劉 天 林，劉 明 皓，荊 磊，李 婷

(重慶郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院/空間信息研究中心，重慶 400065)

0 引言

城市快速擴(kuò)張?jiān)趧?chuàng)造巨大經(jīng)濟(jì)價(jià)值的同時(shí)，環(huán)境、生態(tài)及社會(huì)問(wèn)題也日益突出，特別是行政區(qū)劃調(diào)整、城市擴(kuò)張和重點(diǎn)項(xiàng)目建設(shè)等違背農(nóng)民意愿的被動(dòng)城市化問(wèn)題已引起學(xué)術(shù)界的廣泛關(guān)注[1]。如何遵循城市化發(fā)展規(guī)律，因勢(shì)利導(dǎo)地制定城市發(fā)展規(guī)劃，是實(shí)現(xiàn)社會(huì)、經(jīng)濟(jì)和環(huán)境可持續(xù)發(fā)展必不可少的環(huán)節(jié)。城市動(dòng)態(tài)模擬是制定城鄉(xiāng)發(fā)展規(guī)劃的重要工具與手段，可為土地資源合理分配、結(jié)構(gòu)有效調(diào)整、生態(tài)環(huán)境保護(hù)和農(nóng)民安置等社會(huì)問(wèn)題提供決策方案。

自從Chapin等首次將元胞自動(dòng)機(jī)(CA)應(yīng)用于城市擴(kuò)張及土地利用/覆蓋研究[2]后，CA逐漸成為國(guó)內(nèi)外相關(guān)學(xué)者關(guān)注的熱點(diǎn)，CA的核心問(wèn)題是如何有效獲取用地轉(zhuǎn)換規(guī)則[3]。多準(zhǔn)則決策較早用于定義非確定性、多維度和多級(jí)別的轉(zhuǎn)換規(guī)則，但由此得出的驅(qū)動(dòng)因子權(quán)重與實(shí)際結(jié)果間的因果關(guān)系并不清晰[4]。之后，Logistic回歸[5，6]、神經(jīng)網(wǎng)絡(luò)[7-10]、遺傳算法[11]和蟻群算法[12]等智能算法被用于提取更加準(zhǔn)確、客觀的轉(zhuǎn)換規(guī)則，體現(xiàn)了其獨(dú)特優(yōu)勢(shì)。用地轉(zhuǎn)換規(guī)則獲取過(guò)程中，元胞演化機(jī)制模擬是CA模型構(gòu)建的一個(gè)關(guān)鍵問(wèn)題， 一些模型考慮到土地利用類(lèi)型之間轉(zhuǎn)換的真實(shí)情況而引入動(dòng)態(tài)鄰域[13]、自適應(yīng)競(jìng)爭(zhēng)[14]和元胞轉(zhuǎn)換異步[15]等機(jī)制，或考慮自然與社會(huì)現(xiàn)象的空間分異而合理地引入地理分區(qū)[16]理念，或考慮驅(qū)動(dòng)因子的變化而引入城市未來(lái)發(fā)展規(guī)劃等政策因素[17]，從而使模擬結(jié)果更加精準(zhǔn)。但在使用智能算法提取規(guī)則進(jìn)行城市擴(kuò)張模擬時(shí)，對(duì)于城市元胞密集程度特別大的區(qū)域，由于非城市元胞會(huì)同樣被賦予較大的轉(zhuǎn)換概率，使得模擬結(jié)果產(chǎn)生類(lèi)間模糊，這與傳統(tǒng)CA模型在每次迭代中通過(guò)設(shè)置某一閾值或選擇轉(zhuǎn)換概率最大的前N個(gè)元胞進(jìn)行轉(zhuǎn)換等約束條件有關(guān)。這種機(jī)制加上鄰域因素影響將導(dǎo)致城市密集區(qū)域的非城市元胞優(yōu)先轉(zhuǎn)換，并與已存在的城市元胞不斷連接，零散的斑塊整合為較大的斑塊，從而產(chǎn)生城市中心元胞團(tuán)簇現(xiàn)象[18]。團(tuán)簇現(xiàn)象在景觀格局上表現(xiàn)為城市斑塊面積變大，數(shù)量大幅減少，形狀更加規(guī)則，然而在真實(shí)的城市擴(kuò)張過(guò)程中，城市元胞密集區(qū)域中的部分非城市元胞(如小面積的池塘水域和復(fù)雜地形條件下的山體森林等)通常不會(huì)發(fā)生轉(zhuǎn)換。限制圖層方法可在一定程度上解決類(lèi)間模糊而被廣泛使用，但該方法通過(guò)植入大面積的規(guī)劃要素改變轉(zhuǎn)換規(guī)則，不適合量多面廣的復(fù)雜地形下的用地轉(zhuǎn)換；加之傳統(tǒng)智能算法的元胞轉(zhuǎn)換策略無(wú)法真實(shí)模擬城市擴(kuò)張中的用地演化機(jī)制，使得該方法在解決團(tuán)簇現(xiàn)象方面不理想。

隨機(jī)森林(Random Forest，RF)的抗過(guò)擬合能力強(qiáng)，訓(xùn)練速度快，在一定程度上可降低不平衡數(shù)據(jù)集的誤差，且能度量各驅(qū)動(dòng)因子的重要性，在城市擴(kuò)張模擬中精度較高[19，20]；基于斑塊(Patch)擴(kuò)張的CA模型能真實(shí)體現(xiàn)城市擴(kuò)張過(guò)程，其關(guān)鍵是確定每個(gè)新增斑塊的面積，而已有研究基于歷史土地利用數(shù)據(jù)確定斑塊擴(kuò)張面積[21，22]，未考慮驅(qū)動(dòng)因子對(duì)城市斑塊擴(kuò)張的影響程度。綜上，針對(duì)傳統(tǒng)CA模型存在的不足，本文耦合隨機(jī)森林與基于斑塊擴(kuò)張的CA模型，在顧及驅(qū)動(dòng)因子重要性基礎(chǔ)上，構(gòu)建一種基于斑塊最大面積與城市擴(kuò)張總量的雙約束RF-Patch-CA城市擴(kuò)張模擬方法，并利用該方法模擬重慶主城都市區(qū)2010-2017年城市擴(kuò)張情況，提取有效的城市擴(kuò)張轉(zhuǎn)換規(guī)則。

1 研究區(qū)域與數(shù)據(jù)

重慶市是成渝雙城經(jīng)濟(jì)圈的核心城市之一，是實(shí)施長(zhǎng)江經(jīng)濟(jì)帶和“一帶一路”戰(zhàn)略的重要組成部分，是國(guó)家推進(jìn)新型城鎮(zhèn)化的重點(diǎn)區(qū)域。2020年5月，重慶市首次明確“主城都市區(qū)21個(gè)區(qū)”的概念，主城都市區(qū)位于重慶西部，包括中心城區(qū)、同城化發(fā)展先行區(qū)、重要戰(zhàn)略支點(diǎn)城市和橋頭堡城市四部分，其中中心城區(qū)包含“兩江四岸”核心區(qū)(圖1)。

圖1 重慶主城都市區(qū)示意

考慮到城市擴(kuò)張的主要?jiǎng)恿?，本文選擇自然環(huán)境、社會(huì)經(jīng)濟(jì)和交通作為城市擴(kuò)張的主要影響因素。研究數(shù)據(jù)(表1)中，土地利用數(shù)據(jù)源于全球土地覆蓋高分辨率觀測(cè)與監(jiān)測(cè)(FROM-GLC)，該數(shù)據(jù)精度較高，在研究區(qū)域內(nèi)表現(xiàn)出城市斑塊數(shù)較多、平均面積較小和分布離散等特點(diǎn)，適用于解決城市中心元胞團(tuán)簇問(wèn)題。將表1中的異構(gòu)數(shù)據(jù)統(tǒng)一研究區(qū)域范圍、空間坐標(biāo)系和分辨率(100 m)，通過(guò)水體、路網(wǎng)和興趣點(diǎn)數(shù)據(jù)計(jì)算相應(yīng)的歐氏距離和點(diǎn)密度，構(gòu)建統(tǒng)一的驅(qū)動(dòng)因子數(shù)據(jù)集(圖2)。

表1 研究數(shù)據(jù)

2 研究方法

2.1 雙約束RF-Patch-CA模型技術(shù)流程

RF-Patch-CA模型(圖3)運(yùn)行過(guò)程如下：1)通過(guò)檢測(cè)前后兩期土地利用分類(lèi)數(shù)據(jù)變化得到城市用地變化數(shù)據(jù)，并與相對(duì)應(yīng)的驅(qū)動(dòng)因子數(shù)據(jù)進(jìn)行隨機(jī)分層抽樣；2)將抽樣后的數(shù)據(jù)集輸入RF模型進(jìn)行訓(xùn)練與測(cè)試，通過(guò)訓(xùn)練好的RF模型得到每個(gè)元胞的轉(zhuǎn)換適宜性，并利用袋外數(shù)據(jù)評(píng)價(jià)驅(qū)動(dòng)因子的重要性；3)根據(jù)城市發(fā)展適宜性、鄰域效應(yīng)與限制因素計(jì)算得到總體轉(zhuǎn)換概率；4)通過(guò)驅(qū)動(dòng)因子重要性度量估計(jì)斑塊擴(kuò)張的最大面積，作為基于斑塊擴(kuò)張的CA模型的局部約束條件；5)由城市用地變化數(shù)據(jù)統(tǒng)計(jì)得到城市擴(kuò)張總量，作為基于斑塊擴(kuò)張的CA模型的全局約束條件；6)基于斑塊的配置與迭代對(duì)城市擴(kuò)張進(jìn)行模擬與參數(shù)校驗(yàn)，得到模擬結(jié)果。本文分別在元胞層面與斑塊層面對(duì)模型進(jìn)行評(píng)價(jià)，并與RF-CA、ANN-CA和Logistic-CA模型相比較，驗(yàn)證模型的準(zhǔn)確性;通過(guò)馬爾科夫鏈計(jì)算城市未來(lái)擴(kuò)張總量并輸入到模型中，獲得未來(lái)預(yù)測(cè)結(jié)果。

2.2 轉(zhuǎn)換規(guī)則提取

CA模型中每個(gè)元胞的總體轉(zhuǎn)換概率取決于城市發(fā)展適宜性Ps、鄰域效應(yīng)Ω與限制因素Pc。城市發(fā)展適宜性通過(guò)RF算法計(jì)算得到，該算法基于集成學(xué)習(xí)的思想，將多棵決策樹(shù)組合成森林，利用多數(shù)投票規(guī)則得到分類(lèi)結(jié)果[20，23，24]，公式如下：

(1)

圖2 城市擴(kuò)張驅(qū)動(dòng)因子

圖3 雙約束RF-Patch-CA模型結(jié)構(gòu)

元胞i被分為第k種類(lèi)別的概率計(jì)算公式為：

(2)

在城市擴(kuò)張模擬研究中，元胞i在t時(shí)刻轉(zhuǎn)換為城市元胞的概率Ps(i,t)(亦即元胞i在t時(shí)刻的城市發(fā)展適應(yīng)性)可表示為：

(3)

鄰域效應(yīng)是CA模型的重要組成部分，代表n×n鄰域范圍內(nèi)中心元胞與周邊元胞的相互作用，具體表現(xiàn)為中心元胞n×n鄰域范圍內(nèi)城市元胞的密度。元胞i在t時(shí)刻的鄰域效應(yīng)可表示為：

(4)

限制因素約束了特殊土地利用類(lèi)型向城市的轉(zhuǎn)換，可表示為：

(5)

式中：Landusek表示第k種土地利用類(lèi)型；當(dāng)元胞i在t時(shí)刻符合擴(kuò)張限制條件時(shí)，con(·)取值為0，否則取值為1。

考慮到地理和政策因素，本研究規(guī)定河流、湖泊和森林保護(hù)區(qū)不會(huì)轉(zhuǎn)換為城市，因此，元胞i在t時(shí)刻的總體轉(zhuǎn)換概率(未顯式地增加隨機(jī)因素，而是在斑塊擴(kuò)張中通過(guò)輪盤(pán)賭隱含城市轉(zhuǎn)換的隨機(jī)性)可表示為：

(6)

2.3 基于斑塊擴(kuò)張策略的CA模型流程

驅(qū)動(dòng)因子重要性反映了驅(qū)動(dòng)因子對(duì)城市擴(kuò)張的影響程度，本文據(jù)此估計(jì)每個(gè)斑塊擴(kuò)張的最大面積，作為模型的局部約束條件。假設(shè)某元胞擴(kuò)張形成的斑塊的最大面積由重要性最大的驅(qū)動(dòng)因子決定，具體而言，因?yàn)槊總€(gè)元胞的面積相等，所以第i個(gè)元胞作為起點(diǎn)擴(kuò)張形成的斑塊最大面積Amax,i可等價(jià)為組成該斑塊的元胞數(shù)量，即：

(7)

式中：

模型的全局約束條件表示為：

(8)

式中：A為城市擴(kuò)張總量，也代表n個(gè)起點(diǎn)元胞擴(kuò)張形成的斑塊實(shí)際面積之和；Ai為第i個(gè)起點(diǎn)元胞擴(kuò)張形成的斑塊實(shí)際面積。

為驗(yàn)證重要性最大的驅(qū)動(dòng)因子對(duì)城市斑塊擴(kuò)張的影響程度，本文設(shè)計(jì)了基于單約束的斑塊擴(kuò)張流程。該實(shí)驗(yàn)流程相比上述實(shí)驗(yàn)的不同之處在于：1)移除了通過(guò)重要性最大的驅(qū)動(dòng)因子計(jì)算斑塊最大面積Amax,i的模塊(局部約束條件)；2)僅使用輪盤(pán)賭機(jī)制作為每個(gè)斑塊擴(kuò)張的迭代終止條件。

圖4 基于斑塊擴(kuò)張的CA模型流程

2.4 精度檢驗(yàn)與評(píng)價(jià)

本文分別從元胞與斑塊層面對(duì)模型進(jìn)行精度檢驗(yàn)與評(píng)價(jià)。在元胞層面，總體精度(OA)在數(shù)據(jù)類(lèi)別不均衡方面存在局限性，基于混淆矩陣的Kappa系數(shù)能更準(zhǔn)確地進(jìn)行一致性檢驗(yàn)。Pontius等根據(jù)實(shí)際結(jié)果與模擬結(jié)果的變化差異提出品質(zhì)因數(shù)(Figure of Merit，F(xiàn)oM)[25]，相比OA和Kappa系數(shù)，F(xiàn)oM能更準(zhǔn)確地反映對(duì)復(fù)雜地理系統(tǒng)模擬的一致性和準(zhǔn)確性，其計(jì)算公式如下：

FoM=B/(A+B+C+D)

(9)

式中：A為實(shí)際發(fā)生轉(zhuǎn)換、但模擬中未發(fā)生轉(zhuǎn)換的錯(cuò)誤區(qū)域面積；B為實(shí)際和模擬中都發(fā)生轉(zhuǎn)換的正確區(qū)域面積；C為實(shí)際和模擬中都發(fā)生轉(zhuǎn)換，但轉(zhuǎn)換為與實(shí)際不相同的錯(cuò)誤區(qū)域面積，本研究只涉及非城市元胞的轉(zhuǎn)換，故C=0；D為實(shí)際未發(fā)生轉(zhuǎn)換、但模擬中發(fā)生轉(zhuǎn)換的錯(cuò)誤區(qū)域面積。

在斑塊層面上，為精確評(píng)價(jià)模擬結(jié)果的城市元胞團(tuán)簇程度，選取3種景觀指數(shù)：斑塊數(shù)量(NP)，反映景觀格局及破碎程度；斑塊平均周長(zhǎng)面積比(PARA_MN)，描述斑塊形狀的復(fù)雜度；平均最鄰近歐氏距離(ENN_MN)，度量斑塊間的離散和團(tuán)聚分布。Chen等運(yùn)用基于以上景觀指數(shù)計(jì)算得出的景觀相似度αl評(píng)價(jià)實(shí)際圖像與模擬圖像之間的差異[17]，其計(jì)算公式如下：

(10)

式中：li,s和li,o分別表示模擬圖像與實(shí)際圖像的第i種景觀指數(shù)；Δli為3種評(píng)價(jià)指標(biāo)的歸一化結(jié)果。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 模型關(guān)鍵步驟

首先，由2010年和2017年城市土地利用數(shù)據(jù)經(jīng)過(guò)用地變化檢測(cè)得到城市土地利用變化數(shù)據(jù)，隨機(jī)分層抽取10%作為樣本，然后獲取樣本對(duì)應(yīng)的驅(qū)動(dòng)因子數(shù)據(jù)，由此構(gòu)建樣本數(shù)據(jù)集。利用樣本數(shù)據(jù)對(duì)RF模型進(jìn)行訓(xùn)練和調(diào)優(yōu)，訓(xùn)練好的RF模型子樹(shù)數(shù)量為1 200，子樹(shù)的最大深度為40，子樹(shù)結(jié)點(diǎn)每次分裂時(shí)考慮的最大特征數(shù)為3。此外，RF模型對(duì)驅(qū)動(dòng)因子重要性的計(jì)算結(jié)果顯示，夜間燈光強(qiáng)度對(duì)城市擴(kuò)張的影響程度遠(yuǎn)大于其他驅(qū)動(dòng)因子。考慮到夜間燈光數(shù)據(jù)在一定程度上反映區(qū)域的經(jīng)濟(jì)發(fā)展水平與人口密度[26]，而城市擴(kuò)張的主要?jiǎng)恿υ从谏鐣?huì)經(jīng)濟(jì)和人口遷移等因素[27]，故本研究用夜間燈光強(qiáng)度約束城市斑塊擴(kuò)張。在斑塊擴(kuò)張的迭代過(guò)程中，元胞的總體轉(zhuǎn)換概率由式(6)得到；擴(kuò)張系數(shù)通過(guò)校驗(yàn)確定，本研究取值為25。

3.2 城市擴(kuò)張模擬結(jié)果

以2010年重慶主城都市區(qū)為初始狀態(tài)，通過(guò)雙約束RF-Patch-CA模型得到2017年城市擴(kuò)張模擬結(jié)果，并與傳統(tǒng)CA模型模擬結(jié)果和2017年實(shí)際結(jié)果進(jìn)行對(duì)比(圖5)。從全局看，雙約束RF-Patch-CA模型的模擬結(jié)果比3種傳統(tǒng)CA模型更接近實(shí)際結(jié)果；從局部看，3種傳統(tǒng)CA模型呈現(xiàn)出明顯的城市中心元胞團(tuán)簇現(xiàn)象，而雙約束RF-Patch-CA模型避免了該現(xiàn)象。圖5d與圖5e的局部結(jié)果比較說(shuō)明，通過(guò)考慮驅(qū)動(dòng)因子重要性約束城市斑塊擴(kuò)張，能使模擬結(jié)果更符合實(shí)際城市斑塊的分布格局。

圖5 2010-2017年重慶主城都市區(qū)城市擴(kuò)張模擬與實(shí)際分布對(duì)比

3.3 精度評(píng)價(jià)

由表2可知，雙約束RF-Patch-CA模型相比單約束模型在OA、Kappa系數(shù)和FoM上分別提高了0.0034、0.0359和0.0599，說(shuō)明考慮驅(qū)動(dòng)因子對(duì)城市斑塊擴(kuò)張的影響程度能有效提高模型的模擬精度。

表2 單約束和雙約束RF-Patch-CA模型精度對(duì)比

為進(jìn)一步驗(yàn)證模型精度，在元胞層面和斑塊層面將本文雙約束RF-Patch-CA模型與RF-CA、ANN-CA和Logistic-CA模型進(jìn)行比較(表3、表4)。從元胞層面看，本文模型的OA、Kappa系數(shù)和FoM均高于上述3種模型，其中Kappa系數(shù)分別提高了0.0222、0.0231和0.0245，F(xiàn)oM分別提高了0.0376、0.0391和0.0414，說(shuō)明雙約束RF-Patch-CA模型更有利于探索城市擴(kuò)張轉(zhuǎn)換規(guī)則；從斑塊層面看，3種傳統(tǒng)CA模型的斑塊數(shù)遠(yuǎn)小于真實(shí)斑塊數(shù)，斑塊面積更大，斑塊間相對(duì)較分散，在城市元胞密集區(qū)域呈明顯的團(tuán)簇現(xiàn)象，而本文模型的3項(xiàng)景觀指數(shù)更接近實(shí)際值。本文模型景觀相似度為77.48%，相比3種模型分別提高了40.92%、41.16%和32.33%。模型景觀指數(shù)和景觀相似度的對(duì)比結(jié)果充分說(shuō)明了本文雙約束模型模擬結(jié)果有效避免了城市元胞團(tuán)簇現(xiàn)象，景觀格局更接近實(shí)際結(jié)果。

表3 雙約束RF-Patch-CA模型與傳統(tǒng)CA模型精度對(duì)比

表4 雙約束RF-Patch-CA模型、傳統(tǒng)CA模型和實(shí)際結(jié)果的景觀指數(shù)對(duì)比

3.4 參數(shù)敏感性分析

為更加精確反映斑塊擴(kuò)張的最大面積對(duì)模型精度的影響程度，本文分析不同的擴(kuò)張系數(shù)k(取值范圍為5～50，步長(zhǎng)為5)與FoM之間的關(guān)系(圖6)。當(dāng)擴(kuò)張系數(shù)k在5～25區(qū)間內(nèi)，F(xiàn)oM呈明顯上升趨勢(shì)；當(dāng)k=25時(shí)，F(xiàn)oM為0.3460，此時(shí)模型模擬精度達(dá)到最高；當(dāng)k=30時(shí)，F(xiàn)oM開(kāi)始急劇下降；當(dāng)k在30～50區(qū)間內(nèi)，F(xiàn)oM總體呈下降趨勢(shì)。

圖6 FoM與擴(kuò)張系數(shù)k的關(guān)系

根據(jù)式(7)可得，擴(kuò)張系數(shù)k與斑塊最大面積呈正相關(guān)。當(dāng)k較小時(shí)，斑塊容易擴(kuò)張至最大面積，模擬結(jié)果傾向于根據(jù)模型的既定規(guī)則轉(zhuǎn)換；當(dāng)k較大時(shí)，斑塊很難達(dá)到最大面積，模擬結(jié)果傾向于城市擴(kuò)張中的不確定性因素；合適的k值能有效平衡兩者間的關(guān)系，達(dá)到最高模擬精度。

3.5 驅(qū)動(dòng)因子重要性分析

由各個(gè)驅(qū)動(dòng)因子對(duì)城市擴(kuò)張的影響程度(圖7)可知：1)夜間燈光強(qiáng)度對(duì)城市擴(kuò)張影響最大，重要性達(dá)0.1297，遠(yuǎn)大于其他驅(qū)動(dòng)因子。夜間燈光分布體現(xiàn)了社會(huì)經(jīng)濟(jì)和人類(lèi)活動(dòng)強(qiáng)度在空間上的差異，而城市擴(kuò)張是經(jīng)濟(jì)發(fā)展和人口遷移等因素共同作用的結(jié)果。2)到機(jī)場(chǎng)距離是影響城市擴(kuò)張的重要因素。機(jī)場(chǎng)一般修建在遠(yuǎn)郊地區(qū)，城市會(huì)盡量避免向機(jī)場(chǎng)方向擴(kuò)張。3)地鐵站的位置也對(duì)城市擴(kuò)張產(chǎn)生較大影響，新建的地鐵站不斷向四周延伸，帶動(dòng)周邊區(qū)域發(fā)展，推動(dòng)非城市用地轉(zhuǎn)換為城市用地。4)基礎(chǔ)設(shè)施(學(xué)校、商場(chǎng)和醫(yī)院)分布密度對(duì)城市擴(kuò)張具有不同程度的作用。值得一提的是，景點(diǎn)對(duì)城市擴(kuò)張的影響較大，重慶獨(dú)特的城市特性與文化背景吸引了大量外地游客，旅游業(yè)得到極大發(fā)展，對(duì)景點(diǎn)周?chē)姆浅鞘杏玫剞D(zhuǎn)換產(chǎn)生了一定影響。5)地理環(huán)境因素(如高程和坡度)對(duì)城市擴(kuò)張影響相對(duì)較弱。大型城市通常位于平原地帶，而重慶以丘陵和山地為主，在復(fù)雜的地形地貌上擴(kuò)張，因此重慶主城都市區(qū)在面積擴(kuò)張方面對(duì)地理環(huán)境相對(duì)不敏感；但在景觀格局方面，重慶主城都市區(qū)相比平原地帶的成都市，NP、PARA_MN和ENN_MN在同等城市面積內(nèi)提高了360、19.532和51.141，說(shuō)明地形地貌對(duì)城市擴(kuò)張格局有深度影響。

3.6 城市未來(lái)擴(kuò)張預(yù)測(cè)

為預(yù)測(cè)重慶主城都市區(qū)未來(lái)擴(kuò)張情況，根據(jù)2010-2017年城市變化數(shù)據(jù)，通過(guò)馬爾科夫鏈計(jì)算2024年和2031年的城市擴(kuò)張總量。以2017年模擬結(jié)果(圖5e)為初始狀態(tài)，通過(guò)雙約束RF-Patch-CA模型得到2024年和2031年城市擴(kuò)張預(yù)測(cè)結(jié)果(圖8a、圖8b)，未來(lái)重慶主城都市區(qū)呈現(xiàn)以城市群為中心向四周擴(kuò)張趨勢(shì)。由表5可知，在未來(lái)14年內(nèi)，中心城區(qū)發(fā)展速度逐步放緩，同城化發(fā)展先行區(qū)和重要戰(zhàn)略支點(diǎn)城市保持快速發(fā)展勢(shì)頭，而橋頭堡城市將保持相對(duì)緩慢的擴(kuò)張趨勢(shì)。

圖7 驅(qū)動(dòng)因子重要性

圖8 2024年和2031年城市擴(kuò)張預(yù)測(cè)結(jié)果

表5 未來(lái)模擬情況下各地區(qū)的城市用地年均增長(zhǎng)率

4 結(jié)論與討論

本文構(gòu)建雙約束RF-Patch-CA模型，以重慶主城都市區(qū)2010年城市土地利用數(shù)據(jù)為初始狀態(tài)，通過(guò)城市擴(kuò)張變化的內(nèi)在規(guī)律挖掘轉(zhuǎn)換規(guī)則，得到2017年城市擴(kuò)張模擬結(jié)果；通過(guò)與傳統(tǒng)CA模型的模擬結(jié)果進(jìn)行對(duì)比，驗(yàn)證模型的準(zhǔn)確性與適宜性；最后基于雙約束RF-Patch-CA模型預(yù)測(cè)重慶主城都市區(qū)2024年和2031年城市分布格局。

研究結(jié)果表明：1)在顧及驅(qū)動(dòng)因子重要性基礎(chǔ)上構(gòu)建的基于斑塊最大面積和城市擴(kuò)張總量的雙約束RF-Patch-CA模型，避免了傳統(tǒng)CA模型在城市擴(kuò)張模擬中存在的城市中心元胞團(tuán)簇現(xiàn)象，更加精確地模擬出復(fù)雜的城市擴(kuò)張過(guò)程；2)擴(kuò)張系數(shù)的敏感性分析表明，模型中引入真實(shí)城市擴(kuò)張中的不確定性因素能夠提高模型性能；3)驅(qū)動(dòng)因子重要性計(jì)算結(jié)果顯示，夜間燈光強(qiáng)度顯著影響城市擴(kuò)張格局，地理環(huán)境因素對(duì)城市擴(kuò)張面積的影響相對(duì)較弱，但對(duì)城市擴(kuò)張形態(tài)影響較大；4)2017-2031年重慶主城都市區(qū)呈現(xiàn)以城市群為中心向四周擴(kuò)張趨勢(shì)，發(fā)展重心將由中心城區(qū)逐步轉(zhuǎn)移至同城化發(fā)展先行區(qū)和重要戰(zhàn)略支點(diǎn)城市。

本文雖然對(duì)城市擴(kuò)張驅(qū)動(dòng)因子的重要性進(jìn)行了度量，但未考慮空間異質(zhì)性問(wèn)題。驅(qū)動(dòng)因子在不同子區(qū)域?qū)Τ鞘袛U(kuò)張的影響程度存在差異，如何對(duì)研究區(qū)域進(jìn)行合理分區(qū)并對(duì)每個(gè)分區(qū)構(gòu)建不同的轉(zhuǎn)換規(guī)則，需進(jìn)一步探討。