区域尺度城市增长时空动态模型及其应用
LUCC的研究方法、主要指标及其应用ppt课件
一、LUCC研究方法
2、野外实地调查/考察方法
野外实地调查/考察资料作为早期的野外地表景观环境实 地观测的第一手数据，对于LUCC研究有着极为重要的作用。 其主要思路可以概括为: 对不同时期、不同尺度和不同来源 的野外实地调查/考察资料，进行相关信息的挖掘与整理，并 对多期的资料进行标准化处理( 裁剪、类别的合并与分划、 类别的统一等) ，形成易于进行对比分析的统一数据，然后 进行相关的研究对比工作[3-5]。
2、土地利用/覆被变化模型可以分为经验统计模型、随 机模型、优化模型、基于过程的动态模型及综合模型。 模型分类：经验统计模型、随机模型、概念机理模型、综合 模型[2,5]。
11
一、LUCC研究方法
经验统计模型采样多元统计分析方法，分析每个因子对 土地利用变化的贡献率，并将 LUCC与驱动因子之间的相互 作用定量化，从而从统计学角度表征 LUCC的原因。 经验统 计模型,如线性回归模型、Logistic回归模型、主成分分析
经济发展战略 五年计划资料 有关经济效果分析
（4）社会情况资料 人口资料 行政组织
文教、卫生等基本情况
4
一、LUCC研究方法
以文献调查方法为主要数据源进行LUCC研究，学者较 多在考证不同种类和不同来源的历史文献基础上，挖掘和提 取有用的信息，利用不同的数据处理方法( 如类比法、断面 定量比较法、订正法、插补法、森林恒等式和薄记模型等) 整理和标准化不同时期、不同来源和不同格式的资料，采用 图、表等方式记录整理好的数据，最后对结果数据进行对比 分析，早期主要以文字描述的方式定性或半定量研究LUCC 所采用的一般方法。
一、LUCC研究方法
8
一、LUCC研究方法
（二）LUCC研究模型 由于土地利用 /覆被变化(LUCC)涉及各方面因素繁多，
地理学时空数据分析方法
地理学时空数据分析方法一、本文概述随着大数据时代的来临，时空数据已成为地理学领域研究的热点。
这些数据不仅提供了丰富的地理空间信息，还揭示了事物随时间变化的动态过程。
因此，地理学时空数据分析方法的研究显得尤为重要。
本文旨在系统介绍地理学时空数据分析的基本概念、常用方法和技术，以及这些方法在地理学各领域的应用案例。
通过本文的阐述，读者可以深入了解时空数据分析的基本原理和方法，掌握相关技术的应用，为地理学研究和实践提供有力的支持。
文章将首先概述时空数据的定义、特征和分类，为后续分析奠定基础。
接着，重点介绍时空数据分析的基本方法，包括时空数据可视化、时空统计分析、时空聚类分析、时空预测模型等。
这些方法的应用将帮助研究者揭示时空数据的内在规律和模式。
在方法介绍之后，文章将展示这些时空数据分析方法在地理学各领域的应用案例，如城市规划、环境科学、交通地理等。
这些案例将展示时空数据分析方法在解决实际问题中的有效性和实用性。
通过本文的学习，读者可以掌握地理学时空数据分析的核心方法和技术，了解这些方法在地理学研究中的应用前景。
本文也希望能激发读者对时空数据分析的兴趣，推动地理学时空数据分析方法的深入研究和应用。
二、时空数据基础时空数据分析是地理学中的一项重要任务，它依赖于对时空数据的深入理解和有效运用。
时空数据，顾名思义，是包含空间和时间两个维度的数据。
这些数据通常通过地理信息系统（GIS）和时空数据库进行存储和管理。
在地理学中，空间数据描述了地理对象在地理空间中的位置、形状和分布。
这些数据可以是点（例如，城市位置）、线（例如，道路网络）或面（例如，行政区划）。
而时间数据则记录了这些地理对象随时间的变化。
当空间数据和时间数据结合起来，就形成了时空数据，它能够揭示地理现象的动态演变和模式。
时空数据的获取方式多种多样，包括遥感技术、社交媒体、移动设备和地面观测等。
这些数据源为时空分析提供了丰富的信息，同时也带来了数据整合和处理的挑战。
时空模型三要素变化的例子
时空模型三要素变化的例子时空模型是指用来描述和分析某个事物或现象在时间和空间上的变化规律的模型。
它包括三个要素：时间维度、空间维度和对象维度。
下面列举了十个不同领域中的例子，以说明时空模型的应用。
1. 经济增长模型：经济增长可以用时空模型来描述。
时间维度是年份，空间维度是国家或地区，对象维度是国内生产总值。
通过分析不同国家或地区的经济增长率，可以揭示经济发展的规律。
2. 人口迁移模型：人口迁移也可以用时空模型来描述。
时间维度是年份，空间维度是不同地区，对象维度是人口数量。
通过分析人口迁移的模式和趋势，可以了解不同地区之间的人口流动情况。
3. 气候变化模型：气候变化是一个跨越时间和空间的复杂过程。
时间维度是年份或季节，空间维度是地球各个地区，对象维度是气温、降水等气象要素。
通过建立气候变化模型，可以预测未来的气候变化趋势。
4. 交通流模型：交通流模型可以用时空模型来描述。
时间维度是小时或分钟，空间维度是道路网络，对象维度是车辆数量和速度。
通过分析交通流模型，可以优化交通网络，提高交通效率。
5. 疾病传播模型：疾病的传播也可以用时空模型来描述。
时间维度是天数或小时，空间维度是不同地区，对象维度是感染人群。
通过建立疾病传播模型，可以预测疫情的传播趋势，采取相应的防控措施。
6. 自然灾害模型：自然灾害的发生和演变可以用时空模型来描述。
时间维度是年份或季节，空间维度是地震带、风暴路径等地理特征，对象维度是灾害的强度和影响范围。
通过建立自然灾害模型，可以预测灾害的发生概率和影响范围，采取相应的防灾措施。
7. 城市扩张模型：城市扩张可以用时空模型来描述。
时间维度是年份，空间维度是城市边界，对象维度是城市人口和建筑面积。
通过分析城市扩张模型，可以规划城市的发展方向和区域布局。
8. 能源消耗模型：能源消耗也可以用时空模型来描述。
时间维度是年份，空间维度是不同地区，对象维度是能源消耗量。
通过分析能源消耗模型，可以优化能源利用方式，提高能源利用效率。
空间计量经济模型的理论与应用
空间计量经济模型的理论与应用第一部分空间计量经济模型介绍 (2)第二部分模型理论基础与原理 (5)第三部分空间相关性分析方法 (8)第四部分常用空间计量模型构建 (10)第五部分模型估计与检验方法 (14)第六部分应用案例与实证分析 (19)第七部分空间计量模型的局限性 (22)第八部分展望与未来研究方向 (25)第一部分空间计量经济模型介绍空间计量经济模型是一种将地理空间因素纳入传统经济学模型的分析方法，它通过在传统的线性模型中引入空间相关系数来考虑地区间的相互作用和影响。
这种模型起源于 20 世纪 70 年代，并逐渐成为经济学、地理学、城市规划等领域的重要工具。
本文将从理论与应用两个方面对空间计量经济模型进行详细介绍。
一、理论基础1.空间数据特性空间数据通常具有以下特点：(1)空间邻接性：相邻地区的变量之间往往存在相互影响。
(2)空间异质性：不同地区的自然环境、人文条件等差异会导致数据表现出不同的特性。
(3)空间相关性：同一地区内的多个变量之间可能存在着内在的联系，从而使得数据具有一定的空间自相关性。
2.空间计量模型的分类根据空间效应的不同，空间计量经济模型可分为两大类：(1)局部空间模型：这类模型关注的是单个区域的数据，如空间滞后模型（SLM）和空间误差模型（SEM），它们分别考虑了邻居地区的影响和空间内相关性的效果。
(2)全局空间模型：这类模型考虑的是整个研究区域的空间效应，如空间杜宾模型（SDM）和空间卡尔曼滤波模型（SKF），它们能够捕捉到区域间广泛存在的相互作用关系。
二、空间计量模型的构建1.空间权重矩阵在构建空间计量模型时，首先要确定空间权重矩阵。
空间权重矩阵用于衡量地区之间的空间关联程度，常见的有邻接矩阵、距离衰减矩阵等。
例如，在邻接矩阵中，如果两个地区相邻，则它们之间的权值为1；否则，权值为 0。
2.模型选择根据所要解决的问题和数据特点，可以选择相应的空间计量模型。
例如，当研究区域内部存在明显的空间自相关性时，可以采用空间误差模型或空间滞后模型；当研究区域之间的互动效应较强时，则应选用空间杜宾模型。
LUCC的研究方法、主要指标及其应用-文档资料
模型分类：经验统计模型、随机模型、概念机理模型、综合 模型[2,5]。
2021/4/21
11
一、LUCC研究方法
经验统计模型采样多元统计分析方法，分析每个因子对 土地利用变化的贡献率，并将 LUCC与驱动因子之间的相互 作用定量化，从而从统计学角度表征 LUCC的原因。 经验统 计模型,如线性回归模型、Logistic回归模型、主成分分析
化的历史数据,而且由于土地利用/覆被变化具有非线性的特
LUCC模型的建立是深入了解土地利用和覆被变化复杂 性的重要手段，其作用和目的可以概括为: 对土地利用/覆被 变化情况进行描述、解释、预测，并制定对策。
2021/4/21
9
一、LUCC研究方法
2021/4/21
10
一、LUCC研究方法
1、国际上土地利用变化模型呈现多样化: 空间模型与非 空间模型、经验统计模型和概念机理模型、综合模型等。
2021/4/21
3
一、LUCC研究方法
1、文献调查方法
2021/4/21
4
一、LUCC研究方法
以文献调查方法为主要数据源进行LUCC研究，学者较 多在考证不同种类和不同来源的历史文献基础上，挖掘和提 取有用的信息，利用不同的数据处理方法( 如类比法、断面 定量比较法、订正法、插补法、森林恒等式和薄记模型等) 整理和标准化不同时期、不同来源和不同格式的资料，采用 图、表等方式记录整理好的数据，最后对结果数据进行对比 分析，早期主要以文字描述的方式定性或半定量研究LUCC 所采用的一般方法。
法、灰色关联度分析法、典型相关分析法、系统动力学方法 、空间统计模型及非线性回归模型等，通常是基于大量的土 地利用空间格局变化数据，把土地利用/覆变化的各种转化概
《2024年空间计量模型的理论和应用研究》范文
《空间计量模型的理论和应用研究》篇一一、引言随着社会科学和数据科学的发展，空间数据及其在众多领域的广泛应用变得越来越重要。
空间计量模型，作为空间数据分析和研究的重要工具，已经在经济学、地理学、环境科学、公共政策等领域得到广泛应用。
本文将重点讨论空间计量模型的理论基础，并对其在不同领域的应用进行深入探讨。
二、空间计量模型的理论基础1. 定义与分类空间计量模型是一种通过捕捉和分析空间数据中的空间依赖性和空间异质性来研究现象的模型。
这种模型包括地理加权回归模型(GWR)、空间自回归模型(SAR)、空间误差模型(SEM)等。
2. 理论基础空间计量模型的理论基础包括空间自相关理论、空间异质性和空间过程理论等。
其中，空间自相关理论强调观察值之间的依赖性，空间异质性则反映了空间单位之间存在的差异性，而空间过程理论则强调空间过程的变化和动态性。
三、空间计量模型的应用研究1. 经济学领域的应用在经济学领域，空间计量模型被广泛应用于房地产价格评估、区域经济发展、城市经济结构研究等方面。
例如，通过使用地理加权回归模型(GWR)，可以分析不同地区房地产价格的影响因素及其空间变化规律。
2. 地理学和环境科学领域的应用在地理学和环境科学领域，空间计量模型被用于研究区域生态保护、土地利用规划、环境质量评价等问题。
例如，使用空间自回归模型(SAR)可以分析土地利用变化的空间格局及其对生态环境的影响。
3. 公共政策领域的应用在公共政策领域，空间计量模型被用于研究公共设施布局、区域发展政策、社会公平等问题。
例如，通过分析不同地区的教育资源分布和人口结构变化，可以制定更合理的教育资源配置政策。
四、实例分析以城市交通拥堵问题为例，可以采用空间计量模型进行研究。
首先，通过收集交通流量数据、路网结构数据等，建立城市交通网络的空间数据集。
然后，使用合适的空间计量模型分析交通拥堵的空间分布规律及其影响因素，如道路宽度、交通设施布局等。
最后，根据分析结果提出相应的交通规划和管理策略，以缓解城市交通拥堵问题。
多尺度土地利用动态变化模型及应用研究
多尺度土地利用动态变化模型及应用研究在现代社会，随着人口的不断增长和城市化进程的加速，土地利用变化对社会、经济和环境的影响也越来越突出。
因此，为了合理规划土地利用、保护生态环境和可持续发展，研究土地利用动态变化模型及其应用成为重要的研究课题。
本文将以多尺度为切入点，探讨土地利用动态变化模型的构建及其在实际应用中的意义。
土地利用动态变化模型是通过对土地资源进行空间与时间上的分析，揭示土地利用变化的模式和趋势，以预测未来土地利用状况为目标的研究方法。
在构建土地利用动态变化模型时，需要考虑多种尺度的影响因素，包括政策、经济、人口和环境等。
因此，多尺度因素的有效整合是构建准确的土地利用动态变化模型的关键。
首先，多尺度土地利用动态变化模型的构建需要考虑时空尺度的匹配。
土地利用变化具有明显的时序特征，而不同的时空尺度对土地利用的影响程度也不同。
因此，在构建模型时需要将时间和空间维度进行合理匹配，以充分发挥不同尺度数据的价值。
例如，使用高分辨率的遥感影像可以对局部土地利用进行精细划分，而大尺度的统计数据可以揭示更宏观的土地利用变化趋势。
其次，多尺度土地利用动态变化模型的构建需要考虑不同尺度因素的影响。
土地利用受多种驱动因素的影响，而不同尺度的因素对土地利用的影响程度也不同。
因此，在构建模型时需要综合考虑不同尺度因素的影响，并合理权衡各因素之间的权重。
例如，经济因素在区域尺度上可能更为重要，而环境因素在局部尺度上可能更为重要。
最后，多尺度土地利用动态变化模型的应用可以跨越不同领域。
土地利用动态变化模型可以用于土地规划与管理、生态环境保护、农业生产等方面。
例如，在土地规划与管理中，模型可以为政府和规划部门提供决策支持，帮助制定合理的土地利用政策；在生态环境保护中，模型可以预测未来土地利用变化对生态系统的影响，为生态修复和保护提供科学依据；在农业生产中，模型可以优化土地利用格局，提高农田利用效率，促进农业可持续发展。
景观设计之生态学的特点
景观设计之生态学的特点与其他生态学科相比，景观生态学明确强调空间异质性、等级结构和时空尺度在研究生态格局和过程及其相互关系中的重要性，强调景观异质性的维持和发展，强调人类活动对景观和其他尺度上生态系统的影响.强调生态系统的空间结构和生态过程在多个时空尺度上的相互作用。
就目前景观生态学的发展水平和研究现状来看，景观生态学的特点可以简单地概括为以下几点:(1)整体性和系统性。
景观生态学强调研究对象的整体特征和系统属性，避免采用还原论的观点将景观分解为不同的组成部分，然后通过研究其组成部分的性质和特点去推断整体的属性。
虽然景观生态学仍然重视对景观要素或景观结构成分的基本属性和动态特点的研究，但景观生态学更多地通过景观要素之间的空间关系和功能关系作为景观整体属性加以研究和分析，揭示景观整体对各种影响和控制因素的反应。
(2)异质性和尺度性。
空间异质性是20世纪90年代以来生态学研究的一个重要理论问题。
由于景观异质性对景观稳定性、景观生产力和干扰在景观中的传播速率、方向和方式等都有显著影响，因此景观生态学对空间异质性更为重视。
尺度是研究对象的空间维度，一般用空间分辨率和空间范围来描述，表明对细节的把握能力和对整体的概括能力。
尺度越小，对细节的把握能力越强，而对整体的概括能力越弱。
由于生态学中的许多事件和过程都与一定的时间和空间尺度相联系，不同的生态学问题只能在不同尺度上加以研究，其研究结果也只能在相应的尺度上应用，研究结果的尺度外推是景观生态学的重要研究内容。
由于对景观异质性和尺度效应的普遍重视，强调研究对象的空间格局、生态过程与时空尺度之间的相互作用和控制关系是景观生态学的重要特点。
(3)综合性和宏观性。
景观生态学重点研究宏观尺度问题，其重要特点和优势之一就是高度的空间综合能力。
特别是在利用遥感技术、地理信息系统技术、数学模型技术、空间分析技术等高新技术，研究和解决宏观综合问题方面具有明显的优势。
在景观水平上将资源、环境、经济和社会问题进行综合，以可持续的景观空间格局研究为中心，探讨人地关系及人类活动方式的调整，研究可持续的、宜人的、生态安全的景观格局及其建设途径，为区域可持续发展规划提供理论和技术支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
地理学报ACTA GEOGRAPHICA SINICA 第66卷第2期2011年2月V ol.66,No.2Feb.,2011区域尺度城市增长时空动态模型及其应用匡文慧1,刘纪远1,邵全琴1,何剑锋1,孙朝阳1,田汉勤2,班艺舫3(1.中国科学院地理科学与资源研究所，北京100101；2.美国奥本大学，奥本36849；3.瑞典皇家理工学院，斯德哥尔摩S-10044)摘要：区域尺度城市增长动态模拟(Reg-UGM)是城市化影响下的土地利用/覆盖变化以及全球环境变化研究的重要手段之一。
针对单个城市增长未来情景模拟难以在区域尺度刻画与解释城市化影响下的土地利用/覆盖变化以及与全球环境变化交互过程与作用机理主要问题，本研究集成人工神经网络模型(ANN)与元胞自动机模型(CA)构建适合不同情景的区域尺度城市增长动态模型，通过1979年以来高分辨率遥感信息探测获取的4个时段京津唐都市圈城市增长时空特征分析提取先验知识规则，模拟京津唐都市圈在基准模式、经济模式、政策模式与结构调整模式未来不同情景模式下城市增长过程。
研究表明，Reg-UGM 在模拟区域尺度受国家宏观政策等影响城市非线性增长过程具有较好的可靠性，为进一步研究城市化影响下的宏观生态效应提供前提保障。
模拟结果显示京津唐都市圈在不同情景模式下城市增长呈现较大的时空格局差异，未来城市增长结构调整模式更符合区域城市化的实际情况，未来区域城市增长将由特大城市向中小城市转移，滨海沿线城镇发展带将经历更快的城市增长过程。
关键词：城市增长；情景模拟；京津唐都市圈；GIS1引言城市化影响下的土地利用/覆盖变化(LUCC)被认为是引起全球气候变化和温室效应的重要因素，其中CO 2排放的80%来源于城市区域[1-3]。
城市扩张以及由此引起的地表不透水层的增长(Impervious Surface)在城市—区域乃至全球尺度的生物地球化学循环以及生物多样性的影响受到国际国内科学家的广泛关注[4-6]。
2005年IHDP 第15号报告《城市化与全球环境变化》提出通过时空尺度比较，人文科学与自然的学科交叉与耦合等方式加强在局地、区域以及全球尺度城市化与全球环境变化(UGEC)之间的交互与反馈的理解[7]。
城市系统动态模拟是深刻理解城市化对周边土地利用/覆盖变化影响机制，进而揭示其对全球环境变化影响的重要工具，成为当前研究的热点内容。
目前针对城市动态模拟发展了CA 模型、系统动力学模型和多主体模型(Multi-agent)等主流模型，对于单个城市的模拟产生了较好的模拟效果[8-12]。
但是，如何进行尺度拓展开展精准的区域尺度或全国尺度城市空间增长动态模拟仍然具有很大的挑战。
过去与未来时段城市化影响下的区域土地利收稿日期：2010-01-07;修订日期：2010-07-18基金项目：国家自然科学青年基金项目(40901224);国家“973”计划项目(2010CB950900);国家“863”计划项目(2009AA122002-3);遥感科学国家重点实验室开放基金项目(2009KFJJ005);国家资源与环境信息系统重点实验室开放基金项目(A0725);瑞典国际合作项目(2006-24724-44416-13)[Foundation:The Young ScientistFund of Nataional Natural Science Fundation of China,No.40901224;National High Technology Research andDevelopment Program,No.2009AA122002-3;National Key Technology R&D Program,No.2006BAC08B00;Opening Foundation of State Key Laboratory of Remote Sensing Science,No.2009KFJJ005;OpeningFoundation of State Key Lab of Resources and Environmental Information System,No.A0725;SwedishResearch Links,No.2006-24724-44416-13]作者简介：匡文慧(1978-),男,助研,博士后。
主要从事土地利用/覆盖变化和城市遥感应用研究。
E-mail:kuangwh1978@通讯作者：刘纪远(1947-),男,研究员,博士生导师。
中国自然资源学会理事长,主要从事资源环境遥感与土地利用/覆盖变化及其宏观生态效应研究。
E-mail:liujy@178-188页2期匡文慧等：区域尺度城市增长时空动态模型及其应用用/覆盖变化研究是揭示在人类剧烈活动与全球气候变化双重影响下的陆地生态系统、大气系统与土地利用/覆盖变化之间交互与作用机理研究的一项重要内容。
区域或全国尺度城市增长模拟是大尺度城市化影响下的土地利用/覆盖变化以及城市化与环境变化交互机理研究的重要手段。
京津唐都市圈成为继长江三角洲、珠江三角洲城市群中国经济增长的第三极，作为北方地区经济发展重心，在中国政治、经济发展中起着重要的战略地位。
该区位于中国生态环境脆弱带边缘，尤其是北京、天津、唐山等地严重缺水成为中国3大城市群水资源短缺最为严重的都市圈之一[13-14]。
1978年改革开放以来，都市圈城市快速发展与高强度开发，特别是大规模科技园区、经济园区与工业园区等新开发区建设，都市圈正呈现城市“蔓延式”与“冒进式”增长，并形成大都市连绵带，向着区域城市化过程发展，城市快速增长与水土资源矛盾日益突出[15-16]。
京津唐都市圈未来城市增长的精准模拟与预测将对缓减这一矛盾具有重要参考价值。
基于上述背景，本研究集成人工神经网络模型(ANN)与元胞自动机模型(CA)构建适合不同情景的区域尺度城市增长动态模型(Reg-UGM)，通过1979年以来高分辨率遥感信息探测获取的4个时段京津唐都市圈城市增长时空特征分析提取先验知识规则，模拟京津唐都市圈在基准模式、经济模式、政策模式与结构调整模式未来不同情景模式城市增长过程。
区域尺度城市增长动态模型为进一步在更大尺度研究城市增长以及全球环境变化带来的影响提供方法基础，研究结果为京津唐都市圈城市增长管理规划提供科学参考。
2模型结构与研究方法2.1模型概念结构与基本功能城市增长过程即农村用地向城市用地的转化受到自然条件限制、社会经济因素、交通道路等区位因素以及人文政策等多重因素综合作用的复杂过程。
区域尺度城市土地利用扩张模型表达为：t Ux,y=f(S x,y,t N x,y,t E x,y,t L x,y,t P x,y,)(1)式中：t U x,y表示城市在t时段的增长过程；t S x,y表示土地用途以及自身的邻域状态；t N x,y表示自然影响因素，包括地形因子、水域控制等；t E x,y表示社会经济因子，主要包括GDP、国外投资、产业结构等因子对城市增长产生的影响。
t L x,y表示城市交通道路、环城公路、铁路等区位因素对城市空间增长的牵引作用。
t P x,y主要指区域发展战略与土地利用政策对城市增长的影响。
根据模型的功能结构特征，模型分为区域城市增长动态格局分析模块、需求分析与情景模块、空间影响因素分析模块以及空间配置与预测模块共4个模块(图1)。
需求分析与情景模图1区域尺度城市增长动态模型(Reg-UGM)概念与功能结构Fig.1Conception frame and structure of Reg-UGM model179地理学报66卷180块由于研究区城市增长在不同时段受到人文经济、国土政策与区域发展战略的影响，区域城市增长具有高度时空差异性与突变特征，所以预测不同情景模式下城市增长面积未使用简单的回归模型，在对过去城市增长与人口经济之间关系分析中，发现GDP变化、城市化水平与常住人口变化的用地指标是表达城市增长的有效指标，本研究发展如下不同情景城市面积增长预测模型：△U=α×△Pop×Index s(△Pop)+β×△GDP×Index s(△GDP)+γ×△Ur×Index s(△Ur)(2) s式中：U s表示不同情景下城市增长面积；α、β、γ为城市常住人口、GDP与城市化水平对城市增长的贡献系数，主要通过过去时段数据回归分析获取参数；ΔPop、ΔGDP、ΔUr 为城市常住人口、GDP与城市水平变化数值，参考区域规划设定不同增长速度计算；Index s(ΔPop)、Index s(ΔGDP)、Index s(ΔUr)为不同情景模式下城市常住人口、GDP与城市水平变化城市用地指标，依据过去不同时段城市增长模式计算用地指标。
Reg-UGM模型重要内核空间影响因素分析模块采用美国Purdue大学Human-Environment Modeling and Analysis(HEMA)实验室开发的基于神经网络模型的土地利用预测模型Land transform model(LTM)[12]。
该模型能够通过神经网络技术机器学习与训练法自动获取土地利用变化驱动因素的空间交互规则，模型内容包括输入、输出、隐含层节点的创建，驱动变量与土地利用变化信息训练样本获取，驱动变量因素回归与循环，驱动变量因素权重识别以及精度评价5个部分。
2.2模拟方法与技术流程依据上述模型结构，采用如下技术方法实现：①基于1979、1990、1995、2000与2005年4个时段研究区城市土地利用变化时空信息分析不同时段城市增长时空格局与人文驱动机制，挖掘城市增长的先验知识规则并设定城市未来增长的不同情景方案；②针对研究区在不同时段受到人文政策与区域发展战略的影响，区域城市增长具有高度时空差异性与突变特征，选择区域城市常住人口、GDP与城市化水平的变化量作为表达城市增长的面积特征，设定在上述不同情景下的城市常住人口、GDP与城市化水平指标，预测不同情景下的城市用地面积增长；③建立研究区300m×300m网格系统，生成城市用地空间比例数据，在研究区城市面积总量控制下转化为(0,1)空间网格数据；④识别影响区域城市增长重要空间影响因素，选择距离城市中心、副中心的距离，距离海岸带距离，一般公路、高速公路、铁路的距离、邻域规则以及河流距离等主要指标生成300m×300m网格；⑤应用成熟的基于神经网络模型(ANN)发展的Land transform model(LTM)[12]输入上述空间数据，模拟过去不同时段城市增长潜力并进行精度分析；⑥以2005年作为现状年，设定不同情景模式，模拟未来城市增长动态格局。