基于因子筛选和约束性启发式优化的地理元胞自动机模型研究

Coastal land-use/land-cover have been changing dramatically with the increasing effects of global change and human activities. It is academically valuable to build an optimized cellular automata (CA) model and predict the multi-temporal scenarios of complex land-use. Considering the challenges arising from geographical CA-based modeling, this proposal is aimed at developing more accurate and reliable CA models of land-use change. Three critical issues, which focus on screening of key factors, intelligent optimization of CA transition rules and construction of simulation models, will be investigated in detail. This proposal is to: 1) develop a new method to determine the best combination of drivers in land-use modeling and build the connection relations for ‘development strategies - CA rules - future scenarios’; 2) construct a geographic CA model (named DE-Markov-CA) based on Markov chain and a heuristic optimization method of differential evolution (DE) with complex spatial constraints, hence to improve the accuracy of land-use simulation and the credibility of scenario prediction; and 3) calibrate the DE-Markov-CA model by modeling the complex land-use change of urban agglomeration in the Yangtze River Delta during 1995-2015, and predict the land-use scenarios of the study area in 2025, 2035 and 2045 under different development strategies. The contribution of this proposal lies in developing and improving the modeling methods of CA-based complex land-use simulation as well as providing spatial decision supports for sustainable development and integrated management of coastal zones.

随着全球变化和人类活动加剧，沿海区域土地利用/覆盖持续变化，开展土地利用元胞自动机（CA）优化模拟模型和多时序多情景预测研究具有重要的理论意义。针对当前地理CA模拟中存在最佳因子组合确定、约束性优化建模和情景预测中CA规则调整等难题，本项目以关键性影响因子筛选、转换规则智能优化、模拟模型建立和模型验证实践为研究主线，开展复杂多类型土地利用变化模拟与情景预测研究，突破地理模拟中最佳影响因子组合的确定方法、构建“发展策略-CA规则-未来情景”的关联机制；基于Markov链和启发式优化差分进化算法，建立以发展策略和环境条件为空间约束的CA优化模拟模型，提高土地利用变化模拟的精度和情景预测的可信度。以长江三角洲城市群为例验证模型，以1995-2015年历史数据校准提出的模型并预测不同发展策略下2025、2035和2045年的土地利用情景，为海平面上升背景下区域可持续发展和综合管理提供空间决策支持。

面向长三角一体化国家战略，开展土地利用变化与城市空间演变的模拟理论方法的研究，是支撑重点区域国土空间规划和高质量城市发展的有效途径，也是支撑长三角一体化发展的关键。针对城市空间模拟，确认和筛选影响因子是其基础，演变规则挖掘和模拟模型构建是其关键。为了得到更为准确和应用能力更强的模拟方案和模拟结果，本项目突破了影响因子构建的通用方法，研发了全新一代城市模拟软件UrbanCA和CityAIModel，突破了城市土地利用及其环境影响的模拟关键技术。主要研究内容包括：1）开展了地理模拟中最佳影响因子组合的确定方法，2）构建了“发展策略-CA规则-未来情景”的关联机制，3）基于Markov链和启发式优化差分进化算法，建立以发展策略和环境条件为空间约束的CA优化模拟模型。通过研发的关键技术，提高了土地利用变化模拟的精度和情景预测的可信度。模型方法和软件应用在长三角上海、杭州、苏州、南京、宁波、温州等典型城市，也在郑州、昆明、滁州等不同地形和发展条件下的城市得到了验证。项目研究成果为国土空间规划和城市综合管控提供了关键支撑，也为海平面上升背景下海岸带区域可持续发展提供了空间决策支持。项目在国际SCI期刊发表高质量论文21篇，申请和授权国家发明专利10项，特邀学术报告2次，已培养硕士8人，正在培养博士5人。