综合生态安全格局构建与城市扩张模拟的城市增长边界划定——以天水市规划区(2015—2030年)为例
丛佃敏1,2, 赵书河1,2, 于涛3, 陈诚4, 王小标1,2
1. 南京大学地理与海洋科学学院,南京 210023
2. 江苏省地理信息技术重点实验室,南京 210023
3. 南京大学建筑与城市规划学院,南京 210093
4. 南京水利科学研究院,南京210029
*通信作者简介:于涛(1978- ),男,副教授,研究方向为城市与区域规划、城乡空间发展机制、城乡治理与对策。E-mail: taoyu@nju.edu.cn

第一作者简介:丛佃敏(1992- ),女,硕士,研究方向为城市规划、机器学习、遥感图像处理等。E-mail: njucdm_job@163.com

摘要

传统的城市增长边界划定方法,一般仅考虑生态安全格局,并未考虑在现有客观条件下的城市扩张趋势,划定结果具有一定的主观性;或仅对城市的扩张进行模拟,忽略了城市的生态安全问题。针对上述问题,论文通过耦合城市综合生态安全格局与基于CA_Markov模型的城市扩张模拟结果,提出了一种新的城市增长边界划定方法:首先,合理选取因子构建研究区的综合生态安全格局,利用禁建区对综合生态安全格局的结果进行修正,获得研究区的刚性增长边界;其次,合理选取城市扩张驱动因子,通过CA_Markov模型预测城市扩张边界;最后,综合考虑刚性增长边界、模拟获得的城市扩张边界及近期城市拓展方案等,获得最终的城市增长边界。并以天水市规划区(2015—2030)为案例,对方法的科学性进行了说明。结果表明,论文划定的城市增长边界内总面积370.56 km2,占规划区总面积的7.7%。此方法能够有效解决城市增长与生态保护之间的矛盾,对河谷型城市等建设用地匮乏、生态环境脆弱城市的增长边界划定具有良好的应用价值,也可为其他类型城市的城市增长边界划定提供参考。

关键词: 城市增长边界; 综合生态安全格局; 刚性增长边界; CA_Markov模型; 城市扩张模拟
中图分类号:TU984 文献标志码:A 文章编号:1000-3037(2018)01-0014-13
Urban Growth Boundary Delimitation Method Integrating Comprehensive Ecological Security Pattern and Urban Expansion Simulation—A Case Study of Planning Areas in Tianshui City (2015-2030)
CONG Dian-min1,2, ZHAO Shu-he1,2, YU Tao3, CHEN Cheng4, WANG Xiao-biao1,2
1. Department of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China
2. Jiangsu Key Laboratory of Geographic Information Science and Technology, Nanjing 210023, China
3. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
4. Nanjing Hydraulic Research Institute, Nanjing 210029, China
Abstract

Traditional methods for urban growth boundary delimitation generally consider the construction of ecological security patterns or the simulation of urban expansion. The former methods ignore the expansion of the city and are of less objectivity while the later methods only take the urban expansion into consideration and ignore the ecological security issues. To solve the above problem, the paper proposes a new method for delimitating urban growth boundary by integrating the comprehensive ecological security pattern and the simulation of urban expansion. Four kinds of factors are selected to build the comprehensive ecological security pattern and are used to modify the rigid urban growth boundary based on the designated no-construction areas. Then, the city expansion boundary is obtained through the simulation of the city expansion with suitable internal driving factors and CA_Markov model. The urban growth boundary of Tianshui City is delaminated by the method integrating the comprehensive ecological security pattern and the simulation of urban expansion. The final delimitation of urban growth area is 370.56 km2 in total, accounting for 7.7% of the whole planning area. Currently, the built-up area is 140.64 km2 and the area remained to be built is 154.05 km2. This method solves the contradiction between city growth and ecological protection effectively, which is of great importance for the growth boundary delimitation of the valley cities with land shortage and fragile ecological environment.

Keyword: urban growth boundary; comprehensive ecological security pattern; the rigid urban growth boundary; CA_Markov model; simulation of urban expansion

改革开放30多年来, 我国城镇化发展迅猛, 城镇化水平由1978年的17.9%增长到2014年的54.77%[1]。快速城镇化在推动城市经济社会迅猛发展的同时, 也造成了诸如生态环境破坏、过度开发、耕地面积锐减等一系列问题[2, 3], 严重影响了社会的可持续发展, 以资源消耗与环境污染为代价的城市扩张模式难以为继。与此同时, 我国仍处于快速城镇化时期, 城市的人口集聚、经济增长及产业发展仍需要更多的城市用地[4]。尤其在建设用地较为匮乏的区域, 生态保护与用地需求的矛盾日益突出。

为缓解生态环境保护与用地需求之间的矛盾, 我国在2006的《城市规划编制办法》中明确提出城市增长边界(Urban Growth Boundary, UGB)的概念, 要求在城市总体规划编制内容中研究中心城区城市增长边界, 明确建设用地的规模及其范围[5]。合理划定UGB, 能够在避免对生态环境与农田保护造成威胁的前提下, 提高城市空间利用率, 保证城市的健康发展[6, 7]

UGB即在城市外围设定城市扩张的边界, 要求城市在此边界范围内增长, 其最早在美国的“ 精明增长” 运动中被提出[8], 特别是美国西部城市波特兰的UGB划定已经成为UGB划定的经典案例[9]。美国已经将UGB作为保持城市精明增长的重要手段并使之合法化[10], 瑞士、印度等其他国家也逐渐认识到UGB在城市规划中的有效性[11, 12]。Bhatta利用GIS等技术模拟了印度加尔各答的UGB[12]; Tayyebi等利用神经网络与GIS等综合划定了伊朗城市德黑兰的UGB[13]。国内对于UGB的研究起步较晚, 张进首先将UGB作为城市增长管理的工具引入国内[14], 此后如何科学合理地划定UGB逐渐成为研究热点。

国内外现存的划定UGB的方法主要有两种:第一种是通过GIS的叠置分析进行用地适宜性评价或者生态安全格局的构建, 进而综合其他要素划定最终的UGB[3, 15, 16, 17]。刘焱序等基于生态适宜性评价并结合风险控制划定了济宁市太白湖新区的UGB[3]。祝仲文等利用土地生态适宜性评价划定了防城港市的城市空间UGB[15]。但此方法仅考虑了研究区的生态条件, 并未考虑研究区现有的人口、经济等城市扩张的客观条件, 划定结果具有一定的主观性。另一种方法是利用人工神经网络、CA模型等对城市远景年的生长边界进行预测, 进而划定远景年的UGB[18, 19, 20]。付玲等利用BP神经网络模型对北京市的UGB划定进行了预测[18]。苏伟忠等综合系统动力学模型、元胞自动机分析研究常州市区的UGB[20]。这种方法考虑了城市扩张的内部驱动因素, 但对城市本身的生态条件关注不够, 划定结果往往会破坏城市生态环境, 不利于城市的可持续性发展。而对于生态环境脆弱、建设用地匮乏的河谷型城市, 生态环境保护与城市发展之间的矛盾更加尖锐, 如何合理地划定UGB成为目前亟待解决的问题。

为解决上述UGB划定中存在的问题, 本文通过耦合城市综合生态安全格局与基于CA_Markov模型的城市扩张, 辅以研究区城市扩展方案及未来发展定位, 探索一种城市增长边界划定的新方法, 并以河谷型城市天水市为例进行了案例说明。结果表明, 此方法能够在保证生态安全的前提下, 为城市发展提供有利的用地保障, 对河谷型城市等建设用地匮乏城市的UGB划定具有良好的应用价值。

1 研究区概况与数据来源
1.1 研究区概况

天水市位于甘肃省东南部, 地理范围为104° 34′ ~106° 43′ E、34° 04′ ~35° 11′ N, 土地总面积14 325 km2, 总人口326万人(第六次人口普查数据)。天水市处于陕、甘、川三省交界处, 地势西北高、东南低, 东部和南部为山地地貌, 北部为黄土丘陵地貌, 中部绝大部分属黄土丘陵区, 地质环境非常脆弱。天水市属暖温带半湿润半干旱气候的过渡带, 四季分明, 春季冷暖多变, 夏季雨水集中, 年平均降雨量551.7 mm, 全年降雨量的60%以上集中在7— 9月。本文研究范围为天水市新规划区(2015— 2030年), 主要包含秦州、麦积两区及秦安、甘谷县的大部分, 总面积约为4 797.5 km2, 占天水市总面积的33.3%, 详细范围如图1所示。

图1 研究区范围Fig. 1 The location of the study area

1.2 数据及数据来源

本文使用的数据及数据来源主要如表1所示, 其中天水市研究区的土地利用数据主要是利用Landsat影像数据通过面向对象的分类方法获得。

表1 本文所采用的数据及数据来源 Table 1 The data sources
2 研究方法
2.1 综合生态安全格局构建

单因子评价方法常采用特尔斐法确定各个因子的敏感性分值及权重。因研究区地质环境脆弱, 水资源匮乏, 森林生态资源丰富, 本文选取了工程地质因子、水资源敏感性因子、生态敏感性因子以及重大市政设施因子四大类, 最终整理出的因子权重及分值如表2所示。

表2 因子权重及赋分 Table 2 Factors and their weights

1)工程地质因子

① DEM:从30 m空间分辨率的GDEM数据中获取。因研究区绝大部分属黄土丘陵区, 考虑到研究区内海拔较高的区域多为坡度较陡峭的山地, 水土流失现象严重, 本文将DEM数据纳入考虑。同时, 规划区内西部与南部多1 800 m以上的山地, 且大部分1 500 m以上的区域地形较为陡峭, 为更加详细地区分不同高程的适宜建设程度, 本文以1 300、1 500、1 800、2 100 m为分界点分别赋予不同的敏感性分值。

② 坡度:利用30 m的DEM数据在ArcGIS软件中计算获得。城市用地规范中规定城镇建设用地坡度最大不超过25° 。考虑到研究区多为黄土丘陵区, 土质疏松。坡度越高, 水土流失状况越严重, 本文以7° 、15° 、20° 、25° 为分界点分别赋予不同的敏感性分值。

③ 地质灾害易发分级、地震断裂带、水土流失:均利用ArcGIS经过配准、数字化获得。天水市属高地震烈度的城市。参照《城乡用地评定标准》及规划区当地情况, 以地震断裂带为中心, 分别做0~200、200~400 m缓冲区划定为断裂带高敏感区、中敏感区, 剩余区域为断裂带低敏感区。

2)水资源敏感性因子

① 地表水源保护区:数据利用ArcGIS经配准、数字化获得。天水市本就属水资源短缺型城市, 城市供水能力严重不足。现有的地表水源保护区对于保证规划区内居民的日常生活用水意义重大, 其中对于最为重要的一级水源保护区, 更要加强保护。

② 地下水源地:经配准、数字化获得。地下水的浮力和腐蚀性会影响建筑地基, 带来土体边坡的稳定性变化, 不利于城市的开发建设; 同时, 地下水源地又是城市供水的主要来源, 在城市建设过程中应尽量避开地下水源地。

③ 低洼易涝区及湖泊水系:地势低平区在雨季易发生洪涝灾害, 对城市的公共资源及居民生命财产产生严重威胁。利用ArcGIS水文分析工具, 基于DEM数据计算汇流累积量, 模拟规划区的降雨过程, 综合汇流累积量及高程数据, 提取规划区内的低洼易涝区, 并进行分级。湖泊水系是根据2015年的土地利用数据获得, 湖泊水系区域的生态敏感性最高。

3)生态敏感性因子

① 植被覆盖度:根据2015年的Landsat 8数据计算获得, 其是对地区植被覆盖密度的定量化描述。研究区内森林等生态资源丰富, 且生态环境脆弱, 在城市建设过程中, 应尽量避免对生态价值较高的树种造成破坏。

② 净初级生产力(NPP):NPP是生产者能用于生长、发育和繁殖的能量值, 也是生态系统中其他生物成员生存和繁衍的物质基础, 值越高表明生态价值越高。本文利用遥感反射率数据计算获得NPP并对其进行分级。其中, 建成区NPP一般为0。

③ 生态环境格局:用全球环境监测指数(GEMI)表示, GEMI较大的动态范围使其能适合从稀疏植被到茂密森林的监测, 能更好地反映地表的生态价值。GEMI数据越大, 表明生态敏感性越强。本文将GEMI数据划分为高生态安全格局、中生态安全格局以及低生态安全格局, 获得更详细的生态环境格局分级结果。

④ 喜水动物栖息地:喜水动物栖息地反映的是规划区内部环境适宜动物生存的程度, 其对于生物多样性具有重要的价值。利用遥感被动微波扫描辐射计土壤水分数据, 综合规划区植被以及水系分布状况计算得到喜水动物栖息地分布图并划分为不适栖息地、一般栖息地、优良栖息地及优等栖息地。

⑤ 基本农田:通过土地利用类型数据提取获得。根据《农业法》相关规定, 基本农田不同于普通耕地, 生态敏感性最高。

4)重大市政设施因子

① 机场净空及噪音:《中华人民共和国民用航空法》规定, 禁止在机场净空保护区域内修建不符合机场净空要求的建筑物或者设施。受飞机场净空限制, 在城市发展过程中应尽量避免在0~20 km范围内修建过高的建筑物。

② 重大市政及防护廊道:重大市政走廊设施对于维持居民日常生活所需的水源、能源等意义重大, 应尽量避免在重大市政走廊周边区域进行建设。综合规划区重大市政及周边分布, 划定重大市政设施及其周边200 m范围为重大市政走廊的防护区域。

2.2 CA_Markov模型模拟城市增长

CA_Markov模型有效地组合了Markov过程与CA模型的优势, 在考虑元胞状态变化的同时, 不仅考虑了转换规则, 还考虑了元胞所处空间位置对于其转化的影响, 已广泛应用于土地利用变化的模拟[21, 22]。CA_Markov模型的预测过程可用式(1)表示:

C(tj+1)=F[C(tj), N](1)

式中:、 C(tj+1)分别为在、时刻元胞的状态; 为转换规则; N为元胞的邻域。本文在模拟过程中, 主要选择高程、坡度、交通可达性及人口密度作为城市扩张的驱动因子, 对2030年的土地利用扩张进行模拟。

1)高程及坡度:作为城市发展的客观条件, 是城市扩张的物质基础[23], 对于研究区城市建设用地的扩张具有重要影响, 因此本文选择高程、坡度作为城市扩张的驱动因子。

2)交通可达性:交通沿线具有潜在的高经济性, 城市空间拓展往往表现出明显的沿交通线定向推进的特征[24]。交通可达性对城市空间形态演化起着决定性作用, 因此本文将交通可达性作为城市内部扩张的驱动因素之一。特定地区的交通可达性主要体现在距离国道、省道、县道等交通干线的远近。本文分别以研究区内主要的省道、县道、乡间道路矢量数据进行基于GIS的缓冲区分析, 获得研究区的交通可达性分布。

3)人口密度:人口对于城市空间扩张有着主导性的驱动作用, 不仅代表区域人口的差异, 也是区域经济水平的一个重要体现[2, 25]。本文将人口密度作为城市扩张的重要因素, 选取2014年人口统计年鉴数据, 获得各个乡镇的人口, 并计算获得各个区域的人口密度。

2.3 城市增长边界划定

本文针对河谷型城市UGB划定问题, 耦合生态安全格局与CA_Markov模型, 一方面通过GIS的叠置分析获得综合生态安全格局, 利用禁建区对综合生态安全格局的结果进行修正, 获得研究区的刚性增长边界; 另一方面, 合理选取城市扩张驱动因子, 通过CA_Markov模型预测城市的扩张边界。同时, 考虑到城市未来发展定位及城市扩展方案对UGB划定的重要导向作用, 综合考虑刚性增长边界、模拟获得的城市扩张边界、规划区的客观条件及城市发展定位等获得了规划区2030年的城市增长边界, 流程如图2所示。

图2 城市增长边界划定技术路线Fig. 2 The technology roadmap for the delimitation of the urban growth boundary

3 结果与讨论
3.1 综合生态安全格局构建结果

3.1.1 单一生态安全格局构建

在生态敏感性因子分析的基础上, 基于景观安全格局理论和GIS遥感技术, 分别构建地质灾害、水资源、生物保护和重大市政四大类(图3)关键性单一生态过程的安全格局, 进而综合叠加各单一过程的安全格局, 构建具有不同安全水平的综合生态安全格局, 形成保障天水市规划区生态安全的生态基础设施。

图3 天水市地质灾害(a)、水资源(b)、生物保护(c)、重大市政(d)安全格局Fig. 3 Security patterns of geological hazards (a), water resource (b), biology conservation (c) and municipal administrations (d) in Tianshui City

3.1.2 综合生态安全格局构建

将4个单一过程的安全格局, 通过GIS手段进行空间叠加, 得到最终的规划区综合生态安全格局, 如图4所示。高安全水平区域为适宜修建的用地, 是城市未来发展的主要区域; 中安全水平区域是基本上适宜修建的用地; 低安全水平区域为不适宜修建的用地, 这类用地一般来说用地条件很差, 同时也是规划区生态安全的基本保障, 是城市发展不可逾越的生态底线, 原则上不允许任何形式的开发建设行为。

图4 规划区综合生态安全格局Fig. 4 Comprehensive ecological security pattern in the study area

3.2 城市刚性增长边界划定

为确保在刚性边界划定时, 像地震断裂带、滑坡泥石流区域等禁建区在进行综合安全格局构建时生态敏感性得分较低, 本文对单因子进行禁建区划定, 进行“ 一票否决制” 的叠加方案。其中, 主要选定表3中的因子进行“ 一票否决” 的刚性边界划定方案。同时结合综合生态安全格局的生态敏感性评价结果, 最终划定的刚性边界结果如图5所示。

表3 禁建区因子说明 Table 3 Factors for no-building areas

借助ArcGIS软件进行统计分析, 研究区范围内已建设用地面积为162.70 km2, 刚性增长区域面积为338.51 km2。刚性增长区域主要集中在天水市区山体的南北两侧及秦安、甘谷县城, 同时三阳川区域也存在大量可以继续扩张的用地。

图5 刚性增长边界划定结果Fig. 5 Delimitation result of the rigid urban growth boundary

3.3 远景年城市扩张模拟

3.3.1 城市扩张驱动因子的选取

本文选择高程、坡度、交通可达性及人口密度(图6)作为城市扩张的驱动因子, 通过Logistic回归获得每种土地利用类型的转移适宜性图像集, 然后将每种土地利用类型的适宜性图集结果进行叠加, 获得最终的土地利用适宜性图集评价结果。

图6 城市扩张驱动因子Fig. 6 Driving factors of the urban expansion

3.3.2 基于CA_Markov模型的2030年城市扩张模拟

本文首先利用研究区2005、2010年的土地利用结果, 获得预测精度可行的CA_Markov模型。然后利用训练好的CA_Markov模型进行城市扩张模拟, 获得2030年的土地利用结果(图7)。其中, 2015— 2030年预测扩张面积为135.77 km2, 约占整个规划区面积的2.83%, 扩张方向主要集中在甘谷、秦安县城以及三阳川区域。

图7 2030年建设用地扩张模拟结果Fig. 7 Simulation result of the urban expansion

城市内部扩张驱动因子的选择对于模拟精度具有重要影响, 本文选取高程、坡度、交通可达性及人口密度进行模拟。将模拟得到的2015年土地利用结果与真实的2015年数据进行对比, 计算得到Kappa系数为0.89, 说明训练得到的CA_Markov模型具有良好的土地利用变化模拟精度, 保证了2030年建设用地扩张结果的科学性和准确性。

3.4 城市增长边界划定

城市未来发展定位对UGB的划定具有重要的导向作用。天水未来要以多组团综合化跨越式发展, 拓展城市用地范围, 打造西陇海兰新经济带的重要节点城市、关中— 天水经济区次核心城市、甘肃省东部城市群中心城市[26]。因此, 天水市亟待在更大的市域范围寻求优势资源统筹。未来城市扩展需要将甘谷、秦安纳入城区范围, 通过城乡统筹, 努力拓展城市规划区范围, 实现天水城市发展由“ 一城两区” 向“ 一城五区” 的战略转变[26]。同时, 也应综合考虑社棠开发区、二十里铺工业示范区及三阳川工业园等新兴经济增长点的扩容需求。

本文在划定UGB时, 将上述天水市未来城市定位、城市扩展的基本方案、城市刚性增长边界、2030年发展模拟边界相结合, 同时综合研究区的自然条件, 获得研究区2030年的城市增长边界, 最终划定的城市增长边界如图8所示。

图8 城市增长边界划定结果Fig. 8 UGB delimitation in the study area

其中, 2030年城市增长边界内包含面积370.56 km2, 占规划区总面积的7.7%。城市增长边界内已建设用地面积140.64 km2, 去除城市增长边界内少量的生态敏感性区域, 剩余可建设用地面积为154.05 km2。本文划定的UGB面积小于生态安全格局预测的城市可建设用地面积, 同时能够为规划区远期城市增长提供有利的用地 保障。

城市增长是一个复杂的过程, 不仅受城市自然、经济条件的约束, 人为因素、政策的影响也不容忽视。本文提出的UGB划定方法, 主要考虑生态环境脆弱、用地资源匮乏的河谷型城市生态保护与城市发展之间的尖锐矛盾, 以保障生态文明为基础, 尽可能满足城市用地发展需求, 是一种方法上的探索。本文在生态安全格局构建过程中, 紧贴研究区特征, 因子选取合理, 敏感性赋值详细; 在城市扩张模拟过程中, 因子选取得当, 模型预测精度良好, 但因子选取的全面性还需要进一步验证。同时, 由于数据和技术等方面的限制, 本文在选择城市扩张内部驱动因子时, 未考虑区域经济及用地租金等因素的影响, 需要在后续研究中完善。

4 结论

通过耦合城市综合生态安全格局与基于CA_Markov模型的城市扩张模拟结果, 本文提出了一种新的UGB划定方法:一方面, 根据研究区现状, 合理选取因子构建综合生态安全格局, 并对结果进行修正, 获得刚性增长边界; 另一方面, 选取高程、坡度、交通可达性、人口密度作为城市扩张的驱动因子, 利用CA_Markov模型获得2030年的城市扩张边界。最后, 综合城市刚性增长边界、2030年土地利用扩张结果、天水市未来城市定位及近期城市扩展方案, 获得了2030年的城市增长边界。主要结论有:

1)研究区剩余刚性可增长区域面积为338.51 km2, 约占整个规划区面积的7.1%。

2)利用CA_Markov模型进行城市扩张模拟, 获得2015— 2030年可扩张面积为135.77 km2, 约占整个规划区面积的2.83%。

3)天水市2030年城市可增长面积为370.56 km2, 占规划区面积的7.7%。城市增长边界内已建设用地面积140.64 km2, 剩余可建设用地面积154.05 km2

本文提出的UGB划定方法能够在保障生态安全的前提下, 促进城市实现最大化发展, 对河谷型城市等建设用地匮乏、生态环境脆弱的城市的UGB划定具有良好的应用前景, 对其他类型城市的UGB划定也具有一定的参考价值。此外, 由于数据和技术等方面的限制, 本文在选择城市扩张内部驱动因子时, 未考虑区域经济发展及用地租金等因素, 需要在后续研究中完善, 不断提高该方法的科学性和实用性。

致谢:特别感谢陈骋、庄喜阳先生,张依冉、李娴女士在数据获取中提供的支持与帮助。

The authors have declared that no competing interests exist.

参考文献
[1] 中华人民共和国国家统计局. 中国统计年鉴 [M]. 中国统计出版社, 2014.
[National Bureau of Statistics of the People’s Republic of China. China Statistical Yearbook. Beijing: China Statistics Press, 2014. ] [本文引用:1]
[2] 刘辉, 张志赟, 税伟, . 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): 391-405.
[LIU H, ZHANG Z Y, SHUI W, et al. Urban growth boundary delimitation of resource-exhausted cities: A case study of Huaibei City. Journal of Natural Resources, 2017, 32(3): 391-405. ] [本文引用:2]
[3] 刘焱序, 彭建, 孙茂龙, . 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): 2605-2613.
[LIU Y X, PENG J, SUN M L, et al. Delimitation of urban growth boundary based on ecological suitability and risk control: A case of Taibai Lake New District in Jining City, Shand ong, China. Chinese Journal of Applied Ecology, 2016, 27(8): 2605-2613. ] [本文引用:3]
[4] 周艳, 黄贤金, 徐国良, . 长三角城市土地扩张与人口增长耦合态势及其驱动机制[J]. 地理研究, 2016, 35(2): 313-324.
[ZHOU Y, HUANG X J, XU G L, et al. The coupling and driving forces between urban land expansion and population growth in Yangtze River Delta. Geographical Research, 2016, 35(2): 313-324. ] [本文引用:1]
[5] 黄明华, 田晓晴. 关于新版《城市规划编制办法》中城市增长边界的思考[J]. 规划师, 2008, 24(6): 13-15.
[HUANG M H, TIAN X Q. Reflection on urban growth boundary in the new urban planning formulation means. Planners, 2008, 24(6): 13-15. ] [本文引用:1]
[6] JUN M J. The effects of Portland 's urban growth boundary on urban development patterns and commuting[J]. Urban Studies, 2004, 41(7): 1333-1348. [本文引用:1]
[7] BALL M, CIGDEM M, TAYLOR E, et al. Urban growth boundaries and their impact on land prices[J]. Environment and Planning A, 2014, 46(12): 3010-3026. [本文引用:1]
[8] American Planning Association. Chapter 6 Regional Planning [M/OL]// Growing Smart Guidebook. [2012-03-19]. http://www.planning.org/growingsmart/guidebook/six02.htm,2002. [本文引用:1]
[9] NELSON A C, MOORE T. Assessing urban growth management: The case of Portland , Oregon, the USA’s largest urban growth boundary[J]. Land Use Policy, 1993, 10(4): 293-302. [本文引用:1]
[10] HEPINSTALL-CYMERMAN J, COE S, HUTYRA L R. Urban growth patterns and growth management boundaries in the Central Puget Sound, Washington, 1986-2007[J]. Urban Ecosystems, 2013, 16(1): 109-129. [本文引用:1]
[11] MA S F, LI X, CAI Y M. Delimiting the urban growth boundaries with a modified ant colony optimization model[J]. Computers, Environment and Urban Systems, 2017, 62: 146-155. [本文引用:1]
[12] BHATTA B. Modelling of urban growth boundary using geo-informatics[J]. International Journal of Digital Earth, 2009, 2(4): 359-381. [本文引用:2]
[13] TAYYEBI A, PIJANOWSKI B C, TAYYEBI A H. An urban growth boundary model using neural networks, GIS and radial parameterization: An application to Tehran, Iran[J]. Land scape and Urban Planning, 2011, 100(1): 35-44. [本文引用:1]
[14] 张进. 美国的城市增长管理[J]. 国外城市规划, 2002(2): 37-40.
[ZHANG J. The urban growth management in the United States. Urban Planning Overseas, 2002(2): 37-40. ] [本文引用:1]
[15] 祝仲文, 莫滨, 谢芙蓉. 基于土地生态适宜性评价的城市空间增长边界划定——以防城港市为例[J]. 规划师, 2009, 25(11): 40-44.
[ZHU Z W, MO B, XIE F R. Delimitation of urban growth boundary based on land ecological suitability evaluation: A case of Fangchenggang. Planners, 2009, 25(11): 40-44. ] [本文引用:2]
[16] 周锐, 王新军, 苏海龙, . 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): 57-63.
[ZHOU R, WANG X J, SU H L, et al. Delimitation of urban growth boundary based on ecological security pattern. Urban Planning Forum, 2014(4): 57-63. ] [本文引用:1]
[17] 王振波, 张蔷, 张晓瑞, . 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): 2302-2311.
[WANG Z B, ZHANG Q, ZHANG X R, et al. Urban growth boundary delimitation of Hefei City based on the resources and environment carrying capability. Geographical Research, 2013, 32(12): 2302-2311. ] [本文引用:1]
[18] 付玲, 胡业翠, 郑新奇. 基于 BP 神经网络的城市增长边界预测[J]. 中国土地科学, 2016, 30(2): 22-30.
[FU L, HU Y C, ZHENG X Q. The prediction of urban growth boundary based on BP artificial neural networks: An application to Beijing. China Land Sciences, 2016, 30(2): 22-30. ] [本文引用:2]
[19] 龙瀛, 韩昊英, 毛其智. 利用约束性 CA 制定城市增长边界[J]. 地理学报, 2009, 64(8): 999-1008.
[LONG Y, HAN H Y, MAO Q Z. Establishing urban growth boundaries using constrained CA. Acta Geographica Sinica, 2009, 64(8): 999-1008. ] [本文引用:1]
[20] 苏伟忠, 杨桂山, 陈爽, . 城市增长边界分析方法研究——以长江三角洲常州市为例[J]. 自然资源学报, 2012, 27(2): 322-331.
[SU W Z, YANG G S, CHEN S, et al. Analysis method of urban growth boundary of the Changzhou City in the Yangtze River Delta. Journal of Natural Resources, 2012, 27(2): 322-331. ] [本文引用:2]
[21] GUAN D J, LI H F, INOHAE T, et al. Modeling urban land use change by the integration of cellular automaton and Markov model[J]. Ecological Modelling, 2011, 222(20): 3761-3772. [本文引用:1]
[22] GUAN Q F, WANG L M, CLARKE K C. An artificial-neural-network-based, constrained CA model for simulating urban growth[J]. Cartography and Geographic Information Science, 2005, 32(4): 369-380. [本文引用:1]
[23] 卜心国, 王仰麟, 沈春竹, . 深圳市地形对土地利用动态的影响[J]. 地理研究, 2009, 28(4): 1011-1021.
[BU X G, WANG Y L, SHEN C Z, et al. Influence of land forms of on the land use dynamics in Shenzhen City. Geographical Research, 2009, 28(4): 1011-1021. ] [本文引用:1]
[24] 洪世键, 曾瑜琦. 制度变迁背景下中国城市空间增长驱动力探讨[J]. 经济地理, 2016, 36(6): 67-73.
[HONG S J, ZENG Y Q. Driving factors of China’s urban spatial growth in the context of institutional change. Economic Geography, 2016, 36(6): 67-73. ] [本文引用:1]
[25] 张新乐, 张树文, 李颖, . 近 30 年哈尔滨城市土地利用空间扩张及其驱动力分析[J]. 资源科学, 2007, 29(5): 157-163.
[ZHANG X L, ZHANG S W, LI Y, et al. Spatial expansion of urban land use and its driving forces in Harbin City over the past 30 years. Resources Science, 2007, 29(5): 157-163. ] [本文引用:1]
[26] 天水市规划局, 深圳市城市规划设计研究院, 天水市城乡规划设计院. 天水市城市总体规划(2005—2020)实施评估总报告[M]. 天水: 天水市规划局, 2015.
[Tianshui City Planning Bureau, Urban Planning and Design Institute of Shenzhen, Tianshui Institute of Urban Planning and Design. The Assessment Report for the Implementation of the Overall Urban Planning (2005-2020) of Tianshui City. Tianshui City Planning Bureau, 2015. ] [本文引用:2]