南沙区生态用地优化研究

何东灵　徐嘉源　庄嘉　王伟华

[提要] 本文中的研究区域是广州市管辖下的南沙区，借助过往CA对城市空间扩展研究基础上，应用SLEUTH模型对南沙区未来城市空间扩展状况进行动态模拟，从而得出有利于南沙区未来城市发展与生态格局优化建议。在本研究中先是借助GIS和Envi收集整理南沙区历史年份的遥感数据和土地利用矢量数据，建立数据集后输入SLEUTH模型。通过三次校正后，得出适合于该研究区域预测的最佳参数组，并在SLEUTH模型得到确认。通过本次研究结果，证明南沙区的生态用地在政府严格控制下能与城市用地平衡发展，从而达到南沙区高速发展中的生态用地格局优化的目的。最后提出相关有利于政府措施的建议。

关键词：SLEUTH模型预测;城市空间扩展;生态保护;南沙区

基金项目：国家级大学生创新训练计划项目（编号：201811845040）

中图分类号：F293.2 文献标识码：A

收录日期：2019年9月17日

土地利用整体规划一直都是国家重点关注的内容，同时也是影响人们生活和发展的一个重要方面。城市土地的开发利用，其实就是生态用地和建设用地之间权衡的过程，而生态格局的调整和优化也直接受到了城市空间扩展的影响。而其中城市空间的动态扩展会受到自然、社会、经济和政治等条件影响，所以调整生态格局的时候需要进行多方面因素的综合考虑。根据十九大报告的指导，中国的现今经济要以保护环境为前提，发展经济已经不能再以牺牲环境和生态为代价。

而在城市空间扩展过程的研究中，以CA为代表，在1900年后就开始出现以及逐渐成熟，而SLEUTH模型作为CA模型中最为经典分支，诞生在以元胞自动机和多主体模型为代表的动态城市模型阶段，是基于元胞自动机模型的真实城市系统演化模拟。在SLEUTH模型开发和初步应用阶段，Clarke教授开发了SLEUTH模型并模拟预测了美国加利福尼亚州旧金山湾地区与美国东部华盛顿/巴尔的莫两个差异较大的城市空间的扩展情况。到了SLEUTH模型的修正和应用区域扩大后阶段，以Jantz、Goldstein和Straaman等为首对模型的校准方法進行改进，对巴尔的摩-华盛顿大都市等地区进行不同情景的模样研究。再到模型优化和城市扩展模拟深化阶段，Dietzel和Clark在2007年又一起合作利用非监督学习的神经网络得到的自组织图谱产生的优化指数，进一步校准SLEUTH模型，得到更为理想的预测结构。同时，国内的SLEUTH研究也在开始跟上世界城市空间扩展研究的大潮，尽管国内的相关研究总体比国外起步稍晚，但总体应用得较为到位，国内很多地区都能通过SLEUTH模型进行相关的城市空间扩展动态研究，证明模型对国内情况也是具有普适性，如陈学刚在2005年应用了SLEUTH模型对乌鲁木齐市城市空间的动态演化进行模拟;米丽娜在2007年的《基于 SLEUTH模型的银川市空间扩展研究》一文中，重点比较分析了Lee-Sallee指数和OSM指数两种校准方案;等等。

广州市南沙区是国家自贸区和粤港澳大湾区地理几何中心，是广州重要的发展区域。近年来，南沙区持续开发，全新规划多条地铁线路，进一步打开南沙腹地，大量建设用地拍卖出让，城市范围快速扩张，城市化进程不断加快，由此引发的湿地、农用地缩减、水污染、大气污染等生态难题将逐渐显现。因此，本文以南沙为例，借助SLEUTH模型对南沙区生态用地进行不同情景下的动态模拟，预测南沙未来空间格局，并探讨城市发展对生态环境的影响及平衡对策，以期为城市空间可持续发展与管理提供参考。

一、研究区域与研究方法

（一）研究区域。广州市南沙区，为广州城市副中心，位于广州市最南端、珠江虎门水道西岸，介于北纬22°26′～23°06′，东经113°13′～113°43′。全区总面积803平方公里，下辖3个街道、6个镇。截至2017年末，南沙区常住人口72.5万人，其中户籍人口41.54万人。

（二）方法与数据

1、SLEUTH模型。SLEUTH模型是一个以元胞为单位，每个元胞有相邻的4个单元格，可根据五个转换规则被定义为城市/非城市属性，从而进行城市空间动态模拟研究的模型。模型特点是有自我修改规则，模型可以通过自我修改来组合出区域内最佳参数组合，然后模拟出历史数据现状，被研究人员确认过与现实相符后可继续用于预测未来城市空间发展的研究。

SLEUTH模型的使用需要起码四个年份的分别五个数据源图层，这五个数据图层包括山体阴影层、城市范围层、坡度层、交通道理层和排除层，其中以排除图层最为特别，排除图层的参数设置对最后城市空间发展预测的情景模拟环节有直接的影响。本研究根据所采集的数据，分别应用2000年、2005年、2010年、2015年的数据进行。

在模型的参数设置部分，SLEUTH模型通过五个增长系数，来说定义五个增长规则，从而得出五种增长类型。其中，增长系数有如下：繁殖系数用于表示新的城市分离定居点开始自增长周期的程度、蔓延系数用于表示城市元胞自组织繁衍情况、扩散系数表示城市总体分散程度、道路引力因子是表示已有道路对新的定居点吸引情况和距离、坡度阻碍因子则是表示坡度对城市扩张的影响情况，不过一般若研究区是平原的话，此系数影响不大。

SLEUTH模型是以增长环为单位执行的。一般来说，一个完整的SLEUTH模型有三个增长环：第一个增长环为建立数据集，主要是处理和标准化收集的数据。第二个增长环是模型校准，大量数据通过粗校准、精校准和终校准，在蒙特卡罗运算下大量迭代，从而组合出最佳参数组合用于设定最后的SLEUTH模型参数。第三个增长环是模型预测，模型先运算历史数据并与现实图像比对确定模型的精度可参照性，再输入种子年数据，对未来年份中的城市空间扩展情况进行预测，最后输出模拟结果的图像和表格数据。根据最新的南沙区土地利用总体规划对耕地和基本农田保护、建设用地规模控制等等制定的目标，本次研究设置以2018年为种子年，最佳参数组来进行未来2019～2035年南沙区的城市空间发展状况情景模拟。

2、数据来源与预处理。本次研究采用的原始数据类型主要有南沙区的4年的Landsat 7和Landsat 8的TM卫星影像图，美国航天飞机雷达地形测图（SRTM）数据采集下的DEM数据;广州市土地利用现状数据和广州市南沙区土地利用总体规划。其中，Landsat TM卫星影像图用于数据矢量化的基础图，创建面要素对南沙区的城市范围和交通道路进行数据的矢量化，再通过Arctool转栅格把城市范围和交通道路的矢量数据转化为栅格数据。南沙区的DEM高程图应用于GIS中采样成研究区30米的DEM。本研究中所有影像、栅格和矢量数据均按照统一的投影坐标为WGS1984设定。《广州市南沙区土地利用总体规划（2006-2020年）》是用于2000年和2010年土地利用现状矢量数据属性表编辑的依据。

3、情景模拟。为了观察南沙区土地在未来不同强度的规划约束下的发展状况，情景模拟会设为现状发展、基本保护和严格保护三种情景，具体如下：（1）现状发展：公共基础设施作为排除层，其转换为城市的排除概率为100%;其他用地不进行设置;由于坡度会影响城市发展，所以把限制坡度设置为25°，即元胞的坡度一旦超过了25°就无法转变成城市用地。（2）基本保护：将南沙区的水域保护概率设置为60%，农业用地的保护概率设置为50%，坡度限制保持不变。（3）严格保护：在情景2的参数基础上，把水域的保护概率直接设置为100%，农业用地的保护概率设置为90%，坡度限制也更加的严格，设置为15°。具体的各情景模拟参数参照表1。（表1）

二、结果与讨论

（一）模型校正。利用南沙区2000～2015年历史数据，进行粗校准、精校准、终校准，根据指数最大的原则选取南沙区城市增长系数最佳组合。最终以Lee-Sallee指数排列比较选取了最佳的增长系数组合，而本次终校准Lee-Sallee指数最大为0.4129，增长系数组合如表2所示。（表2）

（二）不同情景下的城市空间预测结果。以2018年为种子年，基于最终确定的最佳参数组，根据现状发展情景、基本保护情景和嚴格保护情景的排除层设置，得到2035年的城市空间扩展的模拟结果如图1、图2、图3、表3所示。（图1、图2、图3、表3）

在情景1的现状发展中，公共基础设施的排除概率设置为100%和坡度设置为25°。从模拟图可见，在这样任性、不受约束的城市化发展下，城市的空间扩展面积会出现非理性增长，生态环境会保护力度严重不足。城市呈现一个摊大饼式的沿外沿无序地扩展，整个城市的空间格局呈现了一种较为破碎的形态。其中，由于建设用地的面积大幅度增加，导致农用地和其他用地的面积迅速减少。从上表可知，在这种模式下，转换为城市概率为90%～100%的像元个数最多，占总像元的9.5%。可见，现状发展模式下的南沙区环境压力巨大，这样的发展模式会加大城市发展与生态保护之间的矛盾，不符合可持续发展的原则，不利于发展环境友好型社会。

在情景2的基本保护中，模型设置是在情景1的基础上，加上了水域保护概率为60%和农业用地保护概率为50%，城市用地转化的限制较大，以达到基本保护的要求。从图表可见，转换为城市概率为90%～100%的像元个数显著减少，下降率达到55.9%。可见，在基本保护情景下，能成功加大对耕地、林地和水体的保护，城市的发展速度在规划之下能有所控制，有利于南沙区生态的持续发展。

在情景3的严格保护中，继续继续加大对规划对南沙区的城区空间发展的影响度，把坡度限制改为15°，水域从原先的保护概率60%提升至100%，农业用地的保护概率也从50%提升至90%。在此情景下，模型进一步加大保护河流湖泊和基本农田的力度，城市空间发展进一步限制住，使得城市扩展速度显著降低。在图标数据方面，可见转换为城市概率为90%～100%的像元个数进一步降低，比起基本现状像元个数降低了75.1%。可见，在严格保护情景下，对南沙区的生态保护力度大，对生态格局调整有明显作用，符合可持续发展的要求。

三、南沙区未来生态格局优化发展建议

（一）严格控制南沙区的人口增长，优化区域人口素质。南沙区由于开发较晚，目前整个区域的人口密度较低，其城市人口主要以农民为主。但随着南沙区的自贸区政策和城市发展进一步深入，需要引入大量的高端人才和劳动力，城市人口的机械增长会大量增加，其相应的人口居住地和工作用地会同时增长来满足大人在南沙定居和工作的需求。因此，相关政府部门，要落实好城市规划和人口数量控制，紧抓人口素质教育工作，让城市人口按着城市适合的发展速度增长，让市民深入生态环保理念，从而减少对生态承载力的负担和对城市建设下对生态环境不可逆的伤害。

（二）控制城市空间发展速度，严格打击违建，加强闲置土地惩罚力度。为了让城市建设用地和各种农用地，尤其是基本农田，能按政府规划进行利用，城管部门必须加大对违建房的处罚力度，尤其是私自把集体用地下的宅基地和耕地进行违规建设或使用权出售等行为，一经发现必须进行违建房拆除和对建筑人的处罚。此外，各种闲置没被及时有效利用的土地，政府可以先通过政策优化或者资金倾斜鼓励土地使用者及时对土地进行按计划使用，后设定相关的处罚制度进行土地闲置的后果处罚，从而提供土地的集约利用优化度，减少土地的浪费。

（三）制定土地整理计划，建立生态补偿制度。首先，在规划上，政府在进行任何的土地规划或者决策前，必须充分征求农业、林业、水利、环保等相关部门和进行专家论证，确保决策的科学性和生态友好性。其次，政府加大对土地整理的资金投入和政策倾斜，确保政府发挥领头作用的同时鼓励社会各界对土地整理的投入，调动人们对土地整理和生态保护的主动性。在建设生态补偿制度方面，明确“谁开发、谁保护，谁破坏、谁恢复，谁受益、谁补偿，谁污染、谁付费”的生态补偿主体。除此之外，基本农田保护面积、耕地保有量和生态用地减少的地区向增加的地区支付相应费用，补偿其资源占用成本。

（四）加强地质灾害的防治，保障生态格局动态平衡。不同于其他城市发展地区，南沙区由于靠近大海，其土地含水量高，易受创，土地强度较低，其土壤主要为软粘，其土壤的有机质和腐殖酸含量较高，是导致土体强度低、压缩性高的主要原因。因此，在南沙区的城市发展建设过程中，要严格关注建筑物沉降或其他地质灾害情况，以免出现大面积土地受创限制，保障南沙区的生态格局动态平衡，生态系统稳定维持。

四、结论

在本次研究中，借助SLEUTH模型对南沙区未来2035年空间扩展进行了情景模拟，并针对模拟结果提出相关的建议。得出以下结论：

（一）在模型校准精度方面，在2000～2018年的城市空间模拟的校准中，形状指数（Lee-Sallee指数）较大，与历史数据的空间匹配度以及精度均较高，因此SLEUTH元胞自动机模型具有较强的普适性与可移植性，可以应用于城市用地动态模拟。

（二）空间扩展的模拟结果表明，另外三种情景下城市建设用地均不同程度明显增加，对农业用地、湿地等生态用地均有侵占。结合增长系数，可看出南沙的建设用地主要是在原有的城市范围上向外围郊区逐渐拓展，同时辅以平坦空地自发增长。其中，现状发展和基本保护情景下，城市建设用地均大幅度增长，大面积侵占农田、水域等生态用地，严重损害区域生态服务能力，影响城市可持续发展。相较于前两种情景，严格保护情景下，城市建设用地的扩张程度较少，大面积侵占生态用地的情况得以控制，较好地保留了城市自然生态服务能力，保障城市可持续发展。

主要参考文献：

[1]Clarke，K.C.，G.Olsen，and J.A.Brass.Refining a cellular automaton model of Wildfire Propagation and extinction[A].Proceedings of the Second International Conference on the Integration of Geographie Information Systems and Environmental Modeling[C].1993.

[2]Clarke，K.C.，P.Riggan，and J`A.Brass.A cellular automaton model of wildfire Propagation and extinction [J].Photogrammetric Engineering and Remote Sensing 1995.607.

[3]Loose-coupling a cellular automaton model and GIS：long-term urban growth prediction for San Francisco and Washington/Baltimore[J].Keith C.Clarke Leonard，J.Gaydos.International Journal of Geographical Information Science，1998（7）.

[4]Jante C A，Uoctz S J，Donato D，et al.Designing and implementing a regional urban modeling system using the SLEUTH cellular urban model[J].Comput Environ and Urban Systems，2010.34（1）.

[5]Jantz C A，Goetz S J，Shelley M K.Using the SLEUTH Urban Growth Model to Simulate the Impacts of Future Policy Scenarios on Urban Land Use in the Baltimore-Washington Metropolitan Area[J].Environment & Planning B Planning & Design，2004.31（2）.

[6]Goldstein N.C.Brains vs.Brawn-Comparative strategies for the calibration of a cellular automata-based Urban Growth Model[J].In：Atkinson P，Foody G，Darby S，Wu F（eds）.GeoDynamics.CRC，Boca Raton，2004.

[7]陳学刚.基于细胞自动机的城市增长模拟研究[D].新疆大学，2005.

[8]米丽娜.基于SLEUTH模型的银川市空间扩展研究[D].兰州大学，2006.