基于“双评价”和FLUS模型的小城镇开发边界划定——以福建省平和县为例

蔡 卓，丁美辰

(1.漳州市城市规划设计有限公司，福建 漳州 363005；2.厦门大学 嘉庚学院建筑学院，福建 漳州 363105)

0 引言

伴随着中国城镇扩张所带来的建设用地无序蔓延、生态本底遭到侵蚀、城市周边服务设施质量偏低等问题，以及生态文明建设目标的确立。2019年《中共中央 国务院关于建立国土空间规划体系并监督实施的若干意见》，提出国土空间适宜性评价和资源环境承载力评价(以下简称“双评价”)，它们是保障中国国土空间资源管控及空间高质量发展的基础。其评价结果对构建城镇空间开发与保护格局、划定“三区三线”*等具有重要的指导意义[1-3]。目前，因为以“双评价”为主的相关政策、技术规程众多，且中国国土范围辽阔，各地自然条件和社会经济情况差距较大，导致其评价过程中的阈值、权重指标难以统一，评价结果难以保证客观的情况[4]。FLUS(Future Land Use Simulation)模型是由刘小平[5-7]等提出的基于“自适应惯性竞争机制”进行土地时空变化模拟的模型。它将BP神经网络算法和元胞自动机模型(CA)结合，能够精准处理自然及人类活动影响下的土地利用变化[8-12]，使得最终的模拟精度与实际土地利用分布相近。

本文以福建省平和县为研究对象，基于平和县2009年、2013年和2017年的土地利用数据，采用FLUS模型模拟在政策规划影响下的2030年城镇建设用地扩张特征，并基于“双评价”方法对县域城镇建设适宜性进行分析，进而将两个评价结果叠加对比，以期获得平和县未来城市开发边界划定及管控依据。

1 研究区域、方法及数据选取

1.1 研究区域概况

平和县隶属于福建省漳州市，是典型的闽东南中小城市，全国知名的蜜柚种植特色县。截止2018年，平和县在漳州市4个内陆区县中人口、区位、用地等要素禀赋较好，人口以及行政区面积位列第一。但是受既往政策及厦漳泉都市区虹吸效应影响，平和县城镇化水平、GDP和工业化水平等指标在漳州市内陆区县中排名靠后。参照赛尔奎因与钱纳里划分标准，平和县仍处于工业化前期向中期过渡的阶段。近年来平和县社会经济保持着平稳较快发展态势，地区生产总值年平均增长10%。十三五以来，以小溪镇—山格镇为主体的平和县中心城区成为了县域新型工业、现代农业和现代服务业转型升级的主要空间载体。面对新一轮的国土空间规划和三生空间(1)三生空间是对生产、生活、生态三类空间的总称，这三类空间构成了不同空间尺度的主体要素.建设，平和县中心城区城镇开发边界划定成为了未来平和县可持续发展的主要影响依据。

1.2 研究方法

本次针对其中心城区的城市开发边界划定的思路为：第一、分析中心城区现状城市空间发展特征，并预测中心城区的2030年人口承载力；第二、基于“双评价”方法研究城区空间开发适宜性，落实城市主体功能区、避让重要生态敏感区；第三，根据FLUS模型拟合城市发展形态边界(图1)。

图1 技术路线

1.3 数据选取

本文使用到的数据包括平和县2009年、2013年、2017年土地利用现状图，县域边界、公路铁路分布以及近年的社会经济数据、人口统计数据、数字高程DEM数据。部分文本资料来源于《福建省陆域生态保护红线划定成果调整初步建议方案(征求意见稿)》、《福建省林地保护利用规划(2010-2020)》、《平和县国民经济和社会发展第十三个五年规划纲要》、《平和县城乡总体规划(2015-2030)》、《平和县土地利用总体规划(2006-2020)》等经依法批准的其他相关规划。

2 平和县城市空间发展现状及人口预测

2.1 用地结构及土地利用现状

经土地利用现状数据对比发现，平和县中心城区从2009年至2017年，建设用地、草地呈现增长趋势，其中建设用地规模同期增长了38%，达到1 974.73 hm2。城镇建设用地的增量主要来源于耕地和林地的转入，它们占建设用地增量的98.21%。城市水体和未利用面积基本保持平稳状态，而林地的面积缩小较大，减少了634.89 hm2。目前平和县中心城区现状建设用地规模19.75 km2，居住用地占比52%，其中以老旧小区、城中村为主的3类居住用地占比33%；工业用地占比16.4%；公共服务及商业服务设施用地占比约12.55%。从用地结构来看，平和县中心城区的发展仍处于早期起步阶段，居住用地中老旧小区比例较高，二、三产业空间不足限制了中心城区承接县域农业人口转移的能力。

2.2 城市空间发展现状

纵向比较城市各方位空间扩展数据，中心城区建设用地扩展以东北、正南为主要发展方向，并分别占据所在方位建成面积的71.37%和71.3%。从空间发展方向来看，平和工业园区以及原省道官九线等带动中心城区跨过花山溪向东、北方向发展，同时平和商贸物流园和恒丰商业广场则刺激了城市格局向南侧延展。由于老城区和工业园区一南一北影响带动，城市呈现由单核中心向带状组团式发展态势(封二图版Ⅰ图2)。现阶段中心城区城镇化的核心驱动力在工业导向和生态宜居导向之间摇摆。以工业导向为核心则受产业和物流空间分离的限制，县城工业发展乏力。若选择以生态宜居为导向，平和县的公共服务设施以及人居环境建设很难与毗邻的厦漳泉等大城市形成差异优势。

2.3 城市人口发展预测

2.3.1 预测方法

根据平和县城乡总体规划(2015～2030年)，县城2020年规划人口17.33万人，2030年规划人口约为25万人。为更好的预测中心城区的人口承载力，本次研究采用SPSS的线性回归法、指数模型法、对数回归法、幂函数法和logistic回归法等五种方法，以及GM(1，1)的灰色系统预测法，基于中心城区2014～2018年度人口数据对2030年进行分析预测。

2.3.2 城市人口预测

2014～2018年间中心城区的人口保持着每年2 000人左右的稳定增幅，年均变化幅度约1.4%。人口与用地协调方面，2009年至2013年，城市建设用地增长速度远小于人口增长的速度，城市人口几乎增长一倍，用地人口增长比约为0.41；2013年至2017年，城市用地规模增长与人口增长基本协调，用地人口增长比约为1.09。显示由于产业及公共配套水平制约影响，中心城区的城镇化进程从13年前的爆发性增长状态转变为较为平稳状态(表1)。采用线性回归等方法基于中心城区历年人口数据对2030年中心城区人口规模进行分析预测，结果预计中心城区2030年人口在16.7万至17.2万左右(表1)。《平和县城乡总体规划(2015-2030)》(批复版)中2030年规划人口约为25万人，规划建设用地24.98 km2，考虑到平和县城镇化率水平较为滞后，总规的预留人口及建设用地规模应能满足地方实际发展的弹性需要。

表1 2008～2018年中心城区人口数据表

3 基于“双评价”的平和县适宜建设用地划定

3.1 城镇建设用地承载力评价

根据《资源环境承载能力和国土空间开发适宜性评价技术指南(试行)》，建设承载力评价包括土地、水、气候、环境、灾害等因素的单项评价和集成评价。由于《福建省双评价技术报告(漳州成果)》结果显示，平和县空气环境容量、水环境容量分级在福建省中处于中等及较高水平，而且大气、降水、土壤、气象灾害等数据多只细化至1∶25万精度，无法适用于中心城区尺度。本次研究以土地资源为侧重点对城镇建设用地承载力进行评价。

3.1.1 地形分析

根据DEM数据，以≤3°、3.01～8°、8.01～15°、15.01～25°、>25°生成坡度分级图。以此分级结果将城镇建设用地承载力划分为高、较高、中等、较低、低5级，作为初步评价结果。

采用10×10个10 m×10 m栅格作为邻域，计算地形起伏度，并以地形起伏度≤30 m、30～50 m、>50 m分成3级，生成地形起伏度分级图。

对于地形起伏度>50 m的区域，将初步评价结果降2级，地形起伏度在30～50 m的，将初步评价结果降1级作为城镇建设用地资源等级，生成城镇建设指向土地资源等级图(封二图版Ⅰ图3、图4)。

3.1.2 建设用地承载力评价

分析结果显示建设用地承载力由高至低的区域占比分别为8.1%、14.75%、7.25%、8.81%、61.08%。其中较高及高适宜性区域面积合计47.73 km2，主要分布在花山溪、高示溪和牛头溪两侧的河谷冲积盆地内。而低适宜性区域主要分布在外围，以琅琊山、寨仔山、蜈蚣山、石牛山和马头山围合的山地为主，城市内部的大肚山森林公园和紫云岩公园等区域由于地形起伏度较大而呈现低适宜性特征。

3.2 国土空间开发适宜性评价

3.2.1 指标体系建立

通过对城市生态资源的识别，选用植被、水域、水源地、地形坡度、自然灾害、建设用地等7类要素作为空间开发适宜性的主要影响因子。通过分级赋值，将各因子值分为9、7、5、3、1五档，分别对应着极低开发适宜性、低适宜性、中适宜性、较高适宜性和高适宜性，其中极低开发适宜性区域应划出城镇空间(允许建设区和有条件建设区)范围以外(表2)。

表2 空间开发适宜性因子及分类权重表

3.2.2 集成评价结果

根据多因子综合评价结果，可获知平和县中心城区高开发适宜性区域约26.55 km2，占总范围的13.07%；中开发适宜性区域约38.44 km2，占总范围的18.92%；低开发适宜性区域约138.1 km2，占总范围的68.01%。

“双评价”的分析结果表明，平和中心城区的土地资源承载力极限约为47.73 km2，而高开发适宜性区约为26.55 km2。综上，中心城区可以承载25～40万人口规模。

4 基于FLUS模型的城市边界扩张模拟

4.1 模拟准备

4.1.1 模拟数据

数据模拟准备主要涉及输入层的土地利用分类数据、空间影响因子数据和行政区划矢量数据。土地利用分类数据包括2009年、2013年、2017年三期当年度土地利用现状和当年度已批租用地数据。

4.1.2 模拟机制

模拟主要采用耦合神经网络(ANN)与元胞自动机(CA)两种算法进行。耦合神经网络算法用于寻找建设用地与各类驱动力因子(自然、经济、交通、区位等)的关系，计算出研究范围内每种土地利用类型在每个像元上的出现概率，从而得出城镇发展潜力地区。

元胞自动机基于自适应惯性机制，用于模拟未来城市用地演变，以建设用地、耕地、林地、水域、未利用地等多种类型的土地现状分类数据为初始输入数据(2009年、2013年、2017年土地利用现状数据)，根据不同土地类型间的相互转化成本、适宜性概率数据、约束性条件(永久基本农田、生态保护红线等)，为城镇建设用地演变提供情景模拟的参考依据。驱动因子是影响神经网络适宜性概率计算的重要因素，考虑本研究主要研究对象为城市建设用地及城市开发边界，选取具有代表性的城市中心、已批租用地、城市道路等3项驱动因子。最终，通过CA拟合结果与目标年份真实数据对比因子参数的优劣性，提高预测年份的成果准确率(封三图版Ⅱ图5)。

4.2 模拟结果

从以上模拟结果来看，平和县城乡总体规划规划中心城区建设用地城市建设用地24.97 km2，外围村庄及道路建设用地6.07 km2，与2030年预测值相近。城市形态拟合结果基本与平和县中心城区未来土地空间发展趋势相符合，尤其是受到以南北向交通干道为主的城市道路影响因子以及耕地、地形、河流水系等自然要素的约束力共同作用的空间区位优势明显的区域，拟合效果较好(封三图版Ⅱ图6)。

5 平和县中心城区开发边界划定

5.1 模拟成果底线校核

结合城镇建设适应性评价结果与FLUS模型模拟结果，提取城镇建设适应性空间与模拟出来的城镇建设用地数据，通过计算两者一致性KAPPA系数，得出两者的一致程度达到72.82%，位于高度一致性(60%-80%)区间内。而存在差异的地区主要集中在中心城区中部，如高示溪以南、花山溪以西等区域。形成此差异结果的原因可能与模型特征和驱动因子有关，FLUS模型基于既有年份土地利用现状特征，较适用于大尺度区域和城镇化程度中后期阶段的空间模拟。平和县中心城区约200 km2，空间尺度偏小，而且2018年城镇化率36.5%，高示溪以南、花山溪以西区域作为中心城区的规划行政文体中心区，现状仍然以非建设用地为主，主要受规划政策因子驱动，难以被模型完全拟合。

综上所述，FLUS模型可一定程度辅助拟合城镇建设用地未来拓展的形态边界特征，后续仍需综合“双评价”分析和城乡总规用地布局等要素对模拟成果进行校核修正。

5.2 边界划定

基于现状分析、相关空间本底边界避让、用地承载力及国土空间开发适宜性分析、城市开发边界数量及形态模拟等技术手段模拟校核，最终可形成本次开发边界划定成果如下。

5.2.1 边界规模管控

参照《福建省城市开发边界划定和管理技术要点(试行)》要求，边界规模不超过《平和县城乡总体规划(2015-2030)》规定的24.97 km2，“弹性空间”原则上不超过城市规划建设用地规模的20%。本次划定城市开发边界面积28.51 km2，其中含允许建设区23.72 km2(总规建设用地规模24.97 km2×95%)，“弹性空间”4.79 km2。

5.2.2 边界管控措施

为保障管控引导的高效性和可实施性，研究从边界内以及边界外项目管控等方面，建议预留5%的建设用地(1.25 km2)漂动空间位于开发边界以外的外围限制建设范围，以便应对边界外有可能存在加油站、燃气、环卫垃圾处理等县级民生设施和基础设施落地，探索实施项目准入引导等政策化工具；采用GIS入库等方式统一数据基础、数据坐标以及数据格式，以便于进入国土空间规划“一张图”数据系统进行信息管理。

6 结论与讨论

本文以福建省平和县中心城区城市开发边界为主要研究对象，基于“双评价”与FLUS模型识别结果进行叠加分析，进而完善边界轮廓，使其更符合现实情况及预期结果，助力国土空间规划编制工作。结论表明：①通过对人口及用地分析，可预测中心城区2030年人口在16.7万至17.2万左右，与城总规的规划人口规模有一定差距，平和县城镇化核心驱动因素宜进一步明确和强化；②“双评价”分析可廓清城镇空间拓展的底限和规模边界特征，通过分析评价可知，平和中心城区的可承载的人口规模约在25～40万人，琅琊山、紫云岩、花山溪等城市山水格局底线要素需要严格控制开发建设行为，保护生态安全底线不遭到破坏；③FLUS模型可一定程度辅助拟合城镇建设用地未来拓展的形态边界特征，拟合结果在形态上与规划的小溪镇-山格镇对向发展、带状组团式空间结构格局基本一致，并综合“双评价”分析和城总规用地布局等要素对模拟成果进行校核修正。

因为，城镇建设用地扩张是一个持续发展且受到诸多自然、社会等因素影响的复杂时空动态过程。受数据源等因素制约，本研究也存在不足之处：其一研究中所使用的参考数据主要反映的是2009～2017年的城镇发展历史趋势；其二FLUS模型应用于中小尺度区域时需加强规划政策驱动因子的权重配置以提高形态边界拟合的准确性；最后，随着新政策、新技术的产生，边界的划定认知也在发生着变化，如何根据城镇的发展水平，预留弹性空间，确定城镇阶段性开发边界等也是下一阶段需要思考的问题。