下载文档原格式
专题九乡村与城镇第二十五讲城镇化考试时间：100分钟；命题人：一、单选题（2018·江苏宿迁·江苏省泗阳中学校考一模）天际线是西方城市规划的定型理念，它是由城市中的高楼大厦构成的整体结构，又称城市轮廓或全景，下图是南京市主城区天际线2000-2012年变化示意图。
读图完成下面1-2小题。
1．2000年—2012间，南京城市发展较快的区域是（）A．城东和城西B．城南和城北C．城东和城北D．城西和城南2．若要增强南京中心城区对江北新区的辐射作用，目前首先要加强（）A．市场开拓B．产业开发C．交通建设D．环境保护（2022·河南安阳·统考模拟预测）为了缓解大城市病，国内外都市圈普遍采用疏解中心城市人口和功能、在周边建设新城的治理手段。
东京都市图的新城建设分为卧城建设和业务核都市建设两个阶段，卧城建设阶段新城主要承担居住职能，业务核都市建设阶段新城主要承担研究开发、商务办公、信息物流、医疗健康等职能。
据此完成下面3-4小题。
3．建设卧城可以疏解中心城市的人口，但是容易导致（）A．职工通勤距离显著增加B．中心城市公共服务设施压力增大C．中心城市环境污染加剧D．中心城市住房价格大幅提高4．与卧城建设相比，东京都市圈业务核都市建设可以（）A．增加东京都市圈的就业机会，解决失业问题B．保持中心城市的发展活力，防止其衰落C．形成多中心的都市圈格局，提升整体实力D．加快大都市圈的工业化进程，增加国民收入（2022·安徽芜湖·安徽师范大学附属中学校考模拟预测）改革开放以来，我国城镇化建设不断推进，城市建设用地在城市中以斑块形式呈现。
下图是某市斑块密度变化统计，据此完成下面5-7小题。
5．了解该城市建设用地数据来源于（）A．城市地理信息系统B．硬化地面遥感数据C．河湖水面遥感数据D．透气地面定位数据6．在2000-2010年期间该市建设用地（）A．连通增强B．联系减弱C．规模萎缩D．分离增强7．随着该市建设发展，斑块化密度将（）A．持续增加B．持续减小C．先增加后减小D．先减小后增加（2023·全国·模拟预测）乡愁，是中国人对故土山水人文的悠长眷恋。
j型增长数学模型各部分含义
J型增长数学模型是一种描述某个系统、产业或者经济增长过程的数学模型，它包含以下几个部分：
1. J型增长：指在一段时间内，系统或者产业的增长以持续的低速增长为主，而后突然经历了快速增长阶段。
J型增长模型通过数学方法描述了这种增长模式。
2. 时间变量：用以表示观察的时间段或者特定的时间节点。
时间变量在模型中起到横坐标的作用，并用于显示系统或者产业的增长情况。
3. 增长率：指某个系统或者产业的相对增长速度，通常用百分比表示。
在J型增长模型中，增长率一开始较低，然后在特定时间点上突然加速。
4. 高速增长阶段：J型增长模型中的一个关键部分，表示系统或者产业在某个时间点上突然经历的快速增长。
这个阶段之后，增长速度可能会趋于稳定或下降。
5. 初始低速增长：J型增长模型中的另一个关键部分，表示系统或者产业在起始阶段的低速增长。
这个阶段可能由于各种因素（如初始投入、市场需求等）导致增长速度较慢。
6. 转折点：J型增长模型中的一个重要时间点，表示系统或者产业从低速增长阶段转变为高速增长阶段的时间点。
转折点通常是增长率快速上升的时刻。
J型增长数学模型通过对以上几个部分的描述和相互关系，可以用来分析和预测系统或者产业的增长趋势和特征。
现代城市人口发展趋势的时间序列预测模
型
随着城市化进程的加速，现代城市人口的发展趋势成为了一个备受关注的话题。
为了更好地了解城市人口的发展趋势，我们需要建立一种时间序列预测模型，以预测未来城市人口的变化趋势。
时间序列预测模型是一种基于历史数据的预测方法，它可以通过对过去的数据进行分析和建模，来预测未来的趋势。
在城市人口发展趋势的预测中，我们可以采用ARIMA模型、指数平滑模型、神经网络模型等多种方法进行预测。
ARIMA模型是一种基于时间序列的统计模型，它可以对时间序列数据进行分析和预测。
ARIMA模型的核心思想是将时间序列数据分解为趋势、季节性和随机性三个部分，然后对这三个部分进行建模和预测。
通过ARIMA模型，我们可以预测未来城市人口的趋势和季节性变化。
指数平滑模型是一种基于加权平均的预测方法，它可以对时间序列数据进行平滑处理，以消除随机性和季节性的影响。
指数平滑模型的核心思想是将过去的数据赋予不同的权重，然后对这些数据进行加权平均。
通过指数平滑模型，我们可以预测未来城市人口的趋势和随机性变化。
神经网络模型是一种基于人工神经网络的预测方法，它可以对时间
序列数据进行非线性建模和预测。
神经网络模型的核心思想是通过多层神经元的连接和训练，来学习时间序列数据的规律和趋势。
通过神经网络模型，我们可以预测未来城市人口的趋势和非线性变化。
时间序列预测模型是一种重要的预测方法，它可以帮助我们更好地了解城市人口的发展趋势。
在未来的城市规划和发展中，我们可以根据时间序列预测模型的预测结果，来制定更加科学和合理的城市规划和发展策略。
四、区域城镇化水平预测模型国土规划、城镇体系规划以及各种关于城市和区域的发展战略研究中，都需要预测若干年后区域的城镇人口数和城镇人口在总人口中的比重。
预测期限常常是10年、20年甚至更长，属于长期或超长期预测，要求得到的是一种控制性指标。
下面介绍的是几种常用的预测模型。
（一）联合国法这是联合国用来定期预测世界各国、各地区城镇人口比重时常用的方法。
它的关键是根据已知的两次人口普查的城镇人口和乡村人口，求取城乡人口增长率差，假设城乡人口增长率差在预测期保持不变，则外推可求得预测期末的城镇人口比重。
根据假设：式中U（i）——i时的城镇人口；R（i）——i时乡村人口；t——时间；K——城乡人口增长率差。
对（1）式取不定积分：最终可以得到：ln U（i）-ln R（i）=Kt+c（2）即总人口，则PU（i）为城镇人口比重，（2）式可变成：（3）式正是S型曲线的数学模型。
可见联合国法预测城镇人口比重符合正常的城镇化过程曲线的原理。
在实际应用中，从（2）式可以找到一种求取城乡人口增长率差的简便方法：式中：URGD——城乡人口增长率差；PU（1）——前一次人口普查的城镇人口比重；PU（2）——后一次人口普查的城镇人口比重；n——两次普查间的年数。
（4）式的优点是避免了用城镇和乡村人口的绝对值进行计算的麻烦。
假设URGD是一个常数，就可以从下式（5）向前估计两次普查年之间每一年的城镇化水平，也可以向后预测某年的城镇化水平：式中：t——距离第一次人口普查的年数。
例如，1982年中国第三次人口普查公布市镇人口比重为20.6％，当时这一数字比较接近中国城镇化的实际水平，但后来各年因市镇范围扩大，国家公布的市镇人口比重已失去意义。
1990年第四次人口普查用新的统计口径，公布当年市镇人口比重为26.23％，也比较接近实际。
作者用联合国法求得1982～1990年中国城乡人口增长率差为0.03939，据此修补了1983～1989年各年的城镇人口比重。
城市吸引范围潜力模型一、背景介绍城市吸引范围潜力模型是一种城市规划和经济发展领域的研究方法，旨在评估城市的吸引力和潜力。
该模型可以帮助城市规划者和决策者了解城市的竞争地位以及未来发展方向，从而制定有效的政策和计划。
二、城市吸引范围潜力模型的构成城市吸引范围潜力模型主要由以下几个部分组成：1. 城市基础设施：包括交通、通讯、能源等基础设施，这些设施对于一个城市的吸引力和潜力至关重要。
2. 人口结构：人口结构是一个城市吸引力和潜力的重要因素，包括人口数量、年龄结构、教育水平等。
3. 经济环境：经济环境是一个城市吸引力和潜力的核心因素，包括产业结构、就业机会、税收政策等。
4. 社会文化：社会文化也是一个城市吸引力和潜力的重要因素，包括文化活动、娱乐设施、教育机会等。
5. 环境质量：环境质量是一个城市吸引力和潜力的重要因素，包括空气质量、水质、噪音污染等。
三、城市吸引范围潜力模型的应用城市吸引范围潜力模型可以应用于以下几个方面：1. 城市规划：通过评估城市的吸引力和潜力，可以为城市规划提供有价值的参考意见。
例如，在制定新的城市规划时，可以根据该模型评估不同地区的发展潜力，从而确定最佳的土地利用方案。
2. 经济发展：通过评估城市的产业结构、就业机会等经济因素，可以为经济发展提供指导意见。
例如，在制定经济政策时，可以根据该模型评估不同产业的发展前景，从而确定最佳的政策措施。
3. 投资决策：通过评估城市的投资环境和潜力，可以为投资决策提供有价值的参考意见。
例如，在选择投资项目时，可以根据该模型评估不同行业和地区的投资风险和回报率，从而确定最佳的投资方案。
4. 城市竞争力评估：通过评估城市的吸引力和潜力，可以为城市竞争力评估提供有价值的参考意见。
例如，在进行城市竞争力排名时，可以根据该模型评估不同城市在基础设施、人口结构、经济环境等方面的表现，从而确定最终排名。
四、城市吸引范围潜力模型的优缺点城市吸引范围潜力模型具有以下优点：1. 综合性：该模型考虑了多个因素对城市吸引力和潜力的影响，具有较高的综合性和全面性。
规划模型在现代社会中，规划对于城市的发展起着至关重要的作用。
规划模型作为一种决策工具，可以帮助规划者更好地预测和控制城市发展的方向和速度。
本文将介绍规划模型的基本概念、常见类型以及应用案例。
基本概念规划模型是指对城市未来发展进行系统性分析和量化预测的一种方法。
它通过搜集城市发展相关数据，建立数学模型来描述城市之间的相互作用和影响，从而为规划者提供科学的依据和决策支持。
常见类型1. 交通规划模型交通规划模型是指用于预测和优化城市交通系统的模型。
通过模拟车流量、交通拥堵情况等，交通规划模型可以帮助规划者调整道路布局、优化公共交通线路等，提高交通效率。
2. 土地利用规划模型土地利用规划模型是用来预测和优化城市土地利用结构的模型。
它可以帮助规划者确定不同区域的发展用途，合理分配城市资源，实现土地的最优利用。
3. 经济规划模型经济规划模型是用于预测和评估城市经济发展的模型。
通过模拟投资、就业、产业结构等因素的影响，经济规划模型可以帮助规划者制定经济政策、吸引投资等，促进城市经济增长。
应用案例北京城市总体规划北京市政府利用规划模型对未来城市发展进行了全面规划。
通过构建城市交通、土地利用、经济发展等方面的模型，北京成功实现了城市建设与生态环境保护的平衡发展。
新加坡智慧城市规划新加坡政府通过引入先进的智能技术，结合规划模型对城市进行智慧化规划。
通过实时数据监测和预测，新加坡成功提高了城市管理的效率，提升了市民生活品质。
总的来说，规划模型在城市规划中具有不可替代的作用。
通过不断完善规划模型，可以更好地实现城市可持续发展的目标，促进城市的繁荣与稳定。
经济发展趋势的趋势预测模型随着全球经济的不断发展，经济领域的预测越来越重要。
通过预测经济发展趋势，政府、企业以及个人能够做出更明智的决策。
因此，建立一个有效的经济趋势预测模型是非常重要的。
本文将探讨几种常用的经济发展趋势的趋势预测模型。
一、时间序列模型时间序列模型是一种通过对历史数据进行分析和建模来预测未来经济趋势的方法。
这种模型主要基于时间上的相关性和趋势性，通过分析过去一段时间的数据来预测未来一段时间的情况。
二、回归模型回归模型是一种通过建立经济变量之间的数学关系来预测经济趋势的方法。
该模型通过对多个变量的观察和分析，建立一个数学模型，通过改变自变量来预测因变量的变化。
三、灰色预测模型灰色预测模型是一种通过分析原始数据中的趋势和规律来预测未来经济趋势的方法。
与传统的统计方法不同，灰色预测模型主要基于数据内部的动态演化，通过对数据的累加、累减和相关度分析，来推算未来的变化。
四、神经网络模型神经网络模型是一种通过模拟人脑神经细胞之间的相互连接来预测经济趋势的方法。
该模型通过大量数据的训练和学习，能够自动寻找到经济变量之间的关系，并通过该关系来预测未来的经济趋势。
五、随机森林模型随机森林模型是一种通过构建多个决策树模型来预测经济趋势的方法。
该模型通过将多个决策树进行集成，来减少模型的过拟合和提高预测的精度。
六、灵敏度分析灵敏度分析是一种通过改变模型中的参数或输入数据，来评估不同因素对经济预测结果的影响程度的方法。
通过灵敏度分析，可以找出对经济预测结果最敏感的因素，并进行相应的调整。
七、模型组合模型组合是一种通过将多个不同的预测模型进行组合，以提高模型预测精度的方法。
通过将不同的模型进行加权平均或者进行模型投票的方式，可以得到更可靠和准确的预测结果。
八、交叉验证交叉验证是一种通过将数据集分成多个子集，然后利用其中的一部分数据进行训练模型，再用剩余的数据进行验证和模型评估的方法。
通过交叉验证，可以评估模型的稳定性和泛化能力，并选择最优的预测模型。
理解Black-Scholes-Merton模型Black-Scholes-Merton模型是衍⽣品定价中⼀个⾮常基本的模型，它给出了对欧式期权的定价。
理解它对于理解量化⾦融⾮常重要。
这⾥仅介绍⼀种简单理解，因此本⽂中的所有数学细节都不严谨，仅供参考。
⼀、⾦融基础：期货（Futures）⾸先我们看wikipedia上对远期和期货的定义：In finance, a forward contract or simply a forward is a non-standardized contract between two parties to buy or to sell an asset at a specified future time at a price agreed upon today, making it a type of derivative instrument.In finance, a futures contract (more colloquially, futures) is a standardized forward contract which can be easily traded between parties other than the two initial parties to the contract.远期协议是⼀个买卖双⽅在未来以某价格交易某种资产的⼀个协议，⽽期货是⼀种标准化的远期协议，更容易来交易。
所以我们可以看到期货的⼏个要素：⼀个标的资产，⼀个价格，买卖双⽅，交割⽇。
当然，因为⼀般我们要⽤保证⾦来保证协议在未来能够被履⾏，所以还有⼀个要素是保证⾦。
例如股指期货，它的标的资产就是股票指数，⽐如沪深300指数（对沪市和深市2800只个股按照⽇均成交额和⽇均总市值进⾏综合排序，选前300名的股票作为样本，以2004年12⽉31⽇这300只成份股的市值做为基点1000点，实时计算的⼀种股票价格指数）。
第32卷第1期2013年01月地理科学进展PROGRESS IN GEOGRAPHYV ol.32,No.1Jan.,2013收稿日期：2012-08；修订日期：2012-12.基金项目：国土资源部公益性行业科研专项经费项目(201111014)；美国Renaissance Computing Institute (RENCI),the NationalScience Foundation ULTRA-Ex Program (BCS-0949170)。
作者简介：邓婧（1987-），女，博士研究生，主要从事土地信息系统、复杂系统模拟与高性能地理计算等研究。
E-mail:jdeng1@通讯作者：郑新奇（1963-），男，教授，博士生导师，主要从事GIS 开发与应用、土地评价与规划、土地集约利用、空间数据挖掘、复杂系统仿真等研究。
E-mail:zxqsd@041-048页1引言土地利用变化研究是土地资源可持续利用的支撑性研究，对于城市发展、人类环境变化研究有着重要支撑意义。
由于土地变化驱动因素的多样性，人类活动的难以预测性，以及人与自然的交互影响等，土地利用系统具有复杂性特征，模拟土地利用动态变化过程已成为相关研究的难点和热点(Brown et al,2005;Li et al,2010;于兴修等,2004;何春阳等,2002)。
土地利用变化模型是人们学习和理解土地利用系统的重要工具，对于人们分析土地变化的前因后果，进行土地利用规划相关政策制定具有重大意义。
前人建立的土地利用变化模拟模型，从不同角度和侧重点对土地利用活动进行分析。
根据建模目的不同，可分为描述性土地利用变化模型和土地利用优化模型(Verburg et al,2004)。
描述性土地利用变化模型用于预测未来短期内的土地利用发展模式；土地利用优化模型则根据一系列目标设置，找到最能满足目标的配置模式，从而优化土地利用结构。
根据专业背景的不同，土地利用变化模型又包括城市模型(Miller et al,1999)、林地退化模型(Kaimowitz et al,1998)、土地经济模型(Bockstael et al,2001;沈体雁,2006)、土地生态环境模型(杨培峰,2004)、土地社会学模型(人地相互关系模型)(Agarwal et al,2002)等。
学科交叉和综合研究的趋势使得土地利用变化模型得到了更加广泛的应用，相关研究试图从社会、自然、经济等各个角度和不同层面把握人类活动对土地利用变化的影响，丰富了土地利用变化模型库(田光进等,2008;裴彬等,2010)。
当前，有更多的模型开始重视土地利用变化趋势对城市形态和景观破碎度的影响。
相关研究表明，景观格局的改变，包括斑块的大小、形状和连通性的改变，可能会通过干扰能量和物质的交换而显著影响生态过程(Radeloff et al,2005;Irwin et al,2007;Alberti,2005)。
在土地利用和开发过程中，人类活动往往会对景观格局造成较大影响。
城市化过程则通过改变景观格局的空间结构，影响生态系统服务供给(Alberti,2010)。
因而，此类研究对生态变化和可持续发展研究具有重要意义。
FUTURES ：一种新型区域城市增长模型邓婧1,2,3，唐文武2,3，刘润润1，郑新奇1(1.中国地质大学(北京)土地科学技术学院，北京100083；2.北卡罗来纳大学夏洛特分校地理与地球科学学院，北卡罗来纳州，美国28223；3.北卡罗来纳大学夏洛特分校GIS 科学应用中心，北卡罗来纳州，美国28223)摘要：如何更好地进行城市发展模拟是发展中国家快速城市化过程中面临的一个科学问题。
传统研究往往基于单体或组合模型，不能为决策方案提供直接支持。
本文介绍了国外一个新的城市发展模型FUTURES(FUTure Ur-ban-Regional Environment Simulation)。
该模型不仅考虑了城市发展区动态适宜性梯度计算、人均土地消耗的趋势分析以及基于空间位置的斑块变化可视化模拟，而且注重模块间的动态交互反馈过程，形成了独有的深度耦合机制，模型结构紧密又不失灵活性。
基于高性能计算环境支持，该模型已经在美国北卡罗来纳州的多个区域进行实验并取得成功。
本文主要介绍该模型设计思想、模型组成、关键建模方法，并总结了模型的主要优势，以期为我国城市发展模拟研究提供借鉴。
关键词：FUTURES 模型；城市增长模拟；景观生态效益；动态适宜性；斑块增长算法doi:10.3724/SP.J.1033.2013.00041地理科学进展32卷1期然而，如何重现区域城乡系统景观变化的内在动态性和空间结构仍然是土地利用变化模拟的难点(Pontius et al,2001)。
克拉克等人曾断言，当模型能够从局部到景观尺度上模拟土地利用变化的现实空间结构时，才可能正确预测土地利用动态变化的社会生态效应(Herold et al,2005)。
为了更好地模拟空间形态的影响，北卡罗来纳大学夏洛特分校GIS 应用研究中心开发了FUTURES(FUTure Urban-Re-gional Environment Simulation)模型(Meentemeyer et al,in press)，旨在通过自下而上的元胞层次的状态变化，带动宏观尺度的涌现现象，重现景观空间格局的变化过程和空间结构特征，从而研究土地利用变化过程的生态效应。
目前该模型体系处于初步应用阶段，针对北卡罗来纳州南部夏洛特大都市区域11县，西部阿西维尔山区4县和科研三角区17县进行了建模实践及研究分析。
本文主要介绍FUTURES 的组成结构和基本原理，分析模型的特征及应用流程。
关注该模型最初的开发目标，从而为我国土地利用变化模拟的相关研究提供参考。
2FUTURES 模型原理FUTURES 是一个多层次、可通用、可扩展的区域城市扩张的建模框架，其核心模型属于描述性土地利用变化模型。
FUTURES 基于自下而上的元胞自动机(Cellular Automata,CA)进行模拟，将研究区域分割成规整的网格元胞，通过微观层面元胞的状态转换，模拟土地利用状态的变化，转换概率取决于适宜性分值，通过相关图层的回归分析计算得到。
结合面向对象思想，该模型将离散的开发斑块看作独立的土地开发事件，在每一次迭代的初始状态随机散播一定数量的“种子”，即土地开发事件，存活的种子进入下一步斑块生长阶段，通过经验和假设的参数来控制这些斑块的生长结构特征，使得模拟在景观层面上更接近现实扩张过程。
在种子淘汰过程和元胞转换概率计算中引入一定的随机变量，以模拟现实世界的不确定性因素。
FUTURES 由3个子模型耦合而成(图1)，分别对应土地利用变化过程的关键驱动：人均用地需求、适宜性和土地转换事件发生的空间结构。
需求子模型用于分析人均用地需求及其增长，从数量上把握土地开发的趋势。
潜力子模型主要用于分析区域土地开发的驱动因素，并计算得到各驱动因素的影响系数，从而得到土地开发的概率图层；该模块回答了这样一个问题，即什么空间位置上得到开发的可能性更高。
区域发展模拟子模型则对应发展过程的具图1FUTURES 模型结构关系图Fig.1FUTURES Model structure4232卷1期邓婧等：FUTURES：一种新型区域城市增长模型体模拟，在此过程中综合考虑了定性的规则以及人类行为的随机性。
2.1DEMAND：人均发展用地需求子模型该子模型用于预测和量化不同区域的人均发展用地消耗。
以历史人口和土地开发数据为基础，构建人口发展和用地需求之间的统计关系，从而推算未来某一时间点的人口数量和用地需求。
描述性方法或统计方法均能用于构建人均消耗模型，而且可以针对不同的人口层级尺度。
预测模型可采用logistic回归模型、灰色预测模型、加权平均增长法等。
具体的统计模型参数可以根据政策或需求进行调整，例如模拟人口高增长和土地高消耗情形。
该子模型的输入为历史人口及土地发展数据；输出为预测年的人口及土地开发需求。
2.2POTENTIAL：发展潜力子模型该子模型用于量化区域的土地开发可能性及潜力的空间梯度。
主要基于多层次的社会经济要素、基础设施和环境要素，利用空间叠加分析和统计推断方法，得到对土地开发有显著驱动和影响的因素图层；然后构造基于栅格单元的土地开发潜力公式，得到位置适宜性模型。
叠加分析过程依赖专家知识来初步遴选可能影响土地开发利用的相关图层数据，然后用统计方法来量化变量变化和土地开发之间的关系。
根据区域研究的需要，可以采用多层统计分析模型来拟合土地利用系统的层次性特征(Verburg et al,2004)。
在FUTURES模型中，层级是通过子区域划分和定义的，可以是一个社区单元，或是县、市等行政单元。
对这一子模型继续深化，也可根据时间步长构建时空模型，创建多层潜力曲面，以提高时空模拟的精度和效率。
各个元胞开发潜力的计算如公式(1)所示。
Y=αi+∑j=1nβij X j(1)其中：i为子区域的编号；Y为具体元胞的开发潜力值；αi为i区域的回归模型的截距；βij为i区域的第j个变量的回归系数；X j为第j个变量图层的具体值。
2.3RGS：区域增长子模型区域增长模拟器(Regional Growing Simulator, RGS)是一个模拟引擎，该子模型基于前两个模型的运行结果，以动态、空间显性的方式模拟城市扩张。
该子模型的核心是斑块增长算法(Patch Growth Algorithm,PGA)，它是一种基于元胞自动机的随机性模拟方法，通过迭代式的选址和环境感知的区域生长机制，将合适的元胞从“未开发”状态变为“已开发”状态，来模拟土地开发的时间次序和空间范围。
每一步迭代运算结果会反馈给全局转换概率的计算，从而影响下一迭代步骤的斑块生长过程。
经过一定的迭代步数后，这些转变为开发状态的元胞，在宏观层面上组成了有一定大小和形状特征的斑块。
将这些斑块的生长看成独立的土地开发事件，开发对象的选址决策和斑块配置则作为随机性要素输入算法中(Gagnéet al,2011)，并通过元胞层面的转换来控制离散斑块的大小、形状和离散程度。
模型的应用结果如图2所示。
3FUTURES工作流程3.1整体实现步骤FUTURES模型的具体实现主要步骤包括：①基础数据及基本图层准备；②变量遴选；③回归模型构建；④斑块演化模拟；⑤模型参数调试；⑥模拟预测。
在变量挑选阶段，分析与城市扩张相关的影响因素，以此为指导搜集实证观测数据；之后构建回归模型，在统计最优层面上得到变量关系，用潜力子模型构建城市增长的概率分布图层；最后编辑参数配置文件，用PGA进行演化模拟，实现自下而上的土地利用过程。
