哈尔滨市建设用地动态变化及趋势预测

李 玮，宋 戈，2，李瑞雪，李志明，滕 鹏

(1.东北农业大学资源与环境学院，黑龙江 哈尔滨 150030；2.东北大学土地管理研究所，辽宁 沈阳 110819)

哈尔滨市建设用地动态变化及趋势预测

李 玮1，宋 戈1，2，李瑞雪1，李志明1，滕 鹏1

(1.东北农业大学资源与环境学院，黑龙江 哈尔滨 150030；2.东北大学土地管理研究所，辽宁 沈阳 110819)

建设用地是人们生产生活及社会经济发展的空间载体，是土地利用的重要组成部分.以哈尔滨市辖区为研究区，在分析哈尔滨市辖区1994—2013年建设用地动态变化、探讨其驱动机制的基础上，构建了灰色马尔科夫预测模型，并对其未来城市建设用地面积进行了预测.结果表明：(1)1994—2013年哈尔滨市城市建设用地面积整体呈上升趋势，尤以1999—2006年最为明显，年均增长率为14.39%.2007—2013年哈尔滨市建设用地结构供应量变化显著.(2)随着人口的增加，人均建设用地面积也相应增加.(3)1994—2013年哈尔滨市城市建设用地面积的扩大不尽合理，其建设用地变化弹性系数为3.08，远大于1.12的合理值.只有少数年份的建设用地变化弹性系数在合理值范围内，说明哈尔滨市应放慢建设用地的扩大速度.(4)人口、经济及交通因素、产业结构因素成为哈尔滨市城市建设用地变化的主要驱动力.(5)灰色马尔科夫模型预测精度高于灰色预测模型，经预测，2020年哈尔滨市城市建设用地面积为476.557 4 km2，2025年为538.162 6 km2.

建设用地；动态变化；驱动力；规模预测；哈尔滨市

土地资源是人类赖以生存的物质基础，而建设用地是人类社会得以持续发展的必备条件.近年来，由于我国人口的急剧增长、社会经济的发展及城乡一体化的快速推进，致使城市建设用地无序扩张，从而产生了许多现实问题，如生态环境恶化、耕地面积减少等.因此，分析建设用地的动态变化情况，总结影响建设用地变化的驱动因素及预测城市未来建设用地面积，对区域生态健康发展及土地资源的可持续利用有着重要的意义.

近年来，国内外学者在建设用地动态变化及建设用地规模预测方面开展了丰富的研究，国外学者主要是针对城市土地利用[1-2]、建设用地的规模管控[3]，以及基于RS和GIS的城市模拟与预测[4-5]等相关方面进行研究；而国内学者更多地侧重于城镇扩张及驱动力分析[6-8]、城市建设用地的时空变化特征[9-10]等方面.在需求量预测方面主要集中于方法的实证研究上，如灰色预测法、回归分析法、定额指标法等[11-13]，在研究区域上更偏向于东部沿海城市及发达地区[14-18]，对东北重工业基地城市建设用地动态变化及趋势预测的综合研究较少.因此，本文基于1994—2013年的社会经济统计数据，采用建设用地变化速率、建设用地变化弹性系数、灰色马尔科夫模型等方法，对哈尔滨市建设用地变化进行客观分析，在掌握其动态变化规律的基础上，预测了其2020—2025年的城市建设用地规模，以为哈尔滨市未来集约节约利用土地及科学优化土地利用结构提供参考依据.

1 研究区概况

哈尔滨市处于黑龙江省南部，地理位置为125°42′～130°10′E、44°04′～46°40′N，是东北老工业基地的典型重工业城市，同时也是国家战略定位的“沿边开发开放中心城市”“东北亚区域中心城市”.2014年，行政区划调整后，哈尔滨市辖9区9县(市).截至2013年，市区土地面积7 086 km2，人口472.5万人，建设用地面积为391 km2，人均建设用地面积为82.75 m2/人，相比1994年，共增加了33.58 m2/人.然而，迅猛发展的城市化，给哈尔滨市城市用地带来了一系列复杂而又紧迫的问题：城市用地扩张过快、城市土地利用结构不合理等.因此，本文选取哈尔滨市辖区为研究区，对区域内建设用地的动态变化进行了分析，探讨了其变化的驱动机制；同时，预测了其2020年及2025年的城市建设用地规模.

2 研究方法

2.1 建设用地变化速率

建设用地变化速率是指某空间单元内建设用地面积变化量与基期面积的比值，实质上表征了某研究时段内建设用地变化的强度[19]，其计算公式为

(1)

式中：M为建设用地变化速率指数；Ua为研究初期建设用地面积；Ub为研究末期建设用地面积；Δt为研究时段，当Δt的时段设定为年时，M为研究时段内建设用地年变化速率.

2.2 建设用地变化弹性系数

建设用地变化弹性系数指城市建设用地面积年均增长率与市区人口年均增长率的比值，其计算公式为

Ei=Si/Pi.

(2)

式中：Ei为第i研究时段内建设用地变化弹性系数，Si为第i研究时段内建设用地面积年均增长率，Pi为第i研究时段内市区人口年均增长率.

2.3 灰色马尔科夫模型

灰色马尔科夫模型是指灰色预测模型与马尔科夫模型的结合体，计算公式为

(3)

3 建设用地动态变化分析

3.1 建设用地数量变化

3.1.1 城市建设用地总量变化

通过图1及表1可知，1994—2013年哈尔滨市城市建设用地面积总体呈现出波动式增长态势，根据变化情况，可以将其分为3个阶段：波动式增长—快速增长—平稳增长.

图1 1994—2013年哈尔滨市城市建设用地面积

表1 1994—2013年哈尔滨市城市建设用地面积变化量及建设用地年均变化速率

(1) 1994—1999年是第一阶段，5年间城市建设用地面积从1994年的156 km2扩展到1999年的165 km2，年均增长率1.15%.1996年国务院同意将松花江地区并入哈尔滨市形成新的哈尔滨市；同时，哈尔滨政府进行了松北开发区的建设，其经济辐射作用引领了周边区域的发展，导致建设用地面积明显增多.然而，与1998年相比较，1999年哈尔滨市城市建设用地面积显著减少，主要原因在于居民点用地被大量地转化成了未利用地.[20]

(2) 1999—2006年是第二阶段，在该时段城市建设用地面积表现出逐年攀升的势头，且增长幅度较大.1999年城市建设用地面积仅为165 km2，到2006年上升到331.21 km2，是1999年的2倍多，7年间共增加了166.21 km2，年均增长率14.39%.此期间城市建设用地发展速度如此之快，关键原因一方面是因为我国对振兴东北老工业基地的扶持政策，导致社会经济活动比较活跃，推动了哈尔滨市城市建设的发展；另一方面是由于此期间哈尔滨市进行了2次行政区划调整，2004年撤销呼兰县，成为哈尔滨市辖区之一呼兰区，2006年又将阿城撤市设区，因此，哈尔滨市城市建设用地面积急速扩充.

(3) 2006—2013年为第三阶段，在此期间城市建设用地面积虽然仍呈上升趋势，但增速明显比上一阶段平缓，2013年仅比2006年增加59.79 km2，年均增长率2.58%.这是由于国家相继出台了一些政策，限制大城市建设用地规模，因此，有效遏制了城市建设用地的不合理扩张现象.

3.1.2 建设用地供应结构变化分析

由表2可知，哈尔滨市住宅用地供应量总体上表现为先上升后减少，在2011年达到最大值623.117 5 hm2.其中2010，2011年哈尔滨市住宅用地供应量总和为1 148.486 3 hm2，超过了近7年住宅用地供应总量的45%，住宅用地供应量的增加能有效满足随着人口增加以及经济发展所带来的住房需求.近年来哈尔滨市立足于快速推进装备制造业、经济技术开发区等的发展.工业用地发展的同时必然会促使对建设用地需求的提升，导致城市盲目扩张，但是借鉴国内外发达城市的经济发展经验可以发现，一个城市的经济效益越好，工矿仓储用地占比相对越低.在2007—2013年间哈尔滨市工矿仓储用地供应量保持先增长后减少的趋势，但是所占建设用地总供应量的比重除2007年较低外，其余年份比重均比较大，并且大体显示出逐年降低的态势，由2008年的35.55%降低至2013年的13.92%，说明哈尔滨市用地结构正朝着越来越合理的方向发展.商服用地7年来一直处于供应量较少的状态.水域及水利设施用地除2013年有少量供应，其余6年均为0.其他用地在2007—2013年供应量占总供应量的比例均呈现出倒U型曲线关系.交通运输用地除2007年和2009年供应量为0外，其余5年的供应量基本处于增长趋势，2013年达到最大值为624.700 69 hm2，同年占总供应量的比例26.5%也远大于其他5类用地结构占总供应量的比例，对城市交通道路的完善发挥了重要的作用，符合城市的发展要求.

表2 2007—2013年哈尔滨市建设用地供应结构变化情况

3.2 人均建设用地面积变化

人均建设用地面积是表征建设用地变化的又一重要的衡量指标，体现了建设用地供需矛盾的状况.由图2可见，1994—2013年人均建设用地面积整体表现为上升态势，而人口同样表现为整体上升趋势，说明人口的增长带动了城市用地的开发.自改革开放以来，在哈尔滨市集聚效应的作用下，许多农村人口来到城市物色发展机会，对城市建设用地的承载力提出了一定的挑战.因而，城市建设用地的发展必须要适应人口的增长，但又不能无限制的蔓延.

图2 1994—2013年哈尔滨市区人口数及人均建设用地面积

3.3 建设用地变化弹性系数

由上述可知，人口增加带动了城市建设用地规模的扩大，但这种扩大是否合理，还需要通过建设用地变化弹性系数来分析.研究表明，当弹性系数等于1.12时较为合适，由图3可以看出，1994—2013年只有少数年份的建设用地变化弹性系数小于1.12的合理值，而大多数年份远远超于1.12，尤其是2008，2009，2011，2012年更为明显.关键原因在于城市建设用地面积在不断增长，而人口却有小幅度降低.经计算，1994—2013年哈尔滨市建设用地变化弹性系数为3.08，表明在整个研究时段内，哈尔滨市城市建设用地变化程度远大于人口的变化程度，城市建设用地增长不够合理，造成了土地资源的浪费，因此哈尔滨市应放慢城市用地的建设步伐.

图3 1994—2013年哈尔滨市建设用地变化弹性系数

4 建设用地变化驱动力分析

4.1 主成分分析

主成分分析法可通过降维的思想将复杂的线性相关的多种因素综合归纳为几类不具相关性的因素，因此本文将运用主成分分析法提取出城市建设用地的关键驱动因素，以此客观分析驱动哈尔滨市城市建设用地增长的影响因子.因自然因素在短期内对城市建设用地基本无影响，政策因素又难以量化，因此本文主要分析社会经济驱动因素.在全面了解哈尔滨市城市建设用地的发展过程后，选取人口(X1)、GDP(X2)、工业总产值(X3)、第二产业增加值(X4)、第三产业增加值(X5)、财政收入(X6)、城市居民人均可支配收入(X7)、社会消费品零售总额(X8)、客运量(X9)这9个因子作为自变量，城市建设用地作为因变量，经SPSS软件处理后，通过表3和表4可知，第一第二主成分占到贡献率的96.480%，符合主成分分析的要求，同时第一主成分与除第二产业增加值(X4)的因素具有强相关性，可将其概括成人口、经济及交通驱动因素，第二主成分与第二产业增加值(X4)高度相关，可将其归纳为产业结构驱动因素.

表3 特征值及主成分贡献率

表4 旋转后因子载荷矩阵

4.2 驱动因素分析

4.2.1 人口、经济及交通因素

人口因素是建设用地变化的直接驱动因子，人类活动作用于城市建设用地的影响更为直观.2003年哈尔滨市辖区人口达到315.19万人，到2013年迅速增至472.5万人.人口的增加将促使人们对住房需求的提升，相应的公共设施及基础配套设施的数量也需要与之相匹配，必然会促使城市大力开发建设用地.

经济发展带动建设用地增加，人均可支配收入增加一方面满足了人们的消费能力，另一方面也刺激了消费欲望，拉动了内需增长，因而从另一个侧面体现了城市经济的发展水平.伴随人均可支配收入及社会消费品零售总额的增多，人们对服务业的期望也越发提高.哈尔滨市第三产业产值由1995年的1 738 224.32 万元增至2013年的19 091 054.6万元，哈尔滨的旅游业比较发达，众多游客的到来加大了对住房及交通设施的需求，从而促使城市建设用地持续增多.1995年哈尔滨市工业总产值为3 362 571 万元，2013年增长到21 291 271万元，是1995年的6倍多，这是因为土地利用结构会在土地利用的比较经济效益驱使下发生改变，工业企业数目增多，导致更多的土地开发成建设用地用以满足工业企业数目的增加.GDP和财政收入体现的是某个区域的发展水平，哈尔滨市1995—2013年GDP共增长29 461 328万元，年均增长率为53.43%，而城市建设用地年均增长率为7.93%，也就是说GDP每增长1%，城市建设用地面积相应的增长0.15%，经济发展有助于推进建设项目的增多.1995年哈尔滨市财政收入为189 736万元，2013年为3 387 736万元，18年间共增长3 198 000万元，年均增长率达到93.64%，本着“取之于民，用之于民”的思想，随着财政收入的增加，政府必将投入更多的财力用于发展民生工程及基础设施的开发，从而必须要有更多的城市建设用地作为基础媒介.城市主要交通干线引导着城市的建设发展，对城市建设具有带动作用.而客运量是体现交通基础设施完善水平的关键性标志.近年来，哈尔滨市更加注重对交通网的建设，新建了哈齐高铁，哈大客运专线也于2012年正式投入使用，同时哈尔滨西站和地铁的兴建促使了交通设施用地的增加.

4.2.2 产业结构因素

作为城市发展的支柱产业，第二产业产值的增加对城市的发展产生了巨大的影响，有效推动了城市的建设发展.1995年第二产业增加值为450 268.79万元，2013年第二产业增加值为332 212.828 8万元.哈尔滨市作为典型的东北老工业基地城市，近年来，不断开发江北、松北开发区，群力新区也正在崛起，第一产业逐渐转型到第二产业，产业结构的转变需要土地作为载体，致使非农建设用地被大批占用，转化为建设用地的现象频发.因此，哈尔滨市随着产业转型大量城市建设用地被开发利用.

5 建设用地需求量预测

建设用地系统是一个极其复杂的随机变化的动态系统，受到人口、自然、社会、经济发展、政策等诸多因素的共同作用，其变化具有非线性、波动性等特点，因此寻求合理的预测方法，对提高预测结果的精度至关重要.灰色马尔科夫模型是由灰色GM(1，1)模型和马尔科夫预测模型组合而成，它既能反映灰色GM(1，1)模型具有需要样本数目少且不需要计算统计特征量等特点，又能最大限度地发挥马尔科夫模型解决随机波动性较大的动态过程的优点[21]，二者结合，预测结果的准确性会大大提高，具体计算过程如下：

本文选取哈尔滨市2006—2013年的城市建设用地面积作为原始数据，根据灰色理论，得出GM(1，1)模型

x(t+1)=12 060.848 950e0.027 123t+(-11 729.638 950).

从马尔科夫分析方法的具体使用经验及哈尔滨市城市建设用地面积变化的实际情况出发，依据城市建设用地面积的实测值与灰色预测值之间的相对误差，把它分为4种状态：[-1.5，-0.5]，[-0.5，0.1]，[0.1，0.7]，[0.7，1.5].

将所得历年城市建设用地面积相对误差对应到相应状态区间，按照状态转移概率矩阵的算法，运用公式算得所需的一步状态转移概率矩阵为

从而可知2020年及2025年城市建设用地面积的实测值与灰色预测值之间的相对误差所处的状态，并根据公式(3)可得，2020年哈尔滨市的城市建设用地规模是476.557 4 km2，2025年为538.162 6 km2.

通过表5可以看出，灰色预测值相对误差的绝对值的最大值为1.385 3%，最小值为0.116 2%，平均值为0.584 8%.而灰色马尔科夫预测值相对误差的绝对值的最大值是0.310 3%，最小值是0.001 2%，平均值是0.196 9%.灰色马尔科夫模型的预测值各项精度均比灰色预测值的精度高，说明灰色马尔科夫模型对合理预测哈尔滨市城市建设用地面积更为有效.

表5 灰色预测值与灰色马尔科夫预测值精度对比

6 结论与讨论

通过对哈尔滨市近20年建设用地动态变化及驱动力的分析及对未来城市建设用地规模的预测，可以得到以下结论：

(1) 城市一直处于发展变化当中，经济发展的突飞猛进以及人口的变化带来了建设用地规模的扩大.哈尔滨市城市建设用地从1994年以来一直处于上升趋势，尤其是1999—2006年这一时期增长较快，年均增长率为14.39%.2007—2013年哈尔滨市建设用地结构供应量变化显著，住宅用地、工矿仓储用地、其他用地供应量均呈现出先上升后降低的趋势，商服用地和水域及水利设施用地供应量较少.交通运输用地除2007年和2009年供应量为0之外，其余5年的供应量基本处于增长趋势.其中，工矿仓储用地供应量的变化趋势某种程度上说明了哈尔滨市建设用地结构正朝着越来越合理的方向发展.

(2) 1994—2013年哈尔滨市城市建设用地面积的扩大不尽合理，其建设用地变化弹性系数为3.08，远大于1.12的合理值.只有少数年份的建设用地变化弹性系数在合理值范围内，说明哈尔滨市应放慢建设用地的扩大速度.

(3) 引起哈尔滨市建设用地变化的因素有许多，但大多数因素相互之间有关联，通过主成分分析，可简化驱动因素，并将其概括成人口、经济发展及交通因素和产业结构因素.

(4) 单一的灰色预测模型得出的结果往往误差较大.本文利用灰色预测模型和马尔科夫模型组合而成的灰色马尔科夫模型，大大提高了预测结果的精度，对科学合理预测哈尔滨市建设用地以及未来政府制定合理的土地利用规划具有重要的现实意义.

哈尔滨市作为国家重要的制造业基地，对外贸易往来越来越频繁，势必会增强其带动周围地区发展的辐射能力，城市建设规模也会随之加大，因此，掌握哈尔滨市的建设用地动态变化规律、驱动力及其发展趋势，对哈尔滨市未来集约节约利用土地及科学优化土地利用结构至关重要.本文选取了1994—2013年哈尔滨市统计数据和遥感解译数据，在对其建设用地动态变化进行分析的基础上，运用灰色马尔科夫模型预测了2020年和2025年的建设用地面积，避开了影响建设用地面积变化因素中政策因素难以量化的局限，但作为灰色马尔科夫模型关键一步的状态划分存在人为主观性，因而，如何更合理准确地划分灰色马尔科夫预测模型的状态区间将成为今后研究的重点.

[1] FERREIRA J A，CONDESSA B.Defining expansion areas in small urban settlements-an application to the municipality of Tomar(Portugal)[J].Landscape and Urban Planning，2012，107(3)：283-292.

[2] KAYA S，CURRANP J.Monitoring urban growth on the European side of the Istanbul metropolitan area：a case study[J].Interntional Journal of Applied Earth Observation and Geoinformation，2006，8(1)：18-25.

[3] MUNORE D K，CROISSANT C，YORK A M.Land-use policy and landscape fragmentation in an urbanizing region：assessing the impace of zoning[J].Applied Geography，2005，25(2)：121-141.

[4] GERRIT J KNAAP.土地市场监控与城市理性发展[M].北京：中国大地出版社，2003：1-20.

[5] DAVID M，ELIGIUS M T，MARTIN K，et al.A framework to study neary optimal solutions of linear programming models developed for agricultural land sue exploration[J].Ecologic-al Modeling，2000(131)：65-77.

[6] 洪武扬，李飞雪.平潭县城镇用地空间扩张特征与驱动力分析[J].河北师范大学学报(自然科学版)，2013，37(6)：626-630.

[7] 董雯，杨宇，张小雷，等.天山北坡绿洲城镇用地扩展及其驱动力分析[J].干旱区研究，2011，28(6)：980-985.

[8] 李洪义，何方义，李芳颢，等.鄱阳湖生态经济区城乡建设用地扩张驱动力研究[J].国土资源科技管理，2014(1)：31-35.

[9] 郑荣宝，陈梅英，陈美招.广州市花都区建设用地扩展的时空特征及驱动因素分析[J].热带地理，2012，32(1)：66-71.

[10] 周志明，李阳兵，罗光杰，等.贵州省城镇建设用地扩展的时空演变特征[J].生态学杂志，2012，31(3)：696-701.

[11] 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.

[12] 孙秀峰，刁成泰，何丹.我国城市人口、建设用地规模预测[J].现代城市研究，2005(10)：48-51.

[13] 姜海，曲福田.建设用地需求量预测的理论与方法[J].中国土地科学，2005，19(2)：44-51.

[14] 吴大放，刘艳艳.基于RS/GIS的珠海市城市空间扩展[J].热带地理，2013，33(4)：473-479+495.

[15] 李杨昕，胡玉福.龙泉驿区建设用地动态变化及驱动力分析[J].中国农学通报，2014，30(11)：171-178.

[16] 曹银贵，周伟，乔陆印，等.中国东部地区城市建设用地变化与利用效益分析[J].地理科学进展，2012，31(7)：869-877.

[17] 曹蕾，钟菲，章明，等.基于灰色-BP神经网络的重庆市城镇建设用地规模预测[J].江西农业学报，2011，23(8)：188-189+192.

[18] 郝思雨，谢汀，伍文，等.基于RBF神经网络的成都市城镇建设用地需求预测[J].资源科学，2014，36(6)：1220-1228.

[19] 蔡芳芳，濮励杰.南通市城乡建设用地演变时空特征与形成机理[J].资源科学，2014，36(4)：731-740.

[20] 刘学伟，宋戈.城市建设用地规模预测方法与应用研究[J].中国国土资源经济，2007，12：28-31+41-42.

[21] 陈焕珍.基于灰色马尔科夫模型的青岛市粮食产量预测[J].计算机仿真，2013，30(5)：429-433.

(责任编辑：方 林)

Dynamic change and trend forecast of construction land in Harbin City

LI Wei1，SONG Ge1，2，LI Rui-xue1，LI Zhi-ming1，TENG Peng1

(1.College of Resources and Environment，Northeast Agricultural University，Harbin 150030，China；2.Institute of Land Management，Northeast University，Shenyang 110819，China)

Construction land is the space carrier of people’s production and life and social economy development.It is an important part of land use.This article takes Harbin city as the study area，based on the analysis of Harbin city construction land dynamic change from 1994 to 2013，on the basis of building the gray markov prediction model，and forecast its future construction land area.The results showed that：(1) The urban construction land area in Harbin as a whole is on the rise during 1994—2013，especially in the most apparent in 1999—2006，the annual growth rate is 14.39%.In 2007—2013，the supply of construction land structure in Harbin city changed significantly.(2) With the increase of the urban population in Harbin，the per capita urban construction land area of the city also increase accordingly.(3)The expansion of the construction land area of Harbin city in 1994—2013 is not reasonable，the elastic coefficient of the construction land is 3.08，which is much larger than the reasonable value of 1.12.Only a few years of construction land change elasticity within a reasonable range，the expansion of construction land in Harbin should be slow down.(4) Demographic and economic factors，industry structure factors are the main driving force of Harbin city construction land change.(5)The grey Markov model prediction accuracy is higher than that of the grey prediction model，by forecasting，the urban construction area of Harbin City in 2020 is 476.557 4 km2，which is 538.162 6 km2in 2025.

construction land；dynamic change；driving force;scale prediction;Harbin City

1000-1832(2017)02-0149-08

10.16163/j.cnki.22-1123/n.2017.02.027

2015-12-29

国家自然科学基金资助项目(41071346，41571165)；教育部学科点博导类基金资助项目(20112325110007).

李玮(1989—)，女，硕士研究生，主要从事土地资源利用研究；通讯作者：宋戈(1969—)，女，博士，教授，博士研究生导师，主要从事土地利用与管理研究.

F 293.2 [学科代码] 790·4720

A