城市擴(kuò)張生態(tài)效應(yīng)預(yù)測(cè)對(duì)輸入數(shù)據(jù)的敏感性研究

蔡凌雁，王麗妍，伍 陽(yáng)，李飛雪，陳 東

（1.南京大學(xué) 地理與海洋科學(xué)學(xué)院，南京210023；2.南京大學(xué) 江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京210023）

城市擴(kuò)張生態(tài)效應(yīng)預(yù)測(cè)對(duì)輸入數(shù)據(jù)的敏感性研究

蔡凌雁，王麗妍，伍 陽(yáng)，李飛雪，陳 東

（1.南京大學(xué) 地理與海洋科學(xué)學(xué)院，南京210023；2.南京大學(xué) 江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京210023）

城市擴(kuò)張模型被廣泛應(yīng)用于多種生態(tài)保護(hù)情景下的城市擴(kuò)張預(yù)測(cè)，然而不同的輸入數(shù)據(jù)會(huì)導(dǎo)致模型預(yù)測(cè)的不確定性，從而影響城市的規(guī)劃管理和生態(tài)保護(hù)決策。以常州市市區(qū)為研究區(qū)，通過(guò)土地利用變更數(shù)據(jù)和遙感影像數(shù)據(jù)獲取兩種城市用地圖層作為SLEUTH模型的輸入數(shù)據(jù)，對(duì)比研究了城市范圍的差異對(duì)生態(tài)效應(yīng)預(yù)測(cè)結(jié)果的影響。結(jié)果表明：（1）兩種城市輸入層得到的模型校準(zhǔn)精度不同。（2）不同城市輸入圖層對(duì)城市擴(kuò)張預(yù)測(cè)結(jié)果產(chǎn)生影響，城市擴(kuò)張數(shù)量和年平均增長(zhǎng)率存在明顯差異。（3）生態(tài)效應(yīng)預(yù)測(cè)結(jié)果對(duì)城市輸入圖層的敏感性較強(qiáng)，兩種城市圖層包含的土地利用類(lèi)型和最小制圖單元不同，建模者應(yīng)根據(jù)具體研究目標(biāo)和要求，選擇合適的模型輸入數(shù)據(jù)，以獲取相對(duì)準(zhǔn)確的生態(tài)保護(hù)結(jié)論。

城市擴(kuò)張模型；生態(tài)效應(yīng)；輸入數(shù)據(jù)；敏感性；常州市

當(dāng)前城市的生態(tài)環(huán)境正受到威脅，破碎化增加、連通性降低、環(huán)境質(zhì)量下降，這與城市擴(kuò)張緊密相關(guān)。城市化過(guò)程會(huì)伴隨自然景觀、土地利用方式的變化，會(huì)影響到各種生態(tài)過(guò)程、生物棲息地，從而造成對(duì)生態(tài)系統(tǒng)結(jié)構(gòu)和功能的改變[1]，進(jìn)而威脅可持續(xù)發(fā)展和居民生活質(zhì)量[2]。因此，城市擴(kuò)張與生態(tài)效應(yīng)的研究逐漸受到重視。城市擴(kuò)張模型如馬爾科夫模型、邏輯回歸模型、元胞自動(dòng)機(jī)模型和多智能體模型等，被廣泛應(yīng)用于城市擴(kuò)張預(yù)測(cè)與生態(tài)效應(yīng)分析，相關(guān)研究通常應(yīng)用城市擴(kuò)張模型對(duì)城市土地利用變化進(jìn)行模擬和預(yù)測(cè)，評(píng)價(jià)和分析由此帶來(lái)的生態(tài)效應(yīng)，并為生態(tài)規(guī)劃和城市發(fā)展提供決策依據(jù)[3-6]。隨著城市擴(kuò)張模型的發(fā)展和完善，模型復(fù)雜度不斷增加，使得模型中不確定因素的研究越來(lái)越重要[7]，相關(guān)學(xué)者對(duì)模型校準(zhǔn)方法、數(shù)據(jù)時(shí)序差異、粒度效應(yīng)等方面都開(kāi)展了相應(yīng)研究[8-11]。

模型空間輸入數(shù)據(jù)的差異是模型的一個(gè)不確定因素，合適的輸入數(shù)據(jù)可以提高模型的模擬準(zhǔn)確性[12]。其中，不同的數(shù)據(jù)源得到的城市范圍輸入圖層在時(shí)間分辨率、空間分辨率和分類(lèi)體系等方面有所不同，但數(shù)據(jù)獲取的有限性導(dǎo)致建模者不能根據(jù)應(yīng)用目標(biāo)選取合適的數(shù)據(jù)源來(lái)確定城市范圍，影響了以模型預(yù)測(cè)結(jié)果為參考依據(jù)的城市管理和生態(tài)保護(hù)決策[13]。從已有研究來(lái)看，少有學(xué)者探索不同來(lái)源的城市輸入圖層對(duì)城市擴(kuò)張模型預(yù)測(cè)結(jié)果產(chǎn)生的影響。為此，本文以常州市為研究區(qū)，以SLEUTH城市擴(kuò)張模型為例，通過(guò)土地利用變更數(shù)據(jù)和遙感影像數(shù)據(jù)這兩種數(shù)據(jù)源獲取城市圖層，作為模型輸入數(shù)據(jù)，進(jìn)行對(duì)比試驗(yàn)，探索城市擴(kuò)張引起的生態(tài)效應(yīng)預(yù)測(cè)對(duì)輸入數(shù)據(jù)的敏感性。

1 研究區(qū)概況

常州市（31°09′—32°04′N(xiāo)，119°08′—120°12′E）位于江蘇省南部、長(zhǎng)江三角洲中心地帶，是長(zhǎng)江三角洲新型城鎮(zhèn)化最快的地區(qū)之一，包括溧陽(yáng)、金壇2個(gè)縣級(jí)市和武進(jìn)、新北、天寧、鐘樓、戚墅堰5個(gè)市轄區(qū)，總面積約4 372 km2。2014年，常州市總?cè)丝诩s470萬(wàn)人（其中城鎮(zhèn)人口約323萬(wàn)人，約占69%），人口密度約1 075人/km2，遠(yuǎn)高于同時(shí)期中國(guó)平均人口密度（143人/km2）。2014年，常州市人均GDP達(dá)104 423元，遠(yuǎn)高于同時(shí)期中國(guó)人均GDP（46 531元）。本文研究區(qū)為常州市市轄區(qū)，面積約1 862 km2，約占常州市總面積的43%，是常州市政治、經(jīng)濟(jì)和文化中心。隨著常州市城鎮(zhèn)化和現(xiàn)代化進(jìn)程的加速推進(jìn)，土地供需矛盾突出、生態(tài)問(wèn)題凸顯，在一定程度上影響了常州市的可持續(xù)發(fā)展。因此，亟需探索城市擴(kuò)張帶來(lái)的生態(tài)效應(yīng)問(wèn)題，準(zhǔn)確為常州市城市發(fā)展和生態(tài)保護(hù)提供對(duì)策。

2 研究方法與數(shù)據(jù)準(zhǔn)備

2.1 城市擴(kuò)張模型

本文采用的城市擴(kuò)張模擬模型為SLEUTH模型，該模型可以結(jié)合大型空間數(shù)據(jù)庫(kù)和不同分辨率的遙感數(shù)據(jù)，在不同時(shí)空尺度上模擬預(yù)測(cè)城市土地利用的變化[14]，且模型具有開(kāi)放式存取、源代碼的可用性以及操作簡(jiǎn)單等特性，從而使其在全球范圍得到廣泛應(yīng)用。除此之外，SLEUTH模型在景觀變化模擬及預(yù)測(cè)、區(qū)域開(kāi)發(fā)政策與城市規(guī)劃方案評(píng)估以及環(huán)境影響評(píng)價(jià)方面表現(xiàn)出重要的應(yīng)用價(jià)值[15]。SLEUTH模型由5個(gè)增長(zhǎng)控制系數(shù)（擴(kuò)散系數(shù)、繁殖系數(shù)、傳播系數(shù)、坡度阻抗系數(shù)、道路引力系數(shù)）決定了4種增長(zhǎng)方式（自發(fā)增長(zhǎng)、新擴(kuò)展中心增長(zhǎng)、邊緣增長(zhǎng)、道路影響增長(zhǎng)），根據(jù)校準(zhǔn)過(guò)程獲得的最佳系數(shù)值對(duì)未來(lái)城市擴(kuò)張進(jìn)行預(yù)測(cè)。

2.1.1 空間輸入數(shù)據(jù) 模型所需的空間輸入數(shù)據(jù)包括城市圖層（Urban）、交通圖層（Transportation）、排除層（Excluded）、坡度層（Slope）和山體陰影層（Hillshade），見(jiàn)圖1。

（1）城市圖層。城市圖層的兩個(gè)數(shù)據(jù)源為：土地利用變更數(shù)據(jù)（U1）和遙感影像數(shù)據(jù)（U2）。其中，土地利用變更數(shù)據(jù)來(lái)源于常州市國(guó)土資源局，比例尺為1：50 000，選取2004年、2009年、2011年和2013年4個(gè)年份，將城鎮(zhèn)用地轉(zhuǎn)換為柵格圖層，如圖1A—1D所示；經(jīng)統(tǒng)計(jì)，2013年最小城市圖斑面積為1 hm2，平均城市圖斑面積為25 hm2。另一個(gè)數(shù)據(jù)集來(lái)自遙感影像解譯，遙感影像分辨率為30 m，為與第1個(gè)數(shù)據(jù)集形成對(duì)比，根據(jù)遙感影像的實(shí)際可獲取情況，選擇時(shí)間間隔與跨度較為接近的2004年、2008年、2010年和2013年，通過(guò)改進(jìn)的建設(shè)用地指數(shù)[16]提取建設(shè)用地，并采用平滑和去除小圖斑操作進(jìn)行后處理得到城鎮(zhèn)用地，如圖1F—1I所示；經(jīng)檢驗(yàn)，總體精度滿(mǎn)足要求（均大于80%），統(tǒng)計(jì)得2013年最小城市圖斑面積為10 hm2，平均為198 hm2，2013年城鎮(zhèn)面積占比約36%（土地利用變更數(shù)據(jù)約25%）。

（2）其他圖層。對(duì)比試驗(yàn)中的其他圖層均相同，包括交通圖層、排除圖層、坡度層和山體陰影層。其中，交通圖層為2004年和2013年的主要交通道路，見(jiàn)圖1E，1J；排除層包含水域、生態(tài)保護(hù)區(qū)和基本農(nóng)田（體現(xiàn)保護(hù)政策），見(jiàn)圖1K；坡度層和山體陰影層來(lái)自DEM數(shù)據(jù)，分辨率為50 m，見(jiàn)圖1L，1M。所有輸入圖層轉(zhuǎn)換為像元大小為100 m的柵格數(shù)據(jù)，輸入模型時(shí)需轉(zhuǎn)換成灰度圖。

2.1.2 模型校準(zhǔn)和預(yù)測(cè) 模型校準(zhǔn)包括粗校準(zhǔn)、精校準(zhǔn)、終校準(zhǔn)和預(yù)測(cè)參數(shù)獲取。在校準(zhǔn)過(guò)程中，模型借助蒙特卡洛迭代方法逐漸縮小增長(zhǎng)控制系數(shù)的范圍，根據(jù)獲得的最佳系數(shù)值對(duì)未來(lái)城市擴(kuò)張進(jìn)行預(yù)測(cè)。在校準(zhǔn)階段用于確定模型的最佳擬合優(yōu)度指標(biāo)為OSM-NS（Optimal SLEUTH Metric，No Slope）[17]，即：

OSM-NS指標(biāo)測(cè)定了模型增長(zhǎng)數(shù)量的準(zhǔn)確度（Compare和 Pop）、增長(zhǎng)位置的準(zhǔn)確度（Xmean和Ymean）、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(shí)情況[17]。

2.2 生態(tài)效應(yīng)分析方法

2.2.1 景觀格局指數(shù) 為研究預(yù)測(cè)結(jié)果的范圍和空間格局差異，計(jì)算兩個(gè)數(shù)據(jù)集2013—2030年預(yù)測(cè)結(jié)果的景觀格局指數(shù)，具體見(jiàn)表1。

圖1 輸入圖層

表1 景觀格局指數(shù)

2.2.2 生境質(zhì)量評(píng)價(jià)方法 為確定不同城市輸入圖層對(duì)生態(tài)效應(yīng)的影響，本文采用生態(tài)系統(tǒng)服務(wù)評(píng)估工具In VEST模型（Integrated Valuation of Ecosystem Services and Tradeoffs Model）計(jì)算生境質(zhì)量。該模型能夠?qū)⑦b感與GIS的優(yōu)勢(shì)相結(jié)合，可根據(jù)土地利用/覆被圖的時(shí)空變化來(lái)模擬生態(tài)系統(tǒng)服務(wù)功能的動(dòng)態(tài)變化，其直觀可視的評(píng)價(jià)結(jié)果可為決策者權(quán)衡人類(lèi)活動(dòng)的影響提供科學(xué)依據(jù)[18]。研究采用模型的生境質(zhì)量評(píng)價(jià)模塊，生境質(zhì)量的高低取決于人類(lèi)對(duì)生境周邊土地的利用方式和利用強(qiáng)度，一般而言，生境質(zhì)量隨著周邊土地利用強(qiáng)度的提高而退化[19]。土地覆蓋類(lèi)型j中柵格單元x的生境質(zhì)量Qxj計(jì)算公式為：

式中：Hj為土地覆蓋類(lèi)型j的生境適合性；Dxj為土地覆蓋類(lèi)型j中柵格單元x的生境退化程度；z為系統(tǒng)固有的換算系數(shù)，其值為2.5；k為半飽和系數(shù)。

3 結(jié)果與分析

3.1 模型校準(zhǔn)結(jié)果

根據(jù)研究區(qū)內(nèi)歷史數(shù)據(jù)對(duì)模型進(jìn)行校準(zhǔn)，在每個(gè)校準(zhǔn)階段結(jié)束后，根據(jù)OSM-NS對(duì)參數(shù)組合進(jìn)行排名，并根據(jù)擬合指標(biāo)判定，模擬城市用地的增長(zhǎng)數(shù)量、增長(zhǎng)位置、大小和形狀比較理想，模擬精度均符合要求。最終得到兩個(gè)數(shù)據(jù)集的最佳增長(zhǎng)控制系數(shù)，差異較大：U1中擴(kuò)散系數(shù)95，繁殖系數(shù)27，傳播系數(shù)28，坡度阻抗系數(shù)10，道路引力系數(shù)65；U2中擴(kuò)散系數(shù)63，繁殖系數(shù)2，傳播系數(shù)99，坡度阻抗系數(shù)25，道路引力系數(shù)41。圖2顯示了兩種方案下各校準(zhǔn)階段得到的最優(yōu)OSM-NS值，數(shù)據(jù)集U1在粗校準(zhǔn)、精校準(zhǔn)和終校準(zhǔn)的最優(yōu)OSM-NS值均比U2高，在終校準(zhǔn)階段，U1為0.780 5，U2為0.570 7，U1比U2高出36.76%。

圖2 各校準(zhǔn)階段OSM-NS值

3.2 預(yù)測(cè)結(jié)果規(guī)模與空間差異分析

根據(jù)獲取的最佳增長(zhǎng)控制系數(shù)，通過(guò)預(yù)測(cè)參數(shù)獲取過(guò)程得到適用于未來(lái)城市擴(kuò)張預(yù)測(cè)的控制系數(shù)：U1中擴(kuò)散系數(shù)100，繁殖系數(shù)29，傳播系數(shù)30，坡度阻抗系數(shù)1，道路引力系數(shù)68；U2中擴(kuò)散系數(shù)68，繁殖系數(shù)2，傳播系數(shù)100，坡度阻抗系數(shù)1，道路引力系數(shù)45。分析兩組控制系數(shù)發(fā)現(xiàn)：兩種方案的擴(kuò)散系數(shù)和道路引力系數(shù)相對(duì)較高，說(shuō)明近期的城市擴(kuò)張趨向于自發(fā)增長(zhǎng)和道路影響增長(zhǎng)；U1的擴(kuò)散系數(shù)、繁殖系數(shù)和道路引力系數(shù)均比U2高，傳播系數(shù)比U1低，說(shuō)明U1方案自發(fā)增長(zhǎng)、新擴(kuò)展中心增長(zhǎng)和道路影響增長(zhǎng)的增長(zhǎng)現(xiàn)象比U2更明顯，而U2更偏向于邊緣增長(zhǎng)；兩種方案下的坡度阻抗系數(shù)均為1，表明坡度不是阻礙研究區(qū)內(nèi)城市發(fā)展的因素。根據(jù)獲取的預(yù)測(cè)參數(shù)，預(yù)測(cè)研究區(qū)2020年和2030年的城市擴(kuò)張情況。

為量化U1和U2預(yù)測(cè)的城市擴(kuò)張數(shù)量差異，將SLEUTH模型輸出的預(yù)測(cè)概率圖分為高概率擴(kuò)張區(qū)（90%～100%）、中低概率擴(kuò)張區(qū)（50%～90%），并轉(zhuǎn)換為GIS柵格數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果見(jiàn)圖3。為更準(zhǔn)確地分析U1和U2高概率擴(kuò)張區(qū)的空間分布情況，將兩個(gè)數(shù)據(jù)集2030年預(yù)測(cè)圖的高概率擴(kuò)張區(qū)域進(jìn)行疊加分析，疊加效果見(jiàn)圖4。

圖3 城市擴(kuò)張預(yù)測(cè)規(guī)模統(tǒng)計(jì)

圖4 2030年高概率擴(kuò)張區(qū)空間疊加

如圖3所示：（1）2013年內(nèi)已有城市用地面積：U1為466.43 km2，U2為678.31 km2，U2比U1多45.43%。（2）相比2013年，U1預(yù)測(cè)2020年增加城市用地面積共141.53 km2，幾乎全部（98.78%）為中低概率擴(kuò)張區(qū)域；U2預(yù)測(cè)2020年增加263.76 km2，大部分（63.11%）為高概率擴(kuò)張區(qū)域，少部分（36.89%）為中低概率擴(kuò)張區(qū)域。（3）相比2013年，U1預(yù)測(cè)2030年增加城市用地面積共306.18 km2，約一半（51.68%）為高概率擴(kuò)張區(qū)域；U2預(yù)測(cè)2030年增加378.98 km2，絕大部分（88.93%）為高概率擴(kuò)張區(qū)域。（4）從近期預(yù)測(cè)情況來(lái)看，從2013—2020年，U2的總體預(yù)測(cè)年平均增長(zhǎng)率高于U1，分別為5.55%和4.33%；從遠(yuǎn)期預(yù)測(cè)情況來(lái)看，從預(yù)測(cè)初始年至2030年，U1的總體預(yù)測(cè)年平均增長(zhǎng)率高于U2，分別為9.38%和7.98%；若單從高概率擴(kuò)張區(qū)的年平均增長(zhǎng)率來(lái)看，無(wú)論是近期還是遠(yuǎn)期預(yù)測(cè)，U2均遠(yuǎn)高于U1。

從圖4可以看出，U1與U2均為高概率預(yù)測(cè)區(qū)域的面積僅為51.39 km2；僅U1為高概率預(yù)測(cè)區(qū)域的面積為106.83 km2，圖斑相對(duì)細(xì)碎，分布較為分散，大部分位于研究區(qū)的中部、已有建成區(qū)周邊；僅U2為高概率預(yù)測(cè)區(qū)域的面積為285.65 km2，與U1相比圖斑較大，主要分布在研究區(qū)北部和建成區(qū)南部邊緣。

3.3 生態(tài)效應(yīng)分析

3.3.1 城市擴(kuò)張景觀格局分析 利用Fragstats 4.2計(jì)算預(yù)測(cè)年份各項(xiàng)景觀格局指數(shù)，統(tǒng)計(jì)結(jié)果見(jiàn)圖5。隨著預(yù)測(cè)年份的增加，LPI有明顯上升，而NP和LSI均呈現(xiàn)下降趨勢(shì)，CONTAG無(wú)明顯變化。說(shuō)明隨著城市用地的不斷擴(kuò)張，城市斑塊逐漸融合成面積更大的斑塊，城市的主導(dǎo)現(xiàn)象越來(lái)越明顯，城市越來(lái)越緊湊，城市斑塊形狀趨于規(guī)則，破碎度降低，連通性增加，這與兩個(gè)方案將基本農(nóng)田納入排除層的保護(hù)措施有關(guān)。與U2相比，U1城鎮(zhèn)用地?cái)?shù)據(jù)更加精細(xì)，其N(xiāo)P和LSI值高、下降速度快，有明顯的從破碎向集中的變化趨勢(shì)，U2的NP和LSI值整體變化不大，尤其是后5年基本呈現(xiàn)平穩(wěn)的低值；預(yù)測(cè)期間U2比U1的LPI值高，表明U2中城市主導(dǎo)現(xiàn)象更明顯，這與U2預(yù)測(cè)城鎮(zhèn)用地主要分布在中心城區(qū)邊緣有關(guān)；U2的CONTAG值比U1低，且呈現(xiàn)出一定的波動(dòng)性，而U1的城市延展趨勢(shì)較為穩(wěn)定。

圖5 預(yù)測(cè)年份景觀格局指數(shù)統(tǒng)計(jì)

3.3.2 生境質(zhì)量評(píng)價(jià)分析 結(jié)合研究區(qū)土地利用/土地覆被的實(shí)際情況，參考In VEST模型使用指南和前人已有的研究成果[3]，設(shè)定城鎮(zhèn)用地、道路、高概率擴(kuò)張區(qū)和中低概率擴(kuò)張區(qū)為威脅因子，并對(duì)威脅因子參數(shù)、各生境類(lèi)型對(duì)各威脅因子的敏感性設(shè)置（表2—3），獲取生境質(zhì)量和生境退化水平評(píng)價(jià)結(jié)果，采用自然斷裂法對(duì)評(píng)價(jià)結(jié)果分級(jí)，并對(duì)不同級(jí)別的用地面積進(jìn)行統(tǒng)計(jì)，分級(jí)結(jié)果和統(tǒng)計(jì)結(jié)果見(jiàn)圖6（5級(jí)代表生境質(zhì)量/退化水平最高）。

（1）由6來(lái)看，新北區(qū)北部、武進(jìn)區(qū)東部和南部的生境質(zhì)量較高，高級(jí)別區(qū)域主要為水域和林地，中心城區(qū)及其周邊地區(qū)的生境質(zhì)量較低，主要受到人類(lèi)活動(dòng)的影響。從2013—2030年，U1和U2的1級(jí)生境質(zhì)量區(qū)域面積迅速增加，同時(shí)伴隨著2級(jí)區(qū)域面積的減少，U2的這一趨勢(shì)更加顯著，這與模型預(yù)測(cè)2030年城市用地?cái)U(kuò)張面積較大有關(guān)，大范圍的城市用地對(duì)周?chē)纳鷳B(tài)用地造成破壞，導(dǎo)致生境質(zhì)量不斷下降；水域等高級(jí)別生境質(zhì)量區(qū)域受到一定的保護(hù)，面積基本穩(wěn)定。

（2）分析生境退化水平，生境質(zhì)量整體呈現(xiàn)下降的趨勢(shì)，生境退化水平較高（5級(jí)最高）的區(qū)域主要分布在建設(shè)用地周邊，并且生境退化水平以建設(shè)用地為中心逐漸降低。U1生境退化水平集中在1級(jí)，說(shuō)明大部分區(qū)域的生境退化水平較低，并且U1出現(xiàn)生境質(zhì)量變好的零星圖斑，這與模型預(yù)測(cè)的2030年城市用地范圍和空間分布有關(guān)，與U2相比，模型中U1的城市擴(kuò)張受到一定限制，部分耕地受到保護(hù)；與U1相比，U2各個(gè)生境退化水平級(jí)別的面積相對(duì)均勻，無(wú)生境質(zhì)量好轉(zhuǎn)區(qū)域。

表2 威脅因子屬性

表3 生境類(lèi)型及對(duì)各威脅因子的敏感性

圖6 生境質(zhì)量評(píng)價(jià)結(jié)果

4 結(jié)論

（1）不同城市輸入圖層得到的模型校準(zhǔn)精度不同。本文中U1在3個(gè)校準(zhǔn)階段的校準(zhǔn)精度均比U2高，在校準(zhǔn)結(jié)束后，U1比U2高出36.76%。

（2）不同城市輸入圖層對(duì)城市擴(kuò)張預(yù)測(cè)結(jié)果影響不同。從近、遠(yuǎn)期預(yù)測(cè)角度和高、中低概率預(yù)測(cè)角度分析，U1和U2預(yù)測(cè)的城市擴(kuò)張數(shù)量和年平均增長(zhǎng)率均存在明顯差異；根據(jù)高概率擴(kuò)張區(qū)的空間對(duì)比，兩個(gè)方案預(yù)測(cè)圖斑體現(xiàn)出不同的形態(tài)和空間分布規(guī)律。

（3）城市擴(kuò)張引起的生態(tài)效應(yīng)預(yù)測(cè)對(duì)輸入數(shù)據(jù)具有較強(qiáng)的敏感性。景觀格局指數(shù)雖總體變化趨勢(shì)一致，但由于U1城鎮(zhèn)用地?cái)?shù)據(jù)更加精細(xì)，其N(xiāo)P和LSI值下降速度快、預(yù)測(cè)圖斑從破碎向集中的變化趨勢(shì)更明顯。由于U1和U2預(yù)測(cè)的城市面積與空間分布存在較大差異，而生態(tài)用地的質(zhì)量受到城市用地的影響，使得生境質(zhì)量評(píng)價(jià)結(jié)果不同，U1生境質(zhì)量下降的趨勢(shì)更明顯，但是低生境退化水平區(qū)域比重較大，且存在部分生態(tài)用地生境質(zhì)量好轉(zhuǎn)的現(xiàn)象。

本研究表明，不同來(lái)源的輸入數(shù)據(jù)會(huì)對(duì)城市擴(kuò)張模型預(yù)測(cè)結(jié)果產(chǎn)生影響，建模者應(yīng)綜合考慮具體的研究目標(biāo)和要求，選擇合適的模型輸入數(shù)據(jù)，提高模型模擬精度，改善以模型預(yù)測(cè)結(jié)果為參考依據(jù)的城市管理和生態(tài)保護(hù)決策。當(dāng)前國(guó)家新型城鎮(zhèn)化規(guī)劃強(qiáng)調(diào)生態(tài)文明理念，生態(tài)紅線(xiàn)、永久性基本農(nóng)田和城市開(kāi)發(fā)邊界的科學(xué)劃定成為熱點(diǎn)，生態(tài)效應(yīng)預(yù)測(cè)結(jié)果可為三線(xiàn)劃定和各類(lèi)生態(tài)保護(hù)政策的制定提供研究基礎(chǔ)。本文仍存在不足之處，在今后的研究中應(yīng)重點(diǎn)關(guān)注。由于可獲取的土地利用變更數(shù)據(jù)有限，且遙感數(shù)據(jù)的年份需與土地利用變更數(shù)據(jù)保持一致，導(dǎo)致模型模擬的歷史年份跨度與間隔沒(méi)有達(dá)到理想狀態(tài)，因此需進(jìn)一步尋求更完善的數(shù)據(jù)，以獲取更精確的研究結(jié)果；本文采用的遙感影像數(shù)據(jù)為30 m分辨率，應(yīng)增加高分影像等數(shù)據(jù)源，獲取更準(zhǔn)確、多源化的輸入圖層，開(kāi)展豐富的對(duì)比試驗(yàn)；研究采用了較為成熟的城市擴(kuò)張和生境質(zhì)量評(píng)價(jià)模型，部分參數(shù)的設(shè)置參考了模型指南和前人已有的研究成果，下一步研究應(yīng)根據(jù)研究的實(shí)際需求和相關(guān)規(guī)劃政策進(jìn)行調(diào)整與完善。

[1]Alberti M.Maintaining ecological integrity and sustaining ecosystem function in urban areas[J].Current Opinion in Environmental Sustainability，2010，2（3）：178-184.

[2]俞孔堅(jiān)，王思思，李迪華，等.北京城市擴(kuò)張的生態(tài)底線(xiàn)：基本生態(tài)系統(tǒng)服務(wù)及其安全格局[J].城市規(guī)劃，2010（2）：19-24.

[3]吳健生，馮喆，高陽(yáng)，等.基于DLS模型的城市土地政策生態(tài)效應(yīng)研究：以深圳市為例[J].地理學(xué)報(bào)，2014，69（11）：1673-1682.

[4]楊俊，單靈芝，席建超，等.南四湖濕地土地利用格局演變與生態(tài)效應(yīng)[J].資源科學(xué)，2014，36（4）：856-864.

[5]Liang Y，Liu L.Modeling urban growth in the middle basin of the Heihe River，northwest China[J].Landscape Ecology，2014，29（10）：1725-1739.

[6]Song W，Pijanowski B C，Tayyebi A.Urban expansion and its consumption of high-quality farmland in Beijing，China[J].Ecological Indicators，2015，54：60-70.

[7]Paegelow M，Camacho M T O.Advances in geomatic simulations for environmental dynamics[M]∥Paegelow M，Camacho M T O.Modelling Environmental Dynamics.Heidelberg：Springer，2008.

[8]黎夏，葉嘉安，劉濤，等.元胞自動(dòng)機(jī)在城市模擬中的誤差傳遞與不確定性的特征分析[J].地理研究，2007，26（3）：443-451.

[9]Clarke K C.Mapping and modelling land use change：an application of the SLEUTH model[M]∥Pettit C，Cartwright W，Bishop I，et al.Landscape Analysis and Visualisation.Heidelberg：Springer，2008.

[10]Chaudhuri G，Clarke K C.Temporal accuracy in urban growth forecasting：A study using the SLEUTH model[J].Transactions in GIS，2014，18（2）：302-320.

[11]秦鵬，董玉祥.廣州市土地利用空間分布影響因素的粒度效應(yīng)分析[J].資源科學(xué)，2013，35（11）：2239-2247.

[12]王麗妍，李飛雪，李滿(mǎn)春，等.基本農(nóng)田信息對(duì)SLEUTH模型模擬準(zhǔn)確性的影響：以常州市中心城區(qū)為例[J].地理與地理信息科學(xué)，2015，31（3）：48-53.

[13]Syphard A D，Clarke K C，F(xiàn)ranklin J，et al.Forecasts of habitat loss and fragmentation due to urban growth are sensitive to source of input data[J].Journal of Environmental Management，2011，92（7）：1882-1893.

[14]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.

[15]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：Planning and Design，2004，31（2）：251-271.

[16]陳潔麗.基于遙感技術(shù)的蘇南地區(qū)城鎮(zhèn)用地空間分異研究[D].南京：南京大學(xué)，2011.

[17]Onsted J A，Chowdhury R R.Does zoning matter?A comparative analysis of landscape change in Redland，F(xiàn)lorida using cellular automata[J].Landscape&Urban Planning，2014，121（1）：1-18.

[18]楊園園，戴爾阜，付華.基于In VEST模型的生態(tài)系統(tǒng)服務(wù)功能價(jià)值評(píng)估研究框架[J].首都師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，33（3）：41-47.

[19]Mc Kinney M L.Urbanization，Biodiversity，and Conservation[J].BioScience，2002，52（10）：883-890.

Research on the Sensitivity of Forecasting Ecological Effect of Urban Growth to Input Data

CAI Lingyan，WANG Liyan，WU Yang，LI Feixue，CHEN Dong
（1.School of Geographic and Oceanographic Sciences，Nanjing University，Nanjing210023，China；2.Jiangsu Provincial Key Laboratory of Geographic Information Science and Technology，Nanjing University，Nanjing210023，China）

The urban growth model is widely used in urban expansion prediction in many kinds of ecological protection scenarios.However，different input data will lead to the uncertainty of the model，which will affect the city planning management and ecological protection decision.In this study，Changzhou downtown was taken as the research example，and two kinds of urban layers were selected as the input data of SLEUTH model.Through the contrast experiment，we examined the influence of different urban ranges on the ecological effect prediction.The results show that：（1）two urban input layers lead to different model calibration accuracies；（2）urban expansion prediction results differ from each other，urban expansion quantity and average annual growth rate are diverse；（3）prediction results of ecological effect are sensitive to the urban input layers，two kinds of urban layers contain different land use types and the smallest mapping units；the model developer should select the appropriate model input data according to the specific research objectives and requirements in order to obtain relatively accurate conclusions of the ecological protection.

urban growth model；ecological effect；input data；sensitivity；Changzhou City

F293.2;F301.2;X171.1

A

1005-3409（2017）01-0272-07

2016-03-07

2016-03-31

國(guó)家自然科學(xué)基金（40901184）；國(guó)土資源部公益性行業(yè)科研專(zhuān)項(xiàng)（201411014-3）

蔡凌雁（1991—），女，江蘇丹陽(yáng)人，碩士，研究方向?yàn)槌鞘袛U(kuò)張與GIS。E-mail：lingyan-0825＠163.com

李飛雪（1983—），女，黑龍江齊齊哈爾人，博士，副教授，碩士生導(dǎo)師，主要從事地理信息系統(tǒng)應(yīng)用研究。E-mail：njulifiexue＠163.com