钟 婷，李成楠，姚 南，杨山力

(成都市规划设计研究院,成都 610041)

引 言

目前我国社会经济步入新常态，城镇化进入新阶段，生态文明进入新时代，高质量发展成为各项工作的出发点[1]。在此背景下，强调国土空间的合理保护和有效利用，以国土空间管控推动土地节约集约利用，贯彻落实深化供给侧结构性改革要求，探索城镇存量土地利用结构优化，挖掘城镇存量低效用地的增量价值显得尤为重要[2]。近年来，我国坚持探索城镇存量和增量用地的差异化开发路径，对城镇存量土地的关注度不断提高[3]。城镇低效用地的识别则是再开发的基础，本文拟在国土空间规划的背景下，结合成都中心城区城镇低效用地相关工作实际，对城镇低效用地识别及再开发进行探索。

1 城镇低效用地的内涵

1.1 城镇低效用地的权威解释

城镇低效用地概念最初是由原国土资源部《关于开展城镇低效用地再开发试点指导意见》(国土资发[2013]3号)提出，是指“城镇中布局散乱、利用粗放、用途不合理的存量建设用地”[4]；后在《关于深入推进城镇低效用地再开发的指导意见(试行)》(国土资发[2016]147号)中进一步明确城镇低效用地范畴,是指“第二次全国土地调查已确定为建设用地中的布局散乱，利用粗放，用途不合理、建筑危旧的城镇存量建设用地，权属清晰且不存在争议”[5]。

1.2 国土空间背景下城镇低效用地再认识

在国土空间规划的新时期，城镇低效用地具备更加广泛的内涵。首先，随着从增量时代向存量时代的转变，城市从扩张式发展的旧模式转向内涵式发展的新模式，低效用地的再利用已经成为关乎城市发展的战略举措，存量空间的再利用聚焦于创造增量价值，而不仅仅是改造重建。其次，国土空间规划强调高质量发展，是否为高质量应该从土地使用的经济、社会、生态等多维度衡量，这意味着需要从更广阔的视角解读低效用地，所有不满足高质量发展要求的用地都应归为低效用地范围。再次，国土空间规划强调高品质生活，关注人本需求，着重解决城市多年运行后，机能退化导致的配套设施不完善，交通拥挤、人居品质差、生态环境差等大城市病。因此，国土空间背景下需要在城镇低效用地识别与再开发上做出探索，发掘解决城市问题的新路径。

1.3 国内外对低效用地的研究

国外学术界没有与国内城镇低效用地一致的概念，但同样关注土地的利用效率，其研究方向主要从土地集约利用效益和利用途径两方面展开。通过对土地集约利用和粗犷利用的优劣对比来评价土地的利用效益，通过规划土地用途、管制实时用途和用途区分来探索提高土地利用效率的方式。

国内学者普遍认同低效用地就是指利用效率低下的土地，主要是指土地用途、容积率、建筑密度、投资强度、地均产出和税收、人均面积、城市规划功能等要素相对较为低下或不符合要求的建设用地[6-7]。一般通过两种思路对用地是否低效进行界定，一是单一指标评价，如工业用地的亩均产出和农用地的产出比较[8]；二是复合指标体系评价，即通过与土地利用率相关的多种指标构建评价体系来综合衡量[9-10]。

1.4 部分城市对城镇低效用地的界定实践

国家层面关于城镇低效用地再开发范围的评判标准侧重于对下层次的指引，多为定性描述，相对原则也较为模糊，为地方操作层面留下了充分的发挥余地[11]。各地从城市自身发展实际出发，针对不同城镇低效用地的特点分类制定评判标准。如上海市针对产业用地，围绕产业调整负面清单、专项整治范围、税收产出、投资完成度、动工开发等因素，明确四类低效工业用地的具体认定标准。广州市结合“旧城镇、旧厂房、旧村庄”分类，从用地性质、建设年代、建筑面积、建筑结构、容积率、地均产出等方面制定了认定标准。

目前对城镇低效用地的较为常用的识别方法是开展摸底调查，自下而上进行识别和上报，最终交由相关部门完成审核和标图建库工作，具体操作流程是市级层面要求各区县开展用地摸底调查，汇总低效用地的具体位置、范围、面积和现状用途等信息，逐级核实并最终交由相关部门审批和管理，最终确定是否属于城镇低效用地。但是自下而上的逐级摸查、申报、校验和审批是一项复杂细致周期长的工作，仅有少数城市进行了此项工作，大多数城市存在城镇低效用地评判标准不明确，识别方法相对简略和单一的问题，迫切需要从中宏观层面探索更为高效的技术手段来开展识别的初步筛选，以指导进一步的摸查认定工作，加速推进城镇低效用地再开发工作。

1.5 多源数据对低效用地识别的适用性

现有城镇低效用地的评判标准多为定性评判，缺乏合理的量化模型，在实际操作时较为抽象，容易因人为主观认知差异而产生偏差；常用人口、用地、设施、交通等传统行业数据，难以科学衡量经济活力、人居环境品质等方面的测度，也难以进行时空变化的反映。

多源数据即包括传统行业数据，也包括大数据。在传统数据的基础上，结合高德地图POI、电力数据、手机信令等动态、细粒度、多属性的大数据，通过空间叠加、时空落位、时空一体化等处理手段，进行城市空间品质和活力等方面的评判，能够补充传统数据量化分析的短板[12]，既可以满足以往物质空间评估，又可以动态性多维度的评估空间品质和城市活力，能够更加全面对城镇低效用地进行准确把握，提升识别和评价的效率、精度和可靠性。

2 城镇低效用地识别的成都实践

2.1 研究区概况

本次研究范围是成都中心城区，即成都武侯区、青羊区、成华区、锦江区、金牛区和高新区(见图1)，总面积504平方公里，2019年户籍总人口413万人，地区生产总值5462亿元，增长12.2%。成都中心城区是成都建成发展时间最长的集中建设区，经过“西进—东调—南拓”的城市结构调整后，逐步形成了以现代服务业为核心的城市，而在用地上呈现老旧居住区、低效商业区和低效工业仓储区用地混杂的局面。作为体现成都宜居特征、产业活力与文化氛围传承的核心区，对成都中心城区进行低效用地的再开发势在必行，以成都中心城区作为研究对象，不仅对成都市有一定的现实指导意义，对于其他特大城市中心城区也有较强的借鉴意义。

图1 研究区范围Fig.1 Scope of the study area

2.2 成都对低效用地的界定

结合先行城市实践经验，成都市将低效用地分为低效居住用地、低效工业仓储用地、低效商业用地和其他低效用地四类。其中老旧居住区主要包括布局散乱、设施落后、建筑年代久远、建筑结构简陋的老旧小区、城中村、棚户区等；低效工业和仓储物流用地主要包括不符合产业导向、环境污染严重、土地利用强度低、投入产出水平低效、工业集中区和物流园区外不符合规划的工业仓储区；低效商业用地主要包括空置率高、使用状况不佳、用地粗犷、缺乏活力的商品市场、百货商场、零售商业等；其他低效用地主要包括非核心功能疏解的中职教育、医疗等用地，不再具备服务功能的基础设施用地和需要更新的公共空间和历史文化地区等。

由于其他低效用地类型直接受政策和上位规划等影响，本次研究将重点放在老旧居住用地、低效工业仓储用地和低效商业用地上。

2.3 数据来源与评价指标体系构建

2.3.1 数据来源

研究采用部门行业传统数据以及开源大数据，其中传统数据包括了成都五城区测绘地形数据、2019年现状土地使用数据、交通主干道数据等数据；开源大数据包括成都五城区手机信令数据、高德地图POI(Point of Information,信息点)、以及遥感影像数据等。运用空间叠加的研究方法，对数据进行处理，将其统一落入对象地块中，并根据指标的内容进行进一步分析。

2.3.2 指标体系构建

本次低效用地识别将结合建筑属性、经济活力、环境品质3个方面进行评价，并结合不同类型对象特征构建城镇低效用地判定指标体系(见表1)，居住用地侧重于对建筑属性与环境品质，工业仓储用地侧重于经济活力，商业用地侧重于经济活力与环境品质。

表1 指标体系与取值Tab.1 Index and value system

续表1

2.3.2.1 建筑属性分析

首先是通过提取地形图，构建城市建成区全域建筑层面三维模型，并与城市规划、土地利用规划等规划数据相叠加，通过三维数据反映出地块容积率、建筑密度、建筑高度等量化分析，重点研判低效用地的分布、规模。

同时引入了遥感影像技术，强化了对三维空间的时间序列以及材质属性的分析，重点用于建筑年代和城中村、棚户区的识别。在建筑年代的识别中，将成都逐年遥感卫片数据进行叠加分析，计算各地块建成年代，分辨地块的建成时间。在城中村棚户区的识别中，主要是通过城中村棚户区与其他区域在建筑肌理、屋顶材质的特性，利用地物的光谱信息和空间特征进行识别，结合建筑肌理的分布规律进行识别(见图2～图4)。

图2 城中村棚户区识别技术路线 Fig.2 Technology route of urban village shantytown identification

图3 城市绿地与蓝色屋顶提取结果(局部示意)Fig.3 Extraction results of urban Green space and Blue roof (Local schematic diagram)

图4 建筑肌理识别(局部示意)Fig.4 Identification of building texture (local schematic diagram)

2.3.2.2 经济活力分析

运用时空大数据进行城市经济活力分析，包括了POI数据、人口活力、以及以土地产出绩效为重点的工业用地进行分析。其中城市poi数据主要用于分析城市内部不同区域不同类型企业数量以及设施的分布(见图5)；手机信令数据用于分析不同时空的人群活动频率，不同区域间人口流向等(见图6)；连续时段的电力数据主要用于分析居住房屋的空置率、商业的空置率和工业用地的停产率；结合产业部门的行业数据可用于分析工业用地的产业类型、产业效益等，评价工业用地产出效率。

图5 POI设施分布 Fig.5 Poi facility distribution

图6 手机信令数据 Fig.6 Cell phone signaling data

2.3.2.3 环境品质分析

环境品质分析包括了城市公共服务设施水平、城市公共空间品质和城市的便捷出行等方面。其中城市公共服务设施水平主要是基于现状POI，对医、教、文、体、卫等各类公共服务设施的布局、服务距离、服务质量等综合分析和评价(见图7)。城市公共空间品质主要从公共空间的规模与分布，可达性与感知度两个方面进行测度，前者包括了城市主要滨水空间、公园绿地的分布、规模与辐射范围；后者主要包括运用城市街景数据照片，通过及其深度学习刻画出街道绿化空间品质(见图8)。城市出行环境评价的重点是绿色出行的便捷性，主要是从空间网络便捷性和设施便捷性两个方面展开，其中网络便捷性主要通过空间句法对道路可达性、空间整合度、居民出行便利性等相关内容解析(见图9)，而设施便捷性则通过地铁站，公交站点的数量以及通达程度实现。

图7 公共服务设施数量分布图Fig.7 Distribution of public service facilities

图8 街道绿化分析Fig.8 Street greening analysis

图9 空间句法分析Fig.9 Spatial syntactic analysis

2.4 评价与结果

2.4.1 指标取值

按照符合土地集约节约利用、符合高效率高品质发展、符合人居生活环境建设的原则，结合成都市实际情况，参考程度现有的政策条件，规范标准以及实际情况进行指标定级。总体分成三类，一是不满足上位条件与政策刚性要求的，实行一票否决，如产业类型不符合园区发展导向；二是依据技术规范的进行区间取值，如居住用地容积率小于1的，一类是没有明确的技术标准度量的，采用定级评分打分的方式进行，定级分为正向影响和负向影响两类，分为1～5五个等级，数值越大表示指标越理想。

2.4.2 分项评价

按照上述取值的分项评价结果进行标准化处理后，采用主成分分析法进行分析，将众多的指标进行重新组合成几个主成分，其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。以老旧居住区为例，对照评价体系，首先将砖木结构代表的危旧房以及城中心棚户区率先筛选出作为低效居住用地，其次是进行开发强度、公服水平等多方面评价，并通过主成分方法计算对象得分，并通过自然断点法从各地块中筛选出老旧居住用地并与之前结果叠加，形成最终评价结果(见图10)。

图10 老旧住区筛选表Fig.10 Screening of old residential areas

图11 老旧住区因子评价表Fig.11 Evaluation of old residential factor

研究首先运用遥感影像技术，对不同时代的遥感卫片数据识别2000年以前建成的小区，利用地物的光谱信息和空间特征识别城中村棚户区，将其直接纳入低效老旧小区范围，然后对其余的单项进行分项评价(见图11)。研究采用SPSS软件对成都中心城区8组变量和6 105个住宅地块的数据构成的数据矩阵进行分析。首先进行KMO和Bartlett测量。一般来说，KMO在0.7以上表示适合，而0.6～0.7表明尚可。居住功能区评估的结果是KMO值为0.731，Bartlett球形度检验的近似卡方为20 157.859，自由度28，Sig.为0.000(<0.05)。由此可知，测量指标较适用于主成份分析，有良好的效度。然后根据容积率、建筑密度、公服设施覆盖、开敞空间等多项指标构建居住地块指标矩阵，通过旋转主成分进行分析，将数据归结为3个主成分因子，剔除负荷小于0.4的项目，如人均住宅面积、公交站点数量等。样本累积方差贡献率为72.43%，说明大部分信息都能被解释(见表2)。

表2 主成分因子贡献率Tab.2 Contribution rate of principal component factors

根据主成分分析结果，依据各主成分权重和指标分级评分计算各居住地块得分。整体呈现正态分布，呈现中间集中，两头减少的半纺锤形，通过得分累计分析(见图12)，选取得分较低的20%对象作为低效居住用地。

图12 居住地块主成分各分段频率分布图Fig.12 Frequency distribution diagram of main components in residential blocks in different segments

2.4.3 评价结果解读

在上述分析的基础上得到老旧社区的分布图(见图13)，通过类似评价方法识别低效商业区(见图14)、低效工业和仓储物流区(见图15)，叠加成为成都中心城区低效用地分布图，结合现场校核确定最终结果(见图16)。从分布看，老旧社区主要集中在两江抱城的历史古城区域，以及各个由于城镇化进程被纳入城市的厂镇和部分城中村区域；低效商业用地零散度高，相对集中在城市北部和东部，契合城市的产业分布，城市北部和东部零售市场和专业市场较为集中；工业仓储主要集中在绕城高速的两侧，这是本世纪初中心城区经历的“推二进三”战略的结果，工业区向绕城两侧集中，内城区域主要发展现代服务业。

图13 老旧居住用地分析Fig.13 Analysis of old residential land

图14 低效商业用地分布Fig.14 Distribution of inefficient commercial land

图15 低效工业与物流仓储分布Fig.15 Distribution of inefficient industry and logistics warehousing

图16 低效用地分布Fig.16 Distribution of inefficient land use

3 结 语

3.1 主要结论

本次研究从高质量发展的角度，关注社会与人群属性，构建城市更新区域构建了3类25项评价指标体系，应用多源数据补充动态特征评估，能够更加全面的城市更新需求进行准确把握，提升更新区域识别和评个的精度和可靠性。同时结合在地城市的政策导向、规划要求与技术标准，具有很强的操作性。

本方法适用于中宏观层面的城市更新区域识别，主要针对于工业、居住和商业三种用地类型，具体的评估指标也是主要针对这三种功能进行构建。所以对于中宏观尺度以上三种功能为主的具体功能单元的更新评估，可以进行参考与识别。对于一些项目要具体识别出单元内具体哪一种功能要进行识别，本次研究的技术方法的适用性还有待进一步研究。

3.2 不足与展望

目前城镇低效及存量用地开发利用还处于起步阶段，对其在认定标准、开发模式、规划建设、政策支持等方面的探索将一直在路上，如何结合地方实际进行有效推进，还有大量的研究及实践工作要做。此外，在国土空间规划的背景下，如何释放空间新价值，激发空间新活力，还需要大量工作。