行政中心迁移背景下通州区土地利用情景模拟研究

李鹏辉 张占录

(中国人民大学 公共管理学院，北京 100872)

行政中心是城市中管理、监督与服务机构的空间聚集。行政中心迁移可以带来资源再配置、聚焦和产业结构转型效应，有利用缓解旧城压力和引导城市空间拓展，是化解大城市病的关键要素。迁移后新的行政中心会对城市空间结构和经济发展产生直接的影响,最终导致土地利用/覆被的变化。随着城市规模不断扩张，北京中心城区普遍出现了人口密度增长、地价上涨、交通拥挤等“大城市病”问题。2019年1月11日，经国务院批准，北京市人民政府机关由东城区搬迁至通州区。根据相关部署，到2035年城市副中心常住人口规模控制在130万人以内，就业人口规模控制在70万～75万人，通州区常住人口规模控制在200万～205万人以内，就业人口规模控制在115万～120万人。以疏解北京非首都功能为目标的北京行政副中心搬迁对通州地区经济发展、居民生活和生态环境等带来巨大变化，从而对通州区土地利用产生巨大的影响。

土地是人类生存发展的核心资源，土地利用/覆被变化是区域人口、资源、环境与发展问题的基本核心，是全球环境变化和可持续发展领域前沿的核心问题。土地利用/覆被时空过程刻画与模拟一直是土地利用/覆被研究的核心科学命题之一，对于指导国土空间规划和土地管理、评估政策对土地利用影响具有重要价值。土地利用/覆被模拟研究主要集中于多情景分析、空间布局与优化以及土地利用模拟应用，研究视角集中于协同发展视角、生态安全视角、农林复合视角、城镇化视角，对行政中心迁移视角下土地利用模拟研究较少。CLUE-S (conversion of land use and its effects at small region extent)模型是一种典型的经验统计分析模型，可以清晰地表现土地利用空间变化的驱动因子，在模拟区域尺度土地利用时空动态变化方面具有优势，广泛应用于土地利用模拟研究，并在京津冀地区的适用性得到了验证。Dyna-CLUE模型是CLUE-S模型的改进版本，增加了邻域处理模块，模拟精度进一步提升。因此，本研究拟以北京市行政中心迁移为背景，基于2009年至2017年通州区土地利用调查和自然、社会经济数据，利用Dyna-CLUE模型分析通州区自然增长、生态保护和政府规划情景下的土地利用变化情况。以期为京津冀区域协调发展、探索人口经济密集地区优化开发模式提供支撑，为区域耕地保护、生态保护和优化城市布局和空间结构提供决策建议，为探索生态文明建设有效路径、促进人口经济资源环境相协调发展提供科学参考。

1 材料与数据来源

1.1 研究区概况

通州区位于北京市东南部，京杭大运河北端。西临朝阳区、大兴区，北与顺义区接壤，东隔潮白河与河北省三河市、大厂回族自治县、香河县相连，南和天津市武清区、河北省廊坊市交界。地处永定河、潮白河冲积洪积平原，地势平坦，大小河流13条(图1)。属大陆性季风气候区，受冬、夏季风影响，形成春季干旱多风、夏季炎热多雨、秋季天高气爽、冬季寒冷干燥的气候特征。

图1 通州区行政区划Fig.1 Administrative division of Tongzhou District

通州区土地总面积为905.81 km，其中建设用地为355.29 km，所占比例最大，为39.22%；其次为耕地，占比36.41%；水域和林地占比分别为9.30%和9.18%。其发展定位为：推进土地有序供应，建设水城共融的生态城市，实现生产生活生态融合发展。

1.2 数据来源及处理

本研究数据主要是通州区2009—2017年9期土地利用图，来源于通州区自然资源局土地利用调查。高程数据来源于美国航天飞机雷达地形测图(SRTM)数据(http:/srtm.csi.cgiar.org)。坡度数据以高程数据为基础，利用ArcGIS坡度工具计算每个栅格坡度。道路数据来源于土地利用数据提取，以道路图为基础，利用ArcGIS距离函数计算每个栅格到最近道路的距离。水域数据来源于土地利用数据提取，以水域图为基础，利用ArcGIS距离函数计算每个栅格到最近水域的距离。农村和城镇数据来源于土地利用数据提取，以农村和城镇图为基础，利用ArcGIS距离函数计算每个栅格到最近农村和城镇的距离。以上数据分辨率均为30 m。

2 研究方法

土地利用变化及其效应(CLUE)模型属于一种动态的、多尺度的土地利用变化空间分布模拟模型。CLUE模型由四个主要的模块组成，即需求模块，人口模块，产量模块和空间分配模块。Dyna-CLUE模型对CLUE模型的驱动因子计算、空间分配等多个环节进行了改进，使之更适应小尺度下的土地利用数据表达方式和精度要求。Dyna-CLUE模型的假设条件为该地区土地需求决定土地利用，并且土地利用的分布受自然因素和社会经济因素影响从而处于动态平衡中。Dyna-CLUE模型由非空间的土地需求模块和空间分配模块组成(图2)。Dyna-CLUE模型的正常运行需要空间政策与限制区域、土地利用类型转移设置、土地需求、空间特征四个条件的支撑。空间限制区域如自然保护区限制转换为其他土地利用类型，政策限制区域如森林因受政策保护禁止转换为其他土地利用类型。土地利用类型转移设置表明各种土地利用类型相互转换的弹性系数。土地需求则根据不同利用情景进行模拟分析。

图2 Dyna-CLUE模型基本结构Fig.2 Basic structure of Dyna-CLUE model

空间特征基于各种土地利用类型在空间上的分布概率。在Dyna-CLUE模型中，用Logistic回归来计算土地利用类型的空间分布与驱动力之间的关系，Logistic回归通过计算事件的发生概率，使用自变量作为预测值，可以解释土地利用类型和其驱动力因素之间的关系。具体表示为栅格内每个单元内每种农业结构类型出现的概率。Logistic回归公式如下：

(1)

式中：

p

为土地利用类型

i

在该栅格中出现的概率；

X

,为土地利用类型转变的驱动因子；

α

为回归方程的回归系数，表示土地利用类型和驱动因子的定量关系。

2.1 土地利用类型设置

根据研究需要，将土地利用类型划分为六大类，分别为耕地、园地(草地)、林地、设施农用地、建设用地和水域。由于通州区草地较少，占比仅为0.11%(2017年)，故将其划分到园地类别(表1)。

表1 土地利用分类标准
Table 1 Land use classification standard

类型Type二级地类Secondary land use type说明Explanation of classification耕地Cultivated land水田、水浇地、旱地种植农作物的土地园地(草地)Garden (grassland)果园、其他园地生长草本植物为主,覆盖度在5%以上的各类草地 林地Forest land有林地、其他林地生长乔木、灌木、竹类、以及沿海红树林地等林业用地设施农用地Facility agricultural land设施农用地直接用于经营性养殖的畜禽舍、工厂化作物栽培或水产养殖的生产设施用地及其相应附属用地,农村宅基地以外的晾晒场等农业设施用地建设用地Construction land铁路用地、公路用地、农村道路、城市、建制镇、村庄、采矿用地、风景名胜及特殊用地城乡居民点及其以外的工矿、交通等用地水域Water area河流水面、坑塘水面、内陆滩涂、沟渠、水工建筑用地天然陆地水域和水利设施用地

2.2 土地利用类型转移设置

转移弹性系数表示土地利用类型转换的难易程度，其为0到1的数值。0代表该农业结构类型极易发生变化，1代表该农业结构类型很难发生改变，0到1代表农业结构类型变化难易程度介于两者之间。其设置依据研究者对土地利用类型变化的认识、本地区或类似地区土地利用类型变化规律、模型调试等。本研究参照京津冀地区CLUE-S模型设置参数并经模型调试后将耕地、园地(草地)、林地、设施农用地、建设用地和水域转移弹性系数分别设置为0.5、0.5、0.6、0.8、0.8和0.7。土地利用类型转移弹性系数设置说明如表2所示。

表2 土地利用类型转移弹性系数
Table 2 Elasticity coefficient of land use type transfer

编码Code土地利用类型Land use type转移弹性系数Elasticity coefficient设置说明Explanation of setting0耕地0.5耕地较易改变,但由于耕地保护政策,系数位于中等水平1园地(草地)0.5草地系数位于中等水平2林地0.6林地系数位于中等偏上水平3设施农用地0.8设施农用地较难改变,系数较高4建设用地0.8建设用地较难改变,系数较高5水域0.7水域较难转换为其他用地,系数较高

土地利用类型转移矩阵(表3)代表各类土地利用类型相互转换的可能性。表3中横向表示未来情景土地利用类型，纵向表示当前土地利用类型。用0和1来表示土地利用类型转换的可能性，其中0代表不能转换，1代表可以转换。考虑到建设用地极难转为其他用地类型，因此将其转换可能性设置为0。其他用地类型存在相互转换的可能性，因此转换可能性设置为1。

表3 土地利用类型转移矩阵
Table 3 Land use type transfer matrix

土地利用类型Land use type耕地Cultivatedland园地(草地)Garden(grassland)林地Forestland设施农用地Facilityagricultural land建设用地Constructionland水域Waterarea耕地Cultivated land111111园地(草地)Garden (grassland)111111林地Forest land111111设施农用地Facility agricultural land111111建设用地Construction land000010水域Water area111111

2.3 驱动因子选取

在对京津冀地区土地/覆被变化驱动因子分析基础上，参照京津冀地区CLUE-S模型驱动因子选取及数据可获取性选取了高程、坡度、距城镇距离、距农村距离、距公路距离、距农村道路距离、距水域距离等7个驱动因素。驱动因子描述性统计见表4。

表4 驱动因子描述性统计
Table 4 Descriptive statistics of driving factors

编码Code驱动因子Driving factor单位Unit最小值Min最大值Max平均值Mean标准差SD0高程m5.0063.0028.8015.411坡度°0.0060.822.742.872距城镇距离m0.005 304.57957.78961.923距农村距离m0.002 460.18214.48259.974距公路距离m0.003 007.19222.23305.115距农村道路距离m0.003 501.79516.65451.856距水域距离m0.003 332.57321.03290.01

2.4 情景设置

本研究共设置了3种情景，分别是自然增长情景、生态保护情景和政府规划情景。自然增长情景假定通州区结构按照2009—2017年变化规律变化，采用线性插值获得各用地类型面积。生态保护情景保证林地和水域等生态用地稳定增长，2035年生态用地面积达到25%。政府规划情景则依据相关北京城市总体规划、通州与北三县协同发展规划进行设置：严格耕地保护，建设用地保持下降趋势，林地面积提升5%(表5)。

表5 通州区土地利用模拟情景说明
Table 5 Description of land use simulation scenario in Tongzhou District

序号Code利用情景Simulation scenario说明Explanation of scenario1自然增长通州区各类土地面积按照2009—2017年变化规律变化2生态保护保证林地和水域等生态用地稳定增长,2035生态用地面积达到25%3政府规划依据北京城市总体规划(2016—2035年)、通州与北三县协同发展规划、北京城市副中心(通州区)国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要等

3 结果与分析

3.1 通州区土地利用结构变化

通州区建设用地和设施农用地呈增长的趋势，耕地、园地(草地)、林地和水域呈减少的趋势(图3)。以变化量来看，建设用地面积增长最为明显，相较于2009年，增长了31.88 km；耕地减少最为明显，减少了22.09 km。以变化率来看，建设用地和设施农用地分别增长了9.86%和12.63%；而园地(草地)减少最为明显，减少了11.26%，其次为水域，减少了6.92%(表6)。

表6 2009年和2017年通州区不同类型土地利用变化
Table 6 Land use change of Tongzhou District in 2009 and 2017

土地利用类型Land use type2009年2017年变化量Variation变化率/%Rate of change耕地Cultivated land351.93329.84-22.09-6.28园地(草地)Garden (grassland)38.2433.93-4.31-11.26林地Forest land84.5883.19-1.39-1.64设施农用地Facility agricultural land17.1819.352.1712.63建设用地Construction land323.41355.2931.889.86水域Water area90.4784.21-6.26-6.92

图3 通州区2009—2017年各土地利用类型结构变化Fig.3 Structure change of land use types from 2009 to 2017 in Tongzhou District

3.2 通州区土地利用模拟

3

.

2

.

1

不同模型验证

1)回归结果验证。利用SPSS对高程、坡度、距城镇距离、距农村距离、距公路距离、距农村道路距离以及距水域距离等7个驱动因子进行Logistic回归，分析各土地利用类型和各个驱动因子之间的关系，结果见表7。该回归结果利用ROC曲线进行检验。当ROC大于0.7时，回归方程对土地利用类型有很好的解释能力。回归结果显示，各类土地利用类型回归检验ROC均大于0.7，表明回归结果可以解释各土地利用类型。

表7 通州区土地利用模拟驱动因子回归结果
Table 7 Driver factors regression results of land use simulation in Tongzhou District

驱动因子Driving factor耕地Cultivatedland园地(草地)Garden(grassland)林地Forestland设施农用地Facilityagricultural land建设用地Constructionland水域Waterarea高程DEM-0.49***2.00***0.60***0.160.290.67***坡度Slope0.62***1.80***0.211.01***-0.87***-0.18距城镇距离Distance from city1.59***-0.72***0.97***0.47***-2.56***0.35***距农村距离Distance from rural areas7.32***1.27***1.95***-1.69***-12.19***3.17***距公路距离Distance from highway-0.66***-1.34***-0.12**0.80***0.75***0.17***距农村道路距离Distance from rural roads-12.23***-10.62***-6.67***-3.61***16.12***-2.14***距水域距离Distance from water area2.93***1.23***-0.73***-2.21***4.11***-19.30***常数Constant0.16-1.44***-0.50***0.12-0.22**0.17

注：***、**、*分别表示1%、5%、10%的水平上显著。
Note: ***, ** and * represent significant differences at the levels of 1%, 5% and 10%, respectively.

驱动因子回归结果显示高程与园地(草地)、林地和水域呈正相关关系，其中对园地(草地)影响较大，回归系数为2.00；与耕地呈负相关关系，回归系数为-0.49。坡度与耕地、园地(草地)和设施农用地呈正相关关系，其中对园地(草地)影响较大，回归系数为1.80；与建设用地呈负相关关系，回归系数为-0.87。距城镇距离与耕地、林地、设施农用地和水域呈正相关关系，其中对耕地影响较大，回归系数为1.59；与园地(草地)和建设用地呈负相关关系，其中对建设用地影响较大，回归系数为-2.56。距农村距离与耕地、园地(草地)、林地和水域呈正相关关系，其中对耕地影响较大，回归系数为7.32；与设施农用地和建设用地呈负相关关系，其中对建设用地影响较大，回归系数为-12.19。距公路距离与设施农用地、建设用地和和水域呈正相关关系，其中对设施农用地影响较大，回归系数为0.80；与耕地、园地(草地)和林地呈负相关关系，其中对园地(草地)影响较大，回归系数为-1.34。距农村道路距离与建设用地呈正相关关系，回归系数为16.12；与耕地、园地(草地)、林地、设施农用地和水域呈负相关关系，其中对耕地影响较大，回归系数为-12.23。距水域距离与耕地、园地(草地)和建设用地呈正相关关系，其中对建设用地影响较大，回归系数为4.11；与林地、设施农用地和水域呈负相关关系，其中对水域用地影响较大，回归系数为-19.30。

2)模拟结果验证。采用Kappa系数对土地利用模拟结果进行验证。将模拟结果与真实结果进行对比，得到Kappa系数。Kappa系数为0到1之间的连续数值，越接近1，说明模拟结果越准确。当0.80

(2)

式中：

p

为正确模拟比例；

p

为随机情况下期望的正确模拟比例；

p

为理想分类情况下的正确模拟比例。

对比2017年通州区土地利用模拟图和真实图(图4)，得到Kappa系数为0.95，处于0.80～1.0说明模拟结果和真实结果比较，几乎一致，可以应用在不同情景下的土地利用模拟。

图4 通州区土地利用模拟图(a)和现状图(b)Fig.4 Land use simulation map (a) and current map (b) of Tongzhou District

3

.

2

.

2

情景模拟

1)自然增长情景。根据模拟结果，自然增长情景土地利用图如图5所示。自然增长情景显示2035年耕地、园地(草地)、林地、设施农用地、建设用地和水域面积占比分别为31%、3%、9%、2%、47%和8%。相较于2017年，2035年耕地、园地(草地)、林地和水域分别减少了15 %、29%、4%和17%，而设施农用地和建设用地分别增长了25%和20%。

从空间上看，2017年至2035年未变化区域占72%，变化区域占28%，变化比例较高的乡镇包括东部的潞城镇和西集镇。土地利用状态转移矩阵显示主要变化特征为耕地、园地(草地)和水域转向建设用地。具体来看：耕地转向建设用地面积为60.79 km，其中通州区东南的漷县镇和北部的宋庄镇分别贡献了25%和14%。园地(草地)转向建设用地面积为3.52 km，主要发生在通州区北部的宋庄镇和东部的西集镇，分别占28%和19%。水域转向建设用地面积为2.51 km，主要发生在通州区东南部的漷县镇和北部的宋庄镇。

2)生态保护情景。生态保护情景旨在保护林地和水域等生态用地。生态保护情景显示2035年耕地、园地(草地)、林地、设施农用地、建设用地和水域面积所占比例分别为36%、3%、13%、1%、37%和10%。相较于2017年，2035年耕地基本保持不变，园地(草地)、设施农用地和建设用地分别减少了30%、46%、5%，而林地和水域分别增长了44%和4%(图5)。

从空间上看，2017年至2035年未变化区域占76%，变化区域占24%，变化比例较高的乡镇集中在东部的潞城镇和西集镇。土地利用状态转移矩阵显示主要变化特征为耕地、园地(草地)和设施农用地转向林地，其中耕地转向林地面积为73.18 km，变化区域集中在通州区东南部的漷县镇和中部的张家湾镇，分别占耕地转向林地总面积的23%和14%；园地(草地)转向林地面积为4.76 km，变化区域集中在通州区东部的西集镇和中部的张家湾镇，分别占27%和19%；设施农用地转向林地面积为6.85 km，主要发生在通州区北部的宋庄镇和中部的张家湾镇。

3)政府规划情景。政府规划情景目标为建设水城共融的生态城市。政府规划情景显示2035年耕地、园地(草地)、林地、设施农用地、建设用地和水域面积所占比例分别为36%、3%、9%、2%、40%和9%。相较于2017年，2035年耕地和建设用地基本保持不变，园地(草地)和设施农用地分别减少了12%和7%，而林地、水域和建设用地分别增长了3%、1%和1%(图5)。

图5 通州区土地利用自然增长(a)、生态保护(b)和政府规划(c)情景模拟图Fig.5 Land use natural growth (a), ecological protection (b) and government planning (c) scenario simulation maps of Tongzhou District

从空间上看，2017年至2035年未变化区域占76%，变化区域占24%，变化比例较高的区域集中在城市副中心地区。土地利用状态转移矩阵显示主要变化特征为为园地(草地)和设施农用地转向林地。其中园地(草地)转向林地面积为3.63 km，主要分布在通州区北部的宋庄镇和东部的西集镇，分别占22%和21%；设施农用地转向林地面积为3.86 km，主要分布在通州区北部宋庄镇和中部张家湾镇，分别占18%和17%。

4)3种情景比较。相较于自然增长情景，生态保护情景加强了林地和水域保护，抑制了建设用地的增长。具体来看，林地面积增长了50%，水域面积增长了25%，建设用地面积减少了21%。相较于自然增长情景，政府规划情景强调了耕地保护，抑制了建设用地的增长。具体来看，耕地面积增长了17%，建设用地面积减少了16%。相较于政府规划情景，生态保护情景加强了林地和水域保护，抑制了建设用地的增长，具体来看林地面积增长了40%，水域面积增长了25%，建设用地面积减少了6%。

从空间上看，相较于自然增长情景，生态保护情景和政府规划情景主要变动乡镇为东南部的漷县镇、北部的宋庄镇。具体来看，生态保护情景林地新增及建设用地减少主要分布在东南部的漷县镇、北部的宋庄镇以及中部张家湾镇；政府规划情景耕地新增及建设用地减少集中在在东南部的漷县镇、北部的宋庄镇以及西部台湖镇。相较于政府规划情景，生态保护情景林地新增及建设用地减少主要分布在东南部的漷县镇、北部的宋庄镇以及中部张家湾镇。

4 讨论与结论

4.1 讨论

本研究在现有京津冀地区土地利用情景模拟研究的基础上，对行政中心迁移背景下通州区自然增长、生态保护和政府规划情景下的土地利用变化情况进行了模拟分析。研究视角上，在京津冀地区土地利用模拟协同发展、生态安全以及生态-经济权衡等视角基础上，本研究基于行政中心迁移视角分析了通州区未来土地利用变化情况，以期为北京城市副中心耕地保护、生态保护和城市布局优化提供支撑。研究内容上，本研究从自然增长、生态保护和政府规划3种情景出发对通州区未来土地利用模式进行了比较分析，从多角度探究了通州区优化开发和保护模式。研究结论上，自然增长情景下耕地转向建设用地、生态保护情景下注重林地增长、政府规划情景下强调耕地保护，这一结论与相关研究保持一致，不同的是本研究基于乡镇维度，细化了通州区不同情景下不同区域的发展路径，为北京城市副中心人口经济资源环境相协调发展提供科学参考。

本研究分析了通州区不同情景下未来土地利用变化情况，但是由于数据来源限制未考虑将基本农田保护区和自然保护区等在Dyna-CLUE模型中设置为政策限制区域，是否需要限制基本农田保护区和自然保护区等转变需要进一步的探讨。

4.2 结论

1)应用Dyna-CLUE模型，对通州区土地利用进行了模拟预测，Kappa系数为0.95，表明Dyna-CLUE模型可以较好模拟通州区土地利用，可以应用与不同情景模拟结果。

2)自然增长、生态保护和政府规划3种情景显示行政中心迁移背景下通州区未发生变化区域大约占75%，表明大约25%的土地利用类型发生了变化，变化比例较高的区域集中在通州区东部和副中心地区。自然增长情景主要变化特征为耕地、园地(草地)和水域转向建设用地，集中在通州区东南的漷县镇和北部宋庄镇。生态保护情景下变化最为明显的是耕地、园地(草地)和设施农用地转向林地，主要发生在通州区东南的漷县镇和中部的张家湾镇。政府规划情景主要变化特征为园地(草地)和设施农用地转向林地，主要分布在通州区北部的宋庄镇、东部的西集镇以及中部的张家湾镇。

3)相较于自然增长情景，行政中心迁移背景下生态保护情景加强了林地和水域保护，抑制了建设用地的增长；政府规划情景强调了耕地保护，抑制了建设用地的增长。相较于政府规划情景，生态保护情景加强了林地和水域保护。从空间上看，区别主要在于东南部的漷县镇以及北部的宋庄镇。

4)多情景模拟显示行政中心迁移会对通州区土地利用带来显著影响，因此未来通州区国土空间规划以及土地管理可以注意以下几点：耕地保护需要关注城市副中心边缘地区和东部乡镇，园地(草地)保护需要聚焦于通州区北部的宋庄镇和东部的西集镇。生态建设中新增林地规划可以重点关注通州区东南的漷县镇、中部的张家湾镇以及北部的宋庄镇，水域规划可以着重于通州区城区周边乡镇以及东南的漷县镇。