土地利用变化模拟模型及应用研究进展-遥感学报.doc

土地利用变化模拟模型及应用研究进展 关键词 1 引 言 土地利用/土地覆盖变化(Land Use and Land Cover Change, LUCC)是影响生态环境的重要因素，成为了全球变化和可持续发展研究的热点问题（Bathrellos et al. 2008; 田光进邬建国,2008; Samat et al., 2011）。LUCC是一个受自然和人文因素驱动的动态过程，其过程和机理非常复杂（Xu et al., 2014）。土地利用过程建模与模拟则成为研究LUCC的主要途径之一，它是探讨土地利用驱动机制、支持城市规划与政策制定以及评估土地利用对生态环境影响的重要工具（Li Yeh, 2000; He et al., 2008; Kuang, 2011）。 元胞自动机 (Cellular Automata, CA)模型和多智能体 (Agent-Based Model, ABM)模型这两种“自下而上”的建模方法因其具有强大的时空建模能力，成为了当前国际上土地利用模拟的主流模型(黎夏等, 2007; Vilet et al., 2012)，国际相关研究的统计数据如图1所示。CA模型能够通过局部简单的规则改变元胞状态，从而产生宏观的土地利用变化结果；ABM模型可以通过微观智能体Agent交互作用模拟土地利用变化。CA模型侧重自然环境因素的影响，ABM模型则着重考虑空间决策行为与人文驱动因素的表达(Li Liu, 2007)。这两者各具独特优势，是探索和分析土地利用格局的形成、演变过程及其驱动机制的重要工具。CA和ABM模型的发展极大地丰富了LUCC的建模方法。 当前，CA和ABM两种建模方法在土地利用模拟的理论方法研究和实践应用方面均取得了重要的进展。本文试图从数据基础、模拟尺度、CA转换规则挖掘与参数校准、ABM异质属性与行为规则定义、CA与ABM耦合等核心问题出发，总结土地利用模拟模型和方法的研究进展。并从虚拟城市模拟与理论验证、真实城市模拟与规划情景预测、多类土地利用模拟与辅助决策等方向阐述CA和ABM模型在土地利用应用领域所发挥的重要作用。最后，提出土地用模拟模型发展存在的难点和面临的挑战，讨论土地利用模拟的重要发展方向，为未来土地利用精细模拟与精准决策研究提供新的思路。 图1 土地利用模拟相关研究统计 Fig.1 Statistical data of land use simulation research 土地利用模拟主要模型 2.1 CA模型 CA模型基于“自下而上”的建模思路，具有强大的空间运算能力，常用于自组织系统演变过程的研究(周成虎等, 1999)。CA模型主要由空间、元胞、邻域和转化规则四个要素组成（White et al., 1997）。在传统的土地利用CA模型中，时间被认为是离散的，而空间是由二维栅格空间组成，每个元胞的状态代表土地利用类型；通过邻域状态和转化规则确定元胞转化为其它土地利用类型的概率。CA模型充分体现了复杂系统局部的个体行为产生全局、有秩序模式的理念Wu Webster, 1998）。CA模型在模拟土地利用系统时具有以下的突出优势（Li and Yeh, 2002b; 黎夏等, 2007）：1）CA模型通过简单的局部转换规则可以模拟出复杂的土地利用格局；2）CA为土地利用复杂系统的演化提供了很好的过程分析能力；3）CA模型能与Geographic Information System（GIS）和Remote Sensing（RS）数据很好地耦合，极大地提高现有GIS分析复杂自然现象的能力和时空动态建模的功能。 2.2 ABM 模型 在CA模型中，元胞的位置不能移动，只能改变其状态（黎夏等, 2010）。因此，CA模型在城市模拟过程中侧重的是自然环境要素，无法考虑土地利用变化过程中的人文因素影响，如政府、开发商、居民等(Li Liu, 2007)。与CA不同的是，ABM模型能够表达可移动Agent个体的行为规则，能够弥补CA个体行为模拟能力的不足（Macal North, 2010）。ABM是由多个相互交互的智能体Agent组成的，Agent具有动态的行为和异质性特征（Heckbert et al., 2010）。在模型中，Agent之间及其与周围环境进行相互作用、相互影响、相互学习，不断调整自身行为和决策来适应环境。土地用动态是基于微观空间个体相互作用的结果。。 3.1 土地利用模拟的遥感数据获取 CA和ABM模型的输入数据以土地利用空间数据及其自然环境影响因子与社会经济影响因子数据为主。CA模型往往通过对土地利用变化及其驱动因子数据的训练获取元胞的转化规则。而在ABM模型中，土地利用及自然社会因子是智能体活动的空间载体，影响着智能体的行为决策。模型输入数据的获取