城市多维耦合模拟：基于循环反馈机制的土地-人口-经济动态协同建模研究

针对现有城市模型难以整合土地类型异质性、缺乏动态反馈机制等问题，研究人员开发了融合XGBoost与改进元胞自动机(CA)的城市多维耦合模型，通过多输出高斯过程(MOGP)算法和循环反馈机制实现LUTs（土地利用类型）与人口/GDP的动态模拟，验证指标Kappa达0.6947，为精细化城市规划提供新范式。

　　

城市作为复杂系统，其发展始终受土地、人口与经济三者动态博弈的深刻影响。经典理论如冯·杜能地租模型揭示了空间 proximity（邻近性）对经济密度的支配作用，而现实中的政策干预与非线性反馈却使传统线性模型频频失效。现有研究虽在区域尺度取得进展，却难以捕捉城市内部商业(CUL)、居住(RUL)、工业(IUL)等土地利用类型(LUTs)的异质性影响，更缺乏动态更新驱动力的机制。武汉大学的研究团队在《Applied Geography》发表的这项研究，通过构建循环反馈驱动的多维耦合模型，为破解这一难题提供了创新解决方案。

研究采用三大核心技术：1）XGBoost优化的改进CA框架实现LUTs空间分配；2）MOGP算法耦合人口/GDP密度映射；3）建立"模拟-反馈-迭代"循环机制动态调整驱动力。以武汉为案例区，模型在自然增长、紧凑发展和蔓延三种情景下验证了其适应性。

土地模拟结果显示，2020年模拟LUTs与实际数据空间吻合度较高，但商业用地呈现更显著的中心集聚趋势（Kappa=0.6947）。人口与经济模拟通过核密度估计验证，GDP模拟误差较传统重力模型降低23.6%，人口分布模拟的局部均值相似性(LMS)达0.82。多情景分析表明，紧凑发展模式可使建设用地减少18.7%，而蔓延情景下生态用地流失量达自然增长模式的2.3倍。

该研究的突破性在于：首次将LUTs特异性机制（如商业用地促进经济聚类、工业用地引导通勤流）嵌入循环反馈框架；开发的SAI（空间聚集指数）等动态评估指标，解决了高流动性要素的验证难题。相比Tu等(2024)的区域模型，本模型在city-scale尺度实现了89.5%的政策干预响应精度提升。这些成果不仅为《国土空间规划》提供了量化工具，其"模拟-反馈"架构更为智慧城市数字孪生系统奠定了方法论基础。