EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 8: 1858 - 1879

DOI: https://doi.org/10.12082/dqxxkx.2024.240135

地球信息科学理论与方法

顾及存量更新与增量发展不均速率的城市空间增长模拟研究

  • 朱杰 , 1, 2 ,
  • 朱梦瑶 1 ,
  • 宋书颖 2, 3 ,
  • 丁远 4 ,
  • 陈丽 2, 3 ,
  • 朱学明 5 ,
  • 孙毅中 , 2, 3, *
展开
  • 1.南京林业大学土木工程学院，南京 210037
  • 2.南京师范大学 虚拟地理环境教育部重点实验室，南京 210023
  • 3.江苏省地理信息资源开发与利用协同创新中心，南京 210023
  • 4.河海大学地理与遥感学院，南京 210098
  • 5.常州市新北自然资源和规划技术保障中心，常州 213022
*孙毅中（1957— ），男，江苏常州人，教授，博士生导师，主要从事时空数据分析与城市规划GIS研究。 E-mail:

朱 杰（1989— ），男，江苏高邮人，博士，讲师，主要从事城市空间智能建模与国土空间优化。E-mail:

Copy editor: 黄光玉

收稿日期: 2024-03-11

  修回日期: 2024-05-20

  网络出版日期: 2024-07-24

基金资助

自然资源部国土卫星遥感应用重点实验室开放基金项目(KLSMNR-K202210)

自然资源部国土卫星遥感应用重点实验室开放基金项目(KLSMNR-G202311)

国家自然科学基金项目(42371408)

国家自然科学基金项目(42101430)

江苏省海洋科技创新项目(JSZRHYKJ202302)

江苏省自然资源科技项目(2022029)

江苏省自然资源科技项目(2023005)

收起

Study on Urban Spatial Growth Simulation Considering Uneven Rates of Stock Renewal and Incremental Development

  • ZHU Jie , 1, 2 ,
  • ZHU Mengyao 1 ,
  • SONG Shuying 2, 3 ,
  • DING Yuan 4 ,
  • CHEN Li 2, 3 ,
  • ZHU Xueming 5 ,
  • SUN Yizhong , 2, 3, *
Expand
  • 1. School of Civil Engineering, Nanjing Forestry University, Nanjing 210037, China
  • 2. Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China
  • 3. Jiangsu Collaborative Innovation Center for the Development and Utilization of Geographic Information Resources, Nanjing 210023, China
  • 4. School of Geography and Remote Sensing, Hohai University, Nanjing 210098, China
  • 5. Changzhou Xinbei Natural Resources and Planning Technology Support Center, Changzhou 213022, China
*SUN Yizhong, E-mail:

Received date: 2024-03-11

  Revised date: 2024-05-20

  Online published: 2024-07-24

Supported by

Key Laboratory of Land satellite Remote sensing Application, Ministry of Natural Resources of the People's Republic of China(KLSMNR-K202210)

Key Laboratory of Land satellite Remote sensing Application, Ministry of Natural Resources of the People's Republic of China(KLSMNR-G202311)

National Natural Science Foundation of China(42371408)

National Natural Science Foundation of China(42101430)

Jiangsu Province Marine Science and Technology Innovation Project(JSZRHYKJ202302)

Natural Resources Department of Jiangsu Province(2022029)

Natural Resources Department of Jiangsu Province(2023005)

Fold

摘要

我国大多数城市正处于从增量规划向存量规划转型的过渡阶段，存量规划的实施仍需以增量规划为基础，二者之间相辅相成、协同发展。值此转型阶段，新的国土空间规划体系强调了规划的层级传导，从宏观到微观，渐近式地引导和约束着城市的发展方向。本文依据存量更新与增量发展的时空增减更替变化规律，分别进行参数控制以实现二者指标的调整和面积分配，将其纳入到多层次矢量元胞自动机（Vector Cellular Automata，VCA）模型中，以此实现顾及“存量更新-增量发展”的城市空间增长多层次矢量CA模拟，并将其应用于存量规划背景下的江阴市2027年多情景用地增长预测与分析。研究结论如下： ① 多层次VCA通过不同层次间驱动力自上而下差异性分解与自下而上协同性传递的方式，既完成了上层管控的指标落实，又实现了用地模拟的精细化控制； ② 多层次VCA给予不同片区差异化的速度参数，充分顾及到了驱动因子与用地分布的空间异质性，其整体FoM达到了24.6%，精度相比单层次VCA高2.5%；局部细节特征上，多层次VCA对不同用地类型的错分情况以及对水域等禁建区的侵占情况要比单层次的模拟结果少，且对条状地块的模拟效果更好； ③ 在“底线管控-分层管控-指标管控”层次约束下，随着存量更新速度的提高，不同情景下预测的新增建设用地的扩张情况均保持在规划控制的范围之内，且集中在澄西、澄南和澄东南3个片区，这与规划划定的增长边界和用地布局结构相吻合； ④ 不同情景下存量用地更新方向以工业用地为主导，乡村建设用地次之，情景二中(d)和(e)的模拟结果中，工业更新趋于饱和，整体实现均衡增长，可作为未来江阴市用地格局发展的主要参考。

关键词： 存量规划; 用地分配; 多层次矢量CA模型; 城市空间增长模拟; 多情景预测

本文引用格式

朱杰 , 朱梦瑶 , 宋书颖 , 丁远 , 陈丽 , 朱学明 , 孙毅中 . 顾及存量更新与增量发展不均速率的城市空间增长模拟研究[J]. 地球信息科学学报, 2024 , 26(8) : 1858 -1879 . DOI: 10.12082/dqxxkx.2024.240135

Abstract

In China, the majority of cities are currently transitioning from incremental planning to inventory planning. The implementation of inventory planning still relies on incremental planning as its foundation, with the two approaches complementing each other and developing in coordination. During this transition, the new national spatial planning system emphasizes the hierarchical transmission of planning, guiding and constraining urban development progressively from macro to micro levels. This study is based on a multi-level Vector Cellular Automata (VCA) model. We use land use data from Jiangyin City in 2012 as the foundation to simulate and analyze land use changes in 2017, and then verify the accuracy of the VCA model. Subsequently, adhering to the spatiotemporal patterns of stock renewal and incremental development, parameters are adjusted and area allocations are made separately to integrate these two indicators. They are then incorporated into the multi-level VCA model. This approach allows for a multi-level simulation of urban spatial growth, considering both stock renewal and incremental development. Then, this approach is applied to predict and analyze multiple scenarios of land use growth in Jiangyin City in 2027 within the context of stock planning. The conclusions of the study are as follows: ① The multi-level VCA decomposes differential driving forces from top to bottom and transmits them collaboratively from bottom to top, achieving both the implementation of upper-level control indicators and fine-grained control of land use simulation. ② The multi-level VCA assigns differentiated speed parameters to different regions, fully considering the spatial heterogeneity of driving factors and land distribution. The overall Figure of Merit (FoM) reaches 24.6%, which is 2.5% higher than that of the single-level VCA. At the local detail level, the multi-level VCA exhibits fewer misclassifications of different land use types and less encroachment on prohibited areas such as water bodies compared to single-level simulations, with better simulation results for linear land parcels. ③ Under the constraints of "baseline control-layered control-indicator control," with the increase in stock renewal speed, the expansion of newly predicted construction land in different scenarios remains within the range of planned control. The scale of expansion for newly predicted construction land is reduced, and it is concentrated in the West, South, and Southeast of Jiangyin city. This transition aligns with the growth boundaries and land layout structure designated in the master planning outline. In different scenarios, stock land renewal is dominated by industrial land, followed by rural construction land. ④ In scenarios (d) and (e), industrial renewal tends toward saturation, achieving overall balanced growth, serving as a key reference for future land use pattern development in Jiangyin City.

Key words： stock planning; land allocation; multi-level vector cellular automaton; urban spatial growth simulation; multi-scenario prediction

1 引言

1978年以来，在以发展为主导的增量规划的推动下，我国城市空间发展模式以粗放式外延扩展为主，这种模式会导致空间蔓延、资源短缺、环境污染等方面等一系列城市问题[1]。面对土地资源有限、生态系统退化的严峻形势，党的十八大、中央城镇化会议、十九大、二十大等重要会议相继提出“加快生态文明建设”、“控制城市无序蔓延，划定城市空间增长边界”、“划定三条控制线”、“健全主体功能区制度，优化国土空间发展格局”战略，标志着城市发展由粗放扩张向内涵提升、以及由增量规划向存量规划的转变，是关于“人的城镇化”主张的重要手段[2-3]。
存量规划是在保持建设用地总规模不变、城市空间不扩张的条件下，主要通过存量用地的盘活、优化、挖潜、提升而实现城市发展的规划[4]。目前关于存量规划与城市用地空间发展的探索主要聚焦于以下维度。① 存量规划与增量规划关系辨析。增量规划和存量规划主要根源于不同的土地利用模式，相关学者从用地方式、空间管制、结构布局、规模控制等方面探讨了增量规划向存量规划转型的差异性[5-6]。② 城市更新与空间优化路径分析。存量规划往往可以通过城市更新的方法促进建成区功能优化调整，有效挖掘和激活低效存量用地，特别是对老旧小区、历史街区、工业遗产和城中村等存量片区的功能进行改造提升已成为当前国土空间规划中推进城市更新的重要方向[7⇓-9]。③ 存量建设用地的再开发潜力评价。相关学者围绕未利用土地和低效利用土地的不同特征构建指标体系，采用主观评价[10]、客观评价[11]、主客观结合评价[12]等方法计算用地再开发潜力作用强度与次序，为存量规划背景下城市用地提质增效提供了参考。上述研究多以激活存量建设空间资源和提高资源配置效率为研究目标，忽略了“增量扩张”和“存量优化”并重发展对城市空间扩展的影响，缺乏将城市土地利用分布格局与二者的变化过程相结合的深入研究。在存量规划的视角下，存量规划的实施仍需以增量规划为基础，城市用地扩展的内容不仅涵盖了非建设用地向建设用地转变的新增加土地的拓展，即对外部增量土地的控制，同时强调城乡建设用地范围内的闲置未利用土地，利用不充分不合理、产出效率低的已建设用地内部功能转化和价值挖潜，即对内部存量土地的优化[13-14]。这突显了总量和总体结构等指导原则在引导城市用地规划中采用“自上而下”演绎途径的重要性。
城市用地空间扩展始终处于动态变化中，要进行科学的空间规划，就必须要理解国土空间的演变机理，并能实现预测[15]。目前国内外研究中常用的土地利用变化模拟模型主要有系统动力学（System Dynamics, SD）模型、元胞自动机（Cellular Automata，CA）模型、CLUE（Conversion of Land Use and Its Effects）系列模型、基于马尔科夫链的模型、多智能体（Multiple Agent System, MAS）模型等[16⇓⇓-19]。其中，CA模型因其强大的空间运算能力与复杂系统时空动态变化模拟能力等显著优势，已广泛应用于土地利用变化、城市扩展模拟等领域。尤其是在土地利用变化模拟中，CA模型采用“自下而上”的模拟方式，通过逐像元或逐地块考虑一定空间尺度邻域内的地类空间关系和转换规则模拟出复杂的全局特征，非常适用于开展城市空间增长及土地利用结构变化等领域的研究[20]。存量规划视角下的城市空间扩展研究关键在于根据城市空间发展阶段判断内部存量用地与外部增量用地规模，以此作为系统模拟城市空间发展方向的宏观约束条件[21⇓-23]。既有研究通常结合利用统计学、城乡规划学等相关理论与方法预测未来城市建设用地规模，在减去内部存量用地规模的基础上，以外部增量用地控制规模作为约束条件，综合扩展驱动因子和限制因子构建CA模型以实现城市空间增长模拟与预测。如郭嵘等[24]对建设用地进行再开发潜力评价，划定存量用地调整分区作为未来约束城镇空间发展的规模，利用CA模型模拟未来城市土地变化格局用于城镇开发边界划定。Ma等[25]在已有存量用地调整规模与空间范围的基础上，预测未来城市外部增量用地的控制规模用于外部增量用地的控制模拟，通过控制规模总量严格限制城市建设用地的扩张。上述研究涉及存量规划的研究均具有较好的模拟效果，但多限于城市外部增量用地的模拟，未关注到存量内部用地性质置换和更新。事实上，增量用地的增长规模与存量用地的更新规模的增减过程在不同发展阶段并非恒定不变的，而是呈现一个相互制约的反向变化趋势，反映了从外延式扩张向内涵式发展转型的更替变化过程。此外，受空间异质性影响，存量用地的更新速度在不同区域存在着差异[26]，这无疑会影响未来存量用地再开发的空间布局。
值此转型阶段，新的国土空间规划体系强调了规划的层级传导。由于元胞自动机模型缺乏层次体系的构建，无法将管控内容以层次的形式通过逐级传导对地块用地类型的转换进行直接的作用。孙毅中等[27]针对城市规划体系的约束性、引导性和传导性等特征，构建了一种多层次矢量元胞自动机模型。该模型通过各层次差异化指标计算和分层次差异化影响力度量的方式，完成了顾及层次结构和层次特征的转换规则的表达，能够较好地模拟城市用地结构的变化。Yang等[28]将该模型拓展到了区域协同发展过程中，实现了区域层面用地转换模拟的全过程的联动控制，进一步验证了多层次矢量CA模型的可行性和有效性。基于此，本文针对增量与存量用地更新规模的增减博弈过程，揭示存量与增量用地空间分配的时空差异性规律，进而将存量规划中的更新用地管控加入到多层次矢量CA中以约束和指引底层地块的演变过程。以江阴市2012年用地现状数据为基础，通过模拟和分析2017年土地利用变化情况，验证模型的精度，并在“底线管控-分层管控-指标管控”的指导下，进一步实现了对2027年江阴市多情景用地的模拟与预测。该模型对于存量规划下的城市更新、空间优化等有着重要的实际应用意义，同时也将为开拓城市更新相关领域的应用研究提供重要理论参考。

2 研究方法

本文研究思路大致分为以下步骤：① 在“全局-片区-地块”多层次元胞体系构建基础上，计算分层转换概率，统计每个地块各类用地转换的综合概率，并对模拟结果的精确性进行评估；② 结合城市规划人口目标，利用灰色GM(1,1)预测模型对未来城镇规模进行预测，在减去现状存量用地规模的基础上，以外部增量用地控制规模模拟和预测城市空间发展方向的宏观约束条件；③ 对上述构建的多层次矢量CA的相关参数进行更新，在片区层次将原始用地增长速度划分为新增建设用地面积和存量建设用地面积，并依据增减规律对二者分别进行参数控制实现二者增长指标地调整和面积分配，进而实现存量规划背景下的用地变化多情景预测与分析。技术路线如图1所示。
图1 顾及存量更新与增量发展不均速率的城市空间增长模拟框架

Fig. 1 Framework for urban spatial growth simulation considering uneven rates of stock renewal and incremental

2.1 多层次矢量元胞自动机模型

该模型主要包括多层次矢量元胞体系构建、分层次管控传导以及多层次矢量CA转换规则计算 3个模块。

2.1.1 多层次矢量元胞体系构建

多层次矢量CA具有显著的层次传递性，不同的管控粒度的传递方式主要是通过单元衔接，将不同单元内的约束强度进行一个层次传播。参考现有研究[27]将江阴市矢量元胞体系划分为全局、片区、地块3个层次。

2.1.2 分层次管控传导

以上述层次体系为参考，根据每个层次规划的空间特征以及管控粒度，将管控内容进一步划分为量的传导、二值约束、速度控制和概率转换4个方面，每个层次的传导内容如表1所示。
表1 “全局-片区-地块”层次传导内容

Tab. 1 "Global-District-Parcel" Hierarchical Transmission

层次 管控内容 管控形式
全局 建设指标总量、是否建设 转换总量+二值约束
片区 建设指标分量、建设速度 转换分量+转换速度
地块 建设潜力 转换概率
考虑到层次结构元胞的关联性，传递方式需要自上而下的传导和自下而上的更新2个方面。 ① 自上而下传导：全局层次的建设总量约束指标控制各分层指标的差异性分解，二值约束规则限制地块向某一用地类型转变的可能性，片区层次分解结果和转换速度限制分层内地块的转换总量与转换类型，地块层次通过邻域元胞之间的相互影响而约束转换过程，最终综合多个层次转换概率得到地块发生转换的概率。② 自下而上更新则描述的是底层地块转换结果对上层次约束转换速率的动态更新过程，底层元胞每次迭代都会以用地类型的变化作为结果，进而影响上层元胞的属性。

2.1.3 多层次矢量CA转换规则

以上述多层次矢量单元体系为基础，利用Markov-chain、随机森林等方法，从全局层次、片区层次、地块层次3个维度，根据各自的管控内容和管控特征，确定相应的转换规则以其对应的转换概率计算方法。基于此，统计每个地块各类用地转换的综合概率，采用轮盘选择机制完成对每个地块最终转换决策。
（1）全局转换规则
根据全局层次的管控特征，全局层次对用地类型转换的影响属于二值约束。从用地类型和建设发展的角度来看，城市总体规划将城市用地分为可建区和禁建区两大类，从整体上实现了对用地转换的顶层控制和强制约束。
P g l o b a l | i → j = 0                               可 建 区 1                               禁 建 区
式中： P g l o b a l | i → j表示全局转换概率； i → j表示用地类型为非建设用地的中心元胞向建设用地的转换过程；在可建区内，用地向建设用地转换的全局概率为1；而在禁建区内，用地向建设用地转换的全局概率为0。
（2）片区转换规则
根据片区层次的管控特征，片区转换规则可分为用地类型转换速度和转换概率2个方面。规划编制过程中，人口规模是进行用地总量预测和用地规模控制的基础，各片区人口规模的差异决定了各自用地需求和规模总量的差异。因此本文以江阴市片区人口规模差异为依据，根据每个片区内的规划人口规模将全局层次的建设用地增量按比例进行差异性分解，进行各片区用地总量的指标分配，进而通过建设用地转换速度控制系数来控制用地转换速度，而Markov-Chain可以确定用地类型随时间的变化趋势。
因此，片区转换概率 P r e g i o n | i → j可由Markov模型计算得到各片区用地类型之间的转换概率 P r e g | i → j和建设用地转换速度控制系数 C o n s p e e d _ n决定。根据每次迭代用地变化的结果，统计得到每一片区内建设用地总量占分区约束总量的比例，然后利用 P r e g | i → j上乘以 C o n s p e e d _ n，实现模拟过程自上而下的动态更新，计算公式如下：
P r e g i o n | i → j = P r e g | i → j ∙ C o n s p e e d _ n
C o n s p e e d _ n = f ( C o n _ l a n d n R e s r e g i o n _ n )
R e s r e g i o n _ n = R e s t o t a l _ a r e a ∙ P o p r e g i o n _ n P o p t o t a l
式中： C o n s p e e d _ n是关于建设用地增量与建设用地规模比值的函数； C o n _ l a n d n是第n个片区内建设用地面积； R e s r e g i o n _ n是第n个片区约束性建设用地分解的指标； R e s t o t a l _ a r e a是全局约束性建设用地指标； P o p r e g i o n _ n表示第n个片区内的规划人口； P o p t o t a l表示全局规划人口量。
（3）地块层次转换规则
地块层次的建设潜力这里考虑了区位特征和邻里特征的土地利用状态。区位特征主要表现为对于土地开发具有重要意义的空间驱动因子，邻里特征则反映了地块与地块在一定范围内之间的相互作用。本文选用随机森林模型来获得每个地块的开发适宜性概率 P s u s | i → j，即第i个非建设用地地块在时间t转换为第j个城市土地利用类型时的开发适宜性公式为：
P s u s | i → j = ∑ n - 1 M I ( h n x = = Y j ) M
式中：i是决策树集合的指示函数；M是决策树的总数； x是由地块中的空间驱动因子集辅助空间变量组成的高维向量； hn(x)则表示x的第n个决策树的预测类型，这是第i个非建设地块转换的每个决策树的土地利用变化类型结果。
邻里特征可通过邻域效应定量化表达，本文通过对地块面积比、距离比、邻接边长比的全局标准化处理与计算，利用指数函数来反应距离衰减效应完成对矢量元胞邻域效应的度量[28]。
N e i m _ i , n _ j   =   e d m , n d ∙ S n / S m - S m i n / S m S m a x / S m - S m i n / S m ∙ c b C                         相 邻 e d m , n / d ∙ S n / S m - S m i n / S i m S m a x / S m - S m i n / S m                             不 相 邻              
式中： N e i m _ i , n _ j表示中心元胞m受邻域地块n的影响力，i, j分别表示中心单元和邻域单元的用地类型；Sm、Sn分别表示中心单元和邻域单元的面积；cb、C分别表示2个单元之间的公共边界长度和中心单元的周长； d m , n、d分别表示2个单元的中心距离和为邻域所有地块到中心单元之间质心距离的平均值； S m a x、 S m i n分别为研究区所有地块中面积的最大值和最小值。最终确定矢量元胞在地块层次的转换概率 P n e i | i → j，如式（7）所示。
P n e i | i → j   = ∑ j N e i m _ i , n _ j
式中： P n e i | i → j代表邻域范围内地块转换为用地类型为j的邻域影响力累积值。

2.1.4 综合转换概率计算

在上述各层次转换规则约束下，以地块作为基本单元进行矢量CA模拟，每个元胞P的发展概率主要由5个因素组成，包括全局转换概率 P g l o b a l | i → j、片区转换概率 P r e g i o n | i → j、适宜性发展概率 P s u s | i → j、邻域效应 P n e i | i → j和随机因子RA，将上述5个因素相乘得到最终元胞的转换概率[20,27]：
P t r a n s | i → j = P g l o b a l | i → j ∙ P r e g i o n | i → j ∙ P s u s | i → j ∙ Ω ∙ R A        
式中： P t r a n s | i → j代表用地类型为i的中心地块向用地类型j转换最终转换概率，其值范围为[0,1]；为反映CA模型的不确定性，模拟中引入了随机因子RA = 1+ ( - l n γ ) α ；γ是0到1之间的随机数；α是控制随机性的参数，其值范围为[1,10]。
在得到元胞的总体转换概率后，本文选择轮盘选择机制[29]作为用地转换决策的最终手段。将每个地块作为待决策的个体，每个地块的综合转换概率为其对应的适应度函数，将是否发生转换作为决策目标。轮盘竞争机制由轮盘所占面积代表分配概率，反映了具有最高总体转换概率的土地利用类型最有可能被分配到地块上，而其他总体概率相对较低的土地利用类型仍有机会被分配。该机制的随机性特征使模型更好地反映了实际城市发展建设过程中的动态性和复杂性。

2.1.5 精度指标评价

为评估模拟城市扩张和土地利用变化过程中的最终精度，选择卡帕系数（Kappa）作为精度检验指标。Kappa值是一种2个独立模拟结果的比较指标，可以用来衡量2个模拟结果在评估相同样本时的协调度[30]，其计算公式为：
K a p p a = ( P a - P e ) ( 1 - P e )
式中：Pa是评估者之间的实际协调率，即模拟预测正确的地块数占总研究区域地块数的比例；Pe是预期的协调率，即在随机条件下期望的正确预测的地块比例。
对于实际城市土地利用转型和模拟城市土地利用的相关性的评估本文采用FoM系数来进一步确定模拟的准确性。FoM是评估真实过渡模式和模拟转换模式之间一致性的指标[31]，其等于观察到的变化和预测到的变化的交集与并集之间的比率，其计算公式为：
F o M   =   B / ( A + B + C + D )
式中：A表示实际土地利用变化但模拟结果不变化的误差；B表示发生真实变换且模拟结果正确改变的土地地块，；C表示已经发生转换且模拟实际上已经改变但模拟转换的类型与实际不匹配的错误；D表示土地利用转变在现实中没有发生但却在模拟情况下发生的误差。

2.2 增量用地与存量用地指标的时空分配策略

早期城市用地表现为外部扩展和内部更替同时进行，但以外部扩展为主，由此产生了存量和增量用地空间。随着时间的不断推移，城市增量用地空间发展越发饱和，于是产生了存量土地更新，即通过城市内部建设用地的存量挖潜，逐渐减少城市建设用地外部扩张规模，最终实现“存量规划”的绝对概念[24-25]。在城市建设用地增长总量和可开发用地确定的情况下，存量规划通过用地改造与更新，实现了建设用地指标的置换与建设用地面积的更新，最大限度地利用城市存量用地是推动城市空间从外延式扩张向内涵式发展转型的有效路径。鉴于此，在一规划期内，当建设用地的增长规模与速度保持固定时，增量用地的增长规模与存量用地的更新规模之间的增减关系在不同发展阶段并非保持不变，而是呈现一个相互制约的反向变化趋势。这一变化趋势反映了从外延式扩张向内涵式发展的渐进更替变化过程。最终二者的增减过程应呈现一个相互制约的反向变化趋势（图2）。
图2 增量用地和存量用地与用地规模总量的关系

Fig. 2 The Correlation between incremental and inventory land use in the context of overall land use scale

本文的城市用地优化模拟以年为用地更新时效，根据基期和预测的用地面积，计算2017—2027年每年各片区的用地更新速度。新增建设用地的初始速度可以通过建设用地变化速度减去用地更新速度得到。根据图2描述的存量用地与增量用地的空间更新策略与增长指标分配，新增建设用地速度和用地更新速度不是恒定的，且二者随着时间表现出具有相关联的增减规律，需要对矢量CA模型中的相关参数进行更新。具体而言，在片区层次将原始用地增长速度划分为新增建设用地面积和更新建设用地面积，并对二者分别进行参数控制，通过参数地调整实现2个增长指标地调 整和面积分配。具体计算过程如式（11）—式（13）所示。
S p e e d = S u p d a t e + S i n c r e a s e
S u p d a t e = w 1 × S _ 0 u p d a t e
S i n c r e a s e = w 2 × S _ 0 i n c r e a s e
式中： S p e e d表示模型迭代速度，此处设置为固定值； S u p d a t e、 S i n c r e a s e分别表示用地更新速度和新增建设用地速度；w1、w2分别表示二者的控制参数； S _ 0 u p d a t e、 S _ 0 i n c r e a s e分别表示用地更新和新增建设用地的初始速度。

3 研究区域概况及数据来源

3.1 研究区域概况

江阴市，坐落于江苏省南部（31°14′ N—31°57′ N, 119°59′ E—120°34′ E）。作为长江三角洲地区的县级市之一，江阴市是沿江先进制造业基地、充满活力的现代化港口城市，是江苏省沿江高新技术产业带的重要组成部分、区域性的商贸物流中心和交通枢纽。城市的快速建设发展给用地供给带来巨大压力，引发新增建设用地指标紧缺的问题[28,32]。根据《江阴市国土空间总体规划（2021－2035）》[33]中存量更新的相关内容，江阴市未来会持续推动城镇低效土地开发利用，严控总量、优化增量、盘活存量，引导城市加大“退二优二”、“退二进三”、“退二进绿”，引导低效用地有序退出，形成“以强度换空间、向存量要增量”的高质量利用模式。通过对江阴市用地模拟和预测的研究，可以为存量规划背景下城市土地管理和规划建设等政策的建立提供有力验证和技术支撑。

3.2 数据来源及处理

本文所需数据分为用地数据、驱动因子和分区数据3类（表2）。其中用地数据包含2007、2012和2017年3期现状用地数据，是模型运算的基础和概率计算的依据。为便于表达、计算以及模型构建，本文对江阴市用地现状数据的用地类型进行重新分类与编码，分别是居住用地（R）、商业用地（C）、工业用地（I）、公共服务用地（P）、交通用地（T）、乡村建设用地（V）、农用地（F（和其他用地（O）。由于城市扩张是一个高度分散的过程，若地块过于粗糙，无法作为基本的模拟单元，会直接影响模拟的准确性[39]。因此本文采用动态地块分裂（Dynamic Land Parcel Subdivision，DLPS）策略对地块进行切分[40]。2012—2017年建设用地地块数量从11 661块增加到 13 793块，增加了18.3%，其中占地面积最大的农用地呈递减趋势，占地面积最小的商业用地呈递增趋势。整体来说，随着城市发展的速度不断加快，非建设用地不断被侵占而呈现出逐渐减少的趋势而建设用地则呈现不断扩大的趋势。驱动因子选取自然要素、交通要素、城市格局和社会经济等数据作为驱动因子数据，对其进行距离栅格和核密度分析处理，并进行归一化统一处理到30 m分辨率的栅格数据，地理坐标系为CGCS2000大地坐标系且行列号保持一致。分区数据为多层次单元结构建立的依据，全局层次将江阴市市域划分为可建区和禁建区（图3(a)）；片区层次由中心城区、澄东片区、澄西片区、澄南片区和澄东南片区5个片区单元组成（图3(b))；地块层次则由用地数据的矢量图斑构成（图3(c)）。
表2 数据来源与分类

Tab. 2 Data sources and classifications

分类 数据名称 时间/年 数据来源
用地数据 江阴市用地现状数据 2007、2012、2017
2012、2017
2015—2020		 江阴市城乡规划设计院
江阴市道路现状数据
江阴市生态红线数据
江阴市待更新地块数据 2017
驱动因子 自然要素
（DEM高程、坡度）		 2012 地理空间数据云[34] (https://www.gscloud.cn/)
交通因素
（距水体的距离、距高速公路距离、距快速路距离、距城市主干道距离、距城市次干道距离）		 2012 地理空间数据云[34] (https://www.gscloud.cn/)
城市格局
（距城市中心距离、距城镇中心距离）		 2012 资源环境科学与数据平台[35] (http://www.resdc.Cn)
社会经济
（夜间灯光）		 2012 NOAA National Centers for Environmental Information (NCEI) [36] (https://www.ngdc.noaa.gov/eog/viirs/)
分区数据 江阴市建设分区数据 2015—2020
2015—2020
2015—2020
2012		 江阴市城乡规划设计院
江阴市行政区划与规划分区数据
江阴市城镇增长边界与储备用地边界
《江阴市城市总体规划(2011－2030)》[37]
规划文本 《江阴市国土空间总体规划(2021－2035)》[33] 2022 江阴市人民政府，江阴市自然资源和规划局
《江阴市生态红线区域保护规划(征求意见稿)》[38] 2014
图3 不同层次的江阴市用地单元

Fig. 3 Hierarchical system of Jiangyin City

4 结果分析与讨论

4.1 用地模拟与结果分析

4.1.1 转换规则分解计算

（1）全局转换规则
根据《江阴市生态红线区域保护规划（征求意见稿）》[39]中的要求，江阴市域范围被划分为可建设区（187.5 km2）和禁建区（500 km2） 2种类型，如图4所示。根据式（1），在可建区域内用地向建设用地转换的全局概率为1，在禁建区域内用地向建设用地转换的全局概率为0。
图4 江阴市用地转换全局层次约束

Fig. 4 Global constraints on land use conversion in Jiangyin City

（2）片区转换规则
在片区层次上需要定量化表示不同片区间的转换概率和发展速度控制系数。以2007年和2012年的用地数据为基础，统计利用Markov-chain模型，统计计算得到2007—2012年各片区内用地转移概率（ P r e g | i → j）。不同类型用地在不同片区的分布各不相同，所涵盖的驱动因子也不相同，因而不同片区内用地类型之间的转移概率存在较大的差别。如图5所示，在保留一定建设用地的基础上，建设用地内部和非建设用地转移到建设用地的转移概率较大，说明这五年间的建设用地发展迅速。细分到各个片区，不同用地类型的转移概率差别较大，建设用地相对聚集的中心城区和澄东片区的建设用地转移概率相对均衡，而建设用地分布较稀疏的澄西、澄南和澄东南片区的建设用地转移概率差别较大，例如主要分布在中心城区和澄西片区的商业用地，其转移概率在零星分布的澄东、澄南和澄东南片区就几乎不变，而在中心、澄西片区转移概率就较均衡，这一现象说明规划分区之间的建设强度具有差异性，所以对地块单元模拟速度进行分区控制是有必要的。
图5 2007—2012年江阴市及片区用地转换概率

Fig. 5 Land conversion probability in Jiangyin city and its districts from 2007 to 2012

为了控制分区用地增长速度，结合片区的规 划人口指标和市域建设用地面积约束指标，利用 式（2）对全局建设用地指标进行了差异性分解。本文采用灰色GM（1,1）模型选取江阴市2012—2017年人口数据进行误差检验，相对残差小于0.005，方差比为0.016 6，小误差概率为1，精度理想[41]，进一步对2018—2027年的人口规模进行预测。市域建设用地面积约束指标参考《城市用地分类与规划建设用地标准》[42]规划人均城市建设用地标准计算而得，并以5年为期限（2012—2017年）计算建设用地的初始年增长速度（表3）。
表3 2012—2017建设用地的初始年增长速度

Tab. 3 The initial annual growth rate of construction land from 2012 to 2017

精度指标 片区 市域范围
中心 澄东 澄西 澄南 澄东南
规划人口/万人 40.71 24.13 28.06 18.64 13.73 125.27
2012年建设用地/km2 127.43 75.53 87.84 58.35 42.98 392.13
2017年建设用地指标/km2 136.34 80.81 93.98 62.43 45.98 419.54
建设用地增速/（km2/年） 1.782 1.056 1.228 0.816 0.600 5.482
（3）地块转换规则
对土地利用数据和驱动因子数据进行预处理后，采用随机森林模型进行训练，70%的抽样数据用作训练数据，其余30%用作验证数据，以评估模型的准确性。建立了90个决策树，并利用30%的袋外样本OOB (Out of bag)数据进行了交叉验证，从而确保结果的最大可靠性。在获取总体发展概率训练文件后（图6），将邻域半径大致确定在200~900 m之间，搜索步长设置为100 m，对比模拟结果的精度可知邻域半径选择700时精度最高，故本文选用700的邻域半径和5的迭代次数进行CA模拟。
图6 江阴市2012—2017年不同用地类型的总体适宜性发展概率

Fig. 6 Overall suitability development probability of different land use types in Jiangyin city from 2012 to 2017

4.1.2 模型验证与模拟结果分析

以2012年的用地数据为基础，计算每个地块单元对应的分层概率开展2017年用地模拟工作，并增加单层次VCA（仅考虑地块层次）作为对比实验。以2017年的用地数据为参照，确定每个单元实际转换与否的情况，得到如图7(a)和图7(b)所示的模拟结果。无论是多层次VCA还是单层次VCA，整体模拟结果与真实用地相近，计算市域范围和各分区的模拟精度如表4所示。可以看出，多层次模拟结果的精度较单层次精度好，片区FoM值都大于或接近于22%，整体达到了24.6%，且多层次各片区的建设用地模拟结果比单层次的结果更接近实际的建设用地面积，优势明显。
图7 基于多层次VCA和单层次VCA的江阴市2017年用地模拟结果对比

Fig. 7 Comparisons of land use simulation results for Jiangyin City in 2017 based on Multilevel-VCA and Single-level VCA

表4 基于多层次VCA和单层次VCA的江阴市2017年模拟结果精度对比

Tab. 4 Comparisons of simulation accuracy for Jiangyin City in 2017 based on Multilevel-VCA and Single-level VCA

精度指标 片区 市域范围
中心 澄东 澄西 澄南 澄东南
单层次模拟结果Kappa 0.829 0.813 0.862 0.837 0.797 0.831
多层次模拟结果Kappa 0.771 0.801 0.835 0.794 0.789 0.856
单层次模拟结果FoM 0.256 0.192 0.239 0.215 0.193 0.221
多层次模拟结果FoM 0.226 0.240 0.236 0.215 0.221 0.246
单层次建设用地模拟面积/km2 106.390 88.100 78.620 66.240 60.760 400.110
多层次建设用地模拟面积/km2 110.220 91.770 81.420 69.840 57.260 410.510
2017年建设用地面积现状/km2 111.160 91.350 83.340 67.970 57.860 411.680
多层次VCA给予不同片区差异化的速度参数，充分顾及到了驱动因子与用地分布的空间异质性。譬如，澄南片区的FoM值相对较小，这是因为澄南地区多由农用地等非建设用地和生态红线等禁建区组成，转移概率较小，多层次VCA模拟更多的是捕捉地块变化的概率，因此不同片区的FoM随其用地分布差异而有高有低，从而验证了采用多层次矢量CA的科学性和合理性。进一步选取城市发展较为成熟的城市主中心区域和正跟进发展的南部特色中心部分区域的局部放大图来对比分析不同模型模拟结果的差异（图8）。在建设用地分布密集的城市主中心区域中，2个模型对于居住用地的模拟都比真实情况要少，单层次的模拟结果更多的是把居住用地错分为交通用地和农用地，错分的地块较大，错误明显，而多层次的模拟结果更多的是把其错分为商业用地和农用地，错分的地块小且少。在跟进发展的南部特色区域中多分布着水域等禁建区，多层次能很好地绕着禁建区周围发展，单层次则出现少许的侵占水域的现象。对于主要呈条状地块的交通用地，多层次能较好地保留且正确模拟出来，单层次模型对其捕捉能力较弱。总的来说，多层次模型从全局到细节都能比单层次模型更好地模拟土地利用变化情况。
图8 基于多层次VCA和单层次VCA的江阴市2017年模拟局部细节特征对比

Fig. 8 Comparisons of simulation local details for Jiangyin City in 2017 based on Multilevel-VCA and Single-level VCA

4.2 存量规划下的用地预测

4.2.1 待更新用地置换

根据《江阴市城市总体规划（2011－2030）》[37]中旧区更新的相关内容，江阴市将其规划期内所要进行更新的地块划分为旧城区、旧城镇、旧居住区与城中村、工业用地4类。考虑到不同类型用地的改造策略、改造程度、用地影响等的差异，本文以空间分布特征较显著、更新迫切程度较高、用地占比面积较大的低效工业用地为更新改造对象（图9）。
图9 江阴市2017年待更新地块分布

Fig. 9 Renewal land parcels in Jiangyin city in 2017

在存量规划背景下，从用地更新的角度对江阴市用地发展情况进行预测。本文以2017年用地数据为基础，根据各片区需要更新的地块统计得到各行政区内所要进行更新地块的面积，同时在所划分的用地类型的基础上，对待更新的地块重新编码为新的用地类型代码9。根据各片区待更新用地结果，进行建设用地指标更新。以2017年实际建设用地面积为基础，将所统计的待更新建设用地面积从实际建设用地面积中减去，实现建设用地面积的更新与置换，结果如表5所示。
表5 江阴市2017年各片区用地置换结果

Tab. 5 Land replacement results for each area in Jiangyin city in 2017 (km2)

片区 建设用地
面积		 待更新用地
面积		 建设用地
面积更新
中心 135.09 20.82 114.27
澄东 80.07 9.30 70.77
澄西 93.11 6.33 86.78
澄南 61.85 0.00 61.85
澄东南 45.56 0.00 45.56
市域 415.68 36.45 379.23
以人均建设用地标准为基础，采用上述灰色预测人口规模对2027年的建设用地面积进行预测。通过式（4）计算出各个片区的2027年的建设用地面积，从而根据置换后的2017年实际建设用地面积计算出预测期能可增加的建设用地总量。最终计算结果如表6所示。
表6 各片区2017年建设用地面积与2027年预测面积

Tab. 6 The area of construction land in 2017 and the area predicted in 2027 in each area (km2)

片区 2017年建设
用地面积/km2		 2027年预测建设
用地面积/km2		 建设用地增量
速率/(km2/年)
中心城 114.270 141.000 2.673
澄东 86.780 97.190 1.041
澄西 70.770 83.580 1.281
澄南 61.850 64.560 0.271
澄东南 45.560 47.550 0.199
市域 379.230 433.880 5.465

4.2.2 存量与增量用地的空间分配

以年为用地更新时效，根据基期和预测的用地面积，计算2017—2027年每年各片区的用地更新速度。新增建设用地的初始速度可以通过建设用地变化速度（表6）减去用地更新速度得到，最终计算结果如表7所示。对构建的矢量元胞自动机的相关参数进行更新，在片区层次通过二者参数地调整实现2个增长指标地调整和面积分配。
表7 2027年各片区初始更新速度与初始新增用地速度

Tab. 7 The initial renewal rate and the initial new land use rate of each area in 2027 (km2/年)

片区 初始新增用地
速度 S _ 0 u p d a t e		 初始用地更新
速度 S _ 0 i n c r e a s e
中心 0.591 2.082
澄西 0.111 0.930
澄东 0.648 0.633
澄南 0.271 0.000
澄东南 0.199 0.000
市域 1.820 3.645

4.2.3 用地预测与情景分析

根据图2描述的情况，存量用地与增量用地分别表现为递增和递减的趋势，对应参数w1和w2分别表现为增长和减小的过程。本文共设置两个用地预测情景（表8），选取6组参数来控制不同情景下存量与增量用地发展规模（表9），完成从2018—2027年的城市建设用地预测。其中情景一中存量更新与增量扩张均为匀速发展，故w1和w2取固定值1。情景二中存量用地表现为加速更新状态，增量用地则控制在低速发展状态，本文在设置情景二的参数时，以用地更新速度为变化基础，不断提升存量用地更新速度，即提高w1，将城市的发展重心从外部增量向内部存量转移（w1>1, w2<1）。参考式(11)—式(13)和表7中计算所得初始速度可得w2取值应在0.1~1.0之间，与之相对应的w1的取值范围应在1.0~2.8之间。因而自2018年开始取w1初始值为1，步长为0.1，幅度为0.02，使得情景二(a)—情景二(e)中的存量用地更新速度逐步增加，且更新速度变化幅度增大，再结合公式计算对应的w2的参数值，完成存量用地和增量用地的调配。显然，在w1和w2二者之和一定的情况下，w1增大，则w2减小，即相应的新增建设用地速度减小。
表8 2027年2种存量更新-增量发展情景设置

Tab. 8 Scenarios of stock renewal and incremental development set for 2027

情景 存量更新情景 增量发展情景 说明
一 匀速 (w1=1) 匀速 (w2=1) 建设用地增长规模确定的情况下，存量更新与增量扩张速度固定不变
二 加速 (w1>1) 低速 (w2<1) 建设用地增长规模确定的情况下，存量更新速度加快，增量扩张速度减缓，实现从“扩增量”到“优存量”的转变
表9 不同情景对应的控制参数

Tab. 9 Control parameters for different scenarios

情景 参数 2018年 2019年 2020年 2021年 2022年 2023年 2024年 2025年 2026年 2027年
一 w1/w2 1/1 1/1 1/1 1/1 1/1 1/1 1/1 1/1 1/1 1/1
二(a) w1/w2 1/1 1.1/0.95 1.2/0.9 1.3/0.85 1.4/0.8 1.5/0.75 1.6/0.7 1.7/0.65 1.8/0.6 1.9/0.55
二(b) w1/w2 1/1 1.12/0.94 1.24/0.88 1.36/0.82 1.48/0.76 1.6/0.7 1.72/0.64 1.84/0.58 1.96/0.52 2.08/0.46
二(c) w1/w2 1/1 1.14/0.93 1.28/0.86 1.42/0.79 1.56/0.72 1.7/0.65 1.84/0.58 1.98/0.51 2.12/0.44 2.26/0.37
二(d) w1/w2 1/1 1.16/0.92 1.32/0.84 1.48/0.76 1.64/0.68 1.8/0.6 1.96/0.52 2.12/0.44 2.28/0.36 2.44/0.28
二(e) w1/w2 1/1 1.18/0.91 1.36/0.82 1.54/0.73 1.72/0.64 1.9/0.55 2.08/0.46 2.26/0.37 2.44/0.28 2.62/0.19
最终2个情景的模拟结果分布如图10所示。为体现江阴市“底线管控”的思想，进一步验证预测结果的科学性，本文将预测用地结果与江阴市城镇增长边界和城镇储备用地边界进行叠加，分析用地的增长情况与边界管控的关系，分别如图11所示。对比每个情景的用地预测结果和边界叠加效果图可以看出，预测结果中建设用地在中心片区聚集式发展，向西向东扩张明显，形成与《江阴市国土空间总体规划（2021—2035）》[33]中相一致的北部城市集中建设区与南部农业生态开敞区并行发展的城市空间开发保护格局。不同情景下预测的新增建设用地的扩张情况均保持在规划控制的范围之内，与规划划定的增长边界和用地布局结构相吻合。
图10 江阴市2027年不同情景下用地预测结果

Fig. 10 Forecast results of land use under different scenarios in Jiangyin city in 2027

图11 江阴市2027年不同情景下城市扩张与边界叠加图

Fig. 11 Overlay of urban sprawl and boundaries under different scenarios in Jiangyin city in 2027

进一步对不同情景下的用地增长情况进行量化分析，得到各情景下较2017建设用地增长情况（图12）。随着存量用地的更新速度的提升，待更新的存量用地规模显著降低，在完成用地建设总量指标的同时，实际建设用地的总量却呈下降趋势，相对应的增量用地的扩张速度逐步降低。可以看出，2017—2027年建设用地的稳定增长主要集中在澄西片区、澄南片区和澄东南片区。这3个片区在2017年时建设用地所占规模较小，发展空间大，扩张明显，反映了城市建设用地主要向东向西、次要向南发展战略；中心城区和澄东地区的建设用地已然达到饱和状态，增量较小，主要发生低效用地的置换更新，随着存量更新的加快，中心城区的建设用地增量最小，反映了从“扩增量”到“优存量”的明显转变。总体来说与规划文本中的“南北两片区”结构相似，北部主要是城市集中建设区而南部多为乡村建设用地分布的农业生态开敞区。此外，新增用地多围绕江阴主城、临港与澄东副城填充扩张，“一主两副、组团发展”的空间格局进一步加强，这一现象也与2012—2017年的用地模拟结果相似，且在此基础上呈现蔓延扩张的趋势，体现了在规划政策的指导下，江阴市正逐步实现从城镇快速扩展到城市有序更新的发展思路的转变。
图12 江阴市2027年不同情景的增量用地和存量用地增长情况

Fig. 12 Growth of incremental and stock land use in Jiangyin City under different scenarios for 2027

江阴市存量用地主要分布于中心城区、澄东片区和澄西片区（图9），通过观察存量用地变化表（表10）可以看出，随着控制参数w1与w2的加入，存量用地的更新速度随之加快待更新用地的占比越来越少，整体的更新方向以工业用地为主导，乡村建设用地次之，其他建设用地的转换比例较小。其中，情景一和情景二(a)、(b)、(c)中存量用地大量转化为工业用地，乡村建设用地转换量次之。值得注意的是，情景一是以存量控制增量规模的常规研究方法，存量地块的更新规模最小。情景一和情景二的(a)、(b)、(c)虽然存量转换明显，但存在部分建设用地缺失的情况，商业用地一直到情景二(d)、情景二(e)才出现在存量转换的对象中（图13b(5)、图13b(6)），这说明虽然整体模拟结果中外部扩张未越过红线，但由于内部开发时序不合理会导致配套设施滞后的问题。以情景二(d)、情景二(e)为控制参数的发展结果中，工业更新趋于饱和，配套设施较为完善，整体实现均衡增长，预计工业存量转型已进入缓慢而成熟的阶段，以粗放式的转型发展过渡到小区域范围的精细化功能补充。为实现江阴市“以强度换空间、向存量要增量”高质量利用模式的愿景，进行未来用地格局预测时应以情景二(d)、情景二(e)的参数为主要参考。
表10 2027年江阴市存量用地变化

Tab. 10 Changes in inventory land use in Jiangyin city in 2027 (km2，%)

用地类型 2017年 情景一 情景二(a) 情景二(b) 情景二(c) 情景二(d) 情景二(e)
转移量 占比 转移量 占比 转移量 占比 转移量 占比 转移量 占比 转移量 占比 转移量 占比
居住用地 3.17 8.69 0.01 0.04 0.29 0.80 0.62 1.70 0.64 1.76 1.09 3.00 1.33 3.65
商业用地 0.07 0.19 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.22 0.60 0.53 1.45
工业用地 31.53 86.52 2.37 6.49 8.32 22.82 11.22 30.78 15.39 42.22 21.43 58.79 22.40 61.45
公共服务 0.26 0.71 0.001 0.004 0.19 0.52 0.29 0.80 0.18 0.49 0.07 0.19 0.70 1.92
交通用地 0.81 2.22 0.02 0.04 0.66 1.81 0.66 1.81 0.69 1.90 0.14 0.38 1.86 5.10
乡村建设 0.61 1.67 0.44 1.20 4.09 11.23 4.33 11.88 5.33 14.62 4.40 12.07 4.48 12.30
待更新 - - 33.61 92.22 22.90 62.82 19.33 53.03 14.22 39.01 9.10 24.97 5.15 14.13
图13 江阴市2027年存量用地更新细节图

Fig. 13 Detailed map of inventory land renewal in Jiangyin city in 2027

细化到片区，存量用地的更新区域主要发生在中心城区和澄东片区（图13）。这2个区域由于地理优势发展起步早，用地的已建设程度较高，可扩张空地少，存量用地占比大，是存量更新的重点区域。中心城区在《江阴市国土空间总体规划（2021—2035）》[33]中被打造成致力于推进升级改造工业产区的的高新技术核心区，且该区域的存量转移方向确以工业用地为主，符合《江阴市城市总体规划（2011—2030）》[37]“退二优二”的政策导向（图13a(1)—图13a(6)）。澄东片区的转换方向以工业为主，乡村建设次之，且出现部分工业转乡村建设的现象。澄东片区在《江阴市国土空间总体规划（2021—2035）》[33]中被打造以综合服务功能为主的副城市中心，部分工业转乡村建设以改善人居环境的现象符合《江阴市城市总体规划（2011—2030）》[37]“退二进居”的政策导向（图13b(1)—图13b(6)）。而《江阴市城市总体规划（2011—2030）》[37]中以商业用地等金融服务用地为主的“退二进三”的政策导向并没有被很好地模拟出来，因此仍需对模型做出改进。

5 结论与展望

本文基于多层次矢量元胞自动机模型实现了存量规划背景下城市空间增长模拟，依据存量更新与增量发展的时空增减更替变化规律，分别进行参数控制以实现二者指标的调整和面积分配，从而完成“底线管控-分层管控-指标管控”指导下的江阴市2027年多情景用地增长预测与分析。研究结论如下：
（1） 存量规划视角下的城市空间扩展研究在厘清城市空间发展阶段判断内部存量用地与外部增量用地更替变化规律的基础上，需要考虑规划体系自上而下、整体到局部的层次管控影响机制。目前传统矢量CA模型缺乏层次体系的构建，无法将管控内容以层次的形式逐级传导对地块用地类型的转换进行直接的作用。而多层次矢量CA模型可通过各层次差异化指标计算和分层次差异化影响力度量的方式，既完成了上层管控的指标落实，又实现了底层用地模拟的精细化控制，使得规划更好地发挥对用地的管控约束作用和空间调控。
（2） 多层次VCA根据每个片区内的规划人口规模将全局层次的建设用地增量按比例进行差异性分解，同时将存量用地参与到土地利用模拟的过程中，结合各片区的用地现状与规划差异控制不同的发展速度，充分顾及到了用地演变的空间异质性。模拟结果表明多层次VCA比单层次VCA的模拟精度要好，片区FoM值都大于或接近于22%，整体FoM达到了24.6%。局部细节特征上，多层次VCA对不同用地类型的错分情况以及对水域等禁建区的侵占情况要比单层次的模拟结果少，且对条状地块的模拟效果更好。
（3） 存量更新的速度随着控制参数的增加而显著提升，一方面不同情景下的整体增量用地扩张规模均保持在规划控制的范围之内，另一方面建设用地在中心片区聚集式发展，向西向东扩张明显，且集中在澄西、澄南和澄东南3个片区，这与规划划定的增长边界和用地布局结构相吻合。
（4） 就江阴市的案例而言，存量用地的更新方向以工业用地为主导，乡村建设用地次之，其他建设用地的转换比例较小。情景一和情景二中的(a)、(b)、(c)受限于内部开发时序不合理，导致出现工业用地配套设施滞后的问题，而以情景二中(d)、(e)为控制参数的发展结果中，工业更新趋于饱和，配套设施较为完善，整体实现均衡增长，因此若进行未来用地格局预测时可以以情景二中(d)、情景二(e)的参数为主要参考。
值得注意的是，规划对象由增量转向存量之后，存量更新用地的识别则需根据每个城市的规模、等级以及发展阶段而异。多层次矢量元胞自动机模型是在国土空间规划体系背景下提出来的，存量规划下“用地管控”同样需要通过层次传递实现全局的“结构指引”和“空间分布”到底层地块的“精准布局”和“指标落地”，但如何在存量管控模拟中优化调整控制参数，以提高模拟预测的可控性和灵活性是一个关键问题。另外，如何在模拟过程中综合利用更多的驱动因子或采用其他机器学习方法以提高模拟预测的准确性也是一个重要的研究方向。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陆大道, 陈明星. 关于“国家新型城镇化规划(2014—2020)” 编制大背景的几点认识[J]. 地理学报, 2015, 70(2):179-185.

DOI

[Lu D D, Chen M X. Several viewpoints on the background of compiling the "National New Urbanization Planning (2014-2020)"[J]. Acta Geographica Sinica, 2015, 70(2):179-185.] DOI:10.11821/dlxb201502001

[2]
邹兵. 由“增量扩张”转向“存量优化”——深圳市城市总体规划转型的动因与路径[J]. 规划师, 2013, 29(5):5-10.

[ Zou B. From physical expansion to built-up area improvement: Shenzhen master plan transition forces and paths[J]. Planners, 2013, 29(5):5-10.] DOI:10.3969/j.issn.1006-0022.2013.05.001

[3]
赵冠宁, 司马晓, 黄卫东, 等. 面向存量的城市规划体系改良:深圳的经验[J]. 城市规划学刊, 2019,(4):87-94.

[Zhao G N, Sima X, Huang W D, et al. Urban planning system transformation towards the redevelopment of existing urban land: The experience of Shenzhen[J]. Urban Planning Forum, 2019,(4):87-94.] DOI:10.16361/j.upf.201904011

[4]
邹兵. 增量规划向存量规划转型:理论解析与实践应对[J]. 城市规划学刊, 2015(5):12-19.

[Zou B. The transformation from greenfield-based planning to redevelopment planning: theoretical analysis and practical strategies[J]. Urban Planning Forum, 2015(5):12-19.] DOI:10.16361/j.upf.201505001

[5]
邹兵. 存量发展模式的实践、成效与挑战——深圳城市更新实施的评估及延伸思考[J]. 城市规划, 2017, 41(1):89-94.

[Zou B. Practices, effects, and challenges of the inventory development pattern: The assessments and extended thoughts of urban renewal implementation in Shenzhen[J]. City Planning Review, 2017, 41(1):89-94.] DOI:10.11819/cpr20170113a

[6]
李志强, 钱雨果, 周伟奇, 等. 从“增量扩张”到“存量优化”:深圳市景观格局内部动态与优化[J]. 生态学报, 2021, 41(5):1738-1746.

[Li Z Q, Qian Y G, Zhou W Q, et al. From “increment expansion” to “inventory optimization”: internal dynamics and optimization of landscape pattern in Shenzhen[J]. Acta Ecologica Sinica, 2021, 41(5):1738-1746.] DOI:10.5846/stxb202001140112

[7]
林坚, 叶子君, 杨红. 存量规划时代城镇低效用地再开发的思考[J]. 中国土地科学, 2019, 33(9):1-8.

[Lin J, Ye Z J, Yang H. Thoughts on the underused urban land redevelopment in the era of inventory planning[J]. China Land Science, 2019, 33(9):1-8.] DOI: 10.11994/zgtdkx.20190909.090011

[8]
吴志强, 伍江, 张佳丽, 等. “城镇老旧小区更新改造的实施机制”学术笔谈[J]. 城市规划学刊, 2021(3):1-10.

[Wu Z Q, Wu J, Zhang J L, et al. Symposium on implementation mechanism of renewing old urban quarters[J]. Urban Planning Forum, 2021(3):1-10.] DOI:10.16361/j.upf.202103001

[9]
李震, 赵万民. 国土空间规划语境下的城市更新变革与适应性调整[J]. 城市问题, 2021(5):52-60.

[Li Z, Zhao W M. Urban renewal reform and adaptive adjustment in the context of territorial spatial planning[J]. Urban Problems, 2021(5):52-60.] DOI: 10.13239/j.bjsshkxy.cswt.210506

[10]
冯长春, 程龙. 老城区存量土地集约利用潜力评价——以北京市东城区为例[J]. 城市发展研究, 2010, 17(7):86-92.

[Feng C C, Cheng L. Research on evaluating land intensive use of the stock land in ancient city: Dongcheng district of Peking as an example[J]. Urban Development Studies, 2010, 17(7):86-92.] DOI:10.3969/j.issn.1006-3862.2010.07.015

[11]
刘晶, 金晓斌, 张志飞, 等. 低效(闲置)铁路存量用地综合开发利用策略分析:方法与实证[J]. 自然资源学报, 2017, 32(3):377-390.

DOI

[Liu J, Jin X B, Zhang Z F, et al. Comprehensive development and utilization strategy of inefficient and idle railway land: Methods and cases study[J]. Journal of Natural Resources, 2017, 32(3):377-390.] DOI:10.11849/zrzyxb.20160424

[12]
Han B, Jin X B, Wang J X, et al. Identifying inefficient urban land redevelopment potential for evidence-based decision making in China[J]. Habitat International, 2022, 128:102661. DOI:10.1016/j.habitatint.2022.102661

[13]
莫正玺, 叶强, 赵垚. 我国存量建设空间利用的政策、理论与实践演进脉络[J]. 经济地理, 2022, 42(6):156-167.

DOI

[Mo Z X, Ye Q, Zhao Y. The evolutionary context of policies, Theories and practices for the utilization of stock construction space in China[J]. Economic Geography, 2022, 42(6):156-167.] DOI: 10.15957/j.cnki.jjdl.2022.06.016

[14]
黄梦石. 存量规划视角下哈尔滨城市建设用地调控研究[D]. 哈尔滨: 哈尔滨工业大学, 2019.

[Huang M S. Research on Urban Construction Land Regulation Based on Inventory Planning in Harbin[D]. Harbin: Harbin Institute of Technology, 2019.] DOI:10.27061/d.cnki.ghgdu.2019.000372

[15]
黎夏, 刘小平. “三规合一”服务的空间信息技术:地理模拟与优化[J]. 遥感学报, 2016, 20(5):1308-1318.

[Li X, Liu X P. Spatial information technology for facilitating "three-plan integration" using geographical simulation and optimization[J]. National Remote Sensing Bulletin, 2016, 20(5):1308-1318.] DOI:10.11834/jrs.20166161

[16]
杨俊, 解鹏, 席建超, 等. 基于元胞自动机模型的土地利用变化模拟——以大连经济技术开发区为例[J]. 地理学报, 2015, 70(3):461-475.

DOI

[Yang J, Xie P, Xi J C, et al. LUCC simulation based on the cellular automata simulation: A case study of Dalian Economic and Technological Development Zone[J]. Acta Geographica Sinica, 2015, 70(3):461-475.] DOI:10.11821/dlxb201503009

[17]
戴云哲, 杨建新, 龚健, 等. AutoPaCA:耦合过程-模式的城镇空间增长模拟模型[J]. 地球信息科学学报, 2022, 24(1):87-99.

DOI

[Dai Y Z, Yang J X, Gong J, et al. AutoPaCA: Coupling process and spatial pattern to simulate urban growth[J]. Journal of Geo-Information Science, 2022, 24(1):87-99.] DOI:10.12082/dqxxkx.2022.210421

[18]
蔡玉梅, 刘彦随, 宇振荣, 等. 土地利用变化空间模拟的进展——CLUE-S模型及其应用[J]. 地理科学进展, 2004, 23(4):63-71,115.

[Cai Y M, Liu Y S, Yu Z R, et al. Advances in spatial simulation of land use change: the CLUE-S model and its applications[J]. Progress In Geography, 2004, 23(4):63-71,115.] DOI:10.3969/j.issn.1007-6301.2004.04.008

[19]
刘小平, 黎夏, 陈逸敏, 等. 基于多智能体的居住区位空间选择模型[J]. 地理学报, 2010, 65(6):695-707.

[Liu X P, Li X, Chen Y M, et al. Agent-based model of residential location[J]. Acta Geographica Sinica, 2010, 65(6):695-707.] DOI:10.11821/xb201006007

[20]
李岩, 林安琪, 吴浩, 等. 顾及空间尺度效应的城市土地利用变化精细化模拟[J]. 地理学报, 2022, 77(11):2738-2756.

DOI

[Li Y, Lin A Q, Wu H, et al. Refined simulation of urban land use change with emphasis on spatial scale effect[J]. Acta Geographica Sinica, 2022, 77(11):2738-2756.] DOI:10.11821/dlxb202211004

[21]
方创琳, 李广东, 张蔷. 中国城市建设用地的动态变化态势与调控[J]. 自然资源学报, 2017, 32(3):363-376.

DOI

[Fang C L, Li G D, Zhang Q. The variation characteristics and control measures of the urban construction land in China[J]. Journal of Natural Resources, 2017, 32(3):363-376.] DOI:10.11849/zrzyxb.20160361

[22]
梁嘉洋. 存量规划视角下礼泉县中心城区城镇开发边界划定研究[D]. 西安: 长安大学, 2022.

[Liang J Y. Research on the Delimitation of Urban Development Boundary in the Central Urban Area of Liquan County from the Perspective of Stock Planning[D]. Xi’an: Changan University, 2022.] DOI: 10.26976/d.cnki.gchau.2022.000386

[23]
周垠, 龙瀛. 存量、增量之辩下的城镇用地开发与模拟研究——以成都市为例[J]. 地理与地理信息科学, 2016, 32(5):45-51.

[Zhou Y, Long Y. Urban development analysis and simulation to address inventory and increment planning: A case study of Chengdu[J]. Geography and Geo-Information science, 2016, 32(5):45-51.] DOI:10.3969/j.issn.1672-0504.2016.05.007

[24]
郭嵘, 黄梦石. 存量规划视角下城市开发边界的划定方法[J]. 规划师, 2016, 32(10):57-61.

[Guo R, Huang M S. Urban development boundary specification from built-up area planning viewpoint[J]. Planners, 2016, 32(10):57-61.] DOI:10.3969/j.issn.1006-0022.2016.10.010

[25]
Ma Y J, Zhang P, Zhao K X, et al. A dynamic performance and differentiation management policy for urban construction land use change in Gansu, China[J]. Land, 2022, 11(6):942. DOI:10.3390/land11060942

[26]
Yao Y, Zhang H Y, Sun Z H, et al. Fine-grained regional economic forecasting for a megacity using vector-based cellular automata[J]. International Journal of Applied Earth Observation and Geoinformation, 2023, 125:103602. DOI:10.1016/j.jag.2023.103602

[27]
孙毅中, 杨静, 宋书颖, 等. 多层次矢量元胞自动机建模及土地利用变化模拟[J]. 地理学报, 2020, 75(10):2164-2179.

DOI

[Sun Y Z, Yang J, Song S Y, et al. Modeling of multilevel vector cellular automata and its simulation of land use change[J]. Acta Geographica Sinica, 2020, 75(10):2164-2179.] DOI:10.11821/dlxb202010009

[28]
Yang J, Sun Y Z, Zhu J, et al. Simulating urban land-use change based on the multi-hierarchal planning-environment interaction process[J]. Transactions in GIS, 2023, 27(1):152-175. DOI:10.1111/tgis.13015

[29]
Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS)for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168:94-116. DOI:10.1016/j.landurbplan.2017.09.019

[30]
Chen Y M, Li X, Liu X P, et al. Simulating urban growth boundaries using a patch-based cellular automaton with economic and ecological constraints[J]. International Journal of Geographical Information Science, 2019, 33(1):55-80. DOI:10.1080/13658816.2018.1514119

[31]
Pontius R G, Boersma W, Castella J C, et al. Comparing the input, output, and validation maps for several models of land change[J]. The Annals of Regional Science, 2008, 42(1):11-37. DOI:10.1007/s00168-007-0138-2

[32]
Zhu J, Zhu M Y, Na J M, et al. Incorporation of spatially heterogeneous area partitioning into vector-based cellular automata for simulating urban land-use changes[J]. Land, 2023, 12(10):1893. DOI:10.3390/land12101893

[33]
江阴市自然资源和规划局. 江阴市国土空间总体规划(2021-2035)[EB/OL].(2022)[2022-12-17].

[Jiangyin municipal bureau of natural resources and planning. Jiangyin city land and space master plan(2021-2035)[EB/OL].(2022)[2022-12-17]. http://zrzy.jiangsu.gov.cn/wxjy/gtzx/tz/qtgg/202212/t20221217_1351085.htm.]

[34]
中国科学院计算机网络信息中心. 地理空间数据云[DB/OL].

[Computer Network Information Center of Chinese Academy of Sciences. Geospatial Data Cloud[DB/OL]. https://www.gscloud.cn/.]

[35]
中国科学院资源环境科学与数据中心. 资源环境科学与数据平台[DB/OL].

[ Resource and Environmental Science Data Center. Resource and Environmental Science Data Platform[DB/OL]. http://www.resdc.cn/.]

[36]
NOAA National Centers for Environmental Information (NCEI)[DB/OL]. https://www.ngdc.noaa.gov/eog/viirs/.

[37]
江苏省人民政府. 江阴市城市总体规划(2011-2030)[EB/OL].(2012)[2012-02-15].

[Jiangsu provincial people's government. Jiangyin city master plan (2011-2030)[EB/OL].(2012)[2012-02-15]. https://max.book118.com/html/2019/0510/8032011133002022.shtm.]

[38]
江阴市城乡规划设计院. 江阴市生态红线区域保护规划(征求意见稿)[EB/OL].(2011) [2014-10].

[Jiangyin urban and rural planning and design institute. Jiangyin ecological redline area protection plan (draft for solicitation of comments)[EB/OL].(2011) [2014-10]. https://max.book118.com/html/2016/0517/43137041.shtm.]

[39]
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.

[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.] DOI:10.3969/j.issn.1672-0504.2018.04.012

[40]
Yao Y, Liu X, Li X, et al. Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata[J]. International Journal of Geographical Information Science, 2017, 31(12):2452-2479. DOI:10.1080/13658816.2017.1360494

[41]
钟珊, 赵小敏, 郭熙, 等. 基于空间适宜性评价和人口承载力的贵溪市中心城区城市开发边界的划定[J]. 自然资源学报, 2018, 33(5):801-812.

DOI

[Zhong S, Zhao X M, Guo X, et al. Delimitation of urban growth boundary based on spatial suitability evaluation and population carrying capacity in Guixi county[J]. Journal of Natural Resources, 2018, 33(5):801-812.] DOI:10.11849/zrzyxb.20170468

[42]
中华人民共和国住房和城乡建设部, 中华人民共和国国家质量监督检验检疫总局. 城市用地分类与规划建设用地标准[EB/OL].(2011)[2011-01-01]. https://www.planning.org.cn/law/uploads/2013/1383993139.pdf.

[Ministry of housing and urban-rural development of the people's republic of China, general administration of quality supervision, inspection and quarantine of the people's republic of China. Urban land classification and planning and construction land standards[EB/OL].(2011)[2011-01-01].]

Options
文章导航

/

〈 〉