PLUS模型教程四：基于多类随机斑块种子的CA模型（CARS）

学习更多干货，请关注微信公众号：生态遥感笔记

1

前言

第一期、第二期、第三期都有提到整个过程：土地需求预测—在用地扩张分析策略中获取土地发展概率—将各种参数设定在基于多类随机斑块种子的CA模型中运行。上一期我们已经采用随机森林算法逐一对各类土地利用扩张和驱动力的因素进行挖掘。获取各类用地的发展概率，及驱动因素对该时段各类用地扩张的贡献。

2

过程

(1) 检查自己的数据和认识一下CARS模块

前几期呢已经完成了PLUS模型所需数据的转化（就是后缀有.uc的那个），然后准备了影响因素（8个）、准备了各类用地的发展概率（7个）然后我们挨个儿输入到数据中！

Neighborhood Size：邻域范围，默认为3（这个和领域权重有关）

Thread：并行线程数量，提高运行速度，此处设置为6（值越高，只要电脑够好，速度就够快）

Patch generation threshold: 递减阈值的衰减系数，范围0~1，值越高表示用地类型越不容易发生转换（我们此处设置为0.9，先设置高点儿）

Expansion coefficient: 扩散系数，随机斑块种子的概率，范围0~1，值越高表示越容易产生新的斑块，（按默认设置，之后再依据实际情况进行调整）

Percentage of seed：随机种子最大比例，范围0~1，值越小越紧凑，反之则越分散（按默认设置，之后再依据实际情况进行调整）

Devlopment zone：设置规划开发区（本教程不涉及规划开发区和规划道路的影响）

(2) 制作限制区

① PLUS模型中，限制区的数值为0，，非限制区域的数值为1，利用重分类可完成，我们将所有的湖泊作为限制区吧。

注意：这个数据也要转化格式！！

② 转化格式：点击Data Processing进行数据转化，当出现Finish说明转化成功，数据会带有“_uc”的后缀。

这样才行！

(3) CARS模块运行

① 第一步：把刚刚准备好的数据输入进去！

同时设置Neighborhood Size：邻域范围，默认为3（这个和领域权重有关），之后会讲一下这个。

Thread：并行线程数量，提高运行速度，此处设置为6（值越高，只要电脑够好，速度就够快）

Patch generation threshold: 递减阈值的衰减系数，范围0~1，值越高表示用地类型越不容易发生转换（我们此处设置为0.9，先设置高点儿）

Expansion coefficient: 扩散系数，随机斑块种子的概率，范围0~1，值越高表示越容易产生新的斑块，（按默认设置，之后再依据实际情况进行调整）

Percentage of seed：随机种子最大比例，范围0~1，值越小越紧凑，反之则越分散（按默认设置，之后再依据实际情况进行调整）

这样！

② 第二步：Land Demands土地需求输入

土地需求在第二期讲过了，我们这里会用Markov的方法，然后PLUS模型中自己需要算一下。PLUS模型将结果保存在Parameterfile文件夹中的MakovChain.csv中输入2030年的就行。Start Amounts模型会自动计算，不用填写。将2030年数据数去Future Amounts就行。

③第三步：Transtion Matrix转移矩阵设置

0表示不允许转换，1表示允许转换。比如2020年耕地能否变为2030年城镇用地。一般根据经验来填写，比如：耕地常常会变为城镇用地，而城镇用地很难变为其他土地等等。（这个会涉及到未来情景设置，我们会在下一期说的）可以参考一下MakovChain.csv中的[Conversion Probability]，比如转移概率太小的，一般就可以设置为不转移。

我根据经验设置了一下（没有参考价值）！！大家在设置的时候一定要仔细思考这样河狸吗？

④ 第四步：Neighborhood Weights领域权重设置

方法一：经验设置

通过参考文献，自己的理解以及自己不断试验（哪个精度高用哪个），然后主观赋值，例如：在这篇论文中，就是调试后赋值，请大家自己拿捏。

李琛，高彬嫔，吴映梅，郑可君，武燕. 基于PLUS模型的山区城镇景观生态风险动态模拟[J]. 浙江农林大学学报：2022，39（1）：84–94

方法二：历史情境设置

根据前一阶段中土地扩展归一化值赋值（例如我们试验中用2010~2020的各类用地土地面积扩张去赋值。）

由于驱动因子同土地利用变化间关系的复杂性使得各用地类型的扩张强度较难直接计算，但各用地类型历史过程中的扩张规律却是对各自扩张能力的最好体现（王保盛等，2019）。文章分析了利用斑块面积（TA）和斑块数量（NP）作为领域权重测算的依据，表明斑块类型尺度上TA 的变化规律是对各用地类型扩张能力的定性表征，那么 TA 的变化量则可以用来定量表征各用地类型的扩张强度。利用公式：

其中，Wi是第i类土地类型领域权重，Tai为第i类土地利用扩张面积，TAmin为各类土地利用最小扩张面积，TAmax为各类土地利用最大扩张面积。

参考文献：

王保盛，廖江福，祝薇，邱全毅，王琳，唐立娜．基于历史情景的 FLUS 模型邻域权重设置—以闽三角城市群 2030 年土地利用模拟为例．生态学报，2019，39( 12) : 4284-4298．

Li C, Wu Y, Gao B, et al. Multi-scenario simulation of ecosystem service value for optimization of land use in the Sichuan-Yunnan ecological barrier, China[J]. Ecological Indicators, 2021, 132: 108328.

⑤ 第五步：开始运行！（记得点一下√），可以自己设置下颜色！

(4) 结果展示

① 2030年土地利用预测结果

总体来看效果非常好，可以看出城市有明显扩展，并沿道路、城镇中心，人造地表有了明显的扩张！（扩展水平和你设置的数量关系非常大）

② 一些小问题的反思—几个小参数：

a. 领域范围和领域权重：

我们总概率的公式是这样子的

PLUS的总概率=各类用地的发展概率（The growth probability for each land use type）×领域效应（neighborhood effects）×自适应惯性系数（self- adaptive driving coefficient）

而其中领域效应=领域范围和领域权重共同确定。

事实上，某种土地利用权重越大，代表着总概率越大。因此，不推荐设置领域权重为0，如果某类地类领域权重为0，可能会出现这类用地自己几乎不会扩张，而是只能被其他土地利用类型不断侵占。但是事实情况下，所有土地其实都有可能会扩张。因此，我在本次实验中，将本应领域权重标准化为0的耕地，人为设置为了0.1。因此，也可以尝试将数据标准化范围在0.1~0.9之间。（以上内容来自我自己的理解，如有错误恳请大家指正一下）

b. 递减阈值、扩散系数和随机种子最大比例

这几个参数刚刚已经讲了一些。阈值递减可以让概率高的斑块更容易生成，而同时不剥夺概率地的斑块生成的机会，因而初始阈值会有一定影响。同时扩散系数和随机种子也是更容易让斑块生成。但由于阈值递减有个递减在里，因此在第一次中可以设置大一些，例如0.9，而扩散系数和随机种子最大比例可以先使用默认参数进行设置，之后再调参。（因为，梁迅老师论文中设置就是这样的哈哈哈哈）

c. 数量达不到预期

在做未来地块配置的时候，配置的某一类用地斑块数量总是达不到设置的需求地块数。换句话说，我预测的土地数量，最终在空间上没有完全配置上去。比较靠近目标的情况下是正常的，因为空间分配也不是随心所欲的，但有时候达不到需求，也是正常现象，很难控制。可以通过调参进行细微的尽量去接近。模拟过程中可以把邻域效应调大，领域权重多半是不能变的，就把领域范围（Neighborhood Size）调大，调到11,21都可以。同时，还可以把Patch generation threshold（递减阈值的衰减系数）调低，Expansion coefficient（扩散系数），调高。

当然，作者梁迅老师也给出了比较高级的调参方式，流程有点复杂：

首先，你要很熟悉模拟模型为什么土地利用没有继续变化。比如，城市，靠侵占农田达到需求，而农田靠侵占林地达到需求，土地利用变化很复杂，你可能会面临这种情况：农田开始迅速侵占了林地，然后迅速达到了需求，然后被锁定；使得城市来不及侵占足够多的农田，而无法达到需求。

之后，如果是这种情况，你要分两段开展模拟，在第一段，那么你需要稍微把农田设多一点，让他侵占林地后仍然没有办法迅速到达需求，从而不被锁定。获得第一段的结果后，在第二段再让模型跑到你最终需要的目标。比如，你原来的目标是：城市：10；农田：20；林地 5，那么你可以第一段先模拟到城市：7；农田：23；林地 5，基于第一段的模拟结果，再模拟到城市：10；农田：20；林地 5。

（以上内容来自梁迅老师答疑整理。PS：这个方法真的好复杂）

其实整体来说教程就结束了，多尝试几次模型总能跑出来的！（我相信大家利用历史数据精度检验什么的应该都会的！），之后就是大家根据自己的情况进行参数调整。下一期其实就是一些调参的过程了，比如多情景设置什么的。