CA模型中山大學遙感與地理信息工程系2009.07.16勞春華trycourlchqq10gisgisCA模型中山大學遙感與地理信息工程系勞春華1一、CA概念CA英文全稱是CelluarAutomata，中文譯名為元胞自動機，又有人稱之為細胞自動機。CA是一種時間、空間、狀態都離散，(空間上的)相互作用和(時間上的)因果關系皆局部的格網動力學模型。具有模擬復雜系統時空演化過程的能力。1948年，數學家VonNeumann首次提出元胞自動機(CA)的概念。

一、CA概念CA英文全稱是CelluarAutomata2二、CA組成

t時刻狀態t+1時刻狀態轉換規則CA由“元胞”、“鄰域”和“轉換規則”三部分組成，元胞具有“狀態”屬性…………例如12碰上奇數+1碰上偶數+356碰上奇數+1碰上偶數+3碰上奇數+1碰上偶數+3…………元胞狀態由1經過三次轉換迭代變成6。如果任由元胞演變下去，將會產生一個復雜的無窮數列。二、CA組成t時刻狀態t+1時刻狀態轉換規則CA由“元3三、CA分類元胞自動機的構建沒有固定的數學公式，構成方式繁雜，變種很多，行為復雜，故其分類難度也較大。基于不同的出發點，元胞自動機可有多種分類。其中，最具影響力的當屬S.Wolfram在80年代初做的基于動力學行為的元胞自動機分類，而基于維數的元胞自動機分類也是最簡單和最常用的劃分。

三、CA分類元胞自動機的構建沒有固定的數學公式，構成方式繁4三、CA分類－基于動力學行為的元胞自動機(1)平穩型:自任何初始狀態開始,經過一定時間運行后，元胞空間趨于一個空間平穩的構形，這里空間平穩即指每一個元胞處于固定狀態。不隨時間變化而變化。(2)周期型:經過一定時間運行后，元胞空間趨于一系列簡單的固定結構(StablePaterns)或周期結構(PerlodicalPatterns)。由于這些結構可看作是一種濾波器(Filter)，故可應用到圖像處理的研究中。(3)混沌型:自任何初始狀態開始，經過一定時間運行后，元胞自動機表現出混沌的非周期行為，所生成的結構的統汁特征不再變止，通常表現為分形分維特征。(4)復雜型:出現復雜的局部結構，或者說是局部的混沌，其中有些會不斷地傳播。從另一角度，元胞自動機可視為動力系統，因而可將初試點、軌道、不動點、周期軌和終極軌等一系列概念用到元胞自動機的研究中

三、CA分類－基于動力學行為的元胞自動機(1)平穩型:自任5三、CA分類－基于維數的元胞自動機一維元胞自動機二維元胞自動機三維元胞自動機高維元胞自動機

三、CA分類－基于維數的元胞自動機一維元胞自動機6四、CA應用

CA應用社會學生物學

生態學數學

物理學

化學

地理學

……

研究經濟危機的形成與爆發過程等腫瘤細胞的增長機理和過程模擬等生物群落的擴散模擬等研究數論和并行計算等用于磁場、電場等場的模擬，以及熱擴散、熱傳導和機械波的模擬等海上石油泄露后的油污擴散、工廠周圍廢水、廢氣的擴散等過程的模擬

四、CA應用CA應用社會學生物學生態學數學7四、CA應用－地理學上的應用

CA應用土地利用變化城市擴展人口遷移火災蔓延

沙漠化

洪水掩沒

交通控制

……

四、CA應用－地理學上的應用CA應用土地利用變化城市擴展8五、生命游戲模型－最經典的CA模型MartinC(1970,1971)將生命游戲規則引入到數字游戲中。該游戲通過分布在二維空間網格上的細胞來發揮作用。每個細胞只以一種狀態存在（0或1）,并且在下個時刻的狀態由當前狀態以及與它最近的8個鄰居的狀態共同決定。

五、生命游戲模型－最經典的CA模型MartinC(1979五、生命游戲模型－最經典的CA模型定義了如下3種轉換規則：生存規則，周圍有2個或者3個活著的鄰居細胞，該活著的細胞將在下一時刻繼續生存；死亡規劃，周圍活著的細胞有3個以上，或者少于2個，該活著的細胞將在下一時刻死亡；繁殖規則，周圍存活鄰居數達到3個，該死亡細胞在下一時刻被激活過來

五、生命游戲模型－最經典的CA模型定義了如下3種轉換規則：10五、生命游戲模型－最經典的CA模型從數學模型的角度看，該模型將平面劃分成方格棋盤，每個方格代表一個元胞。元胞狀態：0－死亡，1－活著；領域半徑：Moore型；演化規則

五、生命游戲模型－最經典的CA模型從數學模型的角度看，該模11五、生命游戲模型－最經典的CA模型

演示五、生命游戲模型－最經典的CA模型演示12五、生命游戲模型－最經典的CA模型

五、生命游戲模型－最經典的CA模型13五、基于空間數據挖掘的CA模型遙感影像：T1遙感影像：T2空間數據挖掘算法CA轉換規則T時刻狀態（T+1）時刻狀態五、基于空間數據挖掘的CA模型遙感影像：T1遙感影像：T2空14邏輯回歸CA神經網絡CA決策樹CA蟻群CA支持向量機CA……五、基于空間數據挖掘的CA模型邏輯回歸CA五、基于空間數據挖掘的CA模型15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，它研究的是一個事件發生的概率，與其他因素之間的關系。根據隨機試驗的結果，通過最大似然法對回歸參數進行估計。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，16五、基于邏輯回歸的CA模型LogisticCA主要由三大部分組成，分別是全局性開發概率和局部作用的鄰域影響以及隨機項。這三部分相乘，得出最終轉換概率。當轉換概率大于給定閾值，發生由非城市用地到城市用地的轉變，否則不發生轉變。

五、基于邏輯回歸的CA模型LogisticCA主要由三大部17五、基于邏輯回歸的CA模型

準備數據操作流程處理數據編寫代碼模擬輸出五、基于邏輯回歸的CA模型準備數據操作流程處理數據編寫代18五、基于邏輯回歸的CA模型－準備數據

數據準備2019年東莞市土地利用分類數據(2019.img)東莞市市中心點數據(Prop.shp)東莞市鎮中心點數據(Town.shp)東莞市鐵路線數據(Rail.shp)東莞市高速公路數據(Express.shp)

東莞市一般公路數據(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據(2019.img)五、基于邏輯回歸的CA模型－準備數據數據準備2019年東19五、基于邏輯回歸的CA模型－數據處理

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－數據處理2019.img2020五、基于邏輯回歸的CA模型－數據處理

UrbanChange.imgdianData.shpTown.shpRail.shpExpress.shp

Road.shpDisTown.imgDisRail.imgDisExpress.imgDisRoad.imgProp.shpDisProp.imgdianValue.dbf五、基于邏輯回歸的CA模型－數據處理UrbanChang21DisTown.imgDisRail.imgDisExpress.imgDisRoad.imgDisProp.imgdianValue.dbf五、基于邏輯回歸的CA模型－數據處理

Zfile.imgPgFile.imgDisTown.imgDisRail.imgDisExpre22五、數據處理-獲取UrbanChange.img加載2019年和2019年遙感分類圖五、數據處理-獲取UrbanChange.img加載201232019年遙感分類圖2019年遙感分類圖242019年遙感分類圖2019年遙感分類圖25通過柵格運算，計算出2019年和2019年城市和非城市遙感分類圖通過柵格運算，計算出2019年和2019年城市和非城市遙感分262019年和2019年城市和非城市遙感分類圖如右圖所示2019年和2019年城市和非城市遙感分類圖如右圖所示27從下圖可以看出，影像分辨率太高，行列數太多，可進行重采樣，適當調低分辨率從下圖可以看出，影像分辨率太高，行列數太多，可進行重采樣，適28左圖是重采樣對話框，我們把分辨率調成85.5米左圖是重采樣對話框，我們把分辨率調成85.5米29可以看出，分辨率已經調成了85.5米可以看出，分辨率已經調成了85.5米30打開2019年和2019年屬性表，發現取值只有0和1,我們把這兩年數據進行合成打開2019年和2019年屬性表，發現取值只有0和1,我們把31合成后的數據，如下合成后的數據，如下32對合成后的數據進一步處理，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年還是城市對合成后的數據進一步處理，得到2019年和2019年城市變化33下圖是進一步處理好的數據下圖是進一步處理好的數據34導出01年到05年城市變化遙感數據，取名為UrbanChange.img導出01年到05年城市變化遙感數據，取名為UrbanChan35打開erdas9.2,對UrbanChange.img進行采點，首先把Urbanchange.img的LayerType改成thematic打開erdas9.2,對UrbanChange.img進行采36打開UrbanChange.img，我們可以看到它本來的LayerType是Continuous打開UrbanChange.img，我們可以看到它本來的La37把UrbanChange.img的LayerType改成Thematic把UrbanChange.img的LayerType改成38Classifier->AccuracyAssessment，打開右下圖窗口Classifier->AccuracyAssessmen39打開UrbanChange.img文件，Edit->Create/AddRandomPoints，打開生成隨機點窗口打開UrbanChange.img文件，Edit->Crea40點擊SelectClasses，打開屬性編輯窗口，選擇1,設置采樣點和搜索數，這里采5000個點，生成的隨機點如右圖所示點擊SelectClasses，打開屬性編輯窗口，選擇1,41把采到的點輸出為dat數據，這里命名為diandata.dat把采到的點輸出為dat數據，這里命名為diandata.da42利用同樣的方法，對0值進行采樣，這里采20000個點利用同樣的方法，對0值進行采樣，這里采20000個點43輸出為diandata2.dat在我的電腦中看到點數據文件如下輸出為在我的電腦中看到點數據文件如下44在excel中打開在excel中打開45把diandata2.dat中的數據合到diandata.dat中來把diandata2.dat中的數據合到diandata.d46在第一行中插入一行，輸入x,y作為標題名在第一行中插入一行，輸入x,y作為標題名47保存成csv格式，用記事本打開，如右圖所示保存成csv格式，用記事本打開，如右圖所示48在我的電腦中，直接把diandata.csv改成diandata.txt，使用arcMap加載該點數據在我的電腦中，直接把diandata.csv改成dianda49arcMap->tools->AddXYData，打開窗口如右圖所示arcMap->tools->AddXYData，打開窗50打開diandata.txt,如右圖所示，這時點數據沒有投影，點edit按鈕，為點數據加投影打開diandata.txt,如右圖所示，這時點數據沒有投影51點Import按鈕，選擇UrbanChange.img，把其投影導進來點Import按鈕，選擇UrbanChange.img，把其52導進投影如上圖所示導進投影如上圖所示53確認后，arcMap根據點坐標生成矢量點數據，如上圖確認后，arcMap根據點坐標生成矢量點數據，如上圖54點數據，放大圖點數據，放大圖55把點數據導出保存為diandata.shp生成矢量點數據后，把市中心、鎮中心、鐵路、高速公路、一般公路的矢量數據加進來，準備生成空間距離柵格數據把點數據導出保存為diandata.shp生成矢量點數據后，56下圖是加進來的數據，用于生成空間距離變量柵格數據下圖是加進來的數據，用于生成空間距離變量柵格數據57設定柵格運算的范圍為UrbanChange.img的范圍，cell大小為UrbanChange.img的大小設定柵格運算的范圍為UrbanChange.img的范圍，c58開始計算離市中心距離，生成柵格數據開始計算離市中心距離，生成柵格數據59生成的離市中心距離柵格數據如上生成的離市中心距離柵格數據如上60生成離鎮中心空間距離柵格數據生成離鎮中心空間距離柵格數據61生成的離鎮中心距離柵格數據如上生成的離鎮中心距離柵格數據如上62生成離鐵路空間距離柵格數據生成離鐵路空間距離柵格數據63生成的離鐵路距離柵格數據如上生成的離鐵路距離柵格數據如上64生成的離高速公路空間距離柵格數據如上生成的離高速公路空間距離柵格數據如上65生成的離一般公路空間距離柵格數據如上生成的離一般公路空間距離柵格數據如上66下圖是生成的柵格數據為了消除量綱影響，可對空間距離柵格數據進行歸一化處理歸一化離市中心距離柵格數據下圖是生成的柵格數據為了消除量綱影響，可對空間距離柵格數據進67導出已經完成歸一化的數據，存為DisProp_gyh.img導出已經完成歸一化的數據，存為DisProp_gyh.img68用同樣的方法，歸一化其它空間距離變量柵格數據，如左圖所示用同樣的方法，歸一化其它空間距離變量柵格數據，如左圖所示69SpatialAnalystToolExtractionSample，對已經歸一化的柵格數據和UrbanChange.img進行采樣，結果存為DianValue.dbfSpatialAnalystToolExtractio70從我的電腦上看采樣好的數據從我的電腦上看采樣好的數據71在spss中打開采樣好的數據，其中，只有列z_z_z2c1到6是有用的在spss中打開采樣好的數據，其中，只有列z_z_z2c1到72按順序把列名改好，順序為采樣的時候，添加數據的順序按順序把列名改好，順序為采樣的時候，添加數據的順序73返回數據視圖，發現有些點出現誤差，UrbanChange的值為2,應該去掉，data->SelectCases返回數據視圖，發現有些點出現誤差，UrbanChange的值74選擇UrbanChange的值不等2的行選擇刪掉未選中的數據選擇UrbanChange的值不等2的行選擇刪掉未選中的數據75返回數據視圖中，這時，數據已經是可用的了返回數據視圖中，這時，數據已經是可用的了76Analyze->Regression->BinaryLogistic..，進行二項邏輯回歸分析Analyze->Regression->BinaryLo77回歸出來的系數的誤差如下表所示，在ArcMap中進行柵格運算，算出Z值回歸出來的系數的誤差如下表所示，在ArcMap中進行柵格運算78算出的Z值如上圖所示算出的Z值如上圖所示79導出成Zfile.img文件再進一步算出Pg值導出成Zfile.img文件再進一步算出Pg值80Pg值數據如上圖所示Pg值數據如上圖所示81導出為PgFile.img文件導出為PgFile.img文件82將PgFile.img轉換成PgFile.txt將PgFile.img轉換成PgFile.txt83右圖是2019年和2019年城市和非城市分類圖右圖是2019年和2019年城市和非城市分類圖84進行模擬的時候，可以把水體加進來，取值為2。新的柵格圖的取值為：0,非城市；1城市；2水體進行模擬的時候，可以把水體加進來，取值為2。85把合成的柵格圖導出為Urban2019.img和Urban2019.img把合成的柵格圖導出為Urban2019.img和Urban286再把Urban2019.img和Urban2019.img轉換成Urban2019.txt和Urban2019.txt，作為模擬的輸入數據再把Urban2019.img和Urban2019.img轉87從2019.img中提取開發適宜性數據，這里提取水體出來，取值為0,其它為１從2019.img中提取開發適宜性數據，這里提取水體出來，取88從2019.img中提取開發適宜性數據，這里提取水體出來，取值為0,其它為１從2019.img中提取開發適宜性數據，這里提取水體出來，取89提取出來的土地適宜性數據，如上圖所示，這里也可以把保護區的數據加進來提取出來的土地適宜性數據，如上圖所示，這里也可以把保護區的數90把土地適宜性文件導出來，取名為LandSuitable.img把LandSuitable.img轉換成LandSuitable.txt，作為模擬時的輸入數據把土地適宜性文件導出來，取名為LandSuitable.im91五、基于邏輯回歸的CA模型－編寫代碼

輸入Urban2019.txtUrban2019.txtPgFile.txtLandSuitable.txt

UrbanSimulate2019.txt

CA迭代

輸出運算五、基于邏輯回歸的CA模型－編寫代碼輸入Urban20192五、基于邏輯回歸的CA模型－核心代碼變量

Publicdata(,)AsInt32‘2019urban.txt數據，以列行存儲PublicdataFinal(,)AsInt32‘2019urban.txt數據，以列行存儲PublictempData(,)AsInt32'臨時數據PublicPgData(,)AsDouble'PgFile.txt數據，以列行存儲PublicsuitableData(,)AsDouble'LandSuitable.txt數據，以列行存儲PublicnoDataValueAsInt32'無值數據PublicxCor()AsInt32‘變化元胞的列坐標PublicyCor()AsInt32‘變化元胞的行坐標PublicupData()AsInt32‘變化元胞的數據值

PublicchgNumberAsInt32'變化的點PublicrdmAsRandom'產生隨機數類PublicrealUrbanNumberAsInt32'實際城市數目PublicsimUrbanNumberAsInt32'模擬城市數目五、基于邏輯回歸的CA模型－核心代碼變量Publicd93五、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

計算領域影響con

計算隨機因子影響rdmdata

讀取土地適宜性因子suitabledata

讀取PgFile.txt中的開發概率Pg

計算總開發概率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－核心偽代碼for每一行94五、基于邏輯回歸的CA模型－核心代碼

PublicSubstickOne()Ks+=1‘Ks為迭代次數

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

‘如果該元胞值處于無數據狀態或者已經是城市或者是水體，則值不變

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

‘否則，計算該元胞城市開發概率Else

‘------------第一步，計算領域影響------------------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Public95五、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

‘算出領域影響值

‘----------------領域影響因子計算完畢----------------

五、基于邏輯回歸的CA模型－核心代碼96五、基于邏輯回歸的CA模型－核心代碼

‘-------計算隨機影響因子------------------

DimrdmDataAsDouble'隨機影響因子

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

‘-------讀取城市發展適宜因子--------------DimsuitableAsDouble

'城市發展適宜因子

suitable=suitableData(i,j)‘---------讀取空間變量發展概率Pg--------------DimPgAsDouble'空間變量發展概率

Pg=PgData(i,j)‘計算城市開發概率P

DimpAsDouble'總發展概率

p=Pg*con*suitable*rdmData

五、基于邏輯回歸的CA模型－核心代碼97五、基于邏輯回歸的CA模型－核心代碼

‘根據城市發展概率判斷該元胞是否開發為城市

Ifp>PthresholdAndrungDa<=1.0/KsThentempData(i,j)=1ElsetempData(i,j)=data(i,j)EndIfEndIfNext

Next

‘將臨時數據tempdata賦回給data，進行下一次迭代Fori=0Tocols-1Forj=0Torows-1data(i,j)=tempData(i,j)NextNextend

五、基于邏輯回歸的CA模型－核心代碼98謝謝！謝謝！99CA模型中山大學遙感與地理信息工程系2009.07.16勞春華trycourlchqq10gisgisCA模型中山大學遙感與地理信息工程系勞春華100一、CA概念CA英文全稱是CelluarAutomata，中文譯名為元胞自動機，又有人稱之為細胞自動機。CA是一種時間、空間、狀態都離散，(空間上的)相互作用和(時間上的)因果關系皆局部的格網動力學模型。具有模擬復雜系統時空演化過程的能力。1948年，數學家VonNeumann首次提出元胞自動機(CA)的概念。

一、CA概念CA英文全稱是CelluarAutomata101二、CA組成

t時刻狀態t+1時刻狀態轉換規則CA由“元胞”、“鄰域”和“轉換規則”三部分組成，元胞具有“狀態”屬性…………例如12碰上奇數+1碰上偶數+356碰上奇數+1碰上偶數+3碰上奇數+1碰上偶數+3…………元胞狀態由1經過三次轉換迭代變成6。如果任由元胞演變下去，將會產生一個復雜的無窮數列。二、CA組成t時刻狀態t+1時刻狀態轉換規則CA由“元102三、CA分類元胞自動機的構建沒有固定的數學公式，構成方式繁雜，變種很多，行為復雜，故其分類難度也較大。基于不同的出發點，元胞自動機可有多種分類。其中，最具影響力的當屬S.Wolfram在80年代初做的基于動力學行為的元胞自動機分類，而基于維數的元胞自動機分類也是最簡單和最常用的劃分。

三、CA分類元胞自動機的構建沒有固定的數學公式，構成方式繁103三、CA分類－基于動力學行為的元胞自動機(1)平穩型:自任何初始狀態開始,經過一定時間運行后，元胞空間趨于一個空間平穩的構形，這里空間平穩即指每一個元胞處于固定狀態。不隨時間變化而變化。(2)周期型:經過一定時間運行后，元胞空間趨于一系列簡單的固定結構(StablePaterns)或周期結構(PerlodicalPatterns)。由于這些結構可看作是一種濾波器(Filter)，故可應用到圖像處理的研究中。(3)混沌型:自任何初始狀態開始，經過一定時間運行后，元胞自動機表現出混沌的非周期行為，所生成的結構的統汁特征不再變止，通常表現為分形分維特征。(4)復雜型:出現復雜的局部結構，或者說是局部的混沌，其中有些會不斷地傳播。從另一角度，元胞自動機可視為動力系統，因而可將初試點、軌道、不動點、周期軌和終極軌等一系列概念用到元胞自動機的研究中

三、CA分類－基于動力學行為的元胞自動機(1)平穩型:自任104三、CA分類－基于維數的元胞自動機一維元胞自動機二維元胞自動機三維元胞自動機高維元胞自動機

三、CA分類－基于維數的元胞自動機一維元胞自動機105四、CA應用

CA應用社會學生物學

生態學數學

物理學

化學

地理學

……

研究經濟危機的形成與爆發過程等腫瘤細胞的增長機理和過程模擬等生物群落的擴散模擬等研究數論和并行計算等用于磁場、電場等場的模擬，以及熱擴散、熱傳導和機械波的模擬等海上石油泄露后的油污擴散、工廠周圍廢水、廢氣的擴散等過程的模擬

四、CA應用CA應用社會學生物學生態學數學106四、CA應用－地理學上的應用

CA應用土地利用變化城市擴展人口遷移火災蔓延

沙漠化

洪水掩沒

交通控制

……

四、CA應用－地理學上的應用CA應用土地利用變化城市擴展107五、生命游戲模型－最經典的CA模型MartinC(1970,1971)將生命游戲規則引入到數字游戲中。該游戲通過分布在二維空間網格上的細胞來發揮作用。每個細胞只以一種狀態存在（0或1）,并且在下個時刻的狀態由當前狀態以及與它最近的8個鄰居的狀態共同決定。

五、生命游戲模型－最經典的CA模型MartinC(197108五、生命游戲模型－最經典的CA模型定義了如下3種轉換規則：生存規則，周圍有2個或者3個活著的鄰居細胞，該活著的細胞將在下一時刻繼續生存；死亡規劃，周圍活著的細胞有3個以上，或者少于2個，該活著的細胞將在下一時刻死亡；繁殖規則，周圍存活鄰居數達到3個，該死亡細胞在下一時刻被激活過來

五、生命游戲模型－最經典的CA模型定義了如下3種轉換規則：109五、生命游戲模型－最經典的CA模型從數學模型的角度看，該模型將平面劃分成方格棋盤，每個方格代表一個元胞。元胞狀態：0－死亡，1－活著；領域半徑：Moore型；演化規則

五、生命游戲模型－最經典的CA模型從數學模型的角度看，該模110五、生命游戲模型－最經典的CA模型

演示五、生命游戲模型－最經典的CA模型演示111五、生命游戲模型－最經典的CA模型

五、生命游戲模型－最經典的CA模型112五、基于空間數據挖掘的CA模型遙感影像：T1遙感影像：T2空間數據挖掘算法CA轉換規則T時刻狀態（T+1）時刻狀態五、基于空間數據挖掘的CA模型遙感影像：T1遙感影像：T2空113邏輯回歸CA神經網絡CA決策樹CA蟻群CA支持向量機CA……五、基于空間數據挖掘的CA模型邏輯回歸CA五、基于空間數據挖掘的CA模型114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，它研究的是一個事件發生的概率，與其他因素之間的關系。根據隨機試驗的結果，通過最大似然法對回歸參數進行估計。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，115五、基于邏輯回歸的CA模型LogisticCA主要由三大部分組成，分別是全局性開發概率和局部作用的鄰域影響以及隨機項。這三部分相乘，得出最終轉換概率。當轉換概率大于給定閾值，發生由非城市用地到城市用地的轉變，否則不發生轉變。

五、基于邏輯回歸的CA模型LogisticCA主要由三大部116五、基于邏輯回歸的CA模型

準備數據操作流程處理數據編寫代碼模擬輸出五、基于邏輯回歸的CA模型準備數據操作流程處理數據編寫代117五、基于邏輯回歸的CA模型－準備數據

數據準備2019年東莞市土地利用分類數據(2019.img)東莞市市中心點數據(Prop.shp)東莞市鎮中心點數據(Town.shp)東莞市鐵路線數據(Rail.shp)東莞市高速公路數據(Express.shp)

東莞市一般公路數據(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據(2019.img)五、基于邏輯回歸的CA模型－準備數據數據準備2019年東118五、基于邏輯回歸的CA模型－數據處理

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－數據處理2019.img20119五、基于邏輯回歸的CA模型－數據處理

UrbanChange.imgdianData.shpTown.shpRail.shpExpress.shp

Road.shpDisTown.imgDisRail.imgDisExpress.imgDisRoad.imgProp.shpDisProp.imgdianValue.dbf五、基于邏輯回歸的CA模型－數據處理UrbanChang120DisTown.imgDisRail.imgDisExpress.imgDisRoad.imgDisProp.imgdianValue.dbf五、基于邏輯回歸的CA模型－數據處理

Zfile.imgPgFile.imgDisTown.imgDisRail.imgDisExpre121五、數據處理-獲取UrbanChange.img加載2019年和2019年遙感分類圖五、數據處理-獲取UrbanChange.img加載2011222019年遙感分類圖2019年遙感分類圖1232019年遙感分類圖2019年遙感分類圖124通過柵格運算，計算出2019年和2019年城市和非城市遙感分類圖通過柵格運算，計算出2019年和2019年城市和非城市遙感分1252019年和2019年城市和非城市遙感分類圖如右圖所示2019年和2019年城市和非城市遙感分類圖如右圖所示126從下圖可以看出，影像分辨率太高，行列數太多，可進行重采樣，適當調低分辨率從下圖可以看出，影像分辨率太高，行列數太多，可進行重采樣，適127左圖是重采樣對話框，我們把分辨率調成85.5米左圖是重采樣對話框，我們把分辨率調成85.5米128可以看出，分辨率已經調成了85.5米可以看出，分辨率已經調成了85.5米129打開2019年和2019年屬性表，發現取值只有0和1,我們把這兩年數據進行合成打開2019年和2019年屬性表，發現取值只有0和1,我們把130合成后的數據，如下合成后的數據，如下131對合成后的數據進一步處理，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年還是城市對合成后的數據進一步處理，得到2019年和2019年城市變化132下圖是進一步處理好的數據下圖是進一步處理好的數據133導出01年到05年城市變化遙感數據，取名為UrbanChange.img導出01年到05年城市變化遙感數據，取名為UrbanChan134打開erdas9.2,對UrbanChange.img進行采點，首先把Urbanchange.img的LayerType改成thematic打開erdas9.2,對UrbanChange.img進行采135打開UrbanChange.img，我們可以看到它本來的LayerType是Continuous打開UrbanChange.img，我們可以看到它本來的La136把UrbanChange.img的LayerType改成Thematic把UrbanChange.img的LayerType改成137Classifier->AccuracyAssessment，打開右下圖窗口Classifier->AccuracyAssessmen138打開UrbanChange.img文件，Edit->Create/AddRandomPoints，打開生成隨機點窗口打開UrbanChange.img文件，Edit->Crea139點擊SelectClasses，打開屬性編輯窗口，選擇1,設置采樣點和搜索數，這里采5000個點，生成的隨機點如右圖所示點擊SelectClasses，打開屬性編輯窗口，選擇1,140把采到的點輸出為dat數據，這里命名為diandata.dat把采到的點輸出為dat數據，這里命名為diandata.da141利用同樣的方法，對0值進行采樣，這里采20000個點利用同樣的方法，對0值進行采樣，這里采20000個點142輸出為diandata2.dat在我的電腦中看到點數據文件如下輸出為在我的電腦中看到點數據文件如下143在excel中打開在excel中打開144把diandata2.dat中的數據合到diandata.dat中來把diandata2.dat中的數據合到diandata.d145在第一行中插入一行，輸入x,y作為標題名在第一行中插入一行，輸入x,y作為標題名146保存成csv格式，用記事本打開，如右圖所示保存成csv格式，用記事本打開，如右圖所示147在我的電腦中，直接把diandata.csv改成diandata.txt，使用arcMap加載該點數據在我的電腦中，直接把diandata.csv改成dianda148arcMap->tools->AddXYData，打開窗口如右圖所示arcMap->tools->AddXYData，打開窗149打開diandata.txt,如右圖所示，這時點數據沒有投影，點edit按鈕，為點數據加投影打開diandata.txt,如右圖所示，這時點數據沒有投影150點Import按鈕，選擇UrbanChange.img，把其投影導進來點Import按鈕，選擇UrbanChange.img，把其151導進投影如上圖所示導進投影如上圖所示152確認后，arcMap根據點坐標生成矢量點數據，如上圖確認后，arcMap根據點坐標生成矢量點數據，如上圖153點數據，放大圖點數據，放大圖154把點數據導出保存為diandata.shp生成矢量點數據后，把市中心、鎮中心、鐵路、高速公路、一般公路的矢量數據加進來，準備生成空間距離柵格數據把點數據導出保存為diandata.shp生成矢量點數據后，155下圖是加進來的數據，用于生成空間距離變量柵格數據下圖是加進來的數據，用于生成空間距離變量柵格數據156設定柵格運算的范圍為UrbanChange.img的范圍，cell大小為UrbanChange.img的大小設定柵格運算的范圍為UrbanChange.img的范圍，c157開始計算離市中心距離，生成柵格數據開始計算離市中心距離，生成柵格數據158生成的離市中心距離柵格數據如上生成的離市中心距離柵格數據如上159生成離鎮中心空間距離柵格數據生成離鎮中心空間距離柵格數據160生成的離鎮中心距離柵格數據如上生成的離鎮中心距離柵格數據如上161生成離鐵路空間距離柵格數據生成離鐵路空間距離柵格數據162生成的離鐵路距離柵格數據如上生成的離鐵路距離柵格數據如上163生成的離高速公路空間距離柵格數據如上生成的離高速公路空間距離柵格數據如上164生成的離一般公路空間距離柵格數據如上生成的離一般公路空間距離柵格數據如上165下圖是生成的柵格數據為了消除量綱影響，可對空間距離柵格數據進行歸一化處理歸一化離市中心距離柵格數據下圖是生成的柵格數據為了消除量綱影響，可對空間距離柵格數據進166導出已經完成歸一化的數據，存為DisProp_gyh.img導出已經完成歸一化的數據，存為DisProp_gyh.img167用同樣的方法，歸一化其它空間距離變量柵格數據，如左圖所示用同樣的方法，歸一化其它空間距離變量柵格數據，如左圖所示168SpatialAnalystToolExtractionSample，對已經歸一化的柵格數據和UrbanChange.img進行采樣，結果存為DianValue.dbfSpatialAnalystToolExtractio169從我的電腦上看采樣好的數據從我的電腦上看采樣好的數據170在spss中打開采樣好的數據，其中，只有列z_z_z2c1到6是有用的在spss中打開采樣好的數據，其中，只有列z_z_z2c1到171按順序把列名改好，順序為采樣的時候，添加數據的順序按順序把列名改好，順序為采樣的時候，添加數據的順序172返回數據視圖，發現有些點出現誤差，UrbanChange的值為2,應該去掉，data->SelectCases返回數據視圖，發現有些點出現誤差，UrbanChange的值173選擇UrbanChange的值不等2的行選擇刪掉未選中的數據選擇UrbanChange的值不等2的行選擇刪掉未選中的數據174返回數據視圖中，這時，數據已經是可用的了返回數據視圖中，這時，數據已經是可用的了175Analyze->Regression->BinaryLogistic..，進行二項邏輯回歸分析Analyze->Regression->BinaryLo176回歸出來的系數的誤差如下表所示，在ArcMap中進行柵格運算，算出Z值回歸出來的系數的誤差如下表所示，在ArcMap中進行柵格運算177算出的Z值如上圖所示算出的Z值如上圖所示178導出成Zfile.img文件再進一步算出Pg值導出成Zfile.img文件再進一步算出Pg值179Pg值數據如上圖所示Pg值數據如上圖所示180導出為PgFile.img文件導出為PgFile.img文件181將PgFile.img轉換成PgFile.txt將PgFile.img轉換成PgFile.txt182右圖是2019年和2019年城市和非城市分類圖右圖是2019年和2019年城市和非城市分類圖183進行模擬的時候，可以把水體加進來，取值為2。新的柵格圖的取值為：0,非城市；1城市；2水體進行模擬的時候，可以把水體加進來，取值為2。184把合成的柵格圖導出為Urban2019.img和Urban2019.img把合成的柵格圖導出為Urban2019.img和Urban2185再把Urban2019.img和Urban2019.img轉換成Urban2019.txt和Urban2019.txt，作為模擬的輸入數據再把Urban2019.img和Urban2019.img轉186從2019.img中提取開發適宜性數據，這里提取水體出來，取值為0,其它為１從2019.img中提取開發適宜性數據，這里提取水體出來，取187從2019.img中提取開發適宜性數據，這里提取水體出來，取值為0,其它為１從2019.img中提取開發適宜性數據，這里提取水體出來，取188提取出來的土地適宜性數據，如上圖所示，這里也可以把保護區的數據加進來提取出來的土地適宜性數據，如上圖所示，這里也可以把保護區的數189把土地適宜性文件導出來，取名為LandSuitable.img把LandSuitable.img轉換成LandSuitable.txt，作為模擬時的輸入數據把土地適宜性文件導出來，取名為LandSuitable.im190五、基于邏輯回歸的CA模型－編寫代碼

輸入Urban2019.txtUrban2019.txtPgFile.txtLandSuitable.txt

UrbanSimulate2019.txt

CA迭代

輸出運算五、基于邏輯回歸的CA模型－編寫代碼輸入Urban201191五、基于邏輯回歸的CA模型－核心代碼變量

Publicdata(,)AsInt32‘2019urban.txt數據，以列行存儲PublicdataFinal(,)AsInt32‘2019urban.txt數據，以列行存儲PublictempData(,)AsInt32'臨時數據PublicPgData(,)AsDouble'PgFile.txt數據，以列行存儲PublicsuitableData(,)AsDouble'LandSuitable.txt數據，以列行存儲PublicnoDataValueAsInt32'無值數據PublicxCor()AsInt32‘變化元胞的列坐標PublicyCor()AsInt32‘變化元胞的行坐標PublicupData()AsInt32‘變化元胞的數據值

PublicchgNumberAsInt32'變化的點PublicrdmAsRandom'產生隨機數類PublicrealUrbanNumberAsInt32'實際城市數目PublicsimUrbanNumberAsInt32'模擬城市數目五、基于邏輯回歸的CA模型－核心代碼變量Publicd192五、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

計算領域影響con

計算隨機因子影響rdmdata

讀取土地適宜性因子suitabledata

讀取PgFile.txt中的開發概率Pg

計算總開發概率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－核心偽代碼for每一行193五、基于邏輯回歸的CA模型－核心代碼

PublicSubstickOne()Ks+=1‘Ks為迭代次數

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

‘如果該元胞值處于無數據狀態或者已經是城市或者是水體，則值不變

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

‘否則，計算該元胞城市開發概率Else

‘------------第一步，計算領域影響------------------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+=1EndIf