科研创新 | 区域国土空间土地利用多情景推演及其应用

基于人工智能的土地利用推演模型可以为国土空间规划的方案制定和评估提供服务，能够为规划用地布局优化提供有效的用地变化预测信息，为国土空间土地利用优化提供了契机。使用元胞自动机模型可对不同的规划情景进行推演和比较，进而得出合理的规划策略以实现城市发展目标。

目前，基于元胞自动机模型的土地利用推演在国土空间规划的多个领域都提供了一定技术和理论支撑。元胞自动机模型能够推演和预测不同类型用地的发展趋势，预测特定的用地政策在未来的实施效果以及对城市格局的具体影响。基于元胞自动机模型的多情景土地利用预测研究可有效应用于评估规划策略与政策的导向作用，评估土地利用规划的合理性，为国土空间规划和管理提供决策支持；还有一些学者侧重于对多类有高生态服务价值的用地演变规律及其生态效应进行模拟预测，为加强森林、湿地、水环境等生态系统保护提供了重要帮助。

学界利用人工神经网络—元胞自动机耦合模型对单个城市的土地利用演变模拟已取得了较好的模拟效果，而如何进行区域甚至全球尺度的土地利用模拟拓展，开展精准的大尺度城市空间增长动态模拟仍然具有一定挑战。不同区域发展模式下的土地利用变化对区域及内部城市的发展都有着深刻的影响。省级、全国等区域级别大尺度的土地利用模拟存在数据量大、计算复杂、计算时间长等难点，对于区域尺度的环境变化研究具有重要的意义，受到了广泛关注。对未来土地利用情况进行推演预测，据此因地制宜地制定发展战略，能够推动区域的可持续发展与空间有序协调，也成为近年来土地利用变化研究的热点和重点。目前，一些学者基于区域土地利用竞争、空间控制和要素流动等因子，采用FLUS、PLUS、UrbanVCA等作为区域土地利用演变模型，获得了较为准确的区域土地利用演变模拟结果，在此基础上构建不同的土地利用演化情景，实现省、地区等尺度上的区域国土空间演变模拟。

将上海大都市圈往年多期土地利用数据及到交通站点距离、到城市中心距离等空间驱动因子输入模型训练神经网络，学习各类用地发展概率，在用地需求和模拟参数设定上体现情景差异，进而分别生成不同情景下的土地利用布局，实现区域未来土地利用多情景推演 (图1)。在此基础上可进一步对不同情景下的区域土地利用布局和城市空间形态进行综合分析。

图1 区域未来土地利用多情景推演框架图

利用现状土地利用数据以及相关驱动因子数据，可通过基于人工神经网络的元胞自动机模型实现未来土地利用格局的多情景推演，推演过程主要包含模型训练和用地推演两个模块，模块的具体流程如下：

（1）模型训练

神经网络利用采样点在各类驱动因子数据及其对应的土地利用类型上采样，通过训练各类驱动因子数据与土地利用类型之间的对应关系，分析各类驱动因子对城镇用地扩展的贡献。通过自适应算法，人工神经网络可对各类驱动因子的影响权重以及各类用地转换概率进行计算，得到各类用地的发展概率，叠加得到总概率，并将计算结果传递至推演模块。

（2）用地推演

推演模块将训练模块中计算得出的权重数据以及各类用地转换概率输入，以历史年份土地利用数据为基础，依据各类土地利用发展概率及设定的用地转换参数，对各类用地进行不断迭代的转换模拟，当各类土地利用转化概率的最大值达到设定的土地利用推演的阈值时，土地利用推演即停止，得到最终的土地利用推演结果。

神经网络模型和元胞自动机模型基于不同年份土地利用数据、各类空间驱动因子数据从基本的土地利用栅格单元出发，分析其演变概率，进行了自下而上的城镇发展推演。而在实际研究过程中，基准的土地利用推演同时还耦合了利用马尔科夫链等方法进行的自上而下的各类用地规模预测，也就是把自上而下的用地规模预测和自下而上基于元胞自动机模型的城镇发展推演结合起来，从而进行既体现宏观的用地需求控制，又体现微观的土地利用演变的国土空间用地演变推演，推演流程如图2所示。

2022年9月，上海市、江苏省浙江省人民政府联合印发了《上海大都市圈空间协同规划》。针对上海大都市圈进行区域国土空间土地利用多情景推演有很强的现实意义。本研究以上海大都市圈太湖流域范围陆地空间形态连绵、形成城市密集地区的七座城市：上海、苏州、无锡、常州、南通、嘉兴、湖州为研究对象，舟山和宁波不列入研究范围。

上海大都市圈土地利用数据来源于中科院资源环境科学与数据中心Landsat TM/ETM遥感影像识别，栅格大小为30m*30m，用地分类包括建设用地、林地、耕地、草地、水域、未利用地六大类主导功能用地，用地数据年份包括2010/2015/2018/2020年（图3、图4）。

将研究范围2005年及2010年的用地数据以及对应时间的驱动因子数据输入神经网络模型中进行训练，学习相应的土地演变趋势，最终生成分别对应六类用地类型的发展概率；将2010年的初始用地数据以及不同用地发展概率数据输入模型，对推演过程中的相关参数进行设置；将2015年的各类用地的实际规模设定为用地发展目标，在神经网络-元胞自动机模型中不断迭代推演，生成上海大都市圈2015年的土地利用推演结果，与2015年实际土地利用数据进行对比，总体精度为93.93%，指标值较高，说明利用神经网络-元胞自动机模型推演得到的结果与实际用地布局拟合程度较高，模拟效果良好，适用于生成未来用地推演结果。

本研究设定上海大都市圈未来两种不同的发展情景以分别进行土地利用推演：惯性发展路径将保持与历史时期相似的道路继续发展，各类用地基本延续历史趋势演变发展；可持续发展路径要求采取生态友好、可持续的发展道路，城市规模得到控制，各类非建设用地、生态用地受到较好保护。

将上海大都市圈2015年和2020年的土地利用数据与驱动因子数据输入神经网络-元胞自动机模型中进行推演，模型提取两期土地利用间的变化，得到各类用地的发展概率及不同驱动因子对各类用地演变的影响。神经网络-元胞自动机模型将挖掘的用地发展概率输入推演板块，以2020年用地为基准用地数据，根据设定的未来目标年份（比如2030年），对相关模拟参数与用地需求分别进行设定，以体现不同情景和不同年份的差异，即可实现上海大都市圈未来土地利用多情景推演，生成多个土地利用推演结果（图5）。在此基础上可进一步对不同情景下的区域土地利用布局和城市空间形态进行综合分析。

图5 上海大都市圈土地利用多情景推演结果

（左：2030年可持续发展情景；

右：2030年惯性发展情景）

城市建设用地的紧凑度反映了城市的空间特征与结构。建设用地斑块的平均面积周长比（各个建设用地斑块面积与周长的比值的平均值）能够反映城市建设用地的紧凑度水平，可作为代表区域紧凑度值的景观指标。在此情况下紧凑度值越大，说明建设用地斑块越规整，空间更集约，城市紧凑度水平更高。提取各个土地利用推演结果中的建设用地斑块，计算其建设用地斑块平均面积周长比作为紧凑度值，在不同尺度上对结果进行比较分析。

在区域尺度上，上海大都市圈整体的紧凑度在不同时间和情景下表现出不同的变化趋势。在不同情景下，其变化规律有所不同。可持续发展情景下，由于建设用地的增长受到限制，生态用地得到较好保护，局部、零散的建设用地斑块侵占非建设用地的出现概率较低，建设用地的增长主要集中在原有的城市组团外围，对区域整体建设用地紧凑度的影响较低；惯性发展情景下，由于建设用地的需求规模相对更大，更容易侵占非建设用地形成新的飞地式组团，用地结构更加分散，斑块更加破碎，因此区域整体建设用地紧凑度受到较大影响，紧凑度相较于可持续发展情景处于较低水平。上海大都市圈区域整体紧凑度水平在不同情景和年份下的变化如图6所示。

图6 上海大都市圈不同情景下紧凑度水平变化

基于区域的历史年份土地利用数据及驱动因子数据，通过神经网络-元胞自动机模型能够对区域未来的土地利用情况进行多情景推演，对不同情景下的土地利用格局进行分析，实现区域国土空间土地利用推演与辅助优化。推演得到的未来土地利用状况包含了区域宏观的土地利用结构以及具体的土地利用空间格局，能够为未来国土空间规划方案提供有效参考和借鉴，了解区域各类用地的未来演变趋势；设定不同的未来发展情景，对不同情景下的土地利用情况进行比较，有助于对各项发展政策和路径的预期效果进行评估，为未来区域和城市发展战略制定提供支撑；结合三区三线等国土空间规划管控要求，能够对未来土地利用情况是否会影响区域发展的相关要求进行评估，及时调整和优化规划方案；在区域国土空间土地利用多情景推演结果的基础上，能够开展进一步的土地利用相关研究，例如对未来用地格局对应的碳排放量进行预测等。

研究结果表明：（1）根据多情景推演，上海大都市圈整体的建设用地紧凑度不断降低，需要加强对于建设用地的管控和紧凑城市导向下的国土空间规划。（2）在未来坚持可持续发展理念，能够有效减缓上海大都市圈紧凑度降低的速度。对不同情景下的土地利用格局进行分析，可以发现在可持续发展情景下，紧凑度水平的降低将会有所减缓。

在建设紧凑城市的过程中，需要坚持可持续的发展理念，一方面需要对建设用地的总体规模加以严格控制，杜绝“摊大饼”现象的出现，避免建设用地的随意扩张，尤其是对于上海市等超大城市，需要进一步严格落实相关用地控制要求，在宏观层面和微观设计层面都减少新增建设用地，控制城市的体量与规模；另一方面要对建成区的空间形态进行引导，使得城镇建设用地尽量规整、紧凑，减少形态破碎、混乱的建设用地斑块。在进行具体的空间方案设计过程中，可将新增的建设用地空间妥善布局在原有斑块形状较为松散的组团区域，优化这些斑块的空间形态，提高整体的建设用地紧凑度。

课题负责人：周新刚

主要参加人员：曾灿程、杨辰颖、黄永俏

本课题受上海同济城市规划设计研究院有限公司暨长三角城市群智能规划协同创新中心科研课题资助。课题名称《基于土地使用多情景推演的碳排放预测和碳达峰路径》，课题编号（KY-2022-YB-A14）。

感谢国家重点研发计划项目课题“国土空间多场景综合效能评价与调控关键技术”（编号2022YFC3800804）