基于快速分割模型的中国城市体系中城市闲置土地的识别及其分布规律

《Growth Hormone & IGF Research》：Urban vacant land identification and its distribution rules of China's urban system based on fast segment anything model

本研究利用FastSAM模型对中国2446个自然城市进行闲置土地识别，发现UVL比例呈对数正态分布，并分为全球、局部、中心、外围和散射五种空间类型。大城市的UVL呈聚类分布，而小城市更分散，外围UVL面积更大。研究成果为可持续城市发展提供数据支持与策略建议。

　　### 城市闲置土地：可持续城市发展的机遇与挑战

随着城市化进程的加速和经济的持续增长，中国经历了快速的城市扩张和大规模的建设活动。然而，在这一发展背后，一些城市却面临人口流失、城市萎缩和土地利用效率低下等问题，导致土地被闲置。城市闲置土地（Urban Vacant Land, UVL）不仅出现在萎缩的城市中，也出现在正在发展的城市中，其广泛存在对全球的城市发展提出了新的挑战。尽管已有研究对UVL的识别和分类进行了一定的探索，但其在城市尺度上的系统性研究仍显不足。本文通过引入先进的Segment Anything Model（SAM）及其轻量化版本FastSAM，提出了一种自动化识别城市闲置土地的新方法，并将其应用于中国全部2446个自然城市（Natural Cities, NCs），为未来城市规划和土地管理提供了重要的数据支持和理论依据。

### 城市闲置土地的定义与特征

城市闲置土地通常指城市内部未被有效利用或功能缺失的土地。这类土地往往缺乏稳定的经济或社会活动，如公共空间中的交流、商业活动和其他功能性用途。其特征主要体现在空间形态和功能用途两方面。从空间形态来看，UVL可能表现为几乎没有建筑物的区域，或者虽然有建筑物但缺乏实际使用。从功能用途来看，UVL通常不具备生产力、居住性或生态服务功能，处于未被利用的状态。与低效利用土地不同，UVL强调的是完全的功能缺失，而非使用效率低下。这一特征使得UVL在城市规划和管理中具有独特的意义。

### 识别方法的创新与技术基础

传统的城市闲置土地识别方法往往依赖于人工调查和小范围数据，这限制了其在更大尺度上的应用。本文采用了一种基于深度学习的自动化识别方法，利用FastSAM模型对全国范围内的自然城市进行UVL识别。FastSAM作为SAM的简化版本，不仅保持了较高的识别精度，还显著提升了处理速度，使其适用于大规模数据集。通过使用高分辨率卫星影像和统一的标注标准，研究团队构建了一个包含5548个样本的COCO标准UVL数据集，为后续的模型训练和评估提供了坚实的基础。此外，通过采用1公里网格系统，研究者能够更精确地分析UVL的空间分布模式，并据此进行分类。

### 识别结果与空间分布特征

研究发现，中国自然城市的UVL总面积为4,442.1平方公里，占城市总面积的4.78%。这一数据揭示了UVL在城市中的普遍性及其对城市发展的潜在影响。进一步分析显示，UVL的总面积遵循Zipf定律，即城市规模越大，其UVL面积也越大。这一规律表明，UVL的分布具有明显的等级结构，城市间的UVL面积差异较大，且这一差异与城市规模密切相关。然而，UVL的比例（即UVL面积占城市总面积的比例）则遵循对数正态分布，且与城市规模无关。这一发现对于理解城市内部UVL的分布特征具有重要意义。

### UVL的空间分布类型

基于对城市内部UVL的分布模式分析，研究团队识别出五种不同的UVL空间类型：全球型、局部型、中心型、边缘型和分散型。其中，大型城市的UVL多呈现局部聚集的特征，而小型城市的UVL则更倾向于分散分布。全球型UVL分布在城市大部分区域，局部型则集中在某些特定的城市集群，中心型和边缘型分别出现在城市的中心和外围，而分散型则呈现出较为均匀的分布。这种分类不仅有助于理解不同城市类型中的UVL分布规律，也为城市规划和管理提供了针对性的建议。

### 区域差异与政策启示

从区域角度来看，UVL的分布呈现出显著的空间异质性。例如，全球型和局部型UVL主要出现在北方和东部地区，而中心型和边缘型则更多见于东北和中部地区。这种区域差异提示我们在制定政策时应考虑到不同城市的地理和经济背景。对于全球型和局部型UVL，由于其较高的比例和较大的平均面积，需要特别关注。这些类型的UVL往往伴随着较高的城市发展压力，因此应采取综合性的土地利用和再利用策略。而边缘型UVL虽然比例较低，但其平均面积较大，需要通过改善基础设施和分阶段开发来提升其利用价值。

### 未来展望与研究意义

本研究不仅提供了一种高效、准确的UVL识别方法，还构建了一个覆盖全国2446个自然城市的UVL数据集。这一数据集为城市规划者和政策制定者提供了重要的参考信息，有助于制定更加科学和合理的土地利用政策。此外，研究结果还揭示了UVL在城市系统中的重要性，强调了其作为城市再生和可持续发展资源的潜力。未来的研究可以进一步优化模型的精度，整合长期的时间序列数据，以更全面地理解UVL的形成机制和变化趋势。同时，也可以探索FastSAM模型在其他土地利用分类任务中的应用，如农业用地、非正式聚居区或绿地识别，以拓展其在城市研究中的应用范围。

### 结论

本文通过引入FastSAM模型，成功实现了对中国城市闲置土地的全国范围识别，并揭示了其在空间分布和统计特性上的显著特征。研究结果表明，UVL的总面积遵循Zipf定律，而其比例则呈现出对数正态分布，这为城市土地利用的系统性分析提供了理论支持。同时，通过五种空间类型分类，研究团队为不同城市类型的UVL管理提供了有针对性的策略建议。本研究不仅在方法论上取得了重要进展，还为未来城市可持续发展提供了新的视角和工具。通过开放数据和模型的共享，研究结果有望促进跨学科合作，推动城市规划、土地管理和环境治理等领域的创新实践。