最新进展 | 土地覆盖变化矢量元胞自动机模型的适用性及敏感性分析

土地覆盖变化是可持续发展研究的重要议题。土地覆盖变化过程建模与模拟是探讨土地覆盖驱动机制、支持城市规划与政策制定以及评估生态环境影响的重要工具。土地利用和土地覆盖是该领域的两个关键概念。土地利用变化模拟研究人类活动如何影响土地资源，土地覆盖变化模拟研究的核心是自然因素和人类活动对地表覆盖的共同影响。

元胞自动机（Cellular Automata，CA）模型能够模拟土地利用的时空动态演化过程，是当前土地利用/覆盖模拟与预测的主流方法。传统的CA模型以规则的栅格作为基本元胞，如SLEUTH、ANN-CA、KPCA-CA等，模型计算简单，但难以获得高精度模拟结果。为此，Liu等提出了未来土地利用模拟模型（Future Land Use Simulation，FLUS），整合了宏观土地利用需求和局部相互作用；Liang等提出了斑块生成土地利用模拟模型（Patch-generating Land Use Simulation，PLUS），该模型进一步完善了转换规则挖掘机制，这二者都取得了较好的模拟精度。

然而，规整的栅格元胞在模拟真实世界地理对象的形状和大小时存在局限性。城市空间结构通常由不规则块或特征组成，而不是规则单元，这使得栅格CA在表达这些不规则地理实体方面存在缺陷。为了克服这一缺陷，研究者提出了基于不规则元胞的CA模型，即VCA模型（Vector-based CA，VCA），这被视为CA模型未来发展的重要方向之一。在许多国家，城市规划的基本单位是“地块”或“宗地”。鉴于CA模型的主要目标通常是辅助或改进城市规划，因此采用与城市规划者相同的空间表示方法似乎是合适的。例如，Yao等提出了DLPS-VCA模型，该模型以根据自然条件和土地利用类型划分的地籍地块为基本单元，并采用了递归二分的划分规则将面积大于阈值的地籍地块分裂成更细小的地块，较真实的模拟了城市扩张引起的破碎化过程。Zhai等进一步提出了CNN-VCA模型，有效挖掘了土地利用变化与地块邻域内驱动因子之间的关系。

然而，现有的VCA模型对模拟土地覆盖变化的适用性尚不清楚。这些模型主要用于模拟城市土地利用类型的变化，如住宅和工业用途。不同于城市地区的结构化土地利用类型，自然的土地覆盖数据可能表现出不规则的模式和零散的斑块。因此，有必要进一步研究VCA模型能否有效地捕捉自然土地覆盖变化的复杂性和多样性，以及反映城市扩展和空间结构变化的不同模式。尽管如此，VCA模型的引入无疑为关注土地利用和土地覆盖演变的研究者和政府决策者提供了一种有效的工具，通过深入比较和评价VCA模型与传统CA模型在模拟不同建设用地扩张模式方面的适用性和不足，可以为不同案例中CA模型的选择与应用提供重要参考。

CA模型除了受到基本元胞空间的影响外，还受到空间尺度的制约。这就使得敏感性分析成为CA建模的必要步骤，它可以检验模型的可信度和评估结果的不确定性。其中空间尺度涉及到范围和分辨率。忽视空间尺度可能导致过度简化、精度降低或者问题过于复杂、难以处理和解释的问题，从而增加不确定性。为了解决尺度敏感性问题，Gounaridis等在CA建模时进行了多分辨率灵敏度分析，以评估输入数据的空间分辨率对模型输出的影响。Cuellar等分析了不同邻域大小和空间分辨率对FLUS模型性能的影响。已有研究大多针对栅格CA模型进行研究，并证明了模拟精度与栅格数据的空间分辨率呈负相关。

与传统的CA模型不同，VCA模型的元胞是不规则的多边形，其形状和大小随着模拟过程动态变化，这使得VCA模型具有更高的空间灵活性和数据精度，但也带来了更复杂的尺度效应和邻域效应。虽然有些学者认为VCA模型基于地理实体数据，已经消除了元胞大小敏感性的问题。但是在使用DLPS-VCA等模型模拟土地覆盖变化时，往往需要对较大的地块进行分裂以模拟土地的破碎化过程。这就涉及到地块分裂阈值的选择，也会产生一定的空间尺度效应。因此，本研究将探索VCA模型中的空间尺度敏感性问题，为其应用提供理论支撑。

本研究的研究内容分为3个步骤，如图1所示：（1）数据预处理，将基于栅格的土地覆盖数据转换成矢量格式，并按照预设的迭代次数和分裂阈值对地块进行分裂；（2）土地覆盖模拟，分别采用FLUS、PLUS和VCA三种模型进行模拟，并通过精度评价、空间格局分析和模型运行时长对比三种模型的模拟效果，分析各自的优缺点和适用场景；（3）尺度敏感性分析，对比不同元胞大小下VCA模型的模拟精度，探究其在空间尺度上的不确定性。

3.1  精度评估

本研究对深圳市2008-2018年期间的土地覆盖变化进行了模拟与预测，以评估不同模型在相同研究区域和数据集下的模拟效果。表1所展示的数据显示，三种模型在 OA均维持在85%以上，Kappa系数均在75%以上，而FoM指数全部超过0.2。特别地，本研究中的VCA模型展现出最优的FoM精度，相较于FLUS模型和PLUS模型，分别提升了39.74%与11.00%。综合以上三项评价指标，本研究结果表明VCA模型在土地覆盖变化的模拟任务中具有较高的有效性。

3.2  模拟精度的区域差异分析

此外，尽管FLUS模型在EII指数的相关性上表现最好，但其在深圳市各区的模拟FoM精度均低于PLUS和VCA模型，这是因为FLUS模型中基于单张土地覆盖图的分布规则不能捕捉到特定时间间隔内土地覆盖的变化规律，导致模拟精度较差。在光明区、龙华区和龙岗区等快速发展的新兴城区中，VCA模型的模拟精度都高于PLUS模型。但是，在经济社会发展水平较高的南山区、福田区和罗湖区，PLUS模拟精度稍高于VCA模型。这说明PLUS模型的模拟效果相对稳定，更适用于挖掘城市发展较为成熟的中心城区的土地覆盖模拟，而VCA模型在进行土地覆盖变化模拟时更适用于挖掘建设用地迅速向外扩张的用地模式，如新兴城区。这一结论也得到了EII指数的支持，VCA模型与EII的相关系数为0.79，PLUS模型的相关系数为0.67，显示出VCA模型更能反映城市扩张的情况。

图2 不同模型在各区域模拟精度

3.3  VCA模型空间尺度敏感性分析

图4显示了元胞尺寸对VCA模型模拟精度的影响。研究显示，VCA模型对元胞尺寸极为敏感。随着元胞尺寸增加，OA、Kappa、FoM指数逐渐下降。而模拟结果的景观相似度随着元胞尺寸的增大而显著提高，在元胞尺寸达到9ha时增长趋缓。元胞尺寸较小时，斑块数量和边缘密度迅速增大，会导致景观碎片化，从而使得景观相似度大幅度降低（研究范围内降低73.4%）。

图4 VCA 模型的元胞尺寸敏感性分析

本研究使用SPSS Statistics 25进行了双因素方差分析，评估了元胞尺寸和区域差异对VCA模型模拟精度的影响。分析涉及深圳市10个区域，考察了1ha至11ha不同元胞尺寸的模拟精度。统计指标F值、偏Eta平方和均方用于评估因素影响。结果显示元胞尺寸（F=52.223，偏Eta方=0.853，均方=0.008）和区域性差异（F=914.242，偏Eta方=0.995，均方=0.137）均显著影响模型精度。其中区域差异的影响更为显著（区域差异的F值和偏Eta平方均大于元胞尺寸），表明区域差异在模型中具有较大的影响力。

3.4  模拟结果案例对比分析

Part 3位于南山区，建设用地增长趋于平稳。PLUS模型在这一区域的模拟效果良好，而FLUS模型则低估了扩张规模。VCA模型则高估了扩张规模，且随着元胞单元增大，这一偏差加剧。Part 5位于大鹏区，建设用地扩张幅度小，FLUS模型过度估计了扩张规模，而PLUS模型和元胞单元小于5ha的VCA模型提供了更为准确的模拟结果。此外，PLUS模型还能准确预测Part 5下方的新增建设用地斑块位置，体现了其“多类型随机斑块种子机制”。 总体来看，FLUS和PLUS模型主要模拟了沿现有建设用地边缘的扩张，说明这两个模型的邻域效应表征方式能够较好的刻画周边单元的影响，使得模型容易捕捉到边缘扩张城市增长的特征。

本研究旨在探讨VCA模型在土地覆盖变化模拟中的适用性和空间尺度敏感性，利用VCA、PLUS和FLUS模型模拟深圳市土地覆盖变化，并进行了系统的比较分析。结果表明，VCA和PLUS模型在土地覆盖数据上均有较好的适用性。不同模型在挖掘城市土地规模、强度和空间分布变化方面各有优势。VCA模型适合于探索建设用地扩张较快、EII值较高的城市新区土地覆被变化机制。PLUS模型适用于发展成熟中心城区或滞后的郊区土地变化模式，这些地区的EII值往往较低。此外，PLUS模型在大规模研究区域中显示出较高的模拟效率。元胞尺寸是影响VCA模型模拟效果的关键参数。单元格过小会导致精度提高，但降低了景观格局相似性。此外，研究区域对VCA模型准确性的影响大于元胞尺寸。

参考文献

Yao Yao, Ying Jiang, Zhenhui Sun, Linlong Li, Dongsheng Chen, Kailu Xiong, Anning Dong, Tao Cheng, Haoyan Zhang, Xun Liang, and Qingfeng Guan*. (2024) Applicability and sensitivity analysis of vector cellular automata model for land cover change, Computers, Environment and Urban Systems, DOI: 10.1016/j.compenvurbsys.2024.102090