乌鲁木齐城市空间扩张及其驱动力研究

韩桂兰，王亮朝

(新疆财经大学 统计与数据科学学院，新疆 乌鲁木齐 830012)

随着我国经济的高质量发展，城市基础设施的建设和城市人口的增加，城市建设用地扩张成为必然趋势。同时，城市建设用地扩张过程中存在的问题日益突出，尤其是城市无计划盲目扩张，耕地、林地破坏严重[1]。通过研究乌鲁木齐市城市扩张概况与城市扩张驱动力的主要影响因素，对更好合理规划城市扩张规模、充分利用城市空间、实现资源最优配置具有积极的现实意义。

一、文献回顾

国内外对于城市空间扩张特征的研究主要集中在城市扩张速度、强度、紧凑度和景观扩张指数等方面。Bumairiyemu 等人对库尔勒市Landsat TM/ETM+图像探讨1995―2015年的城市扩展特征，结果表明：在此期间城市用地面积和比重大幅度增长，导致耕地和未利用地大量流失，城市紧凑度呈下降趋势，分形维数指数呈上升趋势，说明库尔勒城市空间格局呈现松散、复杂、不稳定的特征[2]。欧阳晓和朱翔选取1990年到2015年全国10个不同发展等级的城市群，通过城市用地强度指数、强度差异指数、景观扩张指数、景观格局指数分析，结果表明：城市群城市用地面积均持续增加，扩张强度呈“上升下降”趋势，总体发展不均衡，城市用地扩张主要占领郊区和农村地区，破碎化和形状复杂程度较高，景观格局发展不稳定[3]。

城市建设用地面积扩张驱动因素因地域不同也不尽相同，大多数学者研究表明城市建设用地扩张的主要驱动力有政策、经济、人口、交通和环境等方面因素。有学者通过对上海市1990―2015年土地利用结构和景观格局的研究发现，GDP是城市扩张最重要的驱动力[4]。有学者以TM影像解译数据为基础，分析55个地级以上主要山地城市发现，城市发展政策、行政区划变化、国内生产总值和人口增长、道路建设是土地扩张的主要驱动力[5]。有学者以厦门岛为例，通过地理信息分析发现海岛城市空间扩展是自然因素和社会经济因素综合作用的结果[6]。国外学者Masek等人通过研究华盛顿特区的Landsat遥感影像和社会经济和人口数据，结果显示城市建成区扩张和经济模式相关[7]。Roberto Camagni等人研究米兰的大都市区确定不同的城市扩张模式与特定的环境成本是否相关[8]。Inostroza L等人以拉各斯市为研究对象,利用Latndsat TM遥感影像发现可达性、空间交互效应和政策因素是土地利用变化的主要决定因素[9]。Ademola K B等人发现影响拉丁美洲大多数城市扩张的因素是人口规模扩大和城市建设用地开发利用[10]。国内学者主要从社会经济、城市规划、人口和交通环境等方面研究城市扩张影响因素。谈明洪等人研究中国近15年的城市土地扩张与经济增长、人口和城市环境改善的数据得出,经济增长是城市用地扩张最根本、最重要的驱动力[11]。刘瑞等人以德州市为研究对象，采用Logistic回归发现推动城市扩张的主要原因是政策，其次是经济增长，最后是人口的变动[12]。冯晓刚等人研究西安咸阳一体化进程得出社会经济和城镇人口是推动城市扩张的主要因素，城市环境和交通具有牵引作用的结论[13]。徐改花、郭德弘等人以Landsat TM/EIM+影像结合社会经济和人文数据分别研究西安和兰州城市建设用地扩张的主要驱动力是社会经济[14-15]。赵小凤、刘梦丽等人对全国345个城市通过地理探测器的方式进行研究，结果表明：影响我国城市建设用地规模的是人口、产业和投资的共同作用，还存在空间差异[16]。朱文龙等人研究淮海城市群的夜间遥感影像和社会经济数据，通过比较、GIS空间、回归分析法研究淮海城市群扩张明显，但是不同城市间存在差异，同时确定主要是市场力，其次是内部和行政区划驱动力[17]。王莉红和张军民以绿洲城市石河子为研究区，通过Landsat ETM+/LMI影像和经济数据利用地理探测器和空间统计分析城市扩张驱动因素，研究发现固定资产投资对城市建设用地影响最大，各影响因素交互作用呈现出线性增强的关系[18]。

还有学者通过计量经济学方法分析GDP和城市建成区面积之间的关系。张俊凤和刘友兆通过对长三角地区16个城市建成区扩张与经济增长之间的协整关系和格兰杰因果关系进行研究，发现城市建成区扩张与经济增长之间存在长期稳定的协整关系，格兰杰因果关系差异较大[19]。李雅楠和王成新以山东所有城市建成区面积和GDP数据为基础，探讨了城市建设用地与经济增长之间的关系，发现山东省1991―2015年城市建设用地的扩张促进了经济增长，而经济增长对城市建设用地扩张影响不大[20]。杨丹、张鹏岩等人以河南省为例从城市生态位的角度研究资源与经济和城市建城区面积之间的因果关系，发现大多数城市经济和城市土地扩张存在长期均衡关系。对以往研究总结发现城市空间扩张和经济发展相互影响，在不同城市有所差异[21]。

在研究方法上，学者运用遥感影像和社会经济数据采用地理探测器、元胞自动机、多元逐步回归、灰色关联理论、主成分分析、位序—规模法则和分形理论分析等方法研究城市扩张驱动力，也有学者通过库兹涅兹曲线分析、协整检验、格兰杰因果检验、脱钩模型对城市扩张和经济增长之间关系进行研究。张占录以北京市建成区面积、经济、人口等数据进行多元逐步回归分析得出第三产业产值和人口增长是推动城市扩张的主要驱动力[22]。贺振、刘昭华等人以Landsat TM/EIM+影像和社会经济数据采用主成分分析方法研究城市扩张驱动力[23-24]。郭瑞敏、黄康等人采用库兹涅兹曲线分析、协整检验、格兰杰因果检验、脱钩模型对城市扩张和经济增长之间关系进行了研究[25-26]。本文利用Lasso回归模型从乌鲁木齐宏观政策、社会经济、人口规模、居民生活水平和交通环境等方面的数据研究乌鲁木齐城市建设用地扩张的主要驱动力。

二、研究区概况

乌鲁木齐是新疆维吾尔自治区首府，是新疆的政治、经济和文化中心，也是第二座亚欧大陆桥中国西部桥头堡和我国向西开放的重要门户，位于亚欧大陆腹地，天山山脉中段北麓，准噶尔盆地南缘，东、西、南三面环山，其整体地势东南高、西北低，海拔580～920米，市区平均海拔为800米，位于42°45′ 32″N～44°08′ 00″N，86°37′ 33″E～88°58′ 24″E。根据2017年新疆乌鲁木齐市国民经济和社会发展统计公报显示，全市7区1县行政区域总面积约14 216.30平方公里，其中城市建设用地面积438平方公里。全市年末总人口222.61万人，其中城镇人口198.20万人，全年实现地区生产总值(GDP)2 743.82亿元，其中第一产业增加值29.62亿元，第二产业增加值827.63亿元，第三产业增加值1 886.57亿元，全年完成固定资产投资(不含农户)2 020.15亿元。全年完成一般公共预算收入400.78亿元。

三、数据来源与研究方法

研究数据主要来源于《中国城市统计年鉴》和《乌鲁木齐统计年鉴》，通过城市扩张速度指数、城市扩张强度指数和Lasso回归模型的方法进行研究。

(一)数据来源

文章选取新疆维吾尔自治区乌鲁木齐市作为研究对象，数据跨度为2000―2017年，所需的城市建设用地面积和社会经济、人口、居民生活水平和交通环境数据来自《中国城市统计年鉴》《乌鲁木齐统计年鉴》以及中经网统计数据库的相关统计资料。研究选取城市建成区面积作为城市扩张指标；固定资产投资(不含农户)、一般公共预算收入、社会消费品零售总额、第二产业增加值、第三产业增加值作为社会经济指标；城镇户籍人口数作为人口指标；人均GDP、城镇单位在岗职工平均工资、城镇居民人均可支配收入作为居民生活水平指标；城市人均拥有道路面积、城市建成区绿化覆盖率、城市公园绿地面积、道路长度作为交通环境指标。

(二)研究方法

文章运用城市扩张速度指数和城市扩张指数直观地描述乌鲁木齐市城市空间扩张，利用社会经济、人口、交通环境等数据建立Lasso回归模型，去除影响较小的因素，保留对城市扩张影响较大的指标，以便更好地确定城市扩张驱动力。

1.城市扩张速度指数与城市扩张强度指数

城市扩张速度指数(UESI)指同一城市在不同的时期内建设用地扩张的速率，计算公式如下：

式中，UESI表示城市扩张速度指数，USj和USi表示在一定时期内期末和期初的城市建设用地面积，Tj-i表示一定时期期末和期初的时间间隔，在这里将T的单位定义为年。

城市扩张强度指数(UEII)指同一城市在不同的时期内建设用地扩张面积变化与城市总面积的比率，计算公式如下：

式中，UEII表示城市扩张强度指数，USj和USi表示在一定时期内期末和期初的城市建设用地面积，TSi表示城市土地总面积，Tj-i表示一定时期期末和期初的时间间隔，在这里将T的单位定义为年。

2.Lasso回归模型

Lasso是由Robert Tibshirani在1996年首次提出，该方法是以压缩变量数量(降维)为思想的压缩估计方法。它通过构造一个惩罚函数，可以将不显著的变量系数进行压缩并使某些回归系数变为零，进而达到选择变量的效果。Lasso的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于零的回归系数，得到可以解释的模型，其数学表达式如下:

参数λ是用来调整Lasso回归复杂程度的参数，变量比较多的线性模型，他的惩罚力度大小是由参数λ调整的，这样最终就能够得到一个变量较少的模型。

四、城市扩张速度与扩张强度分析

乌鲁木齐市行政规划总面积14 216.30平方公里，由于2007年乌鲁木齐进行行政区域调整，因此以2000年、2004年、2008年、2012年、2017年为时间节点对城市扩张速度和强度进行描述统计分析。图1是通过Landsat卫星遥感数据绘制的乌鲁木齐建成区面积的变化过程。

图1 乌鲁木齐城市建成区面积变化示意图

从图1可以看出乌鲁木齐市2000―2017年城市建设用地扩张明显，黑色越多越密集表示建成区面积越大，说明城市建设用地扩张显著。

表1 城市扩张速度指数与扩张强度指数

建成区面积在2000―2017年由140平方公里增加到438平方公里，总体扩张了3倍多。从表1可以看出：2000―2004年建成区面积扩张最小仅为33平方公里，在2004―2008年这一时期达到最大值。城市扩张速度指数和城市扩张强度指数在2000―2017年均呈现出先增加后减小的趋势，从城市扩张速度指数来看，2004―2008年为18.79%，在这一时期城市建成区面积扩张显著；其次是2008―2012年和2000―2004年分别为6.68%和5.98%；扩张速度最慢的在2012―2017年这一时期为2.81%。从城市扩张强度指数来看，2004―2008年最明显为0.298%；其次是2008―2012年为0.142%；最后是2012―2017年和2000―2004年，城市扩张强度均为0.076%。综上所述，乌鲁木齐在2000―2004年这一时期扩张缓慢，2004―2008年这一时期城市扩张速度与强度最为迅速。就扩张速度与强度来说，城市空间扩张在某一时期存在扩张速度过快、分布不均等不合理现象,在后期城市规划中需要注意。

五、城市建设用地扩张驱动力分析

通过对乌鲁木齐市宏观政策、社会经济、人口规模、居民生活水平与交通环境等因素进行城市建设用地扩张驱动力分析。

(一)宏观政策驱动分析

乌鲁木齐市城市规划确定了乌鲁木齐城市的发展方向，在一定时期内推动了城市建设用地有效利用，同时起到引导作用。乌鲁木齐城市建设用地面积在2000―2017年由261.88平方公里增加到438平方公里，总体建设用地面积扩张3倍还多，年平均扩张速度约17.53平方公里。2007年国务院批复同意将昌吉回族自治州米泉市并入乌鲁木齐市，撤销米泉市和乌鲁木齐市东山区，成立乌鲁木齐市米东区。行政区划调整后，乌鲁木齐市行政区域总面积由原来10 900.77平方公里增加到14 216.30平方公里，城市建设用地面积由235.88平方公里增加到140平方公里；2017年修订的《乌鲁木齐市城市总体规划(2014―2020年)》中计划2020年实现中心城区常住人口在410万人以内，中心城区城市建设用地面积为513平方公里，人均城市建设用地面积为125.1平方米。由于乌鲁木齐市东、西、南三面环山的地理位置，所以中心城区用地发展主要向北，空间发展以“南控、北扩、西延、东进”的规划进行。

(二)社会经济、人口规模、居民生活水平与交通环境驱动分析

通过社会经济、人口规模、居民生活水平与交通环境数据建立Lasso回归模型分析城市建设用地扩张的主要驱动力。

1.指标选取

文章运用社会经济、人口规模、居民生活水平与交通环境驱动因素构建Lasso回归模型，选取乌鲁木齐市2000―2017年城市建设用地面积作为因变量以及社会经济、人口、居民生活水平和交通环境方面12个指标作为影响城市建设用地扩张的自变量的面板数据进行研究，具体指标如表2所示,由于所选指标单位不同，为消除单位影响对指标进行标准化处理。

表2 指标选取

2.多重共线性

一般检验多重共线性的方法主要有方差扩大因子方法和特征根判定方法。文章采用方差扩大因子方法判断该数据是否存在多重共线性，当方差扩大因子小于100时不存在共线性；方差扩大因子在100和1 000之间时有较强的多重共线性；方差扩大因子大于1 000时存在严重的多重共线性。通过软件R3.6.3进行共线性诊断，得出方差扩大因子为15 673 690且大于1 000，因此明显存在严重的多重共线性。如果建立多元线性模型所得到的模型误差较大，为使模型拟合性更强就需要进行变量压缩。而Lasso回归在变量选择问题上就是对多维度变量进行压缩，选择合适变量对城市建设用地扩张进行建模。

3.模型建立

文章将采用Lasso回归模型研究城市建设用地扩张中社会经济、人口、居民生活水平与交通环境驱动力，在R3.6.3软件中进行正则化、交叉验证得到模型误差随着参数变化的路径图，见图2、图3。

图2 回归系数随惩罚参数λ变化的路径

图3 回归系数随范数变化的路径

图2反映回归系数随惩罚参数λ变化的路径，图3反映回归系数随范数变化的路径，两者都是随着范数减小而惩罚参数λ增大，将会剔除城市建设用地扩张驱动力中影响较小的指标，留下影响较大的指标。图3中横坐标是系数的绝对值之和表示L1正则化；纵坐标表示系数，上方数字表示模型中保留的变量个数，图中可看出系数在L1正则化路径上的选择。由于图2和图3只能看出系数路径的变化，探究系数取值为多少时可以构建最优模型，就需要进行交叉验证得到最优模型，见图4。

图4 交叉验证和模型误差的关系

从图4可以看出，随着参数λ变化对应的误差值随着变化，表示Lasso回归模型的变量压缩程度也在不断变化，图4中左边的虚线表示在模型误差最小时对应的参数取值λ=0.008 36以及对应的选入模型的指标数量，右边的虚线表示在一倍误差内最大模型误差时对应的参数取值λ=0.077 96。因此，在确定入选模型指标的数量时还需要注意Lasso回归模型误差的大小。由于模型最小误差小于一倍误差内模型最大误差，为了尽可能缩小误差而选择左边虚线对应模型变量的数量，即选择6个指标作为城市建设用地扩张驱动力的最优模型，如表3所示。

表3 城市建设用地扩张驱动力系数

根据表3可以确定最优模型为：

L=1.563 6+1.679 7X3+7.114 3X5+8.660 4X7+3.953 7X8+5.052 6X10+2.580 1X12

由于随着经济的增长，城市将吸引更多人才入驻，导致现有城市建设面积不足，以及人们对于生活空间的追求有所增加，必然导致城市空间的不断扩张。环境方面城市人均拥有道路面积、城市公园绿地面积直接影响城市建设用地面积的增加。

从最优模型中可以看出，在研究城市建设用地扩张驱动力中，社会经济、人口、居民生活水平与交通环境方面13个指标中最终保留社会消费品总额、第三产业增加值、人均GDP、城镇单位在岗职工平均工资、城市人均拥有道路面积、城市公园绿地面积6个指标。可以看出经济方面社会消费品总额、第三产业增加值、人均GDP、城镇单位在岗职工平均工资对城市扩张影响巨大，其他指标通过模型发现影响因素较小，其系数为零。最终选取6个指标系数分别是1.679 7、7.114 3、8.660 4、3.953 7、5.052 6、2.580 1，其余7个指标系数均为0，说明这6个指标对城市建设用地扩张的驱动较大，而为零的7个指标则对城市建设用地扩张的驱动较小将被剔除。在驱动较大的指标中，按照影响系数排列依次是人均GDP、第三产业增加值、城市人均拥有道路面积、城镇单位在岗职工平均工资、城市公园绿地面积和社会消费品零售总额，而前三者的影响系数相对于后三者来说较大，因此，人均GDP、第三产业增加值、人均拥有道路面积是城市建设用地扩张的主要驱动力；其次是城镇单位在岗职工平均工资、城市公园绿地面积和社会消费品零售总额。由此可以说明社会经济、居民生活水平和交通环境方面的指标是乌鲁木齐城市建设用地扩张的主要驱动力，而人口目前还不是乌鲁木齐城市扩张的主要驱动力。

六、主要结论与讨论

通过对乌鲁木齐市宏观政策和社会经济数据分析影响城市空间扩张的主要驱动力，得出以下结论并进行讨论。

(一)主要结论

文章通过对乌鲁木齐市2000―2017年城市建设用地扩张政策、社会经济数据进行研究，得出以下结论。

1.城市扩张速度与强度研究

通过城市扩张速度与扩张强度计算发现：建成区面积在2000―2017年由140平方公里增加到438平方公里，总体扩张了3倍多；城市扩张速度指数和强度指数在2000―2017年均呈现出先增后减的趋势，2004―2008年扩张速度与扩张强度最为显著，2012―2017年城市扩张速度相对缓慢，2000―2004年和2012―2015年城市扩张强度较弱。

2.宏观政策研究

通过宏观政策可以看出，城市宏观政策推动城市建设用地扩张的发展方向。由于2007年行政区划调整，土地总面积由原来10 900.77平方公里增加至14 216.30平方公里，城市建设用地面积也随之增加，目前因为受地理位置限制政府采取“南控、北扩、西延、东进”的策略。

3.Lasso回归模型研究

运用社会经济、居民生活水平、交通环境建立Lasso回归模型分析得出：推动城市扩张驱动力中人均GDP、第三产业增加值和人均拥有道路面积是影响城市扩张的主要驱动力，其次是城镇单位在岗职工平均工资、城市公园绿地面积和社会消费品零售总额。目前我国经济正处于中高速发展阶段，一个城市经济的发展将会吸引更多人才入驻，人们对于城市空间的需求增加，必然导致城市建设面积的扩张。

(二)讨论

乌鲁木齐市城市空间扩张宏观政策作为驱动力之一，在社会经济中人均GDP、第三产业增加值和人均拥有道路面积是影响城市扩张的主要驱动力。今后城市的宏观政策变化、国民生产总值增加和交通环境改善都会吸引更多人才和企业加入，城市建设用地紧张，经济更加繁荣，必然加速城市空间扩张速度，为防止速度过快产生的无序滥扩张现象，需要结合政策、经济、环境对城市空间扩张规模合理控制，实现城市空间扩张的可持续发展。城市空间扩张驱动力是城市发展研究的问题之一，通过研究能够给城市规划提供合理化意见，为城市建设用地规模扩张提供科学参考，引导城市空间合理有序扩展。但由于统计年鉴数据限制以及Lasso回归模型会剔除城市扩张驱动力较小的指标，将其系数压缩为零，导致分析城市扩张驱动力不足，在以后的研究中需要加以改进。