生产性服务业视角下的城市网络构建研究进展

随着经济全球化的深入和信息技术的发展, 生产性服务业已成为地区经济增长的主要动力和产品创新的重要源泉, 其在城市网络构建中的重要作用日益受到学术界的关注。通过城市网络不同研究载体的梳理发现, 生产性服务业视角下城市网络的研究已成为西方城市研究领域的重要前沿。生产性服务业集聚与城市等级的密切关联性是城市网络构建的重要基础, 网络构建的作用力包括生产性服务业的行业属性、企业的组织结构以及城市发展的自身条件。通过对网络构建模型、网络特征和网络动态演化的综述可以发现, 生产性服务业的布局对于解释全球化和信息化影响下的中国城市网络是适用的, 但国内的研究多集中于方法的引介, 对于内在机制和演化机理关注较少。随着全球产业分工细化, 中国不再仅仅承担制造业功能, 生产性服务业已开始大规模集聚, 国内生产性服务业视角下城市网络的系统研究刚刚起步, 亟待加强。     

国内外区域空间相互作用研究进展

区域空间相互作用是区域科学、经济地理学关注的重点。文章对国内外空间相互作用的相关理论、研究内容及测度模型进行梳理。从研究内容来看,区域联系特征及区域空间结构的关注较多,而针对区域间地缘经济关系的研究还有待深化,尤其是在测度方面需要更为深入的探讨,质性方法在研究中的分量也需要强化。经典的引力模型在实践应用中不断调整和深化,而对于城市流模型和地缘经济关系模型的支撑理论较为薄弱,模型应用过程中呈现出新技术、新方法运用的趋势。传统的研究还集中于地理意义上的区域空间及城市组织,针对虚拟空间中的信息技术流动和技术创新等因素的影响应作出积极回应。随着全球城市网络的显现,借助各种属性数据探索垂直层面的联系将是一个重要方向,不同尺度下的城市与区域间的网络结构、功能和关系研究将成为关注的重点。     

基于多智能体的居住空间格局演变的真实场景模拟

多智能体建模方法为城市研究提供了一种新的研究思路.采用自下而上的多智能体方法构建真实场景的居住决策模型,并研究城市居住格局的形成和演变具有重要的理论意义和应用价值.但目前的多智能体模型通常把空间抽象为均质空间.无法反映真实的地理空间.通过对居住环境的"宜居性"评价,作为居民智能体对居住环境评价的影响因子.将多智能体模型与GIS相结合.为智能体模型提供一个异质的、动态变化的模拟环境.由此居民智能体根据自身的经济状况以及对居住环境的偏好不断地调整其在城市中的居住地,模拟出城市居住空间格局的演变过程.将模型应用于广州市海珠区,其模拟的住宅价格空间分布与实际情况相关系数在0.6以上,说明模拟结果与实际的情况比较吻合.模拟结果在一定程度上为理解和探讨居住空间格局的成因和动态变化提供帮助,为发展和验证城市理论提供一种重要的分析手段和模拟方法.     

城市网络韧性的概念与分析框架探析

城市网络作为一种新的城市地域系统组织形式和研究范式被广泛关注。目前绝大多数城市网络研究都基于正面视角,对城市网络的负面效应、安全与可持续发展问题却鲜有提及。论文通过梳理城市网络与区域韧性的相关研究进展,探索性地提出一种基于演化韧性的城市网络韧性概念来探讨城市网络的“负面问题”。城市网络韧性可理解为城市网络系统借助于城市间社会、经济、工程与组织等各领域的协作和互补关系,能够预防、抵御、响应和适应外部急性冲击和慢性压力的影响并从中恢复或转换的能力。基于此概念,结合演化韧性与适应性循环理论,将城市网络视为一个动态演化的复杂适应系统,基于基础设施、组织、经济与社会等4个维度,兼顾适应性与适应能力,尝试性地提出基于韧性特征和韧性过程视角的城市网络韧性综合分析框架,并对城市网络韧性的分析方法、优化方法予以展望,对涉及的若干核心问题展开讨论。研究可为以安全发展为目标的区域规划、区域政策制定和区域组织建立提供科学依据,也可为各城市节点找准自身角色、有效参与区域治理提供有价值的参考。     

基于智能体和人工神经网络的元胞自动机建模及城市扩展模拟

城市扩展模拟可为城市可持续发展与国土空间规划提供参考。智能体模型(ABM)与元胞自动机(CA)结合可兼顾城市空间增长的自组织性和不同决策主体的决策过程,人工神经网络(ANN)可描述智能体与城市扩展之间复杂的非线性关系。该文基于ANN-ABM-CA耦合模型,在构建CA转换规则时基于ABM刻画人类决策行为的影响,并采用ANN挖掘不同类型的智能体在城市扩展过程中的偏好差异,同时考虑宏观和微观层面的智能体决策行为,结合城市扩展的10个驱动因素,模拟武汉市主城区2005-2015年的扩展情况,结果表明:1)相比传统的ANN-CA模型,ANN-ABM-CA模型模拟性能更优,从宏观与微观相结合的角度更好地解释了城市扩展的驱动机制,OA值为97.46%,Kappa系数为0.9176,FoM值为0.4375,结果可靠且合理;2)不同收入层级的居民智能体对城市扩展的决策偏好不同;3)武汉主城区城市扩展模式主要为边缘型扩展,洪山区西南部有少部分填充型扩展、东南部出现飞地型扩展,与实际扩展情况相符。     

城市建设用地增长预测主要模型类型及特征

在概括现有主要城市建设用地增长预测模型类型和特征的基础上,总结了不同模型类型间的相互关系,分析现有模型在建构和实际应用中存在的主要问题,以期为今后城市建设用地增长预测的方法论研究和实践提供参考。分析总结表明,现有常用的城市建设用地增长预测模型可以分为细胞自动机模型、多智能体模型、马尔可夫模型和综合模型4类,不同模型在建构机理和科学问题切入点选择方面差异较大,还没有出现适用所有研究目的的普适性模型方法。今后应围绕建设用地扩张的基础理论研究、合理确定城市系统简化路径与方法、提炼和总结建设用地增长预测的关键科学问题、模型手段的整合与创新四方面进行深入研究,推进城市建设用地增长模型建设和相关方法论实践研究。     

基于多智能体系统的城市增长时空动态模拟——以江苏省连云港市为例

城市化是土地利用/覆盖变化中最典型形式之一,探索城市增长的驱动机制并预测其未来变化,对于实现城市可持续发展十分重要。鉴于多智能体系统强大的模拟复杂空间系统的能力,基于联合"自上而下"和"自下而上"决策行为的视角,构建了一个城市增长时空动态模拟多智能体模型,在模型中,宏观Agent实施的"自上而下"的宏观土地利用规划行为和微观Agent自主发起的"自下而上"的微观土地利用空间诉求行为通过二维空间网格相互作用,并通过联合决策共同推动研究区域的城市化进程。以连云港市中心城区为例,考虑了基于目前趋势、经济发展优先和环境保护优先的3种目标情景,并进行了相应的城市增长情景模拟。模拟结果表明:联合"自上而下"和"自下而上"决策行为的城市增长时空动态模拟多智能体模型能够充分发挥多智能体系统的潜力来了解城市化的驱动机制,为城市管理提供基于情景分析的决策支持。     

基于多智能体的居住区位空间选择模型

多智能体系统(Multi-Agent system, MAS) 是一种进行复杂系统分析与模拟的强有力工具,尤其在社会科学领域得到了广泛的应用。本文提出了基于多智能体的居住区位选择模型(Agent-Based Model of Residential Location-ABMRL),将多智能体建模的方法应用于居民居住区位决策行为和地价动态变化的研究中,旨在探索与模拟居民在居住选择过程中的复杂空间决策行为,以及居民之间、居民与地理环境的相互作用而导致城市居住空间分异的演化过程。ABMRL模型由表征各类居民的多智能体层和表征地理环境的元胞自动层组成,对应人地关系中的两个基本要素--人类与自然环境。该模型认为居民迁居的动力源于内部的经济社会压力和外部的居住环境刺激。利用ABMRL模型模拟和验证了居住空间分异、圈层城市空间结构、城市绅士化等经典城市理论,并以广州市海珠区为实验区,模拟了该区域居民居住空间分异的演化过程和地价的动态变化。     

中国城市体系网络化研究

当前,学者普遍认同城市体系研究的重心从等级范式向网络范式转向。在大量的文献梳理基础上,阐述20世纪80年代以来中国城市体系研究范式的转向过程,并进一步梳理中国城市网络研究的进展、问题与关注重点。结果表明：2010年之后,网络成为中国城市体系研究的主流范式,等级体系文献数量呈波动递减趋势,全国和长三角成为热点关注区域;属性数据一定程度上弥补了早期城市网络研究中数据匮乏的状况,关系数据应成为未来研究的侧重点;不同研究视角及其所应用的数据存在着一定的局限性,多元视角的综合研究成为趋势。在此基础上,提出城市网络研究未来可能的突破点,包括：调整国家城市网络的研究框架、超越交通数据直接考察城市间的实体联系、测度企业外部的横向联系、有向加权网络分析和可视化、增加研究中的地理“意味”等。     

政府规划约束下的城市空间增长多智能体模拟模型

构建政府规划约束下的包含多种类型智能体和环境因素的城市空间增长多智能体模拟模型,通过居民、开发商和政府三类智能体之间以及智能体与环境之间的相互作用模拟了城市空间增长情况。模型将城市建设用地规划区纳入政府的土地利用政策,探讨了政府规划因素对城市建设用地增长的影响,并根据土地集约利用的原则对模拟结果进行了优化。在Repast和ArcGIS的实验环境下,以南京市中心城区(长江以南)为研究区设置了四组土地利用情景,模拟了2001-2007年研究区的城市建设用地增长情况,对比不同情景下模型的模拟精度,说明正确合理的政府规划引导对城市空间增长的重要作用以及对模拟结果进行优化的必要性。该模型有助于揭示城市空间增长机制,为政府宏观调控政策和规划制定提供参考。     

Urban expansion in Auckland,New Zealand: a GIS simulation via an intelligent self-adapting multiscale agent-based model

ABSTRACT

Abstract: When modelling urban expansion dynamics, cellular automata models focus mostly on the physical environments and cell neighbours, but ignore the ‘human’ aspect of the allocation of urban expansion cells. This limitation is overcome here using an intelligent self-adapting multiscale agent-based model. To simulate the urban expansion of Auckland, New Zealand, a total of 15 urban expansion drivers/constraints were considered over two periods (2000–2005, 2005–2010). The modelling takes into consideration both a macro-scale agent (government) and micro-scale agents (residents of three income levels), and their multi-level interactions. In order to achieve reliable simulation results, ABM was coupled with an artificial neural network to reveal the learning process and heterogeneity of the multi-sub-residential agents. The ANN-ABM accurately simulated the urban expansion of Auckland at both the global and local scales, with kappa simulation value at 0.48 and 0.55, respectively. The validated simulation result shows that the intelligent and self-adapting ANN-ABM approach is more accurate than an ABM with a general type of agent model (kappa simulation = 0.42) at the global scale, and more accurate than an ANN-based CA model (kappa simulation = 0.47) at the local scale. Simulation inaccuracy stems mostly from the outdated master land use plan.     

Assimilating process context information of cellular automata into change detection for monitoring land use changes

This article presents a new method of assimilating process context information into change detection for monitoring land use changes. The accurate information about land use changes is important for implementing many global and regional environmental models. Two types of models have been independently developed to obtain such information, including change detection models (e.g. pixel-to-pixel comparison, post-classification comparison and object-based change analysis) and simulation models (e.g. cellular automata (CA) and agent-based modelling). These models may have limitations in capturing land use dynamics when used alone. In this study, the ensemble Kalman filter is used to obtain the best estimate of land use changes by combining remote-sensing observations with urban simulation. Urban simulation is able to provide process context information such as diffusion and coalescence of urban development. This type of complementary information is useful for improving the performance of change detection. Compared with traditional change detection models, this integrated model has the potential to improve the performance of change detection in terms of accuracies and landscape metrics. For example, the assimilating (MLC + CA) method can show improvement of the total accuracy and the kappa coefficient by 2.5–5.2% and 3.6–7.4%, respectively, in this study.     

土地变化模型方法综述

土地系统变化长期以来不仅是地理学研究热点,也是资源环境经济学、生态学、城市规划等多学科领域关注的主题。构建模型模拟土地变化能够促进理解人地相互作用机制,模拟结果可为土地资源优化与资源环境政策制定提供依据。不同研究者基于不同学科理论、应用多种方法构建土地变化模型,模型从早期关注自然覆被类型变化发展到对人类决策行为的刻画,从统计方法发展到更突出空间分布的元胞自动机方法,以及更聚焦土地变化过程的经济学方法和多主体方法。未来土地变化模型发展方向为：在多尺度进行多方法耦合,对土地变化过程进行更为明晰地刻画,将土地变化模型与其他地球系统模型耦合等方面,进一步能够促进解释复杂人地系统,并推进模型在决策支持层面的应用。     

城乡土地市场一体化对土地利用/覆被变化的影响研究综述

为了破除城、乡土地市场分割现状,最终实现“山水林田湖”共同发展的目标,需要推进城乡土地市场一体化发展。分别从城市土地市场、农村集体性建设用地非正式市场和农村农用地流转市场3个方面对土地利用/覆被变化的影响机理研究进行梳理。结果认为：第一,城乡土地市场割裂的状况仍然存在,并且对土地利用/覆被变化产生较大影响;第二,城市国有建设用地市场的发育程度不同,直接影响土地供求关系和土地利用结构,甚至对土地利用配置效率产生影响;第三,农村集体性建设用地市场已现雏形,但由于产权的模糊性而缺乏法律上的监管和保障,加快了土地利用类型的过度非农化转化。另外,农用地流转市场的出现也改变了土地利用的功能和类型;最后,城乡土地市场分割现象会对土地利用系统的可持续性和生态环境产生一定影响。在以上研究结果基础上认为未来研究需要进一步加强对城乡土地市场一体化的分析,且揭示城乡土地市场一体化对区域土地利用/覆被变化影响机理（格局、过程、效应）。     

中国城市化过程中生态环境研究的文献计量分析

中国城市化过程中生态环境研究成果丰富,总结其演变过程利于把握该领域现状与趋势。本文从城市化文献视角对中国城市化过程中的生态环境研究在研究成果、研究子领域、研究主题、理论和方法等方面进行总结。结果表明,从2005年起中国城市化文献中关于生态环境的研究呈加速增长的态势;资源领域的国土资源和产业子领域,生态领域内经济子领域和环境领域内气候和城市环境子领域受到了较多的关注;＂土地利用＂和＂热岛效应＂一直是最热的关键词,分别占全部关键词出现频次的0.15%和0.09%,＂热岛效应＂和＂气候变化＂则是近期热点;主要理论涉及生态学、数理模型、资源与环境经济学、环境科学等,其中生态足迹理论从2002年起一直占据主流,STIRPAT模型、环境库兹涅茨曲线等综合理论模型是近期热点理论;依方法来源和主要应用领域将1992-2011年主要方法分为4类,即统计类（65.17%）、系统类（13.11%）、机理类（11.79%）和测评类（9.93%）。灰色系统分析和R/S分析近年来常见的方法。由此得出主要结论：中国城市化研究对城市土地利用、城市热岛、气候变化和水资源等大尺度的生态环境问题更加重视,对城市环境健康等微观尺度生态环境问题关注相对不足;以STIRPAT和多种土地利用变化模型为代表,综合自然和经济理论采用系统建模方法评价和模拟城市化过程中的生态环境效应将是未来研究的重点。     

智能体模型在微观土地利用行为模拟中的应用及启示

分析智能体模型在国内外微观土地利用行为模拟中的研究现状,指出研究中主要存在行为人行为规则简单、模型定量化方法单一、实证模型解释力不强等不足,提出进一步改进的方向和建议:在研究内容上应加强行为人决策机制研究;在研究区域上应加强农业土地利用变化及相关政策分析研究;在研究方法上应综合集成多学科相关研究成果。     

基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。     

城市自然地理学的理论、实践和发展

在全球快速城市化背景下,城市成为经济高速发展、人类活动高度集中、人地相互作用最强烈的区域,人工环境下“第二自然格局”的形成以及剧烈的城市土地利用/覆被变化效应使得城市自然地理学在城市复杂系统的研究中具有重要的理论和应用价值。本文通过对城市自然地理学的缘起、学科发展的综合分析,从学科理论体系、研究内容以及前沿发展领域等方面进行了论述,以期丰富和深化城市自然地理学研究内容,并进一步推动城市自然地理学的研究和发展。未来,城市自然地理学的研究应从以下方面开展：①关注基础理论研究,深化学科理论体系;②发展多学科的交叉视角,深化城市地表系统多要素变化研究;③聚焦城市自然—人文复杂系统,揭示自然和人文多要素间耦合机理及驱动机制;④拓宽城市服务应用领域的研究,提供城市可持续发展的多目标决策。     

基于多智能体建模技术的城市用地时空演化研究

为应对现代城市发展在用地资源分配和生态环境保护上遇到的巨大挑战,研究在综合复杂系统理论、城市经济学以及地理信息系统等多种学科技术的前提下,应用多智能体建模软件NetLogo构建了一个以“由下至上”运行机制为主的城市用地拓展模型,通过不同微观个体之间的互动反馈行为来实现对圣地亚哥城市宏观用地布局的模拟,并应用逐点比对和整体比对两种不同的精度检验方法来测算模型分析结果的准确性;针对当前模型研究存在的问题和未来可能的改进方向进行了归纳分析。     

城市土地利用扩展的空间模式与动力机制

本文通过系统地评析国外不同学术派系对城市土地利用扩展的空间模式、动力机制及管理政策的研究进展 ,指出其研究重点已从归纳空间演替模式深化到探究城市土地开发过程中的决策过程与动力机制 ,从崇尚土地市场的自由运作转向对其进行精明管理。