彭云飛

(深圳市規劃國土發展研究中心，廣東 深圳 518040)

土地作為非再生資源，在城市化發展過程中不僅要確保地區的糧食安全，還要滿足城市發展和生態建設需要[1-2]。當前，國內外學者開展了大量土地利用優化模擬研究并取得了諸多成果[3-7]。在研究過程上，經歷了從定性到定量、從靜態到動態、從單目標到多目標的逐步升級[8]。在方法運用上，元胞自動機(CA)模型[9]、CLUE-S模型[10-11]、多智能體系統(MAS)[12-13]模型、Markov模型[14-15]等得到了廣泛應用，但仍存在不足之處[16-18]。黎夏等[19]提出了空間地理模擬與優化系統(Geographical Simulation and Optimization System)理論，將元胞自動機(CA)、多智能體系統(MAS)以及生物智能(SI)整合在GeoSOS平臺中，有效地對復雜地理空間現狀環境及變化過程進行模擬和優化[20]，解決了傳統元胞自動機中確定轉換規則及參數等復雜問題，能夠更精確地模擬在自然以及人類活動影響下的土地利用變化[21]。該文基于深圳市2010年、2015年和2016年的土地利用數據，運用FLUS模型，模擬不同情景下2030年深圳市土地利用結構和空間布局，以期為深圳市未來空間規劃制定等提供決策依據。

1 研究區域概況與數據

深圳市毗鄰香港，是我國對外開放的窗口。為發揮示范探索作用，國家一直給予深圳市先行先試的政策優勢。為確保城市高質量發展，深圳市積極轉變土地利用方式，促進經濟社會的可持續發展。該文的數據來源于深圳市歷年土地利用變更調查、《深圳市統計年鑒》、深圳市國民經濟和社會發展統計公報等相關統計資料。

2 研究方法

2.1 基于神經網絡的適宜性概率計算模塊

BP-ANN是一種多層前饋神經網絡，包括輸入層(1個)、隱含層(1個或多個)和輸出層(1個)，用于訓練和評估每個柵格中各類型土地發生的概率。對于某一柵格，在迭代時點各地類適宜性概率之和為1。公式為：

(1)

∑isp(p,i,t)=1

(2)

式中：i為用地類型;j為隱藏層;p為柵格;t為時間；sp(p,i,t)為適宜性概率；wj,i為權重；netj(p,t)為接收到的信號。

2.2 基于自適應慣性機制的元胞自動機模塊

在迭代過程中，地類i的自適應慣性系數根據未來土地需求與現有土地數量的差距自動調整，以確保該地類接近目標值。公式為：

(3)

(4)

(5)

式中：Inertia為自適應慣性系數;D為地類i的數量與需求值之差;t為時間;i為地類。

FLUS模型采用具有隨機特點的輪盤賭選擇機制，反映土地利用變化的不確定性。在CA迭代過程中，計算每個柵格p的總概率，并將地類i分配到柵格p中。公式為：

(6)

3 研究過程

3.1 基于神經網絡的概率計算

(1)驅動因子。選取16個驅動因子，具體為：高程(X1)、坡度(X2)、到河流的距離(X3)、植被覆蓋度(X4)、GDP(X5)、科研機構密度(X6)、第二產業比重(X7)、第三產業比重(X8)、距高快速路的距離(X9)、距公路的距離(X10)、距口岸的距離(X11)、距鐵路貨運站點的距離(X12)、距軌道站點的距離(X13)、距機場的距離(X14)、常住人口數量(X15)、人口素質(X16)，建立各驅動因子數據庫(表1)。

表1 土地利用變化驅動因子

(2)計算概率。采用BP-ANN計算法則，評估并訓練各柵格單元中可能出現各土地利用類型的概率，最終得到耕地、園地、林地、建設用地、水域和未利用地的空間適宜分布概率圖。

3.2 基于自適應慣性機制的元胞自動機

由于鄰域對各柵格在某一時刻轉換為某種地類的概率有重要影響，因此需要確定最佳的鄰域值，為此將鄰域值分別設置為1,3,5,7進行模擬。根據結果，在其他設置相同的情況下，隨著鄰域值的增大，模型運行時間呈變長趨勢，但從各地類模擬變化過程可以發現，在前10次的迭代過程中各地類迅速發生轉換，模擬數量接近設定土地需求目標值，之后變化趨緩，在迭代次數超過50次時基本處于平穩狀態。從預測值來看，耕地、園地、林地、水域、未利用地達到預測數量，建設用地與設定值的數量有差異，并隨著鄰域值的增大預測數量越近目標值，但當鄰域值超3時不再增大。為驗證模擬結果的可信度，利用2010年土地利用現狀圖得到2015年土地利用模擬圖，按樣本總量抽取1%～10%的有效柵格，計算發現kappa指數均大于0.8，因此可以判斷各參數設置合理。當鄰域為3時，kappa值最大為0.8620，因此可以判斷鄰域的最佳值設定為3(表2，圖1)。

4 研究結果與分析

4.1 多情景下土地利用模擬

(1)自然發展情景。以2016年土地利用現狀數據預測深圳市2030年土地利用變化情況。與2016年各地類柵格數相比，耕地、園地、林地、水域預測值減小，建設用地和未利用地預測值增加。在數量上，園地、林地和建設用地變化數量較大，分別為減小1351個、635個，增加1224個柵格，耕地變化量最小，減小20個柵格；從變化率上看，未利用地和園地的變化率較大，分別為136.47%和-39.92%，耕地的變化率最小。在空間上，各區建設用地均有增加，在現有建設用地布局狀況下向四周擴張，占用耕地、園地和林地。

表2 2015年不同鄰域情況下各地類預測柵格數與kappa指數(個)

圖1 深圳市2015年土地利用現狀圖與模擬圖

(2)生態安全情景。將自然保護核心區、森林公園、地質公園、水源保護區的核心區、地質災害高危險區等劃入禁止建設區，并作為生態安全情景下的約束條件，與自然變化情景結果疊加得到深圳市2030年生態安全情景下的土地利用模擬結果。該情景為重點保護土地生態安全區域，并將區域內的建設用地以及具有生產功能的耕地、園地轉換為林地，同時保持水源地周邊環境穩定，以便有效保障土地生態安全范圍。與2016年各地類柵格數相比，在數量上，園地、建設用地和水域變化數量較大，分別為減小1864個、增加1194個，減小517個柵格，耕地變化量最小，減小128個柵格；從變化率上看，未利用地和園地的變化率較大，分別為110.8%和-55.08%；變化率最小的為林地(表2)。在空間上，各區建設用地和林地均有增加，禁止建設區無建設用地。

(3)生態優化情景。將開展土地整治和基本農田建設等主導用途為農業生產空間的區域劃為限制建設區，并將禁止建設區、限制開發區中共同組成的區域作為生態優化情景下的約束條件，與自然變化情景結果疊加，得到深圳市2030年生態優化情景下的土地利用模擬結果(圖2)。該情景為重點保護禁止建設區內土地生態安全，并將禁止建設區的建設用地以及具有生產功能的耕地、園地轉換為林地，同時控制限制建設區內的新增建設用地。與2016年各地類柵格數相比，在數量上，林地、園地和水域變化數量較大，分別為增加1511個、減少1882個，減少517個柵格，耕地建設142個柵格。從變化率上看，未利用地和園地的變化率較大，分別為103.43%和-55.61%，變化率最小的為建設用地。在空間上，各區園地均有減少，林地和未利用地均有增加。

表3 各種情景下地類柵格變化情況(個)

圖2 深圳市2030年不同情景下土地利用模擬圖

4.2 模擬結果對比分析

(1)土地利用結構對比。3種情景下各地類的比例可以看出，耕地、園地、水域、建設用地和未利用地在生態安全情景下和生態優化情景下的比例低于在自然情景下的比例。林地的比例在生態安全情景下的比例高于自然情景下的比例，在生態優化情景下比例最高，達到34.63%。建設用地在生態優化情景下比例最低，為49.03%，不超過全市總面積的50%。主要是因為在土地生態安全控制分區的禁止建設區，把部分生產性用地轉變為具有重要生態功能的林地，而在限制建設區嚴格控制新增建設用地，在集中連片的控制區內限制生產活動，這與深圳市目前正在實行的建設用地“減量增長”策略保持一致，通過一系列政策的實施，在郊野森林和濕地范圍內加強公園建設，同時改善自然保護區和游客較多的風景名勝區的生態環境，逐步減小生態控制區內的建設用地以及對生態具有影響的生產用地，在禁止建設區和限制建設區內嚴格控制各項建設活動，維護區域生態安全格局，促進城市生態功能改善。

(2)土地利用空間布局對比。自然發展情景與生態安全情景相比在于禁止建設區內的各地類分布情況不同，由于禁止建設區是土地生態安全的核心區域，可以確保生態安全的底線。生態優化情景與生態安全情景相比在于限制建設區內的用地分布情況不同，生態優化情景是在限制建設區內保持現有的建設用地數量和布局的基礎上，嚴格控制新增建設用地的發生，形成集中連片的生態保護區，如鹽田區、大鵬新區的自然保護區內的零散建設用地轉變為林地；寶安區、光明區內生態控制區的有機結合，形成跨區的生態廊道等。因此，生態優化的情景相對于生態安全情景下，林地和未利用地的比例有一定幅度的提高，建設用地比例有小幅減低，全市用地布局得到進一步優化。

5 結論與討論

(1)3種情景下深圳市2030年土地利用布局既有共性也存在差異。在土地利用結構方面，耕地、園地、水域、建設用地和未利用地在生態安全情景下和生態優化情景下的比例低于在自然發展情景下的比例，林地在生態優化情景下比例最高，建設用地在生態優化情景下比例最低；在土地利用空間布局方面，自然發展情景與生態安全情景相比在于禁止建設區內的各地類分布情況不同，生態優化情景與生態安全情景相比在于限制建設區內的用地分布情況不同。生態優化情景比自然發展情景和生態安全情景更能達到城市建設和生態保護的雙重目標。

(2)采用FLUS模型對不同情景模式下深圳市2030年土地利用進行優化模擬具有良好的適用性。由于土地利用變化受自然、人口、市場、政策等因素的作用較為顯著，FLUS模型在模擬其變化的準確性方面仍然存在一定的局限。因此，探求更為科學的土地利用優化模擬方法，應在后續研究中進一步加強。