多情景模擬下的中國城鎮用地擴展預測

孫 健，張增祥，左麗君，趙曉麗，汪 瀟，易 玲，劉 芳，徐進勇，胡順光，孫菲菲

（1.中國科學院空天信息創新研究院，北京 100101；2.中國科學院大學，北京 100049）

城鎮是人類干預自然環境較為強烈的地方，聚集了高密度的人口和社會經濟活動。城鎮擴展是城鎮化的直接表現形式之一，也是城鎮空間格局變化的綜合反映。研究顯示，城鎮擴展正在深刻影響著周圍的土地利用格局變化［1，2］以及生態系統［3］。為了更好地理解城鎮化發展，有必要對潛在的城鎮范圍進行空間預測，從而為進一步研究城鎮擴展的影響奠定基礎。

近年來，許多學者通過建立總量預測模型和空間分配模型，開展城鎮用地總量預測和空間分配模擬研究，研究特點呈現多尺度、多情景、多方法。在研究尺度上，從模擬單個城市的擴展［4］到模擬國家、地區尺度的城鎮擴展［5］，甚至模擬全球尺度的城鎮擴展［3，6-8］。在情景設置上，不僅著眼于單一情景或沿襲歷史趨勢［3，8］，也越來越多地關注不同情景的設置，既有學者自定義的情景［9］，也有采用國際通用情景，例如共享社會經濟路徑（Shared socioeconomic pathways，SSPs）［6，7］。關于SSPs 下全球或國家尺度層面城鎮用地總量預測的研究中，大多數的最小劃分單元均在國家或地區層面（全球分別被劃分為16、32 個區域）［3，6］，而以國家或地區為最小研究單元，將預測到的國家或地區的城鎮用地總量直接分配到空間柵格上，容易造成預測的城鎮用地優先分配到城鎮用地密度高的地方即發達地區，從而造成較大偏差［7］。Gao 等［7］通過將全球劃分為375 個國家（區域），并對每個區域單獨建模的方法解決了上述問題。在方法建模上，Aburas 等［10］研究表明，元胞自動機模型（Cellular Automata，CA）和其他定量模型耦合方法在城鎮擴展預測研究中較常使用，其中CA-Markov 模型是過去10 多年中模擬城市擴展最流行的耦合方法，Dinamica EGO 模型是CA-Markov模型的應用之一。

分析上述研究，有幾個方面有待改進：①結合SSPs 的中國國家尺度的城鎮用地擴展模擬的研究較少。②Seto 等［3］和Chen 等［6］總量預測中使用的回歸模型是線性的，而城鎮用地與其影響變量的關系被普遍認為是非線性的［11，12］。③Gao 等［7］將中國劃分為26 個區域，模擬過程是通過總量預測模型得到預測增加的城鎮用地數量，首先分配給次國家區域，然后再通過空間分配模型直接分配給每個區域內的柵格單元。本文的研究區域是中國，可以進一步提升總量預測模擬的精度，而不只是中國26 個區域。

改革開放以來，中國城鎮化進程發展很快，研究表明中國是世界上城鎮擴展速度最快的國家之一［13，14］。《國家人口發展規劃（2016—2030 年）》指出，中國2030 年常住人口城鎮化率將達70%，這意味著城鎮用地規模在未來一段時間內還將會持續擴大，由此引發的城鎮發展與周圍環境、生態系統保護等的矛盾將會加重。本研究以中國多省、自治區和直轄市下所有的城鎮（除臺灣省外）為研究對象，城鎮用地總量預測部分采用異速生長模型，城鎮用地空間分配部分采用Dinamica EGO 模型的空間分配模塊，預測時間節點為2030 年，情景設置參考SSPs，分辨率為1 km。針對上述研究不足，本研究通過采用具有非線性特征的異速生長模型探測城鎮人口-城鎮面積的關系，并結合未來SSPs 的人口預測數據對城鎮用地總量開展預測；以中國338 個城市（地級行政區、直轄市）為總量預測的最小研究單元，在城市分類的基礎上對每個類別分別進行總量預測建模，總體上形成了“分類別總量預測-地級行政區、直轄市總量預測變化量-1 km 空間柵格單元”自上而下的分配模擬流程。在此基礎上，對SSPs 下2030 年的中國城鎮用地空間預測結果進行分析，以期為中國城鎮發展的探索提供參考，并為進一步研究城鎮擴展對環境和生態系統服務的影響奠定基礎。

1 數據與方法

1.1 數據介紹

本研究使用的數據包含人口數據、土地利用遙感監測數據、自然因素、區位因素和交通因素數據，其中自然因素、區位因素和交通因素作為城鎮用地空間分配的空間驅動因子和限制因子。數據具體名稱及來源如表1 所示。

表1 數據名稱及來源

1.2 研究方法

本研究采用異速生長模型對Dinamica EGO 模型的總量預測模塊進行改進，在此基礎上開展城鎮用地擴展預測。首先進行城市分類，在每個類別內部基于2000—2015 年歷史數據構建異速生長模型，再結合未來預測人口數據得到SSPs 下地級行政區、直轄市的未來城鎮用地面積；然后采用Dinamica EGO 模型的空間分配模塊進行城鎮用地的空間柵格預測。技術路線如圖1 所示。

圖1 SSPs下中國城鎮用地擴展預測模擬的技術路線

1.2.1 城市分類 考慮到類間的差異性和類內的相似性，即不同級別城市的城鎮用地擴展趨勢不一致，有必要區分不同級別城市，在各自級別城市群內部進行城鎮用地總量預測。城市分類具有不同的參考指標和體系，2014 年國務院發布的城市規模劃分最新標準是采用單分類指標——城區常住人口。本研究根據異速生長模型建模的需求，需要創建一套適合于城鎮用地的城市分類體系，故選擇采用城鎮人口作為分類指標。分類方法采用類間距離為離差平方和法的系統聚類方法，按照最大程度區分不同性質類別的標準來確定類別數。依據類間差異最大化原則，中國城市可分為4 類，分類結果如圖2 所示，具體類別信息描述見表2。

表2 中國城市（地級行政區、直轄市）分類結果

圖2 城市分類結果

1.2.2 城鎮用地總量預測模型 城鎮用地總量預測模型用于對未來城鎮用地需求量的預測，即城鎮用地的變化面積。本研究基于異速生長模型搭建城鎮用地總量預測模型。異速生長定律原是生物學領域的一種幾何測度方法，有學者將其引入人文地理學領域探討城市人口-城區面積關系。陳彥光等［18］將該方法引入中國，最初以河南省城市為研究區，采用異速生長模型分析了城市擴展的人-地關系特征。

城市異速生長方程一般表示如下：

式中，A為城鎮面積，P為城鎮人口規模，b為異速增長系數（或稱標度因子），用來描述城鎮面積和城鎮人口的異速增長關系。

即城鎮面積A的相對增長率與城鎮人口P的相對增長率之比是一常數b。兩邊同時積分等價轉為：

或化為雙對數形式：

1.2.3 城鎮用地空間分配模型 城鎮用地空間分配模型用于將預測增加的面積分配到空間柵格單元中，本研究采用Dinamica EGO 模型的空間分配模塊來實現該過程。Dinamica EGO 模型是基于元胞自動機原理開發的模擬景觀動態變化的地理建模平臺［19］。土地利用轉化概率模塊基于貝葉斯理論的證據權重法開發，土地利用變化數量分配模塊則使用了流行的元胞自動機算法。

1）基于證據權重法計算轉化概率。證據權重統計方法的核心是基于條件概率的貝葉斯理論［20］，這里的“證據”即“驅動城鎮化發生的解釋變量”，而解釋變量就是選取的城鎮化的驅動因子。本研究考慮到城鎮擴展的主要驅動力和驅動因子1 km 柵格數據的易獲得性，選擇了自然因素、交通因素和區位因素三大類驅動因子（表1）。

首先，計算各驅動因子分段權重。貝葉斯理論可以用勝率的形式來表示，如式（4）所示。再對含有勝率的等式兩邊取自然對數，即可得到用對數形式表達的分段權重，即式（5）、式（6），反映了該段取值的驅動因子對“非城鎮用地-城鎮用地”轉化的貢獻程度。

式中，R為“非城鎮用地轉為城鎮用地”的事件，S為驅動因子，O｛｝為勝率，W+為在驅動因子影響下的證據權重。

其次，求解每個柵格的轉化概率。轉化概率本質上是條件概率，把含有對數形式的式（5）轉為條件概率的式（7），并代入相應權重，即可得每個柵格的轉化概率。其中，符號ψ是標準化常數，以確保最后轉化概率的值位于0~1。

式中，Px,y為在某一像元處的轉化概率，S1,…,Sn為所有的驅動因子。

2）基于Patcher 和Expander 函數執行元胞空間分配。影響土地利用變化數量空間分配的不只是每個元胞的轉化概率，元胞周圍的鄰域也會對空間分配起作用。Dinamica EGO 模型由兩個互補的函子Expander 和Patcher 作為局部元胞轉化規則來實現鄰域影響。Expander 函子表明城鎮用地斑塊擴展或收縮，Patcher 函子通過種子機制形成新的城鎮用地斑塊，這兩種過程相互補充、共同發揮作用。

3）模型精度驗證。為了對校準后模型的可靠性進行檢驗，以2000 年為模擬初始年份，2015 年為模擬終止年份，將模擬結果與實際城鎮用地范圍進行比對。驗證的指標采用品質因數（Figure of Merit，FoM），FoM 最早由Pontious 等［21］倡導用來評估土地利用變化模型模擬的精確度。FoM 是預測成功的柵格數和預測土地利用類型變化量與實際變化量之和的比值。該指標探討的對象只是變化的柵格量，并沒有把未發生土地利用變化而導致模擬影像和實際影像元值相同的部分柵格考慮在內，從而避免了過高估計，所以FoM 指標比總體精度和Kappa 系數更加真實和可靠。

計算原理如式（8）所示。其中，A表示由于實際發生城鎮化但未預測到城鎮化而導致的錯誤，B表示正確預測到的城鎮化，C在本研究中為0，即模型模擬過程中不允許逆城鎮化，D表示由于未發生城鎮化但預測為城鎮用地而導致的錯誤。FoM取值范圍為0~1，0 表示兩者完全沒交集，1 表示完全重合。

4）模擬預測。利用異速生長模型得到2030 年城鎮用地面積以及經過校準驗證后的各參數值，以2015 年為城鎮用地的模擬起始年份，模擬2030 年不同情景下的城鎮用地范圍。

SSPs 作為新一代的情景組合，提供了未來不同社會經濟發展路徑下的描述，而城鎮是人類開展社會經濟生產活動的主要區域，因此結合SSPs 探討不同情景下未來城鎮的擴展是有意義的。SSPs 的結果是緩解與適應社會經濟挑戰的特定組合，如圖3所示［22］。表3 描繪了5 種不同的社會經濟發展模式，可分為可持續發展道路（SSP1，Taking the Green Road）、中等發展道路（SSP2，Middle of the Road）、區域競爭道路（SSP3，A Rocky Road）、不均衡發展道路（SSP4，A Road Divided）和化石燃料為主的發展道路（SSP5，Taking the Highway）。

表3 SSPs情景描述

圖3 5 種共享社會經濟路徑

1.2.4 城鎮用地擴展特征的分析指標 選擇擴展面積（市均擴展面積）和擴展速率2 個指標，分析城鎮擴展特征。參考Zhang 等［23］關于中國城市擴展研究中指標的選取，結合本研究的時間階段特點（時間階段均為15 年），所以把指標定為擴展面積（市均擴展面積）和擴展速率。擴展面積反映了城鎮擴展的凈變化量，其中，“市均”目的是方便比較不同城市數量群體之間的擴張特征；擴展速率是無量綱量，基數是初始年份的原有城鎮面積，反映了城市本身的擴展倍數。

2 結果與分析

2.1 總量預測建模結果

采用異速生長模型分別對4 類城市進行2030 年SSPs 下城鎮用地總量的預測。在每個子區域內，使用2000 年、2005 年、2010 年和2015 年的每個地級行政區、直轄市的城鎮面積和城鎮人口數據進行建模，面積單位為公頃，人口單位為百萬人，結果如圖4 所示。基于Chen 等［6］構建的SSPs 下中國網格化人口數據庫中的未來城鎮人口數據，將建立好的異速生長模型應用于2030 年每種路徑下的城鎮用地總量預測。

圖4 城鎮用地總量預測建模結果

2.2 空間分配驗證結果

為了對校準后模型的可靠性進行檢驗，以2000年為模擬初始年份，2015 年為模擬終止年份，將模擬結果與實際城鎮用地范圍進行比對。FoM 指標越大表示模擬結果越準確。根據有關城鎮擴展預測模型方面的研究，FoM 指標大多為0.2 左右［24-26］。本研究驗證結果如圖5 所示，全國尺度的FoM值為0.30；區域尺度上，東部地區的FoM值最大，為0.36，中部地區的FoM值次之，為0.27，東北地區的FoM值最小，為0.21。經過與其他城鎮擴展模型的驗證結果比對，有理由認為本研究的模型可以用于未來城鎮用地的預測模擬。

圖5 城鎮用地擴展預測模型驗證結果

2.3 SSPs 下中國城鎮用地擴展的特征分析

2015—2030 年，5 種情景下中國的城鎮面積擴展均明顯減緩；此外，在不同情景下，未來城鎮用地預測的結果存在較大差異。首先，5 種情景下，2015—2030年中國的城鎮擴展面積為21 721~25 419 km2，與2000—2015 年城鎮擴展面積相比，降低了58.07%~64.17%。根據表示城鎮化發展水平的諾瑟姆曲線和表示城鎮化發展速度的倒“U”形曲線理論［27，28］，預測城鎮擴展面積大幅降低，表明中國將要邁過城鎮化速度峰值，進入城鎮化快速發展階段的第二階段，即減速階段；其次，SSP5 情景下中國的城鎮擴展面積最大，SSP3 情景下最小，SSP2 和SSP4 情景下的城鎮擴展面積相近。

2.3.1 SSPs 下中國不同城市的城鎮用地擴展差異SSPs 下，2015—2030 年中國單個城市間的城鎮擴展差異化明顯，并且分布不均衡。根據SSP2 中國城鎮預測結果（圖6 和圖7，SSP2 為中等發展道路，可以被理解為遵循歷史趨勢的發展情景［22］，并且，5 種情景下本研究得出的結論都適用，故以SSP2 作為SSPs的代表）可知，首先，無論從擴展面積和擴展速率角度考慮，未來中國的城鎮擴展大多集中在胡煥庸線的東側，西部地區縱深的位置除了新疆部分地區外，其他位置擴展很小，原因是固有的區位發展優勢存在差異［29］。其次，由圖6、圖7 和圖8 可以看出，河南省、河北省等中部地區的城鎮擴展面積和擴展速率最大，是未來城鎮擴展的焦點，一方面因為這些省份是人口大省且城市正處在快速發展階段，這與發達地區城市的發展后勁不足形成了鮮明對比［27，30］；另一方面以鄭州等城市為代表的中原城市群政策將更大程度上促進中原城市群的崛起［31，32］。

圖6 2015—2030 年SSP2 下中國城鎮擴展范圍預測

圖7 2015—2030 年SSP2 下中國地級行政區、直轄市尺度的城鎮擴展面積和擴展速率

圖8 2015—2030 年SSPs下五大城市群的城鎮擴展范圍預測

2.3.2 SSPs 下中國不同地區的城鎮用地擴展差異本研究按照國務院2015 年定義的中國四大經濟區域——東北、東部、中部、西部四大地區，比較SSPs下2015—2030 年的城鎮擴展差異。

與2000—2015 年對比發現，東部地區的城鎮用地擴展速率降幅最大，中部和西部地區的城鎮擴展速率降幅較小，表明東中西部的差距將會減小。由表4 可知，5 種情景下中國未來的城鎮擴展速度均明顯放緩，從不同區域來看，市均擴展面積和擴展速率均是東部地區降幅最大，中部最小。此外，2000—2015 年的東部地區擴展速率最大，而預測的2015—2030 年，中部地區和西部地區的擴展速率均大于東部地區，反映了未來預測的時間段內，中部和西部城鎮擴展的速度會加快，表明東、中、西部城鎮發展的區域差距將會縮小，一定程度上反映了區域協調發展戰略實施的重要意義。

表4 SSPs下中國不同地區之間市均城鎮擴展面積和擴展速率

2015—2030 年5 種情景相互對比發現，SSP5 下不同地區市均擴展面積的差異較其他情景增大，表明該情景不但不利于氣候變暖減緩而且不利于區域協調發展。首先，整體來看，5 種情景下東北地區的市均擴展面積和擴展速率均最小，并且其相比2000—2015 年的降幅程度僅次于東部地區，原因在于東北老工業基地的資源型城市經濟轉型困難等［33，34］；其次，大部分情景下東部地區的市均擴展面積大于西部和中部地區，但擴展速率卻小于西部和中部地區，可能是城市處在不同發展階段所致。

2.3.3 SSPs 下中國不同規模城市的城鎮用地擴展差異 本研究按照國務院于2014 年發布的《關于調整城市規模劃分標準的通知》中提到的最新標準，以第六次人口普查數據為基礎，按照城區人口統計口徑將研究區的地級行政區和直轄市分為五大類——超大城市、特大城市、大城市、中等城市和小城市［35］。

與2000—2015 年的對比發現，超大城市和特大城市的城鎮用地擴展面積和速率放緩程度最大，大城市、中等城市和小城市的城鎮擴展速度放緩程序較小，表明大中小城市之間城鎮發展的差距將會減小。據表5，首先比較不同城市規模的城市群體之間的城鎮用地擴展放緩程度，市均擴展面積和擴展速率均是按照超大城市到小城市的順序依次遞減；其次，2000—2015 年的特大城市擴展速率最快，而預測的2015—2030 年，中等城市的擴展速率最快，反映了未來預測的時間段內中等城市的城鎮擴展速度將會快于其他類型城市，即大中小城市之間的城鎮發展差距將會減小，國家推動制定的大中小城市協調發展的政策將起到重要作用。

表5 SSPs下中國不同規模城市之間市均城鎮擴展面積和擴展速率

2015—2030 年5 種情景對比發現，SSP5 下不同規模城市之間市均擴展面積的差異較其他情景增大，表明該情景不利于不同規模城市間的協調發展。整體來看，大部分情景下超大城市和特大城市的市均擴展面積大于其他級別的城市，但擴展速率卻最小，這可能是城市處在不同發展階段的原因；其次，SSP5 下超大城市和特大城市的市均擴展面積最大、SSP3 下超大城市的市均擴展面積較小。

3 結論

本研究提供了2030 年多情景模擬下空間分辨率為1 km 的中國城鎮擴展預測結果，并從不同角度對中國城鎮用地預測的結果進行了對比分析。結果表明，不同時間階段間、不同城市（群）間、不同情景間城鎮擴展均有較大差異。

1）2015—2030 年，5 種情景下中國的城鎮擴展均明顯減緩，與2000—2015 年中國的城鎮擴展面積相比，降幅程度達到了58.07%~64.17%，表明中國將要邁過城鎮化速度的峰值。

2）SSPs 下，中部和西部地區、中等城市的城鎮擴展速度會加快，表明東中西部、大中小城市城鎮發展的區域差距會縮小，區域協調發展戰略和大中小城市協調發展政策效果顯著。

3）對于東部地區或者超大城市、特大城市而言，SSP5 情景下，不同地區、不同規模城市的市均擴展面積差異較其他情景增大，表明該情景不但不利于氣候變暖減緩，而且不利于區域協調發展。

城鎮化是中國現代化進程中的一個基本問題，中國的基本國情決定了城鎮化還有很長的路要走，協調推進城鎮化是實現中國現代化的重大戰略選擇［36］。2021 年是“十四五”規劃的開啟年，“十四五”時期是中國乘勢開啟全面建設社會主義現代化國家新征程的關鍵時期，更加需要把握未來的城鎮化進程，本研究結果可為中國新型城鎮化發展政策的制定提供依據。