工业用地转型对于区域产业升级和提升城市可持续性至关重要，但该领域的研究在深度和精细度方面仍存在不足。本研究构建了一个精细化的技术框架，整合了多源数据和机器学习方法。本研究以1990年至2021年期间的江苏南部城市群为研究对象，从数量、空间、形态、功能和强度五个维度系统性地探究了工业用地转型模式及其驱动因素。研究结果表明：（1）工业用地转型呈现显著的非线性特征。数量转型遵循“S型”增长曲线，而强度转型则呈现“U型”模式。功能混合程度和高科技企业占比持续上升，而空间相关性则逐渐增强。(2) 多尺度空间分析（地块—网格—区域）表明，在转型速度和均衡状态方面，集群型工业用地均显著优于分散型用地。不同转型维度之间既存在同步性也存在异步性，其中形态和功能的转型表现出最强的空间相关性。(3) “需求—支撑—约束”（DSC）驱动机制呈现出多维度的复杂性：数量转型主要受工业增长和土地禀赋驱动（呈现“倒U形”影响），环境法规显著促进空间转型，而形态、功能和强度转型则主要受经济发展和人口因素驱动。这些驱动效应在时空上存在显著的异质性。本文强调，必须制定动态且有针对性的政策，以优化土地资源配置、加强区域协调，从而提高转型效率。本研究构建的多维度、多尺度分析框架有效提升了研究的分辨率，揭示了其复杂性和动态性，从而为工业用地优化提供了科学依据。
尽管工业用地转型研究日益深入，但仍有若干方面需要进一步探索，主要包括：（1）多维度分析不足：虽然工业用地规模等主导性转型形式已得到广泛研究，但由于数据限制，对次要转型特征的描述仍面临困难。因此，关于工业用地多维度转型的研究尚显不足，特别是在内部功能、利用强度及其他维度方面。(2) 空间尺度粗放：大多数分析依赖于以行政区划为最小分析尺度的统计数据，缺乏更精细的洞察。这阻碍了对工业用地转型中区域内差异的识别。(3) 时间跨度较短：绝大多数研究涵盖的时间段不超过15年。更长的时序数据对于揭示潜在的非线性转型模式以及准确解读驱动机制至关重要。
为克服上述局限，本研究以江苏南部城市群为案例研究区域，构建了一个融合多源数据与机器学习的精细化研究框架，以探究工业用地转型的多维特征、时空格局及驱动机制。本研究的贡献与创新主要体现在三个方面：（1）方法论上的技术创新。通过整合包括高分辨率遥感、兴趣点（POI）及建筑形态数据在内的多源大数据，本研究基于XGBoost算法构建了精细的地块级识别框架。该框架能够对1990年至2021年连续32年的时间序列数据进行精准表征，为土地利用转型的精细化研究提供了可复现的技术方法。(2) 演化规律的维度拓展与理论深化。本研究综合了显性与隐性转型的特征，构建了一个涵盖数量、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出发，揭示了工业用地转型过程中各维度间的非线性演变规律及其异步性。这不仅丰富了土地系统科学（LSS）的阶段演变理论，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型轨迹中的关键转折点和异质性驱动机制。研究成果为当前的区域空间规划和城市更新提供了直接支持，并为在“双碳目标”（碳达峰和碳中和）背景下对工业空间进行精细化治理和差异化监管提供了科学依据。
基于上述理论分析，本研究构建了一个综合分析框架（图2），该框架立足于工业用地转型驱动因素的多维性、空间性和非线性特征。首先，与现有研究中常见的降尺度方法不同，本文利用地块级数据支持从微观到宏观尺度的升尺度研究，从而提高了工业用地转型特征描述的准确性。其次，通过两个不同的指标来衡量各维度内的转型，从而加深了对转型动态的理解。
(1)地块层面。我们关注三个维度的转变：形态、功能和强度。形态转变涵盖地块面积和形状规则性的变化。地块形态与产业类型密切相关，反映了工业用地开发和利用过程中治理方式的差异。例如，通过“自下而上”过程自发形成的工业用地往往面积较小、分布零散且形状不规则，而通过统一的“自上而下”规划开发的用地通常具有面积较大、形状规整的单个地块。功能转变体现在两个方面：功能混合（例如，从单一功能向多功能用途的转变）和功能升级（例如，高科技产业比例的变化）。就强度转型而言，鉴于工业用地的主要效益源于其空间承载力，常见的农业用地强度定义方法（如频率法、投入产出法）并不适用。因此，本研究基于工业用地的工业活动承载力来定义其强度，并通过建筑密度和建筑体量来衡量该承载力。
(2)网格层面。构建了一个2公里×2公里的渔网状网格。通过面积加权平均法，将三个地块尺度的维度（形态、功能、强度）汇总至网格层面。此外，在此尺度上引入了数量转变维度。数量转变既通过绝对指标（例如，网格内工业用地面积的变化）也通过相对指标（例如，网格内工业用地占建筑用地总面积比例的变化）来定义。
(3)区域层面。以县级行政区为分析单位。考虑到工业用地转型的空间属性，在此尺度上，除前四个维度外，还增加了空间转型维度。空间转型包括空间集聚和空间自相关等指标。
关于工业用地转型驱动因素的分析，本研究采用地理与时间加权回归（GTWR）模型，以克服传统回归模型的局限性。利用连续的年度面板数据，GTWR模型考察了各种驱动因素在不同发展阶段对工业用地转型的非线性影响。同时，考虑到各地区发展基础的差异，该模型还分析了工业用地转型主要驱动因素的空间异质性。
该研究框架从多尺度视角阐明了工业用地转型的空间格局及其驱动机制，主要贡献包括三方面。首先，它建立了一个微观-宏观联动分析框架。虽然社会经济过程和政策干预通常发生在宏观尺度，但工业用地转型具体表现为地块尺度的微观空间行为。本研究利用多源数据识别并量化地块尺度的转型特征，再通过面积加权方法将这些特征聚合到网格和区域尺度，从而弥合了微观层面土地变化与宏观层面社会经济驱动因素之间的鸿沟。其次，本研究提出了一种多尺度转型模式识别方法。通过在地块、网格和区域尺度上应用自组织映射（SOM）模型来识别转型模式，该方法细致地揭示了工业用地转型的空间异质性及其演变阶段。最终，该研究揭示了跨尺度转型模式之间的关联性及其传递机制。通过比较不同尺度的转型特征，本研究阐明了微观层面的土地转型行为如何逐步累积，进而塑造宏观层面的区域格局，从而深化了对工业用地转型背后空间演化机制的理论理解。
尽管本研究深化了对工业用地转型模式及其驱动因素的理解，但仍存在若干局限性。例如，本研究并未直接分析地块或网格尺度的驱动因素。未来研究可通过整合微观层面的企业数据、基于兴趣点（POI）的经济指标或遥感代理变量，构建地块层面的解释变量，从而进一步探索多尺度的驱动机制。此外，尽管高科技企业的占比能有效反映工业用地宏观层面的功能升级，但这不可避免地简化了子类别内部的异质性及质量演变。为了全面揭示工业结构升级背后的微观机制，未来关于功能转型的研究应进一步细化。具体而言，研究者需要对工业类别进行细分，纳入企业层面的质量指标（如专利产出和研发强度），并仔细控制其他混杂因素。
原文请见：https://doi.org/10.1016/j.habitatint.2026.103991
