基于GIS與LTM模型的上海市城市擴(kuò)展模擬與預(yù)測(cè)*

徐新良閔稀碧，2田 展

(1.中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京 100101;2.中國(guó)科學(xué)院研究生院，北京 100039;3.上海市氣象局，上海 200030)

基于GIS與LTM模型的上海市城市擴(kuò)展模擬與預(yù)測(cè)*

徐新良1閔稀碧1，2田 展3

(1.中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京 100101;2.中國(guó)科學(xué)院研究生院，北京 100039;3.上海市氣象局，上海 200030)

本文以1990、2000、2005年上海市城市土地利用遙感數(shù)據(jù)為基本數(shù)據(jù)源，結(jié)合城市人口數(shù)據(jù)，利用LTM模型對(duì)1990－2000年和1990－2005年上海市城市空間擴(kuò)展過(guò)程進(jìn)行了模擬和精度檢驗(yàn)，并在此基礎(chǔ)上對(duì)2020年上海市城市空間擴(kuò)展進(jìn)行了預(yù)測(cè)。結(jié)果表明:1990－2000年、1990－2005年LTM模型模擬結(jié)果的Kappa系數(shù)分別為0.59和0.61，可以較好的模擬歷史時(shí)期上海市城市空間擴(kuò)展的總體趨勢(shì);LTM模型預(yù)測(cè)結(jié)果顯示，2005－2020年上海市城鎮(zhèn)用地面積將由914.03km2增加到1123.79km2，年均擴(kuò)展面積將由1990～2005年的23.44 km2/a下降到13.98 km2/a，未來(lái)上海市城市空間擴(kuò)展速度將呈減緩趨勢(shì)。

上海;城市空間擴(kuò)展;GIS;LTM模型

城市空間擴(kuò)展已經(jīng)成為土地利用和土地覆被變化最重要的類型之一［1］，并逐步成為土地利用變化的主導(dǎo)特征［2］。但城市空間快速擴(kuò)展也帶來(lái)了一系列問(wèn)題，如耕地減少［3］、濕地退化［4］、動(dòng)植物棲息地破壞［5］、大氣和水污染嚴(yán)重［6］、城市熱島效應(yīng)［7］等。為了科學(xué)把握城市擴(kuò)展規(guī)律、有效引導(dǎo)城市空間的可持續(xù)發(fā)展，國(guó)內(nèi)外學(xué)者對(duì)城市空間擴(kuò)展的分析和模擬開(kāi)展了大量研究工作。例如Xiao等利用RS和GIS空間信息技術(shù)手段對(duì)城市空間擴(kuò)展的特征和驅(qū)動(dòng)力進(jìn)行了分析［8］，Long等運(yùn)用元胞自動(dòng)機(jī)CA模型［9，10］、楊勇等基于邏輯回歸模型［11］、Lee等基于GIS軟件和空間系統(tǒng)模型［12］、Nnyaladzi等基于CLUE－S模型［13］分別對(duì)城市空間擴(kuò)展進(jìn)行了模擬與預(yù)測(cè)。目前城市擴(kuò)展空間模擬以元胞自動(dòng)機(jī)CA模型的應(yīng)用最多，但CA模型本身存在建模的不確定因素，這對(duì)城市空間擴(kuò)展的模擬結(jié)果有一定影響［14］。本文運(yùn)用LTM模型，對(duì)上海市城市空間擴(kuò)展開(kāi)展了模擬與預(yù)測(cè)，旨在為城市空間擴(kuò)展的定量研究提供一種新的思路與手段，并為上海市城市空間有序發(fā)展的宏觀調(diào)控提供科學(xué)依據(jù)和決策參考。

1 研究資料和方法

1.1 研究區(qū)概況

上海市地處我國(guó)南北弧形海岸線中部，交通便利，腹地廣闊，地理位置優(yōu)越，是一個(gè)良好的江海港口。全市總面積6340.5km2，平均海拔高度4m左右，屬亞熱帶季風(fēng)氣候，四季分明，氣候溫和濕潤(rùn)。2009年上海市轄浦東新區(qū)以及16區(qū)、一縣，年末常住人口為1 921.32萬(wàn)人，城鎮(zhèn)化水平達(dá)到88.3%，人均GDP達(dá)到11 563美元，正向加快建設(shè)國(guó)際金融中心、國(guó)際航運(yùn)中心和現(xiàn)代國(guó)際大都市邁進(jìn)。作為中國(guó)重要的經(jīng)濟(jì)中心，上海市城市空間擴(kuò)展始終處于較高速度，尤其是1990年以來(lái)的浦東新區(qū)開(kāi)發(fā)更是加劇了城市土地利用的劇烈變化。本文選取上海市作為研究區(qū)域，既有助于檢驗(yàn)LTM模型對(duì)城市空間擴(kuò)展模擬與預(yù)測(cè)的準(zhǔn)確性，也可為上海市未來(lái)城市空間的有序發(fā)展提供宏觀調(diào)控依據(jù)。

1.2 LTM模型介紹

土地轉(zhuǎn)化模型(Land Transformation Model，LTM)是基于GIS平臺(tái)并結(jié)合人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)技術(shù)的模型，可用于分析城市擴(kuò)展與其影響因子之間的關(guān)系，繼而對(duì)城市擴(kuò)展的空間分布進(jìn)行預(yù)測(cè)。Pijanowski等國(guó)外學(xué)者［15］已對(duì)LTM模型及其應(yīng)用做了大量介紹，國(guó)內(nèi)徐穎等［16］也對(duì)其進(jìn)行了初步探討和應(yīng)用。LTM模型主要包括以下4個(gè)部分［15］:①選取影響城市擴(kuò)展的自然、社會(huì)、政策等因子，并對(duì)其進(jìn)行重編碼和采樣等預(yù)處理。②運(yùn)用空間分析方法對(duì)影響因子進(jìn)行分析并將分析結(jié)果柵格化，作為下一步建立神經(jīng)網(wǎng)絡(luò)的輸入。③對(duì)所有模型輸入因子進(jìn)行分析預(yù)測(cè)，主要有3種方法:多標(biāo)準(zhǔn)評(píng)估法(Multi－Criteria Evaluation，MCE)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)和邏輯回歸(Logistic Regression，LR)，本文采用ANN方法進(jìn)行分析預(yù)測(cè)。獲得城市擴(kuò)展在空間上的可能性大小。④使用PID法(Principle Index Driver，PID)預(yù)測(cè)特定時(shí)間尺度上的城市空間擴(kuò)展情況。本文選擇人口為主驅(qū)動(dòng)因子，通過(guò)人口變化與占用城市土地的數(shù)量關(guān)系(公式(1))來(lái)預(yù)測(cè)未來(lái)城市空間擴(kuò)展的規(guī)模。

1.3 數(shù)據(jù)處理

(1)土地利用數(shù)據(jù)。上海市土地利用數(shù)據(jù)是基于1990、2000和2005年Landsat TM/ETM遙感影像，通過(guò)人工目視解譯生成，土地利用類型包括耕地、林地、草地、水域、城鎮(zhèn)用地、農(nóng)村居民地和其他建設(shè)用地7個(gè)類型，我們從中提取出城鎮(zhèn)用地作為L(zhǎng)TM模型模擬城市擴(kuò)展的數(shù)據(jù)基礎(chǔ)。

(2)城市擴(kuò)展影響因子。城市空間擴(kuò)展是自然、經(jīng)濟(jì)、政策等多因素共同作用的結(jié)果，其影響因子主要包括地形因素、城市基礎(chǔ)設(shè)施、交通因素等。本文選取海拔高度、水域2個(gè)自然要素和建成區(qū)、鐵路、公路3個(gè)社會(huì)經(jīng)濟(jì)要素作為上海市城市空間擴(kuò)展的影響因子。在ArcGIS平臺(tái)支持下，首先從1990年上海市土地利用現(xiàn)狀圖中提取“水域”、“城鎮(zhèn)用地”數(shù)據(jù)，然后利用ArcGIS的空間分析技術(shù)，生成研究區(qū)域各點(diǎn)到“城市”、“公路”、“鐵路”、“水域”的距離漸變圖。最后將這4幅距離漸變圖和DEM數(shù)據(jù)用100m×100m的柵格進(jìn)行重采樣，并轉(zhuǎn)化為ASCII格式數(shù)據(jù)，作為L(zhǎng)TM模型的輸入因子。

(3)城市擴(kuò)展限制因子。城市擴(kuò)展限制因子作為L(zhǎng)TM模型的輸入因子之一，用于排除原則上不會(huì)被發(fā)展為城鎮(zhèn)用地的地方，阻止模型對(duì)這些地方起作用。在本文中，我們選擇1990年的城鎮(zhèn)用地和水域作為限制因子，并對(duì)其重新編碼，最后轉(zhuǎn)化為ASCII格式數(shù)據(jù)，作為L(zhǎng)TM模型的輸入因子。

(4)城市人口數(shù)據(jù)。城市人口數(shù)量是預(yù)測(cè)未來(lái)城市空間擴(kuò)展規(guī)模的主要驅(qū)動(dòng)因子。根據(jù)《上海統(tǒng)計(jì)年鑒1991》和《中國(guó)統(tǒng)計(jì)年鑒2006》，1990、2005年上海市城鎮(zhèn)人口分別為868.73萬(wàn)人和1584萬(wàn)人。2020年上海市城鎮(zhèn)人口的確定取決于2020年上海市城市化率。根據(jù)上海市寶山區(qū)、閔行區(qū)、青浦區(qū)和奉賢區(qū)的區(qū)域規(guī)劃綱要，到2020年這四個(gè)區(qū)的城市化率分別將達(dá)到98.7%、100%、 92%和84%。我們?nèi)∩鲜鰯?shù)值的平均值93.675%作為上海市2020年城市化率。2020年上海市總?cè)丝诟鶕?jù)王桂新等［17］對(duì)上海市常住人口合理規(guī)模的預(yù)測(cè)，其預(yù)測(cè)的合理規(guī)模為2000－2300萬(wàn)人，我們?nèi)≈虚g值2150萬(wàn)人作為2020年上海市總?cè)丝凇；谏鲜龀鞘谢屎涂側(cè)丝陬A(yù)測(cè)值，2020年上海市城鎮(zhèn)人口預(yù)測(cè)為2014萬(wàn)人。

2 上海市城市空間擴(kuò)展模擬與預(yù)測(cè)

2.1 上海市城市空間擴(kuò)展模擬結(jié)果驗(yàn)證

將上海市城市擴(kuò)展影響因子和限制因子數(shù)據(jù)以及1990年、2000年和2005年土地利用數(shù)據(jù)輸入LTM模型，分別進(jìn)行1990－2000年和1990－2005年上海城市空間擴(kuò)展模擬，訓(xùn)練次數(shù)均為250 000次。可以獲得1990－2000年和1990－2005年上海市城市空間擴(kuò)展模擬結(jié)果。為考查L(zhǎng)TM模型模擬結(jié)果的精度，我們采用Kappa系數(shù)來(lái)進(jìn)行評(píng)價(jià)。Kappa系數(shù)是常用的評(píng)價(jià)空間模擬精度的指數(shù)，其定義如下:

式中，

TN:True Negative，即實(shí)際沒(méi)有發(fā)生變化，模型結(jié)果也未發(fā)生變化的柵格數(shù)目;

FN:False Negative，即實(shí)際沒(méi)有發(fā)生變化，模型結(jié)果發(fā)生變化的柵格數(shù)目;

FP:False Positive，即實(shí)際發(fā)生變化，模型結(jié)果未發(fā)生變化的柵格數(shù)目;

TP:True Positive，即實(shí)際發(fā)生變化，模型結(jié)果也發(fā)生變化的柵格數(shù)目;

RN=TN+FP，即預(yù)測(cè)未發(fā)生變化的柵格數(shù)目;

RP=FN+TP，即預(yù)測(cè)發(fā)生變化的柵格數(shù)目;

SN=TN+FN，即實(shí)際沒(méi)有發(fā)生變化的柵格數(shù)目;

SP=FP+TP，實(shí)際發(fā)生變化的柵格數(shù)目;

GT=TN+FN+FP+TP，所有的柵格數(shù)目。

經(jīng)計(jì)算，LTM模型模擬1990－2000年上海市城市空間擴(kuò)展的Kappa系數(shù)為0.59，而模擬1990－2005年上海市城市擴(kuò)展的Kappa系數(shù)為0.61。根據(jù)對(duì)Kappa系數(shù)值的評(píng)價(jià)［18］，Kappa系數(shù)在0.41－0.60之間代表模型模擬的一致性程度為中等，在0.61－0.80之間代表模型模擬的一致性程度為好。可見(jiàn)本文中，LTM模型模擬上海市城市空間擴(kuò)展的結(jié)果與遙感監(jiān)測(cè)結(jié)果的一致性程度較好。

2.2 2020年上海市城市空間擴(kuò)展預(yù)測(cè)

1990－2005年間，上海市的城鎮(zhèn)人口由868.73萬(wàn)人增加到1584萬(wàn)人，而該時(shí)期轉(zhuǎn)化為城鎮(zhèn)用地的土地柵格數(shù)量為34917個(gè)。用PDI法可以得到城鎮(zhèn)空間擴(kuò)展與人口增長(zhǎng)之間的單位數(shù)量關(guān)系，即205人/柵格。依據(jù)2020年上海市城鎮(zhèn)人口預(yù)測(cè)數(shù)據(jù)，預(yù)測(cè)2020年上海市城鎮(zhèn)空間擴(kuò)展柵格數(shù)為20976個(gè)，即城鎮(zhèn)用地面積將凈增長(zhǎng)209.76km2，利用LTM模型以及GIS的空間分析功能，可以獲得2005－2020年上海市城市擴(kuò)展的空間分布格局(見(jiàn)圖1)。2005－2020年上海市城市擴(kuò)展主要集中在東部、南部和西北三個(gè)方向，東部的浦東新區(qū)向海方向、南部的徐匯區(qū)沿滬閔高架路向南方向以及西北部沿滬太路和南北高架路兩側(cè)向北方向均是未來(lái)城市擴(kuò)展的主要方向。

圖1 1990－2020年上海市空間城市擴(kuò)展預(yù)測(cè)圖

3 結(jié)論與討論

3.1 上海市城市空間擴(kuò)展基本結(jié)論

由遙感監(jiān)測(cè)的1990、2000和2005年上海市城市空間分布以及LTM模型模擬預(yù)測(cè)的2020年上海市城市空間擴(kuò)展結(jié)果，上海市城市空間擴(kuò)展具有以下幾點(diǎn)特征:

(1)從1990、2000和2005年遙感監(jiān)測(cè)獲取的上海城市面積統(tǒng)計(jì)結(jié)果看(見(jiàn)表1)，1990年上海市城市面積為562.39 km2，占總土地面積的7.02%，2005年上海市城市面積為914.03 km2，占總土地面積的11.41%，1990－2005年上海市城鎮(zhèn)用地面積凈增加351.64km2，增長(zhǎng)62.53%，年增長(zhǎng)率4.17%。

(2)1990－2000年、1990－2005年LTM模型模擬的上海市城市空間擴(kuò)展和遙感監(jiān)測(cè)結(jié)果之間的Kappa系數(shù)分別達(dá)到0.59和0.61，表明LTM模型較好的模擬出了上海市城市空間擴(kuò)展的總體趨勢(shì)。

(3)LTM模型預(yù)測(cè)結(jié)果表明，2005－2020年上海市城鎮(zhèn)用地面積將從2005年的914.03km2增加到2020年的1123.79km2，凈增加209.76km2，年均擴(kuò)展面積由1990－2005年的23.44 km2/a下降到13.98 km2/a(見(jiàn)表1)，可見(jiàn)，隨著上海城市化水平的提高以及城鎮(zhèn)人口增長(zhǎng)速度減緩，未來(lái)城市空間擴(kuò)展速度呈減緩趨勢(shì)。

3.2 關(guān)于LTM模型的討論

城市空間擴(kuò)展受到自然、經(jīng)濟(jì)、政策等多種因素的影響，是一個(gè)復(fù)雜的、非線性的系統(tǒng)，很難用一般的數(shù)學(xué)方法來(lái)定量描述其內(nèi)部規(guī)律。本文基于GIS強(qiáng)大的空間分析能力、遙感數(shù)據(jù)的客觀性以及ANN獨(dú)特的非線性信息處理能力開(kāi)展LTM對(duì)上海市城市空間擴(kuò)展的模擬和預(yù)測(cè)，在一定程度上避免了人工經(jīng)驗(yàn)預(yù)測(cè)主觀上的不確定性，模擬結(jié)果更具客觀性。

表1 上海市1990－2005年和2005－2020年城市擴(kuò)展面積與速度統(tǒng)計(jì)表

社會(huì)、經(jīng)濟(jì)等人文要素是影響城市空間擴(kuò)展的重要因子，特別是城市土地?cái)U(kuò)展政策更是制約城市空間擴(kuò)展速度和模式的關(guān)鍵。受數(shù)據(jù)來(lái)源和定量化難易程度的影響，本文僅選取到建成區(qū)、鐵路、公路的距離3個(gè)因子來(lái)在一定程度反映社會(huì)經(jīng)濟(jì)和政策的影響，在城市擴(kuò)展影響因子的選擇上還有一定的局限性，在今后的研究中我們將進(jìn)一步探索將更多的社會(huì)、經(jīng)濟(jì)、政策等因素引入模型，使模型模擬結(jié)果精度得到進(jìn)一步的提高。

從本文模擬結(jié)果看，1990－2005年LTM模型模擬結(jié)果的Kappa系數(shù)高于1990－2000年，可見(jiàn)基于LTM模型對(duì)城市擴(kuò)展進(jìn)行模擬，模擬時(shí)間尺度越長(zhǎng)，越能更精確反映城市空間擴(kuò)展特征。這主要是由于人工神經(jīng)網(wǎng)絡(luò)不僅能記憶訓(xùn)練數(shù)據(jù)模式，還能根據(jù)歷史數(shù)據(jù)訓(xùn)練出具有歸納全部特征的特定神經(jīng)網(wǎng)絡(luò)，因此在未來(lái)的工作中，有望通過(guò)延長(zhǎng)模型模擬的時(shí)間尺度，進(jìn)一步提高模擬預(yù)測(cè)結(jié)果的準(zhǔn)確性。

(編輯:田紅)

［1］Tian Guangjin，Liu Jiyuan，Xie Yichun et al.Analysis of Spatio－Temporal Dynamic Pattern and Driving Forces of Urban Land in China in 1990s Using TM Images and GIS［J］.Cities，2005，22(6):400－410.

［2］劉紀(jì)遠(yuǎn)，張?jiān)鱿椋煨铝嫉?21世紀(jì)初中國(guó)土地利用變化的空間格局與驅(qū)動(dòng)力分析［J］.地理學(xué)報(bào)，2009，64(12):1411－1420.

［3］Tan Minghong，Li Xiubin，Xie Hui et al.Urban Land Expansion and Arable Land Loss in China:a Case Study of Beijing–Tianjin–Hebei region［J］.Land Use Policy，2005，22:187－196.

［4］Mustafa Bolca，Bahar Turkyilmaz，Yusuf Kurucu et al.Determination of Impact of Urbanization on Agricultural Land and Wetland Land Use in Balcovas’Delta by Remote Sensing and GIS Technique［J］.Environ Monit Assess，2007，131:409－419.

［5］Christian Wolter.Towards a Mechanistic Understanding of Urbanization’s Impacts on Fish［J］.Urban Ecology，Springer US Press，2008，425－436.

［6］Che Xiuzhen，Shang Jincheng.Strategic Environmental Assessment for Sustainable Development in Urbanization Process in China［J］.Chinese Geographical Science，2004，14(2):148－152.

［7］Feng J Z，Petzold D E.Temperature Through Urbanization in Metropolian Washington，D C，1945－1979［J］.Meteorology and Atmospheric Physics，1988，38:195－201.

［8］Xiao Jieying，Shen Yanjun，Ge Jingfeng et al.Evaluating Urban Expansion and Land Use Change in Shijiazhuang，China，by Using GIS and Remote sensing［J］.Landscape and Urban Planning，2006，75: 69－80.

［9］Long Ying，Mao Qizhi，Dang Anrong.Beijing Urban Development Model:Urban Growth Analysis and Simulation［J］.Tsinghua Science and Technology，2009，14(6):782－794.

［10］Silva E A，Clarke K C.Calibration of the SLEUTH Urban Growth Model for Lisbon and Porto，Portugal［J］.Computers，Environment and Urban Systems，2002，26:525－552.

［11］楊勇，任志遠(yuǎn)，李開(kāi)宇.基于GIS的西安市城市擴(kuò)展與模擬研究［J］.人文地理，2010，25(2):95－98.

［12］Lee Chunlin，Huang Shuli，Chan Shihliang.Biophysical and System Approaches for Simulating Land-Use Change［J］.Landscape and Urban Planning，2008，86:187－203.

［13］Batisani Nnyaladzi，Yarnal Brent.Urban Expansion in Centre County，Pennsylvania:Spatial Dynamics and Landscape Transformations［J］.Applied Geography，2009，29:235－249.

［14］Yeh Anthony Gar-On，Li Xia.Errors and Uncertainties in Urban Cellular Automata［J］.Computers，Environment and Urban Systems，2006，30:10－28.

［15］Pijanowski B C，Brown D G，Shellito B A，et al.Using Neural Networks and GIS to Forecast Land Use Changes:Aland Transformation Model［J］.Computers，Environment and Urban Systems，2002，26(6):553－575

［16］徐穎，呂斌等.基于GIS與ANN的土地轉(zhuǎn)化模型在城市空間擴(kuò)展研究中的應(yīng)用——以北京市為例［J］.北京大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，44(2):262－270.

［17］王桂新，殷永元.上海人口與可持續(xù)發(fā)展研究［M］.上海:上海財(cái)經(jīng)大學(xué)出版社，2000.

［18］李光麗，杜培軍，王小美等.多源遙感影像土地覆蓋分類結(jié)果一致性評(píng)價(jià)與集成應(yīng)用［J］.地理與地理信息科學(xué)，2009，25(4):68－71

AbstractUsing land use remote sensing data in 1990，2000 and 2005，combined with urban population data，this paper firstly simulated urban land expansion in Shanghai during 1990－2000 and 1990－2005 based on LTM model，then forecasted the scale of urban expansion in 2020.The results showed that urban land area has increased 351.64km2from 1990 to 2005，increased 62.53%，and annual growth rate is 4.17%.The Kappa coefficient is 0.59 and 0.61 respectively during 1990－2000 and 1990－2005.It showed that LTM model could better simulate the trend of urban expansion in historical period.And the predictions of LTM model showed that urban land area will increased from 914.03km2to 1123.79km2in Shanghai during 2005－2020，and annual expansion area will decrease from 23.44 km2/a to 13.98 km2/a，The urban spatial expansion rate in shanghai will take on a slow trend.

Key wordsShanghai;Urban Land Expansion;GIS;LTM Model

Simulation and Prediction of Urban Expansion in Shanghai City based on GIS and LTM Model

XU Xin-liang1MIN Xi-bi1，2TIAN Zhan3
(1.Institute of Geographical Sciences and Nature Resources Research，CAS，Beijing 100101，China; 2.Graduate University of the Chinese Academy of Sciences，Beijing 100049，China; 3.Shanghai Meteorological Bureau，Shanghai 130012，China)

F129.9

A

1002－2104(2010)05專－0136－04

2010-09-03

徐新良，博士，副研究員，碩導(dǎo)，主要研究方向?yàn)橥恋乩?土地覆被變化與陸地生態(tài)系統(tǒng)綜合監(jiān)測(cè)與評(píng)估。

*國(guó)家自然科學(xué)基金國(guó)際合作與交流項(xiàng)目(編號(hào):40921140410)，國(guó)家科技支撐計(jì)劃項(xiàng)目(編號(hào):2008BAK50B01)。