本研究涉及三种数据：矢量数据、栅格数据和统计数据，数据信息如表1 所示。

表1 本研究多远开放数据来源

土地利用现状数据是模拟基础和模拟结果精度评价的标准；行政区划数据用于裁剪栅格数据；基本农田和生态保护红线体现规划的刚性管控，明确其无法转化为城市空间单元；新浪微博签到数据用于计算签到数据核密度值，表征人口活动的强弱；高德地图分级道路和POI 数据用于计算道路和各类公共设施的可达性。

DMSP/OLS（DefenseMeteorological Sate-llite Program，简称DMSP；Operational Linescan System，简称OLS）和NPP-VIIRS（National PolarorbitingPartnership，简称NPP；VisibleInfrared Imaging Radiometer Suite， 简称VIIRS）夜间灯光数据，DMSP/OLS 夜间灯光数据用于反演2013 年的格网空间尺度的GDP 数据，同时计算人居生态需求度，NPP-VIIRS 夜间灯光数据用于计算2017 年的格网空间尺度的GDP 数据；MODIS EVI数据用于DMSP/OLS 夜间灯光数据中亮度降饱和处理，计算人居生态需求度；数字高程模型用于计算坡度、坡长；中国土壤质地数据用于计算土壤侵蚀度和固碳水平。

广州市各区GDP 统计数据，用于反演GDP 空间分布；降雨数据用于计算土壤侵蚀度。

数据预处理包括两部分：

本研究包括两个研究时段：

第一个时间段是2013 至2017 年，主要是本研究采用的数据时间大部分为2017年，模拟时间一般需要五年，因此模拟起点选择2013 年；

第二个时间段结合广州市国土空间总体规划时限，定为2018 至2035 年。需要说明的是，2017 年广州市的POI 和道路数据有95% 在2013 年已经存在，因此可以用2017 年的POI 和道路数据探究2013 至2017 年的城市扩张规律。

本研究首先从促进城市扩张的角度计算城市扩张潜力，然后从阻碍城市扩张的角度出发，评估城市生态的重要性，最后利用生态重要性计算结果修正城市扩张潜力，利用CA 模型结合规划增量模拟城市扩张过程。

因此，研究方法包括城市扩张潜力计算、城市生态重要性评价和城市扩张模拟。

城市范围主要是指城镇建设用地，但广州许多村庄用地分布在城市周围，在空间上难以与城市区分，因此，本研究模拟对象为广州市城镇用地和农村居民点用地，即城乡建设用地。

根据获得的数据从人口活动、经济发展、交通条件和各类设施点便捷度四个方面构建城市扩张潜力指标体系，如表2 所示。

核密度分析、GDP空间反演和空间句法分析等内容请参考刘树峰、赵敏和陈慧灵等人的研究成果。

选择微博签到核密度、GDP变化、高速公路可达性和购物娱乐场所可达性四个因子展现可视化结果。

由图1可以看出，广州市中心城区的人口活动、经济变化、交通条件等因素非常好，但这些区域大多数为建成区，不具备城市扩张的条件。

图1 微博签到核密度值等四个指标的可视化结果

最有可能发生扩张的区域的各项指标因子值处于中游水平，这些区域暂未被开发，交通、配套设施条件较好，是潜在的城市扩张区。

城市扩张结果具有二元性，即元胞转化为城市单元（状态值记为1），元胞未转化为城市单元（状态值记为0）。逻辑回归模型结构简单，擅长归纳二元结构场景的规律，因此构建指标体系后，利用逻辑回归探究各项指标对城市扩张的影响，并计算扩张潜力。逻辑回归模型公式如下所示。

式中，P 代表第i 个空间单元的城市扩张潜力；X1、X2、X3…… 是与Y 相关的自变量组；α 为常数项，β1…βn为回归系数，α 和β1……βn由回归过程得到。

城市与生态空间存在一定的共轭关系，即生态空间（如耕地、林地、园地）是城市扩张的潜在供给区。生态空间的重要性一方面体现在其生态服务功能上；另一方面体现在满足人类的生态需求上。

因此，本研究选取生态服务功能、人居生态需求两个因子来评价生态空间的重要性。

图2 生态空间重要性评价因子和评价结果

原始城市扩张潜力计算结果如图3(a) 所示，中心城区扩张潜力很高，但这些区域大部分在2012 年已经建成，不具备扩张条件。

图3 城市扩张潜力计算结果与CA 模型运行过程

同时，将大片水域、基本农田和生态保护红线等具有法律效力的刚性管控范围内的元胞扩张潜力置零。生态空间重要性越高，越不可能发生扩张，即生态重要性与扩展潜力呈负相关。

因此，用1 减去全域生态空间重要性评价结果的，再乘以城市扩张潜力结果，得到修正后城市扩张潜力结果，如图3(b) 所示。

以城市扩张潜力评价结果为基础，利用CA 模型模拟城市扩张过程。CA 模型的关键要素包括元胞状态、模拟规模和转化规则。模拟过程如图3(c) 所示。

本文使用Kappa 系数检验模拟结果精度。2013 至2017 年，广州市各区城市模拟结果与参考标准的Kappa系数如表3 所示。

表3  2013 — 2017 年广州市各辖区城市模拟结果精度

从广州市级尺度来看，Kappa 系数达到0.9 143，精度较高；从化、南沙等外围区域模拟结果精度较低，Kappa 系数为0.8 左右，如图4 所示。

图4  2013 — 2017 年广州市若干辖区城市模拟结果精度

分析发现，主城区城市格局与基础设施布局基本稳定，剩余可扩张空间较为明确，因此，海珠、天河等辖区主要以填充式扩张为主；

外围区县的可扩张区域范围较广，且存在远离主城的“开发区”建设模式，因此，从化、南沙等辖区存在跳跃式扩张。

为了说明引入开放数据和强化生态约束的必要性，本研究用SLEUTH模型进行对照实验，结果如图5 所示。

图5  2013 — 2017 年广州市SLEUTH 模拟结果

可以看到， 利用SLEUTH 模型模拟的结果和实际扩张结果的Kappa系数为0.8 016，低于引入开放型数据模拟结果的Kappa 系数。

分析发现，SLEUTH 模型的输入因子有限，主要包括坡度、建成区等要素，无法从多元的角度发掘城市扩张的规律。

SLEUTH 模型中的坡度和交通因素的权重很大，因此其模拟结果主要选取地势平缓、交通便利的区域，作为城市扩张区域。

进一步分析发现，图5(a) 的黑色椭圆范围属于天河区的公共绿地，同样具有地势平坦、交通便捷的特点，SLEUTH 模型将其模拟为城市，与实际情况不符。

图5(b) 的黑色椭圆范围位于从化区建成区边缘，此范围的地类是果园（荔枝园和梨园），在2013至2017 年，这片果园基本没有向城市转化，但因地势平坦、交通较便捷，SLEUTH 模型将其模拟为城市，与实际情况不符。

将2017 年现状城市所在的元胞扩张潜力置零，按照《广州市国土空间总体规划（初稿）》中规定的“2018至2035 年各辖区新增城市规模”进行分区模拟，将结果拼合，如图6 所示。

图6  2018 — 2035 年广州城市扩张模拟结果

由于可扩张区域有限，2018 至2035年主城区以填充式扩张为主，主要分布在广州高新技术开发区、广州大学城等区域。

外围辖区新增城市以向外蔓延为主要扩张方式，在花都和空港片区以及南沙区最为明显。花都和空港是广州汽车配件、智能电子、临空科技产业等先进制造业的集聚区，用地需求较大。

南沙区作为广州对外开放的重要窗口，随着国家级新区、自贸区的设立，以及粤港澳全面合作示范区

的设立，成为广州重点发展的地区。

2013 年以来，南沙区每年新增城市量占广州全市的30% 左右。利用重心模型计算广州市历年城市重心的位置，

可以看出，从2005 到2017 年，广州市城市重心不断向南迁移，迁移距离约4 km，说明广州市“南拓”战略的持续推进。

本研究基于开放数据构建影响城市扩张的指标体系，计算全域空间单元城市扩张潜力，并评价生态空间重要性，从促进扩张和约束扩张的角度模拟广州市城市扩张。

主要结论如下：

2013 至2017 年模拟过程中，从市级尺度来看，引入开放型数据的模拟结果精度较高，Kappa 系数为0.9 146。SLEUTH 模型模拟结果的Kappa 系数为0.8 016，说明引入开放型数据并辅以生态约束作用能更准确地模拟广州市城市扩张的过程。

从区级尺度来看，海珠、天河等主城区的模拟结果精度较高，Kappa 系数达到0.9 以上；南沙、从化等外围辖区模拟结果精度较低，为0.8 左右。

2018 至2035 年，广州市主城区新增城市增量规模有限，以填充式扩张为主；外围辖区城市增量较多，分布在花都和空港经济区以及南沙区等区域，以蔓延式扩张为主。

通过计算历年城市重心发现，2005 年以来，广州市城市重心不断向南迁移，说明广州市“南拓”战略的持续推进。

本研究将多源开放数据融入城市扩张模型，提高了模拟结果的精度，说明利用开放型数据能有效提高规划的科学性和准确性。

后续可以从以下方面深化研究：

（1）将模拟结果进行修整、聚合，划定广州市城市开发边界线土地战略预留区；

（2）利用开放型数据识别城市低效建设用地，为广州市存量和减量规划提供支撑。