太原市高新开发区土地利用优化配置研究

刘 勇， 苏 超， 徐小明

（山西大学黄土高原研究所， 山西 太原 030006）

太原市高新开发区土地利用优化配置研究

刘 勇， 苏 超， 徐小明

（山西大学黄土高原研究所， 山西 太原 030006）

研究目的：提出山西省太原市高新区土地利用优化配置建议，探讨开发区土地资源利用的优化配置机制。研究方法：在分析土地利用结构的基础上，结合太原市高新技术产业及社会经济发展需求和规划控制指标，建立线性规划模型求解土地利用结构的优化值，并借助CA-Markov模型求出2015年高新区土地资源利用结构的空间优化结果。研究结果：太原市高新区南部地区的农用地和其他用地主要开发为工商金融用地和居住用地，绿地、道路用地和林地也有扩大。研究结论：线性规划结合CA-Markov模型的方法，能较好地解决土地资源的优化配置问题。

土地利用；优化配置机制；线性规划；CA-Markov模型；开发区

1 太原市高新技术产业开发区土地资源配置现状分析

1.1 研究区概况

太原高新技术产业开发区（以下简称高新区）位于山西省太原市小店区，创建于1991年7月，1992年11月被国务院批准成为国家级开发区，整个园区包括新建区和政策区两部分，其中新建区面积达8 km2[1]。 经过十几年的建设，太原高新区已经成为山西省率先发展的先导区和发展高新技术产业的重要基地。

1.2 高新区土地利用现状分析

太原市高新区根据2010年遥感影像解译得到的各地类面积见表1，其中最主要的土地利用类型为居住用地、农用地、科技教育用地和工商金融用地。导致现状的原因是高新区的南部地区尚处在开发过程中。预计随着开发强度的提高和进度的加快，农用地面积将逐步减少，科技教育用地、工商金融用地和居住用地将逐步增加。

表1 太原市高新区土地利用现状表Tab.1 Land use status of the Taiyuan High Tech Zone

2 太原市高新区土地利用优化配置机制研究

针对太原市高新区加快开发进度、优化土地利用结构和空间布局等要求，参考国内外有关土地资源优化配置方面的主要研究成果[2-7]，利用多目标线性规划的方法，对区内土地利用结构进行优化求解，并在此基础上，借助元胞自动机模型和马尔可夫土地利用转移模型，进行土地利用的空间优化配置，为高新区的发展提供一定的决策支持[8-9]。

2.1 基于线性规划的土地利用优化配置

2.1.1 变量设置 本文将遥感解译和实地调查得到的高新区的各土地利用类型的面积作为线性规划的变量，即表1中的9种土地利用类型：x1，x2，x3，x4，x5，x6，x7，x8，x9分别表示工商金融用地、科技教育用地、道路用地、农用地、居住用地、市政用地、林地、绿地和其他用地，利用线性规划进行求解。

2.1.2 约束条件 采用静态单目标线性规划，模型中的约束系数和常数采用趋势预测和回归预测等多种方法求得以保证规划的动态性[8,10-11]。（1）土地总面积约束。即优化后土地面积总和依然为高新区原面积大小。（2）经济发展约束。本次优化的目标要提高科技教育用地和工商业用地的土地产出率，即要求单位面积科技教育用地和工商业用地的技术收入和工商收入均比2009年高。（3）人口约束。由于《中国火炬统计年鉴》中没有高新区内人口总数的统计，仅有从业人口数，一般而言，一个区域的从业人口数与其人口数有显著的线性正相关关系，而人口数与居住面积也有着显著的相关关系，因此，此处用从业人口数来对居住用地面积进行约束。而市政设施与人口也有着直接关系，因此市政设施用地增长率应不小于从业人口增长率。（4）发展规划约束。本文按优化后道路用地规划约束道路面积。优化后农用地将开发为城市建成区，而为了提高土地集约利用度，其他用地也将被陆续开发，因此农用地和其他用地面积约束设为0。（5）相关关系约束。林地的增加多为道路两侧的区域，其面积增加与道路面积增加呈正比，林地增长率应不小于道路用地增长率。（6）实际情况约束。本研究中，除x3、x4和x9已有定值以外，其他地类面积均应不小于现有面积。当本条约束范围大于前面的约束条件时，在优化求解时舍去该条件。（7）生态环境约束。绿地面积（包括湖、山、园等的建筑面积）增长率应高于高新区GDP增长率。

2.1.3 目标函数的构造 （1）确定各类用地效益的相对权重。应用专家打分法确定效益权重向量Wi（i=1，2，…，9），具体为：Wi=（0.5640，0.2782，w3，0.1170，w5，w6，0.0408，w8，w9），其中，w3道路用地、w5居住用地、w6市政用地、w8绿地和w9其他用地基本不产生经济效益，不参与评判。

（2）确定各类用地效益系数K和价值向量Pi。本文选用农用地效益为基准，即以每公顷农用地总产值的发展预测值来确定常数K，然后乘以各类用地的相对权重即可得到相应的单位面积上的总产值，即价值向量Pi（i=1，2，…，9）。根据太原市小店区农作物播种面积和农业总产值，可得出高新区农用地的平均产出效益为386174.70元/hm2，即K=386174.70，则P4=0.1170×K=45182.44。相应地其他各类用地的Pi=（217783.36，107451.81，1，45182.44，1，1，15761.60，1，1）。考虑模型计算的需要，将道路用地、居住用地、市政用地、绿地和其他用地的系数取值为1，对目标函数值的影响极小。

（3）由以上步骤可得出目标函数为：

f（x）=217783.36x1+107451.81x2+x3+45182.44x4+x5+x6+15761.60x7+x8+x9（式1）

2.1.4 模型求解 根据已建立的土地利用结构优化模型，在MATLAB（Matrix Laboratory）平台编程求解，则可求出同时满足约束条件和目标函数最大值的土地利用结构（表2）。

表2 太原市高新区土地利用结构优化结果Tab.2 The land use optimized results for the Taiyuan High Tech Zone

由表2可知，面积增加较大的地类主要有工商金融用地和居住用地，其他地类增加的程度均较低。

2.2 土地利用空间优化配置

2.2.1 CA-Markov模型

（1）马尔可夫链模型。马尔可夫链分析（Markov Chain Analysis）是分析土地利用变化的一种传统建模方法，它能描述一个时期到另一个时期的土地利用变化，并以此来预测将来的变化[12-13]。该模型通过创建从t时刻到t+1时刻的土地利用变化转换概率矩阵来实现，而该矩阵是预测后来时期变化的基础。

土地利用转移概率矩阵表达式为：

式2中，n为研究区土地利用类型的数目；Pij为土地利用由i类型转换为j类型的概率，从t时刻到t+1时刻；Ci-j表示研究区i类型转换为j类型的面积；LUi表示t时刻第i类土地利用类型的面积[14-15]。

（2）元胞自动机。元胞自动机模型（Cellular Automata，CA）是一种网格动力学模型，它能够将空间的相互作用和时间的因果关系局部化，将模拟区域划分为大小均一的栅格，每个栅格即是一个元胞，所有元胞的时间、空间和状态都离散[16]。其显著特点是能通过一些十分简单的规则，模拟出复杂系统的空间格局形成过程。

（3）CA-Markov模型。马尔可夫链分析不涉及空间变量，元胞自动机模型在数量预测方面有所欠缺。IDRISI软件的CA-Markov模块将二者结合在一起，综合了二者的优势[17-18]。CA-Markov模型优化土地利用空间分布的具体步骤为：①土地利用格局转移概率矩阵的生成。将研究区土地利用矢量图转换成栅格格式，将t时刻和t+1时刻的土地利用/覆被图通过Crosstab模块进行叠置分析，得到土地利用类型转移概率和转移面积矩阵，或基于统计资料自行构建概率矩阵和转移面积矩阵。②转换规则的建立。对于IDRISI软件的CAMarkov模块，CA的转换规则是建立土地利用类型的适宜性图集。首先确定土地利用适宜性评价因子及其权重，然后应用多标准评价模块（Multi-criteria evaluation， MCE）来建立土地利用适宜性图集。③滤波器的选择。元胞自动机的特点是能够依据前一时期及其邻近栅格单元的状态，以及转换规则改变其本身状态。使用CA滤波器创建一空间意义明显的权重因子，使用该权重因子并依据相邻栅格单元的状态，改变该栅格单元的状态，更多地考虑了空间关系[19]。本文应用30 m×30 m的栅格进行空间分析并选用5×5的滤波器模型如下：

④确定循环次数和起始时刻。确定循环次数即确定模拟预测的时间间隔。借助Markov模型进行预测时，每隔一定时期（若研究期初和期末分别为t和t+n，那么所用研究期为n年）为一步。⑤进行预测模拟。

分别制定基础土地覆被图像（Basis land cover image）、马尔可夫转换面积文件（Markov transition areas file）和转变适宜性图像集合（Transition suitability image collection），并设置输出土地覆被投影（Output land cover projection），制定元胞自动机循环次数（Number of cellular automata iterations），即可运行IDRISI软件的CA-Markov模块进行模拟。

2.2.2 土地利用转移矩阵的建立 在预测规划期末（2015年），农用地和其他用地转化为其他地类，而其他地类除了一部分转为道路用地外，均不发生变化。农用地主要集中在高新区南部，其他用地基本与农用地相邻，其功能特性类似，按照目前二者比例分配给各地类，建立转移矩阵（表3）。

2.2.3 土地适宜性评价因子的确定 土地适宜性的评价因子有两种，一种是土地利用影响因子，另一种是由空间自相关原理确定的土地利用格局空间分布距离因子。

（1）土地利用的影响因子。本文参照中华人民共和国《城镇土地定级规程》以及国内外相关的研究成果，并根据太原市高新区发展的限制因素，选择的土地利用影响因子见表4。

表3 太原市高新区土地优化转移矩阵 单位：hm2Tab.3 The land use optimized transition matrix of the Taiyuan High Tech Zone unit: hm2

表4 太原市高新区土地利用影响因子指标体系Tab.4 The land use impact factor system of the Taiyuan High Tech Zone

以上指标的适宜性标准图均采用ArcGIS 10.0软件的Distance工具生成，并通过数据单调递增的方法，将各图件的空间数据离散到0—1之间，其中1代表距离最远，0代表距离最近（图1)。

（2）土地利用分布距离因子。在当前土地利用图的基础上，提取单个地类的因子图，再分别采用ArcGIS 10.0软件的Distance模块生成各地类的距离，并离散到0—1之间，便形成地类因子距离标准化图。1代表距离最远，0代表距离最近，空间某一位置距离某一地类边界越近，该地类的适宜性越大（图2)。该部分因子分别记为C1—C9，分别代表绿地、农用地、科技教育用地、道路用地、工商金融用地、居住用地、林地、其他用地和市政用地的土地利用空间分布距离因子。

2.2.4 土地利用适宜性图集的制作 依据指标的权重及标准值，通过ArcGIS 10.0的空间分析模块，执行栅格计算工具，得出太原市高新区土地适宜性图集。具体步骤为：确定评价因子（表4），确定评价因子的权重，各评价因子加权合并。

各评价因子的权重采用专家打分法并依据以下分析给出权重结果：（1）工商金融用地，需要较为便利的交通条件和基础设施，对于社会服务等的需求相对较弱。因此需较多考虑该用地方式自身距离和道路用地距离及基础设施条件因子。（2）科技教育用地，需要一定的基础设施和社会服务，对于交通的要求较低，但由于本身即有教育的用途，因此应把因子中教育机构指标去掉后进行赋权。在土地利用分布距离因子中，可以仅考虑自身距离。（3）对居住用地而言，较为重要的是基础设施和社会服务指标。距离因子中需考虑自身、交通用地的距离。（4）道路用地的情况较为特殊，由于区内已建成和在建的公路网已成形，而且它是其他土地利用类型评价的基础，因此本次道路用地的优化结果直接参考太原市道路规划的路网情况，不进行适宜性评价。（5）农用地，由于本区位于太原市南部新城区的中心位置，根据南部新城的规划，在未来本区将开发为城市建成区，在规划期末将不再有农用地的存在，因此，本次评价不考虑该项土地利用类型。（6）市政用地，本研究中的市政用地包括一些公共设施等的用地，对于基础设施要求较高，而对交通条件和社会服务要求较低。距离因子需考虑自身距离及道路距离。（7）区内林地多为农田附近的防护林及道路两侧的道路林，面积并不大，其对于基础设施较不敏感，而由于道路等的设计，对于交通指标较为敏感。距离因子需考虑自身距离及道路距离。（8）绿地则仅对基础设施中的绿地指标敏感。（9）其他用地一般为城市建设后备用地，优化期末将全部开发，此处不进行适宜性评价。综上，得出各地类适宜性因子及权重（表5）。

运行IDRISI软件的MCE模块，得到各土地利用/覆被类型的适宜性分布图（图3)。适宜性范围为［0，255］，255代表最适宜，0代表最不适宜。农用地和其他用地由于在优化期末不存在，因此全部地区的适宜性均为0。道路用地中，规划路网的适宜性为255，其他地区均为0。

2.2.5 土地利用空间结构优化结果 根据以上步骤运行IDRISI软件的CA-Markov模块，得到按照线性规划优化求解后的2015年太原市高新区土地利用结构空间优化图（图4，封二）。由图4可以看出，通过CA-Markov模块的优化配置，高新区南部地区主要开发为工商金融用地和居住用地。值得注意的是，在高新区西南部分，出现了林地、金融工商用地、市政用地、绿地和居住用地混杂的现象，使得该部分区域的破碎度较大，这是由于本文分析过程采用的是欧式距离分析，各影响因子和距离因子基本上呈现放射状递减，经过多因子的加权叠加后，斑块较为破碎，因此得到的结果是多地类混杂。在实际建设过程中，可以依据本文结果予以适度调整。结合土地利用现状图，可以得到优化前后的土地利用变化情况（图5，封二）。

图1 太原市高新区土地利用影响因子适宜性指标标准图Fig.1 The standard map of suitability index for land use impact factor

图2 太原市高新区土地利用分布距离因子适宜性指标标准图Fig.2 The standard map of suitability index for distance factor of land use distribution

由前文的分析可知，主要的地类转化发生在农用地和其他用地转化为剩余7种地类，所以，优化发生改变的地区主要集中在现状农用地和其他用地分布的位置。

3 结论

（1）结合太原市高新区经济发展、土地规划等相关制约条件，利用线性规划方法，求出了基于经济发展目标最大化的高新区土地利用最优化解。结果显示面积增加程度较大的地类主要有工商金融用地和居住用地，各地类增加的来源为农用地和其他用地。在此基础上，借助CA-Markov模型，通过IDRISI软件求解2015年高新区土地利用空间优化结果：高新区南部地区主要开发为工商金融用地和居住用地，道路用地、绿地和林地也在原有范围内有所扩大。

（2）本文将线性规划和CA-Markov模型用于土地资源的优化利用方面具有一定的创新性，可用于其他区域土地资源的优化配置；研究提出的土地资源优化配置方案可以为太原市高新区政府提供一定的决策支持，对实现经济的转型发展具有实践意义。

图3 太原市高新区土地利用适宜性图Fig.3 Land use suitability map of Taiyuan High Tech Zone

表5 太原市高新区各土地利用适宜性因子及权重Tab.5 The land use suitability factor and the weights of the Taiyuan High Tech Zone

（References）：

［1］ 太原高新区“十一五”目标任务圆满完成［CD］ .中国高新技术企业，2011，z1：24 - 27.

［2］ Campbell, J.C., Radke, J. An application of linear programming and geographic information systems: Cropland allocation in Antigua［J］ . Enviorment and Planning A, 1992，24（4）: 535 - 549.

［3］ Xu, H. Z., Qu, F. T., Guo, Z. X. Dynamic Changes and Optimal Allocation of Arable Land Conversion in Transition of Jiangsu province［J］ . China Population, Resources and Environment, 2007，17（5）：54 - 58.

［4］ Floriane C., Jaime M.A. Afforestation and forestry land in northern Vietnam: Analysing the gap netween policy intentions and outcomes［J］ . Land Use Policy, 2009，26（2）：458 - 470.

［5］ 龙花楼，蒙吉军.中国开发区土地资源优化配置研究［M］ .长春：吉林人民出版社，2004：7.

［6］ 谭淑豪.土地资源优化配置机制研究［J］ .南京社会科学，2001，z2：97 - 100.

［7］ 陈前虎，宋小冬.公共选择：城市土地资源配置的第三只手［J］ .规划师，2004，20（4）：77 - 79.

［8］ 李秀芝.市域土地利用结构优化配置研究——以南通市区为例［D］ .南京：南京农业大学，2008.

［9］ 郑燕凤.基于GIS的CA-MARKOV模型的土地利用变化研究［D］ .山东：山东农业大学，2009.

［10］ 郑新奇.基于GIS的城镇土地优化配置与集约利用评价研究［D］ .郑州：解放军信息工程大学，2004.

［11］ 赵涛，郑新奇，邓祥征.城市土地利用优化配置分析应用——以济南市为例［J］ .地球信息科学学报，2004，6（2）：53 - 57.

［12］ 汪雪格.吉林西部生态景观格局变化与空间优化研究［D］ .长春：吉林大学，2008.

［13］ 毛子龙.1890 - 2029年白城市土地利用/覆被变化与土壤碳库研究［D］ .长春：吉林大学，2010.

［14］ 张滢，丁建丽.绿洲土地利用变化未来趋势预测及其调控研究［J］ .干旱区资源与环境，2006，20（6）：29 - 35.

［15］ 牛星，欧名豪.基于 MARKOV 理论的扬州市土地利用结构预测［J］ .经济地理，2007，27（1）：155 - 157.

［16］ 曹雪，罗平，李满春，等.基于扩展CA模型的土地利用变化时空模拟研究——以深圳市为例［J］ .资源科学，2011，33（1）：127 - 133.

［17］ 黎夏，刘小平.基于案例推理的元胞自动机及大区域城市演变模拟［J］ .地理学报，2007，62（10）：1097 - 1109.

［18］ 王晨野.生态环境信息图谱——空间分析技术支持下的松嫩平原土地利用变化评价与优化研究［D］ .长春：吉林大学，2009.

［19］ 陈龙泉，邱庚香.土地利用变化动态模型研究［J］ .测绘与空间地理信息，2003，26（2）：19 - 22.

［20］ 科技部火炬高技术产业中心.中国火炬统计年鉴［M］ .北京：中国统计出版社，2009，2010.

（本文责编：陈美景）

Research on Land Use Optimal Allocation Mechanism for Taiyuan High Tech Zone

LIU Yong, SU Chao, XU Xiao-ming

（Institute of Loess Plateau, Shanxi University, Taiyuan 030006, China）

The purpose of this paper is to explore the land use optimal allocation mechanism for development zones, taking Taiyuan High Tech Zone as an example. Methods of linear programming and CA-Markov model were used to get the optimal allocation of land use. The results showed that agricultural land and other land were mainly exploited for industrial, commercial, and residential land use; meanwhile grass land, forest land and land for roads were also expanded a little in the south part of the Taiyuan High Tech Zone. It was concluded that it was feasible to combine the linear programming and CA-Markov model to calculate the optimal land-use. The optimal allocation mechanism proposed for development zone could provide scientific reference and support for practical decision.

land use; optimal allocation mechanism; linear programming; CA-Markov model; development zone

F301.24

A

1001-8158（2013）10-0016-08

2013-04-25

2013-08-29

国家自然科学基金“基于支持向量机的土地生态风险评价研究（41271513）”。

刘勇（1970-），男，山西五寨人，副教授。主要研究方向为土地生态学。E-mail: liuyong@sxu.edu.cn