城市发展模拟工具及遥感技术综合应用

1.元胞自动机

元胞自动机(Cellular Automata，CA)起源于20世纪30年代初，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。它是一种时间、空间、状态都离散，空间相互作用和时间因果关系都为局部的网格动力学模型，具有模拟复杂系统时空演化过程的能力(周成虎，等，1999)。它这种“自下而上”的研究思路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。CA具有强大的建模能力，能模拟出与实际非常接近的结果，已被越来越多的学者运用到城市模拟中(White，1993；Deadman，1993；Wagner，1997；Couclelis，1997；Batty，1997；1999；Wu，1998；黎夏，等，1999；2002；2004；2005；2006；2007；Li，2000；杨青生，等，2005；王汉花，2008)。

许多地理现象属于典型的动态复杂系统，具有开放性、动态性、自组织性、非平衡性等耗散结构特征。CA虽然可以模拟复杂城市系统的某些特征，但是单个CA很难准确模拟复杂城市系统的所有特征，许多学者提出了一系列CA来模拟城市系统不同方面的特性。城市CA的基本原理是通过局部规则模拟出全局的、复杂的城市发展模式。同时，通过加入不同的约束条件，可以建立城市规划CA模型，模拟不同规划条件下的城市发展空间格局(黎夏，等，2006)；通过引入约束条件和影响因素，利用不同的转换规则可模拟出各种城市发展形态(Yeh，等，2001)。CA模型可方便地回答what-if的问题，即按不同的假设条件模拟出不同的结果。在模型中嵌入不同的假设条件，能形成相异的城市发展模式(Couclelis，1997)。将这些条件同时嵌入模型中，就可形成交替的城市发展模式。CA的多次叠代运算能反映城市系统复杂的时空变化特征。因此，与传统城市模型相比，CA能模拟出与实际更为接近的结果，CA比传统模型能提供更科学的依据(黎夏，等，2007)。

随着城市化进程的加速，城市扩展过程中土地利用时空动态变化更趋复杂，CA模型与GIS的紧密耦合为城市扩展研究的时空动态模型提供了新的研究思路。CA和GIS的耦合使二者在时空建模方面相互补充。首先，CA能增强GIS空间动态建模的功能，可作为GIS空间分析的引擎。尽管在空间分析和空间决策方面GIS得到了很好的应用，但GIS在动态空间建模和操作方面有很大的局限性(Wagner，1997)。CA由于具有强大的时间建模能力，从而能够丰富GIS现有的时空分析功能，当前GIS软件则较难实现时空动态建模功能(Batty，等，1999)。城市系统的模拟需要嵌入不确定的因素或者用户期望的因素，从而模拟出不确定性的城市系统或者用户所预期的城市形态。传统GIS在处理地理现象的时间过程上存在一定的局限性，许多研究表明，CA能更容易地模拟各种现象随时空变化的动态性。因此，为了更好地模拟真实城市的发展，提高CA的模拟精度，学者把CA跟GIS结合起来用来模拟城市的发展(Wu，等，1998；Batty，1999；Li，2000)。其次，GIS能够为CA提供详细的空间信息，包括各种资源环境约束条件。GIS提供的大量空间信息可以作为CA的主要输入，如各类空间变量和约束条件；资源环境约束条件数据可从GIS中获取，并可方便地导入CA中。CA和GIS的耦合能获取空间变量与城市增长之间关系的信息。可操作的城市模型常常与土地利用、交通和其他经济、环境因素有关，GIS适合提供这些变量的丰富空间数据。

在资源与环境复杂系统的模拟中，我国学者及华人科学家已经作出了杰出的贡献(欧阳南江，等，2014)。将CA应用到城市系统和土地利用变化模拟时，还有许多问题尚待进一步完善和解决，包括如何把复杂的资源环境动态影响因素引进模型中、确定模型的参数和对模型进行纠正等。另外，由于我国城市发展的特殊性，CA模型所考虑的因素以及所使用的参数也会有很大的差异。在城市发展过程中，城市空间形态、城市土地利用发展格局，是内部个体相互作用的结果，同时也是空间决策导向下的直观表象。人的决策性，人与环境的相互作用等是快速城市化进程中土地利用/覆盖变化的主要驱动力之一。(www.xing528.com)

2.多智能体模型

20世纪90年代后期，地理学家开始将多智能体系统引入地理学研究中，逐渐被广泛应用于城市空间扩展相关研究中。多智能体系统(Multi-Agent System，MAS)的建模思想源于复杂适应理论，属于“自下而上”的微观模拟模型，它是复杂适应系统理论、人工生命以及分布式人工智能技术融合的结果(薛领，等，2004)。它直接模拟现实中微观个体的实际行为，以及从个体与个体之间的相互作用出发来研究系统的整体行为，从而使得模型更加直观和易于理解，并且不必研究和分析整个系统所蕴含的数学方程。多智能体系统比较适合于在面向动态不可预测环境中的问题求解(郭锐，2005)，目前已经在多智能体决策、规划、合作等研究中显示出优势。

基于多智能体系统模型的方法在社会科学研究中逐渐受到重视，利用智能体模型进行土地利用领域研究时，将社会过程及经济因素同土地利用动态结合起来，能模拟人类复杂的行为和决策模式，并弥补了元胞自动机模型的不足(田光进，2008)。多智能体系统思想的核心就是微观个体的相互作用能够产生宏观全局的格局。因此，多智能体系统是研究地理空间系统的天然工具(黎夏，等，2007)。采用基于多智能体的土地利用变化模型进行研究时，研究人员根据研究区域特征、变化性质等，定义出不同的Agent，并对Agent赋予不同的决策规则，从而对研究问题获得最佳的解释与预测。在区域研究中，城市扩展相比农业发展产生的土地利用变化研究更为广泛而深入。

目前，MAS与CA相互结合成为土地利用模拟的有效手段。对于MAS模型而言，Agent的抽象及定义至关重要。土地使用权所有者、政府、城市居民、企业、房地产商等与城市土地利用变化相关的实体在不同的研究中都被有选择地定义为具有决策能力的Agent进行模拟试验。研究表明，Agent之间的互动互作的社会、经济、空间行为导致的城市和区域宏观结构的演变过程，即实现了微观的主体非线性互作互动而导致的宏观空间结构的演化过程。试验模拟可以反映城市土地扩张的基本特征和规律，为城市土地扩张的成因、智能体行为对城市土地扩张过程的影响获得解释与理解，进而可以为城市建设、管理和规划工作提供辅助决策支持，促进区域土地资源可持续利用(薛领，2003；杨青生，2005；刘小平，2006；张鸿辉，2008、2011)。同时，高效的计算机运行能力有助于多智能体模型的有效利用，因此有学者考虑计算机优化算法的研究。