基于群体智能及CA的城市土地利用时空动力学模型构建与应用
|
摘要
土地是人类赖以生存的物质基础,城市土地承担着人类社会经济活动的功能,而城市土地利用系统本质上则是一个复杂的、开放的巨系统,为准确的掌握土地利用数据和土地利用变更动态,控制城市化进程,实现城市土地资源的可持续利用和城市发展的可持续性,需要利用城市土地利用时空动力学模型来模拟城市土地利用的动态变化。论文依托于国家公益性行业(土地)科研专项经费项目:中国多目标国土空间规划支撑技术研究与应用(201011018)对城市土地利用时空动力学模型进行研究。
本文综述了目前国内外城市土地利用演化模拟与预测的研究方法,提出了构建基于群体智能及CA的城市土地利用时空动力学模型的设想;概述了复杂系统理论、元胞自动机理论和群体智能理论,归纳了各种理论应用到城市土地利用系统中的结合点与优势,阐述了基于群体智能与CA模型结合的复合模型模拟城市发展变化的可行性;构建了基于群体智能及CA的城市土地利用时空动力学模型。该模型以土地利用历史数据为数据源,应用群体智能中的蚁群算法对城市土地利用变化的转换规则进行了挖掘,与标准CA结合进行模拟预测。研究可知,通过蚁群算法挖掘出的转换规则明确、清晰,同时还有较强的自适应能力。
本文选取1988年、1998年北京市为研究区域,对基于群体智能及CA的城市土地利用时空动力学模型进行了实证研究,并以2008年北京市土地利用空间结构对该模型进行了验证。结果显示,基于群体智能及CA的城市土地利用时空动力学模型模拟预测效果较好,能够较为客观、准确地预测出2008年北京市土地利用各地类数量及空间分布状况。
研究表明,本文构建的基于群体智能及CA的城市土地利用时空动力学模型预测出的结果能够为土地管理部门制定土地利用总体规划、合理利用和开发土地资源提供可靠依据,同时还能够为各级政府部门提供即时准确的各类土地信息,以此作为国民经济、区域规划、农业区划的科学依据。
Land is the basic resources for the survival of human race, and urban land is the basic resources for the social and economic activity of human race. The essence of urban land use system is an open complex giant system. In order to possess land use data and land use change accurately, control the process of urbanization, and accomplish the sustainable use of urban land resources and the sustainability of urban development, it’s a spatial-temporal dynamics model of urban land use that is needed to be used for simulation of urban land use change. This paper is supported by the National Public Benefit (Land) Research Foundation of China (No. 201011018).
This paper reviews the simulation and prediction methods of the evolution of urban land use from scholars at home and abroad, puts forward the idea of building a spatial-temporal dynamics model of urban land use based on swarm intelligence and CA; overviews the theory of complex system, cellular automata and swarm intelligence, summarizes the conjoint points and advantages of using these theories in the research of urban land use system, analyzes the feasibility of using a compound model based on swarm intelligence and CA to simulate the change of urban land use; and builds a spatial-temporal dynamics model of urban land use based on swarm intelligence and CA. Based on the historical land use data, this model uses ant colony algorithm, one method of swarm intelligence, to mine the rules of urban land use change, which will be applied in standard CA, to simulate and predict. Research shows that, the transformation rules mined by ant colony algorithm are clear and have a strong adaptive ability.
This paper takes Beijing, in the year of 1988, 1998 and 2008, as the study area to empirical research the model, and then compares to the real land use spatial structure of Beijing in 2008. The comparative study shows that by using the model based on swarm intelligence and CA can predict better, more objective and more precise in the prediction of the number and spatial distribution of land use classes of Beijing in 2008.
The study shows that the prediction results of spatial-temporal dynamics model of urban land use based on swarm intelligence and CA can provide a reliable method to establish the general land use planning, use and develop land resources rationally for land management department, and also can supply an immediate and accurate information of land to government, which can help them make decisions on national economy, regional planning, and agricultural regionalization.
本文综述了目前国内外城市土地利用演化模拟与预测的研究方法,提出了构建基于群体智能及CA的城市土地利用时空动力学模型的设想;概述了复杂系统理论、元胞自动机理论和群体智能理论,归纳了各种理论应用到城市土地利用系统中的结合点与优势,阐述了基于群体智能与CA模型结合的复合模型模拟城市发展变化的可行性;构建了基于群体智能及CA的城市土地利用时空动力学模型。该模型以土地利用历史数据为数据源,应用群体智能中的蚁群算法对城市土地利用变化的转换规则进行了挖掘,与标准CA结合进行模拟预测。研究可知,通过蚁群算法挖掘出的转换规则明确、清晰,同时还有较强的自适应能力。
本文选取1988年、1998年北京市为研究区域,对基于群体智能及CA的城市土地利用时空动力学模型进行了实证研究,并以2008年北京市土地利用空间结构对该模型进行了验证。结果显示,基于群体智能及CA的城市土地利用时空动力学模型模拟预测效果较好,能够较为客观、准确地预测出2008年北京市土地利用各地类数量及空间分布状况。
研究表明,本文构建的基于群体智能及CA的城市土地利用时空动力学模型预测出的结果能够为土地管理部门制定土地利用总体规划、合理利用和开发土地资源提供可靠依据,同时还能够为各级政府部门提供即时准确的各类土地信息,以此作为国民经济、区域规划、农业区划的科学依据。
Land is the basic resources for the survival of human race, and urban land is the basic resources for the social and economic activity of human race. The essence of urban land use system is an open complex giant system. In order to possess land use data and land use change accurately, control the process of urbanization, and accomplish the sustainable use of urban land resources and the sustainability of urban development, it’s a spatial-temporal dynamics model of urban land use that is needed to be used for simulation of urban land use change. This paper is supported by the National Public Benefit (Land) Research Foundation of China (No. 201011018).
This paper reviews the simulation and prediction methods of the evolution of urban land use from scholars at home and abroad, puts forward the idea of building a spatial-temporal dynamics model of urban land use based on swarm intelligence and CA; overviews the theory of complex system, cellular automata and swarm intelligence, summarizes the conjoint points and advantages of using these theories in the research of urban land use system, analyzes the feasibility of using a compound model based on swarm intelligence and CA to simulate the change of urban land use; and builds a spatial-temporal dynamics model of urban land use based on swarm intelligence and CA. Based on the historical land use data, this model uses ant colony algorithm, one method of swarm intelligence, to mine the rules of urban land use change, which will be applied in standard CA, to simulate and predict. Research shows that, the transformation rules mined by ant colony algorithm are clear and have a strong adaptive ability.
This paper takes Beijing, in the year of 1988, 1998 and 2008, as the study area to empirical research the model, and then compares to the real land use spatial structure of Beijing in 2008. The comparative study shows that by using the model based on swarm intelligence and CA can predict better, more objective and more precise in the prediction of the number and spatial distribution of land use classes of Beijing in 2008.
The study shows that the prediction results of spatial-temporal dynamics model of urban land use based on swarm intelligence and CA can provide a reliable method to establish the general land use planning, use and develop land resources rationally for land management department, and also can supply an immediate and accurate information of land to government, which can help them make decisions on national economy, regional planning, and agricultural regionalization.
引文
[1] Batty M., Xie Y., Sun Z.. Modeling Urban Dynamics through GIS-based Cellular Automata [J]. Computer, Environmental and Urban Systems,1999,23:1-29.
[2] Chapin F.S. ,Weiss S.F..A Probabilistic Model for Residential Growth [J].Transportation Research,1968,2:275-390.
[3] Clarke K.C., Gaydos L.J.. Loose-coupling of a Cellular Automaton Model and GIS: Long-term Growth Prediction for the San Francisco Bay Area [J].Environment and planning B,1998,12:669-714.
[4] Colorni A, Dorigo M, Maniezzo V. Distributed Optimization by Ant Colonies. Proceedings of the First European Conference on Artificial Life. Paris, France: Elsevier Publishing, 1991.134-142.
[5] Couclelis H.. From Cellular Automata to Urban Models: New Principles for Model Development and Implementation [J]. Environment and Planning B,1997,24:165-174.
[6] Dorigo M. Optimization, Learning and Natural Algorithms. Ph D. Thesis, Department of Electronics, Politecnico diMilano, Italy, 1992.
[7] Dorigo M., Maniezzo V., Colorni A. .Ant System: Optimization by a Colony of Cooperating Agents. IEEE Trans Syst, Man, Cybernetics-Part B,1996,26(1):29-41.
[8] Engelen G., White R., Uljee I., etc. Using Cellular Automata for Integrated Modeling of Socio–environment Systems [J].Environmental Monitoring and Assessment,1995,34(2):203-214.
[9] Hagerstrand T. A Monte - Carlo Approach to Diffusion [J]. European Journal of Sociology, 1965,Ⅵ: 43-67.
[10] Parpinelli R. S.,Lopes H. S.,Freitas A. A..Data Mining with an Ant Colony Optimization Algorithm.IEEE Trans Evol Comput,2002,6(4):321-332.
[11] Richards, J., X. Jia.. Remote Sensing Digital Image Analysis. Berlin: Springeretc. 1993
[12] Shi Wenzhong, Matthew Yick Cheun Pang. Development of Voronoi-based Cellular Automata—an integrated dynamic model for Geographical Information Systems[J]. Int.J.Geographical Information Science,2000,14(5):455-474.
[13] Stephen Wolfram. A New Kind of Science. Wolfram Media, Inc. 2002.
[14] Takeyama M., Couclelis H.. Map Dynamics : Integrating Cellular Automata and GIS through Geo-Algebra[J].Int.J.Geographical Information Science,1999,11(1):73-91.
[15] Tobler W.R..A Computer Movie Simulating Urban Growth in the Detroit Region [J].Economic Geography,1970,46:234-240.
[16] Von T. M. Cover, J. A. Thomas. Elements of Information Theory. New York: NY John Wiley & Sons, 1991.
[17] Ward D.P., Murray A.T., Phinn S.R.. A Stochastically Constrained Cellular Model of UrbanGrowth [J]. Computer, Environment and Urban Systems,2001,24:539-558.
[18] White R., Engelen G.. High Resolution Integrated Modeling of the Spatial Dynamics of Urban and Regional Systems [J]. Computer, Environment and Urban Systems,2000,24:383-400.
[19] Wu F.. SimLand: a Prototype to Simulate Land Conversion through the Integrated GIS and CA with AHP-derived Transition Rules[J], Int.J. Geographical Information Science,1998,12(1):63-82.
[20] Wu F., Webster C J.. Simulation of Land Development through the Integration of Cellular Automata and Multi-criteria Evaluation [J].Environment and Planning B,1998,25:103-126.
[21] Wu F., Webster C.J..Simulating Artificial Cities in a GIS Environment: Urban Growth Under Alternative Regulation Regimes[J]. Int.J. Geographical Information Science,2000,14(7):625-648.
[22]鲍世行,顾孟潮.杰出科学家钱学森论城市学与山水城市[M].北京:中国建筑工业出版社. 1994.
[23]曹宝,秦其明,马海建等.面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-49,54.
[24]陈习森.基于GFCA-Urban扩展模型的城市土地利用演变研究[硕士学位论文].广州:中南大学,2007
[25]成思危.复杂科学与系统工程[J].管理科学学报,1999,2(2):1-7.
[26]崔伟宏,张显峰.土地资源的动态监测和动态模拟研究[J].地球信息科学,2002(01):23-45.
[27]戴芹,刘建波.基于蚁群规则挖掘算法的多特征遥感数据分类[J].地理研究, 2009, 28(4): 1136-1145.
[28]段海滨.蚁群算法原理及其应用[M].北京:科学出版社,2005.
[29]管相荣.基于GeoCA-Urban的古城市土地利用时空演化研究[硕士学位论文].郑州:河南大学,2005.
[30]胡宝清.土地系统工程.北京:中国大地出版社.2006.
[31]何春阳,陈晋,史培军等.基于CA的城市空间动态模型研究[J].地球科学进展, 2002,17(2): 188-196.
[32]何春阳,史培军,陈晋等.基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J].中国科学(D),2005,35(5):464-473.
[33]贾宏俊,万荣荣.灰色系统在耕地预测中的应用——以芜湖市为例[J].地域研究与开发, 2002,(4):36-42.
[34]柯新利,边馥苓.地理元胞自动机研究综述.咸宁学院学报,2009,29(3):103-106.
[35]李红礼.中原城市群地区城市土地协调利用评价研究[硕士学位论文].郑州:河南大学, 2009.
[36]李茂刚,陈松林.基于元胞自动机的城市用地变化研究[J].云南地理环境研究,2007(1): 77-83.
[37]李卫海.贵阳市城市空间扩展及生态环境健康分析[硕士学位论文].贵阳:贵州师范大学,2009.
[38]黎夏,叶嘉安.基于神经网络的单元自动机CA及真实和优化的城市模拟[J].地理学报, 2002,57(2):159-166.
[39]黎夏,叶嘉安.知识发现及地理元胞自动机[J].中国科学(D),2004,34(9):865-872.
[40]黎夏,叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005, 1:19-27.
[41]黎夏,刘小平.基于案例推理的元胞自动机及大区域城市演变模拟[J].地理学报,2007, 62(10):1097-1109.
[42]梁流涛,基于循环经济的土地可持续利用模式探讨[J].资源节约与环保,2010(3):56-57.
[43]林小莹,王占岐,殳浩.回归分析在农用土地分等中的应用[J].资源环境与工程,2005(01): 253-160.
[44]刘县明.CA-Markov复合模型及其在城市土地利用中的应用研究[硕士学位论文].南昌:南昌大学,2007.
[45]刘小平,黎夏.Fisher判别及自动获取元胞自动机的转换规则[J].测绘学报,2007,36(1): 112-118.
[46]刘小平,黎夏,叶嘉安等.利用蚁群智能挖掘地理元胞自动机的转换规则[J].中国科学(D), 2007,37(6):824-834.
[47]刘兴堂,梁炳成,刘力等.复杂系统建模理论、方法与技术[M].北京:科学出版社.2008.
[48]龙瀛.规划支持系统原理与应用[M].北京:化学工业出版社.2007.
[49]龙瀛,韩昊英,毛其智.利用约束性CA制定城市增长边界[J].地理学报,2009,64(8): 999-1008.
[50]罗平.地理特征元胞自动机及城市土地利用演化研究[博士学位论文].武汉:武汉大学, 2004.
[51]罗平,杜清运,雷元新等.地理特征元胞自动机及城市土地利用演化研究[J].武汉大学学报(信息科学版),2004,29(6):504-512.
[52]马爱功.基于元胞自动机的河谷型城市扩展研究[硕士学位论文].兰州:兰州大学,2009.
[53]毛彦成,张勃.基于Markov过程的张掖绿洲土地利用预测[J].干早地区农业研究,2007(01): 89-112.
[54]梅安新,彭望琭,秦其明.遥感导论[M].北京:高等教育出版社.2001.
[55]蒙莉娜.基于约束性CA的区域土地利用时空优化配置——以北京市昌平区为例[硕士学位论文].北京:中国地质大学(北京),2009.
[56]宁敢,郑新奇,辛颖等.基于CA-Markov的土地利用变化动态模型研究:以北京市昌平区为例[A].中国地理学会百年庆典学术论文摘要集[C].北京:2009,Ⅲ.44.
[57]彭喜元,彭宇,戴毓丰.群智能理论及应用[J].电子学报.2003,12A(31):1982-1988.
[58]孙志强.奥运前后北京及近周边区域空气污染观测与比对分析[硕士学位论文].重庆:西南大学,2010.
[59]陶嘉,黎夏,刘小平,何晋强.分析学习智能元胞自动机及优化的城市模拟[J].地理与地理信息科学,2007,23(5):43-47,51.
[60]王维顺.蚁群算法在数据挖掘中的应用研究[硕士学位论文].济南:山东大学,2006.
[61]王新云.基于CA模型的城市空间扩展研究[硕士学位论文].武汉:武汉大学,2005.
[62]吴丹,魏雷.复杂系统:高校管理研究的新视角[J].煤炭高等教育,2009,27(4):24-26.
[63]吴晓军.复杂性理论及其在城市系统研究中的应用[博士学位论文].西安:西北工业大学, 2005.
[64]吴翼.桂西南石灰岩地区生物多样性保护的GAP分析[硕士学位论文].南京:南京林业大学,2009.
[65]许彦曦,陈凤,濮励杰.城市空间扩展与城市土地利用扩展的研究进展[J].经济地理,2007(2): 16-19.
[66]薛晗.不确定规划的群体智能计算[博士学位论文].长沙:国防科技大学,2009.
[67]杨斌.基于地统计学的土地利用空间数据挖掘方法研究[D],硕士学位论文.北京:中国地质大学(北京),2009.
[68]杨青生,黎夏.基于遗传算法自动获取CA模型的参数——以东莞市城市发展为例[J].地理研究,2007,26(2):229-237.
[69]杨鑫.基于KML格式的县域土地集约利用评价分析系统设计与实现[硕士学位论文].北京:中国地质大学(北京),2009.
[70]郁亚娟,郭怀成,刘永,黄凯,王真.城市生态系统的动力学演化模型研究进展[J].生态学报, 2007(06):78-90.
[71]曾磊,宗勇,鲁奇.保定市城市用地扩展的时空演变分析[J].资源科学,2004,26(4):645-652.
[72]张明媛.基于GIS和人工神经网络预测土地利用变化[J].燕山大学学报,2004(03):120-131.
[73]张惟皎,刘春煌,尹晓峰.蚁群算法在数据挖掘中的应用研究[J].计算机工程与应用, 2004(28):171-173.
[74]郑新奇.城市仿真模型(UrbanSim)及其应用[J].现代城市研究, 2004,19(1): 65-68.
[75]郑新奇.城市土地优化配置与集约利用评价[M].北京:科学出版社.2004.
[76]郑新奇.基于GIS的城镇土地优化配置与集约利用评价研究[博士学位论文].郑州:解放军信息工程大学.2004.
[77]郑新奇,赵璐.基于MATLAB的关联规则空间数据挖掘探讨——以济南市平阴县安城乡为例[J].国土资源信息化,2008,(2):7-9,18.
[78]郑毅,吴斌.由鸟群和蚂蚁想到的—基于主体的仿真和群集智能的研究[J].微电脑世界, 2001,1:7-13.
[79]周成虎,孙战利,谢一春.地理元胞自动机研究[M].北京:科学出版社,1999.
[80]祝大星.让慧眼明察秋毫——肉眼观察的技巧与方法[J].科学24小时,2003,(10):23-24.
[81]朱荣付.北京城市增长模拟研究[硕士学位论文].北京:中国地质大学(北京),2005.
[2] Chapin F.S. ,Weiss S.F..A Probabilistic Model for Residential Growth [J].Transportation Research,1968,2:275-390.
[3] Clarke K.C., Gaydos L.J.. Loose-coupling of a Cellular Automaton Model and GIS: Long-term Growth Prediction for the San Francisco Bay Area [J].Environment and planning B,1998,12:669-714.
[4] Colorni A, Dorigo M, Maniezzo V. Distributed Optimization by Ant Colonies. Proceedings of the First European Conference on Artificial Life. Paris, France: Elsevier Publishing, 1991.134-142.
[5] Couclelis H.. From Cellular Automata to Urban Models: New Principles for Model Development and Implementation [J]. Environment and Planning B,1997,24:165-174.
[6] Dorigo M. Optimization, Learning and Natural Algorithms. Ph D. Thesis, Department of Electronics, Politecnico diMilano, Italy, 1992.
[7] Dorigo M., Maniezzo V., Colorni A. .Ant System: Optimization by a Colony of Cooperating Agents. IEEE Trans Syst, Man, Cybernetics-Part B,1996,26(1):29-41.
[8] Engelen G., White R., Uljee I., etc. Using Cellular Automata for Integrated Modeling of Socio–environment Systems [J].Environmental Monitoring and Assessment,1995,34(2):203-214.
[9] Hagerstrand T. A Monte - Carlo Approach to Diffusion [J]. European Journal of Sociology, 1965,Ⅵ: 43-67.
[10] Parpinelli R. S.,Lopes H. S.,Freitas A. A..Data Mining with an Ant Colony Optimization Algorithm.IEEE Trans Evol Comput,2002,6(4):321-332.
[11] Richards, J., X. Jia.. Remote Sensing Digital Image Analysis. Berlin: Springeretc. 1993
[12] Shi Wenzhong, Matthew Yick Cheun Pang. Development of Voronoi-based Cellular Automata—an integrated dynamic model for Geographical Information Systems[J]. Int.J.Geographical Information Science,2000,14(5):455-474.
[13] Stephen Wolfram. A New Kind of Science. Wolfram Media, Inc. 2002.
[14] Takeyama M., Couclelis H.. Map Dynamics : Integrating Cellular Automata and GIS through Geo-Algebra[J].Int.J.Geographical Information Science,1999,11(1):73-91.
[15] Tobler W.R..A Computer Movie Simulating Urban Growth in the Detroit Region [J].Economic Geography,1970,46:234-240.
[16] Von T. M. Cover, J. A. Thomas. Elements of Information Theory. New York: NY John Wiley & Sons, 1991.
[17] Ward D.P., Murray A.T., Phinn S.R.. A Stochastically Constrained Cellular Model of UrbanGrowth [J]. Computer, Environment and Urban Systems,2001,24:539-558.
[18] White R., Engelen G.. High Resolution Integrated Modeling of the Spatial Dynamics of Urban and Regional Systems [J]. Computer, Environment and Urban Systems,2000,24:383-400.
[19] Wu F.. SimLand: a Prototype to Simulate Land Conversion through the Integrated GIS and CA with AHP-derived Transition Rules[J], Int.J. Geographical Information Science,1998,12(1):63-82.
[20] Wu F., Webster C J.. Simulation of Land Development through the Integration of Cellular Automata and Multi-criteria Evaluation [J].Environment and Planning B,1998,25:103-126.
[21] Wu F., Webster C.J..Simulating Artificial Cities in a GIS Environment: Urban Growth Under Alternative Regulation Regimes[J]. Int.J. Geographical Information Science,2000,14(7):625-648.
[22]鲍世行,顾孟潮.杰出科学家钱学森论城市学与山水城市[M].北京:中国建筑工业出版社. 1994.
[23]曹宝,秦其明,马海建等.面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-49,54.
[24]陈习森.基于GFCA-Urban扩展模型的城市土地利用演变研究[硕士学位论文].广州:中南大学,2007
[25]成思危.复杂科学与系统工程[J].管理科学学报,1999,2(2):1-7.
[26]崔伟宏,张显峰.土地资源的动态监测和动态模拟研究[J].地球信息科学,2002(01):23-45.
[27]戴芹,刘建波.基于蚁群规则挖掘算法的多特征遥感数据分类[J].地理研究, 2009, 28(4): 1136-1145.
[28]段海滨.蚁群算法原理及其应用[M].北京:科学出版社,2005.
[29]管相荣.基于GeoCA-Urban的古城市土地利用时空演化研究[硕士学位论文].郑州:河南大学,2005.
[30]胡宝清.土地系统工程.北京:中国大地出版社.2006.
[31]何春阳,陈晋,史培军等.基于CA的城市空间动态模型研究[J].地球科学进展, 2002,17(2): 188-196.
[32]何春阳,史培军,陈晋等.基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J].中国科学(D),2005,35(5):464-473.
[33]贾宏俊,万荣荣.灰色系统在耕地预测中的应用——以芜湖市为例[J].地域研究与开发, 2002,(4):36-42.
[34]柯新利,边馥苓.地理元胞自动机研究综述.咸宁学院学报,2009,29(3):103-106.
[35]李红礼.中原城市群地区城市土地协调利用评价研究[硕士学位论文].郑州:河南大学, 2009.
[36]李茂刚,陈松林.基于元胞自动机的城市用地变化研究[J].云南地理环境研究,2007(1): 77-83.
[37]李卫海.贵阳市城市空间扩展及生态环境健康分析[硕士学位论文].贵阳:贵州师范大学,2009.
[38]黎夏,叶嘉安.基于神经网络的单元自动机CA及真实和优化的城市模拟[J].地理学报, 2002,57(2):159-166.
[39]黎夏,叶嘉安.知识发现及地理元胞自动机[J].中国科学(D),2004,34(9):865-872.
[40]黎夏,叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005, 1:19-27.
[41]黎夏,刘小平.基于案例推理的元胞自动机及大区域城市演变模拟[J].地理学报,2007, 62(10):1097-1109.
[42]梁流涛,基于循环经济的土地可持续利用模式探讨[J].资源节约与环保,2010(3):56-57.
[43]林小莹,王占岐,殳浩.回归分析在农用土地分等中的应用[J].资源环境与工程,2005(01): 253-160.
[44]刘县明.CA-Markov复合模型及其在城市土地利用中的应用研究[硕士学位论文].南昌:南昌大学,2007.
[45]刘小平,黎夏.Fisher判别及自动获取元胞自动机的转换规则[J].测绘学报,2007,36(1): 112-118.
[46]刘小平,黎夏,叶嘉安等.利用蚁群智能挖掘地理元胞自动机的转换规则[J].中国科学(D), 2007,37(6):824-834.
[47]刘兴堂,梁炳成,刘力等.复杂系统建模理论、方法与技术[M].北京:科学出版社.2008.
[48]龙瀛.规划支持系统原理与应用[M].北京:化学工业出版社.2007.
[49]龙瀛,韩昊英,毛其智.利用约束性CA制定城市增长边界[J].地理学报,2009,64(8): 999-1008.
[50]罗平.地理特征元胞自动机及城市土地利用演化研究[博士学位论文].武汉:武汉大学, 2004.
[51]罗平,杜清运,雷元新等.地理特征元胞自动机及城市土地利用演化研究[J].武汉大学学报(信息科学版),2004,29(6):504-512.
[52]马爱功.基于元胞自动机的河谷型城市扩展研究[硕士学位论文].兰州:兰州大学,2009.
[53]毛彦成,张勃.基于Markov过程的张掖绿洲土地利用预测[J].干早地区农业研究,2007(01): 89-112.
[54]梅安新,彭望琭,秦其明.遥感导论[M].北京:高等教育出版社.2001.
[55]蒙莉娜.基于约束性CA的区域土地利用时空优化配置——以北京市昌平区为例[硕士学位论文].北京:中国地质大学(北京),2009.
[56]宁敢,郑新奇,辛颖等.基于CA-Markov的土地利用变化动态模型研究:以北京市昌平区为例[A].中国地理学会百年庆典学术论文摘要集[C].北京:2009,Ⅲ.44.
[57]彭喜元,彭宇,戴毓丰.群智能理论及应用[J].电子学报.2003,12A(31):1982-1988.
[58]孙志强.奥运前后北京及近周边区域空气污染观测与比对分析[硕士学位论文].重庆:西南大学,2010.
[59]陶嘉,黎夏,刘小平,何晋强.分析学习智能元胞自动机及优化的城市模拟[J].地理与地理信息科学,2007,23(5):43-47,51.
[60]王维顺.蚁群算法在数据挖掘中的应用研究[硕士学位论文].济南:山东大学,2006.
[61]王新云.基于CA模型的城市空间扩展研究[硕士学位论文].武汉:武汉大学,2005.
[62]吴丹,魏雷.复杂系统:高校管理研究的新视角[J].煤炭高等教育,2009,27(4):24-26.
[63]吴晓军.复杂性理论及其在城市系统研究中的应用[博士学位论文].西安:西北工业大学, 2005.
[64]吴翼.桂西南石灰岩地区生物多样性保护的GAP分析[硕士学位论文].南京:南京林业大学,2009.
[65]许彦曦,陈凤,濮励杰.城市空间扩展与城市土地利用扩展的研究进展[J].经济地理,2007(2): 16-19.
[66]薛晗.不确定规划的群体智能计算[博士学位论文].长沙:国防科技大学,2009.
[67]杨斌.基于地统计学的土地利用空间数据挖掘方法研究[D],硕士学位论文.北京:中国地质大学(北京),2009.
[68]杨青生,黎夏.基于遗传算法自动获取CA模型的参数——以东莞市城市发展为例[J].地理研究,2007,26(2):229-237.
[69]杨鑫.基于KML格式的县域土地集约利用评价分析系统设计与实现[硕士学位论文].北京:中国地质大学(北京),2009.
[70]郁亚娟,郭怀成,刘永,黄凯,王真.城市生态系统的动力学演化模型研究进展[J].生态学报, 2007(06):78-90.
[71]曾磊,宗勇,鲁奇.保定市城市用地扩展的时空演变分析[J].资源科学,2004,26(4):645-652.
[72]张明媛.基于GIS和人工神经网络预测土地利用变化[J].燕山大学学报,2004(03):120-131.
[73]张惟皎,刘春煌,尹晓峰.蚁群算法在数据挖掘中的应用研究[J].计算机工程与应用, 2004(28):171-173.
[74]郑新奇.城市仿真模型(UrbanSim)及其应用[J].现代城市研究, 2004,19(1): 65-68.
[75]郑新奇.城市土地优化配置与集约利用评价[M].北京:科学出版社.2004.
[76]郑新奇.基于GIS的城镇土地优化配置与集约利用评价研究[博士学位论文].郑州:解放军信息工程大学.2004.
[77]郑新奇,赵璐.基于MATLAB的关联规则空间数据挖掘探讨——以济南市平阴县安城乡为例[J].国土资源信息化,2008,(2):7-9,18.
[78]郑毅,吴斌.由鸟群和蚂蚁想到的—基于主体的仿真和群集智能的研究[J].微电脑世界, 2001,1:7-13.
[79]周成虎,孙战利,谢一春.地理元胞自动机研究[M].北京:科学出版社,1999.
[80]祝大星.让慧眼明察秋毫——肉眼观察的技巧与方法[J].科学24小时,2003,(10):23-24.
[81]朱荣付.北京城市增长模拟研究[硕士学位论文].北京:中国地质大学(北京),2005.