本文根据中国城市规划学会城市规划新技术应用学术委员会副主任委员、清华大学建筑学院研究员龙瀛在2022城市规划新技术专题会上所作的报告整理。该报告是清华大学建筑学院龙瀛团队与黑龙江省院张远景院长团队共同完成。报告以鹤岗市为例，从宏观（采矿塌陷区）、中观（城市空地、空间失序）、微观（废弃建筑）三个层面分别展开。

一、研究背景

鹤岗作为东北地区资源枯竭型城市的典型代表，面临着煤炭产量持续下降、经济下行、人口流失显著等一系列发展问题。相比诸多城市，资源枯竭型城市的空间问题更为显著。对鹤岗城市空间问题的分析与研究，将有助于鹤岗和其他同类型城市的困境突围与城市再生。

课题选取鹤岗市中心城区为研究区域，研究面积为102平方公里。鹤岗中心城区东侧主要为带状分布的煤矿，煤矿枯竭后周边的工矿区、家属区暴露出众多的显著空间问题。

图1 鹤岗市区位图及本课题具体研究区域

鹤岗城市空间问题主要表现为三个层面。宏观层面的采矿塌陷区问题、中观层面的城市空间、空间失序问题和微观层面的废弃建筑问题。通过前期调研发现，资源枯竭、经济下行、人口流失等导致鹤岗市存在大面积的采矿塌陷区，且城市空地、废弃建筑广泛分布，空间失序现象较为严重。严重的空间问题给城市发展造成巨大的危害。

通过目前国内外城市空间问题识别分析方法的研究进展对比分析发现，中国亟需低成本、易操作、可复制的资源枯竭型城市空间问题识别分析方法。

二、研究方法与结果分析

研究按照研究内容→数据获取→识别方法→规划设计应对的技术路线开展。

2.1 宏观——采矿塌陷区

研究数据主要来源于黑龙江省城市规划勘测设计研究院，获取了由鹤岗市矿务局提供的2017年鹤岗市采矿塌陷区边界。利用ArcGIS 10.6软件平台将鹤岗市采矿塌陷区进行格式转换与空间分析。结果显示，鹤岗市采煤沉陷区集中分布于城市东侧。

2.2 中观——城市空地

通过BIGEMAP下载谷歌高分遥感影像以及排除春、冬季节植被凋零、白雪覆盖等影响的2009与2019年夏、秋影像。数据预处理结合城市空地概念，对鹤岗城市空地进行初步分类。

利用基于图像语义分割模型的目标定位与特征提取（DeepLab v3）开展研究。依据F2-score评价，模型准确率达到88.8%。基于模型预测结果进行人工审核与现场调研核查，提高城市空地识别的准确度、形状精度、地块完整性。

研究发现，与2009年相比，2019年鹤岗市城市空地增加1064ha，占比大幅增加；与2009年相比，2019年鹤岗市城市空地地块数量增加了217个；2009年城市空地面积均值为3.5ha，2019年为4.1ha，与2009年相比，2019年平均空地面积有所增加。

图2 鹤岗市2009年与2019年城市空地对比

另外，研究还发现，利用深度学习模型进行城市空地的自动预测，节省大量人力，且保证了城市空地识别的精度，且此模型可适用于其他城市的空地预测。

2.3 中观——空间失序

借助移动感知采集街景。利用基于图像语义分割的空间失序要素识别（SegNet）方法开展研究。并基于模型预测结果进行人工审核与现场调研核查，验证空间失序模型识别的准确度。依据F2-score评价，模型准确率为71.1%。

研究发现，出现次数最多的5个空间失序要素分别为：1）私人物品侵占道路（主要为机动车乱停）；2）建筑外立面涂鸦、小广告；3）建筑外立面污损；4）建筑垃圾堆放、丢弃；5）绿化杂乱、未维护。

同时，对行政区尺度和街道尺度的空间失序水平计算提供了量化的分析结果。对比传统人工识别方法，新数据新方法节省大量人力，且保证了识别的精度。

图3 鹤岗市2020年各空间失序水平和各街道空间失序水平

2.4 微观——废弃建筑

用于废弃建筑识别的数据来源与空间失序相同。利于基于图像目标检测的废弃建筑物视觉判断（Mask R-CNN）方法开展研究。研究共发现87处废弃建筑，识别的F2-score达到82.3%。

通过废弃建筑进行空间分析发现，废弃建筑物多分布于兴山区和东山区。废弃建筑多为棚户区和工业废弃建筑。

图4 2020年鹤岗市废弃建筑物分布

三、规划设计应对

通过对利益相关者访谈法、文献和资料调研法以及工作坊，针对各类不同要素形成了规划设计导则及规划图册。

如在课题研究初期，在鹤岗市举办了“第一届中国收缩城市规划设计工作坊”，13支团队进行了为期一周的现场调研及设计工作。在工作坊中，不同规划设计应对成果的主要策略分为“瘦身”、“恢复”、“强体”三个阶段。

针对本研究中识别的各个要素，在文本中按宏观、中观和微观三个维度提出具体应对措施和参考案例至关重要。以此来制定规划设计的总体目标及切实可行的总体策略。