城市工业用地多维转型：基于细粒度数据与机器学习的模式及驱动因素分析

《Habitat International》：Multi-dimensional transition of urban industrial land: Analysis of patterns and drivers using fine-grained data and machine learning

　　

**摘要**

工业用地转用对于区域产业升级和城市可持续发展具有重要意义，但相关研究在深度和粒度上仍存在不足。本研究构建了整合多源数据和机器学习方法的精细化技术框架。聚焦1990年至2021年中国苏南城市群，系统考察了工业用地在数量、空间、形态、功能和强度五个维度的转用模式与驱动因素。研究发现：（1）工业用地转用呈现显著的非线性特征。数量转用遵循"S型"增长曲线，强度转用则呈"U型"模式。功能混合度和高新技术企业占比持续上升，空间关联性逐步增强。（2）多尺度空间分析（地块—网格—区域）表明，集聚型工业用地在转用速度和均衡度上均显著优于分散型用地。不同转用维度之间同步与异步并存，形态转用与功能转用的空间相关性最强。（3）"需求—支撑—约束"（DSC）驱动机制呈现多维度复杂性：数量转用主要由工业增长和土地禀赋驱动（呈"倒U型"影响），环境规制显著促进空间转用，而形态、功能和强度转用主要受经济发展和人口因素驱动。这些驱动效应存在显著的时空异质性。本文强调动态差异化政策的必要性，以优化土地资源配置，增强区域协调性，提高转用效率。本研究开发的多维多尺度分析框架有效提升了研究粒度，揭示了工业用地转用的复杂性与动态性，为工业用地优化提供了科学依据。

**引言**

土地利用转用通常指与特定经济社会发展阶段相对应的土地利用格局的转变，包括主导转用和隐性子转用（Long et al., 2022）。通过引导土地利用转用方向，可缓解人类活动与土地资源之间的矛盾，从而促进可持续发展（Huang et al., 2023）。作为土地系统科学（LSS）的重要研究主题，土地利用转用因其理论创新而受到学界广泛关注。同时，它也推动了对具体土地利用类型转用的研究，如耕地、工业用地和农村聚落等（Qu et al., 2019; Zhang et al., 2019; Zhang & Li, 2022）。任何土地利用类型的转用都不仅仅涉及土地要素的变化，还反映了社会经济系统（人类活动）与自然系统之间关系的微妙转变（Kong, Shen, et al., 2025）。

在各种土地利用类型中，工业用地作为产业活动的空间载体，在社会经济系统中发挥着关键作用（Guo, Xia, et al., 2025; Zhang, Li, et al., 2021）。同时，由于其占地面积大、能耗高、碳排放显著的特点，工业用地也深刻影响着自然系统的结构与功能（Chen et al., 2025; Liu, Zhou, et al., 2024）。鉴于这一双重角色，推动工业用地向高效、环境可持续路径转用已成为紧迫的现实问题。因此，理解工业用地转用的模式与驱动因素成为关键科学问题。

自18世纪工业革命以来，全球工业用地利用格局经历了持续的转用。特别是近几十年来，发展中经济体的快速工业化推动了全球工业用地的深刻转用（例如，1990年至2024年间，中国工业增加值增长了近60倍）。这些转用不仅体现在规模上，还涉及空间格局和利用效率等维度（Kong et al., 2026; Park & Kim, 2022）。现有文献从理论框架（Luo, Tong, et al., 2022）、转用度量（Cao et al., 2023; Dai et al., 2022）、机制分析（Xu & Zhang, 2021a, 2021b; Zhang, Li, et al., 2021）和影响评估（Zhang & Yan, 2024）等方面探讨了工业用地转用。研究揭示工业用地转用具有明显的阶段性特征，其演化轨迹与经济社会发展阶段密切相关（Hu et al., 2024; Tan et al., 2024）。国际政策实践，如德国鲁尔区的复兴和美国棕色地再开发，表明工业用地转用是增强城市活力、缓解土地压力、刺激经济的重要政策工具（Chen & Wang, 2022; He et al., 2024）。此外，驱动因素研究表明，社会经济要素（如人口、产业结构、投资强度）与治理因素（如环境规制、土地政策）之间存在复杂互动（Cao et al., 2023; Tan et al., 2024）。在这些因素驱动下，不同发展阶段的经济体在转用模式和演化速度上存在显著的跨区域差异（Kong, Huang, et al., 2025; Kuang et al., 2016）。

尽管工业用地转用研究逐步深入，但仍有一些方面需要进一步探索，主要包括：（1）多维分析有限：虽然工业用地规模等主导形态已被广泛研究，但受数据限制，隐性子转用的刻画仍然困难。因此，缺少对工业用地多维转用的研究，尤其是在内部功能、利用强度等维度。（2）空间尺度粗：大多数分析依赖统计数据，以行政单元作为最小分析尺度，缺乏更精细的洞察。这阻碍了对区域内工业用地转用差异的识别。（3）时间跨度短：大多数研究覆盖的时间段不超过15年。更长的时间序列对于揭示潜在的非线性转用模式、准确解读驱动机制至关重要。

为解决上述局限，本研究以苏南城市群为研究区域，开发了整合多源数据和机器学习的精细化研究框架，考察工业用地转用的多维特征、时空模式和驱动机制。研究贡献和创新主要体现在三个方面：（1）方法论技术创新。通过整合包括高分辨率遥感、兴趣点（POI）和建筑形态数据在内的多源大数据，基于XGBoost算法开发了精细的地块级识别框架。该框架能够准确刻画1990年至2021年连续32年的长时序数据，为土地利用转用的精细化研究提供了可复制的技术方案。（2）演化规律的维度拓展与理论深化。结合主导转用与隐性子转用特征，本研究构建了涵盖数量、空间、形态、功能和强度的五维分析体系。从地块—网格—区域的多尺度关联视角，揭示了工业用地转用的非线性演化规律和各维度间的异步性。这不仅丰富了土地系统科学的阶段演化理论，也深化了对高密度城市化地区土地系统复杂性的科学认识。（3）实践中的政策价值。基于典型的实证证据，本研究识别了工业用地转用轨迹中的关键转折点和异质性驱动机制。研究结果直接支持当前的国土空间规划和城市更新工作，并为"双碳目标"（碳达峰和碳中和）背景下工业空间的精细化治理和差异化管控提供了科学支撑。

本文余下部分结构如下。第2节呈现理论分析和研究框架。第3节介绍研究区域、数据与方法。第4节报告实证结果。第5节讨论研究结果、政策启示及局限性。第6节得出结论。

**章节片段**

**理论分析**

土地利用转用通常分为主导转用和隐性子转用（Long & Qu, 2018）。主导转用主要表现为土地利用数量结构和空间格局等易于观察的变化。相比之下，隐性子转用则涵盖与主导形态相关的更深层次转变，如土地功能、质量、产权和投入产出效率的变化，需要通过系统调查和分析才能揭示（Yang et

**研究区域**

苏南城市群（SJUA）位于长江三角洲地区（图3），是中国工业化程度最高的区域之一。截至2024年，该地区仅占中国国土面积的0.3%，却贡献了中国工业增加值的7.4%，反映出极高的工业密度和经济重要性。

其工业用地的演化深刻反映了中国东部地区工业化和城市化的典型轨迹。

**多维转用**

本研究识别了1990年至2021年苏南城市群16,067个工业用地地块（2431.56 km2）。为验证识别准确性，随机选取300个地块与谷歌地球历史影像进行人工比对。对于功能识别，如果模型将地块正确分类为工业/非工业用地，则视为正确识别。如果影像显示混合功能，则一致性为

**研究发现与既往研究的比较**

与基于粗粒度行政数据的既往研究相比，本研究揭示了工业用地转用更精细的空间异质性和非线性动态特征。

**结论**

本研究通过多源数据整合方法和精细化分析框架，系统考察了1990年至2021年苏南城市群工业用地转用的模式与驱动因素。从数量、空间、形态、功能和强度五个维度进行分析，揭示了工业用地转用的复杂性和非线性特征。运用GTWR模型，本研究解读了

**CRediT作者贡献声明**

Kon W.: 写作—审阅与编辑，写作—初稿，可视化，验证，资源，方法论，形式分析，数据整理，概念构思。Yu C.: 写作—审阅与编辑，可视化，形式分析。Zhou H.: 写作—审阅与编辑，软件。Han W.: 资源，形式分析。Zhang Z.: 写作—审阅与编辑，验证，监督，项目管理，资金获取，概念构思。Shen G. Q.: 写作—

**利益冲突声明**

作者声明，他们不存在任何已知的竞争性财务利益或个人关系，这些关系可能影响本文所报告的工作。

**致谢**

本研究受国家社会科学基金重大项目（26ZDA061）、中国人民大学2025年度优秀创新人才培养基金项目、国家自然科学基金/研究资助局合作研究方案（项目编号：CRS_PolyU505/23，72321167654）、战略公共政策研究（SPPR）资助计划（项目编号：S2023.A6.023.23S）、国家自然科学基金（52578381）支持。

Kon W.|Yu C.|Zhou H.|Han W.|Zhang Z.|Shen G. Q.|Guo S.|Zhou J. X.|Lyu D.|Zhao X.