根据未来的土地需求，研究使用 HV-MVCA 模拟了 2030 年战略规划下的城市水平景观。为了突出其空间异质性，提取了 2020 年至 2030 年模拟结果的变化区域（如上图所示）。同时，选取三个区域进行不同情景下的放大比较。前两个区域（代表莞城和虎门区）是东莞市总体规划中的主要城区。
模拟结果显示，莞城作为研究区的中心城区，可利用的土地资源较少，导致未来城市发展主要以城市更新为主。而虎门则同时具备城市发展和城市更新的潜力
。
莞城的新增地块主要为商业和公共管理服务用地，而虎门则以新增工业和居住用地为主。中心城区的模拟城市用地类型为商业用地。第三个区域在地理位置上位于研究区的郊区，根据 HV-MVCA 模拟结果，其发展模式与主城区有明显不同。
与中心区域相比，这些郊区可用土地资源更为丰富，非建设用地的增量扩张主导了城市土地利用的变化，是新增工业和居住用地的主要区域。
在最终模拟中，研究将建筑体积作为垂直指标，将地块作为基本单位。RF 模型通过从 2020 年地面实况地图中收集的样本进行训练。随机选取 80% 的样本进行训练，其余 20% 的样本用于验证。
模型拟合的 R
2
为 0.88，MAPE 为 28.93%，表明模型很好地拟合了建筑体积。
2020 年研究区域的实际建筑体积为 3.76 × 10
9
立方米。建筑总量随着城市用地的扩大而增加。特别是在 SSP5 情景中，建筑体积达到 6.28 × 10
9
立方米，与 2020 年相比增加了约 67.02%。由于 SSP3 情景控制了城市增长的面积，因此建筑体积的增幅很小，仅为 5.17 × 10
9
立方米。
SSP1 与 SSP2 情景的区别在于，SSP1 情景在保持经济增长、增加技术投资的同时，控制了人口增长，减轻了环境保护和能源排放的压力。
如上图所示，SSP1 情景的建筑体积略高于 SSP2 情景。
根据建筑体量计算出每个城市地块的平均建筑高度，以定性地表示不同情景下城市垂直景观的变化。研究选取了三个区域，比较了它们的详细信息和平均建筑高度直方图分布（如上图）。
明显可以看出，
一些平均建筑高度远高于 30 米的高层建筑地块分布在第一列所代表的区域（研究区域的市中心）。通过放大比较，可以在一定程度上说明建筑高度与距离市中心的远近呈负相关关系。
研究还发现，与其他情景相比，SSP5 情景的建筑高度分布直方图更趋于正态分布。以城市地块的平均建筑高度 10 米为界，SSP5 情景中平均建筑高度超过该分界线的频率明显高于其他情景，主要原因是 SSP5 情景中新增了更多的商业和居住用地，它们也是建筑高度上升的主要来源。
HV-MVCA 的模拟结果可以在地块层面绘制出具有丰富垂直信息的城市地图。在研究讨论部分将模拟结果应用于一个潜在应用场景中，以说明 HV-MVCA 在分析城市相关问题方面的实用性。
由于碳排放对城市实现碳中和意义重大，研究应用模拟结果估算了研究区域在不同情景下的碳排放量。
上图显示了不同战略规划下研究区各行政区未来碳排放量的空间分布。由于碳排放量与城市化率相关，因此在 SSP5 下，研究区的碳排放量最高。
碳排放量较高的行政区主要是东城、虎门和厚街。在多情景模拟结果中，这些地区未来不仅会分布大量工厂，还会有很多高层建筑，人口容量大。
虽然 SSP1 的碳排放量略高于 SSP2，但其高度城市化、健康环境和低不平等性等特点不容忽视。
由于城市发展是一个复杂的过程，因此在确定最优参数配置后，HV-MVCA 仍需要一定的随机性来进行城市模拟。HV-MVCA 的随机性主要由轮盘赌选择和随机斑块生成两个模块决定。
因此，研究做进行了十组重复实验，以呈现固定参数下模型的不确定性。上图显示了模型在不同情景下多次模拟结果的重叠区域。似然值越大，该区域在模拟过程中越稳定。此外，研究还计算了这些模拟结果中重叠区域的平均百分比，以显示整体模拟的稳定性。可以看出，除 SSP3 外，其他 SSPs 的平均空间一致性均在 50% 以上。
本研究旨在提出一种精细尺度的 VCA（HV-MVCA），能够同时模拟水平和垂直维度上的多种景观动态，以应对大城市的复杂模拟问题。对于探究城市化进程中最优城市发展模式具有重要的科学指导意义。也正如文章展望部分所提到的，研究
所提出的 HV-MVCA 在模拟精细尺度的城市土地利用水平和垂直变化方面取得了令人满意的结果。然而，由于数据和技术的限制，在未来的研究当中它仍然存在可提升的地方。
1.
水平模块和垂直模块的紧密耦合。
由于 CA 的模拟结果是离散的，需要的是连续的、更准确的城市垂直信息。目前，还没有更好的方法促使 CA 直接模拟连续的垂直信息。如何将这两个模块紧密结合，使 CA 可以直接模拟垂直信息可能成为未来工作的一个紧迫问题。
2.
更精确的规则挖掘模块和更优化的框架（CA模型）。
由于分类标准有限，可能会在微观角度遗漏一些区域规划所需的空间细节。为了深化多类型城市CA模拟的实际意义，进一步优化或提出新的规则挖掘方法（如使用 LSTM 研究时空变化）以抵消类别过多导致的精度降低和不确定性增加的不利影响也是未来工作的必要内容。
3.
地理空间要素数据库的丰富。
城市变化是复杂的，由于缺乏精细的定量数据，本研究没有考虑城市气候、环境、噪声等与人类活动适宜性密切相关的指标。在未来的工作中，随着地理空间大数据的普及，可以扩展地理空间要素数据库，实现更精细、更准确的城市模拟结果。
引用格式：
He J, Liu P, Li X. Modeling multi-type urban landscape dynamics along the horizontal and vertical dimensions[J]. Landscape and Urban Planning, 2023, 233: 104683.
本文仅是小编对论文的浅薄理解呈现，不代表原论文观点，欢迎大家讨论！
