林素麗，王楓

（華南農(nóng)業(yè)大學公共管理學院，廣州 510642）

土地是城市存在和發(fā)展的基礎(chǔ)，是城市政治、經(jīng)濟、社會和文化等各項活動的空間載體[1]。隨著城市經(jīng)濟的快速發(fā)展，城市基礎(chǔ)設(shè)施不斷完善，建設(shè)用地呈顯著擴張態(tài)勢，不斷侵占耕地、林地和濕地等城市其他生產(chǎn)生態(tài)用地，造成糧食安全和生態(tài)環(huán)境等問題，在國土空間總體規(guī)劃的大背景下，合理的城市規(guī)劃是破解這些問題的有力手段。借助模型模擬預測城市內(nèi)各類用地的需求總量，探討不同情景下的用地空間格局有助于理解城市土地利用的變化過程和機制，為城市的合理規(guī)劃提供參考依據(jù)。

當前，學術(shù)界主要采用系統(tǒng)動力學（System Dy?namics，SD）[2]、線性規(guī)劃法[3]和馬爾科夫鏈（Markov Chain）[4]等模型對土地利用結(jié)構(gòu)進行模擬預測。SD模型能反映土地利用系統(tǒng)的復雜行為[2]，但部分參數(shù)隨意性大，難以定量且最優(yōu)解難尋[5]；線性規(guī)劃法可以確定土地利用的最優(yōu)結(jié)構(gòu)[6]，但其為靜態(tài)模型，難以有效反映土地利用與其他因子間的相互作用關(guān)系[5]；而馬爾科夫鏈是基于一段時間內(nèi)土地利用類型間的轉(zhuǎn)換概率預測未來土地利用類型需求總量的模型，具有計算效率高和可定量預測的優(yōu)勢[7]。土地利用結(jié)構(gòu)預測是基礎(chǔ)，但實現(xiàn)城市用地的可持續(xù)發(fā)展還需從空間上合理配置資源。元胞自動機（Cellular Automata，CA）模型具有強大的空間運算能力，是模擬復雜空間的有效工具[8]，但已有的CA?Markov、FLUS（Future Land Use Simulation Model）等CA模型對土地利用變化機制的解釋性較差，難以動態(tài)模擬多種土地利用類型的斑塊級別演變[9]，而基于多類斑塊生成策略的PLUS（Patch?generating Land Use Simulation Model）模型能彌補以上不足[9]，目前已被應(yīng)用于不同尺度的土地利用變化模擬[10?15]。

城市土地利用狀況受政策規(guī)劃的影響，交通作為城市發(fā)展的命脈和骨架，其規(guī)劃影響著城市土地的空間布局。已有研究表明，CA 模型在進行城市用地模擬中考慮規(guī)劃交通的影響能模擬出更真實的城市空間格局[16]。以往的城市模擬多關(guān)注城市特定區(qū)域發(fā)展的規(guī)劃限制[16]，如將“三線”區(qū)域[17]、河流水庫和自然保護區(qū)[18]等作為限制條件設(shè)置情景來模擬城市未來用地情況，而較少綜合考慮規(guī)劃政策的驅(qū)動和引導作用[16]，且考慮城市未來的交通規(guī)劃進行情景設(shè)置的研究更少。城市化進程的發(fā)展對城市的交通系統(tǒng)提出了新的要求，交通規(guī)劃正是實現(xiàn)城市階段性發(fā)展目標的重要舉措，規(guī)劃交通系統(tǒng)的發(fā)展能擴大城市的通勤半徑，帶來人口和產(chǎn)業(yè)的聚集，進而影響城市的形態(tài)[19]、空間布局[20]和用地強度[21]。為找準區(qū)域城市化的發(fā)展方向和實現(xiàn)區(qū)域的可持續(xù)發(fā)展，在模擬城市未來用地格局的情景設(shè)置方面有必要考慮交通規(guī)劃這一重要情景，模擬結(jié)果有助于政府宏觀把握交通規(guī)劃帶來的影響及土地資源的基本狀況，進而調(diào)節(jié)資源配置以適應(yīng)經(jīng)濟社會的發(fā)展需要，實現(xiàn)規(guī)劃政策與城市長足發(fā)展的統(tǒng)一。

鑒于交通規(guī)劃是影響未來區(qū)域土地利用空間格局的重要因素，本研究以廣州市為研究區(qū)域，基于2010 年和2020 年兩期土地利用覆蓋數(shù)據(jù)，設(shè)置考慮城市未來交通規(guī)劃的情景，在馬爾科夫鏈預測的各類用地總量的基礎(chǔ)上借助PLUS 模型模擬廣州市2030年自然發(fā)展情景和交通規(guī)劃情景下的土地利用情況，并運用土地利用轉(zhuǎn)移矩陣和景觀指數(shù)分析兩種情景下的土地利用轉(zhuǎn)移特征和景觀格局分布特征，以期為廣州市的發(fā)展規(guī)劃和政策調(diào)整提供參考依據(jù)，促進土地資源的合理配置和高效利用。

1 材料與方法

1.1 研究區(qū)概況

廣州市位于東經(jīng)112°57′～114°03′、北緯22°26′～23°56′之間，為廣東省省會城市，粵港澳大灣區(qū)和泛珠三角洲城市群的核心城市，由11 個區(qū)組成，處于南亞熱帶海洋季風氣候帶，雨熱同期；地形北部主要為中低山地、中部為丘陵和臺地、南部為珠江三角洲沖積平原。廣州市的經(jīng)濟發(fā)展態(tài)勢良好，城鎮(zhèn)化水平較高，2021 年的國民生產(chǎn)總值達28 232 億元，居全國第四位，常住人口1 881.06 萬，城鎮(zhèn)化率高達86.46%。廣州市擁有輻射全國的綜合運輸體系，其公路和鐵路等交通線路四通八達、環(huán)網(wǎng)相連、縱橫交錯，在全國的交通網(wǎng)中有重要的戰(zhàn)略地位。

1.2 數(shù)據(jù)來源與處理

本研究所使用的2010年和2020年的土地利用現(xiàn)狀數(shù)據(jù)為柵格數(shù)據(jù)，來源于30 m全球地表覆蓋Globe?Land 30 數(shù)據(jù)庫（http：//www.globallandcover.com），分辨率為30 m，數(shù)據(jù)總體精度較高。將兩期土地利用數(shù)據(jù)按研究區(qū)范圍進行拼接和掩膜提取后，參考Glo?beLand 30分類系統(tǒng)并結(jié)合廣州市實際的土地利用特征，將其重分類為耕地、林地、草地、灌木地、濕地、水體、人造地表和海域8 類。廣州市行政范圍界線、地鐵、鐵路、高速公路、國道、省道的矢量數(shù)據(jù)來源于水經(jīng)微圖地圖下載器，根據(jù)廣州市實際交通情況進行點位檢驗和微調(diào)整，應(yīng)用ArcGIS 軟件中的歐式距離工具獲取土地利用與地鐵、鐵路等的距離數(shù)據(jù)。市中心、鄉(xiāng)鎮(zhèn)和村莊點位的矢量數(shù)據(jù)來源于BIGEMAP 地圖下載器，通過歐式距離工具進行數(shù)據(jù)處理。數(shù)字高程數(shù)據(jù)（DEM）來源于美國國家航空航天局（NASA），坡度數(shù)據(jù)由DEM 數(shù)據(jù)提取獲得。人口數(shù)據(jù)來源于Worldpop（https：//www.worldpop.org/）。河流水系數(shù)據(jù)來源于Open Street Map（https：//www.openstreetmap.org/）。國內(nèi)生產(chǎn)總值（GDP）、夜間燈光指數(shù)、年平均氣溫、年降水量和歸一化植被指數(shù)（NDVI）數(shù)據(jù)來源于中國科學院資源環(huán)境與數(shù)據(jù)中心（https：//www.res?dc.cn/）。地鐵、高速公路和鐵路的規(guī)劃數(shù)據(jù)來源于廣州市交通運輸局，通過其發(fā)布的《廣州市交通運輸“十四五”規(guī)劃》中的交通規(guī)劃圖與研究區(qū)進行地理配準后數(shù)字化獲得。所有數(shù)據(jù)均在ArcGIS 10.8 中設(shè)置環(huán)境參數(shù)，將數(shù)據(jù)統(tǒng)一為3 726×5 261 的行列數(shù)、30 m×30 m 的空間分辨率及WGS?1984?UTM?Zone?49N 的投影坐標系。

1.3 研究方法

1.3.1 PLUS模型

1.3.1.1 模型介紹及模擬流程

PLUS模型是一個以元胞自動機為基礎(chǔ)構(gòu)建的新模型[13]，相比于其他土地利用模擬模型，其應(yīng)用新的用地擴張分析策略，對土地利用的變化機理具有更好的解釋性，應(yīng)用多類土地利用斑塊變化的機制，可以模擬多種地類的斑塊級別演變[10]。PLUS 模型模擬邏輯如圖1 所示，首先，從兩期土地利用數(shù)據(jù)中獲取土地利用變化中各地類的擴張部分并從中進行采樣，結(jié)合驅(qū)動因子采用隨機森林算法生成各類用地的發(fā)展概率；其次，利用馬爾科夫鏈預測未來土地利用的像元總量作為用地布局的約束條件，在CARS 模塊中設(shè)置未來像元總量、成本矩陣、鄰域權(quán)重和相關(guān)參數(shù)模擬各類用地的空間格局。此外，PLUS 還集成了基于隨機森林的規(guī)劃交通更新機制，可以將交通規(guī)劃的路線、站點等作為驅(qū)動因子，探討交通規(guī)劃對城市發(fā)展的驅(qū)動引導作用，有助于解決已有研究只考慮規(guī)劃的約束作用而無法考慮規(guī)劃的政策驅(qū)動和引導作用的問題[10]。

圖1 PLUS模型的模擬邏輯及土地利用模擬流程Figure 1 Simulation logic of PLUS model and land use simulation process

廣州市的土地利用模擬分為兩部分：①基于2010 年和2020 年的土地利用數(shù)據(jù)和驅(qū)動因子，借助PLUS 模型模擬2020 年的土地利用數(shù)據(jù)，與廣州市真實的2020 年數(shù)據(jù)進行精度和一致性檢驗；②在總體精度和一致性滿足的前提下，以2020 年真實的土地利用數(shù)據(jù)為基準，設(shè)置自然發(fā)展情景和交通規(guī)劃情景，在馬爾科夫鏈生成的2030 年土地利用像元的約束下模擬廣州市2030 年的土地利用分布情況。自然發(fā)展情景（情景Ⅰ）即保持2010—2020 年各類用地的發(fā)展概率模擬2030 年的土地利用分布情況；交通規(guī)劃情景（情景Ⅱ）即加入《廣州市交通運輸“十四五”規(guī)劃》中新擴建的地鐵、鐵路和高速公路3 個驅(qū)動因子，生成新的用地發(fā)展概率后進行模擬。本研究PLUS模型中的鄰域權(quán)重設(shè)置參考王保盛等[22]基于歷史情景的設(shè)置方法，將耕地、林地、草地、灌木地、濕地、水體、人造地表和海域的鄰域權(quán)重分別設(shè)置為0.523 6、0.324 7、0.135 8、0.000 1、0.001 7、0.009 4、1.000 0 和0.008 3，依據(jù)2010—2020 年各類用地的發(fā)展概率設(shè)置調(diào)整成本矩陣。

1.3.1.2 土地利用變化驅(qū)動因子選取

驅(qū)動因子的選擇既要反映區(qū)域的自然地理特征，又要綜合考慮經(jīng)濟社會發(fā)展條件的驅(qū)動作用。結(jié)合廣州市的實際情況、數(shù)據(jù)的可得性及相關(guān)研究中驅(qū)動因子的選擇[7，13]，本研究從自然、經(jīng)濟和社會三方面選取了16個因子，并增加了3個規(guī)劃交通驅(qū)動因子生成新的用地發(fā)展概率，分別進行自然發(fā)展情景和交通規(guī)劃情景的土地利用變化模擬。其中，自然因子包括高程、坡度和NDVI 等（圖2a～圖2f），經(jīng)濟因子選取了夜間燈光指數(shù)、GDP和人口密度（圖2g～圖2i），社會因子包括與市中心及各交通線路的距離等（圖2j～圖2p），3個規(guī)劃交通驅(qū)動因子為鐵路、高速和地鐵的空間數(shù)據(jù)（圖2q～圖2s）。所有驅(qū)動因子均運用ArcGIS 10.8軟件處理為相同的行列數(shù)、空間分辨率及投影坐標系。

圖2 土地利用變化空間驅(qū)動因子Figure 2 Spatial driving factors of land use change

1.3.1.3 精度檢驗

Kappa 系數(shù)能全面揭示景觀空間信息變化，可用于兩幅圖的一致性評價[23]，總體精度為正確分類的像元總和除以總像元數(shù)[24]，F(xiàn)oM 指數(shù)能描述模型模擬的準確性[25]，故模型模擬的精確性采用Kappa 系數(shù)、總體精度和FoM 指數(shù)進行檢驗，可以在PLUS 模型中的Validation 模塊直接進行計算。Kappa系數(shù)、總體精度和FoM 指數(shù)是介于0～1 之間的連續(xù)數(shù)值，當Kappa 值大于0.75、總體精度接近1 時，說明模型模擬的總體精度較高；FoM 值一般較小，可用于識別真實用地格局與模擬結(jié)果之間的區(qū)域變化精度[26]，其值越大說明模擬結(jié)果與真實用地格局的一致性越高。

1.3.2 土地利用轉(zhuǎn)移矩陣

某一時間序列內(nèi)不同土地利用的數(shù)量變化、結(jié)構(gòu)特征和變化方向可以借助土地利用轉(zhuǎn)移矩陣直觀反映，其表達式為：

1.3.3 景觀指數(shù)

為更直觀地反映廣州市各類用地在不同時期和不同情景下的用地格局特征，引入景觀格局指數(shù)對整體景觀格局和斑塊類型特征進行評價。本研究借助Fragstats 4.2軟件，從面積、形狀、聚散度和多樣性4個維度選取12個指標進行分析（表1）。

2 結(jié)果與分析

2.1 模型模擬驗證與精度分析

采用隨機采樣的方法選取了40%的柵格數(shù)據(jù)作為訓練樣本，基于廣州市2010 年的土地利用數(shù)據(jù)（圖3a），借助PLUS 模型模擬2020 年的土地利用情況，由模擬結(jié)果（圖3c）與真實的用地格局（圖3b）對比可知：在廣州市南部，模擬結(jié)果中耕地和人造地表對海域和水體的轉(zhuǎn)換能力相對較低，與實際用地格局略有偏差；在廣州市的其他區(qū)域，模擬結(jié)果中人造地表的分布形態(tài)在空間上偶有集聚，而其余各地類與真實用地格局的空間布局大體一致。將模擬結(jié)果與真實的2020 年數(shù)據(jù)進行精度驗證，得到Kappa 值為0.762，總體精度為0.825，F(xiàn)oM 值為0.345，說明模型一致性良好且精度較高，可應(yīng)用于廣州市2030 年的土地利用模擬。

圖3 廣州市土地利用空間分布及2020年模擬結(jié)果Figure 3 Spatial distribution of land use in Guangzhou and simulation results in 2020

2.2 不同情景的土地利用格局變化特征

通過PLUS 模型自帶的馬爾科夫鏈預測廣州市2030 年各類用地面積。由表2 可知，2020—2030 年，隨著廣州市城市化進程的推進，人造地表取代林地成為廣州市主要的用地類型，2030 年人造地表占總用地面積的35.67%，而林地占比為31.07%，居于第二位；與2020年相比，2030年廣州市除人造地表面積增加了753.16 km2外，其余土地利用類型的面積均不同程度減少，其中耕地、林地、草地和水體分別減少了363.26、282.76、70.15 km2和29.11 km2。鑒于經(jīng)濟較發(fā)達區(qū)域地鐵線路的影響范圍可達2 km，高速公路沿線土地利用變化較為劇烈的區(qū)域為沿線3～8 km處，且距離鐵路越近的區(qū)域土地利用變化幅度越大，本研究對交通線路建3 km 的緩沖區(qū)（圖4）。通過分析緩沖區(qū)內(nèi)的土地利用情況（表2）發(fā)現(xiàn)：交通線路對耕地、林地和人造地表的影響較大，相比于自然發(fā)展情景，交通規(guī)劃情景的人造地表面積增加了22.06 km2，耕地和林地面積分別減少了14.36 km2和12.56 km2，人造地表增加的區(qū)域分布于廣州市中心城區(qū)外圍，以侵占耕地和林地為主，這說明交通線路的發(fā)展在一定程度上會促進人造地表在線路周圍擴張。

圖4 交通線路3 km范圍內(nèi)土地利用類型分布變化Figure 4 Distribution changes of land use types within 3 km of traffic line

表2 廣州市土地利用面積變化Table 2 Area changes of land use in Guangzhou

廣州市自然發(fā)展情景和交通規(guī)劃情景模擬下的用地格局如圖5 所示，從整體上看，兩種情景的土地利用格局相似度較高，均反映了人造地表面積的增加及耕地、林地面積的減少。為分析不同情景下局部用地格局的變化特征，自北向南選取4 個區(qū)域進行放大研究，結(jié)果表明：廣州市北部地區(qū)（區(qū)域1）距離廣州市中心和從化區(qū)中心較遠，地貌類型以山地為主，人口相對較少，人造地表的分布概率較低，該區(qū)域兩種情景下的土地利用空間格局相似且與2020 年基本一致。對比2020 年與2030 年兩種情景的區(qū)域2 和區(qū)域3 可知，2030 年廣州市兩種情景下的人造地表以“外延式”發(fā)展為主；2020—2030 年，自然發(fā)展情景的人造地表在各個區(qū)域的蔓延速度相對一致（情景Ⅰ區(qū)域2、情景Ⅰ區(qū)域3），而交通規(guī)劃情景的人造地表在距離市中心較近的建成區(qū)外圍聚集分布（情景Ⅱ區(qū)域3），在遠離市中心的地區(qū)發(fā)展概率較低（情景Ⅱ區(qū)域2），這可能與規(guī)劃新建的交通線路主要集中于市中心及其外圍有關(guān)；在廣州市南部地區(qū)（區(qū)域4），2020—2030年兩種情景的耕地和水體變化較小，主要呈現(xiàn)出人造地表向海域蔓延的景象。

圖5 廣州市2030年自然發(fā)展情景和交通規(guī)劃情景土地利用格局對比Figure 5 Comparison of land use patterns between natural development scenarios and traffic planning scenarios in Guangzhou in 2030

表1 景觀指數(shù)及其說明Table 1 Landscape index and its description

2.3 不同情景的土地利用轉(zhuǎn)移特征

為更加直觀地表征不同情景下不同地類的轉(zhuǎn)入轉(zhuǎn)出情況，將2020 年的土地利用圖層與自然發(fā)展情景和交通規(guī)劃情景的用地圖層進行疊加，得出廣州市不同情景的地類轉(zhuǎn)移空間情況。由圖6 可知，2020—2030 年，廣州市的土地利用類型變化主要表現(xiàn)為耕地和林地向人造地表的轉(zhuǎn)移。兩種情景下，耕地轉(zhuǎn)入集中在增城區(qū)和從化區(qū)，交通規(guī)劃情景下耕地轉(zhuǎn)入更為集中；林地幾乎無轉(zhuǎn)入，林地轉(zhuǎn)出集中于白云區(qū)、黃埔區(qū)和天河區(qū)的接壤部分，交通規(guī)劃情景下林地在增城區(qū)和從化區(qū)也呈團塊狀集中轉(zhuǎn)出；草地在從化區(qū)北部保持得較好；灌木地、濕地和水體無明顯變化；海域有小部分轉(zhuǎn)出；人造地表的增加主要以侵占耕地和林地為代價，主要集中于廣州市的中部、北部和東部區(qū)域，在交通規(guī)劃情景下以大斑塊集中轉(zhuǎn)入為主。

圖6 2020—2030年廣州市不同情景地類轉(zhuǎn)移空間變化Figure 6 Spatial change of land?type transformation under different scenarios in Guangzhou from 2020 to 2030

2.4 不同情景的景觀格局變化特征

2.4.1 景觀水平變化特征

2020、2030 年自然發(fā)展情景和交通規(guī)劃情景的景觀格局變化如表3 所示，與2020 年的景觀相比，2030年LPI值和CONTAG 值增加，表明自然發(fā)展情景和交通規(guī)劃情景下的景觀斑塊優(yōu)勢度上升明顯，景觀斑塊間連通度有所提高；LSI、NP、PD 和AI 等指標結(jié)果顯示，2030 年兩種情景的景觀形狀更為簡單，整體呈集聚趨勢，破碎化程度降低；SHDI 和SHEI 指數(shù)表明兩種情景下景觀的異質(zhì)性、復雜性和均勻程度較為一致。相對于自然發(fā)展情景，交通規(guī)劃情景的景觀整體上更為集聚，但隨著人造地表大斑塊的增加，其他類型景觀的連通性被打斷，斑塊間的連通性相對較低；LPI 值和LSI 值表明，與自然發(fā)展情景相比，交通規(guī)劃情景由于受人為干擾，景觀中斑塊的優(yōu)勢度更高，且斑塊形狀相對復雜。

表3 廣州市景觀水平上的景觀指數(shù)對比Table 3 Comparison of landscape index at the landscape level in Guangzhou

2.4.2 斑塊類型水平變化特征

斑塊類型水平變化特征如圖7 所示，面積指標表明，研究區(qū)內(nèi)耕地、林地和人造地表是占據(jù)優(yōu)勢的主要景觀，與2020年相比，2030年自然發(fā)展情景和交通規(guī)劃情景下的耕地、林地、草地、水體和海域面積均減少，其中，耕地減少最為劇烈，人造地表面積卻增加；耕地的PLAND 值下降最多，其次為林地和草地，這反映了兩種情景下耕地、林地和草地優(yōu)勢度均下降；研究區(qū)內(nèi)林地和人造地表的LPI 值較高，說明連片林地和連片人造地表分布廣泛；人造地表的PLAND值和LPI 值增加明顯，說明人造地表在景觀中的優(yōu)勢度上升。2030 年的土地利用相對于自然發(fā)展情景，交通規(guī)劃情景的LPI 值相對較高，這表明交通規(guī)劃下，土地利用受人為干擾程度較大，在一定程度上會加劇人造地表對其他地類景觀的侵占，造成人造地表的景觀優(yōu)勢度更高。

圖7 廣州市斑塊類型水平上的景觀指數(shù)對比Figure 7 Comparison of landscape indices at patch type level in Guangzhou

形狀指標（圖7）表明，所有地類在不同年份不同情景下的PAFRAC 值相差不大，均介于1.3～1.6 之間，表明各地類的景觀形態(tài)的復雜性和穩(wěn)定性較一致；耕地、林地和人造地表是景觀中占優(yōu)勢的主導地類，草地、灌木地、濕地和水體鑲嵌于其中，海域景觀僅存在于廣州市最南端的特定區(qū)域；LSI 值表明耕地和草地的景觀形狀指數(shù)高于其他景觀類型，說明耕地和草地的景觀形狀更為復雜；與2020年相比，2030年兩種情景下耕地的LSI 值呈增加趨勢，揭示耕地形狀更為復雜，破碎度增加；草地和灌木地的景觀形狀復雜程度有所減弱；與自然發(fā)展情景相比，交通規(guī)劃情景下除濕地景觀外，其他地類的LSI 值均有所上升，表明交通規(guī)劃情景下各地類景觀的形狀更為復雜。

聚散度指標（圖7）表明，研究區(qū)內(nèi)除草地和灌木地之外，其他景觀的空間聚集指數(shù)AI值均較大，表明廣州市的景觀類型的團聚程度較高。各地類景觀的DIVISION 值變化不大，表明各斑塊的分散程度一致；濕地和海域的NP值最低，斑塊聚集度高；AI值表明交通規(guī)劃情景相對于自然發(fā)展情景各斑塊的破碎程度略高。

3 討論

本研究綜合考慮交通規(guī)劃對城市土地利用空間布局的影響，利用馬爾科夫鏈和PLUS 模型模擬了自然發(fā)展情景和交通規(guī)劃情景下廣州市的用地格局，在模型驗證階段得到Kappa 值為0.762，總體精度為0.825，F(xiàn)oM 值為0.345，比李瑋麒等[17]利用FLUS 模型模擬廣州市的結(jié)果的總體精度略高，這主要歸因于PLUS 模型中多類土地利用斑塊變化的機制，其可以模擬多種地類的斑塊級別演變[10]，使模擬結(jié)果具有良好的一致性和較高的模擬精度。目前PLUS模型在不同尺度的土地利用格局研究和驅(qū)動因素分析中得到應(yīng)用，如在宏觀尺度上，張瀟等[11]、李琛等[12]和胡豐等[13]利用PLUS 模型分別探究了長江三角洲、山地重點開發(fā)區(qū)和渭河流域的土地利用格局，羅芳等[14]運用PLUS 模型分析了四川省宜賓市耕地變化的驅(qū)動因素；在微觀尺度上，喇蕗夢等[15]應(yīng)用PLUS模型進行多情景用地模擬以探討秭歸縣生態(tài)系統(tǒng)服務(wù)動態(tài)權(quán)衡關(guān)系，這均可說明該模型適用于模擬土地復雜的空間演化和挖掘用地誘因。本研究應(yīng)用PLUS模型在宏觀識別2030 年自然發(fā)展情景和交通規(guī)劃情景土地利用格局的基礎(chǔ)上，通過轉(zhuǎn)移矩陣和建立交通線路3 km緩沖區(qū)相對微觀地探析對比兩種情景下的城市土地利用格局及規(guī)律，能更清晰把握交通規(guī)劃對廣州市土地利用空間布局的影響。

城市周邊的農(nóng)田和生態(tài)用地能作為城市組團之間的隔離地帶，發(fā)揮農(nóng)業(yè)、生態(tài)和景觀功能，而交通線路的發(fā)展使得中心城區(qū)外圍的耕地和林地轉(zhuǎn)為人造地表的概率增大，這一定程度威脅到了城市的糧食和生態(tài)安全，需加以規(guī)范和引導。首先，在交通線路周圍應(yīng)落實更嚴格的耕地保護和生態(tài)保護政策，合理劃定“三區(qū)三線”，加大對優(yōu)質(zhì)耕地和重要生態(tài)區(qū)的保護力度；其次，交通線路的選址應(yīng)盡可能地避免對優(yōu)質(zhì)耕地和重要生態(tài)區(qū)的侵占，對于必要占領(lǐng)部分落實占補平衡政策；最后，應(yīng)嚴格實行國土空間用途管制制度，嚴格執(zhí)法監(jiān)察，遏制交通線路周邊違法用地行為的發(fā)生。

本研究模擬過程中由于數(shù)據(jù)的可得性問題，沒有考慮廣州市其他經(jīng)濟政策的驅(qū)動影響，如廣州市南拓強南沙戰(zhàn)略并沒有在研究結(jié)果中明顯體現(xiàn)，也沒有識別基本農(nóng)田保護區(qū)和生態(tài)脆弱區(qū)，進而對土地空間布局模擬進行約束，這在后續(xù)的研究中需進一步改進完善；今后也可將其他模型預測的未來人口和GDP等社會經(jīng)濟變量考慮到模型中，進行更全面的多因素模擬。

4 結(jié)論

在國土空間總體規(guī)劃的大背景下，預測城市未來用地格局，可為城市發(fā)展規(guī)劃的制定和調(diào)整提供數(shù)據(jù)支撐，緩解規(guī)劃政策與實際開發(fā)建設(shè)之間的矛盾，促進土地資源高效利用。本研究基于PLUS 模型，結(jié)合自然、社會和經(jīng)濟三方面的16個空間驅(qū)動因子及3個規(guī)劃交通因子，模擬了廣州市2030 年自然發(fā)展情景和交通規(guī)劃情景的土地利用格局，研究結(jié)論如下：

（1）PLUS 模型適用于廣州市的土地利用變化模擬，模擬結(jié)果精度較高，借助PLUS模型設(shè)置自然發(fā)展情景和交通規(guī)劃情景進行廣州市未來用地格局模擬具有合理性。

（2）2020—2030 年，廣州市的土地利用類型變化主要表現(xiàn)為耕地和林地向人造地表轉(zhuǎn)移，2030 年人造地表取代林地成為廣州市的主要用地類型；3 km范圍內(nèi)交通線路對人造地表的影響較大，該區(qū)域交通規(guī)劃情景的人造地表分布更為集聚，主要以侵占耕地和林地進行發(fā)展，面積比自然發(fā)展情景增加了22.06 km2，這表明交通線路發(fā)展帶動廣州市郊區(qū)向城市用地轉(zhuǎn)變，促進廣州市人造地表向集中型發(fā)展。

（3）2020—2030 年，在廣州市北部和南部地區(qū)，自然發(fā)展情景和交通規(guī)劃情景下各地類間的相互轉(zhuǎn)移強度均較低；除北部和南部之外，用地變化格局主要表現(xiàn)為人造地表以“外延式”向廣州市中心城區(qū)外圍擴張蔓延，自然發(fā)展情景下各區(qū)域的蔓延速度相對一致，交通規(guī)劃情景則于城市建成區(qū)外圍集聚蔓延。

（4）自然發(fā)展情景和交通規(guī)劃情景的土地利用相對于2020年在整體景觀上斑塊的優(yōu)勢度顯著上升，景觀中各斑塊的空間分布均勻度、破碎度和分割度略微降低；斑塊類型水平上，兩種情景的人造地表面積增加，景觀優(yōu)勢度上升，耕地和草地的斑塊形狀更為復雜；相比自然發(fā)展情景，交通規(guī)劃情景下斑塊的優(yōu)勢度更高，斑塊形狀更復雜，具體表現(xiàn)為人造地表優(yōu)勢度明顯上升，耕地和草地的形狀更復雜、破碎度更高。