盘龙区建设用地潜在适宜性评价

李刘飞，林伊琳，赵俊三，李梁森，单昌菊

(1.昆明理工大学 国土资源工程学院，云南 昆明 650093；2.昆明理工大学 智慧矿山地理空间信息集成创新重点实验室，云南 昆明 650093；3.云南建投机械制造安装工程有限公司，云南 昆明 651701)

1 引 言

随着我国的快速发展，如何处理城市扩张与生态安全之间的矛盾，实现土地集约利用，是目前学者研究的热点话题[1]。建设用地适宜性评价也已经成为编制国土空间规划和相关土地决策的一项基础性工作[2]。目前国内外学者在建设用地适宜性评价研究领域已经开展了大量的学术研究[3]。Li[4]采用最小累积阻力模型计算社会发展和生态保护用地量，构建不同指标的评价模型，最终得到生态适宜用地的地理特征。Malmir[5]采用模糊逻辑与网络分析法，从社会和自然两个方面对阿瓦兹县城市用地的适宜性进行了评价。杨子生[6]采用“极限条件法”与“适宜性指数法”，选取了15个评价因子对云南省德宏州山地城市建设用地适宜性进行了评价。赵筱青[7]依据木桶原理，选取特殊评价因子，采用层次分析法对广南县建设用地适宜性进行了评价研究。

上述研究表明，适宜性评价是用地规划中的重要环节，并且相关学者们也做了大量研究，取得了丰硕的成果。但城市建设属于一个动态的过程，大多数研究都只考虑到地形、气候、自然灾害、地质条件等现状数据，缺乏一定的前瞻性。因此，本文引入城市扩张模拟技术[8，9]，模拟未来年份土地利用数据[10，11]，作为重要评价指标，进行建设用地潜在适宜性评价。

2 研究区与数据来源

2.1 研究区概括

盘龙区隶属于云南省昆明市，昆明五个主城区之一，位于昆明主城区东北部(如图1所示)。北部与西北部地势偏高，雨水春冬少而夏秋多，是一个降雨量不平衡区域。辖区面积 861.04 km2，主城区面积 60.96 km2，共有12个街道办事处。全年地区生产总值705.66亿元，人均地区生产总值8.4万元。全区户籍人口数57.11万人，常住人口84.2万人，是现代化昆明建设的重要组成部分。

图1 盘龙区地理区位图

2.2 数据来源与预处理

研究涉及数据来源包括昆明市盘龙区2009年和2018年土地利用矢量数据，地铁站点数据、路网数据、居民点数据、DEM数据、中心城区分布数据、2009年、2010年、2011年、2012年、2015年、2018年盘龙区建设用地面积总量数据。数据处理时通过裁剪、定义投影数据转换等操作将不同类型的数据，转换为分辨率为 30 m的栅格数据，坐标系为CGCS2000国家大地坐标系。

在土地利用数据处理过程中，先将土地利用矢量数据转化为栅格数据，并按土地利用类型重分类为交通用地、农用地、建设用地、未利用地、林地和水域6种用地。盘龙区2009年和2018年土地利用数据如图2(a、b)所示，用于土地利用模拟扩张分析。建设用地扩张模拟过程中，选取的影响因子包括道路距离、地铁站点距离、行政中心距离、商业中心距离，将矢量数据采用欧式距离处理后再进行重分类操作。

图2 土地利用分布图

3 研究方法

本文属于成熟技术方法在新领域中的研究应用，创新点在于通过引入潜在适宜性指标，将预测得到的未来土地利用区划作为重要指标因素，从自然、社会、未来城市建设区划三个方面优化构建建设用地适宜性评价体系，对研究区建设用地适宜性进行现状评价和潜在评价对比研究，从永久基本农田和生态保护视角验证潜在评价相较于现状评价的结果是否具有合理性。整个研究主要包括城市用地扩张模拟、建设用地适宜性评价、结果验证三个过程，如图3所示[12]。

图3 技术路线图

3.1 城市扩张模拟

城市扩张模拟主要是以多年土地利用数据和影响城市扩张因子的空间数据为基础。利用线性和非线性函数对目标年份建设用地总量进行预测，再采用元胞自动机模型进行城市扩张模拟，模拟出当前年份土地利用数据模拟图，将此图与当前年份土地实际利用图进行精度验证。如果精度不满足要求，则对相关参数进行优化直到精度达标为止。将上述参数与目标年份建设用地总量预测结果结合，模拟出目标年份土地利用模拟图，并将其作为重要指标参与建设用地适宜性评价。

(1)目标年份建设用地总量预测

对目标年份建设用地总量的预测需要结合当地的社会、经济、政策等实际情况，采用时间序列法(公式1、2、3)，选取2030年为目标年份，将2009年、2010年、2011年、2012年、2015年的建设用地面积进行线性、多项式、对数函数拟合分析(图4)，分别对应增长稳定型、增长快速型、增长缓慢型，并用18年数据进行对比分析，通过比较R2大小，R2越大，拟合效果越好。[13]同时结合《盘龙区土地利用总体规划》中对2030年建设用地的规划与要求，最终选用多项式线性函数进行拟合得到2030年建设用地面积 103.90 km2(栅格数：115 444)，但这里的建筑面积中包含了交通用地，参照2018年数据扣除 23 698的路网栅格数量，最后模拟得到2030年盘龙区建设用地面积为 82.57 km2(栅格数： 91 746)。

y=ax+b

(1)

y=ax2+bx+c

(2)

y=alnx+b

(3)

上述函数模型中，式(1)、(2)、(3)分别对应增长稳定型、增长快速型和增长缓慢型；y为不同年份所对应的建设用地面积；x为年份值减去2008所得值；a，b，c为不同增长类型函数所对应的系数，本文中详细系数值如图4所示。

图4 建设用地总量预测函数图

(2)目标年份城市用地模拟

对土地利用扩张模拟过程中，需要基于多年土地利用、城市扩张影响因子和目标年份建设用地总量等数据[13]。采用人工神经网络的元胞自动机模型(ANN-CA)[14]，将2009年、2015年、2018年的土地利用数据预处理之后的文件导入GeoSOS软件中进行样本训练，得到不同土地类型间的转换概率[15]。不同土地类型间的转换概率模型由公式(4)表示：

(4)

再模拟得到2018年土地利用模拟图(图5a)，将模拟图和现状图进行比较，得到Kappa系数[15]为0.747。根据Cohen提出的Kappa系数评价标准[16]。该模拟效果显著，一致性较好。在此基础上进一步模拟2030年的土地利用状况，利用预测的2030年建设用地规模 82.57 km2(栅格数： 91 746)，得到2030年土地利用模拟图(图5b)，作为建设用地适宜性评价的重要参评因子。具体参数设置如表1所示。

图5 土地利用模拟图

城市扩张模拟参数 表1

3.2 建设用地潜在适宜性评价

本节构建盘龙区建设用地适宜性评价指标体系。该体系中，除了未来土地利用区划因子外，结合当地的实际情况选取评价指标，确定各指标的权重。在对比各种评价模型之后，最终采用综合指数法对研究区建设用地潜在适宜性进行集成评价，并对评价结果进行分级，形成目标年份的建设用地潜在适宜性评价。再将2030年土地利用区划指标替换为2018年土地利用区划指标，得到现状建设用地适宜性评价。综合指数法模型具体的公式为：

(5)

式(5)中：B为建设用地适宜性评价结果；n为评价体系中指标因子的数量；i为所选取的评价指标；Ci为第i项评价指标因子的值；Wi为第i项评价指标因子所占权重，由层次分析法确定。该模型可以明显反映出各指标对于评价结果的重要程度，操作简便且能很好的囊括所选指标对于评价结果的影响。

建设用地潜在适宜性评价指标的选取对评价结果有直接的影响，因此必须尊重研究区的实际情况，定量定性的选取评价指标。本文选取了坡度、植被、河流水域、人口密度、交通以及未来土地利用区划6个评价指标。坡度指标通常反映地形的平坦程度，由DEM生成；植被和河流水域两个指标对维持生态平衡和保护生态环境起极重要的作用，在适宜性评价过程中应该协调保护；人口和交通两个指标对城市的发展起促进作用，影响着建设用地的开发建设和演化变换；未来土地利用区划指标作为本研究的重要内容，通过加入预测因子使其区别于现状评价。

文中采用层次分析法确定指标的权重。将各指标分为五个级别，分数越高代表适宜性越高。通过层次分析法确定指标权重，最终得到盘龙区建设用地潜在适宜性评价各指标分级权重如表2所示。采用综合评价模型，对各单因子进行加权叠加分析，将结果按自然间断法分为五类：适宜开发用地、较适宜开发用地、基本适宜开发用地、较不适宜开发用地、不适宜开发用地，得到建设用地潜在适宜性评价结果。再将未来土地利用区划指标替换为现状土地利用，并保持权重一致进行评价，生成建设用地现状适宜性评价结果。

盘龙区建设用地潜在适宜性各指标等级表 表2

4 结果与分析

4.1 单项指标评价

基于GIS对评价指标分析(如图6所示)，可以看出：盘龙区属于典型的高原山区喀斯特地貌结构，坡度在8°以下的地区面积占比仅为32.7%，且分布较为零散(图6a)；盘龙区人口密度最高的街道是拓东街道，人口密度 33 795人/km2，其次联盟、东华、鼓楼、金辰等街道单位面积人口数均已过万，人口密度最低的是松华街道为：89人/km2，除青云街道外，其余街道单位面积人口数均未过千(图6b)；盘龙区植被和农田主要分布在中部、北部地区，南部多为建设用地(图6c)；而盘龙区的道路较为密集的则是南部的主城区一带(图6d)；从各单项指标能看出：盘龙区各单因子评价结果都倾向于南部地区较为适合做建设用地用途。

图6 指标评价图

4.2 建设用地适宜性评价结果对比

将2030年建设用地潜在适宜性评价结果(图7b，以下简称“潜在结果”)与2018年建设用地现状适宜性评价结果(图7a，以下简称“现状结果”)进行对比分析。同时结合目标年份的土地利用分析，验证方法的科学合理性。通过对两个结果的对比发现盘龙区在建设用地扩张的模式下用地格局有了明显的变化。

图7 适宜性评价图

将“现状结果”和“潜在结果”进行统计(如表3所示)可知：相较于现状评价，加入潜力因子的评价，适宜开发用地的面积为 36.95 km2，增加了 9.45 km2，增长了34.36%；较适宜的面积为 50.71 km2，增加了 1.79 km2，增长了3.65%；基本适宜的面积减少了 10.68 km2，降低了10.68%；较不适宜面积减少了 4.13 km2，降低了3.51%；不适宜面积增加了 3.57 km2，增长了0.55%。由此可以看出“潜在结果”比“现状结果”更具合理性。

建设用地适宜性不同年份面积表 表3

将“现状结果”和“潜在结果”分别与生态保护红线和永久基本农田叠加分析，再进行统计(表4)得出：2018年的“现状结果”适宜开发用地占红线的面积为 0.58 km2，占比2%；较适宜开发用地占红线的面积 9.07 km2，占比19%；基本适宜开发用地占红线的面积 10.26 km2，占比52%。2020年的“潜在结果”适宜开发用地面积为 0.38 km2，占比1%；较适宜开发用地占红线的面积 3.10 km2，占比6%；基本适宜开发用地占红线的面积 5.87 km2，占比64%。“潜在结果”的适宜开发用地和较适宜开发用地占红线的面积均有所下降，且适宜开发用地分布更为集中。由此可以看出“潜在结果”与生态空间规划比“现状结果”更加匹配。

不同适宜度占红线的面积和比例表 表4

5 结 论

本文通过引入潜在适宜性指标，运用人工神经网络元胞自动机模型，将预测得到的未来土地利用区划作为重要指标，以盘龙区为例：从自然、社会、未来城市建设区划三个方面构建建设用地适宜性评价体系，得到建设用地潜在适宜性评价结果。相较于现状评价的方法，该方法能有效提高适宜开发用地的面积；降低适宜开发用地、较适宜开发用地与生态保护红线和永久基本农田红线的冲突，建设用地也由零散化转向集中化。但本文对城市空间发展质量的量化考虑得较少，在后续的研究中，评价因子的选取仍有改进的空间，以求进一步增强评价的可靠性。另外，建设用地潜在适宜性评价结果是以一定的城市发展为基础所进行的讨论，在具体的规划中应结合研究区的实际情况选取合适的研究方案。