詹云軍,朱捷緣,2,嚴 巖

1 武漢理工大學, 資源與環(huán)境工程學院,武漢 4300702 中國科學院生態(tài)環(huán)境研究中心, 城市與區(qū)域生態(tài)國家重點實驗室,北京 100085

基于元胞自動機的城市空間動態(tài)模擬

詹云軍1,朱捷緣1,2,嚴 巖2,*

1 武漢理工大學, 資源與環(huán)境工程學院,武漢 4300702 中國科學院生態(tài)環(huán)境研究中心, 城市與區(qū)域生態(tài)國家重點實驗室,北京 100085

城市空間動態(tài)的模擬與預測可以為城市可持續(xù)發(fā)展規(guī)劃與管理提供重要的參考依據(jù)。SLEUTH元胞自動機模型在城市空間模擬中較強的適用性和可移植性,該模型通過對歷史數(shù)據(jù)的蒙特卡洛迭代自動尋找城市增長誤差最小的參數(shù)組合,解決了傳統(tǒng)元胞自動機模型中轉(zhuǎn)換規(guī)則不易確定的問題。以武漢市為研究案例,運用SLEUTH模型進行了城市空間動態(tài)模擬與情景預測。2007年至2011年的城市空間模擬結(jié)果顯示,模擬結(jié)果與實際歷史數(shù)據(jù)可以獲得良好的空間匹配度,Lee-Sallee形狀指數(shù)均在0.6以上,顯示SLEUTH元胞自動機模型經(jīng)過本地化校正后具有較強的適用性和滿意的模擬精度。進而,設(shè)置了現(xiàn)狀趨勢、基本保護、嚴格保護等3種情景對武漢2025年城市空間動態(tài)進行了預測,結(jié)果顯示,各情景模式下城市居住用地均明顯增長,農(nóng)業(yè)用地、林地、水域等均有所減少；現(xiàn)狀趨勢情景和基本保護情景下農(nóng)田、林地、水域減少的幅度較大,會加劇區(qū)域的生境破碎、耕地功能下降、水資源匱乏、湖濱濕地萎縮等生態(tài)問題,說明這兩種情景不能有效滿足城市生態(tài)系統(tǒng)健康和可持續(xù)發(fā)展的需要。嚴格保護情景下,城市居住用地擴張的程度得到了明顯的控制,水域和林地得到了有效的保護,對于重要的自然生態(tài)系統(tǒng)組分保護及其服務(wù)能力維持可以起到顯著作用。

城市擴展; 土地利用; 模擬; 元胞自動機(SLEUTH模型); 武漢

城市是一個具有開放性、動態(tài)性、自組織性的時空動態(tài)復雜系統(tǒng),城市空間擴展是在特定的地理環(huán)境和一定的社會經(jīng)濟發(fā)展階段中,不同時空尺度下的自然、人文、社會、經(jīng)濟、文化等多種因素的綜合反映。隨著城市空間的不斷擴張,對自然資源的侵占力度也不斷加強,由此帶來一些區(qū)域生態(tài)環(huán)境問題,如熱島效應、植被退化、生態(tài)系統(tǒng)服務(wù)功能下降、生物多樣性降低等[1- 4]。因此,對城市時空演化特征進行定量化描述和預測可為區(qū)域的可持續(xù)發(fā)展和土地利用管理決策提供科學依據(jù),城市空間動態(tài)模擬是城市生態(tài)環(huán)境研究中的重要方向[5]。

近年來,許多學者從不同角度建立了數(shù)學模型和空間模型開展城市空間擴展和動態(tài)模擬研究,如Clarke等利用城市發(fā)展的歷史數(shù)據(jù),根據(jù)城市的交通、地形條件等設(shè)定適當?shù)膮?shù),建立SLEUTH 模型對舊金山和華盛頓都市區(qū)進行了成功模擬和長期預測[6-7]；黎夏和詹云軍等將神經(jīng)網(wǎng)絡(luò)與元胞自動機(cellular automata model, CA)模型相結(jié)合,挖掘城市擴展土地利用演變的規(guī)律[89],但該方法屬于黑箱結(jié)構(gòu),對模型參數(shù)的物理意義難以解釋；劉小平和單玉紅等利用智能體模型對城市空間擴張和土地利用格局演變進行模擬[10-11],智能體模型能模擬個體或群體的行為及決策模式對土地利用產(chǎn)生的影響,但個體決策行為具有極大的復雜性,增加了模型的不確定性,為模型的驗證和移植帶來了困難[12]。其中,SLEUTH模型是一種基于元胞自動機(CA)的城市擴展與土地利用變化模型,其設(shè)計思路是基于交通、地形和城市化的約束條件計算每個元胞單元發(fā)展的可能性,把城市化的元胞作為種子點,通過其擴散帶動整個區(qū)域的發(fā)展,其中離種子點越近的元胞越容易被城市化[6]。與其他模型相比,SLEUTH模型具有較強的普適性和可移植性,最大的特點是根據(jù)模擬結(jié)果與歷史訓練數(shù)據(jù)的擬合度,通過蒙特卡洛迭代自動尋找城市增長誤差最小的組合方案,從而得到城市擴展過程最佳的參數(shù)組合[13],解決了傳統(tǒng)CA模型中轉(zhuǎn)換規(guī)則不易確定的問題。近年來,SLEUTH模型被成功的應用于國內(nèi)的城市空間研究,如北京、廣州、長沙等城市[14- 16]。

武漢是我國華中地區(qū)最大城市,也是長江經(jīng)濟帶國家戰(zhàn)略中長江中游最重要的城市。近年來,武漢市在“武漢8+1城市圈”的發(fā)展規(guī)劃以及舊城改造的政策背景下,城市空間向周圍的快速擴展,土地利用結(jié)構(gòu)演變劇烈,城市化進程日益加快,由此也在一定程度上造成了武漢市水域濕地面積縮減、水質(zhì)污染、耕地減少等生態(tài)問題,城市發(fā)展、空間擴張與生態(tài)環(huán)境保護之間的矛盾成為區(qū)域可持續(xù)發(fā)展面臨的重要難題。本文以武漢市武昌地區(qū)為例,在已有的城市擴展機制和SLEUTH模型應用研究的基礎(chǔ)上,對武漢市城市空間進行動態(tài)模擬,預測不同情景下城市空間擴張格局,進而探討城市土地擴張的生態(tài)環(huán)境影響及可能采取的對策及效果,以期為武漢城市空間發(fā)展和可持續(xù)規(guī)劃與管理提供參考。

1 研究區(qū)域和研究方法

1.1 研究區(qū)域

武漢市位于長江和漢水交匯處,地處29°58′N到31°22′N,113°41′E到115°05′E之間,是華中地區(qū)的特大城市。本文以武漢市的武昌區(qū)、洪山區(qū)、青山區(qū)和江夏區(qū)的北部為研究區(qū),該區(qū)域大部分為平原地區(qū),湖泊水系眾多,空間格局上具有從城市核心區(qū)到郊區(qū)的過渡,產(chǎn)業(yè)上由青山區(qū)的老工業(yè)區(qū)和洪山、江夏區(qū)的經(jīng)濟開發(fā)區(qū)并存,研究區(qū)示意圖如圖1所示。

圖1 研究區(qū)位置示意圖Fig.1 A map of the location of the study area

1.2 方法與數(shù)據(jù)

1.2.1 SLEUTH模型

SLEUTH元胞自動機模型可以模擬和預測城市增長和土地利用演化,模型名稱來自6個輸入圖層的首字母縮寫,分別是坡度圖層(Slope)、土地利用圖層(Landuse)、排除圖層(Exclusion) 、城市化圖層(Urban Extent)、道路圖層(Transportation)和山體陰影圖層( Hillshade)[6,17]。模型轉(zhuǎn)換規(guī)則受擴散系數(shù)、繁衍系數(shù)、蔓延系數(shù)、坡度阻礙系數(shù)和道路引力系數(shù)5個參數(shù)控制,它們決定了城市增長的4 種類型,即自發(fā)增長、新擴展中心增長、邊緣增長和道路影響增長。本文的城市空間動態(tài)模擬具體涉及到居住用地的增長和其他用地類型之間的轉(zhuǎn)換,因此初始種子元胞是已經(jīng)城市化的居住用地元胞,自發(fā)增長指在滿足坡度條件的可城市化的區(qū)域發(fā)展新的居住用地元胞的可能性；新的擴展中心增長表示自發(fā)增長產(chǎn)生的新的居住用地元胞成為新的擴展中心的可能性；邊界增長是原有的擴展中心和新產(chǎn)生的擴展中心周圍繼續(xù)演變?yōu)榫幼∮玫氐目赡苄裕坏缆酚绊懶驮鲩L表示城市交通網(wǎng)絡(luò)對城市擴張的引力作用。

運用SLEUTH模型進行居住用地增長模擬前需進行校正處理,即根據(jù)歷史數(shù)據(jù)來進行樣本訓練,這是一個蒙塔卡羅迭代處理過程[6]。校正過程可分3 個階段,即粗校正、精校正和終校正,根據(jù)模型5個參數(shù)的初始范圍,通過反復計算不同的參數(shù)組合所產(chǎn)生的模擬結(jié)果與實際情況的擬合度,逐步縮小參數(shù)范圍,最終確定最優(yōu)的參數(shù)組合[7],代表了居住用地增長的歷史軌跡方向,并以此參數(shù)組合對城市未來空間擴展進行模擬和預測。

1.2.2 數(shù)據(jù)來源與預處理

本研究所用基礎(chǔ)數(shù)據(jù)來源包括：2005年、2007年、2009年、2011年4期季相一致、高度30m的武漢市Google Earth截圖,從國際科學數(shù)據(jù)服務(wù)平臺下載分辨率為30m的DEM數(shù)據(jù)。針對SLEUTH模型的運行要求,對上述數(shù)據(jù)做了相應的校正、裁切處理,然后結(jié)合遙感解譯和目視解譯,在ARCGIS中制作了SLEUTH模型模型所需的居住用地范圍圖層、土地利用圖層、交通圖層和排除圖層,利用DEM數(shù)據(jù)制備了研究區(qū)的坡度圖層及山體影圖層,輸入數(shù)據(jù)圖層如圖2所示,由于土地利用圖層在模擬結(jié)果驗證中會展示,在此部分不再列舉。最后所有輸入圖層均按照統(tǒng)一的橫軸墨卡托(UTM_WGS1984_49N)投影設(shè)定,全部轉(zhuǎn)換成無符8位灰度的GIF格式的柵格圖像。

圖2 SLEUTH模型輸入數(shù)據(jù)圖層Fig.2 Input data layers of SLEUTH model

本文的城市空間動態(tài)演變主要關(guān)注居住用地與其他土地利用之間的轉(zhuǎn)變,因此對土地利用類型進行重新分類(表1),居住用地圖層指各類住宅用地,具體包括居住小區(qū)和城中村居住用地；商業(yè)服務(wù)業(yè)用地、公共基礎(chǔ)設(shè)施用地和水域作為排除圖層參與模型運行,限制其向居住用地演化；此外,考慮到除了交通網(wǎng)絡(luò)良好的可達性對居住用地建設(shè)的導向作用外,還將生態(tài)環(huán)境好的湖泊、教育用地和設(shè)施發(fā)達的商業(yè)服務(wù)業(yè)對居住用的吸引作用集成到模型中,運用ARCGIS軟件將這類吸引居住用地開發(fā)的區(qū)域從面轉(zhuǎn)換成線,成為“引力道路”納入交通圖層,不同等級的道路設(shè)置不同的相對權(quán)重值來表示不同的可達性和吸引力,一起參與模型的校準、模擬和預測過程。

表1 土地利用類型分類

1.2.3 情景設(shè)計

本文基于研究區(qū)城市空間變化的歷史趨勢和城市生態(tài)保護需求,設(shè)置了現(xiàn)狀趨勢、基本保護、嚴格保護等3種發(fā)展情景。利用SLEUTH模型的參數(shù)獲取結(jié)果,通過修改排除圖層和SLEUTH模型的輸入?yún)?shù),以2011年居住用地范圍為“種子點”,預測其2012—2025年的土地利用變化,實現(xiàn)3種情景下城市土地利用變化的模擬預測。(1)現(xiàn)狀趨勢情景：將公共基礎(chǔ)設(shè)施用地作為排除圖層,排除概率設(shè)為100%,對其他用地不設(shè)發(fā)展限制,同時限制發(fā)展坡度設(shè)為25°,即地形超過25°的區(qū)域不能演化居住用地元胞；(2)基本保護情景：從保護湖泊濕地和基本農(nóng)田的角度,適當控制城市發(fā)展的速度,在現(xiàn)在趨勢發(fā)展情景設(shè)計基礎(chǔ)上,將研究區(qū)域內(nèi)的水域設(shè)置60%的保護概率,農(nóng)業(yè)用地設(shè)置50%的保護概率,同時限制發(fā)展坡度設(shè)置為25°；(3)嚴格保護情景：該情景加強了對農(nóng)田、水域、林地等生態(tài)用地的保護力度,將水域的保護概率設(shè)為100%,農(nóng)田和林地保護概率設(shè)為90%,同時將限制發(fā)展坡度設(shè)置為15°。

2 結(jié)果與討論

2.1 土地利用變化的歷史動態(tài)分析

根據(jù)各用地類型對應的面積計算出2007年至2011年的土地利用轉(zhuǎn)移概率(表2),分析土地利用轉(zhuǎn)移概率矩陣可以得到,農(nóng)業(yè)用地和荒地的耗減度比較大,耗減的農(nóng)業(yè)用地向居住用地和荒地的轉(zhuǎn)化占很大比例,22.48%的荒地被開發(fā)成新的住宅用地。居住用地總體上的凈增加量為10.34 km2,同時從表2中可以得到2007年到2011年期間已有的居住用地的耗減度為13.18%,原因是城區(qū)的一些破舊的城中村和老工業(yè)區(qū)的舊住宅被拆除,轉(zhuǎn)變成暫時的荒地(空地),表明歷史年份中居住用地元胞在增長的同時也有一小部分在衰敗和死亡。研究區(qū)域內(nèi)水域的整體面積變化不大,可能是越來越注重生態(tài)宜居環(huán)境的住宅開發(fā)模式合理的保護了水域的邊界,也可能與政府采取的“還湖、還漁”等政策密切相關(guān)。

新增的居住用地呈散點填充在中心城區(qū)的待建用地中以及城郊區(qū)的工業(yè)園周圍的閑置用地上,部分新增居住用地元胞圍繞湖泊沿岸分布,這也是武漢特殊的自然環(huán)境優(yōu)勢之處,住宅開發(fā)模式向靠近江河湖泊的生態(tài)宜居環(huán)境方向發(fā)展。2005年至2011年研究區(qū)土地利用變化的主要特征是城市空間的擴張及其對農(nóng)業(yè)用地的占用,這可以說是改革開放后武漢市土地利用變化的主要歷史形態(tài)。

2.2 模型校正與模擬精度檢驗

本文用處理之后的4期研究區(qū)城市居住用地數(shù)據(jù)作為訓練樣本對模型進行校正,以獲取城市增長最佳參數(shù)。模型會將訓練結(jié)果與真實數(shù)據(jù)進行對比,并且用Lee-Sallee 指數(shù)來評價校正結(jié)果精度,Lee-Sallee形狀指數(shù)是各控制年份的模擬增長結(jié)果與實際城市居住用地范圍的空間匹配度,用公式表示為：

(1)

S為Lee-Sallee形狀指數(shù),A為模擬的城市居住用地面積,B為實際的城市居住用地面積。

表2 2007年至2011年土地利用類型轉(zhuǎn)移百分比

執(zhí)行校正模塊,本文中校正的3個階段的參數(shù)設(shè)置和檢驗結(jié)果如表3所示。

3個校正階段的Lee-Sallee值均達到0.82以上,說明模型校正結(jié)果非常理想。最后獲得研究區(qū)的增長系數(shù)組合為：3(擴散系數(shù))、4(繁衍系數(shù))、1(蔓延系數(shù))、95(坡度阻力系數(shù))和45(道路引力系數(shù))。運行SLEUTH模型的測試(Test)模塊,以2005年為初始年,以校正階段提取的最佳系數(shù)組合作為模型模擬的初始參數(shù),對研究區(qū)2006年至2011年的土地利用變化情況進行模擬,得到逐年的土地利用模擬結(jié)果(圖3)。對土地利用模擬結(jié)果從空間匹配性和面積精確度兩個方面進行評估,選擇Lee-Sallee形狀指數(shù)為主要指標評估模擬結(jié)果與歷史數(shù)據(jù)在空間位置上的匹配性,各控制年份2007、2009和2011年的Lee-Sallee指數(shù)依次為0.87、0.94、0.67,均在0.6以上,空間匹配度比較高；利用面積比指數(shù)對模擬的土地利用面積進行精度驗證(表4),計算結(jié)果表明各用地類型的演化在數(shù)量上的模擬精度也比較高,精度均達到79%以上,交通用地、公共基礎(chǔ)設(shè)施用地、工業(yè)用地、農(nóng)業(yè)用地、水域和林地的模擬精度均達到92%以上,其中水域的模擬精度最高。相比較而言,荒地的模擬精度稍低,可能受“舊城改造”和產(chǎn)業(yè)上“退二進三”的政策影響,一些污染較大的老工業(yè)區(qū)和城中村的拆除導致臨時空地(待建用地)增多,而SLEUTH模型模擬過程并沒有捕捉突變式的社會經(jīng)濟政策影響。

圖3 2007年土地利用模擬圖與真實圖; 2011年土地利用模擬圖與真實圖Fig.3 Land use simulation result and actual map in 2007; Land use simulation result and actual map in 2007

土地利用類型Landusetypes2007年2011年實際面積Actualarea/hm2模擬面積Simulatedarea/hm2精度Accuracy/%實際面積Actualarea/hm2模擬面積Simulatedarea/hm2精度Accuracy/%交通用地Transportationland5268508696．556092575794．50居住用地Residentialland112071251188．36122411348289．86公共基礎(chǔ)設(shè)施用地Publicfacilitiesland5322501694．256026555492．17工業(yè)用地Industrialland3811409692．524590445597．06農(nóng)業(yè)用地Agriculturalland264582614598．81202712180192．45水域Waterarea192051910999．50192851911199．10林地Woodland5781545594．365972581597．37荒地Unusedland4577421192．007152565479．05合計Total8162981629—8162981629—

2.3 不同情景下的城市空間預測結(jié)果

運用模型模擬,得到研究區(qū)3種情景下2012—2025年土地利用變化結(jié)果。2025年研究區(qū)土地利用格局見圖4,各土地利用類型面積變化見圖5。從面積變化看,各情景下居住用地均明顯增加,城市居住用地對其他用地類型均有不同程度的侵占,對農(nóng)業(yè)用地和荒地的占用最多。從擴展模式看,總體表現(xiàn)為從舊城中心區(qū)向外不斷蔓延,區(qū)域內(nèi)沒有產(chǎn)生新的大規(guī)模居住隔離組團,新增的居住用地元胞主要是在原有的原有城市化基礎(chǔ)上向外圍郊區(qū)蔓延擴展,空間格局較破碎化；同時也有內(nèi)部填充式增長,表現(xiàn)為中心城區(qū)內(nèi)部的空地出現(xiàn)呈散點狀分布的居住用地元胞。此外,在城市交通的推動下,居住用地沿交通便利區(qū)域蔓延速度比較迅速,青山區(qū)和洪山區(qū)外圍的高速路、洪山區(qū)的白沙洲大道、光谷一路以及江夏區(qū)的武昌大道周圍出現(xiàn)了一定量的新增居住用地元胞。江河湖泊沿岸的新增居住用地元胞也很明顯,顯示出“道路引力”的效果。

圖4 三種情景下的2025年土地利用變化預測圖現(xiàn)狀趨勢情景,基本保護情景,嚴格保護情景Fig.4 Prediction results of urban growth and land use in 2025 under different scenarios in the study area current development trend scenario, basic protection scenario, strict protection scenario

圖5 2011—2025年研究區(qū)的土地利用類型面積變化 Fig.5 The area change of different land use types in the study area from 2011to 2025

從圖5可以看出,不同情景下土地利用變化趨勢差異較大?，F(xiàn)狀趨勢情景下城市擴展呈無序蔓延狀態(tài),尤其是城郊結(jié)合區(qū)土地利用變化尤為劇烈。城鎮(zhèn)用地擴張迅速,占用了大量的農(nóng)田和荒地,林地和水域也有相當程度的損失。居住用地增加最為顯著,2011—2025年,將增加5673.6hm2,年均增長378.24hm2。農(nóng)田損失量約為2742.84hm2,林地減少667.08 hm2,水域?qū)p少546.12 hm2,這會加劇區(qū)域的生境破碎、耕地功能下降、水資源匱乏、湖濱濕地萎縮等生態(tài)問題,加大城市發(fā)展與生態(tài)保護之間的矛盾。

基本保護情景下,城市擴張的速度得到了一定程度的控制。居住用地將增加4575.6 hm2,年均增長量為305.04hm2。農(nóng)田損失較為顯著下降,損失量為1781.64hm2。林地和水域等自然生態(tài)類型仍然有顯著損失,林地減少了635.76 hm2,水域減少270.36 hm2。從空間格局來看,此種情景下的城市空間擴展空間形態(tài)也比現(xiàn)狀趨勢情景下稍顯緊湊。

嚴格保護情景下,由于加大了對各類湖泊濕地和基本農(nóng)田的保護力度,居住用地的大肆擴張得到適當?shù)目刂?土地利用變化速度明顯降低。居住用地增幅顯著減小,增加2583.72 hm2,年均增長量為172.25hm2。林地、水域等生態(tài)用地損失明顯降低,林地減少203.4 hm2,水域減少129.96 hm2,相比基本保護情景,損失量分別下降了68.01%、51.93%。這顯示出生態(tài)保護措施具有顯著的調(diào)控效果,對于限制建設(shè)用地的肆意擴張和保護水域、農(nóng)田等各類生態(tài)用地及其生態(tài)系統(tǒng)服務(wù)能力可以起到積極作用。

3種情景下,工業(yè)用地和公共基礎(chǔ)設(shè)施用地的面積變化均不明顯,主要是由于這些用地類型規(guī)模不大,歷史變動也較小,從而根據(jù)歷史外推趨勢得到的預測面積變化也不顯著。

3 結(jié)論

在GIS和RS技術(shù)的支持下,利用SLEUTH元胞自動機模型對武漢市武昌、洪山和江夏部分地區(qū)的城市空間演變進行模擬和情景預測,揭示不同土地保護強度下的城市擴展趨勢,主要結(jié)論如下：

(1)從模型模擬精度來看,2007年至2011年的城市空間模擬結(jié)果與歷史數(shù)據(jù)的空間匹配度較高,形狀指數(shù)和面積比指數(shù)均較大,模擬精度較高,表明SLEUTH元胞自動機模型通過本地化校正后可以應用在城市空間動態(tài)模擬中,具有較強的適用性和可移植性。

(2)對武漢2025年城市空間擴展的模擬結(jié)果表明,各情景下居住用地均明顯增加,對其他用地類型均有不同程度的侵占,顯示城市居住用地增長在未來土地利用變化過程中占據(jù)主導地位。從空間擴展模式來看,新增的居住用地元胞主要是在原有的城市化基礎(chǔ)上向外圍郊區(qū)蔓延擴展,空間格局較破碎化,同時輔以內(nèi)部空地填充增長；此外,城市交通和自然環(huán)境優(yōu)越的湖泊水系對城市空間的擴展有很強的吸引作用。

(3)從不同情景下的模擬結(jié)果來看,3種情景下農(nóng)業(yè)用地、水域、林地和荒地的面積均有所減少,現(xiàn)狀趨勢情景和基本保護情景下農(nóng)田和水域減少的幅度較大,會繼續(xù)加劇區(qū)域的生境破碎、耕地功能下降、水資源匱乏等生態(tài)問題,說明現(xiàn)狀趨勢和一般保護兩種情景下,城市重要生態(tài)組分及其生態(tài)服務(wù)能力將受到較為顯著的損害,進而威脅城市生態(tài)系統(tǒng)健康和可持續(xù)發(fā)展。嚴格保護情景下模擬結(jié)果顯示,城市居住用地擴張的程度得到了明顯的控制,水域和林地得到了有效的保護,對于重要的自然生態(tài)系統(tǒng)組分保護及其服務(wù)能力維持可以起到顯著作用,保障城市系統(tǒng)健康和可持續(xù)發(fā)展。

本文的研究結(jié)果可以為城市空間動態(tài)相關(guān)研究和武漢城市發(fā)展調(diào)控提供參考。此外,城市空間的演變受多種因素的綜合影響,存在許多不確定性,進一步更為深入的研究,應當研究將城市交通發(fā)展、新區(qū)建設(shè)、功能區(qū)轉(zhuǎn)移、城市發(fā)展規(guī)劃等多方面的影響因素納入模型,揭示其對城市空間動態(tài)的影響機制并在此基礎(chǔ)上進行未來情景預測模擬,為城市可持續(xù)管理提供更為精確和明確的參考依據(jù)。

[1] 傅伯杰, 張立偉. 土地利用變化與生態(tài)系統(tǒng)服務(wù): 概念、方法與進展. 地理科學進展, 2014, 33(4): 441- 446.

[2] 趙丹, 李鋒, 王如松. 城市土地利用變化對生態(tài)系統(tǒng)服務(wù)的影響——以淮北市為例. 生態(tài)學報, 2013, 33(8): 2343- 2349.

[3] Seto K C, Güneralp B, Hutyra L R. Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(40): 16083- 16088.

[4] 嚴巖, 趙景柱, 王延春, 羅祺姍. 中國耕地資源損失驅(qū)動力分析. 生態(tài)學雜志, 2005, 24(7): 817- 822.

[5] Huang S L, Wang S H, Budd W W. Sprawl in Taipei′s peri-urban zone: responses to spatial planning and implications for adapting global environmental change. Landscape and Urban Planning, 2009, 90(1/2): 20- 32.

[6] Clarke K C, Gaydos L J. Loose-coupling a cellular automaton 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.

[7] Silva E A, Clarke K C. Calibration of the SLEUTH urban growth model for Lisbon and Porto, Portugal. Computers, Environment and Urban Systems, 2002, 26(6): 525- 552.

[8] 黎夏, 葉嘉安. 基于神經(jīng)網(wǎng)絡(luò)的單元自動機CA及真實和優(yōu)化的城市模擬. 地理學報, 2002, 57(2): 159- 166.

[9] 詹云軍, 黃解軍, 吳艷艷. 基于神經(jīng)網(wǎng)絡(luò)與元胞自動機的城市擴展模擬. 武漢理工大學學報, 2009, 31(1): 86- 90

[10] 劉小平, 黎夏, 艾彬, 陶海燕, 伍少坤, 劉濤. 基于多智能體的土地利用模擬與規(guī)劃模型. 地理學報, 2006, 61(10): 1101- 1112.

[11] 單玉紅, 朱欣焰. 城市居住空間擴張的多主體模擬模型研究. 地理科學進展, 2011, 30(8): 956- 966.

[12] 田光進, 鄔建國. 基于智能體模型的土地利用動態(tài)模擬研究進展. 生態(tài)學報, 2008, 28(9): 4451- 4459.

[13] Dietzel C, Clarke K C. Toward optimal calibration of the SLEUTH land use change model. Transactions in GIS, 2007, 11(1): 29- 45.

[14] 張巖, 李京, 陳云浩. 利用SLEUTH模型進行北京城市擴展模擬研究. 遙感信息, 2007, (2): 50- 54.

[15] 李明杰, 錢樂祥, 吳志峰, 崔海山, 侯西勇. 廣州市海珠區(qū)高密度城區(qū)擴展SLEUTH模型模擬. 地理學報, 2010, 65(10): 1163- 1172.

[16] 劉勇, 吳次芳, 岳文澤, 黃經(jīng)南. 基于SLEUTH模型的杭州市城市擴展研究. 自然資源學報, 2008, 23(5): 797- 807.

[17] Dietzel C, Clarke K C. The effect of disaggregating land use categories in cellular automata during model calibration and forecasting. Computers, Environment and Urban Systems, 2006, 30(1): 78- 101.

Dynamic simulation of urban space based on the cellular automata model

ZHAN Yunjun1, ZHU Jieyuan1,2, YAN Yan2,*

1WuhanUniversityofTechnology,SchoolofResourceandenvironmentalengineering,Wuhan430070,China2StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-EnvironmentalSciences,ChineseAcademyofSciences,Beijing100085,China

The dynamic simulation and prediction of urban space can provide an important reference for the planning and management of sustainable urban development. The cellular automata model SLEUTH has strong universality and portability in urban spatial simulation. It is based on the Monte Carlo iteration of urban historical data and is capable of automatically identifying urban growth parameters with minimum error, which has effectively resolved the difficulties encountered in determining the conversion rules when using the traditional cellular automata models. In this study, we applied the SLEUTH model to perform urban spatial simulation and prediction under different scenarios in Wuhan City. Our findings revealed that the urban spatial simulation results for the period 2007 to 2011 showed a strong correlation with actual historical data. The Lee-Sallee shape index was greater than 0.6, which proves that the SLEUTH model exhibits a strong universality and suitable simulation accuracy after local correction. Moreover, the urban dynamic changes in Wuhan in 2025 were predicted under three scenarios, namely, the current development trend scenario, the basic protection scenario, and the strict protection scenario. The results of simulation under these three scenarios indicate that urban residential land will increase significantly, whereas agricultural land, woodland, water, and other land would decrease, particularly under the current development trend and basic protection scenarios. Under these two scenarios, considerable decreases are observed in agricultural land, woodland, and water, which may intensify habitat fragmentation, and result in a decline in the quality of cultivated land, water resource shortage, wetland shrinkage, and other ecological problems. Under the strict protection scenario, the rapid proliferation of construction land would be restricted to a large extent and water bodies and woodland would be transformed the least, which would effectively protect natural ecosystem components and maintain sustainable ecosystem services

urban expansion; land use; simulation; cellular automata model (SLEUTH model); Wuhan

中央高?；究蒲袠I(yè)務(wù)費專項資金資助(2014-IV- 141); 長江科學院開放基金(CKWV2016403/KY);國家重點研發(fā)計劃項目(2016YFC0502102)

2016- 04- 25; 網(wǎng)絡(luò)出版日期:2017- 03- 02

10.5846/stxb201604250780

*通訊作者Corresponding author.E-mail: yyan@rcees.ac.cn

詹云軍,朱捷緣,嚴巖.基于元胞自動機的城市空間動態(tài)模擬.生態(tài)學報,2017,37(14):4864- 4872.

Zhan Y J, Zhu J Y, Yan Y.Dynamic simulation of urban space based on the cellular automata model.Acta Ecologica Sinica,2017,37(14):4864- 4872.