重庆市主城区建设用地扩张特征分析及其预测

方喻弘，刘德富，王丽婧，谭德宝，张佳磊，杨正健

(1.湖北工业大学 资源与环境工程学院，武汉 430068； 2.中国环境科学研究院 国家环境保护饮用水水源地保护重点实验室，北京 100012； 3.长江科学院 空间信息技术应用研究所，武汉 430010)



重庆市主城区建设用地扩张特征分析及其预测

方喻弘1，2，3，刘德富1，王丽婧2，谭德宝3，张佳磊1，杨正健1

(1.湖北工业大学 资源与环境工程学院，武汉 430068； 2.中国环境科学研究院 国家环境保护饮用水水源地保护重点实验室，北京 100012； 3.长江科学院 空间信息技术应用研究所，武汉 430010)

考虑到地块本身空间特征对城镇规划和扩张的影响，有必要耦合空间格局因子来研究建设用地的扩张过程。以重庆市主城区为研究区域，在甄别土地利用扩展特征的基础上，综合采用平均增长率法和基于地块空间属性的优势度评价法，预测了2020年的建设用地需求量和新增建设用地的空间分布。研究结果显示：①2010—2016年，重庆市主城区建设用地从749.14 km2增加至905.06 km2，年平均增长率为3.35%；②2010—2016年，研究区内新增建设用地主要来源于耕地(53.25%)或林地(37.89%)的转化，同时更倾向分布于坡度低于12°、海拔低于400 m的区域，尤其是0～3°坡度区间(24.44%)和200～300 m高程区间(47.60%)；③至2020年，研究区内建设用地面积将增长115.31 km2，其中56.24%来源于耕地的转化，47.45%位于200～300 m海拔区间，58.39%位于0～12°坡度区间，主要分布于沙坪坝区、九龙坡区和渝北区。

建设用地；扩张预测；空间分布；地块优势度评价；重庆市主城区

1 研究背景

土地作为一种供应有限的稀缺资源，随着我国经济、社会的快速发展以及城市化进程的不断推进，建设用地的扩张必然引起其他地类的相应缩减，进而对区域内人口流动[1]、城镇规划[2]、生态环境安全、交通疏导[3]等方面造成影响。建设用地需求量预测是土地需求量预测的核心，科学准确预测建设用地需求量是提高土地利用规划的科学性和可操作性的重要途径[4]。目前国内外关于建设用地需求量预测的研究较多，常用预测方法有利用各类土地利用类型相互转化关系的马尔科夫链预测法[5-7]、综合考虑未知因子影响的灰色预测模型预测法[2，4，7-8]、与驱动力分析相结合的多元回归分析预测法[8-9]、考虑到建设用地逐步扩张过程的元细胞模型预测法[10]以及依据经验和专业知识的主观概率法[8]等。而对建设用地扩张方位预测的研究相对较少[11]，已有研究大多是通过CLUE-S模型[12]运算而得或驱动力分析法[13]定性推断，所需数据量大、耗时多、情景考虑有限。

重庆市自成为直辖市以来，人口增长、经济发展迅速、工业化和城市化水平快速推进，基础设施的修建等原因使得人类活动增强、农业结构调整和土地开发整理活动频繁，最终导致城市建设用地大幅增长[14]，与原有土地利用规划发生突出矛盾[5]。同时重庆市主城区属于山区地貌，区域内地势复杂，地形因素对于城市建设用地的限制明显[15]。在建设用地预测方面，国内外学者[5，9，14-15]在重庆市主城区域主要关注土地覆被转移特征和有关地形因子的驱动力分析，结合空间属性优势度的建设用地扩张预测尚属空白。

本文提出基于地块空间属性的优势度评价方法，结合以年增长率模型为基础的建设用地需求量预测模型，通过GIS技术手段对目标年份建设用地的分布进行预测。并以重庆市主城区为典型区进行案例研究，为制定土地利用相关制度和政策提供参考。

2 研究方法与数据来源

2.1 研究方法

2.1.1 建设用地需求量预测方法

建设用地规模的变化受到自然环境和社会经济多方面因素影响，不同的因素对其影响程度不同。自然因素(高程、坡度、地质结构等)制约着建设用地的空间分布，人文因素(人口、社会、经济、政策导向等)对建设用地的规模变化有决定性的影响[16-18]。在较短研究时段内，可认为影响区域发展的人文因素保持相对稳定的状态。即区域内居民的人口、购买力、人均需求量等影响建设用地需求的因素保持相对恒定的变化速率，相应的建设用地需求量年增长率不变。故选择平均增长率模型对2020年重庆市主城区建设用地的需求量进行模拟和预测，再采用对不同已有数据量适用性更强的最小二乘法对模型进行校正，即

(1)

式中：An为预测年建设用地需求量(km2)；A0为基准年建设用地总面积(km2)；k为预测期间区域内建设用地年平均增长率(%)；n为预测年限，无量纲。其中参数A0与k使得模型所求的预测值与观测值的残差平方和最小。

2.1.2 地块优势度评价方法

地形是自然环境要素中最重要的组成部分，其分布特点直接影响人类活动和土地利用过程[15]。在低强度土地利用类型(如林地、草地)逐步向高强度土地利用类型(如建设用地、耕地)转移的过程中，地形因子对土地利用的约束性越显突出[15，19]，尤其是高程和坡度对建设用地的影响显著[2]。同时，在土地充分开发的区域，建设用地的扩张必然伴随着对其他类型土地的占用，而不同类型土地覆被开发的成本不尽相同，此意味着原土地覆被类型对于建设用地这一与人文因素关系密切的土地利用类型的开发有一定影响[20-21]。综上，提出3个单项分指标分别从高程、坡度、原土地利用类型等3个空间格局因子的角度评价某地块成为新增建设用地的可能性，并以分指标均值作为该地块优势度评价指标，即

(2)

式中：p为某地块成为新增建设用地的优势度指标，其值越大，表示该地块越优先转变为建设用地；ph，ps，pt分别为高程、坡度、原用地类型转化概率分指标，其值越大，表示该地块的高程、坡度、原用地类型因子在地块转变为建设用地的过程中起到越大优势。

同样，在人文条件相对稳定的前提下，区域内不同时段在为新建设用地选址时应具有相似的方案，新增建设用地应具有相似的格局分布特征和来源，即：

(3)

(4)

(5)

式中：nh，ns，nt分别为将土地按高程、坡度、土地利用类型划分为小区间的总数；jh，js，jt分别为按高程、坡度、土地利用类型划分区间的编号；phjh，psjs，ptjt分别为第jh高程区间、第js坡度区间、第jt种土地利用类土地转变为建设用地的优势度-高程、坡度、土地类型分指标，其值越大，表示该高程、坡度、土地类型区间内的土地有越大的优势转变为建设用地；Cjh,Cjs,Cjt分别为上一个研究时段内位于第jh高程区间、第js坡度区间、第jh种土地利用类型新增建设用地的面积。

2.1.3 建设用地扩张区域筛选方法

考虑并简化城镇扩张的过程，可认为区域内新建设用地满足2个条件：①新建设用地位于原有建设用地一定范围以内，即城镇是在已有城区的基础上向外扩张的；②新建设用地的选址是可选区域内最优的，即优先在条件最适宜的区域进行开发，同时暂不考虑新建设用地之间的相互关联。为了突出所筛选结果的空间特征，通过GIS技术将转化概率指标作为每一个地块的属性，进行空间叠加，并按属性值从高到低的顺序，在原有建设用地的适当距离缓冲区内筛选地块，直到筛选出地块的总面积近似于所预测新增建设用地面积。

2.2 研究区与数据来源

重庆市位于四川盆地东南部、长江上游地区，接壤湖北、湖南、贵州、四川、陕西等省，地跨东经105°11′～110°11′，北纬28°10′～32°13′的青藏高原与长江中下游平原的过渡地带[15]。主城区位于重庆中部，包括渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区、巴南区9个行政区，总面积5 476.28 km2。研究区属于亚热带季风河谷区，具有雨量充沛、无霜期长、湿度大、云雾多、四季分明等特点。区内以山地、丘陵为主，平地较少，山脉有缙云山、歌乐山和中梁山。主要土地利用类型有耕地、林地、水域、建设用地等。植被主要有常绿阔叶林、次生暖性针叶林、竹林和常绿阔叶灌丛等[5]。

数据源采用Landsat7/8系列陆地卫星所摄2010年、2013年和2016年空间分辨率为30 m的TM遥感影像。在ERDAS IMAGINE2014和ENVI 5.1软件环境中整理校正后，通过eCognition 8.9软件根据全国土地利用现状调查分类体系(1984年版)进行分类，将土地利用类型划分为6个一级类，即耕地、林地、草地、水域、建设用地、未利用地。最后在ArcGIS10.0中进行数据整理得到影像解译结果，生成重庆市主城区2010年、2013年和2016年3个时间点的土地利用现状数据。所用DEM数据来自于国家基础地理信息库(国家测绘地理信息局发布)，精度为1∶250 000。

图1 研究区域Fig.1 Map of the study area

图2 2010—2016年重庆市主城区建设用地空间分布变化Fig.2 Spatial change of construction land in the main urban area of Chongqing from 2010 to 2016

3 结果与讨论

3.1 重庆主城区建设用地总量变化及需求量预测

遥感影像解译结果显示，2010年、2013年与2016年重庆市主城区共有749.14，796.71，905.06 km2建设用地，分别占区域总面积的13.70%，14.57%，16.55%，空间分布如图2所示。

以2010年作为预测基准年，将2010年、2013年与2016年建设用地面积代入式(1)求解得到建设用地需求量预测模型中基准年建设用地总面积A0=739.40 km2、建设用地年增长率k=3.273 3%。模型对2010年、2013年与2016年建设用地面积的计算值分别为739.40，814.41，897.03 km2，残差分别为9.75，17.70，8.03 km2。求得模型标准误差RMSE(Root Mean Square Error)为12.55 km2，平均绝对百分误差MAPE(Mean Absolute Percent Error)为1.47%，预测精度良好，故采用此模型对2020年建设用地需求量进行预测，求得2020年重庆市主城区建设用地预测值为1 020.37 km2，占区域总面积的18.66%。

3.2 重庆主城区地块优势度评价

3.2.1 高程分布特征及分指标计算

根据已有研究可知，三峡库区内建设用地主要分布于海拔1 200 m以下地区[20]，故该研究以100 m的间隔划分为12个高程区间：(0,100], (100,200], (200,300], (300,400], (400,500], (500,600], (600,700], (700,800], (800,900], (900,1 000], (1 000,1 100],以及1 100 m以上。再将重庆市主城区2010—2013年和2013—2016年2个时间段的建设用地变化数据与DEM高程分级数据相结合，叠加提取出各高程区间中新增建设用地的面积与比例。结果显示，2010—2016年间，重庆市主城区新增建设用地主要集中于200～300 m高程区间内，与文献[15]结论相符。2010—2013年和2013—2016年研究时段中，在此区间内的新增面积分别为25.69，44.42 km2，占总新增面积的54.73%，41.41%。虽然2013—2016年研究时段内的新增建设用地的平均高程(342.03 m)稍高于2010—2013年研究时段(289.57 m)，但2个研究时段内新增建设用地的高程分布特征和趋势相似度高。据此，可认为在2016—2020年预测时间段中，新增的建设用地仍具有相似的高程分布特征。将2013—2016年研究时段中新增建设用地于不同高程区间的分布数据代入式(3)，求得各高程区间内土地转化为建设用地优势度-高程分指标ph的值，如图3(a)所示。

图3 新增建设用地空间分布与地块优势度指标的关联关系Fig.3 Relationship between the spatial distribution of newly built urban construction land and different factors concerning land use superiority

3.2.2 坡度分布特征及分指标计算

由已有研究可知，三峡库区内建设用地主要分布于坡度33°以下地区[20]，所以该研究划分12个坡度区间，分别为(0,3°]，(3°,6°]，(6°,9°]，(9°,12°]，(12°,15°]，(15°,18°]，(18°,21°]，(21°,24°]，(24°,27°]，(27°,30°]，(30°,33°]以及33°以上。再将重庆市主城区2010—2013年和2013—2016年2个时间段的建设用地变化数据与DEM所提取出的坡度分级数据相结合，叠加提取出各坡度区间中新增建设用地的面积与比例。结果显示，低坡度的区域在新建建设用地的选址中有明显优势，2010—2016年间，重庆市主城区新增建设用地主要集中于坡度12°以下的区域中，与文献[12]和文献[15]结论相符。2010—2013年和2013—2016年研究时段中在此区间内的新增面积分别为34.72，69.35 km2，占总新增面积的71.37%，64.40%。虽然2013—2016年研究时段内的新建建设用地的平均坡度(10.41°)稍高于2010—2013年研究时段(8.93°)，但2个研究时段内新增建设用地的坡度分布特征和趋势相似度高。据此，可认为在2016—2020年预测时间段中，新增的建设用地仍具有相似的坡度分布特征。将2013—2016年研究时段中新增建设用地于不同坡度区间的分布数据代入式(4)，求得各坡度区间内土地转化为建设用地优势度-坡度分指标ps的值，如图3(b)所示。

3.2.3 原用地类型转移特征及分指标计算

对2010—2013年和2013—2016年2个时间段新增建设用地的转化来源分析，结果显示，重庆市主城区近6 a来新建的建设用地主要来自于对耕地和林地的开发占用。研究区域在2010—2013年内新增了47.57 km2建设用地，其中42.92%(20.41 km2)来自于耕地，46.01%(21.88 km2)来自于林地。2013—2106年内新增了108.35 km2建设用地，其中57.79%(62.62 km2)来自于耕地，34.32%(37.19 km2)来自于林地。此表明，在最近3 a内，新城镇的选址更倾向于占用耕地而非林地。将2013—2016年研究时段中新增建设用地的来源类型数据代入式(5)，求得各覆被类型土地转化为建设用地优势度-原类型分指标pt的值如图3(c)所示,整体变化趋势与周扬等[22]在万州区所做研究结论相符。

3.3 重庆主城区建设用地扩张预测

在ArcGIS软件中分别将第3.2节计算的ph，ps，pt值赋入对应数字高程模型(Digital Elevation Model，DEM)图层、坡度图层、土地利用/土地覆盖变化(Land-Use and Land-Cover Change，LUCC)数据，使指标值与区域空间属性相结合。然后使用栅格叠加分析，根据式(2)计算出各像元所代表区域的转化概率指标P值。因为该研究并不考虑城镇用地的退化和三峡库区水面周期性涨跌所带来的影响，故以2016年LUCC数据中的建设用地和水域区域作为掩膜，提取出有可能在预测时间段转化为建设用地的区域(林地、草地、耕地和其他非建设用地类型的土地)。最后，结合空间数据统计表和第2.1节中所预测的2016—2020年建设用地的扩张面积115.31 km2，将指标值P≥0.387的区域认定为可能在2020年之前转化为建设用地的区域，该区域即为预测新增建设用地面积的具体分布区域。

图4 2020年重庆市主城区建设用地扩张预测Fig.4 Prediction of the expansion of construction land in the main urban area of Chongqing in 2020

如图4所示，预测新增建设用地主要分布于九龙坡区(17.68%)、北碚区(17.29%)、巴南区(15.61%)和渝北区(13.62%)，集中于缙云山与歌乐山之间的平原地区。2016—2020年重庆市主城区城镇扩张具有外围拓张和区块型发展的特征，中心城区的建设受地形因素受到一定限制，九龙坡新兴城区和渝北区东侧耕地的城镇化值得关注，土地流转方式与孔次芬等[5]所预测新建建设用地主要来自于耕地的结论一致，分布趋势亦与倪九派等[23]所预测跨区域建设城镇的结论较为一致。

4 结论及展望

4.1 结 论

(1) 对重庆市主城区2010—2016年城镇建设用地扩张过程的分析结果显示，6 a间该区域城镇建设用地扩张了155.92 km2，相当于2010年原建设用地面积的20.81%，其中83.03 km2和59.07 km2的土地来自于对耕地和林地的开发，分别占总扩张面积的53.25%和37.89%。

(2) 提出了基于地块空间属性的优势度评价方法，结合以年增长率模型为基础的建设用地需求量预测模型，通过GIS技术手段对目标年份建设用地的分布进行预测。以重庆市主城区为案例，证明了上述方法的可操作性，该方法既能避免直接建立建设用地分布与其变化相关因素之间响应关系的复杂不确定性，又能较好地考虑先验数据(指先前已被验证了的数据)的延续性和体现地块属性对建设用地扩张的影响；相比传统预测方法，该方法更能适应实际管理中建设用地的快速预测需求。

(3) 预测结果显示，至2020年重庆市主城区的建设用地面积将增长115.31 km2，年平均增长率为3.27%。预测新增建设用地主要分布于九龙坡区(17.68%)、北碚区(17.29%)、巴南区(15.61%)和渝北区(13.62%)，集中于缙云山与歌乐山之间的平原地区。扩张趋势具有外围拓展和区块型发展的特征，中心城区的建设受地形因素的影响而受到一定限制，九龙坡新兴城区和渝北区东侧耕地的城镇化值得关注。

4.2 展 望

研究中仍存在一些不足之处，未来应进一步改进完善：

(1) 受数据资料所限，仅以2010年与2016年两景影像数据确定建设用地需求量预测模型，虽通过2013年影像数据予以准确性验证，仍会导致结果产生一定偏差。

(2) 未能更细致考虑区域内已有交通设施、民生设施等对新建建设用地分布的影响，据此，对于城镇化进程差异过大的研究区，该方法的适用性有待商榷。

(3) 此外，优势度评价方法在设计时假定了高程、坡度、原土地覆被类型3个因子对新建建设用地的选址有相似影响力，而实际中3个因子对于土地覆被分布的影响更为复杂且存在差异，对因子权重的细化完善能有效提高方法的可靠性。

[1] 关 伟，王 宁. 基于灰色系统理论的大连城市建设用地需求预测[J].辽宁师范大学学报(自然科学版)，2014，37(2):262-268.

[2] 彭保发，胡曰利，吴远芬，等. 基于灰色系统模型的城乡建设用地规模预测——以常德市鼎城区为例[J].经济地理，2007，27(6):999-1002.

[3] 周德凯. 基于土地利用的城镇交通需求预测研究[D]. 南京:南京林业大学，2015.

[4] 荣联伟，师学义，杨 静. 土地利用规划中建设用地预测方法比较[J].中国人口·资源与环境，2014，24(11):198-203.

[5] 孔次芬，李月臣，简太敏. 基于RS与GIS重庆都市区土地利用/覆被变化过程及预测分析[J].水土保持研究，2012，19(2):205-209.

[6] 张春华，王宗明，宋开山，等. 基于马尔可夫过程的三江平原土地利用动态变化预测[J]. 遥感技术与应用，2009，24(2):210-216.

[7] 林 芳. 建设用地需求量预测方法研究[D].福州:福建师范大学，2005.

[8] 刘懿光. 土地利用规划需求量预测模型研究[D]. 武汉:华中农业大学，2005.

[9] 严 明. 土地利用总体规划中建设用地需求量预测方法研究——以四川省乐山市为例[D]. 重庆:西南大学，2007.

[10]曲 凯. 土地利用/土地覆被变化的遥感监测及空间动态预测——以济南市为例[D].济南:山东师范大学，2007.

[11]马林兵，曹小曙，牟少杰.一种融合地理空间指标的土地需求量预测方法——以佛山市南海区为例[J]. 地理研究，2011，30(5):854-860.

[12]韩会然，杨成凤，宋金平. 北京市土地利用空间格局演化模拟及预测[J]. 地理科学进展，2015，34(8):976-986.

[13]王亭停. 海淀区土地利用动态变化研究及发展趋势预测[D].北京:中国地质大学，2015.

[14]陈 倩，马泽忠，郑 丽，等. 重庆山地城市区1985-2010年土地利用变化特征研究[J]. 水土保持研究，2013，20(4)：194-198.

[15]陈 丹，周启刚，何昌华，等. 重庆山地都市区1985-2010年土地利用变化地形特征分异研究[J]. 水土保持研究，2013，20(5):761-765.

[16]章予舒，王立新，张红旗，等．疏勒河流域土地利用变化驱动因素分析———以安西县为例[J]．地理科学进展，2003，22(3):270-278.

[17]金 畅．大连市住宅价格空间分异规律及驱动机制研究[J]. 辽宁师范大学学报(自然科学版)，2010，33(4):503-506.

[18]关 伟，王 雪．大连市土地利用变化的人文因素[J].地理研究，2009，28(7)：990-1000.

[19]WACKERNAGEL M，ONISTO L，BELLO P，etal. National Natural Capital Accounting with the Ecological Foot-print Concept[J]. Ecological Economics，1999，29(3)：375-390.

[20]方喻弘，王丽婧，韩 梅，等. 面向流域水质安全预警的土地开发压力源评估方法及其应用[J].环境科学研究，2016，29(3):449-456.

[21]LEE L. Factors Affecting Land Use Change at the Urban-rural Fringe[J]. Growth and Change，1979,10(4):25-31.

[22]周 扬，周廷刚，冯 冲. 基于RS和GIS的LUCC研究——以重庆市万州区为例[J]. 长江科学院院报，2012，29(5):67-71.

[23]倪九派，邵景安，李阳兵，等. 近10年重庆土地利用平衡及未来情景分析[J]. 资源科学，2011，33(8):1591-1599.

(编辑：黄 玲)

Characteristics and Prediction of Construction Land Expansionin Main Urban Area of Chongqing

FANG Yu-hong1,2,3, LIU De-fu1, WANG Li-jing2, TAN De-bao3, ZHANG Jia-lei1, YANG Zheng-jian1

(1.College of Resources and Environmental Engineering, Hubei University of Technology, Wuhan 430068, China; 2.State Environmental Protection Key Laboratory of Drinking Water Source, Chinese Research Academy of Environmental Sciences, Beijing 100012, China; 3.Spatial Information Technology Application Department, Yangtze River Scientific Research Institute, Wuhan 430010, China)

The expansion of construction land use needs to be predicted in consideration of the influence of spatial pattern factors. In this research, we take the main urban area of Chongqing city as study area to predict the spatial distributions of construction land use demand and newly built construction land in 2020 using the method of average growth rate of construction land in association with land use superiority evaluation of three spatial factors (elevation, slope, and original land-use type)by GIS technological means. Results indicate that:1) between 2010 and 2016, the area of urban construction land in urban Chongqing has increased from 749.14 km2to 905.06 km2, with an average annual growth rate of 3.35%; 2) newly built area were mainly transformed from cultivated land(accounting for 53.25%) and forest land(37.89%), and more likely located in the area of slope gradient smaller than 12°and elevation below 400m, especially in the range of 0-3° slope (24.44%)and 200-300 m elevation(47.60%); 3) up to 2020, the area of urban construction land will be increased by 115.31 km2, mainly transformed from cultivated land (56.24%) and distributed in the range of 200-300m elevation (47.45%) and 0-12°slope (58.39%), mainly located in Shapingba district, Jiulongpo district and Yubei district.

urban construction land；expansion prediction；spatial distribution；land use superiority evaluation；main urban area of Chongqing

2016-06-23；

2016-07-18

国家国际科技合作项目(2014DFE70070)

方喻弘(1991-)，女，湖北荆门人，硕士，主要从事GIS技术在环境保护中的应用方面研究，(电话)15907128611(电子信箱)676392879@qq.com。

刘德富(1962-)，男，湖北枝江人，教授，博士，主要从事水工结构工程、防灾减灾工程及防护工程与生态水工学等方面的研究工作,(电话)18071016888(电子信箱)dfliu@189.cn。

10.11988/ckyyb.20160643

2016,33(11):43-48

F301.24

A

1001-5485(2016)11-0043-06