江蘇省“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局模擬及發(fā)展模式選擇

武藝杰， 孔雪松

(1.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，武漢 430079; 2.浙江大學(xué)公共管理學(xué)院，杭州 310058)

0 引言

土地是國土空間中最重要的組成部分，也是至關(guān)重要的物質(zhì)資源[1]。區(qū)域發(fā)展模式是一定地域歷史背景下,結(jié)合其發(fā)展基礎(chǔ)和本底條件,在內(nèi)外部因素的驅(qū)動下，長期積淀和不斷優(yōu)化而形成的綜合發(fā)展?fàn)顟B(tài)[2]。不同區(qū)域發(fā)展模式下的土地利用導(dǎo)致的土地覆被變化對生物多樣性、生態(tài)環(huán)境承載力和各級生態(tài)系統(tǒng)的生產(chǎn)力都有著深刻的影響[3-4]。快速城鎮(zhèn)化在帶來社會經(jīng)濟(jì)文化等快速發(fā)展的同時(shí)，還造成了諸多生態(tài)環(huán)境問題[5]。因此，研究合理的土地利用格局，因地制宜地選擇區(qū)域發(fā)展模式，是推動區(qū)域可持續(xù)發(fā)展與空間有序協(xié)調(diào)的必然要求[6]，也成為近年來土地利用/覆被變化(land use/cover change，LUCC)研究的熱點(diǎn)[7]。

顧及區(qū)域發(fā)展?fàn)顟B(tài)的變化，綜合考慮自然和社會經(jīng)濟(jì)發(fā)展因素，尋求一個(gè)既能體現(xiàn)區(qū)域發(fā)展視角下的政策安排，又能充分反映空間因素對區(qū)域發(fā)展影響的模型，進(jìn)而對未來的發(fā)展趨勢進(jìn)行多情景模擬，可以為區(qū)域發(fā)展模式的選擇提供決策支持[8]。土地利用演變模型是LUCC研究的一個(gè)重要組成部分[9]，主要包括Markov模型、系統(tǒng)動力學(xué)(system dynamics，SD)模型、元胞自動機(jī)(cellular automaton，CA)模型、小區(qū)域土地利用轉(zhuǎn)換及其效應(yīng)(conversion of land use and its effects at small region extent，CLUE-S)模型等數(shù)量或空間模擬模型[10-12]。本研究采用的CLUE-S模型由非空間分析和空間分析2個(gè)模塊構(gòu)成[13]，綜合考慮了經(jīng)驗(yàn)統(tǒng)計(jì)模型和動態(tài)過程模型[14-17]，且其改進(jìn)的模型[18-20]能與多種模型如Markov模型和SD模型等進(jìn)行優(yōu)勢結(jié)合[21-23]，在指導(dǎo)區(qū)域發(fā)展模式的選擇上具有明顯的優(yōu)勢和較好的應(yīng)用價(jià)值。黨的十九大報(bào)告將優(yōu)化國土空間格局作為生態(tài)文明建設(shè)的首要舉措，參照國土空間規(guī)劃體系對土地利用類型主導(dǎo)功能的劃分，由此構(gòu)成的“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局是落實(shí)區(qū)域可持續(xù)發(fā)展的重要基礎(chǔ)[24]，然而現(xiàn)有研究缺少在省域宏觀尺度上對區(qū)域“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間耦合格局的模擬與優(yōu)化支持[25]。此外，本研究在CLUE-S模型的回歸分析部分，引入一種新的回歸方法結(jié)構(gòu)化平衡抽樣(structured balanced sampling，SBS)-Logistic回歸，通過對比其與Logistic以及Auto-Logistic回歸的優(yōu)劣，為模型參數(shù)的選擇提供一種新的思路。

作為東部沿海地區(qū)和長江經(jīng)濟(jì)帶的交匯地帶，江蘇省地域特色明顯?？焖俚某擎?zhèn)化導(dǎo)致各類建設(shè)用地逐漸取代了原有的耕地、林地、草地等自然生態(tài)景觀[26]，帶來了諸多自然生態(tài)問題[27-28]，如何有效地解決這些問題是江蘇省社會經(jīng)濟(jì)可持續(xù)發(fā)展的關(guān)鍵。因此，本文以江蘇省為例，綜合運(yùn)用Logistic，Auto-Logistic和SBS-Logistic這3種回歸方法，識別江蘇省“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局演化的驅(qū)動力，并結(jié)合對未來年份不同情景下用地需求的合理預(yù)測和限制因素分析，運(yùn)用Markov-CLUES模型對江蘇省“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局進(jìn)行多情景模擬，將為江蘇省實(shí)現(xiàn)因地制宜的區(qū)域發(fā)展模式提供決策支持，有助于推進(jìn)江蘇省形成生態(tài)、農(nóng)業(yè)和建設(shè)用地耦合協(xié)調(diào)發(fā)展的國土空間格局。

1 數(shù)據(jù)源及預(yù)處理

本研究使用的數(shù)據(jù)包括： ①基于1995年、2005年和2018年3期Landsat遙感影像解譯出的30 m×30 m江蘇省土地利用柵格數(shù)據(jù)(土地利用一級類型綜合解譯精度達(dá)到93%以上，二級類型綜合解譯精度達(dá)到90%以上); ②1 km×1 km中國人口密度和國內(nèi)生產(chǎn)總值(gross domestic product，GDP)密度柵格數(shù)據(jù)，來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心； ③基礎(chǔ)地理數(shù)據(jù)來源于江蘇省2018年土地變更調(diào)查數(shù)據(jù)庫和開源地圖(open street map，OSM)數(shù)據(jù)集； ④江蘇省30 m×30 m的數(shù)字高程模型(digital elevation model，DEM)(ASTER GDEM V2)柵格數(shù)據(jù)，來源于地理空間數(shù)據(jù)云平臺； ⑤江蘇省國家級生態(tài)保護(hù)紅線和基本農(nóng)田保護(hù)區(qū)矢量數(shù)據(jù)，由江蘇省國土資源研究中心提供。

數(shù)據(jù)處理步驟為： 首先把所需數(shù)據(jù)導(dǎo)入ArcMap10.5軟件中，轉(zhuǎn)化為統(tǒng)一的投影坐標(biāo)系Krasovsky_1940_Albers； 其次，兼顧柵格信息表達(dá)有效性與模型數(shù)據(jù)量的限制，將江蘇省國家級生態(tài)保護(hù)紅線和基本農(nóng)田保護(hù)區(qū)數(shù)據(jù)、江蘇省鐵路與主要道路數(shù)據(jù)以及30 m×30 m的1995年、2005年和2018年3期土地利用現(xiàn)狀圖轉(zhuǎn)化為150 m×150 m的柵格數(shù)據(jù)； 最后，參照國土空間規(guī)劃體系對土地利用主導(dǎo)功能的劃分，按照表1的分類準(zhǔn)則通過“重分類”功能將江蘇省3期現(xiàn)狀圖的土地利用類型合并為生態(tài)、農(nóng)業(yè)和建設(shè)用地3大類主導(dǎo)功能用地[29]。

表1 主導(dǎo)功能用地分類體系

2 研究方法

2.1 Logistic回歸

Logistic回歸分析是將區(qū)域劃分為若干柵格單元，對一個(gè)因變量和多個(gè)自變量進(jìn)行線性回歸，對某一事件發(fā)生的概率進(jìn)行預(yù)測[30]。本研究中，Logistic回歸分析模型的因變量代表研究區(qū)的土地利用類型，自變量代表導(dǎo)致研究區(qū)土地利用格局演化的驅(qū)動力，公式為：

(1)

式中：Pi為i地類在各柵格單元上可能出現(xiàn)的概率；Xm為第m個(gè)驅(qū)動力；β0i為i地類回歸方程的回歸常數(shù)項(xiàng)；βmi為i地類回歸方程中對應(yīng)第m個(gè)驅(qū)動力的回歸參數(shù)項(xiàng)。

2.2 Auto-Logistic回歸

不同土地利用類型在各柵格單元上可能出現(xiàn)的概率不僅受到所選驅(qū)動力的影響，也受到其自身空間分布規(guī)律的影響。因此，在Logistic回歸的基礎(chǔ)上引入空間自相關(guān)因子Auto-Value構(gòu)建Auto-Logistic回歸模型[31]，即

(2)

式中：X(Auto-Value)i為影響i地類的空間自相關(guān)因子；βAUi為i地類回歸方程中對應(yīng)X(Auto-Value)i的回歸參數(shù)項(xiàng)。

2.3 SBS-Logistic回歸

SBS-Logistic回歸是在Logistic回歸的基礎(chǔ)上，通過設(shè)定最小柵格抽樣間隔和計(jì)算抽樣比例，并在容許范圍內(nèi)使得各種土地利用類型的面積達(dá)到平衡，以此來抽取回歸樣本進(jìn)行回歸分析，從而降低空間自相關(guān)性的影響。SBS-Logistic回歸分析的柵格抽樣公式為：

(3)

式中：k為以柵格像元為單位的最小抽樣間隔；imax為設(shè)置的抽樣比例等級，本研究設(shè)置為5級，即imax=5；i為抽樣比例乘積系數(shù)，取值為： 1,2,3,4,5；r為抽樣比例，%； [·]代表對其中的參量進(jìn)行取整函數(shù)運(yùn)算。

2.4 Markov模型

土地利用變化過程一般都符合Markov過程無后效性的特點(diǎn)，當(dāng)研究區(qū)土地政策平穩(wěn)時(shí)，可以利用Markov模型來對當(dāng)?shù)氐耐恋乩妹娣e進(jìn)行預(yù)測[32]，公式為：

(4)

(5)

式中：Xt與Xt+1分別為前一時(shí)刻與后一時(shí)刻的土地利用需求面積矩陣；Pij為土地利用狀態(tài)由i轉(zhuǎn)移到j(luò)的概率(i,j=1,2,3,…,n)；n為土地利用類型的數(shù)量；Aij為土地利用類型由i轉(zhuǎn)換成j的面積；LUi表示模擬初期i地類的總面積。

2.5 CLUE-S模型

CLUE-S模型是在研究區(qū)土地利用需求始終驅(qū)動其土地利用格局演化，且和該地區(qū)的自然環(huán)境、社會經(jīng)濟(jì)狀況及其土地利用格局處于動態(tài)平衡中這個(gè)假設(shè)條件下，計(jì)算柵格單元上各類土地利用類型出現(xiàn)的綜合概率大小，從而完成對該區(qū)域土地利用格局的模擬[33]。

3 結(jié)果與分析

3.1 2005—2018年江蘇省“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局驗(yàn)證模擬

3.1.1 驅(qū)動力分析

選取高程、坡度、GDP密度、人口密度、到主要城鎮(zhèn)的距離、到農(nóng)村居民點(diǎn)的距離、到河渠的距離、到湖泊和水庫坑塘的距離、到鐵路的距離、到公路的距離、生態(tài)用地的空間自相關(guān)變量、農(nóng)業(yè)用地的空間自相關(guān)變量和建設(shè)用地的空間自相關(guān)變量，共13個(gè)驅(qū)動因子構(gòu)建影響江蘇省土地利用格局演化的驅(qū)動因子體系，進(jìn)而對2005年江蘇省土地利用格局及其驅(qū)動因子進(jìn)行Logistic和Auto-Logistic回歸分析，結(jié)果見表2。

表2 Logistic與Auto-Logistic回歸分析結(jié)果

對比2種回歸方法中生態(tài)用地、農(nóng)業(yè)用地和建設(shè)用地與驅(qū)動因子間的接受者操作特性(receiver operating characteristic，ROC)檢驗(yàn)值，可知Auto-Logistic回歸較Logistic回歸精度在每種土地利用類型上均有明顯提升，分別從0.873，0.692和0.721提升到了0.887，0.773和0.856。

由于CLUE-S模型分析的一般是高于1 km×1 km精度的柵格數(shù)據(jù)[22]，本研究采取的柵格分析基本尺度是150 m×150 m，而在SBS-Logistic回歸抽樣間隔的限制下，其等價(jià)最高精度柵格分析尺度為150(k+1)m，應(yīng)滿足150(k+1)m<1 000 m，求得k的最大值為5。進(jìn)而按式(3)計(jì)算在imax=5的條件下，對應(yīng)每個(gè)抽樣間隔的抽樣比例，依次對2005年江蘇省土地利用格局及驅(qū)動因子體系中非空間自相關(guān)變量的10個(gè)驅(qū)動因子進(jìn)行SBS-Logistic回歸分析，結(jié)果見表3。

表3 SBS-Logistic回歸分析結(jié)果

對比SBS-Logistic和Logistic回歸可知，除生態(tài)用地的回歸精度不變外，農(nóng)業(yè)用地和建設(shè)用地的回歸精度均有明顯提升，分別從0.692和0.721提升到了0.810和0.793。對比SBS-Logistic和Auto-Logistic回歸可知，除農(nóng)業(yè)用地回歸精度SBS-Logistic明顯高于Auto-Logistic回歸外，其他2類用地的回歸精度與ROC值總和均明顯低于Auto-Logistic回歸。綜上，3種回歸方法的精度優(yōu)劣順序?yàn)椋?Auto-Logistic>SBS-Logistic>Logistic，故采用Auto-Logistic回歸分析計(jì)算出的回歸參數(shù)代入CLUE-S模型，進(jìn)行2005—2018年江蘇省土地利用格局的驗(yàn)證模擬。

3.1.2 驗(yàn)證模擬

2005—2018年江蘇省土地利用需求量是通過TerrSet18軟件中的Markov模型預(yù)測的。在江蘇省土地利用格局驅(qū)動力分析和2005—2018年江蘇省土地利用需求量預(yù)測的基礎(chǔ)上，運(yùn)用CLUE-S模型進(jìn)行2005—2018年江蘇省土地利用格局驗(yàn)證模擬，并將預(yù)測2018年的土地利用格局模擬圖和現(xiàn)狀圖進(jìn)行對比(圖1)，運(yùn)用Kappa系數(shù)檢驗(yàn)?zāi)M精度，即

Kappa=(P0-Pc)/(Pp-Pc)，

(6)

式中： 正確模擬柵格總數(shù)為3 731 123個(gè)，占比83.88%，即P0=0.838 8；Pc為隨機(jī)模擬情況下正確的比例，本研究共有3種土地利用類型，故Pc=1/3；Pp為理想情況下完全正確模擬的比例，故Pp=1。計(jì)算得總體Kappa值為0.758，同理計(jì)算生態(tài)、農(nóng)業(yè)和建設(shè)用地模擬精度Kappa值分別為0.757，0.780和0.703。圖域不一致像元分布特征為： 高估了無錫市和蘇州市的城市建設(shè)用地?cái)U(kuò)張速度； 低估了蘇中和蘇北地區(qū)鄉(xiāng)鎮(zhèn)建設(shè)用地的擴(kuò)張速度； 鹽城市和連云港市北部的生態(tài)用地基本保留，未轉(zhuǎn)化為預(yù)測的建設(shè)用地； 以上不一致像元分布較為集中，其余地區(qū)不一致像元呈均勻分布。綜上，模型總體模擬精度較好，故可使用相關(guān)參數(shù)對2018—2030年江蘇省土地利用格局進(jìn)行多情景模擬。

(a) 模擬圖(b) 現(xiàn)狀圖

3.2 2018—2030年江蘇省“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局多情景模擬

基于江蘇省發(fā)展現(xiàn)狀和未來規(guī)劃發(fā)展需求，本研究構(gòu)建了自然增長、生態(tài)保護(hù)、耕地保護(hù)、生態(tài)與耕地雙保護(hù)4種不同的土地利用格局演化情景，通過設(shè)定4種情景下的土地利用需求量和限制區(qū)域等相關(guān)參數(shù)，進(jìn)而模擬4種情景下2030年江蘇省的土地利用格局，多情景模擬結(jié)果見圖2。

(a) 自然增長情景(b) 生態(tài)保護(hù)情景

(c) 耕地保護(hù)情景(d) 生態(tài)與耕地雙保護(hù)情景

3.2.1 情景一： 自然增長情景

自然增長情景下，假定2018—2030年江蘇省土地利用需求量的演化依然按照2005—2018年Markov土地利用需求量的演化趨勢進(jìn)行自然增長，并將江蘇省內(nèi)有重要戰(zhàn)略發(fā)展意義的地類圖斑如人工開辟的重要水利工程和延續(xù)沂河入海的新沂河道等設(shè)置為發(fā)展限制區(qū)域。2018—2030年，江蘇省生態(tài)用地減少了32 807.25 hm2，農(nóng)業(yè)用地減少了422 545.50 hm2，建設(shè)用地增加了455 352.75 hm2。

生態(tài)用地轉(zhuǎn)出方面，114 151.50 hm2的生態(tài)用地轉(zhuǎn)化為農(nóng)業(yè)用地，占比6.74%，主要發(fā)生在徐州市的豐縣、沛縣、賈汪區(qū)、新沂市和邳州市，連云港市的東海縣和南北偏泓流域，宿遷市內(nèi)的淮沐河流域，淮安市南部的盱眙縣和金湖縣，揚(yáng)州市南部的長江支流流域，蘇州市和無錫市內(nèi)的太湖地區(qū)，蘇北灌溉總渠以及長江干流沿江段。111 116.25 hm2的生態(tài)用地轉(zhuǎn)化為建設(shè)用地，占比6.56%，主要發(fā)生在徐州市的主城區(qū)，蘇州市的金雞湖景區(qū)、虎丘濕地公園、西京灣和昆山市，無錫市的惠山國家森林公園、華西村風(fēng)景區(qū)和惠山區(qū)，以及大部分位于長江干流沿江段。

農(nóng)業(yè)用地轉(zhuǎn)出方面，179 658.00 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為生態(tài)用地，占比2.89%，主要發(fā)生在連云港市的西部地區(qū)，洪澤湖南部沿岸地區(qū)，淮安市南部的盱眙縣，高郵湖北部沿岸，鹽城市和南通市的東部沿海地區(qū)，常州市金壇區(qū)的西部地區(qū)和溧陽市。361 827.00 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為建設(shè)用地，占比5.82%，主要發(fā)生在各市縣區(qū)城區(qū)建設(shè)區(qū)域，發(fā)展趨勢為城市建設(shè)用地向內(nèi)填充與向外擴(kuò)張侵占農(nóng)業(yè)用地，其中以蘇南地區(qū)的蘇州市和無錫市建設(shè)用地面積變化最大，其余市縣區(qū)建設(shè)用地面積變化也較明顯。

3.2.2 情景二： 生態(tài)保護(hù)情景

生態(tài)保護(hù)情景基于自然增長情景2018—2030年的土地利用轉(zhuǎn)移矩陣，在江蘇省土地利用總體規(guī)劃的約束條件下，將生態(tài)用地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積減少50%，同時(shí)將江蘇省國家級生態(tài)保護(hù)紅線內(nèi)的劃定區(qū)域(包括國家級和省級重點(diǎn)生態(tài)功能區(qū)以及各類大型水域、濕地公園等禁止開發(fā)區(qū)和自然保護(hù)地)設(shè)定為發(fā)展限制區(qū)域。2018—2030年，生態(tài)用地增加了87 556.50 hm2，農(nóng)業(yè)用地減少了395 563.50 hm2，建設(shè)用地增加了308 007.00 hm2，相比自然增長情景，生態(tài)用地增加了120 363.75 hm2。

72 841.50 hm2的生態(tài)用地轉(zhuǎn)化為農(nóng)業(yè)用地，占比4.30%，主要發(fā)生在徐州市的豐縣、沛縣和邳州市，連云港市的東海縣，淮安市南部的盱眙縣和金湖縣，蘇北灌溉總渠，無錫市南部的太湖沿岸地區(qū)、云湖風(fēng)景區(qū)和宜興國家森林公園，以及長江干流沿江段的少部分地區(qū)。

農(nóng)業(yè)用地轉(zhuǎn)出方面，203 616.00 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為生態(tài)用地，占比3.28%，主要發(fā)生在連云港市的西部地區(qū)，淮安市盱眙縣斗湖和南部地區(qū)，高郵湖北部沿岸，鹽城市和南通市的東部沿海地區(qū)，鎮(zhèn)江市的“饅頭山—南山”連線區(qū)域附近，溧陽市的西部市界沿線，以及長江干流沿江段的少部分地區(qū)。264 789.00 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為建設(shè)用地，占比4.26%，主要發(fā)生在各市縣區(qū)城區(qū)建設(shè)區(qū)域，其中以蘇南地區(qū)的南京市、蘇州市和無錫市以及蘇北地區(qū)的連云港市和徐州市面積變化最大。

3.2.3 情景三： 耕地保護(hù)情景

耕地保護(hù)情景基于自然增長情景2018—2030年的土地利用轉(zhuǎn)移矩陣，在江蘇省土地利用總體規(guī)劃的約束條件下，將農(nóng)業(yè)用地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積減少30%，同時(shí)將江蘇省基本農(nóng)田保護(hù)區(qū)設(shè)定為發(fā)展限制區(qū)域。2018—2030年，生態(tài)用地增加了37 298.25 hm2，農(nóng)業(yè)用地減少了118 525.50 hm2，建設(shè)用地增加了81 227.25 hm2，相比自然增長情景，農(nóng)業(yè)用地增加了304 020.00 hm2。

71 363.25 hm2的生態(tài)用地轉(zhuǎn)化為農(nóng)業(yè)用地，占比4.22%，主要發(fā)生在徐州市的邳州市，連云港市內(nèi)的南北偏泓流域，淮安市內(nèi)的淮沐河流域，以及長江干流沿江段的少部分地區(qū)。

農(nóng)業(yè)用地轉(zhuǎn)出方面，113 116.50 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為生態(tài)用地，占比1.82%，主要發(fā)生在連云港市的西南部地區(qū)，淮安市南部的盱眙縣，高郵湖北部沿岸，鹽城市和南通市的東部沿海地區(qū)，溧陽市和宜興市的南部地區(qū)，常州市金壇區(qū)西部地區(qū)，以及長江干流沿江段的少部分地區(qū)。90 801.00 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為建設(shè)用地，占比1.46%，主要發(fā)生在各城市的主城區(qū)建設(shè)用地區(qū)域，其中以無錫市、蘇州市、南京市、連云港市、徐州市和南通市的建設(shè)用地面積變化相對較大，其他市縣區(qū)農(nóng)業(yè)用地向建設(shè)用地的轉(zhuǎn)變面積較小。

3.2.4 情景四： 生態(tài)與耕地雙保護(hù)情景

生態(tài)與耕地雙保護(hù)情景下基于自然增長情景2018—2030年的土地利用轉(zhuǎn)移矩陣，在江蘇省土地利用總體規(guī)劃的約束條件下，將生態(tài)用地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積減少50%、農(nóng)業(yè)用地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積減少30%，同時(shí)將江蘇省國家級生態(tài)保護(hù)紅線內(nèi)的劃定區(qū)域及江蘇省基本農(nóng)田保護(hù)區(qū)設(shè)定為發(fā)展限制區(qū)域。2018—2030年，生態(tài)用地增加了101 081.25 hm2，農(nóng)業(yè)用地減少了206 835.75 hm2，建設(shè)用地增加了105 754.50 hm2，相比自然增長情景，生態(tài)用地增加了133 888.50 hm2，農(nóng)業(yè)用地增加了215 709.75 hm2，建設(shè)用地增量減少了349 598.25 hm2。

51 522.75 hm2的生態(tài)用地轉(zhuǎn)化為農(nóng)業(yè)用地，占比3.04%，主要發(fā)生在徐州市的邳州市，連云港市的東海縣和南偏泓流域，淮安市的金湖縣，蘇北灌溉總渠，常州市金壇區(qū)的錢資蕩，鎮(zhèn)江市內(nèi)的夾江支流，以及長江干流沿江段的少部分地區(qū)。

農(nóng)業(yè)用地轉(zhuǎn)出方面，154 998.00 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為生態(tài)用地，占比2.49%，主要發(fā)生在連云港市的西部地區(qū)，洪澤湖在宿遷市泗洪縣境內(nèi)部分的沿岸地區(qū)，淮安市盱眙縣的西南部地區(qū)，高郵湖北部沿岸，鹽城市射陽縣、大豐區(qū)和經(jīng)濟(jì)開發(fā)區(qū)的部分地區(qū)，南通市的如東縣，海門市和啟東市的北部區(qū)域，以及長江干流沿江段的少部分地區(qū)。128 373.75 hm2的農(nóng)業(yè)用地轉(zhuǎn)化為建設(shè)用地，占比2.07%，主要發(fā)生在江蘇省主要城市的主城區(qū)建設(shè)用地區(qū)域，其中以無錫市、蘇州市、南京市、連云港市和徐州市的建設(shè)用地面積變化相對較大，其他市縣區(qū)農(nóng)業(yè)用地向建設(shè)用地的轉(zhuǎn)變面積較小。

3.2.5 不同情景模擬結(jié)果比較

為思考未來江蘇省各地區(qū)的區(qū)域發(fā)展模式，研究進(jìn)行了4種情景下江蘇省2030年的土地利用格局預(yù)測，不同情景下3種用地類型的面積見表4，面積轉(zhuǎn)移情況見圖3。

圖3 4種情景下3類用地之間的面積轉(zhuǎn)移

自然增長情景下，建設(shè)用地增加導(dǎo)致生態(tài)用地與農(nóng)業(yè)用地大量減少。建設(shè)用地增加主要發(fā)生在江蘇省各市縣區(qū)城區(qū)建設(shè)區(qū)域，其中以蘇南地區(qū)的蘇州市和無錫市面積變化最大，其余市縣區(qū)面積變化也比較明顯。自然增長情景保障了全省范圍內(nèi)建設(shè)用地的充分布局，重點(diǎn)保障了“三圈”(即南京都市圈、徐州都市圈和蘇錫常都市圈)、“四沿”地區(qū)(即沿江基礎(chǔ)產(chǎn)業(yè)帶、沿滬寧線高新技術(shù)產(chǎn)業(yè)帶、沿東隴海線產(chǎn)業(yè)帶和沿海經(jīng)濟(jì)帶)建設(shè)用地的合理分配，同時(shí)蘇北地區(qū)各縣鄉(xiāng)均積極規(guī)劃村莊布局，推進(jìn)合村并居，采用多種建設(shè)模式積極進(jìn)行農(nóng)村居民點(diǎn)改造，合理布局了基礎(chǔ)設(shè)施建設(shè)用地和旅游設(shè)施用地，探索出了成熟的農(nóng)民集中居住區(qū)建設(shè)發(fā)展方案，鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)得以快速發(fā)展[34-35]。但同時(shí)生態(tài)用地大量減少導(dǎo)致生態(tài)環(huán)境遭到破壞，部分河流出現(xiàn)縮窄現(xiàn)象； 農(nóng)業(yè)用地大量減少導(dǎo)致糧食安全受到威脅。自然增長情景下江蘇省全域市縣區(qū)雖然城鎮(zhèn)化進(jìn)程較快，但是發(fā)展的可持續(xù)性較弱。

生態(tài)保護(hù)情景下，生態(tài)用地面積較自然增長情景增加7.25%，建設(shè)用地面積減少5.80%，生態(tài)用地受到保護(hù)幾乎不轉(zhuǎn)化為建設(shè)用地，面積出現(xiàn)正增長。生態(tài)保護(hù)情景下有利于江蘇省大力加強(qiáng)生態(tài)文明建設(shè)，加強(qiáng)廢棄土地轉(zhuǎn)化為生態(tài)用地，2007年太湖藍(lán)藻事件后以蘇州市、無錫市為代表的沿江沿湖高強(qiáng)度開發(fā)城市均大力開展河渠及環(huán)湖地區(qū)土地生態(tài)環(huán)境整治，解決了自然增長情景下部分河流縮窄以及湖泊面積減少的問題，流域環(huán)境得到明顯改善，但是農(nóng)業(yè)用地的大量減少仍將會威脅區(qū)域糧食安全。生態(tài)保護(hù)情景下江蘇省全域市縣區(qū)具有一定的發(fā)展可持續(xù)性。

耕地保護(hù)情景下，農(nóng)業(yè)用地面積較自然增長情景增加5.25%，建設(shè)用地面積減少14.72%，農(nóng)業(yè)用地轉(zhuǎn)化量大大減少，存量增加，優(yōu)化了耕地的空間布局，穩(wěn)定了耕地?cái)?shù)量和質(zhì)量。耕地保護(hù)情景適度增加了蘇北和蘇中地區(qū)的耕地保護(hù)面積，蘇南地區(qū)的耕地減少量也得到了控制，重點(diǎn)保護(hù)里下河平原、黃淮平原、江淮平原和太湖平原等糧食主產(chǎn)區(qū)的優(yōu)質(zhì)耕地，穩(wěn)定了糧食安全； 同時(shí)生態(tài)用地面積有所增加，較自然增長情景增加4.22%，在一定程度上緩解了省內(nèi)部分河流縮窄以及湖泊面積減少的問題。耕地保護(hù)情景下江蘇省全域市縣區(qū)具有一定的發(fā)展可持續(xù)性。

生態(tài)與耕地雙保護(hù)情景下，生態(tài)用地面積較自然增長情景增加8.07%，農(nóng)業(yè)用地面積增加3.72%，建設(shè)用地面積減少13.76%，生態(tài)用地面積出現(xiàn)顯著正增長的同時(shí)，農(nóng)業(yè)用地也得到了充分的保護(hù)，建設(shè)用地的無序擴(kuò)張受到了明顯限制。除蘇州市、南京市等一些大城市的主城區(qū)建設(shè)用地面積明顯增加外，大多數(shù)縣區(qū)建設(shè)用地面積增量不明顯，江蘇省經(jīng)濟(jì)發(fā)展速度相對放緩，居民的糧食安全得到保障，生態(tài)福利提升，經(jīng)濟(jì)福利下降。生態(tài)與耕地雙保護(hù)情景下江蘇省全域市縣區(qū)可持續(xù)發(fā)展性較強(qiáng)，但經(jīng)濟(jì)發(fā)展速度相對較慢。

4 討論

江蘇省在經(jīng)歷快速城鎮(zhèn)化的同時(shí)，也出現(xiàn)了一系列生態(tài)環(huán)境問題。新時(shí)代的國土空間規(guī)劃要求江蘇省按照建設(shè)生態(tài)環(huán)境友好型社會的要求，加快轉(zhuǎn)變土地利用模式，優(yōu)先保護(hù)生態(tài)環(huán)境空間，加強(qiáng)生態(tài)環(huán)境良好的宜居城鄉(xiāng)環(huán)境建設(shè)。針對不同的主體用地功能區(qū)和環(huán)境功能定位，制定差別化用地調(diào)控政策。太湖與淮河流域、長江濕地保護(hù)區(qū)域和沿海區(qū)域所屬縣區(qū)宜采取生態(tài)保護(hù)情景發(fā)展模式，建立生態(tài)用地保護(hù)區(qū)，按照生態(tài)保護(hù)重點(diǎn)區(qū)域的保護(hù)要求，加強(qiáng)管轄區(qū)內(nèi)重點(diǎn)工程的生態(tài)文明建設(shè)，保障生態(tài)安全。

耕地等主要農(nóng)業(yè)用地的減少嚴(yán)重威脅著江蘇省的糧食安全。以鹽城市、徐州市、淮安市、南通市和宿遷市為代表的蘇北、蘇中平原和濱海地區(qū)，是江蘇省耕地面積及占比最大的地區(qū)，宜采取耕地保護(hù)情景發(fā)展模式，按照最嚴(yán)格的耕地保護(hù)制度的要求，從保證糧食安全、經(jīng)濟(jì)安全、生態(tài)安全和社會穩(wěn)定出發(fā)，以穩(wěn)定提高糧食綜合生產(chǎn)能力、實(shí)現(xiàn)糧食自給為核心，優(yōu)化耕地的空間布局，確保耕地保有量尤其是基本農(nóng)田保有量不減少、用途不改變、質(zhì)量有提高，提高糧食生產(chǎn)能力，確保經(jīng)濟(jì)社會長治久安。

城鎮(zhèn)化的快速發(fā)展導(dǎo)致建設(shè)用地大量擴(kuò)張，江蘇省多地市縣區(qū)存在“攤大餅”式的粗放發(fā)展現(xiàn)象。蘇南地區(qū)已經(jīng)成為城鎮(zhèn)與工業(yè)密集區(qū)，城鎮(zhèn)工礦用地比重大，宜采取生態(tài)與耕地雙保護(hù)情景發(fā)展模式，在嚴(yán)格控制建設(shè)用地總量和新增建設(shè)用地規(guī)模的前提下，按照各類各行業(yè)用地準(zhǔn)入標(biāo)準(zhǔn)，合理配置各類各業(yè)建設(shè)用地，鼓勵建設(shè)用地的內(nèi)涵挖潛，部分地區(qū)實(shí)施存量規(guī)劃甚至減量規(guī)劃，充分利用閑置和低效建設(shè)用地，切實(shí)提高用地效率。建立高標(biāo)準(zhǔn)土地利用節(jié)約集約利用評價(jià)指標(biāo)體系，完善企業(yè)、園區(qū)、區(qū)域等多層次土地集約利用激勵約束機(jī)制，促進(jìn)經(jīng)濟(jì)快速增長與質(zhì)量提升間的良性互動。與此同時(shí)，蘇中地區(qū)的揚(yáng)州市和泰州市現(xiàn)仍以傳統(tǒng)的農(nóng)業(yè)產(chǎn)業(yè)為主，由于沿江開發(fā)戰(zhàn)略的進(jìn)一步實(shí)施，可采取自然增長情景發(fā)展模式，適當(dāng)引入新興產(chǎn)業(yè)以及承接蘇南地區(qū)產(chǎn)業(yè)轉(zhuǎn)移，未來將形成農(nóng)業(yè)用地和建設(shè)用地并重之勢。

5 結(jié)論

本研究以江蘇省為例，運(yùn)用Markov-CLUES模型模擬了4種情景下江蘇省2030年的“生態(tài)-農(nóng)業(yè)-建設(shè)”用地空間格局。主要結(jié)論如下：

1)Markov-CLUES模型對江蘇省土地利用格局演化具有良好的模擬能力和應(yīng)用價(jià)值，將為江蘇省實(shí)現(xiàn)因地制宜的區(qū)域發(fā)展模式提供決策支持，有助于推進(jìn)江蘇省形成生態(tài)、農(nóng)業(yè)和建設(shè)用地耦合協(xié)調(diào)發(fā)展的國土空間格局。

2)研究采用的3種回歸方法精度優(yōu)劣順序?yàn)椋?Auto-Logistic>SBS-Logistic>Logistic，Auto-Logistic回歸下3種土地利用類型的ROC值均大于0.75，回歸精度較好； 運(yùn)用Markov-CLUES模型對2005—2018年江蘇省土地利用格局進(jìn)行驗(yàn)證模擬，精度評定Kappa值為0.758，模擬精度較好。

3)自然增長情景保障了“三圈”“四沿”地區(qū)的快速發(fā)展，但是部分河流出現(xiàn)縮窄現(xiàn)象，糧食安全受到威脅，發(fā)展可持續(xù)性差； 生態(tài)保護(hù)情景通過大力開展河渠及環(huán)湖地區(qū)土地生態(tài)環(huán)境整治，解決了部分河流縮窄以及湖泊面積減少的問題，有效改善了江蘇省的流域環(huán)境； 耕地保護(hù)情景適度增加了蘇北和蘇中地區(qū)的耕地保護(hù)面積，蘇南地區(qū)的耕地減少量也得到了控制，重點(diǎn)保護(hù)里下河平原、黃淮平原、江淮平原和太湖平原等糧食主產(chǎn)區(qū)的優(yōu)質(zhì)耕地，保障了糧食安全； 生態(tài)與耕地雙保護(hù)情景下，江蘇省發(fā)展可持續(xù)性較強(qiáng)，建設(shè)用地的無序擴(kuò)張受到了明顯限制，但短期內(nèi)建設(shè)用地供需矛盾較為突出，將阻礙新興產(chǎn)業(yè)和城鎮(zhèn)化的縱深發(fā)展。

4)太湖與淮河流域、長江濕地保護(hù)區(qū)域和沿海區(qū)域所屬縣區(qū)宜采取生態(tài)保護(hù)情景發(fā)展模式； 蘇北、蘇中平原宜采取耕地保護(hù)情景發(fā)展模式； 蘇南地區(qū)宜采取生態(tài)與耕地雙保護(hù)情景發(fā)展模式； 蘇中地區(qū)的揚(yáng)州市和泰州市由于沿江開發(fā)戰(zhàn)略的進(jìn)一步實(shí)施，可采取自然增長情景發(fā)展模式?？沙掷m(xù)的城市發(fā)展理念要求江蘇省既要“金山銀山”，也要“綠水青山”，在未來的發(fā)展中，應(yīng)結(jié)合自身現(xiàn)狀，分析區(qū)域土地利用的問題，因地制宜地選擇最適合且可持續(xù)的生態(tài)、農(nóng)業(yè)和建設(shè)用地耦合區(qū)域發(fā)展模式。