全 文 ：RCPs气候情景下珠江三角洲地区城市用地
扩展的预测与模拟*
姜群鸥1,2,3**摇 邓祥征2,3 摇 柯新利4 摇 赵春红2,5 摇 张摇 巍1
( 1北京林业大学水土保持学院, 北京 100083; 2中国科学院地理科学与资源研究所, 北京 100101; 3中国科学院农业政策研究
中心, 北京 100101; 4华中农业大学经济管理学院土地管理学院, 武汉 430070; 5中国科学院大学, 北京 100049)
摘摇 要摇 随着社会经济的快速发展,中国城市规模和数量不断扩大,城市土地利用系统内部
变化错综复杂.本研究以珠江三角洲地区城市群为例,研究了在自然环境条件和社会经济条
件共同作用下城市化进程中城市用地动态变化的驱动机制,并设计了规划情景和 RCPs 气候
情景,运用决策树元胞自动机模型对这几种情景下珠江三角洲地区城市用地的动态变化进行
预测模拟.结果表明: 非农业人口和社会经济的增长对城市化过程起着决定性的推动作用,
交通干线在整个城市化进程中始终起着重要的基础性作用,高程较高和坡度较大的区域制约
了该地区的城市化进程.随着时间的推移,无论哪种情景,城市用地扩张的态势不变,但扩张
速度到一定时间节点将会减缓,不同情景下减缓的时间点不同;规划情景、MESSAGE 模式和
AIM模式下的城市用地发展速度依次增加,但 MESSAGE 气候模式下的城镇发展较符合当前
的城镇发展态势;城市用地扩张的区域主要集中在广州、东莞、佛山、珠海、深圳、湛江和潮汕
等城市化相对较高的区域.
关键词摇 城市化摇 城市扩展摇 RCPs气候情景摇 珠江三角洲地区
*中央高校基本科研业务费专项(TD2011鄄03),国家自然科学基金重大研究计划项目(91325302)和中国博士后科学基金项目(2014M560110)
资助.
**通讯作者. E鄄mail: jiangqo. dls@ 163. com
2014鄄03鄄24 收稿,2014鄄08鄄10 接受.
文章编号摇 1001-9332(2014)12-3627-10摇 中图分类号摇 K909摇 文献标识码摇 A
Prediction and simulation of urban area expansion in Pearl River Delta Region under the
RCPs climate scenarios. JIANG Qun鄄ou1,2,3, DENG Xiang鄄zheng2,3, KE Xin鄄li4, ZHAO Chun鄄
hong2,5, ZHANG Wei1 ( 1School of Soil and Water Conservation, Beijing Forestry University, Beijing
100083, China; 2 Institute of Geographic Sciences and Natural Resources Research, Chinese Academy
of Sciences, Beijing 100101, China; 3Center for Chinese Agricultural Policy, Chinese Academy of
Sciences, Beijing 100101, China; 4College of Land Management, Huazhong Agricultural University,
Wuhan 430070, China; 5University of Chinese Academy of Sciences, Beijing 100049, China) .
鄄Chin. J. Appl. Ecol. , 2014, 25(12): 3627-3636.
Abstract: The sizes and number of cities in China are increasing rapidly and complicated changes
of urban land use system have occurred as the social economy develops rapidly. This study took the
urban agglomeration of Pearl River Delta Region as the study area to explore the driving mechanism
of dynamic changes of urban area in the urbanization process under the joint influence of natural en鄄
vironment and social economic conditions. Then the CA (cellular automata) model was used to pre鄄
dict and simulate the urban area changes until 2030 under the designed scenarios of planning and
RCPs (representative concentration pathways). The results indicated that urbanization was mainly
driven by the non鄄agricultural population growth and social鄄economic development, and the trans鄄
portation had played a fundamental role in the whole process, while the areas with high elevation or
steep slope restricted the urbanization. Besides, the urban area would keep an expanding trend re鄄
gardless of the scenarios, however, the expanding speed would slow down with different inflection
points under different scenarios. The urban expansion speed increased in the sequence of the plan鄄
ning scenario, MESSAGE scenario and AIM scenario, and that under the MESSAGE climate sce鄄
应 用 生 态 学 报摇 2014 年 12 月摇 第 25 卷摇 第 12 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Dec. 2014, 25(12): 3627-3636
nario was more consistent with the current urban development trend. In addition, the urban expan鄄
sion would mainly concentrate in regions with the relatively high urbanization level, e. g. , Guang鄄
zhou, Dongguan, Foshan, Shenzhen, Zhanjiang and Chaoshan.
Key words: urbanization; urban area expansion; RCPs scenario; Pearl River Delta Region.
摇 摇 随着中国经济体制改革由农村转向城市,中国
人口城市化进程和城市人口增长进入一个全新的阶
段. 1985—2005 年,中国城市化人口增长率维持在
4%左右,高于世界平均水平. 中国城市化率更是从
1949 年的 10. 6%发展到了 2011 年的 50. 1% ,增幅
达 39. 5% [1] .以城市化作为主要表征之一的土地利
用变化正加速改变着全球土地覆被状况. 1991—
2000 年,中国城镇建设用地的总扩张面积为 176 伊
104 hm2,81% 新增建设用地来自于对耕地的占
用[2] .另外,20 世纪 50 年代以来,我国运输业突飞
猛进,交通建设用地也随之不断增长.铁路总里程增
长了 2144 倍,公路总里程增长了 15 倍,这些交通用
地也主要来自于对耕地的占用[3-4] . 作为我国快速
城市化的代表区域之一,珠江三角洲自改革开放以
来,城镇数量猛增,许多乡村地区迅速变成城镇,呈
现出城市与乡村交错分布的景观;另一方面,城市规
模的迅速扩大使珠江三角洲地区城市人口比重逐步
提高,成为我国城市分布最密集的地区之一[5-6] .除
了国家政策的影响,外来人口的增长、经济的快速膨
胀、资金的大量涌入等一系列因素均对城市化进程
有一定的推动作用[7-11] .因此,有必要了解典型区城
市化过程中城市用地变化的成因、过程及预测未来
的发展趋势,进而为研究珠江三角洲地区未来土地
利用变化趋势之下可能产生的气候、生态效应提供
科学依据.
通过分解、剖析复杂的社会经济和自然生态因
素与不同用地类型之间的相互作用,可以模拟与预
测土地利用变化的速度和空间格局,进而分析其变
化可能带来的影响与效应[8] . 目前,国内外已有大
量针对土地利用变化模拟的模型与方法,如 CLUE鄄S
模型、元胞自动机模型、马尔科夫链模型、DLS 模型、
Agent模型[12-15] .元胞自动机模型最早由 von Neu鄄
mann等[12]提出,后来各国学者进行了改进,我国学
者黎夏等[13]发展的地理模拟优化系统(GeoSOS)就
是针对多种元胞自动机模型开发的系统,根据训练
数据,自动获取最佳的模型参数.该系统还将多智能
体系统(MAS)和生物智能(SI)引进模型中,提高了
对复杂地理过程分析的能力. Verburg 等[14]在区域
尺度开发的模拟土地利用变化的 CLUE鄄S 模型,是
目前在土地利用变化模拟中应用较广泛的模型之
一.邓祥征等[15-16]开发了土地系统动态(DLS)模
型,在多个典型区上进行试验研究,结果显示,DLS
模型是模拟土地利用变化过程的有效方法之一. 该
模型目前主要在国内应用. 土地利用变化模拟模型
的适用性评价结果显示,虽然 DLS 模型和 CLUE 模
型等模拟土地利用变化的整体精度相对较高,但对
城市用地的模拟精度普遍较低;而元胞自动机模型
在模拟城市用地变化中与真实值的结果匹配程度更
高[17],更适合开展本项研究.
情景设计是城市用地扩展模拟的关键步骤之
一,对区域城市规划和土地管理具有重要的指导意
义[17] .本研究采用 IPCC 第五次评估报告中公布的
依据大气辐射强度来设定土地利用情景,即“有代
表性的浓度路径 ( representative concentration path鄄
ways, RCPs)冶. IPCC的评估报告对未来环境的情景
设定过去都是以排放的温室气体和空气悬浮微粒等
造成温度改变为准则,所有气候模式在模拟未来气
候时都使用相同的排放速率. 但目前各国的减排策
略非常多元.这种方法具有一定的局限性,而依据大
气辐射强度来设定情景是从比较科学的角度出发并
着眼于适应的策略[18-19] . 本研究依据 IPCC 第五次
评估报告中发布的典型浓度路径下不同气候模式的
土地利用需求,将其精细刻画到 1 km 栅格尺度上,
估算了区域水平上不同气候模式下的土地利用需
求.从而实现了与国际相关研究的完好链接,为相关
领域的国际交流与合作奠定了基础.同时,为了形成
对比,本研究还依据自然、经济、社会影响因子的变
化趋势及土地利用总体规划[19],设计了规划情景.
全面把握与预测不同情景下土地利用变化的时空演
变规律,将大幅度降低对城市利用科学认识的不确
定性[20-22] .本文预测和模拟了未来情景下珠江三角
洲地区土地利用变化过程,揭示未来情景下土地利
用变化的趋势和空间分异特征,旨在为当前珠江三
角洲地区土地利用规划与设计提供基础资料.
1摇 材料与方法
1郾 1摇 数据来源
本研究所采用的土地利用栅格数据由中国科学
8263 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
院资源环境科学数据中心提供. 此数据是利用遥感
影像解译出的土地利用栅格数据.其中,土地利用分
类包含耕地、林地、草地、水域、建设用地和未利用地
6 类.在该典型区内建设用地没有进一步划分.土地
利用属性数据来源于 IPCC 官方网站(http: / / www.
ipcc鄄data. org / ) .本研究所选用的自然环境变量数据
主要包括坡度、高程和平原面积比例. 其中,高程数
据通过 1 颐 25 万数字高程模型(DEM)数据计算获
得,坡度和平原面积比例由高程估算获得.
本研究所采用的区位和交通数据分别指各栅格
点距省会城市的距离和各县(市)高速公路密度.前
者以 1 颐 25 万地形图为基础计算获得,后者是通过
将 1 颐 25 万地形图提取出来的交通线数据除以各县
(市)土地面积计算获得.
社会经济变量是快速城市化的重要影响因子,
主要包括非农业劳动力、滞后一期农业人口比重、滞
后一期总人口、第一产业 GDP、第二产业 GDP、第三
产业 GDP、外商投资、交通邮电通讯投资和开发区
个数(表 1).这些数据主要是由各县市调查统计数
据获得.
1郾 2摇 研究方法
1郾 2郾 1 驱动机制分析方法摇 本研究采用联立方程组
模型方法分析珠江三角洲地区城市用地变化的驱动
机理.珠江三角洲地区城市化过程的驱动机理联立
方程组在栅格空间尺度上开展,由城市化、其他用地
面积向城市用地转移两个回归方程构成,考量多个
变量之间的相互联系,即某些被解释的因变量可以
作为解释变量(滞后一期的城市化水平)出现.在另
一方程的右边,即一些因变量 Yi同时作为自变量去
影响另外的因变量 Y j,使得对 Yi的估计误差又传递
给 Y j,从而可以更深刻地刻画区域城市化过程驱动
机理.在构建联立方程组的过程中,通过对各个变量
取对数剔除了非线性影响,只区分内生变量和外生
变量.
在构建联立方程组的过程中,为消除变量共线性
对模型估计结果的影响,进行变量的共线性诊断,剔
除严重共线性的变量.在制备好数据的基础上,以城
市用地面积占总用地面积的比例(urban)、其他用地
向建设用地转移量(ofu)为被解释变量构建的珠江三
角洲地区城市发展过程的驱动机理联立方程组如下:
表 1摇 珠江三角洲地区城市化驱动机理分析所用变量
Table 1摇 All the variables used in the driving mechanism analysis of urbanization in Pearl River Delta Region
变量
Variables
含义
Meaning
过程
Process
单位
Unit
代码
Label
土地利用 城市化水平 Urbanization level 1 hm2 urban
Land use 城市扩展面积 Expanded urban area 2 hm2 ofu
高程 Elevation 1 m dem
自然环境 地形坡度 Slope 1 益 slope
Natural environment 平原面积比例 Proportion of plain area 1 % splain
土壤有机质含量 Content of soil organic matter 1 % soil_org
山地 Mountain 1 - lfm_1
丘陵 Hill 1 - lfm_2
台地 Platform 1 - lfm_3
交通条件 Traffic condition 交通干线密度 Density of arterial road 2 km·km-2 road_den
区位条件 距省道的距离 Distance to provincial highway 1 km d2provw
Location condition 距高速公路距离 Distance to express way 1 km d2express
距主要道路的距离 Distance to main public road 1 km d2highw
距港口的距离 Distance to port 2 km d2port
距水域的距离 Distance to water area 1 km d2water
社会经济 非农业劳动力 No鄄agricultural population 1,2 person napop
Social and economic 第一产业 GDP GDP of primary industry 2 108 yuan gdp1
status 第二产业 GDP GDP of secondary industry 2 104 yuan gdp2
第三产业 GDP GDP of tertiary industry 2 104 yuan gdp3
外商投资 Foreign investment 2 104 yuan f_invest
交通邮电通讯投资 Investment for traffic and communication 2 104 yuan tran_invest
开发区个数 Number of economic development zones 2 - fkqnumber
土地利用数据通过解译 1988、1995、2000 和 2005 年 4 期遥感数据获取;滞后一期变量值由该变量过去 3 年的平均值代替.过程 1 代表城市化水
平,过程 2 代表城市扩展的过程. Land use data in 1988, 1995, 2000 and 2005 were interpolated from remote sensing images; the one鄄period lagged
variables were replaced by its average value in the past 3 years; process 1 referred to the urbanization level, and process 2 meant the urban area expansion
process.
926312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 姜群鸥等: RCPs气候情景下珠江三角洲地区城市用地扩展的预测与模拟摇 摇 摇 摇
摇 摇 urbanit = 邑0 +邑1napopit +邑2GDP it-1 +邑3demi +
邑4 slopei+邑5 slpaini +邑6 soil_orgit +邑7 loami +邑8 lfm_
1 i + 邑9 lfm _ 2 i + 邑10 lfm _ 3 i + 邑11 d2provw it + 邑12
d2expressit+邑13d2highw it+邑14d2waterit+着it
ofuit = 茁0 +茁1napopit +茁2gdp1it +茁3gdp2it +茁4gdp3it +
茁5urbanit +茁6demi +茁7slopei +茁8splaini +茁9 finvestit-1 +茁10
tran_investit-1+茁11kfnumber+茁12road_denit+茁13d2port+eit
式中:i代表基本分析单元(县或栅格);t 表示年份
(1988—2005 年);t-1 表示方程取该变量滞后一期
的值.
1郾 2郾 2 城市化进程的模拟方法摇 依据土地系统动态
变化各模型的优缺点,采用城市用地模拟精度相对
较高的元胞自动机模型模拟城市化进程. 元胞自动
机模型有多种方法,其中决策树方法综合性相对较
强.本文选择决策树元胞自动机模型模拟珠江三角
洲地区城市用地的扩展过程. 它的基本原理是解析
研究区城市化的主要驱动机制,收集驱动因子数据
集,然后对这些栅格数据集进行采样用于转换规则
的挖掘,将采样获取的数据输入到决策树模型中求
取转换规则.将获取的转换规则与研究区域初期的
土地利用数据输入到元胞自动机进行模拟,得到模
拟结果[23] .
决策树根据影响因子的不同特征,以树型结构
表示分类或决策集合,产生规则和发现土地用途转
移的规律(图 1).
摇 摇 C4. 5 决策树是根据“信息增加的比值冶来决定
整个决策树,假设有一训练数据集 S,它的任意一样
品 S隶属于类别 C j,数据集 S 的平均信息量(熵)根
据下式计算:
info(S) = - 移
k
j = 1
freq(C j,S)
| S | 伊 log2
freq(C j,S)
| S |
式中:freq(C j, S)为 S 中属于类别 C j的样品数目;
| S |为样品总数目.
假设把 S分解为 n 个 Si的子集,则分解后的平
均信息量为:
图 1摇 数据库 T的最终决策树
Fig. 1摇 Final decision tree of database T.
X: 属性 Attribute.
摇 摇 infoX(S) =移
n
i = 1
| Si |
| S | 伊 info(Si)
分解后信息增加值为:
gram(X)= info(S)-infoX(S)
为了防止产生过多的分解数目,要用 split_info
(X)对 gain(X)进行标准化. :
splitinfo(X) =移
n
i = 1
| Si |
| S | 伊 log2
| Si |æ
è
ç
ö
ø
÷
| S |
然后可得:
grainratio(X)= grain(X) / split_info(X)
分类树在每个节点的分解必须满足熵的减少值
达到最大的条件.根据上面算法,利用计算机递归的
方法,反复寻找最佳的分解,从而生成决策树. 利用
这个算法,可以从训练数据中自动获得规则.
1郾 3摇 情景设计
1郾 3郾 1 规划情景摇 基于珠江三角洲地区的政府规划
目标,估算规划情景下 2005 年以后珠江三角洲地区
的土地利用需求.与 2005 年之前的发展趋势一致,
该区域的耕地面积呈减少态势,城市用地则快速发
展,至 2030 年建设用地面积增长到 2000 年的 2 倍
左右(图 2).耕地面积大规模转移为建设用地,这与
珠江三角洲地区的经济快速发展密切相关. 作为面
积比例最大的用地类型,林地也呈小幅减少态势.虽
然 2000 年之前林地面积呈一定程度的增长趋势,而
之后一直呈减少态势.草地面积比例较小,变幅相对
较小,有小幅减少态势.
1郾 3郾 2 气候情景摇 基于 IPCC预测的 RCPs不同排放
模式下的 0. 5毅伊0. 5毅的土地利用数据,本研究将其
细化至 1 km空间尺度上.首先,从 IPCC官方网站下
载MESSAGE和AIM情景下的土地利用数据,这类
图 2摇 规划情景下研究区的土地利用结构
Fig. 2摇 Land use structure of the study area under the planning
scenario.
a)耕地 Cultivated land; b)林地 Forest land; c)草地 Grassland; d)城
市用地 Urban area; e)其他用地 Other land. 下同 The same below.
0363 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
图 3摇 气候情景下土地利用结构的变化
Fig. 3摇 Land use structure under the climate scenarios.
玉: AIM scenario; 域: MESSAGE scenario.
数据为大尺度栅格成分数据. 本研究将研究区边界
和大尺度土地利用栅格成分数据进行叠加,栅格大
小已经确定,因此,相乘即可得出研究区域各类土地
利用面积总和,从而获得城市快速扩展区不同气候
模式下的土地利用结构变化(图 3).
1)MESSAGE气候模式. MESSAGE 模式又称能
源供应战略可替代方案及其一般环境影响模式,是
高端的情景.该模式能提供最新的类似于修订后的
A2 情景,可与早期的气候评估进行比较. 在该气候
模式下,城市快速扩展区的耕地和林地面积均呈稳
定快速减少态势.其中,耕地面积的年均减少速率为
0. 1% .林地面积的年均减少比例虽然与耕地的接
近,但减少的绝对量约是耕地的 2 倍. 与 2005 年相
比,2030 年林地面积减少比例为 2. 5% .草地面积变
化趋势与耕地和林地不同,总体呈小幅稳定增长态
势,但增长速率非常低. 从时间序列分析,2005—
2030 年的草地增长面积不超过 500 km2 . 建设用地
面积呈稳定增长态势,到 2030 年耕地面积相对于
2005 年增长 33. 3% ,低于 AIM气候模式.
2) AIM 气候模式. AIM 模式又称亚太综合模
式.该模式考虑了人口、未来预期的 GDP、效率改善
和能源消耗,情景设计发达国家和发展中国家排放
可不同程度地上升.在该气候模式下,城市快速扩展
区的耕地和林地面积变化趋势类似,2005—2010 年
迅速减少,2010—2020 年减少趋势减缓,尤其是林
地基本处于稳定状态,且有小幅增长态势,2020 年
之后减少速率再次增加,但相对于初期的减少速度
仍然较小. 与 MESSAGE 气候模式相比,到 2030 年
耕地面积减少幅度基本接近,而林地面积在 AIM 气
候模式下却远高于 MESSAGE 气候模式. 该模式下
的草地面积也呈快速减少态势,且减少趋势与耕地
和林地类似.到 2030 年草地面积相对于 2005 年减
少 24郾 1% .建设用地在 AIM模式下的增加速率相对
较高,年均增长率维持在0. 1% ~0. 2% ,且随时间推
移增加速率呈小幅减少态势.
2摇 结果与分析
2郾 1摇 珠江三角洲地区城市用地动态变化的驱动
机制
2郾 1郾 1 城市化水平动态变化的驱动机理摇 从表 2 可
以看出,非农业人口和社会经济的增长在城市化过
程中起着决定性的推动作用,其影响弹性均为
0郾 004(P<0. 01),但随着其他驱动因子不断加入方
程,非农业人口规模和社会经济的影响均由最初的
0郾 004 降低为 0. 003,其影响呈下降趋势但最终趋于
平稳.由此可见,其他因素对城市化扩展的影响被包
括在非农业人口和社会经济的影响中,随着其他变
量的不断增加,非农业人口规模和社会经济对农业
生产的影响被逐渐析出,并最终得到最恰当的估计.
当放入所有的控制变量后,显示出非农业人口和全
民生产总值增长 10%能拉动城市发展增长 0. 03% .
由此可见,在珠江三角洲地区,城市人口和经济发展
136312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 姜群鸥等: RCPs气候情景下珠江三角洲地区城市用地扩展的预测与模拟摇 摇 摇 摇
表 2摇 城市化水平动态变化的驱动机理分析
Table 2摇 Driving mechanism analysis of urbanization level changes
自变量
Independent variable
方程 1
Equation 1
方程 2
Equation 2
方程 3
Equation 3
方程 4
Equation 4
方程 5
Equation 5
napop 0. 004(134. 36)** 0. 004(118. 55)** 0. 004(118. 34)** 0. 003(110. 16)** 0. 003(109. 88)**
GDP 0. 004(245. 75)** 0. 003(221. 98)** 0. 003(221. 82)** 0. 003(222. 43)** 0. 003(220. 70)**
dem -0. 003(15. 71)** -0. 003(16. 47)** -0. 001(5. 54)** -0. 000(2. 30)*
slope -0. 003(29. 47)** -0. 003(29. 22)** -0. 002(16. 88)** -0. 002(17. 27)**
splain 0. 131(82. 98)** 0. 134(81. 01)** 0. 103(58. 02)** 0. 088(43. 27)**
soil_org 0. 318(1. 42) 0. 986(4. 29)** -0. 684(2. 38)*
loam -0. 028(5. 59)** 0. 038(6. 72)** 0. 008(1. 23)
lfm_1 -4. 744(50. 02)** -4. 695(49. 49)**
lfm_2 -3. 862(40. 29)** -3. 883(40. 46)**
lfm_3 -0. 718(4. 90)** -1. 015(6. 70)**
d2provw -0. 011(5. 16)**
d2express -0. 021(8. 93)**
d2highw -0. 007(11. 04)**
d2water -0. 038(5. 41)**
Constant 2. 181(72. 28)** 1. 772(30. 73)** 2. 225(6. 24)** 2. 477(6. 16)** 6. 794(13. 25)**
方程的因变量为城市面积比例 Dependent variable in the equation was proportion of urban area. 括号内数据为 t 统计的绝对值 Absolute value of t
statistics in parentheses. * P<0. 05; ** P<0. 01. 下同 The same below.
是城市发展不可或缺的重要生产要素.
自然环境条件是城市化过程的控制条件.部分
地区的高程和坡度条件制约了该地区的城市化进
程,尤其是高程较高和坡度较大的区域,建设成本的
增加和不适宜性造成了城市用地密度普遍较低,其
影响系数分别为-0. 0006 和-0. 007(P<0. 01),但随
着其他驱动因子不断加入方程,高程和坡度的影响
分别降为-0. 0001 和-0. 002,其影响呈下降趋势但
最终趋于平稳.平原面积百分比决定了该区域的地
面起伏度,平原面积百分比较高的区域,起伏度越
小,城市扩展的面积越多,城市用地面积相对较高,
平原面积百分比增长 10% ,城市用地密度相应增长
0. 9% .地貌类型也是控制城市扩展的主要因素之
一,相对于平原,山地面积每增加 1% ,其对城市扩
展的负向影响为 4. 7% (P<0. 01),而丘陵和台地相
对于平原而言,对城市发展的影响系数分别为
3郾 9%和 1. 0% (P<0. 01).
交通干线在整个城市化进程中始终起着至关重
要的基础性作用,影响着城市化过程中的经济发展、
物资流通、人口迁移、文化生活等. 城市化的发展离
不开交通的支撑,城市的发展往往也会带动交通的
发展,有时也会成为城市化发展的瓶颈.珠江三角洲
是我国的沿海地区,交通方式主要包括两种:水上交
通和陆上交通.研究结果显示,无论是水上交通还是
陆地交通均对城市扩展起到了一定的推动作用,距
离交通干线越近的区域,城市化水平越高,建设用地
面积越多.距离省道、高速公路、主要道路和水域的
距离每增加 1% ,其对城市化过程的影响系数分别
为 0. 01% 、0. 02% 、0. 01%和 0. 04% .
2郾 1郾 2 城市扩展的驱动机制摇 城市扩展的速度和面
积是城市化进程的主要表征因素之一. 城市用地的
扩展主要是居民用地和商业用地的扩展,值得注意
的是,近年来居民用地的扩展速度远远高于商业用
地的扩展.对于珠江三角洲而言,虽然城市人口自身
也有一定程度的增长,但外来人口的突然增长和农
业人口向非农业人口的快速转移无疑是推动城市用
地扩展的直接影响因素.估算结果显示,非农业人口
对城市扩展的影响系数为 0. 101(P<0. 05),随着其
他影响因子的加入,非农业人口的影响系数逐渐增
加且最后趋于平稳(0. 232,P<0. 01).从未来发展趋
势分析,农业人口的非农化迁移也是未来情景下城
市扩展的主要驱动因素.
城市经济在不断发展的同时也带来城市空间的
无序扩张,占用了城市周边大量的优质农田和生态
绿地.在分析过程中,仅考虑城市人口和社会经济因
素两类影响因素时,城市的扩展面积随第二产业生
产总值的增长而增长,却随第三产业生产总值的增
长而有一定程度的缩减.这主要是由于 1988—2005
年,大城市的第三产业由于前期的快速发展,已处于
稳定发展调整阶段,而城市化进程却仍在高速发展.
中小城市的第三产业处于发展初期,因而迅猛发展,
但其城市化的速率远不及大城市. 引入城市面积这
一影响因素之后,第一产业的影响也变得显著,影响
的弹性系数为-66. 548.由此可见,第一产业的发展
2363 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
对城市扩展具有显著的负向作用. 随着其他因素的
引入,只有第二产业生产总值对城市扩展的影响有
显著影响,影响系数为 15. 797. 其他经济要素逐渐
被其他因素所掩盖,变得不再显著.
城市的原有社会经济基础也是影响城市扩展速
度和范围的重要因素之一,并且随着其他影响因素
的加入,其影响系数变化并不显著.虽然近几年来国
家提倡“严格控制大城市、合理发展小城市冶,但是
在 20 世纪 90 年代以及 21 世纪初期,以大城市发展
带动小城市发展却是当时的主流.因而,这一时期相
对较大的、经济基础较好的城市对于农业人群比中
小城市具有更大的吸引力,城市扩展面积也远高于
中小城市.结果显示,所有影响因素考虑之后,城市
基期面积的弹性系数变为 14. 911(P<0. 01).
资金的涌入是城市扩展的经济基础.外商投资
的加入,创造了更多的就业机会,从而吸引了更多的
高技术人才和基层农民工,也增强了城市吸纳人口
的能力,促进了城市发展.外资每增加 1000 万元,城
市用地扩展 0. 33 hm2 .交通邮电通讯业的投资加强
了信息化水平的提高,促进了物资的流通以及国内、
国际之间的商品贸易,也从一定程度上推动了城市
的扩展.交通邮件通讯业每多投资 1 亿元,城市用地
将扩展 12. 60 hm2 .城市开发区是以城市为依托、实
行特殊的经济政策与管理体制的特定地区,是从政
府层面有规划地进行的城市发展. 在珠江三角洲地
区,每增加 1 个开发区,所增加的城市用地面积平均
达 1107. 0 hm2 .
对于自然控制因素而言,高程和坡度对城市的
扩展并没有显著的因果关系,但地面的起伏度却是
城市扩展的重要控制因子(表 3). 起伏度越小的地
区,城市扩展的面积越大,平原面积每增长 1% ,扩
展的城市面积增长 2. 75 km2 .
2郾 2摇 珠江三角洲地区城市用地扩展的情景模拟
2郾 2郾 1 规划情景下的城市扩展过程摇 规划情景下城
市扩展过程的模拟结果显示,随着时间的推移,城市
用地面积不断扩张,且扩张的速度随时间有所减缓
(图 4).与其他情景相比,城市用地扩张的面积在规
划情景下最小.从城市用地扩张的区域分析,虽然城
市用地是在原有城市用地周围发生不同程度的扩
展,主要集中在广州、东莞、佛山、珠海、深圳等主要
城市和西南部的茂名市和东南部的汕头市.到 2030
年,城市用地已经成为广州、东莞、佛山、珠海、深圳
等地区的最主要用地类型. 其他地区的城市用地虽
然也有小幅扩展,但是扩展幅度相对较小.这也说明
大城市原有经济基础较好,更容易吸引外资和劳动
力(无论是低端还是高端),从而增加其进一步的发
展速度.
2郾 2郾 2 AIM模式下的城市扩展过程摇 从气候情景设
计的建设用地面积可以看出,AIM气候模式下,城市
用地扩展速度最快(图 5).与其他区域相比,大城市
保持了 21 世纪初期的发展速度,城市用地也在
2005 年建设用地的基础上快速扩展. 其中以广州、
东莞、佛山、珠海、深圳等主要城市的城市用地扩展
尤为显著.到2030年,广州、东莞、佛山、珠海、深圳
表 3摇 城市扩展过程的驱动机制分析
Table 3摇 Driving mechanism analysis of urban area expansion process
自变量
Independent
variable
方程 1
Equation 1
方程 2
Equation 2
方程 3
Equation 3
方程 4
Equation 4
方程 5
Equation 5
方程 6
Equation 6
napop 0. 101(2. 19)* 0. 217(2. 73)** 0. 262(3. 61)** 0. 221(2. 98)** 0. 225(3. 14)** 0. 232(3. 22)**
gdp1 10. 085(0. 45) -66. 548(2. 90)** -57. 654(2. 50)* -27. 700(1. 11) -30. 941(1. 18)
gdp2 18. 711(2. 17)* 12. 832(1. 44) 26. 146(2. 76)** 16. 106(1. 69) 15. 797(1. 65)
gdp3 -21. 739(2. 56)* -8. 457(1. 07) 1. 518(0. 18) -4. 645(0. 57) -5. 277(0. 64)
urban 15. 761(7. 41)** 17. 349(7. 90)** 15. 322(6. 76)** 14. 911(6. 56)**
dem -21. 760(0. 08) 29. 443(0. 11) 58. 498(0. 23)
slope 25350. 961(1. 04) 25249. 856(1. 08) 30400. 612(1. 28)
splain 275435. 209(3. 69)** 265018. 476(3. 69)** 275195. 051(3. 82)**
f_invest 0. 033(3. 75)** 0. 033(3. 74)**
Tran_invest 1266. 261(3. 58)** 1260. 317(3. 58)**
kfqnumber 111847. 291(2. 61)** 110695. 763(2. 59)*
road_den -5672. 797(0. 34)
d2port -291. 460(1. 83)
Constant 39113. 523(2. 11)* 4437. 447(0. 16) -10251. 141(0. 40) -144045. 559(2. 43)* -68851. 838(1. 15) -38032. 434(0. 59)
R-squared 0. 02 0. 24 0. 31 0. 35 0. 42 0. 53
336312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 姜群鸥等: RCPs气候情景下珠江三角洲地区城市用地扩展的预测与模拟摇 摇 摇 摇
图 4摇 规划情景下城市用地空间分布
Fig. 4 摇 Spatial distribution of urban area under the planning
scenario.
图 5摇 AIM模式下城市用地空间分布
Fig. 5摇 Spatial distribution of urban area under the AIM scena鄄
rio.
4363 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
图 6摇 MESSAGE模式下城市用地空间分布
Fig. 6摇 Spatial distribution of urban area under the MESSAGE
scenario.
等地区将形成大面积连片的城镇区,势必成为中国
城市和经济发展的重要区域之一.作为沿海区,大面
积的城市化是否会给该地区或者周边地区的生态、
气候、环境带来显著影响,是否会影响该地区经济的
可持续发展,值得我们进一步研究和思考.毕竟城市
经济和生态环境的协调发展才是当今社会共同追求
的目标.
2郾 2郾 3 MESSAGE模式下的城市扩展过程 摇 模拟结
果显示,MESSAGE模式下城市用地扩展的速度低于
AIM气候模式,但高于规划情景(图 6).在该气候模
式下,珠江三角洲地区仍然保持了较高的城市发展
水平,但城市扩展面积明显小于 AIM 模式.另外,从
模拟结果也可以看出,该区域转移为城市用地的仍
集中在广州、东莞、佛山、珠海、深圳、湛江和潮汕等
初始城市化相对较高的区域.
摇 摇 总之,在未来情景下珠江三角洲地区的城市扩
展趋势仍会延续.虽然发展的速度略有下降,但是相
比其他地区,扩展速度仍然值得关注.
3摇 讨摇 摇 论
本文采用联立方程组估算了珠江三角洲地区城
市用地动态变化的驱动机理,以便对城市化进程的
模拟提供准确条件.估算结果显示,非农业人口和社
会经济的增长在城市化过程中起着决定性的推动作
用,高程较高和坡度较大的区域制约了该地区的城
市化进程,平原面积百分比较高的区域,起伏度越
小,城市扩展的面积越多,城市用地面积相对较高.
交通干线在整个城市化进程中始终起着至关重要的
基础性作用,距离交通干线越近的区域,城市化水平
越高,城市用地面积越多.城市扩展方程估算结果显
示,农业人口的非农化迁移是未来情景下城市扩展
的主要驱动因素.在分析过程中,仅考虑城市人口和
社会经济因素两类影响因素时,城市的扩展面积随
第二产业生产总值的增长而增长,却随第三产业生
产总值的增长而有一定程度的缩减. 随着其他因素
的引入,只有第二产业生产总值对城市扩展的影响
有显著影响,其他经济要素逐渐被其他因素所掩盖,
变得不再显著.另外,城市的原有社会经济基础也是
影响城市扩展速度和范围的重要因素之一,资金的
涌入是城市扩展的经济基础.
在驱动机制分析的基础上,采用决策树元胞自
动机模型定量模拟了珠江三角洲地区规划情景、
AIM气候模式情景和 MESSAGE 气候模式情景下的
城市用地动态变化过程. 3 种情景下城市用地面积
536312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 姜群鸥等: RCPs气候情景下珠江三角洲地区城市用地扩展的预测与模拟摇 摇 摇 摇
的变化趋势均为随时间不断扩张,但扩张的速度有
所减缓,扩张的区域主要集中在广州、东莞、佛山、珠
海、深圳、湛江和潮汕等城市化相对较高的区域. 相
比之下,规划情景下城市用地扩张的数量在规划情
景下最小,AIM气候模式下城市用地扩展速度最快,
MESSAGE模式下城市用地扩展速度低于 AIM 气候
模式,但高于规划情景.规划情景反映了政府的预期
目标,MESSAGE情景相对较符合当前珠江三角洲地
区的发展速度,AIM情景相当于快速城镇化的过程.
3 种情景模拟结果为政府未来土地利用战略调整提
供了重要依据,也为未来珠江三角洲地区快速城市
化所带来的一系列气候效应和生态效应研究提供了
基础.
参考文献
[1]摇 Seto KC, G俟neralpa B, Hutyra LR. Global forecasts of
urban expansion to 2030 and direct impacts on biodiver鄄
sity and carbon pools. Proceedings of the National Aca鄄
demy of Sciences of the United States of America, 2012,
109: 16083-16088
[2]摇 Han B鄄Y (韩本毅). History and future of urbanization
in China. Journal of Xi爷 an Jiaotong University (Social
Sciences) (西安交通大学学报·社会科学版),
2011, 31(3): 18-22 (in Chinese)
[3]摇 Liu J鄄Y (刘纪远), Zhang Z鄄X (张增祥), Xu X鄄L
(徐新良), et al. Spatial patterns and driving forces of
land use change in China in the early 21st century. Acta
Geographica Sinica (地理学报), 2009, 64 ( 12 ):
1411-1420 (in Chinese)
[4]摇 Ge Q鄄S (葛全胜), Zhao M鄄C (赵名茶), Zheng J鄄Y
(郑景云). Land use change of China during the 20th
century. Acta Geographica Sinica (地理学报), 2000,
55(6): 698-706 (in Chinese)
[5]摇 Chen H鄄S (陈红顺), Xia B (夏 摇 斌). Analysis of
land use change in rapidly urbanized area: A case study
of Dongguan City, Guangdong Province. Research of Soil
and Water Conservation (水土保持研究), 2012, 32
(1): 54-59 (in Chinese)
[6]摇 Ye C鄄S (叶长盛), Dong Y鄄X (董玉祥). Effects of
land use change on ecosystem service value of the Pearl
River Delta. Tropical Geography (热带地理), 2010,
30(6): 603- 608 (in Chinese)
[7]摇 Li X鄄B (李秀彬). Research priorities for land use
change in the accelerated phase of urbanization. China
Population, Resource and Environment (中国人口·资
源与环境), 2009, 19(5): 1-5 (in Chinese)
[8]摇 Liu J鄄Y (刘纪远), Deng X鄄Z (邓祥征). Progress of
research on LUCC temp鄄spatial process. Chinese Science
Bulletin (科学通报), 2009, 54(21): 3251-3258 ( in
Chinese)
[9]摇 Chen J. Rapid urbanization in China: A real challenge
to soil protection and food security. Catena, 2007, 69:
1-15
[10]摇 Angel S, Parent J, Civco DL, et al. The dimensions of
global urban expansion: Estimates and projections for all
countries, 2000 - 2050. Progress in Planning, 2011,
75: 53-107
[11]摇 Hong M (洪 摇 敏). Dynamic Change of Land Use in
Beijing City. Master Thesis. Beijing: Chinese Agricul鄄
trual University, 2006 (in Chinese)
[12]摇 von Neumann J, Burks AW. Theory of Self鄄Reproducing
Automata. Urbana, IL: University of Illinois Press,
1966
[13]摇 Li X (黎摇 夏), Li D (李摇 丹), Liu X鄄P (刘小平),
et al. The implementation and application of geographical
simulation and optimization system. Acta Scientiarum
Naturalium Universitatis Sunyatseni (中山大学学报·自
然科学版), 2010, 29(4): 1-6 (in Chinese)
[14]摇 Verburg PH, Soepboer W, Limpiada R, et al. Land use
change modelling at the regional scale: The CLUE鄄S
model. Environmental Management, 2002, 30: 391 -
405
[15] 摇 Deng X鄄Z (邓祥征). Simulation of Land System Dy鄄
namics. Beijing: China Land Press, 2008 (in Chinese)
[16]摇 Deng X鄄Z (邓祥征), Jiang Q鄄O (姜群鸥), Zhan J鄄Y
(战金艳), et al. Causes and trends of forestry area
change in northeast china. Acta Geographica Sinica (地
理学报), 2010, 65(2): 224-234 (in Chinese)
[17]摇 Jiang Q鄄O (姜群鸥). Dynamic Simulation of the Land
Use Change in Typical Area of China. PhD Thesis. Bei鄄
jing: Institute of Geographical Sciences and Natural Re鄄
sources Research, Chinese Academy of Sciences, 2012
(in Chinese)
[18]摇 Lin E鄄D (林而达), Liu Y鄄J (刘颖杰). Advance in
new scenarios of greenhouse gas emission and climate
change. Scientia Agricultura Sinica (中国农业科学),
2008, 41(6): 1700-1707 (in Chinese)
[19]摇 Jiang Q鄄O (姜群鸥), Zhan J鄄Y (战金艳), Zhao C鄄H
(赵春红), et al. Forecast and simulation of the grass鄄
land dynamic evolution under the RCPs scenarios in
Ningxia Hui Autonomous Region. China Population,
Resources and Environment (中国人口·资源与环
境), 2013, 23(10): 110-118 (in Chinese)
[20]摇 Tan M, Li X, Xie H, et al. Urban land expansion and
arable land loss in China: A case study of Beijing鄄Tian鄄
jin鄄Hebei Region. Land Use Policy, 2005, 22: 187 -
196
[21]摇 Li L (李摇 丽), Chi Y鄄W (迟耀斌), Wang Z鄄Y (王
智勇), et al. The spatio鄄temporal dynamic characteris鄄
tics in expansion of major cities in China in 30 years
since the reform and opening鄄up. Journal of Natural Re鄄
sources (自然资源学报), 2009, 24(11): 1933-1942
(in Chinese)
[22]摇 Deng J鄄S (邓劲松), Li J (李 摇 君), Yu L (余 摇
亮), et al. Dynamics of land use landscape pattern in
Hangzhou City during its rapid urbanization. Chinese
Journal of Applied Ecology (应用生态学报), 2008, 19
(9): 2003-2008 (in Chinese)
[23]摇 Ke X鄄L (柯新利), Bian F鄄L (边馥苓). Land鄄use
change CA model based on C5. 0 decision tree. Re鄄
sources and Environment in the Yangtze Basin (长江流
域资源与环境), 2010, 19 (4): 403 - 408 ( in Chi鄄
nese)
作者简介摇 姜群鸥,女,1981 年生,讲师.主要从事土地利用
变化及效应研究. E鄄mail: jiangqo. dls@ 163. com
责任编辑摇 杨摇 弘
6363 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷