想象一下，城市規劃者試圖預測一個城市未來幾十年的發展。他們需要知道哪些區域會擴張，哪些會收縮，以及城市內部的功能——是住宅區、工業園區還是商業中心——將如何演變。現有的預測工具，即城市土地利用/土地覆蓋變化（LULCC）模型，雖然常用，但往往有一個顯著的短板：它們傾向于將整個城市或定居點視為一個均質的“塊”，而忽略了其內部居住密度、就業崗位密度和主導經濟活動的巨大差異。這種“一刀切”的處理方式，極大地限制了模型在整合交通模式、生物多樣性、城市形態和微氣候等關鍵信息方面的能力，而這些信息的評估恰恰依賴于對城市土地利用類型及其強度的精細區分。此外，大多數此類模型僅針對單一城市校準，缺乏區域視角，難以捕捉多個定居點之間復雜的互動與發展差異。在像瑞士高原這樣人口密集、發展迅速的地區，亟需一個能夠同時兼顧高分辨率、區域尺度和豐富主題細節的城市土地利用變化模型，以更好地預見未來，并為政策制定和空間規劃提供科學依據。

為了填補這一空白，來自蘇黎世聯邦理工學院（ETH Zurich）的研究團隊在《Computers, Environment and Urban Systems》期刊上發表了一項研究，題為“High-resolution urban land use change modeling via sequential classifiers”。他們成功開發了一個針對瑞士高原的高分辨率、數據驅動的城市LULCC模型。該模型的核心創新在于采用了兩個序貫的XGBoost（極端梯度提升）分類器。第一個分類器（二元模型）預測一個地塊（以公頃為單元）是否會變為城市用地，第二個分類器（多類模型）則為被預測為城市的地塊分配27個具體的城市土地利用類別之一。這些類別的定義綜合了人口密度、全職等值（FTE）就業密度以及主導經濟部門（農業、工業、服務業）三個維度。研究利用1995年至2015年五年間隔的歷史數據進行訓練，并用2020年的數據進行驗證。結果顯示，該模型在城市范圍預測上達到了92.3%的準確率，在土地利用類別預測上獲得了0.692的模糊Kappa值，表現優異。模型進一步預測了到2050年的長期發展，并分析了不同市政類型的發展差異。此外，通過模擬蘇黎世創新園區的建設，研究還展示了該模型如何用于評估大型戰略項目對周邊區域的廣泛影響。

研究團隊運用了多項關鍵技術方法來構建和驗證模型。首先，他們基于瑞士精細的人口普查和就業統計數據，定義了包含27個類別的城市土地利用分類體系，閾值參考了蘇黎世州的鄰里分析標準。其次，研究劃定了一個包含1999個定居點的“瑞士高原”核心區作為研究范圍，并創建了“定居點掩膜”以聚焦于可能發生城市動態的區域。第三，模型整合了靜態（如坡度、到交通設施距離）和動態（如當前/上一時相的土地利用類別、鄰域類別計數、公共交通可達性等級）解釋變量。第四，核心建模部分采用了兩階段序貫XGBoost算法，并針對類別不平衡問題進行了處理（如調整誤分類權重、使用SMOTE過采樣）。最后，模型性能通過ROC AUC、精度、F1分數、Cohen‘s Kappa以及更貼合土地利用相似性評估的模糊Kappa等指標進行全面評估，并對結果進行了空間可視化和基于官方市政類型的聚合分析。

研究結果：

二元分類模型在預測2020年城市與非城市地塊上表現出色，ROC AUC達到0.959，準確率為91.1%。通過調整概率閾值，模型預測的城市面積比實際觀察值略多1391公頃，但整體上精確地識別了城市擴張的范圍。

多類別城市土地利用分類模型取得了0.692的模糊Kappa模擬分數，表明模型在考慮類別間相似性的情況下，對土地利用變化的預測具有良好的一致性。Cohen’s Kappa為0.668，宏觀平均F1分數為0.514。敏感性分析表明，模型性能對不同密度類別閾值的選擇具有穩健性。該圖展示了模型在示例區域（巴登）重現歷史演變和預測近期土地利用格局的能力。

特征重要性分析顯示，當前時期（Class_t0）和上一時期（Class_t-1）的土地利用類別是最重要的預測因子。地塊在城市內部的中心性（Cell Centrality）以及到機場、學校、主干道等設施的可達性距離也具有高影響力。此外，不同半徑范圍內鄰域土地利用類別的數量（Neighboring Class Counts）是關鍵的驅動因素，表明土地利用變化具有強烈的空間依賴性和傳染效應。例如，分析發現，一個地塊周圍若存在多個高密度服務業（3III.0）地塊，會顯著提高其自身轉變為同類別的可能性，反之則抑制，這揭示了土地利用的聚集模式。

對2020年至2050年的預測顯示，瑞士高原的城市總面積預計將增長1.92%。發展呈現明顯的空間和類型分異：核心大城市（如蘇黎世）預計將經歷最強的居住和服務業密度提升（高密度區域增加約300公頃）；而大都市區內的居住型市鎮和郊區市鎮，擴張則主要發生在低至中等密度水平。從經濟部門看，第一產業（農業）和第二產業（工業）的就業預計將減少，而第三產業（服務業）的就業將持續增加。該圖匯總了不同市政類型的發展差異，凸顯了模型捕捉區域異質性的能力。

以蘇黎世創新園區為例的場景測試表明，此類大型戰略項目的影響遠超其所在地塊。在項目周邊500米范圍內，超過8%的地塊的土地利用類型發生了變化（相較于無項目基線）。影響隨距離增加而衰減，但在最遠19公里處仍可檢測到變化，主要體現為居住密度的調整。這證明地方干預具有廣泛的區域空間溢出效應。

研究結論與討論：

本研究成功開發并驗證了一個用于瑞士高原的高分辨率、主題細致的城市土地利用變化模型。該模型通過序貫XGBoost分類器，首次在區域尺度和公頃分辨率上，同步區分了居住密度、就業密度和經濟部門，顯著提升了對城市動態的理解深度。模型驗證性能優異，特別是模糊Kappa分數優于同類研究。

研究表明，城市土地利用類別本身及其空間鄰域環境是未來變化的關鍵驅動因素，強調了在模型中精細化表征城市內部差異的重要性。長期預測揭示了持續的內向式致密化趨勢，尤其是在已高度城市化的核心區，同時伴隨從第一、第二產業向第三產業的結構性轉變。這些發現與緊湊城市理論和瑞士的經濟轉型預期相符。

本研究具有重要的政策意義。模型提供的精細化預測（公頃尺度、27個類別）能夠支持更具針對性的基礎設施規劃、分區策略和區域協調。通過修改輸入變量（如基礎設施圖層、定居點掩膜），該框架可用于評估不同政策情景或大型項目（如蘇黎世創新園）的區域性影響，捕捉那些在二元城鄉分類模型中無法顯現的空間外部性。與許多需要預先設定土地需求或城市范圍的模型不同，該模型僅基于歷史數據中學習到的解釋變量間復雜相互作用進行預測，為探索替代發展路徑提供了靈活、實證的基礎。

當然，模型也存在局限。其依賴于公頃級的人口與就業普查數據，這在許多地區難以獲取（盡管可用網格化人口產品或夜間燈光數據作為替代）。分類所依據的閾值雖然基于本地實踐并經過敏感性測試，但仍會影響結果類別。未來的改進方向包括將更多靜態變量動態化（如隨時間演變的可達性指標），以更好地評估政策干預的長期效果。總體而言，這項研究為城市與區域規劃者提供了一個強大的新工具，能夠以前所未有的細節和廣度，模擬和預見復雜城市系統的未來軌跡。