[发明专利]一种“流空间”视角下的城镇开发边界模拟预测方法

说明书

一种结合城镇“流空间”的城镇开发边界模拟和预测方法，如下：一、运用研究区域范围内的遥感影像和城镇建设用地空间扩散驱动因素数据，通过logit模型计算各空间因素影响权重；二、计算研究区域范围内限制土地利用类型转变因素；三、运用重力模型对城市流进行计算；四运用重力模型对城市流进行计算获得的城镇间流强度，构建城镇等级体系，形成不同等级城镇建设用地分配指标体系；五、制定约束性元胞自动机模型转换规则，模拟和预测未来城镇开发边界。解决以往元胞自动机基于历史数据预测未来情景的问题，通过拆解用地转换概率公式，规划师可将城镇结构等主观规划意图纳入城镇空间扩张预测中。

技术领域

本发明涉及一种融合城市间“流空间”和遥感数据的城镇开发边界模拟和预测技术方法。

背景技术

长久以来以规划手段在城市周围划定限制开发边界一直是城市管理者用以遏制城市蔓延的用地管理政策之一，2019年6月，自然资源部发布《城镇开发边界划定指南(试行)》，并将城镇开发边界定义为“在一定时期内因城镇发展需要，可以集中进行城镇开发建设，重点完善城镇功能的区域边界。城镇开发边界内可分为城镇集中建设区、城镇弹性发展区和特别用途区。”

从城镇开发边界的技术性而言，城镇开发边界划定的主要方法可分为质性法、指标体系法和模型法三种方法。其中质性法主要基于人口规模、设施成本、土地利用现状和环境敏感区等预测未来城镇用地面积，比如弗雷划定法；在指标法方面，不同组织和部门为了进一步科学划定城镇开发边界制定了不同的指标体系系统。而在模型法方面，近年来，随着遥感(remote sensing)和地理信息系统(geographic information system)的广泛应用，LBS数据、元胞自动机、多智能体、蚁群优化算法(Ant Colony Optimization)等场景分析模拟技术均被用于进行城市增长模拟，此类城市增长模拟方法大多是基于城市发展的历史遥感影像图获取城市用地增长速度、强度和发展方向等，通过机器学习算法模拟不同情境下城市未来扩张状况。

元胞自动机模型(Cellular Automaton,CA)是从技术上模拟城镇开发边界的主要工具模型，CA模型能够适应不同管控逻辑，从城市“正向增长”角度和“底线控制”角度出发划定城镇开发边界。CA模型可以将自然因素、社会经济因素等多个方面城市空间扩张的驱动因素和限制因素纳入考虑。其中自然因素衡量指标主要包括到河流水系距离、地形地势(坡度、坡向)、生态资源、土地适宜性；社会经济因素包括到城市重要节点距离(包括城镇中心、商业中心、)、到城市主要道路距离、到铁路距离、邻域开发强度、土地利用政策。在传统的CA模型的基础上也不断衍生出新的技术方法，如SLEUTH模型、CLUE-S模型、ANN神经网络模型和FLUS等。

但在实际应用上，由于城市增长具有高度的复杂性，传统的CA模拟所碰到的最大问题是如何确定模型的结构和参数。城市空间扩张形态除了受到内生因素驱动之外，也同时会受到周边城市的外生因素影响，包括城镇体系结构。“外生性”的区域和城镇间因素对城市空间扩张的影响作用逐渐加强，但传统元胞自动机模型聚焦于单一研究对象的“内生性”影响因素。城镇间人口、生产和交通等要素的流动使得将某一特定区域视为一个研究整体时，容易忽略区域中不同空间单元的空间异质性差异，比如不同城市的城市扩张驱动力或限制因素权重存在一定差异。

发明内容

本发明针对现有通过元胞自动机模型模拟和预测城镇开发边界的不足，提供一种结合城镇“流空间”的城镇开发边界模拟和预测方法，包括以下步骤：

(1)运用研究区域范围内的遥感影像和城镇建设用地空间扩散驱动因素数据，通过logit模型计算各空间因素影响权重，用于提供步骤(5)，具体计算公式如下：

式中P_logit为土地利用类型变更状态，其中P_logit取值1或0，1为非城镇建设用地转换为城镇建设用地，0则表示未变更，x为城镇建设用地空间扩散驱动因素，β为空间因素影响系数，k为城镇建设用地空间扩散驱动因素数量