大尺度和精细化城市扩展CA的理论与方法探讨

王海军,夏 畅,刘小平,张安琪,4,朱珏然,王慧霞

(1.武汉大学资源与环境科学学院,湖北武汉430079;2.武汉大学教育部地理信息系统重点实验室,湖北武汉430079; 3.中山大学地理科学与规划学院,广东广州510275;4.北京大学城市规划与设计学院,广东深圳518055)

大尺度和精细化城市扩展CA的理论与方法探讨

王海军1,2,夏 畅1,刘小平3*,张安琪1,4,朱珏然1,王慧霞1

(1.武汉大学资源与环境科学学院,湖北武汉430079;2.武汉大学教育部地理信息系统重点实验室,湖北武汉430079; 3.中山大学地理科学与规划学院,广东广州510275;4.北京大学城市规划与设计学院,广东深圳518055)

城市模型研究存在两个必然趋势:研究单元由粗糙单元向精细单元转变,研究范围由单个城市向城市群、整个国家乃至全球转变,但在大地理区域上建立精细化的城市模拟模型,兼顾大地理尺度和基本空间单元仍存在较大的难题,它对当前地理模拟的计算能力、数据质量和理论方法等都提出了新的要求。在此背景下,该文从理论、方法和应用研究上总结近年来城市扩展CA领域取得的重要进展和呈现的新特征,并提出构建大尺度和精细化城市模型的关键技术及亟待解决的主要问题,以满足未来城市模型在大数据量和高精度方面的要求。研究得出以下结论:1)耦合CA模型与城市空间相互作用模型,可弥补城市扩展CA在表达城市网络空间联系与交互作用上的不足;2)丰富的带有地理位置信息的地理时空大数据,为开展大尺度和精细化城市扩展模拟研究创造前所未有的机遇;3)设计高性能地理元胞并行技术,可为大尺度和精细化城市CA计算提供高效运算工具;4)有必要探究地理时空数据和地理模拟过程的可靠性,实现对现实世界更为准确的模拟与预测。

城市扩展模拟;CA模型;大尺度;精细单元

0 引言

当今世界正处于快速城市化进程中,城市化现象已引起广大学者的关注[1-3]。改革开放以来,我国城市化得到高速发展,城市化水平已由1978年的17.9%增长到2015年的56.1%。根据国务院印发的《国家新型城镇化发展规划(2014-2020)》,到2020年我国城市化水平将达到60%。城市化是人类生产和生活活动由农村不断向城市转移、城市用地空间向外不断扩大的过程[4]。城市扩展作为城市化过程中最为直接的表现形式,是随着城市化而出现的建成区不断向外延伸、面积逐渐增加的现象,近年来成为地理学界高度关注的热点和难点问题[5-7]。在快速城市化的过程中,我国社会经济持续高速增长的同时,也带来了日益严峻的人地矛盾,土地已成为制约人类和社会全面发展的重要因素[8]。在我国城市化建设的新阶段,深入研究城市扩展过程的驱动机制及其演变规律,对于促进土地资源的合理配置,优化城市空间开发格局,实现区域可持续发展等都具有重大的理论和实践意义。

20世纪90年代以来,地理计算(Geo-computation)将计量地理的研究推进了一个新的时代,数学模型与模拟实验相结合的理念逐渐受到学者们的重视。元胞自动机(Cellular Automata,CA)作为一个离散的动力学模型,在模拟复杂非线性问题上具有独特的优势[9-11],已成为应用地理学等学科研究的重要工具,在城市扩展模拟[12]、图像分割[13]、林火蔓延[14]和土地利用变化[15-21]等领域得到了广泛的应用。城市扩展是元胞自动机应用的一个热点领域, CA模型作为动态城市空间模型,从微观角度出发为地理系统模拟提供了一种新的研究视角[22],克服了传统静态解析性的城市模型的不足,如中心地模型、空间相互作用模型和系统动力学等。研究表明,CA模型在模拟具有时空动态特征的复杂现象方面具有巨大优势,能够通过简单的局部规则模拟复杂全局现象且可控性较强,特别适合于城市扩展及土地利用变化等复杂系统的模拟[23-25]。

城市用地扩展过程受到自然和人文等因素的综合影响,其演变过程具有高度复杂性。元胞自动机作为研究复杂系统的一种强有力的时空动态模拟工具,被广泛应用于城市扩展等具有复杂空间特征的系统模拟研究中,不仅可以再现城市用地演变的历史格局,还能够预测不同目标导向下的未来城市扩展情景[26,27]。进入21世纪后,全球化的加速、信息通信技术(ICT s)的快速发展给中国的社会、经济、体制带来急剧变革[28-30]。中国作为全球第二大经济体,城市化给中国经济的发展提供了广阔的空间,而以城市集群、网络化格局为主要形式的快速城市化道路正成为中国城市发展的新特征[31]。城市不再是在封闭系统内孤立发展的个体,研究单个城市系统难以真实和完整地反映城市扩展过程的演变规律和驱动机制,开展城市群、整个国家乃至全球等更大尺度和范围的城市扩展模拟研究已成为必然趋势[31,32]。同时,我国大城市发展正逐渐由空间扩展转为内部改造(如城市更新和旧城改造等),小尺度上的城市空间再开发成为土地利用演变的主要形式[33]。而随着物联网和云计算等新一代信息技术的出现,大量带有地理空间位置信息的城市空间数据和社会经济微观数据被获取、存储和共享,为开展基于精细地理空间单元的城市模拟研究提供数据机遇[34]。因此当前城市模型研究存在两个必然趋势:研究单元由粗糙单元(如超大网格和分区等大尺度研究单元)向精细单元(如街区、地块、宗地和单体建筑等土地利用的基本空间或属性地理单元)转变,研究范围由单个城市向城市群、整个国家乃至全球转变。但在大地理区域上建立精细化的城市模拟模型,兼顾大地理尺度和基本空间单元仍存在较大的困难,它对当前地理模拟的计算能力、数据质量和理论方法等都提出了新的要求。在此背景下,本文总结近年来城市扩展CA研究进展,提出构建大尺度和精细化城市模型面临的主要问题和挑战,以满足未来城市扩展模拟在大数据量和高精度方面的要求。

1 城市扩展CA模拟研究现状

CA模型由美国T obler院士在20世纪70年代首次引入城市研究中,并用于模拟美国五大湖边底特律地区城市的迅速扩展[35]。之后美国Helen Couclelis教授对CA模型在城市模拟中的理论框架、应用能力与前景作了系统深入的理论分析[36,37],这些研究开启了元胞自动机模型在城市扩展领域应用的先河。随后White[38,39]、Batty[40]、Clarke[41]、Takeyama[42]和Wu[43]等先后展开了大量城市CA研究工作,拓展了CA模型的理论框架和应用。随着GIS技术的发展,CA模型与GIS的集成受到普遍关注,众多学者将CA模型应用到不同地区的真实城市发展模拟中[44-47]。20世纪90年代末,国内开始基于CA的城市扩展模拟研究,主要集中在CA模型与其他模型的结合进行城市空间演化发展的预测上,黎夏、刘小平、杨青生和何春阳等学者将系统动力学[48]、神经网络[49,50]、核学习机[51]、多智能体[52-54]和支持向量机[55]等引入CA模型中;陆续出现了一些嵌入地理特征、地理实体等概念和知识的CA模型构建方法,周成虎提出地理元胞自动机(GeoCA)的概念[22],罗平和杜清运等[56]综合地理特征的几何和非几何属性,建立了地理特征CA概念模型,杨亮洁和薛重生[57]将城市地理实体映射为元胞对象,考虑实体间的作用,构建基于地理实体的城市CA模型。关于扩展元胞自动机的元胞状态、邻域定义和转换规则等方面,周成虎、刘耀林和张显峰等开展了深入的研究。而随着地理学的发展及多学科的交叉融合,城市扩展CA研究展现出新的特征,本文拟从以下几个方面总结近年来城市扩展CA模拟的研究进展与发展趋势。

在理论研究上,城市CA注重对城市发展特征和地理空间规律的分析和表达。在许多地理分析和建模过程中都存在着不确定性问题,粗集理论[58]和灰色决策[59]等相继被用于获取城市CA的转换规则,能有效反映城市系统的动态性和不确定性;模糊性和随机性是不确定性中最基本和最重要的两种形式,模糊理论[60]、蒙特卡罗法[61]和云模型[62]可分别实现对城市扩展的模糊性、随机性或模糊性-随机性耦合的充分表达。Goodchild院士曾提出空间异质性是地理学第二定律可能诞生的方向[63],城市扩展呈现典型的非均质性特征,考虑区域差异和障碍空间距离的城市扩展CA模型逐渐得到重视[64-68]。其次,城市CA模型与多学科理论的交叉融合也是当前城市扩展模拟中的一个重要方向,城市扩展过程驱动因素复杂、影响范围大、涉及学科多,需要综合集成城市地理学、社会经济学和景观生态学等来研究和解决局部、区域乃至全球的问题[17,19,69,70]。

在方法研究上,城市扩展CA与计算机和信息科学技术的结合日益紧密,数据挖掘[58,71-75]、智能算法[75-77]和高性能计算[12]等相继被引入城市扩展模拟研究中,并在转换规则与模型参数获取以及数据计算中发挥愈发重要的作用。当前的城市扩展CA研究,更多集中在对CA模型方法的使用和改进上。转换规则作为城市CA的核心和关键,直接决定了模拟结果的合理性与真实性。制定更合理的转换规则及优化相应权重参数,以增强CA模型的适应能力和提高对城市系统的拟合度,仍是当前城市扩展模拟研究中的热点。城市扩展是在不同时空尺度上受多重因素作用的复杂非线性过程,其影响因素和空间尺度的敏感性分析[78-81]是研究城市CA模型的另一重要方向。城市CA模型在结构和表现形式上多是二维空间,难以真实刻画现代城市立体空间的发展变化,许多学者已开始利用城市空间三维元胞自动机模型(3DCA)进行城市三维动态模拟研究[82,83]。

在应用研究上,城市扩展CA研究注重针对特定的城市发展问题,通过城市扩展情景模拟分析,辅助和引导城市合理增长与健康发展,已在城市土地可持续发展规划[84,85]、土地利用规划方案空间预评估[86,87]和城市增长边界(UGBs)划定[88]等方面表现出较大的优势和应用前景。城市CA模型在城市扩展生态效应分析[20,27]与区域环境变化影响评估[19,89]方面也有一些应用,对深刻理解城市化对周边土地利用/覆盖变化影响机制具有重大意义。城市扩展CA的研究区域涵盖发达地区和偏远地区、内陆地区和沿海地区、高密度城区和城市边缘区等典型地区[21,90-94],并逐渐在煤矿区[95,96]、滨海地区[26,97,98]、西部干旱区[99]、黄土高原区[100]和喀斯特区[101]等特殊地域中得到应用。城市CA模型应用正向大地理尺度发展,其模拟空间逐渐从局部走向区域乃至全国等更大的范围,而模拟粒度则趋向街区、地块、宗地和单体建筑等精细空间单元。

2 城市扩展CA模拟面临的问题和挑战

在新的全球化和信息化时代背景下,进一步认识和理解城市地理系统演变的基本机理和规律,建立在大尺度范围、微观描述水平上的城市扩展CA模型已成为当前研究的热点和前沿。本文拟从以下4个方面探讨构建大尺度和精细化城市CA模型面临的主要问题和挑战,以满足未来城市扩展模拟在大数据量和高精度方面的需求。研究框架见图1。

图1 大尺度和精细化城市扩展CA研究框架Fig.1 Research framework of fine-scale urban expansion cellular automata for the large regions

2.1 城市网络空间联系与交互作用的定量表达

城市网络的多向空间联系与交互作用是开展城市群、国家乃至全球等大地理尺度范围内的城市扩展模拟研究需要解决的首要问题。21世纪全球进入社会大转型时期,以特大城市或大城市为中心构成的城市集合体正不断涌现和发育,并成为国家参与全球竞争与国际分工的全新地域单元[3,31]。以城市群为主题的快速城市化路径已成为中国城市发展的新特征,中心城市间的空间联系日益增强,依托高度便捷的交通条件和基础设施,地理要素逐渐向城市间的交通干线聚集,逐渐形成“以线穿点,以点带面,点线面耦合”、覆盖周围一定数量中小型城市的区域空间体系。现有城市扩展模拟研究通常将城市看作孤立发展的个体,较少考虑城市间的空间交互影响和网络格局,难以真实地反映区域一体化背景下的城市群发展状况。城市群是推进国家新型城镇化的主体形态和驱动国家经济发展的新增长极,城市群联合扩展将成为今后城市化发展的主要表现形式。面向国家和区域可持续发展,针对全球一体化背景下日益显著的城市集群化和网络化现象,亟须深入研究我国城市群联合扩展时空演变规律,揭示城市空间相互作用特征和联动增长机制[32]。城市空间相互作用模型可较好地反映城市间空间交互影响的作用机制和客观规律,目前研究采用较多的为城市流模型、重力模型、潜力模型、断裂点模型、辐射模型和偏离份额模型等。耦合CA模型与城市空间相互作用模型可弥补城市扩展CA在表达城市网络空间联系与交互作用上的不足,为开展大尺度和精细化城市扩展模拟研究提供基础。

2.2 结合地理时空大数据与城市扩展CA

地理时空大数据与地理元胞自动机模型结合,为开展大尺度和精细化城市扩展模拟研究创造了前所未有的机遇。大数据是继云计算和物联网等新一代信息技术后全球社会面临的又一次颠覆性技术革命,信息时代的大数据已渗透到全球范围内社会经济的各个领域,给人们的生活、工作和思维带来了一场重大的变革,同时也给社会科学研究开启了新范式的转型机遇[29,34,102]。当前城市扩展CA模拟研究更多集中在CA模型方法的使用和改进上,对人口现状、经济发展特征以及政府政策等社会经济影响因素涉及较少,缺乏与城市演变过程的真正融合。大数据使得制约传统科学研究的数据缺乏不再成为问题,基于定位功能的移动信息设备(智能手机、GPS等)及互联网技术的逐渐成熟,可提供丰富的带有地理空间位置信息的城市空间数据和社会经济微观数据;加之其数据规模庞大、细节丰富、覆盖面广,可为开展大尺度和精细化模拟提供研究基础。应用地理时空大数据进行城市研究已成为学者们普遍关注的热点和难点,目前研究主要集中在对用户位置数据(包括Twitter、Facebook和新浪微博等社交网络数据、公交刷卡数据、智能手机通话数据和兴趣点POI数据等)的挖掘和分析上[33,103-105]。结合地理时空大数据与城市扩展CA,可利用新浪微博等社交数据分析城市间的内在联系和刻画城市群网络结构[106-109],运用网络密度和中心性分析预测城市扩展的新中心,弥补城市扩展CA对孤立式发展模拟能力的不足;可利用手机定位与通话数据模拟居民的出行轨迹,结合居民情感和活动进行城市中心区和功能区划分[110,111],耦合城市规划制定分区转换规则;可利用经济和人口普查等大数据实现对GDP和人口分布的精细刻画,加强城市扩展CA对社会经济因素的表达,实现与城市演变过程的深入融合等[34,112]。

2.3 高性能并行元胞自动机

高性能地理元胞并行计算技术,可为城市扩展CA计算提供高效工具,以满足大尺度和精细化城市CA模型在大数据量处理方面的要求。随着城市扩展模拟研究趋向大地理尺度和精细化单元发展,城市CA的数据量和计算时间将呈指数级增长,在实际应用中难以满足高效快速运算的要求,迫切需要开展城市扩展CA高性能计算。在现代高性能计算技术框架的支撑下,设计和开发出高效率的CA并行运算算法,可解决原有串行计算模式面临的速度瓶颈问题,从而达到高性能空间计算的目标,实现基于高分辨率数据的城市群、国家乃至全球范围的城市扩展模拟。目前图形处理器(Graphic Processing Unit,GPU)具有先天的并行计算特性,在处理大数据量的简单逻辑运算中具有CPU不能及的优势[113,114]。结合GPU通用计算技术与地理元胞自动机构建GPU-CA模型,可在保证模拟结果有效性的基础上大大提高计算效率[12]。在现有的CPU/ GPU异构高性能计算平台下,使用MPI、OpenMP或MPI/OpenMP混合模型以耦合GPU集群与CA模型,可更有效地提高计算性能和扩大数据处理规模。云计算是以分布式处理、并行处理和网格计算等虚拟化技术为基础的一种新兴的超级计算模式,具有灵活、高效、低成本等特征,用户不需要购置大量的基础设施就可享受超级计算机的处理能力[115]。结合已有的城市扩展CA并行运算算法,设计云环境下的城市CA高性能处理和分析构架,可满足大尺度和精细化城市扩展模拟对海量地理时空数据快速处理的需求。

2.4 城市扩展CA可靠性研究

开展城市扩展CA可靠性研究,可识别地理时空数据及CA模型在城市模拟过程中的误差传递和不确定性,为大尺度和精细化模拟提供结果验证和可靠性评价。可靠性的概念源于对产品在规定的时间和条件下完成规定功能的描述[116]。在地理数据广泛应用及风险规避意识日渐增强的背景下,史文中等结合工程和生命科学中的可靠性概念及地理信息科学的特点,首次提出可靠性空间分析的理论框架及关键技术,促进不确定性空间分析向可靠性研究发展,并将其应用于地理国情信息的动态监测与质量控制中[117]。城市CA模型越来越多地被用来模拟复杂城市系统,但模型的可靠性和不确定性分析却呈现明显的不足和滞后[61]。有必要探讨城市扩展CA模拟研究中的误差源及其传播机理,旨在减少不确定性,提高城市扩展模拟过程及结果的可靠性。城市扩展模拟通常需要使用大量的地理数据,其模拟过程与结果受数据源误差、研究方法及模型结构不确定性的影响。城市扩展CA可靠性分析就是对城市扩展过程的演变机理构建可靠性分析和质量控制理论与方法,从而实现对现实世界更为准确的动态模拟、预测及评估,以获取更高质量的信息和知识来有效辅助规划决策。

3 结论

元胞自动机作为一种强有力的时空动态模拟工具,被广泛应用于城市扩展等具有复杂空间特征的系统模拟研究中。随着全球一体化的推进和大数据时代的到来,以单一城市为对象的孤立城市系统研究已难以反映区域网络格局下真实的城市发展状况,基于地块或更细小的地理单元对城市群及更大空间尺度上的城市联合扩展进行模拟,已成为未来城市CA研究的重要趋势。本文得出以下结论:1)耦合CA模型与城市空间相互作用模型,可弥补城市扩展CA在表达城市网络空间联系与交互作用上的不足;2)大数据可提供丰富的带有地理位置信息的空间数据,为开展大尺度和精细化城市扩展模拟研究创造前所未有的机遇;3)设计高性能地理元胞并行技术,可大幅度提高城市扩展CA的运算效率,为大尺度和精细化城市CA计算提供高效工具;4)有必要探究地理时空数据和地理模拟过程的可靠性,以规避系统误差和随机误差对模拟结果的影响。

[1] WANG H J,HE Q Q,LIU X,et al.Global urbanization research from 1991 to 2009:A systematic research review[J].Landscape and Urban Planning,2012,104(3-4):299-309.

[2] 顾朝林,吴莉娅.中国城市化研究主要成果综述[J].城市问题, 2008(12):2-12.

[3] 方创琳.中国城市群研究取得的重要进展与未来发展方向[J].地理学报,2014,69(8):1130-1144.

[4] 方创琳,陈田,刘盛和.走进新时代的中国城市地理学——建所70周年城市地理与城市发展研究成果及展望[J].地理科学进展,2011,30(4):397-408.

[5] 薛德升,王立.1978年以来中国城市地理研究进展[J].地理学报,2014,69(8):1117-1129.

[6] 许彦曦,陈凤,濮励杰.城市空间扩展与城市土地利用扩展的研究进展[J].经济地理,2007,27(2):296-301.

[7] 郭月婷,廖和平,彭征.中国城市空间拓展研究动态[J].地理科学进展,2009,28(3):370-375.

[8] 刘纪远,匡文慧,张增祥,等.20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报,2014,69(1):3-14.

[9] HE Q Q,DAI L,ZHANG W T,et al.An unsupervised classifier for remote-sensing imagery based on improved cellular automata [J].International Journal of Remote Sensing,2013,34(21): 7821-7837.

[10] LIU X,LI X,SHI X,et al.Simulating complex urban development using kernel-based non-linear cellular automata[J].Ecological M odelling,2008,211(1):169-181.

[11] 王海军,邓羽,张文婷,等.利用元胞自动机和遗传算法的VORONOI图生成[J].武汉大学学报(信息科学版),2010 (7):778-781.

[12] LI X,ZHANG X H,YEH A G O,et al.Parallel cellular automata for large-scale urban simulation using load-balancing techniques[J].International Journal of Geographical Information Science,2010,24(6):803-820.

[13] 王海军,张文婷,贺三维,等.利用元胞自动机和模糊C均值进行图像分割[J].武汉大学学报(信息科学版),2010,35(11): 1288-1291.

[14] 王海军,张文婷,陈莹莹,等.利用元胞自动机作用域构建林火蔓延模型[J].武汉大学学报(信息科学版),2011(5):575-578.

[15] 刘小平,黎夏,彭晓鹃.“生态位”元胞自动机在土地可持续规划模型中的应用[J].生态学报,2007,27(6):2391-2402.

[16] 冯永玖,刘艳,韩震.不同样本方案下遗传元胞自动机的土地利用模拟及景观评价[J].应用生态学报,2011,22(4):957-963.

[17] 张利,周亚鹏,门明新,等.基于不同种类生态安全的土地利用情景模拟[J].农业工程学报,2015,31(5):308-316.

[18] 熊利亚,常斌,周相广.基于地理元胞自动机的土地利用变化研究[J].资源科学,2005,27(4):38-43.

[19] 何玲,贾启建,李超,等.基于生态系统服务价值和生态安全格局的土地利用格局模拟[J].农业工程学报,2016(3):275-284.

[20] 吴健生,冯喆,高阳,等.基于DLS模型的城市土地政策生态效应研究——以深圳市为例[J].地理学报,2014,69(11):1673 -1682.

[21] 谭永忠,吴次芳,牟永铭,等.经济快速发展地区县级尺度土地利用空间格局变化模拟[J].农业工程学报,2006,22(12):72 -77.

[22] 周成虎,欧阳,马廷,等.地理系统模拟的CA模型理论探讨[J].地理科学进展,2009,28(6):833-838.

[23] LIU X,MA L,LI X,et al.Simulating urban growth by integrating landscape expansion index(LEI)and cellular automata[J].International Journal of Geographical Information Science,2013, 28(1):148-163.

[24] 刘伦,龙瀛,麦克·巴蒂.城市模型的回顾与展望——访谈麦克·巴蒂之后的新思考[J].城市规划,2014,38(8):63-70.

[25] SANTE I,GARCIA A M,MIRANDA D,et al.Cellular automata models for the simulation of real-world urban processes:A review and analysis[J].Landscape and Urban Planning,2010,96 (2):108-122.

[26] 黄焕春,运迎霞,苗展堂,等.城市扩展影响下生态系统服务的多情景模拟和预测——以天津市滨海地区为例[J].应用生态学报,2013,24(3):697-704.

[27] 王祺,蒙吉军,毛熙彦.基于邻域相关的漓江流域土地利用多情景模拟与景观格局变化[J].地理研究,2014,33(6):1073-1084.

[28] 张涛.大数据带来的变革及应对策略[J].高科技与产业化, 2013,9(5):58-61.

[29] 甄峰,秦萧,王波.大数据时代的人文地理研究与应用实践[J].人文地理,2014(3):1-6.

[30] 甄峰,秦萧,席广亮.信息时代的地理学与人文地理学创新[J].地理科学,2015,35(1):11-18.

[31] 方创琳,周成虎,顾朝林,等.特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径[J].地理学报, 2016(4):531-550.

[32] 何建华,施璇,龚健,等.顾及空间交互作用的城市群联动空间增长模拟——以武汉都市区为例[J].武汉大学学报(信息科学版),2016(4):462-467.

[33] 龙瀛,吴康,王江浩,等.大模型:城市和区域研究的新范式[J].城市规划学刊,2014(6):52-60.

[34] 龙瀛,茅明睿,毛其智,等.大数据时代的精细化城市模拟:方法、数据和案例[J].人文地理,2014(3):7-13.

[35] TOBLER W R.Compute movie simulating urban growth in DET ROIT region[J].Economic Geography,1970,46(2):234-240.

[36] COUCL ELIS H.Cellular worlds:A framework for modeling micro-macro dynamics[J].Environment and PlanningA, 1985,17(5):585-596.

[37] COUCL ELIS H.From cellular automata to urban models:New principles for model development and implementation[J].Environment and Planning B-Planning&Design,1997,24(2): 165-174.

[38] WHITE R,ENGELEN G.Cellular automata as the basis of integ rateddynamicregionalmodelling[J].Environmentand Planning B-Planning&Design,1997,24(2):235-246.

[39] WHIT E R,ENGELEN G.Cellular-automata and fractal urban form—a cellular modeling approach to the evolution of urban land-use patterns[J].Environment and Planning A,1993,25 (8):1175-1199.

[40] BATT Y M,XIE Y.From cells to cities[J].Environment and Planning B-Planning&Design,1994,21:531-538.

[41] CLARKE K C,HOPPEN S,GAYDOS L.A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area[J].Environment and Planning B-Planning &Design,1997,24(2):247-261.

[42] T AKEYAMA M,COUCLELIS H.Map dynamics:Integrating cellular automata and GIS through Geo-Algebra[J].International Journal of Geographical Information Science,1997,11 (1):73-91.

[43] WU F L.SimLand:A prototype to simulate land conversion through the integrated GIS and CA with AHP-derived transition rules[J].International Journal of Geographical Information Science,1998,12(1):63-82.

[44] BENENSON I,TORRENS P M.A Minimal Prototype for Integrating GIS and Geog raphic Simulation through Geographic Automata Systems[M].Florida:CRC Press,2005.347-367.

[45] LI X,ANTHONY G O Y.Cellular automata for simulating complex land use systems using neural networks[J].Geographical Research,2005,24(1):19-27.

[46] MAHINY A S,GHOLAMALIFARD M.Dynamic spatial modeling of urban growth through cellular automata in a GIS environment[J].International Journal of Environmental Research, 2007,1(3):272-279.

[47] SYPHARD A D,CLARKE K C,FRANKLIN J.Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California[J].Ecological Complexity,2005,2(2):185-203.

[48] 何春阳,史培军,陈晋,等.基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J].中国科学D辑(地球科学),2005,35(5):464-473.

[49] 黎夏,叶嘉安.基于神经网络的单元自动机CA及真实和优化的城市模拟[J].地理学报,2002,57(2):159-166.

[50] 黎夏,叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005,24(1):19-27.

[51] 刘小平,黎夏.从高维特征空间中获取元胞自动机的非线性转换规则[J].地理学报,2006,61(6):663-672.

[52] 杨青生,黎夏.多智能体与元胞自动机结合及城市用地扩张模拟[J].地理科学,2007,27(4):542-548.

[53] 刘小平,黎夏,艾彬,等.基于多智能体的土地利用模拟与规划模型[J].地理学报,2006,61(10):1101-1112.

[54] 刘小平,黎夏,叶嘉安.基于多智能体系统的空间决策行为及土地利用格局演变的模拟[J].中国科学D辑(地球科学), 2006,36(11):1027-1036.

[55] 杨青生,黎夏.基于支持向量机的元胞自动机及土地利用变化模拟[J].遥感学报,2006,10(6):836-846.

[56] 罗平,杜清运,雷元新,等.地理特征元胞自动机及城市土地利用演化研究[J].武汉大学学报(信息科学版),2004,29(6): 504-507.

[57] 杨亮洁,薛重生.基于地理实体的城市元胞自动机模型研究[J].北京理工大学学报(社会科学版),2009,11(1):80-84.

[58] 杨青生,黎夏.基于粗集的知识发现与地理模拟——以深圳市土地利用变化为例[J].地理学报,2006,61(8):882-894.

[59] 刘耀林,刘艳芳,明冬萍.基于灰色局势决策规则的元胞自动机城市扩展模型[J].武汉大学学报(信息科学版),2004,29 (1):7-13.

[60] 舒帮荣,刘友兆,张鸿辉,等.集成变权与约束性模糊CA的城镇用地扩张情景模拟[J].武汉大学学报(信息科学版),2013, 38(4):498-504.

[61] 黎夏,叶嘉安,刘涛,等.元胞自动机在城市模拟中的误差传递与不确定性的特征分析[J].地理研究,2007,26(3):443-451.

[62] WANG H,HE S,LIU X,et al.Simulating urban expansion using a cloud-based cellular automata model:A case study of Jiangx ia,Wuhan,China[J].Landscape and U rban Planning,2013,110:99-112.

[63] GOODCHILD M F.The validity and usefulness of laws in geographic information science and geography[J].Annals of the Association of American Geographers,2004,94(2):300-303.

[64] 王海军,贺三维,张文婷,等.顾及障碍空间距离和区域差异的元胞自动机城市扩展模型构建[J].武汉大学学报(信息科学版),2011(8):999-1002.

[65] 刘耀彬,戴璐,董玥莹.环鄱阳湖区分区土地利用景观格局变化模拟研究[J].长江流域资源与环境,2015,24(10):1762-1770.

[66] 柯新利,邓祥征,刘成武.基于分区异步元胞自动机模型的耕地利用布局优化——以武汉城市圈为例[J].地理科学进展, 2010,29(11):1442-1450.

[67] 乔纪纲,何晋强.基于分区域的元胞自动机及城市扩张模拟[J].地理与地理信息科学,2009,25(3):67-70.

[68] 吴巍,周生路,魏也华,等.空间异质模型在城市扩展模拟中的应用与评估[J].湖南大学学报(自然科学版),2013,40(12): 114-119.

[69] 荣月静,张慧,赵显富.基于MCE-CA耦合模型的嘉兴市土地利用预测情景下生态敏感性评价[J].农业资源与环境学报, 2015(4):343-353.

[70] 张岩,陈云浩,李京.人口条件约束下的城市元胞自动机模型研究[J].中国图象图形学报,2007,12(8):1483-1488.

[71] YANG J,T ANG G,CAO M,et al.An intelligent method to discover transition rules for cellular automata using bee colony optimisation[J].International Journal of Geographical Information Science,2013,27(10):1849-1864.

[72] LIU X,LI X,LIU L,et al.A bottom-up approach to discover transition rules of cellular automata using ant intelligence[J]. International Journal of Geographical Information Science, 2008,22(11-12):1247-1269.

[73] 冯永玖,刘妙龙.一种基于机器学习的城市发展模拟元胞模型[J].测绘科学,2011,36(3):216-218.

[74] 黎夏,叶嘉安.知识发现及地理元胞自动机[J].中国科学(D辑:地球科学),2004,34(9):865-872.

[75] CAO M,T ANG G,SHEN Q,et al.A new discovery of transition rules for cellular automata by using cuckoo search algorithm[J].International Journal of Geographical Information Science,2015,29(5):1-19.

[76] LIU X,LI X,SHI X,et al.A multi-type ant colony optimization(M ACO)method for optimal land use allocation in large areas[J].International Journal of Geographical Information Science,2012,26(7):1325-1343.

[77] LIU X,LI X,SHI X,et al.Simulating land-use dynamics under planning policies by integrating artificial immune systems with cellular automata[J].International Journal of Geographical Information Science,2010,24(5):783-802.

[78] LI X,LIU X,YU L.A systematic sensitivity analysis of constrained cellular automata model for urban growth simulation based on different transition rules[J].International Journal of Geog raphical Information Science,2014,28(7):1317-1335.

[79] LONG Y,SHEN Z,MAO Q.Retrieving spatial policy parameters from an alternative plan using constrained cellular automata and regionalized sensitivity analysis[J].Environment and Planning B:Planning and Design,2012,39(3):586-604.

[80] HALDER C,BACHNIAK D,MADEJ L,et al.Sensitivity analysis of the finite difference 2-D cellular automata model for phase transformation during heating[J].ISIJ International,2015,55(1):285 -292.

[81] BILOTT A G,CAPPELLO A,HERAULT A,et al.Sensitivity analysis of the M AGFLOW cellular automaton model for lava flow simulation[J].Environmental Modelling&Software, 2012,35:122-131.

[82] BENGUIGUI L,CZAMANSKI D,ROTH R.Modeling cities in 3D:A cellular automaton approach[J].Environment and Planning B-Planning&Design,2008,35(3):413-430.

[83] 秦静,方创琳,王洋.基于元胞自动机的城市三维空间增长仿真模拟[J].地球信息科学学报,2013(5):662-671.

[84] 杨青生,黎夏.基于动态约束的元胞自动机与复杂城市系统的模拟[J].地理与地理信息科学,2006,22(5):10-15.

[85] 龙瀛,毛其智,沈振江,等.综合约束CA城市模型:规划控制约束及城市增长模拟[J].城市规划学刊,2008(6):83-91.

[86] 杨娟,王昌全,夏建国,等.基于元胞自动机的土地利用空间规划辅助研究——以眉山市东坡区为例[J].土壤学报,2010,47 (5):847-856.

[87] 马世发,艾彬,念沛豪.基于约束性CA的土地利用规划预评估及警情探测[J].地理与地理信息科学,2014,30(4):51-55.

[88] 龙瀛,韩昊英,毛其智.利用约束性CA制定城市增长边界[J].地理学报,2009,64(8):999-1008.

[89] 匡文慧,刘纪远,邵全琴,等.区域尺度城市增长时空动态模型及其应用[J].地理学报,2011,66(2):178-188.

[90] 田义超,梁铭忠,任志远.城乡过渡区土地利用变化模拟与生态风险时空异质性特征[J].环境科学研究,2013,26(5):540 -548.

[91] 蒙吉军,严汾,赵春红.大城市边缘区土地利用变化模拟研究——以北京市昌平区为例[J].应用基础与工程科学学报, 2010,18(2):197-208.

[92] 李明杰,钱乐祥,吴志峰,等.广州市海珠区高密度城区扩展SLEUT H模型模拟[J].地理学报,2010,65(10):1163-1172.

[93] 何丹,金凤君,蔡建明.近20年京津廊坊地区城市增长模拟和预测研究[J].经济地理,2011,31(1):7-13.

[94] 崔福全,徐新良,孙希华.上海城市空间扩展过程模拟预测的多模型对比[J].生态学杂志,2012,31(10):2703-2708.

[95] 王行风,汪云甲.采煤驱动下的矿区土地利用演化模拟和预测[J].金属矿山,2011(1):132-135.

[96] 王行风,汪云甲,李永峰.基于生命周期理论的煤矿区土地利用演化模拟[J].地理研究,2009,28(2):379-390.

[97] 杨俊,裴颖,席建超,等.基于BDI决策的MAS-CA模型黄海海滨城镇格局模拟研究——以大连金石滩为例[J].地理科学,2016(3):410-416.

[98] 黄焕春,运迎霞.基于改进logistic-CA的城市形态多情景模拟预测分析——以天津滨海地区为例[J].地球信息科学学报, 2013,15(3):380-388.

[99] 李俊,董锁成,李宇,等.宁蒙沿黄地带城镇用地扩展驱动力分析与情景模拟[J].自然资源学报,2015(9):1472-1485.

[100] 曾永年,靳文凭,王慧敏,等.青海高原东部土地利用变化模拟与景观生态风险评价[J].农业工程学报,2014(4):185-194.

[101] 王磊,王羊,蔡运龙.土地利用变化的ANN-CA模拟研究——以西南喀斯特地区猫跳河流域为例[J].北京大学学报(自然科学版),2012,48(1):116-122.

[102] 吴志峰,柴彦威,党安荣,等.地理学碰上“大数据”:热反应与冷思考[J].地理研究,2015,34(12):2207-2221.

[103] LYNCH C.Big data:How do your data grow?[J].Nature, 2008,455(7209):28-29.

[104] FU NG I C,T SE Z T H,FU K.Converting big data into public health[J].Science,2015,347(6222):620.

[105] BOYD D,CRAWFORD K.Critical questions for big data:Provocations for a cultural,technological,and scholarly phenomenon[J].Information,Communication&Society,2012,15(5): 662-679.

[106] 蒋大亮,孙烨,任航,等.基于百度指数的长江中游城市群城市网络特征研究[J].长江流域资源与环境,2015,24(10): 1654-1664.

[107] 隋正伟,邬伦,刘瑜.基于签到数据的城市间交互网络研究[J].地理与地理信息科学,2013,29(6):1-6.

[108] 陈映雪,甄峰,王波,等.基于社会网络分析的中国城市网络信息空间结构[J].经济地理,2013,33(4):56-63.

[109] 甄峰,王波,陈映雪.基于网络社会空间的中国城市网络特征——以新浪微博为例[J].地理学报,2012,67(8):1031-1043.

[110] 陈映雪,甄峰.基于居民活动数据的城市空间功能组织再探究——以南京市为例[J].城市规划学刊,2014(5):72-78.

[111] 王波,甄峰,张浩.基于签到数据的城市活动时空间动态变化及区划研究[J].地理科学,2015,35(2):151-160.

[112] 李德仁,张良培,夏桂松.遥感大数据自动分析与数据挖掘[J].测绘学报,2014,43(12):1211-1216.

[113] 尹灵芝,朱军,王金宏,等.GPU-CA模型下的溃坝洪水演进实时模拟与分析[J].武汉大学学报(信息科学版),2015,40 (8):1123-1129.

[114] 赵斯思,周成虎.GPU加速的多边形叠加分析[J].地理科学进展,2013,32(1):114-120.

[115] 李乔,郑啸.云计算研究现状综述[J].计算机科学,2011,38 (4):32-37.

[116] 史文中,陈江平,詹庆明,等.可靠性空间分析初探[J].武汉大学学报(信息科学版),2012,37(8):883-887,991.

[117] 史文中,秦昆,陈江平,等.可靠性地理国情动态监测的理论与关键技术探讨[J].科学通报,2012(24):2239-2248.

Theoretical and Methodological Perspectives of Fine-Scale Urban Expansion Cellular Automata for the Large Regions

WANG Hai-jun1,2,XIA Chang1,LIU Xiao-ping3,ZHANG An-qi1,4,ZHU Jue-ran1,WANG Hui-xia1
(1.School of Resource and Environmental Science,Wuhan University,Wuhan 430079; 2.Key Laboratory of Geographic Inf ormation Systems,Ministry of Education,Wuhan University,Wuhan 430079; 3.School of Geography and Planning,Sun Yat-Sen University,Guangzhou510275; 4.School ofUrban Planning and Design,Peking University,Shenzhen518055,China)

There are two inexorable trends in researches on urban model:that is research unit shifting from rough towards finescale unit,and the field of study ranging from a single city,to city clusters,the entire nation,and even the world as a whole. However,great difficulty remains in the establishment of fine-scale urban simulation models designed for large geographic areas.T he scale of large geography and basic spatial unit need to be taken into consideration,which sets new requirements for the computing power,data quality,statistics and methodology of geological simulation.Under this background,this paper summarizes major breakthroughs and new features in cellular automata of urban expansion in recent years from aspects of theory,methods and application research.It also proposes developing the key technology of refining city model with large scale and the main urgent questions,in order to meet the requirements of future city model in big data and high-accuracy.The paper draws the following conclusions:1)integrating urban spatial interaction model and geographical cellular automata could cover the shortage of urban expansion cellular automata in showing the space connection and interaction of urban network;2)abundant geographic spatiotemporal data provides unprecedented opportunities for simulation research in fine-scale urban expansion with large scale; 3)high-performance parallel computing technology of geographical cellular automata could serve as efficient computing tool for refining urban expansion with large scale;4)exploring the reliability of geographic spatiotemporal data and geographical simulation process is necessary to achieve more accurately simulating and predicting the real world.

urban expansion simulation;cellular automata;large regions;fine-scale unit

F291;T P301

A

1672-0504(2016)05-0001-08

10.3969/j.issn.1672-0504.2016.05.001

2016-07-15;

2016-08-09

国家自然科学基金项目(41571384)

王海军(1972-),男,博士,教授,主要从事地理模拟、土地利用规划和土地资源评价等方面的研究。*通讯作者E-mail:liux p3@mail.sysu.edu.cn