基本農(nóng)田信息對SLEUTH模型模擬準(zhǔn)確性的影響
——以常州市中心城區(qū)為例

王 麗 妍，李 飛 雪，李 滿 春，姜 朋 輝，鐘 禮 山，龔 媛

(南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210023；江蘇省地理信息技術(shù)重點實驗室，南京大學(xué)，江蘇 南京 210023)

?

基本農(nóng)田信息對SLEUTH模型模擬準(zhǔn)確性的影響
——以常州市中心城區(qū)為例

王 麗 妍，李 飛 雪*，李 滿 春，姜 朋 輝，鐘 禮 山，龔 媛

(南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210023；江蘇省地理信息技術(shù)重點實驗室，南京大學(xué)，江蘇 南京 210023)

以常州市中心城區(qū)為研究區(qū)，探索規(guī)劃基本農(nóng)田信息對SLEUTH模型校準(zhǔn)過程產(chǎn)生的作用，在此基礎(chǔ)上對常州市中心城區(qū)的城市擴張進行預(yù)測。采用一組對比試驗：排除層E1不包含規(guī)劃基本農(nóng)田信息，排除層E2包含規(guī)劃基本農(nóng)田信息，限制城市發(fā)展。試驗結(jié)果表明，排除層的設(shè)計影響模型的校準(zhǔn)過程，在研究區(qū)內(nèi)將規(guī)劃基本農(nóng)田信息納入排除層可以有效提高模型校準(zhǔn)精度，從而更好地預(yù)測常州市中心城區(qū)未來城市擴張情況。

SLEUTH；城市擴張；排除層；基本農(nóng)田；GIS

0 引言

SLEUTH模型是關(guān)于城市空間增長與土地利用變化的模型，該模型可以結(jié)合大型空間數(shù)據(jù)庫和不同分辨率的遙感數(shù)據(jù)，在不同時空尺度上模擬預(yù)測城市土地利用變化，模擬精度較高[1]，并且模型具有開放式存取、源代碼的可用性以及操作簡單等特性，從而使其得到廣泛應(yīng)用[2，3]。例如，Dezhkam等[4]將SLEUTH模型應(yīng)用于伊朗吉蘭省拉什特的城市模擬和情境預(yù)測；Al-shalabi等[5]將SLEUTH模型應(yīng)用于也門薩那，研究發(fā)展中國家城市增長和土地利用變化。該模型也存在一定的不足，即較少考慮經(jīng)濟社會、管理和政策因素等對城市擴張和土地利用變化的影響[6-9]；但模型給予用戶可定義的排除圖層和多個模型參數(shù)，利于進行不同規(guī)劃方案下對未來發(fā)展格局及潛在影響的比較。Onsted[10]嘗試通過排除層評估美國加州的土地保護狀態(tài)；Jantz等[11]通過設(shè)置不同的排除層模擬未來政策對美國巴爾的摩—華盛頓城市土地利用變化的影響；徐新良等[12]對京津冀都市圈城鎮(zhèn)擴展未來情境進行預(yù)測時，設(shè)置了3種不同的排除層，考慮了水體、生態(tài)環(huán)境保護區(qū)域以及距城區(qū)距離等信息；吳巍等[13]通過修改排除層來設(shè)計自組織預(yù)案與規(guī)劃引導(dǎo)預(yù)案兩類典型的城市發(fā)展情境，排除層的設(shè)置考慮了水體、林地、中心城區(qū)未來建設(shè)重點和農(nóng)地保護等因素。用排除層構(gòu)建未來情境的研究很普遍，但卻很少有學(xué)者詳細(xì)說明、評價排除層設(shè)計中的不足，并且在排除層設(shè)置時未能充分考慮中國土地利用政策。Onsted等[14]將土地利用分區(qū)制信息整合到SLEUTH模型的排除層中，試驗證明，設(shè)計更加精確的排除層可以提高模型的校準(zhǔn)精度；Onsted等[15]在校準(zhǔn)過程中測試不同排除層，證明了排除層對模型模擬精度的影響；李明杰等[16]模擬廣州市海珠區(qū)高密度城區(qū)擴展，在校準(zhǔn)過程中設(shè)置排除層時考慮了城市規(guī)劃中公園綠地和基本農(nóng)田保護區(qū)等信息，但并未對此展開對比分析和詳細(xì)討論，關(guān)于排除層設(shè)置對校準(zhǔn)精度的影響評價不足。為研究國內(nèi)土地利用政策對SLEUTH城市擴張模型模擬準(zhǔn)確性的影響，本文選取規(guī)劃基本農(nóng)田信息進行分析。

城市擴張使得城市周邊部分優(yōu)質(zhì)農(nóng)田逐步被吞噬[17，18]，我國專門設(shè)立了基本農(nóng)田保護制度[19]，以期能為農(nóng)業(yè)生產(chǎn)、生態(tài)保護和城市發(fā)展起到一定保障作用。本文將規(guī)劃基本農(nóng)田信息與SLEUTH城市擴張模型相結(jié)合，嘗試通過設(shè)計更加精確的排除層來提高模型的模擬準(zhǔn)確性，并根據(jù)模擬結(jié)果分析討論基本農(nóng)田保護政策對城市擴張的影響。研究采用一組對比試驗：排除層E1不包含規(guī)劃基本農(nóng)田信息，排除層E2包含規(guī)劃基本農(nóng)田信息。根據(jù)OSM_NS(Optimal SLEUTH Metric，No Slope)指標(biāo)[14]測定模型的校準(zhǔn)精度，通過追算驗證兩種方案下模型模擬的效果，并按照基本農(nóng)田分布情況將研究區(qū)域劃分為兩部分，分析規(guī)劃基本農(nóng)田信息對不同區(qū)域產(chǎn)生的影響，預(yù)測未來城市擴張情景。

1 研究區(qū)與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

常州(31°09′～32°04′N，119°08′～120°12′E)位于江蘇省南部，是長江三角洲快速城市化地區(qū)之一。本文選取常州市中心城區(qū)為研究區(qū)，覆蓋天寧、鐘樓、戚墅堰3個區(qū)，以及新北和武進部分區(qū)域的45 km×45 km的矩形區(qū)域(圖1)，面積1 447 km2，占整個常州市的33.0%。研究區(qū)域內(nèi)，規(guī)劃基本農(nóng)田的面積達(dá)335 km2，占研究區(qū)面積的23.2%，分布于研究區(qū)的新北和武進區(qū)。

1.2 數(shù)據(jù)源與數(shù)據(jù)預(yù)處理

本文的數(shù)據(jù)源主要包括常州市行政區(qū)劃圖、Landsat TM/ETM+影像數(shù)據(jù)(1990、1995、2000、2008)、DEM數(shù)據(jù)、常州市交通數(shù)據(jù)以及常州市規(guī)劃基本農(nóng)田數(shù)據(jù)。對以上數(shù)據(jù)進行處理后得到模型所需的柵格數(shù)據(jù)圖層——城市(Urban)、山體陰影(Hillshade)、坡度(Slope)、交通(Transportation)及排除圖層(Excluded)，其中排除圖層包括E1和E2兩種方案。如圖2所示，排除層中灰度值為0代表可完全城市化，灰度值為100及其以上(圖中為255)代表不能城市化，排除層E1將水體和生態(tài)保護區(qū)等作為不能城市化的部分；排除層E2在E1的基礎(chǔ)上，添加了規(guī)劃基本農(nóng)田數(shù)據(jù)，將其灰度值設(shè)為255，形成對比試驗方案。參考Jantz[20]和Dietzel[21]對模型參數(shù)的研究，在每個校準(zhǔn)階段，將輸入圖層的分辨率設(shè)為50 m。

圖1 研究區(qū)區(qū)位

Fig.1 Location of the study area

圖2 輸入圖層

Fig.2 The input data

2 研究方法

2.1 SLEUTH模型

SLEUTH模型主要假設(shè)未來現(xiàn)象可以由過去真實演化趨勢模擬得到，同時歷史增長趨勢是持續(xù)的。該模型的增長規(guī)則由5個增長控制系數(shù)決定，分別是：擴散系數(shù)(Dispersion)、繁殖系數(shù)(Breed)、傳播系數(shù)(Spread)、坡度阻抗系數(shù)(Slope resistance)和道路引力系數(shù)(Road gravity)。模型中的這5個控制系數(shù)能夠產(chǎn)生4種增長方式：自發(fā)增長、新擴展中心增長、邊緣增長和道路影響增長。這4種增長方式按順序依次進行，同時，模型的自我修正規(guī)則(Self-modifying Parameters,SMP)貫穿于城市擴張的整個過程，以模擬城市擴張的非線性過程[22]。SLEUTH可以根據(jù)校準(zhǔn)過程獲得的最佳系數(shù)值對未來城市擴張和土地利用變化進行預(yù)測。

2.2 基于改進排除層的模型校準(zhǔn)

校準(zhǔn)是SLEUTH模型運行的關(guān)鍵，在整個校準(zhǔn)過程中，模型借助Brute-force蒙特卡洛迭代方法和歷史數(shù)據(jù)，逐漸縮小控制系數(shù)的范圍，最終找到一組適合反演研究區(qū)內(nèi)過去城市擴張的5個控制系數(shù)的最佳值。校準(zhǔn)過程包括粗校準(zhǔn)(Coarse calibration)、精校準(zhǔn)(Fine calibration)、終校準(zhǔn)(Final calibration)和預(yù)測參數(shù)獲取(Deriving forecasting coefficients)。

本研究采用兩種不同的排除層研究模型的校準(zhǔn)過程：排除層E1不包含規(guī)劃基本農(nóng)田數(shù)據(jù)，排除層E2包含規(guī)劃基本農(nóng)田數(shù)據(jù)，在規(guī)劃基本農(nóng)田保護區(qū)內(nèi)限制城市發(fā)展。在校準(zhǔn)階段用于確定模型的最佳擬合優(yōu)度指標(biāo)為Dietzel等[23]提出的OSM(Optimal SLEUTH Metric)，即：OSM=compare×pop×edges×clusters×slope×xmean×ymean

(1)

由于研究區(qū)內(nèi)坡度平緩，為避免輸出指標(biāo)出現(xiàn)0值，去掉slope指標(biāo)，采用指標(biāo)OSM_NS(Optimal SLEUTH Metric，NoSlope)[14]，即：

OSM↓NS=compare×pop×edges×clusters×xmean×ymean

(2)

OSM_NS指標(biāo)測定了模型增長數(shù)量的準(zhǔn)確度(Compare和Pop)、增長位置的準(zhǔn)確度(X-Mean和Y-Mean)、大小和形狀(Clusters和Edges)。OSM_NS值越大，表示模擬結(jié)果越接近真實情況[14]。各指標(biāo)具體含義見表1。

表1 SLEUTH模型校準(zhǔn)指標(biāo)

Table 1 Calibrated metrics of SLEUTH model

指標(biāo)含義Compare模擬的最后年份的城市化像元總數(shù)與實際的最后年份城市化像元總數(shù)的比值Pop模擬的城市化像元數(shù)目與校準(zhǔn)年份實際城市化像元數(shù)目比值的最小二乘法回歸相關(guān)系數(shù)值Edges模擬城市邊界數(shù)與校準(zhǔn)年份真實城市邊界數(shù)比值的最小二乘法回歸相關(guān)系數(shù)值Clusters模擬的城市聚類與校準(zhǔn)年份真實的城市聚類比值的最小二乘法回歸相關(guān)系數(shù)值X?mean模擬的城市化像元的平均x坐標(biāo)值與校準(zhǔn)年份真實的城市化像元的平均x坐標(biāo)值比值的最小二乘法回歸相關(guān)系數(shù)值Y?mean模擬的城市化像元的平均y坐標(biāo)值與校準(zhǔn)年份真實的城市化像元的平均y坐標(biāo)值比值的最小二乘法回歸相關(guān)系數(shù)值Slope模擬的城市像元的平均坡度與校準(zhǔn)年份真實的城市像元的平均坡度比值的最小二乘法回歸相關(guān)系數(shù)值

3 結(jié)果與分析

3.1 校準(zhǔn)結(jié)果

根據(jù)研究區(qū)內(nèi)1990年、1995年、2000年和2008年的數(shù)據(jù)對模型進行粗校準(zhǔn)、精校準(zhǔn)和終校準(zhǔn)，在每個校準(zhǔn)階段結(jié)束后，將參數(shù)組合根據(jù)OSM_NS排名，得到最佳增長控制系數(shù)，如表2所示。

表2 最佳增長控制系數(shù)

Table 2 The best coefficients of growth

DispersionSpreadBreedSloperesistanceRoadgravityE1394913858E2405462264

圖3顯示了兩種方案下各校準(zhǔn)階段得到的最優(yōu)OSM_NS值，排除層E2在粗校準(zhǔn)、精校準(zhǔn)和終校準(zhǔn)的最優(yōu)OSM_NS值均比排除層E1高。從粗校準(zhǔn)到精校準(zhǔn)，再到終校準(zhǔn)，OSM_NS值呈增加趨勢。在粗校準(zhǔn)階段，E1為0.6323，E2為0.6999，E2比E1高出10.69%；在精校準(zhǔn)階段，E1為0.6863，E2為0.7337，E2比E1高出6.91%；在終校準(zhǔn)階段，E1為0.6879，E2為0.7367，E2比E1高出7.09%。

圖3 各校準(zhǔn)階段OSM_NS值

Fig.3 OSM_NS across rounds of calibration

排除層E2在整個校準(zhǔn)過程后精度比E1提高了7.09%，由于OSM_NS指標(biāo)是由6個指標(biāo)相乘得到的，所以7.09%是個很顯著的數(shù)字。因此研究認(rèn)為使用排除層E2能夠提高模型的校準(zhǔn)精度。

3.2 追算

為驗證兩種方案下模型模擬的效果，將1990年的數(shù)據(jù)作為初始年份數(shù)據(jù)，并利用表2中得到的最佳系數(shù)值，模擬研究區(qū)內(nèi)1990-2008年的城市擴張情況。從整個研究區(qū)(圖4a)看，E1在1990-1997年模擬城市面積比實際面積小，誤差約0～60 km2(0～24.2%)，在1998-2008年模擬城市面積偏大，誤差約0～84 km2(0～16.5%)；E2在1990-1997年模擬城市面積也比實際面積偏小，誤差約0～58 km2(0～19.2%)，在1998-2008年模擬城市面積也偏大，誤差約0～15 km2(0～4.7%)，與E1相比，E2在1998-2008年模擬效果較好，從圖中也可以看出，E2比較貼近城市實際擴張情況。

規(guī)劃基本農(nóng)田分布于新北區(qū)和武進區(qū)，對新北區(qū)和武進區(qū)的農(nóng)業(yè)發(fā)展起到一定的保障作用，對其城市擴張也起到一定的限制作用；鐘樓區(qū)、天寧區(qū)和戚墅堰區(qū)不包含規(guī)劃基本農(nóng)田，但作為整個研究區(qū)域的一部分，其城市擴張過程也會受到一定影響。為分析規(guī)劃基本農(nóng)田信息對不同區(qū)域產(chǎn)生的影響，并驗證模型在不同區(qū)域的模擬效果，將研究區(qū)域劃分為兩部分——新北/武進(包含規(guī)劃基本農(nóng)田)、鐘樓/天寧/戚墅堰(不包含規(guī)劃基本農(nóng)田)，比較1990-2008年模擬城市擴張過程和實際城市擴張過程。在靠近追算目標(biāo)年期間(1998-2008年)，鐘樓/天寧/戚墅堰區(qū)域內(nèi)(圖4b)，E2模擬城市面積比E1多，而在整個研究區(qū)域(圖4a)和新北/武進區(qū)域(圖4c)內(nèi)，E2模擬城市面積比E1少，但E2的模擬結(jié)果均貼近實際情況。模型受自我修正規(guī)則的影響，在E2排除層下，由于基本農(nóng)田區(qū)域不能作為城市擴張的空間，研究區(qū)內(nèi)可擴張區(qū)域的面積變小(與E1相比)，模型在模擬城市擴張時受到限制，整體增長速度相對變慢(圖4a)；又由于基本農(nóng)田分布在新北/武進區(qū)域內(nèi)，模型在新北/武進區(qū)域內(nèi)的擴張受到較大限制(圖4c)，因此模型在模擬時，更趨向于在鐘樓/天寧/戚墅堰區(qū)域內(nèi)(圖4b)擴張，使鐘樓/天寧/戚墅堰區(qū)域內(nèi)的城市面積增加較多(與E1相比)。同時說明基本農(nóng)田保護政策有利于促進城市集中擴張，避免無序蔓延。

將模擬結(jié)果中2008年城市用地空間分布情況與實際分布情況對比，采用空間整體擬合度和空間變化擬合度[24]，從總體規(guī)模和階段變化兩方面檢驗?zāi)Ｐ偷臄M合效果。整個研究區(qū)內(nèi)，E1的整體擬合度為78.30%，空間變化擬合度為69.90%，E2的整體擬合度為82.52%，空間變化擬合度為74.12%；新北/武進區(qū)域內(nèi)，E1的整體擬合度為68.47%，空間變化擬合度為60.24%，E2的整體擬合度為75.10%，空間變化擬合度為66.87%；鐘樓/天寧/戚墅堰區(qū)域內(nèi)，E1的整體擬合度為78.78%，空間變化擬合度為39.43%，E2的整體擬合度為79.04%，空間變化擬合度為39.69%。從結(jié)果可以看出，E2的空間整體擬合度和空間變化擬合度均比E1高，表明E2模擬空間分布匹配情況比E1好。

圖4 追算結(jié)果

Fig.4 Hindcast predictions

綜上所述，無論在整個研究區(qū)內(nèi)還是在兩個分區(qū)(新北/武進、鐘樓/天寧/戚墅堰)內(nèi)，E2在城市用地規(guī)模和空間分布上的模擬效果均比E1好。

3.3 預(yù)測

根據(jù)表2中模擬歷史城市擴張的最佳系數(shù)，通過預(yù)測參數(shù)獲取過程得到最適于預(yù)測未來城市擴張的增長控制系數(shù)組合(表3)，兩種方案的傳播系數(shù)和道路引力系數(shù)較高，說明近期的城市擴張趨向于邊緣增長和沿道路增長；E2傳播系數(shù)和道路引力系數(shù)比E1高，說明E2方案邊緣增長和沿道路增長的現(xiàn)象比E1更明顯。兩種方案下的坡度阻抗系數(shù)均為1，表明坡度不是阻礙城市發(fā)展的因素，因為研究區(qū)域內(nèi)坡度平緩。雖然兩種方案中的繁殖系數(shù)都不高，分別為1和7，但也說明E2中存在新擴展中心增長情況。

表3 用于預(yù)測的系數(shù)組合

Table 3 Coefficients for predictions

DispersionSpreadBreedSloperesistanceRoadgravityE146581163E247647170

以2008年為預(yù)測初始年份，預(yù)測2008-2028年未來20年的城市擴張情況，得到兩種方案下預(yù)測的2028年城市范圍(圖5，見封2)。E1預(yù)測20年后城市面積增長536.39 km2，年均增長率為26.82%，E2預(yù)測城市面積增長350.53 km2，年均增長率為17.53%，歷史階段(1990-2008年)實際城市增長面積為340.29 km2，年均增長率為18.91%。E1預(yù)測的城市空間擴張趨勢明顯比E2快，年均增長率遠(yuǎn)高出歷史階段，并呈現(xiàn)無序蔓延趨勢，而E2控制了城市無序擴張，年均增長率相比歷史階段有所降低。E2的預(yù)測結(jié)果體現(xiàn)出規(guī)劃政策發(fā)揮的作用，使城市擴張更加合理，這是由于E2在模型校準(zhǔn)階段就采用更加精確的排除層，即在模擬歷史城市擴張時就對規(guī)劃基本農(nóng)田區(qū)域進行保護和限制。

4 結(jié)論

本文將規(guī)劃基本農(nóng)田信息與SLEUTH模型結(jié)合，對常州市中心城區(qū)城市擴張進行模擬與預(yù)測，主要結(jié)論如下：1)在校準(zhǔn)階段采用包含規(guī)劃基本農(nóng)田信息的排除層可以提高模型的校準(zhǔn)精度，在整個校準(zhǔn)過程后精度提高了7.09%。2)根據(jù)追算結(jié)果，SLEUTH模型與規(guī)劃基本農(nóng)田信息結(jié)合后，無論在整個研究區(qū)內(nèi)還是在兩個分區(qū)(新北/武進、鐘樓/天寧/戚墅堰)內(nèi)，模擬效果都比較貼近實際城市擴張過程。3)預(yù)測結(jié)果表明，在校準(zhǔn)階段采用精確的排除層有利于體現(xiàn)規(guī)劃政策在未來城市擴張中的作用。本文研究結(jié)果可為其他城市擴張模型建模者研究模擬準(zhǔn)確性提供參考和借鑒，以獲得更加精確的模型校準(zhǔn)過程和更好的預(yù)測結(jié)果。本研究有待在其他政策性變量對模型的作用、模型對多時態(tài)排除層的讀取方面進行更深入的研究與拓展。

[1] 馮徽徽,劉慧平,周彬?qū)W,等.SLEUTH模型的參數(shù)行為研究[J].地理與地理信息科學(xué),2012,28(6):39-43.

[2] 李志英,劉涵妮.2003-20l1年國內(nèi)外城市拓展SLEUTH模型研究進展[J].中國人口·資源與環(huán)境,2011,21(12):25-28.

[3] CHAUDHURI G,CLARKE K C.The SLEUTH land use change model:A review[J].International Journal of Environmental Resources Research,2013,1(1):88-104.

[4] DEZHKAM S,AMIRI B J,DARVISHSEFAT A A,et al.Simulating the urban growth dimensions and scenario prediction through sleuth model:A case study of Rasht County,Guilan,Iran[J].GeoJournal,2014,79:591-604.

[5] AL-SHALABI M,BILLA L,PRADHAN B,et al.Modelling urban growth evolution and land-use changes using GIS based cellular automata and SLEUTH models:The case of Sana′a metropolitan city,Yemen[J].Environmental Earth Sciences,2013,70(1):425-437.

[6] GOETZ S J,JANTZ C A,TOWE C A,et al.Modeling the Urbanization Process across Maryland in the Context of Chesapeake Bay Restoration[C].Resources for the Future,2007.6.

[7] LAHTI J.Modelling urban growth using cellular automata:A case study of Sydney,Australia[D].Enschede,The Netherlands:International Institute for GeoInformation Science and Earth Observation,2008.

[8] TORRENS P M,O′SULLIVAN D.Cellular automata and urban simulation:Where do we go from here?[J].Environment and Planning B:Planning and Design,2001,28(2):163-168.

[9] CLARKE K C.A decade of cellular urban modeling with SLEUTH:Unresolved issues and problems[A].BRAIL R K.Planning Support System for Cities and Regions[C].Cambridge,MA:Lincoln Institute of Land Policy,2008.47-60.

[10] ONSTED J A.The Effectiveness of the Williamson Act:A Spatial Analysis[M].ProQuest,2007.

[11] JANTZ C A,GOETZ S J,SHELLEY M K.Using the SLEUTH urban growth model to simulate the impacts of future policy scenarios on urban land use in the Baltimore-Washington metropolitan area[J].Environment and Planning B,2004,31(2):251-272.

[12] 徐新良,通拉嘎,鄭凱迪,等.京津冀都市圈城鎮(zhèn)擴展時空過程及其未來情景預(yù)測[J].中國人口·資源與環(huán)境,2012,22(11):256-261.

[13] 吳巍,周生路,魏也華,等.中心城區(qū)城市增長的情景模擬與空間格局演化——以福建省泉州市為例[J].地理研究,2013,32(11):2041-2054.

[14] ONSTED J A,CHOWDHURY R R.Does zoning matter? A comparative analysis of landscape change in Redland,Florida using cellular automata[J].Landscape and Urban Planning,2014,121:1-18.

[15] ONSTED J,CLARKE K C.The inclusion of differentially assessed lands in urban growth model calibration:A comparison of two approaches using SLEUTH[J].International Journal of Geographical Information Science,2012,26(5):881-898.

[16] 李明杰,錢樂祥,吳志峰,等.廣州市海珠區(qū)高密度城區(qū)擴展SLEUTH模型模擬[J].地理學(xué)報,2009,65(10):1163-1172.

[17] 任書潭.城市擴張中的基本農(nóng)田保護規(guī)劃問題研究[J].企業(yè)導(dǎo)報,2012(14):24-24.

[18] 楊肖光,姜浩然.大城市周邊基本農(nóng)田保護區(qū)發(fā)展研究[J].蘭州學(xué)刊,2008(4):66-68.

[19] 張燕.我國基本農(nóng)田保護制度研究[D].楊凌:西北農(nóng)林科技大學(xué),2013.

[20] JANTZ C A,GOETZ S J.Analysis of scale dependencies in an urban land-use-change model[J].International Journal of Geographical Information Science,2005,19(2):217-241.

[21] DIETZEL C.Spatio-temporal difference in model outputs and parameter space as determined by calibration extent[A].ATKINSON P.Geodynamics[C].Boca Raton,Florida:CRC Press,2004.233-248.

[22] CLARKE K,HOPPEN S,GAYDOS L.A self-modifying cellular automaton model of historical[J].Environment Plan B,1997,24:247-261.

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

[24] 王貞超.基于GIS和MAS的城市用地擴展模擬研究[D].南京:南京大學(xué),2012.

Influences of Basic Farmland on SLEUTH Model Simulation Accuracy:Case Study of Changzhou Downtown

WANG Li-yan，LI Fei-xue，LI Man-chun，JIANG Peng-hui,ZHONG Li-shan,GONG Yuan

(SchoolofGeographicandOceanographicSciences,NanjingUniversity,Nanjing210023;JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology,NanjingUniversity,Nanjing210023,China)

Taking Changzhou downtown as a case study,this paper explored the impacts that basic farmland did on the process of SLEUTH model calibration.Finally the urban growth of Changzhou downtown was predicted.In the research,a comparative test was adopted to investigate the effects that basic farmland did on the SLEUTH model calibration.The excluded layer E1 did not contain any information of basic farmland.On the contrary,the basic farmland was selected to limit the urban development in the excluded layer E2.A comparison of the results obtained by these two methods indicated that the design of excluded layer impacted the model calibration process indeed.The inclusion of basic farmland information in the excluded layer can effectively improve the calibration accuracy of the model.Moreover,it also made a contribution to forecast the urban growth of Changzhou downtown.

SLEUTH;urban growth;excluded layer;basic farmland;GIS

2014-05-29；

2014-10-11

國家自然科學(xué)基金項目(40901184)；教育部博士點基金項目(20090091120028)；國土資源部公益性行業(yè)科研專項(201411014-3)

王麗妍(1991-)，女，碩士研究生，研究方向為城市擴張與GIS。*通訊作者E-mail：njulifeixue@163.com

10.3969/j.issn.1672-0504.2015.03.010

F293.2

A

1672-0504(2015)03-0048-06