CA-Markov模型基于景观生态学运用的研究_毕馨洁.pdf

2023年第1期毕馨洁，王梦琪，潘慧雅，等：CA-Markov模型基于景观生态学运用的研究CA-Markov 模型基于景观生态学运用的研究毕馨洁1，王梦琪1，潘慧雅2，张春英1,2（1.福建农林大学风景园林与艺术学院，福建 闽侯350106；（2.福建工程学院建筑与城乡规划学院，福建 闽侯350118）摘要：随着景观生态学的发展，CA-Markov模型因其具有较高性能与准确性得到了广泛的应用。文章介绍了CA-Markov模型的概念，以及在景观生态学领域的研究方向、发文趋势、研究热点，梳理了其在景观生态学的应用现状，为后续研究提供了参考。关键词：CA-Markov耦合模型；景观生态；运用Abstract:With the development of landscape ecology,CA-Markov model is widely used because of its highperformance and accuracy.The paper introduces the concept of CA-Markov model,as well as the researchdirection,publication trend and research hotspot in landscape ecology,and sorts out its application in landscapeecology,which provides a reference for subsequent research.Key words:CA-Markov coupling model；landscape ecology；wield中图分类号 Q14文献标识码 A 文章编号1004-5538（2023）01-0036-020引言自景观生态学理念提出以来，景观生态学理论蓬勃发展，已经应用到了人们生活的方方面面，在改善人居环境及人与自然和谐共处方面取得了巨大成就，在此期间，越来越多的研究方法也被引入景观生态学的研究中。而CA-Markov模型，作为元胞自动机与马尔科夫模型的耦合模型，拥有更便捷精确的模拟预测能力，在景观生态学领域得到了广泛的应用。文章围绕CA-Markov模型展开综述，介绍了CA-Markov耦合模型的基础原理、梳理其发展状况以及研究热点，为今后的研究提供支撑与思路。1CA-Markov耦合模型简介CA-Markov模型是由元胞自动机与马尔科夫模型耦合而成的运算模型，其运算的过程表现了某个系统由一种状态转换为另一种状态的随机运动过程，通常被运用于事物进行自然转化的模拟中。这些特性同样也符合景观生态系统的转变规律，因此其已经被广泛应用于模拟景观格局变化与植被演变等相关领域的研究当中。1.1元胞自动机元胞自动机(cellular automata，CA)是一种微观仿真模型，具有时间状态与空间状态都离散的特点，是一种具有同质性、并行性与局部性的动力系统。该模型由John Von Neumann与Stanislaw Ulam在20世纪40年代提出，如今已是景观生态学中用于模拟预测的模型中最常见的模型之一。元胞自动机模型主要由五部分构成，分别为元胞（Cell）、元胞状态（State）、元胞空间（Lattice）、邻域（Neighbors）和 规 则（Rule）1。1.2马尔科夫模型马尔科夫预测模型是一种根据事物当前状态预测其将来时刻状态的定量预测模型，是基于马尔科夫链原理深化的预测方法，目前广泛应用于对土地及景观格局的变化研究中。其核心理论为马尔科夫性，即在当前状态确定的情况下，将来的状态与过去的状态无关联性，每一时刻有且仅有与前一时刻的状态有关，该理论被俄国有机化学家Markov于1870年提出，其于1906年发表的大数定律关于相依变量的扩展为一年后马尔科夫链的提出奠定了基础。试验研究36-2023年第1期在景观生态学领域，状态即可理解为不同的景观类型，状态转移则代表不同的景观类型的相互转化。由于不同景观类型的相互转化难以用简单的函数关系进行表达，在时间跨度不大的情况下，景观的结构特征具有稳定性，因此利用马尔科夫模型来模拟景观格局的变化是一种精确而高效的模拟手段。但是由于它的马尔科夫特性，即每个阶段的变化都相互独立，因此对于空间层面的变化会显得难以把控。1.3 CA-Markov模型有关于CA-Markov的研究最早出现于2004年，中国学者常斌等首先将元胞自动机与马尔科夫模型进行整合，对河西走廊的土地利用变化展开了研究；2006年，美国克拉克大学(Clark University)的克拉克实验室(Clark Lab）将元胞自动机模型嵌入到了其自主研发的地理信息系统研究软件idrisi中，并将其与软件内嵌的Markov模型进行整合，形成了完整的CA-Markov运算系统。Idrisi软件的更新与完善使得CA-Markov的运算更加便捷，推动了CA-Markov模型的广泛运用。CA与Markov虽然在地理信息及风景园林领域被广泛应用，但是二者都有其相对应的局限性。Markov模型在模拟运算的过程中对驱动力的一致性有着较大的要求，而在各类因子的转化过程中，很难存在稳定且单一的驱动因子；其次，Markov模型的转移概率中对空间变量有所缺失，无法完整的模拟各类用地类型在空间上的变化程度，难以准确模拟因子在空间层面上发生的变化。元胞自动机具有空间概念上的优势，能够对一定范围内空间层面上的复杂时空演变进行模拟，并转为清晰的图像表达，但是由于其元胞状态与其空间位置关联紧密，主要靠元胞之间的相互作用驱动，难以表达较为复杂的多因素转化。同时受限于转化规则，CA难以做到像Markov的高精度运算。因此作为二者耦合模型的CA-Markov模型在Markov模型具有高精度、数字化运算的基础上，与具有较强空间与图像性的CA模型进行整合，使其具有高精度、全方位、数字与图像并行的功能，令其在预测的数量和空间性方面更加完善，同时能够更加综合的模拟空间变化以及外部因素所带来的影响，实现真正意义上的动态模拟。2 CA-Markov模型在景观生态学中的研究趋势国内外在景观生态学领域对CA-Markov模型的应用趋势大体一致，总体都是呈现波动上升的势态。在CA-Markov的应用领域中，景观生态学相关的研究一直占所有研究中的较大比例，CA-Markov在景观生态学的应用研究对于CA-Markov总体的使用趋势研究有一定的意义；在2016年之后国外对CA-Markov的应用研究数量开始大量上升，应用于景观领域的研究虽然还保持着相应的比例，但是总体数额的上升与具体数字的拉大预示着CA-Markov的运用愈发广泛，不仅仅在景观相关领域，也在其他领域得到了重视与广泛的应用。而国内自从2016年开始对于CA-Markov的应用不管是景观生态学还是其他领域，都保持着波动但是相对恒定的态势。3结论（1）目前景观生态学内对于CA-Markov模型的应用领域较为集中，并未发掘出CA-Markov模型的潜在应用价值。往后的研究可以尽可能跳出现有框架，将其运用在国内目前还未应用或是应用较少的领域。（2）在对于元胞尺度的选择上，目前在CA-Markov模型中对元胞空间的划分都主要采取单一的规则网,在元胞尺度的选择方面也相对随意,并没有相对规范的统一定义。（3）在时间尺度上，大多数使用CA-Markov进行的模拟研究都主要停留在模拟出未来的变化趋势这一点上，而通过CA-Markov模型对于过去历史的倒推和模拟的研究较少，在这一角度上还有很大的研究空间。并且大多数研究对针对产生变化的原因及后果进行深入研究的比较少。参考文献1周嵩山，李红波.元胞自动机(CA)模型在土地利用领域的研究综述J.地理信息世界，2012，10（5）：6-10，13.第一作者：毕馨洁（1998-），女，研究生，风景园林专业。（编辑：王冬林）（收稿日期：2022-12-15）毕馨洁，王梦琪，潘慧雅，等：CA-Markov模型基于景观生态学运用的研究试验研究37-