附录A 译文
不同情景下城市群生态系统空间分布的模拟研究
摘要
经济发展和城市化带来的城市群是由区域经济核心城市周围的一些城市组成的地区。中国典型的城市群包括京津冀，珠江三角洲，长江三角洲等。城市群扩张改变了原有的生态景观和生态系统结构，威胁了区域生态型。因此，区域生态安全状况正在恶化。因此，采取措施保护环境至关重要。
1.介绍
长株潭是长江中游城市群，其发展规划被列为国家战略发展之一。长株潭城市群生态环境质量关系到中国的生态安全。探讨创造城市群规划增加生态安全的方法至关重要。在本文中，使用包含灰色模型（GM）（1,1）的CLUE-S模型和自然增长情景（NIS）条件下的自动逻辑回归模型来映射生态系统分布，耕地保护情景（CPS）和生态保护情景（EPS）。分析研究区和长株潭交界处生态系统的变化特征和转换特征。结果表明，本文开发的生态系统变化模型在绘制未来城市生态系统分布图时表现良好。生态系统空间分布的变化表明，未来通过改变耕地和绿地生态系统，建成的生态系统将会扩大，城市之间的界限将会变得模糊。在整个研究区内，耕地和绿地到建成用地的转换面积在CPS和EPS中均低于NIS。然而，在关键领域，转换结果与整个研究区域相反。尽管CPS和EPS有利于整个研究区的生态环境保护，但应该更加重视次地区生态环境，以确保整个地区的生态安全保持安全。
环境促进人与自然和谐发展。城市如何平衡快速发展与生态环境保护之间的矛盾，构建生态城市群。情景分析是绘制城市群空间分布图的有效方法。城市规划者和决策者可以根据不同情景下城市群的地图，选择更合理的发展模式，优化资源配置。因此，情景分析是维持城市集聚生态系统健康的重要手段。
生态系统变化模型是情景分析的关键，如细胞自动机模型（CA），系统动力学模型（SD）和土地利用及其影响模型（CLUE）的转换。Panofsky等人（2002）将BP模型纳入CA模型来研究城市扩张和城市结构变化。Saysel等人（2002）建立了一个模拟生态系统空间变化的SD模型，并分析了变化趋势。 Veldkamp和壁画，
1996年提出了CLUE模型。Verburg等人（2002）开发了CLUE模型，并提出了在小区域范围模型（CLUE-S）下的土地利用及其效应转换，以模拟小区域范围内的生态系统变化。CLUE-S模型已经开发并应用于许多领域（Verburg等人，2008; Overmars等人，2007; Trisurat等人，2010; Castella等人，2007）。例如，Fox等人（2012）使用CLUE-S模型模拟了亚洲东南部山地大陆的土地覆盖变化。但是，这些模型有一些限制。CA模型不能模拟生态系统之间的竞争，并且难以结合专家知识（Mas等，2014）。普通回归模型根据过去的分布映射未来的生态系统分布，而不考虑不确定性。CLUE-S模型考虑到社会经济和自然因素，并且比其他生态系统变化模型表现得更好（Jiang等，2015）。
空间相关效应通常存在于地理空间中。当空间相关性被忽略时，选定的驾驶因素可能是不正确的（Overmars等，2003）。自动逻辑回归模型（AL）包含基于逻辑回归模型的自协变量，可用于消除空间相关效应。AL模型通常被用于生态多样性建模（Augustin等，1996; Syartinilia和Tsuyuki，2008）。研究表明，结合自动逻辑回归模型是提高CLUE-S模型性能的有效方法（Lin et al。，2011; Wu et al。，2010）。CLUE-S模型广泛应用于中国城市群景观变化研究。 Dai和Zhang（2013）使用CLUE-S模型模拟了中国张掖市5种不同情景下的景观。胡等人（2013）将马尔可夫模型纳入CLUE-S模型，并在两种情景下模拟了2015年北京的景观。郑等人（2015）采用CLUE-S模型结合马尔可夫模型模拟2018年四种情景下城市更新区的土地利用变化。
长株潭地区是最重要的城市群之一。由于建成生态系统的扩张，长株潭生态隔离带遭到破坏，耕地面积和林地，湿地面积不断缩小。区域生态安全问题变得更加突出。目前，中国提倡生态城市建设。如何设计景观以提高城市群生态系统的生态安全性是一个值得探讨的重要问题。本文以长株潭城市群长沙－株洲 －湘潭城市群为研究区域，将自回归模型纳入CLUE-S模型，基于1995年，2000年，2005年和2009年的观测地图，在2014年，2019年和2024年的长沙 株洲湘潭城市群生态系统分布图自然增长情景（NIS），耕地保护情景（CPS）和生态保护情景（EPS）。分析生态系统格局的特征，为城市规划和生态城市建设提供建议。
2.资料和方法
2.1研究领域
长株潭地区是长江中游地区的一个城市群。长株潭核心区位于湖南省中东部，位于中国中部。长株潭城市群（CZT）（图1）由长沙，株洲和湘潭的主体部分和周边区域组成（Yang et al。，2012），在112°36#39;-113°17 #39;E和27°37#39;-28°33#39;N，面积4588平方公里。湘江是长江中下游最大的河流，由南向北穿越研究区。长沙和株洲主城区位于湘江右岸，湘潭位于左岸。长沙至湘潭，株洲至湘潭的距离分别为40公里和20公里。随着城市发展，城市之间的距离逐渐缩小，城市的中心地位逐渐扩大。湖南省是湖南省的区域经济核心。自20世纪90年代以来，建成区已经扩大。从2000年到2008年，建成区面积增加了171平方公里，以耕地和林地为代价。根据2008年提出的“长株潭城市群区域发展规划”，将建设城市群生态型，以改善区域生态安全。
2.2研究资料
本文使用两种类型的数据，包括生态系统分布图和解释性数据的集合。
本研究在1995年，2000年，2005年和2009年接受了一系列针对CZT的Landsat TM / ETM数据，分辨率为30米。 CZT生态系统被支持向量分为五类（定义见表1），包括建成生态系统（BE），绿地生态系统（GE），栽培生态系统（CE），湿地生态系统（WE）等机器（SVM）方法。通用电气公司由林地生态系统和城市绿地生态系统组成。使用CZT生态系统的观测图（图2）模拟和验证生态系统需求区域，模拟生态系统分布并分析2014年，2019年和2024年不同情景下的变化特征。
自然资源数据用于选择自然驱动因子，包括坡度，坡向（-7-639m）和土壤类型（例如原生土壤，半含水量土壤，人为土壤，铁硅酸盐，不渗透表面，湖泊水库，河流和岛）。使用社会经济数据（例如定居点，市中心，河网和运输数据），根据车站，市中心，镇中心，县中心，村中心，快车道，铁路和公路的距离选择社会经济驱动因素湘江及其分支机构。 CZT发展规划确定了有限的发展中地区和生态区，根据规划设置了耕地保护方案和生态保护方案。
2.3研究方法
本文利用基于1995年观测地图的GM（1,1）模型对2000年，2005年和2009年的生态系统需求区进行了模拟，并利用2000年，2005年和2009年观测地图验证了模拟需求区。如果模拟需求区满足了所需的准确性，2014年的生态系统需求。
图1 研究地区
图2 不同情景下的空间分布
根据自然增长情景，栽培保护情景和生态保护情景，对2019年和2024年进行了模拟。考虑到空间自相关效应，采用自回归模型来选择驱动因素。将驱动因子和生态系统需求作为空间和非空间模块输入参数，模拟NIS，CPS和EPS中的生态系统分布图。最后，基于模拟地图，分析了整个研究区域和关键区域的生态系统转换特征，提出城市集聚规划建议。方法流程图如图3所示。
2.3.1场景设置
设定情景条件是情景分析的关键。在这项工作中，根据每个生态系统的空间特征设定了情景，需求区域有限。 过考虑区域经济核心城市的空间分布特征和不同的城市发展方向，我们分别模拟了NIS，CPS和EPS下2014年，2019年和2024年CZT生态系统的空间分布。
在国家创新系统下，生态系统的空间分布和需求不受自然条件和国家政策的影响。 从1995年到2009年，每个生态系统都发生了变化，建成的生态系统迅速扩张。在此情景下，根据历史趋势预测生态系统需求，河流是唯一不允许发展的地区。
如果CZT的发展不受影响，CPS将确保粮食供应安全。将城镇的某个区域作为未来的建成生态系统，将远离城市和主要道路的耕地定为有限开发区，严格控制耕地转化。根据刘等人的研究。（2012年），这一情景下的有限区域包括主要规划区域，高速公路和铁路的1000米缓冲区以及来自城市和主要道路的500米缓冲区。根据CZT发展规划，建成的生态区占全区的26.3％。
对于区域生态安全具有重要意义的EPS生态系统，如林地，草地，湿地，生态保护区和湿地保护区，在CPS基础上得到了加强保护。EPS对保持和改善区域生态环境和城市群生态系统的稳定具有重要意义。有限的地区包括来自湘江及其分支的300米缓冲区，基于CPS有限区域的湖泊500米缓冲区和100米缓冲区。建立的生态系统需求被设定为降低从绿地生态系统到建成生态系统的转化率的最低水平。
2.3.2生态系统变化模型
CLUE-S模型用于模拟未来生态系统在不同情景下的空间分布。它假定生态系统需求正在推动生态系统分布的演变以及CZT空间分布和需求区域之间的关系，并且环境和社会经济条件保持动态平衡。 CLUE-S模型由空间和非空间模块组成（Verburg等，2002）。根据生态系统数据，社会经济数据和每个生态系统的历史地区，生态系统需求在非空间模块中进行模拟。这些需求被转化为每个生态系统，以根据每个生态系统的空间特征绘制生态系统分布图。
生态系统需求计算模型的使用是提高CLUE-S模型性能的有效方法（Liang et al。，2011; Aspinall，2004）。GM（1,1）模型是基于数理统计理论的时间序列预测方法。在本文中，GM（1,1）模型被用于基于以下考虑来计算需求：（1）如果国家政策不包括重大变化，城市化是一个稳定的系统开发过程和CZT生态系统将逐渐改变;（2）生态圈可以积累，相互独立;（3）本文只使用四个周期的观测地图;（4）从2014年到2024年的时间跨度仅为10年。GM（1,1）模型具有基于有限样本预测需求的优势，适用于短期内生态系统需求的计算。
空间自相关效应在地理研究中很常见。生态系统转换过程中的交互作用非常重要。自动对数回归模型与自协变量相结合，通过消除由空间自相关造成的偏差，可有效改善CLUE-S模型（Jiang et al。，2015）。本文采用自回归模型来选择CZT生态系统的驱动因素。
验证结果。c是方差比，p是错误概率，bias是模拟需求与计算需求之间的误差，a是总体精度。 c越大，p越小，精度越高。当pgt; 0.95和c lt;0.35时，结果是最好的;当pgt; 0.80和c lt;0.50时，2014年，2019年和2024年的CZT生态系统分布是基于自动逻辑回归结果的CLUE-S模型和NIS，CPS和EPS的2009年观测地图模拟的。模拟地图如图4所示。
模拟地图显示，建成的生态系统趋于扩张，绿地和耕地面积减少。长沙，株洲，湘潭的集聚和聚集在发展过程中具有重要意义。长沙已建成的生态系统逐渐向南扩展，株洲和湘潭已建成的生态系统向北扩展。结果长沙，株洲，湘潭边界逐渐消失
然而，由于不同的限制条件，NIS，CPS和EPS的生态系统分布特征不同。在CPS和EPS中，耕地，绿地和湿地生态系统得到保护，并且转换为建成生态系统的面积减少。 CPS和EPS下的建成生态系统面积小于NIS下的面积，从耕地生态系统向生态系统转化的面积在EPS下最小。空间分布图表明，在NIS下，建成生态系统的扩张更加显着，其他生态系统在短时间内迅速变化，生态系统稳定性下降，因此是脆弱的。在国家信息系统中，区域生态安全更可能被破坏。因此，制定生态城市规划是降低区域生态安全风险的重要途径。
其中，p是单位属于生态系统I的概率;和0，是通过最大似然法计算的可变系数; autacoid是自动协变量（Jiang et al。，2015）。
3.结论
3.1生态系统预测结果
后验方差检验用于验证CZT 1995年至2009年期间建成的生态系统，绿地生态系统，耕地生态系统，湿地生态系统和其他生态系统的模拟需求。模拟需求与需求计算的模拟需求的验证结果地图如表2所示。
以1995年，2000年，2005年和2009年的遥感数据和土地利用数据（2002年，2003年，2006年和2007年）为基础的一系列观测地图被用作模拟2014年，2019年和2024年生态系统需求的基础数据NIS，CPS和EPS的条件。表3显示了2014年，2019年和2024年NIS，CPS和EPS下的生态系统需求。
通过叠加2024年和2009年的生态系统分布图来计算转移矩阵（表4），以分析14年发展后的生态系统空间格局特征。根据表3，我们计算了每种生态系统增加面积与每种情景下总面积的比例。结果如图5所示。
在国家创新系统下，50.2％的建成生态系统由2009年至2024年的增加面积组成。增加的面积由耕地生态系统（58.76％）和绿地生态系统（38.4％）转化而来。绿地生态系统面积没有增加，尽管占整个地区的比例最大。但绿地生态系统转化的主要原因被削弱，有利于区域生态服务价值。耕地生态系统面积增加的比例为5.5％，由小型水塘和城市绿地转化而来。尽管耕地面积有所增加，但减少的趋势仍然是最显着的。从2009年到2024年，栽培生态系统下降了27.9％。湿地生态系统增长23.2％，增加面积的77.9％由绿地生态系统转化而来。由于湿地向耕地生态系统转化，湿地生态系统总面积不变。其他生态系统转变为建立的生态系统减少了17％。自然增长情景是根据过去的CZT发展趋势设定的，缺乏合理
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[467993]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
