多智能體模擬在土地變化預(yù)測(cè)中的應(yīng)用

杜守帥，宋 婷，馬興波

（1.江南大學(xué) 設(shè)計(jì)學(xué)院，江蘇 無(wú)錫214122；2.日本光正株式會(huì)社，上海200120；3.南陽(yáng)理工學(xué)院 建筑系，河南 南陽(yáng)473000）

隨著城市的發(fā)展，城市規(guī)模不斷擴(kuò)大，大量人口涌入城市地域，城市出現(xiàn)向周邊擴(kuò)散的郊區(qū)化現(xiàn)象.另一方面，城市化發(fā)展的同時(shí)也帶來(lái)城市內(nèi)部住宅、交通、綠地環(huán)境惡化等城市問(wèn)題［1］.日本的城市化發(fā)展類(lèi)型可分為衰退型、穩(wěn)定型、成長(zhǎng)型、周邊城鎮(zhèn)成長(zhǎng)型等［2］.位于日本九州島的大分市為成長(zhǎng)型城市.近年來(lái)，大分市周邊環(huán)境變化顯著，城市建成區(qū)急劇擴(kuò)大，城市內(nèi)部及周邊地區(qū)的綠地環(huán)境在急劇退化.即伴隨著城市近郊的住宅開(kāi)發(fā)，城市內(nèi)部閑置空地的開(kāi)發(fā)利用等，城市及周邊綠地的規(guī)模正在逐年減小.因此，結(jié)合維持和保全生活和自然環(huán)境的考慮，對(duì)城市建設(shè)用地和綠地的變化進(jìn)行定量的把握，對(duì)其變化要因進(jìn)行分析，對(duì)其變化進(jìn)行預(yù)測(cè)和評(píng)價(jià)是非常重要的.

目前，國(guó)內(nèi)對(duì)土地利用、土地覆被變化的研究非常普遍.從研究方法看，最常應(yīng)用數(shù)理統(tǒng)計(jì)方法開(kāi)展土地覆被變化驅(qū)動(dòng)力的研究.實(shí)際應(yīng)用中多采用主成分分析［3］、典型相關(guān)分析［4］、偏相關(guān)分析［5］等 方法，亦有少數(shù)研究專(zhuān)注于分析社會(huì)驅(qū)動(dòng)因子［6－7］.國(guó)外在這方面的研究也非常多，其中，利用遙感衛(wèi)星數(shù)據(jù)確立城市區(qū)域的土地覆被變化，特別是綠地變化進(jìn)行客觀、定量抽出方法的齊藤［8］的研究，利用Landsat TM（美國(guó)陸地探測(cè)衛(wèi)星影像）數(shù)據(jù)抽出綠地的分布傾向和分布特征、并驗(yàn)證其有效性的小林［9］的研究等.土地利用分布把握手法的研究也很多，有Join分析（連接分析）［10－13］、Clump分析（聚類(lèi)統(tǒng)計(jì)分析）［13］、Entropy分析（熵分析）［12－13］等.但建立多智能體模型，確立各智能體的類(lèi)型，對(duì)土地變化進(jìn)行模擬并驗(yàn)證其有效性，再對(duì)將來(lái)的土地變化和綠地環(huán)境進(jìn)行模擬的研究并不多.

在此，以日本大分縣大分市植田地區(qū)為對(duì)象，采用多智能體模型（MAS）對(duì)其綠地環(huán)境的變化進(jìn)行模擬.分析其土地覆被變化的同時(shí)，考察影響城市變化的動(dòng)態(tài)要因，構(gòu)筑MAS數(shù)學(xué)模型，對(duì)城市建成區(qū)和綠地的變化進(jìn)行模擬，對(duì)模擬結(jié)果的有效性進(jìn)行把握，再對(duì)將來(lái)的土地變化進(jìn)行預(yù)測(cè)模擬.這是本課題的研究目的.

1 研究的方法

首先選定分析模擬的對(duì)象地區(qū).其次，利用Landsat TM 數(shù)據(jù)，了解對(duì)象地區(qū)的土地覆被分類(lèi)（高密度城市建成區(qū)，低密度城市建成區(qū)，農(nóng)田，綠地等）的經(jīng)年變化，結(jié)合各智能體的變化概率確立智能體的類(lèi)型，構(gòu)筑MAS模型.再次，通過(guò)MAS模型進(jìn)行反復(fù)模擬，與實(shí)測(cè)數(shù)據(jù)進(jìn)行比較，驗(yàn)證其有效性.最后，在分析結(jié)果的基礎(chǔ)上，對(duì)將來(lái)的城市建成區(qū)和綠地環(huán)境進(jìn)行預(yù)測(cè)，分析影響城市變化的要素，進(jìn)而為以后的研究課題做準(zhǔn)備工作.

2 對(duì)象區(qū)域介紹

大分市位于北緯33.24°、東經(jīng)131.61°，是位于日本九州島東部的主要城市，有“九州東大門(mén)”之稱(chēng).全市總面積約360km2，人口約44萬(wàn)，為大分縣縣廳所在地，過(guò)去曾是豐后國(guó)的國(guó)府所在地（圖1）［14］.這里依山伴海，山清水秀，氣候宜人，溫泉資源豐富，是著名的“一村一品”1）一村一品：在一定區(qū)域范圍內(nèi)，以村為基本單位，按照國(guó)內(nèi)外市場(chǎng)需求，充分發(fā)揮本地資源優(yōu)勢(shì)、傳統(tǒng)優(yōu)勢(shì)和區(qū)位優(yōu)勢(shì)，通過(guò)大力推進(jìn)規(guī)?；?、標(biāo)準(zhǔn)化、品牌化和 市場(chǎng)化建設(shè)，使一個(gè)村（或幾個(gè)村）擁有一個(gè)（或幾個(gè)）市場(chǎng)潛力大、區(qū)域特色明顯、附加值高的主導(dǎo)產(chǎn)品和產(chǎn)業(yè)，從而大幅度提升農(nóng)村經(jīng)濟(jì)整體實(shí)力和綜合競(jìng)爭(zhēng)力的農(nóng)村經(jīng)濟(jì)發(fā)展模式.運(yùn)動(dòng)的發(fā)祥地.

圖1 日本大分市位置圖Fig.1 Oita of Japan

近年來(lái)大分市城市建設(shè)發(fā)展迅速，特別是植田地區(qū)的建成區(qū)規(guī)模急劇擴(kuò)大，該地區(qū)的人口也隨之增加，地區(qū)購(gòu)買(mǎi)力急劇攀升.購(gòu)買(mǎi)力的增長(zhǎng)進(jìn)一步誘發(fā)大規(guī)模商業(yè)設(shè)施的建設(shè).根據(jù)大分市基本城市規(guī)劃的預(yù)測(cè)，預(yù)計(jì)2010年之前植田地區(qū)的人口會(huì)一直增加，2020年開(kāi)始有減少的傾向［15］.在此背景下，本研究選定大分市植田地區(qū)為模擬對(duì)象進(jìn)行分析研究（圖2）.

圖2 模擬對(duì)象區(qū)域——植田地區(qū)Fig.2 Object area—Ueda Area

3 MAS模型的構(gòu)筑

3.1 多智能體（MAS）建模的基本原理

模型的意義在于簡(jiǎn)化和抽象現(xiàn)實(shí)世界具體事物或現(xiàn)象的細(xì)節(jié)，以滿(mǎn)足實(shí)際運(yùn)用或科學(xué)研究的需要.MAS模型是一種模擬仿真模型，能夠在一定的時(shí)空范圍內(nèi)模擬現(xiàn)實(shí)事物或現(xiàn)象的演變過(guò)程［16］.任何復(fù)雜系統(tǒng)都可以看成是由不同的智能體（Agent）構(gòu)成，智能體是物理的或抽象的實(shí)體，能作用于自身和環(huán)境，并且能對(duì)環(huán)境做出反應(yīng)［17］.這些智能體根據(jù)規(guī)則控制對(duì)自身和環(huán)境的行為，具備與外界的交互能力.多智能體是指具有不同目標(biāo)的多個(gè)智能體對(duì)其目標(biāo)、資源等進(jìn)行合理的安排，協(xié)調(diào)各自的行為，最大程度地實(shí)現(xiàn)各自的目標(biāo).因此，進(jìn)行MAS建模前應(yīng)認(rèn)清模擬對(duì)象的要素組成、結(jié)構(gòu)和各要素之間的相互關(guān)系，了解系統(tǒng)狀態(tài)演化的機(jī)制.

3.2 基礎(chǔ)數(shù)據(jù)的構(gòu)筑

首先對(duì)Landsat TM 資源探測(cè)衛(wèi)星數(shù)據(jù)進(jìn)行解讀分類(lèi).利用classic最優(yōu)法繪制對(duì)象地區(qū)1985年和2002年的土地覆被分類(lèi)圖（文中2002年略）.土地覆被最后分為高密度建成區(qū)、低密度建成區(qū)、綠地、農(nóng)田、水域等5大類(lèi)型（圖3）.由于本研究的模擬對(duì)象地區(qū)范圍并不很大，基于城市的變化動(dòng)因及地理?xiàng)l件的詳細(xì)考慮，決定以50m 格柵數(shù)據(jù)實(shí)行模擬.用50m 格柵數(shù)據(jù)對(duì)土地覆被分類(lèi)圖進(jìn)行格柵化處理，并對(duì)MAS模型中使用到的城市信息等空間基礎(chǔ)數(shù)據(jù)（圖4）等進(jìn)行數(shù)值化轉(zhuǎn)換.模擬對(duì)象以植田新都心為中心，東西方向8 850m、南北方向5 850 m，共計(jì)20 709像素.

圖3 土地覆被分類(lèi)圖（1985年）Fig.3 Classification map of land coverage（1985）

圖4 城市信息空間基礎(chǔ)數(shù)據(jù)Fig.4 Basic data of city information space

3.3 智能體的分類(lèi)和定義

各智能體的變化流程為MAS模型的核心.在程序運(yùn)行之前，以大分市植田地區(qū)的實(shí)測(cè)數(shù)據(jù)為基準(zhǔn)，歸納1985—2002年的土地覆被變化情況（表1）.

表1 土地覆被演化Tab.1 Evolution of land coverage 像素

由表1可以看出，1985—2002年的17年間高密度建成區(qū)增加最多，約增加了2.8倍.高密度建成區(qū)之外的其他智能體都有減少的趨勢(shì).其中，農(nóng)業(yè)用地減少最多，約減少45%，綠地減少約15%.這是由于這個(gè)時(shí)期大規(guī)模的住宅小區(qū)和商業(yè)設(shè)施的開(kāi)發(fā)建設(shè)，導(dǎo)致了農(nóng)業(yè)用地和綠地減少，高密度建成區(qū)大幅增加.另一方面，低密度建成區(qū)和其他智能體相比沒(méi)有多少變化.這不能簡(jiǎn)單地說(shuō)沒(méi)有遷移變化，相反，遷移變化的絕對(duì)值很高.農(nóng)業(yè)用地和綠地轉(zhuǎn)換為低密度建成區(qū)，相同數(shù)量的低密度建成區(qū)轉(zhuǎn)換為高密度建成區(qū).其結(jié)果是農(nóng)業(yè)用地和綠地在減少，高密度建成區(qū)大幅增加，低密度建成區(qū)看起來(lái)沒(méi)有變化.

從表1可以計(jì)算出土地覆被變化概率，進(jìn)而算出各智能體的變化概率（表2）.其中，高密度建成區(qū)轉(zhuǎn)換為綠地的變化率為0.9%，對(duì)MAS模型的影響很小，為了簡(jiǎn)化模擬流程，可以忽略不計(jì).

表2 智能體變化概率Tab.2 Agent change probability %

依上所述，變化概率在5%以下時(shí)忽略不計(jì)，高密度建成區(qū)轉(zhuǎn)換為綠地和農(nóng)業(yè)用地、低密度建成區(qū)轉(zhuǎn)換成綠地的3類(lèi)變化概率均在5%以下，可以忽略不計(jì).現(xiàn)實(shí)中這3種轉(zhuǎn)換的可能性也是非常低的，所以這種結(jié)果還是比較妥當(dāng)?shù)?從表2可以看出，高密度建成區(qū)未變化的概率最高，其次是綠地.另一方面，低密度建成區(qū)轉(zhuǎn)換成高密度建成區(qū)、農(nóng)業(yè)用地轉(zhuǎn)換成低密度建成區(qū)的概率也非常高.

MAS模型根據(jù)這些智能體的變化進(jìn)行模擬.為了提高模擬精度，還要考慮地形和城市機(jī)能對(duì)模擬程序的影響.因此，這里引入城市化促進(jìn)因素和城市化抑制因素作為MAS模型的追加智能體.

MAS模型中的智能體分類(lèi)如表3.高密度建成區(qū)、低密度建成區(qū)、綠地和農(nóng)業(yè)用地為影響MAS模型變化的4 類(lèi)主要變化智能體.鐵路車(chē)站、用途類(lèi)型、農(nóng)業(yè)用地區(qū)域和坡地為變化要素智能體.根據(jù)效果，MAS模型的變化要素智能體又可分為城市化促進(jìn)要素智能體和城市化抑制要素智能體2大類(lèi).其他智能體是為了在模擬畫(huà)面上容易掌握位置而追加的智能體.

表3 智能體的分類(lèi)Tab.3 Agent classification

3.4 模擬流程

確立了各智能體的變化概率和分類(lèi)，MAS模型的基礎(chǔ)數(shù)據(jù)構(gòu)筑完畢.接下來(lái)利用MAS模型進(jìn)行模擬.模擬流程如下：①模擬從1985年土地覆被分類(lèi)開(kāi)始，隨機(jī)選擇主要變化智能體進(jìn)行模擬.②隨機(jī)選出的主要變化智能體有各種各樣的轉(zhuǎn)換為其他主要智能體的流程，根據(jù)模擬流程反復(fù)模擬.③經(jīng)過(guò)第②階段模擬轉(zhuǎn)換為其他主要智能體以后，計(jì)算其變化后的像素?cái)?shù)，如果高密度建成區(qū)增加205像素，或者農(nóng)業(yè)用地減少150像素、綠地減少55 像素，滿(mǎn)足任何一個(gè)條件，則該年度的模擬通過(guò).④不管主要變化智能體變化與否，高密度建成區(qū)智能體和低密度建成區(qū)智能體合計(jì)達(dá)到11 681像素時(shí)模擬結(jié)束.未滿(mǎn)足結(jié)束條件的，再隨機(jī)選擇主要變化智能體返回第①階段開(kāi)始模擬，持續(xù)到滿(mǎn)足結(jié)束條件為止.

第③階段模擬通過(guò)與否的判斷條件通過(guò)表4算出，即各智能體在1985年至2002年的年平均變化量.從平均變化量來(lái)看，高密度建成區(qū)每年都在增加，其他智能體在逐年減少.低密度建成區(qū)年平均變化量四舍五入后為零，因此從判定條件中省略.模擬過(guò)程中達(dá)到其他主要智能體的年平均變化量時(shí)，MAS模型通過(guò).第④階段模擬結(jié)束的判定條件也從表4中得出，即2002年實(shí)測(cè)高密度建成區(qū)和低密度建成區(qū)的總和，可以設(shè)定城市建成區(qū)絕對(duì)值達(dá)到這一數(shù)值時(shí)模擬結(jié)束.

3.5 模擬結(jié)果

利用MAS模型實(shí)施實(shí)際模擬，考察其模擬結(jié)果.在此選擇5 個(gè)年度進(jìn)行模擬，即1985，1990，1994，1999和2002年.

圖5為1985年植田地區(qū)的模擬結(jié)果，和土地覆被分類(lèi)圖一樣，模擬結(jié)果中包括高密度建成區(qū)和道路、低密度建成區(qū)、農(nóng)業(yè)用地、綠地，河流.從中可以看出，植田新都心Wasada Town周邊多為低密度建成區(qū)，對(duì)象地區(qū)西部和南部有大片農(nóng)業(yè)用地.從圖6中可以看出，高密度建成區(qū)的像素?cái)?shù)所占比例很少，約為其他智能體的1／3左右.

表4 1985—2002年土地覆被分類(lèi)變化Tab.4 Change of land coverage classification from 1985to 2002 像素

圖5 植田地區(qū)模擬結(jié)果（1985年）Fig.5 Simulation result for Ueda Area（1985）

圖6 每年度各智能體的像素?cái)?shù)Fig.6 Annual pixel values of each agent

從圖7可以看出，1990年前后是植田地區(qū)人口增加、居住區(qū)建設(shè)大力發(fā)展的時(shí)期，低密度建成區(qū)轉(zhuǎn)換成高密度建成區(qū)的比例逐步變大.在對(duì)象地區(qū)的北部，電車(chē)賀來(lái)站周邊地區(qū)高密度建成區(qū)也迅速擴(kuò)大.這是由于受城市化促進(jìn)智能體車(chē)站的影響.1994年的高密度建成區(qū)和農(nóng)業(yè)用地的像素?cái)?shù)基本持平.對(duì)象地區(qū)西部、南部大片的農(nóng)業(yè)用地轉(zhuǎn)換成了低密度建成區(qū).

1999年，植田新都心Wasada Town周?chē)D(zhuǎn)換成了高密度建成區(qū).隨著高江新鎮(zhèn)的開(kāi)發(fā)，對(duì)象地區(qū)西南部也形成了高密度居住區(qū).電車(chē)敷戶(hù)站和光吉IC（光吉高速公路）周邊高密度建成區(qū)的變化也比較顯著.隨著高江新鎮(zhèn)的開(kāi)發(fā)建設(shè)，綠地在大幅度減少.

2002年，高密度建成區(qū)和綠地的像素基本持平.由此可以看出植田地區(qū)城市化的速度非?？?對(duì)象地區(qū)的居住區(qū)和商業(yè)用地、大分河北部地區(qū)全部變成了高密度建成區(qū).根據(jù)城市基礎(chǔ)規(guī)劃中的人口預(yù)測(cè)，到2002年植田地區(qū)的人口會(huì)一直增加，高密度建成區(qū)所占的比例也會(huì)隨之增加.

圖7 每年度各智能體的變化量Fig.7 Annual Change of agents

4 MAS模型有效性的探討

這里將對(duì)MAS模型的模擬結(jié)果和實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，驗(yàn)證其有效性.圖8 為2002 年對(duì)象地區(qū)的模擬圖像，圖9為實(shí)際的土地覆被分類(lèi)圖.

圖8 植田地區(qū)模擬結(jié)果（2002年）Fig.8 Simulation result for Ueda area（2002）

圖9 植田地區(qū)土地覆被分類(lèi)圖（2002年）Fig.9 Classification map of land coverage of Ueda Area（2002）

從圖8，9可以看出，高密度建成區(qū)智能體的分布基本一致.這主要是因?yàn)楦呙芏冉ǔ蓞^(qū)受到城市化促進(jìn)要素智能體——車(chē)站、居住區(qū)和商業(yè)用地的影響比較大.低密度建成區(qū)智能體多分散分布在高密度建成區(qū)之間.植田新都心北部地區(qū)實(shí)際分布著低密度建成區(qū)，模擬過(guò)程中受城市化抑制要素智能體的影響，這個(gè)地區(qū)大多為農(nóng)業(yè)用地.農(nóng)業(yè)用地智能體受城市化抑制要素智能體的影響，多分布在農(nóng)業(yè)用地區(qū)域，和實(shí)際分布傾向一致.模擬結(jié)果中對(duì)象地區(qū)西南部的綠地變成農(nóng)業(yè)用地和現(xiàn)實(shí)不太一致.綠地智能體大多集中分布在靈山周邊，基本沒(méi)有變化.對(duì)象地區(qū)西部低密度建成區(qū)和農(nóng)業(yè)用地周邊環(huán)繞的小規(guī)模的綠地在模擬中出現(xiàn)了大規(guī)模減少的傾向，這和實(shí)際數(shù)據(jù)有所差別.總體來(lái)說(shuō)，MAS初期引入了城市化促進(jìn)要素智能體和城市化抑制要素智能體，在提高實(shí)際模擬精度中起到很大作用.全體智能體的分布傾向和實(shí)際的土地覆被分類(lèi)相比沒(méi)有很大的差異，因此可以說(shuō)MAS模型的有效性是比較高的.

其次，對(duì)土地覆被分類(lèi)數(shù)值進(jìn)行分析比較（表5），可以看出，各智能體的絕對(duì)誤差值較小，匹配率都在98%～99%之間.這是由于模擬結(jié)束條件設(shè)定的高密度建成區(qū)和低密度建成區(qū)的合計(jì)像素?cái)?shù)與實(shí)測(cè)值相同的緣故.因此，MAS模型的有效性不能單從各智能體合計(jì)像素?cái)?shù)的匹配率來(lái)衡量.這里，要比較模擬結(jié)果各智能體的坐標(biāo)值和實(shí)際土地覆被分類(lèi)中各智能體的坐標(biāo)值的重合度來(lái)驗(yàn)證其有效性.

表6為各智能體坐標(biāo)的匹配率.從表中可以看出，各智能體坐標(biāo)的匹配率都在60%左右，高密度建成區(qū)受變化要素的影響，匹配率最高，約為66.6%；綠地變化比較少，匹配率約為65.2%.低密度建成區(qū)和農(nóng)業(yè)用地由于變化量比較大，匹配率較低.總體來(lái)看，各智能體坐標(biāo)匹配率并不高，但考慮到50 m 格柵數(shù)據(jù)操作實(shí)際土地覆被分類(lèi)圖的復(fù)雜性，而且圖像結(jié)果目視效果各智能體的分布狀況十分接近，因此MAS模型的有效性還是非常明顯的.

表5 模擬結(jié)果和實(shí)測(cè)值的比較Tab.5 Comparison between simulation and the measured results

表6 2002年各智能體坐標(biāo)的匹配率Tab.6 Matching rate of agent coordinates in 2002

5 基于MAS模型的綠地變化預(yù)測(cè)模擬

這里對(duì)2002—2022 年間植田地區(qū)的土地變化進(jìn)行模擬（圖10）.模擬結(jié)果仍為5 個(gè)年度，2002，2010，2015和2022年.

圖10 植田地區(qū)模擬結(jié)果（2015年）Fig.10 Simulation result for Ueda Area（2015）

2010年和2002年相比高密度建成區(qū)智能體的增加顯著，農(nóng)業(yè)用地智能體有減少趨勢(shì)，其他各智能體的總量變化不大.

從2015年的模擬結(jié)果可以看出，西部的大片農(nóng)業(yè)用地基本上都變?yōu)榈兔芏冉ǔ蓞^(qū).但是圖11中低密度建成區(qū)從2015年開(kāi)始出現(xiàn)減少的趨勢(shì)，這是由于前些年農(nóng)業(yè)用地向低密度建成區(qū)的轉(zhuǎn)換比較多，農(nóng)業(yè)用地急劇減少，再加上低密度建成區(qū)向高密度建成區(qū)的轉(zhuǎn)換增加，低密度建成區(qū)開(kāi)始出現(xiàn)減少傾向.高密度建成區(qū)在1985年約為其他智能體的1／3，到2012年超過(guò)低密度建成區(qū)成為面積最大的智能體.

圖11 模擬每年度各智能體的變化量Fig.11 Simulated annual change of agents（pixel）

從2022年的模擬結(jié)果可以看出對(duì)象地區(qū)除綠地外，基本上都變成城市建成區(qū)，農(nóng)業(yè)用地基本消失.高密度建成區(qū)和2015年相比有所增加，為8 879像素（圖12）.大分河北部和南大分地區(qū)幾乎都轉(zhuǎn)換為高密度建成區(qū)，植田新都心周?chē)鷱V泛分布著高密度建成區(qū).綠地沒(méi)有很大的變化，對(duì)象地區(qū)東北部城市建成區(qū)內(nèi)部的綠地有減少趨勢(shì).

圖12 模擬每年度各智能體的像素?cái)?shù)Fig.12 Simulated annual pixel values of each agents（pixel）

6 結(jié)論與討論

本研究通過(guò)構(gòu)筑MAS模型，對(duì)綠地變化進(jìn)行預(yù)測(cè)模擬，從而抽出影響將來(lái)城市建成區(qū)和綠地環(huán)境的變化要素.首先構(gòu)筑MAS模型，參考實(shí)際數(shù)據(jù)算出各智能體的變化概率，綜合城市的各種變化要素，對(duì)對(duì)象地區(qū)進(jìn)行模擬.再通過(guò)和實(shí)際數(shù)據(jù)對(duì)比，驗(yàn)證模擬結(jié)果的有效性，并以此模型為基準(zhǔn)對(duì)將來(lái)的土地變化進(jìn)行了預(yù)測(cè)模擬.模擬結(jié)果如下：

1985年植田新都心Wasada Town周邊多為低密度建成區(qū)，對(duì)象區(qū)域西部和南部有很多農(nóng)業(yè)用地，高密度建成區(qū)的像素?cái)?shù)所占比例很少，約為其他智能體的1／3左右.

2002年，高密度建成區(qū)和綠地的像素基本持平.對(duì)象地區(qū)的居住區(qū)和商業(yè)用地、大分河北部地區(qū)全部變成了高密度建成區(qū).

2022年對(duì)象地區(qū)除綠地外，基本上都變成城市建成區(qū)，農(nóng)業(yè)用地基本消失.大分河北部和南大分地區(qū)幾乎都轉(zhuǎn)換為高密度建成區(qū)，植田新都心周?chē)哭D(zhuǎn)換成高密度建成區(qū).綠地總體來(lái)說(shuō)沒(méi)有太大的變化，對(duì)象地區(qū)東北部城市建成區(qū)內(nèi)部的綠地有減少趨勢(shì).

本研究中MAS模型中的變化要素車(chē)站和用途地區(qū)都受人口因素的影響，因此在模擬過(guò)程中把握人口的變化是非常重要的.由于本文中的MAS模型利用50m 格柵數(shù)據(jù)來(lái)對(duì)對(duì)象地區(qū)的土地變化進(jìn)行模擬，從中引入人口數(shù)據(jù)是非常困難的.結(jié)合人口因素考慮，最低要用250m 格柵數(shù)據(jù)進(jìn)行模擬.將來(lái)利用250m 格柵數(shù)據(jù)構(gòu)筑結(jié)合人口預(yù)測(cè)要素的MAS模型，提高模擬的有效性，從而更精確地對(duì)城市建成區(qū)和綠地環(huán)境進(jìn)行預(yù)測(cè)和評(píng)價(jià).這將是作者未來(lái)的研究課題.

［1］ Yeung Y M，Chu K Y.Guangdong：survey of a province undergoing rapid change［M］.Hong Kong：Chinese University Press，1994.

［2］ 金本良嗣，徳岡一幸.日本の都市圏設(shè)定基準(zhǔn)［J］.応用地域?qū)W研究，2002（7）：1.

［3］ 李景剛，何春陽(yáng)，史培軍.近20年中國(guó)北方13省的耕地變化與驅(qū)動(dòng)力［J］.地理學(xué)報(bào)，2004，59（2）：274.LI Jinggang，HE Chunyang，SHI Peijun.Change process of cultivated land and its driving forces in northern China during 1983－2001［J］.Acta Geographica Sinica，2004，59（2）：274.

［4］ 龍花樓，王文杰，翟剛.安徽省土地利用變化及其驅(qū)動(dòng)力分析［J］.長(zhǎng)江流域資源與環(huán)境，2002（11）：526.LONG Hualou，WANG Wenjie，ZHAI Gang.Analysis on land use changes and their driving forces in Anhui Province［J］.Resources and Environment in the Yangtze Basin，2002（11）：526.

［5］ 談明洪，李秀彬，呂昌河.我國(guó)城市用地?cái)U(kuò)張的驅(qū)動(dòng)力分析［J］.經(jīng)濟(jì)地理，2003，23（5）：635.TAN Minghong，LI Xiubin，LV Changhe.An analysis of driving forces of urban expansion in China［J］.Economic Geography，2003，23（5）：635

［6］ 馬其芳，鄧良基，王芳.社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力對(duì)土地利用／覆蓋變化（LUCC）的影響研究［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2003（3）：80.MA Qifang，DENG Liangji，WANG Fang.Study on land use change／coverage and their driving forces［J］.Journal of Huazhong Agricultural University：Social Sciences Edition，2003（3）：80.

［7］ 陳浮，陳剛，包浩生.城市邊緣區(qū)土地利用變化及人文驅(qū)動(dòng)力機(jī)制研究［J］.自然資源學(xué)報(bào)，2001，16（3）：204.CHEN Fu，CHEN Gang，BAO Haosheng.Analysis on land use change and human driving force in urban fringe［J］.Journal of Natural Resources，2001，16（3）：204.

［8］ 斉藤郁雄，樸明浩，石原修.ランドサットTMデータによる土地被覆変化の抽出に関する研究［J］.日本建築學(xué)會(huì)計(jì)畫(huà)系論文集，2002（561）：79.

［9］ 小林祐司，佐藤誠(chéng)治，有馬隆文，等.ランドサットTMデータを利用した緑地分布傾向の把握手法に関する研究［J］.日本都市計(jì)畫(huà)學(xué)會(huì)學(xué)術(shù)研究論文集，2000（35）：1009.

［10］ 小出治.土地利用混合度の適用並びにその検定［J］.日本都市計(jì)畫(huà)學(xué)會(huì)學(xué)術(shù)研究論文集，1977（12）：79.

［11］ 吉川徹.メッシュデータに立腳した同種·異種土地利用の集塊性の把握手法［J］.日本建築學(xué)會(huì)計(jì)畫(huà)系論文集，1999（520）：227.

［12］ 文泰憲，荻島哲，大貝彰.土地利用混合度指標(biāo)に関する研究［J］.日本都市計(jì)畫(huà)學(xué)會(huì)學(xué)術(shù)研究論文集，1986（26）：505.

［13］ 玉川英則.土地利用の秩序性の數(shù)理的表現(xiàn)に関する考察［J］.日本都市計(jì)畫(huà)學(xué)會(huì)學(xué)術(shù)研究論文集，1982（17）：73.

［14］ Weikipedia.Weikipedia oita［EB／OL］.［2010 － 05 － 10］.http：∥ja.wikipedia.org／wiki／%E5%A4%A7%E5%88%86%E5%B8%82.

［15］ 大分県土木建築部都市計(jì)畫(huà)課.大分市都市計(jì)畫(huà)マスタープラン第3章地區(qū)別構(gòu)想：稙田地區(qū)［R］.大分市：大分県土木建築部都市計(jì)畫(huà)課都市計(jì)畫(huà)班，2003.

［16］ John H.E—from chaos to order ［M］.Oxford：Oxford University Press，1999：45.

［17］ 黃欣榮.復(fù)雜性科學(xué)的方法論研究［M］.重慶：重慶大學(xué)出版社，2006：135－142.Huang X R.Study on methodology of complexity science［M］.Chongqing：Chongqing University Press，2006.