原文出自 Sustainability 期刊：

Zhang, X.; Zhou, J.; Song, W. Simulating Urban Sprawl in China Based on the Artificial Neural Network-Cellular Automata-Markov Model. Sustainability 2020, 12, 4341. https://doi.org/10.3390/su12114341

引言

城市扩张研究是关系到人类切身利益的重要课题，并对人类活动和自然环境产生重要影响。长期以来，如何实现大尺度、长时间序列城市扩张监测一直是个难点。由于数值模拟精度低、工作量巨大，学界对大规模城市扩张模拟的研究依然较为缺乏。因此，本篇发表在 Sustainability 期刊的文章，尝试用神经网络-元胞自动机-马尔可夫复合模型，结合更方便的数据处理范式，用于大规模城市扩张模拟研究，提高精度和实用性。

研究内容

中国是世界上城市扩张速度最快的国家。自1981年以来，中国城市建成区面积快速增长，年均增长5.93%。快速的城市扩张促使中国政府加强对城市扩张的监管，而科学监管需要准确预测扩张作为支撑。因此，研究和总结城市扩张的特征，以及未来的扩张形势，是至关重要的。本文即是在此基础上开展的一个有意义的探索。

复合模型能兼具多种优势，成为模拟城市扩张的理想方案。在模拟时，本文创新性地提出了一体化的复合模型。模型将人工神经网络在处理复杂非线性数据方面的优势、元胞自动机模型在模拟复杂系统空间变化方面的优势、马尔可夫模型在预测长期数量变化方面的优势综合，提高城市扩张格局模拟和用地数量预测的精度。

研究以Python和GIS为基础开发模型，以中国为案例区进行试验。选取年均气温、年均降水量、海拔、坡度、河网密度、人口密度、GDP密度、与河流的距离、与县级行政中心的距离、与市级行政中心的距离、与副省级城市的距离共11个因子作为城市扩张的驱动因子，对中国2022、2027、2032、2037年的城市扩张进行模拟，并引入胡焕庸线对两侧的城市扩张进行预测 (如下图)。

预测2022年至2037年胡焕庸线两侧的建成区。

研究表明，模型具有较高的仿真精度和仿真效果 (适宜性检验精度为0.86，kappa系数为0.78)。基于ANN-Markov-CA复合模型的结果，从2022年到2037年，中国城市扩张的热点区域将随着时间的推移而发生变化。尽管京津冀、长三角、珠三角的城市扩张规模仍将可观，但成渝城市群、关中平原城市群、中原城市群、长江中游城市群的城市扩张规模将更加突出。胡焕庸线东西两侧的城市建成区数量将有很大差距。在当前的环境和社会经济条件下，中国的城市扩张在将来仍然很难突破胡焕庸线的限制。

研究总结

这篇文章的研究结果可以为大规模城市扩张的趋势预测提供科学支撑。然而，也存在一些局限性，例如驱动力数据涉及到不同类型，但很难从同一渠道获得囊括自然条件和社会经济条件的所有数据。不同驱动力数据的分辨率、格式的差异可能导致在标准化过程中存在数据的失真问题，在一定程度上影响了模拟结果。因此，后续研究还可以继续考虑数据的处理方案，以提高模型的可靠性。

撰稿人：宋伟

专栏简介 

“土地科学面面观”专栏由MDPI编委宋伟副研究员 (中国科学院地理科学与资源研究所) 主持，专注于土地利用变化科学领域的前沿进展。

专栏编辑

宋伟 副研究员

中国科学院地理科学与资源研究所

长期从事土地利用变化科学的相关研究工作，具体研究方向包括土地利用变化检测、土地利用变化建模与模拟、土地利用政策、土地利用变化的生态效应以及土地整治、土地利用规划等。截至2022年9月，已在国内外学术期刊发表论文110余篇，其中第一/通讯作者SCI/SSCI收录论文80余篇，在Web of Science核心集中被引近2400次，单篇最高被引305次。第一/通讯作者论文中有3篇入选ESI高被引论文，1篇入选Ecological Modelling 的2014至2018年Most Cited论文。

获省部级奖励6次 (其中第一完成人二等奖1次)、获第十四届全国青年地理科技奖。参与了《全国重要生态系统保护和修复重大工程总体规划 (2021~2035年)》、《大运河生态环境保护修复专项规划》等规划的编制工作，参与撰写的3份咨询报告得到中办采用。