Dinamica模型介绍

基本过程：

首先基于历史数据，计算出上海各个历史时期的土地利用转换速率。

第二步，对土地利用驱动因素进行相关性检验，并利用证据权（Weights of evidence）算法，确定上海土地利用变化驱动因素之间的权重关系。

第三步，根据确定的驱动因素的权重关系，结合空间驱动因素，计算出每个元胞从土地利用类型转变成为上地利用类型j的概率，并生成士地利用转换概率图。

第四步，设定元胞扩散方式，根据土地利用变化实际情况，为不同土地利用类型设置与之相适应的新增斑块参数。

Dinamica ego模型中，通过设置平均斑块面积、斑块面积变异系数和聚合度来控制新增斑块的形状特征，通过设置 Expander和 Pather函数的比例，以确定新增斑块的空间扩散方式。参数设置的准确性，直接影响到模型的模拟精度与预测能力。

（通过景观指数分析，来帮助确定参数范围，如下：）。

（第五步）敏感性分析

平均斑块面积参数敏感性分析

在平均斑块面积参数敏慼性分析方案中，首先对浦东2000-2005年土地利用变化类型进行景观指数分析，以获得耕地向城镇用地、农村居民点以及其他建设用地转换类型的平均斑块而积，作为参数分析的基准值。然后按照10%比例，对平均斑块面积做缩小处理，来进行平均斑块面积参数的敏感性分析。图5-3平均斑块敏感性分析结果。从图中可以看出，随着平均斑块面积的增加，三种土地利用变化类型的模拟斑块个数总体呈下降趋势，且斑块个数变化幅度较大。例如，在耕地向城镇用地转换类型中，当平均斑块面积缩小至基准值的10%时，斑块个数为65，而当平均斑块积为堪准值的90%时，斑块个数则下降至35，变化幅度达46%

本文采用模糊相似性指数来定量评价平均斑块面积参数对的模拟结果空间分布特征的影响。本研究以斑块面积基准值10%的模拟结果为参照，分别与其它斑块面积参数模拟结进行相似性比较，结果如图5-3所示。从图中可以看出，模拟结果在空间分布特征上其有较高的相似性。例如，在耕地向城镇用地转换类型的模拟中，随着平均斑块积值的增加，相似性指数有所下降，但最低模糊相似性指数仍在0.8以上；在耕地向农村居民点转换类型中，随着平均斑块面积的增加，相似性指数有所波动，但最低相似性指数在0.65以上；图5-3（f）是耕地向其它建设用地转换的模糊相似性指数变化图。从图中可以看出，随着平均斑块面积参数的变化，模糊相似指数仅有略微波动，最高值与最低值仅差0.07，且最低模糊相似指数为0.53，具有良好的空间一致性。

由平均斑块面积的参数敏感性分析可知：1）平均斑块面积对模拟结果的斑块个数影响程度较大。随着平均斑块面积值的增加，模型模拟的新增斑块个数有减少趋势，模拟斑块面积利聚合度均有所增加。2）平均斑块面积参数值对模拟结果的空间分布特征影响程度弱。

由分析可知：Expander与Patcher比值的设定，对模型输出结果敏慼性程度与土地利用覆盖变化类型们关。当模拟的土地利用/覆盖变化类型受人为因素影响较大时，Expander’Patcher的比值对模型模拟输出结果有很大的影响。当模拟受区位因素影响较人的地利用/鞭盖转换类型，则对 Expander与 Patcher比值设定的精度要求略低，但仍具有一定的影响。因此，在利用 Dinamica ego模型建模时，需要依据土地利用/覆盖转换类型的不同，对 Expander与 Patcher比值设定采取不同的策略。当模拟土地利用变化类似受人为因素影响较大时Expander与 Patcher比值要际相吻合。

第五步，对模型模拟结果与实际观测数据进行精度验证。尚未达到要求，需对模型参数做进一步调整，直到精度符合要求。

在本研究中，如何对上海十地利用类型进行分类不是本研究的重点，因此在本节中，仅对模型模拟值进行空间尺度上的模糊相似性分析。与传统 Kappa系数不同，空间位置模糊相似性指数考虑的是待分析像元与周边像元的关系。周边像元对中心像元影响程度用距离衰减函数进行表达，即距离越近，赋予的影响权重也越大，距离越远，对中心像元的影响越小。常用的距离衰减函数有指数递减函数.

第六步，利用经过精度验证的模型，对土地利用空间格局进行情景模拟与分析。

情景模拟：

---

---

数据输入：

Dinamica ego模型的输入数据由土地利用/覆盖数据和空间变量数据构成。

其中，两种数据都需为栅格类型的空间数据，因此在输入到模型中前，需对数据进行预处理，以确保数据的统一性。

空间变量数据由于会在模型运行过程中发生变化，所以分为静态变量和动态变量。两者对研究区土地利用履覆盖变化都有驱动作用，区别在于静态变量不会随着模型运行或迭代过程中元胞状态的改变而改变，动态变量则会随着模型运行或迭代过程中元胞状态的改变而改变。 

动态性特征：

Dinamica ego模型是一个基于元胞自动机的动态随机模型。其特点就是模型中部分参数会随着模型运行的深入而发生变化。例如元胞状态演化规则会随着模型的运行而发生变化，元胞增长方式、动态空间变量等也会随着模型的运行而发生变化，可以在建模过程中依据实际情况进行设置或者改变。

模型需要根据研究区具体实际情况设置一下参数：1）模拟时长、模拟次数；2）研究时段的土地变化转移矩阵；3）确定各种土地利用/覆盖变化类型的饱和值，以防某些土地利用转换超出规定范围；4）某一土地利用/覆盖变化类型转换为其他类型所需的最短相应时间；5）设置 Dinamica ego模型两种转换函数 Expander和 Patcher的比例。（Expander函数是指在原有相同元胞状态基础上向周边扩散的形式。Patcher函数则是直接向周围扩散形成新的斑块而与原有元胞不存在空间上的关系。）

Qij= a*(Expander function)+ b*(Patcher Function)

新增元胞聚集程度由Isometry参数控制，其取值范围为0到2之间。

敏感性分析：

斑块个数（NP）在数量上反映参数变化的影响，模糊相似性指数在空间分布上反映参数变化的影响。敏感性分析评价选取这两者来作为评价指标进行分析。对模型参数进行敏感性分析，可提高模型模拟的精度。

（1）Expander和 Patcher参数敏感性分析

为了对空间中不同扩散方式进行模拟，需要根据实际情况对 Expander和 Patcher两个函数所占百分比进行划分。

以0.1作为基本单位，根据不同情况对两个函数的所占比例进行调整，以查看两个函数不同的比例指数对模型模拟结果的影响。从以下两图中，我们可以看岀模型模拟的斑块个数和模糊相似性指数都是随着两个函数的比率值增加而降低的。

（2）Isometry参数敏感性分析

Isometry参数用于控制新增斑块的聚合程度。Isometry取值范围为0-2，斑块的聚合程度随着取值的大小而变化，取值越大聚合程度越高，反之亦然。当 Isometry值设置为0时，斑块呈现随机状态分布，Isometry值越大，模拟的斑块聚介程度越。

模糊理论：基于模糊理论建立元胞状态演化规则的城市元胞自动机模型。该类型的城市元胞自动机模型，可以对现实城市系统发展变化过程中的一些不确定现象或行为进行表述。例如，在农田转换为建筑用地、或工业用地的过程中，往往出现土地闲置阶段。严格意义上讲，闲置阶段的土地利用方式，既不属于农田，也很难将其划分为工业用地。而模糊理论，可以对这类问题进行表述。

模型参数化设置：

模型参数设置的准确性，直接影响到模型的模拟精度，因此选取适合研究区域的相关参数是构建模型的重要步骤。

本文中，根据研究区域的实际情况，通过设置评价斑块面积、聚合度和斑块面积变异系数来控制新增斑块的形状特征，此外还需设置相应的Expander和Patcher的比例来控制研究区新增元胞的空间扩散方式。

这样处理后可以确保参数设置的合理性，进而提高模型的预测精度。从表5-4可以看出，研究区域主要土地利用变化类型以及空间扩散特征的参数值。

模拟结果精度评价：

为了进一步检验 dinamica ego模型的精度，引入 kappa系数对其结果进行检验公式如下：
                     Kappa=po-pc/1-pc
       公式中，p0为观测一致率，pc为期望一致率。

本文运用ENⅥ遥感处理软件中的混淆矩阵分析功能，将通过ENⅥ解译得到的2010年宜兴土地利用图作为真实值，与 Dinamica ego模型模拟的2010年宜兴土地利用模拟图进行比较，具体见下表：