徐新良閔稀碧，2田 展

(1.中國科學院地理科學與資源研究所，北京 100101;2.中國科學院研究生院，北京 100039;3.上海市氣象局，上海 200030)

基于GIS與LTM模型的上海市城市擴展模擬與預測*

徐新良1閔稀碧1，2田 展3

(1.中國科學院地理科學與資源研究所，北京 100101;2.中國科學院研究生院，北京 100039;3.上海市氣象局，上海 200030)

本文以1990、2000、2005年上海市城市土地利用遙感數(shù)據(jù)為基本數(shù)據(jù)源，結(jié)合城市人口數(shù)據(jù)，利用LTM模型對1990－2000年和1990－2005年上海市城市空間擴展過程進行了模擬和精度檢驗，并在此基礎上對2020年上海市城市空間擴展進行了預測。結(jié)果表明:1990－2000年、1990－2005年LTM模型模擬結(jié)果的Kappa系數(shù)分別為0.59和0.61，可以較好的模擬歷史時期上海市城市空間擴展的總體趨勢;LTM模型預測結(jié)果顯示，2005－2020年上海市城鎮(zhèn)用地面積將由914.03km2增加到1123.79km2，年均擴展面積將由1990～2005年的23.44 km2/a下降到13.98 km2/a，未來上海市城市空間擴展速度將呈減緩趨勢。

上海;城市空間擴展;GIS;LTM模型

城市空間擴展已經(jīng)成為土地利用和土地覆被變化最重要的類型之一［1］，并逐步成為土地利用變化的主導特征［2］。但城市空間快速擴展也帶來了一系列問題，如耕地減少［3］、濕地退化［4］、動植物棲息地破壞［5］、大氣和水污染嚴重［6］、城市熱島效應［7］等。為了科學把握城市擴展規(guī)律、有效引導城市空間的可持續(xù)發(fā)展，國內(nèi)外學者對城市空間擴展的分析和模擬開展了大量研究工作。例如Xiao等利用RS和GIS空間信息技術手段對城市空間擴展的特征和驅(qū)動力進行了分析［8］，Long等運用元胞自動機CA模型［9，10］、楊勇等基于邏輯回歸模型［11］、Lee等基于GIS軟件和空間系統(tǒng)模型［12］、Nnyaladzi等基于CLUE－S模型［13］分別對城市空間擴展進行了模擬與預測。目前城市擴展空間模擬以元胞自動機CA模型的應用最多，但CA模型本身存在建模的不確定因素，這對城市空間擴展的模擬結(jié)果有一定影響［14］。本文運用LTM模型，對上海市城市空間擴展開展了模擬與預測，旨在為城市空間擴展的定量研究提供一種新的思路與手段，并為上海市城市空間有序發(fā)展的宏觀調(diào)控提供科學依據(jù)和決策參考。

1 研究資料和方法

1.1 研究區(qū)概況

上海市地處我國南北弧形海岸線中部，交通便利，腹地廣闊，地理位置優(yōu)越，是一個良好的江海港口。全市總面積6340.5km2，平均海拔高度4m左右，屬亞熱帶季風氣候，四季分明，氣候溫和濕潤。2009年上海市轄浦東新區(qū)以及16區(qū)、一縣，年末常住人口為1 921.32萬人，城鎮(zhèn)化水平達到88.3%，人均GDP達到11 563美元，正向加快建設國際金融中心、國際航運中心和現(xiàn)代國際大都市邁進。作為中國重要的經(jīng)濟中心，上海市城市空間擴展始終處于較高速度，尤其是1990年以來的浦東新區(qū)開發(fā)更是加劇了城市土地利用的劇烈變化。本文選取上海市作為研究區(qū)域，既有助于檢驗LTM模型對城市空間擴展模擬與預測的準確性，也可為上海市未來城市空間的有序發(fā)展提供宏觀調(diào)控依據(jù)。

1.2 LTM模型介紹

土地轉(zhuǎn)化模型(Land Transformation Model，LTM)是基于GIS平臺并結(jié)合人工神經(jīng)網(wǎng)絡(Artificial Neural Networks，ANN)技術的模型，可用于分析城市擴展與其影響因子之間的關系，繼而對城市擴展的空間分布進行預測。Pijanowski等國外學者［15］已對LTM模型及其應用做了大量介紹，國內(nèi)徐穎等［16］也對其進行了初步探討和應用。LTM模型主要包括以下4個部分［15］:①選取影響城市擴展的自然、社會、政策等因子，并對其進行重編碼和采樣等預處理。②運用空間分析方法對影響因子進行分析并將分析結(jié)果柵格化，作為下一步建立神經(jīng)網(wǎng)絡的輸入。③對所有模型輸入因子進行分析預測，主要有3種方法:多標準評估法(Multi－Criteria Evaluation，MCE)、人工神經(jīng)網(wǎng)絡(Artificial Neural Networks，ANN)和邏輯回歸(Logistic Regression，LR)，本文采用ANN方法進行分析預測。獲得城市擴展在空間上的可能性大小。④使用PID法(Principle Index Driver，PID)預測特定時間尺度上的城市空間擴展情況。本文選擇人口為主驅(qū)動因子，通過人口變化與占用城市土地的數(shù)量關系(公式(1))來預測未來城市空間擴展的規(guī)模。

1.3 數(shù)據(jù)處理

(1)土地利用數(shù)據(jù)。上海市土地利用數(shù)據(jù)是基于1990、2000和2005年Landsat TM/ETM遙感影像，通過人工目視解譯生成，土地利用類型包括耕地、林地、草地、水域、城鎮(zhèn)用地、農(nóng)村居民地和其他建設用地7個類型，我們從中提取出城鎮(zhèn)用地作為LTM模型模擬城市擴展的數(shù)據(jù)基礎。

(2)城市擴展影響因子。城市空間擴展是自然、經(jīng)濟、政策等多因素共同作用的結(jié)果，其影響因子主要包括地形因素、城市基礎設施、交通因素等。本文選取海拔高度、水域2個自然要素和建成區(qū)、鐵路、公路3個社會經(jīng)濟要素作為上海市城市空間擴展的影響因子。在ArcGIS平臺支持下，首先從1990年上海市土地利用現(xiàn)狀圖中提取“水域”、“城鎮(zhèn)用地”數(shù)據(jù)，然后利用ArcGIS的空間分析技術，生成研究區(qū)域各點到“城市”、“公路”、“鐵路”、“水域”的距離漸變圖。最后將這4幅距離漸變圖和DEM數(shù)據(jù)用100m×100m的柵格進行重采樣，并轉(zhuǎn)化為ASCII格式數(shù)據(jù)，作為LTM模型的輸入因子。

(3)城市擴展限制因子。城市擴展限制因子作為LTM模型的輸入因子之一，用于排除原則上不會被發(fā)展為城鎮(zhèn)用地的地方，阻止模型對這些地方起作用。在本文中，我們選擇1990年的城鎮(zhèn)用地和水域作為限制因子，并對其重新編碼，最后轉(zhuǎn)化為ASCII格式數(shù)據(jù)，作為LTM模型的輸入因子。

(4)城市人口數(shù)據(jù)。城市人口數(shù)量是預測未來城市空間擴展規(guī)模的主要驅(qū)動因子。根據(jù)《上海統(tǒng)計年鑒1991》和《中國統(tǒng)計年鑒2006》，1990、2005年上海市城鎮(zhèn)人口分別為868.73萬人和1584萬人。2020年上海市城鎮(zhèn)人口的確定取決于2020年上海市城市化率。根據(jù)上海市寶山區(qū)、閔行區(qū)、青浦區(qū)和奉賢區(qū)的區(qū)域規(guī)劃綱要，到2020年這四個區(qū)的城市化率分別將達到98.7%、100%、 92%和84%。我們?nèi)∩鲜鰯?shù)值的平均值93.675%作為上海市2020年城市化率。2020年上海市總?cè)丝诟鶕?jù)王桂新等［17］對上海市常住人口合理規(guī)模的預測，其預測的合理規(guī)模為2000－2300萬人，我們?nèi)≈虚g值2150萬人作為2020年上海市總?cè)丝??；谏鲜龀鞘谢屎涂側(cè)丝陬A測值，2020年上海市城鎮(zhèn)人口預測為2014萬人。

2 上海市城市空間擴展模擬與預測

2.1 上海市城市空間擴展模擬結(jié)果驗證

將上海市城市擴展影響因子和限制因子數(shù)據(jù)以及1990年、2000年和2005年土地利用數(shù)據(jù)輸入LTM模型，分別進行1990－2000年和1990－2005年上海城市空間擴展模擬，訓練次數(shù)均為250 000次?？梢垣@得1990－2000年和1990－2005年上海市城市空間擴展模擬結(jié)果。為考查LTM模型模擬結(jié)果的精度，我們采用Kappa系數(shù)來進行評價。Kappa系數(shù)是常用的評價空間模擬精度的指數(shù)，其定義如下:

式中，

TN:True Negative，即實際沒有發(fā)生變化，模型結(jié)果也未發(fā)生變化的柵格數(shù)目;

FN:False Negative，即實際沒有發(fā)生變化，模型結(jié)果發(fā)生變化的柵格數(shù)目;

FP:False Positive，即實際發(fā)生變化，模型結(jié)果未發(fā)生變化的柵格數(shù)目;

TP:True Positive，即實際發(fā)生變化，模型結(jié)果也發(fā)生變化的柵格數(shù)目;

RN=TN+FP，即預測未發(fā)生變化的柵格數(shù)目;

RP=FN+TP，即預測發(fā)生變化的柵格數(shù)目;

SN=TN+FN，即實際沒有發(fā)生變化的柵格數(shù)目;

SP=FP+TP，實際發(fā)生變化的柵格數(shù)目;

GT=TN+FN+FP+TP，所有的柵格數(shù)目。

經(jīng)計算，LTM模型模擬1990－2000年上海市城市空間擴展的Kappa系數(shù)為0.59，而模擬1990－2005年上海市城市擴展的Kappa系數(shù)為0.61。根據(jù)對Kappa系數(shù)值的評價［18］，Kappa系數(shù)在0.41－0.60之間代表模型模擬的一致性程度為中等，在0.61－0.80之間代表模型模擬的一致性程度為好?？梢姳疚闹?，LTM模型模擬上海市城市空間擴展的結(jié)果與遙感監(jiān)測結(jié)果的一致性程度較好。

2.2 2020年上海市城市空間擴展預測

1990－2005年間，上海市的城鎮(zhèn)人口由868.73萬人增加到1584萬人，而該時期轉(zhuǎn)化為城鎮(zhèn)用地的土地柵格數(shù)量為34917個。用PDI法可以得到城鎮(zhèn)空間擴展與人口增長之間的單位數(shù)量關系，即205人/柵格。依據(jù)2020年上海市城鎮(zhèn)人口預測數(shù)據(jù)，預測2020年上海市城鎮(zhèn)空間擴展柵格數(shù)為20976個，即城鎮(zhèn)用地面積將凈增長209.76km2，利用LTM模型以及GIS的空間分析功能，可以獲得2005－2020年上海市城市擴展的空間分布格局(見圖1)。2005－2020年上海市城市擴展主要集中在東部、南部和西北三個方向，東部的浦東新區(qū)向海方向、南部的徐匯區(qū)沿滬閔高架路向南方向以及西北部沿滬太路和南北高架路兩側(cè)向北方向均是未來城市擴展的主要方向。

圖1 1990－2020年上海市空間城市擴展預測圖

3 結(jié)論與討論

3.1 上海市城市空間擴展基本結(jié)論

由遙感監(jiān)測的1990、2000和2005年上海市城市空間分布以及LTM模型模擬預測的2020年上海市城市空間擴展結(jié)果，上海市城市空間擴展具有以下幾點特征:

(1)從1990、2000和2005年遙感監(jiān)測獲取的上海城市面積統(tǒng)計結(jié)果看(見表1)，1990年上海市城市面積為562.39 km2，占總土地面積的7.02%，2005年上海市城市面積為914.03 km2，占總土地面積的11.41%，1990－2005年上海市城鎮(zhèn)用地面積凈增加351.64km2，增長62.53%，年增長率4.17%。

(2)1990－2000年、1990－2005年LTM模型模擬的上海市城市空間擴展和遙感監(jiān)測結(jié)果之間的Kappa系數(shù)分別達到0.59和0.61，表明LTM模型較好的模擬出了上海市城市空間擴展的總體趨勢。

(3)LTM模型預測結(jié)果表明，2005－2020年上海市城鎮(zhèn)用地面積將從2005年的914.03km2增加到2020年的1123.79km2，凈增加209.76km2，年均擴展面積由1990－2005年的23.44 km2/a下降到13.98 km2/a(見表1)，可見，隨著上海城市化水平的提高以及城鎮(zhèn)人口增長速度減緩，未來城市空間擴展速度呈減緩趨勢。

3.2 關于LTM模型的討論

城市空間擴展受到自然、經(jīng)濟、政策等多種因素的影響，是一個復雜的、非線性的系統(tǒng)，很難用一般的數(shù)學方法來定量描述其內(nèi)部規(guī)律。本文基于GIS強大的空間分析能力、遙感數(shù)據(jù)的客觀性以及ANN獨特的非線性信息處理能力開展LTM對上海市城市空間擴展的模擬和預測，在一定程度上避免了人工經(jīng)驗預測主觀上的不確定性，模擬結(jié)果更具客觀性。

表1 上海市1990－2005年和2005－2020年城市擴展面積與速度統(tǒng)計表

社會、經(jīng)濟等人文要素是影響城市空間擴展的重要因子，特別是城市土地擴展政策更是制約城市空間擴展速度和模式的關鍵。受數(shù)據(jù)來源和定量化難易程度的影響，本文僅選取到建成區(qū)、鐵路、公路的距離3個因子來在一定程度反映社會經(jīng)濟和政策的影響，在城市擴展影響因子的選擇上還有一定的局限性，在今后的研究中我們將進一步探索將更多的社會、經(jīng)濟、政策等因素引入模型，使模型模擬結(jié)果精度得到進一步的提高。

從本文模擬結(jié)果看，1990－2005年LTM模型模擬結(jié)果的Kappa系數(shù)高于1990－2000年，可見基于LTM模型對城市擴展進行模擬，模擬時間尺度越長，越能更精確反映城市空間擴展特征。這主要是由于人工神經(jīng)網(wǎng)絡不僅能記憶訓練數(shù)據(jù)模式，還能根據(jù)歷史數(shù)據(jù)訓練出具有歸納全部特征的特定神經(jīng)網(wǎng)絡，因此在未來的工作中，有望通過延長模型模擬的時間尺度，進一步提高模擬預測結(jié)果的準確性。

(編輯:田紅)

［1］Tian Guangjin，Liu Jiyuan，Xie Yichun et al.Analysis of Spatio－Temporal Dynamic Pattern and Driving Forces of Urban Land in China in 1990s Using TM Images and GIS［J］.Cities，2005，22(6):400－410.

［2］劉紀遠，張增祥，徐新良等.21世紀初中國土地利用變化的空間格局與驅(qū)動力分析［J］.地理學報，2009，64(12):1411－1420.

［3］Tan Minghong，Li Xiubin，Xie Hui et al.Urban Land Expansion and Arable Land Loss in China:a Case Study of Beijing–Tianjin–Hebei region［J］.Land Use Policy，2005，22:187－196.

［4］Mustafa Bolca，Bahar Turkyilmaz，Yusuf Kurucu et al.Determination of Impact of Urbanization on Agricultural Land and Wetland Land Use in Balcovas’Delta by Remote Sensing and GIS Technique［J］.Environ Monit Assess，2007，131:409－419.

［5］Christian Wolter.Towards a Mechanistic Understanding of Urbanization’s Impacts on Fish［J］.Urban Ecology，Springer US Press，2008，425－436.

［6］Che Xiuzhen，Shang Jincheng.Strategic Environmental Assessment for Sustainable Development in Urbanization Process in China［J］.Chinese Geographical Science，2004，14(2):148－152.

［7］Feng J Z，Petzold D E.Temperature Through Urbanization in Metropolian Washington，D C，1945－1979［J］.Meteorology and Atmospheric Physics，1988，38:195－201.

［8］Xiao Jieying，Shen Yanjun，Ge Jingfeng et al.Evaluating Urban Expansion and Land Use Change in Shijiazhuang，China，by Using GIS and Remote sensing［J］.Landscape and Urban Planning，2006，75: 69－80.

［9］Long Ying，Mao Qizhi，Dang Anrong.Beijing Urban Development Model:Urban Growth Analysis and Simulation［J］.Tsinghua Science and Technology，2009，14(6):782－794.

［10］Silva E A，Clarke K C.Calibration of the SLEUTH Urban Growth Model for Lisbon and Porto，Portugal［J］.Computers，Environment and Urban Systems，2002，26:525－552.

［11］楊勇，任志遠，李開宇.基于GIS的西安市城市擴展與模擬研究［J］.人文地理，2010，25(2):95－98.

［12］Lee Chunlin，Huang Shuli，Chan Shihliang.Biophysical and System Approaches for Simulating Land-Use Change［J］.Landscape and Urban Planning，2008，86:187－203.

［13］Batisani Nnyaladzi，Yarnal Brent.Urban Expansion in Centre County，Pennsylvania:Spatial Dynamics and Landscape Transformations［J］.Applied Geography，2009，29:235－249.

［14］Yeh Anthony Gar-On，Li Xia.Errors and Uncertainties in Urban Cellular Automata［J］.Computers，Environment and Urban Systems，2006，30:10－28.

［15］Pijanowski B C，Brown D G，Shellito B A，et al.Using Neural Networks and GIS to Forecast Land Use Changes:Aland Transformation Model［J］.Computers，Environment and Urban Systems，2002，26(6):553－575

［16］徐穎，呂斌等.基于GIS與ANN的土地轉(zhuǎn)化模型在城市空間擴展研究中的應用——以北京市為例［J］.北京大學學報(自然科學版)，2008，44(2):262－270.

［17］王桂新，殷永元.上海人口與可持續(xù)發(fā)展研究［M］.上海:上海財經(jīng)大學出版社，2000.

［18］李光麗，杜培軍，王小美等.多源遙感影像土地覆蓋分類結(jié)果一致性評價與集成應用［J］.地理與地理信息科學，2009，25(4):68－71

AbstractUsing land use remote sensing data in 1990，2000 and 2005，combined with urban population data，this paper firstly simulated urban land expansion in Shanghai during 1990－2000 and 1990－2005 based on LTM model，then forecasted the scale of urban expansion in 2020.The results showed that urban land area has increased 351.64km2from 1990 to 2005，increased 62.53%，and annual growth rate is 4.17%.The Kappa coefficient is 0.59 and 0.61 respectively during 1990－2000 and 1990－2005.It showed that LTM model could better simulate the trend of urban expansion in historical period.And the predictions of LTM model showed that urban land area will increased from 914.03km2to 1123.79km2in Shanghai during 2005－2020，and annual expansion area will decrease from 23.44 km2/a to 13.98 km2/a，The urban spatial expansion rate in shanghai will take on a slow trend.

Key wordsShanghai;Urban Land Expansion;GIS;LTM Model

Simulation and Prediction of Urban Expansion in Shanghai City based on GIS and LTM Model

XU Xin-liang1MIN Xi-bi1，2TIAN Zhan3
(1.Institute of Geographical Sciences and Nature Resources Research，CAS，Beijing 100101，China; 2.Graduate University of the Chinese Academy of Sciences，Beijing 100049，China; 3.Shanghai Meteorological Bureau，Shanghai 130012，China)

F129.9

A

1002－2104(2010)05專－0136－04

2010-09-03

徐新良，博士，副研究員，碩導，主要研究方向為土地利用/土地覆被變化與陸地生態(tài)系統(tǒng)綜合監(jiān)測與評估。

*國家自然科學基金國際合作與交流項目(編號:40921140410)，國家科技支撐計劃項目(編號:2008BAK50B01)。