黄金川^1,2,, 林浩曦^1,2,
1. 中国科学院地理科学与资源研究所,区域可持续发展分析与模拟重点实验室,北京 100101
2. 中国科学院大学,北京 100049

Spatial evolution analysis and multi-scenarios simulation of Beijing-Tianjin-Hebei Urban Agglomeration

HUANGJinchuan^1,2,, LINHaoxi^1,2,
1. Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
通讯作者:林浩曦（1990- ）,男,广东中山人,博士研究生,研究方向为城市地理与区域规划。E-mail:linhx.14b@igsnrr.ac.cn
收稿日期:2016-09-13
修回日期:2017-01-6
网络出版日期:2017-03-20
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:“十二五”国家科技支撑计划项目（2012BAJ15B01）
作者简介:
-->作者简介：黄金川（1973- ）,男,河南开封人,副研究员,研究方向为城市地理与区域规划。E-mail:huangjc@igsnrr.ac.cn



展开

摘要
京津冀城市群是中国经济发展三大引擎之一,随着京津冀协同战略的深入推进,其空间拓展呈现出新趋势与新动力。首先,集成约束性元胞自动机、空间聚类、Logistic回归、时间迭代等算法,构建出以地理分区、宏观预测和微观分配为核心的多情景空间演化模型。然后,利用京津冀2000-2013年及规划预测的用地、交通、城镇、生态和社会经济等数据,进行模型参数识别与模拟效果验证,并从交通引导、城镇辐射、经济发展等定量揭示城市群地域空间演化的动力机制。最后,从城镇化发展速度、生态保护格局和规划政策引导三大角度进行多情景模拟,总体呈现城镇扩展速度减缓、京津用地疏解效应明显和交通引导趋势加强等特点,且主要沿京津、京保石、京唐秦和京张四条发展轴扩展。2014-2030年新增城镇建设用地共3851 km²,年均增长量226.5 km²,远低于2000-2013年的339.7 km²;其中,京津两地新增用地占比由42%下降到26%,保定和廊坊则成为未来城镇扩展的主力军,四市总增量占比达56%。

关键词：京津冀城市群;约束性元胞自动机;空间演化;情景分析;模拟预测
Abstract
Under the background of rapid globalization and urbanization around the world, these recent years have seen the worsening contradiction between fast-growing population and over-exploiting resources, especially in terms of increasingly deterioration of environment and ecosystem. As the main carrier of urbanization, urban agglomeration experiences the prompt socio-economy increase as well as the dramatic conflicts between human and land. It is obvious that as one of the three strongest motives of regional economy of China, Beijing-Tianjin-Hebei Urban Agglomeration profoundly embodies the characteristics of modern urban agglomeration development. Moreover, with the continuous strengthening of policy such as Collaborative Development of Beijing, Tianjin and Hebei Province, the spatial expansion of Beijing-Tianjin-Hebei Urban Agglomeration will take place in the long run unceasingly but also present a series of new features and dynamics. It is of great importance to construct the quantitative model for spatial evolution analysis and multi-scenario simulation, which contributes to diving deep into the micro mechanism of urbanization and historically spatial dynamics. Meanwhile, such model has very strong realistic and practical guiding significance in the context of Regional Collaborative Development. Therefore, after introducing urban and regional growth simulation theory as well as method with spatial-temporal dynamic characteristics, the paper collectively establishes Scenario Analysis and Simulation of Urban Agglomeration Spatial Evolution Model (SASUASE model) for Beijing-Tianjin-Hebei Urban Agglomeration, which is built on the basis of Constrained Cellular Automata (CC-CA). More than that, this model integrates the neighboring concept of CA, clustering analysis of geographical spatial partition, logistic regression analysis for parameter identification and iterative algorithm based on temporal evolution, which jointly build up the synthesized algorithm for SASUASE model. The result of parameter identification and model verification shows that the proposed models perform well after applying various factors such as transportation leading, socio-economy, ecological restraints and urban affective intensity into SASUASE model. To be more specific, in order to prove the effectiveness of the proposed model, the paper carries out the experimental simulation and compares the simulation and reality of 2013 from the perspective of urban construction land alone. As it shows, the simulation accuracy is 81.2% and the location precision is 72.6%, which indicates that the simulation effect is good. Also, the parameters of logistic regression analysis represent the main driving force of urban expansion both in orientation and strength. As the result shows, city arterial road and highway play significant roles in driving the development of urban agglomeration, which is followed by the socio-economy factors including per capita GDP. Therefore, the paper safely makes full use of SASUASE model in simulating the expansion of urban built-up area under multi-scenarios for Beijing-Tianjin-Hebei Urban Agglomeration in 2030. According to the simulated outcomes, the paper compares the changes of spatial development pattern in different scenarios respectively based on urbanization development speed, ecological protection pattern and planning policy guidance. On the whole, the amount of new urban construction land falls significantly while the increment of each city is badly differentiated, which shows the effect of capital dispersal policy is obvious. To be specific, the increment of new urban construction land is 226.5 km2/a, which is far below the average level between 2000-2013. The most obvious increase is found in Beijing and Tianjin, the total proportion falls from 42% to 26%, while Baoding and Langfang become the main force of the urban expansion. As for the layout features of urban expansion, the new urban construction land spreads mainly along the industrial development zones and urban agglomeration axis. The ecological protection pattern scenario greatly affects the development of cities with strong ecological protection constraints, while the planning policy guidance scenario mainly affects the micro spatial layout of new urban construction land. Decision-making supports for the adjustment of the current urban development direction, sustainable development and allocation of major infrastructure are expected in combination with the simulation results in different scenarios.

Keywords：Beijing-Tianjin-Hebei urban agglomeration;constrained cellular automata (cc-ca);spatial evolution;senarios analysis;simulation and prediction

-->0
PDF (4640KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
黄金川, 林浩曦. 京津冀城市群多情景空间演化模拟[J]. , 2017, 36(3): 506-517 https://doi.org/10.11821/dlyj201703009
HUANG Jinchuan, LIN Haoxi. Spatial evolution analysis and multi-scenarios simulation of Beijing-Tianjin-Hebei Urban Agglomeration[J]. 地理研究, 2017, 36(3): 506-517 https://doi.org/10.11821/dlyj201703009

1 引言

随着经济全球化和城市化的发展,城市群逐渐成为国家参与全球竞争与国际分工的全新地域单元^[1],《国家新型城镇化规划（2014-2020年）》、中央城镇化工作会议、中央城市工作会议均明确要求以城市群为主体形态,科学规划城市化空间布局。京津冀城市群地处京畿重地、濒临渤海、背靠太岳、携揽“三北”,战略地位显要,仅凭全国2.3%的土地和7.8%的人口就创造全国9.9%的GDP和14.7%的进出口总额（2013年）,是中国经济最具活力、开放程度最高、创新能力最强、吸纳人口最多的地区之一,也是拉动中国经济发展的三大引擎之一。但在经济和人口快速增长的同时,京津冀城市群资源环境与社会经济发展最为矛盾,经济和自然地理分割最为严重,社会经济发展水平最为失衡^[2],加之区域功能布局不甚合理、城镇体系结构失衡、区域发展差距悬殊等问题还深刻影响并制约其发展。随着京津冀协同发展的政策引导不断强化,体现国家战略意图和科学、持续、公平发展的新经济地理格局亟待形成,京津冀城市群将朝着具有全球竞争力、可持续发展能力强的世界级城市群目标进发,空间拓展也呈现出新趋势和新动力。深入剖析其城镇化的微观动力机制和历史演进过程,构建城市群多情景空间演化模型,有助于定量探索城市群地域空间演化机理,对京津冀协同发展政策进行计算实验。
从早期的中心地理论开始,城市增长模拟研究经历了形态结构模型、静态模型和动态模型三大发展阶段^[3]。动态模型以系统动力学模型为代表,随着随机效用理论和复杂系统科学理论的介入,元胞自动机（Cellular Automata,CA）和多智能体（Multi-agent Systems）模型等逐渐成为主流。CA通过简单的局部运算模拟空间上分散、时间上离散的复杂性现象^[4],最早由Von Neuman于1948年提出^[5],Wolfram对其进行发展^[6],之后众多****认识到CA在模拟地理复杂现象方面的优势并将其运用于城市土地利用变化模拟。如Tobler首次利用CA模拟了美国底特律市的迅速扩展^[7],Xie结合CA与GIS模拟了布法罗（Buffalo）城市土地利用变化^[8],他们为CA模型的构建与应用作出了开创性的工作。CA模型通过直接模拟各元胞之间的相互作用,由简单的转换规则产生高度复杂的演化结果,实现了受宏微观双重因素作用下的土地利用变化模拟,但也存在普适性不强、元胞演化规则过于概化而忽略空间异质性等局限性^[9]。
鉴于城市增长的复杂性,需要在简单CA模型（仅考虑邻域法则）的基础上加入社会经济、空间和制度等约束条件,以建立约束性CA模型来模拟更为真实的城市增长^[10],例如黎夏等基于此成功模拟东莞的土地利用变化^[11],为城市土地利用模拟理论作出了公认的贡献。以此为契机,多种模型的综合运用,并与遗传算法、人工神经网络、粗集等方法结合的复合模型逐渐成为趋势,大大降低了模型构建和参数确定的难度。例如Arsanjani等利用Logistic回归与马尔科夫用地转换矩阵结合的CA模型实现对城市用地扩展的模拟^[12];龙瀛等基于Logistic回归和MonoLoop集成的方法分析比较了2049年不同发展情景下北京的城市空间形态^[13]。
从城市增长模拟到城市群增长模拟实现了尺度上的跨越,前者将城市视作一个“面”,更关注城市内部空间资源要素配置的变化;而后者属于区域经济模型,将城市视作一个“点”,更强调城市之间的联系和城市经济人口规模的变化。长期以来,由于缺乏坚实的数据支撑和可靠的定量研究方法,且传统基于线性静态理论的研究方法和技术手段已不合时宜,较欠缺能深入揭示城市群宏微观发展机制和动态变化的研究。本文在借鉴城市与区域空间增长模拟理论及方法的基础上,集成约束性CA的思想、空间聚类的地理分区概念、Logistic回归的参数识别方法、基于时间演化的迭代运算等,定量刻画出交通引导、城镇辐射、社会经济、生态约束等因素的影响机制,综合构建城市群多情景空间演化模拟模型（Senarios Analysis and Simulation of Urban Agglomeration Spatial Evolution,SASUASE）。以京津冀城市群为例,利用2000-2013年及规划预测的城镇建设、交通路网、生态约束、社会经济等数据,定量分析京津冀城市群地域空间演化的动力机制,并从城镇化速度、生态保护和规划政策等角度对其2030年空间扩展进行预测与比较,为京津冀协同发展提供决策依据。

2 研究区概况与数据来源

2.1 研究区概况

京津冀地区是以首都为核心的世界级城市群、区域整体协同发展改革引领区、全国创新驱动经济增长新引擎、生态修复环境改善示范区。京津冀城市群包括北京、天津以及河北省的保定、张家口等13个城市、178个县级行政单元,行政面积共21.70万km²。
2010年总人口达到1.04亿,城镇化率达56.45%;2013年GDP为6.22万亿,固定资产投资3.87万亿。2000-2013年,京津冀城市群新增城镇人口2354万人,城镇建设用地共增加4416 km²,其中,北京、天津、河北分别增加了1634 km²、815 km²、3436 km²。每平方公里的城镇建设用地投资从4117万元上升至33793万元,产出从17025万元上升至54343万元。单从市辖区来看,京津冀城市群已有6个城市国土开发强度超越了30%的国际警戒线^[14]。从土地与人口协调发展的角度看,北京、天津、石家庄市辖区城镇建设用地增速分别为148.9%、92.7%和45.7%,而城镇人口增速分别为63.6%、47.9%和43.9%,北京和天津土地城镇化速度均为人口城镇化速度的两倍左右,土地利用粗放势头明显。

2.2 数据来源

本文所使用的数据有矢量数据和栅格数据,为便于运算,统一所有数据的投影坐标系并进行配准,将矢量数据进行栅格化处理,实现数据信息的空间位置和分辨率保持一致。
（1）矢量数据。矢量数据包括交通线路、交通枢纽和各级城镇位置等。交通线路含现状和规划的高速公路、国道、省道、城市主干道等道路,以及高速铁路（以下简称高铁）、普通铁路（以下简称普铁）等铁路;交通枢纽含现状和规划的高速公路出入口、高铁站点、普铁站点等;各级城镇含直辖市、地级市、县级市和县城等。
（2）栅格数据。栅格数据包括城镇建设用地、社会经济和生态保护分区等数据。将遥感影像解译的土地利用数据重分类（重分类为城镇建设用地与城镇非建设用地）和重采样（栅格大小为500 m×500 m）后,提取2000-2013年间不变的非城镇建设用地、新增的城镇建设用地和不变的城镇建设用地;将京津冀分区县经济密度、人口密度和人均GDP等社会经济属性数据基于栅格单元空间化;邻域状态统计每个栅格5×5邻域范围内城镇建设用地栅格的数量;生态保护格局分为宽松和严格两情景,均包括适宜、限制和禁止建设区。

3 研究方法

3.1 模型开发思路

城市群是一个复杂、动态的空间系统,其发展兼具自上而下的宏观调控特征和自下而上的微观自组织特征,是各种动力和阻力综合作用的结果。从宏观看,经济发展和人口增长是城镇建设扩张的主要动因;从微观看,经济发展需要生产空间,人口增长需要生活空间,并由此衍生出交通空间和生态空间的支撑需要。
SASUASE模型是兼具集聚与分解、宏观与微观、“自下而上”的微观自组织和“自上而下”的系统动力学结合的模型,包括空间与属性双聚类的地理分区模型、基于线性回归的宏观预测模型和基于约束性CA的微观分配模型^[15]。其模拟思路为：在宏观层面根据人口、经济增长等反推城镇建设用地增量;在微观层面借助Logistic回归定量刻画交通引导、城镇辐射、社会经济、生态管控等因素对空间演化的影响,并通过转换规则函数计算元胞的城镇化可能性得分,由此对城镇建设用地增量进行空间分配;最终,基于城市化速度、生态保护、规划政策等情景,模拟并预测城市群空间演化。

3.2 地理分区模型

由于各城市发展不平衡、城乡差异较大、城镇化驱动机理不一,因此不同地区的历史增长经验和法则也不甚一致。本文针对空间分异现象采取了空间域和属性域双重聚类的地理分区方法,要求聚类结果在空间域上连续、属性域上相近,并使组间差别尽量大而组内差别尽量小^[16]。采用ArcMap软件Grouping Analysis分析处理功能,以区县为基础空间单元,遴选2013年人均GDP、人口密度和经济密度作为属性指标,既符合中国行政体制的实际运作,又使分区结果可跨越地级行政单元的边界,具有经济地理意义（图1）。
显示原图|下载原图ZIP|生成PPT
图1地理分区模型流程
-->Fig. 1The flowchart of grouping analysis model
-->

3.3 宏观预测模型

城镇建设用地扩张与人口增长、经济发展等密切相关,建立新增城镇建设用地与人口、经济的线性回归模型,并根据人均城镇建设用地标准等加以校核。采用SPSS进行回归分析,回归方程为：
Y=1.24456×X1-1.56318×10-7×X2-8.86382（1）
式中： Y表示城镇建设用地; X1为年末城镇人口; X2为GDP。回归方程的可决系数R2为0.616,统计量P远小于0.05,回归效果显著。
根据《中国城市发展空间格局优化理论与方法》^[17]和《京津冀城乡规划（2015-2030）》的研究成果,预计京津冀城市群2030年GDP总量达15.90万亿（北京5.92万亿,天津3.20万亿,河北6.78万亿）、总人口达1.25亿（北京0.24亿,天津0.19亿,河北0.82亿）。将数值代入式（1）,得到京津冀城市群2030年城镇建设用地较2013年新增3851 km²,年均增加226.5 km²,人均城镇建设用地达到122 m²,基本符合国家人均城镇建设用地标准。各分区城镇建设用地增量的预测方法同上,并根据总增量预测值和相关规划的人均城镇建设用地标准进行合理性校核后,各分区城镇建设用地增量预测值分别为1100 km²、1600 km²、800 km²、350 km²和0 km²。

3.4 微观分配模型

城镇空间发展演化既受邻域状态影响,还受多尺度、多因素的共同作用^[18],需要设计综合、多层次的状态转换规则,开发具有多元约束性的CA模型进行动态模拟。城镇空间演化模拟只需要将元胞划分为城镇建设和非城镇建设两种状态,参考相关研究^[19],将元胞大小定为500 m×500 m,共计861519个元胞;采用5×5扩展的摩尔邻域,每个元胞有24个邻域元胞;以月份为基本单位,通过迭代能让城镇化模拟过程更真实。
3.4.1 影响因子选择 具体而言,城市群空间演化主要受自然、经济、规划、交通等因素共同作用,其中自然条件是基础,经济发展是动力,城市规划为导向阀、交通诱导为促进器。基于各因素变量的特点和数据可获得性,分别归入全局变量、邻域变量、政策变量和随机变量。
（1）全局变量。主要反映经济社会发展、经济区位和交通区位,包括：① 社会经济因素,含人均GDP、人口密度和经济密度;② 城镇辐射因素,即与各级城镇中心（含直辖市、地级市、县城）的最短距离;③ 交通导向因素,含与各级交通线路（含高铁线路、普铁线路、国道、省道、高速公路、城市主干道）和与交通枢纽（含高速出入口、高铁站点、普铁站点）的最短距离。
（2）邻域变量。主要反映用地发展基础,通过中心元胞邻域范围内的用地类型及数目来刻画。
（3）政策变量。主要反映生态保护和耕地保护政策的约束作用,按照《京津冀协同发展规划》和《京津冀城乡规划（2015-2030）》的要求,立足生态保护区、生态敏感脆弱修复区、生态安全防护区等多重因子,采用分类归属的方法,并根据其对城镇建设的影响程度,确定基于生态的用地适宜性评价,划分出适宜、限制和禁止建设区。
（4）随机变量。主要反映上述变量以外的不确定及随机性因素对城镇化的影响,可以提高模拟预测的科学性。
3.4.2 转换规则函数 综合考虑全局变量、邻域变量、政策变量和随机变量,构建京津冀城市群空间演化的转换规则函数如下^[11]：
Pi,j_globalt=Pi,jt×confi,j×Ωti,j×RA（2）
式中： Pi,j_globalt为元胞城镇化概率; Pi,jt、 confi,j、 Ωti,j分别为基于全局变量、政策变量、邻域变量的城镇化概率;RA为随机概率。
（1）基于全局变量的元胞城镇化概率为：
Pi,jt=11+e-Zi,j（3）
Zi,j=b0+b1x1+b2x2+…+bnxn（4）
式中： Pi,jt为基于全局变量的元胞城镇化概率; b1到 bn为Logistic回归的权重系数, b0是Logistic回归的常数项; x1到 xn为某元胞全局变量取值。
（2）基于邻域变量的元胞城镇化概率为：
Ωti,j=∑Uri,j24（5）
式中： Ωti,j为基于邻域变量的元胞城镇化概率,即邻域城镇化元胞与所有元胞之比。
（3）基于政策变量的元胞城镇化概率为：
confi,j=con适宜建设区or限制建设区or禁止建设区（6）
式中： confi,j为条件赋值函数,将适宜、限制和禁止建设区分别赋值为1、0.5、0。
（4）加入随机变量,计算公式为：
RA=1+(-lnγ)σ（7）
式中： γ为（0, 1）的随机数,随机变量 σ在[1, 10]内取整数, σ越大,随机因素的影响越大,其作用是调节随机参数对元胞城镇化概率的影响,本文将 σ设为1。
3.4.3 模型参数识别 Logistic回归模型是基于经济学原理的离散选择模型,其误差项服从二项分布而非正态分布,采用最大似然估计法进行参数估计^[20],能有效解决（0, 1）二值响应变量回归问题,已成为土地利用动态模拟的常用模型^[21]。以元胞城镇化状态变化作为因变量（0, 1）,全局变量为自变量,构建Logistic回归模型,获取各影响因子的权重^[22,23],从微观层面探索京津冀城市群空间增长驱动机制。将自变量共线性趋势较明显（大于0.57）的因子及显著性水平大于0.05的因子予以剔除,最终选用与城市主干道、高铁站点、高速出入口、国道、省道、普铁站点、地级市、县城、直辖市的距离以及人均GDP作为自变量因子。回归统计量为1191.797,自由度为8,显著性水平为0.000,拟合结果顺利通过检验（表1）。回归系数的正负反映变量影响的方向性,而回归系数的绝对值则反映变量的影响强度,绝对值越大,则其对应变量的影响强度越大。因此,利用Logistic回归系数进行横向比较可判断出城镇扩张的主要驱动力,是从微观层面探索京津冀城市群空间增长驱动机制的主要手段。
Tab. 1
表1
表1自变量系数及参数
Tab. 1The coefficients and parameters of independent variables

因子	B	S.E.	Wald	df	显著性	EXP（B）	95% EXP（B） 置信区间下限	95% EXP（B） 置信区间上限
与城市主干道距离	-7.890	0.278	808.042	1	0.000	0.000	0.000	0.001
与高铁站点距离	-1.300	0.157	69.005	1	0.000	0.272	0.200	0.370
与高速出入口距离	-1.017	0.239	18.128	1	0.000	0.362	0.227	0.578
与国道距离	-2.400	0.112	463.026	1	0.000	0.091	0.073	0.113
与省道距离	-8.181	0.262	972.211	1	0.000	0.000	0.000	0.000
与普铁站点距离	1.314	0.096	188.295	1	0.000	3.722	3.085	4.491
与地级市距离	-1.371	0.114	144.429	1	0.000	0.254	0.203	0.318
与县城距离	-6.073	0.186	1064.241	1	0.000	0.002	0.002	0.003
与直辖市距离	-1.879	0.064	851.099	1	0.000	0.153	0.135	0.173
人均GDP	4.320	0.270	255.140	1	0.000	75.192	44.254	127.757
常数	2.266	0.63	1291.543	1	0.000	9.645	-	-

新窗口打开
结果显示,2000-2013年京津冀城市群自下而上的土地城镇化主要受城市主干道、高铁、高速公路、国道和省道等城市交通建设和城市经济区位的共同作用。其中,省道、城市主干道和新城开发的影响最大,以高铁站点或高速出入口为中心的吸引能力也颇为显著。就交通导向因素而言,一方面交通建设本身就占用了部分非城镇建设用地,另一方面交通干道具有集聚企业、居住及配套设施的作用,进一步促进城镇开发建设。值得注意的是,高铁的建设带动了一批高铁新城的崛起,相比之下普铁周边开发缓慢,往往更是城市衰退的区域,环境品质等抑制了城镇建设用地的扩展。另外,经济发展水平越高,对外来人口的吸引力越大,越容易促进房地产和基础设施的开发建设,推动城镇建设用地外溢扩张。
3.4.4 迭代运算 迭代是重复反馈过程的活动,其目的是逼近所需目标或结果。就京津冀城市群空间演化模拟而言,结合城镇辐射、交通导向和随机变量等共同作用,可能在原有城镇建设用地之外形成新的增长点,迭代后可能会围绕新的增长点扩张,以模拟现实世界中重大政策、基础设施等因素造成的用地扩张,只有通过多次迭代才能让用地增长的过程更真实、更连续^[24],而不仅是在原有建设用地外围圈层式扩张。具体而言,将城镇建设用地增量按研究需要分配到各时间段、各分区,得分高于城镇化阈值的元胞转化为城镇建设用地,它们会对后续其他元胞的转化概率造成影响,如此每一次迭代的结果会作为下一次迭代的初始值,不断调试设置时间步长和空间步长以达到最佳效果。

3.5 模型检验

本文采用对照模型检验法,以2013年京津冀城市群城镇建设用地为标准图层,与2013年模拟图层比照以进行模型检验^[25],即将模拟图层中的新增城镇用地元胞数除以标准图层中新增城镇建设用地的元胞数,得出数量精度为81.2%;将模拟图层与标准图层空间叠置分析,统计特定区域同为新增城镇建设的元胞数,并除以标准图层中新增城镇建设的元胞数,得出位置精度为72.6%,模型检验结果比较理想^[26]。

4 多情景分析

以2013年城镇建设用地布局和各分区地域空间演化机理为基础,从城镇化发展速度、生态保护格局和规划政策引导等三个角度设定情景,对2030年京津冀城市群城镇建设用地的发展态势进行模拟预测。基于城镇化发展速度的情景设定是对宏观社会经济政策的模拟,通过改变各分区城镇建设用地的增量来模拟城镇化增长速度,城市群微观增长层面则仍延续历史规律,含城镇化高速、中速和低速发展情景。基于生态保护格局的情景设定是对生态保护政策的模拟,通过改变生态保护格局的约束程度来模拟城镇建设用地布局的差异,包括宽松和严格生态保护发展情景。基于规划政策引导的情景设定是对各类规划方案的模拟,通过改变全局变量各因子的权重系数来模拟空间政策实施力度,包括交通和小城镇引导发展情景,提高交通引导因子的权重系数可模拟沿交通干线和交通枢纽开发强度的提高,提高城镇辐射引导因子的权重系数可模拟对中小城镇开发力度的加强。各情景具体参数设定如表2所示。
Tab. 2
表2
表2情景参数设定
Tab. 2The parameters setting for different scenarios

分区/因子	城镇化发展速度情景				生态保护格局情景			规划政策引导情景
	高速		中速		低速	宽松	严格	交通	小城镇
分区一（km2）	1408	1100	847		1100	1100		1100	1100
分区二（km2）	2048	1600	1232		1600	1600		1600	1600
分区三（km2）	1024	800	616		800	800		800	800
分区四（km2）	448	350	270		350	350		350	350
分区五（km2）	0	0	0		0	0		0	0
常数项	2.266	2.266	2.266		2.266	2.266		2.266	2.266
与城市主干道距离	-7.89	-7.89	-7.89		-7.89	-7.89		-15	-7.89
与高铁站点距离	-1.3	-1.3	-1.3		-1.3	-1.3		-3	-1.3
与高速出入口距离	-1.017	-1.017	-1.017		-1.017	-1.017		-3	-1.017
与国道距离	-2.4	-2.4	-2.4		-2.4	-2.4		-5	-2.4
与省道距离	-8.18	-8.18	-8.18		-8.18	-8.18		-15	-8.18
与普铁站点距离	1.314	1.314	1.314		1.314	1.314		2.6	1.314
与地级市距离	-1.371	-1.371	-1.371		-1.371	-1.371		-1.371	-1.371
与县城距离	-6.073	-6.073	-6.073		-6.073	-6.073		-6.073	-20
与直辖市距离	-1.879	-1.879	-1.879		-1.879	-1.879		-1.879	-1.879
人均GDP	4.32	4.32	4.32		4.32	4.32		4.32	4.32

新窗口打开
Tab. 3
表3
表32014-2030年多情景新增城镇建设用地比较
Tab. 3The urban-land expansion of different scenarios during 2014-2030
5885

地市	历史增长			城镇化发展速度情景							生态保护格局情景					发展引导情景					综合情景
	2000-2013			高速			中速			低速			宽松保护		严格保护		交通引导		小城镇引导		平均
	面积(km2)	占比(%)		面积(km2)	占比(%)	面积(km2)	占比(%)	面积(km2)	占比(%)		面积(km2)	占比(%)	面积(km2)	占比(%)		面积(km2)	占比(%)	面积(km2)	占比(%)		面积(km2)	占比(%)
北京	1634	28		480	10	448	12	389	13		448	12	378	10		398	10	396	10		420	11
天津	815	14		655	14	637	17	499	17		637	17	218	6		611	16	570	15		547	15
保定	289	5		961	20	778	20	573	20		778	20	550	14		864	23	859	22		766	20
沧州	473	8		264	6	194	5	134	5		194	5	13	1		126	3	149	4		153	4
承德	109	2		29	1	27	1	20	1		27	1	29	1		21	1	25	1		25	1
邯郸	200	3		230	5	122	3	121	4		122	3	1069	28		131	3	126	3		274	7
衡水	182	3		246	5	223	6	158	5		223	6	4	1		320	8	346	9		217	6
廊坊	292	5		610	13	465	12	417	14		465	12	96	3		357	9	341	9		393	10
秦皇岛	180	3		244	5	121	3	73	3		121	3	305	8		253	7	231	6		193	5
石家庄	411	7		291	6	243	6	172	6		243	6	302	8		155	4	164	4		224	6
唐山	732	13		415	9	280	7	167	6		280	7	604	16		205	5	252	7		315	8
邢台	263	5		83	2	88	2	59	2		88	2	23	1		98	3	108	3		78	2
张家口	305	5		242	5	217	6	164	6		217	6	252	7		302	8	276	7		239	6
合计	100	4748		100	3841	100	2944	100	3841		100	3841	100	3841		100	3841	100	3844		100

新窗口打开
总体来看,受经济新常态影响,加上可建设用地、生态保护格局等限制,京津冀城市群未来城镇建设用地增量降幅明显（表3）。2014-2030年,京津冀城市群预计新增城镇建设用地3851 km²,年均增加226.5 km²,远低于2000-2013年年均增长339.7 km²的水平;受生态保护政策强化等影响,新增城镇建设用地空间布局分异明显。北京新增城镇建设用地占比从28%大幅下滑至11%,天津从14%微增至15%,河北则从58%提高到74%。尤其是河北省各地市城镇化发展分化明显,保定和廊坊成为京津冀未来城镇扩展的主力军,城镇建设用地新增面积分别占京津冀的20%和10%,石家庄、唐山、邢台、承德和沧州等城市出现不同程度的下降,其余城市基本保持不变或略有上升。从总体空间布局上看,京津冀城市群城镇建设主要沿京津、京保石、京唐秦和京张四个产业发展带和城镇聚集轴扩展。京津发展轴主要是指北京、廊坊、天津交通沿线,沿线区县未来呈现加快发展趋势,是京津冀城市群科技转化、现代服务业、高端制造业发展带和主要城镇集聚轴;京保石发展轴主要是指北京、保定、石家庄、邢台和邯郸交通沿线,是京津冀城市群重要的现代制造业发展带和城镇集聚轴;京唐秦发展轴是指北京、宝坻、唐山、秦皇岛交通沿线,是京津冀城市群产业转型升级发展带和城镇集聚轴;京张发展轴是指北京、张家口交通沿线,是京津冀城市群兼顾生态保护和休闲旅游开发的文化、旅游产业发展带和城镇集聚轴。
不同情景下京津冀城市群城镇化空间差别显著。从城镇化发展速度情景看,低速发展情景下城镇建设扩展更集中于京津两个直辖市,说明在紧缩城市发展政策下,京津冀城市群的“马太效应”仍然显著,城镇空间扩展具有明显的集聚效应;高速发展情景下城镇建设扩展较为分散,发展机会更均衡,有利于京津冀协同发展;中速发展情景下经济与人口发展较为稳定,沿用既有国土开发和土地供应政策,城镇扩展主要遵循历史趋势。从生态保护格局情景看,在严格生态保护格局约束下,京津冀东南部和中部地区发展受到较大限制,城镇建设扩展转移到京津冀西部、西南部和东北部地区,天津、沧州、衡水、廊坊等生态敏感性强的城市扩展速度大幅下降,而邯郸、秦皇岛、唐山等生态敏感性较弱的城市,反而能获得更多发展机会。从规划政策引导情景看,交通引导和小城镇引导下京津冀城市群城镇扩展面积均比较稳定,但空间布局呈现较大差异,前者对交通路网、交通枢纽密度大的城市促进作用明显,后者则对县域经济、乡镇企业发达的城市带动明显（图2）。
显示原图|下载原图ZIP|生成PPT
图22030年京津冀城市群多情景空间演化模拟结果
-->Fig. 2Multi-scenario simulation of spatial evolution in Beijing-Tianjin-Hebei Urban Agglomeration in 2030
-->

5 结论与讨论

城市群区域尺度的城镇建设用地增长模拟,相对于单一城市增长,受发展环境、政策制定等可变因素影响更大,单纯从技术角度追求精确预测并不现实。本文的核心意义在于回答“What-If”的问题,即采用控制变量法,聚焦于当某一客观条件改变时城镇建设用地增量与空间布局的变化,以期为规划供给提供依据^[27]。主要结论如下：
（1）以CA模型为基础,加入全局变量、政策变量和随机变量等约束性条件,并集成空间聚类、Logistic回归、迭代演化等算法,综合构建出以地理分区、宏观预测和微观分配为核心的城市群多情景空间演化模拟模型,适用于城市群这类复杂、动态的地域空间系统。由于遥感解译、数据转换、空间校正等造成的数据误差,加上部分用地演变未能用现有驱动力体系解释,模拟结果不可能与实际情况完全吻合。2013年的检验性模拟表明,模拟的数量精度为81.2%、位置精度为72.6%,模拟效果良好。
（2）通过Logistic回归分析,定量揭示交通引导、城镇辐射、社会经济等因素对城市群空间演化的影响机制。城市主干道、国道和省道等交通方式对城镇扩展的导向作用十分明显,以高铁站点和高速公路出入口为中心的吸引能力颇为显著,县域经济、人均GDP等也是影响城镇开发的重要因素。
（3）京津冀城市群未来城镇扩展速度大幅减缓,且主要沿京津、京保石、京唐秦和京张四条发展轴带扩展,空间分异更为凸显,尤其是北京城镇扩展趋势骤降,而保定和廊坊则呈现倍增态势。
（4）从城镇化发展速度、生态保护格局和规划政策引导三大角度设定情景,对2030年京津冀城市群城镇空间扩展态势进行模拟预测。低速发展情景下城镇建设扩展更集中于京津两个直辖市,较不利于首都功能疏解;高速发展情景下城镇建设扩展较为分散,发展机会更均衡,有利于京津冀协同发展。严格生态保护格局约束下,京津冀东南部和中部地区发展受到严格限制,而西部、西南部和东北部地区发展机会增多,即邯郸、秦皇岛、唐山等生态敏感性较弱的城市享有更多发展机会。
城市群空间扩展受多种复杂因素影响,定量刻画难度较大,受数据获得性局限,影响因子尚未考虑全面。后续研究需对以下内容加以深化：① 细化生态因素,考虑地形、水文、植被等不同因素引起的生态脆弱对城镇开发建设的约束效应;② 采用时间成本函数,考虑地表阻力、不同交通方式等造成的时间成本差异;③ 增加情景设置的客观性,考虑引入基于层次分析与有序加权回归结合的情景设定方法;④ 统筹城乡建设用地增减挂钩,未来城市群的建设将进入存量用地优化和增量用地约束并行的阶段,考虑将城镇建设扩张和乡村用地萎缩纳入模型;⑤ 政策检验,针对交通、区域投资等政策,将经济联系、就业增长和人口迁移的影响纳入模型,尤其需要将经济、生态、土地、交通等影响城市群发展的主要因素分别形成子模型详细刻画。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	姚士谋, 陈振光, 朱英明, 等. 中国城市群. 合肥: 中国科学技术大学出版社, 2006. [本文引用: 1] [Yao Shimou, Chen Zhenguang, Zhu Yingming, et al.China's Urban Agglomeration. Hefei: University of Science and Technology of China Press, 2006.] [本文引用: 1]
[2]	刘浩, 马琳, 李国平. 1990s以来京津冀地区经济发展失衡格局的时空演化 . 地理研究, 2016, 35(3): 471-481.https://doi.org/10.11821/dlyj201603006URL [本文引用: 1]摘要 1990s以来京津冀地区经济增长快速,然而经济发展在行政辖区间并不均衡,且逐渐导致环京津贫困带的形成.为识别经济发展失衡格局的演化过程,首先引入DMSP/OLS夜间灯光和可比价GDP,构建“单位开发活动GDP”表征区域经济发展状况;然后运用Local Moran'sI将区域经济发展格局划分为五种类型:HH富化扩散、HL富化极化、LH贫化塌陷、LL贫化制约和非显著;最后以HH类型的边界作为京津冀地区经济发展失衡界线,采用缓冲区分析探讨经济发展失衡格局的演化过程和行政区划等人为因素对经济发展的制约效应.结果表明:①整体上,1990s以来京津冀地区经济发展失衡格局不断加剧,京津富化扩散与河北贫化制约的规模与强度同时增长;局部上,受京津市区经济发展的外溢效应,京津郊区及区位优势显著的部分河北地区经济发展较快.②与传统认知的“环京津贫困带”不同,在两个空间尺度上识别出经济发展断层,一为京津市区与郊区之间,二为京津与河北之间,且前者的区域经济发展失衡整体上较后者更为严峻.③1990s以来京津冀地区经济发展的失衡格局,整体上受制于城乡二元体制带来的城乡隔离效应,局部上受京津冀三地的行政制约.要实现京津冀地区经济发展的协同均衡,关键在于弱化城乡隔离,并辅以消除行政制约. [Liu Hao, Ma Lin, Li Guoping.Spatial-temporal evolution pattern of unbalanced economic development in Beijing-Tianjin-Hebei region since the 1990s. Geographical Research, 2016, 35(3): 471-481.]https://doi.org/10.11821/dlyj201603006URL [本文引用: 1]摘要 1990s以来京津冀地区经济增长快速,然而经济发展在行政辖区间并不均衡,且逐渐导致环京津贫困带的形成.为识别经济发展失衡格局的演化过程,首先引入DMSP/OLS夜间灯光和可比价GDP,构建“单位开发活动GDP”表征区域经济发展状况;然后运用Local Moran'sI将区域经济发展格局划分为五种类型:HH富化扩散、HL富化极化、LH贫化塌陷、LL贫化制约和非显著;最后以HH类型的边界作为京津冀地区经济发展失衡界线,采用缓冲区分析探讨经济发展失衡格局的演化过程和行政区划等人为因素对经济发展的制约效应.结果表明:①整体上,1990s以来京津冀地区经济发展失衡格局不断加剧,京津富化扩散与河北贫化制约的规模与强度同时增长;局部上,受京津市区经济发展的外溢效应,京津郊区及区位优势显著的部分河北地区经济发展较快.②与传统认知的“环京津贫困带”不同,在两个空间尺度上识别出经济发展断层,一为京津市区与郊区之间,二为京津与河北之间,且前者的区域经济发展失衡整体上较后者更为严峻.③1990s以来京津冀地区经济发展的失衡格局,整体上受制于城乡二元体制带来的城乡隔离效应,局部上受京津冀三地的行政制约.要实现京津冀地区经济发展的协同均衡,关键在于弱化城乡隔离,并辅以消除行政制约.
[3]	闫梅, 黄金川. 国内外城市空间扩展研究评析 . 地理科学进展, 2013, 32(7): 1039-1050.https://doi.org/10.11820/dlkxjz.2013.07.007URL [本文引用: 1]摘要 城市空间扩展是城市化过程的重要标志,而城市土地利用变化又是城市空间扩展最为直接的表现形式。随着全球城市化的推进,城市空间扩展已成为国内外城市发展研究中的热点领域。国外城市空间扩展研究发端于20世纪60年代的计量地理革命,中国城市空间扩展的研究自80年代中期开始;2000年以来,伴随中国城市化的快速发展,城市空间扩展问题日益突出,城市空间扩展研究逐渐成为热点,有关研究成果更是大量涌现。本文根据国内外城市空间扩展研究内容的变化,运用文献资料法和对比分析法,从扩展形态、扩展模式、动力机制、模拟预测、效应与调控5个方面对城市空间扩展研究进行了系统总结与梳理。在国外与国内比较研究与综合分类基础上,重点评析现阶段国内相关研究的特点和不足,并对中国未来城市空间扩展的研究趋势进行了展望。 [Yan Mei, Huang Jinchuan.Review on the research of urban spatial expansion. Progress in Geography, 2013, 32(7): 1039-1050.]https://doi.org/10.11820/dlkxjz.2013.07.007URL [本文引用: 1]摘要 城市空间扩展是城市化过程的重要标志,而城市土地利用变化又是城市空间扩展最为直接的表现形式。随着全球城市化的推进,城市空间扩展已成为国内外城市发展研究中的热点领域。国外城市空间扩展研究发端于20世纪60年代的计量地理革命,中国城市空间扩展的研究自80年代中期开始;2000年以来,伴随中国城市化的快速发展,城市空间扩展问题日益突出,城市空间扩展研究逐渐成为热点,有关研究成果更是大量涌现。本文根据国内外城市空间扩展研究内容的变化,运用文献资料法和对比分析法,从扩展形态、扩展模式、动力机制、模拟预测、效应与调控5个方面对城市空间扩展研究进行了系统总结与梳理。在国外与国内比较研究与综合分类基础上,重点评析现阶段国内相关研究的特点和不足,并对中国未来城市空间扩展的研究趋势进行了展望。
[4]	Batty M, Couclelis H, Eichen M.Urban systems as cellular automata. Environment and Planning B, 1997, 24(2): 159-164.https://doi.org/10.1068/b240159URL [本文引用: 1]摘要 No abstract is available for this item.
[5]	Batty M, Xie Y.From cells to cities. Environment and Planning B, 1994, 21(7): 531-548.https://doi.org/10.1068/b21s031URL [本文引用: 1]摘要 Since mathematical models came to be applied to problems of architectural and urban form, new concepts based on predicting large-scale structure from local rules have emerged through insights originating in computation and biology. The clearest of these are computer models based on cellular automata (CA) and their recent generalization in evolutionary biology and artificial life. Here we show how such models can be used to simulate urban growth and form, thus linking our exposition to the longer tradition of ideas in studies of built form emanating from the 'Cambridge School'. We first review developments of CA in general and then in urban systems in particular. We propose a general class of CA models for urban simulation and illustrate two simple applications, the first a simulation of the development of the historical 'cell' city of Savannah, Georgia, the second, a generic hypothetical application. We then show how this generic model can be used to simulate the growth dynamics of a suburban area of a mid-sized North American city, thus illustrating how this approach provides insights into the way microprocesses lead to aggregate development patterns.
[6]	Wolfram S.Cellular automata as models of complexity. Nature, 1984, 311(10): 419-424.https://doi.org/10.1038/311419a0URL [本文引用: 1]摘要 ABSTRACT Natural systems from snowflakes to mollusc shells show a great diversity of complex patterns. The origins of such complexity can be investigated through mathematical models termed `cellular automata'. Cellular automata consist of many identical components, each simple., but together capable of complex behaviour. They are analysed both as discrete dynamical systems, and as information-processing systems. Here some of their universal features are discussed, and some general principles are suggested.
[7]	Tobler R.A computer movie simulating urban growth in the detroitregion. Economic Geography, 1970, 46(2): 234-240.https://doi.org/10.2307/143141URL [本文引用: 1]
[8]	Xie Y.Analytical models and algorithms for cellular urban dynamics. New York: Doctoral Dissertation of State University of New York at Buffalo, 1994.URL [本文引用: 1]摘要 ABSTRACT Thesis (Ph. D.)--State University of New York at Buffalo, 1994. Includes bibliographical references (leaves 276-291). Photocopy of typescript.
[9]	Batty M.Urban modeling in computer-graphic and geographic information system environments. Environment and Planning B, 1992, 19(6): 663-688.https://doi.org/10.1068/b190663URL [本文引用: 1]摘要 ABSTRACT Computer graphics and its broader application as visualization are at last beginning to have an impact on the ways analysts and model builders articulate and communicate their intellectual understanding of urban systems. Geographic information systems (GIS) lie in the vanguard of these developments and there is presently much effort in linking these systems to traditional spatial models so that the power of GIS databases and display capabilities can be harnessed. To demonstrate the import of these ideas, a prototypical visual environment has been developed for such modeling and in this paper it is shown how it can be implemented. The elements of such visualization are first defined in terms of the model-based processes which characterize applications, emphasizing data exploration, model calibration, prediction, and prescription. These processes are then concentrated through model inputs, outputs, and causal structures, illustrating the operation of various model sectors through different modes of spatial statistical and graphic analysis. These ideas are implemented through windowing systems which mix text, numerics, and graphics, and are illustrated using an elementary model of residential location of Melbourne, Australia. The operation of the model in a UNIX environment which is accessed through proprietary windows-based software is demonstrated, thus providing a platform to discuss the problems of linking conventional model-based techniques to graphics software in general, GIS in particular. The paper is concluded with a sketch for future work.
[10]	Clark C, Gaydos J.Loose-coupling a cellular automation model and GIS: Long-term urban growth prediction for San Francisco and Washington/Baltimore. Geographical Information Sciences, 2008, 12(7): 699-714.https://doi.org/10.1080/136588198241617URLPMID:12294536 [本文引用: 1]摘要 Prior research developed a cellular automaton model, that was calibrated by using historical digital maps of urban areas and can be used to predict the future extent of an urban area. The model has now been applied to two rapidly growing, but remarkably different urban areas: the San Francisco Bay region in California and the Washington/Baltimore corridor in the Eastern United States. This paper presents the calibration and prediction results for both regions, reviews their data requirements, compares the differences in the initial configurations and control parameters for the model in the two settings, and discusses the role of GIS in the applications. The model has generated some long term predictions that appear useful for urban planning and are consistent with results from other models and observations of growth. Although the GIS was only loosely coupled with the model, the model's provision of future urban patterns as data layers for GIS description and analysis is an important outcome of this type of calculation.
[11]	黎夏, 叶嘉安. 约束性单元自动演化CA模型及可持续城市发展形态的模拟 . 地理学报, 1997, 54(4): 289-298.https://doi.org/10.3321/j.issn:0375-5444.1999.04.001URL [本文引用: 2]摘要 单元自动演化CA可以大大增强GIS的空间模型能力,在国外被越 来越多地应用于城市发展演化过程的模拟.本文探讨了如何通过CA与GIS的结合来进行可持续土地发展规划的新方法.提出了基于约束性的CA模型,具体分析 了局部、区域以及全局约束性对CA模型结果的影响.并将灰度的概念引进CA模型中来反映状态连续的变化,克服常规CA模型的缺陷.将该模型应用于珠江三角 洲地区来获得合理的城市发展空间布局,取得了较好的效果. [Li Xia, Yeh A G O. Constrained cellular automata for modelling sustainable urban forms. Acta Geographica Sinica, 1997, 54(4): 289-298.]https://doi.org/10.3321/j.issn:0375-5444.1999.04.001URL [本文引用: 2]摘要 单元自动演化CA可以大大增强GIS的空间模型能力,在国外被越 来越多地应用于城市发展演化过程的模拟.本文探讨了如何通过CA与GIS的结合来进行可持续土地发展规划的新方法.提出了基于约束性的CA模型,具体分析 了局部、区域以及全局约束性对CA模型结果的影响.并将灰度的概念引进CA模型中来反映状态连续的变化,克服常规CA模型的缺陷.将该模型应用于珠江三角 洲地区来获得合理的城市发展空间布局,取得了较好的效果.
[12]	Arsanjani J, Helbich M, Kainz W, et al.Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 2013, 21(1): 265-275.https://doi.org/10.1016/j.jag.2011.12.014URL [本文引用: 1]摘要 Abstract This research analyses the suburban expansion in the metropolitan area of Tehran, Iran. A hybrid model consisting of logistic regression model, Markov chain (MC), and cellular automata (CA) was designed to improve the performance of the standard logistic regression model. Environmental and socio-economic variables dealing with urban sprawl were operationalised to create a probability surface of spatiotemporal states of built-up land use for the years 2006, 2016, and 2026. For validation, the model was evaluated by means of relative operating characteristic values for different sets of variables. The approach was calibrated for 2006 by cross comparing of actual and simulated land use maps. The achieved outcomes represent a match of 89% between simulated and actual maps of 2006, which was satisfactory to approve the calibration process. Thereafter, the calibrated hybrid approach was implemented for forthcoming years. Finally, future land use maps for 2016 and 2026 were predicted by means of this hybrid approach. The simulated maps illustrate a new wave of suburban development in the vicinity of Tehran at the western border of the metropolis during the next decades.
[13]	龙瀛, 沈振江, 毛其智, 等. 基于约束性CA方法的北京城市形态情景分析 . 地理学报, 2010, 65(6): 643-655.https://doi.org/10.11821/xb201006002URL [本文引用: 1]摘要 约束性元胞自动机(Constrainedcellularautomata，ConstrainedCA)在模拟城市增长方面已有诸多实践，已有文献常利用各种反映土地利用需要、区位影响、管理制度等的政策参数，设定不同的城市空间发展情景以反映未来的城市形态。在基于约束性CA进行城市形态情景分析时，以各种政策参数作为情景条件的研究实例较多。而在中国的城市规划实践中，城市规划用于建设管理的审批，对应明确的城市形态，因而如何利用城市形态作为情景条件分析所需政策，也有实践意义，可以解决一些广为关注的重要问题，例如已有的发展政策是否与期望的城市形态相匹配，不同规划方案所需采取的政策有什么区别等。本文提出了以城市形态作为情景条件(即形态情景分析)的新方法，该方法基于约束性CA，改变了传统的约束性CA情景条件的设置方法，以期望的未来城市形态为目标，识别相应需要的发展政策。并将北京市域的4个规划城市形态作为情景条件进行了实证分析，对多个规划方案实施的可能性和政策参数进行对比分析，证明该方法具有较好的适用性和可行性，是将约束性CA的应用扩展到城市规划领域的又一尝试。 [Long Ying, Shen Zhenjiang, Mao Qizhi, et al.Form scenario analysis using constrained cellular automata. Acta Geographica Sinica, 2010, 65(6): 643-655.]https://doi.org/10.11821/xb201006002URL [本文引用: 1]摘要 约束性元胞自动机(Constrainedcellularautomata，ConstrainedCA)在模拟城市增长方面已有诸多实践，已有文献常利用各种反映土地利用需要、区位影响、管理制度等的政策参数，设定不同的城市空间发展情景以反映未来的城市形态。在基于约束性CA进行城市形态情景分析时，以各种政策参数作为情景条件的研究实例较多。而在中国的城市规划实践中，城市规划用于建设管理的审批，对应明确的城市形态，因而如何利用城市形态作为情景条件分析所需政策，也有实践意义，可以解决一些广为关注的重要问题，例如已有的发展政策是否与期望的城市形态相匹配，不同规划方案所需采取的政策有什么区别等。本文提出了以城市形态作为情景条件(即形态情景分析)的新方法，该方法基于约束性CA，改变了传统的约束性CA情景条件的设置方法，以期望的未来城市形态为目标，识别相应需要的发展政策。并将北京市域的4个规划城市形态作为情景条件进行了实证分析，对多个规划方案实施的可能性和政策参数进行对比分析，证明该方法具有较好的适用性和可行性，是将约束性CA的应用扩展到城市规划领域的又一尝试。
[14]	赵亚莉, 刘友兆. 城市土地开发强度差异及影响因素研究: 基于222个地级及以上城市面板数据 . 资源科学, 2013, 35(2): 380-387.URL [本文引用: 1]摘要 以我国222个地级及以上城市为样本,以建设用地占该区域土地总面积的比例为土地开发强度的表征指标,运用泰尔指数和经济计量模型,探讨了1997年-2009年城市土地开发强度差异及其影响因素。结果表明,研究期内我国城市间土地开发强度总体差异明显,且东、中、西部区域内部开发强度的差异对总体差异的贡献率较大;城市间土地开发强度具有明显的空间集聚特征,形成了以长三角、珠三角、北京-保定-石家庄-邢台-郑州-洛阳为中心的高强度区域,西部地区开发强度相对较低;省会城市的土地开发强度普遍较高,且同一省域内不同城市之间土地开发强度差异也较大;城市土地开发强度差异随着城市规模的增加而增大。经济增长、城市化、产业结构与城市土地开发强度之间呈显著正相关,土地规划政策的影响尚没有体现,且不同区域、不同规模城市土地开发强度的影响因素存在明显差异。今后,应采取差别化的管控策略,促进转变经济增长方式,严格执行土地规划政策,合理推动城市化和城市产业布局,才能使城市土地开发强度保持在合理水平。 [Zhao Yali, Liu Youzhao.Differencing and influencing factors of urban land development intensity across 222 cities in China. Resources Science, 2013, 35(2): 380-387.]URL [本文引用: 1]摘要 以我国222个地级及以上城市为样本,以建设用地占该区域土地总面积的比例为土地开发强度的表征指标,运用泰尔指数和经济计量模型,探讨了1997年-2009年城市土地开发强度差异及其影响因素。结果表明,研究期内我国城市间土地开发强度总体差异明显,且东、中、西部区域内部开发强度的差异对总体差异的贡献率较大;城市间土地开发强度具有明显的空间集聚特征,形成了以长三角、珠三角、北京-保定-石家庄-邢台-郑州-洛阳为中心的高强度区域,西部地区开发强度相对较低;省会城市的土地开发强度普遍较高,且同一省域内不同城市之间土地开发强度差异也较大;城市土地开发强度差异随着城市规模的增加而增大。经济增长、城市化、产业结构与城市土地开发强度之间呈显著正相关,土地规划政策的影响尚没有体现,且不同区域、不同规模城市土地开发强度的影响因素存在明显差异。今后,应采取差别化的管控策略,促进转变经济增长方式,严格执行土地规划政策,合理推动城市化和城市产业布局,才能使城市土地开发强度保持在合理水平。
[15]	刘翠玲, 龙瀛. 京津冀地区城镇空间扩张模拟与分析 . 地理科学进展, 2015, 34(2): 217-228.https://doi.org/10.11820/dlkxjz.2015.02.010URL [本文引用: 1]摘要 准确把握城镇扩张过程中空间形态的变化规律对城镇规划水平的提高具有重要的现实意义。当前,京津冀的协同发展已上升为国家战略,为了对京津冀远景的城镇增长进行预测,本文将北京城市空间发展分析模型(BUDEM)扩展到京津冀(JJJ)区域,构建了京津冀城镇空间发展分析模型(BUDEM-JJJ)。该模型以城市增长理论和约束性元胞自动机(Constrained Cellular Automata,Constrained CA)模型为基础,以京津冀区域为研究对象,以Logistic回归和单一参数循环方法(Monoloop)为模型参数识别方法,利用2000-2005年和2005-2010年两个历史阶段的城镇建设用地数据对模型进行了参数识别,并进行了模型验证。在此基础上,对京津冀区域2049年的城镇形态进行了多种情景模拟,分析了不同发展情景(Scenario)下京津冀地区城镇空间发展格局的变化,可为当前京津冀城镇发展方向的调整和下一轮的城镇规划提供参考。 [Liu Cuiling, Long Ying.Urban expansion simulation and analysis in the Beijing-Tianjin-Hebei region. Progress in Geography, 2015, 34(2): 217-228.]https://doi.org/10.11820/dlkxjz.2015.02.010URL [本文引用: 1]摘要 准确把握城镇扩张过程中空间形态的变化规律对城镇规划水平的提高具有重要的现实意义。当前,京津冀的协同发展已上升为国家战略,为了对京津冀远景的城镇增长进行预测,本文将北京城市空间发展分析模型(BUDEM)扩展到京津冀(JJJ)区域,构建了京津冀城镇空间发展分析模型(BUDEM-JJJ)。该模型以城市增长理论和约束性元胞自动机(Constrained Cellular Automata,Constrained CA)模型为基础,以京津冀区域为研究对象,以Logistic回归和单一参数循环方法(Monoloop)为模型参数识别方法,利用2000-2005年和2005-2010年两个历史阶段的城镇建设用地数据对模型进行了参数识别,并进行了模型验证。在此基础上,对京津冀区域2049年的城镇形态进行了多种情景模拟,分析了不同发展情景(Scenario)下京津冀地区城镇空间发展格局的变化,可为当前京津冀城镇发展方向的调整和下一轮的城镇规划提供参考。
[16]	焦利民, 洪晓峰, 刘耀林. 空间和属性双重约束下的自组织空间聚类研究 . 武汉大学学报: 信息科学版, 2011, 36(7): 862-866.URL [本文引用: 1]摘要 ？形式化定义了双重聚类的聚类准则及其判定方法,提出了双重聚类的两步法求解思路和自组织双重聚类算法。通过实例验证了该算法的可行性,自组织双重聚类可以发现非空间属性的聚集、延伸等空间分布特征,可以发现任意复杂形状的聚类,并降低了人为影响。 [Jiao Limin, Hong Xiaofeng, Liu Yaolin.Self-organizing spatial clustering under spatial and attribute constraints. Geomatics and Information Science of Wuhan University, 2011, 36(7): 862-866.]URL [本文引用: 1]摘要 ？形式化定义了双重聚类的聚类准则及其判定方法,提出了双重聚类的两步法求解思路和自组织双重聚类算法。通过实例验证了该算法的可行性,自组织双重聚类可以发现非空间属性的聚集、延伸等空间分布特征,可以发现任意复杂形状的聚类,并降低了人为影响。
[17]	方创琳, 毛汉英, 叶大年, 等. 中国城市发展空间格局优化理论与方法. 北京: 科学出版社, 2016. [本文引用: 1] [Fang Chuanglin, Mao Hanying, Ye Danian, et al.Theories and Methodologies for Optimizing Urban Development Spatial Patterns in China. Beijing: Science Press, 2016.] [本文引用: 1]
[18]	黎夏, 刘小平. 基于案例推理的元胞自动机及大区域城市演变模拟 . 地理学报, 2007, 62(10): 1097-1109.https://doi.org/10.3321/j.issn:0375-5444.2007.10.009URL [本文引用: 1]摘要 元胞自动机（CA）被越来越多地用于复杂系统的模拟中。许多地理现象的演变与其影响要素之间存在着复杂的关系,并往往具有时空动态性。在研究区域较大和模拟时间较长时,定义具体的规则来反映这种复杂关系有较大的困难。为了解决CA转换规则获取的瓶颈问题,提出了基于案例推理（CBR）的CA模型,并对CBR的k近邻算法进行了改进,使其能反映转换规则的时空动态性。将该模型应用于大区域的珠江三角洲城市演变中。实验结果显示,其模拟的空间格局与实际情况吻合较好。与常规的基于Logistic的CA模型进行了对比,所获得的模拟结果有更高的精度和更接近实际的空间格局,特别在模拟较为复杂的区域时有更好的模拟效果。 [Li Xia, Liu Xiaoping.Case-based cellular automaton for simulating urban development in a large complex region. Acta Geographica Sinica, 2007, 62(10): 1097-1109.]https://doi.org/10.3321/j.issn:0375-5444.2007.10.009URL [本文引用: 1]摘要 元胞自动机（CA）被越来越多地用于复杂系统的模拟中。许多地理现象的演变与其影响要素之间存在着复杂的关系,并往往具有时空动态性。在研究区域较大和模拟时间较长时,定义具体的规则来反映这种复杂关系有较大的困难。为了解决CA转换规则获取的瓶颈问题,提出了基于案例推理（CBR）的CA模型,并对CBR的k近邻算法进行了改进,使其能反映转换规则的时空动态性。将该模型应用于大区域的珠江三角洲城市演变中。实验结果显示,其模拟的空间格局与实际情况吻合较好。与常规的基于Logistic的CA模型进行了对比,所获得的模拟结果有更高的精度和更接近实际的空间格局,特别在模拟较为复杂的区域时有更好的模拟效果。
[19]	Amorosos S, Patty N.Decision procedures for surjectivity and injectivity of parallel maps for tessellation structures. Journal of Computer and System Sciences, 1972, 6(5): 448-464.https://doi.org/10.1016/S0022-0000(72)80013-8URL [本文引用: 1]摘要 After demonstrating the existence of nontrivial information Jossless parallel maps on one-dimensional iterative array configurations, algorithms are presented for deciding the injectivity or surjectivity of the global maps given their defining local maps. Whether or not these properties are independent of neighborhood interconnection patterns is also considered.
[20]	聂婷, 肖荣波, 王国恩, 等. 基于Logistic回归的CA模型改进方法: 以广州市为例 . 地理研究, 2010, 29(10): 1909-1919.https://doi.org/10.3724/SP.J.1084.2010.00199URL [本文引用: 1]摘要 基于Logistic回归的CA模型因其结构简单和数据要求相对较小的优势,被广泛应用于城市模拟领域,但数据的空间自相关性影响了模型机制挖掘与模拟精度.通过将影响城市发展演变的各种约束条件划分为强制和普通约束条件,以及运用主成分分析降低普通约束条件的数据相关性,构建了改进型Logistic回归CA模型,并在2000～2008年广州市城市增长模拟研究中进行应用.结果表明:与传统型Logistic同归CA模型相比,改进型Loglstic回归CA模型在模型拟合度和精度上均有4%左右的提高.其中约束条件划分对非城市像元模拟精度约有6%的提高,对整体精度有3%的提高.更为重要的是,降低数据相关性后,Logistic回归CA模型对于城市扩展机制的解释更符合实际.本研究旨在寻求一种简单可行且易于构建的CA模型,探求城市发展机理,为城市规划管理提供更为准确的科学依据. [Nie Ting, Xiao Rongbo, Wang Guo'en, et al. An improvement on CA model of logistic regression: A case study of Guangzhou. Geographical Research, 2010, 29(10): 1909-1919.]https://doi.org/10.3724/SP.J.1084.2010.00199URL [本文引用: 1]摘要 基于Logistic回归的CA模型因其结构简单和数据要求相对较小的优势,被广泛应用于城市模拟领域,但数据的空间自相关性影响了模型机制挖掘与模拟精度.通过将影响城市发展演变的各种约束条件划分为强制和普通约束条件,以及运用主成分分析降低普通约束条件的数据相关性,构建了改进型Logistic回归CA模型,并在2000～2008年广州市城市增长模拟研究中进行应用.结果表明:与传统型Logistic同归CA模型相比,改进型Loglstic回归CA模型在模型拟合度和精度上均有4%左右的提高.其中约束条件划分对非城市像元模拟精度约有6%的提高,对整体精度有3%的提高.更为重要的是,降低数据相关性后,Logistic回归CA模型对于城市扩展机制的解释更符合实际.本研究旨在寻求一种简单可行且易于构建的CA模型,探求城市发展机理,为城市规划管理提供更为准确的科学依据.
[21]	沈体雁, 罗丽娥, 李迅, 等. 基于LRM 的北京城市未来增长模拟研究 . 北京大学学报: 自然科学版, 2007, 43(6): 776-783.https://doi.org/10.3321/j.issn:0479-8023.2007.06.008URL [本文引用: 1]摘要 依据北京城市发展经验,引入多变量逻辑回归模型(Multi- Variable Logistic Regression Model,LRM),以遥感、GIS和地理计算技术为支撑,基于600m×600m离散格网,建立北京城市增长模拟模型,对人口稳定增长、修建七环、修 建奥运公园等3种北京城市增长情景进行模拟,并对模拟成果进行对比分析.研究结果表明,基于LRM的北京城市未来增长模拟模型应用是城市发展预测研究的一 个有效工具,可以为规划部门提供决策参考. [Shen Tiyan, Luo Li'e, Li Xun, et al. Research on Beijing city future growth simulation based on LRM. Acta Scientiarum Naturalium Universitatis Pekinensis, 2007, 43(6): 776-783.]https://doi.org/10.3321/j.issn:0479-8023.2007.06.008URL [本文引用: 1]摘要 依据北京城市发展经验,引入多变量逻辑回归模型(Multi- Variable Logistic Regression Model,LRM),以遥感、GIS和地理计算技术为支撑,基于600m×600m离散格网,建立北京城市增长模拟模型,对人口稳定增长、修建七环、修 建奥运公园等3种北京城市增长情景进行模拟,并对模拟成果进行对比分析.研究结果表明,基于LRM的北京城市未来增长模拟模型应用是城市发展预测研究的一 个有效工具,可以为规划部门提供决策参考.
[22]	龙瀛, 毛其智, 沈振江, 等. 综合约束CA城市模型: 规划控制约束及城市增长模拟 . 城市规划学刊, 2008, (6): 83-91.https://doi.org/10.3969/j.issn.1000-3363.2008.06.014URL [本文引用: 1]摘要 早期的仅考虑邻域作用的简单元 胞自动机(Cellular Automata,CA)已应用于城市增长的模拟,而城市增长过程既受到自然的约束又受到人为的规划控制,多数****开始关注在CA城市模型中引入约束条件 来反映这一客观条件,以模拟更为真实的城市增长过程。笔者提出了集成考虑近邻约束条件、宏观社会经济约束条件、空间约束条件和规划控制约束条件的综合约束 CA城市模型,对约束条件本身从时间复杂性和空间复杂性角度进行了深入的分析,提出了适应综合约束条件的状态转换规则识别方法,并在模型应用中,以控制北 京市域的城市空间增长为目的,讨论如何设置包括城市规划、限建区规划和优质农田保护政策的规划控制约束条件,以模拟更为可持续的城市空间形态,并将其与趋 势增长模式进行了对比,证明在敏感用地保护方面具有明显优势。 [Long Ying, Mao Qizhi, Shen Zhenjiang, et al.Comprehensive constrained CA urban model: Institutional constraints and urban growth simulation. Urban Planning Forum, 2008, (6): 83-91.]https://doi.org/10.3969/j.issn.1000-3363.2008.06.014URL [本文引用: 1]摘要 早期的仅考虑邻域作用的简单元 胞自动机(Cellular Automata,CA)已应用于城市增长的模拟,而城市增长过程既受到自然的约束又受到人为的规划控制,多数****开始关注在CA城市模型中引入约束条件 来反映这一客观条件,以模拟更为真实的城市增长过程。笔者提出了集成考虑近邻约束条件、宏观社会经济约束条件、空间约束条件和规划控制约束条件的综合约束 CA城市模型,对约束条件本身从时间复杂性和空间复杂性角度进行了深入的分析,提出了适应综合约束条件的状态转换规则识别方法,并在模型应用中,以控制北 京市域的城市空间增长为目的,讨论如何设置包括城市规划、限建区规划和优质农田保护政策的规划控制约束条件,以模拟更为可持续的城市空间形态,并将其与趋 势增长模式进行了对比,证明在敏感用地保护方面具有明显优势。
[23]	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.https://doi.org/10.1080/13658810210157769URL [本文引用: 1]摘要 Despite the recognition of cellular automata (CA) as a flexible and powerful tool for urban growth simulation, the calibration of CA had been largely heuristic until recent efforts to incorporate multi-criteria evaluation and artificial neural network into rule definition. This study developed a stochastic CA model, which derives its initial probability of simulation from observed sequential land use data. Furthermore, this initial probability is updated dynamically through local rules based on the strength of neighbourhood development. Consequentially the integration of global (static) and local (dynamic) factors produces more realistic simulation results. The procedure of calibrated CA can be applied in other contexts with minimum modification. In this study we applied the procedure to simulate rural-urban land conversions in the city of Guangzhou, China. Moreover, the study suggests the need to examine the result of CA through spatial, tabular and structural validation.
[24]	柯新利, 邓祥征, 何书金. 地理元胞自动机模型的尺度敏感性及原因 . 地理研究, 2010, 29(5): 863-872.https://doi.org/10.11821/yj2010050010URL [本文引用: 1]摘要 地理元胞自动机模型的模拟精度会受到元胞尺度的影响。以杭州市土地利用变化模拟为例,分析了元胞尺度分别为50m×50m、100m×100m、150m×150m和200m×200m时地理元胞自动机模型的模拟精度,对地理元胞自动机模型的尺度敏感性进行了分析;并从元胞转换规则入手,研究了元胞自动机模型尺度敏感性产生的原因:(1)元胞尺度会对地理元胞自动机模型的模拟精度产生影响,元胞尺度越精细模拟精度越高;(2)元胞自动机模型的尺度敏感性与元胞尺度相关,在有些尺度区间上表现得明显,而在有些尺度区间上表现并不明显;(3)孤立元胞是元胞自动机模型尺度敏感性产生的主要原因。研究表明,随着元胞尺度的增大,元胞空间的孤立元胞增多,这些孤立元胞本身及其周围元胞具有较低的邻域函数值和较小的转换概率值,并影响了地理元胞自动机模型的模拟精度。 [Ke Xinli, Deng Xiangzheng, He Shujin.Constrained cellular automata for modelling sustainable urban forms. Geographical Research, 2010, 29(5): 863-872.]https://doi.org/10.11821/yj2010050010URL [本文引用: 1]摘要 地理元胞自动机模型的模拟精度会受到元胞尺度的影响。以杭州市土地利用变化模拟为例,分析了元胞尺度分别为50m×50m、100m×100m、150m×150m和200m×200m时地理元胞自动机模型的模拟精度,对地理元胞自动机模型的尺度敏感性进行了分析;并从元胞转换规则入手,研究了元胞自动机模型尺度敏感性产生的原因:(1)元胞尺度会对地理元胞自动机模型的模拟精度产生影响,元胞尺度越精细模拟精度越高;(2)元胞自动机模型的尺度敏感性与元胞尺度相关,在有些尺度区间上表现得明显,而在有些尺度区间上表现并不明显;(3)孤立元胞是元胞自动机模型尺度敏感性产生的主要原因。研究表明,随着元胞尺度的增大,元胞空间的孤立元胞增多,这些孤立元胞本身及其周围元胞具有较低的邻域函数值和较小的转换概率值,并影响了地理元胞自动机模型的模拟精度。
[25]	龙瀛, 金晓斌, 李苗裔, 等. 利用约束性CA重建历史时期耕地空间格局: 以江苏省为例 . 地理研究, 2014, 33(12): 2239-2250.https://doi.org/10.11821/dlyj201412003URL [本文引用: 1]摘要 历史时期耕地空间格局重建是土地利用/土地覆被变化研究(LUCC)的重要组成部分,受到了国内外学术界的广泛关注。已有研究多采用基于总量进行空间分配的方法。考虑到耕地连续性分布及相关空间约束特点,基于约束性元胞自动机提出重建历史时期空间格局的方法,给出了模型建立、参数识别和结果验证的方法,结合数据可获得性,以江苏省为例进行了模型应用。通过与空间分配方法进行对比,结果表明该方法能较为客观地反映历史时期耕地空间格局的演变过程,可为历史耕地研究提供新的方法借鉴。 [Long Ying, Jin Xiaobin, Li Miaoyi, et al.A constrained cellular automata model for reconstructing historical arable land in Jiangsu province. Geographical Research, 2014, 33(12): 2239-2250.]https://doi.org/10.11821/dlyj201412003URL [本文引用: 1]摘要 历史时期耕地空间格局重建是土地利用/土地覆被变化研究(LUCC)的重要组成部分,受到了国内外学术界的广泛关注。已有研究多采用基于总量进行空间分配的方法。考虑到耕地连续性分布及相关空间约束特点,基于约束性元胞自动机提出重建历史时期空间格局的方法,给出了模型建立、参数识别和结果验证的方法,结合数据可获得性,以江苏省为例进行了模型应用。通过与空间分配方法进行对比,结果表明该方法能较为客观地反映历史时期耕地空间格局的演变过程,可为历史耕地研究提供新的方法借鉴。
[26]	舒帮荣. 基于约束性模糊元胞自动机的城镇用地扩展模拟研究 . 南京: 南京农业大学博士学位论文, 2010.URL [本文引用: 1]摘要 土地是人类赖以生存和发展的最基本的物质基础,特别是在人口占世 界1/5的中国,“人多地少,耕地资源十分稀缺”已成为中国目前甚至将来相当长一段时期内的基本国情。目前,中国社会经济已进入发展的关键时期,城镇化、 工业化要求城镇用地不断扩展,而同时中国人口众多,必须保证其粮食安全,生态环境保护问题也日益受到人们重视,“一要吃饭,二要建设,三要保护生态”,成 为中国目前土地利用管理中的三大难题。然而,即便是土地资源十分紧缺,中国城镇化过程仍主要以粗放增长模式过度扩张城镇用地,不仅没有缓解中国耕地保护压 力,反而造成了耕地的过度减少,威胁到... [Shu Bangrong.Simulation of urban land expansion based on constrained fuzzy cellular automata. Nanjing: Doctoral Dissertation of Nanjing Agricultural University, 2010.]URL [本文引用: 1]摘要 土地是人类赖以生存和发展的最基本的物质基础,特别是在人口占世 界1/5的中国,“人多地少,耕地资源十分稀缺”已成为中国目前甚至将来相当长一段时期内的基本国情。目前,中国社会经济已进入发展的关键时期,城镇化、 工业化要求城镇用地不断扩展,而同时中国人口众多,必须保证其粮食安全,生态环境保护问题也日益受到人们重视,“一要吃饭,二要建设,三要保护生态”,成 为中国目前土地利用管理中的三大难题。然而,即便是土地资源十分紧缺,中国城镇化过程仍主要以粗放增长模式过度扩张城镇用地,不仅没有缓解中国耕地保护压 力,反而造成了耕地的过度减少,威胁到...
[27]	White R, Engelen G, Uijee I.The use of constrained cellular automata for high-resolution modelling of urban land-use dynamics. Environment and Planning B, 1997, 24(3): 323-343.URL [本文引用: 1]