arcgis教程-劉小平課件

CA模型中山大學(xué)遙感與地理信息工程系2009.07.16勞春華trycourlchqq10gisgis一、CA概念CA英文全稱是CelluarAutomata，中文譯名為元胞自動(dòng)機(jī)，又有人稱之為細(xì)胞自動(dòng)機(jī)。CA是一種時(shí)間、空間、狀態(tài)都離散，(空間上的)相互作用和(時(shí)間上的)因果關(guān)系皆局部的格網(wǎng)動(dòng)力學(xué)模型。具有模擬復(fù)雜系統(tǒng)時(shí)空演化過程的能力。1948年，數(shù)學(xué)家VonNeumann首次提出元胞自動(dòng)機(jī)(CA)的概念。

二、CA組成

t時(shí)刻狀態(tài)t+1時(shí)刻狀態(tài)轉(zhuǎn)換規(guī)則CA由“元胞”、“鄰域”和“轉(zhuǎn)換規(guī)則”三部分組成，元胞具有“狀態(tài)”屬性…………例如12碰上奇數(shù)+1碰上偶數(shù)+356碰上奇數(shù)+1碰上偶數(shù)+3碰上奇數(shù)+1碰上偶數(shù)+3…………元胞狀態(tài)由1經(jīng)過三次轉(zhuǎn)換迭代變成6。如果任由元胞演變下去，將會(huì)產(chǎn)生一個(gè)復(fù)雜的無窮數(shù)列。三、CA分類元胞自動(dòng)機(jī)的構(gòu)建沒有固定的數(shù)學(xué)公式，構(gòu)成方式繁雜，變種很多，行為復(fù)雜，故其分類難度也較大。基于不同的出發(fā)點(diǎn)，元胞自動(dòng)機(jī)可有多種分類。其中，最具影響力的當(dāng)屬S.Wolfram在80年代初做的基于動(dòng)力學(xué)行為的元胞自動(dòng)機(jī)分類，而基于維數(shù)的元胞自動(dòng)機(jī)分類也是最簡單和最常用的劃分。

三、CA分類－基于動(dòng)力學(xué)行為的元胞自動(dòng)機(jī)(1)平穩(wěn)型:自任何初始狀態(tài)開始,經(jīng)過一定時(shí)間運(yùn)行后，元胞空間趨于一個(gè)空間平穩(wěn)的構(gòu)形，這里空間平穩(wěn)即指每一個(gè)元胞處于固定狀態(tài)。不隨時(shí)間變化而變化。(2)周期型:經(jīng)過一定時(shí)間運(yùn)行后，元胞空間趨于一系列簡單的固定結(jié)構(gòu)(StablePaterns)或周期結(jié)構(gòu)(PerlodicalPatterns)。由于這些結(jié)構(gòu)可看作是一種濾波器(Filter)，故可應(yīng)用到圖像處理的研究中。(3)混沌型:自任何初始狀態(tài)開始，經(jīng)過一定時(shí)間運(yùn)行后，元胞自動(dòng)機(jī)表現(xiàn)出混沌的非周期行為，所生成的結(jié)構(gòu)的統(tǒng)汁特征不再變止，通常表現(xiàn)為分形分維特征。(4)復(fù)雜型:出現(xiàn)復(fù)雜的局部結(jié)構(gòu)，或者說是局部的混沌，其中有些會(huì)不斷地傳播。從另一角度，元胞自動(dòng)機(jī)可視為動(dòng)力系統(tǒng)，因而可將初試點(diǎn)、軌道、不動(dòng)點(diǎn)、周期軌和終極軌等一系列概念用到元胞自動(dòng)機(jī)的研究中

三、CA分類－基于維數(shù)的元胞自動(dòng)機(jī)一維元胞自動(dòng)機(jī)二維元胞自動(dòng)機(jī)三維元胞自動(dòng)機(jī)高維元胞自動(dòng)機(jī)

四、CA應(yīng)用

CA應(yīng)用社會(huì)學(xué)生物學(xué)

生態(tài)學(xué)數(shù)學(xué)

物理學(xué)

化學(xué)

地理學(xué)

……

研究經(jīng)濟(jì)危機(jī)的形成與爆發(fā)過程等腫瘤細(xì)胞的增長機(jī)理和過程模擬等生物群落的擴(kuò)散模擬等研究數(shù)論和并行計(jì)算等用于磁場、電場等場的模擬，以及熱擴(kuò)散、熱傳導(dǎo)和機(jī)械波的模擬等海上石油泄露后的油污擴(kuò)散、工廠周圍廢水、廢氣的擴(kuò)散等過程的模擬

四、CA應(yīng)用－地理學(xué)上的應(yīng)用

CA應(yīng)用土地利用變化城市擴(kuò)展人口遷移火災(zāi)蔓延

沙漠化

洪水掩沒

交通控制

……

五、生命游戲模型－最經(jīng)典的CA模型MartinC(1970,1971)將生命游戲規(guī)則引入到數(shù)字游戲中。該游戲通過分布在二維空間網(wǎng)格上的細(xì)胞來發(fā)揮作用。每個(gè)細(xì)胞只以一種狀態(tài)存在（0或1）,并且在下個(gè)時(shí)刻的狀態(tài)由當(dāng)前狀態(tài)以及與它最近的8個(gè)鄰居的狀態(tài)共同決定。

五、生命游戲模型－最經(jīng)典的CA模型定義了如下3種轉(zhuǎn)換規(guī)則：生存規(guī)則，周圍有2個(gè)或者3個(gè)活著的鄰居細(xì)胞，該活著的細(xì)胞將在下一時(shí)刻繼續(xù)生存；死亡規(guī)劃，周圍活著的細(xì)胞有3個(gè)以上，或者少于2個(gè)，該活著的細(xì)胞將在下一時(shí)刻死亡；繁殖規(guī)則，周圍存活鄰居數(shù)達(dá)到3個(gè)，該死亡細(xì)胞在下一時(shí)刻被激活過來

五、生命游戲模型－最經(jīng)典的CA模型從數(shù)學(xué)模型的角度看，該模型將平面劃分成方格棋盤，每個(gè)方格代表一個(gè)元胞。元胞狀態(tài)：0－死亡，1－活著；領(lǐng)域半徑：Moore型；演化規(guī)則

五、生命游戲模型－最經(jīng)典的CA模型

演示五、生命游戲模型－最經(jīng)典的CA模型

五、基于空間數(shù)據(jù)挖掘的CA模型遙感影像：T1遙感影像：T2空間數(shù)據(jù)挖掘算法CA轉(zhuǎn)換規(guī)則T時(shí)刻狀態(tài)（T+1）時(shí)刻狀態(tài)邏輯回歸CA神經(jīng)網(wǎng)絡(luò)CA決策樹CA蟻群CA支持向量機(jī)CA……五、基于空間數(shù)據(jù)挖掘的CA模型邏輯回歸五、基于邏輯回歸的CA模型

邏輯回歸不同于線性回歸，它研究的是一個(gè)事件發(fā)生的概率，與其他因素之間的關(guān)系。根據(jù)隨機(jī)試驗(yàn)的結(jié)果，通過最大似然法對回歸參數(shù)進(jìn)行估計(jì)。五、基于邏輯回歸的CA模型LogisticCA主要由三大部分組成，分別是全局性開發(fā)概率和局部作用的鄰域影響以及隨機(jī)項(xiàng)。這三部分相乘，得出最終轉(zhuǎn)換概率。當(dāng)轉(zhuǎn)換概率大于給定閾值，發(fā)生由非城市用地到城市用地的轉(zhuǎn)變，否則不發(fā)生轉(zhuǎn)變。

五、基于邏輯回歸的CA模型

準(zhǔn)備數(shù)據(jù)操作流程處理數(shù)據(jù)編寫代碼模擬輸出五、基于邏輯回歸的CA模型－準(zhǔn)備數(shù)據(jù)

數(shù)據(jù)準(zhǔn)備2019年東莞市土地利用分類數(shù)據(jù)(2019.img)東莞市市中心點(diǎn)數(shù)據(jù)(Prop.shp)東莞市鎮(zhèn)中心點(diǎn)數(shù)據(jù)(Town.shp)東莞市鐵路線數(shù)據(jù)(Rail.shp)東莞市高速公路數(shù)據(jù)(Express.shp)

東莞市一般公路數(shù)據(jù)(Road.shp)以東莞市2019年到2019年為例2019年東莞市土地利用分類數(shù)據(jù)(2019.img)五、基于邏輯回歸的CA模型－數(shù)據(jù)處理

2019.img2019.imgTown.shpRail.shpExpress.shp

Road.shpUrban2019.imgUrban2019.imgDisTown.imgDisRail.imgDisExpress.imgDisRoad.imgUrbanChange.imgProp.shpDisProp.imgUrban2019.txtUrban2019.txtdianData.shp五、基于邏輯回歸的CA模型－數(shù)據(jù)處理

UrbanChange.imgdianData.shpTown.shpRail.shpExpress.shp

Road.shpDisTown.imgDisRail.imgDisExpress.imgDisRoad.imgProp.shpDisProp.imgdianValue.dbfDisTown.imgDisRail.imgDisExpress.imgDisRoad.imgDisProp.imgdianValue.dbf五、基于邏輯回歸的CA模型－數(shù)據(jù)處理

Zfile.imgPgFile.img五、數(shù)據(jù)處理-獲取UrbanChange.img加載2019年和2019年遙感分類圖2019年遙感分類圖2019年遙感分類圖通過柵格運(yùn)算，計(jì)算出2019年和2019年城市和非城市遙感分類圖2019年和2019年城市和非城市遙感分類圖如右圖所示從下圖可以看出，影像分辨率太高，行列數(shù)太多，可進(jìn)行重采樣，適當(dāng)調(diào)低分辨率左圖是重采樣對話框，我們把分辨率調(diào)成85.5米可以看出，分辨率已經(jīng)調(diào)成了85.5米打開2019年和2019年屬性表，發(fā)現(xiàn)取值只有0和1,我們把這兩年數(shù)據(jù)進(jìn)行合成合成后的數(shù)據(jù)，如下對合成后的數(shù)據(jù)進(jìn)一步處理，得到2019年和2019年城市變化遙感圖，1為新增的，0為不變的，2為01年是城市的，05年還是城市下圖是進(jìn)一步處理好的數(shù)據(jù)導(dǎo)出01年到05年城市變化遙感數(shù)據(jù)，取名為UrbanChange.img打開erdas9.2,對UrbanChange.img進(jìn)行采點(diǎn)，首先把Urbanchange.img的LayerType改成thematic打開UrbanChange.img，我們可以看到它本來的LayerType是Continuous把UrbanChange.img的LayerType改成ThematicClassifier->AccuracyAssessment，打開右下圖窗口打開UrbanChange.img文件，Edit->Create/AddRandomPoints，打開生成隨機(jī)點(diǎn)窗口點(diǎn)擊SelectClasses，打開屬性編輯窗口，選擇1,設(shè)置采樣點(diǎn)和搜索數(shù)，這里采5000個(gè)點(diǎn)，生成的隨機(jī)點(diǎn)如右圖所示把采到的點(diǎn)輸出為dat數(shù)據(jù)，這里命名為diandata.dat利用同樣的方法，對0值進(jìn)行采樣，這里采20000個(gè)點(diǎn)輸出為diandata2.dat在我的電腦中看到點(diǎn)數(shù)據(jù)文件如下在excel中打開把diandata2.dat中的數(shù)據(jù)合到diandata.dat中來在第一行中插入一行，輸入x,y作為標(biāo)題名保存成csv格式，用記事本打開，如右圖所示在我的電腦中，直接把diandata.csv改成diandata.txt，使用arcMap加載該點(diǎn)數(shù)據(jù)arcMap->tools->AddXYData，打開窗口如右圖所示打開diandata.txt,如右圖所示，這時(shí)點(diǎn)數(shù)據(jù)沒有投影，點(diǎn)edit按鈕，為點(diǎn)數(shù)據(jù)加投影點(diǎn)Import按鈕，選擇UrbanChange.img，把其投影導(dǎo)進(jìn)來導(dǎo)進(jìn)投影如上圖所示確認(rèn)后，arcMap根據(jù)點(diǎn)坐標(biāo)生成矢量點(diǎn)數(shù)據(jù)，如上圖點(diǎn)數(shù)據(jù)，放大圖把點(diǎn)數(shù)據(jù)導(dǎo)出保存為diandata.shp生成矢量點(diǎn)數(shù)據(jù)后，把市中心、鎮(zhèn)中心、鐵路、高速公路、一般公路的矢量數(shù)據(jù)加進(jìn)來，準(zhǔn)備生成空間距離柵格數(shù)據(jù)下圖是加進(jìn)來的數(shù)據(jù)，用于生成空間距離變量柵格數(shù)據(jù)設(shè)定柵格運(yùn)算的范圍為UrbanChange.img的范圍，cell大小為UrbanChange.img的大小開始計(jì)算離市中心距離，生成柵格數(shù)據(jù)生成的離市中心距離柵格數(shù)據(jù)如上生成離鎮(zhèn)中心空間距離柵格數(shù)據(jù)生成的離鎮(zhèn)中心距離柵格數(shù)據(jù)如上生成離鐵路空間距離柵格數(shù)據(jù)生成的離鐵路距離柵格數(shù)據(jù)如上生成的離高速公路空間距離柵格數(shù)據(jù)如上生成的離一般公路空間距離柵格數(shù)據(jù)如上下圖是生成的柵格數(shù)據(jù)為了消除量綱影響，可對空間距離柵格數(shù)據(jù)進(jìn)行歸一化處理歸一化離市中心距離柵格數(shù)據(jù)導(dǎo)出已經(jīng)完成歸一化的數(shù)據(jù)，存為DisProp_gyh.img用同樣的方法，歸一化其它空間距離變量柵格數(shù)據(jù)，如左圖所示SpatialAnalystToolExtractionSample，對已經(jīng)歸一化的柵格數(shù)據(jù)和UrbanChange.img進(jìn)行采樣，結(jié)果存為DianValue.dbf從我的電腦上看采樣好的數(shù)據(jù)在spss中打開采樣好的數(shù)據(jù)，其中，只有列z_z_z2c1到6是有用的按順序把列名改好，順序?yàn)椴蓸拥臅r(shí)候，添加數(shù)據(jù)的順序返回?cái)?shù)據(jù)視圖，發(fā)現(xiàn)有些點(diǎn)出現(xiàn)誤差，UrbanChange的值為2,應(yīng)該去掉，data->SelectCases選擇UrbanChange的值不等2的行選擇刪掉未選中的數(shù)據(jù)返回?cái)?shù)據(jù)視圖中，這時(shí)，數(shù)據(jù)已經(jīng)是可用的了Analyze->Regression->BinaryLogistic..，進(jìn)行二項(xiàng)邏輯回歸分析回歸出來的系數(shù)的誤差如下表所示，在ArcMap中進(jìn)行柵格運(yùn)算，算出Z值算出的Z值如上圖所示導(dǎo)出成Zfile.img文件再進(jìn)一步算出Pg值Pg值數(shù)據(jù)如上圖所示導(dǎo)出為PgFile.img文件將PgFile.img轉(zhuǎn)換成PgFile.txt右圖是2019年和2019年城市和非城市分類圖進(jìn)行模擬的時(shí)候，可以把水體加進(jìn)來，取值為2。新的柵格圖的取值為：0,非城市；1城市；2水體把合成的柵格圖導(dǎo)出為Urban2019.img和Urban2019.img再把Urban2019.img和Urban2019.img轉(zhuǎn)換成Urban2019.txt和Urban2019.txt，作為模擬的輸入數(shù)據(jù)從2019.img中提取開發(fā)適宜性數(shù)據(jù)，這里提取水體出來，取值為0,其它為１從2019.img中提取開發(fā)適宜性數(shù)據(jù)，這里提取水體出來，取值為0,其它為１提取出來的土地適宜性數(shù)據(jù)，如上圖所示，這里也可以把保護(hù)區(qū)的數(shù)據(jù)加進(jìn)來把土地適宜性文件導(dǎo)出來，取名為LandSuitable.img把LandSuitable.img轉(zhuǎn)換成LandSuitable.txt，作為模擬時(shí)的輸入數(shù)據(jù)五、基于邏輯回歸的CA模型－編寫代碼

輸入U(xiǎn)rban2019.txtUrban2019.txtPgFile.txtLandSuitable.txt

UrbanSimulate2019.txt

CA迭代

輸出運(yùn)算五、基于邏輯回歸的CA模型－核心代碼變量

Publicdata(,)AsInt32‘2019urban.txt數(shù)據(jù)，以列行存儲PublicdataFinal(,)AsInt32‘2019urban.txt數(shù)據(jù)，以列行存儲PublictempData(,)AsInt32'臨時(shí)數(shù)據(jù)PublicPgData(,)AsDouble'PgFile.txt數(shù)據(jù)，以列行存儲PublicsuitableData(,)AsDouble'LandSuitable.txt數(shù)據(jù)，以列行存儲PublicnoDataValueAsInt32'無值數(shù)據(jù)PublicxCor()AsInt32‘變化元胞的列坐標(biāo)PublicyCor()AsInt32‘變化元胞的行坐標(biāo)PublicupData()AsInt32‘變化元胞的數(shù)據(jù)值

PublicchgNumberAsInt32'變化的點(diǎn)PublicrdmAsRandom'產(chǎn)生隨機(jī)數(shù)類PublicrealUrbanNumberAsInt32'實(shí)際城市數(shù)目PublicsimUrbanNumberAsInt32'模擬城市數(shù)目五、基于邏輯回歸的CA模型－核心偽代碼

for每一行

for每一列

ifdata(列,行)=NoDataordata(列,行)=1ordata(列,行)=2thentempdata(列,行)=data(列,行)else

計(jì)算領(lǐng)域影響con

計(jì)算隨機(jī)因子影響rdmdata

讀取土地適宜性因子suitabledata

讀取PgFile.txt中的開發(fā)概率Pg

計(jì)算總開發(fā)概率P=con*rdmdata*suitabledata*PgifP>Pthresholdthentempdata(列,行)=1elsetempdata(列,行)=data(列,行)endif

endforendfor五、基于邏輯回歸的CA模型－核心代碼

PublicSubstickOne()Ks+=1‘Ks為迭代次數(shù)

DimiAsInt32,jAsInt32Forj=0Torows-1Fori=0Tocols-1

‘如果該元胞值處于無數(shù)據(jù)狀態(tài)或者已經(jīng)是城市或者是水體，則值不變

Ifdata(i,j)=noDataValueOrdata(i,j)=1Ordata(i,j)=2ThentempData(i,j)=data(i,j)

‘否則，計(jì)算該元胞城市開發(fā)概率Else

‘------------第一步，計(jì)算領(lǐng)域影響------------------DimconAsDouble=0DimtempIAsInt32,tempJAsInt32tempI=i-1'

IftempI>=0ThentempJ=j-1IftempJ>=0ThenIfdata(tempI,tempJ)=1Thencon+=1EndIftempJ=jIfdata(tempI,tempJ)=1Thencon+=1tempJ=j+1IftempJ<=rows-1ThenIfdata(tempI,tempJ)=1Thencon+=1EndIfEndIf

五、基于邏輯回歸的CA模型－核心代碼

tempI=itempJ=j-1IftempJ>=0ThenIfdata(tempI,tempJ)=1Thencon+=1EndIftempJ=j+1IftempJ<=rows-1ThenIfdata(tempI,tempJ)=1Thencon+=1EndIftempI=i+1IftempI<=cols-1ThentempJ=j-1IftempJ>=0ThenIfdata(tempI,tempJ)=1Thencon+=1EndIftempJ=jIfdata(tempI,tempJ)=1Thencon+=1tempJ=j+1IftempJ<=rows-1ThenIfdata(tempI,tempJ)=1Thencon+=1EndIfEndIfcon=con/8.0

‘算出領(lǐng)域影響值

‘----------------領(lǐng)域影響因子計(jì)算完畢----------------

五、基于邏輯回歸的CA模型－核心代碼

‘-------計(jì)算隨機(jī)影響因子------------------

DimrdmDataAsDouble'隨機(jī)影響因子

DimrungDaAsDouble=rdm.NextDouble+0.00001IfrungDa>=1ThenrungDa=rungDa-0.00001rdmData=Pow(-Log(rungDa),Rfa)+1

‘-------讀取城市發(fā)展適