自然资源本底摸查、空间承载能力和开发适宜性评价是国土空间规划的基础性工作。随着AI时代带来,从智能化角度探索一种更为客观科学的城镇建设适宜性评价方式成为了可能。
本研究以佛山市为例,基于FLUS模型对未来城镇空间进行模拟预测,比对分析其模拟结果与城镇建设适宜性评价结果的异同。研究表明,两种分析结果总体上基本一致,但由于城镇适宜性评价采用的是一种千层饼叠加的空间分析方法,其无法反应空间要素之间的相互作用,从而导致评价结果与预期有所偏差。
本文认为,对于空间要素流动密集的城市群地区,如佛山,在进行城镇适宜性评价分析时,应充分考虑空间要素之间的相互作用,通过Flus模型模拟结果对评价结果进行修正完善,从而得到更切合实际期望的评价结论。
关键词:双评价;城镇建设适宜性;FLUS模型;佛山市
随着我国逐步迈入生态文明新时代,国土空间保护、空间资源管控以及推动实现高质量发展是未来国土空间规划的重点。其中国土空间适宜性评价、资源环境承载力评价(以下简称“双评价”)是国土空间规划的基础,其评价结果对构建开发保护格局、划定三区三线等内容具有重要的指导意义。当前国家、地方试点陆续出台了“双评价”相关技术规程,但由于各地自然禀赋、社会经济条件相差巨大,评价中各项阈值、权重指标难以明确,因而导致评价结果不够客观、脱离实际等问题。
本文以佛山市为研究对象,从“双评价”角度出发对佛山市城镇建设适宜性进行分析;从FLUS模型角度出发模拟未来佛山城镇建设空间分布概率特点,通过对两者结果进行比对分析,挖掘其中空间异同并结合现实情况分析评价其成因,在此基础上对城镇建设适宜性评价结果进行修正完善。
上世纪六十年代,学者麦克哈格(McHarg,1967)首次提出土地适宜性这一概念——土地具有不同的自然本底社会经济条件,对不同的功能用途具有相应的适宜程度。最初,适宜性评价被运用至农业土地利用规划服务当中,如联合国粮农组织FAO的《土地评价纲要》,随后逐步推广至城市建设适宜性研究(王海鹰,2009),包括生态角度的适宜性以及工程建设开发角度的适宜性,如梁涛等(2007)提出了一种实用的城市土地生态适宜性评价方法,通过层次分析法加权叠加得到城市用地生态适宜度分布图。
在国土空间规划背景下,“双评价”是今后地方发展做到坚持生态优先、绿色发展的重要前提基础(喻忠磊,2015),是摸清资源利用上限与环境质量底线的重要举措,更是划定“三区三线”、优化国土空间格局的基本依据。作为“双评价”之一,国土空间开发适宜性评价是在资源环境承载力的基础上,考虑地形、水资源、环境容量、区位和气候条件等要素,通过空间叠加的分析方法综合评价城镇建设、农业生产的适宜程度。如吴艳娟等(2016)从土地资源的三生功能视角出发,定量评估了宁波市国土空间开发建设适宜性,揭示了国土开发的建设适宜规模与开发潜力。
本次研究主要针对城镇建设适宜性评价,通过对研究对象的基础空间禀赋特点(地形地貌、自然灾害、环境容量、生态系统脆弱性)以及社会经济条件(人口聚集度、经济发展水平、交通区位条件等)进行单因子分析,以 “千层饼”空间叠置方式进行加权叠加综合评价,得到空间连续的适宜度分布图,最后通过选取合适的阈值对结果划分为适宜、一般、不适宜三个等级。
元胞自动机(Cellular Automata,CA)是一种时间、空间、状态都离散,空间上的相互作用和时间上的因果关系皆局部的格网动力学模型。它“自下而上”的研究思路,强大的复杂计算功能、固有的并行计算能力、高度动态特征及具有空间概念等特征,使得它在模拟空间复杂系统的时空演化方面具有很强的能力(Chen, & Liu, 2016),充分体现了“复杂结构来自于简单子系统的相互作用”这一复杂性科学的精髓,非常适用于具有复杂时空特征的地理系统模拟,现已成为城市土地利用空间演化模拟的重要工具与研究热点。如张大川等(2016)提出了一种基于随机森林算法的多类元胞自动机模型,并将其用于模拟和预测复杂的多类土地利用变化。
FLUS模型是在元胞自动机的基础上进行改进的土地时空模拟模型,其一方面通过随机森林决策树智能化地选取驱动因子,另一方面通过系统动力学模型模拟未来年份土地需求量,并以此作为一种“自上而下”的约束因素与“自下而上”的元胞自动机模型进行耦合模拟,这种耦合模型不仅能很好地处理多用地类型之间的转变,具有更高的模拟精度,同时兼顾了土地利用系统宏观驱动因素复杂性和微观格局演化规律的特征(XunLiang,2018),因此更适合用作我国城市土地时空演变模拟研究。
城镇建设适宜性评价虽然已有相对较为成熟的评价体系(傅伯杰等,1997),但与其他适宜性评价相似,存在两方面的不适应性。
一方面,在进行综合叠加评价时,不同单项因子的叠加权重难以确定。例如城镇建设适宜性评价中,评价因子包括地形地貌、交通条件、区位条件等,对于每项因子应该分配多少的权重(陈健飞等,1999),而权重的分配可直接影响最终分析结果。对于上述问题学者曾使用经验统计、专家评分、层次分析、灰色关联等诸多方法做过大量的尝试,但是都难于摆脱决策过程中的随机性和模糊性。而且这些方法都仍然掺杂有主观性,特别是当各个目标因素之间具有不同性质时,就更难以确定其权重分配。
另一方面,城镇建设适宜性评价采用的是多因子加权空间叠加的分析方法,其充分考虑了对于同一空间位置上的各项因子影响结果,但对于空间平面上各项因子之间的相互影响作用无法反映。对于佛山这类高度城市化的粤港澳大湾区城市,其地理空间上各项生产要素流动密集频繁,因此在研究该类地区城镇开发适宜性时,必须充分考虑空间要素之间相互作用。
前文提及到,FLUS模型是耦合“自上而下”约束因子的元胞自动机模型,其能有效模拟预测出未来土地扩展的空间分布特点,这为我们提供了一种新的“适宜性”视角——FLUS模型模拟得到的城镇土地扩展蔓延空间,其城镇适宜性更高。因此本研究以佛山作为研究对象,尝试从基于FLUS土地空间演变模拟的角度,对佛山市城镇建设适宜性结果进行比对验证,通过分析其中不同点,挖掘城镇建设适宜性评价思路中可能存在的不足,并以FLUS模拟结果对城镇建设适宜性评价结果进行修正完善,为后续国土空间规划编制提供更为客观科学的参考依据。
佛山市位于珠江三角洲西岸,东倚广州,毗邻港澳,与香港、澳门分别相距231公里和143公里,是粤港澳大湾区的核心成员。2017年佛山市常住人口765.67万人,地区生产总值9549.60亿元。佛山是中国重要的制造业基地、国家历史文化名城、“广佛都市圈”、“广佛肇经济圈”、“珠江-西江经济带”的重要组成部分、全国先进制造业基地、广东重要的制造业中心,在广东省经济发展中处于领先地位。佛山市全市总面积约3798平方公里,据统计,佛山市现状建设用地约为1450平方公里,土地开发强度超过38%。
本研究使用到的数据包括佛山市最近一年的社会经济、人口统计数据、百度人口分布数据、Openstreetmap开源交通网络数据、多年份土地利用变更数据、数字高程影像数据、自然灾害统计数据、水资源水文等。另外对于规划驱动力因素本研究引用了部分专项规划成果。
本研究技术思路如下图所示,分别从空间因子加权叠加分析以及城市动力学模型模拟分析两种方法出发得出两项结果。城镇建设适宜性评价方面,研究依据“双评价”指南要求以及佛山地方特点选取八项评价指标分别进行单因素评价,随后以专家打分确定权重,最后进行加权叠置分析综合评价,并对综合评价结果分等定级,得出佛山市城镇建设适宜性低、适宜性中、适宜性高三个等级空间;另一方面从系统动力学角度出发,以FLUS模型模拟未来年份土地规模——通过神经网络算法训练驱动因子权重网络、输入至元胞自动机模型中进行模拟得出未来年份的城镇建设空间分布情况。随后将两个分析结果其进行空间差异比对,寻找其中异同点,最后尝试以FLUS模型模拟结果对城镇建设适宜性评价进行修正,得出一张更切合佛山市发展预期的城镇建设适宜性空间分布图。
城镇建设适宜空间是指承载人类生产生活能力较强,战略区位重要、交通等基础设施优良,适宜承接较大规模的工业化和城镇化发展的国土空间。其适宜性反映国土空间中进行城镇建设布局的适宜程度。
本研究参考相关案例,选取了以下八项与佛山市城镇生产发展紧密相关的指标。其中资源环境约束性指标四项分别为地形地貌评价、自然灾害评价、生态系统脆弱性评价、水域面积占比评价;社会经济发展基础相关指标四项分别为人口聚集度评价、交通优势度评价、经济收入水平评价、可利用土地评价。对于每一项评价指标均依据相关规程结合佛山特点进行单因子分析。
在单项评价的基础上,通过专家打分的方式确定每项因子相应的权重,权重分布如下表:
随后进行空间叠加和加权处理,分别形成多指标综合评价结果,再把多指标评价结果按照3个等级进行分级,评价函数如下:
最后结合佛山市现势情况,将现状已建成的空间统一定义为城镇建设适宜度较高的空间,而对于部分生态、农业等需要进行刚性控制的要素列入负面清单区域,其开发适宜性评价等级统一定为城镇建设不适宜空间。通过上述修正后,研究参考现状已建区域的适宜性数值范围,结合佛山市自身特点设定阈值进行等级划分,具体结果如下图所示。
佛山市城镇建设适宜性等级低的区域占总面积44%,约1640平方公里,主要位于佛山市的诸多河流、基塘、森林和草地等生态价值重要的区域,以及其他农田和坡度较大的区域,这些区域不适宜进行城市开发建设。城镇空间适宜性评价为高等级的区域占总面积的35%,约1330平方公里,主要位于佛山的现状建成区,其中城镇空间适宜性高的区域主要分布在禅城区、南海区的桂城街道、顺德区的大良街道等地,这些区域城市空间布局集中连片,交通优势强,能源保障充足,利于城市开发建设。
本研究首先通过在Vensim平台中输入历年社会经济统计数据,以系统动力学模型拟合得到未来年份佛山市土地预测规模(如下图所示)。值得一提的是这里的预测规模是不考虑上位约束条件下的理想规模,由于本研究意在模拟佛山市未来土地扩张方向的可能性,其规模预测可理解为驱动土地不断扩张的驱动力因素,数值上并无实质意义。
随后采用随机森林算法对影响城市发展因素的重要性进行度量,本次研究考虑的因素主要包括社会经济、交通、区位条件、基础设施以及自然条件这几方面。定量分析近十年来这些影响因素对城市发展的重要性,然后根据他们的重要性程度,选取重要性较高的因素作为模拟未来城市发展的驱动力。然后,通过神经网络算法挖掘城市发展的驱动力因素与城市用地分布的历史规律及映射关系,获取城市用地发展概率。这种概率类似于城市发展适宜性,但与城市发展适宜性相对比,不需要人工确定各种影响城市发展因素的权重,它是通过城市的历史发展去获取城市演化规律,并学习这种历史规律和城市发展机制去指导和模拟城市未来的拓展方向,相对较为客观并具有很强的科学性。
研究基于佛山市自身特点,选取了区位因素、交通条件因素、社会经济因素、自然本地因素一共十余项驱动条件输入随机森林决策树模型,计算贡献度的衡量指标基尼指数(GINI),本次研究所考虑的驱动力因素如下图所示。
运算得出各项驱动因素的权重排名,结果如下图。从中可以看出佛山市的城市发展社会经济类驱动因素的影响最大,公司企业和生活服务设施对城市化有较大的推动作用,很大程度上起到了城市化发源点的作用。而交通因素的影响居于其次,足见交通因素对城市的拓展方向有较大的驱动与引导作用,相比之下,自然条件的影响次之。
随后,研究通过BP神经网络,输入上述驱动力因子进行网络训练,训练神经网络的数据是在遥感分类图像上随机采样产生训练点,随机采样的训练点将得到各个空间变量与其对应的土地利用的值,利用该训练样本对神经网络进行训练,神经网络即通过自学习型的方法获得模型的参数,而后将土地利用数据与相关的空间变量输入训练好的神经网络,能够自动计算出每个单元对应于相关土地利用类型的转换概率,得到最终的城市发展概率,从而确定土地利用的动态变化,如下图所示。
城镇用地发展潜力后,本研究建立该概率条件下的元胞自动机模型,以2010年现状数据建立模型,利用2016年土地变更数据进行验证,其中数据分辨率为50mX50m。同时配合未来多时段政策、规划要素数据,模拟及划定2020、2035、2050年三个年份的城镇建设用地。为更真实模拟城市发展状况,在模拟未来城市发展时,模型结合各种约束条件(生态控制线、基本农田、水源保护区、历史文化保护区、自然灾害影响范围等),考虑方式为在模型中增加随机种子、轮盘赌法确定转换概率等。本次研究元胞自动机模型邻域大小采用摩尔7×7邻域,CA的停止迭代条件为模拟土地利用的规模到达系统动力学预测的未来城市规模。模拟2035年佛山市城镇用地结果如下图(右图)所示:
图8:现状城镇用地情况(左)与2035年模拟情况(右)比对
从以上模拟结果来看,佛山市未来年份中心城区开发强度会进一步增加,禅城区、南海桂城街道以及顺德东部几个镇街城镇建设会进一步集聚。对比现状城镇建设的情况,可以发现增量较大的地区主要包括顺德北滘、陈村、杏坛几个镇,南海狮山镇、桂城街道,高明沿高明大道两侧均有明显的城镇建设用地增量。同时,这些增量区域也与佛山市未来重点着力发展地区相符合,如桂城、北滘——“三龙湾地区”未来正是资源密集、人才聚集、国际高端、国内一流的生态宜居创新发展区、粤港澳大湾区创新增长极、践行新发展理念的示范区;而杏坛镇为将建设佛山市军民融合创新示范区核心区,不久将来将会带动“产业+空间”崛起,成为科技创新产业的佛山乃至大湾区新高地。
总体而言,本次研究采用的基于FLUS模型对佛山市未来城镇空间进行模拟,基本与佛山未来土地空间发展趋势相符合。尤其是对于空间区位优势明显的区域,有较好的识别效果,这主要得益于元胞自动机单元空间与周围空间不断迭代计算的过程,使得空间因子之间的作用效果得到充分的体现。由此可见从土地时空模拟预测这一角度具有一般空间加权叠加分析不具备的城镇建设适宜性分析效果,对国土空间规划“三区三线”的划定具有一定指导意义。
6.1 城镇适建设适宜性评价与基于FLUS的模型模拟比对验证
根据以上两种技术思路得出如下佛山市城镇建设适宜度的分析结果(如下图所示),提取城镇建设适宜性评价中的高适宜性空间与模拟出来的城镇建设用地,通过计算两者一致性KAPPA系数,得出两者的一致程度达到64.2%,位于高度的一致性(60%-80%substantial)的区间内。由此而言城镇建设适宜空间与FLUS模拟这两者得出的城镇用地空间分布基本一致,主要均集中在佛山禅城区、顺德区东侧、南海区中部以及东部。
图9:基于FLUS的城镇用地模拟结果(左)与城镇建设适宜性评价结果(右)两种角度的“城镇建设适宜度”对比
存在差异的地区主要集中在中心城区外围,如三水的白坭镇、芦苞镇、乐平镇,南海的里水镇等区域,一方面城镇适宜性分析将其识别为适宜性一般地区,另一方面入FLUS模型模拟其为城镇建设地区。
图10:两种角度的“城镇建设适宜度”对比图——里水镇
如上图所示南海区里水镇为例,该镇现状开发强度超过40%,常住人口近50万人,人口密度达3000人/平方公里,空间区位上与广州市白云区相邻,两地跨市通勤人数高达5万人。城镇适宜性评价在该位置评价为一般适宜性,但FLUS模型模拟出为城镇建设用地。按照现实条件判断,里水镇从住房来看该位置属于广佛价格洼地,更容易汇聚人口,拥有较大空间发展潜力,随着广佛都市圈进一步融合,该地区极有可能转变为城镇建设用地。
又如三水区乐平、芦苞两镇,其位于三水区北面距离佛山市区需一小时车程,两镇常住人口不足8万人。从区位上看这两镇禀赋条件较差,且无重要平台作为支点发展,城镇适宜性的角度将其分为建设适宜度一般地区。但通过FLUS模拟可发现部该类区域沿大南路条形成了带状的城镇用地分布格局,结合现势情况来看,两镇地势平坦,北侧紧邻珠三角外环高速公路出入口,从出入口延伸出来的大南路两侧目前已形成零星分布的工业厂房,在未来年份有足够条件形成沿路分布的条带状产业带。
图11:两种角度的“城镇建设适宜度”对比图——芦苞镇
综上所述,FLUS模型可挖掘出部分城镇适宜性分析所未能识别的城镇建设潜在区域,归纳起来主要可分为以下两种情景:
情景一,对于都市圈核心区当中现状未利用开发的“白地”, FLUS模型根据其自身邻域正反馈规则特点,能有效缝补此类真空地带,构建连绵都市圈城镇建成区,如下图(左)所示;
情景二,对于有骨干道路经过且又能快速连接上高速公路的地区,FLUS模型根据元胞自适应的特点,在不断迭代的运算下能实现城镇用地沿着主干路“蔓延生长”的效果,如下图(右)所示。
6.2 FLUS模型对城镇建设适宜性评价的修正建议
在国土空间规划编制中,资源环境承载能力和国土空间开发适宜性评价工作是三区三线及优化国土空间开发保护格局的基础。其中的城镇建设适宜性分析是一种垂直单向的叠加分析方法,难以反应空间相邻要素之间的相互促进或抑制作用,评价结果往往容易与期望结果存在差距。若直接以城镇建设适宜性评价结果作为后续国土空间规划编制中三区三线、开发保护格局划定等内容的参考依据,易对规划编制质量造成影响。本文建议在进行“双评价”分析,尤其是城镇建设适宜性分析时,除按照相关规程规范进行客观评价以外,引入FLUS模型,对未来年份的城镇建设空间进行模拟并以此对适宜性评价结果进行修正,具体的修正方案如下图所示。
作为粤港澳大湾区增长极之一,佛山与广州已形成城镇建设连绵区域,在文化氛围、产业分工等方面紧密联系,空间结构形态已形成都市圈。在探索佛山市城镇建设适宜空间时,研究在适宜性分析的基础上引入FLUS模型辅助修正,修正后如下图所示。基于修正后的结果与现状已建的区域进行比对,挖掘未转为建设用地的潜力地区,为国土空间规划提供更加科学客观的决策支持。
城镇建设适宜性评价作为“双评价”的重要组成部分,是国土空间规划前置一项重要基础工作,其评价的客观性以及科学性直接影响后续的规划编制。本次研究尝试以FLUS模型智能模拟未来城镇空间的角度出发,通过元胞自动机自适应、领域相互作用的特点,识别出城镇高潜力区域。在此基础上与传统的适宜性分析结果进行比对,挖掘其中的异同规律特点,为城镇建设适宜性评价提出改进建议。经修改完善后的城镇建设适宜空间更符合现实情况及预期结果,由此推断对于粤港澳大湾区其他城市或城市群地区,在进行城镇建设适宜性评价时,有必要耦合FLUS模型预测结果对评价结果进行修正完善,最终得到的结果将更有助于国土空间规划编制工作。
参考文献
[1]IL McHarg, L Mumford –《Design with Nature》.
[2]王海鹰, 张新长, 康停军. 基于GIS的城市建设用地适宜性评价理论与应用–[J] 地理与地理信息科学,2009:14-17.
[3]梁涛,蔡春霞,刘民,彭小雷, 城市土地的生态适宜性评价方法 – [J]地理研究, 2007,7:782-788.
[4]喻忠磊,张文新,梁进社,庄立,国土空间开发建设适宜性评价研究进展 – [J]地理科学进展,2015,9: 1107-1122.
[5] 吴艳娟,杨艳昭,杨玲,张超,游珍, 基于“三生空间”的城市国土空间开发建设适宜性评价——以宁波市为例–[J]资源科学,2016,11: 2072-2081.
[6] Chen, Y, Li, X., Liu, X., & Ai, B. (2014). Modeling urban land-use dynamics in a fast developing city using the modified logistic cellular automaton with a patch-based simulation strategy – International Journal of Geographical Information Science, 28(2),234–255.
[7]张大川,刘小平,姚尧,等.基于随机森林CA的东莞市多类土地利用变化模拟–[J].地理与地理信息科学,2016,32(5):29-36
[8]Xun Liang. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method – Landscape and Urban Planning. Volume 177, September 2018, Pages 47-63.
[9]傅伯杰,陈利顶,马诚, 土地可持续利用评价的指标体系与方法–[J]. 自然资源学报,1997,4:7.
[10]陈健飞,刘卫民, Fuzzy综合评判在土地适宜性评价中的应用–[J].资源科学,1999,7:4.