基于FLUS模型的城鎮用地增長邊界劃定研究
——以臨川區為例

張子明，劉平輝*，朱壽紅

(1.東華理工大學 地球科學學院，江西 南昌 330000；2.江蘇師范大學 地理測繪與城鄉規劃學院，江蘇 徐州 221116)

0 引言

改革開放以來，我國城鎮化水平從17.92%提高到2015年的54.77%[1]，其中2000年到2014年提高了18.57%[2]，城鎮用地擴張迅速。城鎮土地的無序擴張帶來了諸如土地粗放利用、優質耕地被破壞、生態環境安全等問題。在“十三五”時期，經濟快速發展，城鎮化進程加快，城鎮用地相對于以前必然增長較快。因此，既要避免“攤大餅”式的擴展模式，又要控制城鎮有序擴展，做到每一寸土地的節約集約利用，提高城鎮化質量水平，成為當前面臨的亟需解決的挑戰。

城市增長邊界理論 (Urban Growth Boundary，UGB)最早在1976年由美國的塞勒姆市提出，用于解決與其相鄰兩縣的城市規劃中的沖突問題，之后不少西方學者對這一理論進行了補充和發展[3]。我國于2006年實施的《城市規劃編制辦法》中對城市總體規劃綱要首次提出劃定城市增長邊界的要求后才全面開展對UGB的相關研究[1-2]。在實際操作過程中，為保護糧食安全、統籌經濟發展與資源占用，防止生態環境破壞，在土地利用總體規劃中，通過劃定基本農田保護區和“三界四區”來控制建設用地擴展邊界并起到了一定的作用。目前劃定UGB的定量分析方法可分為3類：一是增長法[4-6]，即通過建設用地歷史數據提取增長率、強度等參數，結合人口等預測可能用地規模，常用于彈性增長的劃定；二是排除法[7-8]，排除生態敏感區及不宜建設區域，余下可識別的最大化城市建設用地，常用于剛性增長的劃定；三是綜合法[9-10]，既考慮增長的限制因素又考慮增長的驅動因素，主要用于彈性增長的劃定。這些研究豐富了UGB的理論及應用。

傳統CA模型局限于非城市用地到城市用地的轉變，限制了其模擬真實世界變化的能力，從兩期土地利用分布數據中采樣可能造成誤差的傳遞。同時，大部分模型較少考慮從土地利用類型轉化及其空間的相互作用的角度來構建模型，沒有考慮到現實世界更加復雜多變的實際情況，難以體現各土地類型間的相互作用。由黎夏、劉小平等提出的FLUS( Future Land Use Simulation) 模型不僅能夠很好地處理上述問題，而且操作簡單，具有較高的模擬精度。在劃定UGB的實際操作中，不少研究缺少對生態紅線、基本農田保護區等方面的考慮。因此，本文引入FLUS模型劃定城鎮用地增長邊界，以臨川區為例驗證該模型可行性的同時為當前我國城鎮用地增長邊界劃定提供現實依據。

1 研究區與數據

1.1 研究區概況

臨川區位于江西東部，撫河中游，地處東經116°4′～116°39′，北緯27°31′～28°14′，是江西省撫州市的一個市轄區。地形狹長，東面、南面、西面三面環山，地勢北高南低。全區以山地、丘陵為主，總面積2125 km2。“七山半水兩分田，半分道路和莊園”為全區地貌、地類輪廓的概括。2015年末常住人口111.25萬人，城鎮化率從2005年的36.35%發展到2015年的51.5%。2015年城鎮用地8644.55 hm2，占土地總面積的4.06%。區位優越，交通便捷，現已納入環鄱陽湖經濟圈和海峽西岸經濟區。伴隨著經濟轉型，臨川區正在從農業向工業及第三產業轉變，在國家統籌實施“四大板塊”和“三個支撐帶”戰略組合的背景下，實施“融入南昌、對接海西、建設向莆經濟帶”和支持昌撫一體化戰略使得臨川區的建設用地需求不斷增加，城鎮規模也因此不斷增大。當前存在城鎮土地利用率不高、批而未用土地較多、耕地保護形勢嚴峻等問題。因此，為其劃定城鎮用地增長邊界不僅對城鎮有序擴張，而且對資源環境、糧食安全的保護以及土地資源的優化配置都具有重要意義。

1.2 數據預處理

城市擴展的影響因素主要包括自然環境方面、社會經濟方面、人口方面和相關政策方面等[ 11-12]。充分考慮臨川區的實際情況以及數據可獲取性， 選取影響因素如下：(1)地形因素：臨川區三面環山，地勢起伏較大，故地形因素選取高程和坡度，運用ArcGIS分析工具分析90 m分辨率的DEM數據得出高程和坡度(圖1a、圖1b、圖1i、圖1j)，地形數據來源于地理空間數據云(http://www.gscloud.cn/)。(2)區位因素：臨川區境內有福銀高速、撫吉高速、撫金高速、撫八線等主要交通干線，對城鎮土地擴展影響較大，故本文選擇距普通公路、高速公路、鐵路、市中心和鄉鎮鎮中心的距離(圖1c～圖1h)等作為區位因素，其中公路及鐵路數據來源于臨川區交通現狀圖和規劃圖。(3)生態因素：臨川區水資源及森林資源豐富。主要生態敏感區、水源保護地等涉及生態紅線的地區，對城鎮擴展具有不同程度的限制(圖1f、圖1k)。(4)政策因素：基本農田保護區對于糧食安全至關重要，因此在城鎮用地擴展的同時必須保證基本農田的數量質量不降低。因此，臨川區永久基本農田保護區 (圖1l) 作為政策因素約束城鎮用地擴展。該數據源于臨川區永久基本農田劃定成果。

由于研究城鎮用地，因此將2005、2010及2015年這3年的土地利用現狀數據(源于臨川區國土局)中的土地利用類型調整為6類：水域、未利用地、植被、農用地、其他建設用地和城鎮用地。以上所有要素的圖層柵格大小均為30 m×30 m。

2 研究方法與思路

2.1 FLUS模型

FLUS模型原理源自元胞自動機(CA)，并在傳統的元胞自動機基礎上做了較大改進。首先，采用神經網絡算法(ANN)從一期土地利用數據以及包含人為活動與自然效應的多種驅動力因子中獲取各種用地類型在研究范圍內的適宜性概率。其次，基于輪盤賭選擇的自適應慣性競爭機制，在模擬過程中能有效處理多種土地利用類型在自然與人類活動共同影響下發生相互轉化時的不確定性與復雜性。ANN分為3層，第1層是輸入層，第2層是隱藏層，第3層是輸出層[13]。其表達公式為：

(1)

(2)

(3)

(4)

(5)

公式(1)中，p(k,t,l)表示在時間l的時刻，t類型土地在柵格k上的適宜性概率；wi,t、sigmoid()分別為隱藏層與輸出層間的權值和激勵函數；表示時間l的時刻，柵格k在第i個隱藏層的響應值；

公式(2)中的適宜性概率p(k,t,l)表示在l時刻的柵格k上，各類的適宜性概率之和為1；

采用2005年臨川區數據進行模擬來驗證FLUS模型的可行性，綜合考慮Kappa系數及總體精度(OA)驗證其模擬精度。其中，Kappa系數及OA均介于0～1，值越接近于1，模擬精度越好，相反則越差。通常，當0.6

圖1 臨川區城市擴展的影響因素

2.2 城鎮用地增長邊界劃定思路

城市發展必然導致城鎮用地的增長，劃定增長邊界的目的是節約集約利用土地以及保護生態環境。因此，劃定增長邊界首先應考慮研究區內的生態紅線保護區、水源保護地、基本農田保護區等不適宜建設的區域，在此基礎上安排建設用地規劃布局；其次，根據土地利用總體規劃中下達的用地指標并結合研究區以往的實際用地需求,綜合考慮確定目標年城鎮用地規模；第三，生態紅線及永久基本農田保護區等作為不適宜建設的區域，作為FLUS模型模擬的約束變量，模擬目標年土地利用空間布局作為城鎮用地增長邊界劃定的基礎；第四，結合最新規劃調整完善成果并結合模擬結果綜合劃定城鎮用地增長邊界。

3 結果與分析

3.1 FLUS模型精度驗證

首先，運行FLUS軟件，以2005年土地利用現狀數據為基礎(圖2a)，標準化處理各因素，抽取20%的柵格樣本用于訓練及計算適宜性概率；其次，設置模型參數并且添加限制因素圖層，運行得到各地類CA參數；最后，模擬2010及2015年土地利用情況并用同期土地利用現狀對模擬結果進行精度驗證(圖2b、2c)。從圖3可見，2010年土地利用模擬結果(圖3a)與2015年土地利用模擬結果(圖3b) 與對應現狀圖相似度較高，模擬結果城鎮用地更加緊湊，體現了集約節約用地的要求。由于本文研究城鎮用地，故將現狀城鎮用地與模擬城鎮用地做對比分析，并且驗證其精度。由圖4可以看出，2010年模擬數據與現狀數據基本一致，由于受到市中心的輻射影響較大，崇崗鎮、撫北鎮、鐘嶺街道、文昌街道的模擬面積均比現狀面積大。由圖5也可以看出，模擬城鎮用地向城市周邊的崇崗鎮、撫北鎮、上頓度鎮、文昌街道、溫泉鎮、鐘嶺街道集中，由于模擬周期較長，因而與現狀城鎮用地有較大差別。從精度驗證指標看(表1)，FLUS模型2010年模擬結果OA值達到0.98，Kappa 指數達到0.97；2015年模擬結果OA值達0.93，Kappa指數達到0.89，各地類中除了2015年未利用地的精度較低之外，其他地類精度均高于0.70，比卞子浩等[16]采用CLUE-S模型模擬所得的精度高，這就表明FLUS模型相對于其他模型能更準確地獲取土地利用變化的變動規律。黎夏等[17]的研究成果也表明FLUS模型能有效簡化CA模型的結構，適用于模擬未來復雜的土地利用變化。因此，在此基礎上將其模擬結果用于城鎮增長邊界劃定是可行的。

圖2 2005、2010和2015年臨川區現狀圖

圖3 2010和2015年現狀與FLUS模擬結果對比圖

3.2 城鎮用地增長邊界劃定

考慮到臨川區近期重新進行了永久基本農田保護區劃定以及進行了土地利用總體規劃調整完善，明確了未來的發展方向和規模。因此，本文將最新的永久基本農田劃定成果及生態紅線保護區作為模型約束條件對2025年臨川區城鎮用地規模進行模擬預測。同時，參考土地利用總體規劃2020年臨川區城鎮用地規模12567.03 hm2，結合撫州市下達的各項用地指標，以及以往多年城鎮用地規模及經濟發展情況,預測2025年臨川區城鎮用地規模為14139.60 hm2。在此基礎上，以生態紅線以及最新劃定的永久基本農田保護區成果為約束變量，在2015年臨川區土地利用現狀數據的基礎上模擬其2025年城鎮用地情況。由于本文主要研究城鎮用地增長邊界的劃定, 考慮到圖件的整體美觀性，模擬結果中將地類分為兩大類：城鎮用地和非城鎮用地，結果如圖6所示。

圖4 臨川區2010年現狀與模擬城鎮用地對比圖

圖5 臨川區2015年現狀與模擬城鎮用地對比圖

土地類型Accuracy20102015Kappa20102015OverallAccuracy20102015水域1.001.000.970.890.980.93未利用地0.950.61植被0.990.95農用地0.990.98其他建設用地0.970.84城鎮用地0.840.75

模擬結果顯示，城鎮用地相對集中更加緊湊,有利于集約節約用地，既體現出基本農田及生態紅線對城鎮發展的空間管制作用，又在一定程度上緩解了用地矛盾，有利于城鎮用地的內部挖潛。另外，考慮到FLUS模型在預測過程中會存在突變等問題，在劃定城鎮增長邊界時會將產生的少量孤立破碎的城鎮用地地塊刪除(圖7)。同時，由于臨川區最近進行了規劃調整完善，規劃調整完善成果體現了臨川區近期的用地需求，根據需要將其(圖8)劃入增長邊界內，最終確定2025年臨川區城鎮用地增長邊界范圍(圖9)。

分析結果得出，臨川區2025年城鎮用地增長邊界范圍內總面積為15466.77 hm2，約占整個臨川區土地面積的7.30%，相較于2015年城鎮用地面積增加了6237.27 hm2。統計分析各個城鎮用地面積及增量(表2)。結果表明，城鎮用地增量較高地區大多分布在崇崗鎮、上頓渡鎮、溫泉鎮、鐘嶺街道辦事處等靠近中心城區的區域，其他鄉鎮要么新增城鎮用地相對較小，要么出現負增長。

表2 各行政區域城鎮用地面積及增量面積

圖6 最新劃定基本農田保護區與2025年FLUS模擬結果

圖7 刪除破碎點后2025年FLUS模型模擬結果

圖8 近期新增城鎮用地

4 結論

本文以臨川區為研究區域，將生態紅線保護區、永久基本農田保護區作為約束條件，運用FLUS模型，利用自然、區位、生態和政策因素，通過ANN-CA訓練樣本，獲取土地利用變化規律，并計算每個像元上土地利用類型的適宜性概率，運用自適應慣性競爭機制模擬2010、2015年土地利用空間格局，并結合最新土地利用總體規劃調整完善成果劃定2025年研究區城鎮用地增長邊界。研究結果表明：2010年模擬結果與現狀城鎮用地基本一致，FLUS模型的模擬精度均較高，總體精度達到0.98，Kappa系數達到0.97；2015年模擬精度略有降低，但總體精度仍達到0.93，Kappa系數達到0.89，模擬精度較好，表明FLUS模型有很好的反映土地利用變化規律的能力。城鎮增長邊界劃定結果顯示，臨川區2025年城鎮用地增長邊界范圍內面積為15466.77 hm2，占臨川區土地總面積的7.3%；劃定邊界的同時考慮到了土地利用變化規律、生態紅線及永久基本農田保護區以及土地利用總體規劃調整完善成果，既保障了生態環境和糧食安全，又滿足了經濟發展與城鎮建設的需要。FLUS模型在土地利用變化模擬及城鎮用地增長邊界劃定上具有很好的可行性。

圖9 2025年城鎮用地增長邊界劃定結果

除了本文已經考慮到的各項因素以外，城鎮增長邊界劃定還受人口、資源環境承載力、地質條件等因素的影響。因此，應因地制宜地選取更為全面的影響因素，使劃定的城鎮用地增長邊界更具有合理性和可行性。同時，可用于劃定城鎮增長邊界的模型眾多，各有所長，對比不同模型在相同影響因素下劃定的城鎮用地增長邊界，對研究區將更有實際操作意義。

參考文獻：

[1] 胡業翠,付玲,李琦.北京城市增長邊界預測[J]. 地球信息科學學報,2017,19(4):486-492.

[2] 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[J].中國土地科學,2016,30(2):22-30.

[3] 王穎,顧朝林,李曉江.中外城市增長邊界研究進展[J].國際城市規劃,2014,29(4):1-11.

[4] 龍瀛,韓昊英,毛其智.利用約束性CA制定城市增長邊界[J].地理學報,2009,64(8):999-1008.

[5] 劉曦.城市用地擴展極限規模及邊界確定研究[D].重慶:重慶交通大學,2015.

[6] 黃勇,王宗記.城市綜合承載力導向下的城市增長邊界劃定:以常州城市承載力規劃研究為例[C]//2011城市發展與規劃大會論文集.揚州,2011.

[7] 劉焱序,彭建,孫茂龍,等.基于生態適宜與風險控制的城市新區增長邊界劃定:以濟寧市太白湖新區為例[J].應用生態學報,2016,27(8):2605-2613.

[8] 徐康,吳紹華,陳東湘,等.基于水文效應的城市增長邊界的確定:以鎮江新民洲為例[J].地理科學,2013,33(8):979-985.

[9] 蘇偉忠,楊桂山,陳爽,等.城市增長邊界分析方法研究:以長江三角洲常州市為例 [J].自然資源學報,2012,27(2):322-331.

[10] 胡小蘭.基于生態承載力的淮北城市增長邊界劃定[J].智能城市,2017,3(1):3-4.

[11] 全泉,田光進,沙默泉.基于多智能體與元胞自動機的上海城市擴展動態模擬[J].生態學報,2011,31(10):2875-2887.

[12] 姜博,王媛,魏超,等.城市土地利用擴展的驅動因素與空間擴展模式研究[J].干旱區資源與環境,2014,28(7):1-6.

[13] 詹云軍,黃解軍,吳艷艷.基于神經網絡與元胞自動機的城市擴展模擬[J].武漢理工大學學報,2009,31(1):86-90.

[14] 張博,雷國平,周浩,等.基于CLUE-S模型的礦業城市土地利用格局情景模擬[J].水土保持研究,2016,23(5):261-266.

[15] 彭麗.三峽庫區土地利用變化及結構優化研究[D].武漢:華中農業大學,2013.

[16] 卞子浩,馬小雪,龔來存,等.不同非空間模擬方法下CLUE-S模型土地利用預測:以秦淮河流域為例[J].地理科學,2017,37(2):252-258.

[17] 黎夏,葉嘉安.基于神經網絡的元胞自動機及模擬復雜土地利用系統[J].地理研究,2005(1):19-27.