EN中文

Journal of Geo-information Science >

2020 , Vol. 22 >Issue 11: 2212 - 2226

DOI: https://doi.org/10.12082/dqxxkx.2020.200137

Land Use Simulation and Urban Growth Boundaries Delineation in Wuhan Metropolitan Area based on FLUS Model and "Dual Environment Evaluation"

  • ZHAO Xuan , 1 ,
  • PENG Jiandong , 1, * ,
  • FAN Zhiyu 1, 2 ,
  • YANG Chen 1, 2 ,
  • YANG Hong 1
Expand
  • 1. School of Urban Design, Wuhan University, Wuhan 430072, China
  • 2. Collaborative Innovation Center of Geospatial Technology, Wuhan 430079, China
* PENG Jiandong, E-mail:

Received date: 2020-03-23

  Request revised date: 2020-05-27

  Online published: 2021-01-25

Supported by

National Natural Science Foundation of China(51708425)

China Postdoctoral Science Foundation(2016M602357)

Copyright

Copyright reserved © 2020
Fold

Abstract

The delimitation of urban growth boundaries is of great significance for ensuring the rational use of resources and promoting the orderly development of cities and towns. Most existing studies mainly focus on the technical exploration of planning practice, while ignoring the quantitative assessment of the ecological environment to some extent. In addition, few studies have been carried out at the metropolitan area scale. This study takes Wuhan Metropolitan Area as the study case, and proposes to combine multiple factors to build a "dual environment evaluation" system. The FLUS model is used for land growth simulation and delineation of urban growth boundaries. Furthermore, the results are analyzed using the landscape metrics. The results show that: (1) the FLUS simulated urban area expansion demonstrates an applicable accuracy. The simulation results reveal that the urban built-up areas keep expanding, so it is necessary to delimit the development boundary to restrict urban development; (2) The delineated urban growth boundaries can prevent from urban construction occupying areas with high ecological or agricultural value, and improve the urban spatial layout of the Wuhan Metropolitan Area based on the optimization of spatial forms with strong applicability; (3)The evaluation of urban expansion driving factors shows that compared to a single factor library, the "dual environment evaluation" factor library has a higher accuracy, can optimize the landscape pattern, promote the development of construction land, and fill the gaps in the built-up area better, which is corresponded with regional development requirements; and (4) The evaluation of expansion analysis shows that the results are consistent with the expected development pattern of Wuhan Metropolitan Area, and government departments might pay attention to the potential value of the expansion in the airport region, the Yangluo region, the Optics Valley-Future City region, and the Zhifang region. The above shows the effectiveness of the FLUS model in the Wuhan metropolitan area, which also provides great reference for planning management and construction land optimization.

Key words： Land use simulation; Urban Growth Boundaries; Dual environment evaluation; FLUS model; Wuhan Metropolitan area; Evaluation of landscape pattern index; Space control; Regional collaborative development

Cite this article

ZHAO Xuan , PENG Jiandong , FAN Zhiyu , YANG Chen , YANG Hong . Land Use Simulation and Urban Growth Boundaries Delineation in Wuhan Metropolitan Area based on FLUS Model and "Dual Environment Evaluation"[J]. Journal of Geo-information Science, 2020 , 22(11) : 2212 -2226 . DOI: 10.12082/dqxxkx.2020.200137

1 引言

城镇建设用地的急剧扩张是我国高速城镇化进程中的显著特征。这在为社会经济提供广阔发展空间的同时,也给自然资源的合理利用及生态保护带来了巨大的压力。在保障社会经济高质量发展的前提下,明晰城镇扩张机理、合理预控规模、改善空间格局是当前城镇运行的工作重点。
城镇开发边界（Urban Growth Boundaries, UGB）是各国控制城市蔓延、实现精明增长的空间管理工具[1]。在当前中国城镇空间由增量发展转为存量优化的背景下,这一类研究具有更加重要的意义。国外大多从大都市区尺度对城镇开发实施动态管理,其实践表明UGB的划定不仅能防止城市无序蔓延,更能为未来城市的潜在发展提供合理疏导[2,3,4]。我国相关研究虽起步较晚,但在宏观政策的推动下呈现百家争鸣的面貌。从2011年首次提出国家层面的相关法规,到2014年住房与城乡建设部、国土资源部确定42个先行试点,UGB的划定得到广泛实践[5]。2019年11月国务院印发的《关于在国土空间规划中统筹划定落实三条控制线的指导意见》提出按照集约适度、绿色发展要求划定城镇开发边界,更加重视对未来发展诉求的预控。
在UGB划定的方法运用方面,国内研究主要分为生态划定法和模型演绎法。① 生态划定法包括适宜性评价法、四区划定法和绿色基础设施评价法[6]等,大多基于逆向思维和“反规划”理念,先行划定限制区再约束城市建成区[7,8],但此方法忽视了扩张过程的协调发展特性;② 模型演绎法大多数基于元胞自动机（Cellular Automata, CA）模型,模拟城市远期的生长边界,符合发展规律且预见性强,但其随机的特性会带来不良效果[9]。因此众多学者提出优化方案改进精度,如约束性CA模型[10]、ABM模型[11]、SLEUTCH模型[12]、最小阻力面模型[13]等。2017年至今,相关研究尝试塑造更完善的模拟计划。冯琰玮等[14]结合CA和生态禁建区模型模拟呼和浩特市未来土地扩张,胡业翠等[15]从城市内生视角构建GANN-CA模型划定北京城镇开发边界,结果都对确定未来扩展态势有较好指导。但总体来说,模型演绎法还存在一些固有问题:① 大多数模型仅对土地利用数据进行栅格单一采样而忽略相邻栅格单元间的相互影响;② 构建结合资源利用和生态保护特征的驱动体系还不够完善。而刘小平等[16,17]提出的FLUS（Future Land-Use Simulation）模型基于CA理论且重视斑块扩张的内生机制,操作更容易、精度也高于其他常见模型;此外,国土空间规划中“双评价”体系（资源环境承载能力评价和国土空间开发适宜性评价）对驱动体系构建是很好的补充[18]。
在UGB划定的空间尺度层面,相比国外关注大都市区,国内大多聚焦于单一市或县区,区域的多元联动也由此被限制[2]。城镇开发边界不仅要统筹土地供需平衡和保护自然生态资源,还要起到引导区域空间合理开发的作用。大都市区作为城市化发展的高级形态,不仅需要统筹区域各城镇集中区的UGB划定,且对UGB之间的协调有更高的要求,即要在突出核心城市引领作用的基础上,实现区域空间格局的总体优化目标。随着我国城镇空间的不断扩张,部分中心城市已经出现“大都市区化”的趋势,需要在更大的空间范围内统筹UGB的划定。但是,目前相关研究有所滞后,对这一类区域的发展预测也鲜见纸端[19,20]。作为面向未来的管控措施,有必要开展大都市区尺度的UGB划定研究。
本文旨在结合我国空间规划改革和区域一体化发展趋势,关联耦合“双评价”指标体系,基于FLUS模型进行武汉大都市区2035年的土地利用和城镇建设用地规模模拟,同时划定弹性城镇开发边界方案。另外,本研究结合景观斑块指数和景观扩张指数评估“双评价”因子库、资源环境承载能力评价因子库、国土空间开发适宜性评价因子库、基础影响因子库在景观学方面的优劣势,并运用扩张强度指数对相关规划政策提供建议。

2 技术路线和研究方法

2.1 技术路线

本研究技术路线如图1,分为数据获取、模型模拟和结果评价3个部分。在进行模型模拟之前,首先要完成数据的收集与整理。在土地利用数据等基础数据之外,作为影响因子的多源空间变量数据是土地利用模拟的重要组成部分。本文收集与“双评价”有关的单因子数据组成资源环境承载力评价数据库和国土空间开发适宜性评价数据库,并将其导入FLUS模型的空间模拟体系中,以体现资源环境和空间属性对城镇扩张的作用。在模型模拟部分,Markov模型可以计算2035年各类土地利用类型的总体规模,而自然保护区、耕地保护区、生态保护区等开发限制区可以控制建设用地无序蔓延,帮助FLUS模型的土地利用模拟结果更接近真实情况。除此之外,本文运用不同驱动体系下的多情景对比评估“双评价”驱动体系的合理性,并运用扩张结果评价评估城镇开发边界划定结果的重要价值。
图1 武汉大都市区土地利用模拟和城镇开发边界划定技术路线

Fig. 1 Technical route of land use simulation and urban growth boundaries delineation in Wuhan metropolitan area

2.2 研究方法和相关理论

2.2.1 “双评价”体系
“双评价”是支撑城镇开发边界、基本农田保护线、生态红线的划定和优化国土空间开发格局的重要保障,包含资源环境承载力评价和国土空间开发适宜性评价2部分[21]。资源环境承载力评价是评估资源环境禀赋维系生态系统和社会可持续发展的能力,其主要判断区域内土地资源、水资源、矿产资源、旅游资源、水环境、大气环境等要素对区域社会经济发展的支撑能力;国土空间开发适宜性评价重点考察生态类因子、农业类因子和城镇类因子,是评估在维系生态系统健康的前提下,空间开发利用、保护、修复和整治的科学配置程度。
“双评价”体系对各类资源环境因素的考虑较为全面,能够较好地反映区域生态空间、农业空间、城镇空间的资源环境状况。本研究期望借鉴“双评价”的内容构建体现资源禀赋和国土空间适宜性的更为完善的影响因子体系,以客观反映现状资源环境的优势与短板,增强土地利用模拟和划定城镇开发边界的环境合理性,并为发现未来发展潜力提供参考。
2.2.2 FLUS模型
FLUS模型是在传统CA模型基础上改进的集成模型,具有同时考虑“自上而下”宏观驱动和“自下而上”微观演变的双重特征,能有效处理多种用地类型在自然与人类活动影响下发生转化时的不确定性与复杂性,提高模拟精度。在实际运用上,模型首先采用人工神经网络算法从一期土地利用数据以及多种影响因子中获取用地的转换适宜性概率,然后利用基于轮盘赌的自适应惯性竞争机制模拟未来土地利用情况。此外,FLUS模型的UGB模块也能辅助城镇开发边界的划定。
人工神经网络算法通过分析元胞的网络结构和连接强度计算元胞单元的适宜性概率,是模拟神经网络形成的交互系统[16-17,22]。本研究综合考虑邻域影响因子、惯性系数和转换成本的影响,以驱动因子和2005年土地利用数据为输入数据,计算元胞单元的用地类型转化适宜性概率,如式（1）所示:
TP S k , t l = p k , t , l × Ω k , t l × Inerti a t l × 1 - s c c → t
式中: TP S k , t l 表示 l 时刻的栅格 k 转化为 t 种用地类型的总概率; p k , t , l 表示时间 l 时刻, t 类型土地在栅格 k 上的适宜性概率; Inerti a t l 表示 t 种地类在 l 时刻的自适应惯性系数; 1 - s c c → t 表示用地转化的难易程度; Ω k , t l 为邻域影响程度。
在得到适宜性概率后,模型基于轮盘竞争机制模拟未来各类用地数量和分布形态[22]。本研究通过2015年土地利用数据和各用地适宜性概率数据模拟未来分布。其中,2025年和2035年的地类总数是通过Markov模型[3]（式（2））计算得出的:
S t + 1 = P ab × S t
式中: S t 、 S t + 1 为 t 、 t + 1 时刻的用地类型状态矩阵; P ab 表示由类型 a 转化为类型 b 的转移概率矩阵。
除此之外,FLUS模型含有基于膨胀腐蚀机制的城镇开发边界划定模块。该模块通过开运算与闭运算对区域进行边缘平滑和内部填充等操作,使得划定的边界更具真实性[22]。开运算能够切断细长的城市单元而实现分离,平滑单元块;闭运算能够填充缺口,连通城市单元[22,23]。本研究结合2035年城镇建设用地模拟形态,运用该模块为UGB划定提供参考。
2.2.3 景观格局指数评价
景观格局指数反映景观斑块的空间异质性,是景观生态学的重要组成部分[24]。本研究主要运用景观斑块指数、景观扩张指数评价影响因子库的优势度,并运用扩张强度指数进行区域分析和策略指引。
（1）景观斑块指数
景观斑块形态可以通过一系列面积、形态、集聚和多样化指标进行量化[24]。本研究从面积、密度、形状、邻近度、聚散性这5个维度选取了斑块面积指数（CA）、最大斑块指数（LPI）、斑块数量指数（NP）、平均周长面积比指数（PARA_MN）、平均最邻近指数（ENN_MN）、景观分裂度指数（SPLIT）这6项常用指数测算不同情景下城镇开发边界斑块的景观学特征,分析不同体系对结果的影响,公式和具体含义如表1所示。
表1 景观斑块指数含义及计算公式

Tab.1 The meaning and calculation formula of landscape index

景观指数 指数含义 计算公式 公式编号
斑块面积指数CA 表示斑块类型的总面积 CA=∑i=1nai（3）
式中:ai是斑块i的面积
最大斑块指数LPI 表示最大斑块面积所占比例 LPI=maxaiA×100（4）
式中:ai为斑块i的面积,A为景观总面积
斑块数量指数NP 表示斑块总数量 NP=∑nj（5）
式中:ni是第j类斑块的个数
平均周长面积比指数PARA_MN 表示形状复杂度,值越小,形状越简单规整 PARA_MN=∑i=1npiai（6）
式中:pi为斑块i的周长,ai为斑块i的面积
平均最邻近指数ENN_MN 表示空间分布特征,值越小,分布越集中 ENN_MN=∑i=1nhini（7）
式中:hi是斑块i到最邻近斑块直线距离
景观分裂度指数SPLIT 表示被割裂程度,值越小,破碎度越低 SPLIT=A2∑i=1nai2（8）
式中:ai是斑块i的面积,A为景观总面积
为直接通过定量值评估不同情景下各描绘方案的景观格局综合情况,本研究从面积、密度、形状、邻近度、聚散性5个维度分别选取最大斑块指数（LPI）、斑块数量指数（NP）、平均周长面积比指数（PARA_MN）、平均最邻近指数（ENN_MN）和景观分裂度指数（SPLIT）进行计算,定义 A i 为第 i 类描绘方案的景观斑块指数综合值（式（9））。
A i = 0.2 × LP I i LP I max + N P min N P i + PAR A MN min PAR A MN i + EN N MN min EN N MN i + SPLI T min SPLI T i
式中: LP I i 、 N P i 、 PAR A MN i 、 EN N MN i 、 SPLI T i 分别为第 i 类描绘方案的LPI、NP、PARA_MN、ENN_MN、SPLIT的值, LP I max 为5个描绘方案中的LPI最大值, N P min 、 PAR A MN min 、 EN N MN min 、 SPLI T min 分别为5个描绘方案中NP、PARA_MN、ENN_MN、SPLIT的最小值。
（2）景观扩张指数（Landscape Expansion Index, LEI）
景观扩张指数用来定量描述景观的扩张过程及空间分布,并将扩张模式分为填充式扩张、边缘式扩张、飞地式扩张3类[25],具体模式通过计算新增斑块缓冲区与既有斑块的相交面积判定,如式（10）所示[26]。
LEI = 100 × A 0 A 0 + A y
式中: A 0 为缓冲区内相交面积; A y 为缓冲区内其他面积。LEI的取值为[0, 100],若LEI=0,该新增斑块为飞地式扩张;若0<LEI<50,该新增斑块为边缘式扩张;若50≤LEI≤100,该新增斑块为填充式扩张。
（3）扩张强度指数（Expand Intensity Index, EII）
本研究采用城市扩张强度指数描述不同阶段武汉大都市区建成区扩展的强弱程度,旨在分析重点扩张轴带和重点扩张区域,如式（11）所示[27]。
I = U j - U i UT × 100 %
式中: I 为时间 i 到时间 j 跨度内城市扩张强度指数; U i 和 U j 分别表示时间 i 和时间 j 的建成区用地面积; U 表示土地总面积, T 表示时间间隔。

3 研究区和数据

3.1 研究区概况

本研究选取武汉大都市区为研究区域（图2）。其空间范围的界定以《武汉市城市总体规划（2017—2035）》[28]为依据,具体包括武汉市市域及黄石、黄冈、鄂州、孝感、咸宁、仙桃等市行政辖区,总面积为2.06 km2,地理位置位于113°21' E—115°16' E,29°40' N—31°22' N。
图2 武汉大都市区区位

Fig. 2 Location of Wuhan metropolitan area

武汉市是全国重要的综合交通枢纽和中部崛起的重要战略支点,河湖众多,生态资源丰富,但生态可持续和建设用地扩张的之间的矛盾较为突出[29],如何在发展中落实资源合理利用是各类规划编制的难点。武汉大都市区是《武汉市城市总体规划（2017—2035）》[28]中以武汉市中心为核、以“1小时通勤圈”为边界构建的综合功能区,是对“武汉1+8城市群”格局的深入优化。其强调从中心走向全域一体,重视大区域的山水格局和产业配合,推进区域协调发展。因此,基于资源环境和国土开发因素的武汉大都市区未来模拟具有强烈的现实意义。

3.2 数据介绍

研究主要包括行政边界数据、土地利用数据、高程坡度数据、人口数据、经济数据、道路交通数据、河流湖泊数据、设施POI数据以及与资源环境相关的多种类评价数据,数据时间跨度为1995—2015年,以2015年为主。根据在FLUS模型中的不同用途,将以上数据分为基础数据和影响因子数据两类。
3.2.1 基础数据
行政边界数据由地理国情监测云平台(http://www.dsac.cn/)获得并结合相关政策文件进行地理裁剪得到;武汉大都市区2005年、2015年2期土地利用数据来源于资源环境数据云平台（http://www.resdc.cn/）,分辨率为30 m,栅格数量 6210 × 6354 ,并进行土地利用重分类处理,如图3所示。
图3 武汉大都市区2005年、2015年土地利用

Fig. 3 Land use in Wuhan metropolitan in 2005 and 2015

3.2.2 影响因子数据
FLUS模型中的神经网络模块通过自学习模式拟合空间变量与区域用地的复杂关系,从而解决多类变量复杂的权重分配问题。FLUS模型土地利用模拟的基础数据库包含高程数据、坡度数据、距河流水系的距离、距区域中心距离、距城镇中心距离、距高速公路的距离、距主干道的距离、距铁路的距离这6项数据。本研究借鉴“双评价”体系对影响因子库进行完善,汇总资源环境承载力评价因子库、国土空间开发适宜性评价因子库共2个数据库15个类别42项评价指标（表2）,并结合研究区域进行地理裁剪、矢量数据核密度分析、归一化等数据处理（图4、图5）,最终输出栅格数据分辨率统一为 30 m×30 m。
表2 武汉大都市区用地模拟驱动因子相关信息

Tab.2 Information of driving factors for land use simulation in Wuhan metropolitan area

数据名称 数据说明 年份 数据来源
资
源
环
境
承
载
力
评
价
因
子
库		 水资源 年平均降水量 1 km×1 km栅格数据 2015 a
水资源供给 具体见生态系统服务价值空间分布数据[30]
水文调节
距河流水系的距离 30 m×30 m栅格数据
土地资源 土壤质地 计算粉砂土、黏土、砂土含量空间分布 1995 a
植被资源 年度植被指数 NDVI数据 2015 b
粮食资源 净初级生产力 NPP数据 2010 a
食物生产能力 具体见生态系统服务价值空间分布数据[30] 2015
原料生产能力 2015
大气资源
 大气污染指数
 PM2.5空间插值栅格数据 2018
 c
年平均气温 1 km×1 km栅格数据 2010 a
气体调节 具体见生态系统服务价值空间分布数据[30] 2015 a
气候调节 2015 a
水土流失 土壤侵蚀 1 km×1 km侵蚀强度 2015 a
城市化 距武汉大都市区中心距离
距县区中心的距离
距矿产资源的距离		 30 m×30 m栅格数据 2015
2015
2018		 a
生物多样性 生物多样性 具体见生态系统服务价值空间分布数据[30] 2015 a
城
市
空
间
适
宜
性
评
价
因
子
库		 地形条件 地形（DEM）、坡度 坡度据地形数据计算 2015 d
交通优势 距机场的距离 30 m×30 m栅格数据 2019 e
距高速公路的距离
距国道的距离
距省道的距离
距城市主干路的距离
距火车轻轨站的距离
距铁路的距离
经济发展 GDP 1 km×1 km人均GDP 2015 a
人口聚集 人口密度 1 km×1 km人口分布 2015 a
设施适宜度 距行政机关的距离 30 m×30 m栅格数据 2019 e
距知名企业的距离
距购物中心的距离
距高等院校的距离
距三甲医院的距离
距公园广场的距离
距产业园区的距离
距风景名胜的距离
地质灾害 距地质灾害点距离 30 m×30 m栅格数据 2015 a
生态发展 净化环境能力 具体见生态系统服务价值空间分布数据[30] 2015 a
美学景观

注:数据来源部分,a: 资源环境数据云平台(http://www.resdc.cn/); b: 地理国情监测云平台(www.dsac.cn/); c: 中国环境监测总站(http://www.cnemc.cn); d: 地理空间数据云(www.gscloud.cn); e: 高德地图API爬虫数据(https://lbs.amap.com/)。

图4 武汉大都市区资源环境承载力评价影响因子

Fig. 4 Impact factors of resource and environmental carrying capacity evaluation in Wuhan metropolitan area

图5 武汉大都市区国土空间开发适宜性评价影响因子

Fig. 5 Impact factors of Urban Space Suitability evaluation in Wuhan metropolitan area

3.2.3 开发限制区
结合研究区域现行的各类空间管控措施,本研究设置自然保护区、耕地保护区、生态保护区等刚性开发限制区来约束模拟过程中建设用地的 无序发展,以更好地反映用地演化的现实情况 （图6）。自然保护区包含国家地质公园、国家森林公园、内陆湿地保护区、名胜保护区、水源地保护区等,具体内容依据《2018湖北省自然保护区名录》[31]。生态保护区,耕地保护区依据《湖北省土地利用总体规划（2006—2020)》[32]。为便于统计和计算,将自然保护区和生态保护区重合的部分归类于自然保护区。
图6 武汉大都市区城镇建设用地开发限制区

Fig. 6 Development limit of urban construction land

4 结果与分析

4.1 武汉大都市区土地利用模拟

基于ArcGIS和FLUS平台,本研究首先利用2005年和2015年武汉大都市区的土地利用数据和处理得到的影响因子数据,模拟2025年和2035年武汉大都市区的用地情况。
由资源环境云平台获取到的用地数据分为耕地、林地、草地、水域、建设用地（城乡、工矿、居民用地）和未利用土地6个大类25个小类。由于城镇开发边界的划定不需要将建设用地中的对外交通用地和农村居民点用地纳入进来,因此为便于后续研究,通过重分类和地理处理将建设用地拆分为城镇建设用地、对外交通用地和农村居民点用地。
模拟前,首先设置研究区未来模拟像元总数、邻域参数以及转换矩阵。本研究采用Markov模型预测未来各地类的需求规模。以10年为时间间隔,以2005年和2015年的各类用地总数为基础数据,依次模拟2025年和2035年各地类的总规模（表3）。
表3 武汉大都市区现状（2005年、2015年）和模拟（2025年、2035年）土地利用类型面积对比表

Tab.3 Comparison table of land use categories in different years in Wuhan metropolitan area （km²）

年份 耕地 林地 草地 水域 城镇建设用地 对外交通用地 农村居民点用地 未利用土地
2005 11 080.70 2551.20 356.70 4188.20 1191.21 94.77 907.28 185.90
2015 10 636.95 2524.71 351.96 4195.49 1625.56 109.03 930.20 182.08
2025 10 211.33 2498.37 347.24 4200.36 2049.50 118.59 952.25 178.33
2035 9803.07 2472.20 342.54 4202.94 2462.42 124.67 973.48 174.66
邻域参数描述某一用地的扩张强度,是各用地在外界因子驱动下自身扩张的能力,阈值范围0到1,邻域权重参数值越接近于1则扩张能力越强。虽然扩张强度难以准确计算,但利用各用地的历史变化可以估测扩张能力[33]。本研究以2005年和2015年的土地利用数据为基础,利用斑块总面积的变化对各类用地扩张能力定性表征[33],得出邻域权重（表4）。
表4 武汉大都市区各用地类型扩张邻域权重

Tab.4 The weight of neighborhood expansion for each land type in Wuhan metropolitan area

耕地 林地 草地 水域 城镇建设用地 对外交通用地 农村居民点用地 未利用土地
0.1 0.2 0.4 0.5 1.0 0.7 0.7 0.3
转换成本矩阵描述从初始用地转换为需求用地的可能性。当一种用地不允许向另一种转化时,矩阵值设为0,反之设为1[16]。而土地利用转移矩阵是针对转移特征的定量统计,能计算转移状况并分析。本研究通过计算武汉大都市区2005年和2015年两期现状数据的土地利用转移矩阵,并参考土地利用转移矩阵的结果,选取转化比例超过该地类总转化面积0.1%的情况为允许转化,构建本实验中的转换成本矩阵（表5）。
表5 武汉大都市区各用地类型转换成本矩阵

Tab.5 Conversion cost matrix of various land types in Wuhan metropolitan area

用地类型 耕地 林地 草地 水域 城镇建设用地 对外交通用地 农村居民点用地 未利用土地
耕地 1 0 0 1 1 1 1 0
林地 0 1 0 0 1 1 0 0
草地 1 1 1 0 1 1 0 0
水域 1 0 0 1 1 1 0 0
城镇建设用地 0 0 0 0 1 0 0 0
对外交通用地 0 0 0 0 1 1 0 0
农村居民点用地 0 0 0 0 1 1 1 0
未利用土地 1 0 0 1 1 1 0 1
在以上数据及参数的基础上,本研究通过FLUS模型的循环迭代分析,完成武汉大都市区2025年和2035年土地利用模拟（图7）。
图7 武汉大都市区土地利用（2005年、2015年）与模拟结果（2025年、2035年）对比

Fig. 7 Comparison of land use (2005, 2015) and simulation results(2025, 2035) in Wuhan metropolitan area

首先,在计算精度方面,经2015年土地利用模拟情况与实际情况对比发现,10%随机采样的Kappa系数值为0.95,总体精度为0.96,均在合理范围之内,能帮助实现对未来用地变化的客观模拟。
其次,由结果可以看出,2015—2035年武汉大都市区城镇建设用地增加1271.2 km²,草地增加14.2 km²,水域增加14.7 km²,耕地减少1277.6 km²,林地减少79.0 km²,未利用土地减少11.2 km²。一方面,耕地数量明显减少源于建设用地的侵蚀,而城镇建设用地扩张部分有761.8 km²（91%）来自于耕地;另一方面,城镇建设用地总体格局变化不大,自各片区中心向外围呈蔓延式扩张。武汉市域向外蔓延趋势显著,在武汉主城-鄂州-黄石片区沿交通廊道呈带状扩张尤为明显,且武汉市区与其他片区联系更加紧密。因此,有必要通过划定城镇开发边界的方式控制城市开发,促进精明增长。

4.2 武汉大都市区城镇开发边界划定

本研究运用FLUS的UGB模块辅助区域进行城镇开发边界划定。实验首先提取2035年城镇建设用地作为提取模拟建成区的基础数据,选取 7 × 7 的滑动窗口作为运算的结构元素[21],并跟据实际情况,剔除零散噪点（不大于40 hm）,填补大型斑块内微小噪点（图8）。
图8 武汉大都市区UGB划定结果

Fig. 8 UGB delineation of Wuhan metropolitan area

结果可以看出,处理后的UGB斑块结果更加清晰合理。图8（a）为武汉市近郊阳逻片区,其划定以大型斑块为核心,吸纳农村居民点用地等细碎斑块,剔除距大型斑块较远的小型斑块;图8（b）为武汉市远郊沌口—纱帽片区,区域内模拟建成区被水域或林地切割为几个组团,通过划定边界严格保证大型水域的完整性,并确保组团内斑块完整和组团间互通互联。本研究能基于2035年城镇建设用地模拟结果,在改善形态的基础上进行UGB划定,避免城镇建设大规模侵占农业空间和生态空间,从而在一定程度上优化武汉大都市区的城镇空间布局。

4.3 驱动体系评价

为评估影响因子体系的合理性,本研究还模拟了其他划界方案,用于和实验采用的“双评价”描绘方案（Dual Environment Evaluation UGB, DEE-UGB）对照。这些对照组分别为只考虑资源环境承载力评价因子的描绘方案（Resources and Environment Carrying Capacity UGB, RECC-UGB）、只考虑国土开发适宜性评价因子的描绘方案（Urban Space Suitability UGB, USS-UGB）或不考虑“双评价”指标的基础描绘方案（BASIC-UGB）[17]。本研究使用景观斑块指数、景观扩张指数和数据精度对四种方案进行量化比较。
在景观斑块综合评价部分,首先,为支撑评估驱动影响因子体系的合理性,本研究还增加了2015年现状的描绘方案（2015-UGB）加以对照,具体结果如下。
在景观斑块指数方面（表6）,相较来看,BASIC-UGB和USS-UGB在斑块完整度上更占优,体现在斑块数量更少（NP,769,768）,分裂度更小（SPLIT,1645.9,1704.9）,即斑块破碎度偏低;而DEE-UGB相比其他方案,在核心斑块优势度、斑块邻近度和斑块形状上更具优势,体现在最大斑块占比更高（LPI,30.66）、平均最邻近指数更小（PARA_AM,105.26）和平均周长面积比更小（ENN_MN,1098.5）,即核心斑块更完整、斑块间联系更紧密且形状更简单规整。而DEE-UGB的综合值（0.9465）高于其他评价体系（0.9435,0.9422,0.9456）。这体现“双评价”体系在突出优势斑块的引领作用、实现区域协调统筹和划定较规则的城镇开发边界方面有更大价值,更符合大都市区的空间管控目标。在现状对比方面,DEE-UGB、BASIC-UGB、USS-UGB和RECC-UGB在面积（CA、LPI）、密度（NP）、形状（PARA_MN）、聚散性（SPLIT）方面及综合值A均优于2015-UGB,也一定程度上反映出FLUS模型在提升现状景观水平的能力。
表6 5种情景下武汉大都市区UGB描绘方案景观斑块综合评价

Tab. 6 Evaluation of landscape patches in different scenarios in Wuhan metropolitan area

描绘方案 CA/ha LPI/% NP/个 PARA_MN ENN_MN/m SPLIT 综合值A
DEE- UGB 253 320 30.66 792 105.26 1098.5 1716.9 0.9465
BASIC- UGB 253 626 29.85 769 109.40 1128.7 1645.9 0.9435
RECC- UGB 254 121 30.57 789 106.22 1108.2 1728.8 0.9422
USS- UGB 254 230 30.37 768 106.65 1125.9 1704.9 0.9456
2015-UGB 161 111 12.20 1169 118.29 882.2 2252.8 0.7352
本研究还通过计算城镇开发边界内新增斑块的景观扩张指数,评判上述4种方案改善城镇建成区格局的能力（表7）。从表中数据来看,DEE-UGB的填充式扩张斑块比例高于BASIC-UGB、RECC-UGB和USS-UGB,更有利于促进城镇集聚发展,为耕地保护和生态保护提供更多空间。
表7 4种情景下武汉大都市区LEI类型数量和所占比例

Tab. 7 Quantity of LEI types and percentage in different scenarios in Wuhan metropolitan area

描绘方案 飞地式扩张 边缘式扩张 填充式扩张 总计/个
数量/个 比例/% 数量/个 比例/% 数量/个 比例/%
DEE-UGB 89 4.16 1404 65.70 644 30.14 2137
BASIC- UGB 81 2.45 2322 70.32 899 27.23 3302
RECC- UGB 102 3.99 1747 68.27 710 27.75 2559
USS- UGB 70 2.18 2227 69.33 915 28.49 3212
除此之外,本研究还通过计算Kappa系数和总体精度值,评判4种方案与实际情况的吻合程度（表8）。从表中数据来看,DEE-FLUS的KAPPA值和总体精度值均高于BASIC-FLUS、RECC-FLUS和USS-FLUS,在实际运用中更符合未来的真实发展情形。
表8 4种情景下武汉大都市区KAPPA及总体精度

Tab. 8 Kappa and Overall Accuracy in different scenarios in Wuhan metropolitan area

DEE-FLUS BASIC-FLUS RECC-FLUS USS-FLUS
KAPPA
总体精度		 0.9455
0.9636		 0.9428
0.9620		 0.9439
0.9633		 0.9435
0.9624

4.4 扩张结果评价

本研究从扩张方向分析和扩张区域分析2个方面解释武汉大都市区用地扩张的分异特征。
首先,实验采用十六方位等扇面法阐释区域总体扩张方向,即选取武汉大都市区中心为原点,以100 m为半径,以北偏东11.25°为起点,将2035模拟建成区分割成16个相等的扇形;计算每个方位上的扩张强度,并与研究区2015、2025和2035年的扩张情况叠加（表9、图9）。
表9 2005—2015、 2025—2035、 2015-2035武汉大都市区分阶段扩张强度指数表

Tab. 9 EII at different time periods（2015-2025、2025-2035、2015-2035） in Wuhan metropolitan area

时间 N NNE NE NEE E SEE SE SSE S SSW SW SWW W NWW NW NNW
2015-2025 1.1 0.3 1.6 1.1 3.0 4.2 0.9 0.9 2.4 1.2 1.4 1.6 1.4 1.0 1.5 1.2
2025-2035 1.3 0.4 1.7 1.1 2.1 2.9 0.7 0.7 2.4 1.2 1.1 1.2 1.6 1.2 1.4 1.1
2015-2035 2.5 0.7 3.3 2.2 5.1 7.1 1.6 1.6 4.7 2.4 2.5 2.7 3.0 2.2 2.9 2.3
图9 武汉大都市区分时段（2015—2025年、2025—2035年、2015—2035年）扩张强度指数

Fig. 9 EII at different time periods(2015—2025, 2025—2035, 2015—2035) in Wuhan metropolitan area

结果显示,在2015—2035年武汉大都市区建成区总体上在SEE、E、S、W、SWW、NW、NE这7个方向扩张,并集中在S、SEE、NE、NW、SW方向,呈现不均匀狭长带状分布。本研究还将扩张强度指数与武汉大都市区2035年的远景规划拟合（图10）,结果基本符合规划构建的武鄂黄黄、武咸、武仙、汉孝4条发展轴带,而呈现带状扩张的发展态势也是大都市区尺度片区联动的主要模式。除此之外,NE方向扩张强度指数偏高也提醒在未来发展中关注区域东北方向的发展。
图10 武汉大都市区扩张强度指数(2015—2035年)与远景规划拟合

Fig. 10 Coupling EII(2015—2035) and Planning policies in Wuhan metropolitan area

其次,为阐释扩张的重点区域,本研究计算2015—2035年的分区县扩张强度指数（图11）。结果显示武汉市大都市区主要在东西湖区、汉阳区、洪山区、华容区、铁山区、下陆区、黄石港区扩张强度较高,其涵盖武汉市主城区及近郊区、鄂州市主城区及黄石市部分区域,这提醒政府部门要关注这几个区域的重点发展。为了更直观的表达建设用地扩张的重点片区,本研究还通过计算扩张斑块的核密度加以分析（图12）。结果表明增长核密度值较高的4个片区为临空港片区、阳逻片区、光谷-未来城片区和纸坊片区:临空港片区是依托天河机场的交通优势打造的城市副中心,可以快速发展交通运输业等相关产业;阳逻片区是武汉城市群打造的东部重点,至2035年也是大都市区发展的潜力核;光谷-未来城片区是武汉科技产业聚集区,其向东蔓延至鄂州、黄冈及黄石,体现区域协同背景下城市间产业联动的重要价值;纸坊片区为规划政策构建的新城中心,生态环境优越,随着交通体系的不断完善,纸坊片区也将成为武汉大都市区中心向南连接的重要踏板。
图11 武汉大都市区分区扩张强度指数（2015—2035年）

Fig. 11 EII(2015—2035) in different regions in Wuhan metropolitan area

图12 武汉大都市区增长核密度（2015—2035年）与远景规划拟合

Fig. 12 Coupling growth kernel density(2015—2035) and planning policies in Wuhan metropolitan area

5 结论与讨论

本研究构建了在资源保护和空间优化视角下划定大都市区城镇开发边界的方法,并耦合“双评价”因子和FLUS模型,开展武汉大都市区的案例研究,结合驱动体系评价和扩张结果评价深入阐释。本文得出的主要结论如下:
（1）土地利用模拟层面,模型模拟KAPPA系数为0.95,总体精度为0.96,模拟精度与其他土地利用模拟研究的精度结果相比基本持平或略高一些[3,22-33],因而结果较好地反映了武汉大都市区的用地扩张特征。城镇建设用地呈蔓延式扩张,在武汉主城—鄂州—黄石片区空间扩张尤为明显,且各片区联系变得更为紧密;
（2）城镇开发边界划定层面,运用FLUS模型UGB模块能优化大型斑块、剔除细碎斑块,使得格局更加完整有序,确保生产、生态、生活空间的相互协调,利于规划目标的实现;
（3）驱动体系评价表明“双评价”因子体系相比于基础评价和单一评价,景观斑块综合值高于其他评价体系,且核心斑块更具优势、斑块邻近度更小、斑块形状更加规整,且精度更高。即能提升景观格局水平,促进斑块联系和突出核心片区的引领作用,能划定出更规则的城镇开发边界。另一方面,“双评价”因子体系相比于基础评价和单一评价,填充式扩张的斑块比例更高,即有利于引导城镇集聚发展,为生态保护和耕地保护预留空间[17]。这些结果对武汉大都市区乃至其他大尺度区域的UGB划定都有一定的参考价值;
（4）扩张结果评价表明划定的UGB方案能一定程度上促进区域带状联动;同时需关注光谷-未来城等片区与周边片区的关联性,注重东北侧、东侧、南侧等多方位发展优势,推动新城的紧凑化建设。
总体来看,本研究在数据库构建、尺度选取及模型应用上表现了一定的合理性,并反映了参考“双评价”驱动体系不光可以帮助城镇建设向资源环境不超载、国土空间开发更适宜的空间拓展,还能增强中心片区的龙头带动作用,形成联系更为紧密的发展集群,推动大区域高质量建设;而通过FLUS模型模拟未来土地利用进而划定UGB的方式可以为优化大都市区管控措施、完善各类规划编制提供合理建议。然而,本研究还现存一些局限性。首先,国土空间规划中激发区域创新活力的政策对未来区域统筹有深远意义,但相关政策的实施需破除行政壁垒,实现“区域一盘棋”仍有一定难度;第二,影响因子数据的全面性和准确性还需提升,而参考“双评价”体系和划定限建区的方式并不能完全解决城镇、农业和生态空间的博弈关系,如何创建更合理的耦合体系是今后需要关注的问题。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
林坚, 乔治洋, 叶子君. 城市开发边界的“划”与“用”——我国14个大城市开发边界划定试点进展分析与思考[J].城市规划学刊,2017(2):37-43.

[ Lin J, Qiao Z Y, Ye Z J. “Delimitation” and “Implementation” of urban growth boundary: Analysis and thoughts on the practice in pilot cities in China[J]. Urban Planning Forum, 2017(2):37-43. ]

[2]
杨秋惠. 空间发展、管制与变革——国内外“城市开发边界”发展评述及启示[J].上海城市规划,2015(3):46-54.

[ Yang Q H. Spatial Development, control and reform: A review with inspiration on the evolution of urban development boundary at home and abroad[J]. Shanghai Urban Planning Review, 2015(3):46-54. ]

[3]
李全宝. 基于MCR与Markov-CA模型的城镇增长边界划定研究——以江苏省新沂市为例[J]. 中国国土资源经济, 2019,32(1):83-88.

[ Li Q B. Study on the delimitation of urban growth boundary based on MCR and Markov-CA Model: A case study of Xinyi city in Jiangsu province[J]. Natural Resource Economics of China, 2019,32(1):83-88. ]

[4]
Jun, Myung J. The effects of Portland's urban growth boundary on urban development patterns and commuting[J]. Urban Studies, 2004,41(7):1333-1348.

DOI

[5]
殷会良, 李枫, 王玉虎, 等. 规划体制改革背景下的城市开发边界划定研究[J]. 城市规划, 2017,41(3):9-14,39.

[ Yin H L, Li F, Wang Y H, et al. A study on the delimitation of urban development boundary under the institutional reform of planning system[J]. City Planning Review, 2017,41(3):9-14,39. ]

[6]
李咏华. 生态视角下的城市增长边界划定方法——以杭州市为例[J]. 城市规划, 2011,35(12):83-90.

[ Li Y H. Method of determining urban growth boundary from the view of ecology: A case study of Hangzhou[J]. City Planning Review, 2011,35(12):83-90. ]

[7]
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.

[ 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. ]

[8]
林俊强, 龚岳, 李贵才. 精明增长视角下的生态控制线研究——以珠海生态控制线规划为例[J]. 规划师, 2018,34(2):67-72.

[ Lin J Q, Gong Y, Li G C. A study on ecological line based on smart growth theory: Zhuhai case[J]. Planners, 2018,34(2):67-72. ]

[9]
Santé I, García A M, Miranda D, et al. Cellular automata models for the simulation of real-world urban processes: a review and analysis[J]. Landscape and Urban Planning, 2010,96(2):108-122.

DOI

[10]
龙瀛, 韩昊英, 毛其智. 利用约束性CA制定城市增长边界[J]. 地理学报, 2009,64(8):999-1008.

DOI

[ Long Y, Han H Y, Mao Q Z. Establishing urban growth boundaries using constrained CA[J]. Acta Geographica Sinica, 2009,64(8):999-1008. ]

[11]
陈宝芬, 张耀民, 江东. 基于CA-ABM模型的福州城市用地扩张研究[J]. 地理科学进展, 2017,36(5):626-634.

DOI

[ Chen B F, Zhang Y M, Jiang D. Urban land expansion in Fuzhou City based on coupled cellular automata and agent-based models (CA-ABM)[J]. Progress in Geography, 2017,36(5):626-634. ]

[12]
Zhou Y R, Varquez A C G, Kanda M. High-resolution global urban growth projection based on multiple applications of the SLEUTH urban growth model[J]. Scientific data, 2019,6(1):1-10.

DOI PMID

[13]
王文静, 段忠诚, 韩宝龙. 面向生态系统服务功能优化的建设用地扩张模拟——以徐州市为例[J].现代城市研究,2018(11):73-78,106.

[ Wang W J, Duan Z C, Han B L. Simulation of urban sprawl under ecosystem service optimization: A case study of Xuzhou City[J]. Urban Research, 2018(11):73-78,106. ]

[14]
冯琰玮, 甄江红, 峰一, 等. 干旱区城市增长边界划定方法与实证——以内蒙古呼和浩特市为例[J]. 经济地理, 2019,39(3):76-83.

[ Feng Y W, Zhen J H, Feng Y, et al. Method and demonstration of urban growth boundary delimitation in arid regions: a case study of Hohhot City, Inner Mongolia[J]. Economic Geography, 2019,39(3):76-83. ]

[15]
胡业翠, 付玲, 李琦. 北京城市增长边界预测[J]. 地球信息科学学报, 2017,19(4):486-492.

DOI

[ Hu Y C, Fu L, Li Q. The prediction of Beijing urban growth boundary. Journal of Geo-information Science, 2017,19(3):486-492. ]

[16]
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. Landscape and Urban Planning, 2017,168:94-116.

[17]
Zhang D C, Liu X P, Lin Z Y, et al. The delineation of urban growth boundaries in complex ecological environment areas by using cellular automata and a dual-environmental evaluation[J]. Journal of Cleaner Production, 2020,256:120361.

DOI

[18]
罗伟玲, 吴欣昕, 刘小平, 等. 基于“双评价”的城镇开发边界划定实证研究——以中山市为例[J]. 城市与区域规划研究, 2019,11(1):65-78.

[ Luo W L, Wu XX, Liu X P, et al. Empirical research on the delimitation of urban development boundary in the background of “dual-evaluation”: A case study of Zhongshan city[J]. Journal of Urban Regional Planning, 2019,11(1):65-78. ]

[19]
焦利民, 龚晨, 许刚, 等. 大都市区城市扩张过程及形态对比分析:以东京、纽约和上海为例[J]. 地理科学进展, 2019,38(5):675-685.

DOI

[ Jiao L M, Gong C, Xu G, et al. Urban expansion dynamics and urban forms in three metropolitan areas—Tokyo, New York and Shanghai[J]. Progress in Geography, 2019,38(5):675-685. ]

[20]
肖志中, 林建伟, 王俊杰. 大都市区引领的跨界治理模式与规划实践——以武汉为例[J].上海城市规划,2019(2):33-40.

[ Xiao Z Z, Lin J W, Wang J J. Cross-boundary governance mode and urban planning practice guided by metropolitan strategy: A case study of Wuhan[J]. Shanghai Urban Planning Review, 2019(2):33-40. ]

[21]
王亚飞, 樊杰, 周侃. 基于“双评价”集成的国土空间地域功能优化分区[J]. 地理研究, 2019,38(10):2415-2429.

DOI

[ Wang Y F, Fan J, Zhou K. Territorial function optimization regionalization based on the integration of "Double Evaluation"[J]. Geographical Research, 2019,38(10):2415-2429. ]

[22]
吴欣昕, 刘小平, 梁迅, 等. FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定[J]. 地球信息科学学报, 2018,20(4):532-542.

DOI

[ Wu X X, Liu X P, Liang X, et al. Multi-scenarios simulation of urban growth boundaries in Pearl River Delta based on FLUS-UGB[J]. Journal of Geo-information Science, 2018,20(4):532-542. ]

[23]
Liang X, Liu X, Li X, et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J]. Landscape & Urban Planning, 2018,177:47-63.

[24]
Li G D, QI W. Impacts of construction land expansion on landscape pattern evolution in China[J]. Acta Geographica Sinica, 2019,74(12):2572-2591.

[25]
Liu X, Li X, Chen Y, et al. A new landscape index for quantifying urban expansion using multi-temporal remotely sensed data[J]. Landscape Ecology, 2010,25(5):671-682.

[26]
刘松雪, 林坚. 北京城市居住用地扩张模式研究[J]. 城市发展研究, 2018,25(12):100-106.

[ Liu S X, Lin J. Study on Expansion Pattern of Urban Residential Land of Beijing[J]. Urban Development Studies, 2018,25(12):100-106. ]

[27]
钱志友, 符海月, 王妍, 等. 2004-2016年南京市城市扩张及形态演变特征[J]. 国土资源遥感, 2019,31(2):149-156.

[ Qian Z Y, Fu H Y, Wang Y, et al. Characteristics of urban expansion and morphological evolution in Nanjing from 2004 to 2016[J]. Remote Sensing for Land and Resources, 2019,31(2):149-156. ]

[28]
武汉市自然资源和规划局. 武汉市城市总体规划(2017-2035年)[Z]. 2018.

[ Wuhan Natural Resource and Planning Bureau. The comprehensive planning of Wuhan (2017-2035)[Z]. 2018. ]

[29]
黄隆杨, 刘胜华, 李健. 城市生态用地时空动态及其相关驱动力——以武汉市为例[J]. 长江流域资源与环境, 2019,28(5):1059-1069.

[ Huang L Y, Liu S H, Li J. Spatial and temporal dynamics of urban ecological land use and its related driving forces: A case study of Wuhan city[J]. Resources and Environment in the Yangtze Basin, 2019,28(5):1059-1069. ]

[30]
谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015,30(8):1243-1254.

[ Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources, 2015,30(8):1243-1254. ]

[31]
湖北省生态环境厅. 湖北省自然保护区名录[Z]. 2018.

[ Department of Ecology Environment of Hubei Province. Natural reserves in Hubei province[Z]. 2018. ]

[32]
湖北省人民政府. 湖北省土地利用总体规划(2006-2020年)[Z]. 2012.

[ The People's Government of Hubei Province. Master plan for land use in Hubei province (2006-2020)[Z]. 2012. ]

[33]
王保盛, 廖江福, 祝薇, 等. 基于历史情景的FLUS模型邻域权重设置——以闽三角城市群2030年土地利用模拟为例[J]. 生态学报, 2019,39(12):4284-4298.

[ Wang B S, Liao J F, Zhu W, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: A case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019,39(12):4284-4298. ]

Options
Outlines

/

〈 〉