京津冀城市群景觀格局變化機制與預測

劉菁華,李偉峰,周偉奇,韓立建,錢雨果,鄭曉欣

1 城市與區域生態國家重點實驗室,中國科學院生態環境研究中心, 北京 100085 2 中國科學院大學，北京 100049

京津冀城市群景觀格局變化機制與預測

劉菁華1,2,李偉峰1,*,周偉奇1,韓立建1,錢雨果1,鄭曉欣1

1 城市與區域生態國家重點實驗室,中國科學院生態環境研究中心, 北京 100085 2 中國科學院大學，北京 100049

“城市群”是我國新型城鎮化的主體形態,對推進國民經濟發展具有重大意義,但其聚集連片的快速擴張模式對資源環境的壓力持續增加,已經成為制約未來可持續的瓶頸。以我國經濟發展最為活躍,但生態環境問題十分突出的京津冀城市群為例,基于CLUE-S模型,模擬分析了1990—2010年京津冀城市群景觀格局的變化特征及其驅動機制,并預測了未來景觀格局的變化趨勢。結果表明,(1)1990—2010年京津冀城市群景觀格局變化顯著。其中,人工表面持續增加,耕地明顯下降,林地和草地格局的變化也存在明顯的時序差異；(2)京津冀城市群景觀格局的變化主要受自然和社會經濟要素的綜合影響,且不同景觀類型之間的驅動機制存在明顯差異。其中,林地更易在地勢較高、坡度較大的西部地區分布,而河流、人工表面等更易在平坦低洼的區域分布；此外,不同景觀類型變化的驅動機制存在顯著的時序差異,例如,人工表面受地形的影響程度逐步降低,呈現更加離散的分布,且其分布特征由較早時期的向市中心集聚分布發展為逐漸遠離市中心并向鐵路、高速路周邊集聚的趨勢；(3)經檢驗,CLUE-S模型能夠較好地動態模擬京津冀城市群的土地覆蓋格局的變化特征,模型的Kappa指數達0.84。模擬預測結果顯示,未來(2020年)景觀格局演變的顯著特征是人工表面將持續增加,耕地將繼續顯著減少。北京、天津、唐山和石家莊等核心城市的景觀格局變化將最為顯著。

京津冀城市群；CLUE-S模型；景觀格局；驅動機制

Abstract： Urban agglomeration is the major form of China′s new urbanization, which has greatly advanced national economic development. However, rapid regional urbanization has posed serious pressures on ecosystems, and it restricts the sustainable development of cities. We studied the Beijing-Tianjin-Hebei Metropolitan Region (BTH), which is undergoing rapid urbanization but is also facing many ecological environmental problems, as a case example to analyze the dynamics of landscape change and their driving factors during 1990—2010. To do this, we used the logistic model and simulated changes in land-cover by using the CLUE-S model. Then, we predicted the changing trends of the landscape patterns of BTH in 2020. The results were as follows: (1) there was a marked change in the landscape patterns of BTH during 1990—2010. The proportion of the artificial surface clearly continued to increase, whereas that of the cultivated land significantly decreased. The spatial configurations of forest land and grassland showed obvious temporal changes; (2) The major drivers of land-cover changes of BTH included both topographic and social-economic factors. Moreover, for different landscape types, the driving dynamics varied. For instance, the forested lands were more likely to occur northeast of BTH at high elevation and steep slopes while the water body, artificial surface and other landscape types were more likely to occur in plains and low-lying areas. The driving forces of landscape change also changed temporally. An example of this is how the distribution of artificial surface changed from being close to the central area in 1990—2000 to being away from the center, thus closer to railways and highways; (3) The CLUE-S model was robust in its application for the simulations of land-use dynamic changes of BTH, and the kappa index was 0.84. By 2020, the artificial surface of BTH was predicted to increase whereas cultivated land would continue to decrease. The most stark changes in landscape patterns should occur in core cites such as Beijing, Tianjin, Tangshan, and Shijiazhuang.

KeyWords: BTH; CLUE-S model; landscape pattern; driving mechanism

“城市群”通常是以一個或幾個大城市為核心,與周邊一系列不同規模的中小城市,通過空間上以及功能上的緊密聯系與協作分工,形成的具有明確的發展定位和層次結構清晰的區域經濟發展中心[1]。城市群最初在發達國家中形成并發展起來,隨著發展中國家城市化進程的快速推進,城市群已經成為推動發展中國家經濟發展的核心動力[1- 4]。但是,隨著城市群規模的不斷發展,這種集中連片的城市發展模式對區域生態環境的疊加影響持續加大,城市群區域的生態環境問題越來越突出。例如,淡水資源嚴重短缺、地下水超采過量、土地開發與農田保護矛盾越來越尖銳、大氣污染和水環境惡化等生態環境問題嚴重制約著京津冀地區的可持續發展[5]。因此,深入解析城市群的發展模式及其驅動機制,科學地預測城市群未來的發展趨勢,是合理規劃城市群發展布局、優化城市群國土空間開發以及解析城市群生態環境問題產生根源的重要支撐,也是推進我國區域協同發展戰略實施的關鍵環節。

城市群地區的景觀格局演變過程與變化規律,以及未來的發展趨勢受到越來越多的關注。通常,城市群覆蓋的空間范圍廣、人口稠密、人類活動密集,因此,城市群的景觀格局與演變,及其驅動機制較單個城市復雜很多。目前,國內外的相關研究主要集中在地學、社會-經濟與景觀生態學等領域。例如,從區位經濟學角度,一些研究分析了城市群的人口、經濟、基礎設施、政策以及文化生活等特征要素的時空格局與演變規律,并發展了相關理論方法,例如,城市群的人口與產業布局與發展的點軸發展理論、核心-邊緣理論、城市增長序貫模型等[6- 13]；從城市地學角度,一些研究探討了城市群不同城市空間結構與社會、經濟等職能的時空格局與相互作用規律,并提出了相關理論方法,如城市空間相互作用理論、空間擴散理論,城市空間發展的引力模型、潛力模型以及空間斷裂點模型等[14-15]；從景觀生態學角度,一些研究分析了城市群區域的景觀類型、結構與格局,及其時空變化特征與規律[16- 18]。綜上所述,當前關于城市群的發展特征與驅動機制研究中,從區位經濟、人文地理或景觀生態學等不同學科視角的研究較多,考慮多學科交叉的城市群時空格局演變與驅動機制的研究較少。

目前,許多研究表明,模型是模擬與預測城市時空格局動態演變過程的有效方法,國內外很多學者通過構建模型的方法對不同類型的城市擴張演變過程進行了模擬與預測。其中,比較成熟并被廣泛應用的模型主要有統計分析模型、系統模型、空間分析模型及綜合模型[19]。其中,統計分析模型易于結合遙感影像進行定量化分析,但由于一些決策和社會經濟因素難以實現空間化,使模型在空間分析上存在劣勢；系統模型在處理多要素的相互作用具有優勢,但在空間要素的動態變化模擬方面存在不足；而空間分析模型,例如,元胞自動機模型,適用于小空間尺度、目標要素的空間特征較為一致的城市,不適合大尺度且目標要素的時空分布特征復雜的城市群區域；而近些年發展起來的綜合模型,例如森林退化模型DELTA、CLUE-S模型等,綜合了上面介紹的幾種模型的優勢和特點,提高了針對大空間尺度以及不同目標要素的時空分布與變化特征的模擬效果,彌補了單一模型的不足[20]。

綜上所述,本研究將針對城市群這一重要的區域城市化模式,以京津冀城市群為研究案例,應用CLUE-S模型,綜合考慮社會、經濟以及自然多要素的影響,系統模擬分析了京津冀城市群景觀格局的動態演變過程與驅動機制,在此基礎上,預測了京津冀城市群未來景觀格局的演變趨勢,以期為京津冀城市群的協同發展規劃與管理提供科學依據。

1 研究方法

1.1 研究區域介紹

圖1 研究區位置及范圍Fig.1 Location and range of the study areas

京津冀城市群地處環渤海核心地帶,地勢西北高、東南低,區位優勢明顯。京津冀包括北京、天津兩大直轄市以及河北省的石家莊、唐山、保定、廊坊、張家口、承德、秦皇島、滄州、衡水、邢臺與邯鄲11個地級市(圖1)。截至2014年,作為我國最具影響力的城市群,京津冀城市群土地面積僅占全國2.3%,而生產總值為6.65萬億元,占全國10.5%,總人口占全國8.1%,其中,北京和天津等中心城市的城鎮化率分別高達86.4%和82.3%,高于全國平均水平54.8%(數據來源：北京市統計局)。雖然京津冀城市群的戰略地位突出,但存在著明顯的區域內部發展不均衡問題,例如,河北的人均GDP不足京津一半。隨著京津冀地區快速城鎮化的持續推進,其區域景觀格局也必然產生劇烈變化。

1.2 景觀格局特征提取

京津冀城市群的景觀類型主要包括林地、草地、水體、耕地、人工表面與未利用地六大類型。景觀特征的提取主要基于Landsat- 5 TM遙感影像,利用面向對象和回溯相結合的土地利用/覆被信息提取方法,獲得了1990、2000、2010年3期的土地利用/覆被分類圖,并結合高分辨率遙感數據和野外實地調查數據對遙感解譯數據進行修正及驗證,以保證分類精度[21]。其中1990年遙感影像的總體解譯精度是87.67%,2000年及2010年的總體解譯精度均超過了96%。

1.3 CLUE-S模型介紹

1.3.1 CLUE-S模型的概念及原理

CLUE-S(the Conversion of Land Use and its Effects at Small regional extent)模型是荷蘭瓦赫寧根大學“土地利用變化與影響”研究小組在CLUE模型的基礎上開發的[22],如今已被國內外很多研究者采用[23- 27]。CLUE-S模型的基本假設條件為,一個地區的土地覆被/利用變化受該地區土地利用需求驅動,且該地區的土地利用分布格局總是與土地需求與自然環境和社會經濟因子處于動態平衡狀態[23]。在此假設的基礎上,CLUE-S模型依托于非空間的土地需求模塊以及空間分配模塊,運用系統論的方法處理不同土地覆蓋類型之間的競爭關系,實現對不同土地利用變化的同步模擬[28]。

1.3.2 基于Logistic回歸的驅動力分析

Logistic回歸分析被廣泛應用于土地覆蓋格局變化的驅動機制研究,針對土地覆蓋格局特征和各種驅動因素,運用逐步Logistic回歸篩選對土地覆被格局影響較為顯著的因子,剔除影響不顯著的因子,從而估計式(1)中的系數β,獲得不同驅動因素與土地覆蓋類型分布的關系。

(1)

式中,Pi表示區域單元內土地類型i可能出現的概率；Xk,i表示與土地類型i產生概率有關的特征變量,即影響該土地類型演變的驅動因素；βk,i是它們對應的系數,表現為當其他因素不變時,特征Xk,i增加一個單位所帶來的Pi的變化；β0是常數項。

綜合現有的城市化地區土地覆蓋變化驅動機制研究[29- 31],城市土地覆蓋格局變化主要受自然和人類活動的雙重影響。本研究通過融合多源數據,基于文獻調研和京津冀城鎮化現狀,考慮了多重變量的共線性,篩選了高程、坡度,以及到河流、海岸線的距離作為影響土地覆被格局變化的自然驅動要素；還選取了到鐵路、國道、高速路、市中心距離這些與城鎮化緊密相關的可達性要素,人口、產業比重等社會經濟要素,以及采用燈光指數作為空間上直接反映人類社會、經濟活動強度及范圍的驅動因子(表1)。

表1 去除共線性后的驅動因子匯總

數據來源：高程和坡度通過DEM數據轉換；距離因子通過ArcGIS計算空間各點到特定矢量距離；城鎮人口比重等社會經濟指標來源于中國城市統計年鑒(1990—2011)；DMSP/OLS夜間燈光數據為大尺度的城市化研究提供了一種新的數據手段,已有研究表明燈光強度/面積數據分別于人口密度、GDP有高度相關性,故研究嘗試采用燈光指數來表征城市化水平對景觀格局的影響[32]。結合模型運算能力和熵理論將所有數據統一為600m×600m分辨率的柵格數據。

2.3.3 模型模擬精度驗證

CLUE-S模型的精度校驗分為兩個部分。一個是應用ROC(Relative Operating Characteristic)值對Logistic回歸結果中驅動因素的解釋能力進行校驗,來定量衡量模型模擬效果[33]。ROC值越高,Logistic回歸方程對土地利用分布格局的解釋能力越強,通常ROC值在0.7以上,就說明Logistic方程的判別能力較好,可利用CLUE-S模型繼續空間分配?？臻g模擬之后,可通過Kappa指數評價模擬精度[34]。

2 研究結果與討論

2.1 京津冀城市群景觀格局動態變化特征

1990—2010年,京津冀城市群景觀類型組成具有明顯的時空變化特征(表2)。

表2 京津冀景觀格局組成特征(1990—2010)

整體上,1990—2010年京津冀城市群的人工表面持續增長,20a內增加了66.75%；同時,耕地顯著下降,減少10.32%,耕地被侵占現象嚴重。此外,植被景觀格局也存在明顯的時空變化,例如,1990—2000年間草地增長了2955.60 km2,而2000—2010年的增幅相對緩慢；1990—2000年間林地面積減少1703.88 km2,而2000—2010年有所增加,京津冀的植被覆蓋呈現由草地逐漸向林地過渡的特點。

2.2 京津冀城市群景觀格局演變的驅動機制

Logistic回歸結果如表3、表4所示。Logistic回歸結果的判別能力由ROC值進行檢驗。隨著ROC值的增加,Logistic回歸方程的解釋能力逐漸上升。整體上看,Logistic回歸模型對整個京津冀城市群各土地覆蓋類型的分布解釋能力較強,六類土地覆蓋的ROC值均超過0.70,說明logistic回歸方程對各地類分布格局有較好解釋能力,其中,林地、水體及耕地的ROC值均在0.90左右,表明Logistic回歸對這幾種地類判別能力最好,回歸的結果可以較好地用于驅動機制分析研究以及未來對土地覆蓋格局變化的模擬與預測當中。

表3 1990—2000各土地覆蓋類型的logistic逐步回歸結果

表4 2000—2010各土地覆蓋類型的logistic逐步回歸結果

2.2.1 京津冀城市群景觀格局驅動機制的空間分異特征

從上述表中可以看出,不同時期影響京津冀城市群不同景觀類型變化的驅動因子有顯著差別。以2000—2010年各土地覆蓋類型的Logistic逐步回歸結果(表4)為例。

自然影響因素方面,高程、坡度兩個因子對京津冀六類土地覆蓋類型的演變都影響最為顯著。例如,對于林地,隨著高程和坡度的增加,Exp(B)>1,林地分布概率增大,說明林地更易在相對陡峭的山地或高山分布,而與之相對的草地、水體、耕地、人工表面和未利用地都更易在平坦、地勢較低的位置分布,幾種地類中水體受坡度影響最大,坡度每降低1°,水體的分布概率就增加10.80%。

社會經濟影響要素方面,交通網絡體系布局與距市中心距離對京津冀六類土地覆蓋類型的演變都有不同程度的影響。例如,林地在靠近鐵路以及遠離市中心和高速路的位置分布概率增加；草地更傾向于在靠近市中心、鐵路和高速路以及遠離國道的位置分布；水體分布更易遠離市中心、國道和高速路；耕地在靠近市中心、國道和高速路,且遠離鐵路的位置有分布概率增加的趨勢；人工表面在靠近鐵路和高速路以及遠離市中心的位置分布概率提高。此外,城市總人口數量與除人工表面之外的其他地類均呈現負相關,且結合燈光指數可以看出人工表面的分布概率與人類活動呈現正相關,而其他地類受人類活動影響多呈負相關,揭示了京津冀人類活動的增加對自然與半自然景觀格局的變化干擾很大。

2.2.2 京津冀城市群景觀格局驅動機制的時序變化特征

對于不同階段,土地覆蓋格局變化的驅動機制有所差異。其中,林地、草地、耕地以及人工表面這4類土地覆蓋格局變化的驅動機制的時序差異最為明顯。

首先,林地、草地作為與生態保護緊密相關的土地覆蓋類型,其驅動機制在不同階段有明顯分異。自然影響要素方面,對于1990—2000年和2000—2010年兩個不同階段,到海岸線距離對林地分布概率的影響有所變化,距離海岸線距離越遠,林地分布概率由1990—2000年的逐漸增加到2000—2010年的逐漸減小。道路交通體系方面,1990—2000年林地在遠離國道、靠近高速路的位置分布概率增加,而草地在遠離高速路的位置分布概率增加；2000—2010年林地在遠離高速路距離的位置分布概率增加,草地在靠近高速路的位置分布概率增加。另一方面,草地由隨著城鎮人口比重分布概率增加(1990—2000年)到隨之下降(2000—2010年),也表明草地慢慢向人類活動較小、城市化欠發達地區轉移。

其次,作為國民經濟的基礎,耕地的分布概率在不同階段的驅動機制也有所變化。自然影響要素方面,1990—2000年和2000—2010年兩階段,高程每增加100 m,耕地分布概率分別減小3.59%和0.25%,揭示了耕地受地勢影響程度降低的趨勢。道路交通體系對耕地的影響主要表現在隨時間逐漸由遠離高速路向靠近高速路分布。三產比重對耕地分布概率的影響由正轉負,也表明了產業結構轉型對于耕地的抑制作用隨時間的推移更加顯著。

最后,對于與城市化密切相關的人工表面而言,自然和社會經濟要素的影響具有更為明顯的時序差異。自然影響要素方面,高程和坡度對人工表面分布概率的影響程度隨時間逐漸降低。1990—2000年和2000—2010年兩階段,高程每增加100 m,人工表面分布概率減小1.20%和0.60%；坡度每增加1°,人工表面分布概率分別減小6.95%和4.29%,這可能說明早期人工表面更易在平坦、地勢較低的位置分布,而隨著經濟發展、時間推移,平地上逐漸達到飽和,人工表面未來有向高地、坡地演進的趨勢。另一方面,人工表面的分布概率由靠近海岸線逐漸增加到減小,也體現了城市發展向內陸轉移的趨勢。人為要素方面,道路交通體系對人工表面的影響有明顯的時序差異,具體表現在2000—2010年人工表面分布更易受道路影響,靠近高速路和鐵路分布概率顯著增加。再者,1990—2000年,人工表面向市中心集聚,而2000—2010年,人工表面逐漸偏離市中心,呈現空間上離散的擴張趨勢,表明京津冀城市群逐漸實現由單核向多中心發展,有助于經濟一體化的促進。1990—2010整個時間段人工表面的增加都與總人口呈現正相關,但2000—2010年階段二產、三產比重均與人工表面分布概率呈現負相關,這說明京津冀地區已進入新的發展階段,經濟及人工表面的發展方式更集約,經濟增長對人工表面的驅動效應減小[35]。

2.3 京津冀城市群景觀格局變化趨勢預測

2.3.1 模擬精度驗證與預測

基于CLUE-S模型模擬的2010年京津冀土地覆蓋/利用格局與2010年實際現狀的對比分析表明,模型模擬的Kappa系數為0.84,通常Kappa系數的最低允許判別精度為0.7[36],說明應用CLUE-S模型對京津冀城市群景觀格局的動態模擬具有較好的模擬效果。

由于城市化區域的景觀格局是在人類活動的影響下逐漸變化的,而人類的社會、經濟活動,如人口和經濟增長等也是逐步變化的,因此,某一時段景觀格局的變化機制與距其最近時段的景觀格局變化機制關系最為密切,故而假設2010—2020年期間影響土地利用格局的驅動要素與2010年相似,結合土地需求與各類景觀的歷史轉移規則,模擬預測了2020年京津冀城市群的景觀格局分布特征(圖2)。

圖2 不同時期京津冀土地利用分布圖Fig.2 land-use patterns in BTH from various periods

2.3.2 京津冀城市群土地覆蓋格局的變化趨勢

如表5所示,較2010年,京津冀城市群的林地、草地和人工表面都有一定程度的增加,其中人工表面增加了17.02%；水體、耕地和未利用地都有一定比例的減少,耕地退化依然嚴重；林地和草地繼續增加,植被覆蓋的增加有助于京津冀城市群生態環境的改善,但耕地、水體的減少以及人工表面過快的增速對生態環境的影響仍需引起重視。

表5 2010—2020年人工表面的數量變化

從景觀類型轉換方式看,1990—2010年3個時期人工表面增長的主要來源于對耕地的侵占,其次是林地與水體；減少的耕地主要轉變為人工表面,其次是林地(表6)。從空間分布看(圖3),人工表面的增長主要發生在北京、天津,以及河北省主要城市如石家莊和唐山,不同城市的人工表面增長來源并不相同。例如,北京2010—2020年增加的人工表面,71.3%來自于耕地,19.8%來源于林地；天津新增的人工表面80.4%來自耕地,14.6%來自水體；唐山新增的人工表面85.4%由耕地轉化,6.7%和6.3%由林地和水體轉換；石家莊的新增人工表面有81.0%來自于耕地,15.1%來源于林地。對比發現,經濟相對發達的北京、天津、唐山等核心城市的人工表面增加幅度大,而張家口、承德等欠發達地區,由于經濟發展水平及地理位置的劣勢,人工表面增加幅度較緩。

表6 不同時期人工表面的轉移來源

圖3 不同時期人工表面轉移來源的空間分布Fig.3 The transformation location to artificial surface in various periods

3 結論

本文應用CLUE-S模型,通過綜合考慮自然、經濟與社會等因子,模擬分析了京津冀城市群景觀格局的時空變化及其驅動機制,并對京津冀城市群未來景觀格局的變化趨勢做了模擬預測,主要結論如下：

(1)1990—2010年京津冀城市群景觀格局變化顯著。其中,人工表面的變化最為顯著,增加了66.75%,耕地退化嚴重,林地和草地格局的變化存在明顯的時序差異,京津冀城市群的植被覆蓋呈現由草地逐漸向林地過渡的趨勢。

(2)1990—2010年京津冀城市群景觀格局的演變主要受自然和社會經濟要素的綜合影響。但是,不同景觀類型變化的驅動機制存在明顯差異,林地更易在地勢較高、坡度較大的西部分布,而河流、人工表面等更易在平坦低洼的位置分布；人工表面和人口呈現顯著正相關。此外,不同時段的景觀格局變化的驅動機制也有差異,例如,人工表面受地形影響程度逐漸降低,且呈現了更加離散,從向市中心集聚到遠離市中心并逐步向鐵路、高速路集聚的趨勢。

(3)CLUE-S模型可以較好地模擬和預測京津冀城市群景觀格局變化的過程與趨勢,模型模擬的Kappa系數達0.84。京津冀城市群未來景觀格局變化的顯著特征為,人工表面將持續增加,耕地繼續顯著減少,植被覆蓋有所提升。北京、天津、唐山和石家莊等核心城市的景觀格局變化相對較大,而張家口、承德等欠發達地區,由于經濟發展水平及地理位置的劣勢,景觀格局的變化相對較小。

(4)本文運用CLUE-S模型對京津冀城市群景觀格局變化的模擬與預測結果具科學性,但也存在一定局限性。一方面受數據可獲得性的影響,部分社會經濟指標只到地市級,在一定程度上影響了模擬精度；另一方面,本文并未考慮政策要素對景觀格局變化的影響。未來的研究可以采用情景分析或多目標優化的手段,從多角度模擬政策要素對景觀格局變化的影響,以期為優化京津冀未來城市發展格局及可持續發展提供理論依據。

[1] 顧朝林. 城市群研究進展與展望. 地理研究, 2011, 30(5): 771- 784.

[2] 方創琳. 改革開放30年來中國的城市化與城鎮發展. 經濟地理, 2009, 29(1): 19- 25.

[3] 方創琳. 中國城市群形成發育的政策影響過程與實施效果評價. 地理科學, 2012, 32(3): 257- 264.

[4] 方創琳. 中國城市群研究取得的重要進展與未來發展方向. 地理學報, 2014, 69(8): 1130- 1144.

[5] 文魁, 祝爾娟. 京津冀藍皮書: 京津冀發展報告 (2013)[D]. 北京: 社會科學文獻出版社, 2013.

[6] Friedman J R. Urbanization, Planning, and National Development. London: SAGE Publication, 1973.

[7] Friedman J R. Territory and Function: Evolution of Regional Planning. London: Edward Arnold, 1976.

[8] K J 巴頓. 城市經濟學: 理論和政策. 北京: 商務印書館, 1984.

[9] Behrens K, Thisse J F. Regional economics: A new economic geography perspective. Regional Science and Urban Economics, 2007, 37(4): 457- 465.

[10] Tabuchi T, Thisse J F. A new economic geography model of central places. Journal of Urban Economics, 2011, 69(2): 240- 252.

[11] Tabuchi T. Historical trends of agglomeration to the capital region and new economic geography. Regional Science and Urban Economics, 2014, 44: 50- 59.

[12] 張永紅. 增長極理論與我國區域經濟發展的三大階段. 湖南工業大學學報(社會科學版). 2008, 13(6): 117- 120.

[13] 盛科榮, 孫威. 基于理論模型與美國經驗證據的城市增長序貫模式. 地理學報, 2013, 68(12): 1632- 1642.

[14] 張偉, 顧朝林. 城市與區域規劃模型系統. 南京: 東南大學出版社, 2000.

[15] 閆衛陽, 王發曾, 秦耀辰. 城市空間相互作用理論模型的演進與機理. 地理科學研究進展, 2009, 28(4): 511- 518.

[16] 匡文慧, 劉紀遠, 邵全琴, 何劍鋒, 孫朝陽, 田漢勤, 班藝舫. 區域尺度城市增長時空動態模型及其應用. 地理學報, 2011, 66(2): 178- 188.

[17] 郗鳳明, 賀紅士, 胡遠滿等. 遼寧中部城市群城市增長時空格局及其驅動力. 應用生態學報, 2010, 21(3): 707- 713.

[18] Wu W J, Zhao S Q, Zhu C, Jiang J L. A comparative study of urban expansion in Beijing, Tianjin and Shijiazhuang over the past three decades. Landscape and Urban Planning, 2015, 134: 93- 106.

[19] 裴彬, 潘韜. 土地利用系統動態變化模擬研究進展. 地理科學進展, 2010, 29(9): 1060- 1066.

[20] 林堅, 張禹平, 李婧怡, 羅潔, 楚建群. 2013年土地科學研究重點進展評述及2014年展望——土地利用與規劃分報告. 中國土地科學, 2014, 28(2): 3- 12.

[21] 歐陽志云, 王橋, 鄭華, 張峰, 侯鵬. 全國生態環境十年變化(2000—2010年)遙感調查評估. 中國科學院院刊, 2014, 29(4): 462- 466.

[22] Verburg P H, Soepboer W, Veldkamp A, Limpiada R, Espaldon V, Mastura S S A. Modeling the spatial dynamics of regional land use: the CLUE-S model. Environmental Management, 2002, 30(3): 391- 405.

[23] 張永民, 趙士洞, Verburg P H. CLUE-S 模型及其在奈曼旗土地利用時空動態變化模擬中的應用. 自然資源學報, 2003, 18(3): 310- 318.

[24] Hu Y C, Zheng Y M, Zheng X Q. Simulation of land-use scenarios for Beijing using CLUE-S and Markov composite models. Chinese Geographical Science, 2013, 23(1): 92- 100.

[25] Xu L Y, Li Z X, Song H M, Yin H. Land-Use Planning for Urban Sprawl Based on the CLUE-S Model: A Case Study of Guangzhou, China. Entropy, 2013, 15(9): 3490- 3506.

[26] 馮仕超, 高小紅, 顧娟, 亢健, 郭麗峰, 吳國良, 鄒嬋. 基于CLUE-S模型的湟水流域土地利用空間分布模擬. 生態學報, 2013, 33(3): 985- 997.

[27] 韓會然, 楊成鳳, 宋金平. 北京市土地利用空間格局演化模擬及預測. 地理科學進展, 2015, 34(8): 976- 986.

[28] 王麗艷, 張學儒, 張華, 王衛. CLUE-S模型原理與結構及其應用進展. 地理與地理信息科學, 2010, 26(3): 73- 77.

[29] 劉濤, 曹廣忠. 城市用地擴張及驅動力研究進展. 地理科學進展, 2010, 29(8): 927- 934.

[30] 崔雪竹, 王要武. 城市用地擴張的社會人文驅動機制——以上海市為例的實證研究. 土木工程學報, 2012, 45(S2): 306- 310.

[31] 韓會然, 楊成鳳, 宋金平. 北京市土地利用變化特征及驅動機制. 經濟地理, 2015, 35(5): 148- 154.

[32] 陳晉, 卓莉, 史培軍, 一之瀨俊明. 基于DMSP/OLS數據的中國城市化過程研究——反映區域城市化水平的燈光指數的構建. 遙感學報, 2003, 7(3): 168- 175.

[33] Pontius R G Jr, Schneider L C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment, 2001, 85(1/3): 239- 248.

[34] Pontius R G. Quantification error versus location error in comparison of categorical maps. Photogrammetric Engineering and Remote Sensing, 2000, 66(8): 1011- 1016.

[35] 姜海, 曲福田. 不同發展階段建設用地擴張對經濟增長的貢獻與響應. 中國人口·資源與環境, 2009, 19(1): 70- 75.

[36] Van Janssen L L F. Accuracy assessment of satellite derived land-cover data: a review. Photogrammetric Engineering and Remote Sensing, 1994, 60(4): 419- 426.

SimulationandpredictionofchangesinthelandscapepatternsoftheBeijing-Tianjin-HebeiMetropolitanRegionandtheirdrivingmechanisms

LIU Jinghua1,2, LI Weifeng1,*, ZHOU Weiqi1, HAN Lijian1, QIAN Yuguo1, ZHENG Xiaoxin1

1StateKeyLaboratoryofUrbanandRegionalEcology,ResearchCenterforEco-EnvironmentalSciences,ChineseAcademyofSciences,Beijing100085,China2UniversityofChineseAcademyofSciences,Beijing100049,China

國家自然科學基金重大項目(41590841)；中國科學院前沿科學重點研究項目(QYZDB-SSW-DQC034)；國家重點研發計劃重點專項(2016YFC0503004)

2016- 05- 22; < class="emphasis_bold">網絡出版日期

日期:2017- 03- 25

*通訊作者Corresponding author.E-mail: li.wf@rcees.ac.cn

10.5846/stxb201605220981

劉菁華,李偉峰,周偉奇,韓立建,錢雨果,鄭曉欣.京津冀城市群景觀格局變化機制與預測.生態學報,2017,37(16):5324- 5333.

Liu J H, Li W F, Zhou W Q, Han L J, Qian Y G, Zheng X X.Simulation and prediction of changes in the landscape patterns of the Beijing-Tianjin-Hebei Metropolitan Region and their driving mechanisms.Acta Ecologica Sinica,2017,37(16):5324- 5333.