基于GIS的烏魯木齊市中心城區空間增長邊界研究*

穆飛翔，蒲春玲※，劉祥鑫

(1.新疆農業大學管理學院，烏魯木齊 830052； 2.新疆農業大學經濟社會發展研究中心，烏魯木齊 830052)

0 引言

城市空間增長邊界的研究起源于西方國家，在20世紀60～70年代，西方國家城市規模擴張迅速，無序蔓延問題嚴重，城市增長邊界的概念應運而生[1]。美國對城市空間擴展邊界研究是隨著“新城市主義”“精明增長”等思潮的興起，最著名的是美國的馬里恩(Marion)和波爾克(Polk)兩縣，為解決邊界問題而劃定了世界上第一條城市擴展邊界[2]。隨后，加拿大、歐洲國家等相繼開展了相關的研究，加拿大要求城市擴展邊界寫入規劃并對實施效果進行綜合評估[3]，Tannier等[4]以歐洲城市為例探討了分形幾何的方法在劃定UGB中的應用。

從世界各國對城市擴展邊界劃定研究的歷史演變來看，首先城市擴展邊界隨著國家政治、經濟和社會發展的不同而存在差異，并隨著時間動態變化。其次是世界各國普遍采取的措施是根據城市規模大小的不同具體實施更加適應城市發展的城市擴展邊界劃定，不僅限于限制邊界內部的增長。最后各國在城市增長管理上都是根據自身的制度背景，規劃管控的強度趨向于多元。

國內的相關研究起步相對較晚，進入21世紀后國內相關學者逐漸開始關注UGB的劃定問題， 2007年起各界學者開始給予廣泛關注。從2014年起，國內開展了劃定城市開發邊界的試點工作，且首批的試點城市按照要求已經采取一定的措施，紛紛在城市規劃中劃定了“開發邊界”。學者主要從生態安全[5]、城市綜合承載力[6]、土地存量或消費[7-8]等角度進行相關研究，采用的方法以GIS技術為主[9-10]。目前，國內研究的區域主要集中在東中部地區，對于我國西部地區的相關研究較少。西部地區是我國“一帶一路”戰略的核心區域，城市合理、可持續發展對于區域經濟社會起到決定性的作用。

研究選擇烏魯木齊市為研究對象，首先考慮到烏魯木齊市特殊的地理位置和重要性，其次其作為西部重要的中心城市，對區域經濟社會發展的帶動作用是無可替代的，最重要的是由于烏魯木齊市近幾年城市建設用地面積擴展迅速，大量的農用地及其他用地轉為建設用地，城市的發展存在一定無序擴張的風險，土地利用效率不高，生態環境已經開始惡化，以期研究的結果能夠為烏魯木齊市的城市發展提供理論參考。

圖1 2000～2015年歷年建成區面積變化

1 烏魯木齊市建成區現狀

烏魯木齊市位于中國西北、新疆地區腹地，是連接亞歐大陸的核心，地處北天山北麓、準噶爾盆地南緣。行政區內山地面積廣大，三面環山，北部為開闊平原，其地勢起伏較大，南部和東北部高，中部和北部相對較低。其自然資源豐富，礦產資源和土地資源豐富，水資源是限制其更好發展的最重要的自然資源因素。

2015年烏魯木齊市全市的地區生產總值為2 631.64億元，市轄區生產總值為2 610.12億元，占全市的99.18%，市轄區的三次產業比值為0.9： 30： 69.1。全市轄7區1縣，總面積為142.163萬hm2，中心城區行政轄區面積為30.191 1萬hm2，到2015年建成區規模達到4.299 6hm2。2000～2015年建成區面積變化如圖1。

2 研究方法

2.1 BP神經網絡

人工神經網絡源于腦神經學，是由基本的神經元組成的一個復雜的系統，其原理就是模仿人腦的結構，對于信息的處理具有明顯的優勢。BP神經網絡是由信息的正向傳播和誤差的反向傳播組成，主要分為3個層析，即輸入層、中間層和輸出層。信息由輸入層各神經元接收進入網絡，傳至中間層； 中間層主要是信息的處理和變換，可以設計為單隱層或者是多隱層的結構； 最后信息經由輸出層各神經元的處理和輸出，完成的是一個正向傳播的過程； 輸出的結果與期望值不符時，進入誤差反向傳播階段，通過修正各層權值，逐層反傳； 信息不斷的正向傳播和反傳的過程，也是網絡訓練和學習的過程，直到誤差減少到可以接受的程度[11-12]。

2.2 灰色GM(1， 1)模型

灰色模型可以通過少量的信息建立灰色微分預測模型，將原始數據經過累加生成新的數據序列，這樣可以降低數據的隨機性，能夠更加凸顯數據序列的特征規律，進而根據有一定特征規律的數列預測未來某一時刻的特征量。其在預測中的優點是不需要大量的樣本，用于短期或者中長期的預測具有準確度高的特點[12-14]。

為了保證模型的可行性，首先需要對數據進行必要的檢驗處理，通過計算數據序列的級比，如果所有的級比都落在可容覆蓋區間內，則數據序列可以進行灰色預測。數據序列的級比計算公式為：

(1)

可容覆蓋區間為：

(2)

灰色模型常用時間序列的預測，數據處理的方式主要有累加和累減兩種，該研究采用累加序列的方法對原始數據進行累加生成新的數列，具體運算規則：

記原始數列為：

X(0)={X(0)(1)，X(0)(2)，…，X(0)(n)}

(3)

(4)

通過1次累加生成新序列：

X(1)={X(1)(1)，X(1)(2)，…，X(1)(n)}

(5)

同理，經過r次累加：

(6)

GM(1， 1)模型是表示一階的、1個變量的微分方程模型，經過1次累加生成新的數列，相應的灰微分方程為：

d(k)+az(1)(k)=b

(7)

式(7)中，a為發展系數;z(1)(k)為白化背景值;b為灰作用量。

所對應的白微分方程為：

(8)

(9)

(10)

最終得到預測值：

(11)

2.3 GIS空間分析法

GIS空間分析方法是進行土地適宜性評價的主要方法，基于建設用地適宜性評價進行邊界的劃定分為幾個階段：選擇評價因子、劃分評價單元、確定評價因子的權值以及劃分土地適宜性等級[15-16]。

建設用地評價方法可以表示為：

(12)

式(12)中，S表示建設用地適宜性綜合分值；wi表示指標權重;xi表示指標分值，i=1， 2， 3，…，n。

研究根據烏魯木齊市的土地利用現狀圖件資料，將限制建設區域、適宜建設區域進行劃分，并將烏魯木齊市市轄區進行網格化分，以每個格網作為評價單元，根據每個單元的地類進行賦值，加入屬性值。運用GIS的空間分析功能對烏魯木齊市的交通可通達性、距商業中心和市中心的距離、坡度等進行分析，進一步獲取城市周邊土地向建設用地的轉換概率，依據預測的建設用地規模進行劃定城市擴展邊界。

2.4 技術路線

研究依據建設用地規模的預測結果和建設用地適宜性評價結果劃定建設用地擴展邊界，并進行合理性分析。首先構建建設用地預測模型，建立評價指標體系，依托數據分析軟件平臺，獲取未來建設用地規模的預測值。然后構建建設用地適宜性評價模型，建立評價指標體系，依托空間數據處理平臺，獲取研究區的建設用地適宜性綜合評價值。最后根據建設用地預測規模以及適宜性評價的綜合評價值，按照評價值從大到小進行劃定，進一步獲取城區空間增長邊界，并根據2015年城區實際建成區與預測值進行對比分析其合理性。

2.5 研究范圍及數據來源

(1)研究范圍

考慮到數據的可獲得性以及處理的有效性，由于烏魯木齊市轄區范圍較廣，山地面積占50%以上，所以大部分土地不能夠滿足建設用地的要求。結合土地利用的現狀，該研究所選擇的范圍限定在烏魯木齊市中心城區行政范圍。

(2)數據來源

該文涉及的社會經濟數據主要是從烏魯木齊市2001～2015年統計年鑒獲取，由于烏魯木齊市中心城區的范圍不包括烏魯木齊縣和達坂城區，考慮到數據的可獲得性，研究選用的社會經濟數據包括天山區、沙依巴克區、頭屯河區、新市區、米東區以及水磨溝區。相關圖件資料主要來源于2012年烏魯木齊市中心城區規劃以及遙感圖像。

表1 建設用地適宜性評價指標體系及等級劃分——自然因子

一級指標二級指標三級指標分類條件評價分值自然因子地形坡度<858～15415～252>251水文水系>100m緩沖區570～100m緩沖區450～70m緩沖區330～50m緩沖區2<30m緩沖區1坑塘、湖泊水面>2km緩沖區51～2km緩沖區3<1km緩沖區1

3 構建評價指標體系

3.1 指標的選取

(1)建成區規模預測指標的選取

考慮到數據的相關性、重要性以及可獲得性，首先選取12個相關的指標進行篩選，即常住人口、地區生產總值、第一、二、三產業值、固定資產投資總額、房地產開發投資總額、地方財政收入、地方財政支出、城鎮居民人均可支配收入、農村居民人均可支配收入、年末實有道路長度等，通過相關性分析、數據的完整性分析及數據的共線性分析，將相關性較弱、不完整和存在多重共線性的數據剔除，并綜合各項條件，最終該研究對于建成區規模預測的指標選取常住人口、地區生產總值、固定資產投資總額、房地產開發投資總額、城鎮居民人均可支配收入及地方財政一般收入等6項指標。

(2)建設用地適宜性評價指標的選取

參考相關文獻指標選取的方法和體系，按照可量化、主導性、適宜性等的原則，根據烏魯木齊市實際情況構建“生態—社會經濟—自然”評價指標體系。指標體系中緩沖區分析占據重要的部分，主要是考慮到相關指標的特殊性和重要性，比如道路和中心對城市規模擴張有著重要的影響，并且城市建設情況隨著距離這些道路或者中心的遠近有著明顯的區別。另外，根據研究區的土地利用現狀以及地形條件進行評價，同時根據數據的可獲得性和完整性進行進一步的篩選，最終確定指標體系。

評價指標體系主要分為3個一級指標和6個二級指標，最終確定三級指標11個，其中包括正向指標、負向指標以及限制性指標。“生態—社會經濟—自然”評價指標體系的構建，其中生態環境指標主要是包括各個保護區，即生態保護區、基本農田保護區及其他保護區等，屬于限制性指標； 社會經濟指標主要包括交通可達性、增長極和土地利用現狀類型，交通可達性主要分為城市快速路和國道或省道，增長極主要分為行政中心和商業中心，土地利用現狀類型主要分為農用地、建設用地和未利用地，其中現狀農用地指標屬于負向指標，其余為正向指標； 自然指標主要包括地形坡度和水文，屬于正向指標。

采用德爾菲法對各個指標進行打分，共有15位專家參與指標的評價打分，根據指標的性質和對建設用地變化的作用，綜合專家的意見，將指標的打分的范圍確定為[-5， 5]，其正向指標為正值，負向指標為負值，根據各位專家經過兩輪打分的最終結果取平均值作為最終得分。其中限制性指標不參與評價指標的綜合評分，為禁止建設區域，應禁止一切建設行為(表1、2、3)。

表2 建設用地適宜性評價指標體系及等級劃分——社會經濟因子

一級指標二級指標三級指標分類條件評價分值社會經濟因子交通可達性城市快速路1km緩沖區51～2km緩沖區42～3km緩沖區33～5km緩沖區2>5km緩沖區1國道、省道1km緩沖區51～2km緩沖區42～3km緩沖區33～5km緩沖區2>5km緩沖區1增長極行政中心1km緩沖區51～2km緩沖區42～3km緩沖區33～4km緩沖區2>4km緩沖區1商業中心1km緩沖區51～2km緩沖區42～3km緩沖區33～4km緩沖區2>4km緩沖區1水域保護區—生態保護區—其他保護區—

表3 建設用地適宜性評價指標體系及等級劃分——土地利用現狀及限制因子

3.2 指標權重的確定

在評價體系中，不同的指標對建設用地的適宜性的影響是不同的，研究考慮到三級指標之間相互重要性基本一致，對評價的影響已經按照不同的值進行劃分，所以按照二級指標確定各指標確定權重值。

研究運用層次分析法確定指標的相對權重值[17-18]，通過對指標相互之間的重要性進行了比較、計算，得出CR值為0.003 1<0.1，數據矩陣通過一致性檢驗，最終得出指標的權重值(表4)。

4 中心城區建設用地擴展邊界的劃定

4.1 建設用地規模的預測

4.1.1 BP神經網絡預測模型

研究以Matlab 2013為平臺運行Bp神經網絡，模型預測過程主要分為3個階段，即：數據預處理、模型的構建及訓練和驗證，最終進行預測。

數據的預處理主要是將數據標準化或歸一化，該文運用mapminmax函數進行歸一化處理，主要目的是消除不同神經元之間量綱的差異，使網絡樣本數據都處于[-1，+1]之間，加快模型收斂速度。

模型的結構分為輸入層、隱含層及輸出層，以烏魯木齊市轄區建成區規模變化6個驅動因子作為輸入神經元，隱含層按照逐步實驗法確定節點數，將建成區面積作為輸出層神經元。網絡參數的設置：最小訓練速率為0.1，網絡最大的訓練次數為5 000，允許誤差為0.000 001。

(13)

式(13)中，m表示隱含層節點數；n表示輸入層節點數；k表示輸出層節點數；α表示1～10之間的常數。

模型的訓練和檢驗是根據訓練樣本和檢驗樣本進行，以2000～2010年的數據為訓練樣本，以2011～2015年的數據為檢驗樣本，通過對網絡反復訓練，在防止訓練過程的“過學習”現象的同時經過反復試驗，最終確定網絡結構為6-6-1，由于篇幅限制，暫不列出詳細過程。

4.1.2 灰色預測模型

研究以Matlab 2013軟件為平臺運行灰色GM(1， 1)預測模型，以2000～2015年數據為基礎，首先對數據進行檢驗處理，通過計算數列的級比，結果顯示，原始數列的級比范圍為0.748 0～0.999 5，數列包含16個數據，所以可容覆蓋區間應為0.889 0～1.124 8，已經超出可容覆蓋區間，因此需要對數據進行適當的變換處理。為了提高預測的精度，選擇數據變化較為平穩的2008～2015年的數據作為預測的基礎數據，經檢驗，數據的級比都落在可容覆蓋區間內。

經過數據的檢驗及處理，運用Matlab 2013軟件運行灰色預測模型代碼，輸出結果顯示，a=-0.038 9，b=321.644 5，由此預測方程為：

(14)

最終得到預測值：

(15)

4.1.3 預測結果分析

從預測結果來看(表5)，預測的誤差都小于5%，所以模型的精度達到了較高的水平，且兩個模型的結果相近，則說明預測結果具有較高的可信度。研究以兩個模型預測結果的平均值作為最終結果，即到2020年烏魯木齊市中心城區建成區面積將達到5.227 6萬hm2。

表4 建設用地適宜性評價指標權重值

二級指標土地利用現狀地形交通可達性增長極水文權重0338602506018550124301011

表5 模型預測結果對比

4.2 建設用地適宜性評價

根據獲取的烏魯木齊市90m分辨率的DEM數字高程數據作為分析區域地形坡度的底圖和基礎數據，并通過ArcGIS軟件進行數據的分析和重分類，最終獲得高程和坡度分等數據。以烏魯木齊市中心城區土地利用現狀圖為底圖，進一步篩選出中心城區行政范圍的水系及坑塘湖泊圖層、交通道路網圖層、增長極圖層以及耕地和生態景觀等保護區圖層，通過緩沖區分析，獲取研究區范圍內相關指標的距離分級圖，根據相關指標的評分標準進行賦值。另外，根據圖斑土地用途現狀和土地利用現狀評分標準進行賦值，獲取不同土地用途的評價分級圖。

評價過程以現狀土地圖斑為評價單元，共有3.107 2萬塊，將評價指標的各個屬性值全部疊加到圖斑屬性表中。綜合適宜性評價值由多指標加權疊加獲得，即根據通過層次分析法確定單指標的權重，將單個指標的評價值按權重進行空間疊加運算，最終得到烏魯木齊市中心城區建設用地適宜性綜合評價分值的屬性字段。按照自然斷點法將評價結果分為5個等級，分別為一等、二等、三等、四等和五等，一等地為最適宜建設用地，具體評價結果如圖2。

4.3 邊界的劃定及合理性分析

4.3.1 城市擴展邊界的劃定

城市擴展邊界的劃定主要包括彈性邊界和剛性邊界，其中彈性邊界主要是指城市發展過程中根據實際的現狀要求可以適當地進行調整，但是調整也是在符合區域總體規劃以及國家政策要求的前提下，不等同于任意開發建設。剛性邊界主要是指禁止建設區，包括基本農田保護區、景觀生態保護區等，是城市發展的“生態安全紅線”，按照相關規定嚴禁一切建設行為。

研究劃定彈性城市擴展邊界的方法主要是根據預測的建成區規模大小按照建設用地適宜性評價結果進行劃定。劃定的原則主要是根據建設用地適宜性評價結果，按照適宜性程度的高低和預測的建設用地擴張規模的大小，從高適宜性到低適宜性進行劃分，以此來得出未來城市規模擴張的邊界。在劃定邊界過程中，首先將禁止建設區篩選出，作為烏魯木齊市中心城區的剛性邊界，作為生態隔離帶進行保護和控制(圖3)。

4.3.2 城市擴展邊界的合理性分析

根據城市建設用地適宜性的評價結果以及2015年實際建成區規模，劃定2015年城市擴展邊界，對比烏魯木齊市中心城區當年實際建成區規模邊界。結果顯示，該方法所確定的城市邊界與烏魯木齊市中心城區實際建成區規模基本吻合(圖4)，說明該方法在確定城市擴展邊界的應用中具有一定的實用價值，可以進行預測。

圖2 烏魯木齊市中心城區建設用地適宜性評價分等結果 圖3 2020年城市擴展彈性邊界和剛性邊界示意圖

圖4 2015年烏魯木齊市中心城區建成區規模對比圖 圖5 2015～2020年建成區規模對比圖

5 結論

由圖5可知，2015～2020年烏魯木齊市中心城區建設用擴張的空間特征表現為南部新增建設用地呈片狀，相對集中，主要分布在南部城區邊緣以及西南方向，主要屬于沙依巴克區、沙依巴克區以及天山區的行政范圍，新增的建成區主要占用的土地類型為自然保留地，從衛星圖片上看新增區域地勢較為平坦，交通條件較為便利。但是由于地形條件的限制，南部區域發展潛力不大。

中部地區也有部分新增建設用地，主要分布在城區中部的東西兩側，主要屬于沙依巴克區兵團和水磨溝區的行政范圍，新增的建成區占用的土地類型以自然保留地為主，由于地形條件的限制，城區向東西兩側大面積發展的趨勢近期不可能發生，土地開發成本相對較高。

北部新增的建設用地分布較為分散，新增的建設用地主要城區邊緣交通便利區域以及綜合條件較為適宜的離城區較遠區域。出現這種情況的原因主要是因為北部地勢平坦，存在大面積的耕地及其他農用地，所以綜合評價結果顯示建設用地適宜性較弱，另外國家政策對農用地用途轉為建設用地用途有嚴格的條件和限制，所以新增建設用地分布較為分散，主要占用的土地類型以采礦用地和自然保留地為主。但是該區域是烏魯木齊市中心城區發展最優的方向，土地開發成本相對較低，發展潛力最大。

烏魯木齊市中心城區向北發展的趨勢是必然，未來烏魯木齊市將建設城北新區，有利于未來以烏魯木齊為核心形成北接五家渠、西接昌吉、東接阜康的區域同城一體化發展格局。但是根據目前城區北部的土地利用現狀分析，將會有大量的耕地及其他農用地被占用，甚至影響基本農田的保護和布局，將面臨的是建設用地開發與耕地保護之間的矛盾。保護耕地的措施不僅是為了糧食安全，更重要的是其承載的生態功能，城區向北擴張必然導致原有的生態系統遭到破壞，耕地在生態系統中的作用也是無可替代的。所以，如何平衡區域基本農田及其他農用地的保護和城市建設之間的關系，構建生態城市和可持續發展成為當前政府管理中應該著重考慮的問題，也是今后對烏魯木齊市城市發展研究的重要內容。

[1] 陳錦富，徐小磊.城市空間增長邊界探討.城市規劃和科學發展——2009中國城市規劃年會論文集.天津：天津電子出版社，2009.434～442

[2] Stephenson R B.A vision of green：Lewis Mumford′s legacy in Portland，Oregon.Journal of the American Planning Association， 1999, 65(3): 259～269

[3] 青溪， 林吉兒.國外如何為城市劃定開發邊界.決策探索(上半月)， 2015， (7)： 78～79

[4] Tannier C， Thomas I，Vuidel G，et al.A fractal approach to identifying urban boundaries.Geographical Analysis， 2011, 43(2): 211～227

[5] 周銳， 王新軍，蘇海龍，等.基于生態安全格局的城市增長邊界劃定——以平頂山新區為例.城市規劃學刊， 2014， (4)： 57～63

[6] 張學良. 新型城鎮化背景下城市邊界調整與城市綜合承載力提升.探索與爭鳴， 2015， (6)： 28～30

[7] 韓昊英， 吳次芳，賴世剛.城市增長邊界控制模式研究——一個基于土地存量控制的分析框架.規劃師， 2012， 28(3)： 16～20

[8] 伍佳， 呂斌.土地消費內生化的城市增長模型及最優城市增長邊界.城市發展研究， 2014， 21(5):61～65,78

[9] 楊建軍， 周文，錢穎.城市增長邊界的性質及劃定方法探討——杭州市生態帶保護與控制規劃實踐.華中建筑， 2010， 28(1)： 122～125

[10]王玉國， 尹小玲，李貴才.基于土地生態適宜性評價的城市空間增長邊界劃定——以深汕特別合作區為例.城市發展研究， 2012， 19(11)： 76～82

[11]付玲， 胡業翠，鄭新奇.基于BP神經網絡的城市增長邊界預測——以北京市為例.中國土地科學, 2016，30(2)： 22～30

[12]郝思雨， 謝汀，伍文，等.基于RBF神經網絡的成都市城鎮建設用地需求預測.資源科學, 2014，36(6)： 1220～1228

[13]于小兵， 姚天祥，駱翔，等.集成神經網絡和灰色系統的我國農業受災面積預測.干旱區資源與環境, 2016，30(9)： 64～70

[14]余長坤， 宋文博，吳次芳，等.基于嶺回歸與灰色耦合模型的建設用地規模預測——以河南省焦作市為例.地域研究與開發, 2015，34(1)： 155～159

[15]伍恒雨， 劉勇，劉秀華.四川省廣安市廣安區低丘緩坡資源建設用地的適宜性評價.江蘇農業科學, 2015，43(3)： 293～298

[16]鐘德衛， 張連英，鄧長香，等.基于GIS的金沙江流域耕地地力評價——以云南省綏江縣為例.中國農業資源與區劃, 2016，37(1)： 9～16

[17]李豐玉， 董子銘.基于層次分析法(AHP)的休閑農業產業集群競爭力評價指標體系.江蘇農業科學, 2014，42(12)： 484～486

[18]于新， 李雙異，陸璐，等.基于AHP-SWOT模型的高標準基本農田建設發展策略研究——以沈陽市為例.中國農業資源與區劃， 2016，37(8)： 84～88,109