土地混合利用量化与效度研究
——以澳大利亚墨尔本为例

焦佳成傅白白鹿心宁赵亚东

(1.迪肯大学 建筑与建成环境学院，澳大利亚 维多利亚州 吉朗 3220；2.山东建筑大学 建筑城规学院，山东 济南 250101；3.山东建筑大学 交通工程学院，山东 济南 250101)

0 引言

混合开发作为城乡规划和城市设计的理念，可定义为将不同类型和功能用地整合，合理布置于城市空间中[1]。近年来，我国城镇化重速度、轻质量的问题严重，城市开发空间的利用效率有待提升。在我国城镇发展初期，城镇边界的扩张是城市化的必经阶段。有序且合理的城镇平面扩张有助于城镇化水平的提高和基础设施的建设。然而，随着城市规模在市场经济的催化下不断扩大，城市空间存量开发和更新对于土地资源的利用在一定程度上遭到忽视，使得现阶段城镇空间合理开发和土地高效利用逐渐成为新时代土地资源可持续发展的突破口之一。在我国城镇“有限增长”与“存量开发”的新时代背景下，土地混合利用开发模式的科学内涵将成为促进城市可持续发展的有效途径。

混合开发模式作为土地利用政策导向原则与国土空间规划范式转换节点，在理论研究与实践应用中不断扩展[2]。国外土地混合利用开发相关理论探索始于1973年，并于1990年引入我国[1]。土地混合利用即在城市建设与改造过程中将多种类型用地合理布置于城镇空间[2-4]。大量研究证明土地混合利用模式影响着城镇居民交通出行行为与城市环境[5-8]。土地混合利用度是量化土地混合利用程度和衡量建筑环境的重要指标。对城镇交通而言，土地混合利用程度直接影响城镇居民出行需求与非机动车出行。CERVERO[5]将街区尺度下土地混合利用度作为变量，发现土地混合利用度与交通出行需求相关。EWING等[6]进一步证实土地混合利用多样化程度能正面影响通勤交通出行模式，如用地类型越丰富，机动车出行的比例越低。丰富街区土地混合利用类型，提升土地混合利用程度能提高空间可达性[7-8]、影响交通吸引与发生[9]、促进非机动车出行[10]、减少机动车出行距离[11]。在土地混合利用程度高的街区中，邻里满意度高[12]、街区犯罪率低[13]、住宅价格均相对稳定[14]。

近年来，我国土地利用方式和结构发生了巨大变化，市场化逐步成为影响城市格局和土地利用结构的主要力量，由土地价值引发的用地功能置换促使不同功能的空间自发寻找最佳区位。在此背景下，我国土地混合利用研究的侧重点逐渐转变为探讨土地利用管理[15]、城市紧凑度[16]等方面，缺少对土地混合利用量化模型特征和量化效果的讨论。

综上所述，土地混合利用量化方法在我国得到较为广泛的应用，但对于除熵指数以外的其他测量方法与模型量化效度研究仍存在空白。因此，文章基于国内外土地混合利用相关研究，比较土地混合利用量化方法，构建双层过滤筛选法分析土地混合利用量化方法效度，以期为国土空间规划与土地混合利用量化分析提供参考。

1 研究方法与数据来源

1.1 方法构建

基于国内外土地混合利用相关研究结论得出土地混合利用开发模式对城市发展具有正向引导的作用[7-11]。量化方法是否能直观描述土地混合利用程度是衡量效度的标准，且量化效度是影响研究整体可靠度的关键因素。因此，将土地混合利用量化方法的效度分为土地混合利用丰富度、均匀度和平衡度3个类别。

基于双层筛选过滤分析框架从多个层次分析土地混合利用量化方法效度(如图1所示)。第一层初选的变量选取基于前期样本数据特征。在第一层筛选分析中，为减少无关变量对测算精度的影响，仅将虚拟地块对应土地利用信息百分比代入计算；第二层筛选分析解除对无关变量的控制，将量化效度分为土地利用丰富度、均匀度和平衡度3个层面。其中，土地混合利用多样化是指在样方地块内土地利用类型的数量，其程度高的居住环境更能够满足居民出行需求；土地混合利用均匀度是衡量多种不同类型用地或空间功能混合均匀程度的指标。STEINHARDT等[17]认为在满足一定程度用地混合多样化前提下，土地混合利用均匀度能直观反映不同类型用地所占的百分比；而土地混合利用平衡度可衡量两种类型用地的土地混合利用平衡情况。

图1 双层筛选过滤分析法图

1.2 空间尺度与数据来源

土地混合利用测算过程需先确定空间尺度，以进行数据收集和分析。空间尺度划定需合理匹配研究目标与对象，JACOBS[2]提出了土地利用空间尺度的划分标准；ROWLEY[18]通过扩展将原有两个空间尺度完善为建筑单体、临街建筑群、街道、片区与城镇5个尺度。基于过往研究[19]，图2概括了不同空间对象对应的样方尺寸与研究尺度。与多数基于省或市县域宏观层面研究不同[20]，文章主要是从中观街区与微观地块层面开展土地混合利用量化研究。数据包括20个虚拟地块和墨尔本都市区77个地块土地利用信息。20个虚拟地块土地的设计旨在降低与剔除无关变量对于量化结果的影响。

图2 土地混合利用相关研究步骤、研究对象、空间尺度和标准样方尺寸图

在第一层初步筛选中需要对土地混合利用量化方法的数据精度、适用空间尺度和量化样方的大小进行分析。因此，地块设计未明确土地利用类型分类，仅保持各类用地占比(LU)均质分布。虚拟地块编号为TG-01—TG-10。土地利用信息满足10种类型用地均匀分布特点。由于初步筛选将土地利用类型数据作为研究目标，因此虚拟地块仅将土地利用类型多样化程度作为变量。在TG-02—TG-10测试组下设置若干相关副测试组，以验证不同类型用地空间分布情况对结果的影响。副测试组与主测试组具有相同的用地类型数量和用地百分比，唯一变量为各类型用地空间布局。虚拟地块TG-11—TG-20的设计将土地利用类型的多样化程度作为常量，通过调整不同类型用地百分比分布，排除土地利用类型分类标准这一无关变量对量化过程的干扰。

第二层筛选分析解除对无关变量的控制，将墨尔本都市区77个地块用地信息代入量化方法分析其效度。墨尔本都市区占地面积为6.2 km2，路网结构呈规则方格网状(如图3所示)。墨尔本都市区的方格状路网结构将整个区域划分成多个＜500 m×500 m的地块，满足研究数据精度，故不需要栅格化处理，且可避免因栅格化产生的误差。因大多土地混合利用分析只针对出行者产生交通吸引的用地性质，道路本身几乎不产生交通吸引，故未将道路设施用地归类和计算。数据精度的提高有助于深化量化方法效度。此外，第二层筛选分析所涉及的土地利用信息来源于墨尔本土地利用与就业普查数据。

图3 墨尔本都市区77个地块位置与土地利用现状图

2 结果与分析

2.1 量化模型特征分析

根据量化模型特征，可将现有土地混合利用模型归类为直接量化法、独立量化法和复杂量化法3类(见表1)。直接量化法常以单一类型用地在标准样方地块内面积与标准样方地块总面积的比值来体现该类型用地在整个地块内所占比重。PEC可归为直接量化法，是量化土地混合利用情况最简单的方法。其过程仅需要了解某一利用类型用地面积和所在地块总占地面积即可。相较于其他量化方法，PEC更能直观体现待测目标内单一性质用地百分比，但其局限性在于测算过程无法量化整个标准样方地块内不同类型用地混合的整体情况。因此，PEC并不是量化土地混合利用程度的常用方法。

表1 土地混合利用度量化方法表

独立量化法在测算目标地块土地混合利用度时，将一种至多种类型用地面积或百分比作为变量代入计算过程。SHN、SIM、ENT和DIS在计算时不考虑除用地面积和用地百分比外的其他变量[21-25]。因此，将上述4个量化方法归类为独立量化法。与PEC相比，独立量化方法测算过程所需变量涵盖全类型用地信息，经由独立量化方法计算出的土地混合利用度能最大程度反映地块土地混合利用情况。

复杂量化法指在计算过程中需要代入除用地信息外其他辅助数据的测算方法。运用复杂量化法对目标地块进行土地混合利用度测算时需考虑除用地百分比外调节系数的取值。如BAL是描述两个独立的变量之间的平衡关系的常用方法。SONG等[25]认为在使用BAL进行研究时，不仅需要考虑样方地块内居住用地和非居住用地面积，同时还需考虑调节系数取值。调节系数是宏观区域内用地平衡情况和就业与职位供需情况的直观反映。就业与职位供需平衡时，可在计算时省略调节系数。

ATK指数在能源效用和城市经济学分析中广泛使用[26-27]。ATK量化过程需代入各类型用地总量及调节系数，因此调节系数取值会影响土地混合度量化精度。随着测算方法精度的提高，复杂量化方法测算的局限性在于高精度数据获取困难。引入调节变量会对量化分析结果产生潜在负面影响。以BAL为例，将宏观区域职位供需系数作为调节变量代入计算时，供需关系系数取值会受到土地利用结构、人口数量和宏观经济形势等因素的影响，此时调节系数反映宏观经济状况而非土地混合利用结构。

2.2 初次筛选结果

20个虚拟地块土地利用信息和土地混合利用度初次筛选分析结果见表2。虚拟地块用地信息如图3所示。虚拟地块对应混合度量化过程基于SIM、SHN、ENT和DIS 4种方法。因在初次筛选量化过程中将土地利用类型划分标准假定为无关变量来控制，所以未明确不同种类用地(LU)所表示具体的用地性质。由于DIS需要代入具体的居住用地和非居住用地的百分比，因此表2中无法展示虚拟地块对应的DIS。将虚拟地块TG-01—TG-10的土地利用类型数量设置为n，且其取值由1递增至10。虚拟地块TG-11—TG-20的土地利用类型数量及其用地百分比分布一致，变量为不同类型用地所占百分比。TG-01—TG-10中数据显示，随着土地利用类型数量n的增加，所对应土地混合利用度SIM和SHN增加，而ENT对应混合度值无明显变化。

表2 20个虚拟地块土地利用信息和土地混合利用度表

虚拟地块TG-11—TG-20的土地混合利用度表明，控制整体用地百分比为常量，土地利用性质本身不作为一个影响最终量化结果的变量，土地利用类型划分标准在一定程度影响DIS量化过程。初筛结果显示SIM和SHN在一定程度上能反映土地利用多样化程度，然而ENT高低与土地利用类型分类标准和用地类型多样化程度无关。

续表2

2.3 二次筛选结果

依据分析方法，研究第二层筛选中代入77个墨尔本都市区地块用地信息，以进一步确定量化方法效度。表3～6中所选地块用地信息源于墨尔本土地利用与就业普查数据平台，地块对应土地混合利用度基于SIM、SHN、ENT和DIS。

地块3000-009、3000-011、3000-054、3000-016、3000-044和3000-064的用地混合情况、居住用地百分比(P-R)和非居住用地百分比(P-NR)不同(见表3)。6个地块每个地块内部均包含4种类型用地，经SIM计算所得混合度均为0.44。地块3000-034和3000-012非居住用地百分比均为0.88，但两地块用地类型数量n分别为3和4，导致所得土地混合利用度不相同，分别为0.25(n＝3)和0.44(n＝4)。地块3000-057、3000-023和3000-061非居住用地百分比相同，n分别为3、4和5，与之对应的SIM为0.25、0.44和0.69。SIM的大小与居住和非居住用地的百分比无明显关系。结果证明，SIM直接体现土地利用多样化程度，而非用地均匀程度或用地平衡状态。

表3 SIM分析结果表

地块3000-063、3000-018、3000-040和3000-066测算结果显示，随着n的增加，对应的SHN从0.69增加至0.96。其趋势符合SHN能够直观反映土地利用类型多样化程度的论点。但地块3000-065、3000-041、3000-055、3000-058、3000-030和3000-033对应数据表明，SHN相同，n不一致。由表4可知，SHN与居住和非居住用地百分比无直接关系。结果表明SHN不能直接体现土地利用类型的多样化与居住非居住用地平衡，仅能从一定程度体现多种用地之间的均匀分布程度。

表4 SHN分析结果表

表5中11个地块相关信息显示，n的大小对ENT测算结果没有直接影响。其中居住用地百分比和非居住用地百分比不直接影响ENT大小。相较于SHN，经由ENT计算的混合度更能直观地反映土地利混合的均匀程度而非多样化程度。表5中地块3000-018和3000-025的n值不同，但每种类型的用地所占的百分比都为均匀分布，表明ENT更能直观反映土地混合利用均匀程度，与用地类型多样化程度和用地平衡无关。

表5 ENT分析结果表

DIS反映P-R和P-NR之间的平衡状态。以3000-002和3000-020地块为例，尽管上述两地块的n值和土地利用均匀程度不同，但两者有相似的居住用地百分比与非居住用地百分比(见表6)。随着居住用地与非居住用地比值趋于平衡(地块3000-002和3000-020)，DIS接近0。反之，当居住用地与非居住用地比值极端不平衡时，DIS增大，如地块3000-018、3000-024、3000-039和3000-042。

表6 DIS分析结果表

土地混合利用量化方法特征及效度研究结果见表7。其中，“+”号代表该方法具有对应特征。SHN和ENT能反映土地利用均匀程度，SIM侧重分析土地利用类型丰富程度，DIS是量化土地利用平衡状态的有效方法。

表7 土地混合利用量化方法特征及效度表

2.4 空间功能混合利用分析

依据上述量化指数效度，依托墨尔本土地利用与建筑空间功能数据，进一步分析墨尔本都市区空间功能混合利用现状(如图4所示)。SIM量化结果如图4(a)所示。墨尔本都市区多数地块土地利用类型与空间功能多样化程度不高，77个地块中仅有12个地块SIM＞0.80，多数地块SIM约为0.50。经SHN与ENT量化的土地利用与空间功能混合均匀度如图4(b)和(c)所示，多数地块混合度ENT＞0.60。结果表明，墨尔本都市区土地利用与空间功能混合均匀程度高。不同类型用地之间占比均匀。而居住与非居住用地之间平衡度较低，DIS约为0.30，如图4(d)所示。基于此结果，墨尔本都市区后续城市更新与存量开发工作应注重提升土地利用与空间功能多样化程度、促进街区内职住平衡。

图4 墨尔本都市区空间功能混合利用现状图

3 结论

通过上述研究可知:

(1)墨尔本都市区多数地块土地利用类型与空间功能多样化程度不高，77个地块中仅有12个地块SIM＞0.80，多数地块SIM约为0.50。多类型用地与空间功能混合占比均匀，多数地块混合度ENT＞0.60。而居住与非居住用地之间平衡度较低，整体的DIS约为0.30。

(2)复杂量化法数据精度最高，但直接量化法仍能最大程度反映土地混合利用结构。直接量化法包括SIM、SHN、ENT和DIS，其测算数据涵盖多类型用地数量及百分比。以BAL与ATK为代表的复杂量化方法所需数据精度高，计算过程繁琐复杂。

(3)经由不同量化方法测算的土地混合利用度体现土地混合利用结构不同层面。SIM能够直接量化目标区域土地混合利用多样化程度，即样方地块的SIM越高，地块土地利用类型与空间功能越丰富。SHN和ENT仅与土地利用均匀程度相关而非土地利用多样化程度。DIS直接反映居住用地和非居住用地的平衡状态。多类用地信息的土地利用丰富度测度可采用SIM，用地与空间功能混合均匀度测算可采用SHN或ENT，相异指数则应用于对土地利用平衡量化。