城市扩展规律的认识扩展现象的基本规律.docx

城市扩展规律的认识扩展现象的基本规律.docx

《城市扩展规律的认识扩展现象的基本规律.docx》由会员分享，可在线阅读，更多相关《城市扩展规律的认识扩展现象的基本规律.docx（24页珍藏版）》请在冰豆网上搜索。

城市扩展规律的认识扩展现象的基本规律

城市扩展规律的认识|扩展现象的基本规律

城市生态系统中物质循环与再生规律的认识

城市生态系统中物质循环与再生规律的认识

从生态学的角度来说，生态系统中物质循环与再生规律就是生态系统中,生物借助能量的不停流动,一方面不断地从自然界摄取物质并合成新的物质,另一方面又随时分解为原来的简单物质,即所谓“再生”,重新被系统中的生产者植物所吸收利用,进行着不停顿的物质循环。

其原理是，物质在生态系统中循环往复分层分级利用。

该理论系统有助于对环境污染预防及改善和掌握其对系统稳定性和发展的影响。

城市生态系统从环境学角度分析氛围生物系统和非生物环境，其中生物系统包括城市居民，家养生物，野生生物。

非生物环境包含以下三个系统，人工物资系统（住宅、道路、工厂等），环境资源系统（气候、水域、土地、矿产），能源系统（生物能、自然能、化石燃料）。

城市生态系统中,生物借助能量的不停流动,一方面不断地从自然界摄取物质并合成新的物质,另一方面又随时分解为原来的简单物质,即所谓“再生”,重新被系统中的生产者植物所吸收利用,进行着不停顿的物质循环。

因此要严格防止有毒物质进入生态系统,以免有毒物质经过生物放大作用和多次循环后富集到危及人类的程度。

城市生态系统的特点就是高度的依赖人的活动和其他生态系统的参与，它的物质循环不具备独立性。

一般来说城市的初级生产量极低，要依赖农田生态系统、湿地生态系统、以及森林海洋等诸多生态系统提供食物和其它原料。

同时城市大量的输出生产生活垃圾和工业产品（如化肥）。

脱离了其他生态系统，城市生态系统很快就会崩溃。

因此，为了充分利用能量，必须设计出能量利用率高的系统。

如在生产中，应防止食物链过早截断，过早转入细菌分解；不让废弃物直接被细菌分解，使能量以热的形式散失掉；而是应该经过适当处理，例如先作为原材料，便能更有效地利用能量。

也就是通过生态工程设计，提高系统的能量利用效率。

目前城市生态系统中物质循环与再生规律应用与农村相比并不具有优势。

主要由于城市居民的生产和生活产生大量的废弃物，以及城市的高速发展造成种种配套条件跟不上所致。

所以，引入并且大力开展城市生态工程刻不容缓。

因为城市生态工程是一个综合的系统工程，从城市整体的景观规划设计，到具体的城市污水处理工程、城市固体废物处理工程、城市林业生态工程、城市生态建筑、城市环境管理，包括多方面内容，是改善城市生态环境、提高城市居民生活质量的重要手段。

认识的本质及其规律

第二章认识的本质及其规律

1认识客体的含义：

是指人的实践活动和认识活动所指向的对象。

认

识客体的特点：

客观实在性、对象性。

2实践性是认识的最显著的特点。

3为什么说实践是检验真理的唯一标准：

①检验真理就是要判明认识

与认识对象是否相一致、相符合②实践具有直接现实性的品格。

一般说来，成功了的就是正确，失败了的就是错误。

4认识主体的特点：

①人作为认识主体具有自然的物质基础；②认识

主体不仅具有自然的物质基础，而且具有社会历史性；③认识主体具有能动性，这是认识主体的突出特点。

5认识主体的结构：

个体、群体、人类整体诸层次。

6认识主体和认识客体的关系：

它们之间存在着既对立又统一的辩证

关系。

对立是指二者各有自己的特点和特殊的规定性，彼此是相互区别的，然而二者又是同一的，即相互依存、相互作用、，并在一定条件下相互转化。

7认识的本质：

是主体对客体的能动反映。

8理性认识的形式：

概念、判断、推理三种形式。

9感性认识和感性认识的辩证关系：

感性认识和理性认识是认识的两

个阶段，它们既相互区别、又相互联系，它们之间存在着对立统一的关系。

感性认识与理性认识的区别——感性认识是对事物表面的、直接的、具体的、个别特性的反映、因而是不深刻的、片面的认识；理性认识是对事物本质的、全体的、间接的、概括的

反映，因而是深刻的、全面的、相对稳定的认识。

感性认识与理性认识的联系——①理性认识依赖于感性认识；②感性认识有待于发展到理性认识；③感性认识和理性认识相互渗透。

感性认识和理性认识是不可分割的，如果将二者割裂开，就会犯经验论或唯理论的错误。

10从理性认识到实践飞跃的意义：

只有经过这次飞跃，才能把理论

用于指导实践，实现对客观世界的改造；只有经过这一次飞跃，使理性认识再回到实践中去，才能使之得到检验，得到丰富和发展。

11论述认识是有限和无限的辩证统一：

认识的有限性是指每个时代

的人每一次具体的认识是有限的，认识的无限性是指整个人类无止境的世代更替的认识是无限的。

每个时代的人的每次具体的认识，则具有无限性，并通过无数有限性的认识而得以实现。

所以认识的有限性和认识的无限性是辩证统一的。

12真理的绝对性的含义：

真理是对客观事物及其规律的正确反映，

是与客观世界相符合、相一致的认识，任何真理总是包含着不依赖主体和人类的客观内容，这是无条件的、绝对的；物质世界是无限发展的，它存在的根据就在它自身，如果想从物质世界之外去寻找其存在的根据，必然会限入神秘主义。

b8城市扩展模型—以北京城市扩展模拟为例

本文为自本人珍藏版权所有仅供参考

都市区城市扩展模型—以北京城市扩展模拟为例

1引言

大都市区是指一定规模的中心城市和与中心城市具有紧密社会经济联系的外围地域。

当城市规模较小时，城市功能的对应空间主要集中在中心区和建成区；而当核心城市的焦聚超过一定的门槛规模时，核心与周围地域的空间相互作用将产生具有一体化特征的紧密联系区，即大都市区[1]。

事实上，从空间上看，中国近20多年的城市化过程主要可以概括为2大类，一是新兴城市的发展兴起，一是原有大城市在改革开放背景下的快速发展，并在部分地区形成大都市区和都市连绵区[2]。

后者与前者相比，在中国的城市化进程中也是普遍存在的，而且无论是空间形态，变化过程，驱动机制还是后果影响都比前者更为复杂[1]，同时已有的研究表明，随着中国城市化进程的进一步深入发展，大都市将成为中国城市化进程中最引人注目的地区，同时也是中国未来城市化最具有活力的地区[3]。

因此，开展大都市区城市化过程中的土地利用/覆盖变化研究，认识其格局特征和演变过程，并在此基础上进行有效的模拟、预测，从而最大限度地降低城市化过程的风险水平，促使城市化与社会经济的协调发展，已经成为了当前区域土地利用/覆盖变化研究的重要内容[4]。

CA是一种时间、空间、状态都离散，（空间上的）相互作用和（时间上的）因果关系皆局部的格网动力学模型，它“自下而上”的研究思路，强大的复杂计算功能、固有的并行计算能力、高度动态特征以及具有空间概念等特征，使得它在模拟空间复杂系统的时空演变方面具有很强的能力，在地理学研究中具有天然优势[5]。

其中，CA在城市增长、扩散和土地利用演化的模拟方面研究最早，最为深入，同时也是当前CA应用的热点[5]。

Tobler在20世纪70年代认识到CA在模拟地理复杂现象方面的优势，首次正式采用CA的概念来模拟当时美国5大湖区底特律城市的迅速扩展[5]。

随后，

Coucleis的工作使人们看到了应用CA进行城市模拟的巨大潜力[6,7]，引起了人们应用CA开展城市模拟的极大兴趣。

Batty、Clarke、White、Wu等人先后开展了相关的研究，并取得了积极的进展[8-18]。

如Clarke等根据城市发展的历史数据对美国西海岸的SanFrancisco和东部的Washingto-Baltimore都市区城市发展的模拟和长期预测[11,12]；White等应用CA模型对美国Cincinnati市的城市增长、全球气候变化对Caribbean岛的土地利用构成变化影响进行的系列研究[13-16]；Wu.集成CA模型和多因子评价模型对中国广州市城市扩展的模拟研究等[17]，均是CA模型在城市模拟中较为成功的应用案例。

此外，受国际研究的推动，国内地理学界近年来也开始了类似的研究，周成虎等于1999年出版了“地理元胞自动机”一书，对相关工作进行了介绍和总结，并提出了地理元胞自动机（GeoCA）的概念[5]。

Li、Yeh等在对广东东莞土地利用变化系统研究的基础上，利用约束CA模型对广东东莞的土地利用变化进行了成功模拟[19,20]。

但从研究内容上看，目前国内已有的工作主要还是集中在对城市发展的初期阶段，尤其是对一些新兴城市的模拟上，针对大都市区土地利用/覆盖变化特征的CA模拟工作还比较少见。

因此，在理解大都市区土地利用/覆盖变化机制的基础上，建立和发展基于CA的大都市区城市发展动态模型，无疑具有重要的理论和实践意义。

鉴于以上研究背景，在有关研究的基础上[4,21]，我们发展了一个基于CA和经济学Tietenberg模型的大都市区城市扩展动态模型（CityExpandingModelinMetropolitanArea;CEM），对北京地区改革开放以来的城市扩展过程进行系统的模拟和预测。

研究的基本目的在于：

（1）利用CA模型模拟中国改革开放背景下大都市区城市发展过程；

（2）重建北京地区改革开放以来的城市发展过程（1975~1997年），进一步认识和理解城市扩展的基本过程和机制；（3）模拟预测北京地区未来不同情景下的城市发展格局（1998~20xx年），从而为区域可持续发展提供决策支持。

2大都市区城市扩展的CEM模型

2.1CEM模型的基本特征

2.1.1CEM的城市扩展模拟是一个在宏观外部约束因素和局部城市单元自身扩展能力变化因素共同影响作用下的变化过程。

大都市区的城市发展过程必然受到不同尺度的社会、经济和自然因素的综合影响和共同制约，很明显城市的整体格局不可能仅仅用局部小尺度城市单元的相互作用结果来反映[22]。

此外，城市发展一般包括向心型城市化和离心型城市化2种过程，前者指城市中的商业服务业设施以及政府部门、企事业公司的总部、银行、报社等脑力劳动机关，不断向城市中心集聚，促使城市中心土地利用密度升高，向立体发展，形成中心商业事务区；后者指部分城市设施和部门，如大型企业、煤气厂等则自城市中心向外缘移动扩散，导致城市外围农村地域变质，城市平面扩大[23]。

在城市发展的初期，可利用土地资源一般比较丰富，离心型城市化过程往往占有优势，城市发展以二维平面扩展为主，但随着城市的发展，在有限用地资源限制的影响下，向心型城市化过程逐渐加强，原有城市单元上往往向三维方向发展，常常表现为空间容积率的提高和自身平面扩展能力的下降。

这种现象，在城市发展的中后期阶段，尤其是大都市阶段，显然是比较

明显的[23]。

然而目前已有的CA城市模拟工作主要把城市发展看成是一定外部约束条件控制下，非城市单元在二维平面上向城市单元的转化[4,20]。

尽管已有的部分工作在利用CA进行虚拟城市研究时对城市单元本身的发展演变能力也进行了定义和考虑[10]，但在实际城市的模拟中，却较少考虑城市单元本身扩展能力的变化[4,20]。

因此，CEM首先对传统的CA模型进行了进一步的修改，将大都市区的城市发展演变看成是一个宏观外部约束因素和局部城市单元自身扩展能力变化因素共同影响作用下的变化过程，认为大都市区的城市发展演变模拟不仅要考虑各种外部约束因素的影响，而且还要考虑局部城市单元自身平面扩展能力变化因素的影响（图1a）。

对于影响城市发展演变的各种外部约束性因素，根据其对城市发展过程的作用效果，CEM将它们分为一般约束性因素和强制约束性因素2大类。

前者一般包括交通状况，到城市中心的耗费距离，坡度坡向等因素，它们对城市的发展只起到一般性的限制作用，后者一般包括湖泊，水库，规划保护用地，河流洪泛区等因素，它们对城市的发展起到绝对性的排斥作用。

对于城市单元自身扩展能力的变化，CEM则主要定义了一个随时间变化的指数衰减函数来进行反映。

同时，为了把大尺度因素和局部因素（邻域影响）综合反映在CA模型的转移规则中，很有必要对这些因素进行统一量化并合理决定它们对城市化过程的相对贡献（权重）。

在这种情况下，各种外在因素的定量化和相应因素权重确定就成为了CEM模型十分关注的问题。

鉴于各种影响因素在城市扩展过程中的作用一般随时间和空间的变化而不断改变，而目前的许多研究在考虑这个问题时主要根据经验和专家的建议来确定影响因素的权重，不免显得武断和主观，因此CEM模型在利用模糊关系函数对各种因素进行严格的标准化的基础上发展了一种自适应Monte-Carlo随机方法来确定影响因素的权重并进行城市扩展的模拟。

2.1.2CEM的城市扩展预测是用地总量最优和位置最佳有机统一，从而达到用地效益的最优的过程。

在中国，土地资源十分有限，城市扩展占用耕地与未来粮食安全的矛盾一直十分突出，因而大都市区的城市扩展实际上是受到政策、经济等多种因素严格控制[2]。

鉴于此，在预测思路上，CEM认为大都市区未来城市的发展格局应该是一个用地总量最优和位置最佳的有机统一，从而达到用地效益最优的过程。

由于目前自下而上的CA模型对未来城市发展的总量难以有效控制，因此，CEM把微观CA过程和宏观经济学模型结合起来进行未来的城市扩展预测。

即把土地资源视为一种不可再生资源，首先使用Tietenberg资源分配模型来完成未来各个时段内城市用地数量上的最优分配[19]，然后再利用CA模型完成位置上的最佳分配（图1b）。

此外，考虑到大都市区的城市扩展过程还存在着各种随机的、不完备信息和不确定性的因素，CEM还在模型中引入Monte-Carlo随机方法来确定有关参数，力图在模型中对这些不确定因素也有所反映。

2.2CEM模型的基本内容

CEM模型的基本框架可以分成2个部分（图2）：

一是在城市增长历史数据的基础上采用自适应Monte-Carlo方法确定各种影响因素的最佳权重并重建城市扩展过程，二是在CA模型和Tietenberg模型的基础上预测未来大都市区城市发展演变格局。

2.2.1城市单元自身平面扩展能力变化的影响。

Batty等人进行城市模拟工作时，引入城市土地单元活力值的概念，把城市单元划分为青年、中年和老年，认为城市土地单元有一个从产生到死亡的完整的生命周期过程，在不同的阶段具有不同的演化特征[10]。

不过城市单元死亡后变成其它用地单元的情况尽管具有理论上的意义，但在实际的城市发展中，尤其是中国过去20多年的快速城市化过程中，还很少出现[2]。

在CEM中，参考他们的工作，借用相关概念来反映城市单元平面扩展能力自身的衰减性。

我们将城市土地单元划分为青年城市单元和非青年城市单元。

认为城市单元的平面扩展能力随着年龄的变化而衰减，青年城市单元年龄的较小，平面扩展能力强，可以对周围的非城市单元产生影响。

非青年的城市单元年龄较大，平面扩展能力弱，对周围的非城市单元则不产生影响。

设一个城市土地单元j产生的时刻为tj，则在时刻ti时，该单元j的扩展衰减值由下式给出，

Pji（t）=Mexp-?

姿（ti-tj）

（1）

式中：

M为一标准化常数，表示土地单元平面扩展能力的的衰减速率。

在得到该城市单元扩展衰减值后，就可以利用Monte-Carlo随机方法来确定该单元所处的城市发展阶段。

具体的，设P1代表该单元的扩展衰减值，随机在[0，1]内产生一个实数a,如果a∈[0,P1]，则认为该单元属于青年，可以对周围的城市单元产生影响，如果a∈[P1,1]，则认为该单元属于非青年，对周围的非城市单元不产生影响。

2.2.2基于模糊关系函数的因素标准化。

对一般约束性因素，根据其对城市单元的作用特点，我们首先设计了各种模糊关系函数，将其因素标准化到[0，100]，然后再采用线性权重组合法得到最终的影响值。

对强制性约束因素，则用0、1二值数据表示[4]。

2.2.3CA邻域的定义。

在城市模拟中，将有更多的邻域单元对中心单元发生影响，因此，有必要对一般的4单元诺依曼（Neumann）邻域和8单元（Moore）邻域进行扩展。

参考有关研究[20]，本模型采用一个以7为半径的标准圆形

邻域。

具体的，对中心单元j的邻域影响Nj可以表示为：

N=A×I

（2）

式中：

drj为邻域范围到中心单元距离，Ik为一个二值变量，如果邻域单元为青年城市单元，则值取1，否则取0，A是标准化因子。

N也采用模糊关系函数进行标准化处理表示在[0，100]内。

2.2.4确定影响因素权重的自适应Monte-Carlo方法。

一般的，模拟结果总是希望尽可能的与实际的城市扩展相一致，因此各种影响因素权重的确定可以看成是一个在已知城市增长结果的情况下确定权重影响参数的优化问题。

假设权重总和为100并且所有的权重是正数，则这个问题变成了约束性的求极值问题，可以表示如下：

约束条件：

Wk=100（3）

目标函数：

MaxF（w1,w2,...,wm）（4）式中：

Wk为因素k的权重，F为表示模拟结果和实际结果之间拟合程度的函数值。

我们的目标是寻找最佳的权重以使模拟结果和实际结果之间的拟合函数值F达到最大。

这个函数可以利用Monte-Carlo方法进行求解，与AHP方法和Delphi方法相比，Monte-Carlo方法更客观并且可以避免寻找专家打分。

基于自适应Monte-Carlo方法的城市扩展模拟具体流程如下：

（1）根据约束条件，在1到100+m?

C1之间随机产生产生正整数（L1,L2,„,Lm-1），然后对L1,L2,„,Lm-1进行升序排列（L

（1）

（2）,„,L（m-1））,接着，通过下面的转换得到相应权重。

W1=L

（1）

W2=L

（2）-L

（1）

„„„„„„.

Wm=100-L（m-1）（5）

（2）由式（6）计算出t时刻非城市单元ij向青年城市单元转化的概率。

P=W×S+W×NC（6）

式中：

W×S表示各种一般约束性因素的影响，S代表对于一般约束因素K的标准化值，Wk是该因素的权重；N代表邻域影响，Wm是其权重；C是一系列二值变量的乘积，表示对城市扩展的各种强制性约束因素，如果C=0，则该单元可能是海、河、湖或其它被保护土地，它们在模型中不能被用作城镇用地。

（3）在得到转移概率P后，就可以根据概率的高低对土地单元ij进行初次分配。

（4）在完成所有非城市单元的初次转化后，则采用上述定义和方法，计算出各种城市单元的平面扩展衰减值，完成城市单元的再次分配（5）重复第

（2）到第（4）步，直到完成该模拟时段的土地利用变化总量为止。

（6）把第5步得到的模拟结果和检验数据进行比较，计算目标函数值F。

在北京的模拟中，检验数据主要来自于由1984，1991和1997年的遥感数据得到的土地利用/覆盖图[21]，F值的定义同遥感精度评价中常用的Kappa系数，如式（7）。

F=（7）式中：

xii表示错误矩阵主对角线上的元素，xi+表示错误矩阵i行的和，x+i示错误矩阵i列的和。

第1到第6步之间需要重复多次以使模拟结果和实际结果尽可能接近，最高F值对应的权重就是各因素的最佳权重，而此时的模拟结果就是城市扩展的最佳模拟结果。

这里，我们需要确定重复的次数。

根据MiyatakeandWakimoto的工作，利用Monte-Carlo方法当重复次数达到500次时，模拟极值逼近实际极值的可能性可以达到0.99[24]。

因此，我们在第1步到第6步之间重复500次以确保可以得到可靠的权重和模拟结果。

2.2.5未来城市最佳用地总量分配对未来城市格局的预测，主要应该满足城市用地数量最优和位置最佳2个条件。

参考有关工作，我们采用Tietenberg模型来确定未来各个时段的最佳城市用地土总量[19]。

Tietenberg模型是一个不可再生资源的动态时间分配模型，该模型把涉及时间因素的贴现率放进了模型中，认为对于一定量的不可再生资源，问题是如何在时间上安排它的使用，以获得最大的收益。

在n年内最有效地分配Q总量的资源应该满足如下的最大值条件：

（aq-bq-cq）（1+r）+?

姿（Q-q）（8）

式中：

Q是所提供的资源总量。

a是边际收益曲线的截距，即边际收益曲线的最大理论值。

b是边际收益曲线的斜率，可以选为1，c为边际费用的常数，其值比a小，可以选为c=a/2，r是贴现率，t是时间，?

姿是极值公式的常数。

Yeh等采用该模型来进行土地利用总量的分配，建立了下面的方程[19]：

a-bqt/Pta-c）/（1+r）t-1-?

姿=0

t=1,...,n

Q-qt=0（9）

式中：

Pta是t时期的增加人口，qt是所对应的用地量，Q是分配的土地总量，其它参数的意义同式（8）。

3北京地区的城市扩展模拟案例

3.1模拟区域和使用的数据

具体模拟区域主要包括北京城区的东城、西城、宣武、崇文；近郊区的石景山、海淀、朝阳、丰台和远郊区的昌平、顺义、通县等11个区县级行政单元，范围为115o50′E~116059′E，39036′N~40023′N。

该区1998年人口919.4×104人，面积4649.9km2，分别占北京市的74%和28%；地形上西北高东南低，由西北向东南呈现出低地-丘陵-山前洪积-平原区的有序排列；经济上具有从城市核心区、城乡过渡区到远郊区县的明显过渡，映射出人类活动由强到弱的梯度变化；空间上则呈现从中央大区、城市边缘区到外围地域的明显圈层变化并且整体上联系紧密，表现出大都市区的基本特征[1]。

模型中使用的土地利用/覆盖数据主要是来自于编号为123/32的4期LandsatTM/MSS（1975年5月6日获取的MSS以及1984年10月2日，1991年5月6日和1997年5月16日分别获取的TM）数据[21]，由于遥感影响覆盖能力限制的原因,实际模拟区域总面积为4499.57km2，像元大小为150m×150m。

3.21975~1997城市发展过程重建和模拟

结合北京地区实际情况，主要考虑了9个对区域城市发展演变过程起作用的外部约束因素，其中包括6个一般性约束因素（对铁路、高速公路、一级公路、首都机场、城市中心的耗费距离和坡度）和3个强制性约束因素（河流洪泛区、城市规划中的保护绿地、各种面状水体（水库、人工湖泊））。

首先利用CEM模型对北京地区1975~1984年，1984~1991年，1991~1997年3个时段的城市发展过程进行了模拟重建（图3），并得到各个时期各种约束因素的最佳模拟权重（表1）。

据表1可见：

（1）各种限制因素的影响能力随着城市的发展在不断发生变化的，现有的许多CA城市模型使用单一影响权重来进行城市模拟显然是不符合实际情况的。

（2）城市单元邻域作用影响的绝对值远远大于其它因素，分别达到了69，60和53，由此可见模拟时间内大都市区旧有城市格局对城市发展的影响是非常巨大的。

（3）交通状况的影响总体上表现出上升趋势，从16上升到了27，其中尤以高速公路的影响上升明显，而同期邻域的影响作用则表现出比较大的下降趋势，可见随着经济的发展和城市单元自身扩展能力的下降，大都市区的城市格局也在一定程度上发生着变化。

同时，1975~1984年，1984~1991年，1991~1997年模拟结果和实际遥感测量结果之间的kappa系数分别达到了0.59、0.65、0.67，这说明CEM可以在一定程度上反映大都市区城市发展演变的基本特征和规律。

模拟结果和实际结果的差异主要表现在一下几个方面：

一是模拟结果的中央大区表现出放射状的星型趋势，而实际的中央大区主要还是一种“饼状”的圆形；二是模拟结果中次级中心如昌平，顺义和通县的发展明显高于实际的城市发展；三是模拟结果中对中心大区和次级