国土空间规划视角下的城镇开发边界划定和空间管控体系构建

doi:10.12082/dqxxkx.2022.210552

国土空间规划视角下的城镇开发边界划定和空间管控体系构建

陈霆^,¹^,²^,³, 徐伟铭^,¹^,²^,³^,^*, 吴升¹^,²^,³, 刘洁¹^,²^,³

1.福州大学数字中国研究院（福建）,福州 350108

2.福州大学空间数据挖掘与信息共享教育部重点实验室,福州 350002

3.福州大学地理空间信息技术国家地方联合工程技术研究中心,福州 350002

Delimitation of Urban Development Boundary and Construction of Space Control System from the Perspective of Territorial Spatial Planning

CHEN Ting^,¹^,²^,³, XU Weiming^,¹^,²^,³^,^*, WU Sheng¹^,²^,³, LIU Jie¹^,²^,³

1. The Academy of Digital China, Fuzhou University, Fuzhou 350108, China

2. Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China

3. National Engineering Research Centre of Geospatial Information Technology, Fuzhou University, Fuzhou 350002, China

通讯作者: *徐伟铭（1986— ）,男,福建闽侯人,博士,副研究员,主要从事国土空间规划、智慧城市应用研究。 E-mail: xwming2@126.com

收稿日期: 2021-09-15 修回日期: 2021-11-21

基金资助:

中国科学院战略性先导科技专项(A类XDA23100502)
福建省科技厅引导性项目(2017Y0055)

Corresponding authors: *XU Weiming, E-mail: xwming2@126.com

Received: 2021-09-15 Revised: 2021-11-21

Fund supported:

The Strategic Priority Research Program of the Chinese Academy of Sciences(A类XDA23100502)
Science and Technology Agency of Fujian Province(2017Y0055)

作者简介 About authors

陈霆（1997— ）,男,福建莆田人,硕士生,主要从事国土空间规划、地理模拟研究。E-mail: chenting49365@163.com

摘要

新时期国土空间规划背景下,科学合理地划定城镇开发边界,建立健全的国土空间用途管制制度是有序引导国土空间各类开发保护行为的重要举措。本文以福州市为例,构建了一种全域多维度国土空间管控体系,将其管控约束条件嵌入未来土地利用格局模拟中。同时,顾及区域空间异质性和时空依赖性,设计了一种服务于城镇开发边界划定的集成地理分区策略、深度学习技术、FLUS模型功能模块的时空元胞自动机ST-CA（Spatio-Temporal Cellular Automata）模型。基于已有成果集成三区三线,开展“划管结合”思维下的空间管控应用研究。结果表明：① 顾及区域空间异质性和时空依赖性的ST-CA模型可以有效提高土地利用变化模拟精度（OA指标从95.95%提升至98.34%）,实现更为真实、准确的地理模拟过程;② 地理模拟过程中嵌入管控约束条件,可引导城镇、农业和生态3类空间合理布局且规模可控,基于模拟结果划定的城镇开发边界能有效避开规划保护用地;③ 未来模拟预测结果结合管控预警值可看出,福州市主城区及周边区县的城镇扩张形势比较严峻,未来亟需对福州市国土空间格局进行合理调控;④ 边界变化趋势特征表明划定结果与福州市的远景发展规划布局一致,符合区域发展诉求,国土空间格局呈现多轴化发展趋势。研究结果可为福州市国土空间开发保护行为提供科学谋划,为国土空间管控及优化提供实践参考依据。

关键词： 国土空间规划; 城镇开发边界; 空间管控体系; 时空元胞自动机; 福州市

Abstract

Under the background of territorial spatial planning in the new period, delimiting the urban development boundary scientifically and reasonably and establishing a sound territorial space use control system are important measures to guide all kinds of territorial space development and protection. Taking Fuzhou City as an example, this paper constructs a global multi-dimensional territorial space control system. Management and control constraints are embedded in the future land use pattern simulation. At the same time, considering the regional spatial heterogeneity and spatial-temporal dependence, this paper designs the Spatial-temporal Cellular Automata (ST-CA) model which integrates geographical partition strategy, deep learning technology, and the functional module of FLUS model to delimit the urban development boundary. Based on the existing achievements, this study integrates three zones and three lines to carry out the application research of spatial management and control under the thinking of "combination of planning and control". The results show that: (1) The ST-CA model considering regional spatial heterogeneity and spatial-temporal dependence can effectively improve the accuracy of land use change simulation and achieve a more realistic and accurate geographical simulation process. The overall accuracy of the model increased from 95.95% to 98.34%; (2) Control constraints are embedded in the process of geographical simulation, which can guide the rational layout and controllable scale of urban, agricultural, and ecological spaces. Delimitation of urban development boundary based on simulation results can effectively avoid occupation on protected land; (3) The future simulation results combined with the control early warning value show that the urban expansion situation in the main urban area and surrounding districts and counties of Fuzhou City is relatively severe. In the future, it is urgent to reasonably regulate the territorial space pattern of Fuzhou City; (4) The characteristics of boundary change trend show that the delimitation results are consistent with the long-term development planning of Fuzhou City, which is in line with regional development demands. The territorial space pattern presents a multi-axis development trend. The research results can provide scientific planning for the development and protection of territorial space and practical reference for territorial space control and optimization in Fuzhou City.

Keywords： territorial spatial planning; urban development boundary; space control system; spatio-temporal cellular automata; Fuzhou city

PDF (25960KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

陈霆, 徐伟铭, 吴升, 刘洁. 国土空间规划视角下的城镇开发边界划定和空间管控体系构建[J]. 地球信息科学学报, 2022, 24(2): 263-279 doi:10.12082/dqxxkx.2022.210552

CHEN Ting, XU Weiming, WU Sheng, LIU Jie. Delimitation of Urban Development Boundary and Construction of Space Control System from the Perspective of Territorial Spatial Planning[J]. Journal of Geo-information Science, 2022, 24(2): 263-279 doi:10.12082/dqxxkx.2022.210552

1 引言

近年来,国家决策层致力于美丽中国建设,提出了一系列相关政策,力争建立健全的国土空间规划体系并实施完善的国土空间用途管制制度^[1]。在新型城镇化背景下,如何合理控制城镇用地规模、划定城镇开发边界、科学谋划国土空间开发保护活动已成为当前空间管制的工作重点^[2,3,4]。

城镇开发边界（Urban Development Boundary,UDB）作为新时期国土空间规划中划定的指导和约束城镇发展的空间管制控制线,是一条需要持续管理更新的控制线^[5,6]。城镇开发边界所管制和引导的国土空间用地也是一个具有高度不确定性的复杂对象,往往具有复合功能性的特点。我国在划定城镇开发边界相关研究方面起步较晚,在国家政策推动下,各个地方市县都陆续开展了试点工作^[7]。

国内UDB划定的研究主要是以下2种：① 以生态保护为主,结合用地适宜性评价和承载力规模计算,划定城镇开发边界^[8,9,10];② 以各种地理模拟模型为基础,演绎未来城镇空间布局,结合生态保护约束来划定城镇开发边界^[11]。前者突出“反规划”思维,但评价过程主观性较强,未考虑到土地利用格局的发展不确定性因素;后者利用模型模拟复杂地理变化,探索土地利用格局竞争与发展规律,是当前主流的研究思路。相关模型有约束性CA模型^[12,13]、CLUE-S模型^[14,15]、多智能体模型^[16]、Logistic-CA模型^[17]、FLUS模型^[18,19,20]等,都取得了较好的地理模拟效果。但总的来说,上述模型依旧存在如下局限性：① 不同区域的空间异质性考虑不足：传统地理模拟研究大多采用相同的转换规则来开展整个研究区的模拟预测工作,忽略了不同区间地区的空间异质性;② 忽略了元胞间局部相互作用的时空依赖性：以往元胞间的领域效应研究仅用相邻土地利用类型的数值比例来表示,这并不足以合理表征元胞相互间的局部空间依赖性;且基于元胞自动机的传统方法通常将土地利用变化视为马尔可夫过程,而地理模拟是一个长期的演变过程。传统主流模型如FLUS模型中的神经网络（Artificial Neural Network, ANN）模块无法处理长时序的土地利用数据以捕捉长期的时间依赖性进行建模。因此,如何实现更为真实、准确的地理模拟过程依旧是未来的研究重点。

部分学者已经针对上述局限性开展了各种研究。Yang等^[21]利用K-Means聚类对研究区进行地理空间分区模拟,有效提高了模型模拟的精度,但是该聚类算法会受到初始聚类中心随机性的影响。He等^[22]考虑邻域效应,利用联合挖掘的卷积神经网络完成土地利用模拟,模拟精度有效提高,但该方法未顾及地理模拟过程中的时间依赖性。

目前关于国土空间管控应用的研究为数不多,以往的研究思路一般是以空间用途为基础,划定各种管制分区。如以土地利用类型为基础的用途分区模式、土地利用规划的“三界四区”及主体功能区划4类分区等^[23,24,25]。党的十九大报告明确要求统一行使国土空间用途管制的新机制,三区三线划定成为了主要研究内容,如岳文泽等^[26]提出了“三区三线”为核心的统一国土空间用途管制分区理论构思。当前“双评价”工作中的国土空间开发适宜性评价是科学识别三区工作的基础前提。

综上所述,本研究旨在国土空间规划视角下开展城镇开发边界划定和空间管控体系构建工作,改变以往重建设、重规模、重发展的思路倾向。依据国土空间规划建设要求,以国土空间开发利用和保护并重为目标,从“双评价”工作出发识别自然资源本底条件。科学划定管控分区,支撑规划管控从过去侧重于建设分区管制转变为美丽中国目标愿景驱动下的全域空间用途管制。研究构建了一种全域多维度的国土空间管控体系,将其管控约束条件作用于未来土地利用格局模拟中。为处理区域空间异质性和时空依赖性,设计了一种集成地理分区策略、深度学习技术、FLUS功能模块的时空元胞自动机模型（ST-CA）。为评估本文模型的合理性,研究还构建了其他几组对比实验。科学划定城镇开发边界,集成三区三线,开展“划管结合”思维下的空间管控应用研究。

2 研究方法

2.1 研究思路

本文研究思路如图1所示,分为前期准备、确定划管结合框架、开展管控应用示范3部分工作。其中划管结合框架由空间规划和空间管控2个部分组成。空间管控部分构建了一种全域多维度的国土空间管控体系,分别是强度阈值管控、九类分区管控、空间管控预警3个维度。研究设定将该管控体系设定的管控约束条件作用于空间规划部分的ST-CA模型中,开展地理模拟研究,科学划定城镇开发边界。空间规划部分结合规划成果集成三区三线,并基于最新的三区三线成果进一步完善空间管控体系。最后,围绕研究区开展“划管结合”思维下的空间管控应用示范工作,具体方法思路如下文所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 城镇开发边界划定和空间管控技术路线

Fig. 1 Technical route of urban development boundary delineation and space control

2.2 国土空间三区划定

2.2.1 国土空间开发适宜性评价

国土空间开发适宜性评价是科学识别三区工作的基础前提。遵循因地制宜、综合性、底线约束等原则,依据自然资源部发布的“双评价指南”^[27]。同时考虑研究区评价数据获取的限制因素,科学选取各单要素评价指标,具体评价指标如图2所示。基于地学模型、矩阵判断、成本矩阵、空间分析等方法处理各指标数据,分别开展城镇、农业、生态3个指向的国土空间开发适宜性评价工作。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 福州市国土空间开发适宜性评价指标

Fig. 2 Index for evaluating the suitability of territorial space development

2.2.2 改进的“三维魔方”模型

“三维魔方”模型具有很强的直观性和可操作性,在国土空间应用中,一般用于研究区的空间用途分区^[28]。本研究基于国土空间开发适宜性评价结果,在“三维魔方”模型基础上进行改进（图3）,融入了空间单元冲突协调规则,以开展三区划定工作,定量识别适宜城镇发展建设的空间用地。首先依据生态、农业和城镇3个指向,分别设计为三维魔方中的X轴、Y轴和Z轴。然后在各轴分别设置低、中、高3个级别刻度（对应坐标轴1,2,3）,分别对应各指向的“不适宜（一般重要）、一般适宜（重要）、适宜（极重要）”3个等级,完成三维空间的构建,依次识别27种空间排列组合。最后依据“空间适宜性”、“现状稳定性”、“邻域配置”、“集中紧凑性”原则组成冲突协调规则,科学合理地协调冲突的空间单元,以完成三区的划定工作。该冲突协调规则在保证空间集中紧凑的同时,可以有效兼顾空间适宜性及现状稳定性。如存在具有“复合功能性”的空间冲突单元时,若现状空间功能用地邻域配置及集中紧凑度都较高,考虑现状空间用途为主导功能指向;但若现状功能对应的适宜性等级较低时,则考虑划定为适宜性等级较高的空间功能指向。本研究依据研究区国土空间开发现状结合土地利用现状数据设定现状空间功能用地（表1）,将研究区全域划分为现状城镇空间、现状农业空间、现状生态空间。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 “三维魔方”模型示意

Fig. 3 Diagram of “3D magic cube” model

表1 研究区现状空间功能用地

Tab. 1 Current spatial functional land in study area

空间类型	分类依据	一级类	二级类
城镇空间	从事城镇建设和发展经济的区域	城乡、工矿、居民用地	城镇用地
城镇空间	从事城镇建设和发展经济的区域	城乡、工矿、居民用地	其他建设用地等
农业空间	提供农产品和农村生活为主导功能的区域	农业生产用地	农村居民点
			旱地
			水田
生态空间	具有自然属性,提供生态产品服务功能的区域	林地	有林地、灌木林、疏林地等
		草地	天然草地、其他草地等
		水域	河流、湖泊、滩涂、滩地等
		未利用地	沙地、裸土地、沼泽地等

新窗口打开| 下载CSV

2.3 城镇开发边界划定

2.3.1 驱动因子选取

土地利用格局变化与驱动因子影响两者联系紧密,驱动因子的选取需要围绕研究区实际考虑到多方面因素。福州市属于河口盆地地貌,四周环绕群山、河流,地形起伏大,城镇发展深受自然环境因素与区位条件的影响。同时,作为福建省省会城市,福州市社会经济辐射能力也是影响其城市化发展的重要因素。考虑到政策规划导向往往在空间格局演变中起到重要引导作用,随着福州都市圈发展规划的推行,福州市未来土地利用格局变化亟需考虑到政策规划方面的影响。因此,本研究结合研究区实际、资料获取难易程度以及参考已有相关研究^[29,30,31],选取了自然因素、区位因素、社会经济因素及政策规划因素4类共17个驱动因子（表2）来探索福州市空间格局演变规律。所有数据都经过归一化处理,并保持统一的栅格范围。

表2 土地利用变化驱动因子相关信息

Tab. 2 Information of driving factors for land use change

类型	编号	驱动因子	因子说明
自然环境	X1	高程	代表该空间单元的高程
	X2	坡度	代表该空间单元的陡缓程度
	X3	植被覆盖度	代表空间单元森林资源和绿化水平
区位条件	X4	距区县中心距离	代表该空间单元到其最近区县中心的距离
	X5	距机场距离	代表该空间单元到其最近机场的距离
	X6	距港口距离	代表该空间单元到其最近港口的距离
	X7	距火车站距离	代表该空间单元到其最近火车站的距离
	X8	距公交站距离	代表该空间单元到其最近公交站的距离
	X9	距铁路距离	代表该空间单元到其最近铁路的距离
	X10	距公路距离	代表该空间单元到其最近公路的距离
	X11	距河流距离	代表该空间单元到其最近河流的距离
社会经济	X12	GDP	代表该空间单元的GDP水平
	X13	人口密度	代表该空间单元的人口分布状况
	X14	夜间灯光指数	代表该空间单元的城市发展情况
政策规划	X15	规划空间布局	代表规划布局对该空间单元的引导
	X16	规划轨道交通	代表该空间单元到其最近轨道交通的距离
	X17	规划产业结构	代表产业结构布局对该空间单元的引导

新窗口打开| 下载CSV

2.3.2 ST-CA模型架构

本研究基于CA理论,为处理地理模拟过程中存在的区域空间异质性和时空依赖性,构建了一种服务于城镇开发边界划定的时空元胞自动机模型（ST-CA）（图4）。模型分别集成了SOM地理分区策略、卷积神经网络、长短期记忆神经网络以及FLUS模型中的自适应惯性竞争机制、轮盘赌机制模块。其中自适应惯性竞争机制主要用于调整当前迭代轮次的各类土地利用数目,确保地理模拟过程与规划需求预期保持一致。轮盘赌机制用于增添土地利用格局变化本身所具有的不确定性因素。在此机制下地类发展概率较高的有较大的可能性发展成新地类,且地类发展概率较低的空间单元仍有发生转变的可能性^[32],以此较为真实的体现土地利用格局空间演变过程的自然随机性。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 ST-CA模型结构示意

Fig. 4 Structure diagram of ST-CA model

（1）构建特征矩阵样本集

本研究的特征矩阵样本集分别由驱动因子特征、初始地类特征、邻域特征和潜在空间特征组成。通过驱动因子数据集进行数据采样生成驱动因子特征,如表2所示,包含X1—X17总共17个维度;初始地类特征和邻域特征即为各个样本的初始土地利用类别和邻域地类统计,编号为X18、X19。

潜在空间特征由卷积神经网络（Convolutional Neural Networks, CNN）提取生成。卷积神经网络由输入层、隐含层和输出层组成,其中隐含层包含卷积层、池化层和全连接层,分别完成特征提取和分类工作^[33]。将卷积神经网络集成到元胞自动机模型中,利用卷积核的多尺度特征挖掘优势,可以实现对不同区域局部空间演变特征的深入挖掘。以此克服传统基于ANN训练的CA模型仅依据单个元胞及相邻元胞状态的信息进行建模的不足,充分表征CA模型中每个元胞单元局部的邻域效应,进而尝试解决地理模拟过程的空间依赖性现象。

研究采用的卷积神经网络架构由3个卷积层、2个最大池化层、1个全连接层和1个输出层组成,总共7层。其中卷积层和全连接层加入了dropout操作避免过拟合现象。输入数据为多周期的土地利用数据,采样窗口大小为25×25,通道数为1,输入的维度为25×25×1。最后具有6个神经元的全连接层计算后生成最终输出,即捕获的潜在空间特征,编号为X20,具体网络架构如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 卷积神经网络架构

Fig. 5 Structure of Convolutional neural network

（2）基于SOM的地理分区策略

SOM是一种竞争学习型非监督神经网络,采用竞争学习策略实现对输入样本的自组织聚类^[34]。该神经网络由输入层和竞争层（输出层）组成（图6）,通过权向量连接两层神经元,竞争层的神经元数对应于聚类模式个数。训练期间可不设定固定的神经元个数,便于映射输入样本特征的拓扑结构,以更好的探索分析空间数据在特定模式所具有的内在关联特征。在本研究中,基于SOM神经网络实现区域划分,以处理空间异质性。输入的特征矩阵为研究区的驱动因子数据集（见表2中X1——X17）。训练结束后,每输入一个特征向量,竞争层中产生最大响应的获胜神经元将自动归类当前输入向量。输出结果对应各个空间单元的聚类类别,每个类别代表一个子区域,最终将研究区合理地划分为几个具有不同发展规律的地理分区,以完成地理分区工作。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 自组织特征映射神经网络结构

Fig. 6 Structure of Self-organizing feature map neural network

（3）生成土地发展适宜性

研究采用长短期记忆神经网络（Long Short Term Memory, LSTM）学习历史土地利用信息。长短期记忆模型是在循环神经网络（Recurrent Neural Network, RNN）的基础上扩展出来的一种特殊的神经网络。RNN由于对数据信息的短期记忆特征,无法处理长期依赖问题。而LSTM通过自身的“cell state”信息传送带的“记忆”功能（图7）,可以有效地处理长时间序列数据^[35]。LSTM主要由3个门构成：输入门、输出门、遗忘门,其中遗忘门通过概率选择遗忘和记忆上层的细胞状态;输入门通过概率选择记住现状的某些信息并计算t时刻输入的细胞状态;输出门将之前的记忆信息与当前输入进行合并来更新细胞状态。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 长短期记忆神经网络结构

Fig. 7 Structure of Long-Short Term Memory neural network

本研究中,基于地理分区策略实现区域划分后,将构建好的特征矩阵样本集对应的划分到各个子区域,分别生成子区域特征矩阵,以构建长时序输入向量X输入到长短期记忆神经网络中进行训练。输入向量X包含驱动因子特征、初始地类特征、邻域特征和潜在空间特征4类特征（如上文所示,编号为X1-X20）。分别针对各个子区域开展神经网络训练,训练过程中,从长时序输入向量中学习到的时间序列信息会自动逐层提取,进而捕捉地理模拟过程中长期的时间依赖性。训练结束后得到的输出结果通过全连接层,利用Softmax函数得出预测结果,分别对应研究区土地利用各个类别的发展适宜性程度。

（4）计算元胞总发展概率

传统CA的基本计算框架分别由元胞和元胞空间、元胞状态、转换规则、邻域和元胞时间5个部分组成,其中转换规则作为CA计算框架的核心。在本研究中,转换规则依旧是时空CA模型的关键,元胞总发展概率如式（1）所示。

（1）

P_{m, n}^{t} = S_{m, n} \times CR \times Ω_{m, n}^{t} \times α_{n}^{t} \times S C_{m, n}

式中：参数m表示原始地类,n表示目标地类,t表示当前时刻; $P_{m, n}^{t}$ 代表某元胞单元从原始地类m转化为目标地类n的总发展概率; $S_{m, n}$ 表示该元胞单元的发展适宜性,由LSTM模型最终计算获得;CR代表空间管控模块中设定的管控约束条件,包括国土空间强度约束和管控分区约束; $Ω_{m, n}^{t}$ 表示邻域元胞状态比例; $S C_{m, n}$ 代表转换成本,本研究中设定初始各个地类都可以相互转换; $α_{n}^{t}$ 是自适应惯性竞争系数^[33]。

2.3.3 膨胀腐蚀法划定UDB

地理模拟过程结束后基于FLUS模型的膨胀腐蚀方法模块划定福州市城镇开发边界。膨胀腐蚀法属于形态学中的一种用于规整边界的方法,通过开运算和闭运算实现边界平滑和内部填充的效果^[32]。将膨胀腐蚀法运用在城镇开发边界划定中,可以利用开闭运算,基于城镇用地模拟预测布局实现城镇开发边界的划定。

2.4 多维度国土空间管控体系

2.4.1 强度阈值管控维度

围绕城镇空间、农业空间及生态空间,计算国土空间开发（保护）强度（式（2））。通过设置3类空间的强度上下限阈值进行空间开发保护强度管控（图8）,以实现研究区全域城镇、农业及生态3类空间结构布局均衡且规模合理可控。

（2）

DPI = S_{i} / S \times 100 %

式中： $DPI$ 代表国土空间开发（保护）强度;S_i代表第i类空间内的现状合理建设用地面积（保护用地面积）;S代表该类空间区域面积;i设为1、2、3,分别代表城镇空间、农业空间、生态空间。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 强度阈值管控维度示意

Fig. 8 Diagram of three space control dimension

2.4.2 9类分区管控维度

新时期国土空间规划提出空间用途管制要以“三区三线”为核心,兼顾空间用地的用途管制属性和功能分区属性。在此基础上,本研究参考岳文泽等^[26]提出的“功能区与管制区相融合”的分区模式理论构思。结合三区三线和国土空间开发适宜性评价成果,以福州市为例开展全域分类分功能的国土空间管控分区应用,该分区体系总共设为9类分区（表3）。

表3 “3+3+3”国土空间管控分区^[26]

Tab. 3 Territorial space use control zoning of “3+3+3”

空间功能	管控分区
城镇指向	城镇开发边界刚性管制区
	城镇发展优化引导区
	城镇发展改善提升区
农业指向	基本农田刚性管制区
	农业与农村发展优化引导区
	农业与农村发展改善提升区
生态指向	生态保护红线刚性管制区
	生态服务优化引导区
	生态服务改善提升区

新窗口打开| 下载CSV

2.4.3 空间管控预警维度

空间管控预警分析一般用于对研究区域规划符合程度、土地利用格局变化、生态环境保护等是否发生违背规划预期的危害变化进行及时预警,依据警度值作出相应的调控措施。本文借鉴已有文献^[36,37]的基础上,围绕未来土地利用格局变化视角,结合空间管控、违法监测、自然保护等基本要求。分别从违法规模、管控强度、形态布局、自然环境4 个方面选取14项指标构建了一种基于“区县尺度”的空间管控预警指标体系（表4）。以期对福州市空间管控成效、违法预警程度和未来空间格局发展变化开展预期评价分析并提前进行管控预警。警度计算公式表达为：

（3）

CIV = \overset{n}{\sum_{i = 1}} W_{i} \times G_{i}

式中： $CIV$ 为空间预警的总警度分值, $W_{i}$ 和 $G_{i}$ 分别代表第i个指标层的权重和影响度,n为公式中的总指标个数。本研究中采样层次分析法结合专家咨询设置相关权重,预警的警度值区间采用系统化方法结合专家意见进行划分。

表4 福州市空间管控预警指标

Tab. 4 Early warning index for space control in Fuzhou city

目标层	准则层	权重	指标层	权重
空间管控预警	违法规模	0.2808	建设用地占用生态保护区面积	0.1245
			建设用地占用基本农田面积	0.1088
			建设用地占用耕地面积	0.0475
	管控强度	0.3397	城镇空间开发保护强度	0.0666
			农业空间开发保护强度	0.1204
			生态空间开发保护强度	0.1269
			建设用地扩展强度指数	0.0258
	形态布局	0.1404	聚集指数	0.0436
			建设用地紧凑度	0.0693
			蔓延度指数	0.0275
	自然环境	0.2390	景观形状指数	0.0231
			建设用地平均生态敏感性指数	0.0978
			建设用地平均高程指数	0.0489
			建设用地平均坡度指数	0.0692

新窗口打开| 下载CSV

3 研究区概况和数据来源

3.1 研究区概况

福州市地处福建省东部沿海,位于25°15′N—26°39′N,118°08′E—120°31′E（图9）,是海上丝绸之路枢纽城市。作为国家第一批对外开放的14个沿海港口城市之一,区位港口条件优越。随着福州市“东进南下、沿江向海”战略的延续,城市发展从“单中心”向“多中心、组团式、网络化”转变。城镇化发展亟需同步进行高质量管控,以缓解福州市山多地少,耕地后备资源有限的地理现状。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 福州市区位示意

Fig. 9 Location map of Fuzhou city

3.2 数据来源

本研究所用数据主要包括基础地理数据、自然环境数据、遥感影像数据、多周期土地利用数据、社会经济数据、政策规划数据和气象数据集（表5）。土地利用数据包含2010、2012、2014、2016、2018、2020年,均由地理空间数据云网站的Landsat系列影像使用ENVI和ArcGIS软件进行预处理。运用监督分类结合人工目视解译方法进行分类制成,包括建设用地、耕地、林地、草地、水域和未利用地6个类别。研究基于2010年LUC模拟2020年以校准模型,多周期LUC数据用于ST-CA模型挖掘潜在空间特征且构建长短期记忆神经网络模型计算所需的时间序列变量。本研究使用的所有栅格数据集的分辨率都统一为50 m,并保持一致的栅格范围和投影坐标系。

表5 数据清单说明

Tab. 5 Description of data list

类型	数据名称	时间/年	数据来源
基础地理数据	区县中心、交通站点、铁路	2015	1:25万基础地理数据库（www.webmap.cn）
	高速公路、一般公路、河流
自然环境数据	土壤数据	1995	资源环境数据云平台（http://www.resdc.cn/）
	DEM	2015	地理空间数据云网站（http://www.gscloud.cn/）
	植被指数	2010—2020	资源环境数据云平台（http://www.resdc.cn/）
遥感影像数据	遥感影像	2010—2020	地理空间数据云网站（http://www.gscloud.cn/）
土地利用数据	土地利用数据	2010—2020	遥感影像解译
社会经济数据	GDP、人口密度	2010—2015	资源环境数据云平台（http://www.resdc.cn/）
	夜间灯光数据	2013	资源环境数据云平台（http://www.resdc.cn/）
政策规划数据	规划空间布局、轨道交通、		福州市自然资源和规划局
	产业结构、控制线成果
气象数据集	年均降水、年均风速	1981—2010	中国气象数据网（http://www.cma.gov.cn/）
	月均湿度、月均气温

新窗口打开| 下载CSV

4 结果与分析

4.1 国土空间三区三线集成

基于改进后的“三维魔方”模型划定三区,构建三维空间后识别出来的27种空间冲突排列组合结果如表6所示。研究以“生态优先、农业优先”规则为例,采用传统三维魔方模型进行了一组三区划定对比实验,实验结果如图10所示。本文将晋安区、鼓楼区、台江区、马尾区、仓山区记为主城区。从空间分布上可看出,传统三维魔方模型划定的三区结果中存在较多破碎的空间功能地块,而改进三维魔方模型划定的三区用地更为集中紧凑;从数量层面上计算现状城镇空间与规划城镇空间的覆盖程度,改进三维魔方模型划定的城镇空间覆盖率比例为44.19%,而传统三维魔方模型划定的城镇空间覆盖率仅为41.29%。相比较有一部分现状城镇空间功能用地被划为了其他主导功能用地。因此,融入冲突协调机制的“三维魔方”模型划定的空间功能布局更为合理。可在一定程度上避免具有“复合功能性”的空间冲突用地由于“生态优先、农业优先”等传统主观规则导致空间布局结果与现状空间用途需求差异过大。最后,将划定的三区结果结合现有规划三线成果,进一步集成福州市三区三线（图11）,为制定相应的空间管控策略提供规划基础。

表6 空间冲突排列组合

Tab. 6 Permutation and combination of space conflict

冲突类型	冲突模式
生态优势区	高-中/低-中/低;中-低-低
农业优势区	中/低-高-中/低;低-中-低
城镇优势区	中/低-中/低-高;低-低-中
强冲突区	高-高-高;高-中/低-高; 中/低-高-高
中冲突区	高-高-中/低;中-中-中; 中-低-中;低-中-中
弱冲突区	低-低-低;中-中-低

新窗口打开| 下载CSV

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 福州市三区划定示意

Fig. 10 Diagram of delimitation of three zones in Fuzhou city

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 福州市三区三线划定示意

Fig. 11 Diagram of delimitation of three zones and three lines in Fuzhou city

4.2 福州市地理分区结果

基于python实现SOM地理分区,训练期间由SOM自身对输入的驱动因子进行挖掘探索。经过多次实验,得知福州市全域由8个分区组成时效果最好,地理分区结果如图12所示。福州市主城区大部分区域位于同一个分区中,福清市与平潭综合实验区几乎全境位于同一个分区中,基本符合福州市“一主一副,滨海发展轴”等国土空间总体格局。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 福州市地理分区结果

Fig. 12 The geographical partition result in Fuzhou city

4.3 土地利用变化模拟预测及精度对比

为评估研究区土地利用变化过程中空间异质性和时空依赖性的影响程度,本研究除了提出的ST-CA模型之外,还分别构建了ANN-CA、SOM-ANN-CA、CNN-LSTM-CA共3组对比实验。其中ANN-CA模型即为目前主流的FLUS模型;SOM-ANN-CA模型是在ANN-CA模型基础上集成SOM地理分区策略,以评估研究区空间异质性的影响程度;CNN-LSTM-CA模型并未进行地理分区,可与ANN-CA模型对比评估研究区时空依赖性的影响程度。本研究以2010年作为起始年份,将目标年规划数目需求作为模型迭代的终止条件,开展福州市2020年土地利用变化模拟预测工作以校准模型。模拟结果精度评估分别使用总体精度（Overall Accuracy, OA）、Kappa系数及品质因素（Figure of Merit,FoM） 3个指标,模拟预测结果如图13所示。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 福州市2020年模拟结果对比

注：图（b1)—（c1)分别为图（b)—（c)中红色框对应的放大图。

Fig. 13 Comparison of simulation results in Fuzhou city in 2020

表7展示了不同组合模型的精度评价结果,从精度结果层面来看, CNN-LSTM-CA模型3种精度评价指标分别比ANN-CA模型高1.93%、3.24%、15.53%,验证了时空依赖性对地理模拟过程的重要性; SOM-ANN-CA模型对比ANN-CA模型,3种精度评价指标分别提高了0.76%、1.27%、6.49%,说明了地理模拟过程在不同区域存在空间差异影响。而ST-CA模型与其他3种模型对比,3种指标精度都有着明显的提升,体现了ST-CA模型的可靠性。从空间层次进行更加细致的比较,如图13中的局部放大对比图所示。对于比较集聚的区域用地, 3个对比组模型表现尚可,但是在模拟较细碎用地时表现一般。ST-CA模型不管是集聚性的区域用地,还是较为细碎或跳跃式的用地,都有着更好的模拟效果。该方法模拟出的用地轮廓更为接近现状,且能较好地预测细碎用地的发展变化。由此表明ST-CA模型在土地利用变化模拟方面应用具有更好的性能,能更为真实准确地模拟预测未来土地利用格局变化。

表7 不同模型组合模拟结果精度对比

Tab. 7 Comparison of simulation accuracy of different model combinations

模型	OA/%	Kappa	FoM
ANN-CA	95.95	0.9321	0.3999
SOM-ANN-CA	96.71	0.9448	0.4648
CNN-LSTM-CA	97.88	0.9645	0.5552
ST-CA	98.34	0.9722	0.6914

新窗口打开| 下载CSV

4.4 福州市UDB划定及空间管控应用

4.4.1 国土空间管控分区结果

以福州市为例开展国土空间管控分区应用。围绕城镇、农业和生态3类基本功能区进一步划定各个空间指向的刚性管制区、优化引导区和改善提升区,总共构建9个管控分区（图14）。其中刚性管制区的定位是刚性管控,分别对应三线的范围进行分区,剩下2种分区划定都以城镇指向为例;优化引导区的定位是作为具有较高适宜性的弹性管控分区。在城镇空间内,排除刚性管制区后,将城镇建设适宜性评价结果为适宜（生态指向对应极重要）等级且用地集中紧凑的区域作为城镇发展优化引导区,可依据规划需求转变其空间用地功能;城镇空间中刚性管制区和优化引导区以外的区域作为城镇发展改善提升区,定位为可进行规划差异协调、用地腾退、综合整治及生态修复的空间用地。

图14

新窗口打开| 下载原图ZIP| 生成PPT

图14 福州市国土空间管控分区

Fig. 14 Territorial space use control zoning in Fuzhou city

4.4.2 “划管结合”应用

国土空间规划划定的不应是静态、永久性的成果,而应该随着国土空间管控实施监测结果进行动态的调整和完善。“规划”与“管控”应是两条密不可分、盘旋上升式的应用关联曲线。二者相互引导、相互反馈、相互优化,共同实现国土空间的底线管控战略和实施路径,构建高质量国土空间格局。

以往研究仅设定生态、农田保护等建设用地发展限制区,约束条件较为单一。基于国土空间管控模块设定的管控约束条件,可以依据现行规划需求进行调整。针对福州市未来土地利用格局模拟预测工作,该应用方面的管控约束条件由国土空间强度约束结合管控分区约束构成。本研究以2030年为规划目标年,基于马尔可夫链模型及专家经验计算未来2030年的土地利用数目需求。依据研究区地方规划文本以及预测的规模需求,设置国土空间开发强度上限阈值是永久基本农田除外的一般农业空间不能超过15%,生态保护红线除外的一般生态空间不能超过2%;而国土空间保护强度下限阈值设定分别是城镇、农业空间中生态用地比例不低于4%和8%,保证3类空间能够依山傍水,维系自然。管控分区约束是指刚性管制区结合城镇空间及水源保护形成的空间约束,实现从数量强度到空间保护的双重约束。本文也设定了一组惯性发展情景下福州市2030年土地利用变化模拟预测对比实验（图15）,以模拟结果结合预警体系进行管控成效评估。

图15

新窗口打开| 下载原图ZIP| 生成PPT

图15 福州市2030年模拟结果

Fig. 15 Simulation results in Fuzhou city in 2030

依据空间管控预警体系对预测的福州市未来空间变化格局开展预期评价分析,评估各区县管控成效和违法情况。预警结果如图16所示,管控约束下的2030年福州市各区县中最高警情为中警,聚集在福州市主城区周边。这些区县正是建设用地扩张的密集区域,空间开发强度临近阈值,且现状建设用地周边地形起伏度大,环绕高山绿地,扩张形势较为严峻。而在惯性发展情景下,福州市主城区警情升级为重警。建设用地无管控约束情景下侵占了生态保护红线与永久基本农田区域,且周边的部分区县也分别加重了警情,这说明福州市未来国土空间格局亟需高质量的管控及优化。依据空间预警评估结果输出具体的合规性审查报告,及早制定国土空间开发保护目标及战略,以健全福州市空间治理体系。

图16

新窗口打开| 下载原图ZIP| 生成PPT

图16 福州市2030年空间管控预警结果

Fig. 16 Early warning results of space control in Fuzhou city in 2030

4.4.3 福州市UDB划定及变化趋势分析

采用FLUS模型的形态学膨胀腐蚀法模块划定福州市2030年城镇开发边界。提取模拟的2030年城镇空间中的建设用地空间布局,执行一次闭运算使得城镇用地集中紧凑,再执行开运算排除部分细碎孤立图斑,最后基于5×5滑动窗口完成城镇开发边界划定（图17）。另外,研究采用等扇面法对研究区2010—2030年的UDB变化趋势进行可视化分析。如图18所示,取福州中心城区的中心为原点,以北偏东11.25°为起点,将福州市2030年UDB布局划分为16个均等的扇形。叠加福州市2010年和2020年的UDB布局,分别计算每个扇形区域2010—2030年的UDB变化速率。研究将速率值分级量化为各扇形的颜色深浅进行可视化展示,颜色越深代表发展变化越迅速。

图17

新窗口打开| 下载原图ZIP| 生成PPT

图17 福州市2030年UDB划定结果

Fig. 17 Urban development boundary delineation in Fuzhou city in 2030

图18

新窗口打开| 下载原图ZIP| 生成PPT

图18 福州市UDB变化速率（2010—2030年）可视化结果

Fig. 18 Visualization results of UDB change rate (2010-2030) in Fuzhou city

结果表明,2010—2030年,福州市UDB总体在SSW、S、SSE、SE、SEE、E、NNE、NWW 8个方向上变化比较迅速。与福州市的远景规划布局相比较,如图18中的蓝轴与橙轴等标识,本研究模拟的福州市未来城镇空间发展布局与之基本吻合,符合“一主一副、双轴两翼”的国土空间格局。其中,“一主一副”分别指福州中心城区和福清市区;“双轴”代表滨海发展轴与沿江发展轴;“两翼”代表北部罗源湾地区与南部江阴湾和福清湾地区。因此,本研究构建的ST-CA模型可有效地挖掘空间演变规律,政策规划类、社会经济等驱动因素选取比较合理,模拟预测的未来空间格局变化能够较好地拟合远景规划发展趋势。研究方法具有一定的实际参考价值,划定的未来城镇开发边界成果可用于更新国土空间管控分区,进一步完善国土空间管控体系。未来可将每一轮次管控评估结果作为基础,结合最新的规划成果,开展双评价的复评、三区三线校正等工作,依此循环,以实现规划管控成果应用处于一个不断优化的业务闭环过程,研究成果可为福州市空间管控应用研究提供参考借鉴。

5 结论与讨论

本研究构建了一种全域多维度国土空间管控体系,划定的九类管控分区可为新型管控思路下的国土空间管控分区工作实践提供参考。针对传统主流CA模型处理地理模拟过程中区域空间异质性和时空依赖性的局限性,设计了一种集成地理分区策略、深度学习技术、FLUS模型功能模块的时空元胞自动机模型。同时,研究依据管控体系制定了一种适用于未来土地利用格局模拟应用的管控约束条件。科学划定城镇开发边界,集成三区三线及管控分区,围绕福州市开展“划管结合”思维下的空间管控应用研究。研究结论如下：

（1）不论是精度指标比较还是目视对比,ST-CA模型的模拟预测效果都优于其他3个对比实验组,OA、Kappa和FoM分别提高了2.39%、4.01%和29.15%,并且在模拟集聚区域用地、细碎用地或跳跃式扩张用地时,用地轮廓都更接近现状,表明了空间异质性与时空依赖性对地理模拟过程的影响程度。ST-CA模型神经网络训练对比传统主流CA模型的ANN模块具有更高的可靠性,可以更为真实有效地挖掘土地利用格局模拟发展规律。

（2）管控约束条件兼顾空间布局以及规划数目需求双约束来引导空间格局合理配置,模拟的未来土地利用空间结构更为均衡。依据模拟结果划定的城镇开发边界可有效避开规划保护用地,有序引导城镇化高质量发展。

（3）基于2030年模拟结果计算的各区县空间管控警度值可看出,福州市中心城区及周边区县城镇化发展的形势比较严峻,建设用地开始沿江边和交通干线迅速扩张。警度值高的区域包含福州大学城、三江口、滨海新城等,都是福州市重点规划发展区域。未来福州市可结合空间管控体系,制定相应的福州市国土空间开发保护目标战略,在发展与保护二者之间寻求平衡。

（4） UDB变化趋势特征表明UDB方案在一定程度上可引导福州市国土空间格局呈多轴化发展,与福州市远景规划布局基本吻合。顾及政策规划、社会经济等因素的影响,模拟结果基本符合区域发展诉求。未来空间管控及优化需重点关注“一主一副,双轴两翼”区域中的规划片区。同时,可响应福州都市圈发展规划,加强福州地区与周边区域的关联性,如以湾区为重点,推进与周边的莆田市、宁德市跨界地区协同治理,共同完善空间治理体系。

总体来看,本研究构建的ST-CA模型与空间管控体系在规划管控相互结合应用上提供了一定的可参考性,但仍存在不足之处。管控约束虽然兼顾空间约束与数量约束,但目前设定的管控约束条件仅适用于城镇开发边界划定模块应用,后续工作可以针对其他规划应用,以制定多元化的管控规则;研究中空间开发保护强度阈值的设定主观性较强,应由上级规划自上而下分解指标,进一步与地方政府进行交流沟通,结合最新的规划需求进行动态调整;研究设定的空间预警体系仅针对“区县尺度”,并且指标的选取及权重值、警度值等设定都应依据上级规划有针对性地进行优化。未来可以围绕“地块尺度”展开更为细致的空间预警工作,结果可用于制定更详细的空间准入、用地增减挂钩等管控机制,进一步完善空间管控体系。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

张晓玲, 吕晓.

国土空间用途管制的改革逻辑及其规划响应路径

[J]. 自然资源学报, 2020, 35(6):1261-1272.