乌鲁木齐作为中国西北部山地绿洲城市的典型，兼负经济扩张与生态可持续发展的重要任务。在“十四五”规划开启的重要节点上，对乌鲁木齐市城市时空演变特征与未来扩张趋势加以分析与预测研究，可为乌鲁木齐市制定城市建设与发展的政策与方案提供科学、合理的理论参考与模拟依据。

目前对城市扩张模拟预测主要依据“过去决定未来”的原则，以过往城市扩张数据为基础，所采用的研究方法主要集中在元胞自动机与其他模型（如神经网络）的结合，利用元胞自动机的时空计算优势并混合其他模型进行城市及城市群等多尺度多情景模拟^［1-2］。如Waddell^［3］结合CA和MAM，集成发展了城市仿真URBANSIM预测模型；Brian等^［4］集成生态学模型、CA模型和环境影响评价模型，提出城市土地利用演化和评价的LEAM模型；胡最等^［5］采用MCES-CA模型对15 a内衡阳市主城区扩张时空特征进行模拟。这种推演预测方式延续城市过往发展规律，是常规性情景下的城市扩张预测。但在城市实际发展过程中，城市规划与建设决策者具有一定的主观能动性，其规划决策存在多种情景，有必要对重建设轻生态、重自然轻发展等极端情况加以考量，并将其作为不同情景下预测模型的约束，以帮助城市规划决策者在“十四五”规划中设计科学、合理的建设与发展方案。GeoSOS-FLUS模型是黎夏^［6］等基于神经网络模型原理开发的目前唯一集成地理空间模拟与多情景优化设计的模型，其在我国中东部以及华北等地区城市城市群应用广泛。如对我国广东茂名市^［7］未来土地利用变化对降水入渗补给量的关系预测；模拟崇明岛^［8］未来常规、城镇化与2035年规划发展情景分析未来灾害风险；在三亚^［9］较为准确地探索8 a内未来生态情景下的生态安全与土地利用优化整治。GeoSOS-FLUS模型可以设计与模拟不同情景，有效处理未来土地利用转换概率与各驱动因素间的复杂作用，是当前多情景下城市扩张与土地利用发展模拟的重要方法。

针对现有研究在乌鲁木齐主城区扩张多情景约束与模拟方面的空白，本文以乌鲁木齐主城区1990~2018年共7期遥感影为基础数据，综合筛选各模型与各城市扩张驱动因素，权衡预测周期与模拟精度的趋向关系，设置第一产业优先、第二三产业优先、生态优先3种城市建设情景作为约束条件，选取GeoSOS-FLUS模型对2030年乌鲁木齐主城区扩张进行多场景模拟，以期对乌鲁木齐今后的城市建设发展、土地利用规划、生态环境保护等提出合理、有效的建议和对策。

乌鲁木齐是新疆维吾尔自治区首府，全境位于准葛尔盆地南缘，北天山西段的接合部。西南部、东北部为山地，两侧山地之间为柴窝堡—达坂城谷地，北部为乌鲁木齐河与头屯河冲积平原。乌鲁木齐市深居欧亚大陆腹地，属中温带半干早大陆性气候，其特点是：寒暑变化剧烈，昼夜温差较大，天空多晴朗，降水不多，多年平均气温7.3 ℃。从生态环境上来看，乌鲁木齐市地处我国西部地区，生态环境非常脆弱，城市化进程不断地加快使得乌鲁木齐市建设用地需求的不断增加，城市用地的向外延伸导致大量的林地、耕地、草地被侵占、转成建设用地，进而导致农用与绿化面积萎缩、质量持续降低，破坏了西部地区原有生态系统的寄存环境。乌鲁木齐市是全国最大的省级行政区——新疆维吾尔自治区的首府，是新疆政治、经济、文化中心。城市地域不断扩大，结构越来越复杂，功能也日趋完善，乌鲁木齐已成为新疆唯一的特大城市，具有很强凝聚力和辐射力。从产业结构上来看，乌鲁木齐三大产业产值差异较大，据2020年乌鲁木齐市国民经济和社会发展统计公报，2020年乌鲁木齐第一产业产值27.05亿元，第二产业907.89亿元，第三产业2 402.38亿元。乌鲁木齐主城区地理位置如图1所示。

乌鲁木齐市土地利用分类的数据源为1990、1995、2000、2005、2010、2015、2018共7期Landsat遥感影像。考虑到本研究的重心在于探究土地利用类型时空演变情况，参考《城市用地分类与规划建设用地标准》（GB50137-2011），利用SVM对多时相遥感影像进行半监督分类，数据精度参照原始遥感影像，总精度83.78%，分辨率为30 m。同时，考虑到乌鲁木齐市特殊的自然地理环境，将荒漠与冰川积雪需单独列出，并将低密度草地分类后划入荒漠，则本研究的土地利用类型共包括8类，分别为耕地、林地、草地、水域、建设用地、荒漠、冰川积雪、其他（即为未开发用地，包括不可建设用地、留白用地、空闲地等）。

主城区扩张变化是自然因子和社会因子共同作用得到的。本着全方位考虑可能的影响因素的原则，所得到的指标包括以往在主城区时空格局变化驱动力研究中经常用到的指标，与主城区时空格局变化有关的自然环境类指标和社会经济指标。

依据乌鲁木齐市地形地貌类型特点以及主城区的分布范围，将地形、年平均气温、年平均降水、距河流的距离作为影响其变化的自然环境指标，其中将地形更深一步的划分为坡度、坡向和海拔；现实生活中交通因素作为一项重要的社会经济指标在城市建设与扩张过程中同样起着重要的作用。因此，本研究在自然因素数据方面，选取海拔（DEM）、坡度、坡向、年平均温度、年平均降水、距河流的距离等影响城市发展的空间辅助变量。年平均温度、年平均降水数据的处理方法类似，以年平均降水数据为例，其处理过程如下：首先从中国气象数据网中下载中国1990、1995、2000、2005、2010、2015、2018共7年的等降水量线shapefile数据，然后对各年份下的等降水量数据进行空间插值（create Tin from features、Tin to raster），最后利用乌鲁木齐市行政区划数据截取上述年份均降水空间分布数据，即可获得不同年份下乌鲁木齐年平均降水数据。在社会经济因素数据方面，主要以交通因素为主^［10］，选取距主要公路距离、距铁路距离等影响城市发展的空间辅助变量。以交通因素为例，其源数据包括不同年份主要公路、铁路线状空间数据，数据源为1990、1995、2000、2005、2010、2015、2018年7期Landsat遥感影像，从遥感影像中对上述交通线路数据进行解译与矢量化，然后利用距上述交通线路的距离作为影响城市建成区扩张时空演变的交通因素。本文采用欧氏距离计算距交通线路的距离。如表1所示为乌鲁木齐主城区扩张模拟所涉及的主要数据。

GeoSOS-FLUS是对地理模拟与优化系统（GeoSOS）的传承，并在FLUS模型的原理上开发出来的集空间过程模拟、优化、预测于一体的分析平台，在土地利用变化及未来预测与分析中运用广泛，是地理空间优化与决策的重要工具。在GeoSOS-FLUS软件的基于神经网络的出现概率计算模块中输入自然环境、社会经济等土地利用变化驱动因素，模块将根据输入数据采用神经网络算法整合并计算研究区内每种土地利用类型在每个像元上的出现概率。

1990~2018年乌鲁木齐主城区土地利用分类如图2所示。自1990年至2018年，原本草地、荒漠遍布的东南部与西南部地区逐渐被开发利用，土地利用类型转化为建设用地以及耕地，致使荒漠与其他用地在空间分布上呈现破碎零散化分布特征。

乌鲁木齐主城区1990~2018年各土地利用类型用地面积变化如图3所示。自1990年至2018年，主城区其他用地、荒漠与建设用地面积占比变化最明显，荒漠面积占比下降5.30%，建设用地面积占比提高4.00%，其他用地面积占比增加5.13%，草地面积占比波动最小，草地面积占比仅增加0.50%。

考虑到本文重点研究乌鲁木齐城市扩张预测问题，以建设用地为研究对象，研究乌鲁木齐建设用地的重心转移情况。利用ArcGIS10.1软件，提取出1990、2000、2010和2018年乌鲁木齐市建设用地分布数据，再利用平均中心点工具分别提取1990、2000、2010和2018年乌鲁木齐市建设用地的重心，并获得上述年份城市建设用地的中心坐标。最后借助重心转移公式对研究区域内建设用地的重心转移距离与转移方向进行计算与分析。

1990、2000、2010、2018年乌鲁木齐建设用地重心及其转移线路如图4所示。从经度上看，自1990年至2018年乌鲁木齐城市建设用地重心转移的方向为向东发展，从纬度上看，自1990年至2018年乌鲁木齐城市建设用地重心转移的方向先小幅度向北、后大幅度向南，最后大幅度北调回到最初的重心纬度位置附近。

从乌鲁木齐城市建设用地重心总的转移过程来看，1990~2000年建设重心主要由沙区三一西北重工附近向东北部沙依巴克区澎湖路附近转移，这说明主城区东部北部区域地势开阔，发展基本不受山势限制；2000~2010年建设重心向东南方向沙区西山西街方向转移，这是由于农村人口向城市大量涌入带来城市人口剧增，建设大肆侵占南部草地与林地；2010年后建设重心向东北方向新市区苏州东街转移，尤其是2012年乌鲁木齐近年城市总体规划中指出，城市用地按照“南控、北扩、先西延、后东进”的原则，在生态环境保护与城市和谐可持续发展政策的引导下，主城区建设向东北向迁移，向南严格控制、优化和整治，向北为主要发展方向，向西在保障生态和地质安全的前提下适度拓展，向东强化与市域北部地区的协调，并预留发展空间。

基于GeoSOS-FLUS模型的主城区扩张模拟实验分为3个阶段，首先是基于神经网络的出现概率计算部分，该部分实验获得适宜性概率数据，这是整个模拟实验的基础；然后是基于自适应惯性机制的元胞自动机模拟实验；最后是对城市未来发展情景进行设计与扩张预测模拟实验。

利用乌鲁木齐市2010年土地利用分类数据作为初始年份土地利用数据，对2018年乌鲁木齐市土地利用情况进行模拟，同时以乌鲁木齐市2018年的真实土地利用分类数据来验证FLUS模型的模拟精度。根据多次实验，将采样参数设置为1，神经网络的隐藏层数量设为12，并选Single Accuracy（单精度）。添加所有驱动力因子，开始进行神经网络模型训练、出现概率的训练，完成模型训练后，得到衡量训练精度的3个指标：均方根误差为0.294 027、平均误差为0.180 242、平均相对误差为0.331 651，满足精度要求。

设置2010年的土地利用数据，迭代次数设定为300，模型到达迭代目标即会提前停止，在元胞自动机中设置邻域值3，表示元胞自动机采用3×3摩尔邻域。软件默认的加速因子为0.1，模型在默认的参数下能够正常运行。设置各类土地利用类型在模拟转换中的参数，当一种用地类型不允许向另一种转化时，将矩阵的对应值设为0；允许转化时设为1。完成所有设置后，运行元胞自动机开始模拟，模拟结果与实际结果如图5所示。

Kappa系数是用来评价分类一致性的指标。在Kappa系数的计算模块中，加载数据并设定采样方式为均匀采样。Kappa值一般在0~1之间，当数值越接近１时，模拟精度越高。本次实验Kappa系数为0.79，精度较高。在计算FoM值的模块中添加真实的2010年数据、真实的2018年数据、模拟的2018年数据后计算精度FoM指数，得到的FoM指数为0.030 9，精度符合要求。

结合乌鲁木齐主城区土地利用规划与规划文本中的内容，对主城区进行地类数量与土地可持续利用进行约束。以Xie等^［11］提出的土地可持续利用综合指数作为约束条件参照，设定乌鲁木齐主城区扩张预测的详细约束条件如表2所示。

本研究以2030年作为预测年份，设计了3种乌鲁木齐主城区扩张发展情景，作为主城区扩张的重要约束条件。

第一产业优先情景：乌鲁木齐地类变化以生产适宜性为主导，根据规划文本各指标限制，以确定耕地数量不减少为基础，以实现第一产业效益与生态效益全面提高为目标，保证经济发展与生态保护共同发展，经济效益、生态效益权重分别为 0.5、0.5。

第二三产业优先情景：乌鲁木齐地类变化以生活适宜性为主导，在快速城镇化发展的背景下，以实现第二三产业效益最大化为目标，侧重发展经济产出较高的地类，增加城乡建设用地、基础设施用地的面积，促进城乡融合，经济效益、生态效益权重分别 0.8、0.2。

生态优先情景：乌鲁木齐地类变化以生态适宜性为主导，严守生态红线，以生态效益最大化为目标，减少建设用地的开发，提升生态用地保护，经济效益、生态效益权重分别 0.2、0.8。

在不同扩张情景设计以及权重设置的基础上，利用Markov模型计算得到3种不同情景的土地利用需求，然后将不同情景下的土地利用需求量作为2030年实际各土地利用类型的像元数输入到GeoSOS-FLUS模型中，对主城区扩张情况加以模拟。

（1）第一产业优先情景。在第一产业优先情景下，乌鲁木齐主城区扩张预测模拟结果如图6所示，各土地利用类型面积转入贡献率如图7所示。由图可知，原有的耕地大幅度扩张，除保持原有1 093.19 km²外，转入贡献率主要为荒漠等；建设用地大幅扩张，除原有面积808.38 km²外，荒漠转入贡献率最大；林地主要由其他用地、荒漠转入232.29 km²；草地面积萎缩329.99 km²，主要由其他用地等转入；荒漠在第一产业优先情景 下进一步萎缩，仅保持原有2 061.24 km²的面积，转入贡献最大为其他用地；原有的冰川积雪几乎保持不变，保持原有冰川积雪面积112.51 km²。

（2）第二三产业优先情景。在第二三产业优先情景下，乌鲁木齐主城区扩张预测模拟结果如图8所示，各土地利用类型面积转入贡献率如图9所示。由图中可知，建设用地大幅度扩张1 142.94 km²，耕地、草地、其他用地转入贡献率较大；原有的耕地大幅度萎缩387.55 km²，主要转化为草地、其他用地与荒漠；草地也大幅度萎缩429.24 km²，其他用地、耕地、建设用地是转化的主要类型；林地有所减少，保持377.90 km²左右；原有108.89 km²的水域小幅扩张，主要由草地、冰川积雪转化；原有的冰川积雪面积有些微缩，保持原有冰川积雪面积107.04 km²；其他用地小幅度萎缩至3 483.66 km²。

（3）生态优先情景。在生态优先情景下，乌鲁木齐主城区扩张预测模拟结果如图10所示，各土地利用类型面积转入贡献率如图11所示。由图中可知，原有的草地大幅扩张111.29 km²，除保留原有4 424.21 km²外，其他用地、荒漠、耕地、建设用地转入贡献较大；原有的林地扩张14.60 km²，主要由其他用地、草地、荒漠、耕地、建设用地等转化得来；原有的荒漠在生态优先情景下进一步萎缩，仅保持在2 376.80 km²左右；水域得到小幅扩张2.54 km²，其他用地、草地、耕地是转入主力；原有的建设用地仅小幅扩张13.92 km²；其他用地大幅度萎缩，仅为3 123.09 km²。

本研究首先利用基于SVM的半监督分类法对乌鲁木齐主城区1990、1995、2000、2005、2010、2015、2018年共7期遥感影像进行土地利用类型推测解译，利用空间格局演变、土地利用面积的时间变化以及重心转移分析对乌鲁木齐城市用地格局时空演变特征进行定量分析，发现自1990年至2018年，主城区其他用地、荒漠与建设用地面积占比变化最明显，荒漠面积占比下降5.30%，建设用地面积占比提高4.00%，其他用地面积占比增加5.13%，草地面积占比波动最小，草地面积占比仅增加0.50%；其次，基于GeoSOS-FLUS模型对2018年乌鲁木齐主城区扩张情况进行预测，经比对2018年模拟结果与实际城市土地利用分类，模型模拟的Kappa系数为0.79，FoM指数为0.030 9，表明GeoSOS-FLUS可以以较高的精度对乌鲁木齐主城区扩张进行预测；最后，第一产业、第二三产业、生态优先三种发展情景，利用GeoSOS-FLUS对乌鲁木齐主城区2030年扩张情况加以模拟预测，研究发现：①第一产业优先情景下的乌鲁木齐扩张模拟结果能够缓解土地利用功能冲突，符合研究区的主城区定位与发展方向要求。②第二三产业优先情景下的建设用地等经济效益较高的地类明显增加，主城区用地布局较为分散；在第一产业优先情景下，建设用地、林地等地类面积增大，对于实现经济效益与生态效益均提升具有重要促进作用。③生态优先情景下的建设用地等经济效益较高的地类面积逐渐减小，生态效益高的林地、草地、水域面积显著增加。

上述不同发展情景的设计与城市扩张预测为乌鲁木齐主城区用地规划提供了一个新的视角。但本研究仍存在如下不足：①本文的研究时间段为1990~2018 年，要尽可能的完善1949~1990年的高分辨率的影像数据，以乌鲁木齐市的正规主城区雏形呈现之时即建国时期为起始点，以便能在更大时间跨度内，深入研究乌鲁木齐市主城区从“边境要塞”到“中亚桥头堡”的发展历程，基于城市发展历史轨迹来探究其用地扩张的时空演变动态。②整个乌鲁木齐市行政区范围每期需要3个影像，但是由于云量和影像时间等问题，有些研究期无法获得完整的影像资料，导致没能研究整个乌鲁木齐市建设用地（除主城区外）的时空变化特征。在以后的研究中可以获得较完整的乌鲁木齐市的影像资料，对整个乌鲁木齐市建设用地扩张特征，及其对其他土地利用类可以进行详细的影响分析。③我国山地占我国国土面积的70%左右，且乌鲁木齐市作为山地绿洲城市，对其进行系统研究将对我国山地城市发展研究以及以山地为依托的绿洲城市的发展具有重要意义，同时对我国西部干旱区乃至中亚地区山地城市建设发展的指导具有重要理论意义。