基于CA模型的防城港海岸线预测模拟

张 钰，王让会

(南京信息工程大学环境科学与工程学院，南京 210044)

0 引言

地理空间系统是地理学研究的基本对象，是自然—社会—经济因素相互作用的复合系统，地理系统的开放性、非线性等特征决定了复杂性是其本质属性。因此，应用复杂系统的理论方法分析地理系统的复杂性和动态性是当前地理学研究的热点之一。而元胞自动机(cellular automata，CA)是时空离散的动力学模型，是研究复杂系统的一种方法，特别适用于对空间复杂系统的动态模拟［1］。

CA是在20世纪40年代由Ulam首先提出，后被Von Neumann用来研究自组织系统的演变过程［2］。CA作为一种具有时空动态特征的动力学方法，被广泛应用到地理学的诸多领域，其中在城市增长、扩散和土地利用演化等模拟方面的研究最早、最深入，理论和实践最丰富，同时也是当前CA应用的热点之一［3］。白永良等［4］基于CA模型模拟黄河口海岸线演变;盛辉等［5］基于CA预测黄河三角洲海岸线演变。美国Couclelis［6］从理论上对CA在地理学中的应用潜力(尤其是在模拟城市扩张领域中的应用)进行了充分阐述;White等［7］多次应用CA模型成功模拟了土地利用变化等。

RS和GIS技术的发展，为城市扩展时空研究及多种数据的集成研究提供了有力支持［8］，尤其利用遥感技术进行土地利用动态监测［9］已成为当今的热点之一，而RS和GIS的集成对于准确及时地掌握沿海地区海岸线演变情况、从宏观上研究海岸线动态变化是一种有效的方法［10］。RS和GIS技术的集成不仅可以有效地研究不同时空尺度上的景观现象，为生产实践和科学研究提供有用的景观信息;而且为研究景观空间结构和动态(尤其是物理、生物和各种人类活动过程相互之间的复杂关系)提供了一种有效的工具［11］。丁丽霞等［12］利用 RS方法对浙江省海岸线的变迁幅度与速度进行调查研究，发现浙江整个海岸线变迁幅度与速度呈现由南到北逐渐变小的趋势;朱小鸽［13］和宫立新等［14］应用多时相Landsat卫星遥感图像，采用神经网络分类方法监测珠江口、烟台地区海湾、香港及澳门地区海岸线的变化，得出人为围海造田及相关基础设施建设是导致海岸线变化的主要原因的结论;Chu等［15］基于遥感图像研究了现代黄河三角洲侵蚀演变模型等;王琳等［16］利用3个时相的Landsat TM/ETM+卫星图像，通过变化检测和信息提取获得厦门市及其邻域1989—2000年海岸线变化信息，并分析了厦门市海域面积未来的变化趋势及其原因等。随着新的遥感卫星不断发射成功，越来越多的专家学者开始利用遥感手段快速而准确地获取海岸带数据，并越来越关注海岸线调查及其变化监测等问题。

综上所述，目前国内外利用遥感图像对海岸线分析的研究很多，但遥感方法、分形研究等数学模型运用于地物研究的普适性与当前预测演变过程及结果的效率均有待提高，因此有必要探寻一种适用性更广、效率更高的新型遥感图像海岸线分析方法，并综合各种影响因素进行改进。同时，由于海岸线在沿海城市中的地位非常重要，而专门针对城市边缘区的CA模拟预测研究还较为少见［11］，所以利用RS及CA技术相结合来研究海岸线具有一定的科学性和可行性。本文基于Matlab仿真技术运用CA模型来预测未来海岸线演化状况，并对预测结果进行精度检验。其结果证实，用该方法预测未来海岸线演变状况是可行的，具有重要的现实意义。

1 研究区概况及技术路线

1．1 研究区概况

研究区为位于中国广西南部的防城港市，地处中国大陆海岸线西南端，地理坐标为E 107°28'～108°36'，N 20°36'～22°22'。南连北部湾，北接扶绥县、邕宁县，东与钦州市毗邻，西与宁明县接壤，西南与越南交界，陆地面积6 181 km2，地势平坦、海域面积4万km2。防城港市辖港口区、防城区、上思县和东兴市，全市海岸线长584 km，屿海岸线长222 km，陆地边境线长230多km，有7个乡镇与越南山水相连。防城港市现有防城港、企沙港、江山港、京岛港、竹山港等大小商港、渔港20多个，其中防城港以水深、避风、不淤积、航道短、可用岸线长而著名，是主枢纽港。防城港市共有5个国家级口岸，其中防城港、东兴、企沙和江山为一类口岸，峒中为二类口岸。此外，全市岸线资源丰富，企沙海域具备建设10～30万t级泊位的天然条件。

1．2 技术路线

针对本文研究目的和内容，在对所收集的研究区2000年11月、2010年10月TM图像和文字、数据资料进行整理的基础上，制定了技术路线(图1)。首先，利用ENVI软件对获取的研究区遥感图像进行几何纠正、配准等，利用ArcGIS软件提取海岸线，并对其进行重采样;然后，根据相应规则建立CA模型，利用蒙特·卡罗方法结合控制因素进行判断，确定元胞的转化状态，在此基础上，运用Matlab仿真技术实现海岸线的预测功能;最后对空间分析结果进行精度分析。

图1 技术流程图Fig．1 Flow chart of technology

2 数据处理

覆盖研究区域的Landsat TM5波段的遥感数据来源于全球土地利用数据库(global land cover facility，GLCF)及中国科学院对地观测与数字地球科学中心网站。海岸线被国际地理信息委员会(IGDC)定为最重要的27种地表特征之一，Dolan最早定义海岸线为水体与陆地的自然界面［17］，现一般指沿海在多年的大潮时高潮所到达的界线。本研究首先对遥感图像进行图像几何纠正处理、子区裁取、图像分类及数据类型转换等预处理;然后将分类结果导入到ArcGIS中，进行编辑处理(图2);再利用Conversion Tools将遥感图像转为矢量图，对矢量图进行图斑合并等编辑操作，提取海岸线;最终将编辑结果转成栅格格式(图3)。

图2 遥感分类图像Fig．2 Remote sensing classification images

图3 海岸线信息提取图Fig．3 Maps of coastline in formation extraction

3 CA预测模型实现

3．1 模型定义

将2000年和2010年的防城港遥感分类图像(图2)在ArcMap中以30 m×30 m的栅格进行重采样，分别生成栅格数据图像。栅格文件是由0～5组成的二维数组(0代表植被景观栅格，1代表建筑景观栅格，2代表水域景观栅格，3代表农田景观栅格，4代表滩涂景观栅格，5代表其他景观栅格)，将该二维数组导入到Matlab仿真软件系统进行CA预测。

取该二维数据的一个3×3部分区域，利用3×3的摩尔近邻模型(Moore neighborhood model)作为CA模型的邻居规则进行分析:以黑色元胞为中心，对于其8个元胞邻域，有2个植被景观区域(0)，占2/8;有2个建筑景观区域(1)，占2/8;有1个水域景观区域(2)，占1/8;有1个农田景观区域(3)，占1/8;有1个滩涂景观区域(4)，占1/8;有1个其他景观区域(5)，占1/8。将各类地物景观映射到［0，1］，则有:0≤P植被＜2/8;2/8≤P建筑＜2/8+2/8;2/8+2/8≤P水域＜2/8+2/8+1/8;2/8+2/8+1/8≤P农田＜2/8+2/8+1/8+1/8;2/8+2/8+1/8+1/8≤P滩涂＜2/8+2/8+1/8+1/8+1/8;2/8+2/8+1/8+1/8+1/8≤P其他≤2/8+2/8+1/8+1/8+1/8+1/8。其中P为该景观类型的映射值。

以3×3的蒙特·卡罗算法为例(图4)，Matlab将产生一个随机数P∈［0，1］，P落在图4中的哪个区域(用黑色区域表示)，则该区域(即黑色区域)就转变为哪种地物类型(在图4中，黑色区域转变为滩涂景观区域(4))。

图4 蒙特·卡罗算法应用举例Fig．4 Example for application of Monte Carlo method

通过程序将栅格数组迭代多次，选出仿真时间与实际时间的比值，然后从2000年开始预测10 a后的2010年情况。结果表明，除了人为因素影响很大的区域，该算法可以较好地对海岸线进行预测，提取出来的海岸线与实际的类似，而主要的误差来自于人类不确定的活动及自然因素(如新建的大型港口、填海造田、暴风雨等)。

3．2 流程设计

本研究采用2000年获取的防城港海域遥感图像，对现有的地物类型利用蒙特·卡罗算法对邻居下一时刻的状态进行判定:若下一时刻元胞的地物类型没有改变，继续下一次循环;若元胞的地物类型改变，则生成新的元胞。然后重复以上循环，直到遍历遥感图像的所有元胞，产生新的图像。最后整体循环一定次数后，得到预测的图像，从而提取出预测海岸线。系统循环过程如图5所示。

图5 系统循环过程Fig．5 Process of the system cycle

3．3 预测结果

确定CA模型中离散时间标准是一个关键问题。由于CA模型中的离散时间是抽象概念，因此在海岸线模拟中必须与实际海岸线建立对应关系。本文利用陆地、海域及滩涂数目变化(表1)来确定模型的时间标准。

表1 2000年和2010年防城港地物景观元胞数统计Tab．1 Fangchenggang surface features landscape cellular several in 2000 and 2010

以2000－11－06获取的TM/ETM+数据为基础，利用CA模型运行320次，依据2000年实际海岸线(图3(a))预测出2010年海岸线，如图6所示。

从表1和图2可以看出，10 a期间陆地景观(植被、建筑、农田)元胞变化数为84．765 1万，水域景观变化数为47．739 9万，滩涂景观变化数为30．341 6万，其他景观元胞变化数为26．537 5万。通过320次的迭代模拟，防城港植被景观元胞数为142．870 3万，建筑景观元胞数为45．794 6万，水域元胞数为92．814 2万，农田景观元胞数为16．192 4万，滩涂元胞数为30．867 3万，其他景观元胞数为28．571 2万，虽然与2010年数据存在一定的差异，但是通过图形对比，海岸线(图6(b))已经较为接近2010年实际海岸线(图3(b))，可见通过这次模拟仿真可以较为准确地确定模拟时间。由此可以推断该模型运行一次的时间约为0．031 a。

图6 防城港2010年海岸线预测图Fig．6 Predictive map of Fangchenggang coastline in 2010

3．4 精度检验

除了上述客观因素会影响海岸线预测结果外，本次应用的精度还受以下几个方面的影响:

1)遥感图像的空间与光谱分辨率。本研究仅选用Landsat TM5图像是由于受数据源的限制。许多研究和应用实践已经证明，短波红外的TM5(光谱范围1 550～1 750 nm)或微波波段的雷达数据都具有对水体的高度敏感性。如数据源充裕的情况下，应综合选用多种类的遥感数据，通过分析比较后挑选出适合目标区的最佳波段，无疑会获得更精确的监测结果。TM可见光波段的空间分辨率为30 m，本研究为了减小不同波段图像分辨率的差异，对TM数据进行重采样，使其分辨率统一为60 m;然后对TM数据进行配准，导致不同时相的假彩色合成图像的分辨率仅60 m，在一定程度上降低了成果精度。

2)分类精度。本研究中监督分类取得了较好的结果，分类精度达到90%。导致存在10%错分率的主要原因是沿岸高浑浊水域与浅滩、低湿地(特别是由于泥沙沉积而新形成的垦区)难以区分。若使用短波红外或雷达数据，将有可能提高分类精度［16］。

3)图像几何精纠正及地图海岸线数字化的精度(与应用的遥感图像比例尺有关)。本研究主要使用1∶1 000 000比例尺的遥感图像，判读成图是1∶500 000比例尺，控制点8个，几何纠正误差≤0．050 8个像元;故几何误差＜1 mm。

4)模型精度分析。本研究模型评价的方法主要分2步:①对模型预测出的各类地物元胞数量进行评价，从数量上评价模型的精确度;②对模型预测出的各类地物的空间位置进行判断，说明预测模型在空间位置上的预测精度［18］。2种方法相比，数量上的精度比较简单，由于海岸带是一个变化复杂的狭长地带，因此将研究区设置为沿海区域(约占陆地总面积的三分之一)，将沿海区域2010年预测的元胞数量除以2010年实际元胞数量，即得出预测模型数量上的精度。为得到空间位置上的精度，首先将2010年实际海岸线矢量图和预测的2010年海岸线矢量图进行叠加(图7)。

图7 防城港2010年实际海岸线与预测海岸线叠加图Fig．7 Overlap of the actual coastline and predictive coastline of Fangchenggang in 2010

图7中，预测海岸线与实际海岸线比较，向海洋延伸的部分称为预测淤积区;向陆地延伸的部分称为预测蚀退区。在ArcGIS软件的支持下，通过open attribute table命令，计算出预测的2010年海岸线淤积区和蚀退区的面积分别为59．32 km2和75．85 km2，即预测的2010年海岸线与实际海岸线相比发生变化的面积为135．17 km2;将沿海区域2010年预测的陆地变化面积除以实际陆地面积，即得到空间位置精度为93．45%。

通过上述方法得出预测的2010年海岸线的数量精度为83．65%(表2)。

表2 海岸线预测精度Tab．2 Accuracies of the predictive coastline

预测结果与实际情况非常接近，虽然有部分区域存在差异，但基本上反映了海岸线空间分布趋势，可见本文采用的时空动态约束CA模型的预测精度能够较好地满足海岸线预测的需要。

3．5 预测未来

从防城港2010年实际海岸线与预测海岸线叠加中可以看出(图7)，防城港口岸附近及龙门港镇以北变化较大，经分析了解到这些区域经济发展迅速、人类活动频繁，表明人类活动等因素或大或小地影响了海岸线的变化，这些因素有待考虑。为进一步说明海岸线预测情况，可以根据2010年防城港海岸线遥感分类图像的栅格图(图2(b))预测2020年防城港海岸线的变化，研究中模型迭代次数仍然为320次，预测结果如图8所示。

图8 防城港2020年海岸线预测图Fig．8 Predictive map of Fangchenggang coastline in 2020

上述2次预测结果清晰地反映了防城港海岸线的变化趋势。在数量结构上，2000—2020期间年防城港海岸线淤积面积明显增加，整个陆地有扩展趋势;在空间分布上，2000—2020年期间龙门港镇以北和防城港口岸附近出现的淤积现象最为明显;在流向上，有不少滩涂逐渐转变为陆地，表明城市化进程不可避免地侵占了海洋、滩涂等。GIS空间分析结果(图9)表明，2000—2010年期间，防城港海岸带淤积面积达233．20 km2，蚀退面积达 23．86 km2。这种剧烈的土地利用变化，已经造成一系列的资源和环境问题，如果不采取有效的治理措施，则会进一步影响该地区的生态环境安全。

图9 防城港2000年与2010年实际海岸线叠加图Fig．9 Fangchenggang overlap of the actual coastline in 2000 and 2010

4 结论

1)利用CA模型预测海岸线的变化是可行的，其关键在于元胞迭代次数的确定。将实际海岸线和预测海岸线叠置，通过数量精度及空间位置精度分析，2010年预测的数量精度为83．65%，空间位置精度为93．45%，可见预测的海岸线跟实际的海岸线相似度很高，表明通过CA模型预测海岸线是海岸线预测的一种良好策略。

2)利用CA模型预测出来的2020年海岸线具有一定的参考价值。CA模型的预测分析结果可以为研究区土地利用规划提供依据，帮助制定有效的土地管理措施和方针政策。

3)CA模型研究的不足之处在于元胞转化规则的确定仍需要进一步研究，并且需要加入更多的自然、社会因素(如人口、物流等)，以求预测结果更接近于实际情况。通过对CA模型的改进以及转换规则的深入研究，将可以得出更好的预测结果。然而，国内通过CA模型对海岸线整体性研究较少，因此这方面研究具有较大的发展空间及现实意义。

［1］ 林爱华，岳建伟，陈路遥．海岸线变化趋势预测方法研究与系统实现［J］．测绘科学，2009，34(4):109－110．Lin A H，Yue JW，Chen L Y．Study and realization of coastline change forecast based on GISand RS［J］．Science of Surveying and Mapping，2009，34(4):109－110．

［2］ Zhang X F，Wang Z Y．Coastline extraction from remote sensing image based on improved minimum filter［J］．Geoscience and Remote Sensing(IITA－GRS)，2010(2):44－47．

［3］ Bouchahma M，Yan W L，Ouessar M．Island coastline change detection based on image processing and remote sensing［J］．Computer and Information Science，2012(5):27－36．

［4］ 白永良，刘 展，厉 梅．基于CA模型模拟黄河口海岸线演变［J］．测绘与空间地理信息．2011，34(2):141－143．Bai Y L，Liu Z，Li M．Simulate the coastline change in the Yellow River estuary based on CA model［J］．Geomatics and Spatial Information Technology，2011，34(2):141－143．

［5］ 盛 辉，王兵兵，程义吉，等．基于CA的黄河三角洲海岸线演变预测［J］．人民黄河，2011，33(10):28－30．Sheng H，Wang B B，Cheng Y J，et al．Prediction of coastline evolution in the Yellow River delta based on cellular automata［J］．Yellow River，2011，33(10):28－30．

［6］ Couclelis H．Cellular worlds:A framework for modeling micromacro dynamics［J］．Environment and Planning A，1985，17(5):585－596．

［7］ White R，Engelen G，Uijee I．The use of constrained cellular automata for high－resolution modeling of urban land－use dynamics［J］．Environment and Planning B，1997，24(3):323－343．

［8］ 刘兴权，吴 涛，甘喜庆．基于可控邻域作用CA的城市扩张研究［J］．国土资源遥感，2011，23(2):110－114．Liu XQ，Wu T，Gan X Q．An urban growth study based on controllable neighbor effect CA［J］．Remote Sensing for Land and Resources，2011，23(2):110－114．

［9］ 高振宇，吴学瑜，范 清，等．土地利用动态遥感监测中的问题探析［J］．国土资源遥感，2011，23(3):20－24．Gao Z Y，Wu X Y，Fan Q D，et al．An analysis of the problems concerning remote sensing dynamic monitoring of land use［J］．Remote Sensing for Land and Resources，2011，23(3):20－24．

［10］ 许其功，刘鸿亮，席北斗，等．三峡库区土地利用与景观格局变化研究［J］．环境科学与技术，2007，30(12):83－86．Xu Q G，Liu H L，Xi B D，et al．Land use and landscape pattern change in Three Georges Reservoir area［J］．Environmental Science and Technology，2007，30(12):83－86．

［11］ 黄俊芳，王让会，师庆东．基于RS与GIS的三工河流域生态景观格局分析［J］．干旱区研究，2004，21(1):33－37．Huang JF，Wang R H，Shi Q D．RS/GIS－based analysis on the ecological landscape patterns in the Sangong River Basin，Xinjiang［J］．Arid Zone Research，2004，21(1):33－37．

［12］ 丁丽霞，周 斌，张新刚，等．浙江大陆淤涨型海岸线的变迁遥感调查［J］．科技通报，2006，22(3):292－298．Ding L X，Zhou B，Zhang X G，et al．Continental coastline change research by remote sensing in Zhejiang Province［J］．Bulletin of Science and Technology，2006，22(3):292－298．

［13］ 朱小鸽．珠江口海岸线变化的遥感监测［J］．海洋环境科学，2002，21(2):19－23．Zhu X G．Remote sensing monitoring of coastline changes in Pearl River Estuary［J］．Marine Environmental Science，2002，21(2):19－23．

［14］ 宫立新，金秉福，李健英．近20年来烟台典型地区海湾海岸线的变化［J］．海洋科学，2008，32(11):64－68．Gong L X，Jin B F，Li JY．The changing of typical bay coastline in Yantai in recent 20 years［J］．Marine Sciences，2008，32(11):64－68．

［15］ Chu Z X，Sun X G，Zhai SK，et al．Changing pattern of accretion/erosion of the Modern Yellow River(Huanghe)Sbaerial Delta，China:Based on remote sensing images［J］．Marine Geology，2006，227(1/2):13－30．

［16］ 王 琳，徐涵秋，李 胜．厦门岛及其邻域海岸线变化的遥感动态监测［［J］．遥感技术与应用，2005，20(4):404－410．Wang L，Xu H Q，Li S．Dynamic monitoring of the shoreline changes in Xiamen island with its surrounding areas of SE China using remote sensing technology［J］．Remote Sensing Technology and Application，2005，20(4):404－410．

［17］ 陈 勇．海岸带滩涂资源遥感应用研究进展［J］．遥感技术与应用，2012，27(2):296－304．Chen Y．Advance of remote sensing application to tidal flat resource monitoring in coastal zone［J］．Remote Sensing Technology and Application，2012，27(2):296－304．

［18］ 赵冠伟，龚建周，谢建华，等．基于CA模型的城市边缘区土地利用演变模拟——以广州市花都区为例［J］．中国土地科学，2009，23(12):56－62．Zhao GW，Gong JZ，Xie JH，etal．Simulation of the land useevolution in urban fringe based on CA model:A case study of Huadu District，Guangzhou City［J］．China Land Science，2009，23(12):56－62．