地大（武汉）姚尧教授团队《Landsc Urban

Zeng, C., Yao, Y.*, Liu, J., Sun, Z., Zhou, K., Chen, D., & Guan, Q. CoCA: Spatial cooperative simulation and future prediction of “ land-population-economy ” in urban agglomerations. Landscape and urban planning , 2025, 263: 105442. https://doi.org/10.1016/j.landurbplan.2025.105442

研究目标 ：针对传统元胞自动机模型在城市群多要素模拟中存在的元胞类型单一、静态因素驱动等问题，本研究提出 CoCA 空间协同模拟框架，旨在实现 “土地 - 人口 - 经济” 多要素的空间协同模拟与未来预测，挖掘各要素间动态变化趋势和相互影响机制，为准确刻画城市群发展空间格局提供科学方法。

研究方法 ：本研究提出的 CoCA 框架，耦合了斑块生成土地利用模型（ PLUS ）与基于 S 型曲线算法的灰度值元胞自动机模型（ DCA ），通过 “层次递进” 的动态驱动因素更新策略，将土地利用、人口密度与经济密度的模拟结果互为驱动因子，经多轮迭代实现多要素协同演化模拟，通过 FoM 、 MAPE 等指标评估模型精度。并结合马尔科夫链设计自然发展、生态保护、城镇扩张三类情景，实现对城市群土地利用空间格局的未来预测。

研究结果 ： CoCA 模型模拟精度显著提升：土地利用 FoM 为 0.239 （较传统模型提升 35% ），人口与经济密度 MAPE 分别为 20.19% 和 29.59% （提升 38% ）。 2030 年未来土地利用预测显示，自然发展与城镇扩张情景下建设用地显著增加，生态保护情景下林地与水域得以保留，武汉城市群主城区及东南部为扩张核心区域。

结论 ：本研究提出的 CoCA 框架，实现了城市群尺度下的“土地 - 人口 - 经济”空间协同模拟与多情景未来预测。该框架结合了基于 S 曲线算法的 DCA 模型和斑块生成土地利用模型，有效提升了各类要素的模拟精度。并且通过驱动因素动态更新策略，更有效地挖掘城市发展间多类要素协同作用、相互影响的机制，为刻画城市群尺度下的多个要素空间分布格局提供了有效途径。

城市群作为典型的城市复杂系统，在土地利用、人口、经济等要素呈现出共同演化、协同发展的特征，但现有元胞自动机模型中元胞类型单一，且多使用静态驱动因素模拟演变情况，忽视了多个要素间的动态协同作用，导致模拟精度较低。而如何实现城市群尺度下的空间协同模拟，挖掘各要素间动态变化趋势和相互影响机制，对准确刻画城市群发展空间格局具有重要意义。因此，本研究提出一套空间协同模拟与未来预测框架： CoCA ，以武汉城市群为研究区域，耦合斑块生成土地利用模型和基于 S 型曲线算法的灰度值模型，采用驱动因素动态更新策略，进行“土地 - 人口 - 经济”多要素空间协同模拟，挖掘各类要素间的相互影响机制，并基于不同政策下的发展情景，预测 2030 年武汉城市群的未来土地利用格局。结果显示，所提出的 CoCA 模型模拟精度提升显著，对比传统的单个要素离散化模拟，其土地利用精度 FoM 为 0.239 ，可提升 35% ；人口与经济密度精度 MAPE 分别为 20.19% 与 29.59% ，可提升 38% 。结果表明， CoCA 模型可有效的帮助决策者对未来土地利用进行管理，并综合考虑多种发展因素制定合理国土空间布局规划，助力城市的可持续发展。此外，本研究还为城市规划者和研究人员设计并开发了支持多类要素空间协同模拟的 CoCA 软件以供使用。

随着技术的快速进步、全球经济增长的加速以及人口流动性的增加，城市化正以前所未有的速度推进。城市之间的联系日益紧密，逐渐融合形成超大城市区域，这已成为可持续城市发展的关键模式。然而，在城市化进程中也出现许多问题，如人口爆炸、交通拥堵、环境污染等，为推进国家治理体系和治理能力现代化，新时代国土空间开发保护，需要针对城市群尺度下土地利用、人口、经济等核心城市要素的空间演化进行多方面模拟。与单个城市不同，城市群是一个耦合的决策体，各城市间需要协调整体的资源与空间，才能确保城市群的持续发展。城市发展过程中，建设用地扩张刺激经济增长并吸引人口，而人口与经济的增长又驱动工业和公共用地扩张，加速土地利用模式的转变。因此城市空间演化模拟应考虑土地利用、城市交通、人口分布、经济活动与自然生态等多种发展要素之间的协同影响。然而现有 CA 模型多存在元胞类型单一仅，忽视各类要素间的协同影响作用，无法定量挖掘三者之间的动态变化和相互作用机制，模拟精度较低等不足。因此实现城市发展多要素空间协同模拟，挖掘各要素间动态变化、相互影响的机制，并提升模拟精度，对推进城市可持续发展至关重要。

基于此，本研究针对两个科学问题：（ 1 ）如何考虑连续型城市发展要素的发展变化，实现城市群人口、 GDP 密度时空分布格局的变化模拟与预测；（ 2 ）如何耦合多类城市发展要素数据，挖掘各要素间动态变化、相互影响的机制，准确描述土地、人口、经济多要素空间协同变化过程。本研究提出了一套 CoCA 空间协同模拟与未来预测框架，耦合斑块生成土地利用模拟模型和基于 S 型曲线算法的灰度值模拟模型，采用驱动因素动态更新的策略，实现“土地 - 人口 - 经济”空间协同模拟，以武汉城市群为研究区域，结合多种精度指标评价模拟结果，并基于不同的发展情景进行土地利用未来预测。该框架旨在挖掘与分析城市群各要素间动态协同、相互作用的机制，揭示城市群发展规律和未来趋势，为模拟城市土地利用变化提供新的途径和方法。

本研究使用数据包含 2000 年、 2010 年和 2020 年的三期土地利用数据、人口密度、经济密度数据，以及各类空间辅助数据。其中土地利用数据来源于中科院制作的中国 30 米地表覆盖数据，将数据处理为 6 种类别（耕地、林地、草地、水域、建设用地和未利用地）；人口数据来源于世界网格人口第 4 版； GDP 数据来源于中国科学院资源环境科学与数据中心。路网数据来自于开源地图服务平台（ OpenStreetMap ， OSM ），共包含主干道、一级道路、二级道路与三级道路四种类型。 DEM 和坡度数据来源于公开的全球数字高程模型 (ASTER GDEM) 。

本研究提出的模型框架为基于元胞自动机的“土地 - 人口 - 经济”空间协同模拟与未来预测框架，主要包括基于元胞自动机的要素模拟、多要素空间协同模拟、多情景未来预测三个部分，具体流程如图 3 所示。（ 1 ）基于元胞自动机的要素模拟。采用基于 S 曲线算法的“灰度”元胞自动机模型 (DCA) ，模拟人口密度和经济密度要素空间分布格局，和 PLUS 模型模拟土地利用变化。（ 2 ）多要素空间协同模拟。耦合 PLUS 模型与 DCA 模型，采用“层次递进”的动态驱动因素更新策略，构建“土地 - 人口 - 经济”空间协同模拟模型。（ 3 ）多情景未来预测。多模型对比实验，评估模拟精度，并设计不同情景进行未来预测，挖掘各要素间协同影响机制。本研究技术路线如下图 1 所示。

图 1 技术路线图

同时为了能够更好表现出区域土地利用、人口和经济生产发展相互交织、协同发展的特性，本研究采用了“层次递进”分步式动态驱动因素更新策略，遵循土地、人口和经济生产之间的循环互动，其运行流程如下图 2 所示。该策略的核心思想是，使用动态变化的模拟结果而不是原始数据来重复训练 CA 模型，以捕获各类模拟要素间的协同影响。步骤协同模拟的详细内容如下描述：将原始数据和驱动因素作为输入，先采用 PLUS 模型与 DCA 模型分别进行独立的土地利用模拟和人口经济密度初始模拟，得到各类要素模拟结果；接着设置不同模拟轮数阈值，每次达到阈值时将模拟结果作为驱动因素放入另一模型中重新计算总体发展概率以训练模型；最后用校正结果替换原始数据，多次重复上述过程直至每个要素的变化趋于收敛，从而完成综合考虑土地利用和人口经济相互影响的协同模拟。

图 2 协同模拟模型流程图

为验证所提出的 CoCA 框架模拟性能，本研究模拟了武汉城市群范围内 2020 年的土地利用、人口密度和经济密度的空间分布格局，并与真实值对比进行精度评价，以检验模型性能的可靠性。实验模拟结果精度如下表 1 所示，其中 CoCA 模型在土地利用模拟中的 OA 和 FoM 分别为 0.697% 和 0.239 ；人口与经济密度的 MAPE 分别为 20.19% 和 29.59% ， RMSE 分别为 16.75 和 64.86 。为便于分析不同区域类模型的模拟效果，本研究分别统计了武汉城市群内 9 个城市的模拟精度误差，其中土地利用的 FoM 值为 0.214~0.247 ，人口密度的 MAPE 值为 18.91%~22.04% ，经济密度的 MAPE 值为 28.06%~31.54% ，误差波动处于可接受范围内。

表 1 武汉城市群各城市模拟精度对比（上下箭头分别表示该列的最大值和最小值）

采用 CoCA 模型的武汉城市群 2020 年土地利用、人口和经济密度模拟结果分别如下图 3 所示，主要城市建成区多沿长江流域和湖泊周围分布。人口经济分布中，武汉主城区内长江两岸密度最高，其余在武汉城市群的东南部和西南部分布较高。对比 2020 年的实际分布情况，结果表明 CoCA 模型模拟结果的空间格局与武汉城市群的实际格局具有较好的相关性与一致性。

图 3 2020 年武汉城市群协同模拟结果。 （ A 1-A2 ）土地利用；（ B1-B2 ）人口密度（千人 / 平方公里）；（ C1-C2 ）经济密度（千元 / 平方公里）

本研究共设计 3 组对比实验用于评估模型的模拟效果。第一组将各类要素离散化处理，通过 PLUS 模型对单个要素进行模拟。第二组采用基于 Clark 负指数算法模拟人口、经济类要素，并结合 PLUS 模型进行多要素协同模拟。第三组采用本研究提出的 CoCA 多要素空间协同模拟，统计 3 组模型的模拟精度，其模拟结果对比如下表 2 所示：

表 2 不同模型模拟精度对比（上下箭头分别表示该列的最大值和最小值）

从不同模拟方法所得结果的模拟精度中可以看出，多要素协同模拟相较于单个要素离散化模拟方法的精度均有提升，其中 CoCA 模型的土地利用模拟精度指数 FoM 为 0.239 ，可提升 35% 以上；人口密度与经济密度模拟中，对比离散化模拟精度指数 MAPE 分别为 20.19% 与 29.59% ，可提升 38% 以上；与采用 Clark 算法的模型相比，基于 S 曲线算法的 CoCA 模型精度指数 MAPE 也有较为显著的提升，分别提升了 45.34% 与 14.33% 。结果表明，多要素协同模拟的方法可以更好地实现城市变化模拟，且采用 S 曲线的模拟方法优于 Clark 负指数算法模型。

同时本研究基于优化目标和约束条件，本研究结合不同政策下的未来用地规划和人口经济发展指标设计三类未来发展情景，进行多要素协同的土地利用空间分布格局预测。表 3 显示了 2030 年不同情景下的各用地类型需求预测。图 4 展示了各场景下 2030 年模拟预测结果及细节对比。

图 4 不同场景下土地利用预测结果：（ A ）武汉主要城市区；（ B ）鄂州、黄冈主要城市区

与 2020 年实际的土地利用情况相比，三个情景下的模拟结果均显示城市用地有所增加，其他类型土地则有不同程度的减少。在 O1 和 O3 情景中，城市扩展迅速，城市用地显著增加，林地面积明显减少。特别是在 O3 情景下，新增的城市群体更加紧凑集中。而在 O2 情景中，大面积的林地和耕地保持不变，城市扩展呈现出介于其他两种情景之间的模式。

在 O1 情景中，由于缺乏政策干预，土地利用变化遵循历史趋势，耕地和林地的减少率分别保持在 2% 左右，城市用地的增长率维持在 3% 左右，表现出迅速的城市化进程。武汉主城区及周边地区的城市扩展尤为显著，尤其是靠近长江沿岸的地区。在此情景下，尽管城市用地增加，但耕地和生态资源的消耗较大，不利于生态平衡的长期维护。

O2 情景通过生态保护和耕地保护政策有效限制了城市扩展。虽然城市用地依然有所增加，但生态保护区和耕地的比例分别达到 47.17% 和 29.42% ，展现出对自然资源的有效保护。相比 O1 情景，武汉都市圈的扩展较为缓慢，尤其是在鄂州和黄冈的主要城市区域，城市发展受到限制，生态环境得到较好的维护。

O3 情景下，城市用地比例增加至 10.59% ，城市扩展呈现出向外辐射的趋势。与 O2 情景相比，耕地和林地的减少率较低，分别为 0.21% 和 0.07% 。在保持城市扩展的同时，生态区和耕地的破坏主要集中在现有城市的周边区域，展现出相对平衡的城市扩展与生态保护模式。该情景显示出通过提高城市密度，可以在不显著破坏生态环境的前提下实现城市扩展。

通过对比三个情景的结果可以看出， O1 情景下无政策干预导致的城市扩展速度最快，对自然资源的侵占也最为明显； O2 情景在保护生态区的同时，有效控制了城市扩展，但可能对城市发展空间产生一定限制； O3 情景则在城市扩展与生态保护之间找到了相对平衡，既支持了城市发展，又保持了对自然资源的较好保护。不同情景的比较揭示了合理规划对实现城市扩展与生态保护协同发展的重要性。

本研究提出了一种大都市区 CoCA 多因素空间协同模拟与未来预测框架。本研究提出了一种能够实现城市群尺度土地人口 - 经济系统空间协同模拟和多情景预测的 CoCA 框架。该框架将基于 S 曲线算法的 DCA 模型与斑块生成土地利用模型相结合，有效提升了各类因素的模拟精度。同时，通过采用驱动因素的动态更新策略，该框架更有效地探讨了各类城市发展因素之间的协同作用和相互影响机制，为刻画大都市区尺度多因素空间分布提供了一种有效的方法。

研究结果显示，城市发展过程中各要素之间存在显著的协同变化和相互作用，符合城市系统动力学理论原理。本研究有助于更深入地理解大都市要素之间的相互作用机制，为区域政策制定提供参考。我们建议武汉未来的城市规划应更加注重多要素协同规划，建立和完善土地、人口和经济的动态数据更新机制。此外，应根据未来土地利用和人口经济发展指标，科学制定城市发展规划，以促进各种发展目标下的城市可持续发展。

然而，人口和经济的发展易受外部因素影响，本研究所提出的 CoCA 模型框架仍存城市发展要素之间的因果机制尚不明确，分析方法较为简单，模拟尺度不够精细等局限性。未来的研究应添加更多约束函数，以更好地模拟连续变量。在元胞自动机中使用基于矢量的地籍地块，能够使土地利用变化模拟更加精确，而整合更详细的经济因素，将有助于探究城市发展要素之间的因果反馈机制 。