基于微地貌约束的山区型特色小镇“三生”空间布局优化

马伟波， 赵立君， 邹凤丽,2， 李 辉， 王 楠， 李海东， 张龙江*

1.生态环境部南京环境科学研究所， 江苏 南京 210042

2.武汉大学遥感信息工程学院， 湖北 武汉 430079

国土空间是人类活动的主要承载体，但随着我国城镇化、工业化迅速发展，建设用地扩张迅猛,耕地面积持续减少,局部地区生态环境问题突出，导致人地矛盾不断增加[1]. 协调各个发展目标，优化国土空间开发格局，实现社会经济发展和生态环境协同发展是一个重要科学问题[2-4]. “生态-生产-生活”(简称“‘三生’”)空间结构及布局优化研究，是实现国土空间有效管控和制定国土空间规划的重要支撑，也是国土空间格局优化的重要实践[5]. 目前，相关研究主要集中在“三生”空间概念与内涵[6]、用地分类体系[7]、识别与优化[8]等. 但由于“三生”空间研究开展时间较短且我国地域分异较大，不同尺度、不同地域特征下“三生”空间土地结构与布局优化研究背景和侧重点存在差异[9-10].

目前，“三生”空间的结构布局优化研究多集中在县域、城市等较大尺度上[11-14]，在乡镇尺度上的相关研究多分布在聚落层面[15]，而乡镇在城乡发展中同样存在着优化空间结构与布局、强化地域功能、协调经济发展与环境保护的客观需求[16]. 2019年自然资源部发布的《资源环境承载能力和国土空间开发适宜性评价指南(试行)》(简称“《双评价》”)可支撑区域尺度“三生”空间格局优化，但不足以满足乡镇尺度“三生”空间布局优化的管理需求. 2020年北京市制定了《北京市乡镇地区生态要素与生态空间规划编制指引(试行)》，对于快速城镇化地区生态空间规划编制有较大指导意义，对于村镇建设“三生”空间布局有重要参考价值，但目前仍缺乏成熟的应用实例. 特色小镇产业特色鲜明、要素集聚、宜居宜业、富有活力，是乡镇尺度发展的典型代表. 立足生态优先、“三生”空间融合，实现高质量发展，是生态文明背景下特色小镇发展的历史选择[17-19]. 茅台镇处于大娄山区水源涵养与生物多样性保护重要区(简称“大娄山区”)，主导生态功能为水源涵养与生物多样性维护[20]，是我国第一批特色小镇，特色产业是酱酒和红色旅游，是我国西南地区山区型特色小镇的典型代表. 近年来，茅台镇依托酱酒文化、长征文化、盐运文化大力发展旅游业，同时国内酱酒产业的高速发展促使茅台镇白酒产业呈剧烈扩张态势. 随着旅游人口的急速增长和白酒企业的扩产扩能加剧了河谷地带土地利用的竞争格局，对当地生态环境质量造成一定影响. “山水林田”等重要的生态要素多数都位于乡镇地区，在山区条件下，以茅台镇为例，随着城镇化的推进，建设用地不断侵占耕地等生态用地，乡镇尺度“三生”空间矛盾凸显.

近年来，通过土地利用模拟模型开展多尺度土地利用模拟成为一种土地利用布局优化的方法[21]，其中GeoSOS-FLUS模型是一种在人地关系相互影响下，能有效处理国土空间内部各土地利用类型相互转化的复杂性和不确定性的模拟预测模型，目前主要应用于土地利用模拟[22]、城市扩张模拟[23]和城市增长边界的划定等[24-26]方面. 元胞自动机和多智能体模型是土地利用格局和演化模拟的主流方法，该模型结合生物智能将2种主流方法融合，使其能以较高的精度在高分辨率和小尺度上模拟预测未来土地利用的变化分布.

为优化山区型特色小镇的“三生”空间布局，笔者基于10 m分辨率DEM、土地利用、交通区位以及统计年鉴等数据，通过GeoSOS-FLUS模型开展了生态优先情景下茅台镇“三生”空间布局优化研究，并与无地貌约束的自然演变和经济优先2种情景做了对比分析，以期为村镇尺度生态安全格局优化和生态承载力提升提供技术支撑.

1 材料与方法

1.1 研究区概况

茅台镇是贵州省仁怀市下辖镇，位于贵州省西北部，地处大娄山区，是赤水河在流域内径流方向的重要转折处，是川黔水陆交通的咽喉要地(见图1). 赤水河自南向北穿越辖区，辖区内赤水河干流是长江上游珍稀鱼类国家保护区. 茅台镇(106°21′E～106°23′E、27°51′N～27°52′N)为典型的河谷地貌，海拔在365～1 367 m之间，年均降雨量为926 mm. 茅台镇是中国酱酒圣地，白酒产业发达，有超过900家白酒企业，2016年被列为第一批中国特色小镇，2019年入选全国综合实力千强镇前100名. 茅台镇面积212.84 km2，土地利用以耕地为主林地次之，2018年耕地面积为78.87 km2；辖6个社区22个行政村，2018年人口10.7×104人.

图1 茅台镇地理位置及高程

但在2000—2018年茅台镇建设用地扩张7.5倍(见表1)，耕地和草地面积减少了10.93 km2；生态用地下降了1.51 km2，生态空间被严重挤压，用地结构矛盾凸显，“三生”空间布局亟待优化.

表1 2000—2018年茅台镇土地利用和“三生”空间变化

1.2 数据获取

主要包括研究区DEM、土地利用、规划资料和基础地理信息数据(见表2). 对于栅格数据，首先将空间参考投影统一变换至Krasovsky_1940_Albers，然后重采样至30 m后计算得到各指标因子. 对于交通区位数据，分别计算茅台镇到仁怀市及相邻县市建成区中心、到高速公路、到国省道、到城市主干道等欧式距离，生成统一参考投影和分辨率的空间栅格. 图2展示了多情景分析中需用到的驱动和限制性因子数据，其中，驱动型因子涉及地形驱动因子、交通驱动因子和到城市中心距离驱动因子3个方面，包括地形湿度指数[27]、高程、坡度、坡向、到国省道距离、到高速公路距离、到市中心距离、到镇中心距离、到干道距离，限制性因子为生态保护红线，包括赤水河干流所在的长江上游珍稀鱼类国家保护区和基本农田等生态用地.

图2 土地利用驱动和限制因子

表2 数据信息说明

1.3 研究思路

基于上位规划和生态约束的土地利用结构优化. 根据《仁怀市土地利用总体规划(2015—2020年)》确定茅台镇基本农田和建成区面积约束，同时根据《全国生态功能区划(修编版)》《贵州省生态保护红线》等确定茅台镇主导生态功能定位和生态空间严格保护区范围，结合山区微地貌对“三生”空间的发展约束条件，确定生态优先情景模式下茅台镇土地利用转移限制权重.

基于驱动条件的土地利用布局. 以地形、交通和到城市中心距离为土地利用驱动条件，以产城融合、城乡协同发展等为生态优先情景下土地利用驱动策略，将基本农田、水域、生态红线区作为生态约束条件限制土地转化；以产业扩张、建设用地适度扩张作为经济优先情景下的土地利用驱动策略；以2000—2018年土地利用变化特征和转移规律作为自然演变情景下的驱动参数选择；在求取各类土地适宜性概率后，将驱动、限制等因子输入土地模拟模型，求取3种情景下土地利用布局.

山区型村镇建设布局优化案例分析. 以贵州省茅台镇为案例，通过GeoSOS-FLUS模型求取3种情景下山区型乡镇的土地利用结构和布局优化结果，开展定性和定量分析.

1.4 研究方法

1.4.1微地貌划分

(1)

(2)

式中：n为R半径内DEM栅格的数量；zi表示第i个栅格处高程，m. 鉴于研究区山地地形复杂的特点，通过3～100个像元半径单位的测试，最终选择R为30个像元尺度，即半径为 2 700 m的圆形卷积窗口，该尺度较好地兼顾了细分地貌与景观. 地貌的变化源于坡面的变化，根据研究区实际情况，改进了Dickson等[29]对地貌的划分方法，将大娄山区划分为山脊、陡坡、缓坡和峡谷底. 地貌划分综合了高程、slope (研究区绝对数值坡度)以及TPI所蕴含的地形特征(见表3).

表3 基于TPI的地貌划分

1.4.2情景设定

该研究该研究共设置3个情景，不同情景下土地转化成本与土地侵略强度不同.

自然演变：依据2000—2018年茅台镇土地利用和转移特点，不进行人为引导和管控，遵循前期土地利用变化特征和转移演变规律.

经济优先：经济建设主要依据产业发展推动，因此该情景下建设用地规模需适度扩张，降低建设用地转化为耕地林地和草地的转化约束.

生态优先：严格实施生态保护红线和基本农田保护，在维护优化生态空间用地的同时，考虑可持续发展，提升现有建设用地利用效率，促进乡村振兴和产城融合.

1.4.3GeoSOS-FLUS模型

相比其他土地利用模拟模型[24]，GeoSOS-FLUS能较好地应用于土地利用变化模拟与未来土地利用情景分析，可解决不同用地类型的竞争关系，能够耦合人类活动与自然环境且提供高分辨率的模拟结果. 其通过“自上而下”系统动力学模型与“自下而上”元胞自动机模型，利用自适应竞争机制最终解决高分辨率条件下复杂土地利用模拟问题.

适宜性概率通过神经网络算法求取得到，计算公式：

(3)

式中：sp(p,k,t)为第k类型用地在时间t、栅格p下的适宜性概率，k=1，2，…，5；ωj,k为输出层与隐藏层之间的权重；sigmoid是激励函数；netj(p,t)表示第j个隐藏层栅格p在时间t上所接到的土地利用信息；h为神经网络的深度，该研究中h=12；t分别为2000年、2018年和2030年. 每个栅格像元所代表的各用地类型适应性概率和为1.

土地利用转化概率受分布概率、邻域密度、惯性系数、转换成本及地类竞争等因素共同作用影响. 第k类型用地在t时刻的自适应惯性系数为Intertiakt，

式中，Dkt-1、Dkt-2分别为第k类型用地未来模拟栅格数量与模拟起始阶段栅格数量，Intertiakt-1表示在第k类型用地在t-1时刻的自适应惯性系数. 通过CA模型迭代的方式进一步确定各用地类型. 在t时刻，栅格p转化为k用地类型的概率TProbp,kt可表示为

TProbp,kt=sp(p,k,t)×Ωp,tt×Intertiakt×(1-scc→k)

(5)

式中：scc→k为c用地类型改变为k用地类型的成本；Ωp,tt为邻域作用，计算方法见式(6).

(6)

式中：∑N×Ncon(cpt-1=k)表示在N×N的Moore邻域，上一次迭代结束后第k类型用地的栅格总数，该研究中N表示土地利用栅格Moore邻域的长度和宽度，设置N=5；ωk为各类用地的邻域作用权重.

模型的精度验证参考指标为OA和Kappa系数. 该研究采用2000—2018年土地利用为模型训练数据，以2018年模拟结果测试模型精度，最后利用训练得到的模型模拟预测2030年研究区土地利用.

2 结果与分析

2.1 土地利用优化

2.1.1生态优先情景土地利用优化策略

茅台镇是我国产城融合的典型代表，是产业和城镇化相融合发展的经验模式，白酒产业和旅游文化产业是其经济发展的根本动力. 近年来茅台镇旅游人数不断攀升，白酒产业持续繁荣，致使茅台镇人口增长、城市建设急剧扩张，生态环境承压较大. 根据《仁怀市土地利用总体规划(2015—2020年)》，茅台镇仍有超过22 km2可开发土地，大部分集中在赤水河谷海拔680 m以下坡地河谷地区. 但由于茅台镇地处大娄山区，水源涵养和生物多样性维护功能较为重要；茅台镇城镇建设集中在赤水河河谷地带，若其生态环境功能失调对赤水河下游水质水生态将造成负面影响. 因此，该研究在生态优先情景下对于茅台镇土地利用的优化策略为优先保护生态用地，严格恪守生态保护红线，适当约束建设用地扩张，对农业生态用地依据生态涵养需求适当退耕还林. 生态优先情景下土地利用优化策略是后期基于微地貌约束的前提，是不同土地利用类型之间转化限制性条件的重要参考.

2.1.2基于微地貌约束的优化路径

由表4可见，茅台镇4种地貌类型中以峡谷底、陡坡和山脊区域3种为主，其中，峡谷底面积为75.57 km2，缓坡面积较少，仅有5.98 km2. 以茅台镇2018年土地利用现状数据划分“三生”空间分布，并统计其微地貌特征. 茅台镇生态空间和农业生产空间在峡谷底、陡坡和山脊区域均有大量分布且面积数量差异较小，而生活空间和工业生产空间多分布在峡谷底部. 生态空间分布在峡谷底、陡坡和山脊处的面积分别为41.29、39.72和39.89 km2，而农业生产空间分布在峡谷底、陡坡和山脊处的面积分别为24.29、26.54和24.92 km2，生活空间和工业生产空间在峡谷底的面积分别为3.13和6.86 km2.

表4 基于地形约束的茅台镇“三生”空间划分及优化策略

茅台镇地处喀斯特山区，耕地类型多为坡耕旱地，农作物产量较低；且受西南季风影响，每年7—8月降雨强烈，极易造成水土流失和滑坡. 因此，在地形约束下的茅台镇“三生”空间布局优化，首要考虑的是维护山脊、缓坡和陡坡处的林地草地类型不被改变；其次在提升耕地质量的同时，适当退耕还林，在山脊陡坡处形成连片贯通的生态空间；再次要保证峡谷底区域的赤水河干流、滩地等生态空间不被建设用地扩张侵蚀；最后，在严格保护缓坡和峡谷底生态用地的条件下，可适度开发作为建设用地.

该研究结合以下两方面内容确定土地利用转化权重：一方面参考GeoSOS-FLUS官方操作手册中对于不同用地类型之间的转移条件和激励大小；另一方面通过分析大娄山区和赤水河流域类似地形条件下土地利用演变模拟的试验结果，进而统计土地利用转化的权重经验值. 该研究以贵州省大同古镇、元厚镇等地区为测试对象，最终得到茅台镇不同微地貌处土地利用转化权重值：

a) 在峡谷底区域，其他用地转化为建设用地的权重为0.1，水域转化为其他用地的权重为0.

b) 在缓坡区域，其他用地转化为建设用地的权重为0.6，林地草地转化为耕地的权重为0.3.

c) 在陡坡区域，其他用地转化为建设用地的权重为0.2，耕地转化为林地草地的权重为0.7.

d) 在山脊区域，其他用地转化为林地草地的权重为0.8.

2.2 布局优化

2.2.1模型训练及精度评价

各驱动指标项输入模型可得到每个像元处各类土地利用类型的适应性概率值. 由图3可见，建设用地适宜性概率较高的地区主要集中在茅台镇南部，水域适宜性概率较高的地区分布在河谷平缓地带及小流域汇流区，耕地适宜性概率较高的地区主要分布在河谷两侧较高坡地，林地主要分布在海拔600 m以上地区. 适宜性概率是依据土地驱动因子生成，在现实土地利用转换过程中影响因素较多，各用地类型由不同驱动因素与其他地类相互竞争生成，因此适宜性概率与不同情景下土地利用限制和规划策略相组合，即可形成具有科学合理性的土地利用布局.

由图3可见，茅台镇沿赤水河峡谷底地区的土地利用竞争非常激烈，该地区水域、建设用地和耕地等均有不同程度的适宜性概率. 结合表4可知，峡谷底是主要的生活空间和工业生产空间，水域、林地和草地等生态空间被严重挤压.

图3 茅台镇土地适宜性概率

以2000年为基期，Kappa系数显示基于上述驱动因子的2018年土地利用模拟精度可达到0.78，总体精度达到0.82，结果准确度和可信度可支撑该研究对土地利用的模拟.

2.2.2土地利用布局优化结果

由图4可见，自然演变、经济优先和生态优先情景模拟均显示，在2030年茅台镇的草地面积将急剧减少，且很难保持增长趋势. 茅台镇2018年土地利用模拟与实际土地利用之间主要差异体现在图4中A和B区域，即A和B区域在2018年实际土地利用类型为耕地，但却被模型模拟成建设用地;同时，结合茅台镇土地适宜性概率和地形条件可知，A和B区域位于湿地和耕地交错的缓坡地形，且离河谷较近，可见在自然演变情景下模型对建设用地模拟更为敏感. 2030年自然演变情景下，土地利用空间分布主要特征是建设用地急剧扩张，河谷地带的缓坡和部分陡坡位置均被转换为建设用地，如图4中C、D、E位置所示. 在经济优先情景下，绝大部分用地分布模拟与自然演变情景相似，主要差异体现在F区域和河谷地区分布较多的建设用地，可见模型对缓坡位置的耕地模拟转化为建设用地较为敏感. 在生态优先情景下，与其他模拟结果相比较，林地与建设用地体现出较大差异，林地在赤水河河谷两岸的G和H区域实现了空间上连通和聚集，建设用地主要在茅台镇中南部河谷地带以及缓坡地区适度扩张. 在微地貌约束的生态优先情景下，峡谷底的生态空间面积略有增加，从41.29 km2增至43.80 km2，而陡坡和山脊地区的生态空间面积由原来的79.61 km2增至83.22 km2，生活空间面积由3.13 km2增至3.88 km2，农业生产空间面积由24.29 km2降至20.00 km2.

注： 与2018年土地利用现状相比，模拟数据在A和B区域较为集中地将耕地错误模拟为建设用地. 在自然演变情景下，C区域被预测为建设用地，D和E区域也从农田和林地被预测为建设用地(工业建设用地). 在经济优先情景下，F区域坡耕地被预测为建设用地. 在生态优先情景下，G和H区域耕地较多被预测为林地，而I区域生态保护红线和基本农田区域相较2018年变化较小.

由表5可见：自然演变和经济优先情景下，土地利用格局和趋势是相似，均呈建设用地进一步扩张而耕地进一步减少的特征；同时，从“三生”空间面积演变趋势来看，工业生产空间和生活空间面积均增加，而农业生产空间和生态空间面积均减少. 经济优先情景下，工业生产空间面积最多，达17.57 km2; 生态优先情景下工业生产空间面积占地最小，为9.87 km2,同时生态空间面积最多，为129.63 km2. 相较于2018年，生态优先情景下耕地和草地分别下降了11.42和18.82 km2，而林地和建设用地面积分别增加了25.13和5.00 km2；在“三生”空间层面，工业生产空间和生活空间集中分布在峡谷底区域，而生态空间则较多分布在缓坡和陡坡区域；生态空间面积增加了6.42 km2，农业生产空间面积减少了11.42 km2，而工业生产空间和生活空间面积仅分别增加了2.74和2.26 km2. 相比自然演变和经济优先情景，生态优先情景下林地面积增幅较大而建设用地面积增幅较小.

表5 不同情景下土地利用布局

3 讨论

在生态优先的发展情景下，基于微地貌约束的茅台镇“三生”空间布局模拟优化显示，生态空间大幅增加，农业生产空间大幅减少，而工业生产空间和生活空间少量增加；茅台镇水源涵养与生物多样性保护的主导生态功能得到一定程度的维护，生产生活空间有限度的发展没有受到完全遏制，最大限度实现了“三生”空间协调布局. 该优化结果可服务于茅台镇在村域尺度下“三生”空间布局优化调整政策的制定，对于山区河谷类似地区在村镇尺度生态安全格局优化和生态承载力提升方面可提供技术支撑.

相比大尺度城市土地利用布局优化[22,30-31]，该研究区为喀斯特山区，有独特的地形特征和土地利用特征. 坡耕地质量较低，且极易造成水土流失以致发生滑坡等自然灾害. 因此，在生态优先策略下首先保证生态安全，消除潜在地质灾害隐患，即在陡坡和山脊处积极实施退耕还林，同时提升水源涵养能力. 在此过程中应注重林地生物多样性和景观建设[32]，以增加林地生态系统稳定性. 河谷地区是生产生活用地最易扩张的地区，也是重要的生态空间，面临着河床侵蚀、水土流失等生态问题；若河谷地区发生严重生态环境问题，则地区的生产生活质量将严重下降. 因此，应对河谷地区的生产生活空间进行合理的约束和引导，对生态空间开展主动修复.

该研究通过地形、交通和到城市中心距离为土地利用驱动条件分析研究区土地适宜性概率，同时在发展策略原则下设置土地利用转化和限制条件，通过双向调节和作用最终实现在像元尺度的土地利用模拟. 这种策略在一定程度上与基于土地利用适应性双向约束的《双评价》国土空间格局优化策略是相似的[8,10]，即要尊重土地使用的客观条件和规律. 但《双评价》在大尺度上强调资源环境承载力约束，不完全适用于乡镇尺度，在此方面该研究面对山区型乡镇“三生”空间布局的需求，通过引入微地貌约束条件，实现了典型区域的实例应用.

乡镇空间是一个较小尺度的开放空间，其生产生活受周边地区影响，若考虑区域间协同发展条件，则不能完全仅就乡镇空间内部讨论其空间布局优化. 因此在后续研究中，应主动与区域生态分区、生态修复上位规划、产业发展等规划相衔接，立足生态优先原则，将一部分生产和生活功能分散疏解，实现区域协同发展. 以自然地形约束、交通区位与城市建成区距离作为土地利用驱动因子部分合理，但土地利用受到生态环境和人类活动的双向作用，后期研究中应针对研究地区的土地驱动条件做深入分析. 另外，该研究在乡镇尺度上的“三生”空间布局优化，只是从土地资源结构和布局上进行了模拟，对于“三生”空间在功能与生态经济社会综合效益定量化评估方面未涉及，后期考虑引入经济社会等统计指标，通过定量化指标设置来优化情景模式，定量判定“三生”空间在结构、布局优化后所产生的综合效益.

4 结论

a) 茅台镇4种地貌类型中以峡谷底、陡坡和山脊3种为主，其中峡谷底面积为75.57 km2；茅台镇生态空间和农业生产空间在峡谷底、陡坡和山脊区域均有大量分布且面积数量差异较小，而生活空间和工业生产空间多分布在峡谷底.

b) 3种情景模拟均显示，2030年茅台镇的草地面积将急剧减少，且很难保持增长趋势. 自然演变情景下，河谷地带的缓坡和部分陡坡位置均被转换为建设用地；经济优先情景下，缓坡位置的耕地较易转化为建设用地；生态优先情景下，林地实现了空间上的连通和聚集，建设用地主要在茅台镇中南部河谷地带以及缓坡地区适度扩张.

c) 生态优先情景下，峡谷底区域“三生”空间布局得到优化，生态空间面积从41.29 km2增至43.80 km2，工业生产空间面积由6.86 km2增至7.89 km2，农业生产空间面积由24.29 km2降至20.00 km2.