杨俊
, 裴颖
Yang Jun, Pei Ying
中图分类号: K903
文献标识码: A
收稿日期: 2015-04-1
修回日期: 2015-10-12
网络出版日期: 2016-03-20
版权声明: 2016 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
杨俊 (1978-),男,湖北孝昌人,副教授,主要从事区域地表过程、土地利用变化模拟与地理信息系统应研究。E-mail: yangjun@lnnu.edu.cn
展开
摘要
基于BDI决策MAS-CA模型,利用1998年、2003年、2008年和2013年土地利用数据,对大连金石滩2020年和2030年城镇区域面积进行模拟,Kappa系数达到0.635。研究结果表明：① BDI决策补充了MAS-CA模型决策的不足,使得模型整体框架进一步完善,模拟结果具体准确,精度达到89.1%。② 金石滩城镇用地呈现出依附海岸线和交通线的格局,向海岸线靠拢,城镇用地在中部区域比较集中且城镇用地有向周围区域扩张的趋势,葡萄沟村、河咀子村、庙上村、什字街村转变最大。③ 从金石滩城镇格局的模拟结果发现,海岸线因素引导着城镇格局的转变方向。滨海地区的生态环境容易被破坏,政府应该采取措施寻找土地利用与生态环境保护的完美平衡点。
关键词：
Abstract
Based on MAS-CA model improved by BDI decision model, using the land use data of 1998, 2003, 2008 and 2013, this article simulated the urban landscape pattern in 2020 an d 2030 of Jinshitan, Dalian ,which is the typical urban area of coast of the Yellow Sea. The Kappa coefficient is 0.635. The results show that:1) The BDI model supplement the deficiency of the MAS-CA model. After joining BDI decision, the MAS-CA model framework is further improved. Thus makes the results more accurate and specific. The precision reaches 89.1%. 2)The model simulation results show that the urban landscape adjoins to the coastline and the traffic line in Jinshitan area. The urban land moves closer to the coast line. Urban land concentrated in the central region of the area, and obviously expanded into the surrounding area. Land use transformations were most heavily happened in the village of Putaogou, Hejuzi, Miaoshang, Shizijie.3) There are many factors affecting land use conversion. The distance to the coastline is the leading factor of the trend of urban landscape pattern transformation in Jinshitan area. Because of the ecological environment of the coastal area is easily destroyed in the coastal area, the government should take measures to find the perfect balance point between environment protection and economic development.
Keywords：
当前土地研究越来越多元化,城镇化近几年来成为关注的焦点,它反映着人口在时间及空间上的发展变化趋势[1, 2]。数据调查显示,中国城市人口为6.4亿人,预计未来几年将达到7.8亿人[3]。城镇化、特别是滨海区域的城镇化可以直接或间接反映一个地区的经济发展水平,并且对政府决策有很好的辅助支持[4, 5]。
土地利用/覆盖度处于科研前沿,在研究进展中开发出许多的模型应用于各个领域。Veldkamp提出利用动态模型对土地利用变化进行模拟[6, 7],使得模型的应用范围更加广泛。多智能体模型英文全称为Multi-agent System,简写为MAS,它在土地利用变化的模拟与预测中优点突出[8, 9]。在此基础上考虑动力学特征[10]、人文景观[11]、景观细胞等因素形成新的模型[12]。MAS模型模拟应用领域广泛,如牧农选址[13~15]、森林火灾、城市热岛效应[16~18]等。黎夏将MAS与CA模型进行结合[19],使得城市用地发展模拟精确度提高。BDI决策,英文全称为Belief-Desire-Intention,由Bratman进行重新定义为信念、愿望、意图3部分[20],具有灵活、真实的逻辑推理特性,其主要应用在洪水调度[21]、空中交管[22]方面。MAS-CA模型在一定程度上提高了模拟精度,但却没有考虑各智能体对环境变化决策的多准则性,未考虑到逻辑推理的复杂性[23, 24],引入灵活、真实的BDI进行逻辑推理模拟可以补充其决策的不足。大连金石滩具有海滨气候的独特影响因素,将BDI决策引入到MAS模型中对居民智能体、政府智能体基于滨海特征因子以及周围的环境状态的逻辑决策进行模拟,进而对金石滩城镇格局进行模拟,可以弥补MAS模型的不足,得到更加可靠的结论。
金石滩位于辽东半岛南部,与黄海相接,海岸线总长30.012 km,拥有渔场,各类游乐设施,是东北区域理想的海滨旅游度假胜地。金石滩总共2.4万人,定居人口仅59.3%。管辖范围内包括：葡萄沟村、梨树房村、龙山村、河咀子村、什字街村、满家滩村、陈家屯村、庙上村8个行政村（图1）。
本研究基础数据为土地利用数据,依据土地利用现状分类标准(GB/T21010-2007)[25]进行分类,最终规划为9类：草地、耕地、建制镇、交通用地、林地、农村居民点、其他用地、水域、园地;辅助数据为社会经济数据[26],数字高程数据由中国科学院计算机网络信息中心网站下载获得（表1）。
表1 数据来源与说明
Table 1 Data sources and description
| 年份 | 数据名称 | 数据属性 | 数据来源 |
|---|---|---|---|
| 1998年 | 土地利用数据 | 比例尺1∶10000 | 遥感解译 |
| 遥感影像数据 | Landsat7分辨率：15 m | 中国科学院地理科学与资源研究所 | |
| 2003年 | 土地利用数据 | 比例尺1∶10000 | 遥感解译 |
| 遥感影像数据 | SPOT5分辨率：2.5 m | 中国科学院地理科学与资源研究所 | |
| 2008年 | 土地利用数据 | 比例尺1∶10000 | 遥感解译 |
| 遥感影像数据 | SPOT5分辨率：2.5 m | 中国科学院地理科学与资源研究所 | |
| 2013年 | 土地利用数据 | 比例尺1∶10000 | 遥感解译 |
| 遥感影像数据 | SPOT5分辨率：2.5 m | 中国科学院地理科学与资源研究所 | |
| 1998~2013年 | 社会经济数据 | 人口数据、GDP数据 | 大连统计年鉴[26] |
| 1998~2013年 | 数字高程数据 | 分辨率：30 m | 中国科学院计算机网络信息中心 |
根据基础数据与辅助数据,得到金石滩的城镇格局数据。在MAS-CA模型中对数据进行分析模拟,模型中的多智能体层包含2个：政府和居民,2个智能体间相互协调,进行逻辑过程的模拟分析。最后,2个模块进行模型组合对滨海城镇格局进行模拟,具体技术路线见图2。
MAS与CA模型各自模拟顺序一致都是“自下而上”,将两者进行组合并加入BDI决策进行逻辑决策模拟形成创新的MAS-CA模型。运用新模型对大连市金石滩进行城镇区域变化研究,最终通过栅格空间交互实现对未来城镇格局的模拟。为运算简便,将研究区划分为三大区域：城中区域、城郊区域和城外区域。
在CA模块框架中,元胞自动机层主要包括：元胞状态、元胞邻域、元胞转换规则。元胞状态为“城镇用地”和“非城镇用地”,邻域类型为3×3的正方形邻域。通过Binary Logistic回归方法[27]来获取元胞转化规则得到特征因子对应的权重值,转换为城镇用地的概率用PCA表示,对转换概率进行精度检验。在CA模型具体应用中,引入一些特征变量,从社会因子、自然因子、邻域因子3个方面选取11个特征因子(表2),用变量权重数值表现CA模型中滨海城镇转变的不确定性和随机性。
表2 CA模型中的特征因子
Table 2 Influencing factors in CA model
| 类型 | 影响因素 | 获取方式 |
|---|---|---|
| 社会因子 | 到人居用地的距离(X0) | 利用ArcGIS中空间分析模块下的Euclidean-distance |
| 到草地的距离(X1) | ||
| 到耕地的距离(X2) | ||
| 到林地的距离(X3) | ||
| 到园地的距离(X4) | ||
| 到水域的距离(X5) | ||
| 到村政府的距离(X6） | ||
| 到交通用地的距离(X7） | ||
| 自然因子 | 高程(X8） | 利用ArcGIS的IDW插值 |
| 坡度(X9） | ||
| 邻域因子 | 城镇邻域(X10） | 选择元胞转换概率最大的类型 |
MAS建模通过居民智能体与政府智能体之间的复杂决策进行自下而上的仿真模拟,在运行过程中加入BDI决策,令整体构架更加实用与灵活[23, 24, 28]。
2.2.1 信念构建
信念是智能体决策者提出有关自己和周围环境的信息说明[29],决策者对环境与周围系统信息进行筛选评估、总结梳理然后进行表达,表示为：
Bt+1=f{Pt,Bt} （1）
式中：Pt代表居民智能体对周围环境的认知了解及需求标准、通常情况下以土地利用类型、位置来表示;Bt代表居民智能体到特征因素的距离数据集合。
2.2.2 愿望构建
愿望是智能体决策者期望达到的计划目标和状态。智能体由愿望和信念来指引计划方向,构成意图决策,在其指引下开始行为活动[20]具体表示为：
It=f{Bt,Dt} （2）
考虑居民工作状况以及未来生活意图,假设研究时段内,土地利用类型变化正常。意图模型可表达为：
Ijkt=Iin=αDschool+βDpark+θDmarket+ɛin （3）
式中：Ijkt代表在时间t时居民智能体个体j对选址位置k的选择意识,位置i到学校的距离为Dschool、位置i到公园的距离为Dpark、位置i到超市的距离为Dmarket,居民智能体对学校、公园、超市等特征因子的喜好数值分别用α、β、θ表示,且α+β+θ=1,为了模拟准确性加入随机控制项ɛin。Ijkt不仅包含当前居民智能体的选址位置意图,还包含土地类型转换的变化,Ijkt应该是Bt与Dt综合表达的函数。
2.2.3 意图构建
在t+1时期,居民智能体的选址位置需要考虑的更加全面,不仅与自身有关还与其他居民智能体的信念、愿望、意图等决策因素有关。在t+1时期居民智能体的选址位置决策可用下面公式表示：
It+1=f(Iit|i=1,2|) （4）
式中：It+1为居民下一时期的决策意图,居民在进行居住位置选址时主要是考虑对居民智能体的位置效用值;现代生活离不开各种交通设施,便捷的交通道路会加大居民智能体的愿望指数。Ikt表示位置选择时加入政府特征因素的影响后居民在t时对k种空间位置的效用值。Ifinal表示居民最终对位置选择的决策意图,其数值大小即为PA的数值。
首先在ArcGIS软件下获得研究区域的随机栅格数据,与模型中每个栅格进行计算控制土地类型转换的效果。在2个模块的独立运行中加入随机控制因素,公式表示如下：
Pk=Pij=PA×PCA+Prandom （6）
式中：Pk为位置k的城镇转换概率,PA是MAS模块中居民智能体选址位置的选择概率,PCA是CA模块中栅格转换的概率,Prandom是随机影响因素对转换数据的调控概率,Pij是位置ij由原来的土地利用类型转换为城镇用地的概率。
在CA模块内通过Binary Logistic回归方法来获取元胞转化规则,得到城镇用地转变概率,对其进行精度检验。11个特征因子对应的Logistic回归系数见表3,在此基础上继续操作最终得到元胞自动机层转换概率。
表3 CA模型中Logistic回归结果
Table 3 Results of Logistic regression model in CA
| 类型 | 特征因素变量 | 回归系数 | ||
|---|---|---|---|---|
| 城中区域 | 城郊区域 | 城外区域 | ||
| 社会因子 | 到人居用地的距离 | 15.0342 | 16.0175 | 14.0195 |
| 到草地的距离 | 6.0352 | 3.0352 | 7.0352 | |
| 到耕地的距离 | 5.0264 | 1.0352 | 9.0352 | |
| 到林地的距离 | 4.8352 | 4.0352 | 8.0224 | |
| 到园地的距离 | 6.0352 | 3.0352 | 7.0352 | |
| 到水域的距离 | -4.0971 | -3.0171 | 2.0101 | |
| 到村政府的距离 | 15.0345 | 15.0135 | 16.0185 | |
| 到交通用地的距离 | 2.3184 | 5.0171 | 8.0171 | |
| 自然因子 | 高程 | -6.0026 | -6.2326 | -9.0026 |
| 坡度 | -12.5231 | -11.1066 | -11.2656 | |
| 邻域因子 | 城镇邻域 | 8.2774 | 9.0374 | 9.2774 |
不同的居民决策愿望存在差异,特征因子对居民的决策意图存在不同影响,其结果见表4。
表4 不同区域的居民智能体对各特征因子的意图
Table 4 Preference of the resident Agent of the different regions to the characteristic factors
| 城中区域 | 城郊区域 | 城外区域 | |
|---|---|---|---|
| 到学校的距离 | 0.229 | 0.561 | 0.416 |
| 到超市的距离 | 0.309 | 0.315 | 0.379 |
| 到公园的距离 | 0.403 | 0.348 | 0.587 |
对1998~2013年的人口数据进行分析,找到相应的规律,进行线性回归分析后总结出以下关于人口与年份的公式,表达如下：
P=0.827×T+2.365 （7）
式中：P为金石滩的人口总数,其单位为万人,T为时间。1998~2013年的人口与年份时间的Kappa系数为0.951,基于此结果可以利用上述公式对大连金石滩2020年的人口总数进行预测。
分析1998~2013年金石滩的人口数据规律,结合金石滩的人口与土地需求量之间的相关性得到1998~2013年的金石滩城镇土地利用面积与人口总数的关系公式,表达如下：
U=0.683×P+5.627 （8）
式中：U为金石滩的城镇土地利用面积,其单位为km2,P为金石滩的人口总数,其单位为万人。1998~2013年的城镇土地利用面积与金石滩的人口总数的Kappa数值为0.862,基于此结果可以利用上述公式对大连金石滩2020年的城镇用地面积的需求量进行预测。
由公式8预测2020年金石滩总人口数为6.499万人,求出相应的城市土地变化量。最终得到1998~2013年金石滩城中区域、城郊区域和城外区域3个区城镇面积 (表5)。
表5 研究区城镇用地面积预测 （km2）
Table 5 Urban land area forecasting in study area in 2020 (km2)
| 年份 | 城中区域 | 城郊区域 | 城外区域 |
|---|---|---|---|
| 2003 | 2.469 | 2.797 | 1.977 |
| 2008 | 2.608 | 2.955 | 2.088 |
| 2013 | 3.417 | 3.771 | 2.736 |
| 2020 | 3.391 | 3.842 | 2.715 |
政府智能体是城镇转换的政策制定者,对城镇转换方向、城镇转换方向速度等起着指引性作用。在MAS模块内通过Binary Logistic回归方法和2013年城镇土地利用面积及分布来获取政府智能体对不同特征因子的意图 (表6)。
表6 政府智能体对各特征因子的意图
Table 6 Value of government Agent for each feature factors
| 意图数值 | 城中区域 | 城郊区域 | 城外区域 |
|---|---|---|---|
| 到县政府的距离 | 0.131 | 0.179 | 0.347 |
| 到市政府的距离 | 0.409 | 0.314 | 0.279 |
MAS-CA模型精度检验采用逐点对比方法。首先,准备1998年金石滩的实际城镇格局图（图3a）;然后,运用BDI决策的MAS-CA模型模拟1998年金石滩城镇格局（图3b）;最后,两图进行逐点对比检验。经检验模型精度已符合标准,准确度达到89.1%（表7）,总体Kappa系数达到0.635。在此基础上,对2020年和2030年金石滩城镇格局进行模拟（图3c、图3d）。从图可看出金石滩的城镇用地面积模拟结果,东北、西南方向变化相对大一些,城外区域的东北、西南和东南方向耕地、林地向城镇方向转变,相对来说城外区域变化最大,城镇发展需求量增大。葡萄沟村、河咀子村、庙上村、什字街村城镇变化最大。
表7 MAS-CA模型模拟精度评价（栅格数,个）
Table 7 Accuracy assessment of MAS-CA model（grid number）
| 真实 | 模拟 | ||
|---|---|---|---|
| 不转变 | 转变 | 正确比 | |
| 不转变 | 3312 | 147 | 95.8% |
| 转变 | 310 | 428 | 57.9% |
| 总精度 | 89.1% | ||
| Kappa系数 | 0.635 | ||
由金石滩的城镇格局模拟验证结果可知,BDI决策以其多准则性和复杂性的逻辑推理过程克服了MAS-CA模型的不足,使得土地利用模拟更加精确、灵活和真实,可以在滨海等受特殊环境影响的城镇土地格局模拟中使用。在以后的进一步研究中,可以尝试加入人为特征因子的分析令BDI决策更加科学,模拟结果更加真实。
模型模拟结果显示,金石滩城镇用地整体呈现出依附海岸线和交通线的格局,向海岸线靠拢,影响土地利用类型的转变的因子有很多,海岸线因素引导着城镇格局的转变方向,城镇用地明显向周围区域扩张。便捷的交通方便人类活动,使得人口流动速度加快;金石滩拥有渔场、发现王国等场所,带动了人口的流动,居民对生活小区需求量增加使得城镇沿着海岸线和交通网逐渐扩增。
The authors have declared that no competing interests exist.
| [1] |
中国人口城市化综述 [J].https://doi.org/10.3969/j.issn.1004-129X.2003.06.010 URL [本文引用: 1] 摘要
人口城市化在国家社会经济全面 发展过程中具有重要作用。21世纪的中国人口城市化正在进入新的发展阶段。随着我国农村生产力水平的提高、工业化进程的加快和产业结构调整的深化,全面推 进城市化的条件已经基本成熟。推进中国人口城市化,必须在我国现行城市化方针指导下,既研究世界城市化进程的一般规律,借鉴国际经验;又要结合我国城市化 面临的现实国情和基本问题,逐步形成合理的城镇体系,走出符合我国国情,大、中、小城市协调发展的城市化道路。积极稳妥地推进中国人口城市化,实施可持续 发展的城市化战略,也是全面建设小康社会的根本要求。
Survey of Population Urbanization in China .https://doi.org/10.3969/j.issn.1004-129X.2003.06.010 URL [本文引用: 1] 摘要
人口城市化在国家社会经济全面 发展过程中具有重要作用。21世纪的中国人口城市化正在进入新的发展阶段。随着我国农村生产力水平的提高、工业化进程的加快和产业结构调整的深化,全面推 进城市化的条件已经基本成熟。推进中国人口城市化,必须在我国现行城市化方针指导下,既研究世界城市化进程的一般规律,借鉴国际经验;又要结合我国城市化 面临的现实国情和基本问题,逐步形成合理的城镇体系,走出符合我国国情,大、中、小城市协调发展的城市化道路。积极稳妥地推进中国人口城市化,实施可持续 发展的城市化战略,也是全面建设小康社会的根本要求。
|
| [2] |
1980年代以来北京市城市化过程中人口分布的变化 [J].https://doi.org/10.3969/j.issn.1000-6087.2005.05.003 URL [本文引用: 1] 摘要
20世纪80年代以来,北京城市化步伐加快.人口分布变化的特点 是:从居住地看,城市中心区人口减少、人口分布趋向于均等化;外围区人口迅速增长、地域人口密度差别很大;郊区人口缓慢增长.人口分布向单极集中.从工作 地看,从业人口继续向城区,特别是市中心区集中,但城区第二产业从业人员减少,第三产业人员增加,且比例在提高.由昼夜人口算得,中心区的昼夜人口比提 高,外围区的昼夜人口比减少.以上变化说明,北京在城市发展过程中,在城市地域扩大的同时,中心区的中心地功能也在加强,各地域的功能定位进一步明晰.
Population Redistribution in the Context of Urbanization in Beijing since 1980s .https://doi.org/10.3969/j.issn.1000-6087.2005.05.003 URL [本文引用: 1] 摘要
20世纪80年代以来,北京城市化步伐加快.人口分布变化的特点 是:从居住地看,城市中心区人口减少、人口分布趋向于均等化;外围区人口迅速增长、地域人口密度差别很大;郊区人口缓慢增长.人口分布向单极集中.从工作 地看,从业人口继续向城区,特别是市中心区集中,但城区第二产业从业人员减少,第三产业人员增加,且比例在提高.由昼夜人口算得,中心区的昼夜人口比提 高,外围区的昼夜人口比减少.以上变化说明,北京在城市发展过程中,在城市地域扩大的同时,中心区的中心地功能也在加强,各地域的功能定位进一步明晰.
|
| [3] |
World urbanization prospects: The 2009 revision [M]. |
| [4] |
|
| [5] |
城市化不同演化阶段对碳排放的影响差异 [J].
<p>城市化与碳排放是当今世界研究的两大焦点, 两者的结合点——城市化对碳排放的影响更是研究的重点。利用全球主要国家(地区)历史数据, 根据城市化水平划分不同的组别, 考察城市化动态演进阶段与碳排放之间的相关性, 并通过STIRPAT模型评估不同城市化阶段各因子对碳排放的影响;结合城市化发展阶段各要素的特征, 探讨不同阶段城市化对碳排放的影响。结果表明, 城市化对碳排放的影响表现为驱动和制动双重作用:① 当城市化发展处于初期阶段时, 城市系统发展缓慢, 驱动与制动作用均不明显, 碳排放缓慢增长;② 当城市化发展处于中期阶段时, 城市系统进入加速发展阶段, 驱动作用逐渐占主导, 制动作用较小, 碳排放迅速增长;③ 当城市化发展处于后期阶段, 驱动作用仍然占主导地位, 但制动作用逐渐增强, 碳排放速度有所减缓, 排放总量仍然增加。</p>
Zhang Xiaolei et al. The Impact of Urbanization on the CO2 Emission in the Various Development Stages .
<p>城市化与碳排放是当今世界研究的两大焦点, 两者的结合点——城市化对碳排放的影响更是研究的重点。利用全球主要国家(地区)历史数据, 根据城市化水平划分不同的组别, 考察城市化动态演进阶段与碳排放之间的相关性, 并通过STIRPAT模型评估不同城市化阶段各因子对碳排放的影响;结合城市化发展阶段各要素的特征, 探讨不同阶段城市化对碳排放的影响。结果表明, 城市化对碳排放的影响表现为驱动和制动双重作用:① 当城市化发展处于初期阶段时, 城市系统发展缓慢, 驱动与制动作用均不明显, 碳排放缓慢增长;② 当城市化发展处于中期阶段时, 城市系统进入加速发展阶段, 驱动作用逐渐占主导, 制动作用较小, 碳排放迅速增长;③ 当城市化发展处于后期阶段, 驱动作用仍然占主导地位, 但制动作用逐渐增强, 碳排放速度有所减缓, 排放总量仍然增加。</p>
|
| [6] |
Clue: A Conceptual Model to Study the Conversion of Land Use and Its Effects [J].https://doi.org/10.1016/0304-3800(94)00151-0 URL [本文引用: 1] 摘要
A dynamic model to simulate Conversion of Land Use and its Effects (CLUE) is presented. For an imaginary region, CLUE simulates land use conversion and change in space and time as a result of interacting biophysical and human drivers. Within CLUE regional land use changes only if biophysical and human demands cannot be met by existing land use. After a regional assessment of land use needs, the final land use decisions are made on a local grid level. Important biophysical drivers are local biophysical suitability and their fluctuations, land use history, spatial distribution of infrastructure and land use, and the occurrence of pests and diseases. Important human land use drivers in CLUE are population size and density, regional and international technology level, level of affluence, target markets for products, economical conditions, attitudes and values, and the applied land use strategy. Initial CLUE simulations suggest that the integrated land use approach of CLUE can make a more realistic contribution to predictions of future land cover than currently used biophysical equilibrium approaches.
|
| [7] |
元胞自动机的地理过程模拟机制及扩展 [J].https://doi.org/10.3969/j.issn.1000-0690.2005.06.013 URL [本文引用: 1] 摘要
地理空间、地理梯度、地理流和空间关系是经典地理学进行地理过程分析常用的4个基本概念,元 胞自动机(CA)作为复杂空间系统研究的重要工具.分析表明,其与经典地理过程分析理论具有类似地表达机制,因而能有效地进行地理过程模拟.但由于标准 CA是一种更广泛抽象的空间模型,其对地理特征的描述存在一定局限,限制了其更真实地模拟地理过程的能力.论文提出了基于地理特征的CA概念模型,深圳特 区土地利用演化的实证研究表明,地理特征CA概念模型具有极大的应用价值.
Li Manchun et al. Mechanism of Simulating Geographic Process and Extension of Cellular Automata .https://doi.org/10.3969/j.issn.1000-0690.2005.06.013 URL [本文引用: 1] 摘要
地理空间、地理梯度、地理流和空间关系是经典地理学进行地理过程分析常用的4个基本概念,元 胞自动机(CA)作为复杂空间系统研究的重要工具.分析表明,其与经典地理过程分析理论具有类似地表达机制,因而能有效地进行地理过程模拟.但由于标准 CA是一种更广泛抽象的空间模型,其对地理特征的描述存在一定局限,限制了其更真实地模拟地理过程的能力.论文提出了基于地理特征的CA概念模型,深圳特 区土地利用演化的实证研究表明,地理特征CA概念模型具有极大的应用价值.
|
| [8] |
农户土地利用决策行为的多智能体模拟方法 [J].
为了找出土地利用调控的关键结点，为相关政策的制定提供科学依据，该文利用MAS（multi-agent system）模拟微观主体的决策行为，自下而上地探究土地利用变化的内在机制。该文以河南省唐河县小庄村为例，构建了农户土地利用决策概念框架，并对其进行定量表达，通过模拟农户的决策行为，探讨了多智能体方法在农业土地利用变化研究中的应用可能。结果表明：1）各农户的内部决策值存在个体差异，但花生的内部决策值普遍较高。2）市场因子在一定程度上加强了农户种植花生的意愿，对于农户间相互作用，各农户差异较大，无统一规律可循；综合看来，在外部因子的强化作用下，各农户的最终决策更加偏向于种植花生。3）2012年小庄村棉花与花生的种植面积比例的模拟值为0.26:0.74，与实际值0.25:0.75基本一致，反映出2011年棉花价格的大幅下降给当地棉花种植带来了较大冲击，2012年小庄村秋季经济作物以花生为主。研究结果可为农户行为的调控提供理论依据，从根源处促进农用地的合理利用。
Liu Chaoxu et al. Method of Multi-agent System for Simulating Land-use Decision-making Behavior of Farmer Households .
为了找出土地利用调控的关键结点，为相关政策的制定提供科学依据，该文利用MAS（multi-agent system）模拟微观主体的决策行为，自下而上地探究土地利用变化的内在机制。该文以河南省唐河县小庄村为例，构建了农户土地利用决策概念框架，并对其进行定量表达，通过模拟农户的决策行为，探讨了多智能体方法在农业土地利用变化研究中的应用可能。结果表明：1）各农户的内部决策值存在个体差异，但花生的内部决策值普遍较高。2）市场因子在一定程度上加强了农户种植花生的意愿，对于农户间相互作用，各农户差异较大，无统一规律可循；综合看来，在外部因子的强化作用下，各农户的最终决策更加偏向于种植花生。3）2012年小庄村棉花与花生的种植面积比例的模拟值为0.26:0.74，与实际值0.25:0.75基本一致，反映出2011年棉花价格的大幅下降给当地棉花种植带来了较大冲击，2012年小庄村秋季经济作物以花生为主。研究结果可为农户行为的调控提供理论依据，从根源处促进农用地的合理利用。
|
| [9] |
基于多智能体系统的城市增长时空动态模拟——以江苏省连云港市为例 [J].
<p>城市化是土地利用/覆盖变化中最典型形式之一, 探索城市增长的驱动机制并预测其未来变化, 对于实现城市可持续发展十分重要。鉴于多智能体系统强大的模拟复杂空间系统的能力, 基于联合“自上而下”和“自下而上”决策行为的视角, 构建了一个城市增长时空动态模拟多智能体模型, 在模型中, 宏观Agent 实施的“自上而下”的宏观土地利用规划行为和微观Agent 自主发起的“自下而上”的微观土地利用空间诉求行为通过二维空间网格相互作用, 并通过联合决策共同推动研究区域的城市化进程。以连云港市中心城区为例, 考虑了基于目前趋势、经济发展优先和环境保护优先的3 种目标情景, 并进行了相应的城市增长情景模拟。模拟结果表明:联合“自上而下”和“自下而上”决策行为的城市增长时空动态模拟多智能体模型能够充分发挥多智能体系统的潜力来了解城市化的驱动机制, 为城市管理提供基于情景分析的决策支持。</p>
Jin Xiaobin et al. Simulation of Spatio-temporal Dynamical Change of Urban Growth Based on Multi-agent System:Case Study of Lianyungang City .
<p>城市化是土地利用/覆盖变化中最典型形式之一, 探索城市增长的驱动机制并预测其未来变化, 对于实现城市可持续发展十分重要。鉴于多智能体系统强大的模拟复杂空间系统的能力, 基于联合“自上而下”和“自下而上”决策行为的视角, 构建了一个城市增长时空动态模拟多智能体模型, 在模型中, 宏观Agent 实施的“自上而下”的宏观土地利用规划行为和微观Agent 自主发起的“自下而上”的微观土地利用空间诉求行为通过二维空间网格相互作用, 并通过联合决策共同推动研究区域的城市化进程。以连云港市中心城区为例, 考虑了基于目前趋势、经济发展优先和环境保护优先的3 种目标情景, 并进行了相应的城市增长情景模拟。模拟结果表明:联合“自上而下”和“自下而上”决策行为的城市增长时空动态模拟多智能体模型能够充分发挥多智能体系统的潜力来了解城市化的驱动机制, 为城市管理提供基于情景分析的决策支持。</p>
|
| [10] |
Coelho C G C et al. A multi-agent model system for land-use change simulation [J].https://doi.org/10.1016/j.envsoft.2012.12.003 URL [本文引用: 1] 摘要
This paper presents a multi-agent model system to characterize land-use change dynamics. The replicable parameterization process should be useful to the development of simulation frameworks, important to environmental policy makers to analyze different scenarios during decision making process. The methodological two-fold approach intends to form a solid backbone based on: (i) the systematic and structured empirical characterization of the model; and (ii) the conceptual structure definition according to the agent-based model documentation protocol 鈥 Overview, Design concepts and Details. A multi-agent system for land-use change simulation was developed to validate the model, which is illustrated with a case study of the Brazilian Cerrado using LANDSAT ETM images. The simulation results prove the model importance with a figure of merit greater than 50%, what means the amount of correctly predicted change is larger than the sum of any type of error. The results are very good compared with nine popular peer-reviewed land change models.
|
| [11] |
Vlek P L et al. Land-Use Dynamic Simulator (LUDAS): A multi-agent system model for simulating spatio-temporal dynamics of coupled human-landscape system. I. Structure and theoretical specification [J].https://doi.org/10.1016/j.ecoinf.2008.04.003 Magsci [本文引用: 1] 摘要
<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">This paper presents the concept and theoretical specification of a multi-agent based model for spatio-temporal simulation of a coupled human–landscape system. The model falls into the class of <em>all agents</em>, where the human population and the landscape environment are all self-organized interactive agents. The model framework is represented by four components: (i) a system of human population defining specific behavioural patterns of farm households in land-use decision-making according to typological livelihood groups, (ii) a system of landscape environment characterising individual land patches with multiple attributes, representing the dynamics of crop and forest yields as well as land-use/cover transitions in response to household behaviour and natural constraints, (iii) a set of policy factors that are important for land-use choices, and (iv) a decision-making procedure integrating household, environmental and policy information into land-use decisions of household agents. In the model, the bounded-rational approach, based on utility maximisation using spatial multi-nominal logistic functions, is nested with heuristic rule-based techniques to represent decision-making mechanisms of households regarding land use. Empirical verifications of the model's components and the application of the model to a watershed in Vietnam for integrated assessments of policy impacts on landscape and community dynamics are subjects of a companion paper.</p>
|
| [12] |
基于元胞自动机的城市发展密度模拟 [J].https://doi.org/10.3969/j.issn.1000-0690.2006.02.007 URL [本文引用: 1] 摘要
元胞自动机CA越来越多地被用 于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟 中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了 模拟,为城市规划提供了辅助依据。
Simulating Urban Development Density Using Cellular Automata .https://doi.org/10.3969/j.issn.1000-0690.2006.02.007 URL [本文引用: 1] 摘要
元胞自动机CA越来越多地被用 于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟 中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了 模拟,为城市规划提供了辅助依据。
|
| [13] |
Requier-Desjardins M et al. A Multi-agent Model for Describing Transhumance in North Cameroon: Comparison of Different Rationality to Develop a Routine [J]. |
| [14] |
A Multi-agent System Model of Pastoralist Behaviour in Kazakhstan [J].https://doi.org/10.1016/j.ecocom.2005.05.004 Magsci 摘要
<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">We present a model of household decision-making in Kazakhstan. Traditionally, long-distance livestock migration of livestock occurred in Kazakhstan's rangelands, exploiting seasonal differences in forage availability. After independence, the rural economy collapsed and migrations stopped. We use multi-agent system modelling to examine trade-offs in allocation of wealth between capital and flocks. Winter forage availability is the key determinant of overall livestock numbers, while availability and price of winter fodder is an important determinant of livestock sector productivity. Seasonal migrations are only likely to reestablish if distant pastures have very poor winter forage. Otherwise, as total flock size increases, larger herds are predicted to settle away from villages. These predictions match field observations.</p>
|
| [15] |
Methods: Developing Spatially Explicit Economic Models of Land Use Change [J]. |
| [16] |
Bregt A K et al. A Design and Application of a Multi-agent System for Simulation of Multi-actor Spatial Planning [J].https://doi.org/10.1016/j.jenvman.2004.02.007 URL PMID: 15246573 [本文引用: 1] 摘要
Multi-agent Systems (MAS) offer a conceptual approach to include multi-actor decision making into models of land use change. The main goal is to explore the use of MAS to simulate spatial scenarios based on modelling multi-actor decision-making within a spatial planning process. We demonstrate MAS that consists of agents representing organizations and interest groups involved in an urban allocation problem during a land use planning process. The multi-actor based decision-making is modelled by generating beliefs and preferences of actors about the location of and relation between spatial objects. This allows each agent to confront these beliefs and preferences with it's own desires and with that of other agents. The MAS loosely resembles belief, desire and intentions architecture. Based on a case study for a hypothetical land use planning situation in a study area in the Netherlands we discuss the potential and limitations of the MAS to build models that enable spatial planners to include the 'actor factor' in their analysis and design of spatial scenarios. In addition, our experiments revealed the need for further research on the representation of spatial objects and reasoning, and communication about allocation problems using MAS.
|
| [17] |
Dinh Quang D et al. Combining Top-down and Bottom-up Modelling Approaches of Land Use/Cover Change to Support Public Policies: Application to Sustainable Management of Natural Resources in Northern Vietnam [J].https://doi.org/10.1016/j.landusepol.2005.09.009 Magsci 摘要
<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Over recent years, the scientific community has developed different modelling methodologies of land use/cover change (LUCC) depending on their intended use, and also on the scale of investigation, disciplinary background and scientific tradition of the research teams. Consequently, each LUCC model has its own potential and constraints with respect to the needs and expectations of land use planners and policy makers. Faced with the issue of integrated management of natural resources from local to regional scales, agricultural research can benefit from reconciling top-down and bottom-up approaches to LUCC modelling.</p><p id="">Three modelling methodologies belonging to these two LUCC approaches were applied in the province of Bac Kan in northern Vietnam. The multi-agent model SAMBA was developed through an adaptive, bottom-up process while LUPAS and CLUE contributed to a top-down process. Applying these three methodologies at the same research site allowed a critical evaluation of their respective utility for land use analysis and planning. They played complementary roles in bridging knowledge gaps and increasing interactions between stakeholders along the continuum from research to development and policy formulation. Combined use of these modelling methodologies should be promoted when complex natural resource management issues at multiple scales need to be tackled.</p>
|
| [18] |
A Method to Define a Typology for Agent-based Analysis in Regional Land-use Research [J].https://doi.org/10.1016/j.agee.2008.04.015 URL [本文引用: 1] 摘要
Land use/cover change (LUCC) is often the cumulative result of individual farmer's decisions. To understand and simulate LUCC as the result of local decisions, multi-agent systems models (MAS) have become a popular technique. However, the definition of agents is not often based on real data, ignoring the inherent diversity of farmers and farm characteristics in rural landscapes. The aim of this paper is to describe an empirical method that defines an agent typology and allocates agents into the different agent types for an entire region. This method is illustrated with a case study in the Netherlands, where processes of farm expansion and diversification of farm practices take place. Five different agent types were defined and parameterized in terms of views, farm characteristics and location. Despite its simplicity, this empirical method captures several relations between farmers’ views, farm characteristics and land-use decisions and strategies. This approach is a step forward in multi-agent systems of land use/cover change (MAS/LUCC) to include the diversity of land-use decisions and strategies in regional studies by empirically defining, parameterizing and allocating different agent types.
|
| [19] |
多智能体与元胞自动机结合及城市用地扩张模拟 [J].
运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。
Integration of Multi-agent Systems With Cellular Automata for Simulating Urban Land Expansion .
运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。
|
| [20] |
Predicting response to cognitive therapy and interpersonal therapy, with or without antidepressant medication, for major depression: A pragmatic trial in routine practice [J].https://doi.org/10.1139/apnm-2013-0160 URL PMID: 24060588 [本文引用: 2] 摘要
Abstract BACKGROUND: Identifying patient characteristics that predict response within treatments (prognostic) or between treatments (prescriptive) can inform clinical decision-making. In this study, we sought to identify predictors of response to evidence-based treatments in a sample of depressed patients seeking help in routine practice. METHODS: Data come from a pragmatic trial of 174 patients with major depression who received an evidence-based treatment of their own choice: cognitive therapy (CT), interpersonal therapy (IPT), antidepressant medication (ADM) alone or in combination with either of the two psychotherapies. Patient characteristics measured at baseline were examined to see if they predicted subsequent response as measured with the Beck Depression Inventory (BDI) over the course of 26 weeks of treatment, using mixed regression modeling. RESULTS: Higher agoraphobia scores at baseline predicted more change in depression scores across treatments, irrespective of the treatment received. Physical functioning moderated the response to treatment: patients with high physical functioning fared better in combined treatment than patients with low physical functioning, whereas physical functioning did not predict a differential response in the psychotherapy group. Moreover, the lowest levels of physical functioning predicted an increase of depressive symptoms in combined treatment. LIMITATIONS: A relatively small sample size, and selection of several predictors that were less theory-driven, which hampers the translation to clinical practice. CONCLUSIONS: If replicated, the prognostic and prescriptive indices identified in this study could guide decision-making in routine practice. Development of more uniform requirements for the analysis and reporting of prediction studies is recommended. 漏 2013 Elsevier B.V. All rights reserved.
|
| [21] |
基于BDIAgent的个体推理和多部门应急协商方法及应用[D] .Based on Agent BDI's individual reasoning and multi sectoral emergency consultation and application . |
| [22] |
基于BDI模型的Agent在航班时隙分配问题研究 [J].
随着民航运输的快速发展,时隙 资源日益紧缺,为了保证航班的正常飞机,提出了基于BDI(Beliefs-Desires-Intentions)Agent分布式时隙优化模型,并对 厦门机场某一时间段内的时隙分配进行验证,结果表明,模型可以大大减少航班的延误损失,具有较强的实际应用性。
Research on agent based on BDI model in flight slot allocation problem .
随着民航运输的快速发展,时隙 资源日益紧缺,为了保证航班的正常飞机,提出了基于BDI(Beliefs-Desires-Intentions)Agent分布式时隙优化模型,并对 厦门机场某一时间段内的时隙分配进行验证,结果表明,模型可以大大减少航班的延误损失,具有较强的实际应用性。
|
| [23] |
Multi-Agent System模型在土地利用/覆盖变化中的研究进展 [J].https://doi.org/10.11849/zrzyxb.2008.02.019 Magsci [本文引用: 2] 摘要
在微观与中宏观尺度上,MAS模型可以反映景观中具有自动性、异质性和分散性的人类决策,利于阐明智能体对自然与社会经济环境的适应机制。因而在自然资源管理、农业经济和城市模拟等领域得到广泛应用。目前,该模型的研究主要集中在智能体决策、智能体相互作用、模型多尺度、模型检验与验证等几个方面。综合分析得出如下结论:①智能体决策框架还需进一步完善,特别有限理性决策框架(Bounded Rationality)还需进一步完善;②智能体之间相互作用的研究仍停留在定性的、概念性的水平,还需进一步研究定量分析智能体相互作用的方法;③在多尺度研究中,第一种尺度转化途径机理明确,但决策的空间显性(spatially-explicit)表达较为困难;第二种途径可以表达空间显性,但决策与土地利用变化之间的逻辑解释不强;第三种途径可以表达土地利用过程中决策与复杂性关系,但智能体之间的相互作用处理较为简单;④还需加强对模型的检验与验证方面的研究,探索验证人类复杂行为的技术方法。
Gao Haidong et al. Research Progress of System Multi-Agent in Land Use/Cover Change .https://doi.org/10.11849/zrzyxb.2008.02.019 Magsci [本文引用: 2] 摘要
在微观与中宏观尺度上,MAS模型可以反映景观中具有自动性、异质性和分散性的人类决策,利于阐明智能体对自然与社会经济环境的适应机制。因而在自然资源管理、农业经济和城市模拟等领域得到广泛应用。目前,该模型的研究主要集中在智能体决策、智能体相互作用、模型多尺度、模型检验与验证等几个方面。综合分析得出如下结论:①智能体决策框架还需进一步完善,特别有限理性决策框架(Bounded Rationality)还需进一步完善;②智能体之间相互作用的研究仍停留在定性的、概念性的水平,还需进一步研究定量分析智能体相互作用的方法;③在多尺度研究中,第一种尺度转化途径机理明确,但决策的空间显性(spatially-explicit)表达较为困难;第二种途径可以表达空间显性,但决策与土地利用变化之间的逻辑解释不强;第三种途径可以表达土地利用过程中决策与复杂性关系,但智能体之间的相互作用处理较为简单;④还需加强对模型的检验与验证方面的研究,探索验证人类复杂行为的技术方法。
|
| [24] |
基于CA-Markov模型和多目标优化的大连市土地利用格局 [J].
<p>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.</p>
Land Use Pattern of Dalian City, Liaoning Province of Northeast China Based on CA-Markov Model and Multi-objective Optimization .
<p>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.</p>
|
| [25] |
土地利用现状分类B/T 21010-2007.土地利用现状分类 [S].B/T 21010-2007 . |
| [26] |
|
| [27] |
基于Logistic回归的CA模型改进方法——以广州市为例 [J].https://doi.org/10.3724/SP.J.1084.2010.00199 URL Magsci [本文引用: 1] 摘要
<p>基于Logistic回归的CA模型因其结构简单和数据要求相对较小的优势,被广泛应用于城市模拟领域,但数据的空间自相关性影响了模型机制挖掘与模拟精度。通过将影响城市发展演变的各种约束条件划分为强制和普通约束条件,以及运用主成分分析降低普通约束条件的数据相关性,构建了改进型Logistic回归CA模型,并在2000~2008年广州市城市增长模拟研究中进行应用。结果表明:与传统型Logistic回归CA模型相比,改进型Logistic回归CA模型在模型拟合度和精度上均有4%左右的提高。其中约束条件划分对非城市像元模拟精度约有6%的提高,对整体精度有3%的提高。更为重要的是,降低数据相关性后,Logistic回归CA模型对于城市扩展机制的解释更符合实际。本研究旨在寻求一种简单可行且易于构建的CA模型,探求城市发展机理,为城市规划管理提供更为准确的科学依据。</p>
Wang Guoen et al. An Improvement on CA Model of Logistic Regression: a Case Study of Guangzhou .https://doi.org/10.3724/SP.J.1084.2010.00199 URL Magsci [本文引用: 1] 摘要
<p>基于Logistic回归的CA模型因其结构简单和数据要求相对较小的优势,被广泛应用于城市模拟领域,但数据的空间自相关性影响了模型机制挖掘与模拟精度。通过将影响城市发展演变的各种约束条件划分为强制和普通约束条件,以及运用主成分分析降低普通约束条件的数据相关性,构建了改进型Logistic回归CA模型,并在2000~2008年广州市城市增长模拟研究中进行应用。结果表明:与传统型Logistic回归CA模型相比,改进型Logistic回归CA模型在模型拟合度和精度上均有4%左右的提高。其中约束条件划分对非城市像元模拟精度约有6%的提高,对整体精度有3%的提高。更为重要的是,降低数据相关性后,Logistic回归CA模型对于城市扩展机制的解释更符合实际。本研究旨在寻求一种简单可行且易于构建的CA模型,探求城市发展机理,为城市规划管理提供更为准确的科学依据。</p>
|
| [28] |
复杂系统理论与Agent模型在土地变化科学中的研究进展 [J].
基于复杂系统理论与Agent 模型,分别从理论与方法的角度梳理并总结了当前土地变化科学的研究进展。复杂系统理论为研究土地变化所处的“耦合的人类—自然系统”及其复杂性问题提供理论支撑；而基于Agent 的模拟作为研究复杂系统的重要工具,为传统土地变化模拟提供新的方法支持。当前,ABMs与土地变化模型相结合(ABM/LUCC),无论是模型构建还是模型应用均取得了显著进展。然而,其也存在诸多问题,尤其是理论与应用脱节,使很多建模者容易陷入“为建模而建模”的误区。此外,现有的ABM模型设计较为随意,模型间差异太大,不利于跨区域比较研究的开展。因此,虽然ABM是认识复杂系统的有效方法,但是建模之前离不开对系统复杂性的深入研究；基于Agent 的土地变化模拟的意义在于充分表达“人类—自然”系统的综合复杂关系,从而合理的预测土地变化(结构与功能) 的动态过程,解释并评价土地变化的可能影响。
Tang Huajun et al. Complex System Theory and Agent-based Modeling:Progresses in Land Change Science .
基于复杂系统理论与Agent 模型,分别从理论与方法的角度梳理并总结了当前土地变化科学的研究进展。复杂系统理论为研究土地变化所处的“耦合的人类—自然系统”及其复杂性问题提供理论支撑；而基于Agent 的模拟作为研究复杂系统的重要工具,为传统土地变化模拟提供新的方法支持。当前,ABMs与土地变化模型相结合(ABM/LUCC),无论是模型构建还是模型应用均取得了显著进展。然而,其也存在诸多问题,尤其是理论与应用脱节,使很多建模者容易陷入“为建模而建模”的误区。此外,现有的ABM模型设计较为随意,模型间差异太大,不利于跨区域比较研究的开展。因此,虽然ABM是认识复杂系统的有效方法,但是建模之前离不开对系统复杂性的深入研究；基于Agent 的土地变化模拟的意义在于充分表达“人类—自然”系统的综合复杂关系,从而合理的预测土地变化(结构与功能) 的动态过程,解释并评价土地变化的可能影响。
|
| [29] |
Plans,and resource-bounded practical reasonin [J]. |
/
| 〈 |
|
〉 |
