面向SDGs的城市扩张多情景模拟——以“一带一路”中亚区为例

熊锦惠, 岳文泽, 陈阳, 廖蓉, 方恺

Multi-scenario urban expansion simulation for SDGs: Taking the Central Asian region along the Belt and Road as an example

XIONG Jin-hui, YUE Wen-ze, CHEN Yang, LIAO Rong, FANG Kai

表1 情景模拟的主要数据

Table 1 The database used for multi-scenario simulation

数据类型 指标 数据来源 指标内涵 土地利用 — Landsat 5 30 m分辨率遥感影像（地理空间数据云） — Landsat 8 30 m分辨率遥感影像（美国地质调查局） 自然因子 高程 30 m分辨率DEM数据（地理空间数据云） 驱动土地利用变化的地形因素[25] 坡度 坡向 经济因子 人口密度 人口分布数据（欧盟联合研究中心,http://data.jrc.ec.europa.eu/） 研究区域内人口数量的空间量化,反映城市发展的人口集中程度[30] 建筑密度 建成区密度数据（欧盟联合研究中心,http://data.jrc.ec.europa.eu/） 研究区域内建设用地的空间量化,反映城市发展的城市建设强度[29] 兴趣点密度 POI数据（谷歌地图API） 城市内部兴趣点的分布密度,反映城市功能结构的分布情况[31] 社会因子 道路可达性 路网数据（Open Street Map） 城市内部到城市道路（交通线、城际交通线以公路、县道,等）、水系（河流、湖泊,等）、铁路的欧式距离,反映城市基础功能的可达程度[25] 水体可达性 水体数据（Open Street Map） 铁路可达性 铁路数据（Open Street Map） 城市发展 夜间灯光数据（美国海洋大气管理局,https://www.noaa.gov/） 城市建成区夜间灯光空间量化,捕捉城市社会活动强度[32]