京津冀协同发展背景下的土地集约利用研究.docVIP

京津冀协同发展背景下的土地集约利用研究 　　摘 要 “京津冀协同发展”是国家重点实施的区域发展战略，有利于促进区域城市群的形成和发展，提升区域竞争力。为了避免石家庄在发展中可能产生的一系列“城市问题”，实现土地利用结构优化和城市可持续发展，需要对土地集约利用情况进行评价研究。文章选取了12个指标构建石家庄市土地集约利用评价指标体系，运用BP-ANN模型，通过测试数据对网络进行训练，得出石家庄市土地处于中低程度的集约利用状态。根据评价结果，结合石家庄市实际情况，提出了土地集约利用的措施建议。 　　关键词 京津冀协同发展；土地集约利用；石家庄市；BP人工神经网络 　　[中图分类号]F293.2 [文献标识码] A [文章编号]1673-0461（2015）08-0057-06 　　一、引 言 　　2015年中央经济工作会议明确指出，要重点实施“一带一路”、“京津冀协同发展”和“长江经济带”三大区域发展战略。其中，京津冀协同发展战略不仅促进了区域城市群的形成和发展，提升了区域竞争力，而且带动了河北省各城市的快速发展，对河北省影响深远。作为河北省会城市，石家庄市要做好引领和协调作用，依据即将出台的《京津冀协同发展规划》，明确城市的功能定位，进行产业结构调整升级，完善现代交通体系建设，打造生态宜居城市。然而新的发展机遇在加快了城镇化发展步伐的同时，也产生了新的用地需求，带来城市用地的快速扩张。为了避免由此可能引发的“城市病”，需要对土地集约利用情况进行及时评价分析，以发现当前土地利用中存在的问题，寻求土地资源要素与其他资源要素优化配置的方法和途径，处理好土地集约与资源集约、土地集约与经济集约之间的关系，才能实现土地空间合理布局、优化土地利用结构，实现城市的可持续发展，推进“京津冀协同发展”的步伐。 　　目前，在土地集约利用评价中大多采用多因素综合评价方法，用特尔菲法、层次分析法等确定各指标权重，这些方法受主观性影响较大，评价结果也会存在偏差。而BP人工神经网络（Back Propagation Artificial Neural Networks，以下简称BP-ANN）则是通过构建模型进行非线性定量分析评价，避免了主观因素对评价结果的影响，使结果更客观、更科学。为政府相关部门及时掌握区域土地利用变化状况，科学制定土地集约利用的政策法规、部门规章以及运作模式等提供依据。 　　二、石家庄市土地集约利用评价体系的构建 　　（一）构建土地集约利用评价指标体系 　　根据石家庄市发展特点，结合现有研究成果，本研究选取了对土地集约利用程度影响较大的3大类共12项指标构建评价指标体系：①土地利用程度因素。包括土地利用率，人均城市占地面积，道路网密度，人均占地面积。②土地利用效益因素。包括地均GDP，地均固定资产投资额，地均二、三产业增加值，地均社会消费品零售总额。③土地生态环境因素。包括生活污水处理率，工业固体废弃物处理率，工业废水排放达标率，城市绿化率。土地利用集约度评价指标体系见表1。 　　（二）确定土地集约利用评价等级及标准 　　本研究根据《城市用地分类与规划建设用地标准（GBJ137-90）》，将土地集约利用情况划分为4个评价等级：过度利用、集约利用、适度利用和粗放利用。每个等级的集约度指数综合分值和系统特征表述见表2。 　　在此基础上，按照建立的指标体系，经查阅分析资料和实地调查，确定石家庄市土地集约利用度评价标准，详见表3。标准确定的依据如下：①国家和地方的相关规章制度，如本研究参照了《城市用地分类与规划建设用地标准（GBJ137-90）》，《村镇规划标准GB50188-93》，《城市道路交通规划设计规范》 （GB50220-95）；②国内、国际公认的指标合理值；③合理的理想化指标值；④同类区域的指标均值，本研究区域选择为河北省除石家庄市外的其他城市。 　　其中，石家庄市基础数据来源于石家庄统计局“2014年国民经济和社会发展统计公报”、石家庄环保局“石家庄市环境质量公告”等。 　　三、BP-ANN模型的构建 　　（一）BP-ANN的基本结构 　　BP-ANN包括输入层、隐含层和输出层，拓扑结构简单，训练算法丰富、映射能力强，其基本结构见图1。 　　（二）BP-ANN层数 　　根据Kolmogorov定理，一个3层的BP-ANN结构即可完成任意精度n维到m维的映射。故本研究将BP-ANN层数设置为3层，隐含层数为1层。 　　（三）BP-ANN网络结构 　　BP-ANN的输入层为土地利用集约度评价指标，即输入层节点数为12；输出层为土地利用集约度，即输出层节点数为1。 　　由此计算出隐含层节点数为8。可见，本研究所构建的BP-ANN模型为一个3层的12×8×1的拓扑结构。 　　四、基于BP-