中国建设用地增长驱动力研究

近年来我国建设用地不断增加,耕地面积不断减少,建设占用与耕地保护的矛盾日益突出。国家提出运用土地政策参与宏观调控,对建设用地变化及驱动力的研究也成为学界的焦点。已有关于建设用地增长驱动力研究多基于城市经济学单中心模型进行城市建设用地的研究,缺乏全国层面建设用地增长驱动力研究。本文采用1996-2006年省级面板数据,对全国层面建设用地增长的驱动力进行分析。从经济、社会、政府、地理四类因素选择变量,通过模型的比较与择优,构建了建设用地增长的驱动力模型,并分析核心变量对建设用地变化的驱动作用。结果表明:①最终决定全国层面建设用地变化驱动力方程的有三个核心变量,即:人口、GDP和公路营运里程;②通过比较标准化系数发现三个变量对建设用地增长的作用表现为GDP公路营运里程人口;③在东中西地区,核心变量对建设用地的影响程度略有差异,即东部地区为GDP人口公路营运里程;中西部地区为GDP公路营运里程人口。     

基于GIS数据的县域人口密度空间降尺度模拟——以广东省惠东县为例

人口调查统计以行政区划为基本单元,数据精度不能满足栅格尺度上的空间结构分析,也难以与生态环境综合研究中的自然地理数据相匹配,而人口数据降尺度空间模拟是解决这一问题的有效途径。本文基于统计学方法和GIS技术,对惠东县乡镇人口数据与空间因子进行相关性分析,并筛选出建设用地指数、高程、到居民点距离等因子用于回归分析,分别采用一元和两种多元回归方法建立人口密度数据空间化模型,最终在GIS平台中实现人口密度的降尺度模拟,获取200m×200m栅格尺度的人口密度数据。一元回归分析中,建设用地指数因子的模拟结果最优,R2为0.734,可作为快速、粗略模拟惠东县人口密度的模型;多元回归分析中,逐步和向后回归模型的R2分别达到0.775和0.886,模拟结果均较为理想。通过对模型的分析可知:①多元模型明显优于一元模型;②向后回归模型优于逐步回归模型。研究结果表明此人口密度模拟方法具有较强的操作性,可为县域尺度人口密度空间化的应用研究提供借鉴。     

中国城市用地增长极限规模测算

快速城市化出现的城市建设用地扩张问题,受到人们广泛关注,借鉴发达国家经验,我国需要测算一个极限区间值进行自上而下的总量控制,以促进最严格耕地保护制度和节约用地制度的落实.但是如何测算这个极限规模一直没有得到很好解决.本文提出了一个常规方法组合和关键指标相结合的技术思路来尝试解决这个问题.研究首先对城市用地扩展规模的影响因子进行了分析,讨论了城市人口数量和GDP分别与建成区面积相关性,确定了城市人口数量对建成区面积影响更大;在此基础上,采用逻辑斯蒂模型,依据我国1950-2010年经济数据,对城市化水平进行预测;用自回归分布滞后模型,依据1951-2010年全国人口数据对未来人口规模进行预测,并分为三个方案对结果进行了讨论;最后按照城市用地分类与规划建设用地标准,以节约集约用地为原则,将人均城市用地规模取值控制在65.0-115.0 m2,计算城市用地扩展极限规模.结果表明,到2045年,中国的城市化预测水平为79.99％,在中国人口增长控制较好的情况下,人口规模将达到14.97亿人,城市用地扩展规模为77 857.38-137 747.70 km1;若中国人口达到有关研究的预测峰值16亿人,中国城市化水平稳定在80％,城市用地扩展极限规模将会是83 200.00-147 200.00 km2.综合以上分析,未来我国的城市建设用地总量应在7.8万km2到14.7万km2之间.     

基于国民经济和人口发展目标的建设用地需求规模预测研究--以武汉市黄陂区为例

常用的建设用地需求量预测方法有回归分析法、灰色系统法。但这两种方法的共同点是根据历史统计数据预测未来建设用地需求规模。对国民经济和人口发展目标考虑较少。但建设用地规模与国民经济、人口之间的相关关系十分密切。必须针对国民经济和人口发展目标，分析建设用地效益和人均建设用地指标，确定国民经济和人口发展对建设用地的需求规模，结合基本农田保护、生态安全对建设用地规模和布局的制约。最终确定建设用地发展的合理规模。以武汉市黄陂区为例。在完全考虑国民经济和人口发展目标条件下。结合该区基本农田保护政策和生态安全等制约因素的影响。确定该区建设用地合理规模。     

基于CCA的南京市土地利用变化人文影响分析

为分析并解释不同人文因素对于土地类型变化的影响,本文以南京市为研究区,以遥感影像和社会经济统计数据为基础,采用典型相关分析法(CCA)研究了2002-2009年间南京市人文因素对土地利用变化的影响。分析结果表明:耕地大量减少并向建设用地转变,与GDP、固定资产投资额和收入有较强的正相关;草地和耕地受到的主要影响因素不同,并且两种地类之间存在相互转变的过程。CCA分析法阐释了南京市土地利用变化对主要经济因素的响应,不同的用地类型受到的影响大小和方向有所差异,丰富了土地利用变化及其影响因素作用机制的研究。     

数学模型在人口预测中的应用--以江苏省为例

人口规模是城市规划和土地利用总体规划中一项重要的控制性指标,人口规模是否合理,不仅影响到未来地区经济和社会发展,而且会影响到地区生态环境可持续发展,因此准确地预测未来人口的发展趋势,制定合理的人口规划和人口布局方案具有重大的理论意义和现实意义。运用马尔萨斯人口模型、Logistic增长模型和线性回归分析方法,利用《江苏统计年鉴》人口数据对江苏省2005~2020年的人口发展规模做出预测。预测结果显示,3种模型均取得了较好的模拟效果,但马尔萨斯人口模型和Logistic增长模型的模拟精度比线性回归更理想。在模型的验证过程中,前两者的平均相对误差较小,分别为0.35%和0.12%,而线性回归为2.25%,故采用两种非线性预测值的平均值作为预测结果,结果为2010年达到7 695.19万人,2020年达到7 919.20万人。     

城市建设用地规模的经济增长效应——基于非线性STR模型的实证

以中国1982～2016年数据为研究样本,利用非线性平滑转换回归模型探讨了城市建设用地规模对经济增长的影响效应。结果表明:(1)中国城市建设用地规模与经济增长之间存在明显的非线性特征,以滞后两阶的经济增长作为转换变量建立非单调类转换函数模型最为恰当;(2)当转换变量介于临界值30 542.404 43亿元和37 595.594 26亿元之间时,转换函数为0,模型完全表现为线性形式,当转换变量等于临界值时,转换函数为0.5,城市建设用地规模与经济增长的关系从线性机制转换为非线性机制的速度一般;(3)当转换变量小于30 542.404 43亿元或者大于37 595.594 26亿元时,转换函数值迅速向1转换,城市建设用地规模对经济增长的非线性影响就会显现,此时城市建设用地规模变动1%,将会引起当期经济增长1.829 03%的变动。     

改进的最优组合人口预测模型及其应用

人口预测是编制土地利用总体规划的基础性研究工作,区域人口发展规模和数量是土地利用总体规划中确定各类用地控制指标和调整土地利用结构的重要依据。因此,科学准确地预测人口发展,是制定区域土地利用总体规划的基础。在分析各种人口预测模型的基础上,提出了一种改进的最优组合模型。并以湖南省张家界市永定区人口预测为例,利用改进的最优组合模型进行了人口模型预测,并与现有的线性回归模型、灰色系统GM(1,1)模型、logistic 模型、最优组合模型的预测结果进行了对比分析。结果表明,提出的改进的最优组合模型预测结果准确可靠,有利于土地管理的科学决策,是适宜于区域土地利用规划中总人口预测的一种较好的方法。     

南京市2000~2014年城市建设用地变化及驱动因子研究

基于土地利用模型测度2000~2014年南京市城市建设用地的动态变化,再运用典型相关分析、主成分分析及逐步回归分析组合的偏最小二乘回归法对南京市城市建设用地的驱动因子进行分析。结果表明：（1）2000~2014年南京市城市建设用地面积总体上呈上升趋势,年均增长率为11.73%;（2）南京市用地结构信息熵呈波动下降趋势,城市建设用地系统结构性增强,但是用地扩展的综合效益趋降;（3）人口增长、道路扩展、投资水平提高及文化产业发展等能够较好的解释南京市城市建设用地的增长,这4类因子对城市建设用地变化具有正向作用;（4）逐步线性回归结果表明,园林绿地面积的增加相对其他因子对南京市建设用地规模增长的作用最大,其次是道路长度和公路里程。     

基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析

城市建成区面积预测是城市研究的一个核心问题,其与城市经济社会之间表现为一种复杂的非线性关系,传统的方法模型难以精确预测。作为一种较新的人工神经网络模型,RBF神经网络能以任意精度全局逼近任意非线性关系,表现出了极强的处理复杂非线性系统的能力。以合肥市建成区面积预测为例,构建了基于RBF网络的预测模型,作为对比,同时用BP神经网络、一元线性回归和多元线性回归模型进行了预测。预测结果的综合分析表明,在预测精度上,RBF网络＞BP网络＞多元线性回归模型＞一元线性回归模型。研究显示,RBF网络能为城市建成区面积预测提供一种新思路和新方法,进而可为城市土地利用及其规划制定提供科学的决策依据     

省域农地城市流转规模及其影响因素作用的空间异质性研究

作为城镇化过程中土地资源配置的必然过程,大规模的农地城市流转会给耕地保护和土地资源的可持续利用带来巨大压力。研究农地城市流转规模及其影响因素作用程度的空间异质性对于揭示农地城市流转的复杂性,进而采取差别化的、有针对性的管制措施控制农地城市流转规模具有重要意义。鉴于此,本文在阐释中国大陆31个省(自治区、直辖市)农地城市流转规模在经度、纬度方向上的变化规律的基础上,运用全域及局域自相关模型分析了省域尺度上中国农地城市流转规模的空间异质性,继而进一步采用地理加权回归模型揭示了省域农地城市流转规模各影响因素作用程度的空间异质性,结果表明:(1)31个省(自治区、直辖市)的农地城市流转规模在水平方向上自西向东呈稳定上升趋势,纬度方向上在中国中部省份达到最高值并分别向南北两个方向省份逐渐下降,呈现倒"U"型。(2)全国范围内省域农地城市流转规模呈现出一定程度的空间关联特征,省域农地城市流转规模的局部自相关随区域而变化,体现出空间异质性。(3)全社会固定资产投资额、居民人均可支配收入、年初耕地面积、第三产业比重四个因素影响省域农地城市流转规模,且影响程度随空间位置不同而变化,除全社会固定资产投资对省域农地城市流转规模的影响程度在全国范围内空间分布较均匀外,其他三个因素的影响程度呈现较大的空间异质性。因此,应在充分考虑空间异质性的基础上,通过提高规划方案或管制措施的差异性和针对性实现对农地城市流转规模的有效管制。     

昭通市建设用地变化特征及其驱动力分析

基于昭通市2009—2015年土地利用变更及调查数据,结合人口和社会经济数据,计算了昭通市建设用地扩展程度指数,采用灰色关联分析方法计算了昭通市建设用地总面积与建设用地各组成要素、人口数量和经济发展要素之间的关联度。结果显示,昭通市城镇建设用地、农村居民点用地、工矿企业用地、交通运输用地和水工建筑用地面积均呈增加趋势。昭通市城镇建设用地面积扩展程度指数最高,其次依次为水工建筑用地、工矿企业用地、交通运输用地和农村居民点用地面积。人口数量增长、建设用地自身各组成要素的变化以及国内生产总值(GDP)增长均是昭通市建设用地面积扩张的重要驱动因子,其中人口数量增长对建设用地面积扩张的影响大于建设用地自身各组成要素和GDP增长的影响。     

陕西省杨凌示范区建设用地变化驱动力分析

本文以陕西省杨凌示范区为例,以建设用地为研究对象,运用主成分分析法与回归分析法对1997年-2008年建设用地数量变化相关的社会经济驱动力进行定量分析,结果发现经济增长加快、人口增长与城市化是影响杨凌建设用地变化的驱动力,其中农民人均收入与工业总产值是影响杨凌建设用地变化的核心驱动因素。     

土地利用规划中建设用地预测方法比较

为探索提高建设用地预测精度和预测方法比较,该文运用多元线性回归模型、GM(1,1)模型和BP神经网络模型对晋城市建设用地进行预测,预测结果说明三种模型的平均相对误差和预测精度均存在一定差异。研究表明:建设用地预测中应结合数据本身的特点和数据收集的难易程度选择不同模型;多角度多方法进行预测比较,可得到预测精度较高的预测结果;对于建设用地预测方法比较,可以从模型本质特性、数据采用形式和数据获取难易程度等7个方面进行综合比较。该研究为科学选择建设用地预测方法、探索预测方法比较提供一种思路,为土地利用规划修编和土地资源可持续利用提供科学依据。     

扬州市土地利用变化的驱动力机制研究

基于扬州市1996—2004各年份土地利用数据及相关统计资料。分析了8年中土地变化的特点及主要驱动力因子，结果表明：①8年来全市主要土地利用类型的变化表现出耕地、园地的面积大幅下降，建设用地的面积普遍增长；②选择11项指标构建土地利用变化驱动力模型，采用“主成分分析法”及SPSS13．0统计软件。分析得出：影响该市土地利用变化的主要驱动力因子是人口和经济的增长；③运用Eviews 3．1软件对土地利用变化中经济因素的驱动作用做回归分析得出：全市GDP每增长1亿元，需要新增建设用地约15．36hm^2．减少耕地约17．53hm^2；城镇化水平每增加1个百分点．需要减少耕地面积389．3hm^2，同时扩展城镇用地266．17hm^2。     

碳排放峰值控制下的建设用地扩展规模研究

建设用地作为最大的碳源用地类型,碳排放贡献率显著,因此,低碳调控是实现建设用地减量化的有效手段。已有研究多是通过优化土地利用结构、控制建设用地扩展来实现碳减排效果,而当中国政府做出2030年左右达到CO2排放峰值的承诺后,首先需要解决的是碳排放的达峰问题。因此,本文通过构建与修正Kaya恒等式、回归拟合、灰色预测等方法,在合肥市建设用地碳排放峰值预测的基础上,对该峰值管控下的建设用地扩展进行研究。得到以下结论:①提出了碳排放峰值对建设用地管控的研究思路与框架,认为基于碳排放峰值的科学预测,可以有效地控制建设用地扩展,并引导土地利用结构调整。②GDP、人口与建设用地、碳排放的关系密切,按照人均GDP高、中、低值三种情景的设定,认为中值情景更符合合肥市"十二五"以来的发展状况,即合肥市将在2030年达到CO2排放峰值1 862. 54万t,此后开始逐渐降低。③建设用地扩展与碳排放之间具有强相关性,根据中值情景下合肥市的CO2排放峰值预测结果,合肥市建设用地将在2030年达到最高值10. 81万hm~2,此后开始逐渐减少。最后,提出两点讨论:①对于模型构建、因素分解等方面可进一步深入研究,从而为决策、规划提供更全面的依据。②展望未来,"退建还耕"应当是中国城市精明增长的路径之一,城市周边建设用地复垦将是城镇建设用地整治的重要工作内容。     

计划生育新政策下人口数量及结构的预测模型

中国政府施行计划生育政策有效地控制了人口增长,对经济发展做出了积极的贡献。当今人口增长已经出现了新的转折点,在研究开放单独二孩政策对人口数量影响时,建立三种人口结构模型:灰色预测GM(1,1)模型、Logistic人口阻滞增长模型和与生育有关的人口结构预测模型,利用统计年鉴的数据对现有全国人口数据进行拟合,通过城乡人口比和人均GDP等影响因素对模型进行优化,并利用优化的模型对未来人口进行了预测。     

城市生态用地时空动态及其相关驱动力——以武汉市为例

城市生态用地是维持城市生态安全和可持续发展的重要屏障,研究其动态变化特征及相关驱动力,将为城市规划和生态环境保护决策提供依据。该文以武汉城区为实证区,采用1990、2002、2014年等3期Landsat遥感影像为数据源,采用土地利用变化矩阵量化数量变化,景观格局指数量化空间格局变化,生态服务价值系数和InVEST模型量化质量变化,利用二元逻辑回归模型和梯度分析法量化相关驱动力。研究结果表明:武汉市生态用地总面积持续下降,累计减少239.55 km~2,其中水域为主要转出地类;生境质量下降24%;生态用地斑块破碎度提高,"孤岛化"现象逐渐显现;坡度、建设用地的最小距离、建设用地增长、GDP增长和道路密度是驱动生态用地变化的主要因素,随着城市向三环线外扩张,三环线以外的生态用地面临较高的生态转化风险。     

城市规模、集聚与空气质量

在STIRPAT模型的基础上,通过加入能源消费需求、工业化水平和产业集聚度变量,建立了拓展的STIRPAT模型,并使用动态面板GMM方法,分析了我国30个省会城市和直辖市2003-2012年间的面板数据,指出不同的城市规模与集聚程度会对空气质量有不同的影响。首先。从总体上来说,城市人口规模、富裕程度和技术水平是影响城市空气质量的主要因素,其中人口规模和技术水平对空气质量的影响均为正效应,而富裕程度对空气质量的影响呈现出倒N型EKC曲线形状;较高的能源消费需求和工业化水平会恶化空气质量,而较高的技术水平和产业集聚度会改善空气质量,这表明相关部门可以从不断提高科技水平和产业集聚度入手,通过各种方法减少能源消费需求、降低工业化水平。来达到改善空气质量的目的。其次,在总体回归的基础上,本文重点按照人口规模、经济规模和经济集聚度、人口集中度分析了城市规模与集聚对空气质量的影响情况。结果表明:欠发达城市和大中城市的回归结果与总体回归结果一致,而经济发达城市和特大城市的回归结果与总体回归结果有一定差异,本文认为导致这些差异的主要原因是科学事业费支出方向、社会消费品结构以及工业清洁能源利用及其利用效率等因素;低产业集聚度和低人口集中度城市的情形与总体较为相近,而高产业集聚度和高人口集中度城市的EKC曲线形状与工业化水平系数与总体结果相反,这两种差异分别与城市的发展阶段和城市的人口素质有关。因此,城市的相关部门在追求规模经济的同时应该注重科技投入结构的改善,注重提高能源使用效率和清洁能源的使用率,并且在不断提高产业集聚度与人口集中度的同时追求绿色GDP的实现,注重人口的文化教育以提高人口素质,从而提升公众的环保意识,以抵消随人口集中度提高带来的环境压力。     

城市建设用地扩张的区域差异及其驱动因素

中国城市建设用地规模随着工业化、城镇化的不断发展而日益剧增。受经济、社会等诸多驱动因素影响,各地建设用地扩张在时间维度、空间维度都存在明显的区域差异,对上述问题进行全面考察,有助于理清建设用地扩张的机理,促进土地集约、节约利用。将城市建设用地扩张的影响因素分为政府推动和市场拉动两个方面,采用基尼系数及基于半对数回归方程的Shapley值分解方法,考察了2006—2015年中国大陆31个省(市、自治区)城市建设用地扩张的区域差异及其驱动因素的贡献程度。结果表明:(1)2006—2015年,中国城市建设用地扩张的区域差异比较明显,衡量差异程度的基尼系数先升后降,最后稳定于0.3左右;(2)财政赤字率、经济政策执行力、经济增长、人口城镇化等因素对建设用地扩张具有正向驱动作用,产业结构调整、建设用地利用效率等因素对建设用地扩张具有负向驱动作用;(3)经济增长、财政赤字率、经济政策执行力等三个因素对建设用地扩张区域差异的贡献最大;(4)影响我国东、中、西三个区域建设用地扩张的主导因素不尽相同。为此,应从促进区域经济平衡发展、拓宽政府融资渠道、加快产业结构调整、提高建设用地利用效率等多方面入手,破解城市建设用地过度扩张的困局。