研究

基于agent方法的广州都市圈城市扩张政策情景建模

• 摘要
• 简介
• 研究区域和数据来源
  • 研究区域
  • 数据来源和处理
• 方法
  • 预测城市土地需求
  • 空间回归模型及其驱动因素
  • 基于代理的模型(ABM)
  • 基于代理的综合模型(ABM)和逻辑回归
• 模型实施与结果
  • 广州都市圈的城市用地扩张
  • 通过回归模型确定了城市发展概率的驱动因素
  • 区域当局、房地产开发商、居民和农民代理人的标准化偏好
  • 模型评价
  • 广州都市圈城市发展模拟
  • 在模拟场景之间的比较中使用的度量
• 讨论
• 对本文的回应
• 致谢
• 文献引用

介绍

中国的快速城市化引起了全世界的关注。根据2007年颁布的《中华人民共和国城乡规划法》，城市规划的目标是加强对城市区域的管理，改善人类生活环境。在中国，城市规划被认为是重要的，城市发展的立法机构已经建立。战略空间发展政策是城市规划的重要组成部分，它决定了城市发展的空间格局。其目标是改变空间环境的组织，以满足社会需求。城市规划对城市化进程的影响很大。例如，战略性的空间发展政策将对城市扩展的整体格局产生影响，而经济开发区的建设将刺激特定城市区域的城市增长。

对城市系统建模可以提高我们对城市扩张机制的理解(Li和Liu 2007, Tian等，2011一个，b)．社会和经济因素是城市扩张和土地利用动态背后的主要驱动力(Verburg等，1999年，2002年，Tian等，2011年一个，b)．中国城市地区的城市动力学模拟和景观动力学已经得到了广泛的研究(Tian et al. 2005, 2007一个，b,2011年一个，b，李和刘2007，谢等人。2007，何等人。2008，李和刘2008)。土地利用动态模型已被用于研究土地利用和驱动土地利用变化的因素之间的经验量化关系(Verburg et al. 1999, 2002, Seto and Kaufmann 2003)，但它们不能反映决策者的行为。传统的空间交互和离散选择模型的缺点是它们对空间和社会经济细节以及城市模拟动态的表现不佳(Parker et al. 2003, An et al. 2005)。此外，这些交互在模拟代理的决策和行为方面有明显的局限性(Xie等人，2007,Li和Liu 2007, Li和Liu 2008, Tian等人，2011b)．

元胞自动机(CA)方法已被广泛用于模拟城市动态，但它不适合反映个人的行为，也不适合捕捉城市扩张背后的宏观政治、社会、文化和经济驱动力(Xie等人2007,Li和Liu 2008, Gong等人2009,Tian等人2011b)．然而，个人行为及其与环境的相互作用对于理解和模拟城市生态系统非常重要(Bousquet和Page 2004)。基于代理的模型(ABM)范式出现于复杂性、混沌、控制论和CA领域，并在20世纪90年代被广泛用于模拟从工程到数学、社会科学和经济学的复杂系统(Heath et al. 2009)。它还被作为一种强大的模拟技术应用于城市扩张和土地利用动态(Janssen 1998年，2000年，Ligtenberg 2001年，2004年，Lempert 2002年，Parker等人2003年，Sengupta和Bennet 2003年，Bousquet和Page 2004年，An等人2005年，Xie等人2007年，Li和Liu 2008)。虽然CA和ABM在地理分析方面有局限性，但当它们作为孤立的工具使用时，CA和ABM的集成可以产生更好的模拟结果(Torrens和Benenson 2005, Li和Liu 2007)。这种整合结合了城市动态和社会过程，并以一种机械化和空间明确的方式将人类决策纳入土地使用(Lempert 2002, Matthews et al. 2007)。它为将多个参与者纳入动态空间决策模型提供了一个概念框架，并已被用于模拟人与环境的相互作用和生态系统管理(Parker等人，2003年，Sengupta和Bennet 2003年，Torrens 2003年，Bousquet和Le Page 2004年，Ligtenberg等人，2004年，An等人，2005年)。整合的优势不仅体现在空间邻域(即CA的细胞状态)尺度上，而且体现在城市发展驱动因素与其环境之间的相互作用上，这是预测城市蔓延必须考虑的高水平准确性(Loibl and Toetzer 2003)。

城市化进程受到许多自治实体的影响，如地区当局、城市规划者、房地产开发商、居民和农民。在一个复杂的社会过程中，这些主体会直接或间接地相互作用。代理人通常被分为组织和利益集团(Tian et al. 2011 .)，而不是作为个体来研究b)．他们的行为，即行动和互动，决定了城市政策和整个过程的演变。ABM模型对群体模式的形成、传染和合作提供了令人信服的解释，可以用来预测、操纵和改进集体行为(Goldston和Janssen, 2005年)。ABM的一个主要问题是如何使用经验数据定义代理属性(Li和Liu 2007)。分析层次分析法(AHP)已被用于为CA推导面向行为的过渡规则(Wu 1998)，但尚未被用于提取代理偏好和策略。如何避免不公平或人为因素决定代理的偏好和行为是需要考虑的。我们研究的主要目的是通过回归模型提取重要参数，并使用ABM和AHP技术调整不同政策和目标的权重。AHP与ABM相结合的方法适合于模拟不同agent之间的交互和协商。情景分析是评估实施不同土地使用政策的潜在影响的有用的空间探索工具。

作为广东省的省会城市，广州是中国珠江三角洲的政治、经济、科学、教育和文化中心。由于经济的快速发展，广州已成为中国发展最快的城市之一。随着“改革开放”政策的实施，该地区出现了前所未有的城市活力。快速的城市化进程导致了交通拥堵、负担不起的住房、开放空间的损失、水污染、城市热岛和农业用地的损失(Turner 1994, Yeh和Li 1998, Lambin等人2000,Ligtenberg等人2001,Waddell 2002, Tian等人2002,2005,2007一个，b、2010、2011一个，b，李和刘2007，李和刘2008)。城市化过程是复杂的，必须考虑整个系统的物理、生态和社会组成部分(Zipperer et al. 2000)。采用ABM和logistic回归相结合的方法对广州都市圈未来的城市发展模式进行了预测。这种对城市动态过程的预测将帮助管理者了解其对环境的影响，并为广州都市圈制定可持续发展政策。

研究区域和数据来源

研究区域

广州位于中国南部，位于东经112°57′-114°3′和北纬22°26′-23°56′之间，是珠江三角洲的几何中心，东、南以珠江为界。珠江是中国第三大河，流经广州。广州因其地理位置而被称为“中国的南门”。它的北部和东北部地区是丘陵或山区，中部也是山区。珠江三角洲的冲积平原位于城市的南部。

广州市面积约7434.4平方公里，人口1100多万，其中户籍人口738万，流动人口370万(广东省统计局2006年)。2000年6月，原来的两个县级市番禺和花都改为广州管辖的两个行政区。广州市辖10个行政区和2个县级市(图1)。

数据来源和处理

对2000年和2005年的陆地卫星增强型专题制图器(ETM)图像进行解释，获取广州都市圈的土地利用数据。我们使用的是在植被较少的冬季拍摄的无云图像。经辐射校正后，将所选图像的5、4、3波段进行RGB伪色合成。

检测变化的方法有几种，如图像差分、主成分变换、tasseled cap变换、gram - schmidt变换、图像分类和分类后比较(Fung and LeDrew 1988, Quarmby and Cushnie 1989, Wang 1993, Collins and Woodcock 1994, Ji et al. 2001)。分类后比较用于确定变化的数量和位置。在进行比较之前进行了事先分类。第一级为农田、森林、草地、水体、建成区和未利用地;第二类，建成区用地被重新划分为城市用地、农村居民点用地、建设用地和矿山用地(Liu et al. 2003,2005)一个，b)．对2000年和2005年两张图像的比较减少了独立分类图像的错误分类所产生的错误(Fung 1990)。采用1:10万地形图、河流和土壤图以及其他可用地图进行增强型专题制图器图像解译。土地利用矢量数据被投影到统一的高斯-克鲁格坐标系上。投影系统的中心经度为105°E，双标准纬度为25°N和47°N。

土地覆盖数据集覆盖了广州行政区。矢量土地利用数据转换为100 × 100米网格。土地覆盖被划分为农田、森林、草地、水体、城市土地、农村居民点土地、工矿用地或未利用土地(Tian et al. 2005, 2007一个，b, 2010)。利用这一分类，将耕地、森林、草地、水体、农村居民点用地、工矿用地、裸地等7种土地类型转化为城市用地。我们概述了这个模型中耕地、林地、农村居民点用地和其他被转换为城市用地的土地。

方法

ABM支持对模拟系统中的决策制定、局部-全局交互、自组织、涌现和异质性影响的研究和分析(Heath等，2009年)。ABM的主要组件可以定义为代理、它们的环境以及它们之间的机制。代理是一个实体，具有一系列与自主性、社交能力、反应性和主动性有关的特征(Wooldridge和Jennings 1995, Triantakonstantis和Mountrakis 2012)。环境使代理能够有感知和行动。交互机制包括实体之间直接和间接的信息交换，这是通过一个代理感知另一个代理的行动的效果来实现的(Bandini et al. 2009)。主体与环境之间的相互依赖和反馈是集成的(Parker et al. 2003, An et al. 2005)。

本研究使用的模型将ABM与AHP相结合，模拟政策情景(见在线资源1，图2)。使用ArcGIS 9.3为城市发展的模拟和校准提供输入。ABM和AHP组件使影响城市发展的城市政策和不同主体之间的相互作用得以评估(图2)。使用地理信息系统和回归模型来模拟城市空间发展过程。城市规划和政策被用来帮助规划城市土地扩张到不同的地区。

预测城市土地需求

城市规划与政策

城市规划在城市扩张中起着关键作用。广州的城市规划已经修改了几次。从2000年开始，《广州城市建设总体战略概念规划纲要》提出了“南扩北优东发西连”的空间发展战略(广州市城市规划局2000年)。2005年修订了《广州市总体规划(2001-2010年)》。广州的南部和东部地区注定要发展。政府政策和市场力量导致了南部地区的快速增长(Yu和Ng 2007)。根据空间发展战略，预测了番禺和南沙地区未来的城市用地消耗。在我们的模型中，城市规划确定了不同地区和城市的城市土地需求。

线性回归和马尔可夫矩阵

城市发展取决于城市土地需求。区域层面城市发展的主要驱动力是经济发展和人口增长。广州都市圈不同区域的多元发展核存在较大的空间差异。将荔湾、越秀、海珠、天河、黄埔五个区合并为中心区(图1)。分别模拟这些区的城市发展情况，依次为白云、锣岗、番禺、南沙、花都，增城、从化。对各地区的城市土地进行回归，回归变量为方程1中的自变量。

(1）

在哪里UL_我(t)是城市的土地i区、县,P_我(t)人口是否在我区、县,G_我(t)国内生产总值(GDP)在哪里我区、县,α为总体参数，β为GDP参数，和ε是随机误差。

这种预测无法从农田、森林、农村居民点和其他土地中提取出城市土地面积。我们使用马尔可夫矩阵来预测城市土地来源。

空间回归模型及其驱动因素

利用ArcGIS 9.3计算各物理因素之间的局部相互作用。地理空间中的每个单元格由(x，y)坐标。环境用二维网格表示，每个单元格都有属性和状态。环境层包括土地利用、周边环境、一般公共设施和教育等空间数据。在这个模型中，我们考虑了到铁路、公路、学校、医院等因素的距离。限制因素包括水体和大片的森林(图2)。道路和铁路是重要因素，因为它们代表了一种位置特征，允许进入一个地方。如果一个地点靠近公路和铁路，它更有可能被开发。铁路的存在将降低工厂的运输成本。学校、医院、娱乐中心的距离是影响城市扩张的环境因素。如果选址靠近学校、医院和娱乐中心，将对居民更有吸引力。如果社区内有医院，就会鼓励人们在该社区内买房。 Schools, hospitals, and entertainment centers will encourage urban expansion.

土地利用是城市模拟中最重要的因素之一。这个因素为代理提供了决策的基本环境。对于不同的土地利用类型，agent会表现出不同的决策行为。在数据集中，有8种土地使用类型:农田、森林、草地、水体、农村居民点、工矿用地、裸地和城市用地。

利用logistic回归模型(Geoghegan et al. 2001, Gobin et al. 2001, Serneels and Lambin 2001, Verburg et al. 2002, Tian et al. 2011)评估了城市扩张概率及其驱动因素之间的关系一个，b)．我们的模型考虑了许多邻近性变量(Wu 2002, Li和Liu 2007)。

各种因素，如距离公路、铁路、学校、医院和娱乐中心的距离，使用物流回归模型进行估计。使用的公式如下:

（2）

在哪里P^t_ij,是利用回归模型得到的由物理因素影响的城市发展概率，β₀是常数，和X^t_{ij k}驱动系数是多少k在细胞ij在时间t．

在之前的研究中，土地利用发生的概率与驱动因素进行了回归(Verburg et al. 2002, Tian et al. 2011b)．在我们的研究中，城市扩张的发生是倒退的。

城市发展的物理约束和城市细胞在邻里中的比例会影响城市发展的概率，具体表示为:

（3）

在哪里P^t_ij细胞的城市发展概率在吗ij；P^t_ij,反对是受约束因素影响的城市发展概率，值为零将所有水体和大型森林斑块细胞赋值;而且P^t_ij,Ω是城市发展概率的邻里因素。

基于代理的模型(ABM)

城市扩张是人类行为、决策和政策综合作用的结果(Tian et al. 2011b)．agent之间的交互是agent之间协商和通信的分解结果(Parker et al. 2003)。代理的行为是基于他们的偏好、知识和环境(Tian et al. 2011b)．所有主体对空间环境进行观察和感知，然后根据自己的偏好判断其空间适宜性，进而决定细胞是否会城市化。因此，代理的偏好是影响其行为的关键因素。

作为中介，地方当局、房地产开发商、居民和农民有着不同的偏好。最大限度地利用土地资源，促进经济发展是地方当局的优先选择。这些代理人希望刺激集中在现有城市集团周围的经济发展，但禁止对大片森林和水体进行开发。他们更希望城市扩张发生在农业用地上。

地方当局将决定是否批准城市开发申请。房地产开发商建造房屋以满足居住需求。地方当局拨地发展住宅区。

房地产开发商的偏好是最大化他们的利润(Li和Liu 2008)。房地产开发商倾向于利用主要道路和学校、医院、娱乐中心等基础设施。

居民的目标是找到价格最低、环境最好的最佳居住地点。居民更喜欢离医院、学校和娱乐中心近的地方。

农民的偏好是保护高产农田。这些代理人希望保留特定数量的耕地用于耕种，并希望城市发展发生在远离高产耕地的地方。这些代理之间会相互作用(图2)。代理目标之间存在一些冲突。例如，农民代理人会保护耕地，而房地产开发商和地方当局则希望利用耕地进行城市发展。这些冲突通过不同的目标表现出来。通过调整参数的权重来求解。

代理行为影响着城市发展的速度和数量。代理人偏好通过调整各种驱动因素的权重来影响城市扩张(Tian et al. 2011 .)b)．最终的驱动因素偏好是由一个综合交互过程决定的。在为城市扩张选择特定的地点时，每一组代理都有一套独特的偏好。

AHP被用来提取代理偏好，可以被认为是一种决策辅助方法(Saaty 1980)。区域当局、房地产开发商、居民和农民代理人的不同偏好呈现出不同的政策情景。决策者根据自己的喜好、知识和经验做出判断，然后做出决定。该模型的优点在于，它以系统的方式组织驱动因素，为决策过程提供了一个简单的解决方案(Skibniewski 1992)。两两比较被用于获取驱动因素的代理偏好(Saaty 1980, Wu 1998, Al-S。Al-Harbi 2001)。权重计算和一致性测量在GIS环境中进行了研究和实现(Saaty 1980, Wu 1998)。

城市发展概率是区域当局、房地产开发商、居民和农民代理人行为的综合。

合并后的偏好公关^k这些因子的驱动因子我如下:

（4）

在哪里公关^k区域当局、房地产开发商、居民和农民的综合偏好是驱动因素吗k．公关^k_{类风湿性关节炎}，公关^k_再保险，公关^k_{理查德·道金斯}，公关^k_足总是地方当局、房地产开发商、居民和农民的偏好因素吗k,分别。三分之一的区域当局、房地产开发商、居民和农民的偏好可以消除决策者考虑的三个因素的生产效应。农民的偏好与地方当局、房地产开发商和居民的偏好呈负相关。因此，农民的偏好是公式4的分母。

基于代理的综合模型(ABM)和逻辑回归

Agent行为会通过调整驱动因素的参数权重来影响城市发展的概率(Tian et al. 2011 .)b)．

（5）

不同药剂的组合行为决定了式5中参数的权重。利用公式3，我们计算了每个单元的城市发展概率。蒙特卡罗方法被用来确定城市发展位置的最终选择(Wu和Webster 1998, Li和Liu 2007)。

城市发展概率最高的单元将被开发，直到单元面积达到城市土地需求(图2)。

模型实现和结果

广州都市圈的城市用地扩张

采用回归分析方法对各区县城市土地需求进行预测。由于GDP和人口数据集可用于每年的离散城市土地数据，城市土地首先按人口与年回归t(式6)，则按年GDP计算t(公式7)，最后按人口和GDP计算(公式8)。

(6）

(7）

（8）

根据公式6和公式7对2020年中心区人口和GDP进行预测。中心区城市用地采用式8进行预测。的城市发展k区或县使用式9进行预测。

（9)

同样，对白云、萝岗、番禺、南沙、花都、增城、从化等地区的人口、GDP和城市发展分别进行了预测。广州市城市发展计算为8个区市的总和。

（10）

根据发展概率将各区县的城市发展水平分配给单元格。通过回归分析，我们对广州都市圈各区县的城市土地面积进行了预测(图3)。回归分析表明，2005 - 2020年，广州都市圈中心区城市土地面积将增加188.95平方公里，白云区增加130.28平方公里，锣港区增加26.27平方公里，花都增加40.22平方公里，增城增加97.85平方公里，从化增加1.61平方公里(图3)。2005 - 2020年，番禺区城市土地预计消耗增加了81.59平方公里，南沙区增加了30.91平方公里。

投影无法从农田、森林、农村居民点和其他土地中提取城市土地面积。各区土地利用由耕地、林地、农村居民点等土地转化为城市土地的概率存在显著差异。因此，我们计算了每个地区由其他土地转为城市土地的面积。然而，该预测仅提供了城市新增土地的总面积。我们使用马尔可夫矩阵来预测城市土地来源。基于2000年至2005年之间的转换，使用马尔可夫矩阵计算侵占其他土地使用类型的城市土地面积。根据2005年至2020年期间的城市用地预测和马尔可夫矩阵结果，我们计算了每个区县的城市发展来源(表1)。

马尔科夫矩阵是马尔科夫在1906年提出的一个简单的齐次链。马尔可夫链是一个随机变量序列X₁，X₂，X_3.，.．.，X_k马尔可夫的财产以防我们获得初始事件X_k=α和概率P^k_α事件的X_k=α的概率P^{(k + 1)}_β事件的X_{k + 1}=β可以用简单公式(Basharin et al. 2004)计算:

（11）

最后，基于马尔可夫转移概率矩阵和广州市2000 - 2020年城市土地面积总增长，计算广州市2005~2020年农田、森林、农村居民点等土地转为城市土地的预测(表2)。

通过回归模型确定了城市发展概率的驱动因素

利用该模型，对2000~2005年各单元的城市发展概率及其驱动因素进行了回归分析。以2000年城市用地面积为初始阶段，利用2000~2005年城市用地动态提取城市用地面积β值。每个单元格的城市发展概率决定了这些地区是否会得到开发。

在模型中，我们考虑了到铁路、公路、学校、医院、娱乐中心等因素的距离(表3)。约束因素包括水体和大片森林斑块。利用logistic回归模型估计了到公路、铁路、学校、医院、娱乐中心的距离参数。在我们的模型中，将耕地、森林、农村居民点和其他四种土地类型转换为城市土地。我们提取β公式2中四种类型土地利用转换的值。的β从耕地到城市用地的变化值列于表3。类似地,β我们回归了6个区和2个市的森林、农村宅基地和其他土地到城市土地的价值，但这些价值没有在这里列出。

区域当局、房地产开发商、居民和农民代理人的标准化偏好

该模型采用层次分析法(AHP)，通过两两比较获得决策者的偏好(Saaty 1980, Wu 1998)。我们对驱动因素的代理偏好评分从1到9(表4)。然后，我们使用相对得分测量方法为每个驱动因素构建了一组两两比较矩阵(表5)。然后，代理表明了他们对每个决策场景的偏好。

我们综合了两两比较矩阵，得到了变量的优先向量(表6)。两两比较矩阵由每个矩阵元素除以其列总数建立。例如，表6中的值0.132是通过将1(来自表5)除以7.57，或表6中列项的和得到的。

表6中的优先级向量是通过确定行平均值得到的。例如，将表6中第一驱动力的行数之和(0.132 + 0.094 + 0.019 + 0.057 + 0.094 + 0.057 + 0.132 + 0.132 + 0.094 + 0.132 + 0.057)除以列数(11)，得到0.13。

表6所示的优先向量如下:

（12）

（13）

将加权和矩阵的所有元素除以各自的优先向量元素，得到:

(14）

接下来，我们计算这些值的平均值，以获得最大的特征值λ_马克斯

(15）

我们计算了一致性指数，或者CI,如下所示:

（16）

矩阵的一致性可以通过一致性比来验证，CR的CI，取表6中的适当值。对于矩阵大小为13的情况，使用表6，我们确定了随机一致性比的适当值(国际扶轮)为1.52。一致性比率CR定义如式17所示。

(17)

接下来，我们计算了快速发展场景下房地产中介、居民和农民的优先偏好向量，并构建了表7。我们计算了绿地保护情景下区域当局、房地产、居民和农民代理人的优先偏好向量。

驱动因素的权重等于综合偏好(公关^k)为区域当局、房地产开发商、居民和农民代理人，由公式4确定。我们计算了快速发展情景和绿地保护情景的驱动因素权重。对于快速开发场景，驱动因素的权重如下:

（18)

在绿地保护情景下，驱动因素的权重如下:

(19)

对于基线场景，代理偏好不影响因素的权重k．对于快速发展和绿地保护情景，组合偏好(公式5)影响因子权重k．

利用公式3计算了快速发展和绿地保护两种情景下各单元的城市发展概率。

各区市城市发展的可能性等于转换概率。

(20)

模型评价

Kappa是根据整个地区的预测值和观测值计算的(Congalton和Green 1999)。所用的方程如下:

(21）

在哪里P_o模型输出的正确百分比，和P_c是预期的正确百分比。

Kappa的取值范围为0 ~ 1。虽然没有普遍接受的标准，但Kappa值大于0.8被认为是预测图和观测图之间强烈一致的标志(Congalton和Green 1999, Tian等人，2011b)．

我们模拟了2005年三种情景下的城市发展，并通过使用Kappa系数(Congalton and Green 1999, Pontius et al. 2001, Tian et al. 2011)对土地利用地图的人工解释与2005年的模拟土地利用地图进行比较，进一步评估了模型b；我们使用基线场景、快速发展场景和绿地保护场景的设置计算Kappa系数，得到Kappa值分别为0.8444、0.7350和0.7336。Kappa系数的计算是基于基线情景设置，表明预测和观测地图之间有很强的一致性。与快速发展和绿地保护两种情景相比，基线情景的结果更接近2005年土地使用经验图。根据代理人的偏好，快速发展和绿地保护场景的结果被认为是两种可能的发展模式。

广州都市圈城市发展模拟

对广州市城市发展在基线、快速发展和绿地保护三种情景下进行了模拟。

基线场景:

对于基线场景，模拟基于以前的开发。代理偏好不影响驱动因素的权重。从城市规划和政策中衍生出的空间策略没有被考虑到城市扩张。城市发展的可能性是由β(表3)。四种土地利用类型转换为城市土地。当时禁止将水体和大片森林转化为森林。在这种情况下，597.69平方公里的土地，即364.51平方公里的农田，47.75平方公里的森林，150.49平方公里的农村居民点用地和4.03平方公里的其他土地，将在2005~2020年期间转化为城市土地(图4)。

快速发展的场景:

在这种情景下，主体更加关注经济发展。与基础设施相关的变量，如到学校、医院、娱乐中心、铁路和公路的距离，权重增加，而其他变量，如到森林、草原和水体的距离，权重下降。然而，数字高程图(DEM)和坡度等物理因素的权重变化不大。从快速发展的角度看，公路和铁路是最重要的基础设施。学校、医院、娱乐场所等将对居民有利。这些因素刺激了经济发展。根据这一设想，在2005~2020年期间，将有657.46平方公里的土地，即400.96平方公里的农田、52.53平方公里的森林、165.54平方公里的农村居民点用地和4.43平方公里的其他土地转化为城市用地(图5)。

绿地保护场景:

在这种情况下，代理人更加重视绿地的保护。诸如到森林、草原和水体的距离等变量的权重增加了，而其他因素如到学校、医院、娱乐中心、公路和铁路的距离则减少了。物理因素的权重，如DEM和坡度，没有变化。从绿地保护的角度看，森林、草地和水体是首要保护对象。根据这种设想，在2005~2020年期间，将有537.92平方公里的土地转变为城市土地(图6)。在此期间，大约217.47平方公里的农田、180.85平方公里的森林、100.45平方公里的农村居民点用地和39.14平方公里的其他土地将转变为城市土地。

在模拟场景之间的比较中使用的度量

景观指标已被广泛用于量化城市动态的时空模式(Tian et al. 2007一个，b,2011年一个，b， Wu et al. 2011)。为了比较广州模拟场景的城市化模式，使用Fragstats软件计算空间指标(McGarigal and Marks 1995)。通过景观指标分析，比较了广州都市圈不同情景下城市化的空间格局。

空间指标描述了城市斑块的大小、斑块之间的联系和城市形态的复杂性。广州市不同时期的景观格局空间指标有助于追踪城市化过程中景观格局的动态变化趋势。我们从城市景观斑块形状和聚集水平上比较了三种场景的景观指标。选取的空间指标为边缘密度(ED)、参数面积比(PARA)和邻近指数(contg;见附录1)。

我们比较了2020年三种情景的景观指标。在三种情景中，快速发展情景(附录1)的ED最低，CONTIG最高，因此，该情景导致城市斑块破碎度最低。相比之下，在绿地保护情景下，ED最高，CONTIG最低(附录1)。在快速发展情景下，agent的偏好更关注经济发展，而在绿地保护情景下agent更关注生态环境。因此，在快速发展情景下，与城市用地、学校、医院、娱乐中心、铁路、公路的距离在决定城市扩张方向方面更为重要(表7)。城市新增用地与上述因素的关联度更高，侵占了森林、草原和农田。然而，在绿地保护情景下，森林、草地和耕地由于agent偏好而限制了城市土地扩张。城市新增用地远离森林、草原和农田，因此比快速发展情景下更加分散和破碎。两种城市发展情景在PARA和CONTIG上的差异也证实了基于主体的模型。ED和PARA在快速发展情景下最低，说明快速发展情景下城市斑块的形状更加规则。但在绿地保护情景下，城市斑块的ED和PARA值最高，表明斑块的不规则性增强。在快速发展的场景中，代理的偏好鼓励新的城市土地在以前的建筑周围蔓延，包括城市中心、学校、医院、娱乐中心、铁路和公路，因此，整个城市区域变得更加紧凑。 In contrast, in the green land protection scenario, agent preferences resulted in protection for forest, grassland, cropland, and water, which ensured that new urban land did not always sprawl around previous construction because of the restrictions in developing forest, grassland, cropland, and water. Therefore, the urban area was not regular, as in the rapid development scenario, but more scattered.

讨论

都市圈城市化是一个复杂的、人为主导的过程。传统的城市化研究方法往往忽略了人的行为、决策过程和政策。ABM作为一种将系统的生物物理和社会经济特征联系起来的方法，近年来受到了极大的关注(Tian et al. 2011b)．当代理及其环境之间存在重要的相互依赖时，这种方法尤其合适。在该模型中，我们运用层次分析法模拟了地方政府、房地产开发商、居民和农民的行为和决策。这些规则是基于与代理偏好相关的先验知识。两两比较用于获取代理偏好和他们的相互作用，以确定驱动因素。参数的组合和选择反映了复杂的决策过程和策略。模型参数对仿真结果影响较大。

同时，城市规划和政策被用于模拟城市发展。空间战略政策将影响都市圈的城市发展方向。在当前的空间战略下，番禺和南沙地区的城市土地开发预计将增加。在模型中，分别模拟了基线、快速发展和绿地保护三种政策场景。情景分析是研究不同政策的有用工具。可持续发展战略已经被纳入到基于agent的建模中，以正确定义agent的行为(Li和Liu 2008)。将城市规划和政策纳入模型，为决策者更好地理解城市扩张的空间格局。

在未来的研究中，有几个领域需要进一步研究。首先，代理商的分类应该更加精确，应该考虑不同年龄或收入群体的需求。这主要是针对一些大中城市在城市化发展过程中出现的逆向城市化现象。其次，由于缺乏详细的空间数据，中国大部分城市需要更科学的方法来量化agent的决策行为。如果这些空间信息可用，那么基于代理的空间模型和详细的问卷调查的集成可以提高模拟性能。

文献引用

地基。Al-Harbi, 2001。AHP在项目管理中的应用。国际项目管理杂志19(1): 19-27。http://dx.doi.org/10.1016/s0263 - 7863 (99) 00038 - 1

安丽丽，林德曼，齐杰，刘杰。2005。探索人-环境系统的复杂性:基于智能体的多学科和多尺度集成空间模型。美国地理学家协会年鉴95(1): 54 - 79。http://dx.doi.org/10.1111/j.1467-8306.2005.00450.x

班迪尼，S.曼佐尼，G.维扎里，2009。基于智能体的建模与仿真:信息学的视角。人工社会与社会模拟杂志12(4): 4。http://jasss.soc.surrey.ac.uk/12/4/4.html

巴沙林，g.p, A. N.朗维尔，V. A.诺莫夫，2004。a·a·马尔科夫的生活和工作。线性代数及其应用386(15): 3-26。http: / dx.doi.org/10.1016/j.laa.2003.12.041

Bousquet, F.和C. Le Page. 2004。多智能体模拟与生态系统管理:综述。生态模型176(3): 313 - 332。http://dx.doi.org/10.1016/s0304 - 3800 (04) 00094 - 8

柯林斯，J. B.和C. E.伍德考克，1994。使用gram - schmidt变换的变化检测应用于森林死亡率的映射。环境遥感50:267 - 279。http://dx.doi.org/10.1016/0034 - 4257 (94) 90076 - 0

康格顿，R. G.和K.格林，1999。评估遥感数据的准确性。刘易斯，纽约，纽约，美国。

冯，T.和E.勒德鲁。1988.使用各种精度指标确定变化检测的最佳阈值水平。摄影测量工程与遥感“，54岁,1449 - 1454。

Fung, t . 1990。TM影像在土地覆被变化检测中的应用评价。《IEEE地球科学与遥感汇刊》28:681 - 684。http://dx.doi.org/10.1109/TGRS.1990.572980

盖根，J, S. C.维拉尔，P. Klepeis, P. M.门多萨，Y. Ogneva-Himmelberger, R. R. Chowdhury, B. L. Turner, II和C. Vance. 2001。Yucátan半岛南部地区热带森林砍伐模拟:比较调查和卫星数据。农业、生态系统与环境85:25-46。http://dx.doi.org/10.1016/s0167 - 8809 (01) 00201 - 8

戈宾，P.坎普林和J.费因，2001。推导农业土地利用决定因素的Logistic模型:尼日利亚东南部的一个案例研究。农业、生态系统与环境89:213 - 228。http://dx.doi.org/10.1016/s0167 - 8809 (01) 00163 - 3

Goldstone, R. L.和M. A. Janssen. 2005。集体行为的计算模型。认知科学趋势9(9): 424 - 430。http://dx.doi.org/10.1016/j.tics.2005.07.009

锣,J.-Z。, Y.-S。刘,在公元前。夏,G.-W。赵》2009。基于元胞自动机模型的城市生态安全评价与预测——以广州市为例。生态模型220:3612 - 3620。http://dx.doi.org/10.1016/j.ecolmodel.2009.10.018

广东省统计局。2006。2006年广东省统计年鉴。中国统计年鉴，北京，中国。

广州市城市规划局，2000。总体战略概念规划。广州市城市规划形成与研究中心，广州，中华人民共和国。

何锦昌、冈田乃宁、张琼、史佩平、李俊。2008。利用元胞自动机建立动态城市扩展模型。景观与城市规划86(1): 79 - 91。http://dx.doi.org/10.1016/j.landurbplan.2007.12.010

希思，B.， R.希尔，F.恰拉洛，2009。基于代理的建模实践调查(1998年1月至2008年7月)。人工社会与社会模拟杂志12(4): 9。http://jasss.soc.surrey.ac.uk/12/4/9.html

詹森,m . 1998。使用复杂的自适应系统为全球变化建模。生态系统1:457 - 463。http://dx.doi.org/10.1007/s100219900041

杨森，M. A.， B. H.沃克，J. Langridge和N. Abel. 2000。分析复杂牧场系统中管理和政策协同演化的自适应代理模型。生态模型131:249 - 268。http://dx.doi.org/10.1016/s0304 - 3800 (00) 00256 - 8

姬春燕，刘强，孙东，王世胜，林培平，李晓霞。2001。用遥感监测中国城市扩张。国际遥感杂志22日(8):1441 - 1455。http: / dx.doi.org/10.1080/01431160117207

兰宾，E. F.， X.鲍里斯，N. E. Bockstael, G.菲舍尔，T.克鲁格，R.利曼斯，2000。土地利用与土地覆盖变化(LUCC)，实施策略。IGBP报告48,IHDP报告10。LUCC科学指导委员会和国际项目办公室，斯德哥尔摩，瑞典。

Lempert, r . 2002。作为组织和公共策略模拟器的基于代理的建模。美国国家科学院院刊99(3): 7195 - 7196。http://dx.doi.org/10.1073/pnas.072079399

李X，刘x。2007。利用多准则评价定义agent的行为以模拟复杂住宅开发。环境管理杂志85(4): 1063 - 1075。http: / dx.doi.org/10.1016/j.jenvman.2006.11.006

李X，刘x。2008。在基于主体的模型中嵌入可持续发展战略，作为规划工具使用。国际地理信息科学杂志22(1): 21-45。http://dx.doi.org/10.1080/13658810701228686

利滕伯格，A. K. Bregt和R. van Lammeren, 2001。基于多主体的土地利用建模:使用主体的空间规划。景观与城市规划56(1 - 2): 21-33。http://dx.doi.org/10.1016/s0169 - 2046 (01) 00162 - 1

Ligtenberg, A.， M. Wachowicz, A. K. Bregt, A. Beulens和D. L. Kettenis. 2004。多主体空间规划仿真系统的设计与应用。环境管理杂志72(1 - 2): 43-55。http://dx.doi.org/10.1016/j.jenvman.2004.02.007

刘建军，刘明明，庄德东，张震，邓霞。2003。1995-2000年中国土地利用变化空间格局研究。中国科学D辑:地球科学46:373 - 384。

刘建军，刘明民，田宏，庄东，张铮，张伟，唐旭东，邓旭东。2005一个．1990-2000年中国耕地时空格局——基于Landsat TM数据的分析环境遥感98:442 - 456。http://dx.doi.org/10.1016/j.rse.2005.08.012

刘建军，田宏，刘明明，庄东，梅利略，张铮。2005b．20世纪90年代中国景观的变化:用卫星数据估计大规模的土地变化。地球物理研究的信32: L02405。http://dx.doi.org/10.1029/2004GL021649

Loibl, W.和T. Toetzer. 2003。城郊地区生长和致密化过程的模拟——带有空间因子的景观过渡模拟。环境建模及软件18:553 - 563。http://dx.doi.org/10.1016/s1364 - 8152 (03) 00030 - 6

麦加里格尔，K.和B. J.马克斯，1995。用于量化景观结构的空间格局分析程序。美国农业部，林业局，太平洋西北研究站，俄勒冈州波特兰，美国。

马修斯，R. B.， N. G.吉尔伯特，A.罗奇，J. G.波尔希尔和N. M.戈茨，2007。基于代理的土地使用模型:应用程序的回顾。景观生态学22:1447 - 1459。http://dx.doi.org/10.1007/s10980-007-9135-1

帕克，S. M.曼森，M. A.杨森，M. J.霍夫曼，P. Deadman, 2003。土地利用和土地覆盖变化模拟的多智能体系统研究进展。美国地理学家协会年鉴93(2): 314 - 337。http://dx.doi.org/10.1111/1467-8306.9302004

彭修斯，J. D.康奈尔，C. A. S.霍尔，2001。利用GEOMOD2对土地利用变化的空间模式建模:哥斯达黎加的应用和验证。农业、生态系统与环境85:191 - 203。(在线)网址:http://www.clarku.edu/~rpontius/pontius_etal_2001_aee.pdf

夸姆比，n.a.和J. L.库什尼，1989。利用SPOT HRV图像监测英格兰东南部城市边缘的城市土地覆盖变化。国际遥感杂志10:953 - 963。http://dx.doi.org/10.1080/01431168908903937

Saaty, T. L. 1980。层次分析法:规划、优先级设定、资源分配。McGraw-Hill，纽约，美国纽约。

森古普塔，R. R.和D. A.班纳特，2003。基于agent的空间决策支持建模环境。国际地理信息科学杂志17(2): 157 - 180。http://dx.doi.org/10.1080/713811747

Serneels, S.和E. F. Lambin. 2001。肯尼亚Narok地区土地利用变化的直接原因:一个空间统计模式。农业、生态系统与环境85:65 - 81。

Seto, K. C.和R. K.考夫曼。2003。珠江三角洲城市土地利用变化驱动因素建模:整合遥感与社会经济数据。土地经济学79(1): 106 - 121。http://dx.doi.org/10.2307/3147108

Skibniewski, M. J.和l . c。曹国伟》1992。用层次分析法评价先进施工工艺。建筑工程与管理学报118(3): 577 - 593。http://dx.doi.org/10.1061/(第3期)0733 - 9364 (1992)118:3 (577)

田国强，刘建军，张震。2002。中国城市功能结构特征与转型。城市19(4): 243 - 248。http://dx.doi.org/10.1016/s0264 - 2751 (02) 00021 - 5

田国光，刘建军，谢玉玉，杨振中，庄东，牛铮。2005。基于TM影像和GIS的20世纪90年代中国城市土地时空动态格局及驱动力分析城市22(6): 400 - 410。http://dx.doi.org/10.1016/j.cities.2005.05.009

田国强，杨振泽，张勇。2007一个．基于Landsat TM影像和GIS的20世纪90年代中国农村居民点用地时空动态格局研究环境管理40(5): 803 - 813。http://dx.doi.org/10.1007/s00267-006-0048-6

田国强，杨振泽，谢勇。2007b．基于遥感和缺口指数的时空动态景观格局检测——以海口市为例B:规划与设计34(3): 556 - 569。http://dx.doi.org/10.1068/b3155

田国强，吴建军，杨宗忠。2010。北京都市圈城市功能空间格局研究。栖息地的国际34(2): 249 - 255。http://dx.doi.org/10.1016/j.habitatint.2009.09.010

田国强，蒋建军，杨振华，张勇。2011一个．长江三角洲大都市圈城市增长、规模分布及时空动态格局生态模型222(3): 865 - 878。http://dx.doi.org/10.1016/j.ecolmodel.2010.09.036

田光，欧阳阳，权强，吴杰。2011b．基于多智能体系统的城市化时空动态模拟——以美国凤凰城都市圈为例。生态模型222(5): 1129 - 1138。http://dx.doi.org/10.1016/j.ecolmodel.2010.12.018

托伦斯，2003。元胞自动机和多代理系统作为规划支持工具。205 - 222页在S.格特曼和J.史迪威，编辑。实践中的规划支持系统:空间科学的进展。施普林格,德国柏林。http://dx.doi.org/10.1007/978-3-540-24795-1_12

托伦斯，p.m.和本纳森，2005。地理自动机系统。国际地理信息科学杂志19:385 - 412。http://dx.doi.org/10.1080/13658810512331325139

D . Triantakonstantis和G. Mountrakis. 2012。城市增长预测:计算模型和人类感知的综述。地理信息系统学报4(6): 555 - 587。http://dx.doi.org/10.4236/jgis.2012.46060

特纳二世，B. L. 1994。土地利用和土地覆盖在全球环境变化中的作用。土地退化与恢复5:71 - 78。http://dx.doi.org/10.1002/ldr.3400050204

Verburg, P. H.， G. H. J. de Koning, K. Kok, A. Veldkamp和J. Bouma. 1999。基于实际土地利用的土地利用变化模式的空间显式分配程序。生态模型116:45 - 61。http://dx.doi.org/10.1016/s0304 - 3800 (98) 00156 - 2

Verburg, P. H.， W. Soepboer, A. Veldkamp, R. Limpiada, V. Espaldon, S. A. Mastura. 2002。区域土地利用空间动态建模:CLUE-S模型。环境管理(3): 391 - 405。http://dx.doi.org/10.1007/s00267-002-2630-x

Waddell, p . 2002。城市模拟:为土地使用、交通和环境规划建模城市发展。美国规划协会杂志68(3): 297 - 314。http://dx.doi.org/10.1080/01944360208976274

王,1993年成立。基于知识的视觉系统，以侦测城市边缘地带的土地变化。《IEEE地球科学与遥感汇刊》31:136 - 145。http://dx.doi.org/10.1109/36.210454

吴,1998年成立。SimLand:一个通过综合GIS和CA模拟土地转换的原型，使用ahp派生的转换规则。国际地理信息科学杂志12(1): 63 - 82。http://dx.doi.org/10.1080/136588198242012

吴,2002年成立。随机元胞自动机的校正:在城乡土地转换中的应用。国际地理信息科学杂志16(8): 795 - 818。http://dx.doi.org/10.1080/13658810210157769

吴福和C. J.韦伯斯特，1998。结合元胞自动机和多准则评价的土地开发模拟。B:规划与设计25:103 - 126。http://dx.doi.org/10.1068/b250103

Wooldridge, M.和N. R. Jennings. 1995。智能代理:理论与实践。知识工程评审10:115 - 152。http://dx.doi.org/10.1017/S0269888900008122

谢旸，M. Batty，赵k . 2007。利用基于agent的模型模拟紧急城市形态:Desakota在中国苏州-武县地区。美国地理学家协会年鉴97(3): 477 - 495。http://dx.doi.org/10.1111/j.1467-8306.2007.00559.x

叶,G.-O。，而且X．Li. 1998. Sustainable land development model for rapid growth areas using GIS.国际地理信息科学杂志12(2): 169 - 189。http://dx.doi.org/10.1080/136588198241941

于晓军，吴昌宁。2007。城乡两线城市扩展的时空动态——以广州为例景观与城市规划79:96 - 109。http://dx.doi.org/10.1016/j.landurbplan.2006.03.008

齐珀勒，吴杰，R. V.普雅特，T. A.皮克特，2000。生态学原理在城市和城市化景观中的应用。生态应用程序(3): 685 - 688。http://dx.doi.org/10.1890/1051 - 0761 (2000) 010 (0685: TAOEPT) 2.0.CO; 2