对土地利用动态过程进行模拟和预测可以为区域规划与环境管理提供有价值的决策支持。由于元胞自动机（Cellular Automata，CA）模型具有模拟复杂系统时空演化过程的能力，已被广泛应用于土地利用变化乃至新冠肺炎传播模拟研究中。虽然以往研究已提出各类构建CA模型的方法，以有效减少模拟预测结果与真实土地利用数据的点对点像元误差。然而传统的基于像元驱动的CA模型依然未能刻画多种土地利用类型变化的复杂景观格局特征。

为解决上述不足，我院林锦耀副教授与华东师范大学黎夏教授、我院李少英副教授及生态环境部华南环境科学研究所温宥越博士共同合作，提出一种基于景观格局驱动的多类土地利用CA模型，在该模型的构建过程中可以同时考虑景观格局差异度以及点对点像元精度，其中遗传算法用于寻找最优的CA模型转换规则（见图1）。该研究将所构建的模型应用到广州市近十年的多类土地利用模拟研究中，并与两大传统的基于像元驱动的CA模型（Logistic Regression和神经网络）进行对比，在此基础上进一步分析多种常用的景观指数（如斑块集聚度Patch Cohesion Index、边缘密度Edge Density、最大斑块指数Largest Patch Index）在模型构建过程中的相对重要性。最后，基于景观格局演变的不同模式，对广州市未来的土地利用变化进行预测分析。该研究将提供一套合理选取景观指数的评估方法，所得结果可以为土地利用规划提供有价值的决策参考。

图1 基于景观格局驱动的多类土地利用CA模型

该论文“What is the influence of landscape metric selection on the calibration of land-use/cover simulation models?”近日发表于环境模拟国际权威期刊《Environmental Modelling & Software》2020年第129卷，第一作者为林锦耀副教授，可通过以下链接免费获取全文：https://authors.elsevier.com/c/1azio4sKhELAH6（见图2）。本研究由国家自然科学基金项目（41801307，41871290）及国家自然科学基金重点项目（41531176）联合资助。

论文第一作者简介：林锦耀（1989-），博士，副教授。研究方向为多源时空大数据与遥感应用、GIS与人工智能融合、多尺度土地利用变化模拟等。

图2 论文封面