公共管理论坛第180期

6月20日上午10时，北卡罗来纳大学夏洛特分校地理和地球科学系唐文武副教授做客第180期公共管理论坛，为我院全体师生带来题为“基于多主体的土地利用/覆盖变化建模——考虑景观能见度”的报告。本次论坛由公共管理学院汪文雄副院长主持，40余名师生听取报告并进行交流互动。

本次报告主要探讨了景观层面的能见度对土地利用变化的影响和如何使用大数据计算具体的效用。首先唐教授详细介绍了该研究采用的智能体模型（Agent-Based Model），智能体模型是用于复杂自适应空间系统建模的自下而上建模方法，可以用来研究人和人、人和环境的相互作用及其变化，具体可以分为三种，第一种是最基本的、概率固定的Reactive Agents模型，第二种是较复杂的，行为有记忆的Agents with internal states模型，第三种就是最复杂的Intelligent Agents—智能体个体模型，此模型概率是多变的，可以利用机器学习来计算调整概率。

随后，唐教授对研究区域进行介绍，选择的研究地点是北卡罗来纳州西部一个人口不多的山中旅游城镇，收集了2001年—2019年的土地覆盖变化数据进行研究。影响土地利用变化的因素有很多，本次报告选择了七个驱动因素，包括高程、坡度、河网密度、距离河流距离、距离道路距离、距离市中心距离，还有最关键的，反映人们审美的景观能见度因素—“Visibility”。随后，唐教授对景观能见度因子的概念及其计算方法进行详细的介绍。本次研究需要对190万个单元的能见度进行计算，对每个小单元都计算一次需要73天，数据量高达到45TB，这就在计算层面产生了巨大的难题。唐教授的解决方法是依托北卡罗来纳大学的计算机中心，引入大数据进行辅助计算，使用变形计算和高性能集群，在大型计算中心的帮助下，3.8小时就可以算完一次，这大大减少了计算时间。

介绍完如何解决数据计算的问题后，唐教授介绍了基于land owner、land developers两种ABM智能体进行土地变化建模，来研究两者间的交互作用和环境的变化。对土地的拥有者主要使用效应函数来研究各项因素对拥有者决定卖出土地（进行土地利用转换）的概率。效应函数包含距离衰减模型、平均信息域和指数模型等，同时使用2001年—2011年的土地数据训练矫正模型，使用2011年—2019年的土地数据来验证模型，这才可以得到准确的结果。土地开发商决定在哪里开发（进行土地利用转换）的概率效应函数也是如此，使用逻辑回归和学习森林方法估算转换数据，通过经验分布和随机采样，选择计算斑块的大小和位置，使用“patch—growing”方法生成较完整的整体转化的图斑，避免低效、散乱的占用，随后用模拟精度方法结合历年数据来评估模型精度。模型搭建并验证完成后，研究者对能见度因素对两者的影响进行进一步分析，发现景观能见度作为舒适度的替代品，在与土地利用和土地覆盖率变化相关的空间决策中发挥着重要作用。

本次研究中网络驱动的高性能计算为解决大数据驱动的可见性分析计算挑战提供了强有力的支持。最后，唐教授认为，未来的工作是使用深度学习来进一步深度开发模型，提升模型的精度，以及考虑更多的决策情景分析。

报告最后，与会师生就“拥有者和开发商决策时考虑景观能见度的具体机制、研究选择的网格尺寸大小、土地利用政策影响的联动性”等问题展开积极讨论。