基于多智能体与元胞自动机的上海城市扩展动态模拟

利用元胞自动机模型和多智能体模型相结合的方法,在GIS技术手段的支持下构建了一个能够兼顾两种模型优点的城市扩展动态模型,并以上海市为实证对象,模拟了上海市2005年的城市扩展动态,分别预测了2010年和2020年上海城市扩展的动态演化结果。在元胞自动机模型中定义城市系统中的各种自然、社会和交通等要素,在智能体模型中定义政府和居民智能体的行为。模型将二者结合起来,模拟上海中心城区、城郊区及外围区的城市用地扩展模式。对模型模拟的上海2005年土地利用状态和实际土地利用状态进行验证,Kappa系数的平均值达到0.75以上,说明模型具有较高的可信度。对预测出2010年和2020年上海市土地利用状态分析表明,城镇用地以向东部和南部扩张最为明显。     

集成灰色分析和元胞自动机用于景观动态模拟

针对景观生态系统"复杂性"的特点,采用灰色局势确定邻域转换规则,构建元胞自动机,用于模拟和分析景观生态动态变化.在信息不完全的情况下,提高了元胞自动机景观生态动态模型的可靠性和可行性.以中国云南省怒江流域中段作为实例,确定影响元胞转换规则的三因素主要有元胞邻域的聚集程度,土地适宜程度和人类活动影响程度,根据景观这一类复杂系统的动态变化特征其权重随地理空间位置和时间而变化,同时用Monte Carlo法考虑了模拟时转换的随机性.通过计算显示模拟未来发展的情景总的趋势是符合实际的,不但模拟了微观的景观单元的自组织机制,而且在一定程度上反映了宏观的社会经济因素影响,因而更具有针对性、典型性及准确性.     

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

利用元胞自动机(cellular automata,CA)模拟土地利用情景,有助于理解其变化机理,并为土地资源持续利用提供空间决策支持.本文基于生物进化过程的遗传算法(genetic algo-rithm,GA)将CA参数编码成为染色体,在模拟结果与真实结果差异值的引导下,通过选择、杂交和变异算子使最优的染色体得以遗传和保留,从而建立智能优化的元胞自动机模型.以浙江省嘉兴市1992-2008年土地利用变化为例,分别利用6%(66个·km-2)和3%(33个·km-2)两种样本方案构建遗传CA模型进行土地利用变化模拟,并通过混淆矩阵、Kappa系数和景观指数对模拟结果进行评估.结果表明:遗传CA模拟结果能在数量、位置和景观格局上以超过80%的水平接近真实分类,且大样本量构建的遗传CA的模拟精度更高;2008年的模拟精度和景观综合指数低于2001年,表明遗传CA的模拟精度和景观综合指数随模拟时间而衰减.     

“生态位”元胞自动机在土地可持续规划模型中的应用

快速城市化带来了一系列的环境生态问题。有必要把生态学的概念引进城市规划中,以减少城市发展带来的弊端。提出了基于“生态位”的元胞自动机（CA）的新模型,并将其应用在土地利用规划中。探讨了如何通过“生态位”元胞自动机和GIS的结合进行城市土地可持续利用的规划。该模型可方便地探索不同土地利用政策下城市土地利用发展情景,能够为城市规划提供有用的决策支持。旨在探索通过模拟的手段对城市土地利用进行合理的规划。将该模型应用于快速发展的广州市,并取得了较有意义的结果。     

软计算在生态模型中的应用

由于生态系统的高度复杂性和非线性以及空间数据采集技术的快速发展,近年来越来越多的软计算方法开始应用到生态模拟中来。软计算是个非常广泛的领域,在模式上主要包括元胞自动机、基于个体和盒式模式等;在方法上代表性的有人工神经网络、模糊数学、遗传算法、混沌理论等。重点介绍元胞自动机和规律方法在生态模型中的应用,具体实例包括种群动态模拟、水华预警和生境栖息地模拟。     

基于元胞自动机的森林水源涵养量模型新方法—— 概念与理论框架

模型方法是定量评价森林水源涵养的重要途径。根据元胞自动机的基本理论,结合森林水源涵养效应的多尺度特征,提出了一个新的基于元胞自动机的森林水源涵养量计算模型。该模型将森林"水文响应单元"网格化作为元胞空间的基本单元,邻域定义为摩尔(Moore)型,元胞"水库"水量状态变化范围定义在一个连续的实数空间上。将元胞单元对不同降雨事件的响应分为不产生径流和产生径流两种情况,通过对蒸散发、邻域元胞间水量传输、深层渗漏等制定转换规则,模拟森林在不同尺度上的水源涵养动态特征。这种新模型方法将为森林水源涵养由小尺度(水文响应单元)向流域、景观尺度上推提供有效的定量研究途径,从而进一步推动森林水源涵养功能研究的深入。     

基于CA-Markov模型和多目标优化的大连市土地利用格局

运用马尔科夫转移矩阵、多准则评估以及元胞自动机耦合的CA-Markov模型,基于1990、2000、2010年土地利用图、地形因子和地理要素等,模拟大连市未来土地利用景观格局变化趋势.基于大连市土地利用结构、经济社会、自然环境等特点,结合大连市城市总体规划和土地利用规划,建立经济、社会、环境3个目标导向的模糊多目标优化模型,优化配置了大连市未来土地利用格局.结果表明:1990-2010年,大连的快速发展呈现出建设用地持续扩张而耕地、林地面积缩小的特点,以现有城市化速度发展,到2020年大连市景观格局土地覆盖将发生很大变化,景观破碎化程度将加剧.优化调整土地利用数量结构,能满足未来大连可持续发展的要求.     

基于元胞自动机的城市空间动态模拟

城市空间动态的模拟与预测可以为城市可持续发展规划与管理提供重要的参考依据。SLEUTH元胞自动机模型在城市空间模拟中较强的适用性和可移植性,该模型通过对历史数据的蒙特卡洛迭代自动寻找城市增长误差最小的参数组合,解决了传统元胞自动机模型中转换规则不易确定的问题。以武汉市为研究案例,运用SLEUTH模型进行了城市空间动态模拟与情景预测。2007年至2011年的城市空间模拟结果显示,模拟结果与实际历史数据可以获得良好的空间匹配度,Lee-Sallee形状指数均在0.6以上,显示SLEUTH元胞自动机模型经过本地化校正后具有较强的适用性和满意的模拟精度。进而,设置了现状趋势、基本保护、严格保护等3种情景对武汉2025年城市空间动态进行了预测,结果显示,各情景模式下城市居住用地均明显增长,农业用地、林地、水域等均有所减少;现状趋势情景和基本保护情景下农田、林地、水域减少的幅度较大,会加剧区域的生境破碎、耕地功能下降、水资源匮乏、湖滨湿地萎缩等生态问题,说明这两种情景不能有效满足城市生态系统健康和可持续发展的需要。严格保护情景下,城市居住用地扩张的程度得到了明显的控制,水域和林地得到了有效的保护,对于重要的自然生态系统组分保护及其服务能力维持可以起到显著作用。     

土地系统动态模拟方法研究进展

土地系统动态模拟对土地利用规划、国土资源管理具有重要指导价值.基于经验统计的方法、多智能主体分析的方法、栅格邻域关系分析的方法以及近年来发展起来的土地系统动态模拟系统(DLS)方法是当前开展土地系统动态模拟的主要手段.本文综述了上述4种方法的原理、特点与应用案例,概括了相关方法在理论依据和推广应用等方面的优点与不足,展望了DLS在土地系统动态模拟方面的广阔应用前景.     

外来入侵物种的风险评估定量模型及应用

预防生物入侵的一个重要手段是对外来物种进行风险评估,应用模型则是定量评估的必备方法。本文简述了常用的适生性风险评估模型,概述了诸如遗传算法、模糊包络模型、自组织特征映射网络等较新的理论方法,它们使用环境变量和物种实际分布数据,利用不同的机理模型预测物种潜在分布区。本文还综述了适用于研究物种扩散性的模型,积分差分方程模型可以模拟物种扩散行为,元胞自动机模型可以揭示种间竞争关系,景观中性模型大多用于种群动态等生态过程的研究。     

基于智能体模型的青岛市林地生态格局评价与优化

设计并在GIS平台上开发了基于智能体的生态格局评价模型,以青岛市及周边地区林地为研究对象,分析不同林地空间格局及生态网络保护框架对于物种生存与扩散的影响.结果表明,与现状相比,不同等级的生态网络框架对物种种群数量与物种迁移都有明显提升,且等级越高的生态网络框架提升作用越明显.然而仅仅依靠生态网络框架不足以使研究区域林地系统形成功能上的相互连通,因此,在分析研究区域现状土地利用格局基础上,提出与湿地系统结合,在胶州湾周围及大沽河干流地区增加林地的空间布局.通过模型模拟分析,发现优化后的林地空间格局结合生态网络框架能有效提升林地之间的物种扩散.基于模拟结果,为研究区林地生态格局构建提出如下建议:(1)保证现有的规模较大的林地不被破坏;(2)青岛市中部湿地系统可以作为新增林地的理想区域;(3)生态网络框架可作为青岛市建立城市组团间生态间隔的空间参考.     

上海城市热岛效应形成机制及空间格局

城市热岛效应的产生及演变与城市地表覆被变化、人类社会经济活动密切相关,是城市生态环境状况的综合概括与体现,目前对城市热岛形成、演变的驱动机制、热岛效应与地表覆被变化的定量关系研究大多还是从对某些影响因子的测定入手,缺乏对区域热环境系统全面、综合的评价与分析.近年来,在城市化过程中,人类社会、经济活动的加剧使城市地表热力景观呈现出高度的空间异质性,在利用Landsat 7 ETM+热波段数据反演上海地区地表温度的基础上,应用地统计学方法揭示了不同尺度下上海城市地表温度场空间变异特征及其不同的驱动因子.进而,采用决策树方法构造城市热环境系统的分类和预测模型,建立中心城区地表温度场空间分布及其驱动因素之间的定量关系,挖掘上海城市热岛效应的形成机制,揭示出多种影响因素综合作用下中心城区热环境空间格局差异.研究结果表明,城市热环境形成的驱动因子在空间上呈现出明显的分异性特征,各种影响因素在空间上不同的组合方式将决定城市热岛效应的时空演变趋势.运用决策树方法可以有效地确定在城市内部不同区域影响热环境形成的主导因素,揭示城市热岛形成与演变的成因机制及其空间差异,并可以进一步用来预测分析未来城市地表温度场动态变化的空间分布格局.     

Actions,Action Sequences and Habits: Evidence That Goal-Directed and Habitual Action Control Are Hierarchically Organized

Behavioral evidence suggests that instrumental conditioning is governed by two forms of action control: a goal-directed and a habit learning process. Model-based reinforcement learning (RL) has been argued to underlie the goal-directed process; however, the way in which it interacts with habits and the structure of the habitual process has remained unclear. According to a flat architecture, the habitual process corresponds to model-free RL, and its interaction with the goal-directed process is coordinated by an external arbitration mechanism. Alternatively, the interaction between these systems has recently been argued to be hierarchical, such that the formation of action sequences underlies habit learning and a goal-directed process selects between goal-directed actions and habitual sequences of actions to reach the goal. Here we used a two-stage decision-making task to test predictions from these accounts. The hierarchical account predicts that, because they are tied to each other as an action sequence, selecting a habitual action in the first stage will be followed by a habitual action in the second stage, whereas the flat account predicts that the statuses of the first and second stage actions are independent of each other. We found, based on subjects'' choices and reaction times, that human subjects combined single actions to build action sequences and that the formation of such action sequences was sufficient to explain habitual actions. Furthermore, based on Bayesian model comparison, a family of hierarchical RL models, assuming a hierarchical interaction between habit and goal-directed processes, provided a better fit of the subjects'' behavior than a family of flat models. Although these findings do not rule out all possible model-free accounts of instrumental conditioning, they do show such accounts are not necessary to explain habitual actions and provide a new basis for understanding how goal-directed and habitual action control interact.     

Using Uncertainty and Sensitivity Analyses in Socioecological Agent-Based Models to Improve Their Analytical Performance and Policy Relevance

Agent-based models (ABMs) have been widely used to study socioecological systems. They are useful for studying such systems because of their ability to incorporate micro-level behaviors among interacting agents, and to understand emergent phenomena due to these interactions. However, ABMs are inherently stochastic and require proper handling of uncertainty. We propose a simulation framework based on quantitative uncertainty and sensitivity analyses to build parsimonious ABMs that serve two purposes: exploration of the outcome space to simulate low-probability but high-consequence events that may have significant policy implications, and explanation of model behavior to describe the system with higher accuracy. The proposed framework is applied to the problem of modeling farmland conservation resulting in land use change. We employ output variance decomposition based on quasi-random sampling of the input space and perform three computational experiments. First, we perform uncertainty analysis to improve model legitimacy, where the distribution of results informs us about the expected value that can be validated against independent data, and provides information on the variance around this mean as well as the extreme results. In our last two computational experiments, we employ sensitivity analysis to produce two simpler versions of the ABM. First, input space is reduced only to inputs that produced the variance of the initial ABM, resulting in a model with output distribution similar to the initial model. Second, we refine the value of the most influential input, producing a model that maintains the mean of the output of initial ABM but with less spread. These simplifications can be used to 1) efficiently explore model outcomes, including outliers that may be important considerations in the design of robust policies, and 2) conduct explanatory analysis that exposes the smallest number of inputs influencing the steady state of the modeled system.     

A socio‐ecological model for predicting impacts of land‐use and climate change on regional plant diversity in the Austrian Alps

Climate and land‐use change jointly affect the future of biodiversity. Yet, biodiversity scenarios have so far concentrated on climatic effects because forecasts of land use are rarely available at appropriate spatial and thematic scales. Agent‐based models (ABMs) represent a potentially powerful but little explored tool for establishing thematically and spatially fine‐grained land‐use scenarios. Here, we use an ABM parameterized for 1,329 agents, mostly farmers, in a Central European model region, and simulate the changes to land‐use patterns resulting from their response to three scenarios of changing socio‐economic conditions and three scenarios of climate change until the mid of the century. Subsequently, we use species distribution models to, first, analyse relationships between the realized niches of 832 plant species and climatic gradients or land‐use types, respectively, and, second, to project consequent changes in potential regional ranges of these species as triggered by changes in both the altered land‐use patterns and the changing climate. We find that both drivers determine the realized niches of the studied plants, with land use having a stronger effect than any single climatic variable in the model. Nevertheless, the plants' future distributions appear much more responsive to climate than to land‐use changes because alternative future socio‐economic backgrounds have only modest impact on land‐use decisions in the model region. However, relative effects of climate and land‐use changes on biodiversity may differ drastically in other regions, especially where landscapes are still dominated by natural or semi‐natural habitat. We conclude that agent‐based modelling of land use is able to provide scenarios at scales relevant to individual species distribution and suggest that coupling ABMs with models of species' range change should be intensified to provide more realistic biodiversity forecasts.     

Complexity in Urban Development and Management

Systems dynamics, cellular automata, agent-based modeling, and network analyses have been used in population, land use, and transport planning models. An overview of complex systems science as applied to urban development is presented, and examples are given of where the problems of housing people and anticipating their movements have been addressed with complex approaches, sometimes in concert with deterministic, large-scale urban models. Planning for cities today has additional environmental and social priorities in common with many topics that concern industrial ecology. The research agenda suggested here is that this, too, can be enriched with complex systems thinking and models to complement the often static assessment of environmental performance and better inform decision processes.     

城市热环境风险预测及时空格局分析

人类活动改变土地利用/覆被所诱发的城市热环境风险成为影响城市化进程和城市生态环境可持续发展的重大阻碍。但是,当前热环境风险识别、评估和预控技术和方法缺失使得城市热环境安全防范和调控措施相对滞后。构建城市热环境风险预测模型:(1)将不同时期的地表温度进行正规化分级;(2)构建基于MARKOV-CA的城市热环境时空过程预测模型并验证其精度;(3)建立城市热环境风险评判规则并分析城市热环境风险时空格局特征。通过2005—2015年夏季MODIS地表温度产品及1∶10万土地利用现状遥感监测数据预测2015—2020年北京市城市热环境风险时空格局并分析其特征。北京市城市热环境风险呈增加趋势,其中极高风险区面积比例从9.66%上升到12.08%,极高风险等级区域主要分布于东西城区、朝阳区、丰台区、石景山区、海淀区东部、大兴区西北部,并逐渐向东西方向延伸,斑块数量增加,聚合程度也有所提高。城市热环境风险预测模型可对通过城市空间规划调控和防范城市热岛效应提供理论和技术支撑。     

局地气候分区视角下城市气候与人居环境研究进展

城市气候与人居环境交互影响。局地气候分区(Local Climate Zone, LCZ)推动了城市形态刻画与气候演变规律探索,为城市气候与人居环境研究提供了统一框架。学术界对其研究大多聚焦在城市热环境和气候风险方面,正在向多要素气候模拟和考虑社会经济因素方向发展。审查了主题、方法和主要结论,发现"局地气候分区"、"城市热岛"、"地表温度"、"管理"和"社区"出现频率最高。采用文献计量和专题分析方法,梳理并总结了2012-2023年6月LCZ城市气候与人居环境研究在LCZ制图、相互作用和适应性策略三方面的进展,并展望了未来的研究重点。结果表明,① 全球已在超过280座城市开展了LCZ研究,LCZ全球数据集的推广扩大了研究尺度且丰富了研究内容;② 大多研究分析了风热环境为主的气候要素在局地尺度上的时空特征,探讨产生异质性的原因及其对人居环境的作用机理,揭示了城市蓝绿空间对于优化冷却效果、防范和治理热源等缓解性策略的重要性。其中自2018年起LCZ热环境研究向多元化发展,研究区域开始出现大都市圈或城市群;③ LCZ能够辅助识别人居环境中高度暴露和脆弱的地区,近年来的研究趋向于在气候/生态风险评估中寻找适应性策略,且更加关注易感人群和低收入者。综述将有利于LCZ框架下城市气候与人居环境研究现状和发展趋势的宏观把握,为后续研究提供思路。     

Agent农业土地变化模型研究进展

农业土地变化是全球变化与可持续研究的热点,当前研究虽取得了长足进展,但仍存在诸多不足,集中表现在对农业土地系统复杂性与动态性的认识不够.近年来,基于Agent的农业土地变化研究(农业ABM/LUCC,Agent-based agricultural land change modeling)逐渐兴起,极大的丰富了传统研究的理论与方法,具体表现在:(1)农业ABM/LUCC将微观层面的人类个体行为整合进土地变化研究框架,有助于更加清楚的认识农业土地系统的“人类-自然”综合复杂性问题.(2)农业ABM/LUCC能够动态表达土地系统变化的内生反馈机制,有助于弥补传统的静态土地变化驱动机制分析的不足.(3)基于ABM/LUCC的农业土地利用格局动态研究是整合“人类-自然”综合研究的关键桥梁,农业ABM/LUCC能够与其他生物地球物理模型或经济模型动态嵌套,使多尺度、多维度综合模型研究成为可能.然而,农业ABM/LUCC研究也存在诸多挑战,如理论研究滞后于应用研究,大尺度应用难以开展,以及农户行为的模拟结果很难得到校验等.     

最优气孔行为理论和气孔导度模拟

气孔调节功能是陆地生态系统碳-水耦合过程中最重要的环节。与即时的气孔导度测量相比, 气孔导度斜率能有效地反映气孔导度对CO₂浓度、饱和水汽压亏缺和光合作用的敏感性, 包含了环境因子对光合作用和临界水分利用效率等的综合影响, 为研究全球变化下陆地生态系统碳-水耦合关系提供了一个简明且综合的框架。气孔导度模型从经验模型、半经验模型发展到机理模型, 经过很多学者的改进, 但是模型参数的生物学意义和变化规律还不明确。鉴于气孔导度斜率方面研究的重要性和研究的不足, 为了加强对气孔导度调节规律的认识, 并减少气孔导度模拟的不确定性, 该文主要综述了长期以来国内外关于最优气孔行为理论和气孔导度模拟方面的研究成果, 其中包括广泛使用的气孔导度模型及参数意义, 讨论影响气孔导度斜率的主要因素以及气孔导度机理模型的应用, 并对最优气孔行为理论和气孔导度模拟方面的研究做了简单展望。