張 考，黃春華,2,3*，王志遠(yuǎn),2，伍隨意，丁志鵬

(1.南華大學(xué)建筑學(xué)院，衡陽 421001；2.湖南省健康城市營造工程技術(shù)研究中心，衡陽 421001；3.生態(tài)型區(qū)域-城市規(guī)劃與管理衡陽市重點實驗室，衡陽 421001；4.南華大學(xué)土木工程學(xué)院，衡陽 421001；5.義烏市城市規(guī)劃設(shè)計研究院有限公司，義烏 322000)

城鎮(zhèn)化的快速發(fā)展，給社會、經(jīng)濟、以及人們?nèi)粘Ｉa(chǎn)生活帶來了便利。但與此同時，也產(chǎn)生了一系列問題，如城市人口增速明顯快于基礎(chǔ)設(shè)施建設(shè)速度、城市人口規(guī)模與新增產(chǎn)業(yè)規(guī)模不匹配、城鎮(zhèn)用地?zé)o序擴張等問題。而城鎮(zhèn)開發(fā)邊界是防止城市無序蔓延、優(yōu)化土地結(jié)構(gòu)，確保主體功能區(qū)戰(zhàn)略落實的有效手段，如何更為準(zhǔn)確、高效的在區(qū)域政策背景下劃定城鎮(zhèn)開發(fā)邊界，有助于城市對未來土地利用變化的精確掌控，對合理引導(dǎo)城市的土地可持續(xù)發(fā)展有著重要意義。

目前城鎮(zhèn)開發(fā)邊界的劃定是國土空間規(guī)劃的重要內(nèi)容之一。在城鎮(zhèn)開發(fā)邊界(urban growth boundaries, UGB)劃定方法上，中外相關(guān)研究大致可分為土地規(guī)模預(yù)測法和元胞自動機(Cellular Automata，CA)模擬預(yù)測法兩大類。其中“土地規(guī)模預(yù)測法”是通過人口、社會經(jīng)濟、以及生態(tài)環(huán)境指標(biāo)計算出未來土地數(shù)量需求，并結(jié)合規(guī)劃從業(yè)者、政府決策者、以及公眾參與者的意見，采用定性與定量結(jié)合的方式共同劃定出城鎮(zhèn)開發(fā)邊界[1-4]。祝仲文等[5]、王玉國等[6]結(jié)合生態(tài)適宜性評價與地理信息系統(tǒng)(geographic information system,GIS)空間疊加技術(shù)劃定了城市增長邊界。然而，土地規(guī)模預(yù)測法預(yù)測的僅有土地數(shù)量規(guī)模，在劃定城鎮(zhèn)開發(fā)邊界時，未細(xì)化空間驅(qū)動因素對城鎮(zhèn)擴張的影響?；诖饲闆r，為更合理的劃定城鎮(zhèn)開發(fā)邊界，眾多學(xué)者采用CA模型模擬了城市擴張，并基于生態(tài)保護和多規(guī)合一等視角劃定了城鎮(zhèn)開發(fā)邊界[7-11]。Liu等[12]采用系統(tǒng)動力學(xué)模型和FLUS模型劃定了珠三角的城鎮(zhèn)開發(fā)邊界;張韶月等[13]結(jié)合雙評價與FLUS-UGB模型，劃定了長春市城鎮(zhèn)開發(fā)邊界。由于這類方法在城鎮(zhèn)開發(fā)邊界的劃定上更為直觀和準(zhǔn)確，因此CA模擬預(yù)測法成為當(dāng)前劃定城鎮(zhèn)開發(fā)邊界的熱門方法之一。

利用CA模型模擬城市擴張是當(dāng)前劃定城鎮(zhèn)開發(fā)邊界常用手段之一。近年來，為提升CA模型的模擬精度，中外學(xué)者采用人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks，ANN)、Logistic和Markov等不同算法，優(yōu)化了CA模型在鄰域規(guī)則的挖掘，如FLUS[12]、CLUE-S[14-15]以及CA-Markov[16]等模型，但在土地利用結(jié)構(gòu)變化規(guī)律挖掘上呈現(xiàn)出不足。為進一步提升CA模型在土地利用變化規(guī)律上的挖掘能力，梁訊等提出了MCCA模型，該模型通過隨機森林算法挖掘了歷史土地利用結(jié)構(gòu)變化規(guī)律，并將此規(guī)律應(yīng)用于模擬之中，其模擬結(jié)果表明該方法能有效提升CA模型的模擬精度[17]。但值得關(guān)注的是，隨機森林算法雖能有效計算出各驅(qū)動力對城市用地擴張的貢獻(xiàn)度，但在計算用地適應(yīng)性概率分布時，未剔除貢獻(xiàn)度較低的空間驅(qū)動要素，可能會導(dǎo)致模擬精度降低[18-19]。

結(jié)合上述研究背景，深入探討土地利用變化驅(qū)動力有助于更精準(zhǔn)優(yōu)化CA模擬。目前國內(nèi)外學(xué)者主要通過Logistic回歸、多元線性回歸等模型對土地利用變化驅(qū)動機制進行探討[20-21]，上述算法雖從數(shù)值間的相關(guān)性進行了探討。但王勁鋒等[22]認(rèn)為土地利用變化具有空間屬性，應(yīng)從空間異質(zhì)性的角度利用非線性分析方法探討驅(qū)動因子與土地利用變化的關(guān)系，基于此提出了基于空間異質(zhì)性視角下的相關(guān)性分析模型-地理探測器，目前該模型已被廣泛應(yīng)用于土地利用變化驅(qū)動機制探測。

綜上所述，考慮到現(xiàn)有城鎮(zhèn)開發(fā)邊界的劃定方法對政策沖擊下的土地資源環(huán)境影響評價不足，且多數(shù)研究未從空間異質(zhì)性的角度探討驅(qū)動機制視角下優(yōu)化的CA模型在土地利用變化模擬中的影響。以1990、2000、2010、2018年四期土地利用數(shù)據(jù)為基礎(chǔ)，提出從空間異質(zhì)性的角度對長沙市1990—2018年建設(shè)用地變化驅(qū)動機制進行深入探索，并從驅(qū)動機制視角下優(yōu)化混合元胞自動機模型(mixed-cell cellular automata，MCCA)，通過優(yōu)化與未優(yōu)化模型的精度對比，篩選出模擬精度較高的模型，對長沙市2030年土地利用變化進行情景模擬，最終結(jié)合生態(tài)保護區(qū)、生態(tài)保護紅線、《長株潭綠心總體規(guī)劃》等規(guī)劃，共同劃定多情景下的長沙市城鎮(zhèn)開發(fā)邊界。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

長沙市地處湖南省東部，位于111°53′E～114°15′E,27°51′N～28°41′N，全域面積為11 849.94 km2。區(qū)域內(nèi)地形東西高，中部低。市域共有6個區(qū)1個縣，2個縣級市，中心城區(qū)包括芙蓉區(qū)、開福區(qū)、天心區(qū)、雨花區(qū)、望城區(qū)、長沙縣，如圖1所示。近年來為強化長沙市在湖南省的經(jīng)濟作用，湖南省政府在《2019年政府工作報告》中提出“加速長株潭一體化發(fā)展”的政策。該政策，即通過實施《長株潭綠心總體規(guī)劃》、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、優(yōu)化城市形態(tài)，促進城市精致化發(fā)展，而長沙市作為長株潭城市群核心城市，未來有較大的空間拓展需求。因此基于此背景，識別長沙市建設(shè)用地時空演化，情景模擬建設(shè)用地變化，合理劃定城鎮(zhèn)開發(fā)邊界，有助于優(yōu)化長沙市國土空間開發(fā)保護格局。

圖1 區(qū)位圖

1.2 數(shù)據(jù)來源與預(yù)處理

研究采用的數(shù)據(jù)主要包括土地利用數(shù)據(jù)、空間驅(qū)動數(shù)據(jù)、地形地貌數(shù)據(jù)、空間限制數(shù)據(jù)及統(tǒng)計數(shù)據(jù)。①土地利用覆被數(shù)據(jù)，是從中科院地理資源環(huán)境中心獲取的1990—2018年四期土地利用二級分類數(shù)據(jù)，參照國家一級土地利用現(xiàn)狀分類標(biāo)準(zhǔn)，將土地利用類型分為水域、草地、林地、耕地、建設(shè)用地和未利用地；②社會經(jīng)濟數(shù)據(jù)，包含2010、2015年1 km的人口和國內(nèi)生產(chǎn)總值(gross domestic pro-duct，GDP)空間分布數(shù)據(jù)，數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(http://www.resdc.cn)；③空間驅(qū)動因子，參照現(xiàn)有土地利用驅(qū)動因素研究成果，選取道路數(shù)據(jù)、自然數(shù)據(jù)、公共服務(wù)設(shè)施數(shù)據(jù)作為空間驅(qū)動因子；④生態(tài)保護紅線和自然保護區(qū)，來源于長沙市自然資源和規(guī)劃局；⑤統(tǒng)計數(shù)據(jù)，包含2000、2010、2018年長沙市市域人口數(shù)量數(shù)據(jù)，來源于中國知網(wǎng)下載的《中國城市統(tǒng)計年鑒》(https://data.cnki.net/yearbook/Single/N2020100004)。為保證模擬的正常運行，上述數(shù)據(jù)均需通過GIS進行標(biāo)準(zhǔn)化處理，使其行列數(shù)與像元大小保持一致。

2 研究方法

為劃定長沙市城鎮(zhèn)開發(fā)邊界，研究分為：建設(shè)用地時空變化特征、建設(shè)用地擴張驅(qū)動機制、MCCA情景模擬、建設(shè)用地適宜性評價和城鎮(zhèn)開發(fā)邊界劃定，具體研究框架如圖2所示。

圖2 研究框架

2.1 建設(shè)用地擴張驅(qū)動機制探測

地理探測器(geo dectector，GD)是一種重要的探測地理要素的空間格局及成因的方法，被廣泛用于城市發(fā)展、社會經(jīng)濟等領(lǐng)域的研究中[22-24]。通常在導(dǎo)入地理探測器時，需要在Arcgis中對驅(qū)動因子進行離散分類處理，并通過采樣，獲得因變量與結(jié)果變量的離散型數(shù)據(jù)，最終導(dǎo)入地理探測器進行因子分析，具體計算公式為

(1)

式(1)中:n為驅(qū)動因子總量；σ2為樣本方差；q為建設(shè)用地擴張的驅(qū)動因子解釋力，q取值區(qū)間為[0，1]，其數(shù)值越大，表示該因子對建設(shè)用地擴張的解釋力越強；ni為驅(qū)動因子中的第i個驅(qū)動因子。

2.2 MCCA情景模擬

2.2.1 基于隨機森林算法的用地潛力挖掘

為能夠模擬混合單元的結(jié)構(gòu)變化，需先計算出土地利用結(jié)構(gòu)變化與驅(qū)動因子之間的關(guān)系，再導(dǎo)入隨機森林算法中進行訓(xùn)練。在此之前需要對驅(qū)動因子進行數(shù)據(jù)預(yù)處理。該項步驟需要在Arcgis中進行，其操作方式主要包括制作混合元胞，以及提取混合元胞中的土地利用結(jié)構(gòu)數(shù)據(jù)。其中混合元胞主要通過GIS中的創(chuàng)建漁網(wǎng)構(gòu)成，而土地利用結(jié)構(gòu)數(shù)據(jù)的提取是利用GIS中的“面積制表工具”完成。

隨后將預(yù)處理后的數(shù)據(jù)導(dǎo)入隨機森林算法中，利用該算法的特點，訓(xùn)練出任意驅(qū)動因素對因變量影響的分界線[25]，最終通過隨機森林算法的訓(xùn)練結(jié)果，對混合單元i中的每一個像元用地潛力進行預(yù)測，其預(yù)測公式為[17]

(2)

2.2.2 土地利用空間結(jié)構(gòu)變化模擬

在每個混合元胞內(nèi)，土地利用組成部分的覆蓋比例是否增加，以及增加的量，是在輸入用地結(jié)構(gòu)分布概率、土地利用結(jié)構(gòu)數(shù)量以及慣性系數(shù)后，通過一套定量競爭機制來估算轉(zhuǎn)為增加的土地利用組成部分和其他土地利用組成部分變化的數(shù)量，該競爭機制與FLUS模型較為相似[26]。其土地利用變化概率總計算公式為

(3)

慣性系數(shù)根據(jù)宏觀需求和實際分配土地利用類型數(shù)量之間的差異決定，并在迭代過程中進行自適應(yīng)調(diào)整，從而使各土地利用類型的數(shù)量向宏觀需求目標(biāo)發(fā)展。其定義為

(4)

(5)

2.2.3 精度驗證

為準(zhǔn)確的評估優(yōu)化模型的精度，該部分采用包括Kappa系數(shù)、總體精度和相對熵RE進行精度檢測，其中Kappa系數(shù)計算公式為

(6)

式(6)中：p0為預(yù)測與實際對比的總體精度；pe為由于偶然機會造成預(yù)測結(jié)果一致性的概率，即隨機一致性。

相對熵計算公式為

(7)

(8)

式中：REi為混合單元i的實際和模擬的土地利用結(jié)構(gòu)的相對熵，值越大表明實際和模擬的土地利用結(jié)構(gòu)差異越大；Pi和Qi分別為實際和模擬的土地利用結(jié)構(gòu)；k為土地利用結(jié)構(gòu)，k=1,2,…,K；M為混合細(xì)胞總數(shù)；REmean為區(qū)域?qū)用嫔贤恋乩媒Y(jié)構(gòu)相似性的度量。

2.2.4 情景設(shè)置

考慮到“長株潭加速一體化”政策在未來對長沙市建設(shè)用地變化具有重大影響，在優(yōu)化后的MCCA模型中設(shè)置常規(guī)發(fā)展與長株潭一體化發(fā)展兩種情景，以此對比分析政策驅(qū)動下的城鎮(zhèn)開發(fā)邊界異與同。

(1)常規(guī)情景：是指不將各項政策及規(guī)劃方案劃定的建設(shè)用地管控區(qū)作為模擬限制條件，通過歷史土地利用結(jié)構(gòu)變化數(shù)據(jù)，采用一元線性回歸方程預(yù)測而來。

(2)一體化情景：由于《長株潭綠心總體規(guī)劃》和人口轉(zhuǎn)移是長株潭一體化進程中的關(guān)鍵要素，為了量化這些要素各類型土地需求的關(guān)系?？紤]到《2010版長沙市總體規(guī)劃》中2030年預(yù)測的全域880萬總?cè)丝诓辉龠m合一體化加速的情景，我們對其人口提升5%，以此應(yīng)對“長株潭城市群一體化發(fā)展政策”可能帶來的土地利用結(jié)構(gòu)變化影響，最終利用PID法(principle index driver)求出各類型用地需求。其中PID法是利用人口和土地利用變化值，推導(dǎo)每增加1人所導(dǎo)致的由其他地類轉(zhuǎn)化為相應(yīng)用地的增量，進而推算出未來時期兩種戶籍人口對應(yīng)的土地利用數(shù)量[28]，其計算公式為

(9)

在空間管控方面，與常規(guī)情景不同的是，將自然保護區(qū)數(shù)據(jù)、生態(tài)保護紅線、以及《長株潭城市群生態(tài)綠心地區(qū)總體規(guī)劃(2010—2030)》中劃定的空間限制區(qū)作為模擬的限制區(qū)。最終各土地利用結(jié)構(gòu)需求結(jié)果如表1所示。

表1 非空間土地利用結(jié)構(gòu)

2.3 城鎮(zhèn)用地適宜性評價

考慮到各地區(qū)的差異性，以《國土空間規(guī)劃雙評價指南》為參考標(biāo)準(zhǔn)，從中選取社會經(jīng)濟、地形地貌、區(qū)域可達(dá)性和公共服務(wù)設(shè)施4個部分共計24項指標(biāo)，采取層次分析法(analytic hierarchy process，AHP)確定各級評價體系中的指標(biāo)權(quán)重如表2所示，再利用Arcgis空間分析技術(shù)對長沙市建設(shè)用地進行城鎮(zhèn)用地適宜性評價。最終根據(jù)評價結(jié)果采用自然斷點法分為最適宜城鎮(zhèn)建設(shè)區(qū)、較適宜城鎮(zhèn)建設(shè)區(qū)、適宜城鎮(zhèn)建設(shè)區(qū)、限制城鎮(zhèn)建設(shè)區(qū)和禁止城鎮(zhèn)建設(shè)區(qū)5個級別[29-33]。具體計算方式為

表2 指標(biāo)體系權(quán)重

(10)

式(10)中：GSj為城鎮(zhèn)用地適宜性評價分?jǐn)?shù)；Si為第i類二級評價指標(biāo)城鎮(zhèn)用地適宜性評價結(jié)果；n為三級指標(biāo)個數(shù)。

2.4 城鎮(zhèn)開發(fā)邊界的劃定

考慮到長沙市未來有較大的空間拓展需求，應(yīng)先結(jié)合區(qū)域資源、各類規(guī)劃、生態(tài)保護區(qū)、生態(tài)保護紅線為本底，通過評估城鎮(zhèn)用地適宜性評價，劃定長沙市剛性城鎮(zhèn)開發(fā)邊界，再利用情景模擬結(jié)果與剛性邊界結(jié)合劃定彈性增長邊界。

(1)剛性邊界劃定：剛性邊界是指區(qū)域內(nèi)的資源環(huán)境能夠承載的最大建設(shè)用地規(guī)模。為尋找低成本、高效率的土地開發(fā)方式，通過對區(qū)域內(nèi)現(xiàn)狀社會經(jīng)濟、地形地貌、可達(dá)性等多項指標(biāo)共同評價城鎮(zhèn)用地適宜性級別，并協(xié)調(diào)已有各類規(guī)劃、自然保護區(qū)、生態(tài)紅線、以及水域，共同劃定城市剛性增長邊界[9,34]。

(2)彈性邊界劃定：彈性邊界是指城市在某一階段的最大建設(shè)用地規(guī)模，為應(yīng)對未來土地利用變化的不確定性，我們通過MCCA模型模擬的多情景土地利用變化結(jié)果利用劃定的城市剛性邊界進行擦除，劃定多情景下的長沙市彈性城鎮(zhèn)開發(fā)邊界[7]。

3 結(jié)果與分析

3.1 1990—2018年長沙市建設(shè)用地時空變化特征

如表3所示，1990—2018年長沙市建設(shè)用地擴張幅度逐步提升，1990年建設(shè)用地面積為257.10 km2，至2000年建設(shè)用地達(dá)到308.03 km2，增長率為27.67%，新增建設(shè)用地主要分布在芙蓉區(qū)中部、長沙縣東部、瀏陽市和寧鄉(xiāng)市的中心城區(qū)。2010年建設(shè)用地面積增長至668.36 km2，增長率為124.42%，建設(shè)用地擴張速度進一步加快，其中長沙市中心城區(qū)各區(qū)縣擴張幅度尤為明顯，擴張面積高達(dá)296.86 km2占總擴張面積的77.45%，與此同時寧鄉(xiāng)市中心城區(qū)北部和瀏陽市西部擴張速度進一步加快。至2018年，長沙市中心城區(qū)建設(shè)用地擴張速度進一步加快，總面積高達(dá)920.26 km2，新增建設(shè)用地主要分布在長沙縣和岳麓區(qū)，面積分別為50.43 km2和36.95 km2，如表3所示。

表3 土地利用轉(zhuǎn)移矩陣

林地和耕地是轉(zhuǎn)為建設(shè)用地的主要來源。1990—2000年，新增建設(shè)用地主要由林地和耕地轉(zhuǎn)變而來，轉(zhuǎn)移面積分別為123.17 km2和150.88 km2，占新增建設(shè)用地的53.66%和40.34%。2000—2010年，建設(shè)用地面積增長速度加快，主要來源仍為耕地和林地，但耕地轉(zhuǎn)建設(shè)用地的比例下降，林地轉(zhuǎn)建設(shè)用地的比例增長，分別為51.64%和44.55%。2010—2018年，建設(shè)用地面積侵占耕地和林地的幅度下降，但耕地轉(zhuǎn)為建設(shè)用地的比例達(dá)到最高，為54.08%。

3.2 長沙市建設(shè)用地擴張驅(qū)動機制分析

識別城鎮(zhèn)用地驅(qū)動機制有助于掌握長沙市建設(shè)用地擴張的主要驅(qū)動因素?？紤]到眾多學(xué)者在建設(shè)用地模擬研究中，未剔除較低相關(guān)性的驅(qū)動因子，直接導(dǎo)入模擬模型進行模擬預(yù)測，可能導(dǎo)致在土地利用結(jié)構(gòu)轉(zhuǎn)移概率挖掘過程中存在缺陷。因此采用地理探測器對長沙市1990—2018年建設(shè)用地擴張的21種空間驅(qū)動因素進行因子探測，篩選出長沙市建設(shè)用地擴張的主要驅(qū)動力，并將主要驅(qū)動因子應(yīng)用在長沙市未來城鎮(zhèn)用地變化模擬中。

根據(jù)地理探測器因子探測結(jié)果(圖3)來看，21種驅(qū)動因子中有4種驅(qū)動因子p值高于0.05，分別為距離城市三級道路距離、國道、鄉(xiāng)道、坡度，表明上述4種驅(qū)動要素不能解釋1990—2018年長沙市建設(shè)用地擴張。有6種因素q低于0.5，分別為距離城市二級道路距離、距離城市四級道路距離、距離公園距離、距離省道距離、距離縣道距離、高程，表明這些空間驅(qū)動因子在1990—2018年對建設(shè)用地擴張解釋度較低。其余驅(qū)動因子q均在0.5以上，且距離酒店距離、距離超市距離、距離城市一級道路距離、距離高速公路距離和距離政府距離的q均大于0.9，表明這些驅(qū)動因子對1990—2018年長沙市建設(shè)用地擴張解釋力較強?；诖私Y(jié)果，將距離酒店距離、距離超市距離等11種解釋力一般和解釋力強的空間驅(qū)動因素導(dǎo)入MCCA模型，模擬2010年通州區(qū)土地利用變化，并與未剔除相關(guān)性較低的驅(qū)動因子的模擬結(jié)果進行對比分析。

圖3 驅(qū)動因子相關(guān)性檢驗

3.3 精度驗證

為了驗證剔除相關(guān)性較低的驅(qū)動因子在土地利用模擬中具有更高模擬準(zhǔn)確度，研究利用篩選后的驅(qū)動因子與未篩選的驅(qū)動因子基于2010年土地利用數(shù)據(jù)模擬了2018年土地利用格局，然后將模擬結(jié)果與2018年實際土地利用數(shù)據(jù)對比，進行精度驗證，評估指數(shù)如表4所示。

表4 精度驗證

根據(jù)評估指數(shù)來看，GD-MCCA和MCCA下的2010土地利用變化模擬Kappa系數(shù)分別為0.904 0和0.889 6，總體精度為0.92和0.89，各精度分別提升了1.44%、3.00%，而GD-MCCA模型預(yù)測下的相對熵分別為0.931 5和0.942 6，下降了0.011 1，表明GD-MCCA模擬結(jié)果更為準(zhǔn)確。為進一步評估兩者的可靠性，對上述兩種結(jié)果進行了對比分析，如圖4所示。從建設(shè)用地模擬結(jié)果來看，兩者不一致的地方主要在開福區(qū)，其中2015年真實土地利用覆被[圖4(a)]與MCCA模擬結(jié)果[圖4(b)]對比顯示，MCCA模擬結(jié)果斑塊破碎程度較高，且斑塊數(shù)量偏少。而GD-MCCA模擬結(jié)果[圖4(c)]顯示無論是斑塊大小還是斑塊數(shù)量更接近真實的土地利用變化，說明利用篩選后的驅(qū)動因子導(dǎo)入MCCA模擬精度更高，能更為真實地模擬未來土地利用變化。

圖4 精度對比

3.4 不同情景下的建設(shè)用地演化結(jié)果

在不同情景下，長沙市中心城區(qū)東部、瀏陽市西部、寧鄉(xiāng)市南部影響較大，建設(shè)用地變化明顯，如圖 5所示。兩種情景下長沙市中心城區(qū)中的長沙縣建設(shè)用地增長最為明顯，其中常規(guī)情景和一體化情景的擴張面積分別為1 085.94 km2和1 215.49 km2。但值得關(guān)注的是兩種情景下，建設(shè)用地擴張最明顯的區(qū)別在于長沙縣建設(shè)用地的擴張速度、擴張方向不一致，其中常規(guī)情景下長沙縣建設(shè)用地擴張面積為37.99 km2，擴張方向為向東，而一體化情景下的建設(shè)用地擴張面積為65.08 km2，擴張方向為向東南。這主要原因是受“長株潭城市群一體化發(fā)展”的影響，一體化情景下的建設(shè)用地向長株潭城市群的中心靠攏，而常規(guī)情景未受到政策的約束導(dǎo)致建設(shè)用地擴張方向與一體化情景不一致。

圖5 情景模擬

3.5 城鎮(zhèn)用地適宜性評價

根據(jù)建設(shè)用地適宜性評價指數(shù)，采用自然斷點法將其劃分為5個級別，其結(jié)果表明長沙市全域適宜建設(shè)區(qū)主要分布在中心城區(qū)，不適宜建設(shè)區(qū)主要分布在瀏陽市東部和北部、寧鄉(xiāng)市的西部和南部，如圖 6所示。其中最適宜建設(shè)區(qū)和較適宜性城鎮(zhèn)用地全域面積的18.76%和25.10%，主要分布在開福區(qū)、芙蓉區(qū)、雨花區(qū)、天心區(qū)、岳麓區(qū)東北部、望城區(qū)東南部、長沙縣西部和寧鄉(xiāng)市的東北部。適宜建設(shè)區(qū)占全域面積比例最高，比例為29.24%，主要分布在寧鄉(xiāng)市中部與瀏陽市中部、西部。限制建設(shè)區(qū)與禁止建設(shè)區(qū)共占26.88%，主要分布在瀏陽市東北部和寧鄉(xiāng)市的西部。

圖6 城鎮(zhèn)用地適宜性評價

3.6 城鎮(zhèn)開發(fā)邊界的劃定

3.6.1 剛性邊界的劃定

剛性城鎮(zhèn)開發(fā)邊界是基于區(qū)域資源承載極限下的城市建設(shè)用地最大規(guī)模，城市的各類開發(fā)建設(shè)活動都應(yīng)該控制在剛性邊界以內(nèi)。為更為準(zhǔn)確的劃定剛性邊界，研究通過綜合生態(tài)保護紅線、自然保護區(qū)、《長株潭城市群生態(tài)綠心地區(qū)總體規(guī)劃(2010—2030)》中劃定的空間限制區(qū)以及建設(shè)用地適宜性評價結(jié)果通過空間疊加的形式，確定城鎮(zhèn)不可開發(fā)的區(qū)域從而反推出剛性邊界。從剛性邊界劃定結(jié)果來看，全域城鎮(zhèn)剛性開發(fā)邊界總面積為7 028.20 km2，占長沙市全域土地總量的59.31%，其中長沙市中心城區(qū)占可開發(fā)建設(shè)用地的比例最高，為46.40%，寧鄉(xiāng)市占比最低，為24.59%。截止至2018年，長沙市全域建設(shè)用地規(guī)模為920.26 km2，占可開發(fā)建設(shè)用地總量的13.09%，其中長沙市中心城區(qū)、瀏陽市和寧鄉(xiāng)市占各區(qū)域可開發(fā)建設(shè)用地的比例分別為19.88%、6.56%和7.87%，剩余存量土地面積為4 616.82 km2，但在城市發(fā)展時應(yīng)避免長沙市中心城區(qū)吸引力過強導(dǎo)致瀏陽市和寧鄉(xiāng)市的發(fā)展受限。

3.6.2 彈性邊界的劃定

依照多情景彈性邊界劃定結(jié)果(圖7)來看，常規(guī)情景和一體化加速情景下的彈性增長邊界面積分別為1 021.23 km2和1 158.60 km2，邊界主要差異在長沙縣的中部，且一體化加速情景下的彈性增長邊界內(nèi)部緊湊程度更強。這是由于長株潭城市群加速一體化發(fā)展下，長沙市建設(shè)用地發(fā)展方向由過去的向北變?yōu)橄蚰习l(fā)展。由于長株潭生態(tài)綠心的劃定，使得中心城區(qū)建設(shè)用地在加速一體化發(fā)展情景下“內(nèi)延式”擴張比例上升，優(yōu)化了中心城區(qū)的建設(shè)用地形態(tài)，與此同時避免了長株潭城市群建設(shè)用地連片發(fā)展。

圖7 城鎮(zhèn)開發(fā)邊界的劃定

4 討論

總體來看，MCCA模型是探討土地利用結(jié)構(gòu)變化與土地利用變化的模擬軟件，將篩選后的空間驅(qū)動因子導(dǎo)入MCCA模型模擬，是土地利用變化模擬的新思路，對拓展CA模型在城鎮(zhèn)開發(fā)邊界中的應(yīng)用有著重要意義，但仍存在一定的不足。

(1)在情景模擬中，雖在一定程度上考慮了生態(tài)保護紅線、《長株潭綠心總體規(guī)劃》以及自然保護區(qū)對土地利用變化的影響，但受規(guī)劃數(shù)據(jù)的限制，未考慮基本農(nóng)田控制線對模擬結(jié)果的影響，這在一定程度上會導(dǎo)致城鎮(zhèn)開發(fā)邊界的劃定結(jié)果與實際情況發(fā)生一定的沖突。

(2)在建設(shè)用地驅(qū)動機制識別中，雖采用非線性擬合的方式探測了長沙市建設(shè)用地擴張的驅(qū)動機制，但未考慮各驅(qū)動力之間的相互作用對城市擴張模擬的影響，這可能會影響情景模擬結(jié)果的準(zhǔn)確性。

因此在后續(xù)城鎮(zhèn)開發(fā)邊界的劃定研究中，需考慮影響建設(shè)用地擴張驅(qū)動因素的交互作用，使土地利用變化模擬更符合城市實際情況。

5 結(jié)論

鑒于當(dāng)前城鎮(zhèn)開發(fā)邊界的劃定方法多數(shù)未探討政策在邊界劃定中的影響，且在土地利用模擬中眾多學(xué)者在預(yù)測用地適宜性分布概率時未剔除相關(guān)性較低的驅(qū)動因子，而政策影響和用地適宜性分布概率預(yù)測對建設(shè)用地擴張影響較大。嘗試引入“加快長株潭一體化發(fā)展政策”和“基于地理探測器改進的MCCA模型”為創(chuàng)新點，完善城鎮(zhèn)開發(fā)邊界的劃定方法，以此更好為城鎮(zhèn)開發(fā)邊界的劃定與土地決策提供支撐。研究以長沙市為例，從建設(shè)用地變化特征與驅(qū)動機制、土地利用變化模擬、以及建設(shè)用地適宜性評價四個模塊共同劃定了長沙市城鎮(zhèn)開發(fā)邊界，得到以下結(jié)論。

(1)從MCCA精度驗證來看，剔除相關(guān)性較低的驅(qū)動因子模擬結(jié)果與未剔除的模擬結(jié)果相比，Kappa系數(shù)提高了1.44%，總體精度提高了3.00%，相對熵降低了1.11%。表明剔除相關(guān)性較低的驅(qū)動因子導(dǎo)入MCCA模擬能更好預(yù)測城市用地擴張。

(2)從剛性城鎮(zhèn)開發(fā)邊界劃定結(jié)果，長沙市市域城鎮(zhèn)開發(fā)剛性邊界面積為7 028.20 km2，占長沙市全域土地總量的59.31%，主要分布在長沙市中心城區(qū)，瀏陽市占比最低僅占24.59%，在未來發(fā)展中需避免過度開發(fā)。

(3)彈性增長邊界劃定結(jié)果表明，常規(guī)情景下2030年長沙市彈性城鎮(zhèn)開發(fā)邊界面積為1 021.23 km2，一體化情景下彈性城鎮(zhèn)開發(fā)邊界面積為1 158.60 km2。長沙市中心城區(qū)建設(shè)用地擴張明顯，未來中心城區(qū)擴張區(qū)域主要為長沙縣與望城區(qū)，預(yù)測結(jié)果與2010版長沙市城市總體規(guī)劃相一致。