杜守帥，宋 婷，馬興波

（1.江南大學 設計學院，江蘇 無錫214122；2.日本光正株式會社，上海200120；3.南陽理工學院 建筑系，河南 南陽473000）

隨著城市的發(fā)展，城市規(guī)模不斷擴大，大量人口涌入城市地域，城市出現(xiàn)向周邊擴散的郊區(qū)化現(xiàn)象.另一方面，城市化發(fā)展的同時也帶來城市內(nèi)部住宅、交通、綠地環(huán)境惡化等城市問題［1］.日本的城市化發(fā)展類型可分為衰退型、穩(wěn)定型、成長型、周邊城鎮(zhèn)成長型等［2］.位于日本九州島的大分市為成長型城市.近年來，大分市周邊環(huán)境變化顯著，城市建成區(qū)急劇擴大，城市內(nèi)部及周邊地區(qū)的綠地環(huán)境在急劇退化.即伴隨著城市近郊的住宅開發(fā)，城市內(nèi)部閑置空地的開發(fā)利用等，城市及周邊綠地的規(guī)模正在逐年減小.因此，結(jié)合維持和保全生活和自然環(huán)境的考慮，對城市建設用地和綠地的變化進行定量的把握，對其變化要因進行分析，對其變化進行預測和評價是非常重要的.

目前，國內(nèi)對土地利用、土地覆被變化的研究非常普遍.從研究方法看，最常應用數(shù)理統(tǒng)計方法開展土地覆被變化驅(qū)動力的研究.實際應用中多采用主成分分析［3］、典型相關分析［4］、偏相關分析［5］等 方法，亦有少數(shù)研究專注于分析社會驅(qū)動因子［6－7］.國外在這方面的研究也非常多，其中，利用遙感衛(wèi)星數(shù)據(jù)確立城市區(qū)域的土地覆被變化，特別是綠地變化進行客觀、定量抽出方法的齊藤［8］的研究，利用Landsat TM（美國陸地探測衛(wèi)星影像）數(shù)據(jù)抽出綠地的分布傾向和分布特征、并驗證其有效性的小林［9］的研究等.土地利用分布把握手法的研究也很多，有Join分析（連接分析）［10－13］、Clump分析（聚類統(tǒng)計分析）［13］、Entropy分析（熵分析）［12－13］等.但建立多智能體模型，確立各智能體的類型，對土地變化進行模擬并驗證其有效性，再對將來的土地變化和綠地環(huán)境進行模擬的研究并不多.

在此，以日本大分縣大分市植田地區(qū)為對象，采用多智能體模型（MAS）對其綠地環(huán)境的變化進行模擬.分析其土地覆被變化的同時，考察影響城市變化的動態(tài)要因，構(gòu)筑MAS數(shù)學模型，對城市建成區(qū)和綠地的變化進行模擬，對模擬結(jié)果的有效性進行把握，再對將來的土地變化進行預測模擬.這是本課題的研究目的.

1 研究的方法

首先選定分析模擬的對象地區(qū).其次，利用Landsat TM 數(shù)據(jù)，了解對象地區(qū)的土地覆被分類（高密度城市建成區(qū)，低密度城市建成區(qū)，農(nóng)田，綠地等）的經(jīng)年變化，結(jié)合各智能體的變化概率確立智能體的類型，構(gòu)筑MAS模型.再次，通過MAS模型進行反復模擬，與實測數(shù)據(jù)進行比較，驗證其有效性.最后，在分析結(jié)果的基礎上，對將來的城市建成區(qū)和綠地環(huán)境進行預測，分析影響城市變化的要素，進而為以后的研究課題做準備工作.

2 對象區(qū)域介紹

大分市位于北緯33.24°、東經(jīng)131.61°，是位于日本九州島東部的主要城市，有“九州東大門”之稱.全市總面積約360km2，人口約44萬，為大分縣縣廳所在地，過去曾是豐后國的國府所在地（圖1）［14］.這里依山伴海，山清水秀，氣候宜人，溫泉資源豐富，是著名的“一村一品”1）一村一品：在一定區(qū)域范圍內(nèi)，以村為基本單位，按照國內(nèi)外市場需求，充分發(fā)揮本地資源優(yōu)勢、傳統(tǒng)優(yōu)勢和區(qū)位優(yōu)勢，通過大力推進規(guī)?；藴驶?、品牌化和 市場化建設，使一個村（或幾個村）擁有一個（或幾個）市場潛力大、區(qū)域特色明顯、附加值高的主導產(chǎn)品和產(chǎn)業(yè)，從而大幅度提升農(nóng)村經(jīng)濟整體實力和綜合競爭力的農(nóng)村經(jīng)濟發(fā)展模式.運動的發(fā)祥地.

圖1 日本大分市位置圖Fig.1 Oita of Japan

近年來大分市城市建設發(fā)展迅速，特別是植田地區(qū)的建成區(qū)規(guī)模急劇擴大，該地區(qū)的人口也隨之增加，地區(qū)購買力急劇攀升.購買力的增長進一步誘發(fā)大規(guī)模商業(yè)設施的建設.根據(jù)大分市基本城市規(guī)劃的預測，預計2010年之前植田地區(qū)的人口會一直增加，2020年開始有減少的傾向［15］.在此背景下，本研究選定大分市植田地區(qū)為模擬對象進行分析研究（圖2）.

圖2 模擬對象區(qū)域——植田地區(qū)Fig.2 Object area—Ueda Area

3 MAS模型的構(gòu)筑

3.1 多智能體（MAS）建模的基本原理

模型的意義在于簡化和抽象現(xiàn)實世界具體事物或現(xiàn)象的細節(jié)，以滿足實際運用或科學研究的需要.MAS模型是一種模擬仿真模型，能夠在一定的時空范圍內(nèi)模擬現(xiàn)實事物或現(xiàn)象的演變過程［16］.任何復雜系統(tǒng)都可以看成是由不同的智能體（Agent）構(gòu)成，智能體是物理的或抽象的實體，能作用于自身和環(huán)境，并且能對環(huán)境做出反應［17］.這些智能體根據(jù)規(guī)則控制對自身和環(huán)境的行為，具備與外界的交互能力.多智能體是指具有不同目標的多個智能體對其目標、資源等進行合理的安排，協(xié)調(diào)各自的行為，最大程度地實現(xiàn)各自的目標.因此，進行MAS建模前應認清模擬對象的要素組成、結(jié)構(gòu)和各要素之間的相互關系，了解系統(tǒng)狀態(tài)演化的機制.

3.2 基礎數(shù)據(jù)的構(gòu)筑

首先對Landsat TM 資源探測衛(wèi)星數(shù)據(jù)進行解讀分類.利用classic最優(yōu)法繪制對象地區(qū)1985年和2002年的土地覆被分類圖（文中2002年略）.土地覆被最后分為高密度建成區(qū)、低密度建成區(qū)、綠地、農(nóng)田、水域等5大類型（圖3）.由于本研究的模擬對象地區(qū)范圍并不很大，基于城市的變化動因及地理條件的詳細考慮，決定以50m 格柵數(shù)據(jù)實行模擬.用50m 格柵數(shù)據(jù)對土地覆被分類圖進行格柵化處理，并對MAS模型中使用到的城市信息等空間基礎數(shù)據(jù)（圖4）等進行數(shù)值化轉(zhuǎn)換.模擬對象以植田新都心為中心，東西方向8 850m、南北方向5 850 m，共計20 709像素.

圖3 土地覆被分類圖（1985年）Fig.3 Classification map of land coverage（1985）

圖4 城市信息空間基礎數(shù)據(jù)Fig.4 Basic data of city information space

3.3 智能體的分類和定義

各智能體的變化流程為MAS模型的核心.在程序運行之前，以大分市植田地區(qū)的實測數(shù)據(jù)為基準，歸納1985—2002年的土地覆被變化情況（表1）.

表1 土地覆被演化Tab.1 Evolution of land coverage 像素

由表1可以看出，1985—2002年的17年間高密度建成區(qū)增加最多，約增加了2.8倍.高密度建成區(qū)之外的其他智能體都有減少的趨勢.其中，農(nóng)業(yè)用地減少最多，約減少45%，綠地減少約15%.這是由于這個時期大規(guī)模的住宅小區(qū)和商業(yè)設施的開發(fā)建設，導致了農(nóng)業(yè)用地和綠地減少，高密度建成區(qū)大幅增加.另一方面，低密度建成區(qū)和其他智能體相比沒有多少變化.這不能簡單地說沒有遷移變化，相反，遷移變化的絕對值很高.農(nóng)業(yè)用地和綠地轉(zhuǎn)換為低密度建成區(qū)，相同數(shù)量的低密度建成區(qū)轉(zhuǎn)換為高密度建成區(qū).其結(jié)果是農(nóng)業(yè)用地和綠地在減少，高密度建成區(qū)大幅增加，低密度建成區(qū)看起來沒有變化.

從表1可以計算出土地覆被變化概率，進而算出各智能體的變化概率（表2）.其中，高密度建成區(qū)轉(zhuǎn)換為綠地的變化率為0.9%，對MAS模型的影響很小，為了簡化模擬流程，可以忽略不計.

表2 智能體變化概率Tab.2 Agent change probability %

依上所述，變化概率在5%以下時忽略不計，高密度建成區(qū)轉(zhuǎn)換為綠地和農(nóng)業(yè)用地、低密度建成區(qū)轉(zhuǎn)換成綠地的3類變化概率均在5%以下，可以忽略不計.現(xiàn)實中這3種轉(zhuǎn)換的可能性也是非常低的，所以這種結(jié)果還是比較妥當?shù)?從表2可以看出，高密度建成區(qū)未變化的概率最高，其次是綠地.另一方面，低密度建成區(qū)轉(zhuǎn)換成高密度建成區(qū)、農(nóng)業(yè)用地轉(zhuǎn)換成低密度建成區(qū)的概率也非常高.

MAS模型根據(jù)這些智能體的變化進行模擬.為了提高模擬精度，還要考慮地形和城市機能對模擬程序的影響.因此，這里引入城市化促進因素和城市化抑制因素作為MAS模型的追加智能體.

MAS模型中的智能體分類如表3.高密度建成區(qū)、低密度建成區(qū)、綠地和農(nóng)業(yè)用地為影響MAS模型變化的4 類主要變化智能體.鐵路車站、用途類型、農(nóng)業(yè)用地區(qū)域和坡地為變化要素智能體.根據(jù)效果，MAS模型的變化要素智能體又可分為城市化促進要素智能體和城市化抑制要素智能體2大類.其他智能體是為了在模擬畫面上容易掌握位置而追加的智能體.

表3 智能體的分類Tab.3 Agent classification

3.4 模擬流程

確立了各智能體的變化概率和分類，MAS模型的基礎數(shù)據(jù)構(gòu)筑完畢.接下來利用MAS模型進行模擬.模擬流程如下：①模擬從1985年土地覆被分類開始，隨機選擇主要變化智能體進行模擬.②隨機選出的主要變化智能體有各種各樣的轉(zhuǎn)換為其他主要智能體的流程，根據(jù)模擬流程反復模擬.③經(jīng)過第②階段模擬轉(zhuǎn)換為其他主要智能體以后，計算其變化后的像素數(shù)，如果高密度建成區(qū)增加205像素，或者農(nóng)業(yè)用地減少150像素、綠地減少55 像素，滿足任何一個條件，則該年度的模擬通過.④不管主要變化智能體變化與否，高密度建成區(qū)智能體和低密度建成區(qū)智能體合計達到11 681像素時模擬結(jié)束.未滿足結(jié)束條件的，再隨機選擇主要變化智能體返回第①階段開始模擬，持續(xù)到滿足結(jié)束條件為止.

第③階段模擬通過與否的判斷條件通過表4算出，即各智能體在1985年至2002年的年平均變化量.從平均變化量來看，高密度建成區(qū)每年都在增加，其他智能體在逐年減少.低密度建成區(qū)年平均變化量四舍五入后為零，因此從判定條件中省略.模擬過程中達到其他主要智能體的年平均變化量時，MAS模型通過.第④階段模擬結(jié)束的判定條件也從表4中得出，即2002年實測高密度建成區(qū)和低密度建成區(qū)的總和，可以設定城市建成區(qū)絕對值達到這一數(shù)值時模擬結(jié)束.

3.5 模擬結(jié)果

利用MAS模型實施實際模擬，考察其模擬結(jié)果.在此選擇5 個年度進行模擬，即1985，1990，1994，1999和2002年.

圖5為1985年植田地區(qū)的模擬結(jié)果，和土地覆被分類圖一樣，模擬結(jié)果中包括高密度建成區(qū)和道路、低密度建成區(qū)、農(nóng)業(yè)用地、綠地，河流.從中可以看出，植田新都心Wasada Town周邊多為低密度建成區(qū)，對象地區(qū)西部和南部有大片農(nóng)業(yè)用地.從圖6中可以看出，高密度建成區(qū)的像素數(shù)所占比例很少，約為其他智能體的1／3左右.

表4 1985—2002年土地覆被分類變化Tab.4 Change of land coverage classification from 1985to 2002 像素

圖5 植田地區(qū)模擬結(jié)果（1985年）Fig.5 Simulation result for Ueda Area（1985）

圖6 每年度各智能體的像素數(shù)Fig.6 Annual pixel values of each agent

從圖7可以看出，1990年前后是植田地區(qū)人口增加、居住區(qū)建設大力發(fā)展的時期，低密度建成區(qū)轉(zhuǎn)換成高密度建成區(qū)的比例逐步變大.在對象地區(qū)的北部，電車賀來站周邊地區(qū)高密度建成區(qū)也迅速擴大.這是由于受城市化促進智能體車站的影響.1994年的高密度建成區(qū)和農(nóng)業(yè)用地的像素數(shù)基本持平.對象地區(qū)西部、南部大片的農(nóng)業(yè)用地轉(zhuǎn)換成了低密度建成區(qū).

1999年，植田新都心Wasada Town周圍轉(zhuǎn)換成了高密度建成區(qū).隨著高江新鎮(zhèn)的開發(fā)，對象地區(qū)西南部也形成了高密度居住區(qū).電車敷戶站和光吉IC（光吉高速公路）周邊高密度建成區(qū)的變化也比較顯著.隨著高江新鎮(zhèn)的開發(fā)建設，綠地在大幅度減少.

2002年，高密度建成區(qū)和綠地的像素基本持平.由此可以看出植田地區(qū)城市化的速度非?？?對象地區(qū)的居住區(qū)和商業(yè)用地、大分河北部地區(qū)全部變成了高密度建成區(qū).根據(jù)城市基礎規(guī)劃中的人口預測，到2002年植田地區(qū)的人口會一直增加，高密度建成區(qū)所占的比例也會隨之增加.

圖7 每年度各智能體的變化量Fig.7 Annual Change of agents

4 MAS模型有效性的探討

這里將對MAS模型的模擬結(jié)果和實測數(shù)據(jù)進行對比，驗證其有效性.圖8 為2002 年對象地區(qū)的模擬圖像，圖9為實際的土地覆被分類圖.

圖8 植田地區(qū)模擬結(jié)果（2002年）Fig.8 Simulation result for Ueda area（2002）

圖9 植田地區(qū)土地覆被分類圖（2002年）Fig.9 Classification map of land coverage of Ueda Area（2002）

從圖8，9可以看出，高密度建成區(qū)智能體的分布基本一致.這主要是因為高密度建成區(qū)受到城市化促進要素智能體——車站、居住區(qū)和商業(yè)用地的影響比較大.低密度建成區(qū)智能體多分散分布在高密度建成區(qū)之間.植田新都心北部地區(qū)實際分布著低密度建成區(qū)，模擬過程中受城市化抑制要素智能體的影響，這個地區(qū)大多為農(nóng)業(yè)用地.農(nóng)業(yè)用地智能體受城市化抑制要素智能體的影響，多分布在農(nóng)業(yè)用地區(qū)域，和實際分布傾向一致.模擬結(jié)果中對象地區(qū)西南部的綠地變成農(nóng)業(yè)用地和現(xiàn)實不太一致.綠地智能體大多集中分布在靈山周邊，基本沒有變化.對象地區(qū)西部低密度建成區(qū)和農(nóng)業(yè)用地周邊環(huán)繞的小規(guī)模的綠地在模擬中出現(xiàn)了大規(guī)模減少的傾向，這和實際數(shù)據(jù)有所差別.總體來說，MAS初期引入了城市化促進要素智能體和城市化抑制要素智能體，在提高實際模擬精度中起到很大作用.全體智能體的分布傾向和實際的土地覆被分類相比沒有很大的差異，因此可以說MAS模型的有效性是比較高的.

其次，對土地覆被分類數(shù)值進行分析比較（表5），可以看出，各智能體的絕對誤差值較小，匹配率都在98%～99%之間.這是由于模擬結(jié)束條件設定的高密度建成區(qū)和低密度建成區(qū)的合計像素數(shù)與實測值相同的緣故.因此，MAS模型的有效性不能單從各智能體合計像素數(shù)的匹配率來衡量.這里，要比較模擬結(jié)果各智能體的坐標值和實際土地覆被分類中各智能體的坐標值的重合度來驗證其有效性.

表6為各智能體坐標的匹配率.從表中可以看出，各智能體坐標的匹配率都在60%左右，高密度建成區(qū)受變化要素的影響，匹配率最高，約為66.6%；綠地變化比較少，匹配率約為65.2%.低密度建成區(qū)和農(nóng)業(yè)用地由于變化量比較大，匹配率較低.總體來看，各智能體坐標匹配率并不高，但考慮到50 m 格柵數(shù)據(jù)操作實際土地覆被分類圖的復雜性，而且圖像結(jié)果目視效果各智能體的分布狀況十分接近，因此MAS模型的有效性還是非常明顯的.

表5 模擬結(jié)果和實測值的比較Tab.5 Comparison between simulation and the measured results

表6 2002年各智能體坐標的匹配率Tab.6 Matching rate of agent coordinates in 2002

5 基于MAS模型的綠地變化預測模擬

這里對2002—2022 年間植田地區(qū)的土地變化進行模擬（圖10）.模擬結(jié)果仍為5 個年度，2002，2010，2015和2022年.

圖10 植田地區(qū)模擬結(jié)果（2015年）Fig.10 Simulation result for Ueda Area（2015）

2010年和2002年相比高密度建成區(qū)智能體的增加顯著，農(nóng)業(yè)用地智能體有減少趨勢，其他各智能體的總量變化不大.

從2015年的模擬結(jié)果可以看出，西部的大片農(nóng)業(yè)用地基本上都變?yōu)榈兔芏冉ǔ蓞^(qū).但是圖11中低密度建成區(qū)從2015年開始出現(xiàn)減少的趨勢，這是由于前些年農(nóng)業(yè)用地向低密度建成區(qū)的轉(zhuǎn)換比較多，農(nóng)業(yè)用地急劇減少，再加上低密度建成區(qū)向高密度建成區(qū)的轉(zhuǎn)換增加，低密度建成區(qū)開始出現(xiàn)減少傾向.高密度建成區(qū)在1985年約為其他智能體的1／3，到2012年超過低密度建成區(qū)成為面積最大的智能體.

圖11 模擬每年度各智能體的變化量Fig.11 Simulated annual change of agents（pixel）

從2022年的模擬結(jié)果可以看出對象地區(qū)除綠地外，基本上都變成城市建成區(qū)，農(nóng)業(yè)用地基本消失.高密度建成區(qū)和2015年相比有所增加，為8 879像素（圖12）.大分河北部和南大分地區(qū)幾乎都轉(zhuǎn)換為高密度建成區(qū)，植田新都心周圍廣泛分布著高密度建成區(qū).綠地沒有很大的變化，對象地區(qū)東北部城市建成區(qū)內(nèi)部的綠地有減少趨勢.

圖12 模擬每年度各智能體的像素數(shù)Fig.12 Simulated annual pixel values of each agents（pixel）

6 結(jié)論與討論

本研究通過構(gòu)筑MAS模型，對綠地變化進行預測模擬，從而抽出影響將來城市建成區(qū)和綠地環(huán)境的變化要素.首先構(gòu)筑MAS模型，參考實際數(shù)據(jù)算出各智能體的變化概率，綜合城市的各種變化要素，對對象地區(qū)進行模擬.再通過和實際數(shù)據(jù)對比，驗證模擬結(jié)果的有效性，并以此模型為基準對將來的土地變化進行了預測模擬.模擬結(jié)果如下：

1985年植田新都心Wasada Town周邊多為低密度建成區(qū)，對象區(qū)域西部和南部有很多農(nóng)業(yè)用地，高密度建成區(qū)的像素數(shù)所占比例很少，約為其他智能體的1／3左右.

2002年，高密度建成區(qū)和綠地的像素基本持平.對象地區(qū)的居住區(qū)和商業(yè)用地、大分河北部地區(qū)全部變成了高密度建成區(qū).

2022年對象地區(qū)除綠地外，基本上都變成城市建成區(qū)，農(nóng)業(yè)用地基本消失.大分河北部和南大分地區(qū)幾乎都轉(zhuǎn)換為高密度建成區(qū)，植田新都心周圍全部轉(zhuǎn)換成高密度建成區(qū).綠地總體來說沒有太大的變化，對象地區(qū)東北部城市建成區(qū)內(nèi)部的綠地有減少趨勢.

本研究中MAS模型中的變化要素車站和用途地區(qū)都受人口因素的影響，因此在模擬過程中把握人口的變化是非常重要的.由于本文中的MAS模型利用50m 格柵數(shù)據(jù)來對對象地區(qū)的土地變化進行模擬，從中引入人口數(shù)據(jù)是非常困難的.結(jié)合人口因素考慮，最低要用250m 格柵數(shù)據(jù)進行模擬.將來利用250m 格柵數(shù)據(jù)構(gòu)筑結(jié)合人口預測要素的MAS模型，提高模擬的有效性，從而更精確地對城市建成區(qū)和綠地環(huán)境進行預測和評價.這將是作者未來的研究課題.

［1］ Yeung Y M，Chu K Y.Guangdong：survey of a province undergoing rapid change［M］.Hong Kong：Chinese University Press，1994.

［2］ 金本良嗣，徳岡一幸.日本の都市圏設定基準［J］.応用地域?qū)W研究，2002（7）：1.

［3］ 李景剛，何春陽，史培軍.近20年中國北方13省的耕地變化與驅(qū)動力［J］.地理學報，2004，59（2）：274.LI Jinggang，HE Chunyang，SHI Peijun.Change process of cultivated land and its driving forces in northern China during 1983－2001［J］.Acta Geographica Sinica，2004，59（2）：274.

［4］ 龍花樓，王文杰，翟剛.安徽省土地利用變化及其驅(qū)動力分析［J］.長江流域資源與環(huán)境，2002（11）：526.LONG Hualou，WANG Wenjie，ZHAI Gang.Analysis on land use changes and their driving forces in Anhui Province［J］.Resources and Environment in the Yangtze Basin，2002（11）：526.

［5］ 談明洪，李秀彬，呂昌河.我國城市用地擴張的驅(qū)動力分析［J］.經(jīng)濟地理，2003，23（5）：635.TAN Minghong，LI Xiubin，LV Changhe.An analysis of driving forces of urban expansion in China［J］.Economic Geography，2003，23（5）：635

［6］ 馬其芳，鄧良基，王芳.社會經(jīng)濟驅(qū)動力對土地利用／覆蓋變化（LUCC）的影響研究［J］.華中農(nóng)業(yè)大學學報：社會科學版，2003（3）：80.MA Qifang，DENG Liangji，WANG Fang.Study on land use change／coverage and their driving forces［J］.Journal of Huazhong Agricultural University：Social Sciences Edition，2003（3）：80.

［7］ 陳浮，陳剛，包浩生.城市邊緣區(qū)土地利用變化及人文驅(qū)動力機制研究［J］.自然資源學報，2001，16（3）：204.CHEN Fu，CHEN Gang，BAO Haosheng.Analysis on land use change and human driving force in urban fringe［J］.Journal of Natural Resources，2001，16（3）：204.

［8］ 斉藤郁雄，樸明浩，石原修.ランドサットTMデータによる土地被覆変化の抽出に関する研究［J］.日本建築學會計畫系論文集，2002（561）：79.

［9］ 小林祐司，佐藤誠治，有馬隆文，等.ランドサットTMデータを利用した緑地分布傾向の把握手法に関する研究［J］.日本都市計畫學會學術研究論文集，2000（35）：1009.

［10］ 小出治.土地利用混合度の適用並びにその検定［J］.日本都市計畫學會學術研究論文集，1977（12）：79.

［11］ 吉川徹.メッシュデータに立腳した同種·異種土地利用の集塊性の把握手法［J］.日本建築學會計畫系論文集，1999（520）：227.

［12］ 文泰憲，荻島哲，大貝彰.土地利用混合度指標に関する研究［J］.日本都市計畫學會學術研究論文集，1986（26）：505.

［13］ 玉川英則.土地利用の秩序性の數(shù)理的表現(xiàn)に関する考察［J］.日本都市計畫學會學術研究論文集，1982（17）：73.

［14］ Weikipedia.Weikipedia oita［EB／OL］.［2010 － 05 － 10］.http：∥ja.wikipedia.org／wiki／%E5%A4%A7%E5%88%86%E5%B8%82.

［15］ 大分県土木建築部都市計畫課.大分市都市計畫マスタープラン第3章地區(qū)別構(gòu)想：稙田地區(qū)［R］.大分市：大分県土木建築部都市計畫課都市計畫班，2003.

［16］ John H.E—from chaos to order ［M］.Oxford：Oxford University Press，1999：45.

［17］ 黃欣榮.復雜性科學的方法論研究［M］.重慶：重慶大學出版社，2006：135－142.Huang X R.Study on methodology of complexity science［M］.Chongqing：Chongqing University Press，2006.