南沙區生態用地優化研究

何東靈　徐嘉源　莊嘉　王偉華

[提要] 本文中的研究區域是廣州市管轄下的南沙區，借助過往CA對城市空間擴展研究基礎上，應用SLEUTH模型對南沙區未來城市空間擴展狀況進行動態模擬，從而得出有利于南沙區未來城市發展與生態格局優化建議。在本研究中先是借助GIS和Envi收集整理南沙區歷史年份的遙感數據和土地利用矢量數據，建立數據集后輸入SLEUTH模型。通過三次校正后，得出適合于該研究區域預測的最佳參數組，并在SLEUTH模型得到確認。通過本次研究結果，證明南沙區的生態用地在政府嚴格控制下能與城市用地平衡發展，從而達到南沙區高速發展中的生態用地格局優化的目的。最后提出相關有利于政府措施的建議。

關鍵詞：SLEUTH模型預測;城市空間擴展;生態保護;南沙區

基金項目：國家級大學生創新訓練計劃項目（編號：201811845040）

中圖分類號：F293.2 文獻標識碼：A

收錄日期：2019年9月17日

土地利用整體規劃一直都是國家重點關注的內容，同時也是影響人們生活和發展的一個重要方面。城市土地的開發利用，其實就是生態用地和建設用地之間權衡的過程，而生態格局的調整和優化也直接受到了城市空間擴展的影響。而其中城市空間的動態擴展會受到自然、社會、經濟和政治等條件影響，所以調整生態格局的時候需要進行多方面因素的綜合考慮。根據十九大報告的指導，中國的現今經濟要以保護環境為前提，發展經濟已經不能再以犧牲環境和生態為代價。

而在城市空間擴展過程的研究中，以CA為代表，在1900年后就開始出現以及逐漸成熟，而SLEUTH模型作為CA模型中最為經典分支，誕生在以元胞自動機和多主體模型為代表的動態城市模型階段，是基于元胞自動機模型的真實城市系統演化模擬。在SLEUTH模型開發和初步應用階段，Clarke教授開發了SLEUTH模型并模擬預測了美國加利福尼亞州舊金山灣地區與美國東部華盛頓/巴爾的莫兩個差異較大的城市空間的擴展情況。到了SLEUTH模型的修正和應用區域擴大后階段，以Jantz、Goldstein和Straaman等為首對模型的校準方法進行改進，對巴爾的摩-華盛頓大都市等地區進行不同情景的模樣研究。再到模型優化和城市擴展模擬深化階段，Dietzel和Clark在2007年又一起合作利用非監督學習的神經網絡得到的自組織圖譜產生的優化指數，進一步校準SLEUTH模型，得到更為理想的預測結構。同時，國內的SLEUTH研究也在開始跟上世界城市空間擴展研究的大潮，盡管國內的相關研究總體比國外起步稍晚，但總體應用得較為到位，國內很多地區都能通過SLEUTH模型進行相關的城市空間擴展動態研究，證明模型對國內情況也是具有普適性，如陳學剛在2005年應用了SLEUTH模型對烏魯木齊市城市空間的動態演化進行模擬;米麗娜在2007年的《基于 SLEUTH模型的銀川市空間擴展研究》一文中，重點比較分析了Lee-Sallee指數和OSM指數兩種校準方案;等等。

廣州市南沙區是國家自貿區和粵港澳大灣區地理幾何中心，是廣州重要的發展區域。近年來，南沙區持續開發，全新規劃多條地鐵線路，進一步打開南沙腹地，大量建設用地拍賣出讓，城市范圍快速擴張，城市化進程不斷加快，由此引發的濕地、農用地縮減、水污染、大氣污染等生態難題將逐漸顯現。因此，本文以南沙為例，借助SLEUTH模型對南沙區生態用地進行不同情景下的動態模擬，預測南沙未來空間格局，并探討城市發展對生態環境的影響及平衡對策，以期為城市空間可持續發展與管理提供參考。

一、研究區域與研究方法

（一）研究區域。廣州市南沙區，為廣州城市副中心，位于廣州市最南端、珠江虎門水道西岸，介于北緯22°26′～23°06′，東經113°13′～113°43′。全區總面積803平方公里，下轄3個街道、6個鎮。截至2017年末，南沙區常住人口72.5萬人，其中戶籍人口41.54萬人。

（二）方法與數據

1、SLEUTH模型。SLEUTH模型是一個以元胞為單位，每個元胞有相鄰的4個單元格，可根據五個轉換規則被定義為城市/非城市屬性，從而進行城市空間動態模擬研究的模型。模型特點是有自我修改規則，模型可以通過自我修改來組合出區域內最佳參數組合，然后模擬出歷史數據現狀，被研究人員確認過與現實相符后可繼續用于預測未來城市空間發展的研究。

SLEUTH模型的使用需要起碼四個年份的分別五個數據源圖層，這五個數據圖層包括山體陰影層、城市范圍層、坡度層、交通道理層和排除層，其中以排除圖層最為特別，排除圖層的參數設置對最后城市空間發展預測的情景模擬環節有直接的影響。本研究根據所采集的數據，分別應用2000年、2005年、2010年、2015年的數據進行。

在模型的參數設置部分，SLEUTH模型通過五個增長系數，來說定義五個增長規則，從而得出五種增長類型。其中，增長系數有如下：繁殖系數用于表示新的城市分離定居點開始自增長周期的程度、蔓延系數用于表示城市元胞自組織繁衍情況、擴散系數表示城市總體分散程度、道路引力因子是表示已有道路對新的定居點吸引情況和距離、坡度阻礙因子則是表示坡度對城市擴張的影響情況，不過一般若研究區是平原的話，此系數影響不大。

SLEUTH模型是以增長環為單位執行的。一般來說，一個完整的SLEUTH模型有三個增長環：第一個增長環為建立數據集，主要是處理和標準化收集的數據。第二個增長環是模型校準，大量數據通過粗校準、精校準和終校準，在蒙特卡羅運算下大量迭代，從而組合出最佳參數組合用于設定最后的SLEUTH模型參數。第三個增長環是模型預測，模型先運算歷史數據并與現實圖像比對確定模型的精度可參照性，再輸入種子年數據，對未來年份中的城市空間擴展情況進行預測，最后輸出模擬結果的圖像和表格數據。根據最新的南沙區土地利用總體規劃對耕地和基本農田保護、建設用地規模控制等等制定的目標，本次研究設置以2018年為種子年，最佳參數組來進行未來2019～2035年南沙區的城市空間發展狀況情景模擬。

2、數據來源與預處理。本次研究采用的原始數據類型主要有南沙區的4年的Landsat 7和Landsat 8的TM衛星影像圖，美國航天飛機雷達地形測圖（SRTM）數據采集下的DEM數據;廣州市土地利用現狀數據和廣州市南沙區土地利用總體規劃。其中，Landsat TM衛星影像圖用于數據矢量化的基礎圖，創建面要素對南沙區的城市范圍和交通道路進行數據的矢量化，再通過Arctool轉柵格把城市范圍和交通道路的矢量數據轉化為柵格數據。南沙區的DEM高程圖應用于GIS中采樣成研究區30米的DEM。本研究中所有影像、柵格和矢量數據均按照統一的投影坐標為WGS1984設定。《廣州市南沙區土地利用總體規劃（2006-2020年）》是用于2000年和2010年土地利用現狀矢量數據屬性表編輯的依據。

3、情景模擬。為了觀察南沙區土地在未來不同強度的規劃約束下的發展狀況，情景模擬會設為現狀發展、基本保護和嚴格保護三種情景，具體如下：（1）現狀發展：公共基礎設施作為排除層，其轉換為城市的排除概率為100%;其他用地不進行設置;由于坡度會影響城市發展，所以把限制坡度設置為25°，即元胞的坡度一旦超過了25°就無法轉變成城市用地。（2）基本保護：將南沙區的水域保護概率設置為60%，農業用地的保護概率設置為50%，坡度限制保持不變。（3）嚴格保護：在情景2的參數基礎上，把水域的保護概率直接設置為100%，農業用地的保護概率設置為90%，坡度限制也更加的嚴格，設置為15°。具體的各情景模擬參數參照表1。（表1）

二、結果與討論

（一）模型校正。利用南沙區2000～2015年歷史數據，進行粗校準、精校準、終校準，根據指數最大的原則選取南沙區城市增長系數最佳組合。最終以Lee-Sallee指數排列比較選取了最佳的增長系數組合，而本次終校準Lee-Sallee指數最大為0.4129，增長系數組合如表2所示。（表2）

（二）不同情景下的城市空間預測結果。以2018年為種子年，基于最終確定的最佳參數組，根據現狀發展情景、基本保護情景和嚴格保護情景的排除層設置，得到2035年的城市空間擴展的模擬結果如圖1、圖2、圖3、表3所示。（圖1、圖2、圖3、表3）

在情景1的現狀發展中，公共基礎設施的排除概率設置為100%和坡度設置為25°。從模擬圖可見，在這樣任性、不受約束的城市化發展下，城市的空間擴展面積會出現非理性增長，生態環境會保護力度嚴重不足。城市呈現一個攤大餅式的沿外沿無序地擴展，整個城市的空間格局呈現了一種較為破碎的形態。其中，由于建設用地的面積大幅度增加，導致農用地和其他用地的面積迅速減少。從上表可知，在這種模式下，轉換為城市概率為90%～100%的像元個數最多，占總像元的9.5%。可見，現狀發展模式下的南沙區環境壓力巨大，這樣的發展模式會加大城市發展與生態保護之間的矛盾，不符合可持續發展的原則，不利于發展環境友好型社會。

在情景2的基本保護中，模型設置是在情景1的基礎上，加上了水域保護概率為60%和農業用地保護概率為50%，城市用地轉化的限制較大，以達到基本保護的要求。從圖表可見，轉換為城市概率為90%～100%的像元個數顯著減少，下降率達到55.9%。可見，在基本保護情景下，能成功加大對耕地、林地和水體的保護，城市的發展速度在規劃之下能有所控制，有利于南沙區生態的持續發展。

在情景3的嚴格保護中，繼續繼續加大對規劃對南沙區的城區空間發展的影響度，把坡度限制改為15°，水域從原先的保護概率60%提升至100%，農業用地的保護概率也從50%提升至90%。在此情景下，模型進一步加大保護河流湖泊和基本農田的力度，城市空間發展進一步限制住，使得城市擴展速度顯著降低。在圖標數據方面，可見轉換為城市概率為90%～100%的像元個數進一步降低，比起基本現狀像元個數降低了75.1%。可見，在嚴格保護情景下，對南沙區的生態保護力度大，對生態格局調整有明顯作用，符合可持續發展的要求。

三、南沙區未來生態格局優化發展建議

（一）嚴格控制南沙區的人口增長，優化區域人口素質。南沙區由于開發較晚，目前整個區域的人口密度較低，其城市人口主要以農民為主。但隨著南沙區的自貿區政策和城市發展進一步深入，需要引入大量的高端人才和勞動力，城市人口的機械增長會大量增加，其相應的人口居住地和工作用地會同時增長來滿足大人在南沙定居和工作的需求。因此，相關政府部門，要落實好城市規劃和人口數量控制，緊抓人口素質教育工作，讓城市人口按著城市適合的發展速度增長，讓市民深入生態環保理念，從而減少對生態承載力的負擔和對城市建設下對生態環境不可逆的傷害。

（二）控制城市空間發展速度，嚴格打擊違建，加強閑置土地懲罰力度。為了讓城市建設用地和各種農用地，尤其是基本農田，能按政府規劃進行利用，城管部門必須加大對違建房的處罰力度，尤其是私自把集體用地下的宅基地和耕地進行違規建設或使用權出售等行為，一經發現必須進行違建房拆除和對建筑人的處罰。此外，各種閑置沒被及時有效利用的土地，政府可以先通過政策優化或者資金傾斜鼓勵土地使用者及時對土地進行按計劃使用，后設定相關的處罰制度進行土地閑置的后果處罰，從而提供土地的集約利用優化度，減少土地的浪費。

（三）制定土地整理計劃，建立生態補償制度。首先，在規劃上，政府在進行任何的土地規劃或者決策前，必須充分征求農業、林業、水利、環保等相關部門和進行專家論證，確保決策的科學性和生態友好性。其次，政府加大對土地整理的資金投入和政策傾斜，確保政府發揮領頭作用的同時鼓勵社會各界對土地整理的投入，調動人們對土地整理和生態保護的主動性。在建設生態補償制度方面，明確“誰開發、誰保護，誰破壞、誰恢復，誰受益、誰補償，誰污染、誰付費”的生態補償主體。除此之外，基本農田保護面積、耕地保有量和生態用地減少的地區向增加的地區支付相應費用，補償其資源占用成本。

（四）加強地質災害的防治，保障生態格局動態平衡。不同于其他城市發展地區，南沙區由于靠近大海，其土地含水量高，易受創，土地強度較低，其土壤主要為軟粘，其土壤的有機質和腐殖酸含量較高，是導致土體強度低、壓縮性高的主要原因。因此，在南沙區的城市發展建設過程中，要嚴格關注建筑物沉降或其他地質災害情況，以免出現大面積土地受創限制，保障南沙區的生態格局動態平衡，生態系統穩定維持。

四、結論

在本次研究中，借助SLEUTH模型對南沙區未來2035年空間擴展進行了情景模擬，并針對模擬結果提出相關的建議。得出以下結論：

（一）在模型校準精度方面，在2000～2018年的城市空間模擬的校準中，形狀指數（Lee-Sallee指數）較大，與歷史數據的空間匹配度以及精度均較高，因此SLEUTH元胞自動機模型具有較強的普適性與可移植性，可以應用于城市用地動態模擬。

（二）空間擴展的模擬結果表明，另外三種情景下城市建設用地均不同程度明顯增加，對農業用地、濕地等生態用地均有侵占。結合增長系數，可看出南沙的建設用地主要是在原有的城市范圍上向外圍郊區逐漸拓展，同時輔以平坦空地自發增長。其中，現狀發展和基本保護情景下，城市建設用地均大幅度增長，大面積侵占農田、水域等生態用地，嚴重損害區域生態服務能力，影響城市可持續發展。相較于前兩種情景，嚴格保護情景下，城市建設用地的擴張程度較少，大面積侵占生態用地的情況得以控制，較好地保留了城市自然生態服務能力，保障城市可持續發展。

主要參考文獻：

[1]Clarke，K.C.，G.Olsen，and J.A.Brass.Refining a cellular automaton model of Wildfire Propagation and extinction[A].Proceedings of the Second International Conference on the Integration of Geographie Information Systems and Environmental Modeling[C].1993.

[2]Clarke，K.C.，P.Riggan，and J`A.Brass.A cellular automaton model of wildfire Propagation and extinction [J].Photogrammetric Engineering and Remote Sensing 1995.607.

[3]Loose-coupling a cellular automaton model and GIS：long-term urban growth prediction for San Francisco and Washington/Baltimore[J].Keith C.Clarke Leonard，J.Gaydos.International Journal of Geographical Information Science，1998（7）.

[4]Jante C A，Uoctz S J，Donato D，et al.Designing and implementing a regional urban modeling system using the SLEUTH cellular urban model[J].Comput Environ and Urban Systems，2010.34（1）.

[5]Jantz C A，Goetz S J，Shelley M K.Using the SLEUTH Urban Growth Model to Simulate the Impacts of Future Policy Scenarios on Urban Land Use in the Baltimore-Washington Metropolitan Area[J].Environment & Planning B Planning & Design，2004.31（2）.

[6]Goldstein N.C.Brains vs.Brawn-Comparative strategies for the calibration of a cellular automata-based Urban Growth Model[J].In：Atkinson P，Foody G，Darby S，Wu F（eds）.GeoDynamics.CRC，Boca Raton，2004.

[7]陳學剛.基于細胞自動機的城市增長模擬研究[D].新疆大學，2005.

[8]米麗娜.基于SLEUTH模型的銀川市空間擴展研究[D].蘭州大學，2006.