摘要
矢量元胞自动机（VCA）是利用地籍地块数据中的精细空间细粒度信息进行地籍地块尺度土地利用变化模拟的有效模型。时间维度可以进一步提高VCA的性能。然而，在确保准确捕获细粒度信息的同时，为VCA精确捕获地籍地块数据中的时间序列数据信息是具有挑战性的。本文介绍了Temporal-VCA框架，该框架充分利用地籍地块中时序数据的精细时空粒度信息，提高了VCA的准确性。以深圳2009年至2014年的地籍图数据为例，本研究展示了深度学习技术如何更好的解决VCA模型中的时间依赖性问题。Temporal-VCA显著提高了土地利用变化模拟精度，高达22.12%，优于RF-VCA模型和传统栅格CA模型。它揭示了地籍地块尺度城市发展过程中复杂的非线性时间模式。本研究设计模拟了2030年的不同发展场景，包括无序发展和生态保护的场景，突出了在城市规划中充分利用时序数据的精细时间细粒度信息的好处，在生态保护场景下，生态破坏可减少至少70%。我们的研究结果为城市土地利用模拟提供了一种新的方法，对城市规划和可持续城市的发展具有重要意义。
1
引言
近年来，全球城市经历了快速发展阶段，对生态环境产生了巨大影响。2016年联合国颁布的《城市与污染》报告指出，全球城市只占地球表面不到2%的面积，但消耗了全世界78%的能源，产生了超过60%的温室气体排放。因此，了解城市用地的变化已成为世界各国研究者热切关注的议题。
城市土地利用变化是指城市化过程中城市内部及周边各类土地的空间分布和功能结构发生的变化。模拟城市土地利用变化有助于优化城市土地利用结构和空间布局，加深城市化对土地利用变化影响机制的理解。元胞自动机（CA）作为一种经典的空间动力学模型，具有“自下而上”的特点，能够在动力学系统中保留更多的基础和细节，在城市土地变化模拟中逐渐占据主导地位。传统的CA模型基于规则形状的栅格单元，设置特定的转换规则来改变元胞状态，模拟城市发展的时空动态变化。由于土地利用具有空间异质性，在模拟中通常需要考虑边界条件。在栅格CA模型中，处理边界条件可能是一个挑战。矢量CA（VCA）模型在地籍地块尺度上模拟地理特征和土地利用边界时更准确。此外，通过使用不同形状和大小的空间单元，可以更准确地表示不同区域的空间异质性。
时间是进一步提高VCA模拟土地利用变化性能的一个潜在维度。不同的土地利用变化存在不同的潜在时间周期模式，并影响城市土地利用的整体动态。土地利用变化的时间依赖性是指不同时期土地利用类型和格局的变化趋势和格局，当前和历史状态和条件都会影响土地利用变化。例如，用于城市扩张的郊区土地正在经历快速而持续的土地利用转型，而生态保护区的土地利用模式随着时间的推移保持不变。学者们将这些模式视为土地利用变化的时间依赖性。先前的研究对传统栅格CA模型的时间依赖性进行了研究。然而，VCA模型中的时间依赖性仍有待进一步探索。因此，将时间序列信息的捕获能力纳入VCA模型，对于准确实现土地利用预测和提高模型信息捕获的灵敏度具有重要意义。
本文提出了一个用于模拟城市土地利用变化的Temporal-VCA框架，该框架将地籍地块数据的时间序列信息与VCA相结合。该框架以广东省深圳市为研究区域，基于精细空间粒度的土地利用地籍地块和时间序列数据。通过耦合多个机器学习、深度学习模型和VCA模型，有效探索了土地利用变化的时间变化机制和动态特征，模拟和预测了城市土地利用变化，提高了模拟精度。为了验证模型的有效性并评估不同政策的实施效果，本文基于不同的发展场景进行了长时序土地利用变化模拟。该框架旨在基于土地利用地籍地块数据分析城市土地利用变化的时间变化机制，揭示城市化发展的规律和未来趋势，为模拟城市土地利用的变化提供一种新的途径和方法。
本研究的贡献在于：（1）Temporal-VCA通过改进VCA模型的时间序列信息的捕获能力，有效增强了地籍地块尺度上土地利用变化模拟能力。（2）Temporal-VCA能够同时充分利用土地利用地籍地块数据的精细空间粒度和时间序列数据。
2
研究区域和数据
本研究以中国深圳市为个案，作为研究区域。以单个案例为研究区域，有助于验证城市土地利用变化模型的合理性，为未来城市发展提供深入的政策建议。深圳是一个新兴和快速发展的城市，面积1997.47平方公里，下辖9个行政区和1个新区。在城市化进程中，深圳市强调土地资源的高效集约利用。然而，由于快速的城市化进程和经济发展的需要，一些地区存在土地资源过度开发利用的现象，这是当代城市发展的普遍困境。研究表明，从1979年到2017年，深圳的快速城市化导致土地开发增加了3400%，引发了包括环境和基础设施挑战在内的城市问题。
因此，深圳的城市发展模式是中国快速城市化的代表性案例，也是全球城市化的知名案例。总结深圳的发展模式，可以为其他城市在类似城市化阶段可能面临的问题和挑战提供参考和解释，使其成为本研究的理想案例区。
3
方法
4
结果
4.1 土地利用变化模拟结果分析
图3 土地利用动态模拟结果（A）2014年真实土地利用情况；（B）2014年土地利用变化最优模拟结果（KNN-VCA）；（C）A、B、C和D表示FoM度量公式中四种情况下的预测地块
4.2 不同场景预测结果
基于Temporal-VCA与不同未来发展场景，本文针对深圳市2030年土地利用变化进行了长时序预测（图4），并对土地利用时序特征进行了定量研究。表2展示了不同场景下2030年各类土地利用面积情况。结果表明，由于生态保护与可持续发展战略的有效实施，城市绿地得到有效保护，但将会给公共管理服务用地带来巨大挑战，该类用地到2030年将会减少6%。其次，在所有场景下2014至2030年间未利用地持续扩张，城市建设用地的发展将受到限制。
5
结论
论文 | 土地覆盖变化矢量元胞自动机模型的适用性及敏感性分析
论文 | CarbonVCA：地籍地块尺度下的城市碳排放与“碳达峰”预测框架
论文 | 基于矢量元胞自动机的特大城市精细尺度经济空间分布演变预测研究
论文 | 耦合卷积神经网络与矢量元胞自动机的城市土地利用变化模拟
论文 | “土地-人口-经济”空间协同模拟模型：以粤港澳大湾区为例
软件 | CoCA v1.1.0：基于元胞自动机模型的“土地-人口-经济”空间协同模拟平台
