深圳市高度城市化阶段违法用地影响因素分析与风险评估

胡 炜，贾明超，魏广玉，姜仁荣,2

（1. 深圳市规划国土发展研究中心，广东 深圳 518040；2. 国土资源部城市土地资源监测与仿真重点实验室，广东 深圳 518040）

深圳市高度城市化阶段违法用地影响因素分析与风险评估

胡 炜1，贾明超1，魏广玉1，姜仁荣1,2

（1. 深圳市规划国土发展研究中心，广东 深圳 518040；2. 国土资源部城市土地资源监测与仿真重点实验室，广东 深圳 518040）

研究目的：基于对违法用地相关概念的认知，在定位、定量的框架下分析高度城市化状态下违法用地的主要影响因素，并在此基础上开展违法用地风险评估，为违法用地早发现、早制止，开展精细化土地监察提供决策依据和技术支持。研究方法：GIS空间分析，统计学回归与模拟方法。研究结果：对违法用地具有显著影响作用的因子中，相关程度从高到低依次为坡度、土地实际占有主体、工业用地分布、土地类型、生态控制区、现状主要道路分布、现状轨道交通分布；坡度因子与违法用地发生呈现负相关，坡度每增加10°，违法用地相对风险降低为原来的54%；原农村集体实际占有土地上发生违法用地行为的相对风险是其他地方的2.3倍；距离工业用地较近的地方具有较高的违法用地发生风险；各土地类型中，其他土地上发生违法用地的风险最高，相对风险为耕地的3倍；违法用地高风险区域主要集中在光明新区全部、宝安区中部、龙岗区东部及坪山新区北部等原特区外区域。研究结论：在高度城市化阶段，违法用地的发生受土地资源制约十分显著，在基础设施相对完备、土地经济价值凸显的环境下，土地本身的自然和社会属性开始主导违法用地行为；违法用地高风险区域与城市扩展主要方向表现为一致；基于GIS和统计学的空间定量分析技术是开展违法用地影响因素研究的有效手段。

土地管理；违法用地；影响因素；风险评估；高度城市化；深圳市

违法用地是指土地使用者或土地占有人未按照或者有意曲解、规避《土地管理法》、《城市规划法》及其他相关法律法规的规定，擅自处置土地的行为[1]。随着经济建设的持续高速发展，中国土地供需矛盾日益突出，违法用地现象也随之大量出现。据统计，2011年全国共发现土地违法行为约7万件，涉及土地面积超过500 km2，约占当年全国审批新增建设用地（约5000 km2）的10%[2]。国土资源部土地矿产卫片执法检查以及土地利用变更调查结果显示，2011年深圳市违法用地约200 hm2，约占当年批准新增建设用地的11%。根据《深圳市土地利用总体规划（2006—2020年）》确定的发展目标，2012—2020年深圳市可批准新增建设用地仅为4311 hm2，年均479 hm2，土地资源十分紧张。在此形势下，违法用地行为不仅导致宝贵土地资源的低效利用，而且影响土地利用计划的实施，对城市经济的可持续发展构成严重威胁。为此，深圳市已经建立了市、区、街道三级查违体系，投入了大量的人力物力。然而，当前查违工作面临重重困难，尤其是对于完成度较高的违法建筑难以做到有效制止。

对于违法用地产生的原因，不同领域的学者从各自角度进行了一系列研究，主要涉及经济、行政、法律、规划、土地权属、土地管理制度、住房需求等方面[3-6]。总结各方观点，违法用地应是土地权属二元体制下的监管缺位、快速城市化带来的利益驱使（租、售、博赔）、经济发展需要大量简单而廉价的生产经营和生活居住场所、规划土地管理和住房制度滞后等多种原因综合作用的结果。违法用地影响因素的确定需要从土地利用及管理、经济发展、与利润空间相关的规划和空间区位等几个方面加以考虑。然而，目前对于违法用地影响因素的研究均停留在理论研究与案例分析等定性方法上，缺乏以客观数据为基础的定量、定位研究。另一方面，虽然违法用地是伴随城市发展整个过程的顽疾，但在不同城市发展的不同阶段的影响因素却应有所区别和侧重。城市化深度推进阶段，包括土地在内的各种资源供给面临巨大压力，基础设施和服务体系相对完备，剩余土地资源面临利益博弈环境下的深度整合[7]，这些特征与传统扩张型城市有着显著区别，在这种环境下的违法用地由于占据了本就稀缺的土地资源而更加值得重视，有必要开展针对性研究。

本文以空间化数据为支撑，以深圳市为例，针对高度城市化阶段城市发展中的违法用地问题，借助GIS（地理信息系统）和统计学工具，定量分析违法用地的影响因素和影响强度，以更加深刻地认识高度城市化环境下的违法用地行为。在此基础上，以社区为单元开展全市违法用地风险评估，确定违法用地的重点发生区域，以利于实现违法用地的早发现、早制止，将执法关口前移，变被动执法为主动预防。

1 研究区与数据

1.1 深圳市概况

深圳市位于广东省南部，北邻东莞、惠州，南接香港，西临珠江口，是华南地区的特大城市。2012年，全市土地面积1996.8 km2（其中建设用地面积942.7 km2，占全市总面积的47.2%），常住人口约1055万人，国内生产总值12950亿元。全市共划分为10个区（新区），其中，福田、罗湖、南山、盐田4区为原特区内部分，2010年5月，特区范围经国务院批准扩大至市域全部。全市地貌以山地丘陵为主，平原地貌只占26.45%[8]，地势总体表现为东南高西北低，山体多为500—700 m的低山和300—400 m的高丘陵，主要分布在市域东南部的盐田、大鹏2区和福田、宝安、南山3区北部。

土地管理方面，深圳市在以下两个方面较为特殊：（1）两次大规模的国有化转地行为。1992年对原特区内的农村土地进行“统征”，将特区内的农村土地转为城市土地，2004年对原特区外的土地实施“统转”，通过将原特区外的农民转为城镇居民以实现深圳全市域的土地国有化。然而，“统转”时原特区外土地收益已十分丰厚，工作推进过程中又存在政府承诺补偿地最终未落实、转地范围覆盖不全、补偿范围与标准争议、后续管理不足等问题，致使相当数量的土地未能纳入国有储备土地管理，而是成为被原农村集体实际占有使用的争议土地[9-11]。（2）城市化程度高，后备土地资源十分有限[12-15]。随着特区全部土地的国有化，深圳市城市化率已达100%，当前全市建设用地规模已逼近市域总面积的50%，剩余土地大部分已纳入生态控制线管理，不宜进行开发建设，新增土地供应压力较大，加之部分土地权属争议、违法用地行为突出等问题，深圳市已连续多年未完成土地供应计划。

1.2 数据收集处理

根据对违法用地发生可能影响因素的分析及数据可获取情况，确定收集的数据包括深圳市历年国土部卫片执法检查、土地利用、城市规划、经济社会以及基础数据等5类。其中，违法用地数据为2008—2011年深圳市土地矿产卫片执法结果图斑；土地利用数据包括2006—2011年土地变更调查数据、原农村集体占地范围调查数据；城市规划数据包括《深圳市城市总体规划（2010—2020年）》、《深圳市近期建设规划（2006—2010年）》等；经济社会数据包括2008年各区域总人口（分社区）数据；基础数据包括行政区划、全市DEM、道路交通（2008年）、轨道交通（2010年）、基本生态控制线（2008年）等。部分经济数据如GDP、固定资产投资等数据由于只能部分细化到区级，无法在空间上表达，故暂不考虑。

由于后续分析工作须在空间上开展，必须实现收集全部数据的空间化表达。已收集数据大部分为GIS格式，另有部分数据为其他空间数据格式（如CAD）或图片格式。对于GIS格式数据，需要进行空间参考统一、属性字段整理（多余字段删除、字段格式统一）以及逻辑一致性检查（如各级行政区划数据差异消除）等处理工作；对于非GIS格式数据，则首先需要进行格式转换，再进行上述处理。

2 违法用地影响因素分析

本文采用Logistic回归方法分析违法用地相关的各影响因素的实际作用。其中，回归因变量为2008—2011年的国土资源部卫片执法结果，即近年来是否发生过违法用地行为；自变量为违法用地可能相关因子的量化表达。

2.1 违法用地因子选取与量化

2.1.1 因子选取 根据理论经验借鉴并结合深圳市实际可以发现，违法用地行为是土地条件具备的前提下，利益与风险综合平衡的产物，因此对于违法用地发生影响因素可以从三方面加以考虑：

（1）开发的基本条件，即适宜进行建设的土地，可以从土地利用类型和地形两方面体现。统计表明，深圳市不同用地类型和不同坡度上发生违法用地的比例相差较大。违法用地发生比率最高的地类为裸地、旱地、其他园地、其他草地、水浇地等，2008—2011年年均发生比例均超过3‰，最低的为人工牧草地、天然牧草地、沿海滩涂、内陆滩涂、有林地等，比例均低于0.2‰；绝大多数违法用地发生在坡度低于20°的土地上，且发生频率随坡度增加呈指数下降，坡度为0°时违法用地发生频率为20°时的4.5倍。

（2）违法用地行为带来的收益，可以从城市规划、空间区位、经济社会等方面反映。城市规划的实施能够直接影响一个地区的公共服务水平，由于城市规划而形成的核心区能够对外围的居民产生吸引作用，从而促使土地升值。交通状况和职住区位环境是人口迁移的重要参考因素，区位较好的地区拥有更高水平的地价和房屋租金。经济相对活跃的地区和人口密集地区的住房需求量要高于其他地区，相应的土地获利也较高。

（3）违法用地行为的难度和风险，可以从土地权属状况、政府管控力度方面考量。在土地权属不清、管理薄弱的地区（如原农村集体占有土地），在“法不责众”等心理的作用下，易于进行违法用地活动，而在权属清晰的地区（如政府出让土地），违法用地的难度较大。同样，在政府明确严格管控的地区（如生态控制区内），违法用地的风险将大大增加。

综上，与违法用地相关的影响因素可分为土地现状、土地管理、城市规划、空间区位和经济社会5大类。研究以这5大类因素为基础，结合数据收集情况，筛选确定了土地类型、坡度、土地实际占有主体、规划高快速路、规划公共设施、规划重点地区、生态控制区、现状主要道路、现状轨道交通、工业用地分布、人口密度11项因子。

2.1.2 因子量化表达 为了实现违法用地影响因素的量化分析，需要根据因子的具体特征而采用相应的量化表达方式。土地类型设计为多分类变量，采用土地利用现状分类（GB/T 21010-2007）的二级分类，但不含建设用地部分，具体为耕地、园地、林地、草地、水域及水利设施用地、其他土地；土地实际占有主体、规划重点地区、生态控制区、现状轨道交通设计为二分类变量，其中现状轨道交通因子以地铁站点1.5 km以内和以外作为类别划分标准；坡度、规划高快速路、规划公共设施、现状主要道路、工业用地分布、人口密度设计为连续型变量，其中规划高快速路、规划公共设施、现状主要道路、工业用地分布以到相应设施、地块的直线距离或通勤时间（通勤时间计算考虑各级道路通行速度因素，在GIS软件中实现）为量化依据。

2.2 违法用地影响因子Logistic回归

2.2.1 采样方法与范围 采用空间随机点的方式进行回归数据采样，由于违法用地行为只能发生在非建设用地上，因此采样范围为非建设用地（以2007年土地变更调查为准）。首先将11个自变量以及因变量的空间分布量化为10 m×10 m的栅格图层，使用随机矢量点提取每一采样点处的自变量和因变量值。最终选择2500个采样点参与回归计算，并保证因变量取值0和1的数量大致接近，采样点分布见图1（封二）。

2.2.2 回归方式设定 首先对采样得到的自变量进行多重共线性诊断，结果显示自变量的容忍度均小于10，表示自变量间并不存在明显的多重共线性，均可以纳入Logistic回归模型。将采样结果导入SPSS软件，使用“二项Logistic回归”工具进行模型运算。因子进入方法采用“向前：条件”法，并设置进入和剔除方程的显著性水平分别为0.05和0.10。分类标准值采用默认值0.5，即概率值大于0.5时认为因变量预测值为1，否则为0。土地类型、土地实际占有主体、是否规划重点地区内、是否生态控制区内、是否现状轨道交通覆盖范围内5个类别型自变量设置为虚拟变量，并选取“第一个”类别值（即取值“0”）为参照水平。

2.3 回归结果分析

运行Logistic回归模型，经过8步迭代得到回归结果。在最终结果中，有7个自变量显著性水平高于0.05，模型对因变量取值0（未发生违法用地行为）和取值1（发生了违法用地行为）的预测准确率分别为81.3%和76.6%，总体准确率为79.2%，回归参数见表1。

从回归结果来看，较为显著的解释变量有土地类型、坡度、土地实际占有主体、是否生态控制区内、到最近工业用地通勤时间。其中，最重要的解释变量为坡度、土地实际占有主体Ⅰ、到最近工业用地通勤时间。完全不显著的解释变量为到规划高快速路距离、到规划公共设施通勤时间、是否规划重点地区内、人口密度。

土地类型中，园地、林地、草地均不够显著，其中园地、草地发生违法用地的风险较耕地（参照类别）高，而林地较耕地低；水域及水利设施用地、其他土地则十分显著，其中水域及水利设施用地上发生违法用地的相对风险仅为耕地的38%，而其他土地上发生违法用地的相对风险为耕地上的3倍，由于深圳市的其他土地中超过90%为空闲地或裸地，因此可以认为城镇村内尚未利用或无植被覆盖的土地有较高可能发生违法用地行为。坡度因子与违法用地发生呈现负相关，平均坡度每增加1°，违法用地相对风险降低为原来的94%，若坡度增加10°，则相对风险降低为原来的54%，若增加20°，相对风险降低为原来的29%。土地实际占有主体Ⅰ与违法用地发生呈现正相关，原农村集体实际占有土地上发生违法用地行为的相对风险是其他地方的2.3倍。是否生态控制区内Ⅰ与违法用地呈负相关，生态控制区内违法用地发生的相对风险是生态控制区外的64%。

表1 违法用地影响因子Logistic回归系数Tab.1 Logistic regression coefficients of impact factors of illegal land use

与空间区位相关的解释变量——到现状主要道路距离、到最近工业用地通勤时间均与违法用地发生呈负相关，表明距离现状道路和工业用地较近的地方具有较高的违法用地发生风险。值得注意的是，现状轨道交通覆盖范围内违法用地发生风险比覆盖范围外更低，相对风险仅为范围外的66%。对此的解释是，现状轨道交通覆盖范围多为原特区内地区，一方面土地资源尤其是“合法外”土地资源较少，另一方面政府管控力度较大，违法用地行为极容易被举报、制止。

可见，对深圳市违法用地行为影响最为突出是土地状况，其次才是空间区位，具体说包括土地自然易用程度（坡度和土地利用类型）、土地权属状态（是否原农村集体实际占有）、职住区位（到最近工业用地通勤时间）等。这表明，在高度城市化水平和土地紧约束环境下土地价值普遍较高，违法用地的发生不再是以道路等基础设施或公共设施为导向，而是主要受制于土地自然和权属状况，零散分布于全市仅存的可建设空间上。

3 违法用地风险评估

通过对违法用地影响因子的定量化分析，一定程度上掌握了当前违法用地发生的主要影响因素。Logistic回归模型的总体正确率达79.2%，能够支持全市范围内的违法用地风险评估工作开展。

3.1 评估方法

本文将采用Logistic回归结果开展违法用地风险评估，评估范围为全市非建设用地空间（根据2007年土地变更调查）。首先以10 m×10 m的栅格为基本单元，在评估范围内进行违法用地发生概率计算，对于每一栅格，其计算公式为：

式1中，P为该栅格处的违法用地发生概率。

采用GIS工具对Logistic回归派生出的11个自变量栅格数据进行空间叠置运算，通过空间运算产生的Logit（P）解算出该栅格处的P值。为了将评估结果以社区为单元进行表达，更好地分析违法用地的高风险区域，需要对基于栅格的评估结果进行分社区平均综合，方法为：

式2中，PC为某社区的违法用地发生风险分值；Pi为该社区内栅格的违法用地发生概率值，建设用地概率值取为0。

3.2 评估结果分析

对全市634个社区单元进行平均综合分值计算，并采用自然断点分级法将风险分值分为5级，该方法以减小同一类别中差异、扩大类别间差异为原则，通过使得拟合度方差最大化进行级别划分，适合于非均匀分布的连续变量的级别划分[16]。根据违法用地发生风险从高到低，将所有社区分为1—5级（图2，封二）。

总体来看，违法用地发生风险较高的区域主要集中在宝安区、光明新区、龙华新区、龙岗区、坪山新区以及大鹏新区等原特区外区域，其中，光明新区全部、宝安区中部、龙岗区东部及坪山新区北部Ⅰ级风险区分布较多。评估分值排名前20的社区中，位于光明新区和坪山新区的最多，分别占7个和5个，其次是宝安区和南山区各2个。通过对比各评估因子图层及评估计算公式可知，上述区域违法用地发生风险较高的主要原因在于拥有相对较为丰富的低坡度土地资源，且由原农村集体掌握的土地较多。评估结果总体符合实际情况，但在某些地区也存在明显问题，如位于福田区中心区的福新社区被评估为Ⅰ级风险区，而该区域实际为一大型公园；坪山新区的评估风险与光明新区相差不大，而从历年卫片执法检查成果来看，光明新区每年的违法用地发生数量大大高于坪山新区。可能的原因有两点：一是市域西北方向是深圳市目前重点发展方向，是深圳市朝向东莞、广州的门户区，经济活跃度较高，违法用地获利更加明显，而经济因素由于数据问题在评估中缺少考虑；二是行政管制强度等因素对于违法用地也有一定的限制作用，而这些因素因难于量化而未考虑在内。因此，对评估模型的改进将首先从这两方面加以考虑。

4 结论

（1）高度城市化阶段违法用地的发生受土地资源制约十分显著。随着城市化的深入，城市可利用的土地资源日益稀缺，任何土地开发活动（无论合法还是违法）所遇到的首要限制条件均为土地供给。经过30多年的高速发展，深圳市原特区内剩余可建设用地十分稀少，违法用地发生量较低，而在可建设土地资源相对丰富的光明、坪山、宝安等区违法用地呈现密集、离散分布。

（2）高度城市化阶段，地形、土地权属、职住区位是违法用地的主要影响因素。地形、土地权属代表着土地开发的难度和风险，而职住区位则代表着土地开发的潜在获利大小。当城市化达到较高水平时，城市外来人口规模庞大，交通等基础设施十分完备，土地开发的获利不再受交通、公共设施等因素的显著制约，相反，土地本身的自然和社会属性开始主导违法用地行为。

（3）违法用地高风险区与城市扩展方向一致。目前，深圳市原特区内已基本建设完毕，城市主要扩展方向为原特区外的西北、东北方向。这些区域在基础设施不断完善、人口的溢出效应的作用下，空间区位的日益优化，土地升值预期较强，加之相对丰富的土地资源和土地权属历史遗留问题，逐渐成为违法用地的高发区。

（4）基于GIS和统计学的空间定量分析技术是开展违法用地影响因素研究的有效手段。实践表明，上述定量化技术对于违法用地影响因素探索效果较好，分析结果能够用于行政决策和违法用地预防工作。同时，数据的丰富程度和精度直接影响分析结果，全面、准确的研究必须以丰富、可空间量化的基础数据为依托。

（References）：

［1］李曦，张宇，曾小波. 半城市化区域违法用地的成因分析与治理对策［J］. 华中农业大学学报（社会科学版），2008，1：39-42.

［2］国土资源部. 2012年中国国土资源年鉴［M］. 北京：中国国土资源年鉴编辑部，2012.

［3］邓迪敏. 对违法建设的法律思考［J］. 城市规划，2000，10：14-16，20.

［4］冯现学. 快速城市化进程中的城市规划管理［M］. 北京：中国建筑工业出版社，2006.

［5］周锐波，周素红. 城乡结合地区违法建设产生的原因与对策研究［J］. 城市规划，2007，5：67-71.

［6］闫小培，赵静. 中国经济发达地区城市非正规住房供给及其影响因素研究［J］. 城市与区域规划研究，2009，2：100-112.

［7］傅小随. 论深度城市化发展与治理转型——以深圳市为例［J］. 北京行政学院学报，2013，1：24-28.

［8］郭伟，朱大奎. 深圳围海造地对海洋环境影响的分析［J］. 南京大学学报（自然科学版），2005，3：286-296.

［9］谭启宇，王仰麟，赵苑，等. 快速城市化下集体土地国有化制度研究——以深圳市为例［J］. 城市规划学刊，2006，1：98-101.

［10］黄金初. 深圳城市化转地是非之辩［J］. 现代城市研究，2006，10：40-44.

［11］刘愿. 深圳农地国有化与城市化陷阱——以新安上合社区为例［J］. 经济纵横，2008，1：111-114，40.

［12］谢涤湘，陈惠琪. 高度城市化地区的土地问题及其思考——以深圳为例［J］. 生态经济，2013，4：48-51，57.

［13］刘宪法，刘蓉. 高度城市化地区农用地管理制度探索——以深圳为例［J］. 开放导报，2011，2：13-16.

［14］罗罡辉，钱竞，彭云飞. 高度城市化地区的建设用地布局实践——以深圳市为例［J］. 特区经济，2012，5：29-31.

［15］王爱民，刘加林. 高度城市化地区非城市建设用地导向——深圳案例研究［J］. 中山大学学报（自然科学版），2005，S1：314 -317.

［16］王慧，毛炜峄，李元鹏，等. 新疆易灾暴雨的风险区划［J］. 冰川冻土，2011，6：1407-1413.

（本文责编：陈美景）

Impact Factors Analysis and Risk Assessment of Illegal Land Use in the Stage of Post Urbanization of Shenzhen City

HU Wei1, JIA Ming-chao1, WEI Guang-yu1, JIANG Ren-rong1,2
（1. Shenzhen Urban Planning & Land Resource Research Center, Shenzhen 518040, China; 2. Key Laboratory of Urban Land Resources Monitoring and Simulation, Shenzhen 518040, China）

Based on cognition of illegal land use, the purpose of this study is to analyze the main impact factors of illegal land use in the stage of post urbanization based on a positioning and quantitative framework, and then carry out illegal land use risk assessment in order to provide decision and technical support for the illegal land use early-warning system. Methods of spatial analysis and statistics approach of regression and simulation were employed. The results indicate thatthe significant impact factors of illegal land use ranked from great to small are as follows: slop, occupant of land, industrial land distribution, land type, ecological control area, main road distribution, and subway distribution. There was a negative correlation between slop and illegal land use, that is for each 10 degree increase in slop, the relative risk of illegal land use reduce to 54% from the original. The relative risk of illegal land use in the area occupied by villagers is 2.3 times than elsewhere. The closer the distance to the industrial land, the higher the risk of illegal land use is. In all land types, other land has the highest risk to be used illegally, which is 3 times higher than arable land. The high-risk areas of illegal land use mainly concentrated in Guangming New District, central of Bao'an District, east of Longgang District and north of Pingshan New District. This study confirms that the illegal land use is significantly restricted by land resource in the stage of post urbanization. In the environment of relatively complete infrastructure and high economic value of land, the natural and social attributes of land itself dominate the illegal land use. The high-risk area of illegal land use is roughly as same as the urban expending area. Spatial quantitative analysis approach based on GIS and statistics is an effective mean for the factors studies of illegal land use.

land administration; illegal land use; impact factors; risk assessment; post urbanization; Shenzhen City

F301.2

A

1001-8158（2014）08-0010-07

2014-01-17

2014-03-08

国家科技支撑计划课题（2013BAJ05B04）。

胡炜（1988-），男，河南潢川人，硕士，规划师。主要研究方向为土地管理与GIS应用。E-mail: have211@163.com