GeoSOS-FLUS未来土地利用变化情景模拟模型
软件简介
适用场景
GeoSOS-FLUS软件能较好的应用于土地利用变化模拟与未来土地利用情景 的预测和分析中，是进行地理空间模拟、参与空间优化、辅助决策制定的有效工 具。FLUS 模型可直接用于：
- 城市发展模拟及城市增长边界划定；
- 城市内 部高分辨率土地利用变化模拟；
- 环境管理与城市规划；
- 大尺度土地利用变 化模拟及其效应分析；
- 区域土地利用类型适宜性分析；
- 农田或自然用地类 型损失预警；
- 土地利用分布格局变化及热点分析等方面。
还可以进一步推广 使用到气候变化及其效应、碳循环、水文分析，生态变化与生物栖息地变化等各 方面的研究当中。
软件安装
软件支持两种安装(使用)方式，一种为ArcGIS的Addin插件，另一种为独立安装
ArcGIS AddIn插件使用
-
其安装本体在[软件实体\ArcGIS插件\GeoSOS for ArcGIS V1.1.2a En\Setup For ArcGIS 10.X]路径下，双击安装即可。
-
在ArcMap中打开工具条即可
独立安装使用
软件操作手册
[\软件实体\独立进程\GeoSOS Help_CHS]
手册介绍了独立安装程序的使用
领域相关主要人物
参考来源领域相关论文
黎夏
个人简介
黎夏，国际欧亚院士，英国社会科学院院士，国家杰出青年科学基金获得者，国家重点基础研究发展计划首席专家。现任华东师范大学地理科学学院教授，中国地理信息系统协会理论与方法专业委员会副主任、中国地理学会地理模型与地理信息分析专业委员会副主任。
创建了地理模拟系统理论，将元胞自动机推广到土地利用模拟中，建立了耦合气候变化和人类活动的全球的土地利用模拟模型。解决了大尺度、精细化模拟，以及与陆面模型耦合难题。所提出的GeoSOS系列土地利用模型（http://www.geosimulation.cn/），拥有完全自主知识产权，可为未来地球模拟、联合国可持续发展目标评价、全球变化分析、国家一带一路研究等提供重要的未来情景预测。该模型是目前国际分辨率最高的土地利用模拟模型，被评价为国际上四大著名土地利用模型之一。GeoSOS被国际人文地理百科全书特别推荐，得到了国内外普遍的使用。近4年来GeoSOS网站有来自全球的3.49万次访问，软件下载次数超过5700次，用户遍及全球61个国家和地区，并几乎覆盖国内各省市。
多篇论文发表在国际顶级刊物上，包括3篇论文发表在_Nature Communication_和_Nature Sustainability_。有关研究被同行评价为先驱研究。多年连续入选 Elsevier 中国高被引学者，入选2020科睿唯安全球高被引科学家。多篇代表作位列 SCI 地理学领域引用前 1%。获发展中国家科学院(TWAS)地球科学奖。建立的模型直接被国际最著名的GIS软件（ArcGIS）使用，并被直接整合到亚洲最大的GIS超图软件中，支持了国产GIS软件。
研究方向
元胞自动机与多智能体、地理模拟系统、全球土地利用变化建模与环境影响分析
元胞自动机(cellular automata，CA) 是一种时间、空间、状态都离散，[空间相互作用]和时间[因果关系]为局部的网格[动力学模型]，具有模拟[复杂系统]时空演化过程的能力。
基本介绍
不同于一般的[动力学模型]，元胞自动机不是由严格定义的物理方程或函数确定，而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。因此，元胞自动机是一类模型的总称，或者说是一个方法框架。其特点是时间、空间、状态都离散，每个变量只取有限多个状态，且其状态改变的规则在时间和空间上都是局部的。
元胞自动机（Cellular Automata，CA）是一种计算模型，它由一组离散的单元格（cells）组成，这些单元格按照一定的规则进行状态的变化。每个单元格可以处于有限数量的离散状态之一，并且它的状态在离散的时间步骤中根据一组规则进行更新。这些规则通常基于单元格及其相邻单元格的当前状态来确定单元格的下一个状态。
元胞自动机的基本组成部分包括：
- 单元格：组成元胞自动机的基本单位，每个单元格可以处于不同的状态。
- 网格：单元格按照规则排列在一个二维网格或更高维的结构上。
- 初始条件：定义初始状态，即在第一个时间步骤开始时每个单元格的状态。
- 更新规则：确定如何根据当前状态来计算下一个时间步骤的状态的规则。
元胞自动机的状态更新是并行进行的，每个单元格的状态在同一时间步骤内更新，而不受其他单元格的影响。这种并行性使得元胞自动机在模拟和研究复杂系统的行为时非常有用。
元胞自动机可以用于模拟和研究各种复杂的现实世界现象，包括物理系统、生物系统、社会现象等。它们在科学研究、计算机科学、数学等领域都有广泛的应用，特别是在复杂系统建模和仿真方面。
著名的元胞自动机包括康威的生命游戏（Conway’s Game of Life），它是最著名的元胞自动机之一，用于模拟生命演化过程。元胞自动机还可以用于图像处理、密码学、随机数生成等多个领域。
科研成就
- 科研综述
黎夏长期在地理元胞自动机、多智能体与地理信息系统结合、地理模拟系统理论框架及实现平台、模型纠正和转换规则的知识发现、城市与土地利用变化监测与模拟、协同空间模拟与优化等方面进行理论和方法研究；在地理过程模拟及决策支持模型、耦合群智能与多智能、多目标空间优化等核心研究内容方面获得了研究成果。
黎夏创建了地理模拟系统理论，将元胞自动机推广到土地利用模拟中，建立了耦合气候变化和人类活动的全球的土地利用模拟模型；解决了大尺度、精细化模拟，以及与陆面模型耦合难题；提出的GeoSOS系列土地利用模型，可为未来地球模拟、联合国可持续发展目标评价、全球变化分析、国家一带一路研究等提供未来情景预测。据2023年1月华东师范大学官网显示，近4年来GeoSOS网站有来自全球的3.49万次访问，软件下载次数超过5700次，用户遍及全球61个国家和地区，并几乎覆盖中国国内各省市。
- 学术论著
截至2022年11月，黎夏已在中国国内外刊物发表学术论文300余篇 ；据2023年1月华东师范大学官网显示，黎夏在已发表的论文中，包括《自然（Nature）》子刊3篇，《国际地理信息科学杂志（International Journal of Geographical Information Science）》 26篇，《环境遥感（Remote Sensing of Environment）》3篇，《IEEE地学与遥感汇刊（IEEE Transactions on Geoscience and Remote Sensing）》4篇，《摄影测量工程与遥感（Photogrammetric Engineering & Remote Sensing）》7篇，《国际遥感杂志（International Journal of Remote Sensing）》7篇；多年连续入选Elsevier“中国高被引学者”，入选2020科睿唯安“全球高被引科学家”，多篇代表作位列SCI地理学领域引用前1%；其主要论著有《城市空间扩张模拟与生态控制线优化预警模型研究》《地理模拟系统：元胞自动机与空间智能》《智能式GIS与空间优化》《GIS与空间分析：原理与方法》《地理信息与规划支持系统》《伶仃洋遥感应用研究》等。
刘小平
中山大学地理科学与规划学院教授，国家青拔，国家优青，青年长江，教育部“新世纪优秀人才支持计划”入选者，中山大学“百人计划”引进人才，中国地理信息系统协会理论与方法专业委员会委员，中国海外地理信息科学协会 (CPGIS) 委员。
研究方向
主要从事地理模拟、空间智能及优化决策方面的研究。
测绘新青年•刘小平｜原创+应用，地理学家的“顶天”与“立地” (sohu.com)
“在生态保护红线方面，做得最早的是深圳，深圳是一个有远见、富于开创性的城市，城市本身土地很少，在城市发展最需要土地时提出了要设立生态控制的边界，突破就是违规，后来这一做法被东莞借鉴，再延伸到整个广东省。”刘小平强调说，以往国家对这块关注较少，导致有些城市发展出现无序、很多土地资源被浪费的现象，近几年开始，空间规划被逐渐重视。“另外，以前基本农田可以通过占补平衡来灵活调整，现在设定的永久基本农田，一旦划定就不能再动，更加严格。我们要做的，就是配合国家重大战略需求、社会需要，提出更有建设性的边界划定和功能布局最优化模拟方案。”
案例说明GeoSOS软件的应用点
下面以生态保护区优化选址为例， 以显示GeoSOS在复杂的城市模拟和空间优化方面的强大能力。 随着中国城市化进程的加剧， 城市不断扩张， 由此带来了一系列的环境问题， 包括耕地和生态用地的不断减少， 环境质量下降等。 将一部分重要的生态用地划入保护区， 可以减少城市化所带来的不良影响。 生态保护区具有多种用途， 包括保护物种和保持生态多样性， 进行旅游和休闲活动， 开展科学研究等［１１］ 。 近年来， 在珠江三角洲两个城市化非常高的城市， 深圳和东莞， 已经立法强制要求建立生态控制线或生态保护区， 以合理地利用有限的土地资源。 目前国际上缺乏采用空间优化的方法来形成生态保护区的研究， 国内基本是采用人工方法来划定生态保护区， 无法获得最优的效果。现有GIS也不提供有关的优化功能， 其普遍使用的选址功能无法产生最优的方案， 特别是针对点、 线和面的优化。生态保护区的划分涉及面状地物的优化， 属于典型的高维空间的 ＮＰ 优化难题。 通过改进蚁群算法（ACO）， GeoSOS提供了有效的面积优化模块， 为生态保护区的划定提供了一种十分方便的工具。
在城市化迅速的地区， 生态保护区的划定还需要考虑到城市增长的需要， 要适当的给城市发展预留一定的空间。 有必要将城市模拟与面积优化两者耦合起来， 这种基于动态的优化方案将比静态的优化方案更有优势。 本生态保护区优化生成包括 ２ 个步骤：
- 模拟出规划期间可能的城市扩张情况， 将其作为下一步优化的因素之一；
- 利用GeoSOS中 的ACO 面优化模块寻找最优的生态保护区方案。
以东莞的生态保护区生成为例， 即需要从空间上最优地找到满足一定面积总量的保护区分布位置。 根据规划要求， 东莞的城市用地、 生态用地和后备用地的总量比例为 ４∶４∶２， 故需要从该市选择 880 k m 2 880km^2 880km2 土地作为生态保护区。 优化模型所用到 Grid数据的大小为 193 * 133， 分辨率为 400m。
首先采用逻辑回归 ＣＡ 模拟城市扩张的情况， 步骤如下：
- 点击 【逻辑回归 ＣＡ】， 系统将打开向导页；
- 直接点击 【下一步】 进行训练数据设置。 选择时间 １ 和时间 ２ 的遥感分类数据， 作为城市扩张的因变量， 并定义影响城市扩张的空间自变量。 设置训练数据随机抽样的比例。 系统将根据逻辑回归方法自动获取 ＣＡ 模型的参数；
- 进一步设置有关模拟的约束参数， 例如以转换总量控制模拟的终止条件， 最终获得东莞城市扩张的模拟结果
然后根据城市模拟的结果， 进行基于蚁群优化的生态保护区划定。 在蚁群优化每一步的迭代中，一个蚂蚁选择栅格的依据是目标函数。 本目标函数包括了 ２ 部分： 生态保护适宜性和紧凑性。 其中，紧凑性保证所产生的生态保护区具有一定的连续性。 目标函数的公式如下：
G o a l F u n c t i o n ＝ E c o S u i t a b l e × C o m p a c t n e s s GoalFunction ＝EcoSuitable ×Compactness GoalFunction＝EcoSuitable×Compactness
其中， GoalFunction 为目标函数， EcoSuitable 为生态保护区适宜性， Compactness 为紧凑性。
需要 定 义 具 体 的 生 态 保 护 适 宜 性 函 数EcoSuitable 。 本文考虑生态保护区的影响因子有城市发展适宜性 UrbanSuitable， 归一化差异植被指数 NDVI， 改进的归一化差异水体指数 MNDWI， 城市发展密度 UrbanDensity， 地形起伏度 Relief Amplitude （物种多样性）， NDVI 在一个移动窗口的差 异 （植被多样性）。 打开自定义适宜性窗口， 单击 “ ＋” 按钮， 添加上面所述的空间数据，
并对每个因子分别给予不同的权重。 在窗口输入适宜性函数的数学表达式：
$$
SuitabilityFunction = 0.159 \times (1 - UrbanSuitable) \
+0.214 \times NDVI + 0.214 \times MNDWI \
+0.138 \times reliefamplitude +0.138 \times NDVIStd \
+0.137 \times (1- UrbanDensity)
$$
单击 “确定” 按钮执行适宜性计算， 并返回模块主界面设置 ＡＣＯ 参数。 需要得到的生态保护区为 880 × 1 0 6 ÷ ( 400 × 400 ) ＝ 5500 880 \times 10^6 \div (400 × 400) ＝5500 880×106÷(400×400)＝5500个栅格。 选择“紧凑性” 并开始运行面优化模型。下图为基于ＡＣＯ 模型的生态保护区生成的初始分布， 基本是呈随机的凌乱布局。
随着模型中每个人工蚂蚁的相互合作， 最终形成优化的生态保护区布局下图。其效果是非常理想的， 由此能避免常规方法所涉及的繁重工作， 并使得所制定的生态保护区更有科学性。
参考资料
ArcGIS应用系列-GeoSOS简要演示_哔哩哔哩_bilibili