《基于反规划理念及flus模型的城镇用地增长边界划定研究——以徐州市贾汪区为例-朱寿红.pdf》由会员分享，可在线阅读，更多相关《基于反规划理念及flus模型的城镇用地增长边界划定研究——以徐州市贾汪区为例-朱寿红.pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第33卷第5期2017年9月地理与地理信息科学Geography and G时Info咖ation scienceV0133 No5September 2017doi：103969j issn1672一0504201705013基于“反规划理念及FLUS模型的城镇用地增长边界划定研究以徐州市贾汪区为例朱寿红1，舒帮荣h，马晓冬1，梁迅2，姚青1(1江苏师范大学地理测绘与城乡规划学院，江苏徐州221116；2中山大学地理科学与规划学院，广东广州510275)摘要：城镇用地增长边界划定对城镇用地扩张调控与管理具有重要意义，但当前仍无统一划定思路与方法。基于“反规划”理念，引入FLUS模型探讨城镇用
2、地增长边界划定思路，并以徐州市贾汪区为例，采用2009年和2014年数据对FLuS模型可靠性进行验证，对2020年研究区土地利用变化进行情景模拟，在此基础上辅以各部门近期用地需求划定城镇增长边界。结果表明：FLUS模型模拟结果的Kappa指数达o95，总体精度达o9628，各类用地ROC值也较高，说明FLUS模型模拟效果较理想；对基本农田及生态红线严格约束后，贾汪区城镇发展形态更加紧凑，2020年城镇用地增长边界面积为5 60639 hm2，占研究区总面积的903。该研究既遵循了土地利用变化客观规律，又考虑了基本农田及生态红线等保护要求，能够有效缓解城镇扩张与基本农田和生态保护之间的矛盾，有利
3、于引导城镇用地合理发展。关键词：城镇用地扩张；城镇增长边界；FLUS模型；“反规划”；贾汪区中图分类号：TU984 文献标识码：A 文章编号：16720504(2017)050080一070 引言经济快速增长使中国大陆城镇化水平从1978年的1812提高到2015年的561l1|，导致城镇用地迅速扩张，如2000一2012年我国大陆城市建成区面积增长了103倍2，城市用地扩展弹性系数远高于112的合理阈值3，表现为冒进式的城镇化4，并已导致生态环境破坏、耕地资源流失等一系列问题。当前，中国大陆正处于城镇化及工业化转型的关键时期，未来30年城镇用地扩张过程仍将不可避免，如仍延续过去“摊大饼”式的
4、城镇扩张态势，土地资源及生态环境将面临极大压力。因此，如何治理城镇用地蔓延，引导城镇用地合理扩张，提高城镇用地利用效率，提升转型期城镇化质量水平，成为亟待研究的问题。城市增长边界(Urban Growth Boundary，UGB)理论在治理城市无序蔓延方面的有效性已在欧美实践中得到证明。我国有关UGB的研究，主要是在2006年城市规划编制办法提出“中心城区空间增长边界”后才全面开展56。在实践层面，为协调土地资源配置在粮食安全、经济增长及生态保护之间的矛盾，防止城镇用地盲目扩张，我国在第三次土地利用总体规划中，提出了通过确定建设用地扩展边界及规模边界对城乡建设用地进行空间管制的要求，并在20
5、16年土地利用规划调整与完善中进一步强调划定城镇用地增长边界。然而，在实践中UGB的划定标准及操作规范尚不明确、统一。自UGB提出以来，国内外许多学者开展了大量理论与实证研究79。目前划定UGB的方法可分为两类：一是从生态适宜性、生态安全格局角度，用限建区、禁建区等划定610_13，这类方法主要关注区域生态因素，未考虑交通等其他要素对城镇用地空间布局的影响。二是运用各种城市空间增长模型(如约束性CA、CLUES、多智能体、SLEUTH等)1卜22对未来城镇用地扩张进行模拟，进而划定城镇扩张边界，这类模型兼顾城镇用地历史发展规律，可为UGB划定提供重要参考价值，但其自身转换规则的确定是其有效性的
6、重要前提，特别是传统CA模型从两期土地利用数据之间的变化进行采样，用以计算转化概率，可能造成两期数据间误差的传递。同时，大部分模型常常单独训练和估计各种土地利用类型的转换概率，忽略了各土地利用类型间的联系，难以体现收稿日期：2017川711； 修回日期：20171815基金项目：江苏省社会科学基金项目(14GLl功05)；国家自然科学基金项目(41lol546、41471144)；江苏高校社科校外基地项目“特色镇村建设与土地管理”作者简介：朱寿红(1991一)，女，硕士研究生，研究方向为土地利用规划与土地经济。*通讯作者Email：bangyunshu126com万方数据第5期 朱寿红，舒帮荣
7、，马晓冬，等：基于“反规划”理念及HUS模型的城镇用地增长边界划定研究 第81页土地类型间的竞争及相互作用。由刘小平等提出的基于CA及“自适应惯性竞争机制”的FLUS(FutureLand_Use Simulation)模型能够较好地解决以上问题，且与其他模型相比具有操作方便、精度较高等优势。在UGB划定思路上，许多研究缺少对生态红线、基本农田红线及部门用地需求等方面的考虑，“反规划，23通过优先控制不可建设区域进行城市空间规划，有利于引导城镇用地精明增长。因而，基于“反规划”理念，将FLUS模型用于划定城镇用地增长边界，可为当前我国城镇用地增长边界划定提供决策参考。l研究区与数据11研究区概
8、况贾汪区位于徐州市东北部(117。17117。42E，34。1734。32N)，北与山东省枣庄市接壤，东与邳州市为邻，西南与铜山区相连，属苏鲁交界的山前平原地带。2014年，贾汪区土地总面积为62 02592hm2，其中城镇用地3 34782 hm2，占土地总面积的540。2014年常住人口4261万人，城镇化率达5308。贾汪区是国家第三批确定的资源枯竭型城市(区、县)之一，也是江苏省唯一的资源枯竭型城市。伴随着经济发展转型，贾汪区基本实现了由传统矿区向现代城区的转变，尤其是在“一带一路”、东陇海线开发战略及徐州市总体发展战略引导下，贾汪区城镇与基础设施建设进一步加快，城镇用地规模不断增加，
9、但当前仍存在城镇“摊大饼”式发展、建设用地利用低效、结构不合理、矿地冲突、耕地保护形势严峻、生态恶化等方面的问题。因此，划定其城镇用地增长边界，对引导其城镇用地合理扩张，协调土地资源在各用地部门间配置的矛盾，具有重要意义。a高程e)到河流距离坡度12数据来源与处理影响土地利用空间布局的因素主要包括可达性、自然生态环境和相关政策等182 4|。根据研究区实际及数据可获取性，本研究选取以下影响因素：1)地形因素：地形条件是决定土地利用类型的关键因素之一2 5|，其中高程和坡度是决定土地利用的主要因素2引，故选择高程及坡度作为地形因素，采用30m分辨率的DEM数据在ArcGIS支持下分析得出(图1a
10、、图1b)，DEM数据来源于地理空间数据云(http：Wrwgscloudcn)。2)可达性因素：交通条件及城镇中心对土地利用(特别是城市建设用地开发)具有重要吸引作用，故本文选择到一般公路的距离、到高速公路的距离、到铁路的距离、到区中心距离和到镇中心距离(图1c一图1h)等27作为可达性因素，这些因素通过ArcGIS的欧氏距离工具分析得到，其中公路及铁路数据来源于贾汪区交通现状图和规划图。3)自然生态环境因素：自然生态环境因素是土地利用的本底因素，主要包括陡坡、河流、重要生态敏感区、生态功能区、风景名胜区、水源保护地等，其对土地开发利用(特别是城镇用地开发)具有不同程度的限制，主要用于划定生
11、态保护红线(图2a)。4)相关政策因素：我国基本农田保护政策对城镇用地扩张具有重要约束作用，因此，本研究选择基本农田(图2b)作为政策性因素，该数据源于贾汪区国土局。此外，本研究还利用了2009年及2014年土地利用现状数据，来源于贾汪区国土局。根据研究需要，将土地利用类型调整为7类：城镇用地、其他建设用地、耕地、林地、其他农用地、水域及未利用地。其中其他建设用地包括农村居民点、其他独立建设用地、交通水利、原其他建设用地和采矿用地；林地包括园地及原林地。分析过程中，以上所有因素的图层栅格大小均为30 m30 m。到区中心距离 (g)到镇中心距离 fI，J到高速公路距离图1土地利用变化模拟变量F
12、味l VarjabIes forland l雠cllange珊)deIing万方数据第82页 地理与地理信息科学 第33卷1气 l生态红线保护区“j一一红线保护区 fI，1基本农田保护区图2生态红线保护区和基本农田保护区“舀2 11le ecologicll red“ne and basic fnmand protectjon areaS2方法与思路21 FLUS模型针对土地利用系统中多种土地利用类型间转变的复杂性，FLUS模型采用了能够有效处理非线性关系的人工神经网络(ANN)模型分析多种土地利用类型转换概率，并基于CA模型进行城镇用地空间配置。首先，采用BPANN训练和评估每个栅格土地利用
13、类型发生的概率；其次，运用自适应惯性竞争机制解决不同地类间的竞争问题。其中，BPANN是一种多层前馈神经网络，其基本构成包括一个输入层、一个或多个隐含层和一个输出层口引。BPANN一般包括训练和预测两个阶段，其公式为：s户(户，南，)一吗，sig脚id(ne0(户，)一莩再刀 (1) J C J式中：s户(户，志，r)为第志种用地类型在栅格户、时间f上的适宜性概率；叫m是隐藏层与输出层问的权值；sig一脚谢()是隐藏层到输出层的激励函数；钾以，(户，)表示在第J个隐藏层栅格户在时间f上所接收到的信号。对于BpANN输出的适宜性概率5户(户，愚，)，在迭代时间栅格p上，各类用地的适宜性概率的和恒
14、为1，即：s户(户，是，)一1 (2)对于自适应惯性竞争机制，其核心是自适应惯性系数，每种地类的惯性系数根据现有土地需求与土地数量的差异决定，并在迭代中自适应调整，从而使各类用地的数量向目标发展。第足种地类在时刻的自适应惯性系数J，z已疗如：为：rI九erf妇：J，2Prfi：一j 7九Prin：J超e以i“：等簪联_2 II取式中：砑1、Df2分别为f一1、f一2时刻第是种用地类型的栅格数与需求数量之差。根据以上步骤，分别计算出每个栅格的总概率，通过cA迭代，将各用地类型分配到栅格中。栅格p在f时刻转化为用地类型电的总概率TPr06：。可表示为：7_Pr06；一5户(户，志，r)珥，P以妇：
15、(1一so女)(4)式中：sc，。为土地利用类型f转为类型是的成本；1一sc州表示发生转化的难易程度；n：。为邻域作用，其公式为： 睇户血卷铲姒(5)式中：。N卵(ffl一是)表示在NN的Mre邻域窗口，上一次迭代结束后第是种地类的栅格总数，本文中取N一3；为各类用地的邻域作用的权重。在计算总概率的基础上，FI。US模型采用具有随机特点的轮盘赌选择模型以实现土地利用类型的转换，从而反映现实世界土地利用变化的不确定性与土地利用的交替变化，更好地体现土地类型之间的竞争。为验证FI。US模型的有效性，这里采用历史数据进行模拟，运用总体精度()verall Accuracy，0A)、ROC及Kappa
16、系数对其精度进行验证。其中，OA、ROC与Kappa介于o1之间，其值越接近于1，模型精度越高。当o7聪叫O model(FLuS)for simulating multiple land use scenarios by coupling “human and natural effe“sJLandscape and urban Planning(待刊)万方数据第5期 朱寿红，舒帮荣，马晓冬，等：基于“反规划”理念及FuJS模型的城镇用地增长边界划定研究 第83页22基于“反规划”理念的城镇用地增长边界划定思路与传统的建设用地规划相比，“反规划”理念认为城市土地利用规划应从非建设用地人手，强
17、调先将绿地生态系统、农田系统及自然保护地系统等用地类型保护和控制起来，构成城镇扩张及土地开发利用不可突破的刚性限制，在此基础上安排建设用地布局规划2 3|。基于此思想，本研究采用以下思路划定目标年城镇用地增长边界。首先，对研究区生态敏感性、农田质量等进行综合评价，划定生态红线、永久基本农田等不宜建设区域。其次，结合土地利用规划中上级下达的用地指标及本地区社会经济发展情况，综合考虑规划期内城镇用地弹性控制需要，确定目标年城镇用地规模。第三，在采用历史数据对FLUS模型进行校准及精度验证后，将生态红线、永久基本农田等不宜建设区域作为绝对限制因素，结合目标年各类用地规模约束，采用FLUS模型对目标年
18、土地利用空间布局进行情景模拟，并选择合适情景作为城镇用地增长边界划定基础。第四，将近期各用地部门的空间需求作为辅助，结合第三步模拟结果综合划定城镇用地增长边界。考虑到研究区域属资源枯竭型城市，区域内具有大量采煤塌陷地等区域，因此对于永久基本农田的划定，本文充分考虑研究区矿地统筹需要，将采煤塌陷严重区域涉及的基本农田全部调出，在综合考虑基本农田数量与质量占补平衡、质量提升等要求下划定永久基本农田。对于生态红线的划定，在充分考虑研究区采煤塌陷区复垦与再开发可能性的基础上，基于最坏情境理论的方法，综合纳入采煤塌陷严重区域、重要生态功能区、风景名胜核心区、水源保护地等区域，选取地质灾害、地形、生物多样
19、性安全及人类安全等方面的生态风险评价因子构建指标体系，采用土地生态耐受度评价模型及GIS空间分析功能进行分析，进而划定生态保护红线。以上分析中，对可作为生态修复、复垦为耕地或再开发的区域，基本不作为模型模拟约束条件。3结果与分析31 FLUS模型校准及精度验证采用2009年土地利用现状数据(图3a，彩图见封3)对FLUS模型进行校准，首先将各因素进行归一化，并提取30的栅格样本，进行ANN样本训练及适宜性概率计算，从而得到ANN参数；其次，将惯性系数初始值设为1，并导入ANN参数及限制因素等图层，进而得到多地类CA参数；最后对2014年土地利用进行模拟，并将结果与2014年土地利用现状进行对比
20、验证(图3b、3c，彩图见封3)。20()9年现状圈 (lJ 1014年现状图 (c)2叭4年FLLfs模拟结果城镇l其他建设用地L：耕地I未利用地一林地鳇羁其他农用地一水域图3 2009年和201 4年土地利用现状图与201L1年FI。US模拟结果Fig3 Land use map jn 2()()0 and 21 and the simulation resuIt based on FLLIs nlodeI in 2()l 4从目视对比检验看，基于FLUS的2014年土地利用模拟结果(图3c)与2014年现状图相似度较高，但模拟结果中各类用地比土地利用图中各类用地空间布局更为紧凑。从精度验
21、证指标看(表1)，FI。US模型2014年模拟结果OA值达o9628，ROC值除其他建设用地及其他农用地相对较低以外，其他用地类型均达o80以上，总体Kappa指数达o95，比李鑫等24采用CLUE-S模型模拟的结果高，说明FLUS模型模拟效果较理想，能较准确地获取土地利用变化历史规律。Liu等的研究也表明，FLUS模型在土地利用动态模拟中比传统的ANNCA和CLUE-S模型精度更高。因此，FLUS模型适用于模拟未来土地利用变化，其结果用于划定城镇用地增长边界是可行的。表1 FLUS模型R()C、Kappa与0A系数Table 1 11le vaJI螨ofR0c，l(appa andoA of
22、nUSmodel万方数据第84页 地理与地理信息科学 第33卷32城镇用地增长边界划定考虑到生态红线及永久基本农田红线划定并非本研究重点关注内容，故本文不分析生态红线及永久基本农田划定结果，仅将其作为模型约束条件纳入FLUS模型，从而体现“反规划”理念。同时，对于规划目标年(2020)城镇用地规模，根据徐州市下达的各类用地指标，征求专家意见，对研究区城镇用地规模指标上浮8，共4 28023 hm2，从而体现规划目标年城镇用地增长边界的弹性控制。在此基础上，以基本农田及生态红线为双约束条件，以2014年土地利用现状为基期数据，对贾汪区2020年土地利用进行模拟。考虑到本研究主要针对城镇用地增长边
23、界的划定，这里将模拟结果中的地类分为城镇用地及非城镇用地两类，结果如图4所示。以上模拟结果表明，在基本农田保护及生态红线严格控制下，城镇用地呈现紧凑式发展模式，更有利于集约节约用地，体现出基本农田及生态红线对城镇用地发展的空间管制作用，有利于形成提高土地利用效率的倒逼机制。因此，基于“反规划”理念的模拟结果不仅考虑了生态本底及基本农田保护的需要，同时兼顾了城镇用地扩张历史规律，符合当前。 闺城镇删 i蠢。 二：一m城镇川地-i。誊。熬 ；砖，垂 二专q；， 毒莲研究区的需要。需说明的是，由于FLUS模型考虑到土地利用变化过程中存在突变、混沌等特点，模拟结果会产生少量孤立破碎的城镇用地地块，这些
24、地块不宜划人城镇增长边界，故在划定城镇增长边界时将其删除(图5)。同时，考虑到不同土地利用部门近期需求，本研究在规划调整完善过程中通过召开各用地部门(交通、城建、农业等)咨询会，了解其近期城镇用地需求，并将其确定的空间位置(图6)纳入到城镇用地增长边界内，最终划定2020年贾汪区城镇用地增长边界(图7)。非城镇用地 ：其他区域 oi Lj非城镇用地_城镇用地 p，rI近期新增城镇用地1 i鑫0，城镇用地增长边界j一，一r 一一一+、一、1一 一：一。 。一：，_rl，二。l一、-：、tJ二凡 。0赫翻矽芎疆F一-：。一!一 ，一融品瓣?：，塔9图5F翼!璺罂黼蕖。年 图6 近期新增城镇用地 图
25、7 2020年城镇用地增长边界划定结果FLUS模型模拟结果 图6 近期新增城镇用地 图7 2020年城镇用地增长边界划定结果F噱5 SiIIIIllati蚰惜llItsiII 2020 basedtlle Fi鲁6 N州Iy addedIlrt舢IaIld ar瞄 Fi舀7 11le嘲un ofUGBin 2020FLUs瑚deI after咖vingtlIe bmIm呻ts对城镇用地增长边界划定结果进行统计分析，结果显示，贾汪区城镇增长边界划定范围内总面积为5 60639 hm2，占研究区土地总面积的903，城镇用地增长边界面积较2014年城镇用地面积增加2 25857 hm2。通过统计得到
26、各区域城镇用地范围及增量(表2)。结果显示，用地增量较高的城镇多分布在大吴、大泉街道办事处及青山泉镇等区域，而紫庄镇、塔山镇及汴塘镇等新增城镇用地范围相对较小。当然，这里的城镇用地增量仅为城镇用地增长边界范围内的面积与2014年城镇用地面积之差，规划实施中实际城镇用地增量需根据研究区实际进行指标分配。表2各区域城镇用地边界及增量面积删e2 11Ie a瑚0f呱a叫I硎咖Iand areain dj髓嘲lt a瑚s4结论本文以贾汪区这一资源枯竭型城市为研究区域，基于“反规划”理念将生态红线及永久基本农田万方数据第5期 朱寿红，舒帮荣，马晓冬，等：基于“反规划”理念及nUS模型的城镇用地增长边界划
27、定研究 第85页作为约束条件，运用FLUS模型，采用神经网络获取土地利用历史变化规律，并计算未来土地利用适宜性概率，采用自适应惯性竞争机制模拟2020年土地利用空间布局，并结合各用地部门用地需求划定城镇用地增长边界。研究结果表明：无论从目视对比还是从精度验证指标(OA、ROC和Kappa系数)看，FLUS模型的模拟精度均较高，特别是总体Kappa系数达o95，城镇用地、水域、林地等ROC值达o92以上，说明FLUS模型能较好地反映土地利用变化历史规律。UGB边界划定结果显示，2020年贾汪区城镇用地增长边界面积为5 60639 hm2，占研究区总面积的903，该边界同时考虑了土地利用变化客观历
28、史规律、生态红线、基本农田保护以及各用地部门需求，因而可以在充分保障生态环境和粮食安全的基础上满足经济发展与城镇化需要。土地利用系统是一个复杂巨系统，城镇用地扩张也是一个复杂的过程，其增长边界的划定问题需要考虑多因素的综合作用，综合采用“反规划”理念及复杂系统模拟模型加以解决。FLUS模型基于自适应惯性竞争的土地利用变化机制，能够处理复杂的土地利用变化，使模拟结果更符合现实世界，因而FLUS模型在土地利用变化模拟及城镇用地增长边界划定上具有很好的应用潜力。当然，UGB的划定除了考虑本研究的因素以外，还受人口增长、经济发展政策等因素的影响，因而在实际制定城镇用地增长边界时应尽可能选取更为全面的因
29、素，从而使城镇用地增长边界更有利于引导城镇用地合理扩张。同时，土地利用变化模拟模型较多，今后有必要将FLUS模型与其他模型进行对比分析，并结合多种模型的优势划定城镇用地增长边界。参考文献：1刘兆德，刘强，刘振明，等中国省域城镇化综合水平的空间特征与影响因素口城市发展研究，2017，24(3)：951012李小敏，陈多长我国人口城镇化与土地城镇化失调原因分析J改革与战略，2014，30(12)：1051103舒帮荣，朱建军，李永乐，等不同经济发展阶段下城市用地规模扩张动力研究基于省际面板数据的考察J中国土地科学，2013，27(11)：65714陆大道我国的城镇化进程与空间扩张J城市规划学刊，2
30、007(4)：47525何京从“集中建设区”走向“城市开发边界”试论上海的土地规划空间管制J上海城市规划，2015(5)：8l一866王振波，张蔷，张晓瑞，等基于资源环境承载力的合肥市增长边界划定J地理研究，2013，32(12)：230223117龙瀛，沈振江，毛其智，等基于约束性cA方法的北京城市形态情景分析口地理学报，2010，65(6)：6436558 GUNN S CGreen belts：A review of the regionsresponses to achanging housing AgendaJJoumal of Enviro啪ental and Engineerin
31、g Geophysics，2007，50(5)：5956169MUBARAK F pL Urban gmwth boundary policy and residential suburbanization：Riyadh，saudi ArabiaJHabitat Intemational，2004，28(4)：56759110储金龙，王佩，顾康康，等基于生态安全格局的安庆市规划区空间管制分区研究J安徽建筑大学学报，2016(3)：100一10711刘焱序，彭建，孙茂龙，等基于生态适宜与风险控制的城市新区增长边界划定以济宁市太白湖新区为例J应用生态学报，2016，27(8)：2605261312
32、周锐，王新军，苏海龙，等基于生态安全格局的城市增长边界划定以平顶山新区为例J城市规划学刊，2014(4)：576313吴健生，毛家颖，林倩，等基于生境质量的城市增长边界研究以长三角地区为例J地理科学，2017，37(1)：283614舒帮荣，刘友兆，张鸿辉，等集成变权与约束性模糊CA的城镇用地扩张情景模拟J武汉大学学报(信息科学版)，2013，38(4)：49850415uux，MAL，ux，et a1simLdatingurban gra哦h byintegratinglandscape expansion index(Lei)and Cellular AutomataJInternatio
33、nal Joumal of Geographical Infomation Science，2014，28(1)：14816316 LONG Y，HAN H，TU Y，et a1Evaluating the effectiveness ofurban growth boundaries using human mobility and activity recordsJcities，2015，46：7684r17 ZHOU R，ZHANG H，YE X，et a1The delimitation of urbangrowth boundaries using the CLUES landuse
34、 change model：study on xinzhuang Town，changshu city，chinaJsustainability，2016，8(11)：118218 sHU BModeling urban expansion by using variable weightslogistic ceUular automata：A case study of Nanjing，chinaJIntemational Joumal of Geographical Infonation Science，2017，31(7)：1314133319蒋海波，石培基，李骞国，等基于SLEUTH模
35、型的酒嘉一体化城市扩展预测J干旱区资源与环境，2017，31(1)：253120刘辉，张志赞，税伟，等资源枯竭型城市增长边界划定研究以淮北市为例J自然资源学报，2017，32(3)：39140521吴佩君，刘小平，黎夏，等基于InvEST模型和元胞自动机的城市扩张对陆地生态系统碳储量影响评估以广东省为例J地理与地理信息科学，2016，32(5)：222822徐杰，罗震东，尹海伟，等基于SI口TH模型的昆山市城市扩展模拟研究J地理与地理信息科学，2016，32(5)：596423俞孔坚，王思思李迪华，等北京城市扩张的生态底线基本生态系统服务及其安全格局口城市规划，2010(2)：192424李鑫
36、，马晓冬，肖长江，等基于CLuE_s模型的区域土地利用布局优化J经济地理，2015，35(1)：16216725龚健，陈耀霖，张志基于多分类Logistic回归模型的区域土地利用变化及驱动因素研究J湖北农业科学，2016(17)：4545万方数据第86页 地理与地理信息科学 第33卷2627一4550张大川，刘小平，姚尧，等基于随机森林CA的东莞市多类土地利用变化模拟J地理与地理信息科学，2016，32(5)：2936舒帮荣，李永乐，曲艺，等不同经济发展阶段城镇用地扩张特征及其动力以太仓市为侧J经济地理。2013，33(7)：2829155162付玲，胡业翠，郑新奇基于BP神经网络的城市增长边
37、界预测以北京市为例口中国土地科学，2016，30(2)：2230孟成，卢新海，彭明军，等基于MarkovC 5O的CA城市用地布局模拟预测方法J中国土地科学，20】5，29(6)：8288ne DeljlIlitatj蚰of Urban Gm、砒Bo蛐dary Based仰the Id翰offfAntipI籼ing”and FLUs M0del：A Ca辨Study of Jiaw锄g District，X眦hou CityZHU Shouhon91，SHU Bangron91，MA Xiaodon91，LIANG Xun2，YA0 Qin91(jSfooo，(论og，np，ly，(ko撇ic
38、s n孢d PZn咒”打29，J id行gsM n而r，mZ L7hi乞聍，百iy，X“zo“22j j】6；2Sc彘oDf o，GPog，口户y n7耐PZn，2咒西29，S“行Yaf一5P竹L砌i优rsify，G组行gzo“5j0275，(：hi，口)Abstr挑t：The delimitation of Urban Growth Boundary(UGB)is of great significance for the regulation and mamgement of urban land expansionHowever，there is no unified scientifi
39、c deliInitation method currentlyThus，based on the idea of”antiplanning”，in this paper，the Future Land Use Simulation(FLUS)model was introduced to explore the delimitation method of UGBMeanwhile，Jiawang district of Xuzhou city was taken as a case study area，and the data of 2009 and 2014 were used to
40、calibrateand verify the re“ability of FLUS modeI，and then the land use change under different scenarios in 2020 was simulatedBased onthis，recent land use requirement of different sections was considered into the delimitation of UGB The results showed that theperfonnance ofthe FLUS model was good，for
41、 its K印pa value was O95，the Cherall Accuracy was O9628，and the R()C of a11kinds of land use types were high The results aISo showed that the urban land gmwth morphology was compact under the strictcontrol of basic fannland and ecological red lineThe UGB of Jiawang in 2020 was going to be 5 60639 hnl
42、2，accounting for903of the study areaThis study not only considers the rules of land use change，but also considers the requirement of theprotection of basic fannland and ecological red line，thus it can effectively alleviate the contradiction among urban expansion，basic famland and ecological pmtectio
43、n，as well as contribute to guiding the rational growth of urban 1andKey MIrds：urban land expansion；Urban Growth Boundary；FLUS model；”antiplanning”；Jiawang district(上接第55页)A Method of D印r嘟i蚰Filling with Co舾iderati蚰of Local Mic价Relief FeaturesZHOU Leil，JIANG Ruqia02，ZHU Shijie3(jSc。oz D，Geogr口肋站口蒯Bioo
44、g站J行，0俐口io理，蛳i九g队i馏”iy o厂Poss口订d R胁伽mM行if口痂行s，N。挖jing 210023；2S越zho乱lnaMsrinPn傣Ge。扮et lforntion Tech姐oogy C0，Ltd，SHzhou215027；3Z句inng Ac口d聊y o，S“，肥yi押g口行d j户户i竹g，H口行92庞o“3】00】2，(强i行n)Abstract：I)epression filling is a basic operation step in the study of distributed hydrological model based on Digita
45、l EleVationModels(DEMs)The PriorityF100d(PF)approach is a widely used method for traditional depression filling process due to itsrelative high efficiency when dealing with a small size of DEMHowever，it is still a time_consuming procedure which should beimproved significantl yWith the increase of DE
46、M resolution，it is a new breakthrough that the efficiency of depression fillingshould be further impmvedIn this paper，we find that s遮nificant redundant calculations in local micrO-relief areas widely e)(istin conventional PriorityF100d algorith札Although these redundant caIculations seem acceptable w
47、hen deaiing with a small sizeof DEM，while it is quite time-cons哪ing when dealing with large size of DEMA Micro_relief Flood Fill(MFF)algorithm isproposed which takes 10cal micro tenain features into full considerationIn this method，redundant points，depressions and flatswill be processed optimally，in
48、 order to further promote the efficiency of depression fillingAnd then70)EM data with different sjzes are used to test the new algorithm A comparative analysis is also conducted to investigate the accuracy and efficiencyExperimental results show that the f切FF algorithm can not only fill the depression accuratelybu