团队学生任英健在城市土地扩张领域研究取得最新进展
2024年7月22日 22:14
近日，中国地质大学（武汉）公共管理学院硕士生任英健为第一作者，杨建新副教授为通讯作者，在国际地理信息科学领域最重要的学术刊物之一《Transactions in GIS》(JCR:Q2)发表了题为“Multidimensional effects of history, neighborhood, and proximity on urban land growth: A dynamic spatiotemporal rolling prediction model (STRM)”的最新成果。该研究提出了一种城市土地需求空间预测新方法，通过时空滞后效应和邻近性来刻画城市土地需求的异质性，STRM将不同历史时期、邻域范围以及代表邻近性的变量纳入到模型中，从而表征未来城市土地需求。论文通过时空参数敏感性分析和输入数据的结构敏感性分析验证了STRM的可行性，并通过与多种城市土地需求预测模型对比和多个区域的实验验证了模型的优势和普适性。STRM 的提出代表了城市土地需求从静态宏观预测向动态微观预测的转变，是城市土地扩张领域又一重要突破，为未来城市发展和规划决策提供了新见解。
Part1 文章摘要
基于元胞自动机(CA)开发的城市扩张模拟模型已经成为该领域最常用的建模方法之一，这类模型受到宏观层面的城市土地需求以及微观层面的空间分配影响，反映了自下而上和自上而下的城市扩张过程。由于生物物理、社会经济条件以及历史城市发展趋势的差异，城市土地需求在城市不同区域内表现出时空异质性，显著影响着城市土地结构的模式和形态。然而，现有的CA模型尚未充分探讨微观层面上城市土地需求的时空异质性。针对这一问题，本研究提出了一种考虑时空异质性的城市土地需求时空滚动预测模型(STRM)，利用时空滞后效应和邻近性来表征时空异质性对城市土地需求的影响。STRM利用不同尺度的网格来划分研究区，每个网格中的城市土地比例表征城市土地需求，利用深度森林作为映射模型，结合每个网格自身表征邻近性的变量以及邻域历史城市土地需求信息，通过滚动预测的方式获得未来逐年城市土地需求。通过对武汉市未来17年的城市土地需求模拟，STRM表现出较好的性能，平均调整后R2超过0.89，显著优于其他城市土地需求预测模型，STRM不仅有效捕捉了城市土地需求的时空异质性，而且提高了城市土地需求预测的空间分辨率。
Part2 研究区
研究区为湖北省武汉市(图1)。
Part3 模型构建与实现过程
（1）模型参数设计
STRM设计了三个时空参数，即滞后时期、邻域范围和网格大小(图2)，并结合了必要的自然和距离环境变量(图3)，来表征时空滞后效应和邻近性对城市土地需求的影响。
（2）模型与输入数据的构建
在年份 t，STRM预测的边长为 d 的网格 i 内城市土地需求由下式表示：
该模型表示，城市土地需求是由以焦点网格 i 为中心，半径为 r 的摩尔邻域内的网格单元其历史时期城市土地需求决定的。此外，还纳入了焦点网格自身必要的环境变量，以充分表示环境邻近性的影响。模型输入数据的构建过程如图4所示。
（3）STRM的实现过程
STRM的实现过程如图5所示。研究区被划分为大小为 d km的规则网格，逐年计算每个网格内的城市土地需求，及其环境变量的均值。根据指定的滞后时期k(本文为1-10年，见图2)，将研究期划分为模型训练期和模型验证期。利用一个滑动窗口提取各年份城市土地需求和环境变量均值(如图4)，将它们展平、连接，作为输入数据训练深度森林模型。当模型训练完成后，开始逐年滚动预测每个网格内的城市土地需求。当完成对全部年份和全部时空参数下的城市土地需求预测后，根据精度评价结果记录一组最佳的时空参数和深度森林模型的超参数。这一组最佳参数将被用来预测未来研究区中空间上的城市土地需求。滚动预测的含义是，假设预测的起始年份为1990年，则先利用1990至1990+ k 年(k为设置的滞后时期)的城市土地需求数据预测出1990+k+1年的城市土地需求，接着利用1991至1990+k+1年的城市土地需求数据预测出1990+k+2年的城市土地需求，以此类推，直到完成对目标年份的预测。
Part4 研究结果
本研究引入了一种考虑时空异质性的城市土地需求时空滚动预测模型(STRM)，用于逐年预测空间化的城市土地需求。STRM整合了时空滞后效应和邻近性，有效地刻画了城市土地需求的异质性。在济南等其他城市的实验中证明了STRM能够动态分析不同城市的参数敏感性，提供了一种寻找最优时空参数的方法。此外，STRM的滚动预测方法完全依赖历史需求和静态变量来预测未来城市土地需求，巧妙地应对了在没有可变环境数据或具体未来特征的情况下预测未来城市土地需求的挑战。
实验结果表明，在本文研究期限内，STRM能够有效预测未来17个年份的城市土地需求，从2000年到2017年平均调整R2值为0.89，2017年的调整R2值为0.81。参数和结构敏感性分析表明，滞后时期、邻域大小和邻近性显著影响STRM的性能，预测准确性与滞后时期呈正相关，与邻域大小表现出显著的边缘效应，而环境变量的加入通常能够改善预测效果。这项研究填补了城市土地需求时空预测研究的空白，有助于未来城市规划并应对各种城市挑战。
【特别鸣谢】
我们也感谢团队同门王英格、王警若、石锐、安徽理工大学祁攀、长安大学田静、西南交通大学张帅杰以及中国地震局地震研究所张澳兵等人在论文撰写过程中提供的支持与帮助。
Part5 论文主要结果图集
文章链接：
Ren, Y., Yang, J., Shen, Y., Wang, L., Zhang, Z., & Zhao, Z. Multidimensional effects of history, neighborhood, and proximity on urban land growth: A dynamic spatiotemporal rolling prediction model (STRM). Transactions in GIS, 2024, 1-29. https://doi.org/10.1111/tgis.13224