李劉飛，林伊琳，趙俊三，李梁森，單昌菊

(1.昆明理工大學(xué) 國(guó)土資源工程學(xué)院，云南 昆明 650093；2.昆明理工大學(xué) 智慧礦山地理空間信息集成創(chuàng)新重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650093；3.云南建投機(jī)械制造安裝工程有限公司，云南 昆明 651701)

1 引 言

隨著我國(guó)的快速發(fā)展，如何處理城市擴(kuò)張與生態(tài)安全之間的矛盾，實(shí)現(xiàn)土地集約利用，是目前學(xué)者研究的熱點(diǎn)話題[1]。建設(shè)用地適宜性評(píng)價(jià)也已經(jīng)成為編制國(guó)土空間規(guī)劃和相關(guān)土地決策的一項(xiàng)基礎(chǔ)性工作[2]。目前國(guó)內(nèi)外學(xué)者在建設(shè)用地適宜性評(píng)價(jià)研究領(lǐng)域已經(jīng)開展了大量的學(xué)術(shù)研究[3]。Li[4]采用最小累積阻力模型計(jì)算社會(huì)發(fā)展和生態(tài)保護(hù)用地量，構(gòu)建不同指標(biāo)的評(píng)價(jià)模型，最終得到生態(tài)適宜用地的地理特征。Malmir[5]采用模糊邏輯與網(wǎng)絡(luò)分析法，從社會(huì)和自然兩個(gè)方面對(duì)阿瓦茲縣城市用地的適宜性進(jìn)行了評(píng)價(jià)。楊子生[6]采用“極限條件法”與“適宜性指數(shù)法”，選取了15個(gè)評(píng)價(jià)因子對(duì)云南省德宏州山地城市建設(shè)用地適宜性進(jìn)行了評(píng)價(jià)。趙筱青[7]依據(jù)木桶原理，選取特殊評(píng)價(jià)因子，采用層次分析法對(duì)廣南縣建設(shè)用地適宜性進(jìn)行了評(píng)價(jià)研究。

上述研究表明，適宜性評(píng)價(jià)是用地規(guī)劃中的重要環(huán)節(jié)，并且相關(guān)學(xué)者們也做了大量研究，取得了豐碩的成果。但城市建設(shè)屬于一個(gè)動(dòng)態(tài)的過程，大多數(shù)研究都只考慮到地形、氣候、自然災(zāi)害、地質(zhì)條件等現(xiàn)狀數(shù)據(jù)，缺乏一定的前瞻性。因此，本文引入城市擴(kuò)張模擬技術(shù)[8，9]，模擬未來年份土地利用數(shù)據(jù)[10，11]，作為重要評(píng)價(jià)指標(biāo)，進(jìn)行建設(shè)用地潛在適宜性評(píng)價(jià)。

2 研究區(qū)與數(shù)據(jù)來源

2.1 研究區(qū)概括

盤龍區(qū)隸屬于云南省昆明市，昆明五個(gè)主城區(qū)之一，位于昆明主城區(qū)東北部(如圖1所示)。北部與西北部地勢(shì)偏高，雨水春冬少而夏秋多，是一個(gè)降雨量不平衡區(qū)域。轄區(qū)面積 861.04 km2，主城區(qū)面積 60.96 km2，共有12個(gè)街道辦事處。全年地區(qū)生產(chǎn)總值705.66億元，人均地區(qū)生產(chǎn)總值8.4萬元。全區(qū)戶籍人口數(shù)57.11萬人，常住人口84.2萬人，是現(xiàn)代化昆明建設(shè)的重要組成部分。

圖1 盤龍區(qū)地理區(qū)位圖

2.2 數(shù)據(jù)來源與預(yù)處理

研究涉及數(shù)據(jù)來源包括昆明市盤龍區(qū)2009年和2018年土地利用矢量數(shù)據(jù)，地鐵站點(diǎn)數(shù)據(jù)、路網(wǎng)數(shù)據(jù)、居民點(diǎn)數(shù)據(jù)、DEM數(shù)據(jù)、中心城區(qū)分布數(shù)據(jù)、2009年、2010年、2011年、2012年、2015年、2018年盤龍區(qū)建設(shè)用地面積總量數(shù)據(jù)。數(shù)據(jù)處理時(shí)通過裁剪、定義投影數(shù)據(jù)轉(zhuǎn)換等操作將不同類型的數(shù)據(jù)，轉(zhuǎn)換為分辨率為 30 m的柵格數(shù)據(jù)，坐標(biāo)系為CGCS2000國(guó)家大地坐標(biāo)系。

在土地利用數(shù)據(jù)處理過程中，先將土地利用矢量數(shù)據(jù)轉(zhuǎn)化為柵格數(shù)據(jù)，并按土地利用類型重分類為交通用地、農(nóng)用地、建設(shè)用地、未利用地、林地和水域6種用地。盤龍區(qū)2009年和2018年土地利用數(shù)據(jù)如圖2(a、b)所示，用于土地利用模擬擴(kuò)張分析。建設(shè)用地?cái)U(kuò)張模擬過程中，選取的影響因子包括道路距離、地鐵站點(diǎn)距離、行政中心距離、商業(yè)中心距離，將矢量數(shù)據(jù)采用歐式距離處理后再進(jìn)行重分類操作。

圖2 土地利用分布圖

3 研究方法

本文屬于成熟技術(shù)方法在新領(lǐng)域中的研究應(yīng)用，創(chuàng)新點(diǎn)在于通過引入潛在適宜性指標(biāo)，將預(yù)測(cè)得到的未來土地利用區(qū)劃作為重要指標(biāo)因素，從自然、社會(huì)、未來城市建設(shè)區(qū)劃三個(gè)方面優(yōu)化構(gòu)建建設(shè)用地適宜性評(píng)價(jià)體系，對(duì)研究區(qū)建設(shè)用地適宜性進(jìn)行現(xiàn)狀評(píng)價(jià)和潛在評(píng)價(jià)對(duì)比研究，從永久基本農(nóng)田和生態(tài)保護(hù)視角驗(yàn)證潛在評(píng)價(jià)相較于現(xiàn)狀評(píng)價(jià)的結(jié)果是否具有合理性。整個(gè)研究主要包括城市用地?cái)U(kuò)張模擬、建設(shè)用地適宜性評(píng)價(jià)、結(jié)果驗(yàn)證三個(gè)過程，如圖3所示[12]。

圖3 技術(shù)路線圖

3.1 城市擴(kuò)張模擬

城市擴(kuò)張模擬主要是以多年土地利用數(shù)據(jù)和影響城市擴(kuò)張因子的空間數(shù)據(jù)為基礎(chǔ)。利用線性和非線性函數(shù)對(duì)目標(biāo)年份建設(shè)用地總量進(jìn)行預(yù)測(cè)，再采用元胞自動(dòng)機(jī)模型進(jìn)行城市擴(kuò)張模擬，模擬出當(dāng)前年份土地利用數(shù)據(jù)模擬圖，將此圖與當(dāng)前年份土地實(shí)際利用圖進(jìn)行精度驗(yàn)證。如果精度不滿足要求，則對(duì)相關(guān)參數(shù)進(jìn)行優(yōu)化直到精度達(dá)標(biāo)為止。將上述參數(shù)與目標(biāo)年份建設(shè)用地總量預(yù)測(cè)結(jié)果結(jié)合，模擬出目標(biāo)年份土地利用模擬圖，并將其作為重要指標(biāo)參與建設(shè)用地適宜性評(píng)價(jià)。

(1)目標(biāo)年份建設(shè)用地總量預(yù)測(cè)

對(duì)目標(biāo)年份建設(shè)用地總量的預(yù)測(cè)需要結(jié)合當(dāng)?shù)氐纳鐣?huì)、經(jīng)濟(jì)、政策等實(shí)際情況，采用時(shí)間序列法(公式1、2、3)，選取2030年為目標(biāo)年份，將2009年、2010年、2011年、2012年、2015年的建設(shè)用地面積進(jìn)行線性、多項(xiàng)式、對(duì)數(shù)函數(shù)擬合分析(圖4)，分別對(duì)應(yīng)增長(zhǎng)穩(wěn)定型、增長(zhǎng)快速型、增長(zhǎng)緩慢型，并用18年數(shù)據(jù)進(jìn)行對(duì)比分析，通過比較R2大小，R2越大，擬合效果越好。[13]同時(shí)結(jié)合《盤龍區(qū)土地利用總體規(guī)劃》中對(duì)2030年建設(shè)用地的規(guī)劃與要求，最終選用多項(xiàng)式線性函數(shù)進(jìn)行擬合得到2030年建設(shè)用地面積 103.90 km2(柵格數(shù)：115 444)，但這里的建筑面積中包含了交通用地，參照2018年數(shù)據(jù)扣除 23 698的路網(wǎng)柵格數(shù)量，最后模擬得到2030年盤龍區(qū)建設(shè)用地面積為 82.57 km2(柵格數(shù)： 91 746)。

y=ax+b

(1)

y=ax2+bx+c

(2)

y=alnx+b

(3)

上述函數(shù)模型中，式(1)、(2)、(3)分別對(duì)應(yīng)增長(zhǎng)穩(wěn)定型、增長(zhǎng)快速型和增長(zhǎng)緩慢型；y為不同年份所對(duì)應(yīng)的建設(shè)用地面積；x為年份值減去2008所得值；a，b，c為不同增長(zhǎng)類型函數(shù)所對(duì)應(yīng)的系數(shù)，本文中詳細(xì)系數(shù)值如圖4所示。

圖4 建設(shè)用地總量預(yù)測(cè)函數(shù)圖

(2)目標(biāo)年份城市用地模擬

對(duì)土地利用擴(kuò)張模擬過程中，需要基于多年土地利用、城市擴(kuò)張影響因子和目標(biāo)年份建設(shè)用地總量等數(shù)據(jù)[13]。采用人工神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)模型(ANN-CA)[14]，將2009年、2015年、2018年的土地利用數(shù)據(jù)預(yù)處理之后的文件導(dǎo)入GeoSOS軟件中進(jìn)行樣本訓(xùn)練，得到不同土地類型間的轉(zhuǎn)換概率[15]。不同土地類型間的轉(zhuǎn)換概率模型由公式(4)表示：

(4)

再模擬得到2018年土地利用模擬圖(圖5a)，將模擬圖和現(xiàn)狀圖進(jìn)行比較，得到Kappa系數(shù)[15]為0.747。根據(jù)Cohen提出的Kappa系數(shù)評(píng)價(jià)標(biāo)準(zhǔn)[16]。該模擬效果顯著，一致性較好。在此基礎(chǔ)上進(jìn)一步模擬2030年的土地利用狀況，利用預(yù)測(cè)的2030年建設(shè)用地規(guī)模 82.57 km2(柵格數(shù)： 91 746)，得到2030年土地利用模擬圖(圖5b)，作為建設(shè)用地適宜性評(píng)價(jià)的重要參評(píng)因子。具體參數(shù)設(shè)置如表1所示。

圖5 土地利用模擬圖

城市擴(kuò)張模擬參數(shù) 表1

3.2 建設(shè)用地潛在適宜性評(píng)價(jià)

本節(jié)構(gòu)建盤龍區(qū)建設(shè)用地適宜性評(píng)價(jià)指標(biāo)體系。該體系中，除了未來土地利用區(qū)劃因子外，結(jié)合當(dāng)?shù)氐膶?shí)際情況選取評(píng)價(jià)指標(biāo)，確定各指標(biāo)的權(quán)重。在對(duì)比各種評(píng)價(jià)模型之后，最終采用綜合指數(shù)法對(duì)研究區(qū)建設(shè)用地潛在適宜性進(jìn)行集成評(píng)價(jià)，并對(duì)評(píng)價(jià)結(jié)果進(jìn)行分級(jí)，形成目標(biāo)年份的建設(shè)用地潛在適宜性評(píng)價(jià)。再將2030年土地利用區(qū)劃指標(biāo)替換為2018年土地利用區(qū)劃指標(biāo)，得到現(xiàn)狀建設(shè)用地適宜性評(píng)價(jià)。綜合指數(shù)法模型具體的公式為：

(5)

式(5)中：B為建設(shè)用地適宜性評(píng)價(jià)結(jié)果；n為評(píng)價(jià)體系中指標(biāo)因子的數(shù)量；i為所選取的評(píng)價(jià)指標(biāo)；Ci為第i項(xiàng)評(píng)價(jià)指標(biāo)因子的值；Wi為第i項(xiàng)評(píng)價(jià)指標(biāo)因子所占權(quán)重，由層次分析法確定。該模型可以明顯反映出各指標(biāo)對(duì)于評(píng)價(jià)結(jié)果的重要程度，操作簡(jiǎn)便且能很好的囊括所選指標(biāo)對(duì)于評(píng)價(jià)結(jié)果的影響。

建設(shè)用地潛在適宜性評(píng)價(jià)指標(biāo)的選取對(duì)評(píng)價(jià)結(jié)果有直接的影響，因此必須尊重研究區(qū)的實(shí)際情況，定量定性的選取評(píng)價(jià)指標(biāo)。本文選取了坡度、植被、河流水域、人口密度、交通以及未來土地利用區(qū)劃6個(gè)評(píng)價(jià)指標(biāo)。坡度指標(biāo)通常反映地形的平坦程度，由DEM生成；植被和河流水域兩個(gè)指標(biāo)對(duì)維持生態(tài)平衡和保護(hù)生態(tài)環(huán)境起極重要的作用，在適宜性評(píng)價(jià)過程中應(yīng)該協(xié)調(diào)保護(hù)；人口和交通兩個(gè)指標(biāo)對(duì)城市的發(fā)展起促進(jìn)作用，影響著建設(shè)用地的開發(fā)建設(shè)和演化變換；未來土地利用區(qū)劃指標(biāo)作為本研究的重要內(nèi)容，通過加入預(yù)測(cè)因子使其區(qū)別于現(xiàn)狀評(píng)價(jià)。

文中采用層次分析法確定指標(biāo)的權(quán)重。將各指標(biāo)分為五個(gè)級(jí)別，分?jǐn)?shù)越高代表適宜性越高。通過層次分析法確定指標(biāo)權(quán)重，最終得到盤龍區(qū)建設(shè)用地潛在適宜性評(píng)價(jià)各指標(biāo)分級(jí)權(quán)重如表2所示。采用綜合評(píng)價(jià)模型，對(duì)各單因子進(jìn)行加權(quán)疊加分析，將結(jié)果按自然間斷法分為五類：適宜開發(fā)用地、較適宜開發(fā)用地、基本適宜開發(fā)用地、較不適宜開發(fā)用地、不適宜開發(fā)用地，得到建設(shè)用地潛在適宜性評(píng)價(jià)結(jié)果。再將未來土地利用區(qū)劃指標(biāo)替換為現(xiàn)狀土地利用，并保持權(quán)重一致進(jìn)行評(píng)價(jià)，生成建設(shè)用地現(xiàn)狀適宜性評(píng)價(jià)結(jié)果。

盤龍區(qū)建設(shè)用地潛在適宜性各指標(biāo)等級(jí)表 表2

4 結(jié)果與分析

4.1 單項(xiàng)指標(biāo)評(píng)價(jià)

基于GIS對(duì)評(píng)價(jià)指標(biāo)分析(如圖6所示)，可以看出：盤龍區(qū)屬于典型的高原山區(qū)喀斯特地貌結(jié)構(gòu)，坡度在8°以下的地區(qū)面積占比僅為32.7%，且分布較為零散(圖6a)；盤龍區(qū)人口密度最高的街道是拓東街道，人口密度 33 795人/km2，其次聯(lián)盟、東華、鼓樓、金辰等街道單位面積人口數(shù)均已過萬，人口密度最低的是松華街道為：89人/km2，除青云街道外，其余街道單位面積人口數(shù)均未過千(圖6b)；盤龍區(qū)植被和農(nóng)田主要分布在中部、北部地區(qū)，南部多為建設(shè)用地(圖6c)；而盤龍區(qū)的道路較為密集的則是南部的主城區(qū)一帶(圖6d)；從各單項(xiàng)指標(biāo)能看出：盤龍區(qū)各單因子評(píng)價(jià)結(jié)果都傾向于南部地區(qū)較為適合做建設(shè)用地用途。

圖6 指標(biāo)評(píng)價(jià)圖

4.2 建設(shè)用地適宜性評(píng)價(jià)結(jié)果對(duì)比

將2030年建設(shè)用地潛在適宜性評(píng)價(jià)結(jié)果(圖7b，以下簡(jiǎn)稱“潛在結(jié)果”)與2018年建設(shè)用地現(xiàn)狀適宜性評(píng)價(jià)結(jié)果(圖7a，以下簡(jiǎn)稱“現(xiàn)狀結(jié)果”)進(jìn)行對(duì)比分析。同時(shí)結(jié)合目標(biāo)年份的土地利用分析，驗(yàn)證方法的科學(xué)合理性。通過對(duì)兩個(gè)結(jié)果的對(duì)比發(fā)現(xiàn)盤龍區(qū)在建設(shè)用地?cái)U(kuò)張的模式下用地格局有了明顯的變化。

圖7 適宜性評(píng)價(jià)圖

將“現(xiàn)狀結(jié)果”和“潛在結(jié)果”進(jìn)行統(tǒng)計(jì)(如表3所示)可知：相較于現(xiàn)狀評(píng)價(jià)，加入潛力因子的評(píng)價(jià)，適宜開發(fā)用地的面積為 36.95 km2，增加了 9.45 km2，增長(zhǎng)了34.36%；較適宜的面積為 50.71 km2，增加了 1.79 km2，增長(zhǎng)了3.65%；基本適宜的面積減少了 10.68 km2，降低了10.68%；較不適宜面積減少了 4.13 km2，降低了3.51%；不適宜面積增加了 3.57 km2，增長(zhǎng)了0.55%。由此可以看出“潛在結(jié)果”比“現(xiàn)狀結(jié)果”更具合理性。

建設(shè)用地適宜性不同年份面積表 表3

將“現(xiàn)狀結(jié)果”和“潛在結(jié)果”分別與生態(tài)保護(hù)紅線和永久基本農(nóng)田疊加分析，再進(jìn)行統(tǒng)計(jì)(表4)得出：2018年的“現(xiàn)狀結(jié)果”適宜開發(fā)用地占紅線的面積為 0.58 km2，占比2%；較適宜開發(fā)用地占紅線的面積 9.07 km2，占比19%；基本適宜開發(fā)用地占紅線的面積 10.26 km2，占比52%。2020年的“潛在結(jié)果”適宜開發(fā)用地面積為 0.38 km2，占比1%；較適宜開發(fā)用地占紅線的面積 3.10 km2，占比6%；基本適宜開發(fā)用地占紅線的面積 5.87 km2，占比64%?！皾撛诮Y(jié)果”的適宜開發(fā)用地和較適宜開發(fā)用地占紅線的面積均有所下降，且適宜開發(fā)用地分布更為集中。由此可以看出“潛在結(jié)果”與生態(tài)空間規(guī)劃比“現(xiàn)狀結(jié)果”更加匹配。

不同適宜度占紅線的面積和比例表 表4

5 結(jié) 論

本文通過引入潛在適宜性指標(biāo)，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)元胞自動(dòng)機(jī)模型，將預(yù)測(cè)得到的未來土地利用區(qū)劃作為重要指標(biāo)，以盤龍區(qū)為例：從自然、社會(huì)、未來城市建設(shè)區(qū)劃三個(gè)方面構(gòu)建建設(shè)用地適宜性評(píng)價(jià)體系，得到建設(shè)用地潛在適宜性評(píng)價(jià)結(jié)果。相較于現(xiàn)狀評(píng)價(jià)的方法，該方法能有效提高適宜開發(fā)用地的面積；降低適宜開發(fā)用地、較適宜開發(fā)用地與生態(tài)保護(hù)紅線和永久基本農(nóng)田紅線的沖突，建設(shè)用地也由零散化轉(zhuǎn)向集中化。但本文對(duì)城市空間發(fā)展質(zhì)量的量化考慮得較少，在后續(xù)的研究中，評(píng)價(jià)因子的選取仍有改進(jìn)的空間，以求進(jìn)一步增強(qiáng)評(píng)價(jià)的可靠性。另外，建設(shè)用地潛在適宜性評(píng)價(jià)結(jié)果是以一定的城市發(fā)展為基礎(chǔ)所進(jìn)行的討論，在具體的規(guī)劃中應(yīng)結(jié)合研究區(qū)的實(shí)際情況選取合適的研究方案。