破碎化分析视角的工业用地空间绩效*——以上海市闵行区为例

杨 帆 陶沛宏 郭长升 沈珏琳

0 引言

当前，城市发展进入存量挖潜阶段。在各类用地中，工业用地闲置低效情况格外突出[1]，这与工业用地一直以来的供给和配置方式有关。因其不仅影响企业的全要素生产率，而且影响地方政府财税收入[2]。所以，出于最大限度获取地方可支配财税能力的目的，地方政府在“招商引资”中并不严格遵循级差地租和价格规律，而是采用灵活的土地出让策略[3-4]。工业用地出让受生产企业影响相对较小，实际主要受晋升激励机制影响，相应的土地管理制度也始终支持这一倾向[5-7]。地方政府对土地财政和招商引资的双重依赖和偏好导致过度供给，以致工业用地规模失控[8-9]。

工业用地的过度供给和低效利用在“边缘城市化地区”（peri-urban area）尤其突出[10]。其原因在于，基层政府干预、集体经济组织、民营经济力量在这一地区共同发挥作用，持续争夺以用地为核心的发展权[11]；用地权属、空间功能、政策措施等始终处于激烈的冲突、碰撞和重构过程之中[12]，规划和土地管理机制也存在极大的弹性和不确定性[13]；各类工业园区、居住区与农村居民点、乡镇工业相伴而生，工业用地对其他类型用地产生明显的“挤压”效应，造成“物质、权属、政策”3方面的空间破碎[14]。

针对工业用地分布的“破碎化”分析正在逐步形成。用地分布“破碎化”分析是对生态和景观格局“破碎化”分析方法和技术手段的借用和延伸，有助于从更为综合和全面的空间视角研究城市化地区[15]3284。它不同于针对工业地块“投入—产出”经济效率的研究，也不同于根据地区差异性、发展阶段、经济水平等因素而开展的工业用地利用绩效研究[16-17]。用地“破碎化”研究不仅适用于针对用地分布地理状况的分析，同样适用于关于土地产权、功能分区、经济发展、社会结构、生态系统以及多种类型土地利用空间格局等研究主题，并能够帮助揭示用地分布格局本身的社会经济含义、职住空间关系、产业结构特征等，进而为空间绩效评价奠定基础[18]705-706，[19]84，[20]1878。

空间绩效是空间资源配置的效用，是衡量用地分布、集聚而形成空间布局关系和结构特征所带来的品质水平，不同于经济绩效[21]。空间绩效评价包括用地空间分布是否对城市空间产生积极影响的内容。工业用地的空间分布既是城市阶段性发展的结果，也对随后的发展产生重要影响。工业用地空间分布特征的变迁，会给城市或局部地区带来空间绩效的变化。因此，对工业用地分布的绩效研究不仅与城市空间规划目标紧密相关，而且对城市空间单元碎化、空间联系弱化和整体功能下降的刻画、测度分析有助于形成改善空间绩效的发展策略[22]。

既有针对工业用地分布“破碎化”状况的研究以定性描述为主，还没有更多可靠的定量方法；在尝试开展定量“破碎化”的研究中，又常常缺少相对综合的视角。本文选择上海边缘城市化地区闵行区，针对工业用地分布“破碎化”及演进特征开展创新性的综合定量分析；通过对多个空间单元相对“破碎”关系的评价分析，为规划和转型更新提供建设性意见；通过工业用地分布综合破碎分析揭示用地布局的空间绩效内涵。

1 研究区域概况

闵行区位于上海市中心城区西南，该区总面积372.6 km²，占上海市域的5.9%。2014年闵行区各类建设用地已达285.4 km²，占全区总面积的76.6%，其中城镇建设用地达257.9 km²；工业用地总面积86.7 km²，占全部建设用地的30.4%。闵行区工业开发历史较早，集聚了上海多个发展时期的重要工业企业，包含多种工业用地和工业园区类型。在上海市通过工业用地减量化和工业项目转型政策引导工业用地向产业区块集聚的背景下，以闵行区为研究对象对分析工业用地空间格局及其变化具有重要意义[23]。

2019年，闵行区下辖9个镇、4个街道和1个独立莘庄工业园区。街道、镇是上海市最基层行政管理层级，对辖区内土地利用管理拥有一定权限，财税体制上既有向上级负责的要求也有自我发展的诉求。闵行区是较为典型的大都市边缘城市化地区，部分地区涉及上海中心城与主城片区（见图1a）。

图1 上海市闵行区区位及街镇示意图Fig.1 Location and administrative division of Minhang District, Shanghai

2 数据来源与研究方法

2.1 数据来源及预处理

采用2014年工业用地权籍图，去除违法用地和已批未供用地部分作为基础数据。结合2019年现场调研情况，去除已发生转型的工业用地，作为2019年工业用地斑块（ILP）现状数据。采用《2016年闵行统计年鉴》公布的2015年上海市闵行区街镇行政区划作为空间单元划分，其中原浦江镇分为现浦江镇和浦锦街道两部分。将莘庄工业区归入颛桥镇范围（见图1b）。在用地权籍信息的图斑预处理中采用如下方法。

首先，对基础数据进行图斑归集，将相邻的工业用地图斑（ILP）进行合并处理。不同生产企业共享地籍边界，以及服务于厂区或园区的低等级市政路网、合理的绿化隔离带等因素都给用地图斑的识别带来误差。具体合并方法为，将市政道路和绿地之外的用地类型设置为障碍要素，设置聚合距离为50 m，利用Arc GIS10.6“聚合面”（aggregate polygons）工具处理；同时去除面积小于50 m²的图斑。其次，将各街镇工业用地矢量数据转化为栅格数据。根据区域土地面积变化评价指数模型[24]，比较不同像元尺寸（cell size）下工业用地斑块（ILP）面积情况。选择将矢量数据转化为像元尺寸为“5 m×5 m”的栅格数据，尽可能减少用地图斑栅格边界与实际用地边界无法重合所产生的面积误差[25]。

2.2 研究方法

2.2.1 土地利用分布格局“破碎化”与空间绩效受相关研究启发，用地分布空间格局可采用景观生态“斑块”破碎分析方法开展。因此，研究中用地图斑的“破碎化”是对工业用地分布状态的表述，包括3个含义：（1）工业用地在研究区域内分布数量较大，而非零星存在；（2）工业用地的集中分布与分散分布对研究区域空间格局有明显影响；（3）每一块工业用地斑块的大小和形状也对研究区域空间格局有明显影响（见图2）。因此，工业用地分布“破碎化”程度受研究区域内工业用地斑块（ILP）的密度、面积和离散程度的共同影响（见图3）。工业用地分布“破碎化”（fragmentation）是描述工业用地空间布局特征的一个新视角，可用来表征其空间绩效。

图2 用地斑块“破碎化”的基本原型Fig.2 Space prototype of land patch-work fragmentation

3 多元空间指标对用地斑块破碎评价的影响Fig.3 The impact of multi-spatial index on the fragmentation evaluation of land-use patch-work

由于工业用地在城市建成区存在分布过于分散、某些用地斑块规模细小两个重要特征，并由此带来不良环境影响和复杂交通职住关系，因此给地区功能完善和提升带来障碍，导致再开发利用困难等。减弱其“破碎化”程度则体现提高空间绩效的价值导向，并能够通过规划引导予以实施。运用Fragstats软件对用地图斑栅格数据进行空间 特 征 分 析[15]3286，[18]706，[19]86，[20]1879-1880，选 择用地斑块密度（PD）、平均斑块面积（MPS）和平均最近距离（MND）3个基本指数，作为计算工业用地斑块破碎综合指数的基础（见表1）。其中，工业用地斑块密度和平均最近距离与用地“破碎化”有正相关关系，其值越大则工业用地空间绩效越低；相反，平均斑块面积与用地“破碎化”有负相关关系，斑块面积的增大有利于提高工业用地空间绩效。

表1 土地利用破碎分析主要指数及含义Tab.1 The main index and meanings of land-use fragmentation analysis

2.2.2 熵值法确定指数权重

综合分析需要对3个基本空间指数赋予权重。熵值法通过指数项的数列分布特征确定指数项的权重，能够消除主观因素影响[26]。针对闵行区13个街镇单元构建综合分析矩阵：

式中：n=13，对应闵行区13个街镇单元；m=3，对应3个指数PD、MPS和MND（见表1）。3个基本空间指数计算结果不能直接采用综合模型运算，需先进行标准化处理[27]，将数值控制在[0，1]范围。

式中：Sij为街镇i的j指数的标准化处理结果；xij为 街 镇i的j指 数 值；max(lnxj)为 指 数j数列的最大值的对数；min(lnxj)为指数j数列的最小值的对数。由于MPS指数数列的变化趋势与破碎化程度的变化趋势相反，需对这个指数先取倒数再计算。标准化处理后的3个基本空间指数（用SPD、SMPS、SMND表示）均位于“0至1数值”区间。

针对综合分析矩阵X，通过公式（3）和公式（4）计算3个基本空间指数的信息熵，并通过公式（5）计算各指数的权重。指数的标准化结果进行加权，得到加权后的综合分析矩阵R：

式中：pij为指数j下街镇i占该指标的比重；Hj为指数j的信息熵值；n为街镇个数；Sij为前文中街镇i指标j的标准化结果。其中Wj为指数j的权重；m为所需引入指数的数量。

2.2.3 TOPSIS法获得工业用地斑块破碎综合指数

将上述熵权法获得的权重对3个基本空间

式中：FIi为街镇i的工业用地斑块破碎综合指数（ILP-FI）。以此反映各街镇工业用地分布相对的空间“破碎化”状况。

3 数据输出及分析

3.1 工业用地斑块（ILP）分项空间指数计算结果

闵行区13个街镇①街镇信息来源：上海民政局官方网站，http://www.shmzj.gov.cn/gb/shmzj/node6/node34/u1ai43816.html；国家民政部官方网站，http://www.mca.gov.cn/article/sj/tjbz/a/2015/below/201602/20160200880232.htm1。的3个空间指数都存在较大差异（见表2）。

表2 闵行区街镇单元工业用地斑块空间指数计算结果（2014年）Tab.2 The results of ILP spatial index at town level in Minhang，2014

3.1.1 工业用地斑块密度特征（PD）

在其他变量相同的情况下，工业用地斑块（ILP）密度指数PD数值越大则工业用地分布越破碎。计算结果显示，古美街道PD值最小，为1.19；华漕镇PD值最大，为5.71；闵行区整体水平为3.46。其中，4个街镇的指数高于整体水平，工业用地空间分布相对于其他9个街镇较为破碎（见表2，图4a-图4b）。

3.1.2 工业用地平均斑块面积特征（MPS）

在斑块数量相同的情况下，平均斑块面积越小则用地越破碎。计算结果显示，古美街道内工业用地MPS值最小，为1.20 hm²；江川路街道MPS值最大，为15.26 hm²；闵行区整体水平为7.11 hm²。其中，10个街镇的指数低于整体水平，工业用地空间分布相对于其他3个街镇较为破碎（见表2，图4c-图4d）。

3.1.3 工业用地斑块平均最近距离特征（MND）

平均最近距离MND指数越大则用地越破碎。计算结果显示，古美街道MND值最高，为382.00 m；梅陇镇MND值最低，为43.38 m；闵行区整体水平为68.63 m。其中，5个街镇指数高于整体水平，工业用地空间分布相对其他8个街镇较为破碎（见表2，图4e-图4f）。

图4 闵行区各街镇工业用地斑块单一空间指数特征分析Fig.4 The spatial index characteristics of ILP at town level in Minhang

3.1.4 依单一指数进行工业用地斑块“破碎化”判断

单一空间指数所得出的工业用地斑块（ILP）空间分布“破碎化”程度的排序相互之间并不一致。比较3个空间指数的排序，指数均处于相对“破碎”状态的只有浦江镇，指数均处于相对不“破碎”状态的有颛桥镇、吴泾镇和江川路街道。其余街镇的各项指数分布规律不明显。可见，依据任何单一指数，都不足以判定各街镇工业用地斑块（ILP）空间分布“破碎化”程度的高低之分（见图5），需要进一步进行综合分析。

图5 依单一指数的工业用地“破碎化”定性分析结果Fig.5 Qualitative analysis of ILP-fragmentation based on single spatial metric

3.2 工业用地斑块破碎综合指数计算结果及分析

3.2.1 破碎综合指数计算结果

熵值法的计算结果显示，SPD、SMPS、SMND分别应被赋予的权重为0.1346、0.3497、0.5157。FI运算结果显示，闵行区13个街镇工业用地斑块（ILP）破碎综合指数均分布在0.1327至0.8224间，且 未 在[0，1]间 呈 正态分布。其中，江川路街道的破碎综合指数为0.1327，是最低值；古美街道为0.8224，是最高值；梅陇镇为0.2353、马桥镇为0.2852，两者最接近于闵行区整体水平0.2705（见表3）。

表3 闵行区各街镇工业用地斑块破碎综合指数计算结果（2014年）Tab.3 The ILP-FI result of each town in Minhang, 2014

3.2.2 工业用地斑块“破碎化”排序与分级

对13个街镇“破碎综合指数（FI）”进行排序，并与用地图斑比对，可对“破碎化”的工业用地图斑（ILP）特征有直观了解（见图6-图7）。据此绘制指数变化曲线。将工业用地斑块（ILP）破碎情况分为3组（见图8），分别代表闵行区街镇单元内工业用地斑块（ILP）“破碎化”程度相对低、中、高3级的分析结果（见表4）。

图6 闵行区工业用地斑块和“104区块”分布图Fig.6 The spatial distribution of ILP and “104”industrial clusters in Minhang

图7 闵行区各街镇工业用地斑块破碎综合指数排序及斑块特征Fig.7 Ranking of ILP-FI and corresponding patch-work at town level in Minhang

图8 闵行区各街镇工业用地斑块FI计算结果的分布情况Fig.8 Diagrams sorted according to ILP-FI of towns in Minghang

表4 闵行区街镇工业用地斑块破碎综合指数分级表Tab.4 The classification of ILP-FI at town level in Minhang

3.3 规划实施对工业用地斑块“破碎化”的改善

笔者于2019年对研究范围所有工业用地斑块（ILP）进行了现场核对，对未转型工业用地采用相同方法计算FI（见表5）。结果显示，2014年至2019年底闵行区工业用地减少了21.87 km²，占工业用地总量的25%左右。与2014年相比，除古美街道FI略微增大外，其余街镇FI指数均有不同程度的下降。其中，浦锦街道FI指数下降最多。在破碎综合指数排序方面，古美街道和江川路街道分别维持着工业用地斑块相对最破碎和最不破碎的街镇单元地位；颛桥镇、梅陇镇、华漕镇、虹桥镇、七宝镇和莘庄镇工业用地斑块破碎度相对位序降低；吴泾镇、马桥镇、新虹街道、浦江镇和浦锦街道工业用地斑块破碎度相对位序提高。这说明过去5年以来，闵行区经历了一轮较大规模的工业用地更新。其中，零星细碎工业用地斑块优先得到转型再开发；工业用地规模占街镇辖区面积比例较大的街镇，不仅原有工业用地斑块破碎综合指数较低，而且保持了低“破碎化”状态；相反，工业用地占比较低的街镇工业用地转型分散，破碎综合指数增大（见图9中点A左下方和右上方几个街镇）。规划及其实施促成工业用地分布密度、面积和距离变化，导致街镇层面工业用地破碎水平变化。以降低工业用地破碎化程度为目标的转型策略，起到了改善街镇治理单元空间绩效的作用。

表5 2014—2019年闵行区各街镇工业用地斑块破碎综合指数变化Tab.5 Change of ILP-FI at town level in Minhang, 2014-2019

图9 闵行区各街镇工业用地斑块FI变化情况Fig.9 The change of ILP-FI at town level from 2014 to 2019

3.4 基于工业用地斑块破碎综合指数的规划评价

根据工业用地斑块破碎综合指数进行分析（ILP-FI）有助于形成相应对策措施。一方面，工业用地破碎综合指数可以帮助识别边缘城市化地区工业用地布局最混乱的治理单元；另一方面，工业用地综合破碎化排序则有助于确定在不同的治理单元所采取的空间规划政策。

以FI指数较高、较低和接近闵行区整体水平3种情况的3个街镇（浦锦街道、江川路街道、梅陇镇）为例，比较其工业用地斑块（ILP）分布与控制性详细规划的关系可见：浦锦街道工业用地比例较低，但是工业用地分布高破碎化，再开发利用难度较大；相应规划策略是将现状工业用地转型开发为其他用地，如商业、绿地等，同时将零星工业集中，适应街道以居住功能为主的规划定位。江川路街道包含国家级“闵行经济技术开发区”，工业用地破碎化程度较低；相应规划策略是依托开发区划定“104区块”以保留完整的园区。同时，全面转型零星工业用地，极大地降低了破碎综合指数。梅陇镇工业用地破碎度接近于闵行全区整体水平，各类产业形态充分发育，是经济活力地区，工业用地破碎综合指数略有提升。相应规划策略是在工业园区基础上划定两处“104区块”以实现工业集中转型。同时，零散工业用地转型和产业集聚区局部转型活跃，反映出兼顾了对园区集中发展和属地化发展两种工业生产集聚形态（见图10）。

图10 闵行区工业用地斑块分布破碎综合指数典型街镇的现状图斑与控规比较Fig.10 Comparison of present ILP and regulatory planning of the typical towns with FI in Minhang

由此可见，经过规划的各级工业园区能够有效降低工业用地分布混乱的状况；如果进一步有财税分享机制支撑，则更能有效解决工业用地以街镇为单元分散分布的现象，改善该地区空间品质。在不设工业园区的街镇，虽然工业用地量大且斑块分布“破碎化”程度较高，却也为实现城市“功能性”修补、完善市政设施和公共服务设施提供了空间载体。工业用地斑块破碎综合指数（ILP-FI）可帮助制定针对性的规划对策。

4 讨论

4.1 用地破碎综合指数与空间“破碎化”现象的关联

工业用地斑块破碎综合指数（ILP-FI）定量分析结果并非用地分布空间“破碎化”现象本身。用地空间分布“破碎化”具有相对性，描述用地空间分布“破碎化”状况的空间原型（space prototype）尚待进一步明确。工业用地破碎综合指数与用地分布经验认知的对应关系需要基于更多的实证研究才能建构起来。同时，由于存在地区发展差异，工业用地在不同地区或不同空间尺度下可能呈现出不同的分布“破碎化”特征。因此，用地破碎综合指数的计算与地域和空间单元的限定密切相关，也与分析输出结果所对应治理主体的意愿密切相关。同时，也需进一步进行经验认知的验证。

4.2 工业用地空间绩效内涵再认知

工业用地空间分布受地方政府财税体制、土地管理制度、工业投入产出、土地利用效率、就业规模等因素的综合影响，又与用地权属、转型意愿、产业门类等因素存在关联。因此，工业用地空间分布的“破碎化”反映了不同空间单元社会经济运行过程的差异。这一现象在边缘城市化地区尤为突出，集体与国有建设用地相互混杂的权属情况进一步加剧了空间破碎化情况[28]。

基于此，对工业用地空间分布“破碎化”特征进行的定量分析，实际上揭示的是空间分布格局背后的经济社会机理；既不同于社会绩效、经济绩效和生态绩效，也不同于计算地均“投入—产出”的土地利用效率；可以表述为“空间（性）绩效”。它是针对用地分布格局和空间关系特征所开展的分析，试图揭示蕴含在空间格局背后的功能和资源配置效用水平。工业用地的空间分布是经济、社会、生态等作用机制的结果，并以某种分布格局为空间表征。因此，用地分布格局的绩效既蕴含着对城市空间品质高下取舍的内涵，也蕴含着经济社会影响机制不断优化的内涵。

4.3 工业用地“破碎化”分析的应用

（1）应用于空间政策评估

从闵行区工业用地斑块破碎综合指数变化的情况来看，街镇层面工业用地空间绩效得到了改善。一方面，高等级产业园区的规划对工业用地分布的“破碎化”有抑制作用。由于工业用地布局受政策性产业区块和街镇一级发展意愿的共同影响，总体上趋于形成产业园区与地方化发展的适度均衡状态。“104区块”政策对一定范围内工业用地空间分布的“破碎化”有明显的抑制作用。

另一方面，不同时间阶段的工业用地分布“破碎化”分析为规划实施提供了监测与评价路径。通过对比同一行政单元2014年和2019年的工业用地破碎综合指数，发现闵行区零星的、分散分布的工业用地优先得到了转型开发，并且改变了土地利用性质；街镇层级工业用地转型模式的归纳分类具有一定价值。

（2）应用于国土空间规划编制、实施和监测

用地的“破碎化”分析有助于掌握土地资源本底情况，对“双评价”“双评估”阶段都能够提供基础型支撑，以利于国土空间规划的编制[29]。其中，工业用地分布的“破碎化”分析，有助于识别问题突出的地区；形成对不同行政单元工业用地使用方式的比较和判断，在空间规划总体框架下形成地区差异化的发展策略。在高“破碎综合指数”地区可以考虑采取多功能性设施的补足，在低“破碎综合指数”地区可以实施整体性产业转型升级、产业空间重构的再工业化发展策略。

此外，用地“破碎综合指数”为国土空间规划前期分析、实施评估和动态监测提供了新的视角和路径。通过对用地现状与规划实施结果开展“破碎化”分析，有助于判断规划方案是否改善了一定空间治理单元内的空间绩效。通过跟踪和实时监测工业用地“破碎化”水平，能够实现引导工业用地空间绩效的不断优化，以及国土空间规划适时调整的需求。

4.4 研究的局限性和后续优化设想

受闵行区13个街镇单元样本量的限制，破碎综合指数（FI）结果中出现了“特殊值”现象。比如，低样本量导致平均近邻距离要素在计算中获得了较高的权重值，古美街道成为工业用地图斑破碎综合指数（ILP-FI）最大的街镇。事实上，古美街道去工业化水平较高，工业用地比例低且相对分散；破碎综合指数较高可能只在一定程度上反映了工业用地转型的紧迫性。从优化研究的角度，一方面，后续研究中可通过扩大样本量以帮助熵值TOPSOIS方法获得更为恰当的权重分配；另一方面，计算所得FI指数需要进一步与上位政策、区位、禀赋等其他经济社会特征进行综合考虑，以实现更为准确的判断。

此外，企业类型、土地权属、经济活动、社会结构，乃至工业用地上的建设强度、密度、空间模式等因素都需要进一步考虑。如果将这些要素分别与工业用地斑块叠合，将使经济社会和权利关系以空间格局的形式得以显化。随着时间的推移，在不同的发展地区，各类要素基于工业用地斑块的空间格局变化值得进行比较。随着更多具有启发性和规律性的信息的挖掘，空间（性）绩效的内涵将不断得到丰富；并为继续探索社会绩效、经济绩效、生态绩效与空间绩效的关联打下基础。

5 结语

工业用地斑块破碎综合指数（ILP-FI）能有效反映城市化地区工业用地分布的空间绩效特征。用地“破碎综合指数”（FI）不仅可以在同级行政单元间进行比较、排序，从而凸显某类型土地使用空间分布的特征；而且用地“破碎综合指数”较高的地区为开展城市功能性修补提供了前置警示和空间载体。其中，工业用地分布“破碎化”分析还进一步揭示了空间绩效内涵，提供了有效的规划政策建议和实施检验路径。工业用地“破碎综合指数”在被量化计算和比较的同时，用地空间分布“破碎化”现象得到了较全面的剖析，对发现工业用地转型更新的难点和焦点地区，以及提出空间布局优化方案具有支撑作用。