“双评价”视角下基于FLUS模型的武汉大都市区土地利用模拟和城镇开发边界划定研究

城镇开发边界的划定对于保障资源合理利用、促进城镇有序发展具有重要意义。国内现有研究多以规划实践的技术探讨为主,但对资源环境的定量化评估不足,且较少在大都市区尺度开展研究。本文以武汉大都市区为研究案例,提出在耦合多种要素构建“双评价”体系的基础上,结合FLUS模型进行土地利用模拟和城镇开发边界的划定,并运用景观格局指数等对结果进行分析校验。结果表明:① 土地利用模拟KAPPA系数为0.95,总体精度为0.96,能较好的反映未来用地变化情况,且结果显示城镇建设用地呈蔓延式扩张,有必要通过划定边界来控制城镇开发;② 根据模拟结果划定城镇开发边界,能够避免城镇建设集中占用生态或农业价值较高的区域,并在优化形态的基础上改善武汉大都市区的城镇空间布局,有很强的适用性;③ 驱动体系评价表明,相较于单一因子库,“双评价”因子库精度更高,且更能优化景观格局,促进建设用地斑块集聚发展并填补建成区空白,更符合区域发展诉求;④ 扩张结果评价表明划定结果与武汉大都市区的未来发展模式吻合,未来空间管控应重点关注临空港片区、阳逻片区、光谷-未来城片区、纸坊片区扩张的潜在价值。本研究验证了FLUS模型在武汉大都市区内应用的有效性,为规划管控及建设用地布局优化提供一定参考。     

Evaluation of intensive urban land use based on an artificial neural network model: A case study of Nanjing City,China

In this paper, the artificial neural network (ANN) model was used to evaluate the degree of intensive urban land use in Nanjing City, China. The construction and application of the ANN model took into account the comprehensive, spatial and complex nature of urban land use. Through a preliminary calculation of the degree of intensive land use of the sample area, representative sample area selection and using the back propagation neural network model to train, the intensive land use level of each evaluation unit is finally determined in the study area. Results show that the method can effectively correct the errors caused by the limitations of the model itself and the determination of the ideal value and weights when the multifactor comprehensive evaluation is used alone. The ANN model can make the evaluation results more objective and practical. The evaluation results show a tendency of decreasing land use intensity from the core urban area to the periphery and the industrial functional area has relatively low land use intensity compared with other functional areas. Based on the evaluation results, some suggestions are put forward, such as transforming the mode of urban spatial expansion, strengthening the integration and potential exploitation of the land in the urban built-up area, and strengthening the control of the construction intensity of protected areas.     

耦合FLUS和Markov的快速发展城市土地利用空间格局模拟方法

模拟城市土地利用空间变化格局的研究,对未来区域规划以及实现可持续发展具有十分积极的作用。以往基于FLUS的研究栅格尺度较大,如何模拟快速发展中城市的复杂土地利用变化过程,挖掘土地利用变化驱动机制值得进一步探讨。本文构建了耦合FLUS和Markov的城市土地利用格局拟合框架,创新性地引入房价指标表征社会经济属性,以深圳为研究区,基于30 m空间分辨率小栅格尺度的土地利用分类数据和基础地理、路网河网、感兴趣点等多源空间变量,模拟不同发展情景下的未来城市土地利用空间格局,并通过随机森林进行土地利用变化驱动因素分析。研究结果表明:本文提出的耦合FLUS和Markov方法相较于传统CA模型（RFA-CA和Logistic-CA）精度更高（FoM=0.22）,能更准确地模拟快速发展中城市的土地利用变化过程;多情景土地利用格局制图结果验证了城市发展过程中生态控制线的重要性,进一步说明本文拟合框架在未来城市规划布局中的参考价值;医院、娱乐场所等的基础设施和公交、路网密度等的基础交通比自然因素（高程、坡度）对城市发展的影响更大,到海岸线距离会在一定程度上限制深圳内部土地利用变化过程。本研究所构建模型及精细制图结果,可为城市区域规划和空间格局模拟等相关研究提供参考依据和理论基础。     

基于空间突变特征的城市边缘区提取方法

城市边缘区位于城市与乡村之间的过渡交接地带,既是城市扩张的前沿,也是城乡建设和用地置换中最具活力的地区。准确识别城市边缘区的空间范围一直是城市空间结构研究的核心问题,有助于从城乡对比的角度来衡量城市化程度。本文以城市边缘区的空间突变特征为切入点,基于格网尺度评价构建基于多源数据的城市边缘区特征识别指标,然后采用小波变换检测进行特征值突变点群的识别,并利用基于Delaunay的自动边长阈值的边界提取算法识别突变点群内外边界,从而实现了一种基于空间突变特征的城市边缘区提取方法。最后,以江阴市作为研究区进行了实证分析,并将本文方法提取结果与通过信息熵模型和土地利用程度综合指数模型提取城市边缘区的经典方法提取结果进行对比,经典方法所提取的城市边缘区结果更为混乱分散,而本文结果更为完整客观。将本文方法提取结果与使用土地利用数据与行政区划统计年鉴数据构建城市边缘区识别指标进行突变检测的不同指标方法提取结果进行对比,二者重叠度达88.03%,体现了本文方法的正确性,而从局部细节分析来看,本文结果更符合实际情况。为了更好地验证本文方法的有效性,利用景观格局指数对本文方法和不同指标方法提取的城市建成区、城市边缘区和乡村腹地的范围进行检验：从斑块类型层级指数分析, 2种方法划定的区域都具有典型的空间特征;而从景观层级指数分析,本文识别出的边缘区所计算的斑块密度、最大斑块指数、景观分离度、景观破碎化指数和香农多样性指数均高于对比方法,而蔓延度和香农均匀度均低于对比方法,说明本文识别的城市边缘区范围内景观破碎化程度和异质性更高,景观分布不均匀,社会经济条件更复杂,从而证明了本方法的有效性,尤其适合于非闭合环状的城市边缘区的提取。     

厦门城市空间拓展的生态敏感性评价

在综合分析海湾型城市自然生态与社会生态属性的基础上,选取了高程、坡度、河流水库、植被覆盖、土地覆盖和生态保护区等6个因子,作为生态敏感性评价的指标。另外,借助GIS空间分析单因子评价与多因子加权综合评价方法,研究了生态敏感性程度及其空间分布特征,将厦门的生态敏感性划分为4级:不敏感、较敏感、中敏感和高敏感。综合评价结果表明,厦门市生态敏感性在空间分布上差异显著:高度敏感区占研究区总面积的28.1%,低敏感区和不敏感区分别占研究区总面积的27.9%和33.6%。中度敏感区占的比例较小,仅为10.4%。     

2000年以来山东省地级以上城市空间格局监测分析研究

城市空间格局变化监测能够反映城市建设空间的发展规律和特点,为城镇体系发展规划、优化以及城市空间开发集约利用等提供重要基础。该文选取山东省作为研究区域,以全省17个地级以上城市城区为研究对象和统计分析单元,以2000-2017年7个时期高分辨率正射影像提取其城区边界和部分时期内部结构数据,采用城市扩展面积、城市扩展速度、城市扩展强度及紧凑度等指标,对山东省17个地级市城市空间格局发展变化进行综合分析,对城市扩展、城市用地等进行评价。研究结果表明:山东省地级以上城市空间格局演变整体呈现出以济南青岛为中心的东西两极发展格局,整体发展较为均衡,但东西部差距依然较大。城市紧凑度较低,以粗放型土地增长模式扩展,面积扩张过快,占用耕地比例较高,土地集约利用程度不够。研究成果可为优化城市空间结构,促进城镇高效、集约、节约、绿色发展等提供了合理的建议以及技术支撑。     

基于手机信令数据的北京市空间品质时空动态分析

提升城市功能,增强城市承载力成为城市规划发展的新目标,城市空间品质研究已经成为目前城市规划研究的重点和难点,但是目前空间品质的研究存在动态连续性和空间精确性不足的问题。本文基于手机信令数据获取的城市内部全天的动态人口信息,以街区为尺度定量评价北京市五环内不同功能类型街区的空间品质指数一天内的动态变化,并进行时空分布特征、变化模式以及与人口活跃度关系的分析。结果表明,北京市五环内空间品质随人群活动的变化存在不均衡性,且在时间、空间、功能性质方面存在显著的分化。具体为：空间上城市内环与外环、城市南部与北部的品质差异显著;时间上大体呈现“陡降-低值稳定-陡升-高值稳定”的不稳定趋势;不同功能类型上有着特殊的变化模式,并且功能区之间的空间品质均值差距较大,夜晚街区的居住空间品质在城区内存在明显的等级差异性。这些结果为微观尺度下城市的资源分配和合理规划发展提供了参考和建议。     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

城市交通干线对盐城城市发展影响的空间分析

本文以江苏省盐城市为例,通过1990、2000、2010年3期盐城市域遥感影像解译,获取盐城市土地利用变化数据,并采用GIS空间分析技术,评估城市交通干线对城市发展的影响。同时,结合Model Builder建模技术,综合运用缓冲区分析、叠加分析、统计分析等方法进行快速、一站式土地利用变化分析。研究结果表明:(1)以道路沿线5km缓冲区及道路出口10km缓冲区研究范围为最佳;(2)盐城市城市交通干线沿线5km范围内随着相应交通基础设施的建设变化非常剧烈,2000年后,高等级公路、高速公路和铁路改建及新建导致沿线土地利用变化发展迅速,特别是204国道沿线和沈海高速沿线变化最为迅速;(3)盐城市城市交通干线沿线重要交通出口10km范围内的变化也极大,新长铁路盐城站出口周边变化最为迅速。     

地理国情监测成果与规划用地数据的关联转换方法

国土空间规划作为促进空间科学治理、实现可持续发展的重要手段,在解决以往各类规划交叉重叠等问题的同时,对空间规划基础底数提出了新要求。将客观、精细的地理国情监测成果作为重要关联数据整合进国土空间基础信息平台,可以大大提高国土空间规划的科学性和权威性。本文首先梳理地理国情内容指标与国土空间规划核心内容之一的城市（镇）总体规划用地分类体系之间的差异,然后构建地理国情监测数据与规划用地数据关联转换的总体框架和具体方法,最后以武汉市为例开展具体应用实践并提出地理国情监测的优化建议。研究表明,地理国情监测成果与规划用地数据的关联转换方法可以用于2种分类体系地类关联关系的建立并实现两类数据的对接转换,但不同地类的转换效果存在差异;地理国情内容指标与城乡用地分类以“多对一”关联关系为主,较难实现两类数据的直接转换,但城镇综合功能单元与城市建设用地部分地类的关联关系较明确且数据转换一致性较高;要实现地理国情监测成果与规划用地数据的无缝衔接和有效转换,应进一步完善监测内容,统一技术标准,优化分类体系。研究结果为优化完善地理国情监测成果,促进其在国土空间规划中的应用提供了有效参考和科学依据。     

基于夜晚灯光数据和Google Earth的城市建成区提取分析

夜晚灯光数据已被广泛应用于提取城市建成区的研究,由于灯光具有溢出特性,因此确定最佳灯光阈值成为研究热点。本研究中总结4种常用最佳阈值确定方法的特点,并使用Google Earth影像空间比较法,确定夜晚灯光数据提取城市建成区的最佳阈值。由于地形、交通等因素影响城市形态,城市形态影响夜晚灯光数据提取城市建成区的最佳阈值大小,因此,根据城市形态将阈值结果分为2类,并得到块状城市和带状城市建成区的最佳灯光阈值分别为43和 47。Google Earth影像空间比较法与其他方法相比具有不受统计数据限制,以及简易操作等优势,且从形态上对城市建成区提取结果进行空间比较;其次,根据城市形态对最佳阈值结果分类,使不同类型的城市建成区提取结果更准确。该方法适用于在地形复杂、形态多样的大尺度空间中提取城市建成区。     

基于图像分割的城市变化检测

利用遥感数据进行城市变化检测时,由于城市是包含建筑物、道路、绿地以及水体等多种地物类型的综合体,同时与农村居民地等地物类型具有相似的光谱特征,因此,传统的单纯基于光谱信息的变化检测方法很难取得理想的效果。将空间信息加入到变化检测中,可提高变化检测的精度,但常用的加入纹理的方法容易产生边缘效应。本文提出一种基于图像分割的变化检测方法,在该方法中使用一种基于组分的多尺度形态学梯度,具有对噪声不敏感、边缘不会变厚等优点;同时与现有方法进行比较。实验结果表明,该方法在加入图像空间信息的同时避免了加入纹理等空间信息所产生的边缘效应,能够有效地提高城市变化检测的精度。     

主题模型与SVM组合的小尺度街区用地分类方法

城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机（SVM）相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周（7天）出租车GPS数据处理,结合区域兴趣点（POI）数据,基于隐含狄利克雷分布（LDA）模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。     

西安市城市边缘区空间识别与边界划分

城市边缘区研究的首要任务是对城市边缘区进行空间识别和边界划分。针对现有研究存在的指标选取过于单一或繁杂、水陆分离导致划分间断等问题,利用西安市SPOT-5、Landsat TM遥感影像和社会统计数据,分别从物理、景观、人口3个视角出发,选定不透水面盖度与景观絮乱度作为主要判别指标,人口密度作为辅助指标,构建城市边缘区识别指标体系。运用信息熵法和突变检测法,量化并可视化西安市城市边缘区的空间范围。结果表明：① 所选取指标沿着城乡梯度表现出独特的空间信息,根据指标的城乡空间异质性特征可以识别出城市边缘区的空间范围,且方法更科学,界定结果更精确。② 西安市呈现出明显的城市核心区、城市边缘区、农村腹地的圈层结构特征。道路牵引与政策调控对城市边缘区的空间分布有重要影响。本研究可为城市边缘区其他相关研究提供科学参考和依据。     

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

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。     

基于夜光遥感与POI数据空间耦合关系的南海港口城市空间结构研究

南海港口城市研究是南海资源环境监测的重要内容,目前对于南海港口城市空间结构特别是港口在城市空间结构中的地位缺乏研究。夜光遥感数据和POI数据均为城市空间结构研究的重要数据源,但对于2种数据的空间耦合关系与集成应用研究存在不足。针对上述问题,本文选取南海港口城市典型代表的三亚市为研究区,以研究区2016年NPP-VIIRS夜光遥感数据和POI数据为数据源,利用叠加分析将夜光遥感数据和POI核密度分析结果数据分别网格化。然后,利用双因素组合制图法对两种数据的空间耦合关系进行可视化,分析空间耦合关系相异区域和城市空间结构的关系,并在此基础上探讨港口在三亚城市结构中的地位。研究表明,三亚市夜光遥感和POI数据的空间分布总体趋势相一致,空间耦合关系相近的区域占比达85.6%;夜光遥感和POI数据空间耦合关系在三亚市内存在一定量的相异区域,如新城区、经济开发区、城市边缘区和乡镇中心等,结合2种数据的特点可以更显著地表征这些区域的城市空间结构特征;三亚市作为重要的南海港口城市,其城市的中心区域与港口密切关联。本研究为港口城市空间结构研究提供了新视角。     

城市土地集约利用潜力评价指标体系

土地集约利用是中国城市化的必然选择,在实践的基础上,提出城市土地集约利用潜力评价应包括总体评价、区域评价、开发区评价及地块评价4部分,并提出了一套完整地城市土地集约利用潜力评价指标体系,包括城市土地集约利用总体评价指标体系、城市土地集约利用区域评价指标体系、开发区土地集约利用评价指标体系和城市土地集约利用宗地评价指标体系。     

基于生态空间胁迫的大都市区增长情景模拟

大都市区增长是当前中国城镇化发展的一种主要模式,如何确定其最佳空间增长形态是新型城镇化关注的重要内容之一。本研究立足于未来“生态城市”建设理念,从自然资源生态敏感性和城市发展适宜性角度构建双重约束条件,利用元胞自动机模型构建了生态空间胁迫下的城市增长过程模拟框架,探讨了边缘性增长、生态性增长与协调性增长3种发展模式,并从建设适宜性、生态安全性与斑块紧凑性等角度构建评价指标对模拟方案进行定量化对比。最后,以长江中游城市群的南昌大都市区进行实例应用,结果表明,协调性空间增长模式能最大程度降低城市建设对生态安全空间的侵蚀,大都市区在制定城市增长边界等空间政策时宜参考此种发展模式,基于生态空间胁迫分析的城市增长过程建模是一种有用的规划决策情景分析工具。     

基于位置大数据的城市居住用地效率指标构建及评价研究

信息化赋能已经成为新时期国土空间规划的热点,但通过大数据整合进行国土空间利用评价研究仍有待探索。本文旨在借助腾讯位置大数据开展城市居住用地效率评价实证研究,综合运用多源地理空间数据,以居民区为评价单元构建居住用地效率指标,揭示常州市新城区不同居民区用地效率差异。结果表明：① 居民区范围内小时粒度的人口规模呈周期波动,峰值一般出现在21:00,符合城市居民昼出夜归的作息规律,且不同容积率水平的居民楼人口集聚度和规模值也存在预期性的差异;② 29个居民区按建成年份划分为1980s、1990s、2000s、2010—2015年、2015年以后共5组,各组效率指标平均值分别为1.74、2.45、2.31、0.95和0.91人/百m²,2010年之前建成的居民区明显高于2010年之后新建的,2010年以后建成的居民区低于全市2.06人/百m²的平均水平（2018年标准）;③ 效率指标值低并非完全等同于集约用地水平低,常州市新城新区开发建设的成长周期、居民对提升人居环境品质的需求,都是导致不同居民区用地效率差异的原因。研究表明,位置大数据作为高精度的人口数据源,能够客观反映居民区人口聚集的时空间特征,基于位置大数据构建的城市居住用地效率指数能够为高质量国土空间利用分析提供新途径。在我国以人为本的城市化进程中,以位置大数据为代表的新型人口数据源将在国土空间规划中发挥愈加重要的作用。     

基于多源数据的县域主导功能类型划分及其空间结构模式识别

研究县域主导功能类型并分析空间结构模式对区域全面、协调、可持续发展的引导和规划调控具有重要意义。本文以广东省为例,利用K-means聚类分析对其124个县域单位主导功能区类型进行划分;基于腾讯位置大数据,利用位序—规模法则构建空间结构指数,并结合遥感数据对不同主导功能县域的空间结构模式进行识别和分析。研究表明：① 利用统计、遥感、社交媒体以及夜间灯光等多源数据和K-means聚类方法进行县域主导功能区分类,分类结果能客观反映区域特征,广东省县域主导功能可分为生态主导型、农业主导型、工业主导型、中心服务型和均衡发展型5类;② 基于腾讯位置大数据的位序—规模法则方法能够突破城市尺度,结合遥感数据定量分析,可用于中观县域尺度的空间结构模式识别研究;③ 农业主导型和生态主导型县域空间结构指数均值都大于1,呈单中心空间结构特征趋势;工业主导型县域空间结构指数均值小于1,呈多中心空间结构特征趋势;均衡发展型县域空间结构指数均值接近1,不同地区均衡发展型县域所呈现的空间结构特征存在差异;④ 不同主导功能县域之间的空间结构模式差异明显,生态主导型县域多呈单中心极核式,农业主导型县域多呈单中心极核+散点式,均衡发展型县域多种模式并存特征明显,而工业主导型县域呈多中心网络分布模式。