A Patch‐based Cellular Automaton for Simulating Land‐use Changes at Fine Spatial Resolution
Notice bibliographique
Résumé
Abstract While cellular automata have become popular tools for modeling land‐use changes, there is a lack of studies reporting their application at very fine spatial resolutions (e.g. 5 m resolution). Traditional cell‐based CA do not generate reliable results at such resolutions because single cells might only represent components of land‐use entities (i.e. houses or parks in urban residential areas), while recently proposed entity‐based CA models usually ignore the internal heterogeneity of the entities. This article describes a patch‐based CA model designed to deal with this problem by integrating cell and object concepts. A patch is defined as a collection of adjacent cells that might have different attributes, but that represent a single land‐use entity. In this model, a transition probability map was calculated at each cell location for each land‐use transition using a weight of evidence method; then, land‐use changes were simulated by employing a patch‐based procedure based on the probability maps. This CA model, along with a traditional cell‐based model were tested in the eastern part of the Elbow River watershed in southern Alberta, Canada, an area that is under considerable pressure for land development due to its proximity to the fast growing city of Calgary. The simulation results for the two models were compared to historical data using visual comparison, Ksimulation indices, and landscape metrics. The results reveal that the patch‐based CA model generates more compact and realistic land‐use patterns than the traditional cell‐based CA. The Ksimulation values indicate that the land‐use maps obtained with the patch‐based CA are in higher agreement with the historical data than those created by the cell‐based model, particularly regarding the location of change. The landscape metrics reveal that the patch‐based model is able to adequately capture the land‐use dynamics as observed in the historical data, while the cell‐based CA is not able to provide a similar interpretation. The patch‐based approach proposed in this study appears to be a simple and valuable solution to take into account the internal heterogeneity of land‐use classes at fine spatial resolutions and simulate their transitions over time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».