-
自改革开放以来,中国经济发展与社会面貌日新月异,城镇化率从1978年的17.9%经45年发展已提升至2023年的63.8%。然而由城镇化、工业化的快速推进引发的一系列人口膨胀、城镇用地无序扩张、土地利用效率低下、环境污染日益加剧的“城市病”以及农村空心化、老弱化、污损化、非农化的“乡村病”[1]日益突出,中国未来可持续发展面临困境。在此背景下,“三生”理念在国家政策导向下不断发展与更新,倡导“三生”共融理念、科学识别和分析“三生空间”以协调城乡空间布局及改善人居环境,成为建设国家生态文明、优化国土空间开发的重要内容。
中国作为典型的山地国家,山区面积约占全国面积的三分之二,合理开发利用山区土地资源,是优化国土空间布局的重要途径之一[2]。我国西南丘陵地区山地多、平地少、土地资源匮乏、城镇发展增量空间有限,随着城乡建设用地不断扩张,农业和生态空间受到挤压、环境污染严重、生态系统退化[3]等资源环境问题愈来愈不容忽视,相比于平原沃野千里,丘陵地区在发展过程中需要更加关注土地的高效利用。
“三生”空间是土地综合利用的风向标,当前国外学者对于空间功能分区的理论与研究在城市规划方面应用广泛[4-7],且在土地多功能性[8-9]方面的研究内核与“三生”空间理念息息相关。国内学者在“三生”空间识别与分类方面的研究成果较为丰富,主要分为定性分类和定量识别两种主流方法[10],其中土地利用类型归并法将三生空间体系与具体的土地利用类型相衔接,便于后续进行“三生”空间格局的优化。通过结合已有分类方法并进一步叠加地形因子分析,有利于反映丘陵地区在国家发展政策下“三生”空间布局尚存的问题,为区域格局优化提供建议。
-
仁寿县位于四川省眉山市,属都江堰黑龙滩灌区(丘陵灌区),位处北纬29°51′16″,东经104°12′42″。据最新行政规划,全县共辖4个街道、26个镇、2个乡,因国土空间利用与乡镇政策与定位息息相关,为更科学分析其2020年“三生”空间布局状况,仍采用2020年前旧版行政区划,即辖60个乡镇。全县面积2 608 km2;地貌以丘陵为主,地势自西北向东南倾斜;属亚热带湿润季风气候。境内有省内第一座大型引蓄灌溉工程黑龙滩水库,控灌仁寿、井研、简阳三县田土。2020年仁寿全县生产总值457.38亿元,三产结构为20.8:35.5:43.7。近年来,仁寿县城镇建设发展迅速,耕地保护压力加剧、产业转型面临瓶颈、自然生态屏障脆弱等问题频繁出现,“三生”空间的协调与共融是仁寿县可持续发展中亟待解决的问题。
-
以仁寿县2020年landsat8遥感影像及中科院LUCC数据为数据源。基于辐射定标、大气校正等预处理基础,采用ENVI监督分类提取水域、林地、耕地、建设用地及未利用地,分类后结果通过编辑分类图像、合并、结果聚合等工具处理,经真实roi验证Kappa系数为0.92,满足研究精度要求;进一步通过GIS目视解译及地类拆解细化监督分类结果,最终得到仁寿县土地利用数据。
-
参考2017版《土地利用现状分类》和中科院CNLUCC数据分类体系在仁寿县所涵盖的地类,结合丘陵地区土地利用特征,得仁寿县土地利用分类体系,如表1所示。
表 1 仁寿县土地利用分类体系
Table 1. Land use classification system of Renshou County
一级分类 二级分类 面积/km2 用地占比/% 耕地 / 1480.49 56.69 园地 / 56.08 2.15 林地 / 845.97 32.39 水域及水利设施用地 河流渠系 8.80 0.34 坑塘水面 38.11 1.46 水库水面 24.73 0.95 交通运输用地 公路用地 22.44 0.86 城乡、居民用地 城镇用地 70.13 2.69 农村居民点 42.80 1.64 风景名胜及特殊用地 2.94 0.11 未利用地 / 19.23 0.74 -
空间是功能的载体,“三生”空间实质是以土地利用功能为基础,根据地域空间为人类提供的各类产品和服务划分的功能空间[11]。不同的功能分布和使用强度可使土地利用效能表现出“三生”功能的主次高低且具有复合性,基于此对仁寿县各类用地所发挥的“三生”空间功能强度进行评分[1,12]。进而参考城市“三生”空间功能组合模式[13],依据表中各地类的“三生”功能强弱得出相应“三生”空间复合类型,如表2所示。
表 2 仁寿县“三生”空间类型表
Table 2. Types of “production, living and ecological spaces” in Renshou County
一级分类 二级分类 生产功能 生活功能 生态功能 三生空间类型 耕地 / 3 0 1 生产强-生态弱空间 园地 / 3 0 2 生产强-生态中空间 林地 / 1 0 3 生态强-生产弱空间
水域及水利设施用地河流渠系 2 0 3 生态强-生产中空间 坑塘水面 2 0 2 生态中-生产中空间 水库水面 1 0 3 生态强-生产弱空间 交通运输用地 公路用地 3 0 0 生产强空间
城乡居民用地城镇用地 2 3 0 生活强-生产中空间 农村居民点 0 3 0 生活强空间 风景名胜及特殊用地 2 2 2 生产中-生活中-生态中空间 未利用地 / 0 0 3 生态强空间 将所得“三生”空间类型按其主导“三生”功能进行划分,可得到仁寿县“三生”空间功能分类体系(图2)。
-
为进一步分析仁寿县“三生”空间结构布局,研究聚焦县域和乡镇两种尺度:县域层面采用洛伦兹曲线和基尼系数全面反映出仁寿县整体“三生”用地分布均衡状况;乡镇层面采用均衡度、优势度及专门化程度反映局部地区“三生”用地的均衡程度与区域优势,并与地区高程因子叠加分析。具体研究方法阐释如表3所示。
表 3 “三生”空间格局分析方法
Table 3. Pattern analysis methods of "production, living and ecological spaces"
分析方法 方法阐释 计算公式 洛伦兹
曲线[14-15]最初用于研究国民收入的分配平均问题。研究借用此经济学方法,绘制空间洛伦兹曲线,可反映县域整体的“三生”用地分布均衡状况。 $ {Q}_{i}=\dfrac{{S}_{1}/{S}_{2}}{{S}_{3}/{S}_{4}} $ (1) 式中,Qi为某类“三生”空间的区位熵;S1为仁寿县某乡镇中的某类“三生”面积;S2为仁寿县该类“三生”总面积;S3为该乡镇土地面积;S4为仁寿县土地总面积。将区位熵按升序排列,并计算此顺序下的各“三生”地类面积累积百分比、乡镇土地面积累计百分比作为XY轴。 基尼系
数[16-17]以洛伦兹曲线为基础更加精确地反映社会收入分配不平等程度。研究引入基尼系数,作为计算各类“三生”空间在仁寿县分布均匀程度的统计指数。 $ G=1-\displaystyle\sum _{i=1}^{n}\left({A}_{i-1}\times {L}_{i}+{A}_{i}\times {L}_{i}\right) $ (2) 式中,G为某类“三生”空间基尼系数;n为仁寿县乡镇总数;i为整数,1≤i≤n;Li为区位熵第i排序的乡镇土地面积占比;Ai为i排序下的某类“三生”地类面积累积百分比。基尼系数的取值范围在0到1之间,通常基尼系数小于0.2代表分布绝对平均;0.2~0.3分布相对平均,0.3~0.4分布相对合理,0.4~0.5分布差距较大,大于0.5分布差距悬殊。 均衡度优
势度[18-20]用于反映各乡镇“三生”用地结构特征:均衡度值越大,各类“三生”用地的均衡性越强;而优势度越大 ,表示一种或多种地类对于区域“三生”用地的支配程度越强。 $ H=-\displaystyle\sum _{i=1}^{n}{P}_{i}\times \mathrm{log}{P}_{i} $ (3) $ J=\dfrac{H}{{H}_{max}} $ (4) $ I=1-J $ (5) 式中,H为“三生”空间信息熵,Pi为某乡镇某种三生空间面积与该乡镇总面积之比;均衡度(J)为熵与最大熵之比,当各土地类型面积相等时,熵最大,即Hmax=log n。优势度(I)为1与均衡度之差。均衡度和优势度数值范围在0到1之间,可增强数值的可比较性和指标性。 -
基于洛伦兹曲线的图形规律,曲线下凹离绝对平均线越远,分配越不平均。经计算,仁寿县各类“三生”用地洛伦兹曲线如图3所示,可直观得出四条曲线的下凹程度为主生产空间<主生态空间<均衡空间<主生活空间,四类“三生”空间在布局均匀度上存在较为明显的差异,其中主生产空间在仁寿各乡镇分布相最均衡,而主生活空间的分布最不均衡。
图 3 仁寿县“三生”空间洛伦兹曲线
Figure 3. Lorentz curve of “production, living and ecological spaces” in Renshou County
表4为仁寿县“三生”空间基尼系数,可定量分析研究区各“三生”用地类型分布的均衡程度与等级。由表中数据可得,仁寿县“三生”用地分布的均衡程度共存在四个等级,主生产空间(0.12)分布绝对均匀,主生态空间(0.22)分布较为均匀,均衡空间(0.32)分布相对合理,而主生活空间(0.49)在乡镇间的分布差距较大。
表 4 仁寿县2020年“三生”空间基尼系数
Table 4. Gini coefficient of “production, living and ecological spaces” in Renshou County
空间类型 主生产空间 主生活空间 主生态空间 均衡空间 基尼系数 0.12 0.49 0.22 0.32 -
图4为仁寿县“三生”空间均衡度与优势度直方图与分布图。全县均衡度均值为0.57,优势度均值为0.43,其中均衡度最高的五个乡镇为县域西北部的视高(0.86)、文林(0.78)、清水(0.66)、龙正(0.65)和南部的汪洋(0.71),主要位于县重点建设发展区域,地区的政策背景和行政地位决定了该类区域较为重视社会生产生活功能建设,相较于其他区域弥补了主生活空间的不足,因此“三生”均衡度较高。优势度最高的五个乡镇为中农(0.38)、新店(0.42)、里仁(0.45)、青岗(0.45)、谢安(0.47),主要位于县域中部地势较低且平缓、地面水系丰富的区域,其优势均属于农业发达,主生产空间对于地区具有支配地位。
-
区位熵(Q)表示的是某乡镇的某类“三生用地”的比例与该乡镇土地总面积占全县总面积的比例的比值,即洛伦兹曲线的斜率。当Q>1时,则认为该类“三生”空间在该地区的专门化程度较高,具有一定区域优势,Q值越大优势越显著。各类“三生”用地在各乡镇的分布情况如下(图5):
图 5 仁寿县各类“三生”空间区位熵分布图
Figure 5. Locational entropy of “production, living and ecological spaces” in Renshou County
(1)主生产空间:仁寿县为农业生产大县,该类空间在全县分布最为均衡,因此大部分乡镇的Q值大于或接近于1,体现出主生产空间在仁寿县占据整体区域优势,其中中农(1.41)、里仁(1.38)、新店(1.32)Q值最高。经与地形因子叠加后分析,具有主生产空间优势的地区明显集中分布于县域中部地势较低且平缓处,地表水资源丰富,自然地理条件有利于大面积农田分布。
(2)主生活空间:该类空间的Q值存在较大差异。视高(5.89)、文林(4.57)汪洋(2.10)、朱嘉(2.04)总面积仅占全县面积的11%,但分布有全县41%的主生活空间,表明城镇化进程快,主生活空间占据区域优势。乡镇间不同的区域定位与发展政策是主生活空间发展悬殊的主要原因,而与地形因子的直接关联性较弱。
(3)主生态空间:仁寿县林业资源丰富,且该类空间在全县分布较为均衡,有近50%的乡镇Q值大于1。其中识经(1.79)、松峰(1.78)、高家(1.78)、景贤(1.73)专门化优势较为明显。经与地形因子叠加后分析,具有主生态空间优势的乡镇明显集中于地势较高的山区,城镇开发程度低,森林资源广泛分布,与主生产空间区位熵分布呈现出相反趋势。
(4)均衡空间:该类空间在全县分布相对合理,因此各乡镇Q值存在一定差异,有近30%的乡镇Q值大于1。其中始建(2.86)、方加(2.19)、钟祥(2.12)的专门化程度最为突出。经与地形因子叠加后分析,具有均衡空间优势的乡镇主要集中于地势较平坦地带且为县重点发展区域。
Function identification and analysis of “production, living and ecological spaces” in hilly areas: a case study of Renshou County
More Information-
摘要: “三生”空间识别与分析是当下改善人居环境、优化国土空间开发的重要内容,丘陵地区由于自然地理条件限制,建设发展增量空间有限,因此其土地资源的高效利用与“三生”空间协调共融的问题亟需关注。研究基于“三生”空间识别与分析,旨在反映丘陵地区在国家发展政策下区域空间布局尚存的问题,增强土地利用效率。以仁寿县为例,构建“三生”空间功能分类体系,进而采用空间洛伦兹曲线、基尼系数、均衡度及优势度等方法,分析该县2020年“三生”用地分布情况。研究结论表明:仁寿县主生产空间分布绝对平均;主生态空间分布较为平均;均衡空间分布相对合理;而主生活空间在全县各乡镇分布悬殊,且“三生”用地格局与地形因子存在一定相关性,并从各类“三生”用地布局优化角度提出了相应的对策建议。Abstract: The identification and analysis of “production, living and ecological spaces” is an important part of the improvement of human environment and optimization of land space development nowadays. Due to the limitation of physical and geographical conditions, the incremental space for construction and development in hilly areas was limited, so the efficient use of land resources and the coordination and integration of “production, living and ecological spaces” need urgent attention. Based on the spatial identification and analysis of “production, living and ecological spaces”, this paper aimed to reflect the remaining problems of regional spatial layout in hilly areas under the national development policy and enhanced land use efficiency. Taking Renshou County as an example, the spatial functional classification system of “production, living and ecological spaces” was constructed, and then the distribution of land for “production, living and ecological spaces” in the county in 2020 was analyzed by adopting the methods of spatial Lorenz curve, Gini coefficient, degree of equilibrium, and degree of dominance. The conclusion of the study showed that the spatial distribution of main production space in Renshou County was absolutely average, and the distribution of main ecological space was relatively average. The distribution of balanced space was relatively reasonable, while the distribution of main living space in various townships of the county was disparate. There was a certain correlation between “production, living and ecological spaces” land use pattern and topographic factors. Finally, corresponding countermeasures and suggestions were put forward from the perspective of layout optimization of various types of “production, living and ecological spaces”.
-
表 1 仁寿县土地利用分类体系
Tab. 1 Land use classification system of Renshou County
一级分类 二级分类 面积/km2 用地占比/% 耕地 / 1480.49 56.69 园地 / 56.08 2.15 林地 / 845.97 32.39 水域及水利设施用地 河流渠系 8.80 0.34 坑塘水面 38.11 1.46 水库水面 24.73 0.95 交通运输用地 公路用地 22.44 0.86 城乡、居民用地 城镇用地 70.13 2.69 农村居民点 42.80 1.64 风景名胜及特殊用地 2.94 0.11 未利用地 / 19.23 0.74 表 2 仁寿县“三生”空间类型表
Tab. 2 Types of “production, living and ecological spaces” in Renshou County
一级分类 二级分类 生产功能 生活功能 生态功能 三生空间类型 耕地 / 3 0 1 生产强-生态弱空间 园地 / 3 0 2 生产强-生态中空间 林地 / 1 0 3 生态强-生产弱空间
水域及水利设施用地河流渠系 2 0 3 生态强-生产中空间 坑塘水面 2 0 2 生态中-生产中空间 水库水面 1 0 3 生态强-生产弱空间 交通运输用地 公路用地 3 0 0 生产强空间
城乡居民用地城镇用地 2 3 0 生活强-生产中空间 农村居民点 0 3 0 生活强空间 风景名胜及特殊用地 2 2 2 生产中-生活中-生态中空间 未利用地 / 0 0 3 生态强空间 表 3 “三生”空间格局分析方法
Tab. 3 Pattern analysis methods of "production, living and ecological spaces"
分析方法 方法阐释 计算公式 洛伦兹
曲线[14-15]最初用于研究国民收入的分配平均问题。研究借用此经济学方法,绘制空间洛伦兹曲线,可反映县域整体的“三生”用地分布均衡状况。 $ {Q}_{i}=\dfrac{{S}_{1}/{S}_{2}}{{S}_{3}/{S}_{4}} $ (1)式中,Qi为某类“三生”空间的区位熵;S1为仁寿县某乡镇中的某类“三生”面积;S2为仁寿县该类“三生”总面积;S3为该乡镇土地面积;S4为仁寿县土地总面积。将区位熵按升序排列,并计算此顺序下的各“三生”地类面积累积百分比、乡镇土地面积累计百分比作为XY轴。 基尼系
数[16-17]以洛伦兹曲线为基础更加精确地反映社会收入分配不平等程度。研究引入基尼系数,作为计算各类“三生”空间在仁寿县分布均匀程度的统计指数。 $ G=1-\displaystyle\sum _{i=1}^{n}\left({A}_{i-1}\times {L}_{i}+{A}_{i}\times {L}_{i}\right) $ (2)式中,G为某类“三生”空间基尼系数;n为仁寿县乡镇总数;i为整数,1≤i≤n;Li为区位熵第i排序的乡镇土地面积占比;Ai为i排序下的某类“三生”地类面积累积百分比。基尼系数的取值范围在0到1之间,通常基尼系数小于0.2代表分布绝对平均;0.2~0.3分布相对平均,0.3~0.4分布相对合理,0.4~0.5分布差距较大,大于0.5分布差距悬殊。 均衡度优
势度[18-20]用于反映各乡镇“三生”用地结构特征:均衡度值越大,各类“三生”用地的均衡性越强;而优势度越大 ,表示一种或多种地类对于区域“三生”用地的支配程度越强。 $ H=-\displaystyle\sum _{i=1}^{n}{P}_{i}\times \mathrm{log}{P}_{i} $ (3)$ J=\dfrac{H}{{H}_{max}} $ (4)$ I=1-J $ (5)式中,H为“三生”空间信息熵,Pi为某乡镇某种三生空间面积与该乡镇总面积之比;均衡度(J)为熵与最大熵之比,当各土地类型面积相等时,熵最大,即Hmax=log n。优势度(I)为1与均衡度之差。均衡度和优势度数值范围在0到1之间,可增强数值的可比较性和指标性。 表 4 仁寿县2020年“三生”空间基尼系数
Tab. 4 Gini coefficient of “production, living and ecological spaces” in Renshou County
空间类型 主生产空间 主生活空间 主生态空间 均衡空间 基尼系数 0.12 0.49 0.22 0.32 -
[1] 刘继来,刘彦随,李裕瑞. 中国“三生空间”分类评价与时空格局分析[J]. 地理学报,2017, 72(07):1290−1304. [2] 张娜. 岩溶山区“三生”空间冲突与调控研究[D]. 贵州师范大学,2022. [3] 龙花楼,刘永强,李婷婷,等. 生态文明建设视角下土地利用规划与环境保护规划的空间衔接研究[J]. 经济地理,2014, 34(5):1−8. doi: 10.15957/j.cnki.jjdl.2014.05.003 [4] 郝晋伟. 城市总体规划中的空间管制体系研究[D]. 西北大学,2011. [5] Wang J. National spatial strategic plan of England[J]. Journal of Urban Planning and Development, 2016, 142(1): 1−8. [6] Zhou X P, Zhao M. Comparison of territorial spatial plan-ning system between China and Japan and its enlighten-ment[J]. Journal of Service Science and Management, 2017, 10(1): 54−71. doi: 10.4236/jssm.2017.101005 [7] Pahl-Weber E, Henckel D. The planning system and plan-ning terms in Germany: A glossary[M]. Studies in Spa-tial Development 7. Hannover, Germany: Academy forSpatial Research and Planning, 2008. [8] Groot R D, Wilson M A, Boumans R M J. A typology for the classification, description and valuation of ecosystem functions, goods and services[J]. Ecological Economics, 2002, 41(3): 393−408. doi: 10.1016/S0921-8009(02)00089-7 [9] Rodriguez-Gallego L, Achkar M, Conde D. Land suitability assessment in the catchment area of four Southwestern Atlantic coastal lagoons: Multicriteria and optimization modeling[J]. Environmental Management, 2012, 50(01): 140−152. [10] 黄安,许月卿,卢龙辉,等“生产-生活-生态”空间识别与优化研究进展[J]. 地理科学进展,2020,39(3):503-518. [11] 冀正欣,刘超,许月卿等. 基于土地利用功能测度的“三生”空间识别与优化调控[J]. 农业工程学报,2020, 36(18):222−231+315. doi: 10.11975/j.issn.1002-6819.2020.18.027 [12] 贾琦. 快速城镇化地区“三生空间”功能识别及格局演化研究——以河南新郑市为例[J]. 安全与环境学报,2020, 20(04):1588−1595. doi: 10.13637/j.issn.1009-6094.2019.0907 [13] 李广东,方创琳. 城市生态—生产—生活空间功能定量识别与分析[J]. 地理学报,2016, 71(01):49−65. [14] 于莉,宋安安,郑宇等. “三生用地”分类及其空间格局分析——以昌黎县为例[J]. 中国农业资源与区划,2017, 38(02):89−96. [15] 周宇洋,周国富,黄启芬等. 基于洛伦兹曲线和土地利用转型的喀斯特山区“三生”空间分布研究[J]. 水土保持通报,2020, 40(03):297−304+325. doi: 10.13961/j.cnki.stbctb.2020.03.043 [16] 王亚卉,李芹芳,邓瑞丰. 基于县域层面的“三生用地”划分分析——以陕西省略阳县为例[J]. 农业展望,2019, 15(09):29−35. doi: 10.3969/j.issn.1673-3908.2019.09.005 [17] 张建华. 一种简便易用的基尼系数计算方法[J]. 山西农业大学学报(社会科学版),2007(03):275−278+283. doi: 10.3969/j.issn.1671-816X.2007.03.015 [18] 习明,洪兴建. 基尼系数的一种简便计算方法——协方差公式[J]. 统计与决策,2007(21):161−162. doi: 10.3969/j.issn.1002-6487.2007.21.060 [19] 陈彦光,刘继生. 城市土地利用结构和形态的定量描述:从信息熵到分数维[J]. 地理研究,2001(02):146−152. doi: 10.3321/j.issn:1000-0585.2001.02.003 [20] 陈荣蓉,宋光煜,信桂新等. 土地利用结构熵特征与社会经济发展关联分析——以重庆市荣昌县为例[J]. 西南大学学报(自然科学版),2008(07):138−144.