城市规划中城中村的提取与判别研究——以江西省南昌市青山湖区为例

余清

江西农业大学林学院 园林与艺术学院 江西 南昌 330045

我国的城中村问题一直以来都是一个令人关注和思考的话题。城中村，作为城市发展中的一种特殊现象，是由于城市化进程带来的城市规划和土地利用不平衡所导致的。城中村的存在既是一个社会问题，也是一个城市管理挑战。为了优化城中村存在的问题，提取与更新是至关重要的步骤。

1 概念解析

在中国，城中村的产生很大一部分是归因于我国改革开放以来城市和工业的高速发展，而部分居民区仍滞后于城市的发展，生活水平低下，难以得到城市的有效管理。不过，在国内的城中村，归根到底是由于中国几十年来独特的城乡二元分割的户籍制度[1]，与土地和房屋租金收益的刺激所引起的[2-3]。国外是没有与中国完全一致的城中村这种概念，只有相对较接近的Urban Village或Urban City[4]。在我国，城中村位于城市边缘甚至中心繁华地带，没有得到合理规划的存在。在快速城市化和发展压力的影响下，中国城市试图通过引进先进的建筑和摩天大楼来现代化和重建。然而，这些土地仍然包裹着原始的村民生活，与周围的城市形成鲜明对比，导致了城乡之间的碎片化景观，被广大学者称为“孤立的岛屿”。这种存在对城市的健康发展产生了严重影响，需要我们进行探索和解决。

“城中村”的概念是人类长期社会生活中基于生活经验归纳总结出的高级复杂概念，正因如此，传统遥感影像特征识别的精确度远远不够，在单一通过遥感影像来判定，往往会与工厂、农民公寓、临时住建房混淆，产生识别度不够的结果，目前仍未有明确有效的指标或标准来定义并划分“城中村”[5-7]。

通过学习前人对“城中村”的研究，以及对南昌市“城中村”现状的文献综合描述，得出以下四个判定标准的定义：

（1）具有明显的城乡二元特征；（2）区域土地使用权和所有权不属于国家；（3）城市建成区范围内的耕地已经丧失或基本丧失（村庄区域范围内的耕地面积不超过村庄区域总面积的30%），当地村民在生活方式上明显表现出非农化；（4）村庄位于高度城市化区域，并且周边范围中至少70%以上的土地是国有土地性质建筑或场地。

2 城中村边界提取的研究背景与研究角度

2.1 历史背景

从历史背景角度来说，最早受到关注的“城中村”现象是改革开放之后的珠三角地区，大量学者对珠江三角洲地区和粤港澳大湾区等经济中心进行社会经济、政府政策、地域空间等方向分析和研究。而“城中村”一词最早出现于杨安发表的“城中村的防治”文章中，这是最早系统性的阐述了城中村的现象、成因、后果与防治措施的。

2.2 国内外研究进展

国内外对于高分辨率遥感影像信息的提取，特别是建筑物的准确提取，已经引起了广泛关注。许多研究人员和机构投入了大量精力和设备进行相关研究。国内也有许多高校对此展开了深入研究，例如解放军信息工程大学、中国国防科技大学的ATR实验室、南京大学和武汉大学黄昕教授带领的团队等。本文主要参考了南京大学和武汉大学的研究方法进行分析。

2.3 研究角度

现在学者对于“城中村”的定义普遍从三个角度出发进行定义与研究，一是基于土地空间角度的地理学领域，二是基于经济形态或经济成分构成的角度的经济学领域，三是基于社会群落结构、社区聚落和制度体制等角度的社会学角度。

目前对城中村边界进行非监督性提取与判别，大抵是通过高分辨率遥感影像提取场景语义再结合其他辅助手段的多元融合方法，有的是基于对象的、基于神经网络的、基于中层特征的、基于POI的、利用ENVI中深度学习工具等等方法进行精确化识别。

学者们为了准确识别城中村、检测城乡统筹规划和进行精细化治理，提出了一种新模型，利用深度学习的多尺度扩张卷积神经网络。或利用高分辨率遥感影像、建筑物轮廓和兴趣点等多元空间数据，在ENVI中使用深度学习工具提取城中村边界。或有学者通过将遥感影像与社会感知相融合的层次化识别方法，在特征上融合了遥感图像和社会感知数据的优点，从而获得城中村精细的空间分布。

结合（1）兴趣点数据，包括小餐饮点、小卖铺、租房信息集中出现的区域等；（2）实地调查或建筑物轮廓影像数据（其中包括建筑物边界信息、建筑楼层高度信息，建筑屋顶面影像数据，房屋面积数据）；（3）出租车轨迹线路数据，公交刷卡记录上下车点与上下车时间。

3 研究区域概况及数据源

3.1 研究区域概况

本文探究的区域是南昌市青山湖区，位于鄱阳湖西南岸，赣江中下游，江西中部偏北。到2019年为止，南昌市青山湖区总面积为127.6平方千米，下辖四个街道五个镇。其中，在第七次人口普查数据中显示，截止至2020年11月1日0时，青山湖区常住人口达到130万余人，城市土地利用格局错综复杂、城市更新速度日新月异，而城中村及其带来的影响确实南昌市市政府头疼已久的社会问题。在本文中，参考期刊论文对城中村的定义、下载高德街景地图遥感图像和通过目视解译的方法粗略的人工划定城中村疑似的参考区域（如图1）。

图1 南昌市青山湖区走访城中村位置及名称

3.2 数据来源

（1）本文使用的遥感影像数据来源于天地图、高德地图开放平台、高德地图API、规划云等获取影像数据。

（2）利用python和网络端口获取地理信息数据点在实际地理空间的矢量位置，本文共获取南昌市青山湖区2021年的211084条POIs数据。出租车轨迹数据源于南昌市交通运输局，为使结果能真实有效，可准确的识别出城中村活动范围，反映市民出行活动规律。本文使用了南昌市2021年5月10日（星期一）-2021年5月16日（星期天）的轨迹数据进行分析。一共包括11612辆出租车产生的13486813条记录。

（3）最主要和大量的数据还是源自于实地调研，队伍5人分批次实地探访，我们人为的利用地铁一号线，将整个青山湖区分为南、北两个地块，便于走访与调查。运用人工目视解译的方法，运用我们的专业知识对文献进行大量的研究，对城中村的概念有了一个较为清晰的认知，大致的将青山湖区行政边界范围内的城中村挑选出来。对挑选出来的城中村，逐个拍照记录，与当地居民进行交流，了解现在城中村的活力与生机。

3.3 研究方法

3.3.1 通过ENVI的深度学习提取城中村信息

首先，我们可以利用ENVI深度学习基于ENVI Deep Learning模块的分层迭代算法，对城中村信息进行提取。为了实现这一目标，我们使用了开源框架TensorFlow作为ENVI Deep Learning的核心支持。通过使用TensorFlow，我们能够训练模型并对输入的各种文件、图案等数据进行自动归纳识别。

具体而言，提取城中村的步骤如下：首先，我们需要对影像数据进行预处理。然后，我们通过训练模型来提取城中村的信息。接下来，我们使用Label Me生成的json格式文件，并将其转换为t格式文件以便进一步处理。为了增加样本的多样性，我们将mask掩膜图片和原始图像进行旋转（顺时针90度、180度、270度）和翻转（水平、垂直）操作。

城中村建筑物样本数据集可以分为三个板块：原始样本影像、实例分割结果和实例分割标注信息。我们利用实例分割算法Mask R-CNN进行深度学习，以提取建筑物的信息，并对城中村样本进行检测和验证。

通过以上步骤，我们能够利用深度学习技术有效地提取城中村的信息，为进一步的分析和处理提供了可靠的基础。这一方法不仅提高了数据处理的效率和准确性，还为城中村研究和规划提供了重要的数据支持。

3.3.2 通融合多源数据的城中村识别

由于在片面的使用遥感影像的判别，会产生工业厂房、老旧农民公寓、临时住建房等与城中村形态上的模糊与混淆的情况存在，因此需要通过多面的判别手段，对城中村进行进一步的提取与筛选。通过我们社会经验可知，城中村具有一系列明显特征，例如：房屋整体不高，房屋形式不一，较为混乱，往往建筑之间较为密集，房屋环境阴暗，且常见乱拉电线的情况，路面排水设施相对老旧，随处可见张贴着租房公告等等。而本文选取房屋的高度、面积属性进行初次筛选。我们利用Arc GIS对建筑物面积值进行计算，得到每个单位内建筑物的平均高度、平均建筑面积、建筑物面积总和、高度标准差等信息。

为了反映城中区与其他非城中区区域在兴趣点上的差异，我们就需要使用Arc GIS核密度分析工具进行核密度分析，通过计算每一个输出栅格像元周围相邻的区域内输入兴趣点的密度，即可得出二者之间的差异。

4 未来城中村更新策略的探讨

近些年来，随着社会的发展进程不断推进，城中村的问题愈发与我们的日常生活息息相关，同时注意到城中村问题的专家学者也越来越多，包括但不限于有学者针对城中村给房地产经济效益带来的不利影响，由于其中有着大量电线乱牵拉，地面不平整，排水系统老旧，房屋老化，楼与楼之间未留有足够的空隙导致日照时长远未达到标准，每户人家房屋风格差异明显导致的美观性下降；有研究表明，与其他远离城市的房屋相比，城中村的社区对房屋销售价值确实产生了负面影响。因此，本调查也旨在帮助优化南昌市城中村的不足之处。

根据南昌市国民经济和社会发展“十四五规划” 中对青山湖区数字经济布局的导向，将大力发展青山湖区的流量经济和定制化、数字化服装生产制造。因此，对青山湖区现有资源的整合与重组，以吸引区外资金、人才、技术等资源带动当地相关产业特色化发展就显得尤为迫切与重要。同时参考与学习了广州市、厦门市、深圳市等地区对于各自城中村更新策略的典型案例，结合青山湖区不同城中村的人文要素与形态特征，挑选拥有自身文化风俗保留的城中村。

我们从村落的区域、村域大小、卫生安全情况、现状规划情况、是否具备特殊场所、道路空间特征以及建设情况等方面出发，通过具体走访，对已提取的上述村落进行分类。通过分类情况，旨在判定哪些村落后续需要大幅度改造，适当改造以及无需改造。对于那些已经受到规划，而且卫生状况优良，存在特殊场所需要保护的，且新建屋房多的,研究团队提倡不予改造，以保护其现状可持续发展为首要问题；对于那些卫生状况一般，且无规划，无特殊场所的村落,且新屋多的村落，研究团队提倡给予适当调整，改造其卫生情况向好的方向发展，提升其景观效益；对于那些卫生状况差，无规划，无特殊场所，且旧屋多的地方，需要大幅度改造，旨在帮助其恢复周边环境，同时避免旧房子带来的安全隐患。研究团队大致将后续的改造方向和改造程度分为以上三种情况，旨在给明大致的方向和思路，对于有些村落，其情况大致相同于上述某一种分类，但又不完全相同的，可以靠边进行相应的调整，无需雷同，可具体情形具体针对。

南昌市是具有深厚文化底蕴的城市，城中村虽然不作为文化传承发展的主体，但是不同村落需要保留其特有的文化风俗。对于那些急功近利，快速拆除重建的城中村项目案例是不建议借鉴的。在改造之前，我们需要明确我们所要改造的城中村，到底在城市中扮演怎样的角色，以城市发展的整体眼光区看待改造问题，不仅仅改造物质空间，更要复兴社会空间。并此基础上挖掘其文化脉络，以景观的手段将那些被忽视的文化基因再次重现。

5 结语

综合以上分析，在当前的大数据时代背景下，结合高分辨率遥感影像和多源数据的方法来识别和辨别城中村是非常有效的。我们通过本次调研，运用相应的技术成功提取了可供研究的城中村对象。这为后续的学者研究提供了便利，他们可以直接进行研究，无需再次进行辨别和提取的工作。同时，我们通过实地走访和实践经验的积累，旨在为后续真正的城市改造提供有实际可行性的思路和建议。