之间时空交互作用的基础上,构建了SD-CA-GIS模型.考虑到矿区土地利用变化的特殊性,从影响矿区土地利用变化的驱动因子出发,预测和模拟了矿区2006—2030年土地利用变化的累积状况.结果发现,由于煤炭资源开采等人类干扰活动的影响,研究区在研究时段内,工矿用地、居民用地和交通用地呈现累积性增加,其它土地利用类型累积性减少.同时,由于不同阶段人类活动干扰的种类和强度变化,使得不同土地利用类型的空间扩展变化存在一定的差异.上述研究表明,该模型能够同时考虑时间累积效应和空间累积效应的动态变化,能为环境累积效应的分析和评价提供有效的帮助.
|
| [53] |
CLUE-S模型应用进展与改进研究 [J].Recent progresses on the application and improvement of the CLUE-S model . |
| [54] |
|
| [55] |
|
| [56] |
基于Dyna-CLUE改进模型和SD模型耦合的山区城镇用地情景模拟研究: 以岷江上游地区为例 [J].https://doi.org/10.3724/SP.J.1047.2016.00514 Magsci [本文引用: 1] 摘要
<p>山区城镇扩张受山区地形和山地灾害等因素限制,而常用的土地利用模型难以有效表达这一特征。本文通过对Dyna-CLUE（Dynamic Conversion of Land Use and its Effects Model）模型进行改进并结合系统动力学（System Dynamic,SD）模型,充分发挥这2个模型在微观土地分配,及宏观情景模拟上的优势,很好地表达了山区地形和山地灾害等因素对山区城镇扩张的限制作用,为山区城镇扩张情景模拟提供了一个有效的方法。以岷江上游地区为例,根据研究区历史统计数据构建山区城镇用地SD模型,模拟低速发展、惯性发展和高速发展3种不同发展情景下城镇用地的需求,结合Dyna-CLUE改进模型,预测了对应情景下2011-2030年的城镇用地范围,并探究其对其他土地利用类型的影响。结果表明,发展速度越快,城镇主体越快达到地理限制区域的上限,并开始沿山间平地向两端扩张。耕地受山区城镇扩张的影响要远远超出其他土地利用类型,离城镇越近受影响越大。随着城镇扩张的加剧,其对自然环境的影响也逐渐增大。模型模拟结果能为山区城镇用地规划、评估由城镇扩张造成的生态环境问题和制定相应的对策提供有效的技术支撑。</p>
The study of urban land scenario simulation in mountain area based on modified Dyna-CLUE model and SDM: A case study of the upper reaches of Minjiang River .https://doi.org/10.3724/SP.J.1047.2016.00514 Magsci [本文引用: 1] 摘要
<p>山区城镇扩张受山区地形和山地灾害等因素限制,而常用的土地利用模型难以有效表达这一特征。本文通过对Dyna-CLUE（Dynamic Conversion of Land Use and its Effects Model）模型进行改进并结合系统动力学（System Dynamic,SD）模型,充分发挥这2个模型在微观土地分配,及宏观情景模拟上的优势,很好地表达了山区地形和山地灾害等因素对山区城镇扩张的限制作用,为山区城镇扩张情景模拟提供了一个有效的方法。以岷江上游地区为例,根据研究区历史统计数据构建山区城镇用地SD模型,模拟低速发展、惯性发展和高速发展3种不同发展情景下城镇用地的需求,结合Dyna-CLUE改进模型,预测了对应情景下2011-2030年的城镇用地范围,并探究其对其他土地利用类型的影响。结果表明,发展速度越快,城镇主体越快达到地理限制区域的上限,并开始沿山间平地向两端扩张。耕地受山区城镇扩张的影响要远远超出其他土地利用类型,离城镇越近受影响越大。随着城镇扩张的加剧,其对自然环境的影响也逐渐增大。模型模拟结果能为山区城镇用地规划、评估由城镇扩张造成的生态环境问题和制定相应的对策提供有效的技术支撑。</p>
|
| [57] |
基于Netica的贝叶斯网络结构的设计与实现 [D].Design and implementation of Bayesian network structure based on Netica . |
| [58] |
基于元胞自动机模型的土地利用变化模拟: 以大连经济技术开发区为例 [J].LUCC simulation based on the cellular automata simulation: A case study of Dalian economic and technological development zone . |
| [59] |
多智能体与元胞自动机结合及城市用地扩张模拟 [J].https://doi.org/10.3969/j.issn.1000-0690.2007.04.015 URL Magsci [本文引用: 1] 摘要
运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。
Mechanism of simulating geographic process and extension of cellular automata .https://doi.org/10.3969/j.issn.1000-0690.2007.04.015 URL Magsci [本文引用: 1] 摘要
运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。
|
| [60] |
基于元胞自动机的城市生态安全格局模拟: 以东莞市为例 [J].
<div style="line-height: 150%">以城市化快速发展的东莞市为研究对象,选取景观生态安全程度为评价标准,获取生态安全的元胞1 km×1 km范围内的城市化元胞数,将其嵌入元胞自动机(CA)转换规则中作为约束条件,控制城市发展,建立生态安全的城市CA,模拟生态安全的城市发展形态.结果表明: 东莞市综合景观生态安全指数从1988年的0.497降低到2005年的0.395,景观尺度上的生态安全下降.利用生态安全的CA模拟的2005年东莞市生态安全指数由实际的0.395增加到0.479,模拟的城市景观生态压力减小、生态安全状态和综合景观生态安全程度提高.CA可以作为探索生态安全城市研究的有效工具.</div><div style="line-height: 150%"> </div>
Simulation of urban ecological security pattern based on cellular automata: A case of Dongguan City, Guangdong Province of South China .
<div style="line-height: 150%">以城市化快速发展的东莞市为研究对象,选取景观生态安全程度为评价标准,获取生态安全的元胞1 km×1 km范围内的城市化元胞数,将其嵌入元胞自动机(CA)转换规则中作为约束条件,控制城市发展,建立生态安全的城市CA,模拟生态安全的城市发展形态.结果表明: 东莞市综合景观生态安全指数从1988年的0.497降低到2005年的0.395,景观尺度上的生态安全下降.利用生态安全的CA模拟的2005年东莞市生态安全指数由实际的0.395增加到0.479,模拟的城市景观生态压力减小、生态安全状态和综合景观生态安全程度提高.CA可以作为探索生态安全城市研究的有效工具.</div><div style="line-height: 150%"> </div>
|
| [61] |
人工神经网络固有的优点和缺点 [J].The inherent advantages and disadvantages of artificial neural networks . |
| [62] |
基于局部化转换规则的元胞自动机土地利用模型 [J].A cellular automata land use model based on localized transition rules . |
| [63] |
|
| [64] |
基于RBF神经网络的城市建成区面积预测研究: 兼与BP神经网络和线性回归对比分析 [J].
<p>城市建成区面积预测是城市研究的一个核心问题，其与城市经济社会之间表现为一种复杂的非线性关系，传统的方法模型难以精确预测。作为一种较新的人工神经网络模型，RBF神经网络能以任意精度全局逼近任意非线性关系，表现出了极强的处理复杂非线性系统的能力。以合肥市建成区面积预测为例，构建了基于RBF网络的预测模型，作为对比，同时用BP神经网络、一元线性回归和多元线性回归模型进行了预测。预测结果的综合分析表明，在预测精度上，RBF网络＞BP网络＞多元线性回归模型＞一元线性回归模型。研究显示，RBF网络能为城市建成区面积预测提供一种新思路和新方法，进而可为城市土地利用及其规划制定提供科学的决策依据</p>
Prediction of urban built-up area based on RBF neural network: Comparative analysis with BP neural network and linear regression .
<p>城市建成区面积预测是城市研究的一个核心问题，其与城市经济社会之间表现为一种复杂的非线性关系，传统的方法模型难以精确预测。作为一种较新的人工神经网络模型，RBF神经网络能以任意精度全局逼近任意非线性关系，表现出了极强的处理复杂非线性系统的能力。以合肥市建成区面积预测为例，构建了基于RBF网络的预测模型，作为对比，同时用BP神经网络、一元线性回归和多元线性回归模型进行了预测。预测结果的综合分析表明，在预测精度上，RBF网络＞BP网络＞多元线性回归模型＞一元线性回归模型。研究显示，RBF网络能为城市建成区面积预测提供一种新思路和新方法，进而可为城市土地利用及其规划制定提供科学的决策依据</p>
|
| [65] |
基于灰色模型和模糊神经网络的综合水质预测模型研究 [J].Comprehensive prediction model of water quality based on Grey model and fuzzy neural network . |
| [66] |
乌海市可持续发展的系统动力学模型仿真 [J].System dynamic model for sustainable development of Wuhai City . |
| [67] |
地理元胞自动机模型研究进展 [J].https://doi.org/10.13249/j.cnki.sgs.2016.08.009 Magsci [本文引用: 2] 摘要
<p>元胞自动机(Cellular Automata,简称CA)是一种基于微观个体的相互作用空间离散动态模型,其强大的计算功能、固有的平行计算能力、高度动态及空间概念等特征,使它在模拟空间复杂系统的时空动态演变研究具有较强的优势。文章回顾了元胞自动机的发展历程,阐述了CA在地理学中的主要应用领域和研究进展,在此基础上,以现实世界地理实体及现代城市扩张特征为视角,分析目前CA研究所面临的问题,并对其未来的研究趋势进行了初步探讨,认为以下3个方面将是未来CA研究的热点：<i>①</i> 利用不规则元胞及可控邻域的CA模型,对不同规则或不同邻域地理实体的模拟研究;<i>②</i> 采用三维元胞自动机对现代城市扩张进行立体化模拟,以克服二维CA模型的缺陷;<i>③</i> 将矢量元胞自动机模型应用于地理实体的模拟研究,进一步提高模拟精度。</p>
System dynamic model for sustainable development of Wuhai City .https://doi.org/10.13249/j.cnki.sgs.2016.08.009 Magsci [本文引用: 2] 摘要
<p>元胞自动机(Cellular Automata,简称CA)是一种基于微观个体的相互作用空间离散动态模型,其强大的计算功能、固有的平行计算能力、高度动态及空间概念等特征,使它在模拟空间复杂系统的时空动态演变研究具有较强的优势。文章回顾了元胞自动机的发展历程,阐述了CA在地理学中的主要应用领域和研究进展,在此基础上,以现实世界地理实体及现代城市扩张特征为视角,分析目前CA研究所面临的问题,并对其未来的研究趋势进行了初步探讨,认为以下3个方面将是未来CA研究的热点：<i>①</i> 利用不规则元胞及可控邻域的CA模型,对不同规则或不同邻域地理实体的模拟研究;<i>②</i> 采用三维元胞自动机对现代城市扩张进行立体化模拟,以克服二维CA模型的缺陷;<i>③</i> 将矢量元胞自动机模型应用于地理实体的模拟研究,进一步提高模拟精度。</p>
|
| [68] |
基于CLUE-S模型和Markov模型的城镇土地利用变化模拟预测: 以江苏省常熟市辛庄镇为例 [J].
基于高分辨率遥感影像解译得到江苏省常熟市辛庄镇4期土地利用历史数据，首先对CLUE-S模型的预测精度进行验证，然后利用CLUE-S模型和Markov模型相结合的方法对研究区未来土地利用变化进行3种不同情景的模拟预测，并系统分析了各情景下土地利用变化的时空特征。结果表明，CLUE-S模型在乡镇小尺度的土地利用变化模拟预测效果较好，精度较高。各情景下，建设用地的快速增长仍将在未来的土地利用变化中占据主导地位，且均以消耗大量的水田为代价，河流密布、交通便捷和经济发达的区域将是未来耕地非农化的“热点”区域。生态保护情景和基本农田保护情景对未来土地利用变化的调控效果较好，林地、水体、水田和旱地受到了更好的保护，并在一定程度上抑制了建设用地的肆意蔓延。
Land use scenarios simulation based on CLUE-S and Markov composite model .
基于高分辨率遥感影像解译得到江苏省常熟市辛庄镇4期土地利用历史数据，首先对CLUE-S模型的预测精度进行验证，然后利用CLUE-S模型和Markov模型相结合的方法对研究区未来土地利用变化进行3种不同情景的模拟预测，并系统分析了各情景下土地利用变化的时空特征。结果表明，CLUE-S模型在乡镇小尺度的土地利用变化模拟预测效果较好，精度较高。各情景下，建设用地的快速增长仍将在未来的土地利用变化中占据主导地位，且均以消耗大量的水田为代价，河流密布、交通便捷和经济发达的区域将是未来耕地非农化的“热点”区域。生态保护情景和基本农田保护情景对未来土地利用变化的调控效果较好，林地、水体、水田和旱地受到了更好的保护，并在一定程度上抑制了建设用地的肆意蔓延。
|
| [69] |
|
| [70] |
产业视角下常州城市可持续发展SD模型 [J].SD model on sustainable development in Changzhou from industry perspective . |
| [71] |
人水系统演变模拟的嵌入式系统动力学模型 [J].https://doi.org/10.11849/zrzyxb.2007.02.014 Magsci [本文引用: 1] 摘要
论文首先提出人水系统的概念,并针对人水系统演变模拟的难点和特点,基于系统动力学原理,提出了更具实用意义的嵌入式系统动力学模型(ESD模型)。ESD模型是在系统动力学理论方法的基础上,考虑到社会经济系统、水循环系统(包括社会水循环系统、自然水循环系统)自身的特点和规律,充分利用现有的相关理论方法,在系统动力学模型的基础上,加入其他学科的定量化模型,形成耦合的模型。该模型既全面吸收系统动力学的优点,同时又接纳了相关学科的研究成果,大大提升了系统动力学的应用研究能力,同时也解决了复杂而又有专业特点的系统模拟问题,适用于人水系统演变模拟。
The embedded system dynamic model used to human-water system modeling .https://doi.org/10.11849/zrzyxb.2007.02.014 Magsci [本文引用: 1] 摘要
论文首先提出人水系统的概念,并针对人水系统演变模拟的难点和特点,基于系统动力学原理,提出了更具实用意义的嵌入式系统动力学模型(ESD模型)。ESD模型是在系统动力学理论方法的基础上,考虑到社会经济系统、水循环系统(包括社会水循环系统、自然水循环系统)自身的特点和规律,充分利用现有的相关理论方法,在系统动力学模型的基础上,加入其他学科的定量化模型,形成耦合的模型。该模型既全面吸收系统动力学的优点,同时又接纳了相关学科的研究成果,大大提升了系统动力学的应用研究能力,同时也解决了复杂而又有专业特点的系统模拟问题,适用于人水系统演变模拟。
|
| [72] |
A multi-agent model system for land-use change simulation [J]. |
| [73] |
Key driving factors influencing urban growth: Spatial-statistical modelling with CLUE-S [M]. |
| [74] |
A spatial Bayesian network model to assess the benefits of early warning for urban flood risk to people [J]. |
| [75] |
Spatial econometric analysis on influencing factors of water consumption efficiency in urbanizing China [J].https://doi.org/10.1007/s11442-017-1446-9 URL [本文引用: 1] |
| [76] |
Cities and complexity: Understanding cities with cellular automata, agent-based models, and fractals, by Michael Batty [J].https://doi.org/10.1111/jors.2007.47.issue-3 URL [本文引用: 1] |
| [77] |
|
| [78] |
The size, scale, and shape of cities [J].https://doi.org/10.1126/science.1151419 URL [本文引用: 1] |
| [79] |
Prediction of hourly air pollutant concentrations near urban arterials using artificial neural network approach [J]. |
| [80] |
Modeling land use decisions with Bayesian networks: Spatially explicit analysis of driving forces on land use change [J]. |
| [81] |
Game of life [J].https://doi.org/10.1038/scientificamerican1170-120 URL [本文引用: 1] |
| [82] |
Cellular worlds: A framework for modeling micro-macro dynamics [J]. |
| [83] |
A dynamic modeling approach to highway sustainability: Strategies to reduce overall impact [J]. |
| [84] |
International progress and evaluation on interactive coupling effects between urbanization and the eco-environment [J].https://doi.org/10.1007/s11442-016-1317-9 URL |
| [85] |
Accessing on the sustainability of urban ecological-economic systems by means of a coupled emergy and system dynamics model: A case study of Beijing [J].https://doi.org/10.1016/j.enpol.2016.09.044 URL |
| [86] |
System dynamics modeling for urban energy consumption and CO2, emissions: A case study of Beijing, China [J].https://doi.org/10.1016/j.ecolmodel.2012.09.008 URL [本文引用: 1] |
| [87] |
Industrial dynamics: A major breakthrough for decision makers [J]. |
| [88] |
Forecasting daily urban water demand using dynamic gaussian Bayesian network [J]. |
| [89] |
Modeling and dynamic assessment of urban economy-resource-environment system with a coupled system dynamics-geographic information system model [J].https://doi.org/10.1016/j.ecolind.2011.02.007 URL [本文引用: 1] |
| [90] |
A recent overview of the integration of system dynamics and agent-based modelling and simulation [C]// |
| [91] |
Neural networks and learning machines [M]. |
| [92] |
Modeling urban expansion scenarios by coupling cellular automata model and system dynamic model in Beijing, China [J].https://doi.org/10.1016/j.apgeog.2006.09.006 URL [本文引用: 1] |
| [93] |
Neural networks and physical systems with emergent collective computational abilities [J].https://doi.org/10.1073/pnas.79.8.2554 URL [本文引用: 1] |
| [94] |
Land use dynamic simulator (LUDAS): A multi-agent system model for simulating spatio-temporal dynamics of coupled human-landscape system: 2. Scenario-based application for impact assessment of land-use policies [J].https://doi.org/10.1016/j.ecoinf.2010.02.001 URL [本文引用: 1] |
| [95] |
Neural network modelling of coastal algal blooms [J].https://doi.org/10.1016/S0304-3800(02)00281-8 URL [本文引用: 1] |
| [96] |
A multi-paradigm approach to system dynamics modeling of intercity transportation [J].https://doi.org/10.1016/j.tre.2014.09.011 URL [本文引用: 2] |
| [97] |
Research on the sustainable development of green-space in Beijing using the dynamic systems model [J].https://doi.org/10.3390/su8100965 URL |
| [98] |
Study on urban sustainable development based on system dynamics [J]. |
| [99] |
Investigation of a coupling model of coordination between urbanization and the environment [J]. |
| [100] |
Framing sustainability in a telecoupled world [J].
|
| [101] |
A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects [J]. |
| [102] |
Operationalizing sustainability in urban coastal systems: A system dynamics analysis [J].https://doi.org/10.1016/j.watres.2013.10.041 URL [本文引用: 1] |
| [103] |
The limits to growth [M]. |
| [104] |
Modeling and assessing the effects of land use changes on runoff generation with the CLUE-S and WetSpa models [J]. |
| [105] |
Implementation of the local land-use and land-cover change model CLUE-S for central Benin by using socio-economic and remote sensing data [R]. |
| [106] |
The perceptron: A probabilistic model for information storage and organization in the brain [J].https://doi.org/10.1037/h0042519 URL [本文引用: 1] |
| [107] |
The research of urban development system model based on system dynamics [J]. |
| [108] |
Importance of feature selection in decision-tree and artificial-neural-network ecological applications [J]. |
| [109] |
Cellular geography [M]// Gale S, Olsson G. |
| [110] |
Modeling the spatial dynamics of regional land use: The CLUE-S model [J].https://doi.org/10.1007/s00267-002-2630-x URL [本文引用: 1] |
| [111] |
Atmospheric urban pollution: Applications of an artificial neural network (ANN) to the city of Perugia [J].https://doi.org/10.1016/S0304-3800(01)00434-3 URL [本文引用: 1] |
| [112] |
A study of regional sustainable development based on GIS/RS and SD model: Case of Hadaqi industrial corridor [J]. |
| [113] |
The use of constrained cellular automata for high-resolution modelling of urban land-use dynamics [J]. |
| [114] |
A qualitative network model for understanding regional metabolism in the context of social-economic-natural complex ecosystem theory [J].https://doi.org/10.1016/j.ecoinf.2014.05.014 URL [本文引用: 1] |
| [115] |
SD-GIS-based temporal-spatial simulation of water quality in sudden water pollution accidents [J]. |
/
| 〈 |
|
〉 |
