盤龍區建設用地潛在適宜性評價

李劉飛，林伊琳，趙俊三，李梁森，單昌菊

(1.昆明理工大學 國土資源工程學院，云南 昆明 650093；2.昆明理工大學 智慧礦山地理空間信息集成創新重點實驗室，云南 昆明 650093；3.云南建投機械制造安裝工程有限公司，云南 昆明 651701)

1 引 言

隨著我國的快速發展，如何處理城市擴張與生態安全之間的矛盾，實現土地集約利用，是目前學者研究的熱點話題[1]。建設用地適宜性評價也已經成為編制國土空間規劃和相關土地決策的一項基礎性工作[2]。目前國內外學者在建設用地適宜性評價研究領域已經開展了大量的學術研究[3]。Li[4]采用最小累積阻力模型計算社會發展和生態保護用地量，構建不同指標的評價模型，最終得到生態適宜用地的地理特征。Malmir[5]采用模糊邏輯與網絡分析法，從社會和自然兩個方面對阿瓦茲縣城市用地的適宜性進行了評價。楊子生[6]采用“極限條件法”與“適宜性指數法”，選取了15個評價因子對云南省德宏州山地城市建設用地適宜性進行了評價。趙筱青[7]依據木桶原理，選取特殊評價因子，采用層次分析法對廣南縣建設用地適宜性進行了評價研究。

上述研究表明，適宜性評價是用地規劃中的重要環節，并且相關學者們也做了大量研究，取得了豐碩的成果。但城市建設屬于一個動態的過程，大多數研究都只考慮到地形、氣候、自然災害、地質條件等現狀數據，缺乏一定的前瞻性。因此，本文引入城市擴張模擬技術[8，9]，模擬未來年份土地利用數據[10，11]，作為重要評價指標，進行建設用地潛在適宜性評價。

2 研究區與數據來源

2.1 研究區概括

盤龍區隸屬于云南省昆明市，昆明五個主城區之一，位于昆明主城區東北部(如圖1所示)。北部與西北部地勢偏高，雨水春冬少而夏秋多，是一個降雨量不平衡區域。轄區面積 861.04 km2，主城區面積 60.96 km2，共有12個街道辦事處。全年地區生產總值705.66億元，人均地區生產總值8.4萬元。全區戶籍人口數57.11萬人，常住人口84.2萬人，是現代化昆明建設的重要組成部分。

圖1 盤龍區地理區位圖

2.2 數據來源與預處理

研究涉及數據來源包括昆明市盤龍區2009年和2018年土地利用矢量數據，地鐵站點數據、路網數據、居民點數據、DEM數據、中心城區分布數據、2009年、2010年、2011年、2012年、2015年、2018年盤龍區建設用地面積總量數據。數據處理時通過裁剪、定義投影數據轉換等操作將不同類型的數據，轉換為分辨率為 30 m的柵格數據，坐標系為CGCS2000國家大地坐標系。

在土地利用數據處理過程中，先將土地利用矢量數據轉化為柵格數據，并按土地利用類型重分類為交通用地、農用地、建設用地、未利用地、林地和水域6種用地。盤龍區2009年和2018年土地利用數據如圖2(a、b)所示，用于土地利用模擬擴張分析。建設用地擴張模擬過程中，選取的影響因子包括道路距離、地鐵站點距離、行政中心距離、商業中心距離，將矢量數據采用歐式距離處理后再進行重分類操作。

圖2 土地利用分布圖

3 研究方法

本文屬于成熟技術方法在新領域中的研究應用，創新點在于通過引入潛在適宜性指標，將預測得到的未來土地利用區劃作為重要指標因素，從自然、社會、未來城市建設區劃三個方面優化構建建設用地適宜性評價體系，對研究區建設用地適宜性進行現狀評價和潛在評價對比研究，從永久基本農田和生態保護視角驗證潛在評價相較于現狀評價的結果是否具有合理性。整個研究主要包括城市用地擴張模擬、建設用地適宜性評價、結果驗證三個過程，如圖3所示[12]。

圖3 技術路線圖

3.1 城市擴張模擬

城市擴張模擬主要是以多年土地利用數據和影響城市擴張因子的空間數據為基礎。利用線性和非線性函數對目標年份建設用地總量進行預測，再采用元胞自動機模型進行城市擴張模擬，模擬出當前年份土地利用數據模擬圖，將此圖與當前年份土地實際利用圖進行精度驗證。如果精度不滿足要求，則對相關參數進行優化直到精度達標為止。將上述參數與目標年份建設用地總量預測結果結合，模擬出目標年份土地利用模擬圖，并將其作為重要指標參與建設用地適宜性評價。

(1)目標年份建設用地總量預測

對目標年份建設用地總量的預測需要結合當地的社會、經濟、政策等實際情況，采用時間序列法(公式1、2、3)，選取2030年為目標年份，將2009年、2010年、2011年、2012年、2015年的建設用地面積進行線性、多項式、對數函數擬合分析(圖4)，分別對應增長穩定型、增長快速型、增長緩慢型，并用18年數據進行對比分析，通過比較R2大小，R2越大，擬合效果越好。[13]同時結合《盤龍區土地利用總體規劃》中對2030年建設用地的規劃與要求，最終選用多項式線性函數進行擬合得到2030年建設用地面積 103.90 km2(柵格數：115 444)，但這里的建筑面積中包含了交通用地，參照2018年數據扣除 23 698的路網柵格數量，最后模擬得到2030年盤龍區建設用地面積為 82.57 km2(柵格數： 91 746)。

y=ax+b

(1)

y=ax2+bx+c

(2)

y=alnx+b

(3)

上述函數模型中，式(1)、(2)、(3)分別對應增長穩定型、增長快速型和增長緩慢型；y為不同年份所對應的建設用地面積；x為年份值減去2008所得值；a，b，c為不同增長類型函數所對應的系數，本文中詳細系數值如圖4所示。

圖4 建設用地總量預測函數圖

(2)目標年份城市用地模擬

對土地利用擴張模擬過程中，需要基于多年土地利用、城市擴張影響因子和目標年份建設用地總量等數據[13]。采用人工神經網絡的元胞自動機模型(ANN-CA)[14]，將2009年、2015年、2018年的土地利用數據預處理之后的文件導入GeoSOS軟件中進行樣本訓練，得到不同土地類型間的轉換概率[15]。不同土地類型間的轉換概率模型由公式(4)表示：

(4)

再模擬得到2018年土地利用模擬圖(圖5a)，將模擬圖和現狀圖進行比較，得到Kappa系數[15]為0.747。根據Cohen提出的Kappa系數評價標準[16]。該模擬效果顯著，一致性較好。在此基礎上進一步模擬2030年的土地利用狀況，利用預測的2030年建設用地規模 82.57 km2(柵格數： 91 746)，得到2030年土地利用模擬圖(圖5b)，作為建設用地適宜性評價的重要參評因子。具體參數設置如表1所示。

圖5 土地利用模擬圖

城市擴張模擬參數 表1

3.2 建設用地潛在適宜性評價

本節構建盤龍區建設用地適宜性評價指標體系。該體系中，除了未來土地利用區劃因子外，結合當地的實際情況選取評價指標，確定各指標的權重。在對比各種評價模型之后，最終采用綜合指數法對研究區建設用地潛在適宜性進行集成評價，并對評價結果進行分級，形成目標年份的建設用地潛在適宜性評價。再將2030年土地利用區劃指標替換為2018年土地利用區劃指標，得到現狀建設用地適宜性評價。綜合指數法模型具體的公式為：

(5)

式(5)中：B為建設用地適宜性評價結果；n為評價體系中指標因子的數量；i為所選取的評價指標；Ci為第i項評價指標因子的值；Wi為第i項評價指標因子所占權重，由層次分析法確定。該模型可以明顯反映出各指標對于評價結果的重要程度，操作簡便且能很好的囊括所選指標對于評價結果的影響。

建設用地潛在適宜性評價指標的選取對評價結果有直接的影響，因此必須尊重研究區的實際情況，定量定性的選取評價指標。本文選取了坡度、植被、河流水域、人口密度、交通以及未來土地利用區劃6個評價指標。坡度指標通常反映地形的平坦程度，由DEM生成；植被和河流水域兩個指標對維持生態平衡和保護生態環境起極重要的作用，在適宜性評價過程中應該協調保護；人口和交通兩個指標對城市的發展起促進作用，影響著建設用地的開發建設和演化變換；未來土地利用區劃指標作為本研究的重要內容，通過加入預測因子使其區別于現狀評價。

文中采用層次分析法確定指標的權重。將各指標分為五個級別，分數越高代表適宜性越高。通過層次分析法確定指標權重，最終得到盤龍區建設用地潛在適宜性評價各指標分級權重如表2所示。采用綜合評價模型，對各單因子進行加權疊加分析，將結果按自然間斷法分為五類：適宜開發用地、較適宜開發用地、基本適宜開發用地、較不適宜開發用地、不適宜開發用地，得到建設用地潛在適宜性評價結果。再將未來土地利用區劃指標替換為現狀土地利用，并保持權重一致進行評價，生成建設用地現狀適宜性評價結果。

盤龍區建設用地潛在適宜性各指標等級表 表2

4 結果與分析

4.1 單項指標評價

基于GIS對評價指標分析(如圖6所示)，可以看出：盤龍區屬于典型的高原山區喀斯特地貌結構，坡度在8°以下的地區面積占比僅為32.7%，且分布較為零散(圖6a)；盤龍區人口密度最高的街道是拓東街道，人口密度 33 795人/km2，其次聯盟、東華、鼓樓、金辰等街道單位面積人口數均已過萬，人口密度最低的是松華街道為：89人/km2，除青云街道外，其余街道單位面積人口數均未過千(圖6b)；盤龍區植被和農田主要分布在中部、北部地區，南部多為建設用地(圖6c)；而盤龍區的道路較為密集的則是南部的主城區一帶(圖6d)；從各單項指標能看出：盤龍區各單因子評價結果都傾向于南部地區較為適合做建設用地用途。

圖6 指標評價圖

4.2 建設用地適宜性評價結果對比

將2030年建設用地潛在適宜性評價結果(圖7b，以下簡稱“潛在結果”)與2018年建設用地現狀適宜性評價結果(圖7a，以下簡稱“現狀結果”)進行對比分析。同時結合目標年份的土地利用分析，驗證方法的科學合理性。通過對兩個結果的對比發現盤龍區在建設用地擴張的模式下用地格局有了明顯的變化。

圖7 適宜性評價圖

將“現狀結果”和“潛在結果”進行統計(如表3所示)可知：相較于現狀評價，加入潛力因子的評價，適宜開發用地的面積為 36.95 km2，增加了 9.45 km2，增長了34.36%；較適宜的面積為 50.71 km2，增加了 1.79 km2，增長了3.65%；基本適宜的面積減少了 10.68 km2，降低了10.68%；較不適宜面積減少了 4.13 km2，降低了3.51%；不適宜面積增加了 3.57 km2，增長了0.55%。由此可以看出“潛在結果”比“現狀結果”更具合理性。

建設用地適宜性不同年份面積表 表3

將“現狀結果”和“潛在結果”分別與生態保護紅線和永久基本農田疊加分析，再進行統計(表4)得出：2018年的“現狀結果”適宜開發用地占紅線的面積為 0.58 km2，占比2%；較適宜開發用地占紅線的面積 9.07 km2，占比19%；基本適宜開發用地占紅線的面積 10.26 km2，占比52%。2020年的“潛在結果”適宜開發用地面積為 0.38 km2，占比1%；較適宜開發用地占紅線的面積 3.10 km2，占比6%；基本適宜開發用地占紅線的面積 5.87 km2，占比64%?！皾撛诮Y果”的適宜開發用地和較適宜開發用地占紅線的面積均有所下降，且適宜開發用地分布更為集中。由此可以看出“潛在結果”與生態空間規劃比“現狀結果”更加匹配。

不同適宜度占紅線的面積和比例表 表4

5 結 論

本文通過引入潛在適宜性指標，運用人工神經網絡元胞自動機模型，將預測得到的未來土地利用區劃作為重要指標，以盤龍區為例：從自然、社會、未來城市建設區劃三個方面構建建設用地適宜性評價體系，得到建設用地潛在適宜性評價結果。相較于現狀評價的方法，該方法能有效提高適宜開發用地的面積；降低適宜開發用地、較適宜開發用地與生態保護紅線和永久基本農田紅線的沖突，建設用地也由零散化轉向集中化。但本文對城市空間發展質量的量化考慮得較少，在后續的研究中，評價因子的選取仍有改進的空間，以求進一步增強評價的可靠性。另外，建設用地潛在適宜性評價結果是以一定的城市發展為基礎所進行的討論，在具體的規劃中應結合研究區的實際情況選取合適的研究方案。