城镇建设用地集约利用潜力释放技术研究:以兰州市为例

邓 婧，郑新奇

(中国地质大学 土地科学技术学院，北京100083)

0 引言

当前，我国城市化正处于迅速发展阶段，建设用地迅速扩张;然而，城市发展不能以无休止侵占农用地为代价，否则将制约我国工业化发展的可持续性。因而城镇建设用地的集约利用、合理规划及理性开发有非常重要的现实意义。针对这类问题，许多研究将土地利用集约度作为衡量土地利用的重要指标，将土地集约利用潜力作为控制发展的参考。现有研究对于土地集约利用潜力的定义为:在特定的技术经济条件和规划要求下，当前的土地利用集约度与最佳集约度之间的差值。为方便量化和计算，本研究将这个概念定义为:在满足现阶段社会、经济、环境的要求下，通过一定手段能进一步提高的土地使用效率和集约利用的程度大小，以及可以继续开发的土地面积。其大小取决于目前的土地集约利用程度、未来一定时期内城市发展速度与现有技术水平等［1］。

城镇土地集约利用潜力的影响因素是多方面的。有研究探讨了影响和制约城市土地集约利用的因素［2］;对于集约利用潜力的定量测算也有一些研究成果［3-5］;许多城市和城镇已经开展了土地集约潜力评价，在《新一轮国土资源大调查》中，国土资源部在南京、福州、杭州、包头等城市进行了土地集约利用潜力评价的试点工作［6］。这些工作主要通过分析土地利用结构和强度测算土地潜力，并根据一定的标准确定潜力类型和拓展方式［7］。也有研究者开发了GIS平台，应用于城市土地集约利用潜力评价，提高了工作效率［8］。然而，当前研究主要侧重于集约利用潜力的定性评价和测算，对于如何进一步将潜力落实到空间上少有涉及。因此，本研究旨在进一步完善集约利用潜力挖掘的研究体系，并回答这样一个现实问题:城镇建设用地挖潜如何在操作层面上有所突破，如何形成量化、可视化及可实施的方案。本研究首先进行区域城镇建设用地集约利用评价，量化集约利用潜力;接着在区域潜力规模的前提下，结合智能模拟方法，进行多方案的潜力释放模拟;最后通过形态评价优选出发展方案。这样不仅可以从数量上宏观控制，并且直接给出了释放的途径和空间模式，可直接为政府部门合理规划土地利用及政策制定提供科学依据。

1 研究方法

本研究的技术路线如图1所示。研究内容分为两大部分，一是基于集约利用现状评价的潜力量化测算，二是基于CA-Markov模型的潜力释放模拟。潜力测算结果作为模拟的总量目标在规模评价中体现。

图1 研究路线Fig.1 Flow chart of the research

1.1 集约利用潜力总量测算方法

1.1.1 集约利用现状评价。本研究中土地集约利用评价的整体流程参照《建设用地集约利用评价规程》［9］进行。包括构建指标体系、确定指标权重值、计算集约度分值和集约利用程度分级。指标采用规程中“区域用地状况评价指标体系表”中的必选指标，指标的具体定义及计算方法参见评价规程。选用综合评分法进行集约评价，其中，标准化采用极值标准化法。

1.1.2 集约利用潜力测算。本研究采用理想值修正法计算集约利用潜力，其计算公式如下:

式中:Qs为城镇建设用地集约利用潜力，单位为hm2;P为评价时点城镇人口数，单位为万人;SI为人均建设用地的理想值，单位为m2/人;SP为人均建设用地的现状值，单位为m2/人。

潜力测算的核心在于理想值的确定。根据已有研究，设置理想值的通常方法是“目标值+区域修正系数”法［10］。现有修正模型通常是直接对理想值本身的修正，而理想值的量纲和修正因子的量纲不一致，导致难以直接转换。因而本研究采用了比例修正方法，即直接修正百分比，这样将修正因子的影响值都统一在百分比的量纲上。初始值设置为100，在此基础上增加修正因子的影响值。修正的主要依据包括该区域的现状值和历史值、区域集约利用计算结果等。修正比例值的计算公式为:

式中:M为修正比例值;R为现状值;现状值乘以修正比例即得到理想值C，C指的是理想人均建设用地现状面积，其单位是m2/人;M要通过E，L和S来修正，其初始值为100，它们的量纲均为%;E是经济发展修正值;L是土地集约利用现状修正值;S为社会发展修正值。各修正值均由区域的相关指标来计算，以综合考虑区域的经济社会发展和土地集约利用状况对可挖潜空间的影响。各修正值的相关指标体系如表1所示。

表1 理想值修正因子指标Tab.1 Index for ideal value calibration

1.2 集约利用潜力时空释放技术

在得到区域土地集约利用潜力总量之后，进一步考虑如何将数量落实到规划年的空间分布上。Markov模型通过计算状态转换概率来研究系统的变化方式，可以较好地分析变化过程和预测短期的变化结果［11］，然而，Markov模型只能做时间上的定量化预测，空间变化模拟能力差。本研究利用CA-Markov［12-13］，既保障地类转化的数量精度，又能有效模拟土地利用格局的空间变化［14］。该模型通过适宜性评价来控制土地用途转换的概率和转换规则，利用元胞自动机实现演化模拟。具体流程［15］如图2所示，应用IDRISI软件实现总流程。

1.2.1 确定Markov状态转移概率。将两期现实数据作为模拟的起始时刻，并将这两期之间的转换面积作为Markov状态转移概率矩阵的元素［16］。使用IDRISI软件中Markov模块分析获得3个文件:转换概率矩阵、转换面积矩阵和条件概率矩阵。转换概率矩阵用于记录各个类型转换为其他类型的概率，该转换概率矩阵是预测后来时期变化的基础;转换面积矩阵用于记录下一个时刻各个覆被类型中将转换为其他类型的像元个数;条件概率图像集则用于表示各个像元在下一个时刻被某土地类型覆盖的概率。其中，转换面积文件在CA模拟中用于控制各个覆被类型转换为其他类型的像元数量，作为CA-Markov模型模拟运算转换规则的一部分。

图2 城镇建设用地潜力释放流程Fig.2 Process of urban construction land potential release

1.2.2 创建土地利用空间分布适宜性图像集。这一过程是CA-Markov模型模拟运算转换规则的另一部分。每一个元胞各种可能状态(即土地利用类型)发生变化容易程度的计算公式如下:

式中:Ti为元胞的转变适宜性;i为土地利用类型;Ii和Di分别是第i类土地的面积增加量和减少量，“Ii+Di”可以反映i类土地利用的总体变化;Vi为2个时期土地利用变化驱动力差异的定量化，用于修正基本变化能力［17］。对计算出的Ti进行标准化处理，将值域转换为0～255。接着采用多准则评价方法(MCE)［18］，将影响土地利用变化的变量图层作为自变量，特定的土地利用类型的适宜性作为因变量，建立适宜性与各图层变量之间的函数关系，并计算影响系数，将系数作为权重进行图层叠加处理，获得所有网格单元的综合适宜性分值，得到适宜性图层。适宜性图像集由不同地类的适宜性图层组成，包括城镇建设用地适宜性图层和其他用地的适宜性图层。

1.2.3 潜力释放方案设置。潜力释放是一个控制性的模拟土地开发的过程。影响城市发展的因素很多，包括研究区域的社会经济条件、交通用地分布、土地利用现状等空间变量。在潜力释放模拟中，通过调整这些图层的权重来模拟不同的方案策略，影响土地转化概率矩阵，从而影响城市发展的模式。元胞转换概率计算公式如下［19］:

式中:α为系数，取值0～1;rijt为评估某种土地利用状态在位置(i，j)转化的概率为标准化后的转换概率值;rmax是rij中的最大值;di是不同的空间距离图层;i=1，2…n;j=1，2…n;βi是从层次分析法获取的各图层的权重。

1.2.4 空间释放图式评价。本研究引入景观指数来评价用地形态，优选出形态更为紧凑的发展模式［20］。景观指数是指能够高度浓缩景观格局信息、反映其结构组成的空间配置某方面特征的简单定量指标［21-22］，可用于评价城市形态［23］。本研究选用景观格局分析中常用的平均斑块形状指数、平均斑块分维数、平均斑块最邻近距离、聚集指数和形态总效用指数(U)5个指标［19］分别从景观要素和整个景观水平上对城镇建设用地在不同条件下发展形成的空间格局进行评价。

2 实证研究

2.1 区域概况及数据准备

以兰州市作为研究区域，范围包括城关区、安宁区、西固区、七里河区、红古区、永登县、皋兰县、榆中县。兰州是甘肃省省会，中国西北地区的一座新兴的工业城市，地处青藏高原、黄土高原的交界地区，属于陇西盆地(又称陇中黄土高原)的一个次级地貌单元，是西北干旱地区典型的河谷盆地型城市。

数据来源包括兰州市2000，2005年的土地利用类型图及2005—2008年多期的土地利用现状数据。应用易康软件(eCognition)，采用面向对象的分类方法，对ETM遥感影像进行重分类，并提取城镇建设用地。

2.2 集约利用潜力测算结果

集约指标计算结果分值如表2所示，指标解释参见《建设用地节约集约利用评价规程》(TDT 1018—2008)。集约利用分值计算结果和各区域挖潜面积测算结果如表3所示。由结果可知，城关区集约利用程度最高;安宁区集约利用等级最低，集约利用潜力最大，其可挖潜面积占土地总面积的比例最大。

2.3 集约利用潜力释放方案

2.3.1 模型参数设置。结合兰州市的地形特点，经多次参数敏感性试验，最终确定元胞尺寸为10m ×10m，邻域大小为5×5，邻域结构为圆形，模拟时间间隔为1年，循环次数为15。

2.3.2 方案参数设置。根据兰州市发展特点，选择了一系列促进和影响建设用地变化的因子。其中，水域和坡度为限制因子，交通用地、市中心和已有建设用地作为促进城镇建设用地发展的因子。这些因子的影响权重随着距离的变化呈现不同的趋势，用a，b，c，d四个值表示距离参数(a＜b＜c＜d)，当距离从a增加到b，权重呈增加趋势;b到c区间内，权重达到峰值并保持不变;距离从c增加到d，权重则逐渐降低。根据不同的发展策略，制定了3套方案，通过不同的距离参数和初始权重值影响权重变化曲线，从而影响适宜性图集，产生不同的潜力释放模式。方案一将距公路和距市中心的影响权重值设置得较大，并让递减曲线滞后，这样使得发展向市中心和道路集中。方案二则通过调整距离参数，使得距已有建设用地的权重曲线直接进入递减趋势，削弱该因素的影响。方案三已有建设用地这一因子的影响权重保持恒定，并且提高水域和地形坡度的影响因素，以模拟更为随机的发展模式。

2.3.3 潜力释放方案。根据以上的方案参数设置，进行CA-Markov演化模拟，分别得到如下结果(图3)。从图3中可知，兰州市城镇建设用地的挖潜趋势基本一致，受自然条件限制较多，可挖潜的区域比较固定。3个方案中建设用地地块紧凑程度略有差别，方案一中南部紧凑斑块更多，方案二和方案三的挖潜效果近似。

模型运行完成后对结果进行规模评价，采用交叉分析法，统计得到模拟的时间段之间、建设用地和其他用地之间的相互转换。2000，2005和2020年的城镇建设用地规模分别是 4.352万，5.44万和 6.844 万 hm2。2000—2005年建设用地转化为其他用地的规模为0.096万hm2，其他用地转化为建设用地的规模为1.183万hm2;2005—2020年建设用地转化为其他用地的规模为0，其他用地转化为建设用地的规模为1.405万hm2;从2000—2020年整体来看，建设用地转化为其他用地的规模为0.091万hm2，其他用地转换为建设用地的规模为2.583万hm2。通过规模评价结果可知，从2000—2020年，兰州市按照现有发展趋势，城镇建设用地的发展速度将逐渐增加，大量的其他用地将会转化为城镇建设用地，城市在迅速扩张。根据兰州市的规划，2005—2020年，新增城乡建设用地面积为1.378万hn2，此研究中测算的可挖潜面积1.405万hm2，基本能满足规划要求。

表2 兰州市各区土地集约利用评价指标计算结果Tab.2 Index of Lanzhou City regional land intensive use evaluation

表3 兰州市各区集约利用计算结果及潜力测算Tab.3 Lanzhou regional land intensive use score and potential measurements

图3 2020年兰州市建设用地挖潜方案模拟结果Fig.3 Lanzhou City construction land developing simulation results in 2020

2.3.4 方案优选。研究表明，紧凑性的城市可以节省土地资源，减少能耗，与可持续城市发展的原则是相符的。兰州市城镇建设用地的发展需要在保障合理的城市空间布局下进行挖潜与释放，因而采用形态评价对模拟结果进行比对。评价指标采用Fragstats软件进行计算。对多方案的评价结果如表4所示。由计算结果可知，方案一模拟结果的形态总效用指数最高，总体发展情况最佳。可以将方案一的模拟结果作为潜力释放的空间图式，其参数设置为沿“市中心—交通道路“聚集的发展模式，因而兰州市建设用地的挖潜优先考虑该发展模式更有利于土地集约利用。

表4 3个方案模拟结果评价Tab.4 Simulation evaluation of three schemes

3 结论与讨论

兰州市城镇土地集约利用状况一般，可挖潜面积为1.405万 hm2，潜力空间较大。兰州市几个区县的集约分值与中心城区的分值差别较大，因中心城区有明显的集聚效应，资源、人口比较密集，这符合中国目前城镇化发展规律。但值得注意的是，区县集约分值计算中个别指标的分值过低，甚至有负值出现，形成了限制因子，从而制约了该区域的土地集约利用水平。在今后的区域土地利用过程中，应该对这些指标引起重视，抓住区域的弱项，从而有针对性地提高区域整体用地效益。将兰州市的规划年新增建设用地指标与测算结果进行对比，挖潜基本能够满足规划需求，并且更直观、更细致地反映了规划年的建设用地空间分布图式，可以为规划提供一定支撑。

将测算出的总潜力分解到规划年的空间图式上，可以为土地利用规划和管理提供相关指导。然而本研究对各区域之间挖潜的分配情况尚未考虑充分，忽略了各区域发展时的相互影响，对于最终土地利用格局的评价只是注重景观和形态层面的效果。在下一步研究中可以进一步完善评价体系，考虑分区的总量控制。

［1］雷国平，宋戈.城镇土地集约利用的潜力计算与宏观评价［J］.农村经济与农村发展，2006(6):184-187.

［2］查志强.城市土地集约利用潜力评价指标体系的构建［J］.改革论坛，2002(4):9-11.

［3］郑新奇.城市土地优化配置与集约利用评价［M］.北京:中国科学技术出版社，2004.

［4］许树辉.城镇土地集约利用研究［J］.地域研究与开发，2001，20(3):67-69.

［5］王志成，陈银蓉.土地集约利用潜力测算方法初探［J］.资源开发与市场，2008，24(9):780-782.

［6］程烨.新一轮国土资源大调查“土地资源监测与调查工程”发展历程与前景展望［J］.中国土地科学，2002，16(3):4-9.

［7］曹银贵，袁春，周伟，等.区域城市土地集约利用挖潜及模式研究［J］.农业系统科学与综合研究，2009，25(2):167-171.

［8］章其祥，孙在宏.城市土地集约利用潜力评价系统设计与实现［J］.测试技术学报，2003，17(4):346-349.

［9］中华人民共和国国土资源部.TD/T 1018—2008.建设用地节约集约利用评价规程［S］.北京:中国标准出版社，2008.

［10］李翔，靳相木.开发区土地集约利用评价中的指标理想值［J］.社会科学研究，2009(5):27-33.

［11］韩文权，常禹.景观动态的Markov模型研究——以长白山自然保护区为例［J］.生态学报，2004(9):1958-1965.

［12］Baoying Ye，Zhongke Bai.Simulating Land Use/Cover Changes of Nenjiang County Based on CA-Markov Model［C］//Li D L.Computer and Computing Technolongies in Agriculture.Boston M A:Springer U S，2008:321-329.

［13］张游.基于CA-Markov模型的城市土地利用演化研究——以襄樊市市区为例［D］.武汉:中国地质大学，2009.

［14］郑青华，罗格平，朱磊，等.基于CA-Markov模型的伊犁河三角洲景观格局预测［J］.应用生态学报，2010，21(4):873-882.

［15］李志，刘文兆，郑粉莉.基于CA-Markov模型的黄土塬黑河流域土地利用变化［J］.农业工程学报，2010，26(1):346-352.

［16］胡腾波，叶建栲.马尔科夫链模型在GIS数据预测中的应用［J］.计算机系统应用，2008，17(8):90-93.

［17］侯西勇，常斌，于信芳.基于CA-Markov的河西走廊土地利用变化研究［J］.农业工程学报，2004，20(5):286-291.

［18］Grayson R，Kay P，Foulger M，et al.The Use of GIS and Multi-criteria Evaluation(MCE)to Identify Agricultural Land Management Practices Which Cause Surface Water Pollution in Drinking Water Supply Catchments［J］.Water Science and Technology，2008，58(9):1797-1802.

［19］黎夏，杨青生，刘小平.基于CA的城市演变的知识挖掘及规划情景模拟［J］.中国科学D辑:地球科学，2007，37(9):1242-1251.

［20］刘妍，林媚珍，姜喜东，等.韶关市土地景观格局动态变化分析［J］.安徽农业科学，2010，38(32):18416-18418.

［21］肖笃宁.景观生态学理论、方法及应用［M］.北京:中国林业出版社，1999.

［22］杨叶涛，龚建雅，周启鸣，等.土地利用景观格局对城市扩张影响研究［J］.自然资源学报，2010，25(2):320-329.

［23］赵晓燕.基于GIS的西安市城市景观格局分析及其优化对策［D］.西安:西北大学，2007.