城市擴張生態效應預測對輸入數據的敏感性研究

蔡凌雁，王麗妍，伍 陽，李飛雪，陳 東

（1.南京大學 地理與海洋科學學院，南京210023；2.南京大學 江蘇省地理信息技術重點實驗室，南京210023）

城市擴張生態效應預測對輸入數據的敏感性研究

蔡凌雁，王麗妍，伍 陽，李飛雪，陳 東

（1.南京大學 地理與海洋科學學院，南京210023；2.南京大學 江蘇省地理信息技術重點實驗室，南京210023）

城市擴張模型被廣泛應用于多種生態保護情景下的城市擴張預測，然而不同的輸入數據會導致模型預測的不確定性，從而影響城市的規劃管理和生態保護決策。以常州市市區為研究區，通過土地利用變更數據和遙感影像數據獲取兩種城市用地圖層作為SLEUTH模型的輸入數據，對比研究了城市范圍的差異對生態效應預測結果的影響。結果表明：（1）兩種城市輸入層得到的模型校準精度不同。（2）不同城市輸入圖層對城市擴張預測結果產生影響，城市擴張數量和年平均增長率存在明顯差異。（3）生態效應預測結果對城市輸入圖層的敏感性較強，兩種城市圖層包含的土地利用類型和最小制圖單元不同，建模者應根據具體研究目標和要求，選擇合適的模型輸入數據，以獲取相對準確的生態保護結論。

城市擴張模型；生態效應；輸入數據；敏感性；常州市

當前城市的生態環境正受到威脅，破碎化增加、連通性降低、環境質量下降，這與城市擴張緊密相關。城市化過程會伴隨自然景觀、土地利用方式的變化，會影響到各種生態過程、生物棲息地，從而造成對生態系統結構和功能的改變[1]，進而威脅可持續發展和居民生活質量[2]。因此，城市擴張與生態效應的研究逐漸受到重視。城市擴張模型如馬爾科夫模型、邏輯回歸模型、元胞自動機模型和多智能體模型等，被廣泛應用于城市擴張預測與生態效應分析，相關研究通常應用城市擴張模型對城市土地利用變化進行模擬和預測，評價和分析由此帶來的生態效應，并為生態規劃和城市發展提供決策依據[3-6]。隨著城市擴張模型的發展和完善，模型復雜度不斷增加，使得模型中不確定因素的研究越來越重要[7]，相關學者對模型校準方法、數據時序差異、粒度效應等方面都開展了相應研究[8-11]。

模型空間輸入數據的差異是模型的一個不確定因素，合適的輸入數據可以提高模型的模擬準確性[12]。其中，不同的數據源得到的城市范圍輸入圖層在時間分辨率、空間分辨率和分類體系等方面有所不同，但數據獲取的有限性導致建模者不能根據應用目標選取合適的數據源來確定城市范圍，影響了以模型預測結果為參考依據的城市管理和生態保護決策[13]。從已有研究來看，少有學者探索不同來源的城市輸入圖層對城市擴張模型預測結果產生的影響。為此，本文以常州市為研究區，以SLEUTH城市擴張模型為例，通過土地利用變更數據和遙感影像數據這兩種數據源獲取城市圖層，作為模型輸入數據，進行對比試驗，探索城市擴張引起的生態效應預測對輸入數據的敏感性。

1 研究區概況

常州市（31°09′—32°04′N，119°08′—120°12′E）位于江蘇省南部、長江三角洲中心地帶，是長江三角洲新型城鎮化最快的地區之一，包括溧陽、金壇2個縣級市和武進、新北、天寧、鐘樓、戚墅堰5個市轄區，總面積約4 372 km2。2014年，常州市總人口約470萬人（其中城鎮人口約323萬人，約占69%），人口密度約1 075人/km2，遠高于同時期中國平均人口密度（143人/km2）。2014年，常州市人均GDP達104 423元，遠高于同時期中國人均GDP（46 531元）。本文研究區為常州市市轄區，面積約1 862 km2，約占常州市總面積的43%，是常州市政治、經濟和文化中心。隨著常州市城鎮化和現代化進程的加速推進，土地供需矛盾突出、生態問題凸顯，在一定程度上影響了常州市的可持續發展。因此，亟需探索城市擴張帶來的生態效應問題，準確為常州市城市發展和生態保護提供對策。

2 研究方法與數據準備

2.1 城市擴張模型

本文采用的城市擴張模擬模型為SLEUTH模型，該模型可以結合大型空間數據庫和不同分辨率的遙感數據，在不同時空尺度上模擬預測城市土地利用的變化[14]，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，從而使其在全球范圍得到廣泛應用。除此之外，SLEUTH模型在景觀變化模擬及預測、區域開發政策與城市規劃方案評估以及環境影響評價方面表現出重要的應用價值[15]。SLEUTH模型由5個增長控制系數（擴散系數、繁殖系數、傳播系數、坡度阻抗系數、道路引力系數）決定了4種增長方式（自發增長、新擴展中心增長、邊緣增長、道路影響增長），根據校準過程獲得的最佳系數值對未來城市擴張進行預測。

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

（1）城市圖層。城市圖層的兩個數據源為：土地利用變更數據（U1）和遙感影像數據（U2）。其中，土地利用變更數據來源于常州市國土資源局，比例尺為1：50 000，選取2004年、2009年、2011年和2013年4個年份，將城鎮用地轉換為柵格圖層，如圖1A—1D所示；經統計，2013年最小城市圖斑面積為1 hm2，平均城市圖斑面積為25 hm2。另一個數據集來自遙感影像解譯，遙感影像分辨率為30 m，為與第1個數據集形成對比，根據遙感影像的實際可獲取情況，選擇時間間隔與跨度較為接近的2004年、2008年、2010年和2013年，通過改進的建設用地指數[16]提取建設用地，并采用平滑和去除小圖斑操作進行后處理得到城鎮用地，如圖1F—1I所示；經檢驗，總體精度滿足要求（均大于80%），統計得2013年最小城市圖斑面積為10 hm2，平均為198 hm2，2013年城鎮面積占比約36%（土地利用變更數據約25%）。

（2）其他圖層。對比試驗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，見圖1E，1J；排除層包含水域、生態保護區和基本農田（體現保護政策），見圖1K；坡度層和山體陰影層來自DEM數據，分辨率為50 m，見圖1L，1M。所有輸入圖層轉換為像元大小為100 m的柵格數據，輸入模型時需轉換成灰度圖。

2.1.2 模型校準和預測 模型校準包括粗校準、精校準、終校準和預測參數獲取。在校準過程中，模型借助蒙特卡洛迭代方法逐漸縮小增長控制系數的范圍，根據獲得的最佳系數值對未來城市擴張進行預測。在校準階段用于確定模型的最佳擬合優度指標為OSM-NS（Optimal SLEUTH Metric，No Slope）[17]，即：

OSM-NS指標測定了模型增長數量的準確度（Compare和 Pop）、增長位置的準確度（Xmean和Ymean）、大小和形狀（Clusters和 Edges），OSM-NS值越大，表示模擬結果越接近真實情況[17]。

2.2 生態效應分析方法

2.2.1 景觀格局指數 為研究預測結果的范圍和空間格局差異，計算兩個數據集2013—2030年預測結果的景觀格局指數，具體見表1。

圖1 輸入圖層

表1 景觀格局指數

2.2.2 生境質量評價方法 為確定不同城市輸入圖層對生態效應的影響，本文采用生態系統服務評估工具In VEST模型（Integrated Valuation of Ecosystem Services and Tradeoffs Model）計算生境質量。該模型能夠將遙感與GIS的優勢相結合，可根據土地利用/覆被圖的時空變化來模擬生態系統服務功能的動態變化，其直觀可視的評價結果可為決策者權衡人類活動的影響提供科學依據[18]。研究采用模型的生境質量評價模塊，生境質量的高低取決于人類對生境周邊土地的利用方式和利用強度，一般而言，生境質量隨著周邊土地利用強度的提高而退化[19]。土地覆蓋類型j中柵格單元x的生境質量Qxj計算公式為：

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

3 結果與分析

3.1 模型校準結果

根據研究區內歷史數據對模型進行校準，在每個校準階段結束后，根據OSM-NS對參數組合進行排名，并根據擬合指標判定，模擬城市用地的增長數量、增長位置、大小和形狀比較理想，模擬精度均符合要求。最終得到兩個數據集的最佳增長控制系數，差異較大：U1中擴散系數95，繁殖系數27，傳播系數28，坡度阻抗系數10，道路引力系數65；U2中擴散系數63，繁殖系數2，傳播系數99，坡度阻抗系數25，道路引力系數41。圖2顯示了兩種方案下各校準階段得到的最優OSM-NS值，數據集U1在粗校準、精校準和終校準的最優OSM-NS值均比U2高，在終校準階段，U1為0.780 5，U2為0.570 7，U1比U2高出36.76%。

圖2 各校準階段OSM-NS值

3.2 預測結果規模與空間差異分析

根據獲取的最佳增長控制系數，通過預測參數獲取過程得到適用于未來城市擴張預測的控制系數：U1中擴散系數100，繁殖系數29，傳播系數30，坡度阻抗系數1，道路引力系數68；U2中擴散系數68，繁殖系數2，傳播系數100，坡度阻抗系數1，道路引力系數45。分析兩組控制系數發現：兩種方案的擴散系數和道路引力系數相對較高，說明近期的城市擴張趨向于自發增長和道路影響增長；U1的擴散系數、繁殖系數和道路引力系數均比U2高，傳播系數比U1低，說明U1方案自發增長、新擴展中心增長和道路影響增長的增長現象比U2更明顯，而U2更偏向于邊緣增長；兩種方案下的坡度阻抗系數均為1，表明坡度不是阻礙研究區內城市發展的因素。根據獲取的預測參數，預測研究區2020年和2030年的城市擴張情況。

為量化U1和U2預測的城市擴張數量差異，將SLEUTH模型輸出的預測概率圖分為高概率擴張區（90%～100%）、中低概率擴張區（50%～90%），并轉換為GIS柵格數據進行統計，統計結果見圖3。為更準確地分析U1和U2高概率擴張區的空間分布情況，將兩個數據集2030年預測圖的高概率擴張區域進行疊加分析，疊加效果見圖4。

圖3 城市擴張預測規模統計

圖4 2030年高概率擴張區空間疊加

如圖3所示：（1）2013年內已有城市用地面積：U1為466.43 km2，U2為678.31 km2，U2比U1多45.43%。（2）相比2013年，U1預測2020年增加城市用地面積共141.53 km2，幾乎全部（98.78%）為中低概率擴張區域；U2預測2020年增加263.76 km2，大部分（63.11%）為高概率擴張區域，少部分（36.89%）為中低概率擴張區域。（3）相比2013年，U1預測2030年增加城市用地面積共306.18 km2，約一半（51.68%）為高概率擴張區域；U2預測2030年增加378.98 km2，絕大部分（88.93%）為高概率擴張區域。（4）從近期預測情況來看，從2013—2020年，U2的總體預測年平均增長率高于U1，分別為5.55%和4.33%；從遠期預測情況來看，從預測初始年至2030年，U1的總體預測年平均增長率高于U2，分別為9.38%和7.98%；若單從高概率擴張區的年平均增長率來看，無論是近期還是遠期預測，U2均遠高于U1。

從圖4可以看出，U1與U2均為高概率預測區域的面積僅為51.39 km2；僅U1為高概率預測區域的面積為106.83 km2，圖斑相對細碎，分布較為分散，大部分位于研究區的中部、已有建成區周邊；僅U2為高概率預測區域的面積為285.65 km2，與U1相比圖斑較大，主要分布在研究區北部和建成區南部邊緣。

3.3 生態效應分析

3.3.1 城市擴張景觀格局分析 利用Fragstats 4.2計算預測年份各項景觀格局指數，統計結果見圖5。隨著預測年份的增加，LPI有明顯上升，而NP和LSI均呈現下降趨勢，CONTAG無明顯變化。說明隨著城市用地的不斷擴張，城市斑塊逐漸融合成面積更大的斑塊，城市的主導現象越來越明顯，城市越來越緊湊，城市斑塊形狀趨于規則，破碎度降低，連通性增加，這與兩個方案將基本農田納入排除層的保護措施有關。與U2相比，U1城鎮用地數據更加精細，其NP和LSI值高、下降速度快，有明顯的從破碎向集中的變化趨勢，U2的NP和LSI值整體變化不大，尤其是后5年基本呈現平穩的低值；預測期間U2比U1的LPI值高，表明U2中城市主導現象更明顯，這與U2預測城鎮用地主要分布在中心城區邊緣有關；U2的CONTAG值比U1低，且呈現出一定的波動性，而U1的城市延展趨勢較為穩定。

圖5 預測年份景觀格局指數統計

3.3.2 生境質量評價分析 結合研究區土地利用/土地覆被的實際情況，參考In VEST模型使用指南和前人已有的研究成果[3]，設定城鎮用地、道路、高概率擴張區和中低概率擴張區為威脅因子，并對威脅因子參數、各生境類型對各威脅因子的敏感性設置（表2—3），獲取生境質量和生境退化水平評價結果，采用自然斷裂法對評價結果分級，并對不同級別的用地面積進行統計，分級結果和統計結果見圖6（5級代表生境質量/退化水平最高）。

（1）由6來看，新北區北部、武進區東部和南部的生境質量較高，高級別區域主要為水域和林地，中心城區及其周邊地區的生境質量較低，主要受到人類活動的影響。從2013—2030年，U1和U2的1級生境質量區域面積迅速增加，同時伴隨著2級區域面積的減少，U2的這一趨勢更加顯著，這與模型預測2030年城市用地擴張面積較大有關，大范圍的城市用地對周圍的生態用地造成破壞，導致生境質量不斷下降；水域等高級別生境質量區域受到一定的保護，面積基本穩定。

（2）分析生境退化水平，生境質量整體呈現下降的趨勢，生境退化水平較高（5級最高）的區域主要分布在建設用地周邊，并且生境退化水平以建設用地為中心逐漸降低。U1生境退化水平集中在1級，說明大部分區域的生境退化水平較低，并且U1出現生境質量變好的零星圖斑，這與模型預測的2030年城市用地范圍和空間分布有關，與U2相比，模型中U1的城市擴張受到一定限制，部分耕地受到保護；與U1相比，U2各個生境退化水平級別的面積相對均勻，無生境質量好轉區域。

表2 威脅因子屬性

表3 生境類型及對各威脅因子的敏感性

圖6 生境質量評價結果

4 結論

（1）不同城市輸入圖層得到的模型校準精度不同。本文中U1在3個校準階段的校準精度均比U2高，在校準結束后，U1比U2高出36.76%。

（2）不同城市輸入圖層對城市擴張預測結果影響不同。從近、遠期預測角度和高、中低概率預測角度分析，U1和U2預測的城市擴張數量和年平均增長率均存在明顯差異；根據高概率擴張區的空間對比，兩個方案預測圖斑體現出不同的形態和空間分布規律。

（3）城市擴張引起的生態效應預測對輸入數據具有較強的敏感性。景觀格局指數雖總體變化趨勢一致，但由于U1城鎮用地數據更加精細，其NP和LSI值下降速度快、預測圖斑從破碎向集中的變化趨勢更明顯。由于U1和U2預測的城市面積與空間分布存在較大差異，而生態用地的質量受到城市用地的影響，使得生境質量評價結果不同，U1生境質量下降的趨勢更明顯，但是低生境退化水平區域比重較大，且存在部分生態用地生境質量好轉的現象。

本研究表明，不同來源的輸入數據會對城市擴張模型預測結果產生影響，建模者應綜合考慮具體的研究目標和要求，選擇合適的模型輸入數據，提高模型模擬精度，改善以模型預測結果為參考依據的城市管理和生態保護決策。當前國家新型城鎮化規劃強調生態文明理念，生態紅線、永久性基本農田和城市開發邊界的科學劃定成為熱點，生態效應預測結果可為三線劃定和各類生態保護政策的制定提供研究基礎。本文仍存在不足之處，在今后的研究中應重點關注。由于可獲取的土地利用變更數據有限，且遙感數據的年份需與土地利用變更數據保持一致，導致模型模擬的歷史年份跨度與間隔沒有達到理想狀態，因此需進一步尋求更完善的數據，以獲取更精確的研究結果；本文采用的遙感影像數據為30 m分辨率，應增加高分影像等數據源，獲取更準確、多源化的輸入圖層，開展豐富的對比試驗；研究采用了較為成熟的城市擴張和生境質量評價模型，部分參數的設置參考了模型指南和前人已有的研究成果，下一步研究應根據研究的實際需求和相關規劃政策進行調整與完善。

[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，王思思，李迪華，等.北京城市擴張的生態底線：基本生態系統服務及其安全格局[J].城市規劃，2010（2）：19-24.

[3]吳健生，馮喆，高陽，等.基于DLS模型的城市土地政策生態效應研究：以深圳市為例[J].地理學報，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效應[J].資源科學，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.元胞自動機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分析[J].資源科學，2013，35（11）：2239-2247.

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

[13]Syphard A D，Clarke K C，Franklin 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，周彬學，等.SLEUTH模型的參數行為研究[J].地理與地理信息科學，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.基于遙感技術的蘇南地區城鎮用地空間分異研究[D].南京：南京大學，2011.

[17]Onsted J A，Chowdhury R R.Does zoning matter?A comparative analysis of landscape change in Redland，Florida 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模型的生態系統服務功能價值評估研究框架[J].首都師范大學學報：自然科學版，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

國家自然科學基金（40901184）；國土資源部公益性行業科研專項（201411014-3）

蔡凌雁（1991—），女，江蘇丹陽人，碩士，研究方向為城市擴張與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，碩士生導師，主要從事地理信息系統應用研究。E-mail：njulifiexue＠163.com