上海市渐变图片

中国人口·资源与环境2010年第20卷第5期专刊CHINAPOPULATION,RESOURCESANDENVIRONMENTVol.
20No.
52010收稿日期:2010-09-03作者简介:徐新良,博士,副研究员,硕导,主要研究方向为土地利用/土地覆被变化与陆地生态系统综合监测与评估.
*国家自然科学基金国际合作与交流项目(编号:40921140410),国家科技支撑计划项目(编号:2008BAK50B01).
基于GIS与LTM模型的上海市城市扩展模拟与预测*徐新良1闵稀碧1,2田展3(1.
中国科学院地理科学与资源研究所,北京100101;2.
中国科学院研究生院,北京100039;3.
上海市气象局,上海200030)摘要本文以1990、2000、2005年上海市城市土地利用遥感数据为基本数据源,结合城市人口数据,利用LTM模型对1990-2000年和1990-2005年上海市城市空间扩展过程进行了模拟和精度检验,并在此基础上对2020年上海市城市空间扩展进行了预测.
结果表明:1990-2000年、1990-2005年LTM模型模拟结果的Kappa系数分别为0.
59和0.
61,可以较好的模拟历史时期上海市城市空间扩展的总体趋势;LTM模型预测结果显示,2005-2020年上海市城镇用地面积将由914.
03km2增加到1123.
79km2,年均扩展面积将由1990~2005年的23.
44km2/a下降到13.
98km2/a,未来上海市城市空间扩展速度将呈减缓趋势.
关键词上海;城市空间扩展;GIS;LTM模型中图分类号F129.
9文献标识码A文章编号1002-2104(2010)05专-0136-04城市空间扩展已经成为土地利用和土地覆被变化最重要的类型之一[1],并逐步成为土地利用变化的主导特征[2].
但城市空间快速扩展也带来了一系列问题,如耕地减少[3]、湿地退化[4]、动植物栖息地破坏[5]、大气和水污染严重[6]、城市热岛效应[7]等.
为了科学把握城市扩展规律、有效引导城市空间的可持续发展,国内外学者对城市空间扩展的分析和模拟开展了大量研究工作.
例如Xiao等利用RS和GIS空间信息技术手段对城市空间扩展的特征和驱动力进行了分析[8],Long等运用元胞自动机CA模型[9,10]、杨勇等基于逻辑回归模型[11]、Lee等基于GIS软件和空间系统模型[12]、Nnyaladzi等基于CLUE-S模型[13]分别对城市空间扩展进行了模拟与预测.
目前城市扩展空间模拟以元胞自动机CA模型的应用最多,但CA模型本身存在建模的不确定因素,这对城市空间扩展的模拟结果有一定影响[14].
本文运用LTM模型,对上海市城市空间扩展开展了模拟与预测,旨在为城市空间扩展的定量研究提供一种新的思路与手段,并为上海市城市空间有序发展的宏观调控提供科学依据和决策参考.
1研究资料和方法1.
1研究区概况上海市地处我国南北弧形海岸线中部,交通便利,腹地广阔,地理位置优越,是一个良好的江海港口.
全市总面积6340.
5km2,平均海拔高度4m左右,属亚热带季风气候,四季分明,气候温和湿润.
2009年上海市辖浦东新区以及16区、一县,年末常住人口为1921.
32万人,城镇化水平达到88.
3%,人均GDP达到11563美元,正向加快建设国际金融中心、国际航运中心和现代国际大都市迈进.
作为中国重要的经济中心,上海市城市空间扩展始终处于较高速度,尤其是1990年以来的浦东新区开发更是加剧了城市土地利用的剧烈变化.
本文选取上海市作为研究区域,既有助于检验LTM模型对城市空间扩展模拟与预测的准确性,也可为上海市未来城市空间的有序发展提供宏观调控依据.
1.
2LTM模型介绍土地转化模型(LandTransformationModel,LTM)是基于GIS平台并结合人工神经网络(ArtificialNeuralNet-works,ANN)技术的模型,可用于分析城市扩展与其影响因子之间的关系,继而对城市扩展的空间分布进行预测.
Pijanowski等国外学者[15]已对LTM模型及其应用做了大量介绍,国内徐颖等[16]也对其进行了初步探讨和应用.
LTM模型主要包括以下4个部分[15]:①选取影响城市扩展的自然、社会、政策等因子,并对其进行重编码和采样等预处理.
②运用空间分析方法对影响因子进行分析并将分析结果栅格化,作为下一步建立神经网络的输入.
③对所有模型输入因子进行分析预测,主要有3种方法:多标·631·徐新良等:基于GIS与LTM模型的上海市城市扩展模拟与预测准评估法(Multi-CriteriaEvaluation,MCE)、人工神经网络(ArtificialNeuralNetworks,ANN)和逻辑回归(LogisticRe-gression,LR),本文采用ANN方法进行分析预测.
获得城市扩展在空间上的可能性大小.
④使用PID法(PrincipleIndexDriver,PID)预测特定时间尺度上的城市空间扩展情况.
本文选择人口为主驱动因子,通过人口变化与占用城市土地的数量关系(公式(1))来预测未来城市空间扩展的规模.
U(t)=dpdtA(t)(1)式中U(t)代表研究区将来某一时期增加的城市土地数量;dpdt表示相应时期内增加的人口数量;A(t)代表每增加1人需要增加占用的城市土地数量.
1.
3数据处理(1)土地利用数据.
上海市土地利用数据是基于1990、2000和2005年LandsatTM/ETM遥感影像,通过人工目视解译生成,土地利用类型包括耕地、林地、草地、水域、城镇用地、农村居民地和其他建设用地7个类型,我们从中提取出城镇用地作为LTM模型模拟城市扩展的数据基础.
(2)城市扩展影响因子.
城市空间扩展是自然、经济、政策等多因素共同作用的结果,其影响因子主要包括地形因素、城市基础设施、交通因素等.
本文选取海拔高度、水域2个自然要素和建成区、铁路、公路3个社会经济要素作为上海市城市空间扩展的影响因子.
在ArcGIS平台支持下,首先从1990年上海市土地利用现状图中提取"水域"、"城镇用地"数据,然后利用ArcGIS的空间分析技术,生成研究区域各点到"城市"、"公路"、"铁路"、"水域"的距离渐变图.
最后将这4幅距离渐变图和DEM数据用100m*100m的栅格进行重采样,并转化为ASCII格式数据,作为LTM模型的输入因子.
(3)城市扩展限制因子.
城市扩展限制因子作为LTM模型的输入因子之一,用于排除原则上不会被发展为城镇用地的地方,阻止模型对这些地方起作用.
在本文中,我们选择1990年的城镇用地和水域作为限制因子,并对其重新编码,最后转化为ASCII格式数据,作为LTM模型的输入因子.
(4)城市人口数据.
城市人口数量是预测未来城市空间扩展规模的主要驱动因子.
根据《上海统计年鉴1991》和《中国统计年鉴2006》,1990、2005年上海市城镇人口分别为868.
73万人和1584万人.
2020年上海市城镇人口的确定取决于2020年上海市城市化率.
根据上海市宝山区、闵行区、青浦区和奉贤区的区域规划纲要,到2020年这四个区的城市化率分别将达到98.
7%、100%、92%和84%.
我们取上述数值的平均值93.
675%作为上海市2020年城市化率.
2020年上海市总人口根据王桂新等[17]对上海市常住人口合理规模的预测,其预测的合理规模为2000-2300万人,我们取中间值2150万人作为2020年上海市总人口.
基于上述城市化率和总人口预测值,2020年上海市城镇人口预测为2014万人.
2上海市城市空间扩展模拟与预测2.
1上海市城市空间扩展模拟结果验证将上海市城市扩展影响因子和限制因子数据以及1990年、2000年和2005年土地利用数据输入LTM模型,分别进行1990-2000年和1990-2005年上海城市空间扩展模拟,训练次数均为250000次.
可以获得1990-2000年和1990-2005年上海市城市空间扩展模拟结果.
为考查LTM模型模拟结果的精度,我们采用Kappa系数来进行评价.
Kappa系数是常用的评价空间模拟精度的指数,其定义如下:Kappa=(TNGT+TPGT)-(SNGT)-(SNGT·RNGT+SPGT·RPGT)1-(SNGT·RNGT+SPGT·RPGT)(式1)式中,TN:TrueNegative,即实际没有发生变化,模型结果也未发生变化的栅格数目;FN:FalseNegative,即实际没有发生变化,模型结果发生变化的栅格数目;FP:FalsePositive,即实际发生变化,模型结果未发生变化的栅格数目;TP:TruePositive,即实际发生变化,模型结果也发生变化的栅格数目;RN=TN+FP,即预测未发生变化的栅格数目;RP=FN+TP,即预测发生变化的栅格数目;SN=TN+FN,即实际没有发生变化的栅格数目;SP=FP+TP,实际发生变化的栅格数目;GT=TN+FN+FP+TP,所有的栅格数目.
经计算,LTM模型模拟1990-2000年上海市城市空间扩展的Kappa系数为0.
59,而模拟1990-2005年上海市城市扩展的Kappa系数为0.
61.
根据对Kappa系数值的评价[18],Kappa系数在0.
41-0.
60之间代表模型模拟的一致性程度为中等,在0.
61-0.
80之间代表模型模拟的一致性程度为好.
可见本文中,LTM模型模拟上海市城市空间扩展的结果与遥感监测结果的一致性程度较好.
2.
22020年上海市城市空间扩展预测1990-2005年间,上海市的城镇人口由868.
73万人·731·中国人口·资源与环境2010年第5期专刊增加到1584万人,而该时期转化为城镇用地的土地栅格数量为34917个.
用PDI法可以得到城镇空间扩展与人口增长之间的单位数量关系,即205人/栅格.
依据2020年上海市城镇人口预测数据,预测2020年上海市城镇空间扩展栅格数为20976个,即城镇用地面积将净增长209.
76km2,利用LTM模型以及GIS的空间分析功能,可以获得2005-2020年上海市城市扩展的空间分布格局(见图1).
2005-2020年上海市城市扩展主要集中在东部、南部和西北三个方向,东部的浦东新区向海方向、南部的徐汇区沿沪闵高架路向南方向以及西北部沿沪太路和南北高架路两侧向北方向均是未来城市扩展的主要方向.
图11990-2020年上海市空间城市扩展预测图3结论与讨论3.
1上海市城市空间扩展基本结论由遥感监测的1990、2000和2005年上海市城市空间分布以及LTM模型模拟预测的2020年上海市城市空间扩展结果,上海市城市空间扩展具有以下几点特征:(1)从1990、2000和2005年遥感监测获取的上海城市面积统计结果看(见表1),1990年上海市城市面积为562.
39km2,占总土地面积的7.
02%,2005年上海市城市面积为914.
03km2,占总土地面积的11.
41%,1990-2005年上海市城镇用地面积净增加351.
64km2,增长62.
53%,年增长率4.
17%.
(2)1990-2000年、1990-2005年LTM模型模拟的上海市城市空间扩展和遥感监测结果之间的Kappa系数分别达到0.
59和0.
61,表明LTM模型较好的模拟出了上海市城市空间扩展的总体趋势.
(3)LTM模型预测结果表明,2005-2020年上海市城镇用地面积将从2005年的914.
03km2增加到2020年的1123.
79km2,净增加209.
76km2,年均扩展面积由1990-2005年的23.
44km2/a下降到13.
98km2/a(见表1),可见,随着上海城市化水平的提高以及城镇人口增长速度减缓,未来城市空间扩展速度呈减缓趋势.
3.
2关于LTM模型的讨论城市空间扩展受到自然、经济、政策等多种因素的影响,是一个复杂的、非线性的系统,很难用一般的数学方法来定量描述其内部规律.
本文基于GIS强大的空间分析能力、遥感数据的客观性以及ANN独特的非线性信息处理能力开展LTM对上海市城市空间扩展的模拟和预测,表1上海市1990-2005年和2005-2020年城市扩展面积与速度统计表统计指标1990年2000年2005年2020年1990-2005年2005-2020年城市面积(km2)562.
39777.
87914.
031121.
96--占土地总面积比重(%)7.
029.
7111.
4114.
00--扩展面积(km2351.
64209.
76年均扩展面积(km224.
4413.
98在一定程度上避免了人工经验预测主观上的不确定性,模拟结果更具客观性.
社会、经济等人文要素是影响城市空间扩展的重要因子,特别是城市土地扩展政策更是制约城市空间扩展速度和模式的关键.
受数据来源和定量化难易程度的影响,本文仅选取到建成区、铁路、公路的距离3个因子来在一定程度反映社会经济和政策的影响,在城市扩展影响因子的选择上还有一定的局限性,在今后的研究中我们将进一步探索将更多的社会、经济、政策等因素引入模型,使模型模拟结果精度得到进一步的提高.
从本文模拟结果看,1990-2005年LTM模型模拟结果的Kappa系数高于1990-2000年,可见基于LTM模型对城市扩展进行模拟,模拟时间尺度越长,越能更精确反映城市空间扩展特征.
这主要是由于人工神经网络不仅能记忆训练数据模式,还能根据历史数据训练出具有归纳全部特征的特定神经网络,因此在未来的工作中,有望通·831·徐新良等:基于GIS与LTM模型的上海市城市扩展模拟与预测过延长模型模拟的时间尺度,进一步提高模拟预测结果的准确性.
(编辑:田红)参考文献[1]TianGuangjin,LiuJiyuan,XieYichunetal.
AnalysisofSpatio-TemporalDynamicPatternandDrivingForcesofUrbanLandinChinain1990sUsingTMImagesandGIS[J].
Cities,2005,22(6):400-410.
[2]刘纪远,张增祥,徐新良等.
21世纪初中国土地利用变化的空间格局与驱动力分析[J].
地理学报,2009,64(12):1411-1420.
[3]TanMinghong,LiXiubin,XieHuietal.
UrbanLandExpansionandArableLandLossinChina:aCaseStudyofBeijing–Tianjin–Hebeiregion[J].
LandUsePolicy,2005,22:187-196.
[4]MustafaBolca,BaharTurkyilmaz,YusufKurucuetal.
Determina-tionofImpactofUrbanizationonAgriculturalLandandWetlandLandUseinBalcovas'DeltabyRemoteSensingandGISTechnique[J].
EnvironMonitAssess,2007,131:409-419.
[5]ChristianWolter.
TowardsaMechanisticUnderstandingofUrbaniza-tion'sImpactsonFish[J].
UrbanEcology,SpringerUSPress,2008,425-436.
[6]CheXiuzhen,ShangJincheng.
StrategicEnvironmentalAssessmentforSustainableDevelopmentinUrbanizationProcessinChina[J].
ChineseGeographicalScience,2004,14(2):148-152.
[7]FengJZ,PetzoldDE.
TemperatureThroughUrbanizationinMetro-polianWashington,DC,1945-1979[J].
MeteorologyandAtmos-phericPhysics,1988,38:195-201.
[8]XiaoJieying,ShenYanjun,GeJingfengetal.
EvaluatingUrbanEx-pansionandLandUseChangeinShijiazhuang,China,byUsingGISandRemotesensing[J].
LandscapeandUrbanPlanning,2006,75:69-80.
[9]LongYing,MaoQizhi,DangAnrong.
BeijingUrbanDevelopmentModel:UrbanGrowthAnalysisandSimulation[J].
TsinghuaScienceandTechnology,2009,14(6):782-794.
[10]SilvaEA,ClarkeKC.
CalibrationoftheSLEUTHUrbanGrowthModelforLisbonandPorto,Portugal[J].
Computers,EnvironmentandUrbanSystems,2002,26:525-552.
[11]杨勇,任志远,李开宇.
基于GIS的西安市城市扩展与模拟研究[J].
人文地理,2010,25(2):95-98.
[12]LeeChunlin,HuangShuli,ChanShihliang.
BiophysicalandSys-temApproachesforSimulatingLand-UseChange[J].
LandscapeandUrbanPlanning,2008,86:187-203.
[13]BatisaniNnyaladzi,YarnalBrent.
UrbanExpansioninCentreCounty,Pennsylvania:SpatialDynamicsandLandscapeTransforma-tions[J].
AppliedGeography,2009,29:235-249.
[14]YehAnthonyGar-On,LiXia.
ErrorsandUncertaintiesinUrbanCellularAutomata[J].
Computers,EnvironmentandUrbanSystems,2006,30:10-28.
[15]PijanowskiBC,BrownDG,ShellitoBA,etal.
UsingNeuralNetworksandGIStoForecastLandUseChanges:AlandTransforma-tionModel[J].
Computers,EnvironmentandUrbanSystems,2002,26(6):553-575[16]徐颖,吕斌等.
基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用———以北京市为例[J].
北京大学学报(自然科学版),2008,44(2):262-270.
[17]王桂新,殷永元.
上海人口与可持续发展研究[M].
上海:上海财经大学出版社,2000.
[18]李光丽,杜培军,王小美等.
多源遥感影像土地覆盖分类结果一致性评价与集成应用[J].
地理与地理信息科学,2009,25(4):68-71SimulationandPredictionofUrbanExpansioninShanghaiCitybasedonGISandLTMModelXUXin-liang1MINXi-bi1,2TIANZhan3(1.
InstituteofGeographicalSciencesandNatureResourcesResearch,CAS,Beijing100101,China;2.
GraduateUniversityoftheChineseAcademyofSciences,Beijing100049,China;3.
ShanghaiMeteorologicalBureau,Shanghai130012,China)AbstractUsinglanduseremotesensingdatain1990,2000and2005,combinedwithurbanpopulationdata,thispaperfirstlysimu-latedurbanlandexpansioninShanghaiduring1990-2000and1990-2005basedonLTMmodel,thenforecastedthescaleofurbanexpansionin2020.
Theresultsshowedthaturbanlandareahasincreased351.
64km2from1990to2005,increased62.
53%,andan-nualgrowthrateis4.
17%.
TheKappacoefficientis0.
59and0.
61respectivelyduring1990-2000and1990-2005.
ItshowedthatLTMmodelcouldbettersimulatethetrendofurbanexpansioninhistoricalperiod.
AndthepredictionsofLTMmodelshowedthatur-banlandareawillincreasedfrom914.
03km2to1123.
79km2inShanghaiduring2005-2020,andannualexpansionareawilldecreasefrom23.
44km2/ato13.
98km2/a,Theurbanspatialexpansionrateinshanghaiwilltakeonaslowtrend.
KeywordsShanghai;UrbanLandExpansion;GIS;LTMModel·931·