基于CA模型的防城港海岸線預測模擬

張 鈺，王讓會

(南京信息工程大學環境科學與工程學院，南京 210044)

0 引言

地理空間系統是地理學研究的基本對象，是自然—社會—經濟因素相互作用的復合系統，地理系統的開放性、非線性等特征決定了復雜性是其本質屬性。因此，應用復雜系統的理論方法分析地理系統的復雜性和動態性是當前地理學研究的熱點之一。而元胞自動機(cellular automata，CA)是時空離散的動力學模型，是研究復雜系統的一種方法，特別適用于對空間復雜系統的動態模擬［1］。

CA是在20世紀40年代由Ulam首先提出，后被Von Neumann用來研究自組織系統的演變過程［2］。CA作為一種具有時空動態特征的動力學方法，被廣泛應用到地理學的諸多領域，其中在城市增長、擴散和土地利用演化等模擬方面的研究最早、最深入，理論和實踐最豐富，同時也是當前CA應用的熱點之一［3］。白永良等［4］基于CA模型模擬黃河口海岸線演變;盛輝等［5］基于CA預測黃河三角洲海岸線演變。美國Couclelis［6］從理論上對CA在地理學中的應用潛力(尤其是在模擬城市擴張領域中的應用)進行了充分闡述;White等［7］多次應用CA模型成功模擬了土地利用變化等。

RS和GIS技術的發展，為城市擴展時空研究及多種數據的集成研究提供了有力支持［8］，尤其利用遙感技術進行土地利用動態監測［9］已成為當今的熱點之一，而RS和GIS的集成對于準確及時地掌握沿海地區海岸線演變情況、從宏觀上研究海岸線動態變化是一種有效的方法［10］。RS和GIS技術的集成不僅可以有效地研究不同時空尺度上的景觀現象，為生產實踐和科學研究提供有用的景觀信息;而且為研究景觀空間結構和動態(尤其是物理、生物和各種人類活動過程相互之間的復雜關系)提供了一種有效的工具［11］。丁麗霞等［12］利用 RS方法對浙江省海岸線的變遷幅度與速度進行調查研究，發現浙江整個海岸線變遷幅度與速度呈現由南到北逐漸變小的趨勢;朱小鴿［13］和宮立新等［14］應用多時相Landsat衛星遙感圖像，采用神經網絡分類方法監測珠江口、煙臺地區海灣、香港及澳門地區海岸線的變化，得出人為圍海造田及相關基礎設施建設是導致海岸線變化的主要原因的結論;Chu等［15］基于遙感圖像研究了現代黃河三角洲侵蝕演變模型等;王琳等［16］利用3個時相的Landsat TM/ETM+衛星圖像，通過變化檢測和信息提取獲得廈門市及其鄰域1989—2000年海岸線變化信息，并分析了廈門市海域面積未來的變化趨勢及其原因等。隨著新的遙感衛星不斷發射成功，越來越多的專家學者開始利用遙感手段快速而準確地獲取海岸帶數據，并越來越關注海岸線調查及其變化監測等問題。

綜上所述，目前國內外利用遙感圖像對海岸線分析的研究很多，但遙感方法、分形研究等數學模型運用于地物研究的普適性與當前預測演變過程及結果的效率均有待提高，因此有必要探尋一種適用性更廣、效率更高的新型遙感圖像海岸線分析方法，并綜合各種影響因素進行改進。同時，由于海岸線在沿海城市中的地位非常重要，而專門針對城市邊緣區的CA模擬預測研究還較為少見［11］，所以利用RS及CA技術相結合來研究海岸線具有一定的科學性和可行性。本文基于Matlab仿真技術運用CA模型來預測未來海岸線演化狀況，并對預測結果進行精度檢驗。其結果證實，用該方法預測未來海岸線演變狀況是可行的，具有重要的現實意義。

1 研究區概況及技術路線

1．1 研究區概況

研究區為位于中國廣西南部的防城港市，地處中國大陸海岸線西南端，地理坐標為E 107°28'～108°36'，N 20°36'～22°22'。南連北部灣，北接扶綏縣、邕寧縣，東與欽州市毗鄰，西與寧明縣接壤，西南與越南交界，陸地面積6 181 km2，地勢平坦、海域面積4萬km2。防城港市轄港口區、防城區、上思縣和東興市，全市海岸線長584 km，嶼海岸線長222 km，陸地邊境線長230多km，有7個鄉鎮與越南山水相連。防城港市現有防城港、企沙港、江山港、京島港、竹山港等大小商港、漁港20多個，其中防城港以水深、避風、不淤積、航道短、可用岸線長而著名，是主樞紐港。防城港市共有5個國家級口岸，其中防城港、東興、企沙和江山為一類口岸，峒中為二類口岸。此外，全市岸線資源豐富，企沙海域具備建設10～30萬t級泊位的天然條件。

1．2 技術路線

針對本文研究目的和內容，在對所收集的研究區2000年11月、2010年10月TM圖像和文字、數據資料進行整理的基礎上，制定了技術路線(圖1)。首先，利用ENVI軟件對獲取的研究區遙感圖像進行幾何糾正、配準等，利用ArcGIS軟件提取海岸線，并對其進行重采樣;然后，根據相應規則建立CA模型，利用蒙特·卡羅方法結合控制因素進行判斷，確定元胞的轉化狀態，在此基礎上，運用Matlab仿真技術實現海岸線的預測功能;最后對空間分析結果進行精度分析。

圖1 技術流程圖Fig．1 Flow chart of technology

2 數據處理

覆蓋研究區域的Landsat TM5波段的遙感數據來源于全球土地利用數據庫(global land cover facility，GLCF)及中國科學院對地觀測與數字地球科學中心網站。海岸線被國際地理信息委員會(IGDC)定為最重要的27種地表特征之一，Dolan最早定義海岸線為水體與陸地的自然界面［17］，現一般指沿海在多年的大潮時高潮所到達的界線。本研究首先對遙感圖像進行圖像幾何糾正處理、子區裁取、圖像分類及數據類型轉換等預處理;然后將分類結果導入到ArcGIS中，進行編輯處理(圖2);再利用Conversion Tools將遙感圖像轉為矢量圖，對矢量圖進行圖斑合并等編輯操作，提取海岸線;最終將編輯結果轉成柵格格式(圖3)。

圖2 遙感分類圖像Fig．2 Remote sensing classification images

圖3 海岸線信息提取圖Fig．3 Maps of coastline in formation extraction

3 CA預測模型實現

3．1 模型定義

將2000年和2010年的防城港遙感分類圖像(圖2)在ArcMap中以30 m×30 m的柵格進行重采樣，分別生成柵格數據圖像。柵格文件是由0～5組成的二維數組(0代表植被景觀柵格，1代表建筑景觀柵格，2代表水域景觀柵格，3代表農田景觀柵格，4代表灘涂景觀柵格，5代表其他景觀柵格)，將該二維數組導入到Matlab仿真軟件系統進行CA預測。

取該二維數據的一個3×3部分區域，利用3×3的摩爾近鄰模型(Moore neighborhood model)作為CA模型的鄰居規則進行分析:以黑色元胞為中心，對于其8個元胞鄰域，有2個植被景觀區域(0)，占2/8;有2個建筑景觀區域(1)，占2/8;有1個水域景觀區域(2)，占1/8;有1個農田景觀區域(3)，占1/8;有1個灘涂景觀區域(4)，占1/8;有1個其他景觀區域(5)，占1/8。將各類地物景觀映射到［0，1］，則有:0≤P植被＜2/8;2/8≤P建筑＜2/8+2/8;2/8+2/8≤P水域＜2/8+2/8+1/8;2/8+2/8+1/8≤P農田＜2/8+2/8+1/8+1/8;2/8+2/8+1/8+1/8≤P灘涂＜2/8+2/8+1/8+1/8+1/8;2/8+2/8+1/8+1/8+1/8≤P其他≤2/8+2/8+1/8+1/8+1/8+1/8。其中P為該景觀類型的映射值。

以3×3的蒙特·卡羅算法為例(圖4)，Matlab將產生一個隨機數P∈［0，1］，P落在圖4中的哪個區域(用黑色區域表示)，則該區域(即黑色區域)就轉變為哪種地物類型(在圖4中，黑色區域轉變為灘涂景觀區域(4))。

圖4 蒙特·卡羅算法應用舉例Fig．4 Example for application of Monte Carlo method

通過程序將柵格數組迭代多次，選出仿真時間與實際時間的比值，然后從2000年開始預測10 a后的2010年情況。結果表明，除了人為因素影響很大的區域，該算法可以較好地對海岸線進行預測，提取出來的海岸線與實際的類似，而主要的誤差來自于人類不確定的活動及自然因素(如新建的大型港口、填海造田、暴風雨等)。

3．2 流程設計

本研究采用2000年獲取的防城港海域遙感圖像，對現有的地物類型利用蒙特·卡羅算法對鄰居下一時刻的狀態進行判定:若下一時刻元胞的地物類型沒有改變，繼續下一次循環;若元胞的地物類型改變，則生成新的元胞。然后重復以上循環，直到遍歷遙感圖像的所有元胞，產生新的圖像。最后整體循環一定次數后，得到預測的圖像，從而提取出預測海岸線。系統循環過程如圖5所示。

圖5 系統循環過程Fig．5 Process of the system cycle

3．3 預測結果

確定CA模型中離散時間標準是一個關鍵問題。由于CA模型中的離散時間是抽象概念，因此在海岸線模擬中必須與實際海岸線建立對應關系。本文利用陸地、海域及灘涂數目變化(表1)來確定模型的時間標準。

表1 2000年和2010年防城港地物景觀元胞數統計Tab．1 Fangchenggang surface features landscape cellular several in 2000 and 2010

以2000－11－06獲取的TM/ETM+數據為基礎，利用CA模型運行320次，依據2000年實際海岸線(圖3(a))預測出2010年海岸線，如圖6所示。

從表1和圖2可以看出，10 a期間陸地景觀(植被、建筑、農田)元胞變化數為84．765 1萬，水域景觀變化數為47．739 9萬，灘涂景觀變化數為30．341 6萬，其他景觀元胞變化數為26．537 5萬。通過320次的迭代模擬，防城港植被景觀元胞數為142．870 3萬，建筑景觀元胞數為45．794 6萬，水域元胞數為92．814 2萬，農田景觀元胞數為16．192 4萬，灘涂元胞數為30．867 3萬，其他景觀元胞數為28．571 2萬，雖然與2010年數據存在一定的差異，但是通過圖形對比，海岸線(圖6(b))已經較為接近2010年實際海岸線(圖3(b))，可見通過這次模擬仿真可以較為準確地確定模擬時間。由此可以推斷該模型運行一次的時間約為0．031 a。

圖6 防城港2010年海岸線預測圖Fig．6 Predictive map of Fangchenggang coastline in 2010

3．4 精度檢驗

除了上述客觀因素會影響海岸線預測結果外，本次應用的精度還受以下幾個方面的影響:

1)遙感圖像的空間與光譜分辨率。本研究僅選用Landsat TM5圖像是由于受數據源的限制。許多研究和應用實踐已經證明，短波紅外的TM5(光譜范圍1 550～1 750 nm)或微波波段的雷達數據都具有對水體的高度敏感性。如數據源充裕的情況下，應綜合選用多種類的遙感數據，通過分析比較后挑選出適合目標區的最佳波段，無疑會獲得更精確的監測結果。TM可見光波段的空間分辨率為30 m，本研究為了減小不同波段圖像分辨率的差異，對TM數據進行重采樣，使其分辨率統一為60 m;然后對TM數據進行配準，導致不同時相的假彩色合成圖像的分辨率僅60 m，在一定程度上降低了成果精度。

2)分類精度。本研究中監督分類取得了較好的結果，分類精度達到90%。導致存在10%錯分率的主要原因是沿岸高渾濁水域與淺灘、低濕地(特別是由于泥沙沉積而新形成的墾區)難以區分。若使用短波紅外或雷達數據，將有可能提高分類精度［16］。

3)圖像幾何精糾正及地圖海岸線數字化的精度(與應用的遙感圖像比例尺有關)。本研究主要使用1∶1 000 000比例尺的遙感圖像，判讀成圖是1∶500 000比例尺，控制點8個，幾何糾正誤差≤0．050 8個像元;故幾何誤差＜1 mm。

4)模型精度分析。本研究模型評價的方法主要分2步:①對模型預測出的各類地物元胞數量進行評價，從數量上評價模型的精確度;②對模型預測出的各類地物的空間位置進行判斷，說明預測模型在空間位置上的預測精度［18］。2種方法相比，數量上的精度比較簡單，由于海岸帶是一個變化復雜的狹長地帶，因此將研究區設置為沿海區域(約占陸地總面積的三分之一)，將沿海區域2010年預測的元胞數量除以2010年實際元胞數量，即得出預測模型數量上的精度。為得到空間位置上的精度，首先將2010年實際海岸線矢量圖和預測的2010年海岸線矢量圖進行疊加(圖7)。

圖7 防城港2010年實際海岸線與預測海岸線疊加圖Fig．7 Overlap of the actual coastline and predictive coastline of Fangchenggang in 2010

圖7中，預測海岸線與實際海岸線比較，向海洋延伸的部分稱為預測淤積區;向陸地延伸的部分稱為預測蝕退區。在ArcGIS軟件的支持下，通過open attribute table命令，計算出預測的2010年海岸線淤積區和蝕退區的面積分別為59．32 km2和75．85 km2，即預測的2010年海岸線與實際海岸線相比發生變化的面積為135．17 km2;將沿海區域2010年預測的陸地變化面積除以實際陸地面積，即得到空間位置精度為93．45%。

通過上述方法得出預測的2010年海岸線的數量精度為83．65%(表2)。

表2 海岸線預測精度Tab．2 Accuracies of the predictive coastline

預測結果與實際情況非常接近，雖然有部分區域存在差異，但基本上反映了海岸線空間分布趨勢，可見本文采用的時空動態約束CA模型的預測精度能夠較好地滿足海岸線預測的需要。

3．5 預測未來

從防城港2010年實際海岸線與預測海岸線疊加中可以看出(圖7)，防城港口岸附近及龍門港鎮以北變化較大，經分析了解到這些區域經濟發展迅速、人類活動頻繁，表明人類活動等因素或大或小地影響了海岸線的變化，這些因素有待考慮。為進一步說明海岸線預測情況，可以根據2010年防城港海岸線遙感分類圖像的柵格圖(圖2(b))預測2020年防城港海岸線的變化，研究中模型迭代次數仍然為320次，預測結果如圖8所示。

圖8 防城港2020年海岸線預測圖Fig．8 Predictive map of Fangchenggang coastline in 2020

上述2次預測結果清晰地反映了防城港海岸線的變化趨勢。在數量結構上，2000—2020期間年防城港海岸線淤積面積明顯增加，整個陸地有擴展趨勢;在空間分布上，2000—2020年期間龍門港鎮以北和防城港口岸附近出現的淤積現象最為明顯;在流向上，有不少灘涂逐漸轉變為陸地，表明城市化進程不可避免地侵占了海洋、灘涂等。GIS空間分析結果(圖9)表明，2000—2010年期間，防城港海岸帶淤積面積達233．20 km2，蝕退面積達 23．86 km2。這種劇烈的土地利用變化，已經造成一系列的資源和環境問題，如果不采取有效的治理措施，則會進一步影響該地區的生態環境安全。

圖9 防城港2000年與2010年實際海岸線疊加圖Fig．9 Fangchenggang overlap of the actual coastline in 2000 and 2010

4 結論

1)利用CA模型預測海岸線的變化是可行的，其關鍵在于元胞迭代次數的確定。將實際海岸線和預測海岸線疊置，通過數量精度及空間位置精度分析，2010年預測的數量精度為83．65%，空間位置精度為93．45%，可見預測的海岸線跟實際的海岸線相似度很高，表明通過CA模型預測海岸線是海岸線預測的一種良好策略。

2)利用CA模型預測出來的2020年海岸線具有一定的參考價值。CA模型的預測分析結果可以為研究區土地利用規劃提供依據，幫助制定有效的土地管理措施和方針政策。

3)CA模型研究的不足之處在于元胞轉化規則的確定仍需要進一步研究，并且需要加入更多的自然、社會因素(如人口、物流等)，以求預測結果更接近于實際情況。通過對CA模型的改進以及轉換規則的深入研究，將可以得出更好的預測結果。然而，國內通過CA模型對海岸線整體性研究較少，因此這方面研究具有較大的發展空間及現實意義。

［1］ 林愛華，岳建偉，陳路遙．海岸線變化趨勢預測方法研究與系統實現［J］．測繪科學，2009，34(4):109－110．Lin A H，Yue JW，Chen L Y．Study and realization of coastline change forecast based on GISand RS［J］．Science of Surveying and Mapping，2009，34(4):109－110．

［2］ Zhang X F，Wang Z Y．Coastline extraction from remote sensing image based on improved minimum filter［J］．Geoscience and Remote Sensing(IITA－GRS)，2010(2):44－47．

［3］ Bouchahma M，Yan W L，Ouessar M．Island coastline change detection based on image processing and remote sensing［J］．Computer and Information Science，2012(5):27－36．

［4］ 白永良，劉 展，厲 梅．基于CA模型模擬黃河口海岸線演變［J］．測繪與空間地理信息．2011，34(2):141－143．Bai Y L，Liu Z，Li M．Simulate the coastline change in the Yellow River estuary based on CA model［J］．Geomatics and Spatial Information Technology，2011，34(2):141－143．

［5］ 盛 輝，王兵兵，程義吉，等．基于CA的黃河三角洲海岸線演變預測［J］．人民黃河，2011，33(10):28－30．Sheng H，Wang B B，Cheng Y J，et al．Prediction of coastline evolution in the Yellow River delta based on cellular automata［J］．Yellow River，2011，33(10):28－30．

［6］ Couclelis H．Cellular worlds:A framework for modeling micromacro dynamics［J］．Environment and Planning A，1985，17(5):585－596．

［7］ White R，Engelen G，Uijee I．The use of constrained cellular automata for high－resolution modeling of urban land－use dynamics［J］．Environment and Planning B，1997，24(3):323－343．

［8］ 劉興權，吳 濤，甘喜慶．基于可控鄰域作用CA的城市擴張研究［J］．國土資源遙感，2011，23(2):110－114．Liu XQ，Wu T，Gan X Q．An urban growth study based on controllable neighbor effect CA［J］．Remote Sensing for Land and Resources，2011，23(2):110－114．

［9］ 高振宇，吳學瑜，范 清，等．土地利用動態遙感監測中的問題探析［J］．國土資源遙感，2011，23(3):20－24．Gao Z Y，Wu X Y，Fan Q D，et al．An analysis of the problems concerning remote sensing dynamic monitoring of land use［J］．Remote Sensing for Land and Resources，2011，23(3):20－24．

［10］ 許其功，劉鴻亮，席北斗，等．三峽庫區土地利用與景觀格局變化研究［J］．環境科學與技術，2007，30(12):83－86．Xu Q G，Liu H L，Xi B D，et al．Land use and landscape pattern change in Three Georges Reservoir area［J］．Environmental Science and Technology，2007，30(12):83－86．

［11］ 黃俊芳，王讓會，師慶東．基于RS與GIS的三工河流域生態景觀格局分析［J］．干旱區研究，2004，21(1):33－37．Huang JF，Wang R H，Shi Q D．RS/GIS－based analysis on the ecological landscape patterns in the Sangong River Basin，Xinjiang［J］．Arid Zone Research，2004，21(1):33－37．

［12］ 丁麗霞，周 斌，張新剛，等．浙江大陸淤漲型海岸線的變遷遙感調查［J］．科技通報，2006，22(3):292－298．Ding L X，Zhou B，Zhang X G，et al．Continental coastline change research by remote sensing in Zhejiang Province［J］．Bulletin of Science and Technology，2006，22(3):292－298．

［13］ 朱小鴿．珠江口海岸線變化的遙感監測［J］．海洋環境科學，2002，21(2):19－23．Zhu X G．Remote sensing monitoring of coastline changes in Pearl River Estuary［J］．Marine Environmental Science，2002，21(2):19－23．

［14］ 宮立新，金秉福，李健英．近20年來煙臺典型地區海灣海岸線的變化［J］．海洋科學，2008，32(11):64－68．Gong L X，Jin B F，Li JY．The changing of typical bay coastline in Yantai in recent 20 years［J］．Marine Sciences，2008，32(11):64－68．

［15］ Chu Z X，Sun X G，Zhai SK，et al．Changing pattern of accretion/erosion of the Modern Yellow River(Huanghe)Sbaerial Delta，China:Based on remote sensing images［J］．Marine Geology，2006，227(1/2):13－30．

［16］ 王 琳，徐涵秋，李 勝．廈門島及其鄰域海岸線變化的遙感動態監測［［J］．遙感技術與應用，2005，20(4):404－410．Wang L，Xu H Q，Li S．Dynamic monitoring of the shoreline changes in Xiamen island with its surrounding areas of SE China using remote sensing technology［J］．Remote Sensing Technology and Application，2005，20(4):404－410．

［17］ 陳 勇．海岸帶灘涂資源遙感應用研究進展［J］．遙感技術與應用，2012，27(2):296－304．Chen Y．Advance of remote sensing application to tidal flat resource monitoring in coastal zone［J］．Remote Sensing Technology and Application，2012，27(2):296－304．

［18］ 趙冠偉，龔建周，謝建華，等．基于CA模型的城市邊緣區土地利用演變模擬——以廣州市花都區為例［J］．中國土地科學，2009，23(12):56－62．Zhao GW，Gong JZ，Xie JH，etal．Simulation of the land useevolution in urban fringe based on CA model:A case study of Huadu District，Guangzhou City［J］．China Land Science，2009，23(12):56－62．