快速城镇化区域用地扩张模拟的规划约束对比研究
刘 瑾1,2，田 永 中1,2*，田 林1，张 雪 倩1，万 祖 毅1，刘 旭 东1
(1.西南大学地理科学学院，重庆 400715；2.重庆稻田科技有限公司，重庆 400700)
摘要 ：挖掘规划要素对于用地模拟的影响程度，为科学预知快速城镇化区域用地状况和城乡规划编制提供依据。采用基于决策向导(Decision Wizard)的元胞自动机和马尔科夫链(CA-Markov)的综合模型，以重庆两江新区2010年、2013年和2016年Landsat影像为例，分别对有无规划约束下的用地状况进行模拟，探讨不同类型的规划在其中发挥的作用，并合理预测研究区未来用地状况。结果显示，规划约束下模拟的Kappa系数为80.62%，表明规划要素可以一定程度上提高模拟结果的准确性；建设用地扩张沿交通线发展明显，面状规划要素主要体现在对建设用地发展的限制中；研究区未来建设用地将继续大幅扩张，需要调整现有规划方能满足进一步发展需求。
关键词 ：用地扩张；元胞自动机；模拟；城镇规划；重庆两江新区
无论是“十九大”报告中指出的保护耕地、划定生态保护红线、永久基本农田、城镇开发边界三条控制线，还是全国土地“三调”中强调综合分析城镇土地利用状况，均展示了当今城镇发展中规划的宏观作用。合理有效地模拟规划约束下城镇土地利用的变化状况，可为城市规划建设提供更有价值的信息。当前城镇用地扩张模拟的模型与方法已经发展到微观动力学模型阶段[1]，包括元胞自动机模型(CA)[2-5]、土地利用及变化效应模型(CLUE-S)[6]、系统动力学模型(SD)[7]、多智能体模型(MAS)[1]等，将多种模型相结合可大大提高模拟精度[8-17]。CA-Markov模型综合了CA模拟复杂时空变化的能力和Markov模型定量预测的优点，考虑自然、社会等条件的影响，模拟不同情况下土地利用的时空变化[14,18-20]。当前关于用地状况的模拟大多设置未来多种情境[21]，考虑多种规划条件对城市用地预测产生的可能影响。本文以重庆两江新区为例，拟采用CA-Markov模型重点考虑在规划约束下城镇用地类型未来的发展变化状况，比较有无规划约束对模拟结果产生的时空差异，分析规划要素对城镇用地模拟的具体影响，并模拟研究区未来用地状况，以期为城乡规划和管理决策提出合理的建议。
1 研究区概况
重庆两江新区成立于2010年，位于重庆主城北部，涵盖北碚区、渝北区和江北区的部分共1 200 km2，区内划分蔡家组团等10个组团，是国家战略层面部署的第三个国家级开发开放新区，更是内陆地区科学发展的示范窗口。该区地处长江以北、嘉陵江以东，位于长江上游四川盆地的川东平行岭谷内，自西向东分布着南北走向的中梁山、龙王洞山、铜锣山和明月山，地势起伏较大，自然条件优越。区内基础设施完善，2016年末，该区常住人口约242.57万人，地区GDP达到2 260.94亿元，年均增速17.5%，且第三产业发展的贡献率超越第二产业，成为该地发展的支柱型产业。该区成为规划作用下高速发展的产物，具有研究的代表性和典型性(图1)。
2 研究方法
本文借助IDSIRI软件中的CA-Markov模型实现对研究区的模拟。采用决策向导(Decision Wizard)制作土地适宜性图集是模拟的核心。
2.1 CA-Markov模型
CA即元胞自动机(Cellular Automata)，是在离散的元胞空间上，按照一定的局部规则在离散的时间维上演化的动力系统，由元胞及元胞状态、元胞空间、元胞邻域和转换规则四部分组成，每一个元胞存在于元胞空间中，且处于自身有限个特定状态中，按照转换规则进行局部转换，逐渐形成一个动态演化系统。公式如下[22]：
令导弹第一次被测量到的时刻为参考时间 t=0，其余各测量时刻为ti，对应的实时距离为Ri，那么式(5)可表示为
Z (t+1) =f (Z (t) ,N )
(1)
如表2所示，1995～2009年各省平均受教育年限的全局Moran指数I均大于0，p值均通过显著性1%的检验，平均受教育年限(PE)存在显著的空间正相关性，即平均受教育年限的高─高地区或低─低地区聚集在一起，地区间受教育程度存在较大的差异。
总而言之，布鲁氏菌病是由布鲁氏杆菌引起的急性或者是慢性的人畜共患传染病。通过对海西州的羊的羊布鲁式杆菌进行血清学的调查和风险控制，对其中感染的羊进行接种，并对其进行宣传，进而预防其感染，提高其布病防控。
选煤厂的综合能耗主要是电力消耗，在生产过程中利用节能技术，虽然付出了投资，但是从长远来看会降低电耗，从而降低了生产成本，有利于选煤厂提高经济效益。
S (t) =P ij ×S (t0)
(2)
4.2.1 规划约束下CA-Markov模型模拟过程 在上述成果的基础上，将限制因素引入适宜性图集的制作中，比较引入规划约束后模拟结果的差异。以建设用地的适宜性图集制作为例，设置建设用地限制因素为已建成的城镇建设用地和水体、建设用地管制区中的禁止建设区、基本农田数据中的基本农田保护区、土地利用总体规划中的绿地区域、城乡总体规划中的非建设用地、生态用地中的自然保护区、四山管制中的四山绿地区等。按照IDSIRI软件要求将禁止扩展的区域设置为0，其余区域设置为1。
CA-Markov模型弥补了CA着眼于元胞局部相互作用和Markov限于数量预测的短板，有效地将CA模拟复杂的地理系统时空演化过程和Markov模型长期预测的优势结合，完善了Markov分析结果的空间配置，从时空角度模拟土地利用的变化[23]。
2.2 Decision Wizard
Decision Wizard由一系列对话框组成，并将决策规则记录在一个文件中，针对不同的目标建立不同的标准，综合分析影响目标的诸多因素后实现决策辅助，标准包含适宜因子和限制条件两类。适宜因子就是能够影响土地利用发展变化的条件，将其统一到0～255的连续性拉伸值之间，经过权重进行评价和选择；限制条件就是将分析严格控制在某种范围内，以0和1的布尔值表示。
将模拟结果与《重庆市城乡总体规划》比较发现，模拟结果中各类用地的扩展范围与规划文件中该类的用地范围基本一致。例如，规划约束下可以将鱼复、龙兴地区的建设用地展现出来，而在《总规》中，该地仍为工业用地，反映了规划对于模拟城镇用地结果的可行性。
式中：Z 为元胞空间；f 为转换规则所定义的函数；t 、t +1为不同的两个时刻；N 为每个元胞的邻域。
3 数据来源及处理
本研究的土地利用数据来源于中国科学院地理空间数据云平台2010年、2013年和2016年的三期遥感影像；DEM数据来源于地理空间数据云平台30 m分辨率数据，并产生坡度、起伏度数据；基础地理数据包括乡镇中心、区级中心、主干路、高速公路、铁路、地铁、水系及大型水体等数据，来自《重庆市地图》；此外，两江新区生态保护红线数据、“四山”管制禁建区数据、两江新区土地利用总体规划数据(2006-2020)、重庆市城乡总体规划(2007-2020)、建设用地管制区数据及基本农田保护区数据均来自政府文件。以上数据均经过ArcGIS10.4软件进行扫描、配准、矢量化，得到shp格式数据并统一到2000国家大地坐标系下。
3.1 遥感影像处理
借助于ENVI5.1，参考中国科学院“中国资源环境数据库”土地利用遥感分类体系，将研究区划分为建设用地、耕地、林地、水域、草地及未利用地六大类(图2,彩图见附录2)，空间分辨率为30 m；利用GIS技术获得研究区2010-2016年建设用地扩张变化情况(图3)。研究区内建设用地增长显著，6年共增面积24 861.87 hm2，且2013-2016年间为2010-2013年的2.4倍，这与2013年后大量工业开发区规划建立有关。目前研究区仍以大规模建设为主，处于发展的上升期，规划对于今后建设用地的发展将发挥重要作用。
3.2 基础地理数据处理
借助ArcGIS工具，得到上述基础地理数据的栅格距离(图4)，利用重分类(Reclass)工具将生态保护红线、四山管制禁建区、建设用地管制区、基本农田保护区及土地利用总体规划数据分为可发展区和非可发展区两大类，保证数据的坐标系(CGCS_2000)、行列号(1567、1254)、分辨率(30 m)、数据格式(tiff、ASCII)一致。
4 模拟结果分析
4.1 无规划约束下2016年土地利用现状模拟分析
比较上述两种模拟结果(表1)，在规划作用的约束下，各类用地状况都发生了变化。建设用地是该地区最主要的用地类型之一，无规划约束时，建设用地扩张占总面积的28.86%，规划约束下，面积占比提升到30.78%，变化显著；在规划约束下耕地的比重更接近实际情况，分布面积较之前显著收缩，面积误差缩小到1%之内；其他用地的面积误差也在缩小。总体看，两种情景下各地类的变化趋势与山地城市的发展状况基本一致，耕地转化为城镇建设用地的几率较大，且城镇建设用地多分布于坡度较小且基础设施完善的区域，同时，规划约束下模拟的精度在数量和空间分布上均有不同程度的提高，使得城镇扩张向着未发生城镇化的地方转移。
4.1.2 无规划约束下2016年土地利用模拟结果分析 图5(彩图见附录2)是按照上述方法模拟的研究区2016年土地利用现状，Kappa系数为73.24%，模拟一致性较低。模拟的研究区耕地增加面积最大，占总面积的37.54%；建设用地面积远小于实际面积，模拟面积只占总面积的28.86%，有9 266.04 hm2的区域没有被很好地描述。考虑各地类在数量层面上的精度，建设用地的模拟精度(78.51%)低于耕地的精度(88.60%)。模拟结果与实际结果相比，各土地利用类型的发展趋势相近，结果却存在差异，误差较明显，尤其体现在建设用地上。在鱼嘴组团、龙兴组团和空港组团存在显著模拟不足，礼嘉组团在沿江地带稍显不足。经资料查证并结合Google Earth高分辨率遥感影像年际变化观察发现，以鱼嘴、龙兴组团地区为例，近年来建设用地快速扩张，与2013年鱼复工业园区规划设立直接相关。由此验证笔者对于规划要素在城市扩张中地位的思考。
马尔科夫链(Markov)模型代表事件发生过程中的一种转移过程无后效性特征，即当前的状态仅与前一时刻的状态有关，与其他因素无关。将这种思维引入土地利用变化预测过程中，可获得前后两个时期之内土地利用类型相互转换的数量或比例，即状态转移概率。公式如下：
人员、经费、就业政策和就业场地等基础性设施是保障独立学院就业市场稳定开展的前提条件。然而据调查，安徽省大多数独立学院专职从事就业工作的人员仅2～3人，人员配备的匮乏制约了对就业市场错综复杂事宜的精雕细琢，限制了就业供需市场的维护和开拓；另外，虽然教育部对高校就业经费的支出设定了指标，但是独立学业受办学的特点的局限，没有能力完成这一指标，致使促进就业相关活动的资金存在不足；同时就业政策是就业市场规范化的标杆，多数独立学院未建立与就业市场相关的制度，再由于教学用地的紧张，独立学院甚至没有安排传统的招聘教室，现代化的视频面试教室更是无从谈起，以上都严重的影响了就业市场的现代化进程。
4.2 规划约束下2016年土地利用现状模拟分析
式中：S (t) 、S (t0) 分别代表t 、t 0时刻土地利用的状态；P ij 是土地利用变化状态转移矩阵。
4.2.2 规划约束下2016年土地利用模拟结果分析 引入规划要素后，模拟2016年研究区内土地利用现状Kappa系数为80.62%，模拟结果可信度较高，表明引入规划后CA-Markov模型对于模拟土地利用类型变化有积极作用。模拟结果(图6，彩图见附录2)体现出规划因素发挥的作用。首先表现在规划生态用地区域内建设用地收缩，如研究区内的大型山体中，规划的生态用地区域内建设用地不再扩张；其次建设用地管制对于模拟产生的作用也较明显，如在鱼复组团、龙兴组团内，禁止建设区在模拟时发挥了更大作用。模拟结果显示，在城市规划和土地利用总体规划的建设用地范围内，建设用地更集中。
4.1.1 无规划约束下CA-Markov模型模拟过程 以2010年、2013年的土地利用数据为基础，利用Markov模型生成该时段的转移面积矩阵，作为预测的数量基础，实现无规划约束下2016年的城镇用地状况模拟。参数设置如下：元胞大小为30 m，元胞邻域为5*5，以2010年和2013年数据制作转移矩阵，迭代次数为3。制作土地转变适宜性图集时借鉴以往研究成果和本区实际情况，选取距乡镇中心距离、距区级中心距离、距主干路距离、距高速公路距离、距铁路距离、距地铁距离、距主要水系距离、距大型水体距离、海拔、坡度、起伏度，共11个条件作为驱动力数据。以建设用地为例，说明生成适宜性转移图像集时本文所遵循的规则：1)距区级中心距离遵循衰减模式，距离小于5 km较适宜，5～10 km逐渐降低，大于10 km适宜性逐渐到达最低；2)距城镇中心距离遵循衰减模式，分界点为4 km和8 km；3)交通线路均遵循S形衰减模式，距高速公路距离临界点为5 km和8 km，距主干路距离临界点为2 km和4 km，距铁路距离临界点为6 km和13 km，距地铁距离临界点为3 km和10 km；4)地形数据均遵循S形衰减模式，高程临界点为0.3 km和0.6 km，坡度临界点为8°和25°，起伏度临界点为15°和35°；水系和大型水库遵循对称函数的模式，临界点为0.05 km、1 km、3 km和5 km。通过决策向导模块、加权线性合并(WLC)、FUZZY函数、衰减模式、AHP生成每一类的转移性栅格数据，将每类土地利用类型的适宜性图像打包生成土地利用转移适宜性图集。最后，采用Kappa系数进行精度验证，当Kappa ≥75%时，模拟一致性较高。
《规划》还强调，要修订完善有关名誉权、荣誉权司法解释，加强对英雄烈士名誉权、荣誉权案件纠纷的指导力度;修订完善婚姻、家庭纠纷等司法解释，进一步优化家事审判方式和工作机制;加强未成年人权益保护工作，预防和惩治校园暴力等现象;修订完善劳动争议案件司法解释，依法维护劳动者合法权益、促进企业生存发展。
4.3 规划要素对城镇扩张模拟的影响分析
4.3.1 点状要素 选择城镇中心(图7a)作为点状要素，采用栅格欧氏距离考虑距乡镇中心、区级中心的距离对于城市用地扩张的作用。观察城镇用地适宜性图集发现(图8a)，距城镇中心距离对于模拟结果产生的影响主要体现在使新的建设用地扩张尽可能出现在原有建设用地周围，但并不能完美解释城镇用地发展的走向。
4.3.2 线状要素 选择道路和水系作为线状要素(图7b)，考虑距道路[24]和水系的距离对于模拟结果产生的影响。其中，学者结合Google Earth高分辨率卫星影像，以2013-2016年水土工业园某条道路的建设为例(图9)，发现建设用地有随道路的发展而扩张的规律。鉴于不同等级的道路对于模拟产生的影响不同，分别提取高速公路、主干路、铁路和地铁4种道路类型，考虑距不同类型道路的距离对模拟产生的作用不同，采用FUZZY函数区别不同道路的影响作用。将栅格距离图与模拟结果进行对比发现，道路分布密集区和距道路较近的地区，建设用地扩张较明显，说明道路的建设对于引导城镇建设用地扩张走向发挥了重要作用。为进一步比较道路和水系对于模拟结果的影响，本文比较在道路和水系作用下城镇用地适宜性结果的差异(图8b、图8c)，发现缺乏道路条件的作用对模拟的影响更大。
4.3.3 面状要素 本文面状要素的选择主要是针对规划文件，如两江新区总体规划中的不同类型分区、建设用地管制的不同分区、基本农田保护区、重庆市城乡规划中的禁用区域、生态保护区等。考虑模型的限制，将禁止建设用地扩张的区域圈出(图7c)，作为模拟中禁止建设用地扩张的限制条件，将有条件发展的区域按照可以扩张处理，处理方式按照权重设置和衰减模式展现。经比较发现，面状要素的作用更体现在对于城镇用地扩张的限制中，这些要素直接决定了扩张是否可以在该区域发生。
4.4 城镇用地扩张模拟
上述模拟过程证实规划要素对于城镇用地模拟的积极作用，故本文在城镇规划、土地规划、生态规划等约束下，以2016年为初始年，模拟研究区2019年、2025年用地情况，结果如图10所示(彩图见附录2)，同时运用GIS技术对结果进行统计(表2)。模拟结果显示，到2019年，研究区城镇建设用地大幅增加，此结果与朱康文等[25]在生态红线保护情境下模拟出的2020年研究区土地利用变化趋势一致。到2025年，研究区建设用地增速仍居首位，即由2016年的43 120.17 hm2增加到2025年的63 632.26 hm2，占比由36.76%增加到54.24%。耕地面积由2016年的39 530.79 hm2减至2025年的27 311.07 hm2，减少趋势放缓，基本转为建设用地。
将模拟结果与现行重庆市城市建设用地规划图对比，2019年建设用地发展方向和扩张趋势与现行规划相符，之后，建设用地面积将超出原规划面积，故需要调整现行规划。笔者建议在2020年之后的规划中增加建设用地面积，且主要转移类型为满足基本农田和生态保护需求下的耕地和林地，范围以空港组团和龙兴组团靠北区域为主；同时，模拟结果也为现今高速的土地利用做出了警示，提高用地的门槛成为防止建设用地过快扩张的方法之一。
分别采用常规的串级控制和采用串级Smith预估控制，系统输入和干扰输入均为单位阶跃信号。仿真结果如图3所示。
5 结论与讨论
文章利用ArcGIS栅格分析工具、CA-Markov模型探讨了规划对于模拟城镇用地扩张产生的作用，并基于规划约束下对研究区未来用地状况进行了模拟。主要结论如下：1)规划约束对于快速城镇化区域用地扩张模拟很有必要，规划约束下的新增建设用地均出现在规划允许建设范围内。2)点状要素可使新的扩张尽可能发生在原有城镇用地的外围；线状要素中道路对于城镇用地的扩张会产生巨大影响，建设用地沿交通线扩张显著；面状要素的影响主要体现在限制扩张。3)未来该区建设用地面积仍将大幅上涨，耕地因转为建设用地而面积下降，两者依然是该区域主要的用地类型。到2025年，研究区仍将处于快速发展时期，需要大范围的建设用地，未来规划需要在现有规划的基础上扩大建设用地范围，空港和龙兴组团靠北区域可作为首选。
本文采用的数据精度为30 m分辨率的遥感影像数据，基本满足研究要求，下一步的研究可以尝试获取更高精度的数据；文章考虑限制性因子时，采用欧氏距离考虑对模拟结果的影响，对于山地城市，如果能够考虑成本距离，将会提高研究的可信度；此外，本文在考虑面状要素的影响时，对于完全禁止区域以限制性条件来处理，而对于有条件建设区域则考虑不够充分，如果能详细考虑各类用地(如工业区、住宅用地等)，则可以获得更加精确的效果；本文仅考虑了规划要素对于城市扩张及模拟的影响，但实际影响城市扩张的因素往往是多方面的，后续研究可根据城市扩张的特征构建多种模拟情景，以完善模拟结果，提高模拟准确性。
参考文献 ：
[1] 赵涛涛.基于CA-MAS的西安市城乡建设用地扩张研究[D].西安：陕西师范大学,2016.
[2] 周成虎,孙战利,谢一春.地理元胞自动机研究[M].北京：科学出版社，1999.
[3] 黎夏.地理模拟系统：元胞自动机与多智能体[M].北京：科学出版社，2007.
[4] 李开宇,张艳芳,杨青生,等.基于CA模型的西安城市空间扩展模拟及误差分析[J].测绘科学,2011,36(5):106-108.
[5] LAGARIAS A.Exploring land use policy scenarios with the use of a cellular automata-based model:Urban sprawl containment and sustainable development in Thessaloniki[J].Geocarto International,2015,9(30):1033-1051.
[6] VERBURG P H,OVERMARS K P,MILNE E,et al.Combining top-down and bottom-up dynamics in land use modeling:Exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model[J].Landscape Ecology,2009,24(9):1167.
[7] 秦贤宏,段学军,李慧,等.基于SD和CA的城镇土地扩展模拟模型——以江苏省南通地区为例[J].地理科学,2009,29(3):439-444.
[8] 汪贝,张金亭,彭晓军.基于约束性CA的“三规”空间管制整合引导下的城市增长模拟[J].地理与地理信息科学,2017,33(5):69-74.
[9] SUNG-KYU L,PARK SOO H.Urban growth simulation modeling using a decision tree method for Inchon metropolitan area[J].Journal of Korea Planning Association,2004,4(39):31-44.
[10] KUANG W H.Simulating dynamic urban expansion at regional scale in Beijing-Tianjin-Tangshan metropolitan area[J].Journal of Geographical Sciences,2011,21(2):317-330.
[11] 黎夏，叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005,24(1)：19-27.
[12] 刘小平,黎夏,叶嘉安,等.利用蚁群智能挖掘地理元胞自动机的转换规则[J].中国科学(地球科学)，2007,37(6):824-834.
[13] KHALILNIA M K,GHAEMIRAD T,ABBASPOUR R A.Modeling of urban growth using cellular automata (CA) optimized by particle swarm optimization(PSO)[J].International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences,2013,XL-1/W3(1):231-234.
[14] HYANDYE C,MARTZ L W.A Markovian and cellular automata land-use change predictive model of the Usangu Catchment[J].International Journal of Remote Sensing,2017,38(1):64-81.
[15] AL-SHALABI M,BILLA L,PRADHAN B,et al.Modelling urban growth evolution and land-use changes using GIS based cellular automata and SLEUTH models:The case of Sana′a metropolitan city,Yemen[J].Environmental Earth Sciences,2013,70(1):425-437.
[16] 刘明皓,安广文,李超.基于动态邻域思想的ACO-CA城市动态模拟——以重庆市沙坪坝区为例[J].地理与地理信息科学,2016,32(3):74-80.
[17] 冯永玖,杨倩倩,崔丽,等.基于空间自回归CA模型的城市土地利用变化模拟与预测[J].地理与地理信息科学,2016,32(5):37-44.
[18] 胡雪丽,徐凌,张树深.基于CA-Markov模型和多目标优化的大连市土地利用格局[J].应用生态学报,2013,24(6):1652-1660.
[19] 郭斌,张莉,文雯,等.基于CA-Markov模型的黄土高原南部地区土地利用动态模拟[J].干旱区资源与环境,2014,28(12):14-18.
[20] ADHIKARI S,SOUTHWORTH J.Simulating forest cover changes of Bannerghatta National Park based on a CA-Markov model:A remote sensing approach[J].Remote Sensing,2012,4(10):3215-3243.
[21] 邓华,邵景安,王金亮,等.多因素耦合下三峡库区土地利用未来情景模拟[J].地理学报,2016,71(11):1979-1997.
[22] 田永中,吴文戬,盛耀彬,等.GIS空间分析基础教程[M].北京：科学出版社，2018.294-297.
[23] 王友生，于新晓，贺康宁，等.基于CA-Markov模型的藉河流域土地利用变化动态模拟[J].农业工程学报，2011,27(12)：330-336.
[24] 王红梅,郑标,卢阳禄,等.基于多源遥感影像的道路交通对建设用地空间格局的影响分析——以从化中心城区规划区为例[J].中国土地科学,2016,30(11):86-94.
[25] 朱康文,雷波,李月臣,等.生态红线保护下的两江新区土地利用/覆盖情景模拟及生态价值评估[J].环境科学研究,2017(11):1801-1812.
A Comparative Study on Planning Constraints of the Rapid Urbanization Area Expansion Simulation
LIU Jin1,2,TIAN Yong-zhong1,2,TIAN Lin1,ZHANG Xue-qian1,WAN Zu-yi1 ,LIU Xu-dong1
(1.School of Geographical Sciences ,Southwest University ,Chongqing 400715;2.Chongqing Daotian Science and Technology Limited Company ,Chongqing 400700,China )
Abstract : This paper aims to excavate the influence of planning elements on land simulation,which provides a basis for scientific prediction of regional land use in urbanization area,and gives the reference of urban and rural planning and ecological environment restoration.Using Landsat images of 2010,2013 and 2016,this paper has simulated the land use with or without planning constraints,and discussed the role played by the planning,and predicted the future land use structure of research area in 2019 and 2025 with the tested constraints reasonably in the Liangjiang New Area of Chongqing by the methods of geographic information system (GIS),remote sensing (RS) technology,and a comprehensive model of cellular automata and Markoff chain (CA-Markov) based on decision guide (Decision Wizard).The study shows that:1) There is significant growth of construction land in the study area,and most of them were converted from farmland over the past six years.2) The simulation accuracy in 2016 is 80.62% (Kappa) under planning constraints,while the simulation accuracy is 73.24% (Kappa) without planning constraints.3) The planning elements can improve the accuracy of the simulation result to some extent for rapid urbanization area.So it concludes that:1) The planning has become a vital factor for the expansion of the modern towns.2) The development of construction land expansion along the traffic line is obvious,point elements make the new expansion to occur outside the original urban area as much as possible,and polygon elements are mainly reflected in the limitation of construction land development.3) In the future,the construction land of the study area will continue to expand substantially,and the existing planning need to be adjusted to meet the further development needs.
Key words : land use expand;CA model;simulation;town planning;the Liangjiang New Area of Chongqing
中图分类号 ：F301.24
文献标识码： A
文章编号： 1672-0504(2019)01-0082-07
doi :10.3969/j .issn .1672-0504.2019.01.013
收稿日期: 2018-03-01；
修回日期：2018-07-05
基金项目： 教育部人文社会科学规划项目“新型城镇化背景下农民土地财产收益实现渠道与改革路径研究”(14YJAZH097)
作者简介： 刘瑾(1992-)，女，硕士研究生，主要研究方向为GIS应用与土地规划。
*通讯作者 E-mail:tyzlf@swu.edu.cn
标签：用地扩张论文; 元胞自动机论文; 模拟论文; 城镇规划论文; 重庆两江新区论文; 西南大学地理科学学院论文; 重庆稻田科技有限公司论文;