徐 杰,羅震東,尹海偉,耿 磊

(1.南京大學(xué)建筑與城市規(guī)劃學(xué)院,江蘇南京210093;2.南京大學(xué)城市規(guī)劃設(shè)計(jì)研究院,江蘇南京210093)

基于SLEUTH模型的昆山市城市擴(kuò)展模擬研究

徐 杰1,羅震東1,尹海偉1,耿 磊2

(1.南京大學(xué)建筑與城市規(guī)劃學(xué)院,江蘇南京210093;2.南京大學(xué)城市規(guī)劃設(shè)計(jì)研究院,江蘇南京210093)

定量揭示城鎮(zhèn)土地利用的擴(kuò)展模式對(duì)制定城市發(fā)展政策具有重要意義。該文以昆山市為例,使用SLEUTH模型,修改了傳統(tǒng)的情景設(shè)置方式,通過(guò)調(diào)整排除圖層,預(yù)設(shè)“現(xiàn)有發(fā)展趨勢(shì)”、“融合生態(tài)敏感性的發(fā)展”、“融合城市總體規(guī)劃的發(fā)展”3種情景,定量預(yù)測(cè)了昆山市2011-2030年不同情景下城市用地增長(zhǎng)趨勢(shì)和擴(kuò)展的主要特征。結(jié)果表明,預(yù)設(shè)不同排除圖層的方式可以產(chǎn)生更加準(zhǔn)確的校正結(jié)果:現(xiàn)有發(fā)展趨勢(shì)情景繁衍系數(shù)與道路引力系數(shù)較高,以新中心增長(zhǎng)為主;融合生態(tài)敏感性情景、融合總體規(guī)劃情景擴(kuò)散系數(shù)與蔓延系數(shù)較高,以邊界增長(zhǎng)為主。研究結(jié)果可為SLEUT H模型的情景設(shè)置提供新思路,并為城市土地利用規(guī)劃提供決策依據(jù)。

SLEU TH模型;城市擴(kuò)展;情景分析;昆山市

0 引言

2014年中國(guó)的城鎮(zhèn)化率已達(dá)到55%[1],這是城市建設(shè)矛盾凸顯和城市病集中爆發(fā)的階段[2]。這一時(shí)期城鎮(zhèn)建設(shè)用地的快速擴(kuò)展以及自然空間的大幅縮減,可以通過(guò)城市建設(shè)用地增長(zhǎng)模型進(jìn)行分析,從而更好地理解區(qū)域城鎮(zhèn)化過(guò)程[3],幫助城市管理者分析不同情境下城市建設(shè)用地利用的變化特征與影響,為制定切實(shí)有效的城市空間開(kāi)發(fā)利用政策提供科學(xué)支撐[4,5]。基于元胞自動(dòng)機(jī)(Cellular Automaton,CA)的城市增長(zhǎng)模型是目前城市建設(shè)用地增長(zhǎng)模擬過(guò)程中運(yùn)用較廣的方法[6-8],模型基于微觀相鄰空間單元的相互作用,利用簡(jiǎn)單的局部規(guī)則模擬城市空間系統(tǒng)的復(fù)雜結(jié)構(gòu)[9,10]。CA模型包括SLEUTH(模型輸入圖層的首字母縮寫(xiě):坡度層(Slope)、土地利用層(Landuse)、排除層(Excluded)、城市范圍層(Urban)、交通層(Transportation)、山體陰影層(Hillshade))模型、神經(jīng)網(wǎng)絡(luò)CA模型、邏輯回歸CA模型、社會(huì)經(jīng)濟(jì)CA模型等,其中SLEUTH模型能通過(guò)程序自動(dòng)獲取模型運(yùn)行最佳參數(shù),同時(shí)具有結(jié)構(gòu)與操作簡(jiǎn)單、開(kāi)放式存取、適合于各種時(shí)空尺度、模擬精度較高等優(yōu)點(diǎn)[10,11],被廣泛應(yīng)用于城市增長(zhǎng)模擬及長(zhǎng)期預(yù)測(cè)研究[12-14],中國(guó)許多城市的增長(zhǎng)模擬也廣泛采用這一模型[15-17]。

學(xué)界對(duì)于SLEUT H模型的研究分為對(duì)模型自身特性的研究與模型的應(yīng)用研究[18],前者主要集中在模型運(yùn)用的普適性[4,13,14]、精度校驗(yàn)的方法[19-21]、參數(shù)行為[22]等方面,后者主要利用SLEUTH模型對(duì)城市擴(kuò)展、土地演化進(jìn)行模擬,預(yù)測(cè)城市未來(lái)發(fā)展?fàn)顩r[15,16]。國(guó)內(nèi)對(duì)于SLEUTH模型的研究與應(yīng)用起步較晚,在模型應(yīng)用方面,一般通過(guò)比較城市在不同情境下預(yù)測(cè)結(jié)果的差異來(lái)揭示不同情景的優(yōu)缺點(diǎn),情景設(shè)置往往與實(shí)際城市規(guī)劃較為脫節(jié)。這類研究中模型的情景設(shè)置一般有兩種方法:一是在校準(zhǔn)之后調(diào)整模型運(yùn)行參數(shù),二是在確定運(yùn)行參數(shù)后調(diào)整排除圖層[17]。第一種方法在模擬預(yù)測(cè)階段改變了模型的校準(zhǔn)參數(shù),系數(shù)的調(diào)整較為主觀,缺乏現(xiàn)實(shí)的情景設(shè)置依據(jù);第二種方法下不同情景采用相同的校準(zhǔn)參數(shù),導(dǎo)致各情景具有相同的增長(zhǎng)方式,彼此間區(qū)分度不高。Akin等在其2013年的研究中將不同排除圖層作為情景設(shè)置的依據(jù),情景設(shè)置于模型校準(zhǔn)之前,即假設(shè)城市過(guò)去的發(fā)展已經(jīng)受到未來(lái)不同情景設(shè)置的影響,結(jié)果發(fā)現(xiàn)模型在校準(zhǔn)過(guò)程中對(duì)于排除圖層具有較高的敏感性,能夠產(chǎn)生更為貼切的城市增長(zhǎng)結(jié)果[19]?；诖?本文試圖通過(guò)預(yù)先調(diào)整排除圖層方式進(jìn)行SLEUT H模型的情景設(shè)置,引入生態(tài)敏感性分析與城市總體規(guī)劃,將情景設(shè)置與實(shí)際相結(jié)合,以提高不同情景下模型模擬參數(shù)的代表性,通過(guò)客觀的情景設(shè)置方法以提高模型的實(shí)際價(jià)值,在彌補(bǔ)國(guó)內(nèi)已有研究不足的同時(shí)具有較高的現(xiàn)實(shí)意義,可以為城市未來(lái)發(fā)展提供有益參考。

1 數(shù)據(jù)與研究方法

本文選取快速發(fā)展的昆山市為研究區(qū)域。昆山市位于東經(jīng)120°48′21″～121°09′04″、北緯31°06′34″～31°32′36″,城市總面積為921.3 km2,其中水域面積約占23%。東面毗鄰上海,京滬鐵路貫穿,經(jīng)濟(jì)發(fā)達(dá),是中國(guó)第一個(gè)人均國(guó)民生產(chǎn)總值突破40 000美元的縣級(jí)城市,一直位列中國(guó)百?gòu)?qiáng)縣前列。近20年來(lái)昆山市城市用地增長(zhǎng)迅速,1995年城市建成區(qū)面積約160 km2,2010年增長(zhǎng)為360 km2;人口由2000年的76萬(wàn)人增長(zhǎng)到2010年的165萬(wàn)人,年增長(zhǎng)率達(dá)8%。快速的城鎮(zhèn)空間擴(kuò)展在支持經(jīng)濟(jì)快速發(fā)展的同時(shí)也帶來(lái)了諸多問(wèn)題,如城市發(fā)展空間過(guò)于分散、中心城區(qū)規(guī)模過(guò)小、主要商務(wù)區(qū)密度較低等[23]。

1.2 數(shù)據(jù)來(lái)源與預(yù)處理

本研究中使用的數(shù)據(jù)為昆山市Landsat T M/ ETM+影像數(shù)據(jù)(1995、2000、2005、2010年)(1-5、7波段,分辨率30 m,數(shù)據(jù)來(lái)源:中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心的國(guó)際科學(xué)數(shù)據(jù)鏡像網(wǎng)站)、2012年航空正射影像、數(shù)字高程模型(DEM)以及《昆山市城市總體規(guī)劃(2009-2030)》等規(guī)劃數(shù)據(jù)資料(CAD格式)。數(shù)據(jù)的預(yù)處理分為以下步驟:首先基于ERDAS軟件平臺(tái),分別進(jìn)行TM遙感影像的多波段融合,并以航空正射影像為基準(zhǔn),對(duì)融合后的遙感影像進(jìn)行幾何校正(均方根(Root Mean Square,RMS)小于1個(gè)像元),校正函數(shù)選擇二次多項(xiàng)式模型,地面控制點(diǎn)(GCP)均勻分布于圖像,每個(gè)GCP的自檢誤差值小于1;然后根據(jù)研究區(qū)邊界對(duì)遙感影像進(jìn)行裁剪;最后以航拍圖及土地利用現(xiàn)狀圖等為參照,采用監(jiān)督分類方法對(duì)其進(jìn)行用地識(shí)別及影像解譯,將土地利用類型劃分為5類:水域、農(nóng)田、城鎮(zhèn)建設(shè)用地、交通用地和其他用地。

1.3 模型數(shù)據(jù)準(zhǔn)備

SLEUTH模型融合了城市增長(zhǎng)模型與土地覆蓋模型兩種模型,能夠成功模擬真實(shí)城市的空間擴(kuò)展過(guò)程[12,13,24]。該模型通過(guò)基于交通、地形和城市化的約束條件計(jì)算每個(gè)元胞單元城鎮(zhèn)化的可能性,把已城市化的元胞作為種子點(diǎn),通過(guò)其擴(kuò)散帶動(dòng)整個(gè)區(qū)域的發(fā)展,來(lái)模擬城市發(fā)展軌跡[25-28]。模型包含5種增長(zhǎng)系數(shù):擴(kuò)散系數(shù)、繁衍系數(shù)、蔓延系數(shù)、坡度系數(shù)與道路引力系數(shù)。各系數(shù)相互作用,能夠產(chǎn)生4種土地利用增長(zhǎng)類型:自發(fā)式增長(zhǎng)、邊緣增長(zhǎng)、道路引力增長(zhǎng)和新中心增長(zhǎng)[22,24,28,29]。

根據(jù)本研究需要,SLEUT H模型需要輸入5個(gè)GIF格式的灰度柵格數(shù)據(jù)圖層(城市范圍、交通、坡度、山體陰影與排除圖層)。城市范圍、交通圖層分別基于ArcGIS平臺(tái)由4個(gè)時(shí)期的土地利用類型數(shù)據(jù)生成,兩者均為二值圖。坡度和山體陰影圖層由研究區(qū)DEM數(shù)據(jù)生成,坡度采用百分比坡度。排除圖層根據(jù)后面設(shè)置的3種不同發(fā)展情景分別進(jìn)行定義。最后,所有數(shù)據(jù)均轉(zhuǎn)換為模型需要的GIF格式柵格數(shù)據(jù),柵格大小60 m×60 m,且所有數(shù)據(jù)圖層的范圍保持一致。

圖1 模型輸入圖層Fig.1 The input data

2 情景設(shè)置與模擬

2.1 情景設(shè)置

新能源指的是非常規(guī)能源，與傳統(tǒng)能源相比，新能源儲(chǔ)量龐大，同時(shí)污染比較小。常規(guī)能源主要包括石油、水、煤炭、天然氣等，而新能源則指的是海洋能、太陽(yáng)能、風(fēng)能、生物質(zhì)能等。在我國(guó)各類能源類型中，生物質(zhì)能源儲(chǔ)量豐富。

排除圖層是產(chǎn)生不同政策情境的有效工具,能夠體現(xiàn)SLEUT H模型與GIS、RS整合的優(yōu)勢(shì)[25,29,30],本次研究預(yù)先設(shè)置了現(xiàn)有發(fā)展趨勢(shì)、融合生態(tài)敏感性的發(fā)展、融合城市總體規(guī)劃的發(fā)展3種發(fā)展情景,即假設(shè)在1995—2010年間,昆山的發(fā)展歷程已經(jīng)遵循著上述3種發(fā)展情景的引導(dǎo)。

現(xiàn)有發(fā)展趨勢(shì)情景是現(xiàn)有城鎮(zhèn)空間增長(zhǎng)的趨勢(shì)外推,只將研究區(qū)河流、湖泊定義為排除圖層(圖2),且設(shè)定為100%的概率不被城市化,在該方案情景下農(nóng)田和林地等其他用地均可能會(huì)被繼續(xù)侵占。融合生態(tài)敏感性的發(fā)展情景是基于研究區(qū)生態(tài)敏感性評(píng)價(jià)與區(qū)劃的發(fā)展模式,在該方案情景下城市拓展要考慮不同土地利用類型的生態(tài)敏感性程度。設(shè)置方式如下:首先根據(jù)研究區(qū)實(shí)際情況選擇水域、植被、農(nóng)田作為敏感性因子,采用GIS空間分析方法進(jìn)行多因子綜合評(píng)價(jià),獲取研究區(qū)生態(tài)環(huán)境敏感性分區(qū):非、低、中、高、極高生態(tài)敏感性[31];然后按照敏感性等級(jí)由低到高分別設(shè)定其不被城市化的概率為10%、30%、50%、80%、100%,得到該情景方案的排除圖層(圖2)。融合城市總體規(guī)劃的發(fā)展情景為基于《昆山市城市總體規(guī)劃(2009-2030)》的發(fā)展模式,在該方案情景下以總體規(guī)劃中對(duì)2030年昆山市域空間的謀劃為依據(jù),將總規(guī)中的空間布局圖按照用地性質(zhì)進(jìn)行歸類,分別設(shè)定建設(shè)用地、農(nóng)業(yè)用地、綠地、河流與湖泊等用地空間不被城市化的概率為0、40%、60%、100%,得到該情景方案的排除圖層(圖2)。

圖2 不同情境下基于市域空間城鎮(zhèn)化概率的排除圖層Fig.2 The exclusion layers based on different spatial urbanization probabilities of each scenario

2.2 SLEUTH模型校正

模型采用強(qiáng)制蒙特卡洛迭代計(jì)算法(Bruteforce Monte Carlo method),分為粗校準(zhǔn)(coarse calibration)、精校準(zhǔn)(fine calibration)和終校準(zhǔn)(final calibration)3個(gè)階段進(jìn)行。本文將研究區(qū)1995年的數(shù)據(jù)圖層作為模型校正的初始圖層,2000、2005、2010年3個(gè)時(shí)期的數(shù)據(jù)圖層作為校正圖層,分3種情景導(dǎo)入模型中分別進(jìn)行參數(shù)校正(表1)。模型3個(gè)校準(zhǔn)階段運(yùn)用蒙特卡洛迭代,采用Compare、r2 population、Edges、Cluster、Xmean、Ymean等指數(shù)的乘積(Optimum SLEUTH Metric,OSM指數(shù))進(jìn)行最佳參數(shù)組合選取,其他參數(shù)設(shè)置參照以往國(guó)內(nèi)外文獻(xiàn)的設(shè)置方式[20,21,28],通過(guò)不斷縮小5個(gè)系數(shù)的取值范圍,產(chǎn)生5個(gè)新的系數(shù)區(qū)段(由于昆山地處平原,城市擴(kuò)展幾乎不受坡度影響,所以坡度系數(shù)固定為1)。模型校正最后階段(Derive階段)取步長(zhǎng)為1,通過(guò)多次反復(fù)運(yùn)行,生成5個(gè)系數(shù)的最終值(表1)。

表1 不同情景的校正過(guò)程與終值Table 1 Calibration results for different scenarios

2.3 模型多情景模擬

根據(jù)模型校準(zhǔn)得到的不同情景下的最優(yōu)參數(shù)組合,在預(yù)測(cè)模式下運(yùn)行100次蒙特卡羅迭代運(yùn)算。將產(chǎn)生的年度城市開(kāi)發(fā)概率圖上大于某一臨界值的柵格作為高概率城鎮(zhèn)化用地,低于臨界值的柵格作為低概率可城鎮(zhèn)化用地,將排除圖層中設(shè)定的100%不被城市化的區(qū)域定義為不可城鎮(zhèn)化用地,2010年現(xiàn)狀城鎮(zhèn)建設(shè)用地為已城鎮(zhèn)化用地,得到研究區(qū)2030年3種情景下的4類用地分類圖(圖3),并將高概率城鎮(zhèn)化用地作為未來(lái)城鎮(zhèn)增長(zhǎng)用地,從而得到不同情景的城市用地增長(zhǎng)情況(表2)。

表2 不同預(yù)測(cè)情景下2030年城市建設(shè)用地及其他用地空間統(tǒng)計(jì)Table 2 Spatial statistics of city construction land and other lands in 2030 under different scenarios

圖3 基于SLEUTH模型的2030年情景模擬結(jié)果Fig.3 The simulation results based on SLEUTH model for 2030

根據(jù)模型重建獲得不同情景下城鎮(zhèn)化的開(kāi)發(fā)臨界值(重建2010年的城鎮(zhèn)用地,使其總量等于2010年的城鎮(zhèn)建設(shè)用地實(shí)際值)。根據(jù)結(jié)果修改SLEUTH模型predict文件中PROBABILITY_的取值范圍,并最終確定了3種情景下的開(kāi)發(fā)概率臨界值分別為60%、60%、65%,在該臨界概率下的城鎮(zhèn)用地總量匹配度分別達(dá)到99.01%、99.15%、99.70%。

3 結(jié)果分析

3.1 模型模擬精度分析

由表1可見(jiàn),隨著校正階段的深入,3種情景的OSM指數(shù)有顯著提高。情景1的OSM指數(shù)由粗校準(zhǔn)的0.47提升到終校準(zhǔn)的0.52;情景2的OSM指數(shù)由0.20提升到0.50;情景3的OSM指數(shù)由0.40提升到0.42,表明本次模型的校正效果較好。最終3種情景的Lee-Sallee形狀指數(shù)在0.37～0.39之間,形態(tài)擬合效果一般,相關(guān)文獻(xiàn)表明,分辨率、區(qū)域面積大小、歷史數(shù)據(jù)時(shí)間間隔等因素均會(huì)對(duì)形狀指數(shù)產(chǎn)生影響[17,32],一般在0.3～0.7左右[19,24]。

3種不同情景下模型模擬系數(shù)差異顯著,表明模型對(duì)情景設(shè)置有較高敏感性,產(chǎn)生了不同的增長(zhǎng)模式。情景1最終的擴(kuò)散系數(shù)與蔓延系數(shù)較低,分別為8與28,繁衍系數(shù)與道路引力系數(shù)較高,分別為100與70。這說(shuō)明昆山市現(xiàn)有的發(fā)展趨勢(shì)是沿著交通網(wǎng)絡(luò)自發(fā)增長(zhǎng),逐漸形成新的增長(zhǎng)中心。情景2的繁衍系數(shù)為3,擴(kuò)散系數(shù)為37,蔓延系數(shù)為45,這說(shuō)明在融合生態(tài)敏感性的發(fā)展情景下,昆山市的增長(zhǎng)方式發(fā)生了變化,邊界增長(zhǎng)和自發(fā)增長(zhǎng)增多,新的增長(zhǎng)中心減少。情景3的擴(kuò)散系數(shù)達(dá)到了100,蔓延系數(shù)達(dá)到了53,繁衍系數(shù)與道路引力系數(shù)分別為1和7,這說(shuō)明在總體規(guī)劃指導(dǎo)下,城市增長(zhǎng)將以城市邊緣增長(zhǎng)為主,自發(fā)增長(zhǎng)受到很大抑制。

3.2 昆山城市空間擴(kuò)展的多情景分析

由表2可見(jiàn),最終統(tǒng)計(jì)結(jié)果顯示,情景1用地增長(zhǎng)總量最大,保留生態(tài)空間最少,情景2與情景3在一定程度上抑制了城市用地的增長(zhǎng)。情景1新增高概率可城鎮(zhèn)化用地285.55 km2,年均增長(zhǎng)3.1%,占研究區(qū)總面積的30%;保留不可城鎮(zhèn)化用地113.32 km2,僅占總面積的12%。情景2與情景3得到結(jié)果相近,新增高概率可城鎮(zhèn)化用地分別為230.15 km2與218.58 km2,年均增長(zhǎng)率約為2.7%,分別占研究區(qū)總面積的24%與23%;保留不可城鎮(zhèn)化用地196.92 km2與197.40 km2,均占總面積的21%。這說(shuō)明基于生態(tài)敏感性分析與總體規(guī)劃的城市發(fā)展政策可以對(duì)城市用地提供顯著的保護(hù)。

由圖3可見(jiàn),在高繁衍系數(shù)與道路引力系數(shù)的影響下,情景1用地增長(zhǎng)最分散,形成了多中心城市結(jié)構(gòu),生態(tài)空間受到蠶食。新增建設(shè)用地沿著主要的道路蔓延增長(zhǎng),城市發(fā)展在空間上進(jìn)一步分散,城北與城南形成了多個(gè)次一級(jí)的城市中心(圖3,區(qū)域A、B、C)。城市除主要的湖區(qū)得以保留之外,其他生態(tài)用地均有轉(zhuǎn)化為建設(shè)用地的趨勢(shì),對(duì)研究區(qū)未來(lái)的城市生態(tài)安全造成了重要威脅,可持續(xù)發(fā)展面臨重大壓力。該情景體現(xiàn)了昆山市長(zhǎng)期分散式的城市增長(zhǎng)格局,空間結(jié)構(gòu)較為無(wú)序。

情景2的用地增長(zhǎng)較為集約,局部建設(shè)用地有破碎趨勢(shì),生態(tài)空間保留完好。新增建設(shè)用地主要位于主城周邊城郊地區(qū),除城北有著部分成片建設(shè)用地之外,城市其他地區(qū)的建設(shè)用地零散分布于主要道路周邊。該情景凸顯了城市生態(tài)敏感性對(duì)于城市擴(kuò)展的重要影響力,主要生態(tài)用地得以保留(圖3,區(qū)域D),有利于城市生態(tài)環(huán)境保護(hù)、農(nóng)田保護(hù)等目標(biāo)的實(shí)現(xiàn),但同時(shí)主城的擴(kuò)展受到一定限制,只能滿足未來(lái)發(fā)展的基本用地需求。

情景3受到高擴(kuò)散系數(shù)的影響,新增建設(shè)用地集中于中心城區(qū)周邊,城市單中心發(fā)展。城市邊緣地區(qū)成為城市發(fā)展重點(diǎn),中心城區(qū)蔓延式發(fā)展明顯。除中心城區(qū)外,城市其他地區(qū)基本沒(méi)有成片新增建設(shè)用地,這些地區(qū)的生態(tài)空間得以保留。該情景體現(xiàn)了城市總體規(guī)劃對(duì)于城市擴(kuò)展方向的控制作用,改變了昆山市傳統(tǒng)的分散發(fā)展格局,中心城區(qū)成為單一發(fā)展核心。與此同時(shí),中心城區(qū)的城市擴(kuò)展也出現(xiàn)了“攤大餅”現(xiàn)象(圖3,區(qū)域E、F),用地不夠集約,蔓延式發(fā)展明顯,不利于主城周邊生態(tài)保護(hù)。

4 結(jié)論與討論

SLEUTH模型自身對(duì)于情景設(shè)置有較高敏感性,排除圖層與模擬參數(shù)的設(shè)置是模型模擬的關(guān)鍵[12,24,25]。目前國(guó)內(nèi)大多數(shù)研究中,在模型校正階段使用的是相同的排除圖層,模型預(yù)測(cè)階段則使用不同排除圖層或調(diào)整模型參數(shù)設(shè)置不同情景[15,16]。本文利用SLEUT H模型定量揭示了昆山市2011-2030年不同發(fā)展情景下的城市用地增長(zhǎng)趨勢(shì)和擴(kuò)展的主要特征。在模型校正的最初階段使用了不同的排除圖層,通過(guò)調(diào)整排除圖層設(shè)置預(yù)設(shè)了現(xiàn)有發(fā)展趨勢(shì)、融合生態(tài)敏感性的發(fā)展、融合城市總體規(guī)劃的發(fā)展3種情景,結(jié)果顯示,3種情景下模型模擬系數(shù)差異顯著,現(xiàn)有發(fā)展趨勢(shì)情景繁衍系數(shù)與道路引力系數(shù)較高,以新中心增長(zhǎng)為主,融合生態(tài)敏感性情景與融合總體規(guī)劃情景擴(kuò)散系數(shù)與蔓延系數(shù)較高,以邊界增長(zhǎng)為主。這表明,在模型校正階段使用排除圖層的方式可以產(chǎn)生更為貼合情景設(shè)置的校正結(jié)果[19],使得模型的情景設(shè)置更具有代表性。

SLEUTH模型可以通過(guò)情景設(shè)置來(lái)模擬政策對(duì)城市土地?cái)U(kuò)展的影響,從而對(duì)城市規(guī)劃起到支撐作用。模擬顯示,昆山市未來(lái)城市用地呈快速增長(zhǎng)趨勢(shì),到2030年城市建設(shè)用地比重將達(dá)到60%～70%。現(xiàn)有發(fā)展趨勢(shì)下城市分散發(fā)展,建設(shè)用地沿著道路蔓延嚴(yán)重,生態(tài)空間受到蠶食,是一種不可持續(xù)的發(fā)展方式;生態(tài)敏感性政策會(huì)對(duì)昆山市城市擴(kuò)展帶來(lái)較大的約束與抑制,新增用地較為集約,生態(tài)環(huán)境保護(hù)效果較好;現(xiàn)有城市總體規(guī)劃會(huì)改變昆山市長(zhǎng)期以來(lái)分散發(fā)展的局面,中心城區(qū)邊緣成為發(fā)展重點(diǎn),但也會(huì)造成城市“攤大餅”現(xiàn)象。昆山市未來(lái)需要采取更為嚴(yán)格的生態(tài)保護(hù)措施,尤其注重中心城區(qū)周邊生態(tài)空間的保護(hù)。SLEUT H模型是一種城市規(guī)劃模擬手段與工具,其模擬結(jié)果對(duì)城市規(guī)劃政策的制定具有重要參考價(jià)值。

很多學(xué)者的研究表明,SLEUT H模型用于預(yù)測(cè)城市用地增長(zhǎng)時(shí),其模擬精度受到諸多要素的影響。在模型校正階段,選取的指數(shù)對(duì)模擬精度有一定影響,一般采用的是Compare指數(shù)與Lee-Sellee系數(shù)[15,24],也有研究表明,在某些情況下利用OSM指數(shù)得到的校正結(jié)果更為精確[20,21]。此外,研究區(qū)尺度與空間分辨率也會(huì)對(duì)模型的模擬精度產(chǎn)生一定的影響[20]。相關(guān)研究一般采取30～100 m分辨率[20]的數(shù)據(jù),本文參考了相關(guān)研究的經(jīng)驗(yàn),綜合系數(shù)收斂狀況、模型運(yùn)行時(shí)間等因素,最終選取了60 m空間分辨率的數(shù)據(jù)。在今后的研究中,仍需要進(jìn)一步考慮其他因素對(duì)于模型模擬精度的影響,使得模擬結(jié)果更加精確。

[1] 孫丹.國(guó)家統(tǒng)計(jì)局:2014年中國(guó)城鎮(zhèn)化率達(dá)到54.77%[Z]. 2015.

[2] 李浩.城鎮(zhèn)化率首次超過(guò)50%的國(guó)際現(xiàn)象觀察——兼論中國(guó)城鎮(zhèn)化發(fā)展現(xiàn)狀及思考[J].城市規(guī)劃學(xué)刊,2013(1):43-50.

[3] 曾永年,何麗麗,靳文憑,等.長(zhǎng)株潭城市群核心區(qū)城鎮(zhèn)景觀空間擴(kuò)張過(guò)程定量分析[J].地理科學(xué),2012(5):544-549.

[4] XIANG W,CLARKE K C.T he use of scenarios in land-use planning[J].Environment and Planning B:Planning and Design,2003, 30:885-909.

[5] LIU X,LI X,SHI X,et al.Simulating complex urban development using kernel-based non-linear cellular automata[J].Ecological Modelling,2008,211(1):169-181.

[6] 李俊,董鎖成,李澤紅,等.中國(guó)城市化研究熱點(diǎn)演變分析[J].地理與地理信息科學(xué),2014(3):93-98.

[7] 馮永玖,童小華,劉妙龍,等.基于GIS的地理元胞自動(dòng)機(jī)模擬框架及其應(yīng)用[J].地理與地理信息科學(xué),2010(1):41-43.

[8] 呂曉,黃賢金.建設(shè)用地?cái)U(kuò)張的研究進(jìn)展及展望[J].地理與地理信息科學(xué),2013(6):51-58.

[9] 陶嘉,黎夏,劉小平,等.分析學(xué)習(xí)智能元胞自動(dòng)機(jī)及優(yōu)化的城市模擬[J].地理與地理信息科學(xué),2007(5):43-47.

[10] 張靚,曾輝.城市建設(shè)用地增長(zhǎng)預(yù)測(cè)主要模型類型及特征[J].地理與地理信息科學(xué),2014(1):50-55.

[11] 王麗妍,李飛雪,李滿春,等.基本農(nóng)田信息對(duì)SLEU TH模型模擬準(zhǔn)確性的影響——以常州市中心城區(qū)為例[J].地理與地理信息科學(xué),2015(3):48-53.

[12] CLARKE K,HOPPEN S,GAYDOS L.A self-modifying cellular automaton model of historical[J].Environ Plan B,1997, 24:247-261.

[13] SILVA E A,CL ARKE K C.Calibration of the SLEUT H urban growth model for Lisbon and Porto,Portugal[J].Computers,Environment and Urban Systems,2002,26(6):525-552.

[14] HEROLD M,GOLDSTEIN N C,CLARKE K C.The spatiotemporal form of urban growth:Measurement,analy sis and modeling[J].Remote Sensing of Environment,2003,86(3): 286-302.

[15] 劉勇.SLEU TH模型支持下的城市擴(kuò)展方案模擬與評(píng)估[J].經(jīng)濟(jì)地理,2009(10):1661-1664.

[16] 李明杰,錢(qián)樂(lè)祥,吳志峰,等.廣州市海珠區(qū)高密度城區(qū)擴(kuò)展SLEU TH模型模擬[J].地理學(xué)報(bào),2010(10):1163-1172.

[17] 朱飛鴿,胡瀚文,沈興華,等.基于SLEUT H模型的上海城市增長(zhǎng)預(yù)測(cè)[J].生態(tài)學(xué)雜志,2011(9):2107-2114.

[18] 李志英,劉涵妮.2003-2011年國(guó)內(nèi)外城市拓展SLEU TH模型研究進(jìn)展[J].中國(guó)人口·資源與環(huán)境,2011(S2):25-28.

[19] AKIN A,CLARKE K C,BERBEROGLU S.The impact of historical exclusion on the calibration of the SLEUT H urban growth model[J].International Journal of Applied Earth Observation and Geoinformation,2014,27:156-168.

[20] 米麗娜.基于SLEUT H模型的銀川市空間擴(kuò)展研究[D].蘭州:蘭州大學(xué),2008.

[21] DIET ZEL C,CLARKE K C.Toward optimal calibration of the SLEUTH land use change model[J].Transactions in GIS,2007, 11(1):29-45.

[22] 馮徽徽,劉慧平,周彬?qū)W,等.SLEUT H模型的參數(shù)行為研究[J].地理與地理信息科學(xué),2012(6):39-43.

[23] 丁成日,郭湘閩,何劍鳴,等.城市發(fā)展空間戰(zhàn)略規(guī)劃研究——以江蘇省昆山市為例[J].城市規(guī)劃學(xué)刊,2008(6):24-31.

[24] CL ARKE K C,GAYDOS L J.L oose-coupling a cellular automaton model and GIS:Long-term urban growth prediction for San Francisco and Washington/Baltimore[J].International Journal of Geographical Information Science,1998,12(7): 699-714.

[25] JANTZ C A,GOETZ S J,SHELLEY M K.Using the SLEU TH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Baltimore-Washington metropolitan area[J].Environment and Planning B,2004,31(2):251-272.

[26] 黎夏,劉小平.基于案例推理的元胞自動(dòng)機(jī)及大區(qū)域城市演變模擬[J].地理學(xué)報(bào),2007(10):1097-1109.

[27] ONST ED J A,CHOWDHURY R R.Does zoning matter A comparative analysis of landscape change in Redland,Florida using cellular automata[J].Landscape and Urban Planning, 2014,121:1-18.

[28] DIET ZEL C,CL ARKE K C.Spatial differences in multi-resolution urban automata modeling[J].Transactions in GIS, 2004,8(4):479-492.

[29] LEAO S,BISHOP I,EVANS D.Simulating urban growth in a developing nation′s region using a cellular automata-based model[J].Journal of Urban Planning and Development,2004, 130(3):145-158.

[30] JANT Z C A,GOETZ S J,DONAT O D,et al.Designing and implementing a regional urban modeling system using the SLEU TH cellular urban model[J].Computers,Environment and U rban Systems,2010,34(1):1-16.

[31] 尹海偉,徐建剛,陳昌勇,等.基于GIS的吳江東部地區(qū)生態(tài)敏感性分析[J].地理科學(xué),2006(1):64-69.

[32] JANT Z C A,GOET Z S J,SHELLEY M K.U sing the SLEUTH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Baltimore-Washington metropolitan area[J].Environment and Planning B:Planning and Design,2004,31(2):251-271.

Simulation of Urban Expansion of Kunshan City Based on SLEUTH Model

XU Jie1,LUO Zhen-dong1,YIN Hai-wei1,GENG Lei2
(1.School of A rchitecture and Urban Planning,Nanjing University,Nanjing 210093; 2.Institute of Urban Planning and Design,Nanj ing University,Nanj ing210093,China)

Quantitatively revealing the expansion mode of urban land use has made great sense to understand the process of regional urbanization and formulate related planning policies.To improve the accuracy of scenario settings and enhance the practical value of SLEUTH model,this paper takes Kunshan that has been undergoing rapid urbanization as a study case.In the study,three different excluded maps representing different scenarios(the existing development trend(scenario-1),the development trend considering ecological sensitivity(scenario-2)and the development trend catering to urban planning(scenario-3))are utilized in the SLEUT H model,which aims to predict the main characteristics of urban land growth of Kunshan in the years from 2011 to 2030.T he paper has set different parameter values for each calibration scenario to acquire a more accurate and real scenario simulation.In scenario-1,the breed and the road-gravity coefficients are the major controllers of the growth and the main urban growth type is the new spreading center growth.In scenaior-2 and scenaior-3,the diffusion and the spread coefficients are the major controllers and the main growth type is the edge growth.The paper proves that using different excluded layers during the calibration can produce more suitable results and the simulation analysis based on different scenarios can provide the decision-making basis and reference information for urban land use planning.

SLEUTH model;urban expansion;scenario analysis;Kunshan city

TU984.2

A

1672-0504(2016)05-0059-06

10.3969/j.issn.1672-0504.2016.05.009

2016-03-11;

2016-05-25

國(guó)家自然科學(xué)基金項(xiàng)目(51478216、51478217);江蘇省“青藍(lán)工程”資助成果

徐杰(1990-),男,碩士研究生,研究方向?yàn)閰^(qū)域與城市規(guī)劃。E-mail:jay31@foxmail.com