ACTA Scientiarum Naturalium Universitatis Pekinensis
中国建设用地利用强度时空演化及其驱动机制分析
张益宾 黄安 祖健 刘超 史云扬 郝晋珉†
中国农业大学土地科学与技术学院, 自然资源部农用地质量与监控重点实验室, 北京† 通信作者, E-mail: jmhao@cau.edu.cn 100193;
以中国4个五年发展战略的截止年份为时间节点, 基于径向函数(RBF)神经网络模型测度2000, 2005, 2010和2015年中国337个市级行政单元(不含港澳台地区)建设用地的利用强度, 并利用探索性空间数据分析模型(ESDA)分析其时空演变格局, 运用地理加权回归模型(GWR)分析中国建设用地利用强度时空分异的主要驱动因素。结果表明: 1) 2000—2015 年, 中国建设用地利用强度整体上呈上升趋势, 且空间差异显著, 高强度的利用水平集中在环渤海经济区、各大沿海城市和省会城市; 2)中国建设用地利用强度呈现空间自相关性, 且全局分异格局与冷热点分布格局及空间异质性的态势基本上吻合; 3)中国建设用地利用强度的空间格局演变主要受经济发展水平、产业结构、城市化水平以及政府经济调控 4 种因素影响, 影响程度的排序为城市化水平<产业结构<经济发展水平<政府经济调控。关键词 建设用地; 利用强度; 时空演化; 驱动因素
北京大学学报(自然科学版)第56卷 第5期 2020年9月
建设用地是承载区域经济和人口的重要国土资源, 对建设用地的利用配置产生的经济效益是土地管理的重点关注内容, 开展相关分析对制定土地利用政策和提升建设用地的综合配置效率具有重要价值, 建设用地利用强度还可以很好地反映区域城镇
[1–3]化水平 。随着“十五计划”的完成, 中国政府对20世纪80年代以来的改革开放成果进行总结和反思, 将“五年计划”调整为“五年规划”, 目前第3个“五年规划”接近尾声, 亟需从空间和时序两方面对中国十几年来建设用地利用强度的区域差异进行定量分析, 为中国建设用地调控以及土地资源优化配置提供科学依据。区域经济发展、人口增长和社会进步的主要驱动力来源于建设用地的合理利用[4–5]。随着中国进入社会主义新时代, 社会经济的发展对建设用地的需求量增大, 新型城镇化发展进程影响中国建设用地利用强度的变化, 新型产业的优化升级以及投资增长等要素为区域建设用地的开发提供充足的经济支持。因此, 对当前中国建设用地利用强度的综合分析是保障土地资源可持续利用、促进经济发展和实施乡村振兴战略的重要内容[6–9]。《国土资源“十三五”纲要》[10]中明确提出强度和总量双控的建设用地管控措施, 推动建设用地利用研究从利用效率和集约节约等方面延伸至利用强度, 引导区域建设用地的可持续开发和利用。相关研究集中于建设用地的扩张、节约集约利用及利用效率评估等方面, 如区域控制技术[11–16]、规划指标控制[17–20]以及效率评估方法[21–25]等。关于利用强度的研究多从区域综合土地利用类型或特殊地类的角度展开[26–29], 对建设用地利用强度的定量测度缺乏相对统一的评估体系和方法, 导致区域间建设用地利用强度的研究结果可比性较差。在评估尺度上, 现有研究多以县域为评价单元[30–31], 从全国尺度对建设用地利用强度的时间和空间格局及影响因素的宏观探析较少。因此, 亟需构建与建设用地利用强度内涵相符的评估方法体系, 从全国尺度分析建设用地利用强度, 在完善土地利用强度理论和方法体系的同时, 为合理地调整新时代中国建设用地的供给需求提供参考。
本文基于要素视角, 探究建设用地利用强度的内生动力, 构建建设用地利用强度的理论框架和评价指标, 基于径向函数(RBF)神经网络模型, 测度中国31个省、直辖市、自治区(不含港澳台地区)中
894
建设用地利用强度中的“强度”指区域内全要素的利用强度, 而非只是土地要素的利用强度, 是从投入角度来反映人类活动对区域建设用地的利用状况。基于要素视角, 建设用地利用强度的内生动力主要是自然、人口和经济动力三类要素, 它们相互制约, 共同影响, 其逻辑关系如图1所示。因此,以建设用地利用强度内涵及内生动力为目标导向,基于建设用地利用强度核心要素层构建评价体系,即: 人口、资源和经济作为评价指标的3个准则层,同时分别选取具有代表性的评价因子, 反映全要素的综合利用强度状态(表1)。
1) 人口要素准则层。建设用地为其承载的人口解决生产和生活的需要, 其利用强度取决于人口承载状况。人口承载水平以及单位建设用地的人口聚集程度充分反映建设用地人口要素的集聚状态,是判别建设用地人口承载强度的重要依据。
2) 资源要素准则层。建设用地利用过程中必然会消耗自然要素中的各种能源, 因此, 从建设用地消耗资源的角度出发, 选取单位时间的能源(如水资源、煤炭资源和电力资源等)消耗量, 表征单位建设用地能源的消耗程度。
3) 经济要素准则层。建设用地是社会发展中各类经济资本最重要的承担载体, 因此, 为反映单位建设用地利用过程中经济要素的利用状况和集聚程度, 通过表征建设用地中资本的投入程度来体现建设用地的经济效益。土地利用强度分区是对区域范围内的土地利用强度进行共性归纳, 揭示区域土地利用强度差异及其客观规律的过程, 有助于阐明土地利用强度的现状、结构和特点, 从而制定更具科学性的土地利用政策, 对实现区域土地利用的差别化管理具有重要意义。建设用地利用强度的分区标准旨在充分反映该区域发展阶段建设用地利用强度的特征, 即在现阶
段的技术条件下, 确定区域建设用地利用强度的合理值, 是判别区域建设用地利用强度状态的重要依据。根据建设用地利用强度的内生动力的内涵分析, 可知不同区域建设用地的自然、人口和经济要素均受外部因素(政策制度、规划管控和科技发展等)的干扰, 因此, 建设用地利用强度应该有符合各发展阶段的合理状态。
本文对中国337个市级行政单元 2000, 2005, 2010和 2015年经济及社会发展状况进行整体考察,以此作为确定建设用地利用强度区间的主要依据,通过ARCGIS 10.2中的自然间断点分类法①, 将建设用地利用强度分为4个区间(高强度区、较高强度区、较低强度区和低强度区), 有助于最大限度地识别全国范围内建设用地利用强度的空间差异, 并揭示其空间演化规律, 从而制定因地制宜的建设用地管控政策。
1.1.2建设用地利用强度的时空演变格局分析
本文采用探索性空间数据分析(ESDA)方法, 从空间和时间角度对2000—2015年中国建设用地利用强度的空间差异性进行定量分析。ESDA主要包括局部空间自相关分析和全局空间自相关分析, 不仅能够弥补区域差异测度方法在空间视角上的缺憾, 而且能够通过可视化数据描述, 避免直观判读数值地图导致的主观性和模糊性的错误。全局空间自相关中的Moran’s I用于分析整体区域的空间关系特性, 局部空间自相关中的G*指数用于分析区
i域内部各个地域单元空间之间的关联性。本文运用
* Moran’s I和 Gi 指数进行中国建设用地利用强度的
RBF神经网络通常有3层网络结构, 即输入层、隐含层和输出层, 其运行原理为: 隐含层节点通过基函数执行一种非线性变化, 将输入空间映射到一个新的空间, 输出层则在这个新的空间实现线性加权组合。
RBF神经网络最常用的基函数是高斯函数, 即对于任意的输入向量 x∈rn (Rn为输入样本集), Ri ( x ) exp[ || x Ci 2||/(2 ai )], i 1, 2, , r, (1)
2式(1)中, Ri(x)为隐含层第i个神经元节点的输出; x为n 维输入向量, Ci为第i个隐节点高斯函数的中心点, αi为第i个隐节点的归一化参数, r为隐含层的节点数。
1.2.2探索性空间分析
全局空间自相关Moran’s
I不仅反映空间邻接
指大、中、小城市及县镇以上建成区用地, 农村居民点指独立于城镇以外的农村居民点, 其他建设用地指厂矿、大型工业区、油田、盐场和采石场等用地以及交通道路、机场及特殊用地, 由中国科学院资源与环境科学数据中心(http://www.resdc.cn/data list1.aspx?fieldtyepid=1,3)提供。利用 ARCGIS 10.2将城镇用地、农村居民点用地和其他建设用地合并为建设用地, 经统计获得中国337个市级行政单元内的建设用地面积。社会与经济发展数据及能耗数据(如地区生产总值、常住人口数、固定资产投资额、非农人口、二三产业增加值和财政支出等)主要来源于地方统计信息网站和《中国统计年鉴》(http://www.stats. gov.cn/tjsj/ndsj/)。其中, 电耗和能耗(标准煤)分别通过当年地区生产总值与单位生产总值电耗和能耗相乘得到。
为了使价格波动的影响因素降到最低, 本研究利用可比价格, 对经济数据进行处理, 包括地区生产总值、第二产业增加值、第三产业增加值和固定资产投资额等, 以便客观真实地反映2000, 2005, 2010 和 2015年的经济发展动态。由于数据获取不便, 暂不对香港特别行政区、澳门特别行政区和台湾地区进行评价研究。
2中国建设用地利用强度的时空分异格局2.1 建设用地利用强度测算及总体分异特征
基于中国337个市级行政单元的面板数据, 通过RBF神经网络模型获得建设用地利用强度值, 运用 ARCGIS 10.2中的自然断点分类法, 将利用强度分为4个区间, 区间值由高到低分别为一级区[0.3, 1]、二级区[0.2, 0.3)、三级区[0.1, 0.2)和四级区[0, 0.1), 分区结果如图2所示。
从时间视角来看, 2000—2015 年, 中国建设用地利用强度整体上呈现增长态势, 2015年建设用地利用强度的平均值为0.178, 高于前3个时间节点。从空间分布(图2)来看, 全国31个省级行政单元及337个市级行政单元建设用地利用强度的空间分异明显, 总体上呈现由西向东逐级递增的态势,建设用地利用强度较高水平的行政单元集中在环渤海经济区及各大沿海城市群, 总体分布格局与中国重要城市群及经济区等国家战略发展区域的核心区基本上吻合, 其他区域建设用地利用强度总体上较
利用 ARCGIS 10.2空间自相关工具的计算结果显示, 2000, 2005, 2010和2015年全国337个市级行政单元建设用地利用强度值的全局Moran’s I指数均在1%的显著水平上(表3), 表明中国市级行政单元建设用地利用强度的空间格局为相对集聚的态势。2000—2010年, 全国337个市级行政单元建设
898
Table 3
China’s overall Moran’s index of land use intensity for construction in 2000, 2005, 2010 and 2015
用地利用强度全局Moran’s I指数由 0.1677提高到0.1724, 2015年降至 0.1697, 总体上呈增长趋势。上述结果表明2000年以来, 中国市级行政单元建设用地利用强度的空间相关显著性有所增强, 集聚态势有所凸显。然而, 全局Moran’s I值的变化幅度不大, 说明中国建设用地利用强度的空间格局分布相对稳定, 未发生较大的变动。
如图3所示, 中国建设用地利用强度总体上呈现西低东高的“波浪”型以及中部高、南北低的倒“U”型分布态势, 且随年份的变化差异较小, 主要是由于北京、上海、广州和杭州等中心城市群呈现组团式高值分布态势。2000, 2005, 2010 和 2015年,中国建设用地利用强度呈现由西向东和由南向北缓坡递增的趋势, 且在各个五年发展期末均出现小幅的倒“U”型幅度。由此可见, 中国在不同时段建设用地利用强度的分布格局总体上呈现均衡发展的态势, 起伏波动不大, 这得益于我国在经济发展过程中高效率的政府经济调控以及对区域建设用地利用的平衡与调节。
2.2.2局部空间格局演化特征
利用 ARCGIS 10.2软件的空间统计模块(Spatial Statistics Tools), 计算得出2000—2015年各个市级行政单元建设用地利用强度的局域Gi*指数, 并采
单位面积建设用地的投资额、能源消耗以及人口数量均呈现增长态势, 尤其是对西南以及西北等地的重点投入, 致使其冷点区和次冷点区明显减少。
2.3
利用 ARCGIS 10.2软件中的地理加权回归分析工具, 对建设用地驱动因素中的变量指标进行估算,得出2000, 2005, 2010和 2015年不同驱动因素对中
900
中国建设用地利用强度格局变化的驱动因素分析
度较高, 可以解释建设用地利用强度总变异的71%~77%。
从平均回归系数值可以看出, 所选取的4项核心驱动因素对建设用地利用强度影响的贡献率排序为城市化水平<产业结构<经济发展水平<政府经济调控。
2.3.1政府经济调控对建设用地利用强度的影响
区域土地的管理过程中政府经济调控起到重要的作用。本研究采用地均固定资产投资和地均财政支出来反映地方政府对建设用地管理干预能力的影响程度。从二者的回归系数来看, 其显著性水平均通过10%的显著性检验, 可见区域建设用地利用强度受地均财政支出和地均固定资产投资的影响较为显著。由于单位面积的资本投入不断增加, 建设用地利用强度的提升成为必然趋势, 土地利用方式必将经过集约、高效的发展模式, 各地政府对建设用地的投入导致建设用地利用强度的提升。但是, 在欠发达地区, 大部分城市的建设处于起步阶段, 交通、能源等大量基础设施的投入占据大比例的财政支出, 城市的扩展需求拉低区域建设用地利用强度的整体水平。因此, 在欠发达地区, 地均财政支出在一定程度上对建设用地利用强度具有抑制性。从地均固定资产投资额回归系数的空间分布格局(图 5(a))来看, 整体上呈现西北高、东南低的态势, 2000年回归系数呈现从东南向西北逐渐递增的趋势, 并在新疆西北部地区形成正高值集聚区;与 2000年相比, 2015年原西北部的高值区出现明显的低值区域。此外, 4个时期地均固定资产投资回归系数的高值区(低值区)与建设用地利用强度的热点区(冷点区)重合程度较低, 可见建设用地利用强度水平较低的地区对地均固定资产投资的敏感性相对较高。
从图5(b)可以看出, 中国 337个市级行政单元的建设用地地均财政支出回归系数2000—2015 年的空间差异较小, 基本上与2000—2015年中国建设用地利用强度的空间分布格局以及建设用地利用强度的热点区、冷点区对应。从全局来看, 地均财政支出呈现对建设用地利用强度高水平地区的高敏感性和低水平地区的低敏感性, 而在局部建设用地利用强度的低值区域, 由于特殊的政策发展因素, 其影响力相对较强。但是, 2000—2015年间回归系数负值区呈现明显的集聚现象, 表明地均财政支出对建设用地利用强度空间格局的影响波动较大。
2.3.2经济发展水平对建设用地利用强度的影响
经济发展水平的持续提高促进各个地区城市规模不断扩张, 随着中国不同阶段发展战略的不断深
901
入, 单位面积投入/产出的比例不断提升, 从而推动不同地区建设用地利用强度的增长。从人均GDP回归系数的分布格局(图6)来看, 2005年呈现中部低周边高的分布态势, 尤其是在东部沿海区域和东北部区域出现正高值集聚的态势, 2005和 2010年的回归系数呈现基本上一致的趋势, 相比于2000年其低值区域向西北地区扩散, 2005年西南地区出现较高值集聚的态势, 而东北地区的正高值区域不断扩张, 东部沿海地区的正高值集聚区相对减弱, 但2010年沿海部分地区正高值集聚态势又逐渐显现,总体上其影响程度基本上稳定; 2015年呈现复杂的空间分布格局, 但整体上与2000年的分布格局较为
相似, 南部沿海地区、西北地区和东北地区都存在较高的正高值集聚区, 可见2015年经济发展水平对建设用地利用强度在空间上的影响总体上呈现波动状态。
2.3.3产业结构对建设用地利用强度的影响
二三产业产值占比的回归系数通过5%和 10%的显著性水平检验, 可见产业结构对建设用地利用强度的影响显著。从回归系数的作用方向来看, 二三产业的产值占比对建设用地利用强度呈现由负向到正向作用的过渡变化, 可见非农产业结构对区域建设用地利用强度具有一定程度的反向抑制作用,随着产业结构的不断优化升级, 对建设用地利用强度的影响逐渐增强, 并呈现为正向显著。一方面,产业结构的调整促进产业升级, 土地和资本要素的相对价格发展变化, 使建设用地利用得到更大的边际产出效益; 另一方面, 产业结构升级会不断提高建设用地单位面积的投资程度, 推动区域建设用地结构的优化升级。
由图7可知, 二三产业产值占比的回归系数空间分布格局较为复杂。2000年高值区集聚在东北小部分地区和云南、海南等区域, 低值区集中在新疆小部分地区; 2005年回归系数整体上呈现由东向西递减的态势, 但在西部边陲地区出现部分较高值区, 该分布态势与中国建设用地利用强度的热点区和次热点区的空间分布格局重合性较高, 可见该时期二三产业的占比情况对局部建设用地利用强度较高的区域存在极强的敏感性; 2010年回归系数呈现中部地区大面积低值集聚状态, 逐级扩散至东南沿海地区、东北地区和西部边疆地区的高值集聚区;与其他时间相比, 2015年回归系数出现明显的分异现象, 总体上呈现由东南地区高值集聚区向全国其
本研究基于径向函数(RBF)神经网络模型, 初步探索中国2000—2015 年 31个省、直辖市、自治区中337个市级行政单元的建设用地利用强度。运用 Moran’s I 和 Gi*指数空间统计模型, 对建设用地利用强度的空间分异以及演变特征进行分析, 并结
Fig. 8
合地理加权回归模型(GRW), 探析建设用地利用强度区域差异格局形成的主要驱动因素, 得到如下结论。
1) 中国建设用地利用强度呈现东高西低的显著特征, 天津、上海、北京、深圳和广州等市建设用地利用强度最高, 山东半岛和东部沿海等地区的建设用地利用强度普遍较高, 新疆、西藏的建设用地利用强度较低。总体来看, 中国建设用地用强度的变化不仅与“五年计划”和“五年规划”中对建设用地发展的要求同步, 也与城镇的发展历程相呼应,说明不同发展阶段中关于土地政策尤其是对建设用地利用政策的执行效率较高。
2) 中国建设用地利用强度空间自相关性显著,总体的空间格局变化不大, 热点区呈现由零星式的点状分布演变为集中式的带状分布格局, 次热点区呈现由中部地区向西北部、西南部以及东北部等区域逐级蔓延的态势, 整体分布格局与中国的主要城市发展群以及当前各个地区的经济发展态势的分布基本上吻合。
3) 经济发展水平、产业结构、城镇化水平以及政府经济调控等因素对中国建设用地利用强度的影响较大, 且整体的时空差异演变是在以上所有因素之间相互作用的最终结果。中国建设用地利用强度演变的核心驱动因素的贡献率排序为城市化水平<产业结构<经济发展水平<政府经济调控。
3.2
国内外现有研究中, 针对建设用地利用强度的
[16]分析相对缺乏。如Ellis 等 将土地覆被类型和灌溉与人口密度结合, 建立第一幅全球综合土地利用系统的利用强度图, 刘芳等[29]基于牲畜类型及密度等空间化指标, 分析21世纪初中国综合土地利用系
904
讨论
统强度的空间分布及特征规律。本研究创新点在于通过对中国31个省、直辖市、自治区中337个市级行政单元建设用地利用强度的测算以及时空演变格局的分析, 较全面地掌握单一土地类型——建设用地利用强度的时空演绎过程及其主要驱动因素。其次, 用发展的观点看, 建设用地利用强度是随着社会不同发展阶段不断变化的复杂巨型系统, 本研究在构建建设用地利用强度评价指标及其驱动因子的理论框架的过程中, 从宏观层面选取主要因素因子进行其时空格局与驱动因子的分析, 从市级空间单元相互作用的视角, 对建设用地利用强度的变化以及空间分异的影响机制进行较深入的探讨。最后,运用RBF神经网络模型评价建设用地利用强度具有建模简单、容易操作等技术优势, 通过RBF神经网络模型, 可以发现中国建设用地利用强度指标数据的潜在规律, 并通过记忆学习获得输出与输入之间的内在联系, 信度和效度较高。
本研究存在几方面不足。首先, 只针对4个五年发展阶段的期末时间节点进行建设用地利用强度和时空演进的分析, 时间序列较短, 将来应对较长时间序列建设用地利用强度的时空格局演变趋势做进一步探析。其次, 考虑到部分数据的可获取性,建设用地利用强度的评价指标只涉及人口、经济和资源三方面中最具代表性的几种要素, 并不代表其他一些指标类型对建设用地利用强度的影响可以忽略不计(如不同建设用地类型的密度和社会消费品的零售额等)。因此, 指标要素的选取有待改进与完善。基于对中国建设用地利用强度时空演化及其驱动因素的分析, 我们提出以下对建设用地利用合理管控的政策建议。
[10] [11]
[31] [32]