基于ANN-CA的城市用地擴張模擬優化
——以濰坊市城區為例

孟飛孟祥金陳有川邢華橋

(1.山東建筑大學 測繪地理信息學院，山東濟南250101；2.山東建筑大學 建筑城規學院，山東 濟南250101)

0 引言

我國正處于快速城鎮化階段，預計到2030年，城鎮化水平將達到約65%[1]。從空間模式上，我國的城鎮化過程主要可以概括為2類，即(1)原有大城市在改革開放背景下的快速發展；(2)新興中小城市的發展崛起。后者已經成為當前我國城鎮化的重要形式，特別是在國家大力統籌城鎮一體化的背景下，中小城市的發展受到越來越廣泛的關注[2]。快速城市化也帶來一系列問題，如生態環境惡化、資源危機、大氣污染、交通擁堵等。隨著城市人口的增加，城市規模不斷擴大，土地覆蓋和土地利用格局也將發生改變[3]。通過模擬和預測未來土地利用變化，可為城市布局和規劃提供參考，使城市發展走上可持續化發展道路[4-5]。元胞自動機CA(Cellular Automata)模型是一種由局部規則控制、“自下而上”的格網動力模型，具有強大的空間運算和模擬復雜系統地理時空演化過程的能力，現已廣泛應用于自組織系統演變過程的研究[6]，成為研究土地利用演變的重要方法[7]。近年來，國內外學者在CA和GIS耦合交叉方向做了深入的研究[8-12]，提出了地理模擬和空間優化系統GeoSOS(Geographical Simulation and Optimization Systems)，其集成了神經網絡模型ANN-CA(Artificial Neural Network-CA)[13]、邏輯回歸CA模型 Logistic-CA[14]、決策樹模型 DT-CA(Decision Tree-CA)[15]等多個城市擴張模型，為城市擴張和演變提供了一個良好的模擬平臺。陳逸敏等[16]、管超等[17]利用該平臺進行了城市空間形態模擬并均取得了很好的效果。CA模型優勢在于通過簡單的局部轉換規則可以模擬出復雜的土地利用格局。然而，土地利用的變化受到諸多復雜的因素影響，簡單的ANN-CA模型難以模擬城市內部復雜用地類型變化。研究表明：城市用地的轉化受到政府土地政策的強烈影響，利用土地利用總體規劃、專項規劃和詳細規劃對優化土地利用結構、合理配置土地資源具有十分積極作用[18-19]。鑒于此，文章提出一種利用規劃分區優化修正預測方案，選取土地利用規劃中城市建設用地為切入點，利用ArcGIS建立多時相高精度的土地利用現狀分類數據庫，運用GeoSOS平臺中ANN-CA模型提取土地利用轉化規則和土地利用轉移矩陣，并結合濰坊土地利用規劃分區，優化模擬預測方案，以期從空間和數量2個方面提高模擬精度，豐富城市土地利用模擬方案，為城區土地利用發展提供依據。

1 研究區域和數據來源

1.1 研究區域概況

濰坊是山東省下轄的一個地級市，城區人口128.42萬人(2015年)，毗鄰青島、煙臺，地處半島城市群的地理中心，是山東內陸腹地通往沿海各城的咽喉，海、陸、空交通發達，區位優勢明顯。濰坊氣候適宜、地形平坦，城市發展自然條件優越。作為我國東部沿海經濟帶重要城市，濰坊具有中等城市的典型性與代表性。自1990年以來，濰坊市城區城市化進程迅速，土地利用狀況發生顯著變化。但是也引發了一系列的土地利用問題，如耕地快速減少，土地利用效率相對低下，土地利用方式相對粗放，閑置、違法用地多，農村居民點分散且難以整合等。2016年濰坊城區建設用地面積達147 m2/人，高于全國129 m2/人的平均水平。選取地理坐標范圍為36°34′43″～36°47′38″N，118°58′37″～119°17′57″E 的濰坊中心城區進行研究，如圖1所示。該圖基于山東省自然資源廳的標準地圖服務網站(http：//www.sddlr.gov.cn/tplj/sdsgtzytbzdtfw/gsdt/)下載的審圖號為魯SG(2017)084的標準地圖制作，底圖無修改。

圖1 研究區地理位置示意圖

1.2 數據來源

所用數據主要包括：(1)土地利用數據，解譯自2005、2011和2017年1∶500的JPEG格式土地利用現狀圖。基于研究區2011年谷歌地球高分辨率遙感影像，在 ArcGIS 10.2支持下，將 2005、2011和2017年土地利用現狀數據配準到統一坐標系下，經幾何精校正、人工目視解譯、精度驗證、重分類、格式轉換等操作，建立土地利用空間分布數據庫。參照GB/T 21010—2017《中華人民共和國土地利用現狀分類標準》[20]，同時考慮到研究區土地利用現狀的特點以及本研究的需要，對分類系統做了適當調整：耕地、已獲審批而未建設的用地和其他未利用地可以直接轉為建設用地，統一歸入空閑用地。最終將土地利用類型劃分為空閑用地、道路廣場、居住用地、工礦倉儲、河流水域、公共服務、綠地和其他用地共8類。(2)土地利用規劃數據提取自《濰坊市土地利用總體規劃(2006—2020)》[21]和《濰坊市中心城區交通專項規劃》[22]。(3)DEM數據源自地理空間數據云的 30 m×30 m的 DEM數據(http：//www.gscloud.cn/sources)。為了探究城市內部用地類型轉化，所有數據均采用10 m×10 m柵格分辨率，且將空間約束變量進行歸一化處理并統一坐標系至UTM/WGS-84。模型所用變量(高程、距一般道路距離、距鐵路距離、距主要道路距離、距市中心距離)的歸一化地圖如圖2所示。

2 研究方法

2.1 ANN-CA模擬

利用GeoSOS平臺的ANN-CA模型模擬濰坊城區土地利用變化，主要分為2步：(1)利用2005、2011年2期的土地利用數據和約束空間限制因子(見表1)訓練ANN-CA的轉化規則；(2)以2011年土地利用數據作為初始數據，利用2005和2011年的轉化規則和空間變量預測出2017年土地利用。ANN-CA模型無需用戶提供確切的結構關系，能夠有效地反映空間變量之間的復雜關系，非常適合處理多種土地利用類型之間的相互轉換問題[10]。元胞間的轉換概率由式(1)表示為

式中：為用地轉換概率；γ為[0，1] 范圍內隨機數，反映用地轉換的不確定性；netj(k，t)為隱藏層第j個神經元所收到的信號；wj，l為隱藏層和輸出層之間的權重。

表1 人工神經網絡CA所采用的空間變量表

2.2 基于規劃分區的空間優化模擬

CA模型優勢在于通過簡單的局部轉換規則可以模擬出復雜的土地利用格局。但是在實際土地利用轉換過程中還會受到“自上而下”的宏觀規劃等的影響，基于此，利用規劃分區來從宏觀角度“自上而下”調控城市用地擴張和土地利用轉換，對具體類別從空間和數量上對城市發展加以約束，即利用規劃的功能區人為約束城市類型的轉變，對模擬結果優化修正。規劃分區修正優化步驟為

(1)通過GeoSOS平臺中ANN-CA模型分別模擬單類別城市用地擴張演化，默認模擬單類為擴張類，非模擬用地類為不變類，即非模擬類在模擬過程中不發生變化，其擴張類轉換元胞數的計算由式(2)表示為

式中：Wj第j類城市用地轉化數目；M為神經網絡自動提取轉化總數；mj為第j類城市用地實際轉化數；aj為該類別增速vj與平均增速的比值。

(2)根據轉化優先級矩陣確定沖突用地的土地利用類型，得到最終修正模擬結果。地類間相關系數依據相關系數值大小確定，相關系數越高說明該發展功能區內該地類更易“存活”，各城市土地利用之間的相關性由Pearson's空間相關系數求得，根據相關性確定優先轉換等級[23]。空間相關性計算由式(3)表示為

式中：p為2組變量的相關系數；X、Y為兩組變量；E(X)、E(Y)分別為變量X、Y的期望；Var(X)、Var(Y)分別為變量X、Y的方差。

3 結果分析

3.1 城市用地空間相關系數與轉化優先級

根據該區主干道和土地利用優先級將城市劃分成不同區域，一類區域即核心區為公共服務優先區、二類區域為優先居住區、三類區域為外圍的工礦倉儲優先區[21-22]。由式(3)求得各城市用地間空間相關系數，并根據空間相關系數確定各城市用地的轉換優先級矩陣，結果見表2。空間相關系數越高說明兩者的空間聯系越緊密，地類間轉化的優先級別也就越高。從空間相關系數來看，居住用地與公共服務用地空間相關系數為0.995，則居住用地和公共服務用地之間轉化優先級為2，僅次于其自身的轉化優先級(自身相關系數為1，轉化優先級也為1)，依次類推居住用地與工礦倉儲用地的空間相關系數為0.864，轉化優先級為3，其他用地構成較為復雜，因此不設置轉化優先級。

表2 空間相關系數和轉化優先級表

3.2 土地利用格局變化分析

轉移矩陣能較好地展示不同土地利用類型之間的轉變情況。2005、2011和2017年研究區域主要土地利用類型地類轉移概率矩陣見表3。可以看出，2005至2011年，研究區空閑用地轉化總概率為0.046，其中轉為道路廣場和居住用地的概率分別為0.049和0.067；居住用地和道路廣場用地轉入量較大，轉入總概率分別為0.208和0.194，成為城市擴張的主要增長方式。2011至2017年，各土地利用類型中居住用地轉移總概率達到0.334，成為研究區變化最顯著的地類，空閑用地的轉移概率為0.041，與2005至2011年變化速率有所下降，說明城市用地從單一擴張式發展向內部用地協調優化方式的轉變。

從空間結構來看，城市整體格局總體走勢仍然以原有城區為核心，沿主要交通干線擴展，如圖3所示。2005至2011年土地利用變化劇烈，約11%的空閑用地轉化為城鄉建設用地，其中居住用地迅速從32.3%增加至36.5%。道路廣場用地由9.2%擴張至11.3%，但居住用地、工礦倉儲以及公共服務用地占城市主導的地位并未發生改變，占城市用地百分比分別由2005年的59%、24.5%、12.2%轉變為2011年的57.5%、29.3%、11.8%。城市用地內部景觀格局變化顯著，公共服務用地的布設對城市用地轉換空間分布具有明顯影響。新建交通要道周邊城市用地擴張顯著，說明道路對城市用地擴張的重要影響。受城市地價等因素影響，2011至2017年城市居住用地和公共服務用地迅速填充城區內部空閑用地，成為城市擴張的主力軍，分別增長16%、4%，增速與2005至2011年期間相同；工礦用地向城郊外圍遷移，也反映出城市結構功能的變化公共綠地、其他用地和河流水域幾乎沒發生變化。

表3 研究區2005、2011和2017年主要地類轉移概率矩陣表

圖3 研究區土地利用分類圖

3.3 優化方案驗證與精度評價

為有效檢驗模擬結果的可靠性，將在整體和元胞兩級尺度上對模擬結果進行精度驗證評價。采用Kappa系數定量的反映模擬結果的整體精度[24]。Pontius等[25]提出的優質性能指數FoM(Figure of Merit)定量地檢驗元胞尺度上的模擬精度。Kappa系數越高說明其模擬精度越高，Kappa系數計算由式(4)表示為

式中：k為Kappa系數值；PO為觀測值指的是2幅圖像柵格類別一致部分占總的比例；PC為期望一致部分比例。其計算公式由式(5)表示為

式中：n為圖像柵格像元總數；；s為2幅圖像柵格像元值對應相等的像元數；a1為圖像真實柵格為1的像元數；a0為圖像真實柵格為0的像元數；b1為模擬圖像柵格為1的像元數；b0為模擬圖像柵格為0的像元數。

FoM值越大，用于城市土地利用發展模型的元胞尺度模擬結果精度越高，其中值一般在 0.01～0.25之間。FoM的計算由式(6)表示為

式中：F為FoM的值；A為觀測狀態為“變化”而模擬結果為“未變”的元胞個數；B為觀測狀態為“變化”且模擬結果為“變化”的元胞個數；C為觀測狀態為“變化”且模擬結果為“變化”但變化類型有誤的元胞個數；D為觀測狀態為“未變”而模擬結果“變化”的元胞個數。

通過驗證模擬結果顯示，優化后ANN-CA模型Kappa系數為0.86，較ANN-CA模擬方法Kappa系數提高0.1，FoM指數則由0.08提高到0.10。2017年濰坊規劃分區ANN-CA土地利用模擬圖如圖4所示，從空間分布來看，利用規劃分區優化后城市擴張模擬結果精度明顯提高，更符合城市擴展真實情況，適用于濰坊城區擴張模擬預測。2017年濰坊城區各土地利用類型面積占比如圖5所示，2種模擬結果各地類面積占比都和實際用地類型較為貼近，與模擬過程轉換元胞數直接相關，但空閑用地、居住用地占比優化模擬結果更為接近真實值，反映規劃分區優化結果在數值應該更符合真實情況。同時發現未優化的ANNCA模擬結果空閑用地占比明顯低于實際情況，在模型運行中，空閑用地屬于最易轉化類，而原始數據中某些開發用地是不合理的，而元胞自動機通過樣本訓練將這些數據統統納入發展種子向周圍擴張，造成城市擴張呈現碎片化，從圖4(a)中可以看出某些顆粒狀地物分布，而規劃優化通過地類的優先級替代在一定程度上很好的消除了顆粒地物現象。

圖4 2017年濰坊規劃分區ANN-CA土地利用模擬圖

圖5 2017年濰坊城區各土地利用類型面積占比圖

3.4 發展預測

以2017年歷史土地利用數據為初始數據，假設未來濰坊城區未來發展趨勢不變的前提下，利用優化ANN-CA模型模擬濰坊城區2025年土地利用狀況，結果如圖6所示。如果以現有趨勢和方式發展，濰坊城區的擴張趨勢將以現有城區為中心，依托交通干線迅速向城市外圍擴展，約有4.34%的空閑用地繼續轉化成城鎮用地。城市內部結構布局發生轉變，部分工礦倉儲用地向城市外圍擴展，其發展潛能進一步釋放(約增加2.14%)，公共服務區呈現集聚—分散態勢，即繼續在老城區集聚，又隨著城市發展向城市外圍點散分布，而新增5.21%的居住用地則伴隨城市的發展不規則擴張，也是城鎮用地主要擴張方式。此外，公共服務設施用地對城市擴展具有明顯導向作用，其中值得注意的是綠地的擴張較為明顯(增加約1.76%)，究其原因可能是模擬過程綠地屬于不可轉化為其他用地類型，根據歷史數據遞進式模擬預測使得該用地得以增強，與濰坊市政府2015年提出的“森林城市，生態濰坊”的建設目標較為吻合，也側面反映規劃修正模擬結果必要性，其精度較為可信。然而未來濰坊城區土地利用壓力將進一步增大，土地轉化能力將進一步下降，建設用地布局更加緊湊，因此規劃部門應在城市進一步發展中對城鎮化的方式和規模進行優化調整。

圖6 2025年濰坊城區土地利用預測圖

4 結論

在分析了2005、2011、2017年濰坊市城區土地利用現狀的基礎上，運用ANN-CA模型，采用規劃分區優化方案分別模擬了濰坊城區2017和2025年城市空間擴展情況，經對比驗證分析，主要結論如下：

(1)2005至2017年濰坊城區土地利用空間分布功能轉換明顯，主要表現為空閑用地面積減少，而居住用地、城市道路用地面積增加，同時工礦倉儲用地外圍擴展，城市發展中心向城市北部偏移。

(2)優化后模擬結果精度從數值和空間上均要高于ANN-CA直接模擬結果。依據規劃分區優化方案較好考慮了城市發展的自然和社會限制因素，加入宏觀規劃因子在一定程度上彌補ANN-CA模擬的不足，對ANN-CA模型應用于模擬城市內部多類別轉化和擴張提供了更多可能，是對當前城市擴張模型模擬方案的有益補充。

(3)模擬結果顯示，預測至2025年濰坊城區土地利用變化依舊顯著，居住及工礦用地和交通運輸地面積將會繼續增加，而綠地及空閑用地面積則會繼續縮小。