EN中文

Economic geography >

2020 , Vol. 40 >Issue 3: 92 - 101

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.03.011

Delimitation of the Growth Boundary of Oasis Towns Based on Habitat Quality: A Case Study of the Middle Reaches of Heihe River

  • LI Qianguo ,
  • WANG Lucang , ※ ,
  • SHI Peiji ,
  • YAN Cuixia ,
  • LIU Haiyang
Expand
  • College of Geographic and Environmental Sciences，Northwest Normal University，Lanzhou 730070，Gansu，China

Received date: 2019-05-15

  Revised date: 2019-12-11

  Online published: 2025-04-11

Fold

Abstract

Oasis towns are the areas where human activities are the most concentrated and the relationship between man and land is the most sensitive,and it is also the area where the contradiction of "Production,Living and Ecological Space" is the most serious. The delimitation of urban growth boundary is a technical means and policy tool to control the disorderly spread of cities and guide the orderly development of urban space. and it is an important part of the national and local spatial governance system. This paper takes oasis towns in the middle reaches of Heihe River as the research object,and puts forward a method for delineating the growth boundary of oasis towns based on habitat quality: Firstly,the quality of oasis habitat is evaluated based on InVEST model;Secondly,the evaluation results of oasis ecological suitability are embedded in SLEUTH model to simulate urban growth boundary;Finally,take the urban construction land area assigned by the overall planning for land use as the control scale,the simulated boundary is revised by using the results of habitat quality assessment,and the urban growth boundary is finally delineated. The results show that: The total area within the urban growth boundary is 104.67 km2,and the remaining constructable land area is 22.14 km2,which is dominated by low-grade habitat quality,accounting for 66.98% of the newly added urban land within the boundary. The urban growth space in oasis plain area and piedmont alluvial sector is small, and the proportion of remaining constructable land is 9.96% and 24.57%, respectively;The urban industrial parks in the oasis fringe have some growth space,the proportion of remaining constructable land is 52.53%. The urban industrial parks in the oasis fringe have great potential for spatial growth,and the proportion of remaining constructable land is 52.53%. This method can effectively solve the contradiction between urban development and ecological environment. It has an important reference for the delimitation of urban growth boundary in oasis towns.

Key words： urban growth boundary; habitat quality; InVEST model; SLEUTH model; middle reaches of the Heihe River

Cite this article

LI Qianguo , WANG Lucang , SHI Peiji , YAN Cuixia , LIU Haiyang . Delimitation of the Growth Boundary of Oasis Towns Based on Habitat Quality: A Case Study of the Middle Reaches of Heihe River[J]. Economic geography, 2020 , 40(3) : 92 -101 . DOI: 10.15957/j.cnki.jjdl.2020.03.011

改革开放以来，中国社会经济进入了快速发展阶段，城镇人口数量急速增加，城镇用地规模不断扩大，城镇化水平得到了显著提升，从1978年17.9%增加至2015年的56.1%，预计到2020年将会达到60%[1]。然而，受制于各类规划内容的差异性、管控效力的欠缺性，城镇用地发生冒进式的无序蔓延态势，导致城镇周边大量耕地流失，具有重要生态功能的林地、草地被占用，其引发的粮食安全、生境功能退化、生态服务降低等问题已经严重威胁到区域生态安全和人居环境[2]。基于“精明增长”和“新城市主义”理论的城市增长边界（urban growth boundary，UGB），自1976年在美国俄勒冈州的塞拉姆市正式提出后，已成为控制城市蔓延、保护耕地及生态环境的有效管理工具，被世界各国所采用[3⇓-5]。
1990年代后期，国内一些学者开始从不同视角来研究城市增长边界，包括制度介绍[6]、概念界定[7]、实施机制[8]、增长边界适用性[9-10]等方面。在规划实践方面，“土地利用总体规划”和“城市总体规划”均要求划定城市建设边界和增长边界，但并没有配套出台划定标准、操作规范、实施细则和管理体系。2014年7月，国土资源部联合住房和城乡建设部选择北京、上海、厦门、广州等14个试点城市，开展城市开发边界划定工作，并在其后将规模扩大到全国其他600个城市。“十九大”报告中提出要完成生态保护红线、永久基本农田、城镇开发边界三条控制线的划定工作，为建设美丽中国提供强有力的制度保障。目前，城市增长边界划定方法中：一类是通过生态适宜性、生态敏感性、生态安全等生态要素评价，划定不适宜建设区域的刚性UGB[11⇓-13]，并结合城市规模预测、资源环境承载力评价等综合划定弹性UGB[14-15]。该方法虽起到保护生态环境作用，但预留城市发展的弹性空间过大，对城市增长约束作用较弱。另一类是直接通过构建约束性CA模型[16]、Logistic-CA模型[17]、ANN-UGB模型[18]、TR-UGB模型[19]、FLUS模型[20]等来划定UGB，或间接通过掩膜叠加城市承载力[21]来划定UGB。这类模型多考虑城市发展中的政策规划、社会经济等动力因素，对生态环境的限制因素考虑较少，其模拟预测结果对区域生态环境的胁迫性较大。因此，如何结合区域基底条件来划定城镇建设空间，协调城镇发展和生态环境之间的关系，是UGB亟待解决的重大难题。
绿洲是干旱区内陆河流域的精华，绿洲城镇是依托天然或人工绿洲而生成的城镇，其兴衰严重受控于绿洲的发育状态和稳定性。大量研究和事实表明[22-23]，历史时期受生境变化的深刻影响，内陆河下游绿洲消亡后，发育在绿洲上的城镇也随之消失，形成典型的溯源迁移现象。从宏观环境上考察，有限的绿洲被广袤的沙漠戈壁围合，生态环境异常脆弱，正是这一基础性、根本性的约束条件，要求人类在开发利用绿洲时，必须将绿洲生态环境的稳定性和持续性优先放在首位。因此，绿洲城镇边界的划定，首先要保障区域生态安全不受威胁，需依据生境质量状况来判别城镇发展方向和用地规模，使其与绿洲水土资源保持共生协调。
黑河流域是我国西北干旱区第二大内陆河流域，横跨三种不同的自然环境单元，涉及甘肃、青海、内蒙古三省（区），是仅次于塔里木河流域的研究热点区。既是国家“一带一路”倡议的“黄金地段”，也是国家主体功能区划中“两屏三带”和甘肃省主体功能区划中“三屏四区”的有机组成部分。不仅决定着河西走廊的发展态势，而且深刻影响着国家生态安全。其中游地区是全流域绿洲分布最集中、开发条件最好的区域，绝大多数城镇集中发育在绿洲上，城镇与绿洲高度耦合，是研究绿洲城镇增长边界划定的典型“样板”。

1 研究区概况与数据来源

1.1 研究区概况

黑河中游是指从莺落峡至正义峡之间的河段，长约185 km，地理位置介于98°57′E~100°52′E和38°39′N~39°59′N，南临祁连山，北依合黎山。行政边界包括甘州区、临泽县和高台县，总面积为10 737.71 km2（图略）。黑河贯穿全境，兰新铁路、G30连霍高速、G312等主要交通干线经过。属温带大陆性干旱气候，年降雨量为50~250 mm，年蒸发量为2 000~3 500 mm。土壤类型以灰棕漠土和灰漠土为主，植被为小灌木、半灌木等荒漠植被。地势南高北低，东高西低，自南向北分为山前洪积扇区、绿洲平原区和戈壁荒漠区。该地区现有甘州、临泽、高台3个中心城区以及下辖32个集镇（由于平山湖乡城镇用地面积仅为0.08 km2，且远离绿洲主体，在实际研究过程中并未考虑），主要分布在黑河沿岸和绿洲核心区，且沿黑河干流和交通道路呈串珠状展布，表现出典型的“亲水性”和“亲路性”特征。1992—2015年城镇用地面积从22.33 km2增加至82.53 km2，年均增长率为5.85%。

1.2 数据来源

数据源包括1992和2000年Landsat5 TM、2008年Landsat7 ETM+、2015年Landsat8 OLI影像（行带号33/133、33/134）的30m×30m遥感影像、ASTER GDEM（30m分辨率），均获取自地理空间数据云网站（http://www.gscloud.cn/）。应用ENVI 4.7和ArcGIS 10.2软件对影像进行几何校正、波段融合、图像增强、拼接等处理。解译时以研究区2015年土地利用变更调查数据为基准，首先对2015年遥感影像进行人工目视解译，再参照2015年解译结果对1992、2000和2008年遥感影像进行解译，统一采用WGS_1984坐标系。根据研究需要，将土地利用类型划分为耕地、林地、草地、水域、城镇用地、其他建设用地和未利用地7类，其中：其他建设用地包括农村居民点、采矿用地、交通水利用地。通过野外抽样验证和谷歌地球高清影像验证，四期土地解译数据判读精度高于85%，满足研究需要。铁路、高速公路、国省道、县乡道及城镇主干道、次干道根据遥感影像和张掖市综合交通现状图，经几何校正后数字化得到。黑河湿地自然保护区、东大山自然保护区、基本农田保护区数据来源于张掖市自然资源局。

2 研究思路与方法

2.1 研究思路

本文以黑河中游地区绿洲城镇为研究对象。首先，采用InVEST模型对绿洲生境质量进行定量评估，明确将低等级生境质量区域作为未来城镇空间增长的重点区域；其次，应用最小累积阻力模型评价绿洲生态适宜性，得到适宜性分区，并将其嵌入SLEUTH模型，模拟城镇增长边界；最后，以土地利用总体规划下达的城镇用地面积为控制规模，结合生境质量评估结果对模拟边界进行修正，最终划定城镇增长边界（图1）。
图1 城镇增长边界划定技术路线图

Fig.1 Technical roadmap of urban growth boundary delimitation

2.2 研究方法

2.2.1 基于InVEST模型的生境质量评估

美国斯坦福大学、WWF（世界自然基金）和 TNC（大自然保护协会）联合开发的 InVEST（Integrate Valuation of Ecosystem Service and Tradeoffs Tool）模型，被广泛用于区域景观格局的生态系统服务功能评估[24-25]。该模型通过整合RS和GIS技术，根据土地利用/覆被类型的变化，模拟生态服务功能的动态变化过程，并实现对生态系统服务价值定量评估的空间可视化。本研究运用InVEST模型的生境质量模块（Habitat Quality）对绿洲生境质量进行定量评估。该模块是利用土地利用数据，综合生境适宜性、威胁源的影响距离和权重、生境对威胁源的敏感性、土地受法律保护的程度四个因素来衡量区域生境质量状况。首先需要计算生境退化度，假定 x栅格处的土地利用/覆被类型为 j，则该栅格的生境退化度 ( D x j )的计算公式为：
D x j = ∑ r = 1 R ∑ y = 1 Y r w r / ∑ r = 1 R w r r y i r x y β x S j r
i r x y = 1 - d x y d r m a x （线性衰减）
i r x y = e x p - 2.99 d x y d r m a x （指数衰减）
式中： R为威胁源个数； w r为威胁源 r的权重； Y r为威胁源的栅格数； r y为栅格 y的胁迫值； i r x y为栅格 y的胁迫值 r y对栅格 x的胁迫水平； β x为威胁源对栅格 x的可达性（受法律保护的区域为0，其余区域为1）； S j r为土地利用/覆被类型 j对威胁源 r的敏感度； d x y为栅格 x与栅格 y的直线距离； d r m a x为威胁源 r的最大胁迫距离。
在此基础上计算生境质量（ Q x j），其计算公式为：
Q x j = H j 1 - D x j z D x j z + k z
式中： H j为土地利用/覆被类型 j的生境适宜度，值域为[0,1]； D x j为土地利用/覆被类型 j中 x栅格的生境退化度； k为半饱和常数，取 D x j最大值的一半； z为归一化常量，通常设为2.5。
基于2015年土地利用/覆被数据，假定土地的法律保护处于有效状态，界定耕地、林地、草地和水域作为生境，选取建设用地（城镇用地和其他建设用地）、铁路、高速公路、国省道、县乡道和耕地6类威胁源。根据研究区实际情况，在考虑模型说明[26]基础上，向熟悉该区域的张掖市自然资源局、张掖市生态环境局、张掖市林草局等单位的15位相关领域专家发放调查问卷，对威胁源的影响距离和权重、生境对威胁源的敏感性进行打分，采用德尔菲法（Delphi）综合确定各项参数值（表1）。
表1 研究区不同生境类型威胁源数据表

Tab.1 Threat source data table of different habitat types in the Study area

威胁源 权重 敏感度 最大威胁距离（km） 空间衰减类型
耕地 林地 草地 水域
建设用地 1.0 0.50 0.70 0.65 0.70 8 指数
高速公路 0.8 0.30 0.20 0.35 0.40 5 指数
铁路 0.6 0.25 0.20 0.35 0.45 3 指数
国省道 0.5 0.20 0.25 0.45 0.55 4 指数
县乡道 0.3 0.15 0.20 0.35 0.30 3 线性
耕地 0.2 0.20 0.40 0.45 0.50 1 线性

2.2.2 基于最小累积阻力模型的生态适宜性评价

Knaapen等1992年提出的最小累积阻力（Minimum Cumulative Resistance，MCR）模型是以“源—汇”理论为基础，考虑源、距离和景观介面特征3种要素，计算物种从“源”出发经过不同阻力的景观所耗费的最小费用或克服的最小阻力[27]。该模型最早用于研究物种扩散过程，随后在景观格局、物种保护等领域广泛应用[28]。目前，在生态安全格局[29]、城镇用地扩展[30]和生态适宜性评价[31]等方面被较多使用。俞孔坚等结合地理信息系统中的成本距离[29]，将公式表示如下：
M C R = f m i n ∑ j = n i = m D i j × R i
式中： M C R表示最小累积阻力值； D i j为从物种源 j到景观单元 i的空间距离； R i为景观单元 i对某物种运动的阻力系数。
该模型用在生态适宜性评价中，将生态用地和城镇用地的水平扩张，视为两个相互制约的过程，同一土地单元对于不同的过程分别起着推进或阻碍作用，可通过相同标准下两个扩张过程的最小累积阻力差值来评价土地生态适宜性，公式如下：
M C R 差 值 = M C R 生 态 用 地 - M C R 城 镇 用 地
式中： M C R 差 值为最小累积阻力差值。当 M C R 差 值 0时，适宜划为城镇用地；当 M C R 差 值 0时，适宜划为生态用地；当 M C R 差 值 = 0时，为两者分界线。在此基础上，采用阻力阈值法[31]对适宜生态用地和适宜城镇用地进一步划分。
本研究针对生态用地扩张和城镇用地扩张两个过程，分别选取相应的“源”：生态源的选取依据生境质量的评估，将高、较高等级生境质量斑块作为生态源地；城镇源的选取根据不同城镇的增长能力对其进行等级划分，综合考虑城镇的区位条件、开发强度、人口聚集程度以及政策规划等因素，将城镇源划分为四个级别，其中：甘州中心城区为一级源，是张掖市市政府所在地，扩张能力最强；临泽中心城区和高台中心城区为二级源，是城镇化发展程度较高区域，扩张能力次之；甘俊镇、大满镇、碱滩镇、新华镇、南华镇、乌江镇和平川镇为区域重点发展城镇，为三级源；其余城镇为四级源。为使生态源和城镇源在同一标准下扩张，建立阻力因子相同，阻力系数相反的阻力评价体系。结合研究区实际情况，选取6个阻力评价因子，采用层次分析法确定各阻力因子的权重。阻力系数分别用1、2、3、4、5表示5个等级，分值越低、阻力越小（表2）。
表2 阻力评价体系

Tab.2 Resistance evaluation system

阻力因子 扩张类型 阻力等级 权重
生态用地
城镇用地		 1 2 3 4 5
5 4 3 2 1
土地利用类型 林地、水域 草地 耕地 未利用地 建设用地 0.21
生境质量指数 0.8~1.0 0.6~0.8 0.4~0.6 0.2~0.4 0~0.2 0.18
植被覆盖度 80%~100% 60%~80% 40%~60% 20%~40% 0~20% 0.15
距道路距离 >1 000 m 650~1 000 m 300~650 m 150~300 m 0~150 m 0.09
距水域距离 0~50 m 50~100 m 100~150 m 150~200 m >200m 0.07
生态功能区 黑河湿地保护区、东大山自
然保护区、基本农田保护区		 - - - 其他区域 0.11
利用ArcGIS 10.2中的cost-distance模块计算生态用地扩张的最小累积阻力。运用叶玉瑶对MCR模型的改进算法[32]，对4个等级城镇源设定相应的阻力因子K，一级为0.85，二级为0.90，三级为0.95，四级为1，分别生成最小累积阻力，并对其进行叠加求取最小值，得到最终的城镇用地扩张最小累积阻力。将生态用地扩张的最小累积阻力与城镇用地扩张的最小累积阻力相减，得到两个过程的差值表面（图2），按照差值的正负关系分为适宜生态用地和适宜城镇用地。在此基础上，依据最小累积阻力差值与栅格数目关系，寻找突变点作为分区的阈值，将差值表面划分为禁止建设区、限制建设区、重点建设区、优化建设区和生态调控区5个适宜性分区（图3）。
图2 最小累积阻力差值表面

Fig.2 Difference of minimum cumulative resistance values

图3 生态适宜性分区

Fig.3 Zoning of ecological suitability

2.2.3 基于SLEUTH模型的城镇增长模拟

Clarke开发的SLEUTH模型能够模拟预测城市增长的土地利用变化过程[33]。其在城市增长模拟预测中主要依据历史城市增长过程，充分考虑地形、交通、政策规划、生态保护等因素对未来城市发展进行预测，具有较强的普适性和兼容性，在国内外一些城市广泛应用[34-35]。该模型包括城市增长模型（Urban Growth Model，UGM）和土地利用变化/覆盖模型（Land Cover Deltatron Model，LCD）两个子模型。主要是假设历史增长趋势是持续的，认为未来的现象可以由过去真实演化模拟得到，通过修改增长系数、调整排除图层来设置不同情景方案，以模拟未来城市空间增长过程。SLEUTH模型运行分为测试、校正、预测3个阶段，通过对历史时期城市范围反复训练得到的5个系数（散布系数、繁殖系数、扩展系数、坡度系数、道路引力系数）模拟城市的4 种增长方式（自发增长、新扩展中心增长、边缘增长、道路引力增长），并通过自修改规则自动调整参数以模拟城市复杂的增长过程。

2.2.3.1 SLEUTH模型数据输入

模型输入数据包括城市范围层（urban）、土地利用层（landuse）、排除层（exclude）、交通道路层（transport）、坡度层（slope）、山体阴影层（hillshade）（图4）。其中：城市范围层由4个时期的土地利用数据得到；坡度层和山体阴影层分别通过对研究区DEM裁剪后，在ArcGIS 10.2中经空间分析后生成；交通道路层通过将城镇主干道和次干道、高速公路和铁路、国省道、县乡道路分别赋值为100、80、60、40形成1992、2015年的道路数据；土地利用层采用1992、2015年土地利用数据；排除层根据生态适宜性评价结果转换而来，将重点建设区、优化建设区、限制建设区、生态调控区和禁止建设区分别赋值为0、35、70、85、100，来表示限制城镇增长的概率值。所有数据均转换为模型需要的GIF格式栅格数据，栅格大小30m×30m，且保持相同的空间范围和统一的投影坐标系。
图4 SLEUTH模型的输入图层数据

Fig.4 Input layer data used for the SLEUTH model

2.2.3.2 SLEUTH模型校正

SLEUTH模型的校正是通过对历史年份城市增长进行模拟，获取一套反映城市演变规律的最优参数。模型采用蒙特卡洛迭代方法，分粗校正、精校正、终校正和预测参数获取4个阶段进行。每个校正阶段结束后，模型会自动将模拟结果与控制年份数据进行对比，通过计算OSM指数[33]对系数组合进行排序，不断缩小各系数的值域范围，用于下阶段的参数校正。研究通过加载土地利用层同时校正UGM模型和LCD模型，将1992年数据图层作为模型校正的初始图层，2000、2008、2015年3个时期的数据图层作为校正图层。对4个时期的输入数据分别重采样为120m×120m、60m×60m进行粗校正和精校正，终校正的输入数据为30m×30m。经过3个阶段校正后，最后取步长为1，进行 100次蒙特卡罗迭代，最终得到研究区历史年份城市增长过程的最佳增长系数组合，模型校正的具体参数设置见表3。
表3 SLEUTH模型校正参数设置表

Tab.3 Calibration parameter settings of the SLEUTH model

模型控制参数 粗校正 精校正 终校正 最佳参数获取 最优
增长
系数
蒙特卡洛迭代次数=4 蒙特卡洛迭代次数=8 蒙特卡洛迭代次数=12 蒙特卡洛迭代次数=100
OSM=0.624 OSM=0.735 OSM=0.812
范围 步长 范围 步长 范围 步长 范围 步长
散步系数 0~100 25 0~25 5 3~10 1 1~1 1 55
繁殖系数 0~100 25 0~75 10 15~60 7 15~15 1 47
扩展系数 0~100 25 35~85 5 55~90 3 55~55 1 81
坡度系数 0~100 25 25~70 5 30~55 1 35~35 1 5
道路引力系数 0~100 25 20~100 10 55~90 4 90~90 1 75
利用最佳系数初始化模型的预测模块，反演研究区1992—2015年城镇土地利用变化过程，并采用Kappa指数法[36]对2015年的模拟图与实际图的一致性进行精度验证。Kappa系数通过定量阐释模拟结果与观测结果的空间位置、数量和综合信息，如果Kappa≥0.75，说明两者的一致性较高，模型的模拟预测精度较高。

3 结果分析

3.1 生境质量评估结果

运行InVEST模型，并采用ArcGIS10.2软件中自然断裂法（Natural Breaks）将生境质量划分为高（0.8~1.0）、较高（0.4~0.8）、中（0.2~0.4）、低（0~0.2）四个等级（图5）。研究区平均生境质量为0.32，整体生境质量较低，其中高、较高、中、低等级生境质量区域占总面积比例分别为3.95%、3.06%、34.71%、58.28%。水域、林地和草地分布区域生境质量较高，建设用地、未利用地分布区域生境质量低。具体来看，研究区生境质量存在明显的廊道、斑块、基底的空间分异特征。高等级生境质量区域主要分布在黑河干流沿线和植被较好的地区，较高等级生境质量区域主要分布在依托独立水系形成的山水灌渠，两者在空间上具有显著的廊道和斑块效应，是维护区域生态安全的重要生态源地，应严格禁止未来城镇空间增长；中等级生境质量区域，集中分布在绿洲核心区和山前洪积扇区，其中绿洲核心区是耕地和城镇重点分布区，也是人类活动强度最大区域，表现为连续分布的基底特征，经济发展与生态保护矛盾突出，城镇发展已对周边生境产生了较强的胁迫性，应限制未来城镇空间过快增长，尤其是过多地占用生态用地；低等级生境质量区域分布在绿洲外围的戈壁荒漠区，城镇空间增长受生境质量的约束性较低，对位于荒漠—绿洲过渡带的绿洲边缘区，将是未来城镇增长的主要区域，考虑到城镇生产、生活实际需求和“出城入园、产城融合”的政策导向，可主要安排一些生产性空间在此布局，如各类产业园区。
图5 生境质量空间分布图

Fig.5 Spatial distribution map of habitat quality

3.2 城镇增长模拟结果

3.2.1 SLEUTH模型校正结果与精度验证

由表3可见，不同校正阶段的OSM指数由0.624增长为0.812，表明模型校正精度不断提高，空间匹配程度较好。模型校正最终得到的5个最佳系数值中，扩展系数（81）和道路引力系数（75）较大，说明城镇主要以外延型增长和过境道路引致的飞地型增长为主；坡度系数仅为5，说明城镇增长较少受地形、坡度因素的制约，这与多数城镇位于绿洲平原区有关；散步系数控制着城镇自发增长的程度，其值为55，说明出现新的城镇斑块的随机性较大；繁殖系数为47，说明自发增长形成的城镇斑块有可能成为新的城镇增长中心。运用Kappa系数对城镇用地进行统计，发现位置Kappa指数为0.892、数量Kappa指数为0.844，均大于0.75，表明SLEUTH模型的模拟精度较高，该增长系数组合可以被用于未来城镇增长的土地利用变化模拟预测研究。

3.2.2 城镇增长模拟分析

以2015年为基础年份，调用SLEUTH 模型预测模块，预测2015—2020年城镇土地利用变化过程，得到2020年城镇增长的土地利用变化模拟图（图6）。从中提取城镇用地进行统计，发现研究区2020年城镇用地面积为124.65 km2，较2015年城镇用地面积增加了42.12 km2，年均增长率为8.6%，是历史时期（1992—2015年）年均增长率的1.47倍。将模拟的新增城镇用地与生境质量评估图进行叠置分析，发现占用高、较高、中、低等级生境质量面积分别为0.72 km2、0.69 km2、25.88 km2和14.83 km2，分别是新增城镇用地的1.71%、1.65%、61.44%和35.21%。表明延续历史时期城镇增长惯性，新增城镇用地主要占用中等级以上生境质量区域，对区域生态安全产生威胁，不利于绿洲城镇可持续发展。因此，需要对未来城镇空间增长范围加以限定，引导其向低等级生境质量区域发展，以减缓对区域生态环境的影响。
图6 2020年城镇土地利用变化模拟图

Fig.6 Simulation map of urban land use change in 2020

3.3 城镇增长边界划定

基于2020年城镇增长的土地利用模拟图，提取城镇用地，剔除小于1 hm2的零散图斑，进行删格转矢量操作，然后对锯齿状边界做平滑处理，得到城镇增长模拟边界，总面积为124.47 km2。以《张掖市土地利用总体规划（2006—2020年）调整方案》中下达给甘州区、临泽县、高台县的城镇用地指标为边界控制规模。根据生境质量评估结果，从城镇增长模拟边界中剔除较高和高等级生境质量斑块，优先选择低等级生境质量斑块，对模拟边界进行修正，最终得到研究区不同等级城镇增长边界（图7）。
图7 2020年研究区主要城镇增长边界

Fig.7 The growth boundary of major urban in the study area in 2020

经统计，研究区2020年城镇增长边界面积为104.67 km2。其中，甘州区54.5 km2、高台县36.94 km2、临泽县13.23 km2，较上级下达的城镇用地指标分别减少了2.95 km2、1.36 km2、0.85 km2。划定边界内新增城镇用地占用中、低等级生境质量面积分别为7.31 km2、14.83 km2。空间分布上，由于绿洲平原区受生境质量约束性强，中心城区以及其他集镇空间增长缓慢，边界占地76.38 km2，现状城镇用地68.77 km2，剩余可建设用地比例为9.96%；山前洪积扇区域同样受生境约束性较强，集镇空间增长规模较小，边界占地1.18 km2，现状城镇用地0.89 km2，剩余可建设用地比例24.57%；而位于绿洲边缘区的城镇产业园区，受生境质量约束性低，空间增长规模较大，边界占地27.11 km2，现状城镇用地12.87 km2，剩余可建设用地比例为52.53%，可为未来城镇发展提供一定的用地保障。

4 结论与讨论

本文针对绿洲生态环境脆弱的特点，以黑河中游地区绿洲城镇为研究对象，提出了一种基于生境质量的绿洲城镇增长边界划定方法：一方面基于InVEST模型，评估生境质量状况，识别城镇空间增长地域；另一方面在生态适宜性评价基础上，采用SLEUTH模型得到城镇增长模拟边界；最后，以土地利用总体规划下达的城镇用地面积为控制规模，结合生境质量评估结果对模拟边界进行修正，最终划定2020年城镇增长边界。结果表明：
①研究区平均生境质量为0.32，其中高、较高、中、低等级生境质量区域占总面积分别为3.95%、3.06%、34.71%、58.28%。黑河干流沿线生境质量处于较高等级以上，应严格禁止城镇空间增长，绿洲核心区、山前洪积扇生境质量处于中等，应限制城镇空间增长，绿洲边缘区生境质量低，是城镇增长的主要区域。
②预测2020年城镇用地面积为124.65 km2，较2015年城镇用地面积增加了42.12 km2，年均增长率为8.6%。新增城镇用地主要占用中等级以上生境质量区域，对区域生态安全产生威胁。
③划定2020年城镇增长边界面积为104.67 km2。其中，甘州区54.5 km2、高台县36.94 km2、临泽县13.23 km2。空间分布上，绿洲平原区和山前洪积扇城镇增长边界占地分别为76.38 km2、1.18 km2，剩余可建设用地比例分别为9.96%、24.57%；绿洲边缘区城镇增长边界占地为27.11 km2，剩余可建设用地比例为52.53%，未来空间增长潜力较大。
城镇增长边界作为国家空间规划体系的组成部分，与生态保护红线、永久基本农田同属国土空间管制的重要手段。因此，不能将城镇增长边界简单地视为限制城镇发展的红线，而应进一步强化其作为政策工具的属性，形成与之相配套的管理机制和实施措施，增强其在城镇建设过程中的刚性约束力。对于划定边界内的城镇用地，按照土地利用总体规划的年度安排来实施；而对于划定边界以外区域，政府应实施最严格的空间管控措施，尤其要杜绝侵占高等级生境空间。研究表明绿洲平原区生境质量相对较高，划定边界内城镇用地增长空间有限，未来需要进一步挖掘城镇低效用地潜力，提高城镇土地利用效率，实现城镇用地由粗放型、数量型向效益型和集约型转变。
本文提出的城镇增长边界划定方法，主要是以保障区域生态安全为前提，从绿洲自然基底条件出发，变传统的被动防御为主动约束，在科学识别生境质量状况的基础上，将城镇增长限制在特定的地域空间，禁止城镇用地对“优质生境”的占用，有效地避免了城镇发展带来的生态环境问题，是一种理论和方法上的探索。但在具体的划定过程中，尚存在一些不确定性：一是对于所选模型变量及其参数，除了与模型本身复杂程度相关外，与具体区域也密切相关，区域特质不同，将导致模型变量和参数发生必然的变化。同时，变量参数的赋值和权重也深受人为主观因素的认知与判断偏好。二是对于不同城镇增长边界规模的控制，是以约束力更强的土地利用总体规划所下达的城镇用地指标为依据。事实上，城市总体规划和城乡统筹总体规划也是国家确定的法定性规划，同样具有强制力和约束力，但两者往往在城镇用地规模上有出入，使得划定结果在推广中可能受限。但是，作为生态环境极其脆弱的绿洲区域，本文提出以生境质量为出发点和归宿点，探究城镇增长边界的划定路径和范式，无疑具有借鉴和警示价值。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
汪贝. 耦合规划空间管制的城市扩展模拟与城市开发边界划定[D]. 武汉: 武汉大学, 2018.

[2]
王婧, 方创琳. 城市建设用地增长研究进展与展望[J]. 地理科学进展, 2011, 30(11):1440-1 448.

[3]
Gunn S C. Green belts:A review of the regions responses to a changing housing Agenda[J]. Journal of Environmental Planning Management, 2007, 50(5):595-616.

[4]
Gordon D, Vipond S. Gross density and new urbanism:com- paring conventional and new urbanist suburbs in Markham,Ontario[J]. Journal of the American Planning Association, 2005, 71(1):41-54.

[5]
Venkataraman M. Analysing urban growth boundary effects in the city of Bengaluru[J]. Social Science Electronic Publishing, 2014, 49(48):54-61.

[6]
张庭伟. 控制城市用地蔓延:一个全球的问题[J]. 城市规划, 1999(8):43-47,62.

[7]
刘海龙. 从无序蔓延到精明增长——美国“城市增长边界”概念述评[J]. 城市问题, 2005(3):67-72.

[8]
张进. 美国的城市增长管理[J]. 国外城市规划, 2002(2):37-40.

[9]
冯科, 吴次芳, 韦仕川, 等. 城市增长边界的理论探讨与应用[J]. 经济地理, 2008, 28(3):425-429.

[10]
黄慧明, Sam Casella.Faicp.PP. 美国“精明增长”的策略、案例及在中国应用的思考[J]. 现代城市研究, 2007(5):19-28.

[11]
祝仲文, 莫滨, 谢芙蓉. 基于土地生态适宜性评价的城市空间增长边界划定——以防城港市为例[J]. 规划师, 2009, 25(11):40-44.

[12]
邱思齐, 岳文泽. 刚性与弹性相结合的城市开发边界划定 ——以浙江省义乌市为例[J]. 应用生态学报, 2018, 29(5):1607-1616.

[13]
周锐, 王新军, 苏海龙, 等. 基于生态安全格局的城市增长边界划定——以平顶山新区为例[J]. 城市规划学刊, 2014(4):57-63.

[14]
钟珊, 赵小敏, 郭熙, 等. 基于空间适宜性评价和人口承载力的贵溪市中心城区城市开发边界的划定[J]. 自然资源学报, 2018, 33(5):801-812.

[15]
王振波, 张蔷, 张晓瑞, 等. 基于资源环境承载力的合肥市增长边界划定[J]. 地理研究, 2013, 32(12):2302-2 311.

[16]
龙瀛, 韩昊英, 毛其智. 利用约束性CA制定城市增长边界[J]. 地理学报, 2009, 64(8):999-1 008.

[17]
刘辉, 张志赟, 税伟, 等. 资源枯竭型城市增长边界划定研究 ——以淮北市为例[J]. 自然资源学报, 2017, 32(3):391-405.

[18]
Tayyebi A, Pijanowski B C, Tayyebi A H. An urban growth boundary model using neural networks,GIS and radial parameterization:An application to Tehran,Iran[J]. Landscape Urban Planning, 2011, 100(1):35-44.

[19]
Tayyebi A, Pijanowski B C, Pekin B. Two rule-based Urban Growth Boundary Models applied to the Tehran Metropolitan Area,Iran[J]. Applied Geography, 2011, 31(3):908-918.

[20]
Liang X, Liu X P, Li X, et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J]. Landscape Urban Planning, 2018,177:47-63.

[21]
苏伟忠, 杨桂山, 陈爽, 等. 城市增长边界分析方法研究—— 以长江三角洲常州市为例[J]. 自然资源学报, 2012, 27(2):322-331.

[22]
王录仓, 高静. 黑河流域城镇发展的历史回眸和现代检视[M]. 北京: 科学出版社, 2017.

[23]
李并成. 河西走廊汉唐古绿洲沙漠化的调查研究[J]. 地理学报, 1998(2):12-21.

[24]
Sallustio L, De Toni A, Strollo A, et al. Assessing habitat quality in relation to the spatial distribution of protected areas in Italy[J]. Journal of Environmental Management, 2017,201:129-137.

[25]
刘春芳, 王川, 刘立程. 三大自然区过渡带生境质量时空差异及形成机制——以榆中县为例[J]. 地理研究, 2018, 37(2):419-432.

[26]
Sharp R, Tallis H T, Ricketts T, et al. InVEST 3.2.0 User's Guide(The Natural Capital Project)[M]. Stanford University,University of Minnesota,The Nature Conservancy,and World Wildlife Fund, 2015.

[27]
Knaapen J P, Scheffer M, Harms B. Estimating habitat isolation in landscape planning[J]. Landscape and Urban Planning, 1992, 23(1):1-16.

[28]
Yu K J. Security patterns and surface model in landscape eco- logical planning[J]. Landscape and Urban Planning, 1996, 36(1):1-17.

[29]
俞孔坚. 生物保护的景观生态安全格局[J]. 生态学报, 1999 (1):10-17.

[30]
杨振, 王晓霞, 刘会敏. 洱海流域城镇用地扩展边界划分研究[J]. 经济地理, 2015, 35(2):163-168.

[31]
赵小娜, 宫雪, 田丰昊, 等. 延龙图地区城市土地生态适宜性评价[J]. 自然资源学报, 2017, 32(5):778-787.

[32]
叶玉瑶, 苏泳娴, 张虹鸥, 等. 生态阻力面模型构建及其在城市扩展模拟中的应用[J]. 地理学报, 2014, 69(4):485-496.

[33]
Clarke K, Hoppen S, Gaydos L. A self-modifying cellular auto- maton model of historical[J]. Environment and Planning B:Planning and Design, 1997,24:247-261.

[34]
Jantz C A, Goetz S J, Shelley M K. Using the Sleuth urban growth Model to simulate the impacts of future policy scenarios on urban land use in the Baltimore-Washington Metropolitan Area[J]. Environment Planning B: Planning Design, 2004, 31(2):251-271.

[35]
何丹, 金凤君, 蔡建明. 近20年京津廊坊地区城市增长模拟和预测研究[J]. 经济地理, 2011, 31(1):7-13.

[36]
郗凤明, 胡远满, 贺红士, 等. 基于SLEUTH模型的沈阳—抚顺都市区城市规划[J]. 中国科学院研究生院学报, 2009, 26(6):765-773.

Options
Outlines

/

〈 〉