馮永玖，李鵬朔，童小華，席夢(mèng)镕，柳思聰，許 雄

1.同濟(jì)大學(xué)測(cè)繪與地理信息學(xué)院，上海 200092；2.上海市航天測(cè)繪遙感與空間探測(cè)重點(diǎn)實(shí)驗(yàn)室，上海 200092

從新型城鎮(zhèn)化戰(zhàn)略到當(dāng)前正在實(shí)施的國土空間規(guī)劃和城市數(shù)字化轉(zhuǎn)型，城市典型要素遙感智能監(jiān)測(cè)與模擬推演服務(wù)已成為關(guān)鍵支撐技術(shù)。越來越豐富的地表與城市綜合觀測(cè)手段，尤其是空天地聯(lián)合的遙感觀測(cè)，為城市監(jiān)測(cè)、管理和服務(wù)帶來便利和不同選擇[1-2]。監(jiān)測(cè)不僅為城市綜合管控提供測(cè)繪遙感服務(wù)，也為其模擬推演提供基礎(chǔ)數(shù)據(jù)源。聯(lián)合國可持續(xù)發(fā)展目標(biāo)SDG-11面向“可持續(xù)城市與社區(qū)”，提出將模擬推演技術(shù)作為城市空間規(guī)劃指引與支持的重要手段。美國NASA的應(yīng)用科學(xué)部開展了城市監(jiān)測(cè)與模擬推演研究，并指出該類研究有利于城市綜合發(fā)展、空氣和水的質(zhì)量、氣候、交通等問題的解決。美國康奈爾大學(xué)建筑學(xué)院將其作為重要前沿方向，并在城市與區(qū)域課程項(xiàng)目中融入城市模擬預(yù)測(cè)的相關(guān)理論與實(shí)踐訓(xùn)練。此外，加州大學(xué)圣巴巴拉分校地理系和倫敦大學(xué)學(xué)院高級(jí)空間分析中心，均是城市空間監(jiān)測(cè)、模擬、推演研究的主要學(xué)術(shù)陣地。該系列關(guān)鍵技術(shù)在我國已有20多年的研究歷程，2018年發(fā)布的《自然資源科技規(guī)劃綱要》將國土空間規(guī)劃的仿真預(yù)測(cè)和模擬推演關(guān)鍵技術(shù)列為主要研發(fā)任務(wù)[3]?？梢姡鞘袕?fù)雜要素遙感監(jiān)測(cè)與模擬推演既是國際的學(xué)術(shù)前沿，也是國家戰(zhàn)略實(shí)施的迫切科技需求。

城市是涉及自然、社會(huì)、經(jīng)濟(jì)、人文、能源等各方面的復(fù)雜巨系統(tǒng)，多源遙感的監(jiān)測(cè)根據(jù)不同目的涉及多樣化應(yīng)用場(chǎng)景[4]。其中，針對(duì)城市土地利用變化與空間演變的遙感監(jiān)測(cè)，主要涉及城市地表覆蓋和驅(qū)動(dòng)要素的識(shí)別、提取與監(jiān)測(cè)，從而直接服務(wù)于城市綜合決策與管理。以遙感監(jiān)測(cè)為基礎(chǔ)的模擬預(yù)測(cè)是針對(duì)城市要素變動(dòng)的深度推演，對(duì)城市空間管控、規(guī)劃和開發(fā)具有實(shí)踐指導(dǎo)作用，而模擬推演建模的典型方法有元胞自動(dòng)機(jī)(CA)與多智能體系統(tǒng)(MAS)，以及由此衍生的地理空間模型[5-8]。

CA方法與很多空間分析方法一樣，其理論基礎(chǔ)是Tobler地理學(xué)第一定律：地理現(xiàn)象在空間分布具有相關(guān)性，空間鄰近的現(xiàn)象比空間遠(yuǎn)離的現(xiàn)象關(guān)系更密切。CA方法最早由Tobler于1970年提出，他強(qiáng)調(diào)地理空間CA模型的核心是“鄰域”，即地理局部環(huán)境因子，并首次將該方法用于模擬美國底特律城市的空間發(fā)展[9]。文獻(xiàn)[10]提出基于離散模型理論的元胞-空間原理，將其應(yīng)用于大尺度城市變化模擬，從此奠定了CA方法在地理信息領(lǐng)域的地位。文獻(xiàn)[11]提出了一種離散的CA模型用于捕捉城市歷史空間結(jié)構(gòu)，其后續(xù)研究和改進(jìn)模型在全球眾多城市得到了應(yīng)用。隨著GIS的發(fā)展，CA模型方法于2010年開啟了新紀(jì)元：面向多目標(biāo)模擬，融合多源空間數(shù)據(jù)，集成多種空間和非空間建模方法[7,12-14]，實(shí)現(xiàn)了理論方法升級(jí)和應(yīng)用領(lǐng)域拓展。

自地理空間CA專著《地理元胞自動(dòng)機(jī)》[5]出版后，相關(guān)研究不斷向縱深方向發(fā)展，在土地利用、城市擴(kuò)張、生態(tài)環(huán)境、交通規(guī)劃等領(lǐng)域廣泛應(yīng)用。過去10年，我國地理空間CA研究發(fā)展迅速，既產(chǎn)生了集成空間統(tǒng)計(jì)、人工智能、機(jī)器學(xué)習(xí)的多種CA模型方法，也在CA模型的評(píng)估與應(yīng)用等方向積累了一批先進(jìn)的成果，將驗(yàn)證應(yīng)用區(qū)域從局部推向全球尺度。

本文結(jié)合國內(nèi)外研究現(xiàn)狀和進(jìn)展，將城市要素分類為覆蓋要素、驅(qū)動(dòng)要素和環(huán)境要素。在其典型性上，覆蓋要素聚焦于土地利用及其變化、綠地林地、水域空間、城市形態(tài)等；驅(qū)動(dòng)要素聚焦于鄰近性、人口與經(jīng)濟(jì)、交通網(wǎng)絡(luò)、熱島效應(yīng)等；環(huán)境要素聚焦于景觀生態(tài)、環(huán)境質(zhì)量、洪水淹沒、海岸帶信息等。該分類體系可為遙感監(jiān)測(cè)與模擬推演建立較為完整的數(shù)據(jù)鏈。

1 城市典型要素遙感智能監(jiān)測(cè)

通過多源遙感和地理空間數(shù)據(jù)的協(xié)同與融合，發(fā)揮不同數(shù)據(jù)針對(duì)不同對(duì)象的優(yōu)勢(shì)，彌補(bǔ)單一數(shù)據(jù)的不足，從而研發(fā)智能化地表覆蓋遙感分類方法以及城市典型驅(qū)動(dòng)要素的識(shí)別與提取方法，是目前城市典型要素遙感智能監(jiān)測(cè)的主要任務(wù)之一，圖1展示了代表性遙感智能監(jiān)測(cè)方法(如智能自適應(yīng)決策樹分類)，提取監(jiān)測(cè)的結(jié)果可作為模擬推演的重要數(shù)據(jù)來源。

圖1 融合多源數(shù)據(jù)的城市典型要素智能分類與識(shí)別監(jiān)測(cè)

1.1 覆蓋要素智能監(jiān)測(cè)

不同區(qū)域地表和地物輻射與反射電磁波的特性不同，導(dǎo)致同物異譜和異物同譜現(xiàn)象，很難準(zhǔn)確進(jìn)行目標(biāo)精細(xì)化分類[15]。神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)是解決該問題的智能化方法，此類方法雖然能夠得到較好的結(jié)果但也存在固有缺陷，即模型結(jié)構(gòu)很難解釋地物遙感成像機(jī)理[16]。在眾多的分類和識(shí)別算法中，決策樹方法基于專家知識(shí)庫和客觀分類規(guī)則，能協(xié)同主被動(dòng)多源遙感的時(shí)-空-譜特征，同時(shí)最大程度地利用多類型數(shù)據(jù)源，但固定閾值決策樹難以實(shí)現(xiàn)城市復(fù)雜要素的準(zhǔn)確識(shí)別。智能化自適應(yīng)決策樹分類方法可以通過有限次迭代動(dòng)態(tài)更新閾值，最終實(shí)現(xiàn)城市覆蓋要素高可信識(shí)別與監(jiān)測(cè)[17]。針對(duì)大范圍土地覆蓋要素監(jiān)測(cè)，也可以采用和參考現(xiàn)有土地覆蓋/利用產(chǎn)品，包括GlobeLand30、FROM-GLC30、GLC_FCS30等[18-21]。

1.2 驅(qū)動(dòng)要素智能監(jiān)測(cè)

土地利用變化和城市生長受到自然、經(jīng)濟(jì)、社會(huì)、人口、政策等多重因素的影響，其動(dòng)態(tài)變化的機(jī)理非常復(fù)雜且空間異質(zhì)，綜合多源異構(gòu)遙感和時(shí)空大數(shù)據(jù)對(duì)驅(qū)動(dòng)要素進(jìn)行智能化監(jiān)測(cè)，是實(shí)現(xiàn)歷史格局重建和未來情景推演的關(guān)鍵環(huán)節(jié)。針對(duì)驅(qū)動(dòng)要素的識(shí)別與檢測(cè)，國內(nèi)外文獻(xiàn)已有比較詳細(xì)的闡述，但對(duì)生態(tài)安全、氣候變化、城市熱島等作為驅(qū)動(dòng)因素的探討較為缺乏，仍需要深入研究。其中，地表溫度和城市熱島是城市空間要素演變的典型內(nèi)在復(fù)合驅(qū)動(dòng)力，利用興趣點(diǎn)(POI)并采用空間多尺度方法來表征城市的空間模式、結(jié)構(gòu)和功能，協(xié)同熱紅外遙感數(shù)據(jù)可實(shí)現(xiàn)地表溫度的識(shí)別、校準(zhǔn)與挖掘，從而解決驅(qū)動(dòng)要素難提取的問題[22]。

城市驅(qū)動(dòng)要素種類多樣且重要性各異，關(guān)鍵驅(qū)動(dòng)因素的識(shí)別能力直接影響城市覆蓋要素的推演質(zhì)量。其中，驅(qū)動(dòng)要素共線特征檢測(cè)對(duì)于建模至關(guān)重要，可以利用因子判別探索性回歸方法，根據(jù)校正后決定系數(shù)、方差膨脹因子、參數(shù)p值、J-B統(tǒng)計(jì)量p值和空間自相關(guān)p值等聯(lián)合實(shí)現(xiàn)冗余因子的排除，為模擬推演模型的建模提供最佳驅(qū)動(dòng)力組合[23]。

此外，城市驅(qū)動(dòng)要素與制圖尺度的選擇高度相關(guān)，單一尺度下驅(qū)動(dòng)要素的組合可能與真實(shí)情況相悖。針對(duì)驅(qū)動(dòng)要素?zé)o真值且存在尺度選擇的難題，可以驅(qū)動(dòng)要素-模擬推演結(jié)果的關(guān)聯(lián)度為標(biāo)準(zhǔn)，以解釋能力作為選擇最佳驅(qū)動(dòng)要素的標(biāo)準(zhǔn)[24]。多尺度要素集主要考慮可達(dá)性和鄰近性兩類，而以多尺度可達(dá)距離為基礎(chǔ)構(gòu)建的可達(dá)性要素集，以多半徑緩沖距離為基礎(chǔ)構(gòu)建的多尺度鄰近性要素集，可為建立穩(wěn)健的模擬推演模型奠定基礎(chǔ)[25]。

2 城市空間演變模擬推演

模擬推演是支撐城市綜合治理、國土空間管控的主要手段，基于多源遙感空間數(shù)據(jù)，在驅(qū)動(dòng)要素識(shí)別提取的基礎(chǔ)上，發(fā)展了適應(yīng)于不同區(qū)域、環(huán)境、形態(tài)的城市/土地利用模擬方法，在典型城市和區(qū)域進(jìn)行了驗(yàn)證和應(yīng)用(圖2)。

圖2 城市空間演變模擬推演的技術(shù)框架與關(guān)鍵應(yīng)用

2.1 空間演變機(jī)理挖掘

地理空間CA模擬的建模是基于城市要素演變機(jī)理而建立的，要實(shí)現(xiàn)其強(qiáng)穩(wěn)定性、高可信度與高精確度等，必須精準(zhǔn)探測(cè)城市要素的演變動(dòng)力學(xué)過程。任何地理實(shí)體都具有空間相似性和異質(zhì)性[26-27]，因此準(zhǔn)確探測(cè)這種性質(zhì)才能夠精準(zhǔn)定義符合客觀演變規(guī)律的動(dòng)態(tài)轉(zhuǎn)換規(guī)則。

如前所述，城市要素演變受到自然、設(shè)施、經(jīng)濟(jì)、社會(huì)等的綜合作用，在傳統(tǒng)認(rèn)知中這些因素的影響具有空間平穩(wěn)性，即某要素在空間不同位置其分布是固定不變的。實(shí)際上，無論是城市要素還是驅(qū)動(dòng)要素都具有空間異質(zhì)性，因此其關(guān)系就具有空間非平穩(wěn)性。在挖掘其動(dòng)力學(xué)過程時(shí)，必須考慮空間非平穩(wěn)性特征，采用地理加權(quán)回歸、貝葉斯變系數(shù)等模型方法，構(gòu)建較為精準(zhǔn)的模擬推演模型，可以有效挖掘城市土地利用和空間演變信息[25，28-29]。

在挖掘城市空間要素演變機(jī)理的基礎(chǔ)上，提出了異權(quán)CA要素模擬框架，CA的要素可以在不同權(quán)重下進(jìn)行自適應(yīng)性的定義；同時(shí)，由于演變概率隨時(shí)間衰減、鄰域影響隨時(shí)間增強(qiáng)，為消除這種負(fù)面效應(yīng)，可采用概率和鄰域調(diào)節(jié)兩個(gè)重要參數(shù)，實(shí)現(xiàn)地理空間CA異權(quán)異構(gòu)精準(zhǔn)建模[30]。

2.2 空間統(tǒng)計(jì)學(xué)建模

地理空間CA規(guī)則在早期主要基于數(shù)理統(tǒng)計(jì)方法(如logistic回歸)建立，但是這種方法無法體現(xiàn)城市覆蓋要素和驅(qū)動(dòng)要素在空間上的相似性和異質(zhì)性，而空間統(tǒng)計(jì)恰恰能夠反映上述兩個(gè)重要特性。其中，空間相似性是通過考慮建模要素的空間自相關(guān)，從而使建模殘差具有隨機(jī)分布特性，即模型殘差沒有空間聚集特性或聚集性盡量弱，其典型方法包括空間誤差模型和空間滯后模型[31]。

空間異質(zhì)性模擬推演模型包括兩類：①覆蓋和驅(qū)動(dòng)要素的異質(zhì)性；②元胞鄰域的異質(zhì)性。其中要素異質(zhì)性采用空間變系數(shù)模型來解決，包括地理加權(quán)回歸及其變體、貝葉斯空間變系數(shù)模型等[25,28-29]，而鄰域異質(zhì)性則通過考慮不同鄰域方向?qū)χ行脑牟煌绊憗韺?shí)現(xiàn)[32]?？臻g變系數(shù)模型的難點(diǎn)在于選擇適合的帶寬來捕捉城市要素的空間變化，而鄰域異質(zhì)性的難點(diǎn)在于探索表達(dá)該異質(zhì)性的空間化方法(如梯度、距離衰減等)。在物理意義并不明確的智能化算法大為流行形勢(shì)下，空間統(tǒng)計(jì)方法是一類既能夠解決問題，又能夠體現(xiàn)城市要素空間演變的精準(zhǔn)模擬模型，尤其是能夠捕捉空間要素的景觀破碎化過程。

2.3 啟發(fā)式智能建模

未來情景的模擬推演，在預(yù)測(cè)中重點(diǎn)根據(jù)不同發(fā)展方案來推演其未來情景是評(píng)估現(xiàn)行國土空間規(guī)劃、城市規(guī)劃、城市管理等方案的有效途徑[2,33]。不同方案可能強(qiáng)調(diào)不同條件，這種條件可能表達(dá)為等式或不等式，比如要求城市道路的作用大于城市中心近鄰度的作用，而統(tǒng)計(jì)學(xué)方法無法求解此類問題，也就無法實(shí)現(xiàn)未來情景的預(yù)測(cè)。

啟發(fā)式算法是一類模擬生物進(jìn)化或群體行為的復(fù)雜問題求解方法，能夠?qū)﹄x散函數(shù)進(jìn)行優(yōu)化和極值求解，從而建立地理空間CA模型的規(guī)則。其核心是將模擬推演的實(shí)際問題映射到算法空間，因此如何構(gòu)造一個(gè)函數(shù)建立兩者之間的聯(lián)系就成了關(guān)鍵[30]。在模擬推演建模中，建模殘差最小化是保證模擬推演精度的核心，包括均方根誤差、平均絕對(duì)誤差、相對(duì)誤差等[30]。研究表明，通過啟發(fā)式智能算法搜尋以上函數(shù)的最小值可以實(shí)現(xiàn)模型參數(shù)的最優(yōu)求解。

啟發(fā)式模擬推演方法包括自適應(yīng)遺傳算法SAGA、粒子群優(yōu)化PSO、模擬退火SA、廣義模式搜索GPS、差分進(jìn)化DE等算法及其變體[8,14,34]。在使用這些算法時(shí)，選擇算子、交叉算子、變異算子、種群數(shù)量、循環(huán)次數(shù)、CA參數(shù)上下界等控制參數(shù)，均會(huì)不同程度地影響目標(biāo)函數(shù)搜索的結(jié)果，因此在使用時(shí)需要進(jìn)行密集測(cè)試從而獲得最優(yōu)解[34]。啟發(fā)式智能優(yōu)化算法的優(yōu)勢(shì)在于能夠求解不同條件下的最優(yōu)解，實(shí)現(xiàn)多目標(biāo)情景的預(yù)測(cè)，同時(shí)求解出來的參數(shù)具有明晰的物理意義，能夠較好地解釋城市要素空間演變的機(jī)理與動(dòng)力學(xué)。

2.4 模擬模型驗(yàn)證

地理CA模擬結(jié)果的驗(yàn)證包括輸入數(shù)據(jù)、建模過程和模擬結(jié)果的評(píng)估3個(gè)方面。輸入數(shù)據(jù)評(píng)估旨在檢驗(yàn)數(shù)據(jù)的可靠程度，包括原始數(shù)據(jù)的可信度及其誤差傳播。原始數(shù)據(jù)集的誤差通過模型要素傳播，可導(dǎo)致誤差傳播的過程包括采樣、鄰域、規(guī)則、隨機(jī)擾動(dòng)和閾值定義等[34-35]。

過程評(píng)估是關(guān)于轉(zhuǎn)換規(guī)則及模擬結(jié)果的檢驗(yàn)。轉(zhuǎn)換規(guī)則是CA模型的核心，其性能可以通過擬合優(yōu)度、相對(duì)質(zhì)量和殘差分布來反映，而Moran ’s I可度量模型殘差的空間格局[36]。轉(zhuǎn)換概率圖是轉(zhuǎn)換規(guī)則產(chǎn)生的空間可視化圖層，可以使用ROC和TOC等方法來評(píng)估其相對(duì)質(zhì)量。模型敏感性是CA模型的典型特征，可以檢驗(yàn)其受尺度、鄰域和閾值影響的程度[34,37]。

結(jié)果評(píng)估是CA模型評(píng)估的核心，可以通過目視檢測(cè)、逐像元比較、空間模式分析、因子貢獻(xiàn)分析、交叉評(píng)估等方法實(shí)現(xiàn)。逐像元比較方法檢測(cè)模擬結(jié)果中每個(gè)元胞是否與真實(shí)模式相匹配[15]，并生成一個(gè)具有誤差統(tǒng)計(jì)量的列聯(lián)矩陣，可產(chǎn)生包括命中、誤報(bào)、漏報(bào)、正確拒絕、使用者精度、生產(chǎn)者精度、Kappa系數(shù)及FOM驗(yàn)證等指標(biāo)[30,37-38]。在評(píng)估整體空間格局方面，景觀指數(shù)可以表征景觀結(jié)構(gòu)，空間自相關(guān)統(tǒng)計(jì)量可以衡量格局的相似程度。此外，通過估計(jì)每個(gè)驅(qū)動(dòng)要素對(duì)消除建模殘差的貢獻(xiàn)量，可以估計(jì)驅(qū)動(dòng)力對(duì)模擬結(jié)果的貢獻(xiàn)程度，進(jìn)而實(shí)現(xiàn)多尺度因子和未來預(yù)測(cè)情景的可信度定量評(píng)估[24]。

3 典型監(jiān)測(cè)與推演對(duì)象

在多源空間和非空間數(shù)據(jù)的基礎(chǔ)上，基于智能監(jiān)測(cè)與模擬推演計(jì)算，針對(duì)土地利用變化、城市空間擴(kuò)張、生態(tài)環(huán)境演變、土壤碳儲(chǔ)變化、城市熱島效應(yīng)等的遙感監(jiān)測(cè)與模擬推演，構(gòu)建了城市典型要素和對(duì)象的遙感監(jiān)測(cè)與模擬推演框架(圖3)。

圖3 城市典型要素和對(duì)象的遙感監(jiān)測(cè)與模擬推演框架

3.1 土地利用變化

在地理空間信息領(lǐng)域，模擬復(fù)雜土地利用變化是CA的首要任務(wù)，開展了從快速變化區(qū)域(如中國)到相對(duì)穩(wěn)定區(qū)域(如澳大利亞)的驗(yàn)證和應(yīng)用[38-40]。在我國實(shí)施國土空間規(guī)劃及管控的大背景下，CA模擬推演可為土地可持續(xù)利用政策制定和三區(qū)三線劃定等提供關(guān)鍵支撐[41]。基于GlobeLand30數(shù)據(jù)，研發(fā)了自下而上的LandCA推演模型(Futureland的早期版本)，并重建了2000—2010年中國土地利用格局，進(jìn)而預(yù)測(cè)了未來10年(2030年)中國土地利用變化的可能情景，為分析耕地、森林、建設(shè)用地等的互相轉(zhuǎn)換和未來10年中國耕地變化提供了關(guān)鍵支撐[42]。

3.2 城市空間擴(kuò)張

城市發(fā)展和空間擴(kuò)張是我國近20年來土地利用變化的顯著特征，尤其在新型城鎮(zhèn)化和數(shù)字城市化轉(zhuǎn)型背景下，如何實(shí)現(xiàn)城市智能監(jiān)測(cè)、合理規(guī)劃、優(yōu)化管理尤為重要。在考慮城市發(fā)展政策和空間管控等的條件下，利用CA模型對(duì)未來城市情景與空間格局進(jìn)行模擬、推演和預(yù)測(cè)，已經(jīng)成為城市規(guī)劃、決策分析和綜合管理的有效方法[43-44]。杭州城市生長情景模擬推演的驗(yàn)證表明，以現(xiàn)行發(fā)展趨勢(shì)、主干道路驅(qū)動(dòng)、郊區(qū)中心引導(dǎo)等方式發(fā)展的城市模式具有完全不同的空間格局[45]；在疊加空間管控的條件下，CA模型可以檢測(cè)不同規(guī)劃執(zhí)行力度下城市生長的空間分布與未來形態(tài)，同時(shí)也可以模擬推演非法用地可能出現(xiàn)的空間區(qū)域[43]。

3.3 生態(tài)環(huán)境演變

國家新型城鎮(zhèn)化規(guī)劃提出城市發(fā)展要把生態(tài)放在突出的位置。在過去幾十年中，與土地利用相關(guān)的生態(tài)安全和生態(tài)服務(wù)價(jià)值的損失尤為嚴(yán)重，城市熱島效應(yīng)日趨嚴(yán)重，對(duì)未來生態(tài)環(huán)境保護(hù)和管理提出了新要求[46]。因此，利用CA方法分析生態(tài)安全和服務(wù)價(jià)值的歷史格局，對(duì)預(yù)測(cè)未來變化至關(guān)重要，而在生態(tài)安全方面除了考慮工業(yè)與民用污染源帶來的影響，也要考慮全球變暖帶來的挑戰(zhàn)[47]。研究表明，城市熱島與土地利用方式關(guān)系密切，而傳統(tǒng)熱島效應(yīng)的預(yù)測(cè)方法是非空間化預(yù)測(cè)方法，地理空間CA可以在土地利用與城市熱島之間建立關(guān)聯(lián)，實(shí)現(xiàn)未來地表溫度和城市熱島的空間化預(yù)測(cè)[22]。

3.4 土壤碳儲(chǔ)變化

雙碳目標(biāo)是我國走綠色低碳發(fā)展道路，向國際展示責(zé)任與擔(dān)當(dāng)?shù)闹卮髴?zhàn)略決策。碳源碳匯的載體是國土空間，通過國土空間管制和土地利用方式的轉(zhuǎn)變，可以有效控制碳排放。以多源遙感和地理信息數(shù)據(jù)為基礎(chǔ)，面向雙碳目標(biāo)的國土空間優(yōu)化，可基于模擬推演方法開展碳源碳匯監(jiān)測(cè)和土地利用精細(xì)化評(píng)估[47-48]。例如，可利用LandCA模型來預(yù)測(cè)未來土地利用情景并估算土地碳儲(chǔ)量，對(duì)中國全域及重點(diǎn)城市群碳儲(chǔ)量變化進(jìn)行監(jiān)測(cè)，對(duì)歷史和未來碳儲(chǔ)量進(jìn)行空間評(píng)估，進(jìn)而挖掘土地利用變化對(duì)碳儲(chǔ)量的影響[48-49]。

4 區(qū)域發(fā)展模擬推演應(yīng)用

面向國家戰(zhàn)略和社會(huì)需求開展遙感監(jiān)測(cè)、模擬推演與城市發(fā)展服務(wù)的應(yīng)用研究，是監(jiān)測(cè)推演的目的所在，而這些任務(wù)均需要相應(yīng)的智能平臺(tái)而實(shí)現(xiàn)。在國內(nèi)外不同的監(jiān)測(cè)和推演平臺(tái)中，UrbanCA和Futureland模擬系統(tǒng)平臺(tái)被國內(nèi)外同行廣泛采用(圖4)。

圖4 面向城市和土地利用的UrbanCA和Futureland模擬推演系統(tǒng)平臺(tái)

4.1 模擬推演平臺(tái)系統(tǒng)

隨著計(jì)算機(jī)、遙感、GIS等技術(shù)發(fā)展和模擬推演需求的不斷擴(kuò)增，用于模擬土地利用和城市動(dòng)態(tài)的軟件平臺(tái)也日益增加。目前，國內(nèi)外CA模擬模型和軟件包括UrbanSim、Dinamica EGO、SLEUTH、CLUE-S、SIMLANDER、APoLUS、CA-Markov、GeoSOS、SPRAWL、FLUS、UrbanCA、Futureland等[8,50-54]。其中，SLEUTH由美國加州大學(xué)研發(fā)，是一種常用的土地利用建模工具，結(jié)合了坡度、土地利用、排除因素、城市范圍、交通網(wǎng)絡(luò)和地形陰影等6種輸入圖層[54]。CLUE-S也是常用的土地利用變化模擬軟件，通過將土地利用變化分配到每個(gè)元胞，從而模擬柵格化土地利用變化[52,55]。

UrbanCA是城市生長建模的異權(quán)CA模擬框架[56]，結(jié)合了數(shù)理統(tǒng)計(jì)、空間統(tǒng)計(jì)和啟發(fā)式智能方法(researchgate.net/publication/333748239)。UrbanCA的主要特點(diǎn)是：①通過重建CA模型要素的關(guān)系改進(jìn)了CA建?？蚣?；②提出了兩個(gè)調(diào)節(jié)參數(shù)來調(diào)整轉(zhuǎn)換概率和鄰域影響；③結(jié)合多種統(tǒng)計(jì)和啟發(fā)式方法來構(gòu)建轉(zhuǎn)換規(guī)則；④考慮城市規(guī)劃規(guī)則和空間異質(zhì)性以預(yù)測(cè)未來城市情景。

Futureland是復(fù)雜土地利用(可超過10類)變化模擬和預(yù)測(cè)的最新軟件(researchgate.net/publication/356978377)，采用基于數(shù)據(jù)切塊的并行計(jì)算方法，利用GDAL進(jìn)行研發(fā)因此不依賴于第三方軟件。針對(duì)每個(gè)不同的土地利用類型，F(xiàn)utureland可選擇參與計(jì)算的驅(qū)動(dòng)因子，實(shí)現(xiàn)每個(gè)類型與驅(qū)動(dòng)要素最優(yōu)擬合；同時(shí)，將異質(zhì)性鄰域、成本矩陣、限制區(qū)域引入模型，通過輪盤賭競(jìng)爭(zhēng)機(jī)制實(shí)現(xiàn)土地利用變化類型的選擇，從而實(shí)現(xiàn)復(fù)雜土地利用的精準(zhǔn)模擬推演。

4.2 區(qū)域發(fā)展模擬應(yīng)用

過去10年，面向全球、洲際、國家、城市群、個(gè)體城市、局域等多層級(jí)范圍，在土地利用變化、城市生長、生態(tài)系統(tǒng)服務(wù)和安全、碳儲(chǔ)量、環(huán)境空間演變等方面實(shí)現(xiàn)了模擬推演驗(yàn)證和應(yīng)用，典型應(yīng)用區(qū)域包括中國、澳大利亞、中亞國家等[43-44]。在模擬推演領(lǐng)域，我國長三角、珠三角、京津冀三個(gè)區(qū)域的驗(yàn)證和應(yīng)用較為深入，這些區(qū)域包括了沿海、平原、丘陵、山區(qū)等不同地形的城市[39-40]。在長三角的模型建模與應(yīng)用驗(yàn)證表明，城市要素遙感智能監(jiān)測(cè)與模擬推演可挖掘動(dòng)力學(xué)機(jī)制，優(yōu)化國土空間規(guī)劃方案，優(yōu)化城市規(guī)劃與管理方案，而且可以對(duì)農(nóng)田和生態(tài)保護(hù)區(qū)的侵占進(jìn)行預(yù)警，為城市綜合治理和低碳發(fā)展提供技術(shù)支撐。

5 結(jié) 論

城市典型要素遙感智能監(jiān)測(cè)與推演模擬的理論、方法與應(yīng)用，對(duì)于國土空間規(guī)劃與管理，城市規(guī)劃與綜合治理，區(qū)域決策與管理等均不可或缺。城市區(qū)域的覆蓋要素和驅(qū)動(dòng)要素類型復(fù)雜，且彼此間存在復(fù)雜非線性關(guān)系，采用協(xié)同異源異構(gòu)遙感數(shù)據(jù)的自適應(yīng)閾值決策樹分類等方法，能夠獲得精細(xì)化和高可信覆蓋要素分類結(jié)果，而通過協(xié)同遙感、POI興趣點(diǎn)和時(shí)空大數(shù)據(jù)等異源異構(gòu)數(shù)據(jù)，能夠有效探測(cè)和識(shí)別要素變動(dòng)的驅(qū)動(dòng)力和規(guī)則。在此基礎(chǔ)上，開展空間演變機(jī)理挖掘、空間統(tǒng)計(jì)建模、啟發(fā)式智能建模，并應(yīng)用于土地利用、城市擴(kuò)張、生態(tài)演變、碳儲(chǔ)量等土地覆蓋相關(guān)的方方面面，是目前模擬推演的主要趨勢(shì)。其中，UrbanCA聚焦城市生長、Futureland聚焦多類型土地利用變化，集成了模擬推演系列方法，并在以長三角為主的較多區(qū)域得到了驗(yàn)證和應(yīng)用。

隨著國土空間規(guī)劃和城市數(shù)字化轉(zhuǎn)型的實(shí)施，遙感和時(shí)空大數(shù)據(jù)日趨豐富，智能識(shí)別監(jiān)測(cè)與推演方法不斷發(fā)展，未來研究應(yīng)重點(diǎn)關(guān)注兩個(gè)方面。首先，面向國家雙碳戰(zhàn)略目標(biāo)，融合遙感時(shí)空大數(shù)據(jù)開展城鎮(zhèn)國土空間演化智能遙感識(shí)別與精細(xì)推演的新理論、新方法、新技術(shù)研究，聚焦城鎮(zhèn)空間碳源碳匯網(wǎng)格，面向雙碳優(yōu)化城鎮(zhèn)空間格局，實(shí)現(xiàn)多情景推演與綜合治理反饋，將服務(wù)范圍從城市群推廣到更大區(qū)域甚至全國。其次，在考慮宏觀和微觀決策的基礎(chǔ)上，針對(duì)城市建成區(qū)三維密度、城市質(zhì)量更新與空間收縮、城市綜合環(huán)境質(zhì)量(如PM2.5)等領(lǐng)域開展研究，從大尺度細(xì)化到社區(qū)尺度，為局部范圍的精細(xì)化治理與管控提供高可信空間信息與預(yù)測(cè)情景服務(wù)。