农村建设用地整治潜力规模与空间格局协同模拟研究——以湖北省宜城市为例

罗海凤，赵 翔，王 静，2，蔡博诚，潘雨飘

（1.武汉大学资源与环境科学学院，湖北 武汉 430079；2.北京师范大学水科学研究院，北京 100875）

1 引言

随着我国城乡人口结构的快速变迁，农村闲置和低效利用的建设用地已成为存量建设用地挖潜的主要来源。在尊重农民意愿的前提下，依托城乡建设用地增减挂钩、宅基地拆旧复垦等工程开展农村建设用地复垦与整治，是优化农村建设用地格局、改善农村人居环境，缓解建设用地供需矛盾的必然途径。准确估计农村建设用地整治潜力的规模和空间分布，对盘活农村存量建设用地和保障国土空间规划实施具有非常重要的现实意义。

问卷调查法是获取农村建设用地整治潜力规模与空间分布最直接、准确的方式[1-3]，但需耗费较高的人力、物力和时间成本，适用于小区域的整治潜力测算。针对大范围的农村建设用地整治潜力预测与模拟，现有研究从农村建设用地退出影响因素和潜力测算方法等多方面进行了探索[4-6]。相关研究先后提出了人均用地指标法[7-8]、户均用地指标法[8]、宅基地闲置率法[8]、限制条件系数修正法[9-13]和分区归总法[14-15]等方法。上述方法虽然能在宏观尺度上根据区域自然、社会、经济条件和土地利用基础，较为准确地把握区域农村建设用地整治潜力的总体趋势，但估算结果无法在地块尺度精细反映整治潜力的空间分布，难以为国土空间规划和整治工程项目选址提供更具指导价值的决策依据。

高分辨率遥感影像和GIS技术为整治潜力的空间格局模拟预测提供了有效手段[16-18]。例如，张济等[19]利用0.25 m的高分遥感影像对山东巨野县的居民点整治潜力空间分布进行了研究；刘善开等[20]先后利用GIS方法开展了农村建设用地整治潜力评价研究；邹琳等[21]提出了基于土地利用时空数据和时空数据挖掘方法的农村建设用地整治潜力空间格局模拟模型。相关方法主要根据建筑物在遥感图像上的形态、光谱和纹理特征、地块的自然与区位条件等对农村废旧建设用地图斑进行识别或模拟其整治概率。在此基础上，按照“自下而上”的策略汇总反映区域整治潜力的总规模。

农村建设用地整治潜力的规模与空间分布不仅受到区域社会经济条件和政策等宏观因素的影响，同时也受到土地利用、区位条件和农民意愿等微观因素的影响。现有研究在对潜力影响宏观因素及土地利用时空变化微观规律的协同建模方面依然存在局限性。例如，整治潜力数量规模估算模型难以顾及区域农村建设用地的时空变化特征与演变趋势对于区域农村建设用地整治潜力规模与空间格局的影响，且估算结果的合理性缺乏必要的事实证据支持。以遥感和GIS技术为基础的潜力格局模拟模型则往往忽视了区域人口、社会经济宏观因素对潜力数量规模的整体影响，由此获得的整治潜力是否可以转化为可实施的现实整治潜力难以预判。

耦合“自上而下”和“自下而上”地理建模思想的土地利用时空建模方法[22-30]为农村建设用地整治潜力的预测模拟提供了重要借鉴。首先，利用多因素综合分析方法对影响整治潜力规模的人口、经济和社会等宏观因素进行分析，把握规划期内区域整治潜力的数量规模变化趋势。其次，利用时空建模方法在地块图斑尺度对地形、土地利用、区位等影响整治潜力空间格局的微观因素进行建模，模拟区域现状农村建设用地的整治概率。然后，在整治潜力数量规模“自上而下”的约束下，依据图斑的整治概率以“自下而上”的方式实现区域农村建设用地整治潜力数量规模与图斑分布的协同优化模拟。最后，以湖北省宜城市为案例区开展实证研究，以期为宜城市国土空间规划决策和即将开展的全域土地综合整治项目选址提供决策依据。

2 研究区概况与数据

2.1 研究区概况

宜城市隶属于湖北省襄阳市，位于湖北省西北部，汉江中游。全市地形以汉江为中线往东西方向呈平原、丘陵、山地阶梯式延伸特征。截至2020年，全市国土总面积2 115 km2，下辖8个镇2个街道办事处，35个社区，190个行政村。全市常住人口52.78万人，其中乡村人口24.54万人。2010—2019年，全市农村常住人口累计减少14.95万人，年均减少1.5万人。

根据第三次国土调查（以下简称“三调”）成果，宜城市共有城乡建设用地12 591.32 hm2；其中农村建设用地为7 478.05 hm2，占宜城市城乡建设用地总量的59.39%。按当前的农村常住人口计算，宜城市农村人均建设用地约304.73 m2/人，远超宜城市农村人均建设用地指标的规划管控目标。在农村人口总量持续减少、农村居民点用地并未及时有效退出的背景下，宜城市农村人均建设用地面积有进一步增加的趋势。2010—2019年，宜城市积极推进了城乡建设用地增减挂钩和土地综合整治等工程，累计释放农村建设用地指标达1 456.13 hm2，为宜城市城乡建设提供了重要的用地指标保障。

2.2 数据来源与处理

本文以“三调”村庄范围（203）内认定为建设用地的地类图斑为研究对象，对宜城市2021—2035年农村建设用地整治潜力规模和空间格局进行协同预测和模型。研究基础数据主要包括：（1）宜城市“三调”成果数据库和2009—2018年的土地利用变更调查数据； （2）地形数据：宜城自然资源局提供的10 m分辨率DEM数据；（3）2010—2019年的《宜城年鉴》和各乡镇农业年报，用于获取宜城市村镇单元的人口和产业结构等社会经济统计数据；（4）宜城市主要基础设施的分布数据，包括道路、学校等；（5）宜城2010—2019年城乡建设用地增减挂钩验收矢量数据。

所有矢量图斑按照相同的坐标系统、空间范围转换为10 m分辨率的栅格数据。其中，村庄范围内现状建设用地图斑转换后的栅格像元是整治潜力空间格局模拟的基本单元；增减挂钩拆旧复垦和建新区矢量图斑转换后的栅格像元为模型的模拟预测提供训练和验证样本。

3 整治潜力预测模拟模型

3.1 模型总体框架

模型通过耦合“自上而下”和“自下而上”地理建模思想，实现对农村建设用地整治潜力规模与空间格局的协同预测和模拟。首先，宏观尺度上，以村为基本单元，通过对各村人口、自然、社会、经济、交通和土地利用等宏观潜力影响因子进行分析，预测规划期内各村建设用地整治潜力的总规模。其次，微观尺度上，利用城乡建设用地增减挂钩像元数据样本，结合地形、区位和邻域土地利用等空间影响因子，对农村现状建设用地的整治复垦概率进行模拟。最后，基于各村潜力总规模的约束和现状图斑整治复垦概率的空间分布，根据概率值高低对各村整治潜力图斑进行模拟和优化。模型框架见图1。

图1 模型总体框架Fig.1 Framework of the simulation model

3.2 整治潜力规模测算

农村建设用地整治潜力规模受到区域人口、经济、社会和土地利用等宏观因素综合作用。首先基于农村建设用地的人均用地指标管控目标，测算宜城市规划期内的农村建设用地整治的理论潜力。在此基础上，参照现有研究和宜城市的实际条件，构建宜城市农村建设用地整治潜力宏观影响因素体系（表1），计算宏观因素综合作用下的各村现实整治潜力规模。步骤如下：（1）乡村人口预测。以行政村为基本单元，基于各村在2010—2019年的乡村人口和农户数量变化趋势，按照下式预测各村在规划目标年的总人口。

式（1）中：Mt为规划期农村人口预测数（人）；M0为农村人口现状数（人）；K为人口平均增长率（%），n为规划期限（年）。

（2）理论潜力测算。按照下式测算各村的理论潜力规模[31]。

式（2）中：ΔPi为村i在规划期内的农村建设用地整治理论潜力（m2）；Pi0为该村现状农村建设用地面积（m2）；Ait为规划目标年农村人均建设用地面积（m2/人），参照《土地管理法实施办法》或地方政府的规划管控目标综合确定；Mit为村在规划目标年的预测农村人口总量。

（3）潜力修正系数计算。利用层次分析法确定各影响因素的权重（表1），并按照式（3）对各分析单元原始指标值进行无量纲化处理后，利用式（4）计算各单元的现实潜力修正系数Ki。

表1 宜城农村建设用地整治潜力宏观影响因素及权重Tab.1 Macro factors and their weights for rural construction land consolidation in Yicheng

式（3）—式（4）中：χ′ij为村i的第j个指标的无量纲化结果；χij为村i指标j的原始数据值；χimin和χimax分别为指标χ的最小取值和最大取值；Wj为指标j的权重；n为指标个数。

（4）现实潜力测算。按照下式计算各村的现实整治潜力[31]。

式（5）中：ΔP′i为单元i修正后的现实潜力；Ki的含义同式（4）。

3.3 整治潜力空间格局模拟

土地利用变化是区域自然和人文要素共同作用下人类土地利用活动的结果。土地利用变化时空数据不仅为揭示区域土地利用变化的时空变化趋势提供了基础资料，也为土地利用空间格局演变模拟结果的可靠性提供了重要的事实证据支持。因此，首先利用机器学习方法和历年农村建设用地拆旧复垦图斑分布数据，对地形、区位和土地利用等微观因素影响下的区域农民拆旧复垦决策行为的一般特征进行挖掘，从而模拟规划期内区域现状农村建设用地的拆旧整治概率。在此基础上，在各村现实整治潜力数量规模的“自上而下”约束下，依据图斑整治概率“自下而上”地实现区域农村建设用地整治潜力规模与空间格局的协同模拟与优化。

（1）微观尺度的整治潜力空间格局影响因素分析。参考现有研究成果[21,32]、结合实地农民访谈情况，按照主导因素原则，从地形、区位和邻域土地利用三方面构建微观尺度的宜城市农村建设用地整治潜力影响因素体系（表2）。

表2 宜城市农村建设用地整治潜力的微观影响因素Tab.2 Micro factors of rural construction land consolidation in Yicheng

以现状农村建设用地图斑转换后的栅格像元作为整治潜力模拟的基本单元，按照表2中的影响因素计算各地块像元的变量特征值。其中，区位条件指标可利用GIS的空间分析功能获取各单元与公路、小学及镇中心的距离值。根据宜城农村建设用地图斑的平均规模，经过反复实验后将地形和邻域土地利用条件指标计算的“邻域”定义为该建设用地像元的5阶摩尔邻域（八邻域）。因此，对任意模拟单元p，分别按照式（6）和式（7）计算其邻域平均坡度和土地利用条件。

式（6）—式（7）中：SLPp表示地块像元p邻域的平均地形坡度值；N为邻域内的像元个数，根据5阶摩尔邻域定义，N=121；Si表示邻域内第i个像元的坡度值；Plp表示地类l在地块像元p的摩尔邻域内的面积占比；nlp表示邻域内地类l的像元数。根据宜城农村建设用地周边的土地利用基本特征，按照式（7） 分别计算各潜力模拟单元邻域内的耕地（Pc）、园地（Po）、林地（Pf）和建设用地（Pb）共4类用地的占比。

（2）区域农民拆旧复垦决策行为特征提取。以宜城2010—2019年实施的城乡建设用地增减挂钩图斑作为样本集，利用单类支持向量机算法（One-Class Support Vector Machines, OCSVM）构建农村建设用地整治潜力空间模拟模型（图2），挖掘区域农村建设用地复垦整治图斑的时空分布特征及一般规律，为现状农村建设用地的整治概率模拟提供依据（图2）。OCSVM算法是一种半监督分类算法，即：将“正”样本和干扰样本混合成“无标签”样本集输入OCSVM算法进行训练，算法事先不知道各输入样本的类型。通过半监督学习，算法自动提取样本特征并识别出“正”样本和“负”样本（干扰样本）。由于OCSVM算法输入的均为无标签样本，因而使用同一个样本集即可完成算法的训练和精度评估。OCSVM算法的训练样本以“正”样本为主，仅需少量，甚至不需要“负”样本，因而特别适合农村建设用地整治概率的空间模拟[20]：已经实施拆旧复垦的图斑样本记为“正”，其他干扰样本记为“负”。按照式（8）和式（9）分别计算模型的准确率和召回率，从两个不同维度对模型性能进行评估。

图2 农村建设用地整治概率模拟原理Fig.2 Principles for the probability simulation of rural construction land consolidation

式（8）—式（9）中：Acc表示准确率；Recall表示召回率；TP表示真“正”样本个数，即样本真实值为“正”且算法预测值也为“正”；TN，FN和PF分别表示真“负”，假“负”和假“正”样本的个数。准确率反映了算法对“正”“负”两类样本的识别综合性能，召回率则反映了算法对于“正”样本的识别能力。

（3）现状农村建设用地图斑整治概率的模拟预测。经过训练、验证的模型已经建立起了区域地形、区位和土地利用等影响因素与整治潜力图斑时空分布的一般规律。以此为依据，将待预测图斑像元对应的因素指标值输入模拟模型，即可对区域现状农村建设用地在规划期内的整治概率进行预测模拟。整治概率用［0，1］间的浮点数表示，数值越大表示该地块被整治的意愿和可能性越大，反之表明该地块被整治的意愿和可能性越小。

（4）潜力规模与空间格局的协同模拟。以行政村为单元，将村庄内的农村建设用地图斑像元按其模拟的整治概率高低进行排序，按照“由高到低”的原则选取栅格像元，直至被选中的像元面积达到该村的现实潜力规模为止。由此获得各村现实潜力数量规模约束下、具有最优整治概率的建设用地潜力图斑分布结果。

4 实验结果

4.1 整治潜力规模测算结果

基于宜城市各村2010—2020年间的人口变动趋势，预测各村2035年的人口总量，并参照《湖北省土地管理实施办法》相关规定，结合宜城市的实际情况，确定规划期宜城农村建设用地管控标准为200 m2/人。按照式（1）初步估计宜城规划期内农村建设用地整治的理论潜力为4 912.46 hm2，占现状农村建设用地面积的67.88%。按照3.2节的方法计算各村的现实潜力修正系数，进而获得各村规划期内的现实整治潜力规模。经汇总统计，宜城规划期内的农村建设用地的现实整治潜力约为2 201.94 hm2，占理论潜力的44.82%，现状农村建设用地总规模的29.45%。各村的现实潜力分布见图3，汇总得到各镇现实潜力见表3。

图3 宜城农村建设用地整治现实潜力分布Fig.3 Spatial distribution of realistic potential of rural construction land consolidation in Yicheng

表3 宜城农村建设用地整治现实潜力测算结果Tab.3 Realistic potential of rural construction land consolidation in Yicheng

4.2 农村建设用地整治空间格局模拟结果

研究共采集城乡建设用地增减挂钩拆旧复垦区图斑1 496个（总面积约735.52 hm2）作为模型训练和验证的正样本。为客观评估模型模拟精度，按照如下原则选取一定数量的干扰样本作为负向样本参与模型的训练和验证：（1）必须为真正的“负”向样本，即确保选择的干扰样本在规划期内完全没有拆旧复垦的可能；（2）干扰样本的现状用途必须为农村建设用地，且与其他待预测的农村建设用地具有相似的地形、区位和用地条件。基于上述原则，城乡建设用地增减挂钩中的建新区图斑为模型的训练和验证提供了足够数量和可靠的负向干扰样本。

基于OCSVM算法对于样本的总体要求，按照正负样本90∶10的面积比例从增减挂钩建新区中随机选取图斑像元作为负样本。基于土地利用变更调查等基础数据，按照表2和式（6）、式（7）方法，计算各样本和待预测农村建设用地像元的影响因素特征值。将正负样本混合后，以无标签的方式输入模拟模型，经过训练后由模型对输入样本类型进行自动识别。在此基础上，将样本被模型标记的类型与样本真实的类型进行验证，利用式（8）和式（9）评估预测模拟精度。经评估，模型的准确率为81.58%，召回率达0.987 9，模型总体准确度较为可靠，且对正样本的识别能力强，模拟精度总体令人满意。利用模型对宜城市现状农村建设用地进行预期整治概率模拟预测，并按整治概率值由高到低的原则获得建设用地整治潜力图斑分布结果（图4）。

从图4中A、B、C三个典型区域的整治潜力值高低和优化的潜力图斑分布来看，整治概率较高的现状农村建设用地分布具有如下特点：（1）远离公路或背街的村庄区域。由于交通不便，在宏观政策的引导下，村民放弃宅基地的概率较高。（2）零星分布的小村庄。相对于设施和交通条件更完备的大型居民点的村民，位于小居民点的村民放弃其原有宅基地的概率更高。（3）村庄的边缘区域。相对于中心区域，位于村庄边缘的建设用地复垦后可直接与村庄周边原有的耕地、园地等农用地连片，有利于复垦后连片经营。上述特征与宜城市2010—2019年已实施复垦的图斑空间分布规律一致，也与实地访谈中农民的偏好基本相符。

图4 宜城农村建设用地整治潜力图斑空间分布Fig.4 Spatial distribution of potential consolidation patches in Yicheng

为评估整治潜力格局模拟结果的合理性，对获得的潜力图斑整治概率和面积进行统计，结果见图5。潜力图斑的概率统计分布表明，模型获得的潜力图斑整治概率均大于0.5，且大部分图斑的平均整治概率介于0.7～0.8之间；整治概率大于0.7的潜力图斑总面积达1 584.56 hm2，占潜力总规模的75%，表明模型获得的潜力地块能够实际实施的概率较大。图斑面积统计方面，1 000 m2以上的图斑总面积达1 598.69 hm2，占潜力总规模的72.6%，表明模型获得的潜力图斑连片度较好，有利于在实际整治工程中进行成片整治。

图5 宜城农村建设用地整治潜力图斑的整治概率与图斑面积统计结果Fig.5 Statistical results of the consolidation probability and the area of patches in Yicheng

5 结论与讨论

本文耦合“自上而下”与“自下而上”地理建模思想，从宏观与微观两个层次对农村建设用地整治潜力影响因素进行了分析。在此基础上，提出了一种基于土地利用时空建模方法的农村建设用地整治潜力规模与空间分布协同预测模拟模型，并以湖北省宜城市为案例区开展了实证研究。经验证，模型模拟准确率为81.58%，召回率达0.987 9，模拟效果良好。预测模拟结果表明，宜城市2021—2035年农村建设用地整治潜力理论潜力达4 912.46 hm2；考虑区域社会经济等宏观因素综合影响后，全市农村建设用地现实整治潜力约2 201.94 hm2。模型模拟获得的潜力图斑主要分布在远离公路或背街的村庄区域、村庄的边缘区域和零星分布的小居民点，与宜城市历年增减挂钩拆旧复垦图斑的分布特征及农民的现实偏好大体相符。

农村建设用地整治与潜力释放，不仅受到耕地保护政策、城镇化水平、政府财政投入强度等宏观因素的影响，同时也受到农民意愿、区位与地形条件等微观因素的影响。因此，对农村建设用地整治潜力规模与空间格局进行预测和模拟往往具有较大挑战。现有相关研究大多侧重于整治潜力的数量规模预测，无法揭示潜力图斑的空间异质性分布特征。基于遥感和GIS技术的潜力图斑空间模拟方法则忽视了人口、社会经济宏观因素对于潜力图斑转换为现实整治潜力的影响。现有模型的上述局限性使得相关研究的潜力预测模拟结果难以为空间规划提供准确、可信的决策依据。

本文提出的模型与方法为农村建设用地整治潜力的时空协同预测模拟提供了新思路，增强了潜力规模与空间格局模拟结果的准确度与可靠性，能为空间规划提供更加准确、精细的决策依据。研究基于已实施的城乡增减挂钩拆旧复垦图斑数据自动挖掘区域农民拆旧复垦的时空特征与一般规律，拓展了土地利用时空建模理论与方法的应用领域。如何充分挖掘城乡增减挂钩和土地利用变更调查等土地利用多源时空数据，深入研究和探讨多尺度整治潜力影响因素（如政策因素、区位特征、农民意愿等）综合作用下区域农村建设用地整治潜力挖掘的内在机理和一般规律，以实现省市级等更大尺度的整治潜力规模和格局的更准确模拟预测，将是本文后续研究的主要方向。