EN中文

地球信息科学学报 >

2019 , Vol. 21 >Issue 8: 1254 - 1264

DOI: https://doi.org/10.12082/dqxxkx.2019.180403

地理空间分析综合应用

重庆两江新区空间结构演变驱动机制分析与过程模拟

  • 段非 1, 2 ,
  • 王钧 , 1, 2, * ,
  • 蔡爱玲 1, 2 ,
  • 李贵才 1, 2
展开
  • 1. 北京大学城市规划与设计学院,深圳 518055
  • 2. 北京大学（深圳）未来城市实验室,深圳 518055
* 王 钧（1983-）,男,山东滕州人,助理教授,主要从事城市与区域土地利用、环境遥感研究。 E-mail:

段 非（1994-）,女,湖南郴州人,博士生,主要从事城市与区域土地利用研究。E-mail:

收稿日期: 2018-08-27

  要求修回日期: 2019-04-25

  网络出版日期: 2019-08-25

基金资助

北京大学深圳未来城市实验室铁汉科研开放课题基金(201702)

深圳市生态观测研究站项目(SZCG2018161641)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Analyzing and Modeling the Driving Mechanisms and Processes of the Spatial Structure Changes in Liangjiang New District, Chongqing

  • DUAN Fei 1, 2 ,
  • WANG Jun , 1, 2, * ,
  • CAI Ailing 1, 2 ,
  • LI Guicai 1, 2
Expand
  • 1. School of Urban Planning and Design, Peking University, Shenzhen 518055, China
  • 2. Laboratory for Urban Future, Peking University (Shenzhen), Shenzhen 518055, China;
* WANG Jun, E-mail:

Received date: 2018-08-27

  Request revised date: 2019-04-25

  Online published: 2019-08-25

Supported by

Peking University (Shenzhen) Future City Lab Tiehan Open Fund for Research(201702)

Shenzhen Ecological Observation Research Station Program,(SZCG2018161641)

Copyright

Copyright reserved © 2019.
Fold

摘要

两江新区作为中国第一个内陆开放区,在短时间内经历了高强度开发,其社会经济空间结构演变对于国家新区的发展和规划具有重要意义。两江新区的城市建设用地扩张基本分布在中心城区外围,部分沿交通线向外扩张,并可通过元胞自动机模型对未来建设用地演变趋势进行模拟。本研究基于两江新区的人口数据、建设用地空间分布、道路数据等基本要素分析区域空间结构演变过程,定性与定量相结合研究两江新区空间结构演变的特征与机制并进行多模型模拟。研究结果表明：① 从人口、用地、交通等基本要素的时空变化可以看出,两江新区自2010年6月成立至2015年,区域城镇中心体系和空间结构都发生了明显的变化;② 政策环境、基础设施、要素成本和集聚效应是企业入驻两江新区的4个主要驱动因素;③ 两江新区建设用地扩张空间累积阻力值呈同心圆和轴带发展形态,建设用地空间演变基本向空间累积阻力值低的方向和地区扩张;④ 元胞自动机模型模拟的结果精度在80%以上,能够展示过去5年两江新区空间结构的演变过程和未来该区域空间结构的状况。本研究的结果能够为内陆开放区的优化建设提供科学参考,有助于提高重庆市两江新区开发建设的效益。

关键词： 内陆开放区; 空间结构; 重庆两江新区; 空间分析与模拟; 元胞自动机

本文引用格式

段非 , 王钧 , 蔡爱玲 , 李贵才 . 重庆两江新区空间结构演变驱动机制分析与过程模拟[J]. 地球信息科学学报, 2019 , 21(8) : 1254 -1264 . DOI: 10.12082/dqxxkx.2019.180403

Abstract

The inland opening-up areas of China are strategic for leading the development of the central and western provinces. Therefore, optimizing spatial structure is significant for the spatial planning of the inland openin-up areas. This study took China's first inland opening-up area ̶ Liangjiang New District of Chongqing ̶ as a case study, to analyze changes in the regional spatial structure using both qualitative and quantitative methods and multiple dataset (e.g., population, land use, transportation networks). Moreover, we also simulated the processes of spatial structure changes using multiple spatial models. Results showed that: (1) since the setup of the new district in June, 2010, the regional urban system and spatial structure have changed significantly in terms of population, land use, and transportation networks; (2) natural and regional policies, infrastructure development, the prices of economic elements, and economic aggregation were the four main drivers for industries to move to the study area; (3) the built-up land in Liangjiang New District mainly expanded to places with low accumulative resistance values; (4) the simulation results of cellular automata model could show the spatial structure changes of Liangjiang New District over the past five years and the future spatial structure. Our results can provide a scientific basis for optimizing the development of the inland opening-up area and can also help improve the development of Liangjiang New District. This study took the rapid urbanization of a national inland opening-up area as the object, and researched the spatial structure dynamics of Liangjiang New Area in Chongqing. The explosive growth of industrial land agglomerations in a short period of time and the future construction land demand present a significant feature of large-scale land development with high intensity. The study attempted to provide new ideas and methods for solving the problem of different functional positioning of the interior spatial structure of inland opening-up areas, and to guide their development and internal space structure optimization. Future research can continue to deepen in exploring the formation of industrial functional areas, simulating microeconomic activities, etc.

Key words： inland opening-up area; spatial structure; Liangjiang New District; spatial analysis and modeling; cellular automata

1 引言

内陆开放区是由国务院批复设立的、远离海岸线和边境线的内陆地区国家级新区,对带动区域经济发展、促进城乡一体化发展等方面发挥着重要作用。内陆开放区的开发建设,体现出中国改革开放战略的空间试验从沿海地区向内陆转移的趋势,其目的是形成中国中西部重要增长极,推进内陆开发开放。在大开发大建设的背景下,如何做到既保障区域经济增长又保护区域生态环境是首要考虑的问题,而研究内陆开放区空间结构演变特征、形成机制与模型模拟有助于引导内陆开放区的规划,对于其建设管理具有现实意义。
区域空间结构的研究是近现代经济地理学与区域经济学中的一个传统的研究领域,是指各种经济活动在区域内相互作用形成的空间分布状态与组合形式[1]。区域空间结构理论的发展与科学研究技术手段的进步和革新密切相关,早期的区域空间结构研究运用的方法主要是基于几何学和微积分的数学分析[2],之后计算机技术和地理信息技术被广泛应用于区域空间结构的分析和模拟[3]。目前空间结构研究用到的技术方法主要包括：数理统计分析方法、区域空间相互作用方法及计算机模拟和复杂科学方法,从静态分析逐步向动态演化模拟发展[4,5,6,7]。
区域空间结构的演变是研究区域内各种社会经济活动及其要素在空间上的分布特征和演变规律,区域发展就是一个空间结构阶段性演变的过程[1]。对于一个国家级内陆开放新区来说,其所在城市的产业功能对其空间结构演变的影响最为强烈。城市产业功能区主要是指在城市发展过程中新崛起的能够实现相关经济社会资源空间集聚、有效发挥某一特定城市功能并具有较强辐射带动能力的地域空间[8]。目前对于产业空间布局的研究主要体现在3个方面：① 地理学者侧重从城市空间结构角度研究产业空间布局问题;② 城市规划学者侧重于从城市内产业空间形态和分布规律进行研究;③ 还有一些学者通过案例研究了一些大城市的产业空间分布、演变机制和优化策略等问题[9,10,11]。
模拟区域空间结构演变的模型随着地理信息技术、遥感以及空间计量方法的进步而快速发展,尤其是城市扩张模型的开发与应用。传统的用于模拟城市扩张的模型多为静态模型,无法呈现城市土地利用在时间过程上的动态变化,近年来元胞自动机模型和智能体模型等复杂系统计算机模型技术已成为城市建模研究的热点。元胞自动机模型可以从形态上模拟城市扩张的过程[12,13],但是其在解释驱动城市土地利用变化的微观社会经济过程方面存在局限性[4]。而智能体模型是通过在微观尺度上对决策主体的行为、决策主体之间的相互作用以及决策主体与环境之间相互作用的研究来探讨复杂适应系统的动态机制[14,15,16,17],能灵活地表征决策主体的个体属性和行为的异质性[18]。智能体模型已被引入到土地利用变化的模拟当中[19,20,21,22],但也存在需要充分经验数据进行校正和验证的挑战[23,24]。本文侧重于对区域空间结构演进过程的模拟,因而选择在模拟城市空间形态方面占优势的元胞自动机模型。
目前对于空间结构的基本要素演变、形成机制和过程模拟均已在相关领域有应用研究,本文针对快速城市化的国家级内陆开放区——重庆市两江新区,将空间结构演变模拟的研究方法做了适当修改。通过定性与定量相结合来分析两江新区空间结构演变特征形成机制,综合考虑最小累积阻力面模型和元胞自动机模型进行多模型模拟,研究两江新区空间结构演变的方向和时空特征。本文探讨了内陆开放区空间结构演变分析与模拟的研究范式,可以为解决不同功能定位内陆开放区内部空间结构布局问题提供技术支撑,并且能够指导两江新区开发建设和其内部空间结构的优化。

2 研究区概况、数据来源与研究方法

2.1 研究区概况

本文以重庆市两江新区为研究区,两江新区是继上海浦东新区、天津滨海新区后,第三个由国务院直接批复的国家级开发开放新区。两江新区位于长江以北、嘉陵江以东,其范围包括江北区、渝北区、北碚区3个区的部分区域,规划面积为1200 km2,其中可开发建设面积550 km2。在自然环境方面[25],整个新区被铜锣山、龙王洞山分为3个各具特色的自然地理区,西部地区以滨水景观为主;中部地区具有典型的山地城市分层地理特征,在龙王洞山山脉的基础上,可以划为高、中、低3个标高的台地;东部地区则是高低起伏的丘陵地形（图1）。自成立以来,两江新区展现出在短时间内产业快速集聚、建设用地爆发式增长的现象[26],未来建设用地需求呈现用地规模大、开发强度高的显著特征,目前缺少对其空间结构演变的研究。
图1 重庆市两江新区区位及高程

Fig. 1 Location of Liangjiang New District, Chongqing

2.2 数据来源

本文涉及的社会经济数据来自江北区、渝北区和北碚区的统计年鉴资料（2010-2014）;土地利用数据来自重庆市国土资源局提供的2009-2013年两江新区土地利用调查矢量数据,并在本研究中转为空间分辨率为30 m的栅格数据;道路数据来自重庆市地理信息公共服务平台提供的2015年两江新区道路数据,同时通过对2009-2015年覆盖两江新区的高分辨率遥感图像进行目视判读作为补充数据;灯光数据使用的年份是2010-2013年,选用美国国家地球物理数据中心发布的DMSP/OLS夜间灯光影像数据集,均来自序号为F18的卫星传感器;居住小区空间数据来自收集整理搜房网上江北区、渝北区和北碚区3个区210个居民小区数据;入驻企业数据来自两江新区管委会信息公布数据。

2.3 研究方法

2.3.1 内陆开放区空间结构演变驱动机制的定性分析
定性分析是对“质”的研究,由于区域经济发展是区域空间结构演变的最大动力,内陆开放新区的产业功能显然会对其空间结构的演变产生最强烈的影响。因此,本文从企业经济活动的区位选择、经济要素在两江新区集聚与扩散过程以及经济影响的空间近邻效应方面来定性分析两江新区空间结构演变特征的形成机制。从经济地理学和新经济地理学的主要理论出发,结合两江新区的实际情况,从政策环境、基础设施、要素成本和集聚效应4个方面来分析企业入驻两江新区的主要驱动因素。本文将基于定性分析的结果构建模型并进行模拟。
2.3.2 基于最小累积阻力面模型的内陆开放区空间结构演变趋势分析
最小累积阻力面模型是由荷兰生态学家Knappen等[27]提出的,最早应用于对物种扩散过程的研究,后被广泛应用于物种保护和景观格局分析等生态领域[28,29,30]。近年来,国内外学者尝试将其应用在城市扩张、土地利用等社会经济领域[31,32,33]。本文将城市扩张看成城市景观相对于其他景观的竞争性控制过程,且必须通过克服阻力来实现,进而能够将城市扩张模拟为克服阻力做功的过程。由于基面特性的差异,城市建设用地在扩张过程中将受到大小不同的阻力,由此形成的阻力面可以反映城市扩张的空间趋势。从现有的城市建成区出发,根据空间衰减规律,即可对未来城市建设的区位选择进行预测。最小累积阻力面模型的基本公式为：
MCR = f min ∑ j = n i = m D ij × R i
式中： f 是一个未知的正函数,反映了空间中任意一点的最小阻力与其到所有源的距离和介面特征的正相关关系,在本研究中即为任意一点在城市扩张中受到的最小阻力与其到2010年两江新区城市建设用地的距离和阻力面特征的正相关关系;Dij是行为主体从源 j 到空间某一点所穿越的某景观介面的空间距离,在本研究中即为2010年两江新区城市建设用地到未来城市建设空间中某一点的空间距离;Ri是介面 i 对某行为主体运动的阻力,在本研究中即为土地对城市建成区扩张的阻力。尽管函数 f 通常是未知的,但Dij×Ri的最小累积值可以被认为是行为主体从源出发克服介面阻力到达空间某一点的代价,即城市景观从现有城市建设用地出发控制和覆盖其它景观所克服的阻力。
建设用地适宜性评价是建立建设用地扩张的空间阻力面的基础。首先构建评价指标体系,包括生态控制性指标、特殊指标和基本指标3类。其中,生态控制性指标是指生态保护用地;特殊指标为坡度、起伏度、地质灾害及水域水系等;基本指标为与建成区高差、地基承载力、土地利用强度及距交通设施的距离等。并根据层次分析法及专家打分法,确定各项指标权重。最终采用特殊指标多因子定性判定法与基本指标多因子分级加权指数和法相结合,对其适宜性进行评价。对于生态控制性指标,将一、二级生态用地赋值为0,三级生态用地赋值为1;对于特殊指标,每个指标均赋值为0或1,0表示不适宜建设区域,1表示适宜及较适宜建设区域;对于基本指标,划分为2、6、10共3个等级,2表示不适宜,6表示适宜性差,10表示适宜,并转换为栅格数据。基本指标多因子分级加权指数模型如下：
S = ∑ i = 1 n B i W i
式中： B i 指第i种评价单元的属性得分（无量纲）; W i 指第i种评价单元的权重;n为参与评价的因子数量。在所有指标图层叠加后,得到建设用地适宜性的加权得分并分级。
本文将建设用地适宜性的得分值重新分割为1-254,用255减去建设用地适宜性评价的得分值作为阻力面每个栅格的阻力得分值。基于该空间阻力面和2010年建设用地的分布,采用ArcGIS软件的最小费用距离（Cost Distance）空间分析工具,对两江新区城市建设用地空间扩张的累积阻力值进行计算。
2.3.3 基于元胞自动机模型的内陆开放区空间结构 演变时空特征模拟
元胞自动机模型是城市系统时空复杂性研究的一个重要工具[4],该模型最初是在20世纪50年代由计算机专家Neumann、Conway等开发的,后经Wolfram系统的总结,逐渐形成了一个成熟的模型。国内外学者已应用元胞自动机模型对许多城市的土地利用变化进行了模拟实验和预测[34,35,36,37,38,39]。元胞自动机模型是通过定义元胞（土地单元）之间的转换规则来对城市土地扩张进行动态模拟。鉴于城市增长的复杂性,需要在仅考虑邻域影响的简单元胞自动机模型的基础上,考虑其他影响城市增长的因素。本文的模型模拟以2010年为基准年份,设定空间分辨率为10 m×10 m,邻域采用半径为25个邻域元胞的圆形邻域,离散时间的一次循环对应一年。元胞的状态受建设用地的适宜性、邻域约束和随机因素的影响,其中建设用地适宜性的得分值分割为1-254。
模拟的基本过程是首先基于历年的土地利用空间数据计算不同时间新增建设用地的面积,再确定最大可能发生状态转移的元胞,并将新增建设用地的数量分配到空间上,根据模拟的目标时间确定模型的循环次数,完成整个模拟过程。需要强调的是,本文模拟的重点是建设用地的时空动态,即非建设用地向建设用地的转化,不模拟逆向过程,也不考虑城市再开发过程。

3 结果及分析

3.1 两江新区空间结构演变驱动机制分析

通过集聚效应与规模效应理论、土地经济理论等理论,可以解释区域空间结构演变的动力机制。从入驻两江新区的企业来看,截止2014年底,入驻新区的世界500强企业从成立初期的54家增加到129家,占重庆市的一半以上。入驻的企业主要分为3大类：① 先进制造业,包括汽车、电子信息、高端装备的生产制造;② 高新技术产业,包括通用航空、液晶显示面板、集成电路、机器人、云计算及物联网等;③ 现代服务业,包括金融、会展、商贸及电子商务、现代物流等,形成了企业集聚和产业集群。
进一步从政策环境、基础设施、要素成本和集聚效应4个方面分析企业入驻两江新区的驱动因素,可以发现：① 在政策环境方面,国务院不但给予了西部大开发优惠政策、统筹城乡综合配套改革先行先试政策,同时比照浦东新区和滨海新区的开发开放政策,还给予两江新区其他优惠政策,这些优惠政策对吸引企业入驻两江新区有积极促进作用;② 在基础设施方面,渝新欧铁路运输通道的建设让重庆一跃成为内陆通向欧洲的桥头堡。而两江新区的果园港是长江上游最大的港口,与渝新欧运输线相连后,形成东接太平洋、西联大西洋的国际航运枢纽。果园港的水、铁、公物流网络运输无缝连接,大大缩短了3种运输方式之间的中转距离,使入驻两江新区的企业降低运输时间及成本;③ 在要素成本方面,两江新区由于居中的内陆位置、有吸引力的地价、有竞争力的劳动力资源和完善的生产生活配套,形成了低物流、低税费、低要素成本、低物业价格、低融通成本的“五低成本”投资环境,与沿海地区相比综合要素成本优势明显;④ 在集聚效应方面,收益递增激励企业流向上下游企业较集中的地区,两江新区形成的集聚效应、创新效应和专业化效应都对企业的选址产生影响。
两江新区作为一个国家级内陆开放新区,新区内不同产业的集聚承载着城市的经济、文化、创新等功能,其空间结构是通过寻求各种资源要素、生产部门和企业组织在布局上的最佳区位而形成的,是城市经济活动的反映。因此,两江新区的入驻企业类型及其选址是两江新区空间结构演变的重要驱动因素。

3.2 两江新区空间结构演变的基本特征

本文从人口分布、城市化水平、建设用地分布、交通网络、夜间灯光指数等基本要素解析研究区域空间结构及其演变。由于两江新区常住人口数据的缺失,本文使用户籍人口数据。通过分析两江新区各乡镇/街道户籍总人口、户籍城镇人口和户籍人口城市化水平的时空演变特征,研究发现2009-2013年以人口作为基本要素的两江新区的城镇中心体系变化不大,其人口增长率呈逐年下降趋势,且人口年增长率不足2%。由于两江新区自2010年成立后新增人口大部分为机械增长的外来流动人口,这可能是以人口作为指标的区域城镇中心体系发生变化不大的原因。从道路网络和建设用地来看,2010-2015年两江新区总体道路网变化不大,在铜锣山以东地区随着建设用地的增加,原本稀疏的道路逐渐展现网格化特征,同时北部扩张的建设用地也有了更完善的道路系统;而建设用地面积和分布则有更明显的变化,新增建设用地主要分布在 铜锣山以东地区、北碚区北区和渝北区北部地区（图2）,道路网络与建设用地呈现出协同演化的态势。此外,通过对2010-2013年两江新区夜间灯光指数数据的分析,可以发现渝北区北部、北碚区南部和铜锣山东部的灯光指数在研究时段内逐渐增强,形成了明显的高值区。总的来说,建设用地分布和夜间灯光指数这2个基本要素的动态变化明显地展示了两江新区城镇中心体系和空间结构在过去五年出现的变化,这与《两江新区总体规划（2010-2020）》[40]中的发展方向是一致的,即在原有的观音桥和江北嘴主中心的基础上,逐渐形成了渝北地区新的城市主中心,在铜锣山以东的鱼嘴镇、复盛镇和龙兴镇逐渐形成了两江新区的城市副中心。此外,一些新的城市组团中心也逐渐形成。
图2 2010-2015年两江新区建设用地与道路网络时空动态

Fig. 2 Spatiotemporal dynamics of the built-up land and road networks of Liangjiang New District from 2010 to 2015

3.3 多种约束条件下两江新区空间结构演变趋势

在两江新区建设用地适宜性评价中,从生态控制指标、特殊指标、基本指标3种类型来构建指标体系,通过各项指标综合叠加,得到两江新区建设用地适宜性评价得分（图3（a））。并根据《重庆市城乡用地建设适宜性评价技术规程》规定[41],将得分≥7分的地区划为适宜建设用地,得分≥3分且<7分的地区划为限制建设用地,得分<3分的地区划为禁止建设用地,得到建设用地适宜性等级划分（图3（b））。显然,两江新区的建设用地适宜性与其四山相夹、两水环抱的自然环境呈现出一致特征。
图3 两江新区建设用地适宜性评价得分以及等级划分分布图

Fig. 3 Built-up land suitability map and grade classification map of Liangjiang New District

基于以建设用地适宜性评价为基础的空间阻力面和2010年建设用地的分布,计算出两江新区城市建设用地空间扩张的累积阻力值,将得到的栅格累积阻力值按降序排列,可以找到累积阻力值频率分布的主要突变点。根据累积阻力值的突变点将研究区划分成五类区域,分别为建设用地发展的阻力低值区、阻力中等值区、阻力次高值区、阻力高值区和阻力极高值区（图4）。
图4 2010年两江新区建设用地扩张空间累积阻力值等级分布

Fig. 4 Classification map of the cumulative resistance for built-up land sprawl in Liangjiang New District in 2010

累积阻力低值区是指建设用地开发的累积阻力很小,未来被开发成建设用地的概率很大的地区。图中阻力低值区以中心城区为核心,分布在其外围,具有优先发展的位置条件。累积阻力中等值区是指建设用地开发累积阻力较小,未来出现普遍或大规模建设用地开发可能性大的地区。图中阻力中等值区明显以阻力低值区为核心、以大型交通线为轴带向外扩张。累积阻力次高值区是指建设用地开发累积阻力比较高,短期内可能仅进行小规模、低密度开发的地区,这些地区人口密度小、交通可达性较低,但自然地形限制不大,可以进行小规模建设。图中阻力次高值区分隔了阻力高值区与阻力中等值区,呈狭长的条带状。累积阻力高值区是指建设用地开发累积阻力大,短期内不可能进行建设用地开发的地区,中长期可能在自然禀赋较好的地区出现与旅游业相关的建设用地的开发。图中阻力高值区以研究区内的山脉为核心向外扩张,路网稀疏。累积阻力极高值区是指自然条件对建设用地开发构成刚性约束、长期进行建设用地开发建设的可能性极低、一般作为禁止建设区的地区。图中阻力极高值区主要是海拔较高的山体部分,是重要的生态用地,不适宜建设。
总的来说,阻力低值区和阻力中等值区兼具同心圆和轴带发展的形态特征,中心城区高密度的人口与经济活动所产生的规模经济和扩散效应对这一地区的建设用地开发起主要推动作用。阻力次高值区属于过渡地带,阻力高值区和阻力极高值区主要受自然条件的限制,在适宜性评价中属于禁止建设用地。对比以上的结果与2010-2015年两江新区城市建设用地实际扩张情况可以看出,过去5年两江新区新增城市建设用地基本上都分布在空间累积阻力的低值区,部分新增建设用地分布在空间累积阻力的中等值区。

3.4 两江新区空间结构演变时空特征的模型模拟

本文采用两江新区2010年的土地利用空间数据,通过元胞自动机模型模拟2011-2015年的城市扩张,逐年对比模型模拟结果与实际建设用地数量和空间分布状况,研究发现模型模拟的结果基本上可以反映两江新区城市建设用地扩张的过程和空间分布状况（图5）。逐个对比栅格单元,可以发现在模拟实验的5年中,模型模拟结果的精度均在80%以上。新增的建设用地主要分布在铜锣山以东的地区、北碚区北部地区和渝北区北部地区,这与两江新区新增建设用地的实际分布状况大致是相同的（图6）,并且这些地区建设用地的适宜性较高。部分新增的建设用地分布在原有建设用地的边缘地区,是因为这些地区建设用地的邻域作用比较强（即路径依赖效应）。此外,对比模型模拟的建设用地变化的未来情景与两江新区总体规划中建设用地的分布状况,可以确定模型模拟结果基本反映未来两江新区建设用地演变的趋势。
图5 2011-2015年两江新区建设用地分布时空动态模拟及未来情景建设用地分布

Fig. 5 Simulated built-up land changes in Liangjiang New District from 2011 to 2015 and in a urban growth scenario

图6 2010-2015年两江新区建设用地扩张模拟结果与实际扩张分布

Fig. 6 Comparison between the simulated and actual annual built-up land growth from 2010 to 2015

本文还通过调整元胞自动机模型转换规则中3个部分的权重对模型模拟结果进行了参数的敏感性分析。当转换规则中邻域部分的权重较小时,新增建设用地的分布较为分散。反之,新增建设用地的分布则较为集中。出现以上现象的原因是当邻域部分的权重较小时,非建设用地向建设用地的状态转换倾向于建设用地适宜性较高的栅格单元。此外,当元胞转移规则中随机因素部分的权重较大时,建设用地模拟结果的空间分布也较为分散。

4 结论与讨论

本文探讨了如何构建内陆开放区空间结构演变分析与模拟的范式,并以重庆两江新区为对象深入研究。首先对两江新区空间结构演变特征的形成机制进行定性分析,然后分析两江新区空间结构演变的基本要素的时空动态,接着建立了最小累积阻力面模型模拟判断各种约束条件下城市扩张的方向,最后使用元胞自动机模型模拟城市的时空动态过程。研究得出以下结论：
（1）两江新区自2010年6月成立以来区域城镇中心体系和空间结构都发生了明显的变化,虽然常住人口数据的缺失使得人口时空动态研究结果不明显,但是以建设用地分布和夜间灯光指数作为基本要素展示的区域空间结构的演变都明显显示出区域城镇中心体系和空间结构的变化。
（2）入驻两江新区的企业主要分为3大类,即先进制造业、高新技术产业和现代服务业。影响这些企业选址两江新区的因素主要有3个,即政策环境因素（如国家级新区政策）、基础设施因素（如渝新欧铁路运输通道）、要素成本因素（如土地和劳动力成本低）和产业集聚因素（如规模效应和溢出效应）。经济要素的集聚与扩散和其空间邻近效应影响两江新区空间结构的演变特征。
（3）最小累积阻力面模型为城市扩张模拟提供了一种思路和方法,其实质在于以逆向思维解决不确定性问题,从最小累积阻力面综合评价入手构建城市扩张的空间阻力面,发现两江新区的建设用地空间演变基本向空间累积阻力值低的方向和地区扩张。
（4）元胞自动机模型基于历年的土地利用空间数据计算不同时间新增建设用地的面积,将新增建设用地的数量分配到空间上,通过城市建设用地总规模和城市建设用地增长过程的不断变化对模型的循环模拟进行约束。模拟的结果基本可以展示过去5年两江新区空间结构的演变过程和未来该区域空间结构的状况。
本研究目前对于城市扩张的内生机制考虑不够,同时侧重模拟空间过程但在时间上的预测较薄弱,今后研究可在收集更多企业数据后,深入分析两江新区产业功能区的形成,以及在此基础上的两江新区空间结构的演变。其次,在空间结构演变的模型模拟方面,可以建立模拟微观经济活动（如企业选址行为）的智能体模型,深入研究空间结构演变的形成机制以及在不同政策、市场等情景下空间结构可能的演变方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李国平, 吴爱芝, 孙铁山 . 中国区域空间结构研究的回顾及展望[J]. 经济地理, 2012,32(4):6-11.

[ Li G P, Wu A Z, Sun T S . A review and prospect of research on regional spatial structure in China[J]. Economic Geography, 2012,32(4):6-11. ]

[2]
Alonso W. Location and land use [D]. Cambridge: Harvard University Press, 1964.

[3]
郭腾云, 徐勇, 马国霞 等. 区域经济空间结构理论与方法的回顾[J]. 地理科学进展, 2009,28(1):111-118.

[ Guo T Y, Xu Y, Ma G X , et al. A review of the theories and methods for regional economic spatial structure[J]. Progress in Geography, 2009,28(1):111-118. ]

[4]
Batty M, Xie Y . From cell to cities[J]. Environment and Planning B, 1997,21:531-548.

[5]
Seto K, Kaufmann R . Modeling the drivers of urban land use change in the Pearl River Delta, China: Integrating remote sensing with socioeconomic data[J]. Land Economics, 2003,79(1):106-121.

[6]
Jiang L, Deng X, Seto K . Multi-level modeling of urban expansion and cultivated land conversion for urban hotspot counties in China[J]. Landscape and Urban Planning, 2012,108(2-4):131-139.

DOI

[7]
Deng X, Huang J, Rozelle S , et al. Economic growth and the expansion of urban land in China[J]. Urban Studies, 2010,47(4):813-843.

[8]
杨明, 和朝东, 朱洁 . 论北京市产业功能区建设中的若干辩证关系——对转型期产业功能区建设热潮的“冷思考”[J]. 城市规划, 2014,38(7):23-30.

[ Yang M, He C D, Zhu J . Several dialectical relationships in the construction of industrial function zones in Beijing: A cooled thinking on the heated construction in the transitional period[J]. City Planning Review, 2014,38(7):23-30. ]

[9]
王秀明, 李非 . 产业集聚对区域经济增长的影响:基于广东省的实证研究[J]. 武汉大学学报·哲学社会科学版, 2013,66(6):122-127.

[ Wang X M, Li F . Influence of industrial clustering to regional economic growth: Based on empirical research of Guangdong province[J]. Wuhan University Journal(Philosophy & Social Science), 2013,66(6):122-127. ]

[10]
肖琳, 田光进 . 天津城市扩展空间模式与驱动机制研究[J]. 资源科学, 2014,36(7):1327-1335.

[ Xiao L, Tian G J . Study on spatial modes and driving mechanisms of Tianjin's urban expansion[J]. Resources Science, 2014,36(7):1327-1335. ]

[11]
方忠权 . 广州会展企业空间集聚特征与影响因素[J]. 地理学报, 2013,68(4):464-476.

[ Fang Z Q . The agglomeration characteristics and influencing factors of exhibition enterprises in Guangzhou[J]. Acta Grographyca Sinica, 2013,68(4):464-476. ]

[12]
刘鹏华, 刘小平, 姚尧 , 等. 耦合约束动态地块分裂和矢量元胞自动机的城市扩张模拟[J]. 地理与地理信息科学, 2018,34(4):74-82,1.

[ Liu P H, Liu X P, Yao Y , et al. Urban expansion simulation by integrating constrained dynamic land parcel subdivision and vector-based cellular automata[J]. Geography and Geo-information Science, 2018,34(4):74-82,1. ]

[13]
张亦汉, 黎夏, 刘小平 , 等. 耦合遥感观测和元胞自动机的城市扩张模拟[J]. 遥感学报, 2013,17(4):872-886.

[ Zhang Y H, Li X, Liu X P , et al. Urban expansion simulation by coupling remote sensing observations and celluar automata[J]. Journal of Remote Sensing, 2013,17(4):872-886. ]

[14]
Bennett D, Tang W . Modeling adaptive, spatially aware, and mobile agents: Elk migration in Yellowstone[J]. International Journal of Geographical Information Science, 2006,20(9):1039-1066.

[15]
Christopher B, Suzana D, Roger W . Modeling-in-the-middle: bridging the gap between agent-based modeling and multi-objective decision-making for land use change[J]. International Journal of Geographical Information Systems, 2011,25(5):717-737.

[16]
Kniveton D, Smith C, Wood S . Agent-based model simulations of future changes in migration flows for Burkina Faso[J]. Global Environmental Change, 2011,21(4):S34-S40.

[17]
Bakker M M, Alam S J, Dijk J V , et al. Land-use change arising from rural land exchange: An agent-based simulation model[J]. Landscape Ecology, 2015,30(2):273-286.

[18]
Brown D, Robinson R . Effects of heterogeneity in residential preferences on an agent-based model of urban sprawl[J]. Ecology & Society, 2006,11(1):46.

[19]
Batty M, Crooks A T, See L M , et al. Agent-based models of geographical systems[J]. International Journal of Geographical Information Science Ijgis, 2012,27(5):1047-1053.

[20]
Filatova T, Parker D C, Veen A V D. Agent-based land markets: heterogeneous agents, land prices and urban land use change [C]. Conference of the European Social Simulation Association, 2017: 263-277.

[21]
Wang J, Brown D, Riolo R . Exploratory analyses of local institutions for climate change adaptation in the Mongolian grasslands: An agent-based modeling approach[J]. Global Environmental Change, 2013,23(5):1266-1276.

[22]
张鸿辉, 曾永年, 谭荣 , 等. 多智能体区域土地利用优化配置模型及其应用[J]. 地理学报, 2011,66(7):972-984.

[ Zhang H H, Zeng Y N, Tan R , et al. A model for regional land use optimization allocation based on multi-agent system and its application[J]. Acta Grographyca Sinica, 2011,66(7):972-984.]

[23]
Robinson D, Brown D, Parker D . Comparison of empirical methods for building agent-based models in land use science[J]. Journal of Land Use Science, 2007,2(1):31-55.

[24]
Brown D, Verburg P, Pontius Jr R . Opportunities to improve impact, integration, and evaluation of land change models[J]. Current Opinion in Environmental Sustainability, 2013,5(5):452-457.

DOI

[25]
付凤春, 周宝同, 梁开新 . 两江新区土地利用的生态服务价值研究[J]. 西南师范大学学报(自然科学版), 2012,37(1):67-73.

[ Fu C F, Zhou B T, Liang K X . Research of the ecosystem services value (ESV) of land use in Liangjiang New Area of Chongqing[J]. Journal of Southwest China Normal University (Natural Science Edition), 2012,37(1):67-73. ]

[26]
冯应斌, 慕卫东 . 国家级新区建设用地扩展的景观格局特征分析——以重庆市两江新区为例[J]. 江苏农业科学, 2017,45(8):224-228.

[ Feng Y B, Mu W D . Analysis of landscape pattern characteristics of the expansion of construction land in national new area: A case study in the Liangjiang New Area, Chongqing[J]. Jiangsu Agricultural Sciences, 2017,45(8):224-228. ]

[27]
Knappen J, Scheffer M, Harms B . Estimating habitat isolation in landscape planning[J]. Landscape and Urban Planning, 1992,23(1):1-16.

[28]
付梦娣, 罗建武, 田瑜 , 等. 基于最小累积阻力模型的自然保护区网络构建与优化——以秦岭地区为例[J]. 生态学杂志, 2018,37(4):1135-1143.

[ Fu M D, Luo J W, Tian Y , et al. Establishment and fine-tuning of nature reserve networks based on minimum cumulative resistance model: A case study of Mountain Qinling region[J]. Chinese Journal of Ecology, 2018,37(4):1135-1143. ]

[29]
李健飞, 李林, 郭泺 , 等. 基于最小累积阻力模型的珠海市生态适宜性评价[J]. 应用生态学报, 2016,27(1):225-232.

[ Li J F, Li L, Guo L , et al. Assessment on the ecological suitability in Zhuhai City, Guangdong, China, based on minimum cumulative resistance model[J]. Chinese Journal of Applied Ecology, 2016,27(1):225-232. ]

[30]
潘竟虎, 刘晓 . 基于空间主成分和最小累积阻力模型的内陆河景观生态安全评价与格局优化——以张掖市甘州区为例[J]. 应用生态学报, 2015,26(10):3126-3136.

[ Pan J H, Liu X . Assessment of landscape ecological security and optimization of landscape pattern based on spatial principal component analysis and resistance model in arid inland area: A case study of Ganzhou District, Zhangye City, Northwest China[J]. Chinese Journal of Applied Ecology, 2015,26(10):3126-3136. ]

[31]
刘孝福, 舒俭民, 张林波 . 最小累积阻力模型在城市土地生态适宜性评价中的作用:以厦门为例[J]. 生态学报, 2010,30(2):421-428.

[ Liu X F, Shu J M, Zhang L B . Research on applying minimal cumulative resistance model in urban land ecological suitability assessment: as an example of Xiamen City[J]. Acta Ecologica Sinica, 2010,30(2):421-428. ]

[32]
俞孔坚 . 北京市住宅用地开发压力与城市扩张预景-基于阻力面的分析[J]. 地理研究, 2012,31(7):1173-1184.

[ Yu K J . A minimum cumulative resistance (MCR) analysis approach. Geographical Research, 2012,31(7):1173-1184. ]

[33]
Li F, Ye Y, Song B , et al. Evaluation of urban suitable ecological land based on the minimum cumulative resistance model: A case study from Changzhou, China[J]. Ecological Modelling, 2015,318(1):194-203.

[34]
周嵩山, 李红波 . 元胞自动机(CA)模型在土地利用领域的研究综述[J]. 地理信息世界, 2012,10(5):6-10,13.

[ Zhou S S, Li H B . . The research summary of land use with the model of cellular automata[J].Geomatics World, 2012,10(5):6-10,13. ]

[35]
叶欣, 裴亮 . 基于CA模型的土地利用变化研究[J].测绘与空间地理信息, 2013,36(9):56-58, 61, 65.

[ Ye X ,Pei L . Research of land use change based on CA model[J]. Geomatics & Spatial Information Technology, 2013,36(9):56-58, 61, 65. ]

[36]
王越, 宋戈, 张红梅 . 黑龙江省县域土地利用格局优化研究[J]. 经济地理, 2016,36(8):147-151.

[ Wang Y, Song G, Zhang H M . The research of land use pattern optimization on country level in Heilongjaing province[J]. Economic Geography, 2016,36(8):147-151. ]

[37]
Moghadam H S, Helbich M . Spatiotemporal urbanization processes in the megacity of Mumbai, India: A Markov chains-cellular automata urban growth model[J]. Applied Geography, 2013,40(2):140-149.

[38]
Ozturk D . Urban growth simulation of Atakum (Samsun, Turkey) using cellular automata-Markov chain and multi-layer Perceptron-Markov chain models[J]. Remote Sensing, 2015,7(5):5918-5950.

[39]
Al-Sharif A A A, Pradhan B . Monitoring and predicting land use change in Tripoli Metropolitan City using an integrated Markov chain and cellular automata models in GIS[J]. Arabian Journal of Geosciences, 2014,7(10):4291-4301.

DOI

[40]
两江新区管委会.两江新区总体规划( 2010 -2020)[Z]. 2014-12-08.

[ Liangjiang New District Administrative Committee. Chongqing Liangjiang New District Master Plan ( 2010 -2020)[Z]. 2014-12-08. ]

[41]
重庆市质量技术监督局. DB50/T 475-2012 重庆市城乡用地建设适宜性评价技术规程[S]. 2012 -12-30.

[ Chongqing municipal bureau of quality and technical supervision. DB50/T 475-2012 Technical regulations on suitability evaluation of urban and rural construction land[S] 2012-12-30.]

Options
文章导航

/

〈 〉