[论文解读] UrbanVCA: a vector-based cellular automata framework to simulate the urban land-use change at the land-parcel level

Yao Yao, Linlong Li+10 more|arXiv (Cornell University)|Mar 15, 2021

Land Use and Ecosystem Services参考文献 34被引用 8

一句话总结

UrbanVCA 是一种新颖的基于矢量的细胞自动机框架，利用真实地籍数据在地块层面模拟城市土地利用变化，整合了多种机器学习模型，并引入了一种新的基于矢量的景观指数（VecLI）用于精度评估。在中囯顺德，其实现了 0.243 的性能指标（FoM）和 87.3% 的景观指数相似度，表现出高精度的模拟效果，支持可持续城市发展的情景规划。

ABSTRACT

Vector-based cellular automata (CA) based on real land-parcel has become an important trend in current urban development simulation studies. Compared with raster-based and parcel-based CA models, vector CA models are difficult to be widely used because of their complex data structures and technical difficulties. The UrbanVCA, a brand-new vector CA-based urban development simulation framework was proposed in this study, which supports multiple machine-learning models. To measure the simulation accuracy better, this study also first proposes a vector-based landscape index (VecLI) model based on the real land-parcels. Using Shunde, Guangdong as the study area, the UrbanVCA simulates multiple types of urban land-use changes at the land-parcel level have achieved a high accuracy (FoM=0.243) and the landscape index similarity reaches 87.3%. The simulation results in 2030 show that the eco-protection scenario can promote urban agglomeration and reduce ecological aggression and loss of arable land by at least 60%. Besides, we have developed and released UrbanVCA software for urban planners and researchers.

研究动机与目标

• 开发一种可扩展的、基于矢量的细胞自动机框架，用于在地块层面模拟城市土地利用变化。
• 克服限制基于矢量的CA模型广泛采用的技术与数据复杂性。
• 在灵活的模拟架构中整合多种机器学习模型。
• 提出一种新的基于矢量的景观指数（VecLI），用于准确评估地块层面的模拟效果。
• 为城市规划者提供一种实用的软件工具，支持基于情景的城市发展决策规划。

提出的方法

• UrbanVCA 框架以真实地籍边界作为基本空间单元，取代传统的栅格网格。
• 其实施了基于矢量的细胞自动机引擎，基于局部规则与邻域交互建模土地利用转变。
• 嵌入多种机器学习模型（如随机森林、XGBoost），根据社会经济与环境因素预测土地利用变化概率。
• 提出一种新的基于矢量的景观指数（VecLI），用于在地块层面定量比较模拟与实际的景观格局。
• 该框架支持情景模拟，包括生态保护与城市扩张情景。
• 软件实现支持交互式模拟、可视化与验证，服务于城市规划者与研究人员。

实验结果

研究问题

• RQ1 如何有效设计一种基于矢量的细胞自动机模型，以高精度在地块层面模拟城市土地利用变化？
• RQ2 在基于矢量的CA框架中，机器学习模型在多大程度上能提升土地利用转变的预测精度？
• RQ3 所提出的基于矢量的景观指数（VecLI）在捕捉真实世界景观格局方面，与传统基于栅格的指数相比表现如何？
• RQ4 不同城市规划情景——尤其是生态保护政策——对城市形态与生态结果有何影响？
• RQ5 像UrbanVCA这样的软件框架能否被城市规划者实际采纳，用于基于情景的决策支持？

主要发现

• UrbanVCA 框架在中囯顺德实现了 0.243 的性能指标（FoM），表明其在复现实际城市土地利用变化方面具有高精度。
• 模拟与实际景观格局之间的景观指数相似度达到 87.3%，表明空间格局保真度强。
• 在生态保护情景下，城市集聚度提高，而生态侵扰与耕地损失至少减少了 60%。
• 机器学习模型的整合显著提升了基于矢量的CA框架的预测能力。
• 所提出的 VecLI 指数有效量化了地块层面的景观相似度，在空间细节上优于传统基于栅格的度量指标。
• UrbanVCA 软件已成功开发并发布，为城市规划者与研究人员提供交互式、基于情景的城市模拟工具。