Het gebruik van cellulaire automata in combinatie met geografische informatiesystemen

bij het voorspellen van stedelijke groei

 

Camiel van Daelen



Inleiding

In 1800 was Peking de enige stad met meer dan ťťn miljoen inwoners, in 1985 waren er over geheel de wereld meer dan 130 steden met een miljoen inwoners of meer. De laatste 200 jaar is de aardse stedelijke bevolking maar liefst toegenomen met een factor 100 (Gaydos & Acevedo, 1998). Stedelijke planning is daarom een belangrijk facet in de grootstedelijke gebieden van de wereld. Met de toenemende technieken op het gebied van de computer-systemen, geografische informatiesystemen (GIS) en visualisering wordt het mogelijk om vrij betrouwbare en nauwkeurige voorspellingen te doen over de uitbreiding van stedelijke gebieden. Dit wordt ook wel noodzakelijk geacht vanwege de druk op natuurgebieden en ecosystemen.

Dit werkstuk zal ingaan op de ontwikkelingen van modellen en technieken met betrekking tot het voorspellen van groei in stedelijke gebieden. Uitgegaan wordt van het startartikel, welke hierna kort is samengevat, waarin twee grootstedelijke gebieden in de VS (San Francisco bay en Baltimore - Washington) nader worden beschreven. Het gaat dan vooral om het voorspellen van groei door gebruik te maken van zogenaamde cellulaire automata in combinatie met geografische informatiesystemen. Op Internet is overigens veel achtergrondinformatie te verkrijgen bij het onderwerp. De op het onderwerp betrekking hebbende site van de Geologische Dienst in de VS is het Urban Dynamic Research Program (link niet meer opvraagbaar, red.). Er is aanvullende informatie te vinden zoals definities, gebruikt bronmateriaal en animaties van ontwikkelingen.

Centrale doelstelling van dit paper is om te kijken of het gebruikte model in het beschreven onderzoek algemeen toepasbaar (in elk stedelijk gebied) zou kunnen zijn, of zijn er andere, misschien wel betere modellen. Verder is het interessant om te kijken wat de combinatie van geografische informatiesystemen met cellulaire automata nu zo effectief maakt.

Het dient gezegd te worden dat het een vrij technisch onderwerp is met veel statistische berekeningen, natuurkundige processen en informatica. In dit paper worden verder geen technische zaken besproken om het onderwerp niet ingewikkelder te maken dan het al is.

Samenvatting startartikel

De volledige titel van het artikel luidt als volgt: Loose-coupling a cellular automaton model and GIS: long term urban growth prediction for San Francisco and Washington - Baltimore.

De ruimtelijke gevolgen van stedelijke groei worden de laatste jaren aandachtig bestudeerd en onderzocht door wetenschappers en beleidsmakers. Het artikel beschrijft een onderzoek dat uitgevoerd is om stedelijke veranderingen te beschrijven, te modelleren en te voorspellen. De auteurs hebben een model bedacht om met behulp van cellulaire automata (CA) het stedelijk groeiproces te simuleren. Het modelleren van steden met behulp van CA is een nieuwe benadering. Het zou onmogelijk zijn geweest zonder de data-management capaciteiten van een GIS en zonder de krachtige netwerkstations van tegenwoordig. Het model is toegepast op twee, van elkaar verschillende, gebieden in de Verenigde Staten. Te weten: het San Francisco bay gebied en de regio Baltimore - Washington.

De gegevens voor het model zijn gehaald uit verschillende bronnen, zoals historisch kaartmateriaal, luchtfoto's, analoge en digitale kaarten en van satellietbeelden. Er is gebruik gemaakt van vier verschillende input-layers:

1. digitaal hoogte-model

2. een zogenaamde voedings-laag, van waaruit het model begint (historische kaarten)

3. transport-lagen

4. gebieden die hoogstwaarschijnlijk niet zullen verstedelijken (natuurgebieden, wateren)

De verschillende lagen zijn, of worden omgezet tot, rasters en worden in de CA ingevoerd. Het model bekijkt steeds per pixel welke buur-pixel beschikbaar is voor verstedelijking. Dat is dus afhankelijk van hellingspercentages, is het beschermd gebied of niet, ligt het langs een snelweg of spoor etcetera. Het startpunt is een zogenaamde seed-layer, veelal een tot raster omgezette historische kaart. Voordat de procedure wordt gestart worden eerst de groeiregels bepaald en ingesteld. Dat betekent bijvoorbeeld dat wordt aangegeven wanneer vanaf een bepaald hellingspercentage geen verstedelijking meer kan optreden.

De rol van GIS in het model is drieledig, belangrijk feit hierbij is dat het CA model los staat van het GIS. In het engels is dit beter te verwoorden: er is sprake van loose-coupling in plaats van tight-coupling van CA binnen een GIS. Dit houdt eenvoudigweg in dat het GIS eerst alle gegevens verwerkt en eventueel omzet voordat het CA model de voorspellingen gaat berekenen. De drie rollen van GIS: ten eerste het integreren van gegevens, vervolgens het visualiseren en tot slot laat een geografisch informatiesysteem toe dat met de gegevens planningsbesluiten gemaakt kunnen worden.

De auteurs van het artikel stellen dat het model zeer bruikbare gegevens en resultaten levert voor beleidsmakers. Of de voorspellingen ook werkelijk uitkomen is een vraag die alleen de toekomst kan beantwoorden. Maar daar staat tegenover de vraag: is het doel te voorspellen of om te helpen bij het voorspellen, testen en maken van keuzes van mogelijke toekomstbeelden?

Cellulaire automata

Het dient enige noodzaak, vanwege de complexiteit, om te beginnen met een korte uitleg van het begrip cellulaire automata. Cellulaire automata dateren uit de jaren '40. Geleidelijk aan, jaren '60 en '70, krijgt het model in steeds meer disciplines de aandacht, te weten natuurkunde, wiskunde, computertechnologie en biologie. De laatste jaren krijgen CA steeds meer aandacht van ruimtelijke wetenschappers als geografen en planologen.

Hoe werkt een CA-model? Aan de hand van het model Life is het principe uit te leggen van CA. Zoals de naam al doet vermoeden werken cellulaire automata altijd met cellen. In Life kan een cel twee waarden hebben: dood of levend. De staat van de buurcellen bepaalt of een cel levend wordt dan wel dood blijft. Elke cel heeft acht buurcellen, om de staat van een cel te bepalen moeten zogenaamde transitie-regels worden toegepast. In het model Life zijn de regels als volgt (Engelen et al., 1997):

1. Een dode cel omringd door drie levende cellen wordt levend.

2. Een levende cel blijft leven indien er 2 of 3 levende buren zijn

3. Bij minder dan 2 levende buren sterft de cel vanwege isolatie, bij 4 of meer levende buren vanwege overbevolking.

Het model Life is naar verhouding natuurlijk een vrij eenvoudig voorbeeld. Men kan zich voorstellen hoe ingewikkeld het gaat worden als een cel meerdere fasen zal aannemen en als er meer transitieregels worden toegepast.

De combinatie GIS en CA

Engelen, White en Uljee (1997) stellen in hun paper de vraag of een GIS kan dienen als beslissingsondersteunend model bij stedelijke planning. Ze concluderen dat de huidige GIS-analyses enkel gebaseerd zijn op eenvoudige ruimtelijke processen als overlay-vergelijkingen, buffering etcetera. Ze voorzien niet in zaken als simulatie-mogelijkheden die nodig worden geacht bij planningszaken. Volgens sommigen is het een grote tekortkoming dat de GISsen van tegenwoordig niet de mogelijkheid bieden van dynamische en ruimtelijke modellering bij de evaluatie van urbane politiek. Anderen zijn van mening dat de modelleringsmogelijkheden van een GIS niet zo heel belangrijk zijn en dat een GIS vooral een systeem moet blijven dat data opslaat, weergeeft en analyseert (Engelen et al., 1997).

Er is vraag naar praktische benadering om modelleringsproblemen binnen een GIS te kunnen oplossen. Met een GIS an sich lukt dit niet, maar cellulaire automata bieden de oplossing. CA dienen als de analytische motor voor een GIS (Wagner, 1997). De twee tijd-ruimte modellen hebben veel weg van elkaar. Een CA-model lijkt in veel opzichten op een raster-GIS, dit impliceert al dat ze goed met elkaar kunnen integreren. Het geografisch informatiesysteem zorgt voor het data-management, de gegevens-transformatie, de visualisatie, kartografisch modelleren en de ruimtelijke analyse. CA berekenen, nadat verschillende input-layers zijn toegevoegd en transitie-regels zijn ingevoerd, de eindresultaten. Voor het San Francisco bay gebied komt er een voorspelling uit die eruit ziet zoals te zien is in figuur 1.

figuur 1. San Francisco bay in 2100

Met digitale raster data-layers van verschillende perioden tussen nu en 100 jaar terug berekent het model hoe het onderzoeksgebied er in 2100 uit zou kunnen zien. De verschillende kleuren geven de mate van verstedelijking aan. Geel geeft de seed-layer aan, vanaf die punten is het model begonnen met de berekeningen. De rode kleur geeft het stedelijk gebied aan en donkergrijs de beschermde gebieden. Lichtgrijs is de kleur van de gebergten.

Er zijn zelfs al driedimensionale versies bekend van CA en GIS, maar daar zijn voorlopig nog onderzoeken mee gemoeid (Wagner, 1997). Visualisatietechnieken spelen natuurlijk ook een grote rol. Per slot van rekening moeten beleidsmakers worden geconfronteerd met de uitwerkingen. Het beste inzicht kan verkregen worden indien de resultaten goed gevisualiseerd zijn. Met 3D zou dat uiteraard het meest realistisch zijn.

In Figuur 2 (zie bijlage onderaan) is een schematische voorstelling weergegeven van een cellulair automata model dat toegepast kan worden op een breed geografisch veld. Het bestaat uit drie componenten: op macro-niveau (bovenaan) een dynamisch interactie-model, in het midden het cellulair model gebaseerd op micro-dynamiek en de onderste component is het GIS. Deze voorziet de bovenste componenten van gegevens.

Toepasbaarheid van het model

Voor veel mensen is het van belang om te weten te komen hoe de toekomst van de verstedelijking eruit ziet, hoe gebieden zullen veranderen onder invloed van de urbanisatie. Planologen, beleidsmakers in de steden, hydrologen die de waterbehoefte moeten inschatten, ecologen die ecosystemen onderzoeken (Crawford et al., 1996). Kortom: het is belangrijk te weten hoe de toekomst eruit zal zien in de stedelijke gebieden. Daarom is het ook belangrijk om te komen tot algemeen bruikbare modellen, modellen die bij wijze van spreken op elk stedelijk gebied van de wereld toe te passen zijn.

In het artikel van Clarke en Gaydos (1998) worden voorspellingen gedaan voor San Francisco bay area (zie figuur 1) en voor de regio Baltimore - Washington. Het zijn twee veel van elkaar verschillende gebieden. De onderzoekers denken binnen afzienbare tijd, op deze manier, geheel de VS in kaart te brengen aan de hand van het in het onderzoek gebruikte model. Naar mijn mening zou het model ook inzetbaar zijn in andere dan Amerikaanse stedelijke gebieden. Clarke en Gaydos doen daarover verder geen uitspraken in hun artikel. In het algemeen zal het model zijn aangepast aan de basisgegevens van de VS, zoals verrasterde scans van historische kaarten, digitale remote sensingbeelden en dergelijke. Doch, indien het model in Japan zou worden toegepast, behoeft het slechts enkele bewerkingen te ondergaan om ook aldaar gebruikt te kunnen worden. In Japan zou bijvoorbeeld rekening moeten worden gehouden met het feit dat steden vaak uitbreiden richting en in de zee, vanwege onbegaanbare gebergten landinwaarts. De input-gegevens zijn verschillend net als de transitie-regels, de essentie van het model verandert echter niet.

Over heel de wereld zijn wetenschappers en onderzoekers bezig om modellen te ontwikkelen die kunnen bijdragen aan de ontwikkelingen binnen stedelijk beleid. In de volgende paragraaf wordt ingegaan op andere, vergelijkbare modellen als bovenvermelde.

Andere modellen

De voortdurende ontwikkelingen brengen natuurlijk meerdere prototypen van modellen voort. SimLand is daar een voorbeeld van. Het is een prototype om landtransformaties te simuleren middels geÔntegreerde GIS en CA. Het model is, logischerwijs, ingebouwd in een ruimtelijk beslissingsondersteunend systeem, en hiermee verschilt het dan ook met het model van Clarke en Gaydos. Een ruimtelijk beslissingsondersteunend systeem (Spatial Decision Support System) is een op computers gebaseerd systeem met verschillende mogelijkheden zoals het combineren van ruimtelijke databases, het modelleren van gegevens en uitstekende visualisatietechnieken, om de beslissingen die beleidsmakers dienen te nemen te vergemakkelijken (Wu, 1998).

Een belangrijk punt wat Wu in zijn paper vermeld, wat tevens als doel voor zijn model geldt, is dat er een interactief gebruikersvriendelijke omgeving ontworpen moet worden zodat verschillende scenario's en verschillend gedrag herhaaldelijk getest kan worden. Hij doelt dus op een softwarepakket wat goed te hanteren is en waarin de gegevens vrij eenvoudig ingevoerd kunnen worden. GeÔntegreerd in het systeem is een zogenaamde multicriteria-evaluatie waarmee beoogd wordt meer gedragsoriŽnterende transitie-regels in CA te definiŽren (Wu and Webster, 1998). Simpel gezegd: een vereenvoudiging, door hiŽrarchisch geordende omzettings-regels, om het model beter te laten functioneren.

Een model is niet als zodanig bruikbaar bij het oplossen van actuele planningsproblemen, tenzij het beschikbaar wordt gemaakt voor de eindgebruiker. Dat kan gebeuren wanneer een model wordt ingebed in een beslissingsondersteunend systeem (zoals bij SimLand het geval is). Het RIKS (Research Institute of Knowledge Systems) houdt zich bezig met het ontwikkelen en vervaardigen van dergelijke ruimtelijke modellen voor landgebruik, planning en ruimtelijke ordening. Ze ontwikkelen gebruikersvriendelijke software voor gemeenten, provincies, bedrijven en andere instellingen. De meeste modellen worden geÔntegreerd in een beslissingsondersteunend systeem. Dergelijke dienen de volgende karakteristieken te bezitten: betrouwbare informatie leveren in een bruikbare vorm, evalueren van de resultaten, makkelijk te ijken door de gebruiker, makkelijk aan te passen door de gebruiker.

Volgens mij is dat een heel belangrijk aspect bij het ontwikkelen van modellen: de bruikbaarheid en toepasbaarheid. De ontwerpers dienen daar ook rekening mee te houden. De gebruikers moeten goed materiaal kunnen ontwerpen om beleidsmakers helder en compleet te informeren.

Conclusie

De stedelijke ontwikkelingen van de laatste decennia leggen een behoorlijk druk op het land en de natuur. Ook beleidsmakers, hydrologen en ecologen moeten rekening houden met de verstedelijking. Het ideale zou zijn indien men in de toekomst kon kijken, zodat men op de zaken kan vooruit zien. Sinds een aantal jaar is die mogelijkheid aanwezig: met modellen, waarbij cellulaire automata en geografische informatiesystemen geÔntegreerd zijn, worden nauwkeurige voorspellingen gedaan over stedelijke toekomstbeelden.

Centrale doelstelling van dit paper was om te kijken of het gebruikte model in het beschreven onderzoek, algemeen toepasbaar (in elk stedelijk gebied) zou kunnen zijn, of zijn er andere, misschien wel betere modellen. Naar mijn mening kunnen de modellen zoals hierboven beschreven (die van Clarke en Gaydos en het SimLand model) goed toegepast worden op elk gebied in de wereld. De essentie van het model, juist de combinatie van een GIS met een CA, maakt het zo specifiek. Dat er in elk gebied op aarde andersoortig bronmateriaal, verschillende input-layers etc. zijn, kan niet het model niet weerhouden van toepasbaarheid. Er dient wel gezegd te worden dat SimLand voordelen heeft met betrekking tot de integratie van het model in een beslissingsondersteunend systeem. Waardoor het eenvoudiger wordt om veranderingen aan te brengen aan bijvoorbeeld transitie-regels en waarmee het een gebruikersvriendelijker model wordt. In het startartikel wordt daar niet over gesproken. Dat houdt niet automatisch in dat het niet mogelijk is om het model in te passen in een decision support system. Maar de essentie van het artikel ligt in het beschrijven van het model, en niet in het gebruik ervan. Het is wel belangrijk dat een model uiteindelijk goed hanteerbaar is, met name binnen een ruimtelijk beslissingsondersteunend systeem.

Verder is het interessant om te kijken wat de combinatie van geografische informatiesystemen met cellulaire automata nu zo effectief maakt. Er zijn onderzoekers die vinden dat een GIS van tegenwoordig tekort komt als ze geen dynamische en ruimtelijke modellering bieden. Ik ben van mening dat een GIS die mogelijkheden niet hoeft te bezitten, het zou natuurlijk ideaal zijn als het kon. Cellulaire benaderingen zijn niet nieuw in de GIS-wereld, dat gebeurde in feite al bij het raster georiŽnteerde GIS. Een CA heeft veel weg van een raster-GIS. Juist de combinatie van een GIS met een CA maakt het mogelijk om met dynamische en ruimtelijke modellering voorspellingen te doen. De ideale combinatie dus!

bijlage

figuur 2. Schematische representatie van de 3 componenten van het model

 

Extra

Presentatie

Filmpje van de San Francisco bay area (434 kb)

 

Literatuur

Startartikel:

Clarke, K. C. & L. J. Gaydos (1998), Loose-coupling a cellular automaton model and GIS: long-term urban growth prediction for San Francisco and Washington / Baltimore, in Geographical information science 12 (7), p. 699 - 714.

Andere bronnen:

Gaydos, L. & W. Acevedo (1998), Metropolitan growth over time and space, USGS fact sheet, May 1998 (link niet meer opvraagbaar, red.).

Clarke, K. C., L. Gaydos & S. Hoppen (1997), A self-modifying cellular automaton model of historical urbanization in the San Francisco bay area. Environment and planning B: Planning and design 24, p. 247 - 261.

Clarke, K. C., S. Hoppen & L. J. Gaydos (1996), Methods and techniques for rigorous calibration of a cellular automaton model of urban growth, Third international conference / Workshop integrating GIS and environmental modeling, Santa Fe, NM, January 21 - 25, 1996 (link niet meer opvraagbaar, red.).

Crawford, J. S., W. Acevedo, T. W. Foresman & W. Prince (1996), Developing a temporal database of urban development for the Baltimore - Washington region, Proceedings, ASPRS / ACSM annual convention and exhibition, Baltimore, MD, April 22 - 24, 1996, Vol. III, p. 101 - 110.

Engelen, G., R. White & I. Uljee (1997), Integrating constrained cellular automata models, GIS and decision support tools for urban planning and policy making. Decision supprt systems in urban planning, 125 - 155.

Wagner, D. (1997), Cellular automata and geographic information systems. Environment and planning B: Planning and design 12, p. 219 - 234.

Wu, F. (1998), SimLand: a prototype to stimulate land conersion through the integrated GIS and CA with AHP-derived transition rules. Geographical information science 12 (1), p. 63 - 82.

Wu, F. & C. Webster (1998), Simulation of land development through the integration of cellular automata and multicriteria evaluation. Environment and planning B: Planning and design 25, p. 103 - 126.