快速城镇化区域城镇用地扩张模拟研究

刘 瑾， 田永中， 田 林， 张雪倩， 万祖毅， 刘旭东

（1.西南大学 地理科学学院，重庆400715； 2.重庆稻田科技有限公司，重庆400700；3.重庆西部大数据前沿应用研究院，重庆401120）

快速城镇化地区是指城镇化水平在短时间内显著提升、城镇用地快速扩展的地区.近年我国城镇化发展迅速，到2017 年末我国城镇化率已达58.52%，其中，上海浦东新区在2013 年末城镇化率就达到89%，天津滨海新区在2015 年末城镇化率超过90%，以及重庆两江新区的快速崛起，使其成为了快速城镇化发展的典型代表地区.模拟是利用已有年份数据来预测未来土地利用变化情况的过程.合理准确的模拟城镇土地利用的变化状况，将会为指导城镇建设、土地利用规划及生态修复提供理论支持.

当前城镇用地扩张模拟的模型与方法已经由原先的经验统计模型、宏观动力学模型进入微观动力学模型阶段［1］，包括元胞自动机模型（CA）［2-5］、土地利用及变化效应模型（CLUE-S）［6-8］、系统动力学模型（SD）［9-10］、多智能体模型（MAS）［1，11］等，每种模型都有各自的特点.CA具有强大的空间预测能力，擅长模拟复杂的空间变化，但是在解释城市扩张数量变化方面能力较弱［12-13］；CLUE -S模型分为需求分析和空间分配2 个模块，但是在需求分析的时候还需要借助其他的方法［8］；SD 模型在长期、动态的模拟上具有优势，但是在空间配置上有明显的不足［9］；MAS 是自下而上架构的模拟方法，能够将宏观与微观结合，但是缺乏解释的能力［1］.基于此，现有研究中更多的将多种方法结合，发挥其各自的优点来提高模拟精度［14-21］.遗传算法［4］、蚁群智能［13］、神经网络［16］、马尔科夫链［21］等作为CA 转换规则已经获得验证.其中，CA -Markov 模型将CA 模拟复杂时空变化的能力和Markov模型定量预测的优点相结合，综合考虑自然、社会等不同条件的影响，模拟不同情况下土地利用的时空变化［12-13，21-24］.此外，制作土地适宜性数据集，多数学者采用多准则评价模型（MCE）［25］，效果较好，但是使用过程较为复杂.决策向导由一系列的对话框组成，可以帮助用户逐步建立完整的决策模型并且将决策规则记录在一个文件中，以便之后的保存和修改，极大地便利了用户的使用.故本文以重庆两江新区2010、2013、2016 年Landsat遥感影像为数据源，采用ArcGIS 10 探讨该区内城镇用地类型发生的时空变化，以基于决策向导的CA- Markov 模型模拟研究区土地利用的动态变化，并以经过验证的土地利用概率矩阵以及土地利用适宜性数据集模拟研究区未来用地状况，以期为进一步的城乡规划和管理决策、生态修复提出合理的建议.

1 研究区概况

重庆两江新区，是继上海浦东新区、天津滨海新区之后第三个国家级开发开放新区，其范围涵盖北碚区、渝北区和江北区的部分共1 200 km2.自2010 年成立以来，常住人口增加129 万，2016 年末，地区GDP 达到2 260. 94 亿元，年均速增长17.5%，且第三产业发展的贡献率超越第二产业，成为该地发展的支柱型产业.产业结构的快速升级引起区域内部土地利用类型发生转变，加之规划作用对该区发展方向的引领作用，使得该区作为快速城镇化发展的典型代表性地区更加具有研究价值（图1）.

图1 研究区位置与地势图Fig. 1 Location and topography of the study area

2 数据来源与处理

研究数据包含遥感影像、DEM 数据及基础地理数据等.

1）遥感影像数据由地理空间数据云下载所得，来源于美国陆地卫星Landsat 搭载的TM、OLS传感器获得的2010、2013 和2016 年的3 期影像，时相均为夏季，云量控制在5%以内，空间分辨率为30 m.借助于ENVI对数据进行预处理，参考中国科学院土地利用／覆被变化分类体系，采用支持向量机的监督分类方法，将研究区划分为耕地、林地、草地、水域、建设用地、未利用地六大类（图2）.

图2 重庆两江新区2010、2013 和2016 年土地利用现状Fig. 2 Land use distribution maps of Chongqing Liangjiang New Area in 2010，2013 and 2016

2）DEM 数据由地理空间数据云下载所得，来源于ASTER GDEM V2 的30 m分辨率数据，并通过ArcGIS软件生成坡度、起伏度数据.

3）基础地理数据包括乡镇中心、区级中心、主干路、高速公路、铁路、地铁、水系及大型水体数等数据，来自《重庆市城乡总体规划（2007—2020）》.此外，两江新区生态保护红线数据来自重庆市环境保护局的《重庆市生态保护红线划定方案》；“四山（缙云山、中梁山、铜锣山、明月山）”管制禁建区数据来自于重庆市规划局；两江新区范围土地利用总体规划（2006—2020）数据来自于重庆市国土资源和房屋管理局两江新区分局；重庆市城乡总体规划（2007—2020）数据来自重庆市规划局；建设用地管制区数据来自重庆市国土资源和房屋勘测规划院；基本农田保护区数据来自三区国土资源局.以上数据均经过ArcGIS 10 软件进行扫描、配准、矢量化并统一到2000 国家大地坐标系下，分类组织并存储于File Geodatabase数据库中.

3 城镇用地时空变化分析

利用ArcGIS 10 统计重庆两江新区三期土地利用面积（表1）.研究期内建设用地呈现大幅度增加，耕地和林地减少量最多，但三者仍然是研究区主要用地类型.水域面积略有所增加，草地和未利用地变化不明显且空间零星分布.建设用地大幅增加与规划的引领作用密切相关，水利设施的修建一定程度上扩大了水域面积.

表1 重庆两江新区土地利用变化Tab. 1 Land use changes in Chongqing Liangjiang New Area

利用ArcGIS 10 提取研究区2010—2016 年建设用地的扩张变化情况（图3）.采用扩张速度、扩张强度指数（IEI）分析6 年间建设用地的变化情况（表2）.IEI计算公式如下［26］：

其中，IEI为土地扩张强度指数，S 为土地总面积，Sb、Sa分别为末、初期城镇用地面积，T 为研究时段.结合前人经验［25］，对建设用地扩展强度进行划分：IEI值在［-25%，0）之间为逆向扩展；值为0 表示在研究时段内无扩展；大于0 为正向扩展，其中（0，1%）为低速扩展；［1%，5%）为中速扩展；［5%，10%）为快速扩展；［10%，25%）为高速扩展.

6 年间研究区处于高速扩张阶段，扩张速度较快，且2013—2016 年相对于前面的3 年扩张强度更大，这与2013 年以后研究区进入全面提升阶段，建设水平和速度明显提升，大量工业开发区规划建立相关.

表2 2010—2016 年重庆两江新区建设用地扩展速度与扩张强度统计Tab. 2 Statistics of expansion velocity and IEI in Chongqing Liangjiang New Area from 2010 to 2016

采用重心迁移［27］的方法探究研究区建设用地的空间变化特征.结果显示，6 年间研究区建设用地重心向东北方向转移，前一阶段转移大概2 260.65 m，后一阶段转移1 813.92 m.这与西南部江北区、渝北区南部用地趋于紧张和东北部广阔的发展腹地相关.

图3 2010—2016 年建设用地扩张变化图例Fig. 3 Expansion and change of construction land from 2010 to 2016 in the study area

4 重庆两江新区城镇用地演变模拟

以2010、2013 年的土地利用数据为基础，模拟研究区2016 年城镇用地状况.模拟的关键在于确定土地转移概率矩阵和开展土地适宜性数据集的制作.利用Markov 模型生成该时段的转移面积矩阵，作为预测的数量基础；利用决策向导进行适宜性评价，以此来模拟2016 年研究区土地利用情况，并将此结果与解译的2016 年研究区土地利用情况进行精度验证，探讨方法的可行性，验证土地利用限制条件和因子组合的可行性.最后模拟研究区2025 年城镇用地状况.

4.1 确定土地利用转移概率矩阵 利用Markov模型计算研究区不同时段土地利用转移面积和概率矩阵，确定2010—2013 年和2013—2016 年的土地利用转移概率矩阵［28］，该矩阵是进行CA模拟的关键.

马尔科夫链代表事件发生过程中的一种转移过程无后效性特征，即当前的状态仅与前一时刻的状态有关，与其他因素无关.将这种思维引入土地利用变化预测过程中，可以获得前后2 个时期之内土地利用类型相互转换的数量或比例，即状态转移概率，数学关系式［29］为

其中，S（T0）、S（T）代表T0、T 时刻土地利用的状态，Pij是土地利用变化状态i 转为j 的转移概率矩阵.研究中将影像的时间间隔和时间周期均设置为3，比例误差设置为0.15，得出两期时段内重庆两江新区的土地利用变化的转移概率矩阵（表3）.建设用地无论是移出还是移入的概率均较小，耕地和林地是建设用地增加的主要来源，其他类型的用地占地面积小且变化少.

表3 2010—2016 年重庆两江新区土地利用变化转移概率矩阵Tab. 3 Changed transition probability matrix of Chongqing Liangjiang New Area from 2010 to 2016

4.2 2016 年土地利用转移适宜性评估 研究区范围内含10 个组团，涉及重庆主城区中的北碚区、渝北区和江北区，地形以低矮山地为主，致使城镇发展趋向于以组团的方式并尽可能的沿山间较平坦宽阔的地带进行.自新区建立以来，耕地、林地到建设用地的转化成为此区地类转化的主体，水域、草地和未利用地发生的转移较少，考虑到已有建设用地不易向其他地类转化，同时结合前人相关经验，利用IDSIRI 17.0 软件中的决策向导生成土地转移适宜性数据集.

是一种与多准则评价模型（MCE）相类似的分析方法.针对不同的目标去建立各自的标准，然后综合分析影响目标的诸多因素实现决策辅助，其标准包含适宜因子和限制条件两大类.适宜因子就是能够影响土地利用发展变化的条件，将其统一到0～255 的连续性拉伸值之间.在本文的研究中，适宜因子选择影响土地利用变化的自然、经济类因素，规划要素则作为限制条件引入；限制条件就是将分析严格控制在某种范围内，在IDSIRI 17.0 软件中以0 和1 的布尔值来表示.

借助ArcGIS 10得到基础地理数据的栅格距离作为影响城镇用地扩张的适宜性因子数据.本文共选取影响城镇用地扩张的重要因素，包括乡镇中心、区级中心、主干路、高速公路、铁路、地铁、主要水系、大型水体、海拔、坡度、起伏度数据共11 个条件制作栅格距离；根据每种因子的作用方式不同，确定每种因素对应的衰减模式以及作用分；通过加权线性合并（WLC）生成每种土地类型的转移性栅格数据；最后将每一类土地利用类型的适宜性数据打包生成土地利用转移适宜性数据集.以下以建设用地为例说明生成适宜性转移图像集时本文所遵循的规则.

距离区级中心距离遵循衰减模式，距离小于5 km较适宜，5 ～10 km逐渐降低，大于10 km 适宜性逐渐到达最低；距城镇中心距离遵循衰减模式，分界点为4 和8 km；交通线路均遵循S 型衰减模式，距高速公路距离临界点为5 和8 km，距主干路距离临界点为2 和4 km，距铁路距离临界点为6 和13 km，距地铁距离临界点为3 和10 km；地形数据均遵循S 型衰减模式，高程临界点为0. 3 和0.6 km，坡度临界点为8°和25°，起伏度临界点为15°和35°；水系和大型水库遵循对称函数的模式，临界点为0.05、1、3 和5 km.

除上述设置条件以外，建设用地限制因素包含：已建成的城镇建设用地和水体；建设用地管制区中的禁止建设区；基本农田数据中的基本农田保护区；土地利用总体规划中的绿地区域；城乡总体规划中的非建设用地；生态用地中的自然保护区等；“四山”管制中的四山绿地区，均为禁止扩张的区域.所有设置均按照IDSIRI软件要求将禁止扩展的区域设置为0，其余区域设置为1.建设用地的适宜性评估结果见图4.

图4 建设用地转移适宜性评价Fig. 4 Transfer suitability evaluation of construction land

4.3 2016 年研究区土地利用演变模拟 以2013年为基期年份，以2010—2013 年的转移概率矩阵为依据，利用CA -Markov 模型，对研究区2016 年土地利用状况进行模拟.文中假设某地用地类型的变化受到周围80 m范围内的土地利用类型变化的影响，故本文采用5 ×5 的滤波器，即元胞周围75 m×75 m的矩形空间会对元胞状态的改变产生影响；模拟以年为单位，故循环次数设置为3.

图5 是模拟2016 年研究区土地利用状况的结果，kappa 系数为80.62%.模拟结果可信度较高.观察模拟结果看出解译所得到的土地利用图与模拟结果在空间上的布局大体一致.同时，表4 列出了土地利用结构演变及精度检验结果.从表4 中可以看出模拟结果在数量上也具有可靠性.

图5 2016 年研究区用地模拟Fig. 5 Land use simulation of the study area in 2016

受到限制性规划因素和地形因素影响，使得研究区内未来城镇用地发展只能出现在一定的范围内.研究区范围内的大型山体中，规划的生态用地区域内建设用地不再扩张，其次鱼复组团、龙兴组团内受建设用地管制的影响明显.将模拟结果与《重庆市城乡总体规划（2007—2020）》比较发现，模拟结果中各类用地的扩展范围与规划文件中相对应该类的用地范围基本一致.证明此限制条件和因子组合用来模拟该研究区土地利用的发展变化是合理的.

表4 2016 年重庆两江新区土地利用结构演变及精度检验Tab. 4 Land use structure evolution and accuracy test in Chongqing Liangjiang New Area in 2016

4.4 未来城镇用地扩张模拟 以2016 年土地利用状况为初始年，结合决策向导生成的土地利用适宜性数据集和Markov 模型生成的土地利用转移概率矩阵，将循环次数设置为9，对研究区2025 年用地情况进行模拟，结果如图6 所示，同时对结果进行统计（表5）.

图6 重庆两江新区2025 土地利用格局预测Fig. 6 Prediction of land use pattern in Chongqing Liangjiang New Area in 2025

表5 2025 年重庆两江新区土地利用预测Tab. 5 Prediction of land use pattern in Chongqing Liangjiang New Area in 2025

结果显示到2025 年，研究区建设用地增速仍然居于首位，建设用地、耕地仍然是该地主要的用地类型，建设用地大量增加，耕地、林地大幅度减少，其他用地变化不明显仍旧是该地用地类型的主要特征.此结果与文献［30］在生态红线保护下模拟的两江新区土地利用覆被情况相一致.建设用地由2016 年 的43 120. 17 hm2增 加 到2025 年 的63 632.26 hm2，比例由36.76%增加到54.24%，增加面积20 512.09 hm2，增加17.48%.预测期间的增加强度较2013—2016 年间有所下降，但是增幅依然较大.建设用地的不可逆转性是建设用地增长的主要原因之一，故在制定总体规划时，应当严格控制建设用地的增加量，禁止一切违法建设行为.耕地面积由2016 年的39 530.79 hm2减少至2025年的27 311.07 hm2，减少面积共10.42%，减少趋势放缓，基本转出为建设用地，成为建设用地增加的主要来源.

将模拟结果与现行重庆市城市建设用地规划图对比，2025 年研究区建设用地面积将会超出原规划面积，为满足经济发展对于建设用地的需求，一方面要增加当前建设用地的集约利用程度，另一方面可以适当调整现有规划，扩大规划中建设用地范围，以空港组团和龙兴组团靠北区域为主.同时，模拟的结果也为现今高速发展的土地利用做出了警示，提高用地的门槛成为防止过快扩张的方法之一.

5 结论与讨论

本文以重庆两江新区为例，利用ArcGIS 工具分析了快速城镇化区域城镇用地转化的时空特征，并利用CA-Markov模型模拟该区未来城镇用地扩张的情况.主要结论如下：

1）2010—2016 年间重庆两江新区城镇用地发生中高速的扩张，且后一阶段扩张强度是前一阶段的近两倍，用地类型变化迅速，且向东北方向发展的趋势明显.

2）研究区范围内耕地和林地向建设用地的转化是地类转化的重点，利用基于决策向导的CA -Markov模型模拟快速城镇化区域的城镇用地状况精度达到80.62%，效果较好.

3）未来研究区建设用地将继续大幅上涨，耕地下降，两者依然是该区域主要的用地类型，共占到研究区面积的77.82%.耕地依旧是建设用地的主要转入类型.预测结果显示到2025 年，研究区内仍将处于快速发展时期，相较于2016 年，建设用地将增加20 512.09 hm2，提高目前土地利用集约程度或者扩大当前建设用地规划范围，方可满足区域进一步发展，其中空港组团和龙兴组团靠北区域可作为扩大建设用地范围的首要考虑.

本文采用欧式距离来探索限制性因子对模拟结果产生的影响，但对于山地城市条件来说，如果能够考虑成本距离，将会提高研究的可信度；在考虑限制因子的影响时，对于完全禁止区域以限制性条件来处理，而对于有条件建设区域考虑则不够充分，如果能将各类用地如工业区、住宅用地等做详细考虑，将会对结果的精度大幅提高.