神经网络模型在中国城市扩展的应用进展
|
摘要
城市扩展是一种高度非线性的复杂时空动态变化过程,运用神经网络模型解释并分析城市扩展特征是当前学术界研究的热点。通过梳理神经网络在用地信息提取、扩展用地效益评价、扩展模式识别、扩展模拟预测等城市扩展方面的研究现状,发现在研究内容上缺乏城市空间扩展层面的模拟研究;在研究尺度上集中于单个城市的分析,缺乏对城市群乃至全国尺度城市扩展的深入探讨。在国家扎实推进新型城镇化、努力建设生态文明的背景下,紧密结合中国社会经济发展态势,积极响应政策导向,探索多种空间约束条件下城市扩展神经网络模型,重点考虑区域生态空间布局;积极拓展研究区域,强化不同尺度下尤其是大中尺度下基于神经网络的城市扩展模式识别;在技术上实现与多种方法的融合,以期实现城市在空间上的健康发展。
Urban expansion is a kind of highly nonlinear complex space-time dynamic change process, and using neural network model to explain and analyze the characteristics of urban expansion has been a hot topic in current academic circles. This article, by reviewing the neural network application in extracting the land use information, the evaluation of land use efficiency, the pattern recognition and simulation and prediction, indicates that there are few cases in simulation in urban expansion and those cases tend to describe the condition of a single city rather than discuss the situation of urban agglomeration and even the whole country. Under the background of promoting the new urbanization and building the ecological civilization, it is necessary to combine social development with economic development, make a positive response to the policy guidance, explore the neural network model of urban expansion in a variety of space constraints and emphasize the regional ecological space layout. It is important to actively expand the study area, reinforce the recognition of urban expansion model based on neural network on different scales, especially on medium and large scales, and realize the integration of several methods in technology to achieve the sound development of cities in space.
Urban expansion is a kind of highly nonlinear complex space-time dynamic change process, and using neural network model to explain and analyze the characteristics of urban expansion has been a hot topic in current academic circles. This article, by reviewing the neural network application in extracting the land use information, the evaluation of land use efficiency, the pattern recognition and simulation and prediction, indicates that there are few cases in simulation in urban expansion and those cases tend to describe the condition of a single city rather than discuss the situation of urban agglomeration and even the whole country. Under the background of promoting the new urbanization and building the ecological civilization, it is necessary to combine social development with economic development, make a positive response to the policy guidance, explore the neural network model of urban expansion in a variety of space constraints and emphasize the regional ecological space layout. It is important to actively expand the study area, reinforce the recognition of urban expansion model based on neural network on different scales, especially on medium and large scales, and realize the integration of several methods in technology to achieve the sound development of cities in space.
引文
[1]闫梅,黄金川.国内外城市空间扩展研究评析[J].地理科学进展,2013(7):1039-1050.
[2]李彦军,叶裕民.城市发展转型问题研究综述[J].城市问题,2012(5):97-101.
[3]罗媞,刘艳芳,孔雪松.中国城市化与生态环境系统耦合研究进展[J].热带地理,2014(2):266-274.
[4]邓羽.城市空间扩展的自组织特征与规划管控效应评估———以北京市为例[J].地理研究,2016(2):353-362.
[5] YE Y Y,SU Y X,ZHANG H O,et al. Construction of anecological resistance surface model and its application in urbanexpansion simulations[J]. Journal of Geophysical Research SolidEarth,2015,25(2):485-496.
[6] WU D,LIU J,WANG S,et al. Simulating urban expansion bycoupling a stochastic cellular automata model and socioeconomicindicators[J]. Stochastic Environmental Research&Risk Assess-ment,2009,24(2):235-245.
[7]马丽丽.人工神经网络在非线性复杂系统建模中的应用[D].保定:华北电力大学,2008.
[8]朱大奇,史慧.人工神经网络原理及应用[M].北京:科学出版社,2006.
[9]胡希军,瞿有甜.神经网络在遥感图像自动分类中的应用研究[J].浙江师范大学学报(自然科学版),1996,9(4):82-85.
[10]张友水,冯学智,阮仁宗,等. Kohonen神经网络在遥感影像分类中的应用研究[J].遥感学报,2004,8(2):178-184.
[11]贾永红.人工神经网络在多源遥感影像分类中的应用[J].测绘通报,2000(7):7-8.
[12]骆剑承,周成虎,杨艳.人工神经网络遥感影像分类模型及其与知识集成方法研究[J].遥感学报,2001(2):122-129.
[13]巴雅尔,敖登高娃,沈彦俊,等.地理信息系统支持下Spot/vegetation NDVI影像的大尺度神经网络分类[J].红外与毫米波学报,2005(6):427-431.
[14]董广军,张杰,徐铭杰,等.基于Hopfield神经网络模型的遥感影像分类算法[J].测绘学院学报,2003(4):267-270.
[15]邵飞.基于人工神经网络的遥感影像变化信息提取方法研究[D].青岛:山东科技大学,2006.
[16]张伟,杜培军,尹作霞.简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用[J].测绘科学,2008(5):113-115.
[17]周明.基于RBF神经网络的高光谱遥感影像降维及分类[J].国土与自然资源研究,2016(1):14-16.
[18]王梦秋,万幼川,李刚.核聚类改进的RBF神经网络遥感影像分类[J].测绘科学,2014(1):96-100.
[19]李海江,刘耀林,谭荣辉,等.一种新的基于高分辨率全色影像的城市建成区边界提取算法[J].测绘通报,2015(7):36-41.
[20]李刚,万幼川.基于高维云模型和RBF神经网络的遥感影像不确定性分类方法[J].测绘科学,2012(1):115-118.
[21]杜培军,夏俊士,薛朝辉,等.高光谱遥感影像分类研究进展[J].遥感学报,2016(2):236-256.
[22]刘坚,黄贤金,翟文侠,等.城市土地利用效益空间分异研究[J].江南大学学报(人文社会科学版),2005(6):67-71.
[23]詹美旭,葛幼松.城市空间快速扩张过程中的用地效益研究———以南京市为例[J].现代城市研究,2008(5):59-67.
[24]张凤伟,任家强,李楠.基于BP人工神经网络的城市土地利用效益评价研究——以辽阳市为例[J].价值工程,2011(18):7-8.
[25]李明月,赖笑娟.基于BP神经网络方法的城市土地生态安全评价———以广州市为例[J].经济地理,2011(2):289-293.
[26]刘耀林,焦利民.基于计算智能的土地适宜性评价模型[J].武汉大学学报(信息科学版),2005(4):283-287.
[27]廖青月,陈宗祥,刘友兆.基于BP神经网络模型的城市土地集约利用中观评价研究[J].资源开发与市场,2010(12):1089-1092.
[28]孙晓鸣,柏益尧,左玉辉.生态城市评价中的RBF神经网络模型———以厦门市为例[J].环境保护科学,2005(5):47-52.
[29]李焕,徐建春,徐知渊,等. BP人工神经网络在土地集约利用评价中的应用研究———以浙江省遂昌工业园区为例[J].中国农学通报,2011(6):447-450.
[30]韩璐,谢俊奇.小波神经网络在土地利用效益分析中的应用———以兰州市为例[J].资源科学,2011(1):153-157.
[31]常青,王仰麟,吴健生,等.城市土地集约利用程度的人工神经网络判定———以深圳市为例[J].中国土地科学,2007(4):26-31.
[32]于尚云,郭建科.辽宁省城市土地利用集约度测定及其时空差异[J].经济地理,2014(11):140-145.
[33]戴芹,陈雪,马建文,等.基于遥感数据SOFM网络分类的五种城市增长方式鉴别方法应用研究[J].武汉大学学报(信息科学版),2005(6):525-528.
[34]龙静.基于BP人工神经网络的城乡土地利用精明增长研究[D].南宁:广西师范学院,2013.
[35]陈园园,李宁,丁四保.城市群空间联系能力与SOM神经网络分级研究———以辽中南城市群为例[J].地理科学,2011(12):1461-1467.
[36]焦利民,吴苏.利用自组织网络分析1990—2010年中国主要城市扩展特征[J].武汉大学学报(信息科学版),2014(12):1435-1440.
[37]焦利民,张欣,毛立凡.自组织双重空间聚类算法的城市扩张结构分析应用[J].地球信息科学学报,2015(6):638-643.
[38]徐海龙,尹海伟,孔繁花,等.基于潜力—约束和SLEUTH模型松散耦合的南京城市扩展模拟[J].地理研究,2017(3):529-540.
[39] TAYYEBI A,PIJANOWSKI B C. An urban growth boundarymodel using neural networks,GIS and radial parameterization:an application to Tehran,Iran[J]. Landscape&Urban Planning,2011,100(s1-2):35-44.
[40]赵姚阳,濮励杰,胡晓添. BP神经网络在城市建成区面积预测中的应用———以江苏省为例[J].长江流域资源与环境,2006(1):14-18.
[41]雷波. BP神经网络和多元回归模型在城市建成区的面积预测比较———以福州市为例[J].城市发展研究,2008(1):24-26.
[42]张晓瑞,方创琳,王振波.基于RBF神经网络的城市建成区面积预测研究———兼与BP神经网络和线性回归对比分析[J].长江流域资源与环境,2013(6):691-697.
[43]沈利华.基于小波神经网络的城市建设用地预测[J].计算机应用与软件,2014(10):180-182.
[44]PIJANOWSKI B C,BROWN D G,SHELLITO B A,et al. Usingneural networks and GIS to forecast land use changes:a landtransformation model[J]. Computers Environment and Urbansystems,2002(6):553-575.
[45]徐颖,吕斌.基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用———以北京市为例[J].北京大学学报(自然科学版),2008(2):262-270.
[46]徐新良,闵稀碧,田展.基于GIS与LTM模型的上海市城市扩展模拟与预测[J].中国人口·资源与环境,2010(5):136-139.
[47]张世良,叶必雄,肖守中.径向基函数网络与GIS/RS融合的UGB预测[J].计算机工程与应用,2012(20):227-231.
[48]付玲,胡业翠,郑新奇.基于BP神经网络的城市增长边界预测———以北京市为例[J].中国土地科学,2016(2):22-30.
[49]邓羽,贾宁,刘毅.北京“市府东移”背景下通州区城市扩展模拟与管控启示[J].城市发展研究,2016(10):27-35.
[50] KUANG W H. Simulating dynamic urban expansion at regionalscale in Beijing-Tianjin-Tangshan Metropolitan Area[J]. Journalof Geographical Sciences,2011(1):317-330.
[51] LI X,LIU X,Gong P. Integrating ensemble-urban cellular au-tomata model with an uncertainty map to improve the performanceof a single model[J]. International Journal of Geographical Infor-mation Science,2015(5):1-24.
[52]史晓霞,李京,陈云浩,等.遥感及CA模型支持下的吉隆坡及其周边地区城市扩展分析与预测[J].水土保持通报,2008(2):121-126.
[53]韦春竹,郑文锋,孟庆岩,等.基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用[J].测绘工程,2014(1):45-49.
[54]王铮,吴健平,邓悦,等.城市土地利用演变信息的数据挖掘———以上海市为例[J].地理研究,2002(6):675-681.
[55]乐立,张杭杭.基于神经网络模型的城镇建设用地扩张预测[J].中国资源综合利用,2015(7):43-46.
[56]郝思雨,谢汀,伍文.基于RBF神经网络的成都市城镇建设用地需求预测[J].资源科学,2014(6):1220-1228.
[57]孟祥健,李秀霞. BP神经网络和GM(1,n)模型在吉林省四平市建设用地面积预测中的应用比较[J].水土保持通报,2017(1):173-176.
[58]王崇倡,张畅.基于遗传BP神经网络模型的土地利用变化预测模型研究[J].测绘与空间地理信息,2017(2):52-55.
[59]杨静,师学义,荣联伟. PCA-BP模型在城乡建设用地规模预测中的应用[J].江苏农业科学,2017(1):246-249.
[2]李彦军,叶裕民.城市发展转型问题研究综述[J].城市问题,2012(5):97-101.
[3]罗媞,刘艳芳,孔雪松.中国城市化与生态环境系统耦合研究进展[J].热带地理,2014(2):266-274.
[4]邓羽.城市空间扩展的自组织特征与规划管控效应评估———以北京市为例[J].地理研究,2016(2):353-362.
[5] YE Y Y,SU Y X,ZHANG H O,et al. Construction of anecological resistance surface model and its application in urbanexpansion simulations[J]. Journal of Geophysical Research SolidEarth,2015,25(2):485-496.
[6] WU D,LIU J,WANG S,et al. Simulating urban expansion bycoupling a stochastic cellular automata model and socioeconomicindicators[J]. Stochastic Environmental Research&Risk Assess-ment,2009,24(2):235-245.
[7]马丽丽.人工神经网络在非线性复杂系统建模中的应用[D].保定:华北电力大学,2008.
[8]朱大奇,史慧.人工神经网络原理及应用[M].北京:科学出版社,2006.
[9]胡希军,瞿有甜.神经网络在遥感图像自动分类中的应用研究[J].浙江师范大学学报(自然科学版),1996,9(4):82-85.
[10]张友水,冯学智,阮仁宗,等. Kohonen神经网络在遥感影像分类中的应用研究[J].遥感学报,2004,8(2):178-184.
[11]贾永红.人工神经网络在多源遥感影像分类中的应用[J].测绘通报,2000(7):7-8.
[12]骆剑承,周成虎,杨艳.人工神经网络遥感影像分类模型及其与知识集成方法研究[J].遥感学报,2001(2):122-129.
[13]巴雅尔,敖登高娃,沈彦俊,等.地理信息系统支持下Spot/vegetation NDVI影像的大尺度神经网络分类[J].红外与毫米波学报,2005(6):427-431.
[14]董广军,张杰,徐铭杰,等.基于Hopfield神经网络模型的遥感影像分类算法[J].测绘学院学报,2003(4):267-270.
[15]邵飞.基于人工神经网络的遥感影像变化信息提取方法研究[D].青岛:山东科技大学,2006.
[16]张伟,杜培军,尹作霞.简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用[J].测绘科学,2008(5):113-115.
[17]周明.基于RBF神经网络的高光谱遥感影像降维及分类[J].国土与自然资源研究,2016(1):14-16.
[18]王梦秋,万幼川,李刚.核聚类改进的RBF神经网络遥感影像分类[J].测绘科学,2014(1):96-100.
[19]李海江,刘耀林,谭荣辉,等.一种新的基于高分辨率全色影像的城市建成区边界提取算法[J].测绘通报,2015(7):36-41.
[20]李刚,万幼川.基于高维云模型和RBF神经网络的遥感影像不确定性分类方法[J].测绘科学,2012(1):115-118.
[21]杜培军,夏俊士,薛朝辉,等.高光谱遥感影像分类研究进展[J].遥感学报,2016(2):236-256.
[22]刘坚,黄贤金,翟文侠,等.城市土地利用效益空间分异研究[J].江南大学学报(人文社会科学版),2005(6):67-71.
[23]詹美旭,葛幼松.城市空间快速扩张过程中的用地效益研究———以南京市为例[J].现代城市研究,2008(5):59-67.
[24]张凤伟,任家强,李楠.基于BP人工神经网络的城市土地利用效益评价研究——以辽阳市为例[J].价值工程,2011(18):7-8.
[25]李明月,赖笑娟.基于BP神经网络方法的城市土地生态安全评价———以广州市为例[J].经济地理,2011(2):289-293.
[26]刘耀林,焦利民.基于计算智能的土地适宜性评价模型[J].武汉大学学报(信息科学版),2005(4):283-287.
[27]廖青月,陈宗祥,刘友兆.基于BP神经网络模型的城市土地集约利用中观评价研究[J].资源开发与市场,2010(12):1089-1092.
[28]孙晓鸣,柏益尧,左玉辉.生态城市评价中的RBF神经网络模型———以厦门市为例[J].环境保护科学,2005(5):47-52.
[29]李焕,徐建春,徐知渊,等. BP人工神经网络在土地集约利用评价中的应用研究———以浙江省遂昌工业园区为例[J].中国农学通报,2011(6):447-450.
[30]韩璐,谢俊奇.小波神经网络在土地利用效益分析中的应用———以兰州市为例[J].资源科学,2011(1):153-157.
[31]常青,王仰麟,吴健生,等.城市土地集约利用程度的人工神经网络判定———以深圳市为例[J].中国土地科学,2007(4):26-31.
[32]于尚云,郭建科.辽宁省城市土地利用集约度测定及其时空差异[J].经济地理,2014(11):140-145.
[33]戴芹,陈雪,马建文,等.基于遥感数据SOFM网络分类的五种城市增长方式鉴别方法应用研究[J].武汉大学学报(信息科学版),2005(6):525-528.
[34]龙静.基于BP人工神经网络的城乡土地利用精明增长研究[D].南宁:广西师范学院,2013.
[35]陈园园,李宁,丁四保.城市群空间联系能力与SOM神经网络分级研究———以辽中南城市群为例[J].地理科学,2011(12):1461-1467.
[36]焦利民,吴苏.利用自组织网络分析1990—2010年中国主要城市扩展特征[J].武汉大学学报(信息科学版),2014(12):1435-1440.
[37]焦利民,张欣,毛立凡.自组织双重空间聚类算法的城市扩张结构分析应用[J].地球信息科学学报,2015(6):638-643.
[38]徐海龙,尹海伟,孔繁花,等.基于潜力—约束和SLEUTH模型松散耦合的南京城市扩展模拟[J].地理研究,2017(3):529-540.
[39] TAYYEBI A,PIJANOWSKI B C. An urban growth boundarymodel using neural networks,GIS and radial parameterization:an application to Tehran,Iran[J]. Landscape&Urban Planning,2011,100(s1-2):35-44.
[40]赵姚阳,濮励杰,胡晓添. BP神经网络在城市建成区面积预测中的应用———以江苏省为例[J].长江流域资源与环境,2006(1):14-18.
[41]雷波. BP神经网络和多元回归模型在城市建成区的面积预测比较———以福州市为例[J].城市发展研究,2008(1):24-26.
[42]张晓瑞,方创琳,王振波.基于RBF神经网络的城市建成区面积预测研究———兼与BP神经网络和线性回归对比分析[J].长江流域资源与环境,2013(6):691-697.
[43]沈利华.基于小波神经网络的城市建设用地预测[J].计算机应用与软件,2014(10):180-182.
[44]PIJANOWSKI B C,BROWN D G,SHELLITO B A,et al. Usingneural networks and GIS to forecast land use changes:a landtransformation model[J]. Computers Environment and Urbansystems,2002(6):553-575.
[45]徐颖,吕斌.基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用———以北京市为例[J].北京大学学报(自然科学版),2008(2):262-270.
[46]徐新良,闵稀碧,田展.基于GIS与LTM模型的上海市城市扩展模拟与预测[J].中国人口·资源与环境,2010(5):136-139.
[47]张世良,叶必雄,肖守中.径向基函数网络与GIS/RS融合的UGB预测[J].计算机工程与应用,2012(20):227-231.
[48]付玲,胡业翠,郑新奇.基于BP神经网络的城市增长边界预测———以北京市为例[J].中国土地科学,2016(2):22-30.
[49]邓羽,贾宁,刘毅.北京“市府东移”背景下通州区城市扩展模拟与管控启示[J].城市发展研究,2016(10):27-35.
[50] KUANG W H. Simulating dynamic urban expansion at regionalscale in Beijing-Tianjin-Tangshan Metropolitan Area[J]. Journalof Geographical Sciences,2011(1):317-330.
[51] LI X,LIU X,Gong P. Integrating ensemble-urban cellular au-tomata model with an uncertainty map to improve the performanceof a single model[J]. International Journal of Geographical Infor-mation Science,2015(5):1-24.
[52]史晓霞,李京,陈云浩,等.遥感及CA模型支持下的吉隆坡及其周边地区城市扩展分析与预测[J].水土保持通报,2008(2):121-126.
[53]韦春竹,郑文锋,孟庆岩,等.基于元胞自动机的遗传神经网络在土地利用变化模拟分析中的应用[J].测绘工程,2014(1):45-49.
[54]王铮,吴健平,邓悦,等.城市土地利用演变信息的数据挖掘———以上海市为例[J].地理研究,2002(6):675-681.
[55]乐立,张杭杭.基于神经网络模型的城镇建设用地扩张预测[J].中国资源综合利用,2015(7):43-46.
[56]郝思雨,谢汀,伍文.基于RBF神经网络的成都市城镇建设用地需求预测[J].资源科学,2014(6):1220-1228.
[57]孟祥健,李秀霞. BP神经网络和GM(1,n)模型在吉林省四平市建设用地面积预测中的应用比较[J].水土保持通报,2017(1):173-176.
[58]王崇倡,张畅.基于遗传BP神经网络模型的土地利用变化预测模型研究[J].测绘与空间地理信息,2017(2):52-55.
[59]杨静,师学义,荣联伟. PCA-BP模型在城乡建设用地规模预测中的应用[J].江苏农业科学,2017(1):246-249.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |