基于偏最小二乘地理元胞模型的城市生长模拟

提出了一种基于偏最小二乘回归(PLS)方法的地理元胞(cellular automata,CA)模型PLS-CA,并用来模拟城市生长和扩展.CA模型的定义涉及存在严重相关性的众多空间变量,而传统的多准则判别技术(MCE)和主成分分析(PCA)不能够彻底地解决变量相关性问题.利用偏最小二乘回归从空间变量中提取线性无关的主成分,从而获取地理元胞自动机(CA)的转换规则,在地理信息系统(GIS)环境下建立PLS-CA模型,可以优化城市生长和扩展的模拟.利用提出的PLS-CA模型,模拟了上海市嘉定区1989年与2006年城市生长和扩展情况.

集成遥感和GIS的元胞自动机城市生长模拟——以上海市嘉定区为例

元胞自动机(Cellular Automata,CA)因其"自下而上"的自组织性能够呈现复杂的全局结构,越来越多地应用于城市生长和演化模拟。从历史遥感影像中提取了对城市生长影响较大的空间距离变量,结合实测数据和规划数据,挖掘基于Logistic回归的地理CA转换规则,建立了Logistic-CA模型。在自主开发的基于GIS的地理模拟框架下,以中小尺度城市上海市嘉定区为例,利用该Logistic-CA模型模拟和重建了该区1989～2006年城市生长过程。将模拟结果与遥感影像分类的结果进行逐象元比较,获取混淆矩阵和Kappa系数,从而对模型模拟结果进行评价。研究表明:Logistic-CA模型适合于中小尺度城市生长模拟,模拟结果与城市实际形态相符,精度较好。最后,基于嘉定区城市发展态势不变的假设,预测了其2010年城市生长的可能情景。