城市规划空间分析的模拟精度评价

首先，使用获取的最优参数组合来初始化模型的预测模块（为了便于修改程序文本，建议将c：＼cygwin＼bin＼s＼Scenarios目录下的scenario.demo200＿predict文件另存为一个名称为scenario.jinan60＿predict1的文件）。然后，用记事本打开该文件进行一些语句的修改。需要修改的内容与模型校正过程中文本的修改基本一致，主要包括输入输出的文件路径与文件夹名称、蒙特卡罗迭代次数、5个参数的取值范围与最优参数组合、预测开始与结束时间、输入的一系列文件的名称、城市增长开发概率图中的界点与颜色的设置（可以根据研究区实际增加一些关键的界值）、自修改规则中坡度参数的修改等。

然后，在DOS中运行预测程序文件scenario.jinan60＿predict1，重建2011年的城市扩展范围，并将重建的2011年城市开发概率图（jinan60＿urban＿2011.gif文件，由于文件名的原因，该图像不能在ArcMap中直接加载，需要将其更名为jinan2011s.gif后再在ArcMap中打开）与研究区同分辨率下（60m×60m）的边界栅格文件进行地理配准。由于模型所需的gif格式数据是由研究区的各类栅格数据导出的，因而模拟得到的开发概率图与原数据的范围是一致的，配准时只需选择三个角的顶点作为参照即可。

再次，合理选取城市开发概率图中的阈值，科学划分城市像元和非城市像元。通常有三种划分的方法，一是根据研究区情况指定合适的阈值，一般取50%；二是根据开发概率图中不同区段的栅格数量制作频数分布图，并根据频数发生突变的位置来确定阈值；三是根据模型运行起止年份的城市用地增长的数量来计算得到阈值。第三种方法能够很好地实现模拟增长量与实际增长量的匹配，从而计算得到的阈值比另外两种方法更为科学，但需要根据模拟结果调整模型模拟的程序文本（特别是开发概率图的间断点，以尽可能地与实际增长量进行匹配）。其主要操作步骤简要介绍如下：

▷　步骤1：在ArcMap中使用“地理配准”工具，将2011年重建的城市开发概率图（首先应将其改名为jinan2011s）进行配准（图9-12）。

图9-12　ArcMap中的城市开发概率图的地理配准

▷　步骤2：将配准的2011年城市开发概率图通过“地理配准”—“校正”另存为jianan2011s1.grid文件，栅格大小为60m×60m。

▷　步骤3：打开jianan2011s1.grid文件属性表，按照“value”字段（值域为0～255）升序排列，并将属性表导出为2011s1.dbf文件，用Excel打开该文件按照“value”字段从下往上（本例中从12向上开始选择）进行累计统计（12代表的是90%～100%的城市开发概率，11代表的是80%～90%的城市开发概率，3代表的是1%～10%的城市开发概率），当累计的栅格数量位于终止年份2011年城市用地新增的栅格数量区间时（1989—2011年新增城市像元数为37 755），记录断点处的“value”字段值，本例中该值为3，即开发概率位于1%～10%之间。(www.xing528.com)

▷　步骤4：将scenario.jinan60＿predict1另存为scenario.jinan60＿predict2，在程序文本的“PROBABILITY COLORTABLE FOR URBAN GROWTH”中，修改概率生成的区间值。本例中由于间断点位于1%～10%的开发概率区段，因而将该区段的开发概率细分至间隔为1%，并设置不同间隔的颜色代码，并将大于10%的开发概率统一归为一类（10%～100%的城市开发概率）设置为0Xff0033（dark red）颜色（图9-13）。

▷　步骤5：运行预测程序scenario.jinan60＿predict2，进行2011年建设用地的再次重建。然后，重复步骤1～3，当累计的栅格数量位于终止年份2011年城市用地的栅格数基本一致时，确定该值对应的开发概率为城市与非城市的分类阈值。本例中开发概率的阈值为7%（对应的“value”字段值为9），此时预测得到的新增城市像元数量为37 587，与实际增长最为接近。

图9-13　城市开发概率图的开发概率区段及其颜色设置

最后，将城市开发概率图上大于7%的栅格作为城市像元，得到2011年模拟的城市建设用地范围，并与2011年的真实城市建设用地范围（根据1989年和2011年的真实城市建设用地范围，进行处理后的2011年的城市建设范围，新建的value字段值为0、1、2，分别代表非城市、1989年已经存在的建设用地、1989—2011年新增的城市建设用地）进行叠置分析（使用“栅格计算器”工具，首先应将栅格数据均处理为0为非城市像元，1为1989年城市像元，2为1989—2011年新增城市像元，然后采用模拟的城市图层乘以10再加真实的城市图层），进而可以按照像元的空间匹配性将其划分为两种匹配类型即城市像元匹配、非城市像元匹配，与两种不匹配类型即模拟为城市但真实为非城市、模拟为非城市但真实为城市。通过统计4种类型的像元数量和面积，统计整理得到像元尺度上模型模拟的准确性评估表（表9-3）。

表9-3　像元尺度上的SLEUTH模型精度评价结果

由表9-2可见，模型校正的结果总体上较好，在城市用地的数量与空间位置上的拟合度较好，最终的Compare值为0.701 8，表明有70.18%的城市用地被捕捉到，Lee-Sallee值为0.598 6，表明济南城市形态的拟合效果也较好。但在像元尺度上，2011年预测结果和实际情况的数量特征与空间分布均存在较大差异（表9-3）。模拟正确的城市像元数（46 471个）约为2011年现状城市像元数的70.86%，如果仅考虑新增的城市像元，模拟的用户精度和生产者精度则只有49.66%和49.39%。模拟结果表明SLEUTH模型未能很好地反映济南东部新城、西部高铁新城的开发建设，还很难准确捕捉由城市发展政策所导致的城市发展中心转移和新的城市增长中心的出现，这与SLEUTH模型的元胞状态高度依赖于其邻域元胞状态有关，已有城市向外扩张容易，而新形成的城市扩散中心增长则不易发生。