太原市高新開發(fā)區(qū)土地利用優(yōu)化配置研究

劉 勇， 蘇 超， 徐小明

（山西大學黃土高原研究所， 山西 太原 030006）

太原市高新開發(fā)區(qū)土地利用優(yōu)化配置研究

劉 勇， 蘇 超， 徐小明

（山西大學黃土高原研究所， 山西 太原 030006）

研究目的：提出山西省太原市高新區(qū)土地利用優(yōu)化配置建議，探討開發(fā)區(qū)土地資源利用的優(yōu)化配置機制。研究方法：在分析土地利用結構的基礎上，結合太原市高新技術產業(yè)及社會經濟發(fā)展需求和規(guī)劃控制指標，建立線性規(guī)劃模型求解土地利用結構的優(yōu)化值，并借助CA-Markov模型求出2015年高新區(qū)土地資源利用結構的空間優(yōu)化結果。研究結果：太原市高新區(qū)南部地區(qū)的農用地和其他用地主要開發(fā)為工商金融用地和居住用地，綠地、道路用地和林地也有擴大。研究結論：線性規(guī)劃結合CA-Markov模型的方法，能較好地解決土地資源的優(yōu)化配置問題。

土地利用；優(yōu)化配置機制；線性規(guī)劃；CA-Markov模型；開發(fā)區(qū)

1 太原市高新技術產業(yè)開發(fā)區(qū)土地資源配置現(xiàn)狀分析

1.1 研究區(qū)概況

太原高新技術產業(yè)開發(fā)區(qū)（以下簡稱高新區(qū)）位于山西省太原市小店區(qū)，創(chuàng)建于1991年7月，1992年11月被國務院批準成為國家級開發(fā)區(qū)，整個園區(qū)包括新建區(qū)和政策區(qū)兩部分，其中新建區(qū)面積達8 km2[1]。 經過十幾年的建設，太原高新區(qū)已經成為山西省率先發(fā)展的先導區(qū)和發(fā)展高新技術產業(yè)的重要基地。

1.2 高新區(qū)土地利用現(xiàn)狀分析

太原市高新區(qū)根據2010年遙感影像解譯得到的各地類面積見表1，其中最主要的土地利用類型為居住用地、農用地、科技教育用地和工商金融用地。導致現(xiàn)狀的原因是高新區(qū)的南部地區(qū)尚處在開發(fā)過程中。預計隨著開發(fā)強度的提高和進度的加快，農用地面積將逐步減少，科技教育用地、工商金融用地和居住用地將逐步增加。

表1 太原市高新區(qū)土地利用現(xiàn)狀表Tab.1 Land use status of the Taiyuan High Tech Zone

2 太原市高新區(qū)土地利用優(yōu)化配置機制研究

針對太原市高新區(qū)加快開發(fā)進度、優(yōu)化土地利用結構和空間布局等要求，參考國內外有關土地資源優(yōu)化配置方面的主要研究成果[2-7]，利用多目標線性規(guī)劃的方法，對區(qū)內土地利用結構進行優(yōu)化求解，并在此基礎上，借助元胞自動機模型和馬爾可夫土地利用轉移模型，進行土地利用的空間優(yōu)化配置，為高新區(qū)的發(fā)展提供一定的決策支持[8-9]。

2.1 基于線性規(guī)劃的土地利用優(yōu)化配置

2.1.1 變量設置 本文將遙感解譯和實地調查得到的高新區(qū)的各土地利用類型的面積作為線性規(guī)劃的變量，即表1中的9種土地利用類型：x1，x2，x3，x4，x5，x6，x7，x8，x9分別表示工商金融用地、科技教育用地、道路用地、農用地、居住用地、市政用地、林地、綠地和其他用地，利用線性規(guī)劃進行求解。

2.1.2 約束條件 采用靜態(tài)單目標線性規(guī)劃，模型中的約束系數(shù)和常數(shù)采用趨勢預測和回歸預測等多種方法求得以保證規(guī)劃的動態(tài)性[8,10-11]。（1）土地總面積約束。即優(yōu)化后土地面積總和依然為高新區(qū)原面積大小。（2）經濟發(fā)展約束。本次優(yōu)化的目標要提高科技教育用地和工商業(yè)用地的土地產出率，即要求單位面積科技教育用地和工商業(yè)用地的技術收入和工商收入均比2009年高。（3）人口約束。由于《中國火炬統(tǒng)計年鑒》中沒有高新區(qū)內人口總數(shù)的統(tǒng)計，僅有從業(yè)人口數(shù)，一般而言，一個區(qū)域的從業(yè)人口數(shù)與其人口數(shù)有顯著的線性正相關關系，而人口數(shù)與居住面積也有著顯著的相關關系，因此，此處用從業(yè)人口數(shù)來對居住用地面積進行約束。而市政設施與人口也有著直接關系，因此市政設施用地增長率應不小于從業(yè)人口增長率。（4）發(fā)展規(guī)劃約束。本文按優(yōu)化后道路用地規(guī)劃約束道路面積。優(yōu)化后農用地將開發(fā)為城市建成區(qū)，而為了提高土地集約利用度，其他用地也將被陸續(xù)開發(fā)，因此農用地和其他用地面積約束設為0。（5）相關關系約束。林地的增加多為道路兩側的區(qū)域，其面積增加與道路面積增加呈正比，林地增長率應不小于道路用地增長率。（6）實際情況約束。本研究中，除x3、x4和x9已有定值以外，其他地類面積均應不小于現(xiàn)有面積。當本條約束范圍大于前面的約束條件時，在優(yōu)化求解時舍去該條件。（7）生態(tài)環(huán)境約束。綠地面積（包括湖、山、園等的建筑面積）增長率應高于高新區(qū)GDP增長率。

2.1.3 目標函數(shù)的構造 （1）確定各類用地效益的相對權重。應用專家打分法確定效益權重向量Wi（i=1，2，…，9），具體為：Wi=（0.5640，0.2782，w3，0.1170，w5，w6，0.0408，w8，w9），其中，w3道路用地、w5居住用地、w6市政用地、w8綠地和w9其他用地基本不產生經濟效益，不參與評判。

（2）確定各類用地效益系數(shù)K和價值向量Pi。本文選用農用地效益為基準，即以每公頃農用地總產值的發(fā)展預測值來確定常數(shù)K，然后乘以各類用地的相對權重即可得到相應的單位面積上的總產值，即價值向量Pi（i=1，2，…，9）。根據太原市小店區(qū)農作物播種面積和農業(yè)總產值，可得出高新區(qū)農用地的平均產出效益為386174.70元/hm2，即K=386174.70，則P4=0.1170×K=45182.44。相應地其他各類用地的Pi=（217783.36，107451.81，1，45182.44，1，1，15761.60，1，1）?？紤]模型計算的需要，將道路用地、居住用地、市政用地、綠地和其他用地的系數(shù)取值為1，對目標函數(shù)值的影響極小。

（3）由以上步驟可得出目標函數(shù)為：

f（x）=217783.36x1+107451.81x2+x3+45182.44x4+x5+x6+15761.60x7+x8+x9（式1）

2.1.4 模型求解 根據已建立的土地利用結構優(yōu)化模型，在MATLAB（Matrix Laboratory）平臺編程求解，則可求出同時滿足約束條件和目標函數(shù)最大值的土地利用結構（表2）。

表2 太原市高新區(qū)土地利用結構優(yōu)化結果Tab.2 The land use optimized results for the Taiyuan High Tech Zone

由表2可知，面積增加較大的地類主要有工商金融用地和居住用地，其他地類增加的程度均較低。

2.2 土地利用空間優(yōu)化配置

2.2.1 CA-Markov模型

（1）馬爾可夫鏈模型。馬爾可夫鏈分析（Markov Chain Analysis）是分析土地利用變化的一種傳統(tǒng)建模方法，它能描述一個時期到另一個時期的土地利用變化，并以此來預測將來的變化[12-13]。該模型通過創(chuàng)建從t時刻到t+1時刻的土地利用變化轉換概率矩陣來實現(xiàn)，而該矩陣是預測后來時期變化的基礎。

土地利用轉移概率矩陣表達式為：

式2中，n為研究區(qū)土地利用類型的數(shù)目；Pij為土地利用由i類型轉換為j類型的概率，從t時刻到t+1時刻；Ci-j表示研究區(qū)i類型轉換為j類型的面積；LUi表示t時刻第i類土地利用類型的面積[14-15]。

（2）元胞自動機。元胞自動機模型（Cellular Automata，CA）是一種網格動力學模型，它能夠將空間的相互作用和時間的因果關系局部化，將模擬區(qū)域劃分為大小均一的柵格，每個柵格即是一個元胞，所有元胞的時間、空間和狀態(tài)都離散[16]。其顯著特點是能通過一些十分簡單的規(guī)則，模擬出復雜系統(tǒng)的空間格局形成過程。

（3）CA-Markov模型。馬爾可夫鏈分析不涉及空間變量，元胞自動機模型在數(shù)量預測方面有所欠缺。IDRISI軟件的CA-Markov模塊將二者結合在一起，綜合了二者的優(yōu)勢[17-18]。CA-Markov模型優(yōu)化土地利用空間分布的具體步驟為：①土地利用格局轉移概率矩陣的生成。將研究區(qū)土地利用矢量圖轉換成柵格格式，將t時刻和t+1時刻的土地利用/覆被圖通過Crosstab模塊進行疊置分析，得到土地利用類型轉移概率和轉移面積矩陣，或基于統(tǒng)計資料自行構建概率矩陣和轉移面積矩陣。②轉換規(guī)則的建立。對于IDRISI軟件的CAMarkov模塊，CA的轉換規(guī)則是建立土地利用類型的適宜性圖集。首先確定土地利用適宜性評價因子及其權重，然后應用多標準評價模塊（Multi-criteria evaluation， MCE）來建立土地利用適宜性圖集。③濾波器的選擇。元胞自動機的特點是能夠依據前一時期及其鄰近柵格單元的狀態(tài)，以及轉換規(guī)則改變其本身狀態(tài)。使用CA濾波器創(chuàng)建一空間意義明顯的權重因子，使用該權重因子并依據相鄰柵格單元的狀態(tài)，改變該柵格單元的狀態(tài)，更多地考慮了空間關系[19]。本文應用30 m×30 m的柵格進行空間分析并選用5×5的濾波器模型如下：

④確定循環(huán)次數(shù)和起始時刻。確定循環(huán)次數(shù)即確定模擬預測的時間間隔。借助Markov模型進行預測時，每隔一定時期（若研究期初和期末分別為t和t+n，那么所用研究期為n年）為一步。⑤進行預測模擬。

分別制定基礎土地覆被圖像（Basis land cover image）、馬爾可夫轉換面積文件（Markov transition areas file）和轉變適宜性圖像集合（Transition suitability image collection），并設置輸出土地覆被投影（Output land cover projection），制定元胞自動機循環(huán)次數(shù)（Number of cellular automata iterations），即可運行IDRISI軟件的CA-Markov模塊進行模擬。

2.2.2 土地利用轉移矩陣的建立 在預測規(guī)劃期末（2015年），農用地和其他用地轉化為其他地類，而其他地類除了一部分轉為道路用地外，均不發(fā)生變化。農用地主要集中在高新區(qū)南部，其他用地基本與農用地相鄰，其功能特性類似，按照目前二者比例分配給各地類，建立轉移矩陣（表3）。

2.2.3 土地適宜性評價因子的確定 土地適宜性的評價因子有兩種，一種是土地利用影響因子，另一種是由空間自相關原理確定的土地利用格局空間分布距離因子。

（1）土地利用的影響因子。本文參照中華人民共和國《城鎮(zhèn)土地定級規(guī)程》以及國內外相關的研究成果，并根據太原市高新區(qū)發(fā)展的限制因素，選擇的土地利用影響因子見表4。

表3 太原市高新區(qū)土地優(yōu)化轉移矩陣 單位：hm2Tab.3 The land use optimized transition matrix of the Taiyuan High Tech Zone unit: hm2

表4 太原市高新區(qū)土地利用影響因子指標體系Tab.4 The land use impact factor system of the Taiyuan High Tech Zone

以上指標的適宜性標準圖均采用ArcGIS 10.0軟件的Distance工具生成，并通過數(shù)據單調遞增的方法，將各圖件的空間數(shù)據離散到0—1之間，其中1代表距離最遠，0代表距離最近（圖1)。

（2）土地利用分布距離因子。在當前土地利用圖的基礎上，提取單個地類的因子圖，再分別采用ArcGIS 10.0軟件的Distance模塊生成各地類的距離，并離散到0—1之間，便形成地類因子距離標準化圖。1代表距離最遠，0代表距離最近，空間某一位置距離某一地類邊界越近，該地類的適宜性越大（圖2)。該部分因子分別記為C1—C9，分別代表綠地、農用地、科技教育用地、道路用地、工商金融用地、居住用地、林地、其他用地和市政用地的土地利用空間分布距離因子。

2.2.4 土地利用適宜性圖集的制作 依據指標的權重及標準值，通過ArcGIS 10.0的空間分析模塊，執(zhí)行柵格計算工具，得出太原市高新區(qū)土地適宜性圖集。具體步驟為：確定評價因子（表4），確定評價因子的權重，各評價因子加權合并。

各評價因子的權重采用專家打分法并依據以下分析給出權重結果：（1）工商金融用地，需要較為便利的交通條件和基礎設施，對于社會服務等的需求相對較弱。因此需較多考慮該用地方式自身距離和道路用地距離及基礎設施條件因子。（2）科技教育用地，需要一定的基礎設施和社會服務，對于交通的要求較低，但由于本身即有教育的用途，因此應把因子中教育機構指標去掉后進行賦權。在土地利用分布距離因子中，可以僅考慮自身距離。（3）對居住用地而言，較為重要的是基礎設施和社會服務指標。距離因子中需考慮自身、交通用地的距離。（4）道路用地的情況較為特殊，由于區(qū)內已建成和在建的公路網已成形，而且它是其他土地利用類型評價的基礎，因此本次道路用地的優(yōu)化結果直接參考太原市道路規(guī)劃的路網情況，不進行適宜性評價。（5）農用地，由于本區(qū)位于太原市南部新城區(qū)的中心位置，根據南部新城的規(guī)劃，在未來本區(qū)將開發(fā)為城市建成區(qū)，在規(guī)劃期末將不再有農用地的存在，因此，本次評價不考慮該項土地利用類型。（6）市政用地，本研究中的市政用地包括一些公共設施等的用地，對于基礎設施要求較高，而對交通條件和社會服務要求較低。距離因子需考慮自身距離及道路距離。（7）區(qū)內林地多為農田附近的防護林及道路兩側的道路林，面積并不大，其對于基礎設施較不敏感，而由于道路等的設計，對于交通指標較為敏感。距離因子需考慮自身距離及道路距離。（8）綠地則僅對基礎設施中的綠地指標敏感。（9）其他用地一般為城市建設后備用地，優(yōu)化期末將全部開發(fā)，此處不進行適宜性評價。綜上，得出各地類適宜性因子及權重（表5）。

運行IDRISI軟件的MCE模塊，得到各土地利用/覆被類型的適宜性分布圖（圖3)。適宜性范圍為［0，255］，255代表最適宜，0代表最不適宜。農用地和其他用地由于在優(yōu)化期末不存在，因此全部地區(qū)的適宜性均為0。道路用地中，規(guī)劃路網的適宜性為255，其他地區(qū)均為0。

2.2.5 土地利用空間結構優(yōu)化結果 根據以上步驟運行IDRISI軟件的CA-Markov模塊，得到按照線性規(guī)劃優(yōu)化求解后的2015年太原市高新區(qū)土地利用結構空間優(yōu)化圖（圖4，封二）。由圖4可以看出，通過CA-Markov模塊的優(yōu)化配置，高新區(qū)南部地區(qū)主要開發(fā)為工商金融用地和居住用地。值得注意的是，在高新區(qū)西南部分，出現(xiàn)了林地、金融工商用地、市政用地、綠地和居住用地混雜的現(xiàn)象，使得該部分區(qū)域的破碎度較大，這是由于本文分析過程采用的是歐式距離分析，各影響因子和距離因子基本上呈現(xiàn)放射狀遞減，經過多因子的加權疊加后，斑塊較為破碎，因此得到的結果是多地類混雜。在實際建設過程中，可以依據本文結果予以適度調整。結合土地利用現(xiàn)狀圖，可以得到優(yōu)化前后的土地利用變化情況（圖5，封二）。

圖1 太原市高新區(qū)土地利用影響因子適宜性指標標準圖Fig.1 The standard map of suitability index for land use impact factor

圖2 太原市高新區(qū)土地利用分布距離因子適宜性指標標準圖Fig.2 The standard map of suitability index for distance factor of land use distribution

由前文的分析可知，主要的地類轉化發(fā)生在農用地和其他用地轉化為剩余7種地類，所以，優(yōu)化發(fā)生改變的地區(qū)主要集中在現(xiàn)狀農用地和其他用地分布的位置。

3 結論

（1）結合太原市高新區(qū)經濟發(fā)展、土地規(guī)劃等相關制約條件，利用線性規(guī)劃方法，求出了基于經濟發(fā)展目標最大化的高新區(qū)土地利用最優(yōu)化解。結果顯示面積增加程度較大的地類主要有工商金融用地和居住用地，各地類增加的來源為農用地和其他用地。在此基礎上，借助CA-Markov模型，通過IDRISI軟件求解2015年高新區(qū)土地利用空間優(yōu)化結果：高新區(qū)南部地區(qū)主要開發(fā)為工商金融用地和居住用地，道路用地、綠地和林地也在原有范圍內有所擴大。

（2）本文將線性規(guī)劃和CA-Markov模型用于土地資源的優(yōu)化利用方面具有一定的創(chuàng)新性，可用于其他區(qū)域土地資源的優(yōu)化配置；研究提出的土地資源優(yōu)化配置方案可以為太原市高新區(qū)政府提供一定的決策支持，對實現(xiàn)經濟的轉型發(fā)展具有實踐意義。

圖3 太原市高新區(qū)土地利用適宜性圖Fig.3 Land use suitability map of Taiyuan High Tech Zone

表5 太原市高新區(qū)各土地利用適宜性因子及權重Tab.5 The land use suitability factor and the weights of the Taiyuan High Tech Zone

（References）：

［1］ 太原高新區(qū)“十一五”目標任務圓滿完成［CD］ .中國高新技術企業(yè)，2011，z1：24 - 27.

［2］ Campbell, J.C., Radke, J. An application of linear programming and geographic information systems: Cropland allocation in Antigua［J］ . Enviorment and Planning A, 1992，24（4）: 535 - 549.

［3］ Xu, H. Z., Qu, F. T., Guo, Z. X. Dynamic Changes and Optimal Allocation of Arable Land Conversion in Transition of Jiangsu province［J］ . China Population, Resources and Environment, 2007，17（5）：54 - 58.

［4］ Floriane C., Jaime M.A. Afforestation and forestry land in northern Vietnam: Analysing the gap netween policy intentions and outcomes［J］ . Land Use Policy, 2009，26（2）：458 - 470.

［5］ 龍花樓，蒙吉軍.中國開發(fā)區(qū)土地資源優(yōu)化配置研究［M］ .長春：吉林人民出版社，2004：7.

［6］ 譚淑豪.土地資源優(yōu)化配置機制研究［J］ .南京社會科學，2001，z2：97 - 100.

［7］ 陳前虎，宋小冬.公共選擇：城市土地資源配置的第三只手［J］ .規(guī)劃師，2004，20（4）：77 - 79.

［8］ 李秀芝.市域土地利用結構優(yōu)化配置研究——以南通市區(qū)為例［D］ .南京：南京農業(yè)大學，2008.

［9］ 鄭燕鳳.基于GIS的CA-MARKOV模型的土地利用變化研究［D］ .山東：山東農業(yè)大學，2009.

［10］ 鄭新奇.基于GIS的城鎮(zhèn)土地優(yōu)化配置與集約利用評價研究［D］ .鄭州：解放軍信息工程大學，2004.

［11］ 趙濤，鄭新奇，鄧祥征.城市土地利用優(yōu)化配置分析應用——以濟南市為例［J］ .地球信息科學學報，2004，6（2）：53 - 57.

［12］ 汪雪格.吉林西部生態(tài)景觀格局變化與空間優(yōu)化研究［D］ .長春：吉林大學，2008.

［13］ 毛子龍.1890 - 2029年白城市土地利用/覆被變化與土壤碳庫研究［D］ .長春：吉林大學，2010.

［14］ 張瀅，丁建麗.綠洲土地利用變化未來趨勢預測及其調控研究［J］ .干旱區(qū)資源與環(huán)境，2006，20（6）：29 - 35.

［15］ 牛星，歐名豪.基于 MARKOV 理論的揚州市土地利用結構預測［J］ .經濟地理，2007，27（1）：155 - 157.

［16］ 曹雪，羅平，李滿春，等.基于擴展CA模型的土地利用變化時空模擬研究——以深圳市為例［J］ .資源科學，2011，33（1）：127 - 133.

［17］ 黎夏，劉小平.基于案例推理的元胞自動機及大區(qū)域城市演變模擬［J］ .地理學報，2007，62（10）：1097 - 1109.

［18］ 王晨野.生態(tài)環(huán)境信息圖譜——空間分析技術支持下的松嫩平原土地利用變化評價與優(yōu)化研究［D］ .長春：吉林大學，2009.

［19］ 陳龍泉，邱庚香.土地利用變化動態(tài)模型研究［J］ .測繪與空間地理信息，2003，26（2）：19 - 22.

［20］ 科技部火炬高技術產業(yè)中心.中國火炬統(tǒng)計年鑒［M］ .北京：中國統(tǒng)計出版社，2009，2010.

（本文責編：陳美景）

Research on Land Use Optimal Allocation Mechanism for Taiyuan High Tech Zone

LIU Yong, SU Chao, XU Xiao-ming

（Institute of Loess Plateau, Shanxi University, Taiyuan 030006, China）

The purpose of this paper is to explore the land use optimal allocation mechanism for development zones, taking Taiyuan High Tech Zone as an example. Methods of linear programming and CA-Markov model were used to get the optimal allocation of land use. The results showed that agricultural land and other land were mainly exploited for industrial, commercial, and residential land use; meanwhile grass land, forest land and land for roads were also expanded a little in the south part of the Taiyuan High Tech Zone. It was concluded that it was feasible to combine the linear programming and CA-Markov model to calculate the optimal land-use. The optimal allocation mechanism proposed for development zone could provide scientific reference and support for practical decision.

land use; optimal allocation mechanism; linear programming; CA-Markov model; development zone

F301.24

A

1001-8158（2013）10-0016-08

2013-04-25

2013-08-29

國家自然科學基金“基于支持向量機的土地生態(tài)風險評價研究（41271513）”。

劉勇（1970-），男，山西五寨人，副教授。主要研究方向為土地生態(tài)學。E-mail: liuyong@sxu.edu.cn