国土空间规划背景下城镇扩展时空演变特征分析

申洪涛

摘要：随着我国人口数量不断的增加，国土空间规划要顺应城市的基础，进行合理的规划。以某市为研究区域，分别获取2000年、2010年和2020年3个监测周期的遥感影像，探索利用ENVI深度学习卷积神经网络模型(CNN)快速准确提取城镇建设用地的技术方法，结合定量分析方法采用扩展弹性系数与强度指数、城镇建设用地扩展空间分布特征、城镇建设用地转入土地利用类型结构以及与人口、经济的匹配度等指标，分析了20年内某市城镇扩展时空演变规律，对国土空间背景下某市城镇空间的合理规划和土地资源的高效集约节约利用具有重要的参考价值。

关键词：国土空间规划；城镇扩展时空演变；特征

引言

国土空间规划不仅是国家对未来进行空间拓展的主要指导方针，同时也是进行各种开发和建设的主要基础，对创造绿色生活方式，推动生态文明建设具有不可替代的作用。为此，我们要在这一系统中，进一步优化和提高城乡统筹的组织架构，提高城乡统筹的统筹管理能力，以保证城乡统筹工作的有序进行。

1研究意义

1.1理论意义

当前对城市群城镇用地扩展的时空格局研究主要立足于城市群整体视角，缺乏多尺度框架下城市群内部城镇用地扩展横向对比分析，且对城镇用地扩展中存在的复杂非线性关系考虑不足。随着研究的深入，城市群城镇用地扩展研究由单一的静态分析转变为动静结合的“过程—格局—机理”一体化发展趋势。从多个尺度及多个维度挖掘和分析城市群的动态结构、发展演化规律，更能有效解释城镇用地扩展过程中复杂的多尺度“格局—过程”作用关系。在此基础上，探究城市群非线性扩展驱动机制，模拟未来大尺度城市群城镇用地扩展变化趋势，可以为城市群科学优化土地利用结构，进行土地资源利用预警与监管，从而合理地规划城市化道路并制定城市群发展政策提供重要的理论依据。

1.2实践意义

在经济发展新常态，改革进入深水期的背景下凭借其独特的区位优势以及雄厚的产业实力已经成为我国最具经济活力与发展潜力的地区之一。然而在可持续发展、区域协调发展以及新型城镇化建设的背景下，推进城市群城镇用地有序扩展的同时，也必须进一步发挥城市群的资源集聚作用、辐射带动作用和资源配置枢纽作用，打破行政区划壁垒，推进城市群一体化、高质量和深度融合发展。因此，以城市群为对象研究城镇用地扩展特征、驱动机制及时空演变规律，揭示多尺度下城市群城镇用地扩展分异特征与非线性驱动机制，分区域选取驱动因子组合进行城镇用地扩展模拟和预测，可以为深入挖掘内部各子城市群的发展规律差异，促进各子城市群与城际区域协调一体化发展，优化城市群空间开发格局和资源配置提供决策支持。

2数据源与研究方法

2.1影像处理方法

本文采用的影像数据源主要为中等分辨率影像landsat系列卫星，该卫星可以明显识别建设用地、农用地和未利用地，完全满足城市扩展监测对建设用地的监测需求。在收集影像基础上对数据源的纹理细节、光谱丰富程度、多光谱波段间匹配程度以及云雾量等方面进行全面检查，在保持足够信息量和清晰度的前提下，对噪声和条带较多的图像，需通过邻近像元灰度值替代法、低通滤波法、整行替代法和傅里叶变换法进行去噪声、条带的滤波处理，对辐射度畸变较大的图像进行辐射纠正处理后，以已有高精度DOM作为平面控制，DEM数据作为高程参考，对影像进行正射纠正、影像配准、影像融合、匀光匀色和镶嵌裁切等处理后，生成各监测周期的卫星正射影像成果，为深度学习样本选择和建设用地识别提供影像基础。

2.2深度学习模型建设用地提取与精度评估

为提取建设用地的信息，减少建设用地提取错漏率，参照中国科学院土地利用遥感解译分类标准，将土地利用类型分为耕地、园地、林地、草地、水域、建设用地和未利用土地七大类，采用ENVI软件的CNN深度学习方法，在构建不同土地利用类型样本库的基础上，对遥感信息提取对象进行专题分解、类别分类。考虑到深度学习模型识别地物的精度受土地利用样本选取质量影响，因此，在选择样本时必须保证是纯像元样本，且能够反映该土地利用类型的各种形态，并避免因样本混淆导致训练模型无法准确识别地物情况，其中各类型样本点个数分别为:耕地324个、园地207个、林地183个、水域211个、建设用地172个、未利用地82个。

3城镇扩展演变特征分析

3.1城镇建设用地扩展速率与强度分析

城镇建设用地扩展速率和强度是评价城镇空间扩展的常用数学指标，其中城镇扩展速率主要描述不同时期城镇用地扩展的年均增长速率，反映城镇用地扩展的总体规模和趋势;城镇建设扩展强度主要用于分析和描述城镇建设用地扩展状态，主要用不同空间单元的土地面积对其平均扩展速度进行标准化处理后，能够比较不同时期城镇建设用地面积扩展的强弱、快慢和趋势。具体计算方法见公式(2)、(3)。

Vt=Tb－TaT×Ta×100%(2)Ut=Tb－TaA×1T×100%

式中，Vt表示扩展速率、U为扩展强度，Ta、Tb分别为初期、末期城镇建设用地面积，T为时间间隔、A为研究区域总面积。

可知，某市的2000年、2010年和2020年的城镇建设用地分别为10241．59hm2、13848．92hm2、28824．42hm2，2000—2022年，某市的城镇建设用地增长面积达18582．83hm2，增长约2.8倍，城镇建设用地面积占全区的面积比例由10．56%提升到2020年的29．72%;从不同时段的城镇建设用地扩展速率来看，2010—2020年的扩展速率为10．81%，明显高于2000—2010年的扩展速率，略高于2000—2020年城镇建设用地的平均扩展速率;从不同时期的扩展强度来看，2010—2020年的城镇建设用地扩展强度为1．54%，明显高于2000—2010时间段的扩展强度，说明某市在2010—2020期间，城镇化发展较快，城镇建设用地需求旺盛，且城镇扩展强度较大。

3.2城镇建设用地扩展空间分布特征分析为

研究某市各乡镇在不同监测时段的城镇建设用地空间分布差异，基于的乡镇矢量范围，分别裁剪各个监测时段的建设用地分类结果，并计算各乡镇在不同建设时段的城镇建设用地面积。根据统计，从2020年城镇建设用地现状空间分布现状来看，城镇建设用地主要分布在、狮岭镇和秀全街道，其中的城镇建设用地面积最大，面积为5255．68hm2。从2000—2020年各乡镇建设用地变化来看，的城镇扩展面积最大，为3991．98hm2，其次是花山镇，扩展面积为2693．61hm2;从平均增长率来看，梯面镇的城镇建设用地的平均增长率最高，为12．89%。

结束语

当前国土空间规划背景下，开展城镇用地时空演变分析，对掌握的城镇变化发展过程，挖掘城镇扩展演变规律及其与人口、经济发展的相互关系具有重要的意义，本文采用基于深度学习卷积神经网络模型(CNN)可以满足对城镇建设用地的快速准确和高效提取的要求。从2000—2020年的城镇建设用地扩展特征来看，城镇建设用地扩展时期主要集中在2010—2020年;城镇建设用地增长速度明显高于人口数，经济发展对建设用地的消耗量大，土地集约节约利用程度有待提高。建议在未来城镇化发展过程中，应该转变经济发展方式，加强对耕地和林地等生态用地的保护，提高土地集约节约利用水平。

参考文献

［1］马丽．2000—2018年焉耆绿洲城市扩展特征分析［J］．地理空间信息，2022，20(6):34－37．

［2］郑荣宝，陈梅英，陈美招．某市建设用地扩展的时空特征及驱动因素分析［J］．热带地理，2012，32(1):66－71．

［3］邓瑞民．建设用地扩展模式空间差异与驱动机制的多尺度研究［D］．某:中国科学院某地球化学研究所，2018．

［4］胡学双．近15年某市土地覆盖类型变化及驱动因素研究［D］．某:华南农业大学，2017．

［5］史姝姝，窦银银，陈永强，等．中国海岸带区域城市扩展遥感监测与内部地表覆盖时空分异特征分析［J］．自然资源遥感，2022(4):76－86．