共享社会经济情景下“一带一路”沿线国家城市扩张空间格局分析

高 雅 雅,焦 利 民,王 卫 林

(1.武汉大学资源与环境科学学院,湖北 武汉 430079;2.湖南农业大学资源学院,湖南 长沙 410128)

0 引言

城市空间扩张是城市化进程的必经阶段[1],城市空间扩张速率大于人口增长速率则会导致大量优质土地资源浪费,威胁区域生态安全和可持续发展[2,3]。随着全球城市化进程加快和城市病日益突出,探索未来可持续发展的城市扩张特征成为一个城市的时代命题。2015年3月28日《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》正式公布,标志着 “一带一路”倡议进入全面推进建设阶段[4]。“一带一路”沿线大多为发展中国家,处于经济与城市化快速发展阶段,城市扩张显著[5],因此,研究“一带一路”沿线国家和地区未来城市空间格局及空间扩张特征,可为促进城市可持续发展、统筹推进城市化和交通等基础设施优先建设领域的互连互通提供数据支撑[6]。

目前,对于“一带一路”沿线国家城市扩张的研究主要包括历史城市扩张过程与未来城市扩张模拟,即基于历史扩张数据研究“一带一路”沿线国家城市扩张动态变化、形态变化及驱动机制[7-10],以及基于历史数据构建模型定量预测城市用地增量并模拟城市用地空间格局[11-13],研究成果多停留在用地增量及空间格局模拟阶段,缺少以“一带一路”大区域为背景的城市空间格局模拟以及城市未来扩张特征的研究。

城市土地利用情景模拟通过选择典型地区构建模型,模拟不同情景下的城市空间格局,可为城市土地利用规划和政策制定提供依据[14]。城市土地利用情景模拟大致分为数量预测模型、空间预测模型及二者的耦合模型,其中,数量预测模型主要用于预测土地利用类型的数量变化,无法得到空间化的结果,而空间预测模型则能进行空间地理位置演变过程模拟。元胞自动机(CA)模型能实现对复杂自然地理过程的时空动态分析和建模,广泛应用于空间预测[15,16],在CA模型基础上开发了FLUS、SLEUTH等[17,18]模型。其中,FLUS模型通过在CA模型中加入基于轮盘赌选择的自适应惯性竞争机制、引入神经网络获取适宜性概率等方式有效解决了多种土地利用类型之间的竞争关系问题,提高了土地利用变化模拟的精度,加之计算效率较高、模拟范围较大等优点,广泛应用于区域土地利用变化模拟[13,19,20]。综上,本文基于IPCC(Intergovernmental Panel on Climate Change)提出的共享社会经济情景(Shared Socioeconomic Pathways,SSPs),选取1993—2018年“一带一路”沿线国家(地区)的土地与社会经济面板数据构建回归模型,预测2020—2060年国家尺度的城市土地面积,并利用FLUS模型模拟2060年5种SSPs情景下1 km空间分辨率的城市空间格局,从人口密度与城市扩张关系视角分析“一带一路”沿线国家重点潜力城市的空间格局特征。

1 研究区与研究方法

1.1 研究区概况

本文将“一带一路”沿线62个国家及地区按地理位置分为五大区域,土地利用面积约为4 997万km2,涉及亚洲、北非、东欧以及连接亚太、欧洲两大经济圈,拥有全球60%的人口和近1/3的国内生产总值。2021年11月28日,中国城市规划设计院发布的《“一带一路”倡议下的全球城市报告(2021)》(http://www.caupd.com)中提出全球“一带一路”100个潜力城市,本文选取其中67个城市作为未来城市扩张特征研究对象(图1)。

注:基于自然资源部标准地图服务网站审图号为GS(2016)1666号的标准地图制作,底图无修改,下同。图1 “一带一路”沿线国家及潜力城市Fig.1 Countries and potential cities along the Belt and Road

1.2 数据来源

各国历年城市用地面积、人口以及GDP统计数据来源于FAO(Food and Agriculture Organization of the United Nations),各国未来人口数据与购买力平价(Purchasing Power Parity,PPP)数据来源于SSPs数据库(https://tntcat.iiasa.ac.at/SspDb),土地利用数据来源于欧空局(http://www.esa-landcover-cci.org/),并从环境、经济与社会3个维度选取10种数据作为FLUS模型的驱动因子,数据详细信息见表1。

表1 情景模拟的主要数据Table 1 Database used for multi-scenario simulation

1.3 共享社会经济情景(SSPs)

SSPs是由IPCC发布的一套由社会经济情景和气候情景共同构成的新情景框架[22,23],共包括5种情景:SSP1充分考虑可持续发展和千年发展目标的实现,在确保社会经济发展的同时降低对化石燃料等资源的依赖度,低收入国家快速发展,是一个世界开放、平等、经济全球化的情景[24];SSP2描述了世界将维持近几十年的发展规律,在实现发展目标方面取得一定进展且慢慢降低对化石燃料的依赖,是一个中等发展的情景[25];SSP3描述了世界局部发展或不一致发展,未能实现全球发展目标且对化石燃料等资源依赖程度高,是一个去全球化趋势显著的情景[26];SSP4描述了国家内部与国家之间高度不均衡发展,少数富裕群体产生大部分的排放量,是一个极具适应挑战的情景[27];SSP5以减缓挑战为主,是经济快速发展导致温室气体大量排放的常规发展情景[28]。

1.4 城市用地面积预测模型

1.4.1 最小二乘虚拟变量回归法 基于1993—2018年“一带一路”沿线国家(地区)社会经济与城市用地面积数据,利用Stata软件的最小二乘虚拟变量回归法构建以人均城市用地面积(B)为因变量、人均GDP(G)和城市化率(P)为自变量的模型[29],为体现各国之间的差异,引入区域哑变量(Z,通常取值为0或1),反映某变量的不同属性,对于有n个分类属性的自变量,通常需要选取1个分类作参照,因此可以产生n-1个哑变量。通过输入不同SSPs情景下的人均GDP(G)和城市化率(P)数据,即可估算出不同情景下城市用地面积。

(1)

式中:ε、β0为误差和截距,r为国家(地区),t为年份。

1.4.2 未来城市用地面积调整 由于SSPs数据库预测的2015年城市用地面积数据与欧空局2015年土地分类产品中的城市用地面积数据存在一定误差(±8%),故本文对预测的城市用地面积进行调整[20]:首先利用SSPs数据库估算得到的2015年和2060年r国家(地区)的城市用地面积Ar,2015、Ar,2060计算得到城市用地面积增长率ΔAr,2015—2060(式(2)),然后利用欧空局2015年城市用地面积数据乘以该增长率,得到调整后的2060年城市用地面积,作为FLUS模型2060年城市用地面积模拟的数量限制。

ΔAr,2015—2060=Ar,2060/Ar,2015

(2)

1.5 FLUS模型

FLUS 模型[17]首先利用人工神经网络模型从1期土地利用数据和社会、经济及环境相关的驱动因子(如地形地貌、GDP、人口密度及夜间灯光等)中获取元胞,并转换为各种用地类型的发展概率,同时利用惯性系数与竞争机制表达动态模拟过程中城市与非城市用地的互动与竞争机制,再结合适宜性概率、限制发展条件、未来土地总需求等模拟未来特定情景下土地利用空间分布,避免了传统元胞自动机中元胞形态、邻域规则等方面的局限[30]。

1.6 城市扩张指标

本文选取城市扩张指数(I)和人口密度分析城市未来扩张过程和格局特征,其中,I指城市用地面积增长速率(α)与城市人口数量增长速率(γ)之间的差值(式(3)—式(5)),代表一段时间内城市用地扩张程度[31],人口密度用城市人口数量与城市用地面积之比表示[32]。

(3)

(4)

I(t1,t2)=α(t1,t2)-γ(t1,t2)

(5)

式中:A为城市用地面积,R为城市人口数,t1为起始时间,t2为结束时间。

2 结果分析

2.1 SSPs情景下“一带一路”沿线国家(地区)城市用地面积变化

为探索“一带一路”沿线国家(地区)城市用地增长之间的时空差异性,本文选取城市用地面积增长较多的14个国家,计算得到其2020—2060年每10年城市用地增长量、累计最大城市用地增长面积和城市用地增长率(表2和表3)。由表2可知,城市用地面积及其增长率最突出的国家主要分布在亚洲地区,并以东亚、东南亚国家为主,其中城市用地增长率较高的国家为巴基斯坦、印度、孟加拉国及菲律宾,如孟加拉国在SSP1与SSP5情景下城市用地增长率分别为527%与514%;中国城市用地增长面积在SSP3情景下最少(1.3万km2),SSP5情景下最多(5.3 km2)。由于“一带一路”沿线国家(地区)多为发展中国家,其经济与人口的快速增长会带来城市的大面积扩张;少数国家在未来特定情景下因人口数量降低、经济下跌等因素使城市用地面积在经历前期增长后出现负增长。

表2 部分国家2020—2060年SSPs情景下累计最大城市用地增长面积(km2)和增长率Table 2 Cumulative maximum values of urban sprawl area and rate simulated under various SSPs scenarios for some countries from 2020 to 2060

表3 SSP3、SSP5两种情景下每10年城市用地增长面积Table 3 Interdecadal urban sprawl area simulated under SSP3 and SSP5 scenarios 单位:km2

2.2 SSPs情景下“一带一路”沿线国家(地区)未来城市用地空间分布

为衡量FLUS模型的性能,将模拟的2000年城市用地空间格局与实际城市用地空间格局进行对比,结果显示,模型模拟的总体精度为0.72, Kappa系数为0.63,FoM值为21.45%,满足模拟需求,因此,可利用FLUS模型模拟2060年5种SSPs情景下研究区城市用地空间分布(图2)。

图2 2060年SSPs情景下“一带一路”沿线国家(地区)城市扩张模拟结果Fig.2 Urban sprawl area simulated under various SSPs scenarios in countries(regions)along the Belt and Road in 2060

由于城市用地面积在陆域总面积中相对较小,为更清楚地显示模拟结果, 在ArcGIS中利用焦点统计分析得到每10 km半径范围内新增城市用地数量(图3)。可以看出,中国新增城市用地主要聚集在东部地区,增量明显多于其他地区;东南亚国家新增城市用地多聚集而少分散;印度城市用地基数小且城市分布稀疏,新增城市斑块较分散,主要分布在新德里等大城市区域内;欧洲国家城市分布密集但体量较小,新增城市用地分布均匀且分散。SSPs情景下,当国家城市化发展较快、国民经济增长较高时,扩张以城市斑块集聚外延为主导,反之,扩张则以城市斑块均匀分散为主,中国模拟结果的差异表现最明显。

图3 2060年SSPs情景下“一带一路”沿线代表性区域土地利用模拟结果Fig.3 Simulation results of land use under various SSPs scenarios in representative regions along the Belt and Road in 2060

2.3 SSPs情景下“一带一路”沿线城市扩张特征

从人口密度与城市扩张指数分析SSPs情景下2015—2060年城市扩张特征。

2.3.1 城市未来扩张格局特征 SSPs情景下2015—2060年“一带一路”沿线67个城市的人口密度均值约为1 900人/km2,利用中位数法将城市扩张格局分为紧凑与松散两类,再通过自然断点法将区域扩张格局分为4个等级。由图4可以看出,SSPs情景下2015—2060年“一带一路”沿线规模较大城市在扩张过程中呈现出高人口密度分布特征,超大城市拥有更紧凑的城市格局。其中,2015年紧凑型城市26个,在SSP3情景下2060年紧凑型城市缩减为19个,其他情景下紧凑型城市也相对减少。从区域角度看,大部分区域人口密度在2015—2060年呈现降低趋势,城市扩张更松散,欧洲地区人口密度始终较小,其发展格局更松散;除中国外,亚洲其他地区则保持高人口密度的紧凑格局。

图4 2015—2060年SSPs情景下城市扩张格局时空变化和分布特征Fig.4 Spatial and temporal variation and distribution characteristics of urban sprawl pattern under various SSPs scenarios in 2015-2060

2.3.2 城市未来扩张过程特征 当扩张指数I值大于0.9时为松散增长,位于[0,0.9]之间时为较松散增长,小于0时为紧凑增长[32]。SSPs情景下2015—2060年“一带一路”沿线67个城市的I平均值约为0.9,城市扩张过程呈现较松散特征,不同情景下各区域城市之间差异较明显(图5):SSP1与SSP2情景下大部分城市为松散增长,SSP4与SSP5情景下大部分城市为紧凑增长,SSP3情景下城市增长类型介于SSP4与SSP5之间,但总体表现为较松散增长。从区域角度看,东亚地区I值均大于0.9,表明城市用地呈现松散增长状态,西亚及北非地区I值均小于0,城市用地呈现紧凑增长状态,中南亚地区在SSP3与SSP4情景下呈现较松散增长状态。

图5 2015—2060年SSPs情景下城市扩张过程时空变化和分布特征Fig.5 Spatial and temporal variation and distribution characteristics of urban sprawl process under various SSPs scenarios in 2015-2060

2.4 城市未来扩张格局—过程特征

以1 900、0分别为人口密度、城市扩张指数的阈值,将城市空间扩张格局—过程划分为4种模式:高人口密度—紧凑增长、低人口密度—紧凑增长、高人口密度—松散增长、低人口密度—松散增长。

在SSPs情景中,拥有高生育率且提倡区域竞争机制的SSP3情景下城市用地扩张较少,但增长过程较松散且没有因人口的大量增加而造成人口密度过高,这可能是因为在区域竞争机制和经济发展缓慢情景下,人口分布较松散,低人口密度—松散增长城市为35个,高人口密度—紧凑增长城市为6个(图6);SSP1与SSP4情景下各城市扩张模式最相似且仅次于SSP3情景下的扩张,低人口密度—松散增长城市为34个,高人口密度—紧凑增长城市为8个(图6),主要分布在亚洲中南部;中间情景SSP2与低生育率的SSP5情景下各城市扩张模式较紧凑且人口密度相对较高。

图6 SSPs情景下城市格局—过程发展类型空间分布Fig.6 Spatial distribution of urban pattern-process development types under various SSPs scenarios

从不同规模城市的空间分布看(图6), “一带一路”沿线国家(地区)中超过83%的超大城市呈现松散增长的空间扩张模式,54%的中小城市呈现高人口密度—紧凑增长的空间扩张特征;东亚地区大多呈现低人口密度—松散增长模式,中亚及东南亚地区的小城市以高人口密度—紧凑增长模式为主,欧洲西部城市呈现低人口密度—松散增长模式。紧凑增长城市需要人为介入,利用政策及规划(如划定城市增长边界、提高土地利用混合度、节约集约利用土地等)抑制发展过程中的松散增长,维持或进一步加深紧凑格局;松散增长城市通过提高城市土地容积率和城市中心吸引度以及大力发展公共交通等,争取更快变为可持续发展的紧凑增长格局。

3 结论与讨论

本文基于FLUS模型模拟2060年“一带一路”沿线62个国家及地区城市用地空间格局,并从人口密度与城市扩张指数角度分析SSPs情景下“一带一路”沿线国家重点城市未来扩张特征。结果表明:①2020—2060年“一带一路”沿线国家(地区)呈现明显的城市空间扩张趋势,SSP1与SSP5情景下城市空间扩张较激烈,SSP3情景下相对较弱。2020—2060年大部分国家(地区)城市用地面积保持增长趋势,少数国家在未来特定的情景下因人口数量降低、经济下跌等因素使城市用地面积在经历前期增长后出现负增长。②不同情景下2060年城市用地空间模拟结果存在明显差异,总体表现为国家城市化发展较快、国民经济增长较高时,扩张以城市斑块集聚外延为主导;当国家城市化与国民经济发展速度放缓,扩张则以城市斑块分布相对均匀分散为主。③“一带一路”沿线国家(地区)中超过83%的超大城市呈现松散增长的空间扩张模式,54%的中小城市呈现高人口密度—紧凑增长的空间扩张模式。未来东亚地区城市大多呈现低人口密度—松散增长模式,中亚及东南亚地区的小城市以高人口密度—紧凑增长的空间扩张模式为主,欧洲西部城市呈现低人口密度—松散增长模式。

考虑到数据的可得性,本文对现实城市用地面积需求过程进行简化,建立的城市用地面积面板回归模型在结构上相对简单,可能与现实情况有差异;此外,城市扩张受多种驱动因素的制约[33-35],受限于数据可获取性,本文在模拟时并未考虑,导致模拟结果存在一定的不确定性,未来对于大尺度的城市扩张研究应进一步考虑土地利用与驱动因子的相互影响。