用地布局模擬預測動態性研究

孟 成，潘琛玲，徐 寅

（1.華中科技大學 公共管理學院，湖北 武漢 430074；2.武漢市國土資源和規劃信息中心，湖北 武漢 430014）

用地布局模擬預測動態性研究

孟 成1,2，潘琛玲2，徐 寅2

（1.華中科技大學 公共管理學院，湖北 武漢 430074；2.武漢市國土資源和規劃信息中心，湖北 武漢 430014）

分析了用地模擬預測中的空間因子動態性，并通過主成分分析法將各空間因子變化量融合成新空間因子，再帶入預測模型對模擬結果進行修正。以武漢市為例進行了實例論證，通過該模型修正的預測結果和傳統靜態模型的預測結果的擬合度在80%以上，說明該動態修正模型具有較高的可靠性，能有效提高模擬預測工作效率、模擬精度以及預測成果的延用性。

用地規模；用地布局；模擬預測；動態模型

改革開放以來，我國進入快速城鎮化時期，特別在2000年以后，我國城鎮面積的年均增長率達到7%，隨著城市的快速發展，有限的土地資源與人類對土地的無限需求、社會經濟的快速發展以及人口不斷增加間的矛盾日益明顯。科學合理地模擬預測用地規模和用地布局有利于人民生活水平的穩步提高和國民經濟的持續發展，也能為合理地解決土地資源與人口、經濟、社會等之間的矛盾提供技術方法[1]。

現行的用地布局模擬預測方法多屬于靜態預測，是在假設各作用力不變的情況下進行的外推計算。當有新數據加入樣本時，靜態預測模擬方法無法充分挖掘和利用原有預測成果與新樣本的聯系，需重新設定樣本進行預測模擬工作，預測效率較低、結果時效性差，且中遠期預測結果誤差大。目前，針對預測模型動態修正性的研究主要是將統計學理論與不確定性分析、進化算法等相結合，例如陳曉懷[2]等提出基于貝葉斯模型研究的動態誤差實時修正方法，陳小祥[3]進行的基于貝葉斯概率城市土地利用動態變化模擬研究，以及基于傅里葉變換的質量預測動態殘差修正模型等[4-6]。這些研究主要集中在統計學模型方面，針對用地空間布局模擬預測動態修正方法的研究較少[7-9]。基于此，本文設計了一種動態修正的用地布局模擬預測方法，通過挖掘和利用新加入的樣本數據和同期預測值間的聯系對原預測結果進行修正，從而減少了預測工作量，提高了預測效率和預測成果的延用性。

1 研究思路及方法

1.1 用地模擬預測動態性分析

空間因子指對城市用地發展和變化有較大影響，具有空間特征的影響因子，主要包括地形地貌因子、區域因子、交通因子等。地形地貌因子主要包括城市坡度、坡向，山體等；區域因子主要包括城市中心點、城市行政區中心點等；交通因子主要包括城市環線、軌道交通線、城市主干路網、鐵路線、機場、交通換乘點等。

地形地貌因子是較為穩定的一類空間因子，城市坡度、坡向，山體等屬于城市的自然屬性，一般不會輕易發生變化。城市邊界、城市行政區劃等區域因子，在一定時期內變化較小，也屬較為穩定的一類空間因子。與其他兩種因子相比，交通因子具有非穩定性特點，隨著城市經濟發展，人口不斷聚集，機動車保有量不斷上升，城市的交通壓力逐步增大，城市交通也逐步從路面交通向地下、路面、地上3層的立體式交通轉變，地下通道、高架立交不斷增加，輕軌地鐵也進入快速建設時期。因此，空間因子動態性主要體現在交通因子的動態性變化上。

1.2 用地布局模擬預測動態修正模型

本文將城市中心點、行政區中心點、都市發展區中心點、環線、主干路網、交通路網、軌道交通線、鐵路線、高程9個因子作為空間因子進行研究。首先，通過空間主成分分析對以上空間因子進行融合。根據§1.1中分析可知，空間因子的動態性主要集中在環線道路、主干交通路網和軌道交通等交通因子方面，因此，當交通因子發生變化時，將各交通因子中新增的部分單獨提出并融合為一類空間因子，記為PC_traffic，將PC_traffic作為新主成分帶入CA模型進行運算。具體研究流程如圖1所示。

設原交通因子為P1、P2、…、Pn；新交通因子為變化的交通因子為p1、p2、…、pn；原有主成分空間因子為PC_DEM、PC1、PC2、…、PCn。

圖1 空間因子動態性修正流程圖

空間因子動態修正模型的驗證主要包括兩方面：

1）計算新融合的交通因子變化量PC_traffic與原主成分空間因子間的相關性，記為R。|R|介于0～1之間，通常|R|≥0.8表示高度相關；0.8＞|R|≥0.5表示中度相關；|R|≤0.5表示低度相關。本文中，若相關性較低，則說明PC_traffic可作為新的主成分空間因子帶入模型計算。

2）將新交通因子與城市區域因子和城市地形地貌因子進行主成分分析，融合為新主成分空間因子[10]。

3）將融合后得到的主成分空間因子帶入預測模型的模擬結果與將新融合的交通因子變化量PC_traffic與原有主成分空間因子作為變量帶入CA預測模型得到的結果進行比較，計算兩種結果的相似度，以驗證修正模型的可靠性。CA模型公式為：

4）評價模擬結果精度，通常采用Kappa系數表示，其計算公式為：

設柵格總像元數為n；真實柵格單元為1的像元數為a1，為0的像元數記為a0；模擬柵格單元記為1的像元數為b1，為0的像元數為b0；兩柵格對應的相等像元數為s；則

Kappa計算結果通常是落在 0～1之間，可分5組表示不同級別的一致性：0～0.20時為極低一致性，0.21～0.40時為一般一致性，0.41～0.60時為中等一致性，0.61～0.80時為高度一致性，0.81～1時則幾乎為完全一致。

2 模型檢驗與結果分析

2.1 研究區概況

武漢市地處江漢平原東部，長江中下游地帶與漢水交匯處，總面積為8 569.36 km2，截至2012年，武漢市共有常住人口1 012萬，國民生產總值8 003.82億 元（數據來源于《武漢市統計年鑒2013》）。本文依據2007年版《土地利用現狀分類》對土地進行分類，根據研究需要將耕地、園地、林地和草地歸并為一類，交通運輸用地除街巷用地外作為一類，水域及水利設施用地作為一類，其他土地中除空閑地以外的部分作為一類，一級地類中的公共管理與公共服務用地、住宅用地、商服用地、工礦倉儲用地、特殊用地及二級地類中的街巷用地、空閑地歸并為一類稱為城鎮村及工礦用地，同時對該類地進行二級劃分，分為城市用地、建制鎮用地、村莊用地、采礦和風景名勝用地及特殊用地5類，如表1所示。

表1 武漢市2002～2012年各類土地數據表/km2

2.2 空間因子動態修正模型論證

作為國家中心城市之一，近年來，武漢市正在大規模進行城市建設。城市基礎道路、快速道路、地鐵等軌道交通設施處于快速建設階段，按照武漢軌道交通建設的近遠期規劃，截至2020年主城區線網規模將達到333 km，建成7條過江通道。位于漢口地區的武漢軌道交通1號線的一期線路于2004-09-28投入運營，二期工程也于2010-07-29投入運營；武漢地鐵2 號線一期工程于2012-12-28投入運營；地鐵4號線一期工程于2013年12月28日投入運營；目前已形成了約70 km的“工”字形軌道路網骨架，武漢三鎮除漢陽區外的7個主城區以及東西湖區實現軌道路網的連通。由于軌道交通1號線一期于2004年通車，二期于2009 年鋪軌，2010年正式通車；地鐵2號線于2006年底開建，2007年7月全線開工，2012年12月正式運行。因此研究中以2008年、2009年、2010年、2011年和2012年的土地利用現狀數據為基礎數據。

空間因子動態修正模型論證思路如下：首先將軌道交通1號線，地鐵2號線連同其他空間因子進行主成分分析，以2008年土地利用數據為基期數據，2009 年土地利用數據為末期數據，預測2012年各類土地規模與分布，記為方案1；再將軌道交通1號線與其他空間因子進行主成分分析，以地鐵2號線作為空間因子變量PC_traffic，以2008年土地利用數據為基期數據，2009年土地利用數據為末期數據，預測2012年各類土地規模與分布，記為方案2；最后比較兩種預測結果，驗證空間因子動態修正模型的可靠性。方案1主成分空間因子和方案2新增主成分空間因子PC_traffic如圖2所示。

圖2 主成分空間因子圖集

分別計算PC_traffic與PC1、PC2、PC3、PC4、PC5之間的相關系數，以確定PC_traffic與原各主成分空間因子間的相關性。PC_traffic與PC1之間相關系數為0.59，與PC2之間相關系數為-0.43，與PC3之間相關系數為-0.16，與PC4之間相關系數為-0.47，與PC5之間相關系數為0.54。可知，PC_traffic與PC1和PC5正相關，與PC2、PC3、PC4負相關，且相關系數均小于0.6，因此PC_traffic與原主成分空間因子之間相關性較低。

方案1預測的2012年的各類土地規模布局如圖3。

圖3 空間因子動態性修正結果對比模擬圖

將方案2和方案1的預測結果進行比較得到，城市用地相似度為93.62%，建制鎮用地相似度為98.63%，村莊用地相似度為93.50%，采礦用地相似度為96.93%，風景名勝及特殊用地相似度為95.72%，交通運輸用地相似度為81.81%，水域及水利設施用地相似度為98.74%，農林地相似度為99.57%，其他用地面相似度為99.48%，兩方案的整體相似度為89.04%。綜上所述，經空間因子動態修正模型修正的模擬結果與采用原方法進行模擬的結果之間具有較高的擬合度，證明該修正模型具有較高可靠性。

3 結 語

本文分析了用地布局模擬中的空間動態性因素，提出了用地布局模擬預測動態修正模型。經過實例論證，該模型具有較高的可靠性，經過修正的結果具有較高的精度，能替代基于新數據重新預測的結果。本文對用地布局模擬預測動態修正方面進行了初探。下一步可在此基礎上對國家、地方層面的相關政策、法規等控制因子的動態性進行研究；還可將本文的研究思路和方法應用到人口、經濟、交通等其他領域的模擬預測研究中。

[1] 李宗華,汪如民,童秋英.基于優化組合模型的建設用地增長趨勢預測[C]//中國地理信息系統協會.中國地理信息產業論壇暨第二屆教育論壇就業洽談會論文集.北京:中國地理信息系統協會,2009:7

[2] 陳曉懷,程真英,費業泰.基于貝葉斯模型的動態誤差實時修正方法研究[J].計量學報,2008(增刊1):31-34

[3] 陳小祥.基于貝葉斯概率城市土地利用動態變化模擬研究[D].長沙:中南大學,2007

[4] 甘麗珍,張銘鑫,劉明周,等.基于傅里葉變換的質量預測動態殘差修正模型[J].合肥工業大學學報(自然科學版),2009,32(6):806-810

[5] 孟成,彭明軍,鄂棟臣.一種可動態修正的建設用地預測方法[J].武漢大學學報(信息科學版),2014,39(1):95-99

[6] 王良健,師迎春,林目軒.BP神經網絡結合小波處理在城市擴張預測中的應用:以長沙市區為例[J].中國土地科學,2008,22(1):39-47

[7] 郜允兵,高秉博,李曉嵐,等.長時間序列土地利用數據時空索引技術研究[J].中國土地科學,2015,29(9):34-41

[8] 馬世發,蔡玉梅,念沛豪,等.土地利用規劃模型研究綜述[J].中國土地科學,2014,28(3):34-38

[9] 李建春,張軍連,周楊,等.基于GIS的土地利用規劃空間布局合理性評價[J].中國土地科學,2013,27(12):32-38

[10] 孟成,周鵬,李青.基于主成分分析的空間因子融合方法研究[C]//中國城市規劃協會,武漢市國土規劃資源和規劃局組織編寫.城市規劃信息化.武漢:武漢出版社,2015:78-80

P208

B

1672-4623（2016）07-0006-03

10.3969/j.issn.1672-4623.2016.07.002

孟成，博士，主要研究方向為土地資源管理和地理信息。

2016-01-22。

項目來源：教育部人文社會科學研究項目青年基金資助項目（15YJC630093）；中國博士后科學基金資助項目（2015M582229）。