基于蜂自动机的人工神经网络的未来土地使用和土地覆盖模拟:对德里大城市 (印度) 的案例研究

科学领域:

• 城市规划和气候科学
• 地理信息系统 (GIS) 和遥感技术
• 环境建模和模拟

背景情况:

• 全球城市增长集中在亚洲大城市,预计到2030年,德里将成为人口最多的城市.
• 德里面临着作为一个数据贫困的城市,拥有数百万气候脆弱居民的挑战.
• 了解土地利用和土地覆盖 (LULC) 动态对于城市规划和气候适应至关重要.

研究的目的:

• 用CA-ANN模型模拟未来在德里大城市的LULC变化.
• 评估CA-ANN模型在数据贫困的城市环境中进行LULC模拟的准确性和效率.
• 预测到2030年的城市扩张及其对德里LULC动态的影响.

主要方法:

• 利用了MOLUSCE开源插件,结合了基于蜂自动机的人工神经网络 (CA-ANN) 模型.
• 通过使用结构相似性 (SSIM),整体准确性和kappa协议指数等指标验证了2009年LULC模拟的CA-ANN模型.
• 应用了经过验证的CA-ANN模型来模拟2030年的LULC,分析了过去 (1977-2014) 和未来 (2014-2030) 的LULC变化轨迹.

主要成果:

• 该CA-ANN模型显示了良好的验证结果 (例如,SSIM:0.8288,整体准确率:79.78%).
• 建筑面积预计将从38.3% (2014) 增加到53.8% (2030),可耕地,森林和荒地相应减少.
• 城市扩张率 (CAGR) 预计将从0.62% (2006-2014) 显著增加到2.51% (2014-2030).

结论:

• CA-ANN模型是用于LULC模拟的简单,高效和计算成本低廉的工具,适用于数据贫困的城市.
• 德里的LULC动态显示了城市化和城市扩张的明显趋势,反映了亚洲其他大城市的模式.
• 生成的数据库广泛适用于与气候变化适应和风险评估有关的科学研究,政策制定和城市规划.