通过土地利用情景分析方法对空间规划政策进行环境评估.docx
《通过土地利用情景分析方法对空间规划政策进行环境评估.docx》由会员分享，可在线阅读，更多相关《通过土地利用情景分析方法对空间规划政策进行环境评估.docx（18页珍藏版）》请在冰豆网上搜索。
通过土地利用情景分析方法对空间规划政策进行环境评估
通过土地利用情景分析方法对空间规划政策进行环境评估
——在莫桑比克乡村一个高速发展的小镇研究
摘要：
本文提出了一种基于情景分析的方法，比较不同的空间规划政策可能会对环境造成的影响。
本研究将有助于克服在空间规划战略环境评价中的两个制约：
欠缺对未来可能出现状况的预测，对后备规划政策考虑不足，情景的评价是通过假设功能和GIS空间建模发展的，由基于不同的假定下典型的土地利用图组成。
土地利用使用情景模式可以提供一个范例，说明政策的不同会造成哪些不同的结果。
本文也将提供一组测定指标，加深对环境政策所带来影响的理解。
本研究列举了一个典型案例的研究方法，开发和评估卡亚未来土地利用增长的情景模式，卡亚是在莫桑比克农村的一个具有战略性地势和快速发展的城镇。
使用一系列环境指标来评价后备空间规划政策所造成的影响，包括森林砍伐率、农地的退化，洪水易发区、湿地和水源的入口。
用这种方式，关键环境政策的实施与每一个政策的确定都相关，提出可能的策略解决这些问题。
一、引言
环境评估对空间规划的重要性在实践过程中已得到了证实，许多国家在该计划批准之前都需要实施一个环境评价策略（SEA）（Dalal-ClaytonandSadler,2005）。
在空间计划方面，有大量的关于SEA应用的调查文献，它们大都将视角集中在有效性和质量标准（Stoeglehneretal.,2009;Theriveletal.,2009;BondeandCherp,2009）,比较分析和评价（Fischer,2010;Kørnøv,2009;ZhouandSheate,2009）,以及方法和技术等问题上（Donnellyetal.,2007;Marulletal.,2007;Genelettietal.,2007;BrownandTherivel,2000）。
对于方法和技术上的问题，普遍认为关于SEA本身特点的最早的研究存在着极大地不确定性：
空间计划的特点是其很大的通用性和不确定性，这使得所产生的影响不可预测（Jonesetal.,2005）。
因此SEA中所采用的方法和技术必须能够参与对未来不确定因素和模糊信息相关决策的制定。
情景分析的定义是：
一种试图描述事件的一系列逻辑和内在联系性，从而去探讨未来可能发生的演变（vanderSluijsetal.,2004）。
尽管关于情景的几种定义可以在资料中查阅，但他们大都认为情景是基于对现实一系列的假设来对未来可能发生变动情况的预测（MA,2005;Alcamo,2001）。
这使得情景分析对SEA具有特殊意义：
基准线和政策情景可以用来理解未来可能建立的系统是否已提出了战略行动或是否存在不确定因素产生的不同假定。
事实上，情景分析同常列在“SEA工具箱”上（OECDDAC,2006;Therivel,2004）,它被许多科学论文主张使用（Zhuetal.,2010;Noble,2008）。
DuinkerandGreig（2007）情景和情景分析以及通常意义中的环境影响评价在SEA中很少被应用。
特别是SEA中的空间计划，而更广泛的应用多在在能源、废物和水资源管理、农业和农业环境等领域（Sheateetal.,2008;Salhoferetal.,2007;Finnvedenetal.,2003）。
但关于情景分析法存在的不足，表现在可替代的局限性。
在近期SEA研究报告中表明，可替代的比较和正当性的选择是SEA的问题核心，但他们往往忽视在实践中的运用（Fischer,2010;Zhuetal.,2010;SAIEA,2006）。
未来对于情景的探索可以用于在关键驱动力趋势下，对不同规划方案实现多种可持续发展目标进行检测。
特别是，空间规划将从空间明确的情况下获益，从而描述出未来可能出现的土地利用模式。
这有助于帮助理解如何制定更为实用的政策将通常水平上的目标和原则（例如，计划是与给出的可持续发展战略相一致的，因为计划的规定推动着可再生资源的使用）的评估标准转换到实际意义水平（例如，“计划是与可持续发展战略相一致的，因为现有的和潜在的土地利用模式表明，住房可能朝着更具有良好太阳辐射的地区发展）。
尽管土地利用情景分析正越来越多的用于支持国家以及超国家决策的制定。
本文针对这些问题提出了方法，比较各种在未来可能出现的空间规划政策对环境造成的影响，该方法是基于空间情景规划的概念产生的（Stillwelletal.,1999）。
根据这一概念，规划应该通过现有的场景提供对未来变化的假设，它可以用来制定或审查政策的适用性（PettitandPullar,2004;Stillwelletal,1999）。
在这项研究中，情景的开发通过“假定”功能和空间建模实现，包括代表着未来土地利用在不同假设下主要驱动力的地图。
情景通过一系列环境表现指标进行评价。
该研究分析了具体的案例方法，规范卡亚未来可能出现的土地利用增长情景，卡亚是位于莫桑比克村的一个快速发展的小镇。
2、研究背景
卡亚大约拥有30000人，位于索法拉省，莫桑比克中部的一乡村小镇（图1）。
该区是城镇中最为贫穷的（（SimlerandNhate,2005），在卡亚居住的居民主要靠务农为生，大约45%的人仅仅依靠农业，30%的人从事贸易和手工业，但很多也是依靠农业来提升收入（Diamantinietal.,2011）。
原始部落是在一个可以俯瞰赞比西河冲击平原的小山上发展起来的。
围绕该中心区域，自然部落规模在上世纪70年代不断向不同区域扩大，逐渐形成了现如今的规模（如图1）。
主要由四个因素决定了增长模式：
海拔（免受赞比西河洪水伤害），靠近肥沃的土地（只要位于赞比西河漫滩），水源（由于地下水位的约束），和邻近的交通网络（偏离BairrodaVila，保证了正常的通信和贸易联系）。
图1卡亚区位图以及研究区土地利用图
随着城市增长引起了许多环境问题，包括森林砍伐，饮水安全、土壤侵蚀和废弃物的不合理安置等。
据当地卫生单位调查，气候、普遍存在的湿地以及一些周期性停水区，甚至在城市建筑群中，疟疾都成为最常见的疾病（Impacto,2004）。
森林砍伐在过去的15年中尤为严重，周边地区50%森林被砍伐，图2是不同时间段的卫星影像。
这一系列的演变与城市增长，森林，农田，洪水等联系紧密。
1991年、1999年、2000年的图像显示了森林覆盖面积逐渐减小的状况，这主要是由人口增长和对木炭、木材的需求所致。
观察以家庭为单位的森林砍伐模式（例如，高度分散的，不规则的版块和逐步扩张的轨迹）。
2001年大洪水受灾地区影响了几千人，很多农户从农民居住分散区疏散。
这次灾难，使得当地居民移民至卡亚西北部，这也加剧了对森林资源的压力和对农田的需求，导致森林砍伐的加剧，其影响在2004年的图像上可见（图2）。
该村镇最近找到了新的发展方向，如链接贝拉（省会）和马拉维的铁路，用电和新住宅、酒店、餐馆建设的连接。
该事件的预期发展将会与卡亚的未来息息相关：
从2005年就开始的构建赞比西河桥梁，该桥正式建成在2009年，它通过国道1连接了城市的南北部，与卡亚铁路相交（图1），带给城市新的战略机遇。
图2不同时间段森林覆盖（绿色）叠加到研究区的卫星图上，BairrodaVila表示为参考点（黄色点），到2004年，图像显示了2001年被洪水淹没的区域，以及迁移后新的居民点（图案填充）。
在这样的背景下，区政府决定通过空间规划控制城市未来的发展，该项规划（由Diamantini等人详细阐述，2011）包括空间发展战略，基于土地利用的分区，基础设施设置和服务提供，以及对现有城市地区进行升级，克服城市不平衡障碍。
地方政府将空间规划作为第一次规划的经验代表，在此时，所批准的规划办公室还没有正式建立。
因此，这项规划或其中部分存在着相当大的风险，它仅仅停留于纸上，仍需要大量修改（即使是在经济发达的情况下，这也是经常发生的，Waldner指出，2009）。
为此，规划团队负责监控和指导使规划早日实现。
本研究只要针对这一环节，通过确定关键问题和挑战，以及提出进一步的建议和修改意见，从而对环境影响产生参考价值。
特别是在该项研究中，这三个问题是相关的：
1、与不规范的发展相比，环境影响空间规划预期可达到的效果是什么？
2、执行部分计划过程中面临的风险有哪些？
3、引入额外的环境法规和限制土地开发的预计成效是什么？
尽管该项研究没有在正式的SEA背景下实施，但它与总体目标和SEA几个关键环节类似，如与规划团队密切相关，规划提出了要明确考虑环境影响以及在不确定条件下对不同可替代因素的分析。
三、方法
使用的方法基于以下三个主要阶段：
1.定义土地利用（3.1节）未来发展的主驱动因子；
2.利用空间模型（3.2节）来生成土地利用情景；
3.利用环境指标（3.3节）比较各种情景。
3.1定义基本驱动力
情景展示了基于初始情况和一系列的关键驱动因子的假定来预测未来将会如何发展（Alcamo,2001）。
在这项研究中，考虑了用来生成土地利用未来情景的两个驱动因子:
空间规划政策（定义为土地利用区划以及基础设施和服务的位置）和人口增长。
因此，情景描绘了如果采用不同的政策，并且考虑到未来的人口增长后，将会发生什么。
与策划团队密切合作后，制订了五种不同的空间规划政策（表1）。
表1五种空间规划政策的概述
政策
描述
适宜性模型中考虑的因素
分配模型中考虑的因素
P1
空间规划
土地利用现状；物理因素（坡度和洪水易发地区）；环境因素（水井和水体）；现有的以及规划的基础设施和服务（公路，铁路，医院，学校，供水设施）
规划的基础设施和服务的位置；土地利用分区
P2
包含了附加的环境法律法规的“绿色”版的空间规划
如上所述，再加上距森林、基本农田、湿地的距离（达200米）
如上
P3
加强版的“绿色”空间计划，包含了严格的环境保护法律法规
如上述，除了距湿地的可评估距离达400米
如上述，加上一下的几点环境因素：
森林、湿地50米范围内区域
P4
常规业务
土地利用现状；物理因素（坡度和洪水易发地区）；环境因素（水井和水体）；现有的以及规划的基础设施和服务（公路，铁路，医院，学校，供水设施）
无
P5
基础设施和服务的开发，但不强制执行土地利用法律法规
土地利用现状；物理因素（坡度和洪水易发地区）；环境因素（水井和水体）；现有的以及规划的基础设施和服务（公路，铁路，医院，学校，供水设施）
规划的基础设施和服务的位置；土地利用分区
第一项政策（P1）描述了规划现状的空间发展战略（包括道路、供水系统、公共服务、市场区的分区规划和位置）。
通过在P1政策中加入与最重要的环境问题相关的进一步整治问题，构建了两种可供选择的政策。
这些政策（P2）首先提供了额外来指导土地开发的适宜性因素，如开发区距森林、农田和湿地的距离。
也就是说，用地需求是通过从现有的森林、基本农田和湿地面积装换得到满足的。
第三项政策（P3）引入了更为严格的规定，应用所有的优先因素，再加上额外的限制：
土地开发完全不能在基本农田、森林和湿地附近进行。
值得注意的是，面积最大的森林保护区、洪水易发区和水井的法规已经被纳入的土地利用分区的空间规划内。
第四项政策（P4）考虑的是在保持现状，或正常经营中选择一项。
空间规划不执行，城市的发展就会不受管制，变得杂乱无章。
最后，第五项政策（P5），描述了基础设施和服务根据空间规划的草案提供的一个中间局面，但是在这些区域，土地利用法规的强制性较弱。
在以上条件下，城市的增长依然是自发性的，但是还是受到新的基础设施和服务的空间分布和配置的影响。
因为相关计划的实施方式的不确定性，研究区内的P4和P5被认为是特别有意义的。
人口增长是使用最为频繁的构建空间规划中未来土地利用情景演变的驱动因子（Petrovetal.,2009;Shearer,2005;PettitandPullar,2004）。
这个驱动因子是尤为重要的，因为人口增长变化率迅速，同样的情况出现在非洲的一些城市里（UNHabitat2008;Barredoetal.,2004）。
在这项研究中，假定在2008-2018年间有三种不同的预测。
第一种预测（低增长）反映了已晚的人口趋势，即假设未来十年人口的增长率与过去十年一样（年增长率，ARG=0.9%，根据现有的人口普查数据得到）；第二种预测（中等增长）反映了空间规划运作时的研究成果，表明了正在进行的基础设施建设将会推动人口的增长达（ARG）4%。
然而，这个预估结果具有极高的不确定性，难以预测未来Caia的“城市魅力因素”的幅度。
为了解决这个问题，进行了第三次预测（高增长），检验如果人口增长超过预期值（ARG：
5.5%）将会发生什么。
3.2土地开发利用情景
通过利用GIS构建基于规则的空间模型，生成未来土地利用情景的地图表示，按照图3中所示的操作进行。
为了达到这个目的，使用规划支持系统和如果—怎么样模型。
该操作程序基于三个主要步骤（完整的说明见Klostman，1999和2008；Pettit，2005）：
——计算每个特定的土地利用（增长模型）类型未来的需求。
——制作土地适宜性地图，以展示调节未来土地利用（适宜性模型）所用的不同区域的相对适宜性。
——通过基于不同区位的相关适宜性，附加的法规和约束条件来配置土地利用（配置模型）项目需求。
人口增长预测数据输入增长模型中，反之在适宜性模型和分配模型中都使用了不同空间规划政策的一些要素（例如，规划的基础设施和区划法规的位置），详见图3和表1。
该过程的详细描述如下。
图3生成土地利用情景的方法流程图
土地利用情景的生成主要针对最显著的土地利用变化：
未开发的土地（大草原、农用地、森林和闲置地）转换成城市区。
其他的转换（例如从住宅用转换成商业用地）则不考虑在内，因为这些因素对规划的环保绩效作用相对较小，并且因为它们要求在数据短缺的情况下引入额外的假设，使得情景的解译变得更加困难，对计划的制定的作用也有限。
为两类用途制定土地需求，形成增长模型：
住宅区与城市非住宅区，包括商业用地，制造业用地，轻工业用地以及公共用地。
这个模型结合上节用家庭住户人数和房屋密度描述的三种预测中的人口指数计算住宅用地需求，平均住户人数使用最后一次人口普查的数据（7.4人）。
关于房屋密度，则使用城市地区的不同行业的平均密度，并且假定未来的房屋密度模拟为现在的房屋密度。
城市的非居住用地需求估计相当于住宅区需求的7.5%，这个数字是在空间规划的背景文件中提出的。
结果，增长模型在三个人口增长的预测下，制定了新城区的总体用地需求。
适宜性模型通过输入图的数据加权线性组合生成了适宜性地图，其中输入图表示增强或削弱一个地点适宜性发展的因素。
输入数据使用了下面四组数据层：
土地利用物理要素（坡度和洪水易发地区），环境要素（森林和森林片段，水井，水体，露天矿坑，农田和湿地）基础设施和服务要素（公路，铁路，医院，学校，宗教供水）。
这些数据是结合五中不同空间规划政策的不同数据层，引导不同适宜性地图的发展。
为了简便起见，不报告所有地图中相结合的方法的全部细节，限制了总则的描述。
在P4项中，适宜性因素涉及到了与地形坡度、洪水灾害以及现有的基础设施和服务（道路，水井等）和基本农田的距离。
在P1和P5项中，适宜性因素相似，但是还是考虑了与公用设施和设备的距离。
最后，在P2和P3项中，对附加的因素，如到森林、农田、湿地的距离进行了介绍（表1）。
配置模型使用预测的土地需求、土地适宜性地图和用户自定义的其他配置参数来生成未来城市的增长情景（图3）。
配置参数有助于解决引入政策需求，因而有五个不同的备选方案。
对于P4政策，没有介绍额外的参数；对于P5政策，考虑了计划的基础设施和服务的位置，这样能使得住宅区增长不会发生在这些设施的安置区域；对P1和P2政策，同样考虑了土地利用分区，这意味着用地需求只能配置在土地利用规划允许的范围内，在这些区域，配置的顺序取决于各自的适宜性地图。
最后，对P3政策，介绍了附加的控制要素，这样在森林片区、农田和湿地50米范围内的开发就会受到限制。
通过利用配置模型来构建15种土地利用情景，每一个五种空间规划政策三个人口预测。
3.3通过环境指标比较各种情景
通过使用GIS计算以下五个指标的情景：
1.农用地面积的损耗：
原始耕地转变成城市区域；
2.森林面积损耗：
原生林覆盖区域（包括）已经变化为城市区域；
3.洪灾：
生活在洪水易发地区的人口数量；
4.健康风险：
生活在湿地100米范围内的人口数量。
湿地是传播蚊媒传染病的媒介，例如疟疾，这种代理变量的使用是基于在许多研究中分析疟疾的风险和环境条件之间的关系得到的。
100米的阈值是受到罗马教皇等人的作品启发得到的，但是这个阈值在这里只是被用作一般适宜性的说明，而不是作为一个安全距离。
这是因为文献中并未提供证据来支持这一点，因为大多数解决失地和蚊虫栖息地间关系的研究是在粗糙的分辨率下进行的。
5.水道：
距水源500米以内的居民地比例。
有几种方法来定义水道，但是这几种方法通常要结合水供应量的量度（每人每日/升）和住宅区至水源之间的距离或者是时间（包括排队所用的时间）。
这里所建议的指标只是二维的，因为不要求来自不同水源的水供应量的数据。
500米的阈值则是由莫桑比克国家水资源政策提议的（莫桑比克，1995年）。
选定的这些指标，是由于这些指标解释了该研究中最重要的环境问题，且容易理解和沟通。
指标的估计量的计算得到了替代政策性能的比较，获得了这些政策相关的环境效益和风险的认知。
4、结论和分析
4.1土地利用情景
基于人口增长的三种不同程度，图4展示了五种政策下的土地利用情景，通常，正如预期的那样，P1、P2、P3政策会带来不同城市格局之间的差异，这些差异主要表现在土地利用规划的布局上，P4、P5政策中所表现出的城市格局是偶然和不规则的，通过比较P1、P2、P3政策，可以更为详细的得到：
1、假定低人口推测出：
P1和P2导致了相同的土地发展，在P3中，城市扩张主要针对的是BairrodaVila的南部，城市收缩针对的是部分西北部村镇。
这是由于西北部村镇存在着各种森林小片区和小池塘的缘故。
2、假定中人口推测出：
P1导致以西北和西南为轴线的未开发地区逐步均匀的向外扩充。
P2和P3推动了以遗留的森林区域为中心，四周更为分散的分布发展。
3、假定高人口推测出：
P1导致西北部和西南部城镇的进一步发展，以及一些核心区域的扩充，而P2促进了一些分散在城市间隙区域的扩大，然而有趣的是，两种政策在不同的增长阶段所产生的土地利用情形都很相似。
相反，P3所形成的情形，在三个方面都不同于以往。
首先，它大幅度的限制了城市沿西北轴的经济增长，保护了森林面积。
其次，它促进土地开发沿西南方向的扩充。
第三，它形成了一个更为紧密的城市中心区域，从而弥补了P1和P2出现的不足。
比较P4和P5情景可以发现，在假设的低人口预测中，城镇空间的发展是相似的。
同时，中、高人口的预测表明，P4和P5政策成为造成不同空间格局的显著原因：
尤其是新服务业和公共事业（水井和道路）阻碍着城市的扩张，而P5、使之更为紧凑的发展，相反P4将会导致城市发展更为的参差不齐，而且对基础设施也会有强烈影响（例如对城镇中西部线性道路的发展）。
表1五种空间规划政策的概述
政策
描述
适宜性模型中考虑的因素
分配模型中考虑的因素
P1
空间规划
土地利用现状；物理因素（坡度和洪水易发地区）；环境因素（水井和水体）；现有的以及规划的基础设施和服务（公路，铁路，医院，学校，供水设施）
规划的基础设施和服务的位置；土地利用分区
P2
包含了附加的环境法律法规的“绿色”版的空间规划
如上所述，再加上距森林、基本农田、湿地的距离（达200米）
如上
P3
加强版的“绿色”空间计划，包含了严格的环境保护法律法规
如上述，除了距湿地的可评估距离达400米
如上述，加上一下的几点环境因素：
森林、湿地50米范围内区域
P4
常规业务
土地利用现状；物理因素（坡度和洪水易发地区）；环境因素（水井和水体）；现有的以及规划的基础设施和服务（公路，铁路，医院，学校，供水设施）
无
P5
基础设施和服务的开发，但不强制执行土地利用法律法规
土地利用现状；物理因素（坡度和洪水易发地区）；环境因素（水井和水体）；现有的以及规划的基础设施和服务（公路，铁路，医院，学校，供水设施）
规划的基础设施和服务的位置；土地利用分区
图4土地利用情景对比分析图，显示在三类人口增长预测（低、中、高）中，5种空间规划政策（P1—P5）造成的城市区域增长状况
4.2情景评价和比较
在3.3节中所描述的一系列指标是对不同的土地利用情形所造成的影响进行系统评价（见图5）。
对于政策P1、P2和P3来说，在所有假定增长的因素中，农业用地的减少是非常有限的（少于3公顷），相反，P4和P5情形表明，人口增长超出了在低人口预测中的预测值，城市用地侵占了农村用地。
对中人口预测进行分析，在现有城市结构内部或草原周边地区，通过引导开发沿线和周边的新服务，P5对农田的减少进行了限制管理。
然而，在高人口增长的条件下，P4和P5对农业领域的影响是相似的。
对于森林的减少，在所有的人口增长预测模式中，P3被认为是唯一有成效的政策，在中、高人口预测中，P1和P2在森林保护方面是无效的，其甚至比P4和P5都还要差。
在过去发生的经历中可以明确得到，洪灾在自由放任的条件下会成为一个重大问题，随着城市的不断扩张，洪灾易发地区也会逐渐扩大。
在临近湿地的地方，五项政策在低人口预测的条件下会出现相似的结果。
在其他增长预测中，实施P1、P2和P3比P4和P5要更好。
有趣的是，从中到高人口增长预测中，P1、P2和P3都不会导致湿地附近区域进一步被侵占。
最终，所有针对近水域的政策都表明随着人口的增加面积扩大，在三个增长预测中，政策P5是最能表明这一现象的，这并不稀奇，因为P5可以提供新的入水点，但在土地利用上没有具体规定和限制。
因此，水位变成控制城市扩大的重要特征。
这也能够解释为什么在低人口预测中，实施P4要比P1、P2和P3更好，新定居民点有围绕水源发展的趋势。
然而，如果人口增长较快，就没有足够的空间来容纳水域的扩充，同时P4的功能也将减弱。
值得注意的是，这个指标只用来解决部分水来源问题，因为它不能衡量用户的具体使用数量，人均资源可利用量以及排队使用的时间。
在这方面，P1、P2和P3可以促进水资源的均匀分布，而P4和P5可以形成人们以水源为点集中分布的城镇格局。
在图6中，使用数字雷达进行可视化，比较基于三种人口增长预测的五条空间规划政策环境绩效。
该图通过最大归一化方法建立统一评价指标值（Geneletti,2005）。
在这种方式中，将各指标的初始值转换成0—1衡量尺度，其中1（对应五边形的顶点）代表最佳性能，0（对应五边形的质心）代表了最差性能。
接下来需要讨论的是不同政策的总体影响，这在第二节中已被具体讨论。
农用地面积的损耗
低增长中增长高增长
森林面积损耗
低增长中增长高增长
健康风险
低增长中增长高增长
洪灾
低增长中增长高增长
临近水源的区域
低增长中增长高增长
图5影响土地利用情景的环境指标计算值（P1—P5指5种空间规划政策；低、中、高增长指不同的人口预测）
图6基于5种政策下的三类人口预测比较图，特别注意P1和P2线在低增长和高增长中的重合。
4.2.1针对持续不规范发展状况所提出的空间规划，其环保性能有哪些
所提
升级会员 