元胞自动机及应用.ppt

*;*;城市化作为土地利用／土地覆被变化(LUCC) 的重要驱动机制日益引起广泛的关注，而我国正进入城市化的加速发展阶段 城市空间模拟日益成为城市规划者、经济学家、生态学家、和致力于可持续发展的资源管理者的重要工具;城市模型发展阶段 静态的、均衡的、宏观模型（20世纪50，60年代） 动态的、微观模型（20世纪 80年代以后） 城市增长动态模型分类 宏观系统动力学模型：着眼于宏观变量相互关系 微观系统动力学模型：宏观现象的微观作用机制 Cellar Automata Based Model Multi-Agent Based Model ;主要的模拟方法及模型 基于细胞自动机（CA)的动态模拟 基于主体的动态模拟 TranSims模型 空间统计学模拟 马尔可夫链(Lopez et al., 2001)和逻辑斯蒂回归(Wu and Yeh, 1997) 基于人工神经网络的模拟 格局分析 ( Shmueli ,1998;Pijanowskia et al. 2002) 基于分形的形态模拟 扩散聚合模型（DLA）(Batty and Longley, 1994)；渗透模型( Makse et al.,1998) 混沌和灾变模拟 自组织临界值（SOC） (Batty 1998 ；Wu 1999);*;细胞自动机的特点 简单性和直观性 complexity≠complication 离散性；灵活性与开放性 易于与GIS、遥感数据处理等系统结合 细胞自动机的扩展 细胞空间：从无限到有限；从同质到非同质；从规则到不规则 细胞状态：表征地理实体或现象的指标、编码或等级的集合 邻域 ： 从固定性到非固定性 多种多样 转换规则：从普遍到非普遍（分区）；从恒定性到变动性；从确 定性到随机性，局部个体间相互作用-综合的多层次规则 时间概念与地理实体演化相一致，从规律性到不规律性 系统从闭合到开放 ;*;;;;《一种新科学》;《一种新科学》;《一种新科学》;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;生命游戏模型－最经典的CA模型;生命游戏;生命游戏;　;生命游戏模型－最经典的CA模型;　生命游戏模型－最经典的CA模型;　生命游戏模型－最经典的CA模型; CA应用;*;*;能更好地反映空间格局变化以及由此带来的进一步反馈作用 模型中的细胞空间划分可以非常细小，能在精细的尺度上表现城市空间结构的变化 通常可以在更长的时间尺度上反映城市产生、发展直到消亡的生命历程 可以较好地模拟城市作为一个开放的耗散系统所表现出的突变、自组织、混钝等复杂特征 ; Tobler（1970、1979）首先认识到CA在模拟地理复杂现象方面的优势 Helen Couclelis在20世纪80年代末连续用三篇文章阐述了CA在地理学中应用的理论框架，CA在城市发展中应用的奠基人 自20世纪90年代以来，基于CA的城市增长模型迅速激增 ;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;基于逻辑回归的CA模型;基于逻辑回归的CA模型－准备数据;　基于逻辑回归的CA模型－数据处理;　基于逻辑回归的CA模型－数据处理;DisTown.img;　数据处理-获取UrbanChange.img;2001年遥感分类图;2005年遥感分类图;通过栅格运算，计算出2001年和2005年城市和非城市遥感分类图 ;2001年和2005年城市和非城市遥感分类图如右图所示 ;从下图可以看出，影像分辨率太高，行列数太多，可进行重采样，适当调低分辨率;左图是重采样对话框，我们把分辨率调成85.5米 ;;打开2001年和2005年属性表，发现取值只有0和1,我们把这两年数据进行合成;合成后的数据，如下;对合成后的数据进一步处理，得到2001年和2005年城市变化遥感图，1为新增的，0为不变的，2为01年是城市的，05年还是城市;下图是进一步处理好的数据;导出01年到05年城市变化遥感数据，取名为UrbanChange.img;打开erdas9.2,对UrbanChange.img进行采点，首先把Urbanchange.img的Layer Type改成thematic;打开UrbanChange.img，我们可以看到它本来的L