馬世發(fā)，艾 彬

1 中山大學地理科學與規(guī)劃學院，廣州 510275 2 廣東省城市化與地理環(huán)境空間模擬重點實驗室，廣州 510275 3 中山大學海洋學院，廣州 510275

基于地理模型與優(yōu)化的城市擴張與生態(tài)保護二元空間協(xié)調(diào)優(yōu)化

馬世發(fā)1,2，艾 彬3,*

1 中山大學地理科學與規(guī)劃學院，廣州 510275 2 廣東省城市化與地理環(huán)境空間模擬重點實驗室，廣州 510275 3 中山大學海洋學院，廣州 510275

協(xié)調(diào)城市擴張與生態(tài)敏感區(qū)保護之間的矛盾是當前我國新型城鎮(zhèn)化建設中的一項重要任務，但基于傳統(tǒng)供需平衡模式或歷史慣性驅(qū)動模擬的城市規(guī)劃布局可能導致一系列潛在的生態(tài)環(huán)境問題。根據(jù)城市發(fā)展具有歷史慣性驅(qū)動和空間規(guī)劃引導的雙重特性，提出將地理模擬與優(yōu)化(Geographical Simulation and Optimization Systems，簡寫為GeoSOS)等復雜GIS空間分析技術(shù)引入規(guī)劃決策分析。通過利用最小累積阻力模型獲取生態(tài)敏感區(qū)保護壓力格局，并利用元胞自動機模型進行城市擴張模擬，分析城市慣性擴張模式對生態(tài)敏感區(qū)的潛在影響；然后根據(jù)生態(tài)敏感區(qū)保護和城市空間擴張的協(xié)調(diào)性發(fā)展目標進行生態(tài)適宜性評價，進而利用蟻群智能空間優(yōu)化配置模型產(chǎn)生一種優(yōu)化的城市空間布局方案。研究以我國珠江三角洲地區(qū)的廣州市為案例，詳細分析了基于GeoSOS的城市擴張與生態(tài)保護的協(xié)調(diào)決策過程。結(jié)果表明，整合了城市發(fā)展慣性與生態(tài)敏感區(qū)保護雙重目標的空間優(yōu)化布局方案，比單純基于地理模擬進行規(guī)劃布局更符合生態(tài)型城市建設需求，研究所提出的城市與生態(tài)二元空間協(xié)調(diào)分析框架可為城市規(guī)劃提供可靠的定量決策支撐。

元胞自動機；空間優(yōu)化；生態(tài)敏感區(qū)；城市規(guī)劃；地理模型與優(yōu)化(GeoSOS)

城市化是人類社會發(fā)展的一個必然歷程。自改革開放以來，我國的社會經(jīng)濟獲得了飛速發(fā)展，城市化建設亦取得了長足進步，但同時也產(chǎn)生了一系列生態(tài)環(huán)境問題。顧朝林等在“中國城市化問題研究綜述”一文中，系統(tǒng)的收集了地理學、生態(tài)學以及城市規(guī)劃學等相關(guān)領域的研究成果，總結(jié)了有關(guān)我國城市化研究的若干問題[1]，其中一個關(guān)鍵問題就是如何協(xié)調(diào)城市擴張與生態(tài)保護之間的矛盾。規(guī)劃是引導城市空間布局的重要舉措之一，傳統(tǒng)城市規(guī)劃布局主要基于“供需平衡”分析模式，即通過人口、社會經(jīng)濟發(fā)展等需求預測，進而根據(jù)適宜性評價進行空間布局。然而，由于這種規(guī)劃方式較少考慮其他利益主體的空間需求，必然會導致一些潛在的風險，如城市生態(tài)敏感區(qū)和基本農(nóng)田等被城市擴張日益蠶食，其實質(zhì)是一種“自私”的單目標規(guī)劃。相關(guān)研究表明，不合理的城市擴張不僅導致城市生態(tài)資源銳減，而且城市居住環(huán)境質(zhì)量也隨之降低[2- 3]。因此，不少學者和規(guī)劃專家嘗試通過其他理論和方法尋求更為合理的規(guī)劃模式，如我國城市景觀規(guī)劃學者俞孔堅引入了著名的“反規(guī)劃”理論[4]，其目的是打破傳統(tǒng)完全基于“供需平衡”的規(guī)劃模式，倡導從生態(tài)過程角度進行城市空間布局分析?！胺匆?guī)劃”理論并不是反對規(guī)劃，而是強調(diào)城市擴張生態(tài)優(yōu)先法則，其實質(zhì)是城市擴張與生態(tài)保護的二元空間協(xié)調(diào)規(guī)劃。

從生態(tài)學角度探討城市規(guī)劃框架，追求生態(tài)和諧型的城市發(fā)展很早就引起了研究者的關(guān)注。例如，國外發(fā)達地區(qū)較早就提出了生態(tài)敏感區(qū)保護的基本理念，并嘗試將生態(tài)制圖納入城鄉(xiāng)規(guī)劃中[2]，相應的規(guī)劃決策技術(shù)主要集中于土地生態(tài)適宜性評價等[3]。此外，俞孔堅等根據(jù)動物遷徙廊道的保護需求，提出的最小累積阻力模型(Minimum Cumulative Resistance，MCR)也是一種比較簡單實用的生態(tài)保護規(guī)劃分析技術(shù)[5- 6]。盡管MCR強調(diào)了城市擴張與生態(tài)保護二元空間的協(xié)調(diào)性分析，但該方法缺乏對復雜城市擴張過程的地理驅(qū)動描述，單純強調(diào)生態(tài)保護的城市空間布局也難以滿足現(xiàn)實城市發(fā)展的多目標協(xié)同整合需求。隨著城市規(guī)劃需求的日益復雜化，如何協(xié)調(diào)城市擴張與生態(tài)保護之間的矛盾是一個多目標空間協(xié)調(diào)優(yōu)化決策問題，現(xiàn)有簡單的GIS(Geographical Information Systems，GIS)空間分析工具難以實現(xiàn)這個復雜的規(guī)劃決策過程。為此，不少學者嘗試采用地理過程建模方法提供規(guī)劃決策分析工具，如我國GIS學者黎夏等基于珠江三角洲地區(qū)城市擴張相關(guān)研究，提出了地理模擬與優(yōu)化(Geographical Simulation and Optimization Systems，GeoSOS)理論、方法及模型框架[7]，并發(fā)布了地理模擬與優(yōu)化系統(tǒng)軟件(http://www.geosimulation.cn/)供科研工作者免費使用。相關(guān)學者已基于GeoSOS進行了一些規(guī)劃應用，如利用該系統(tǒng)模擬城市擴張情景下的生態(tài)控制線劃定問題[8- 9]，但該耦合分析策略是一個“敵進我退”的協(xié)同關(guān)系，即分析了城市擴張情景下的生態(tài)控制線優(yōu)化，但沒有論證城市自身如何進行空間協(xié)調(diào)布局。城市規(guī)劃不僅要考慮其歷史慣性驅(qū)動，更要結(jié)合可持續(xù)發(fā)展目標調(diào)控當前的城市發(fā)展模式?；诖?，本文提出從“城市-生態(tài)”二元空間協(xié)調(diào)角度進行地理建模，目的是將生態(tài)保護與城市擴張放到同一框架中進行空間協(xié)調(diào)，即通過利用GeoSOS空間分析技術(shù)，探討多目標整合下的城市空間布局方案。

1 研究方法

整合了地理模擬與優(yōu)化的GeoSOS系統(tǒng)主要包括3個部分：元胞自動機(Cellular Automata，CA)、多智能體(Multi Agent Systems，MAS)和生物群智能(Swarm Intelligence，SI)。GeoSOS能夠模擬、預測、優(yōu)化及顯示地理格局和空間過程，作為模擬與優(yōu)化平臺，它可以彌補常規(guī)GIS工具，如ArcGIS，在對復雜地理時空過程進行模擬與優(yōu)化時存在的功能不足[7]?；贕eoSOS的城市擴張與生態(tài)保護二元空間協(xié)調(diào)規(guī)劃主要包括利用CA進行城市擴張模擬、考慮生態(tài)保護的城市空間布局蟻群智能優(yōu)化等內(nèi)容。

1.1 元胞自動機

CA是一套離散網(wǎng)格動力學系統(tǒng)，能通過微觀個體的狀態(tài)變換模擬復雜的地理時空演化過程。CA在模擬城市擴張方面具有明顯的建模優(yōu)勢，國內(nèi)外學者對CA地理建模技術(shù)展開了許多深入的研究，如White等應用CA模擬了美國辛辛那提土地利用變化[10]，Batty等模擬了美國紐約州郊區(qū)土地利用擴張[11]，Clarke等模擬了美國舊金山地區(qū)的城市發(fā)展[12]，Li等則模擬了我國珠江三角洲地區(qū)的土地非農(nóng)化過程[13]，He等利用CA探討了北京城市擴張壓力情景等[14]。CA建模的核心是挖掘土地利用變化的空間驅(qū)動力，通常稱之為狀態(tài)轉(zhuǎn)換規(guī)則制定。盡管在CA的發(fā)展過程中形成了多種規(guī)則擬合方法，如多準則判斷(MCECA)[15]、邏輯回歸(LRCA)[16]、主成分分析(PCACA)[17]、神經(jīng)網(wǎng)絡學習(ANNCA)[18]、遺傳優(yōu)化(GACA)[19]等，但最為經(jīng)典且普遍應用的仍屬邏輯回歸(Logistic Regression， LR)，其基本思路如下：

假定土地基于某種職能(如城市建設)開發(fā)利用的機會為概率s，則不開發(fā)、不利用的機會為1-s，據(jù)此可定義一個土地利用適應性測度z=ln(s/(1-s))。假設土地開發(fā)利用的適宜性主要受一系列區(qū)位因素的影響，則可建立如下回歸分析模型[20]：

(1)

式中，zij是發(fā)展適宜性；ij是元胞單元索引號；a0是常量；bk是回歸模型系數(shù)；xijk是一組標準化的區(qū)位變量。據(jù)此，可以得到土地利用適宜性z與土地開發(fā)概率s的logistic關(guān)系：

(2)

實際CA應用還需考慮城市開發(fā)限制和密度等約束條件，故地理元胞狀態(tài)的真實變化概率為：

(3)

1.2 蟻群智能優(yōu)化

如何在地理空間進行土地利用活動組織是一個典型的優(yōu)化決策問題。基于微觀空間單元(如柵格)進行城市布局優(yōu)化勢必涉及超變量、多目標等特性，而且還是一個典型的NP(Non-deterministic Polynomial)問題，現(xiàn)有解析數(shù)學方法難以在有限時間內(nèi)獲取模型精確解。因此，不少學者以GIS環(huán)境為依托，通過耦合智能算法，如遺傳[21]、蟻群[22]，模擬退火[23]、粒子群[24]等，進行城市空間形態(tài)布局優(yōu)化。

蟻群智能優(yōu)化(Ant colony optimization, ACO)是一種求解組合優(yōu)化問題的計算機模擬方法。由于其特殊的離散爬行機制，非常適合土地利用空間優(yōu)化建模。ACO的基本思想是通過模擬螞蟻群體覓食過程，即探尋食物源與巢穴之間的最短路徑而進行優(yōu)化求解，構(gòu)建ACO模型的關(guān)鍵是建立螞蟻尋優(yōu)的信息素機制[8]。若利用ACO進行城市空間布局優(yōu)化，土地單元ij在t時刻被第k只螞蟻造訪的概率可以定義如下：

(4)

1.3 協(xié)調(diào)規(guī)劃策略

利用GeoSOS進行城市擴張與生態(tài)保護二元空間的協(xié)調(diào)規(guī)劃框架如圖1所示，主要包括以下步驟：

1)根據(jù)地區(qū)實際發(fā)展需求，劃分生態(tài)敏感區(qū)關(guān)鍵地帶，確定“生態(tài)源”范圍，如一定級別的森林公園、自然保護區(qū)、濕地、河流等生態(tài)空間；利用最小累積阻力模型計算生態(tài)保護壓力格局；

2)利用CA模型進行城市擴張模擬，分析城市慣性擴張模式對生態(tài)敏感區(qū)保護的潛在壓力，并針對這種發(fā)展模式潛在的生態(tài)問題，提出生態(tài)敏感區(qū)保護目標；

3)整合城市擴張慣性適宜性與生態(tài)敏感區(qū)保護壓力格局，進行城市擴張生態(tài)適宜性評價，其結(jié)果作為蟻群空間優(yōu)化配置模型的輸入?yún)?shù)；

4)根據(jù)城市空間布局生態(tài)適宜和景觀規(guī)整等目標，利用蟻群智能模型進行空間布局優(yōu)化，獲取生態(tài)和諧型的城市擴張方案。

圖1 基于GeoSOS的城市空間布局分析框架Fig.1 Framework of urban growth planning with GeoSOS

2 案例研究

2.1 研究區(qū)概況與數(shù)據(jù)來源

研究選擇我國廣州市作為試驗區(qū)，實現(xiàn)基于GeoSOS的城市擴張與生態(tài)保護二元空間協(xié)調(diào)規(guī)劃應用。廣州市地處珠江三角洲中心腹地，橫跨112°57′—114°3′E，22°26′—23°56′N，市轄越秀、荔灣、海珠、天河、白云、黃埔、番禺、花都、南沙、從化和增城11個區(qū)。區(qū)域總面積7434.4km2，地勢東北高，西南低，東、北部是山區(qū)，中部是丘陵、盆地，南部是珠江三角洲沖擊平原(圖2)。廣州是中國改革開放的前沿陣地，隨著社會經(jīng)濟的發(fā)展，其城市擴張非常顯著，可利用土地資源日益緊缺，生態(tài)空間也越來越少[9]。因此，合理預測城市空間演化規(guī)律并根據(jù)生態(tài)安全目標進行城市空間布局優(yōu)化，對改善該區(qū)的城市發(fā)展環(huán)境具有重要的規(guī)劃參考價值。

圖2 研究區(qū)概況Fig.2 Location and administrative districts of the study area

規(guī)劃決策分析需要采用大量的空間數(shù)據(jù)，主要包括廣州市2000年、2005年、2010年遙感影像、數(shù)字高程模型(DEM)、土地利用、交通網(wǎng)絡等。其中，遙感影像和DEM等數(shù)據(jù)來自中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云(http://www.gscloud.cn)；2005年土地利用和交通網(wǎng)絡等數(shù)據(jù)來源于廣州市地理信息中心；近期廣州市土地利用需求參考《廣州市土地利用總體規(guī)劃(2006—2020年)》成果；相關(guān)統(tǒng)計資料來自廣州市社會經(jīng)濟統(tǒng)計年鑒官網(wǎng)(http://www.gzstats.gov.cn/)。

2.2 計算生態(tài)敏感區(qū)保護壓力

根據(jù)廣州市遙感影像計算植被指數(shù)、水體指數(shù)，并參考廣州市森林公園、自然保護區(qū)分布等資料，利用ArcGIS分析工具識別生態(tài)敏感區(qū)地帶，即生態(tài)源(圖3)；進一步結(jié)合廣州市2005年土地利用圖，利用MCR模型計算動物空間遷移最小累積阻力面；最后，根據(jù)累積阻力越小其空間保護越重要的基本原則，確定廣州市生態(tài)保護壓力格局(圖3)。

圖3 生態(tài)敏感區(qū)及其生態(tài)壓力分布Fig.3 Ecological sensitive areas and spatial pattern of protection pressure

2.3 基于CA的城市慣性擴張模擬

CA模型可以根據(jù)城市擴張的歷史規(guī)律預測未來的發(fā)展情景，模擬時需要輸入元胞轉(zhuǎn)換數(shù)量及狀態(tài)轉(zhuǎn)換規(guī)則等參數(shù)。根據(jù)廣州市城市化發(fā)展的基本趨勢，本文基于廣州市1990—2010年城市發(fā)展規(guī)模，采用S型曲線時間序列回歸法，確定廣州市2030年建設用地規(guī)模約為190000hm2。狀態(tài)轉(zhuǎn)換規(guī)則可依據(jù)一系列空間變量與土地利用變化之間的關(guān)系來獲取，空間變量主要包括離市級發(fā)展中心距離、區(qū)級發(fā)展中心距離、大鎮(zhèn)中心距離、小鎮(zhèn)中心距離、高速路口距離、港口碼頭距離、一般道路距離、軌道交通距離與高程9個要素(表1)；土地利用變化源于2000、2005和2010年TM遙感影像解譯(圖4)，其中2000—2005年變化用于提取轉(zhuǎn)換規(guī)則，2010年影像進行模擬檢驗。通過20%空間采樣，利用邏輯回歸獲取模型參數(shù)，并進行顯著性檢驗，最終得到的廣州市土地利用狀態(tài)轉(zhuǎn)換規(guī)則如表1所示。

表1 基于邏輯回歸的空間影響因素分析

為了驗證模擬精度，研究利用2010年遙感影像獲取的建設用地與對應的模擬結(jié)果進行逐點對比，實際非城市模擬精度為89.9%，實際城市模擬精度為84.9%，總體評估精度為88.9%。根據(jù)地理模擬系統(tǒng)的精度評判原則，模擬結(jié)果符合一般預測系統(tǒng)的精度檢驗需求。如果廣州市未來依舊按照當前的擴張趨勢繼續(xù)發(fā)展，則通過CA模擬得到的廣州市2030年城市空間格局如圖4所示。

圖4 基于CA的城市擴張情景模擬Fig.4 Simulation of urban growth by using the CA model

2.4 利用ACO進行二元協(xié)調(diào)性規(guī)劃

從圖4可以看出，若當前城市擴張趨勢進一步發(fā)展，則廣州市新增城市用地主要位于北部地區(qū)，這勢必對生態(tài)敏感區(qū)造成巨大壓力。因此，為防止此擴張趨勢進一步蔓延，廣州市必須在未來的發(fā)展過程中進行空間結(jié)構(gòu)重調(diào)，從生態(tài)和諧角度優(yōu)化城市空間布局，引導城市發(fā)展模式的轉(zhuǎn)變，即綜合考慮城市擴張的歷史慣性驅(qū)動和生態(tài)保護對城市無序擴張的限制。鑒于此，研究整合城市發(fā)展慣性和生態(tài)保護限制的雙重規(guī)劃目標，將LR模型獲取的城市擴張慣性適宜性和MCR模型確定的生態(tài)保護壓力進行加權(quán)，重新計算城市擴張生態(tài)適宜性，權(quán)重可依據(jù)規(guī)劃師的決策偏好確定。本文將城市發(fā)展慣性適宜性和生態(tài)保護壓力的權(quán)重分別設定為0.7和0.3，計算得到的城市擴張生態(tài)適宜性(圖5)。為產(chǎn)生一種適宜性較好且空間結(jié)構(gòu)緊湊的格局，研究進一步利用ACO模型進行空間布局優(yōu)化(圖5)。

圖5 基于ACO的生態(tài)友好型城市擴張布局Fig.5 Ecological harmonious planning pattern with ACO-based spatial optimization system

2.5 結(jié)果評價與規(guī)劃政策制定分析

CA與ACO分別從模擬與優(yōu)化兩個角度描述了城市擴張空間布局模式。為進一步對比兩種規(guī)劃模式的實用性，研究以生態(tài)敏感區(qū)保護壓力為評價標準，對兩種規(guī)劃情景進行對比分析(圖6)。根據(jù)圖3確定的生態(tài)敏感區(qū)保護壓力空間分布，CA模擬空間格局的總體保護壓力為1304369.766，而經(jīng)過發(fā)展與保護協(xié)調(diào)后的ACO優(yōu)化格局總體保護壓力為1257347.038。由此可見，協(xié)調(diào)性發(fā)展模式比慣性發(fā)展模式明顯降低了生態(tài)保護壓力。相比慣性擴張模擬情景，空間優(yōu)化情景表現(xiàn)出城市發(fā)展重心整體向南遷移的趨勢，并且利用景觀規(guī)則約束呈現(xiàn)出組團模式。由于廣州市現(xiàn)有中心城區(qū)規(guī)模已經(jīng)較大，因此發(fā)展多中心組團是廣州市未來進行空間疏導的一種基本模式。廣州在其最新的城市戰(zhàn)略規(guī)劃中也明確提出了“中調(diào)、東進、西聯(lián)、北優(yōu)、南拓”的空間開發(fā)構(gòu)想，其中，“中調(diào)”指的是調(diào)整現(xiàn)有中心城區(qū)規(guī)模，限制傳統(tǒng)“攤大餅式”發(fā)展模式，避免中心城區(qū)過大，造成巨型城市?。弧皷|進”是指沿珠江向東部發(fā)展，做好與增城片區(qū)和東莞市的銜接；“西聯(lián)”是指與佛山連片；“北優(yōu)”則是指優(yōu)化北部、增城、從化片區(qū)。由于機場的新建，北部片區(qū)在近十年獲得飛速發(fā)展，但從整體上來看，北部片區(qū)主要表現(xiàn)為生態(tài)空間，不適宜大規(guī)模建設，故要以優(yōu)化調(diào)整為主；“南拓”是以國家高新區(qū)南沙為主要依托，發(fā)展使其成為粵港澳環(huán)珠江三角洲的新興增長極。若將這一戰(zhàn)略構(gòu)想進行空間落實，顯然空間優(yōu)化模型獲取的城市格局更佳。同時，空間優(yōu)化模式也可產(chǎn)生更好的生態(tài)環(huán)境效應。因此，廣州市在制定城市總體發(fā)展規(guī)劃時可以參考這種布局模式。

圖6 廣州市模擬格局和優(yōu)化格局生態(tài)保護壓力對比Fig.6 Comparison of the spatial protection pressure between the simulation and optimization

3 結(jié)論與討論

快速城市化是我國現(xiàn)階段的一個典型特征，城市空間形態(tài)布局是城市總體規(guī)劃的核心內(nèi)容之一。城市慣性擴張與生態(tài)保護一直以來都是影響城市空間形態(tài)的重要因素，也是城市規(guī)劃過程中必須考慮的一組矛盾，不合理的城市擴張模式將導致一系列潛在的生態(tài)環(huán)境問題。因此，如何協(xié)調(diào)城市擴張與生態(tài)保護之間的矛盾，形成生態(tài)和諧型的布局方案是城市化研究中的關(guān)鍵問題。本文基于這一現(xiàn)實背景，提出將地理模擬與空間優(yōu)化系統(tǒng)(GeoSOS)引入城市規(guī)劃決策分析，從“城市擴張”和“生態(tài)保護”二元空間協(xié)調(diào)角度提出一種可操作的規(guī)劃決策分析框架。

研究首先利用遙感數(shù)據(jù)和GIS空間分析方法識別“生態(tài)源”，并采用最小累積阻力模型計算城市擴張生態(tài)保護壓力；利用CA模型模擬城市慣性擴張格局，探討慣性發(fā)展模式對生態(tài)敏感區(qū)潛在的影響；針對城市發(fā)展過程中的生態(tài)保護問題，重新進行城市擴張生態(tài)適宜性評價；綜合城市擴張生態(tài)適宜性與城市發(fā)展形態(tài)緊湊性布局的需求，利用蟻群智能模型對城市擴張布局進行優(yōu)化，獲取一種城市發(fā)展與生態(tài)保護的二元協(xié)調(diào)性優(yōu)化布局方案。通過廣州市的應用研究表明，綜合考慮了歷史慣性驅(qū)動與生態(tài)保護目標的城市空間布局更符合發(fā)展實際，其在一定程度上能抑制傳統(tǒng)“攤大餅”式的城市擴張模式，減小了生態(tài)敏感區(qū)保護壓力?？傮w而言，GeoSOS能為生態(tài)型城市布局規(guī)劃提供系統(tǒng)的技術(shù)支撐，本文提出的規(guī)劃決策分析框架也可為城市規(guī)劃提供定量的決策參考。雖然地理模擬與空間優(yōu)化模型能在技術(shù)層面為城市規(guī)劃提供支撐，但在實用時，還需進一步結(jié)合城市規(guī)劃相關(guān)理論進行更加深入的地理建模研究，如城市發(fā)展目標、城市發(fā)展約束、城市發(fā)展模式等。

[1] 顧朝林, 吳莉婭. 中國城市化問題研究綜述. 北京: 商務出版社, 2008: 105- 147.

[2] 高天, 邱玲, 陳存根. 生態(tài)單元制圖在國外自然保護和城鄉(xiāng)規(guī)劃中的發(fā)展與應用. 自然資源學報, 2010, 25(6): 978- 989.

[3] 史同廣, 鄭國強, 王智勇, 王林林. 中國土地適宜性評價研究進展. 地理科學進展, 2007, 26(2): 106- 115.

[4] 俞孔堅, 李迪華, 韓西麗. 論“反規(guī)劃”. 城市規(guī)劃, 2005, 29(9): 64- 69.

[5] 俞孔堅, 李偉, 李迪華, 李春波, 黃剛, 劉海龍. 快速城市化地區(qū)遺產(chǎn)廊道適宜性分析方法探討——以臺州市為例. 地理研究, 2005, 24(1): 69- 76.

[6] Yu K J. Ecological security patterns in landscapes and GIS application. Geographic Information Sciences, 1995, 1(2): 88- 102.

[7] Li X, Chen Y M, Liu X P, Li D, He J Q. Concepts, methodologies, and tools of an integrated geographical simulation and optimization system. International Journal of Geographical Information Science, 2011, 25(4): 633- 655.

[8] Li X, Lao C H, Liu X P, Chen Y M. Coupling urban cellular automata with ant colony optimization for zoning protected natural areas under a changing landscape. International Journal of Geographical Information Science, 2011, 25(4): 575- 593.

[9] 陳逸敏, 黎夏, 劉小平, 李少英. 基于耦合地理模擬優(yōu)化系統(tǒng)GeoSOS的農(nóng)田保護區(qū)預警. 地理學報, 2010, 65(9): 1137- 1145.

[10] White R, Engelen G. Cellular automata and fractal urban form: a cellular modeling approach to the evolution of urban land-use patterns. Environment and Planning A, 1993, 25(8): 1175- 1199.

[11] Batty M, Xie Y C, Sun Z L. Modeling urban dynamics through GIS-based cellular automata. Computers, Environmental and Urban Systems, 1999, 23(3): 205- 233.

[12] Clark K C, Gaydos L J. Loose-coupling cellular Automata model and GIS: long-term urban growth prediction for San Francisco and Washington/Baltimore. International Journal of Geographical Information Science, 1998, 12(7): 699- 714.

[13] Yang Q S, Li X, Shi X. Cellular automata for simulating land use changes based on support vector machines. Computers & Geosciences, 2008, 34(6): 592- 602.

[14] He C Y, Okada N, Zhang Q, Zhang Q F, Shi P J, Li J G. Modeling dynamic urban expansion processes incorporating a potential model with cellular automata. Landscape and Urban Planning, 2008, 86(1): 79- 91.

[15] Wu F, Webster C J. Simulation of land development through the integration of cellular automata and multicriteria evaluation. Environment and Planning B, 1998, 25(1): 103- 126.

[16] Wu F L. Calibration of stochastic cellular automata: the application to rural-urban land conversions. International Journal of Geographical Information Science, 2002, 16(8): 795- 818.

[17] Li X, Yeh A G O. Principal component analysis of stacked multi-temporal images for monitoring of rapid urban expansion in the Pearl River Delta. International Journal of Remote Sensing, 1998, 19(8): 1501- 1518.

[18] Li X, Yeh A G O. Neural-network-based cellular automata for simulating multiple land use changes using GIS. International Journal of Geographical Information Science, 2002, 16(4): 323- 343.

[19] D′Ambrosio D, Spataro W, Iovine G. Parallel genetic algorithms for optimising cellular automata models of natural complex phenomena: An application to debris flows. Computers & Geosciences, 2006, 32(7): 861- 875.

[20] Cao K, Huang B, Wang S W, Lin H. Sustainable land use optimization using boundary-based fast genetic algorithm. Computers, Environment and Urban Systems, 2012, 36(3): 257- 269.

[21] Woudsma C, Jensen J F, Kanaroglou P, Macoh H. Logistics land use and the city: A spatial-temporal modeling approach. Transportation Research Part E: Logistics and Transportation Review, 2008, 44(2): 277- 297.

[22] Liu Y L, Liu D F, Liu Y F, He J H, Jiao L M, Chen Y Y, Hong X F. Rural land use spatial allocation in the semiarid loess hilly area in China: Using a particle swarm optimization model equipped with multi-objective optimization techniques. Science China: Earth Science, 2012, 55(7): 1166- 1177.

[23] 劉耀林, 夏寅, 劉殿峰, 洪曉峰. 基于目標規(guī)劃與模擬退火算法的土地利用分區(qū)優(yōu)化方法. 武漢大學學報·信息科學版, 2012, 37(7): 762- 765.

[24] Masoomi Z, Mesgari M S, Hamrah M. Allocation of urban land uses by multi-objective particle swarm optimization algorithm. International Journal of Geographical Information Science, 2013, 27(3): 542- 566.

coupling geographical simulation and spatial optimization for harmonious pattern analysis by considering urban sprawling and ecological conservation

MA Shifa1,2, AI Bin3,*

1GeographyandPlanningSchool,SunYat-senUniversity,Guangzhou510275,China2KeylaboratoryofGuangdongProvinceinUrbanizationandGeographyEnvironmentSimulation,Guangzhou510275,China3SchoolofMarineSciences,SunYat-senUniversity,Guangzhou510275,China

In recent years, ecological systems such as forests, farmlands, and wetlands have witnessed an alarming rate of encroachment owing to indiscriminate urban development. This has resulted in the emergence of serious environmental and ecological issues such as air pollution, heat island formation, and groundwater contamination. Therefore, rational urban growth is becoming an increasingly important focus area for decision makers. Urban land planning is one of the most important means for inducing rational urban growth. However, most urban planning scenarios are based on only historical sprawl trends or traditional supply-demand balance; hence, they tend to ignore potential ecological and environmental issues. Consequently, optimal urban growth patterns that consider ecological conservation are attracting considerable interest from researchers and administrative decision makers. The conservation of ecologically sensitive areas plays a key role in environmental protection. Thus, harmonizing urban sprawling with the conservation of ecologically sensitive areas can be viewed as a binary compatibility planning problem. Here, we employ a geographical simulation and optimization system (GeoSOS) to apply complex spatial techniques to the analysis of the conflict between urban development and ecological protection. Current urban planning strategies and historical development rules are both considered to generate ecologically harmonious urban growth patterns, with the objective of providing a feasible decision-making framework for urban planning. The main procedures can be described as follows: First, ecologically sensitive areas such as rivers and mountains are marked out on the basis of actual development demands. Next, the spatial conservation priority for ecologically sensitive areas is calculated using the minimum cumulative resistance (MCR) model. Second, urban sprawl patterns are simulated on the basis of historical rules using the cellular automata (CA) model. The conflict between urban development and the conservation of ecologically sensitive areas is then identified according to the simulation results; potential ecological issues are also considered for urban planning. Third, a trade-off between urban development and ecological protection is considered when re-evaluating ecological suitability for urban sprawling; then, an ecologically harmonious pattern is accordingly generated using the ant colony optimization (ACO) model. Guangzhou City, located in the Pearl River Delta, China, is selected for a case study to validate the feasibility of the proposed analysis framework. Remote sensing images collected in the years 2000, 2005, and 2010 are used to obtain urban land information and to identify ecologically sensitive areas. Topographical and socio-economic data as well as transportation networks are used to analyze the locational conditions for urban development. In addition, a schematic map of land use in 2005 and current urban planning documents are used as important reference materials. The harmonious planning procedure supported by GeoSOS is described and verified in detail. An optimal urban growth pattern that considers ecological protection is generated using the ACO model, and it is compared with the simulation pattern obtained using the CA model. Results indicate that the former is a closer approximation of actual urban development than the latter and results in less environmental degradation. Spatial optimization techniques can be also used as efficient auxiliary tools for decision-making. The binary compatibility framework based on GeoSOS can serve as an additional technical reference for urban planning.

cellular automata; spatial optimization; ecological sensitive area; urban planning; geographical simulation and optimization systems (GeoSOS)

國家自然科學基金資助項目(41371376, 41301418)；教育部高等學校博士點基金(新教師類)資助項目(2012017120031)

2013- 11- 03;

2015- 01- 05

10.5846/stxb201311032653

*通訊作者Corresponding author.E-mail: abin@mail.sysu.edu.cn

馬世發(fā)，艾彬.基于地理模型與優(yōu)化的城市擴張與生態(tài)保護二元空間協(xié)調(diào)優(yōu)化.生態(tài)學報,2015,35(17):5874- 5883.

Ma S F, Ai B.Coupling geographical simulation and spatial optimization for harmonious pattern analysis by considering urban sprawling and ecological conservation.Acta Ecologica Sinica,2015,35(17):5874- 5883.