1 研究背景与方法
1.1 情景分析作为一种应对不确定性的方法
“情景”分析方法在城市规划语境下被认为是一种与传统城市规划预测为主的工作方式相区别的规划方法，特点是强调多元性和开放性，是主动应对城市发展不确定性的分析工具[1]。情景分析首先在企业管理等领域得到广泛运用——1960 年代荷兰皇家壳牌石油公司及其商业战略小组为了应对市场不确定性最早提出该方法并应用成功[2]，随后该方法被引进城市规划领域，1990 年代以来在西方城市规划实践领域（如城市战略研究、大都市地区空间规划等）得到系统应用[3]。
我国城市发展面临更加复杂的环境，城市规划正经历从静态规划到动态控制、从刚性规划到弹性规划等一系列转变，加强规划应对不确定性的方法研究显得更加重要，情景分析作为辅助规划决策工具在规划实践（如上海等城市的总体规划）中的应用也越来越多[4]。国外对情景分析的研究已较为成熟，我国起步则相对较晚，由于所处发展阶段和面临的现实问题等差异，应用领域也存在不同。本文主要采用文献研究方法，对1991—2020 年国内外情景分析方法在城市规划中的应用进展进行总结，比较研究历程的特点和差异，并对未来研究提出展望，以期对推动情景分析方法在我国城市规划领域中的进一步应用有所裨益。
1.2 研究方法和数据
文献计量法是对既有文献进行定量分析的方法[5]。本文使用CiteSpace 5.7.R4 作为分析工具，以城市规划语境下的情景分析研究为主题，通过对知识图谱和指标数据的解读，揭示知识发展进程和结构关系，探讨情景分析方法1991—2020年在国内外的发展路径和前沿趋势。
国外相关文献数据来自Web of Science（WoS），国内相关文献数据来自中国知网（CNKI），检索时间范围为1991—2020 年。由于情景分析在企业管理、军事工业等学科也有应用，为更准确地框定研究所需文献的范围，即聚焦其在城市规划领域的应用，以WoS 数据库中SCIEXPANDED、SSCI、Conference Proceedings Citation Index -Science（CPCI-S）为基础，以scenario、planning、urban 为搜索主题，检索结果中选择article，共得到2 944 个结果。在中国知网搜索主题为“情景”“规划”“城市”的中文期刊文献，共得到441 个结果。
2 国外研究进展综述
从文献发表时间分布看，1990 年代关于情景分析应用的发文量较少，2011 年以来发文量明显增加，2020 年发文量最多，达到503 篇，总体呈上升趋势（图1）。文献中最早的一篇为哈基（Khakee）于1991年发表的《城市规划情景建设》（Scenario Construction for Urban-Planning），主要介绍了瑞典在城市化进入缓慢发展阶段后应对经济社会发展不确定性的方式方法，并以韦斯特罗斯市（Vasteras）的规划方案为例介绍了情景分析方法在其中的应用[6]。
图1 情景分析应用研究的国外文献发文量与增速统计
2.1 研究热点
情景分析应用研究的国外文献关键词共现图谱（图2）反映了1991—2020 年研究热点的分布和强度，外围延伸的关键词较多且分散，表明近年来研究主题蓬勃发展。关键词聚类图谱（图3）则表征了关键词之间的联系结构。
图2 情景分析应用研究的国外文献关键词共现图谱
图3 情景分析应用研究国外文献关键词聚类图谱
通过对出现频率排在前25 位的关键词进行统计（表1），model（模型）、impact（影响）、climate change（气候变化）位列前三；中心度①此处指中介中心度，反映网络中一个节点连接其他关键词节点的中介能力。一般情况下，中心度≥0.1 即可将其视为比较重要的节点。大于0.1 的关键词共有5 个，分别为climate change（气候变化）、land use change（土地利用变化）、scenario（情景）、impact（影响）和cellular automata（元胞自动机），表明这几个关键词在知识体系构建中起到核心作用。
表1 情景分析应用的国外研究热点统计（频次前25 的主题词）
通过关键词聚类算法提取标签主题词，聚类结果通过Q值和S 值进行检验②CiteSpace 依据网络结构和聚类的清晰度，提供了模块值（Q 值）和平均轮廓值（S 值）两个指标，它可以作为我们评判图谱绘制效果的依据。一般而言，Q 值一般在[0，1) 区间内。Q ＞0.3 意味着划分出来的社团结构是显著的；当S 值在0.7 时，聚类是高效率令人信服的；若在0.5 以上，一般认为聚类是合理的。。本次聚类Q 值为0.442 4＞0.3，S 值为0.806 9＞0.7，表明聚类位于可置信区间，聚类质量高。形成的10 个主要主题词聚类如图3 所示，其中涉及accessibility（可达性，#0）、urban growth（城市增长，#1）、land use（土地利用，#2）、climate adaptation（气候适应，#3）等的文献量多，相互之间联系较为紧密，分别对应了城市规划关注的空间对象和对城市发展产生影响的关键因素。climate adaptation（#3）、envi-met（城市微气象模拟工具，#4）、extreme events（极端事件#7）反映了气候变化、极端事件、能源危机是当前全球城市发展面对的最大挑战。
2.2 研究主题变迁
按照聚类时间线展开（图4），将不同聚类主题与关键词的出现时间对照，可以显示情景分析应用研究主题变迁的态势。accessibility（#0）、urban growth（#1）、land use（#2）、spatial optimization（空间优化，#8）等关键词的使用一直延续至今，城市增长、土地利用和可达性等规划本体关注的内容一直贯穿其中，并在聚类内部与模型、模拟、气候变化等关键词紧密联系。2010 年以后climate adaptation（#3）、envimet（#4）、swmm（暴雨洪水管理模型，#5）和sustainability（可持续性，#6）等研究大量兴起，生活圈评价、低影响开发、人工神经网络等关键词成为新兴研究主题。
图4 情景分析研究的国外文献关键词聚类时间线图谱
通过分析关键词时区图（图5），情景分析应用的研究主题变迁表现为三个阶段：2000 年以前，关键词集中，较早开始将传统规划要素与绿色基础设施、气候变化等因素相结合；2001—2010 年，研究主题逐步拓展，内容更加系统化，相关技术模型等方面的研究得到加强；2010 年以后，研究主题呈现明显的分散化趋势，研究尺度拓展，更全面地关注全球性环境危机带来的影响，新技术对规划行业带来的变革日益凸显。
图5 情景分析应用研究国外文献关键词时区图
2.3 主要应用领域
在文献计量分析基础上，通过阅读高被引文献，可以将情景分析在国外城市规划中的应用归纳为三个主要领域。
2.3.1 城市空间拓展及其生态效应评估
城市空间拓展的情景研究主要集中于将地理信息系统与人工智能方法结合以探索提高空间模拟的精准度。巴雷多等（Barredo et al.）介绍了如何使用元胞自动机（CA: Cellular Automata）模型对城市土地利用情景进行模拟，并以都柏林为例证实了使用CA 的有效性[7]；桑特等（Santé et al.）比较了33 个CA 模型的优势和局限性，指出模型应当简单，但也会带来预测能力的不足，导致预测结果往往止于学术研究[8]；霍格雷夫等（Hogrefe et al.）指出系统动力学（SD:System Dynamics）与CA 结合的混合模型可以实现自上而下与自下而上的结合[9]；吴宁（Wu）指出人工智能对于研究土地变化的动态复杂性和非线性的优势，总结并提出了综合多学科的人工智能集成框架的展望[10]。
由于局部发展受更大范围空间的影响，许多对大都市区乃至整个国家甚至跨国尺度的规划研究逐渐开展。查克拉博蒂等（Chakraborty et al.）总结了情景分析在美国城市规划中的应用，认为以“波特兰2040 规划”为代表开启了美国大都市区规划的新时代，并介绍了巴尔的摩—华盛顿大都市区及其周边的情景决策中所运用的计量经济学、土地利用和交通模型等综合分析技术[11]；瑞根斯特和朗斯维尔（Reginster &Rounsevell）对欧洲未来城市土地利用需求进行多情景分析，指出情景分析是在不同的政策目标下检验激励措施或规划法规的有效工具 [12]。
城市空间扩张引发的生态效应包括对生境格局、绿色基础设施、碳排放、农业用地等生态系统服务的影响，也是重要研究内容。格维茨等（Girvetz et al.）选择美国加利福尼亚州的多尺度案例，研究了城市化、交通基础设施和农业造成的景观破碎化和区域规划的整合作用[13]。阿奎莱拉等（Aguilera et al.）从景观生态学角度和应对城市蔓延角度出发，对西班牙格拉纳达大都市区（Granada Metropolitan Areas）三种城市增长过程（聚合、压缩和分散）和四种城市增长模式（聚合、线性、跳跃和节点）对景观指标的影响进行了研究[14]。鲍尔（Power）研究了旧城改造的方式，指出建筑成片拆除对环境与碳排放的影响较大，认为应将城市更新的重点放在翻新改造上[15]。马尔泰洛佐等（Martellozzo et al.）对意大利2030 年城市化对自然和农业用地格局的影响进行了预测模拟[16]。
2.3.2 环境变化与社会变革应对
情景分析另一重要应用领域是针对环境变化的不确定性，更多地关注城市抵御灾害和气候变化以及建设韧性城市的路径。沃德克等（Wardekker et al.）基于对荷兰鹿特丹市堤防区外地区的情景分析，提出增强城市气候适应性的韧性原则[17]。诺依曼等（Neumann et al.）对未来全球沿海地区人口增长与海平面上升以及沿海洪灾风险评估进行了研究[18]。城市防灾需要有效的资源配置机制作为支撑，包括社区规划、物流规划、部门协调等，肖和戈达（Shaw &Goda）以神户行动计划为例，介绍了情景分析在日本灾后建设和社区防灾减灾规划中的应用，指出检验不同灾害情景下的管理决策有助于提高社区韧性[19]。李森等（Li et al.）就匈牙利应对气候变化风险开发设计了评估和决策模型，对2100年的城市模式作出了对比预测，测试部门间政策和应对措施能否有效促使城市规划适应多种气候和社会经济挑战 [20]。
宏观的社会背景变革成为全球性议题，意味着规划者需要将眼光放得更加长远。哈基指出城市规划的一个先决条件是对社会变化的感知，无论是经济、政治、社会还是技术变化[6]。巴蒂等（Batty et al.）提出智能城市建设背景下，大数据、新兴技术带来城市规划领域根本性变革，并提出了设想的情景与应对措施[21]。
2.3.3 规划政策评价与公众参与
情景分析拓展了在决策过程中政策影响评价工具的范畴。波斯特马和利布尔（Postma &Liebl）指出情景分析应作为决策者的战略管理工具，起到对不可知因素的预警作用[22]。古德斯皮德（Goodspeed）指出情景规划主要关注不确定的人口和经济趋势与土地利用和交通决策之间的联系[23]。查克拉博蒂和麦克米兰（Chakraborty &McMillan）提出了使用多重预测提升稳健决策的价值[24]。
同时，情景分析也成为推动公众参与式规划的主要方法之一。象伟宁和克拉克（Xiang &Clarke）指出土地利用规划和决策的参与性体现在价值观和目标的多样性，正是这种多元化的观点和因素塑造了未来的土地开发模式，情景应当是一种平衡了科学发现和艺术表达的方法，应开展“情景学”研究，其理论应该是简洁的，更加专注于战略问题，用尽可能少的结构、机制和原则产生丰富而全面的场景描述[25]。泽格拉斯等（Zegras et al.）以休斯敦都市圈为例，指出情景构建的一个重要方面即为叙事性，通过充实场景故事，使叙事创意成为关键，其目的是给场景以充分的真实感，以便利益相关者容易地识别和连接各种场景组件，同时忠实于场景逻辑，在故事中建立合理的因果关系[26]。
3 国内研究进展综述
我国情景分析研究主要在2000 年以后逐步受到关注。1990 年代，情景分析应用研究的发文量仅4 篇，最早的一篇为1994 年吴良镛等发表于《中国科学院院刊》的《我国建设事业的今天和明天（摘要）》，研究了中国城市化进程的三种情景[27]；2006 年后发文数量出现显著增加趋势，其中2019 年发文量最多，为56 篇（图6）。
图6 情景分析应用研究的国内文献发文量及增速统计
3.1 研究热点
根据情景分析应用研究的关键词共现图谱分析（图7），可以发现早期文献主要围绕情景分析、情景规划、情景模拟等展开，近年的研究主题逐步丰富。出现频率前25 的关键词（表2）可以被分为三类：一是聚焦技术模型，如元胞自动机、sleuth 模型等；二是聚焦研究对象，包括能源规划和低碳城市、海绵城市建设和城市土地扩展，涉及的关键词最多；三是涉及应用城市，如北京、上海等。
表2 情景分析应用国内研究热点统计（频次前25 的主题词）
图7 情景分析应用研究的国内文献关键词共现图谱
对关键词进行聚类（图8），聚类Q 值为0.334 4＞0.3，S 值为0.834 1＞0.7。按照文献数量排序，选取前11 个聚类，其中情景分析（#0）、情景规划（#1）、低碳城市（#4）、城市总体规划（#6）、不确定性（#7）、landscape 模型（#8）围绕城市规划（#2）和情景模拟（#3）两个聚类分布，聚类之间有着较强的联系；海绵城市（#5）、geosos（地理模拟与优化系统，#9）、多样性（#10）三个聚类分布在外围。
图8 情景分析应用研究的国内文献关键词聚类图谱
3.2 研究主题变迁
从时间线图谱分析看（图9），情景分析（#0）、情景规划（#1）、城市规划（#2）的研究具有较好的延续性，近年来土地利用、风景园林及方案评价等领域的研究逐渐兴起，海绵城市（#5）相关主题是近年来的研究热点。
图9 情景分析应用研究的国内文献关键词聚类时间线图谱
从时区图（图10）分布看，主要表现出两个特点：一是早期研究主题较为集中，特别是在2010 年之前，主要围绕情景分析—情景模拟—情景规划开展；二是之后的研究领域明显拓展和分散，大致形成了三个应用板块。第一板块是围绕环境影响评估、能源与低碳城市、土地利用等方面的研究；第二个板块是在战略规划中的应用；第三个板块是围绕新的研究主题的出现，对海绵城市、风景园林、生态系统服务以及国土空间规划等方面的研究逐渐增多。
图10 情景分析应用研究的国内文献关键词时区图
3.3 主要应用领域
通过阅读代表性文献，笔者发现情景分析方法在国内城市规划中的应用明显对空间规划布局更加关注，主要集中在多方案生成、基于专项研究的空间分析和空间方案评价等方面。
3.3.1 基于战略的空间方案生成
按空间研究层次分类，主要包括宏观层面的区域规划研究、中观层面的总体规划研究、微观层面的详细规划研究。情景分析在总体规划层面的应用较为突出，较为典型的是通过对城市发展方向、扩展规模、用地功能与结构等的情景分析确定城市空间形态。工作逻辑和流程主要包括影响要素识别、情景构建、情景分析和情景评价等。
影响城市发展的因素众多，情景的构建既要综合全面，又要提取关键因素以避免复杂化，一般需要对两类因素进行识别，即可预测和不可预测因素。前者视为常变量或限制条件，后者作为假设条件[28]，共同构成分析框架，通过设定条件开展多情景预测。多个情景方案常以趋势外推为基础，因此情景构建一般采用基准情景、理想情景和优化情景等。空间布局研究涉及空间方案比较和扩张方式比较，如裴新生在酒（泉）—嘉（峪关）区域一体化空间布局研究中，根据不同利益诉求提出组合强心方案、带状产业对接方案、组团生长方案[29]；龙瀛等通过设定不同城市空间拓展模式，对蔓延式、轴线拓展、葡萄串、保护区等分别进行了政策分析[30]。
随着面向未来的新技术不断面世，郑迪和吴志强指出大都市战略制定应向多维度、跨专业、灵活性的情景分析发展，并提出了智能分析平台的使用可能性[31]。在多源数据背景下，城市系统模型与人工智能技术的引入将有助于解释变量间可被量化的因果关系[32]，有助于完善“感知—思维—行动”的循环逻辑并推动以城市发展规律为导向的规划思路变革[33]。
3.3.2 空间要素评价与方法研究
空间要素评价主要针对生态、灾害等进行专项研究，需要运用更加精细的方法。叶祖达提出在总体规划编制实施中运用碳审计情景模拟等手段以帮助城市应对气候变化挑战[34]；马淇蔚将杭州市绿色基础设施的分析作为城市空间增长的刚性约束前提[35]；蒋存妍等介绍了气候情景预测分析在城市应对气候变化不确定性时的动态适应性规划应用案例[36]。
在空间要素评价中，由于涉及资源要素的分配，多是借助模型和模拟分析方法的定量分析，包括自上而下的SD 方法以及自下而上的CA 等。刘伦等对城市模型进行了综述和分类，指出精细化的城市模型将成为未来的研究热点[37]；龙瀛等提出兼顾大尺度范围和精细尺度的城市与区域研究模型[38]；林珲等提出了基于虚拟地理环境的空间认知框架和研究方法[39]。其他评价标准还有实现成本、规划设想实现程度等，这些内容常采用层次分析法、模糊综合评级法、专家打分法[40]等，近年来公众参与在其中的运用也有了一定提高。
3.3.3 针对规划方案的绩效评价
随着对规划实施的重视，规划方案制定的合理性也受到关注。与规划实施评估（planning evaluation）属于事后评估不同，规划方案评估（plan evaluation）属于事前评估[41]，目的是为了评价规划方案产生的结果，并寻求更佳空间绩效下的空间优化路径。有效的事前评估可以避免实施过程中频繁改动所带来的不必要的“矫正”成本[42]，其中主要考虑其实施结果的空间绩效和空间政策适应性等问题。例如：张尚武等研究了上海2040 年不同人口分布情景与要素配置和空间政策之间的关联[4]；翁阳基于使用主体时空行为适应性，采用模拟方法对北京怀柔科学城总体城市设计方案进行了评价优化[43]；黄建中等对厦门市不同空间结构布局情景下的交通运行绩效进行了模拟[44]。
对规划方案绩效的情景评价不应被简单理解为多方案比选，而是应强调预测的多元性和开放性以及实施的弹性，以求应对挑战的有效机制[1]，可视情况整合各个方案的特点以形成最终的优化路径。
4 研究比较与展望
4.1 国内外研究历程的比较
4.1.1 发展历程特点总结
国内外情景分析应用研究都是在进入21 世纪后出现明显增长，且研究主题和趋势也逐步趋近，只是存在不同特点。在应用领域方面，多出自欧美地区的国外研究较早开始对城市土地扩展和气候生态变化两大核心主题开展研究，关注相关技术模型及其应用；2010 年后研究主题不断细化和拓展，如韧性城市、机动性等，涵盖面更广；近几年进一步关注新兴技术，如人工智能、自动驾驶等。国外研究思路经历了从单个城市到区域国土、从单一要素到综合要素、从短期决策管理到长期行动应对的总体认知转变。国内情景分析的应用研究比较集中在城市总体规划和战略研究方面；近年来随着生态文明理念的加强，在海绵城市、风景园林、生态系统服务等专项领域以及国土空间规划中的应用研究逐渐增多。
在应用实践方面，国外情景分析从社区、城市到区域规划都开展得较为广泛，并形成了对构建基础理论体系、政策法规体系、实施运作体系等的持续推动。较为典型的案例是由区域组织“芝加哥大都会规划署”（CAMP: the Chicago Metropolitan Agency for Planning）推动的芝加哥大都市区2020、2040、2050 规划[45]。这些应用实践起步早、涵盖面广，技术手段方面不断积累经验，空间范围上也不断突破单个城市的限制，转向对区域乃至更大范围国土空间的关注。国内的实践较多应用于规划方案制定阶段，总体上比较关注空间方案的生成，应用案例和尺度也在不断拓展，在空间布局绩效和空间要素评价方法方面也取得了进展。
国内外研究存在一些共性趋势和问题。首先，适应气候变化和安全韧性的挑战是长期的，近年来对这一领域的关注是共同趋势；其次，随着数字化、智能化技术的不断进步，在情景分析中增强空间数据可视化、帮助模型推演和研发交互式分析的计算机工具成为近年来应用技术突破的重点领域；再次，虽然国外的前沿动态和有益经验值得学习借鉴，但也同样存在如何让研究结果更具备实施导向性和可操作性等问题，强化学术研究在实践中的应用转化仍然是需要不断探讨的议题。
4.1.2 应用差异的认识
分析国内外研究差异的原因，主要有以下几方面。首先，在城市发展阶段方面，西方国家随着1970 年代中期经济增长的下降，城市规划的重点发生了重大转变[6]，推动城市规划转向政策规划和对经济社会和环境问题的关注。其次，在规划实施环境方面，因为对政策研究和规划影响的关注，情景分析方法在国外越来越体现为作为规划影响评估和规划政策检验的工具，情景分析中往往将城市与区域空间规划的生态效应（碳排放、生境格局等）置于重要位置。再次，在规划运行机制方面，从规划方案向规划过程的转变中，查克拉博蒂和麦克米兰指出为了使场景规划有用，规划师必须将其与更广泛的规划实践过程结合起来[24]，通过情景监测指标，为决策者在城市日常运转中发现问题提供评判和预警信号。公众参与和法规完备也是构建这一机制的重要方面，如1960 年代起美国《联邦援助公路法》《国家环境政策法》等法案就要求将替代结果（alternative outcomes）纳入规划方案考虑，促成了情景分析在规划编制中的广泛应用[11]。
我国当前仍处于大规模城镇化阶段，规划编制与实施和运行机制尚待进一步完善，导致情景分析在应用上与国外存在差异和不足。例如：国内应用领域相对比较局限，系统性不强，运用目标比较单一，空间增长本身和要素配置问题仍然是关注的重点，情景分析尚不足以支撑规划在适应宏观社会变革和城镇化路径转型等方面的应用；城市规划作为政策性规划尚待加强，制约了情景分析作为规划政策检验工具的作用发挥，在公众参与方面的应用较少；规划编制对实施问题关注不够，通过情景分析增强规划实施过程的控制并形成反馈调整机制等方面的应用不够深入；等等。
4.2 对国内情景分析应用趋势的展望
当前国外情景分析已经从用地扩展研究扩大到其影响效应研究，从单个城市的案例研究转向广域国土空间的研究，从“一站式”规划的空间要素配置工具转向“过程式”规划中的政策影响评价工具。结合国外研究进程和特点的分析，本文认为情景分析方法在国内城市规划实践中的应用有以下几个方面值得关注。
4.2.1 拓展应用领域和理性规划研究方法
情景分析方法可以推动各层次、各类型规划编制从注重方案结果到注重过程的转变。与传统规划中多方案相比，情景分析方法最大的差异在于其更加强调情景设定的条件和实现情景的支撑要素，更强调基于现实到实现目标的路径选择，更突出规划的理性思维和空间政策逻辑。推进情景分析方法研究和该方法在规划实践中的应用，从单纯的城市用地拓展研究转向其对生态环境、韧性安全、可持续发展的影响研究，完善相关制度法规体系的建设，对于推动规划多元价值转型、推动城市规划向政策规划和过程式规划转变、健全规划评估—监控—预警机制具有积极意义。
4.2.2 强化方案绩效评价和优化决策过程
规划的外部性不仅体现在方案研究中，也体现在决策和管理中，规划实施过程中的政策制定往往不能确定其实现的结果如何，因此通过情景模拟手段对空间方案决策和空间政策进行评价，系统研究这些规划决策所产生的空间和经济、社会、生态影响，可以提前预判规划决策可能产生的结果，并通过协作式规划方法提高公众等多方利益主体的参与，建立合理的决策评价方法体系和空间绩效指标体系。这是当前城市规划建设管理过程中亟待增强的环节，是保障规划有效实施的手段，也是提升城市治理能力和精细化管理水平的要求。
4.2.3 综合智能规划技术构建推演分析平台
情景分析方法的应用难点在于分析过程的复杂性，以及情景设定中未知因素对研究者判断的影响，近年来随着大数据分析技术和机器学习能力的快速提高，智能规划技术发展迅速，特别是在城市发展规律识别和趋势推演方面得到增强，发展的瓶颈在于未来不确定环境下多情景推演技术方法的突破。从单一技术向动态、混合的多学科集成框架转变，新一代人工智能技术将在多种算法与不同方法交互的复杂模型中发挥作用，尤其在智能分析平台构建方面，情景分析将在其中完善其循环逻辑。
4.2.4 推动新技术在国土空间规划中的集成
在当前国土空间规划体系建立和编制实施体系不断完善的背景下，一方面，情景分析的层次扩大到区域、国土空间的趋势与全域全要素的编制要求相符；另一方面，建立有效监督的动态实施体系也需要强化规划实施中的过程控制。情景分析方法的优势正在于将线性思维转变成系统思维，增强规划的协调能力，在开放环境中把握系统运行态势，并在生态和安全等方面划定底线以应对变化挑战，这些方面都是当前国土空间规划编制和实施工作中需要重点关注的技术内容。
注：文中图表均为作者绘制。
[1] 王睿,周均清.城市规划中的情景规划方法研究[J].国际城市规划,2007,96(2): 89-92.
[2] 钮心毅,宋小冬,高晓昱.土地使用情景：一种城市总体规划方案生成与评价的方法[J].城市规划学刊,2008,176(4): 64-69.
[3] 宋博,陈晨.情景规划方法的理论探源、行动框架及其应用意义——探索超越“工具理性”的战略规划决策平台[J].城市规划学刊,2013(5): 69-79.
[4] 张尚武,晏龙旭,王德,等.上海大都市地区空间结构优化的政策路径探析——基于人口分布情景的分析方法[J].城市规划学刊,2015(6):12-19.
[5] 陈悦,陈超美,刘则渊,等.CiteSpace 知识图谱的方法论功能[J].科学学研究,2015,33(2): 242-253.
[6] KHAKEE A.Scenario construction for urban planning[J].Omega,1991,19(5): 459-469.
[7] BARREDO J I,KASANKO M,McCORMICK N,et al.Modelling dynamic spatial processes: simulation of urban future scenarios through cellular automata[J].Landscape and urban planning,2003,64(3): 145-160.
[8] SANTÉ I,GARCÍA A M,MIRANDA D,et al.Cellular automata models for the simulation of real-world urban processes: a review and analysis[J].Landscape and urban planning,2010,96(2): 108-122.
[9] HOGREFE C,LYNN B,CIVEROLO K,et al.Simulating changes in regional air pollution over the eastern United States due to changes in global and regional climate and emissions[J].Journal of geophysical research:atmospheres,2004,109(D22): D22301.
[10] WU N,SILVA E A.Artificial intelligence solutions for urban land dynamics:a review[J].Journal of planning literature,2010,24(3): 246-265.
[11] CHAKRABORTY A,KAZA N,KNAAP G J,et al.Robust plans and contingent plans: scenario planning for an uncertain world[J].Journal of the American Planning Association,2011,77(3): 251-266.
[12] REGINSTER I,ROUNSEVELL M.Scenarios of future urban land use in Europe[J].Environment and planning b: planning and design,2006,33(4):619-636.
[13] GIRVETZ E H,THORNE J H,BERRY A M,et al.Integration of landscape fragmentation analysis into regional planning: a statewide multi-scale case study from California,USA[J].Landscape and urban planning,2008,86(3/4): 205-218.
[14] AGUILERA F,VALENZUELA L M,BOTEQUILHA-LEITÃO A.Landscape metrics in the analysis of urban land use patterns: a case study in a Spanish metropolitan area[J].Landscape and urban planning,2011,99(3/4): 226-238.
[15] POWER A.Does demolition or refurbishment of old and inefficient homes help to increase our environmental,social and economic viability?[J].Energy policy,2008,36(12): 4487-4501.
[16] MARTELLOZZO F,AMATO F,MURGANTE B,et al.Modelling the impact of urban growth on agriculture and natural land in Italy to 2030[J].Applied geography,2018,91: 156-167.
[17] WARDEKKER J A,DE JONG A,KNOOP J M,et al.Operationalising a resilience approach to adapting an urban delta to uncertain climate changes[J].Technological forecasting and social change,2010,77(6): 987-998.
[18] NEUMANN B,VAFEIDIS A T,ZIMMERMANN J,et al.Future coastal population growth and exposure to sea-level rise and coastal flooding-a global assessment[J].PloS one,2015,10(3): e0118571.
[19] SHAW R,GODA K.From disaster to sustainable civil society: the Kobe experience[J].Disasters,2004,28(1): 16-40.
[20] LI S,JUHÁSZ-HORVÁTH L,PEDDE S,et al.Integrated modelling of urban spatial development under uncertain climate futures: a case study in Hungary[J].Environmental modelling &software,2017,96: 251-264.
[21] BATTY M,AXHAUSEN K W,GIANNOTTI F,et al.Smart cities of the future[J].The European physical journal special topics,2012,214(1): 481-518.
[22] POSTMA T J B M,LIEBL F.How to improve scenario analysis as a strategic management tool?[J].Technological forecasting and social change,2005,72(2): 161-173.
[23] GOODSPEED R.Scenario planning: embracing uncertainty to make better decisions[M].Cambridge: Lincoln Institute of Land Policy,2019.
[24] CHAKRABORTY A,McMILLAN A.Scenario planning for urban planners: toward a practitioner’s guide[J].Journal of the American Planning Association,2015,81(1): 18-29.
[25] XIANG W N,CLARKE K C.The use of scenarios in land-use planning[J].Environment and planning b: planning and design,2003,30(6): 885-909.
[26] ZEGRAS C,SUSSMAN J,CONKLIN C.Scenario planning for strategic regional transportation planning[J].Journal of urban planning and development,2004,130(1): 2-13.
[27] 吴良镛,周干峙,林志群.我国建设事业的今天和明天(摘要)[J].中国科学院院刊,1994(2): 113-121.
[28] 罗绍荣,甄峰,魏宗财.城市发展战略规划中情景分析方法的运用——以临汾市为例[J].城市问题,2008,158(9): 29-34.
[29] 裴新生.基于多元利益主体诉求的情景规划——以酒（泉）—嘉（峪关）区域一体化空间布局为例[J].城市规划学刊,2013,210(5): 80-86.
[30] 龙瀛,沈振江,毛其智,等.基于约束性CA 方法的北京城市形态情景分析[J].地理学报,2010,65(6): 643-655.
[31] 郑迪,吴志强.大都市战略制定中的情景分析方法[J/OL].国际城市规划: 1-19[2022-03-22].http://kns.cnki.net/kcms/detail/11.5583.TU.20211103.1021.002.html.
[32] 杨天人,金鹰,方舟.多源数据背景下的城市规划与设计决策——城市系统模型与人工智能技术应用[J].国际城市规划,2021,36(2): 1-6.DOI:10.19830/j.upi.2021.034.
[33] 郑豪.基于人工智能发展的未来城市规划变化思考[J].上海城市规划,2021(增刊1): 30-34.
[34] 叶祖达.碳审计在总体规划中的角色[J].城市发展研究,2009,16(11): 8,58-62.
[35] 马淇蔚.基于绿色基础设施的城市空间增长设定路径及其杭州应用[J].城市规划学刊,2017,236(4): 104-112.
[36] 蒋存妍,袁青,于婷婷.城市应对气候变化不确定性的动态适应性规划国际经验及启示[J].国际城市规划,2021,36(5): 13-22.DOI: 10.19830/j.upi.2021.346.
[37] 刘伦,龙瀛,麦克·巴蒂.城市模型的回顾与展望——访谈麦克·巴蒂之后的新思考[J].城市规划,2014,38(8): 63-70.
[38] 龙瀛,吴康,王江浩,等.大模型：城市和区域研究的新范式[J].城市规划学刊,2014,219(6): 52-60.
[39] 林珲,胡明远,陈旻,等.从地理信息系统到虚拟地理环境的认知转变[J].地球信息科学学报,2020,22(4): 662-672.
[40] 卢毅,李理,赵勇,等.基于情景分析的城市空间与产业战略布局选择——以宜宾市为例[J].经济地理,2013,33(3): 93-98,138.
[41] 欧阳鹏.公共政策视角下城市规划评估模式与方法初探[J].城市规划,2008,252(12): 22-28.
[42] 吴一洲,陈前虎.大数据时代城乡规划决策理念及应用途径[J].规划师,2014,30(8): 12-18.
[43] 翁阳.基于时空行为适应性的城市设计方案评价研究——以北京怀柔科学城总体城市设计为例[J].城市规划,2020,44(3): 102-114,138.
[44] 黄建中,胡刚钰,赵民,等.大城市“空间结构—交通模式”的耦合关系研究——对厦门市的多情景模拟分析和讨论[J].城市规划学刊,2017(6): 33-42.
[45] Chicago Metropolitan Agency for Planning.On to 2050[EB/OL]. (2018-10-10) [2021-10-12].https://www.cmap.illinois.gov/2050.
