基于地理探测器的重庆市城镇建设用地变化及驱动因素研究

2021-12-17牟凤云李秋彦龙秋月

重庆交通大学学报(自然科学版) 2021年11期

牟凤云,李秋彦,马英,陈林,龙秋月,杨猛

((1.重庆交通大学建筑与城市规划学院，重庆400074； 2. 海南省建设项目规划设计研究院有限公司，海南海口 570203； 3. 国家信息中心，北京100045； 4. 重庆市地理信息和遥感应用中心，重庆401147; 5. 重庆数字城市科技有限公司，重庆401121； 6.重庆市勘测院，重庆400020)

0 引言

自改革开放以来，我国城镇化建设进入了加速发展阶段，至2015年底我国城镇化率达到56.10%。城镇化进程加快促使建设用地规模不断扩张，进一步引起城镇土地利用结构发生变化[1]。据统计，2015年全国城镇建设用地面积为5.2×104km2，相比2000年增加了2.3倍。城镇建设用地扩张速度过快而引起的非理性圈地现象，加重了区域发展与生态环境矛盾，故在以生态文明建设为目标的新型城镇化建设过程中，为提高土地利用效率、优化土地利用结构，政府推行了“三区三线”规划政策以防止城镇建设用地无序性扩张。另一方面，专家学者已经针对城镇建设用地扩张可能引起的耕地侵占、土地利用低效化及空间结构紊乱等问题[2]进行了大量研究，为城镇可持续发展提供了重要保障。

国内外关于城镇建设用地的研究内容主要集中在以下两个方面：一是对城镇建设用地的扩张模式、方向和强度等特征进行研究；二是对城镇建设用地变化的影响因素的选取及分析。E.H.WILSON等[3]基于城市增长模型提出城市用地主要有填充式、边缘式和飞地式等3种扩张模式；蒋金亮等[4]在前者研究基础上对长江沿岸中心城市土地扩张类型进行探讨，研究表明：宁汉渝这3个城市扩张类型存在差异。研究驱动城镇建设用地变化因素方面，目前多采用灰色关联度[5]、多元线性回归[6]、Logistic回归模型[7]、CLUE-S模型[8]等数学方法。曹银贵等[9]采用相关性分析法研究了社会经济因素与青海省城镇建设用地变化之间的相关程度；李进涛等[10]借助多元线性回归、通径分析、地理探测器等多种手段分析得出：京津冀地区城市建设用地变化不仅与社会经济方面因素有关，还与自然条件、区位因素有关的结论。此外，针对我国城镇用地扩张时空变化影响因素研究方面的进展，吴巍等[11]进行了综合评价，指出GDP产值、二三产业产值、非农业人口等社会经济因素增长对城镇用地面积变化存在外部性影响，而地形地貌、交通设施、国家政策等地理区位因素对城市扩展有着内部性影响作用。目前的研究证实了用地变化与驱动因素间的数量关系，且驱动因素两两交互作用于用地变化时存在乘积关系；但针对两者存在的空间关系、交互作用强弱及作用线性或非线性等问题尚未进行深入探讨。

为此，笔者以重庆市38个区县2000—2015年城镇建设用地为研究对象，借助定性和定量化相结合的分析手段，探讨了城镇建设用地的时空演变特征；在此基础上，利用熵权法、地理探测器研究了城镇建设用地时空演变格局分异的主要驱动因素。

1 研究方法与数据来源

1.1 研究区概况

重庆是长江上游最大的水陆交通枢纽和西南工业重镇，亦是成渝城市群的中心城市之一。重庆辖38个区县，土地面积为8.24×104km2，其地形由南北向长江河谷倾斜，丘陵与低山多分布在西北部和中部地区，东南部区域有武陵山和大巴山，以坡地为主，是典型山地城市，如图1。2015年末，全市常住人口达到3 016.55万人，约为全国总人口的2.21%，其中外来人口150.21万人，全市城镇化率为60.94%，城镇人口数量为1 391.02万人；全年实现地区生产总值1 5719.72亿元，按常住人口计算，人均地区生产总值(人均GDP)达到52 330元；城镇建设用地面积为1 301.20 km2，占总面积的1.58%。自“一带一路”和长江经济带战略实施以来，作为国家发展的核心地区，随着城市化进程加快，大量农村人口涌入城区，致使建设用地扩张明显，激化了建设用地与耕地、生态环境之间的矛盾[12]，使得政府在土地利用与规划管理方面面临严峻挑战。

图1 重庆高程Fig. 1 Chongqing elevation map

1.2 数据来源

笔者的基础数据来源分别为2000、2005、2010、2015年这4个时期的土地利用数据，其中前3期来源于中国科学院数据共享平台[13]，后1期来源于国家数据共享中心[14]，数据空间分辨率均为30 m×30 m。社会经济数据来源于《重庆市统计年鉴(2000—2015年)》[15]。采用中国1:100万地貌类型空间分布数据和DEM数据均来源于中国科学院地理科学与资源研究所[16]，重庆市道路矢量数据是由国家基础地理信息系统数据平台[17]下载得到。

城镇建设用地时空变化主要受社会经济因素和地理区位因素的共同作用。山城重庆因其山高谷深，沟壑纵横地势，使其城市建设受地形地貌、交通设施等因素影响明显。随着城镇化进程不断加快，经济、人口和产业结构变化明显，城镇化建设成效显著。笔者结合相关研究和重庆市城镇建设用地面积变化的实际情况[2,10,18-21]，从文献[15]中选取表征重庆市人口规模、产业规模这两个方面的驱动因素；选取山区比例、路网密度、河流密度指标表征区位条件驱动因素，如表1。

表1 城镇建设用地驱动因素Table 1 Driving factors of urban construction land

文中表征区位条件的指标数据来源如下：① 中国1:100万地貌类型空间分布数据共有45个小类，按研究目的将其合并为平原、台地、丘陵、山地、水体这5个大类，并以区县为统计单位计算出各县域山区比例；② 基于重庆DEM数据，在ArcGIS 12.0中进行水文分析，得到重庆河网图，最后借助线密度分析工具对河网、道路进行数据处理，从而获取各区县路网密度与河流密度数据。

1.3 研究方法

1.3.1 空间自相关分析

全局空间自相关是对某一属性在研究区域的空间特征的描述，以此判断出其分布状况[22]。笔者使用全局莫兰指数(Global Moran’s I)对重庆城镇建设用地分布进行空间自相关分析，如式(1)：

(1)

I的值域为[-1, 1]，当I>0时，表明研究对象空间上呈正自相关，其值越大意味着聚集性越强；当I<0时，表明研究对象空间上呈负自相关，其值越小意味着越倾向离散分布；当I=0时，呈随机分布。

1.3.2 地理探测器

王劲峰等[23]基于两个变量的空间分布趋于一致时表征两者间存在关联性的理论基础上，加入变量的空间分异性来探测对因变量空间格局分布的影响程度，从而提出地理探测器模型(GeoDetector)。目前该模型被广泛应用于土地利用、区域经济、生态环境等多个领域，深受众多学者青睐。笔者利用该模型对人口规模、产业规模及区位条件这3方面因素对城镇建设用地变化影响力q进行分析，其模型如式(2)：

(2)

交互作用探测器可分析出影响因素间共同作用是否对因变量Y存在增加或减弱影响，即因素对因变量存在交互影响或独立影响。影响因素x1与x2之间关系如表2。

表2 交互作用类型Table 2 Types of interaction

2 结果与分析

2.1 城镇建设用地时空演变特征

2.1.1 城镇建设用地时间演变特征

笔者在已有的2000、2005、2010、2015年这4个年份城镇建设用地数据基础上，从文献[15,24]中获取2000—2015年中其余年份城镇建设用地面积数据，对重庆城镇建设用地变化进行长时间序列的探讨。图2为重庆城镇建设用地面积及增长率变化。由图2可知：2000—2015年，重庆城镇建设用地面积呈现上升趋势，2015年城镇建设用地面积对比2000年增长了259.09%。2005年以前，城镇建设用地面积增加较少，直至2005年开始推行“西部大开发”战略，城镇建设用地面积开始大幅度增长；与2004年相比，2005年城镇建设用地面积增长了26.88%。在2012年以前城镇建设用地面积增加幅度波动较大，而2012年因地类调整，对比2011年呈现小幅度增长，增长比例为17.81%。2012年以后，城镇建设用地增长幅度放缓，增长率在1.50%左右。通过重庆城镇建设用地增长率变化情况可看出，城镇建设用地增长率在2000—2015年间先是呈现波动式增长，再逐渐趋于平缓。

图2 重庆市城镇建设用地面积及增长率变化Fig. 2 Change of urban construction land area and growth rate in Chongqing

2.1.2 城镇建设用地空间演变特征

借助ArcGIS软件空间自相关工具，笔者分别对2000、2005、2010、2015年重庆城镇建设用地数据进行空间分析，如表3。由表3可知：全局Moran’s I指数均为正值，p<0.05通过显著性检验，且z得分为正值，表明重庆城镇建设用地在空间上并非随机分布，而是具有明显的空间集聚特性。对比这4年的城镇建设用地数据空间自相关结果可得出：2005年全局Moran’s I指数最大，I=0.28，随后呈现下降趋势，该变化趋势与城镇建设用地时间演变特征趋势一致。

表3 重庆市全局自相关分析结果Table 3 Analysis results of global autocorrelation in Chongqing

利用ArcGIS中栅格计算器对重庆2000—2015年城镇建设用地进行相关分析，得到重庆2000—2005年、2005—2010年和2010—2015年这3个阶段城镇建设用地空间演变特征，如图3。2000—2005年重庆城镇建设用地明显增加，与2000年城镇建设用地面积相比，2005年增加了101.34%，其中面积增长较为明显的区域集中在重庆西部的渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区和巴南区这9个区，即重庆主城区；城镇建设用地面积减少不明显，零散分布在重庆东北部的万州区、云阳县、奉节县和巫山县。2005—2010年城镇建设用地增长较为明显，且增长区不仅集中在重庆主城区，其余各区县增长也较为明显；相比2005年，2010年城镇建设用地增长了76.96%。2010—2015年城镇建设用地增长幅度相比前两个阶段增长速度明显放缓，2015年城镇建设用地面积相比2010年增长了46.20%；城镇建设用地减少面积与2005—2010年相比，分布较为明显，减少的面积与增加的面积分布均集中在主城区，但增加面积均大于减少面积。

图3 重庆市城镇建设用地变化Fig. 3 Map of urban construction land change in Chongqing

总体而言，重庆城镇建设用地在近15年的时间中，增长面积远多于减少面积，其增长速度在逐年放缓。从区县上看，城镇建设用地变化主要集中在重庆主城区，亦是重庆城镇规划中所称的“都市经济发达圈”；巫山县、云阳县、奉节县等“渝东北生态涵养发展区”和江津区、永川区等“城市发展新区”，因受其经济水平和城镇化水平较低等社会经济因素影响，该区域城镇建设用地面积增长较少。

2.2 城镇建设用地变化驱动因素分析

2.2.1 驱动因素权重

由于选取的人口规模、产业规模、区位条件这3大方面的9项指标量纲不同，难以对城镇建设用地变化与驱动因素间进行量化分析。因此笔者选取能消除人为因素干扰且可靠性较高的熵权法[25]确定各驱动因素权重，结果如表4。根据表4可知：权重在0.1以上的驱动因素有5个，权重在0.1以下的有4个，其中城镇人口(x1)、城镇化率(x2)、地区生产总值(x3)等表征人口规模、产业规模的指标权重最大，而表征区位条件的路网密度(x8)、山区比例(x7)、河流密度(x9)等指标权重最小。总而言之，城镇建设用地变化过程具有长期性、动态性及复杂性[26]，其中权重所占比例最大的为产业规模，其次为人口规模，最后为区位条件。

表4 驱动因素权重Table 4 Weight of driving factors

2.2.2 驱动因素影响力

地理探测器探测驱动因素时，类型变量优于连续型变量[27]，因此笔者选取原理简单且聚类效果较优的K-means聚类算法进行分类处理。首先利用SPSS 21软件对连续型指标数据进行K-means聚类，分为1～5这5类，各驱动因素的类别化空间分布如图4。

图4 驱动因素的类别化空间分布Fig. 4 Categorized spatial distribution map of driving factors

以重庆城镇建设用地变化量作为因变量Y，各驱动因素类型变量(表1)作为自变量xn(n=1, 2,…, 9)导入GeoDetector中，得到的探测结果如图5。

图5 驱动因素影响力Fig. 5 Influence of driving factors

通过探测结果可知：重庆的人口规模、产业规模、区位条件对城镇建设用地变化均产生了影响。根据q值大小依次排序：第二产业产值(x4)>地区生产总值(x3)>第三产业产值(x5)>城镇人口(x1)>人均GDP(x6)>城镇化率(x2)>山区比例(x7)>路网密度(x8)>河流密度(x9)。研究结果与熵权法所得权重结果相似，产业规模对重庆城镇建设用地面积变化的影响力最大，其次是人口规模。该结果契合了国内研究的类似结论[28]，人口增长是影响建设用地扩展的主要影响因素之一，且经济发展、产业结构变化与建设用地变化有显著相关性。

2.3 城镇建设用地变化驱动因素交互作用分析

地理探测器不仅可探测驱动因素影响力的大小，还可在此基础上探测驱动因素两两之间的交互作用。笔者利用交互作用探测器对人口规模、产业规模及区位条件这3方面共9个因素进行两两交互分析，结果如图6。

图6 驱动因素交互作用分析Fig. 6 Interaction analysis of driving factors

根据图6可知：驱动因素间两两交互作用均大于单因素对城镇建设用地变化产生的独立作用，且均为增强型影响，即双因子增强和非线性增强。其中城镇化率与城镇人口、产业规模交互作用最为显著，影响程度均在0.85以上，表明城镇化水平的提高会促进人口和产业经济的增长，从而对城镇建设用地的需求进一步提高。产业规模与人口规模、区位条件也息息相关，除了人均GDP指标外，其余驱动因素的交互值均在0.80以上。区位条件与人口规模、产业规模间也存在增强作用，但增强作用显著性较低。表明在城镇化进程加快的情况下，人口增长带动产业结构升级同时，并未对土地集约利用起到促进作用，相反在一定程度下促使城镇建设用地面积增加。

3 讨论

为使指标分配参考具有指导意义，笔者利用熵权法对城镇建设用地变化与人口规模(0.34)、产业规模(0.46)、区位条件(0.20)这3大影响因素进行量化分析，结果表明产业规模影响权重最大，人口规模次之，区位条件最后。基于地理探测器对驱动因素结果分析发现，以城镇人口、城镇化率、地区生产总值、第二产业产值等指标分别作为人口、产业、区位这3个方面的驱动因素，均在不同程度上影响重庆城镇建设用地面积的变化，这与现有研究结果相差不大[2,10,12]。笔者进一步讨论人口规模、产业规模、区位条件这3个驱动因素影响重庆城镇建设用地变化的具体表现。

1)人口规模。随着城镇化进程的推进，农村人口大量向城镇人口转移，而人口增长的同时，对居住用地、公共服务设施用地、商业用地、工业用地等提出了更多需求。因此城镇建设用地的增长也受到城镇人口和城镇化水平影响。重庆人口流动主要集中在渝中区、江北区、沙坪坝区、渝北区在内的主城九区，人口净流入达到188.68万人；渝东北和渝东南人口流动呈负值，分别为-291.68和-100.83万人，尤其是奉节县、梁平区、云阳县、巫山县、巫溪县等经济发展较为落后地区，因此人口规模较大的区域面积增长较大，反之增长较小。

2)产业规模。地区生产总值、第二、第三产业产值不断增长意味着第二、三产业对产业用地需求也在不断增长，而产业发展同时会使得人均收入水平提高，人对居住用地、公共服务设施用地及绿地等有了更高需求倾向。根据统计数据可知，生产总值、第二、三产业总值及人均GDP的高值区主要为渝北区、渝中区、涪陵区、九龙坡区等“都市经济发达圈”，低值区主要是巫山县、巫溪县、城口县、酉阳县等离主城较为偏远地区。重庆工业园在主城及渝西地区有26个，渝东北地区有11个，渝东南地区有6个，由于工业园区对用地面积、基础设施等要求较多，故建设用地在不同区域内增长幅度存在差异。

3)区位条件。城镇建设用地分布一般会受到地形、地貌等因素影响，地形越复杂、起伏度越大的地区，越不利于建筑搭建，如城口县、巫溪县、石柱县、奉节县等区县山区比例高达80.00%，而建设用地面积增长较大区域其地势变化较小；主城九区的山区比例在70.00%以下，其中渝中区的山区比例仅为27.27%。路网密度增长意味着交通环境在不断改善，一定程度上对城镇用地的增加起到促进作用。路网密度最大区域为渝中区、九龙坡区和沙坪坝区，最小的区域为酉阳县、城口县和巫溪县等。但随着社会经济发展、综合交通枢纽构建和产业结构转变等原因影响，使得路网密度影响力较小。河流与人类生活息息相关，河流保证城市发展和人类活动对水资源需求，因此河流越密集区域，更易于城镇建设用地扩张。渝中区、江北区、大渡口区等地区河网密度远大于其他区县，而其他区县间河网密度大小相近，因此河网密度对城镇建设用地变化的影响力较低。