[发明专利]一种基于最大熵原理的城市CA模型构建方法

说明书

本发明公开了一种基于最大熵原理的城市CA模型构建方法，包括获取两期土地利用栅格数据并重分类；将分类后数据进行叠加得到城镇用地增长范围，在此范围内进行随机采样和坐标计算，得到样本点数据；处理影响城镇用地扩展的空间变量，结果作为分类模型约束条件；利用样本点和约束条件进行模型训练，得到条件熵最大的分类模型；建立土地利用矩阵，矩阵要素对应元胞，将元胞的空间坐标输入该模型中，得到在约束条件影响下各个元胞分类为城镇用地的条件概率，作为CA模型元胞转换概率，并在此基础上结合邻域约束构建城市扩展CA模型。本发明构建了最大熵CA模型，并将其应用于城镇用地扩展模拟，考虑了随机性问题，有助于更精准地模拟城市发展。

技术领域

本发明属于地理模拟技术领域，涉及一种城市CA模型构建方法，尤其涉及一种基于最大熵原理的城市CA模型构建方法。

背景技术

元胞自动机是一种时间、空间及状态都离散，具有强大的空间建模能力和运算能力的动态系统，已被广泛应用于城市扩展等具有复杂时空特征的系统模拟研究中。随着3S(GPS,RS,GIS)技术的快速发展，CA模型的发展得到了空间数据和软件方面的极大进步，对于CA模型的研究也逐渐深入。转换规则是CA模型的核心组成部分，学者们采用了多种方法挖掘CA模型的转换规则，意在提高CA模型的模拟精度。但对于转换规则的研究，诸多学者均着手于如何从空间变量与土地利用数据变化中挖掘规则，对于模型的随机性问题只采用简单的随机函数生成随机扰动矩阵来解决，此种方法考虑的随机性与模型空间变量无关，单纯的随机扰动矩阵往往不能准确解决模型的随机性问题，使模拟精度的提高受到限制，因此亟需提出一种既与模型空间变量相联系，又能充分实现模型随机性的新方法。

发明内容

为了解决上述技术问题，本发明提供了一种基于最大熵原理的城市CA模型构建方法，该方法在考虑影响城镇扩展空间变量的前提下，根据已知信息尽可能最准确地推测未知信息，保留最大的随机性，寻找具有无偏性、最合理准确的结果，较好地提高了CA模型的模拟精度。

本发明所采用的技术方案是：一种基于最大熵原理的城市CA模型构建方法，其特征在于，包括以下步骤：

步骤1：将两期土地利用空间栅格数据进行叠加得到城镇用地扩展范围，并在扩展范围内创建样本点；

具体实现包括以下子步骤：

步骤1.1：对现有的土地利用空间栅格数据进行重分类，分为三类：城镇用地、可扩展用地和水域；

步骤1.2：将两期土地利用空间栅格数据进行叠加计算，得到末期相对于初期城镇用地扩展范围；

步骤1.3：在扩展范围内随机抽取一定数量的栅格作为样本，并计算其空间坐标；后续研究中，栅格为CA模型的元胞，栅格数据为CA模型的元胞空间；

步骤2：将影响城镇用地扩展的空间变量进行处理，获得处理后的空间变量栅格数据；

步骤3：将步骤1中的两期土地利用空间栅格数据和步骤2获得的空间变量栅格数据分别转为矩阵，矩阵要素对应元胞，矩阵空间对应元胞空间；

将分类后的土地利用空间栅格数据转为土地利用状态矩阵P，在矩阵中存在三种取值，城镇用地取值为1，可扩展用地取值为0，水域取值为2；

将空间变量栅格数据转为空间变量影响矩阵A，B，C…，矩阵中各矩阵要素的值取自空间变量栅格数据中该要素位置的值；

步骤4：构建训练样本数据集，将其输入现有技术可实现的分类模型进行训练，得到条件熵最大的分类模型；

步骤5：利用步骤4中得到的条件熵最大的分类模型计算土地利用状态矩阵P中各个矩阵要素属性分类为城镇用地的条件概率，并构建最大熵CA模型；

步骤6：通过矩阵运算和模型迭代运算，满足设定的迭代终止条件后，得到城镇用地扩展模拟结果。