地理计算智能与城市动态变化及开发强度模拟

前言

1 绪论

1．1 城市动态模拟发展概要

1．2 城市用地动态变化的驱动因子及其特性

1．3 城市用地动态模拟基本过程

1．3．1 情景假设

1．3．2 数据处理

1．3．3 模拟预测

1．3．4 结果验证

1．4 国内外城市模拟研究动态

1．4．1 国内外城市模拟研究现状

1．4．2 研究趋势

1．5 人工智能在城市土地利用动态模拟中的应用

1．5．1 转换规则的提取方法

1．5．2 人工智能的规则提取方法

1．6 城市土地开发强度研究现状及趋势

1．7 研究区概况

1．8 本书结构

1．8．1 城市用地变化动态检测与分析

1．8．2 城乡建设用地分布模式研究

1．8．3 城市用地动态模拟

1．8．4 城市开发强度宏观控制模型构建与预测

2 城市用地动态变化检测与分析

2．1 城市用地动态变化检测研究发展概述

2．2 数据来源与研究方法

2．2．1 数据来源

2．2．2 研究方法

2．3 城市用地动态变化的结果分析

2．3．1 总动态度分析

2．3．2 地类活跃度分析

2．3．3 用途转换波动度分析

2．4 小结

3 城乡居民点空间分布模式及其规律

3．1 居民点空间分布模式研究概述

3．2 居民点空间分布模式研究方法

3．2．1 基本原理

3．2．2 数据来源与数据处理

3．3 基于景观指数的农村居民点统计特征

3．3．1 分布破碎，平均规模小

3．3．2 农村居民点分布密度大

3．4 农村居民点空间分布模式

3．4．1 样方分析

3．4．2 最邻近指数分析

3．4．3 Voronoi多边形分析

3．4．4 核密度分析

3．5 农村居民点等级分布规律

3．6 农村居民点空间分布的相关性分析

3．6．1 回归分析

3．6．2 影响农村居民点空间分布的因素

3．6．3 农村居民点空间分布的相关性分析

3．7 城镇用地空间分布

3．7．1 城镇用地空间分布模式

3．7．2 城镇用地等级分布规律

3．8 小结

4 基于DYNA-CLUE模型的城市动态模拟

4．1 城市动态模拟概述

4．2 城市动态模拟的数据处理与技术方案

4．2．1 城市动态模拟的数据来源与数据处理

4．2．2 土地利用变化动态模拟技术流程

4．3 基于DYNA-CLUE模型的城市动态模拟过程

4．3．1 未来土地利用需求预测

4．3．2 设定空间限制

4．3．3 特定土地利用类型转换设置

4．3．4 土地适宜性参数获取

4．3．5 其他相关参数的设置

4．4 分析结果

4．4．1 回归结果分析

4．4．2 模型检验

4．4．3 模拟结果分析

4．5 小结

5 基于指数平滑的DYNA-CLUE模型改进

5．1 关于DYNA-CLUE模型的研究进展

5．2 DYNA-CLUE模型改进方案

5．2．1 实验的数据来源及预处理

5．2．2 DYNA-CLUE模型改进的技术流程

5．2．3 模拟方法

5．3 结果分析

5．3．1 Logistic回归结果分析

5．3．2 指数平滑与模拟结果分析（参数验证）

5．3．3 未来用地格局模拟

5．4 小结

6 基于人工神经网络的城市用地动态模拟

6．1 前言

6．2 模型原理

6．2．1 数据处理模块

6．2．2 人工神经网络模块

6．2．3 CA 模块

6．3 南岸区土地利用演化模拟

6．3．1 研究区域概况

6．3．2 数据处理与空间变量

6．3．3 神经网络的结构

6．3．4 神经网络训练

6．3．5 神经网络训练结果分析

6．3．6 用地动态变化的模拟

6．4 小结

7 基于深度学习方法的城市用地动态变化模拟

7．1 深度学习概述

7．2 深度置信网

7．2．1 受限玻尔兹曼机

7．2．2 Gibbs 抽样

7．2．3 对比散度学习算法

7．2．4 深度置信网训练

7．3 土地利用转换规则挖掘

7．3．1 输入与输出定义

7．3．2 基于DBN的转换规则挖掘

7．3．3 规则生成

7．4 模拟实施及结果分析

7．4．1 精度评价方法

7．4．2 实验设计

7．4．3 模型验证

8 城市用地动态变化的整合模型构建与模拟研究

8．1 整体模型研究概述

8．2 模型整合与模块设计

8．2．1 建模思想

8．2．2 模块构建

8．3 实证研究

8．3．1 研究区域

8．3．2 数据来源与数据预处理

8．3．3 人工神经网络训练

8．3．4 模型验证与相关参数设置

8．3．5 不同模型方案对比分析——模型检验

8．3．6 对城乡建设用地空间格局的未来模拟与预测——模型预测

8．4 小结

9 城市土地开发强度空间分布及影响因子分析

9．1 城市土地开发强度概述

9．2 数据来源与方法

9．2．1 研究区域

9．2．2 数据来源

9．2．3 研究方法

9．3 主要步骤

9．3．1 土地开发强度分区

9．3．2 土地开发强度影响因子选择

9．3．3 土地开发强度相关性分析

9．3．4 邻域丰度分析

9．4 结果分析

9．4．1 回归分析结果

9．4．2 邻域丰度分析结果

9．5 小结

10 城市开发强度宏观控制模型构建与预测^ANN模型构建

10．1 开发强度控制模型研究概述

10．2 研究方法与数据来源

10．2．1 研究方法

10．2．2 数据来源与数据处理

10．2．3 数据仿真

10．3 结果分析

10．3．1 不同方案对比

10．3．2 全局仿真结果

10．3．3 不含邻域因子与邻域因子全局模拟结果对比

10．4 小结

11 基于PSO的城市土地开发强度预测模型构建

11．1 基于PSO的城市土地开发强度预测概述

11．2 方法和数据来源

11．2．1 PSO 基本原理

11．2．2 数据来源

11．2．3 数据处理过程

11．3 结果分析

11．3．1 局部模拟结果验证（渝中区）

11．3．2 全部模拟（重庆主城9区）

11．4 小结

城市扩张及其依托城市的相关人类活动是全球变化的主要驱动力量。城市的动态变化是全球土地覆被变化的重要组成部分。城市用地变化及其模拟是智慧城市建设的重要内容。近年来，智能计算技术被不断引入地理计算中，用于解决复杂地理问题，并被成功地应用于遥感分类、土地覆被变化模拟、景观生态评价、城市动态模拟等方面。
　　《地理计算智能与城市动态变化及开发强度模拟》以城市用地变化和开发强度模拟为主线，介绍传统的用地转换规则提取方法，更关注人工智能方法在城市用地转换规则提取及开发强度评估与预测方面的应用，内容包括城市用地动态变化检测与分析、城乡居民点空间分布模式及规律、城市用地动态模拟、城市土地开发强度空间分布及驱动因子分析、城市土地开发强度预测模型构建与模拟五大方面。
　　《地理计算智能与城市动态变化及开发强度模拟》所涉及的各种方法与模型均有真实案例和数据。
　　《地理计算智能与城市动态变化及开发强度模拟》可作为地理信息系统、智能信息处理、城市规划、景观生态、地学等相关领域的科研人员、工程技术人员和研究生、高年级本科生的参考书。