景观融合视角下建设用地适宜性评价的方法构建及实践探索

卢 峰

杨晋苏

曹风晓

景观是人类与地球和谐相处的重要介质，是生态可持续理念的载体[1]。19世纪末，城市快速发展带来城市拥堵、生存环境恶化等问题，规划和建筑界逐渐意识到景观与城市融合的重要性，提出“田园城市”和“生态城市”等理念[2]。中国古代“天人合一”的理念为景观融合提供了现实基础[3-4]，绿色城市、低碳城市和海绵城市等理念的相继出现，为景观与城市的融合提供了理论支持。

建设用地适宜性评价是城乡规划的一项重要基础性工作：确定土地最适宜用途、调控景观与城市的关系，以及实现城市生态文明建设[5-7]。景观设计应提前于用地设计，特别是在生态脆弱、景观丰富的山地城市[8-9]，在城乡规划和建设之前，应优先识别和保护景观安全格局、景观生态网络[10]，适应性地选择城市建设用地[11-12]，促进景观与城市的融合[13]。

基于此，本文提出景观融合视角下的建设用地适宜性评价，在已有的建设用地适宜性评价基础上，导入城市景观融合的分析和评价内容，从“消极”和“积极”2个方面构建建设用地评价方法，减少景观灾害影响，推进景观生态网络化[14]。以重庆市唐家沱片区为例，探索实践应用中的影响因子体系构建和综合评价。

1 景观融合视角下建设用地适宜性评价的方法构建

景观融合对建设用地的影响主要体现在景观要素对城市建设安全、城市生态环境保护的影响等方面[15]，可分为2个评价路径：1)减少地震、冲沟等景观灾害的影响[16]；2)推进山水景观廊道、历史文化景观等景观资源的网络化[17-18]。基于此，本文从景观融合对建设用地的消极影响和积极影响2个方面出发，分别开展现状分析和评价因子体系构建：消极影响层面，进行景观风险叠加分析；积极影响层面，进行景观资源品质分析。

1.1 消极影响：景观风险叠加分析

现状景观对建设用地存在消极影响，通过景观风险叠加分析，明确评价单元的用地适宜度，包括自然景观灾害分析和人工景观灾害分析(表1)。

自然景观灾害风险来源于地质灾害和洪涝灾害[19-21]；人工景观灾害风险来源于交通设施、危险品仓库和有害市政设施[22]。国家相关法律法规对人工景观灾害的预防有明确的规定[23]，在实际应用时，应遵从当地相关规划管理条例适当调整。

在景观风险叠加分析的基础上，将景观风险因子分为5个子系统、6个一级指标及20个二级指标，用适宜、较适宜、较不适宜和不适宜4类适宜度对各个因子进行建设用地适宜性评价(表2)。

1.2 积极影响：景观资源品质分析

现状景观对建设用地存在积极影响，通过景观资源分析，明确评价单元的用地适宜度，包括自然景观资源和人工景观资源[27-28](表3)。自然景观资源包括河流水系资源和自然生态资源，如草场、湿地、生态走廊和有机农庄等[29-30]，满足居民对新鲜空气、游憩等生态服务的需求[31]；人工景观资源包括城市景观、工程景观、旅游地景观[32-33]和风景园林景观，兼具经济性、文化性和功能性等价值[34]。景观资源的保留为构建景观生态网络提供支持[35]。

在景观资源品质分析的基础上，将景观资源因子分为6个子系统、15个一级指标及32个二级指标，用适宜、较适宜、较不适宜和不适宜4类适宜度对各个因子进行建设用地适宜性评价(表4)。

表1 消极影响分析

表2 景观风险因子评价

表3 积极影响分析

1.3 方案确定：用地适宜性综合评价

建设用地适宜性综合评价多采用基于GIS的多层次叠加分析法[43-44]，在此基础上的权重处理方法有：1)主观赋权法，如专家打分法[21]、层次分析法(AHP)[22，25]、主成分分析法、层次分析法等[45]；2)客观赋权法，如随机数学方法、模糊数学方法、灰色系统方法等[46]；3)人工智能赋权法，如BP神经网络模型预测法[47]2[48]5、遗传法等[49]。其中，主观赋权法受人为因素影响较大[50]，而客观赋权法虽避免了人为因素的影响，但缺乏主观信息的支持[51]。因此本文选择人工智能赋权法中的BP神经网络模型预测法进行权重分析，避免人为因素干扰的同时又能从实际数据中反应主观信息[47]7[48]12[52]。

综上，笔者将建设用地适宜性评价指标体系分为景观风险要素体系和景观资源要素体系，通过BP网络模型计算出各要素的权重，在GIS层次叠加分析的基础上，得出景观融合视角下建设用地适宜性评价的最终结果(图1)。

图1 景观融合视角下建设用地适宜性评价方法(作者绘)

2 景观融合视角下建设用地适宜性评价的实践探索

以重庆市唐家沱片区为例，对景观融合视角下的建设用地适宜性评价方法进行实践探索，包括景观风险叠加评价、景观资源品质评价和建设用地适宜性综合评价。

2.1 景观风险叠加评价

将唐家沱片区的自然和人工景观风险进行叠加，分别对地质灾害、洪涝灾害、交通设施风险和有害市政设施进行建设用地适宜性评价。

地质灾害评价：规划区地质灾害主要影响因素为坡度，按照坡度大小进行建设用地适宜性评价(图2)。

表4 景观资源品质因子评价

洪涝灾害评价：将沿长江185水位线以下设为不适宜建设区，将洪水灾害程度按10～50年一遇洪水的淹没范围进行建设用地适宜性评价(图2)。

交通设施评价：规划区内有渝怀铁路复线、渝利铁路、渝长快速路和海尔路快速路穿过，沿铁路及道路设置不同规格的防护绿地，并根据距道路交通设施的距离进行建设用地适宜性评价(图3)。

有害市政设施评价：规划区内有高压线走廊、黑石子垃圾处理场，以及唐家沱污水处理站，按照相关规定设置防护绿地，并根据距市政设施的距离进行建设用地适宜性评价(图3)。

2.2 景观资源品质评价

将唐家沱片区的河流水系、自然生态、城市景观、工程景观、旅游地和风景园林等景观资源进行建设用地适宜性评价。

河流水系资源评价：规划区南临长江，内有栋梁河、双溪河，将周边用地按照距河流的距离进行建设用地适宜性评价(图4)。

自然生态资源评价：栋梁河、铁山坪山脚植被丰富，且有零星的农耕地分布，按面积大小进行建设用地适宜性评价(图4)。

城市景观资源评价：唐家沱老城区等现状建设用地，以及已发件、土地储备、已发公示函等共979hm2建设用地，根据其景观品质进行建设用地适宜性评价(图5)。

工程景观资源评价：规划区内有东风造船厂、唐家沱铁路货站、污水处理厂等景观因子，根据其景观品质进行建设用地适宜性评价(图5)。

旅游地资源评价：规划区内有寸滩老街、唐家沱老街、卢作孚民生船厂、英国亚细亚石油公司旧址等历史文化资源，根据其景观品质进行建设用地适宜性评价(图6)。

风景园林资源评价：规划区内有铁山坪森林公园、朝阳河社区公园等风景园林景观，根据其景观品质进行建设用地适宜性评价(图6)。

图2 地质灾害和洪涝灾害景观风险因子分析

图3 交通设施和有害市政设施景观风险因子分析

图4 河流水系和自然生态景观资源因子分析

图5 城市和工程景观资源因子分析

2.3 建设用地适宜性综合评价

通过唐家沱片区的景观风险和景观资源评价，得出影响建设用地适宜性的相关数据。本文采用BP神经网络模型预测法进行赋权分析，主要包括以下3个步骤。

2.3.1 BP网络模型训练样本选择与扩充

样本的选择是BP神经网络构建的基础[47]2，将建设用地适宜性评价BP神经网络模型的期望输出值设置在0～1，其中1为适宜建设用地，0.50～0.75为较适宜建设用地，0.25～0.50为较不适宜建设用地，0～0.25为不适宜建设用地，构成4组样本数据(表5)。由于每个景观要素的评价等级只有4个，样本数量较少，网络容易出现“过拟合”现象[23]，因此对样本进行扩充。在每级标准值之间运用克里金线性插值函数再生成99组样本数据[47]54，共有400组样本数据用于网络训练，以提高BP网络模型的精确性和适用性。

2.3.2 建设用地适宜性评价BP网络模型构建

通过指数的数据特点和BP网络模型实际需要，得出唐家沱片区建设用地适宜性评价模型由3层BP网络模型构成。由于唐家沱景观融合视角下建设用地适宜性指数的输出在(0，1)之间，确定中间层选择Logist函数，输出层均采用学习速度较快的双曲正切Tansig函数作为本次的学习算法[22]。

2.3.3 网络训练与仿真

将BP网络的训练样本数据集设为Pi，目标数据集设为Ti。在网络模型训练前，对Pi和Ti进行数据转置，使Pi和Ti的数据相对应；对Pi进行无量纲化(公式1)，以提高网络收敛速度。

式中，x0为初始指标值；xmin为最小指标值；xmax为最大指标值；xt为标准化后的指标值。将无量纲化后的数据导入MatlabR2010b软件进行网络训练，完成网络训练(图7)。

对样本训练的误差进行分析，数据的绝对误差最小值为-0.59×10-4，最大值为0.76×10-4，相对误差的最小值为-7.48%，最大值为7.03%，网络训练模型精度较高。通过相关性分析，训练样本的期望输出值与实际训练结果的相关系数R为0.99×10-4，训练后的网络具有极强的相关性和微弱偏差。结果表明，训练后的BP网络能够进行建设用地适宜性评价的仿真应用。

表5 唐家沱片区建设用地适宜性评价BP网络训练样本

图6 旅游地和风景园林景观资源因子分析

图7 BP网络训练误差曲线(作者绘)

图8 唐家沱用地适宜性评价结果

图9 用地适宜性与景观融合因子的关系(作者绘)

图10 唐家沱土地利用规划

2.4 结果分析

规划区总面积2 433.30hm2，运用训练好的BP网络模型进行网络仿真，得出各景观因子的权重，通过GIS叠加得出建设用地适宜性评价结果(图8)，并提出规划建议(图9、10)。

适宜建设区共1 421.76hm2，占总面积的58.43%，受城市景观资源影响最大，其中76.42%的用地沿城市现有建设用地分布。规划设计采用紧凑高密度开发[53]，利用组团式的用地布局与自然景观结合的方式，注重景观廊道的打造。

较适宜建设区共282.43hm2，占总面积的11.61%，受工程景观资源和旅游地资源的影响较大，其中84.11%的用地沿东风造船厂、江北铁路客技站、唐家沱铁路货站、物流仓储、唐家沱污水处理厂、寸滩老街，以及唐家沱老街等分布。规划设计时，在保留原有价值景观的同时对其进行提档升级，在寸滩老街和唐家沱老街周边增设商业服务设施、文化设施及公共设施等用地，达到提升景观影响度的目的。

较不适宜建设区共306.59hm2，占总面积的12.60%，受地质灾害风险、有害市政设施风险、自然生态资源和风景园林资源的影响较大，其中72.34%的用地沿地形坡度较大区域、高压电线、污水处理厂、自然生态较好区域，以及公园分布。在规划设计时应少量配置城镇建设用地，大部分作为公共绿地和生产绿地使用，这些用地在规划中起到生态隔离的作用，成为紧凑城市发展的绿化基底，同时也是居民游憩、健身的重要场所。

不适宜建设区共422.53hm2，占总面积的17.36%，受道路交通景观的影响最大，其次受洪涝灾害风险和河流水系资源的影响，其中84.11%的用地沿河流和道路交通分布。在规划设计时，应充分保留这部分用地，打造为生态绿化走廊，不仅能缓解山地城市的人地矛盾，还能保留山水景观格局。

3 结语

在景观融合视角下，从景观风险与景观资源2个方面构建建设用地适宜性评价理论框架，为建设用地适宜性评价提供新方法。从景观融合的积极影响和消极影响2个方面构建指标体系，通过BP网络模型来确定不同景观评价单元的权重，更科学地判定建设用地适宜性。根据评价结果提出集约用地的同时，优化城市景观网络的规划建议。

建设用地适宜性评价是城乡规划建设的重要基石，具有较强的实用性和在地性，同时还具有一定的规律性和复杂性。本文在样本数量、分析精度上尚存局限，未来拟拓展研究区域广度、增加样本数量、细化BP神经网络的模型函数和训练参数，以提升在城乡规划中的实用性。

注：文中图片除注明外，均改绘自唐家沱城市设计项目组。