（土壤学专业论文）成都市建设用地需求量预测研究.pdf

成都市建设用地需求量预测研究 研究生：伍文 导师：邓良基；李何超 摘要 本文采用1 9 8 8 年到2 0 0 2 年成都市社会经济统计资料和建设用地数据，运用 多元回归分析、因子分析等统计方法，分析了成都市建设用地数量变化基本趋势， 通过对影响成都市建设用地需求因素相关系数计算，建立建设用地需求量多元线性 回归预测模型，并对模型系数进行权重分析；最后选择线性生产函数模型和灰色系 统模型对预测结果进行验证分析。为土地利用规划科学制定建设用地指标提供决策 支持和依据。研究结果表明： 影响成都市建设用地需求量的主要因素有国民生产总值、固定资产投资、城市 化水平、人口和恩格尔系数。其中g d p 、固定资产投资、城市化水平、人口与建设 用地需求量成线性正相关，恩格尔系数成一定的负相关关系。正影响贡献率最大的 是城市化水平这个因素，贡献率高达o 9 1 7 ；最小的是国民生产总值，贡献率只有 0 0 0 5 1 。各因素对建设用地需求量影响贡献率的顺序依次是：城市化水平( o 9 1 7 ) 人口( 0 0 6 6 ) 固定资产投资( o 0 1 1 3 ) 国民生产总值( o 0 0 5 1 ) 建设用地需求量多元线性回归预测模型揭示了成都市建设用地需求变化与主 导影响因子之间的耦合关系及其关联互动机制，可以有效地模拟在各种社会经济因 素综合影响下建设用地需求量的变化，预测模型具有很强的扩展性和动态性。 在预测的未来1 7 年间成都市按照g d p 每增长一亿元，建设用地将增长3 4 公 顷；固定资产投资每增加一亿元，建设用地将增加7 5 3 3 公顷；城市化水平每增长 1 个百分点，将增加6 1 1 3 3 公顷的建设用地；人口每增长l 万人，建设用地将增加 4 4 公顷的经济社会发展速度对建设用地需求量的影响变化规律，2 0 2 0 年成都市建 设用地需求量预测值为3 1 2 9 5 万公顷，。比较验证分析表明，该预测值正好落在选 择用来验证的模型预测值( 2 9 6 3 3 3 2 6 1 4 ) 区间内，并且离中值3 1 1 2 4 万公顷只 差0 1 7 1 万公顷。建设用地多元回归预测模型具有较高的准确性和精度，预测结果 可以作为成都市2 0 2 0 年建设用地需求量参考值。 关键词：成都市，建设用地，需求预测 s t u d yo np r e d i c t i n gt h eq u a n t i t yo f c o n s t r u c t i o n l a n dd e m a n di nc h e n g d u c i t y p o s t g r a d u a t e ：w u w e n s u p e r v i s o r ：p r o d e n g l i n g j i p r o l i h e c h a o ( c o l l e g eo f r e s o u r c ea n de n v i r o n m e n t ，s i c h u a n a g r i c u l t u r a lu n i v e r s i t y , y a a n6 2 5 0 1 4 ，s i c h u a n ) a b s t r a c t b a s e do ns o c i o e c o n o m i cs t a t i s t i cm a t e r i a la n dt h ed a t ao fc o n s t r u e t i o ni a n do f c h e n g d uc i t yf o r m1 9 8 8t o2 0 0 2 ，t h i sr e s e a r c ha d o p t e dl i n e a rf u n c t i o na n a l y s i s ， f a c t o r i z a t i o na n a l y s i se t cs t a t i s t i c sm e t h o dt oa n a l y z et h eb a s i ct r e n do nt h eq u a n t i t y c h a n g eo fc o n s t r u c t i o nl a n di nc h e n g d uc i t y t h o u g hc o u n t i n gt h ec o r r e s p o n d i n g c o e f f i c i e n to ft h ef a c t o rw h i c ha f f e c tt h ed e m a n do fc o n s t r u c t i o nl a n d ，e s t a b l i s h e dt h e p r e d i c t e dm u l t i p l e l i n e a rr e g r e s s i o nm o d e lo fd e m a n dq u a n t i t yo nc o n s t r u c t i o nl a n d a t t h es a m et i m e ，i ta n a l y z e dt h ev a l u eo f t h ec o e f f i c i e n to f t h em o d e l a tl a s t ，w ec h o u s e d i n d e xy i e l df u n c t i o nm o d e la n dg r e ys y s t e mm o d et o v e r i f yt h ep r e d i c t e dr e s u l t t h e r e s u l t ss h o w e dt h a t ： t h ee s s e n t i a lf a c t o rw h i c ha f f e c t e dt h ed e m a n do fc o n s t r u c t i o nl a n dw e r eg d p , f i x e da s s e t si n v e s t m e n t ，u r b a n i z a t i o nl e v e l ，p o p u l a t i o na n dt h ee n g l ec o e f f i c i e n t a m o n g t h ef a c t o r s ，g d p , f i x e da s s e t si n v e s t m e n t ，u r b a n i z a t i o nl e v e la n dp o p u l a t i o nh a sa p o s i t i v er e l a t i o nw i t l lt h ed e m a n do fc o n s t r u c t i o nl a n d b u tt h ee n g l e sc o e f f i c i e n th a sa n e g a t i v en o n l i n e a rr e l a t i o nw i t ht h ed e m a n do fc o n t r i b u t i o nl a n d t h eb i g g e s tp o s i t i v e c o n t r i b u t i n gp r o b a b i l i t yo f f a c t o r sw a su r b a n i z a t i o nl e v e l ，i t sc o n t r i b u t i n gp r o b a b i l i v w a s o 9 17 ；a n dt h es m a l l e s tw 髂g d p , i t sc o n t r i b u t i n gp r o b a b i l i t yw a sj u s t0 0 0 51 t h eo r d e r o fc o n t r i b u t i n gp r o b a b i l i t yo ff a c t o r st oc o n t r i b u t i o nl a n dd e m a n dw a s ：u r b a n i z a t i o n l e v e l ( 0 9 1 7 pp o p u l a t i o n ( 0 0 6 6 ) f i x e da s s e t si n v e s t m e n t ( o 0 1 1 3 ) g d p ( 0 0 0 5 1 ) m u l t i p l e - l i n e a rr e g r e s s i o n m o d e lu n v e i l e dt h e c o u p l i n g r e l a t i o na n di t s c o n n e c t e d i n t e r a c t e dm e c h a n i s mb e t w e e nt h ec h a n g e so nt h ed e m a n do fc o n t r i b u t i o n l a n di nc h e n g d uw i t hd o m i n a n ti m p a c t i n gf a c t o r s a n di tc o u l de f f e c t i v e l ys i m u l a t et h e c h a n g e so nt h ed e m a n do fc o n t r i b u t i o nl a n du n d e rt h ei n t e g r a t i v ei n f l u e n c eo fv a r i o u s s o c i o e c o n o m i cf a c t o r s t h i sm u l t i p l e - l i n e a rm o d e lh a d s t r o n ge x p a n s i b i l i t ya n d d y n a m i c s i nt h ef u t u r es e v e n t e e ny e a r s ，t h er u l e st h a tt h ed e v e l o p i n gr a t eo fe c o n o m i c i n f l u e n c e do nt h ec h a n g eo fc o n s t r u c t i o nl a n dd e m a n dw a sf o l l o w e d ：t h ec o n s t r u c t i o n l a n dw o u l dh a v ea ni n c r e a s eo f3 4h e c t a r ea sp e rg d p si n c r e a s eo fah u n d r e dm i l l i o n y u a n 珊1 e nt h ef i x e da s s e t si n v e s t m e n t si n c r e a s e dah u n d r e dm i l l i o ny u a nt h e c o n s t r u c t i o nl a n dw o u l di n c r e a s e7 5 3 3 a n da sl o n ga st h eu r b a n i z a t i o nl e v e l sh a d i n c r e a s e do fo l l ep e r c e n t a g ea n dp o p u l m i o n sh a di n c r e a s e do fat e nt h o u s a n dt h e c o n s t r u c t i o nl a n dw o u l ds e p a r a t e l yi n c r e a s e6 1 1 3 3a n d4 4h e c t a r e i n2 0 2 0 ，t h ep r e d i c t e d q u a n t i t yo fc o n s t r u c t i o nl a n dd e m a n di nc h e n g d uc i t yw a s31 2 9 5t e nt h o u s a n dh e c t a r e t h ea n a l y s i so fc o m p a r i s o ne x p r e s s e dt h a tt h i sp r e d i c t e dv a l u ew a sb e l o n gt oh et e s t i n g m o d e l sp r e d i c t e dv a l u ew h i c hi sf o r m2 9 6 3 3t e nt h o u s a n dh e c t a r et o3 2 6 1 4t e n t h o u s a n dh e c t a r e ，a n di tw a s j u s ti n f e r i o rt h ea v e r a g ev a l u e ( 3 1 1 2 4t e nt h o u s a n d ) o 1 7 1 t e nt h o u s a n dh e c t a r e t h e s es h o w e dt h a tt h em u l t i p l e l i n e a rr e g r e s s i o nm o d e lh a dh i 曲 a c c u r a c ya n dp r e c i s i o n a n dt h ep r e d i c t e dv a l u ec o u l db er e g a r d e da st h er e f e r e n c eo f c h e n g d u sc o n s t r u c t i o nl a n dd e m a n di n2 0 2 0 k e yw o r d s ：c h e n g d uc i t y , c o n s t r u c t i o nl a n d ，d e m a n d i n gp r e d i c t i o n 论文独创性声明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行研究工作所取得 的成果。尽我所知，除了文中特别加以标注和致谢的地方外，学位论文中不包含其 他个人或集体己经发表或撰写过的研究成果，也不包含为获得四川农业大学或其他 教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：f 丕丸 加。，年g 月力日 关于论文使用授权的声明 本人完全了解i 1 ) i l 农业大学有关保留、使用学位论文的规定，即：学校有权保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅， 可以采用影印、缩印或者扫描等复制手段保存、汇编学位论文。同意四川农业大学 可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。 研究生签名：伍之 引帷轹形 2 一q r 年乡月2 日 r 辱艮面b 1 日u 肓 土地资源是人类赖以生存和发展的且无法替代的自然环境资源。土地面积的有 限性和土地需求的增长性之间的矛盾需要借助于合理地利用土地、科学地土地规划 来解决。土地规划中需要进行大量的调查研究工作，即调查过去和现在，研究、预测 未来，因此，预测是规划和土地利用管理的重要手段。在土地规划中需要对多种影响 因素做出科学地预测，如土地需求量的预测、人口预测、消费水平预测、作物产量 预测等o3 。土地预测的目的是对预测地域的未来土地利用结构比例、农用地和非农 用地的规模等做出预计和推测，以指导当前土地资源管理工作和控制未来的土地利 用。 随着成都市社会经济的飞速发展，人口快速增长，对建设用地的需求迅速增长， 人地矛盾日益突出。在上轮土地规划中，不同程度地暴露出因所预测的建设用地 占用耕地指标与实际建设占用耕地情况出入较大，出现这种问题在一定程度上与建 设用地需求预测方法不当有关。所以，新一轮土地利用总体规划中，加强预测研究， 提高预测水平，对城镇建设用地做出使规划更具战略性、科学性、实用性和可操作 性的分析预测，是一个重要的基础性问题0 3 。 成都市土地资源的特点是“量多质高”、“人均地少”，人均土地面积只有全国 人均数的1 6 ，导致“占”与“保”的矛盾较尖锐。据调查，2 0 0 2 年成都市人口占 全园的o 7 9 ，占四川省的1 2 8 5 ；g d p 总量占全国的1 6 2 ，占全省的3 4 1 1 ； 土地总面积只占全国的0 1 2 9 ，占全省的2 5 6 。而市域内有3 2 的土地面积为山 地，属我国西部生态屏障建设和长江上游水源涵养及水土保持保护区，只能作为生 态林( 革) 地，真正可供广泛使用的只有8 4 2 5 2 k m 2 。如此狭小的土地，承担着既 要养活人口，又要发展二、三产业及改善环境的重任，矛盾的双方表现出强烈的刚 性对立。 这种背景下，如何科学、合理地利用好成都市土地资源，做到既保护好宝贵土 地资源，又充分保障建设用地需求，成为发展成都市社会经济不可回避的重要任务。 在深入研究成都市社会经济发展中建设用地供需矛盾运动及其规律，加强对人口、 产业等社会经济发展与建设用地需求的关系研究，为成都市土地利用总体规划过程 中，科学制定建设用地控制指标提供决策支持和依据“1 。 1 1 立题背景、意义和目的 1 1 1 新一轮土地利用总体规划的启动 2 0 0 3 年国土资源部决定开展省、地( 市) 级土地利用总体规划修编试点，成都 市被确定为试点省会城市之一。 1 1 2 土地参与宏观调控的要求 土地正成为政府进行宏观调控的一项重要工具，中央政府不断加大对土地市场 的管理力度。2 0 0 4 年国务院出台了国务院关于深化改革严格土地管理决定的通 知，这是近年来国家出台的关于土地管理的最全面、最明确、规格最高的一份文 件。文件强调“必须正确处理保障经济社会发展与土地资源的关系，严格控制建设 用地增量，努力盘活存量土地，强化节约利用土地”。文件要求严格土地利用总体 规划、城市总体规划、村庄和集镇规划修改的管理；从严从紧控制农用地转为建设 用地的总量和速度，对建设用地严控增量，盘活存量；加强建设项目用地预审管理。 要达到文件的要求，就必须对未来建设用地需求有一个精确的预测，使建设用地需 求预测值与实际需要量尽可能一致，使土地利用总体规划更加科学，以实现“节约、 合理、科学用地”的要求。1 。 1 1 3 成都市经济社会发展的需要 成都市是国务院确定的西南地区的商贸中心、金融中心、科技中心和交通、通 讯枢纽，也是中国西部重要的民用工业和现代化国防工业基地城市，是西部大开发 的“战略高地”和重点区域。在最近建设部批复的城市建设总体规划中，被定性为 西部重要的现代中心城市。 现在至2 0 2 0 年是成都市工业化、乡村城市化和城市建设加快的关键时期，要 达到成都市确定的“到2 0 2 0 年，g d p 总量要由2 0 0 2 年的1 6 6 7 亿元增至8 0 0 0 亿元 左右，人均由2 0 0 2 年的1 9 5 7 美元增至8 0 0 0 美元，城镇人均可支配收入由2 0 0 2 年 的3 3 7 7 元增至8 3 0 0 多元，全社会固定资产投资总额由2 0 0 2 年的7 0 2 2 亿元增至 3 3 9 8 亿元，乡村城市化率达到6 0 ，工业化率达到4 6 8 ，恩格尔系数大大降低， 要使环境与经济社会发展及人口增长更加协调、居住环境更加宜人、综合实力更强” 的目标，不但要继续深化改革、扩大对外开放和大力发展科学技术，还要大规模进 行经济建设，这就要求相应的增加建设用地面积。 因此，如何在有限土地资源的条件下，既保障本市农产品特别是粮食安全，又 保证经济社会发展和环境改善对土地资源的需求，成为成都市未来发展面临的一个 2 关键问题。要解决好这个问题，首先必须对未来建设用地需求量有一个准确的预测， 从而为土地利用和经济发展总体规划和各部门建设用地规划的制定提供依据。 1 2 国内外研究概况 目前预测方法多种多样，建设用地需求量预测都是建立在经济预测基本理论和 方法基础上的一种应用，所以大量文献显示国内外在建设用地需求量预测研究中更 加注重的是根据建设用地自身运动规律和与外部事物关联性出发对预测模型的选 择。 1 2 1 柯布一道格拉斯生产函数( c - d 函数) 模型 经济增长理论认为，一国或地区的经济增长是自然资源、人力资源、资本积累 和技术进步等因素的不同比例组合的函数。作为经济建设的承载物，土地成为经 济发展中不可或缺的重要自然资源。在土地日益紧缺的今天，土地的资产和资本属 性也更加突现出来，成为经济增长的重要投入要素。考虑到建设用地的投入对经济 增长产生的贡献，可以构建一个经济增长的函数，并将建设用地投入量作为增长函 数的自变量因素“”“。 反映经济增长理论的模型中最为著名的是柯布一道格拉斯生产函数( c d 函数) 模型“2 1 ”。c d 函数是美国经济学家柯布( c h a r l e sw c o b b ) 和道格拉斯( p a u lh d o u g l a s ) 在2 0 世纪3 0 年代初，根据历史统计资料，研究了1 8 9 9 - 1 9 2 2 年问美国的 资本和劳动这两种生产要素投入量对产量的影响后，得出的这一时期美国的生产函 数。借鉴c d 函数，构建建设用地量( m ) 、投入的资本量( k ) 和投入的劳动量( l ) 与g d p 之间的函数模型： g d p = a x k p m 。l rx e “ 根据c d 函数的经济意义，式中的a 为综合效率参数或包括管理水平在内的 技术进步参数，a 的大小在k 、m 、l 既定的条件下直接影响g d p 的产出量。a 的 数值是一个正值，表明规模效应的影响。a 、1 3 、y 的数值介于o 一1 之间，且n + 1 3 + y = 1 。其中a 为建设用地投入的产出系数，b 是资本投入的产出系数，y 是劳 动力投入的产出系数，分别表明各项投入对g d p 的贡献率“。 柯布一道格拉斯生产函数模型形式简洁，易于估计，其包含的经济内容又十分 丰富，因此广泛运用在对生产过程和经济增长过程的定量分析中，成为重要的分析 工具。 1 2 2 人均占地量的线性关系模型 1 9 世纪，德国统计学家恩格尔( e e n g l e ) 根据统计资料，对消费结构的变化 进行分析得出一个规律：一个家庭收入减少，家庭收入中用来购买食物的支出所占 的比例就越大；随着家庭收入的增加，家庭收入中用来购买食物的支出比例会下降。 这个规律被称为恩格尔定律，反映这一规律的指标就是恩格尔系数“6 1 “。 恩格尔系数是食品支出额与全部支出额的比重，是目前国际上通用的衡量一国 或地区的人民生活水平的重要指标。 根据我国国家统计局城调总队制定的住户调查方案规定，全部支出除了生活消 费支出外，主要包括贷款利息、个人所得说、其他各种税金、各种非储蓄性保险支 出、赡养支出、赠送支出、购房与建房支出、其它非消费性支出等八项。随着人民 生活水平的不断提高，我国社会已从温饱型的社会步入小康社会，标志着我国居民 的恩格尔系数正逐年下降。成都市居民的恩格尔系数同样具有上述趋势。根据恩 格尔系数的含义，居民的恩格尔系数逐年下降意味着除了生活消费支出外的全部支 出比例呈逐年上升的趋势“。假定全部八项支出中其它七项保持不变，可以清楚发 现购房与建房支出将不断增加。实际上，尽管除生活消费支出外全部支出额的增长 不可能都发生在购房与建房支出这一项上，但从现实经济现象和统计来看，购房和 建房支出的增长是居民生活水平提高后最大的支出增长项目之一。居民购房和建房 支出的增长，一方面要求更大的住房面积，另一方面要求更优的居住环境。2 0 2 0 年 小康之家的住房，人均住房建筑面积不低3 5 m 2 ，每套住宅平均面积达到1 2 0 m 2 。相 应地，厨房面积不低于6 m 2 、卫生间不低于4 m 2 、主卧室不低于1 2 i n 2 。人均绿地面 积要达到8 m 2 ，城市建成区总面积的1 1 2 都应该是绿地。因此，随着居民生活水 平的提高，建房所需的住宅建设用地将随之增长”。1 。 所以用反映居民生活水平的恩格尔系数对居民人均建设用地面积进行回归分 析，建立一元的线性回归模型： 人均占有建设用地量= b l + b 2 e + “ 式中的e 为恩格尔系数。通过该模型，借助预测的恩格尔系数即可得到人均占 地的建设用地模型，再根据规划的人口规模，就可以获得建设用地总需求量。 城市化的进程是农村生产力水平提高，剩余劳动力转向城市的过程，也是人们 生活水平提高的过程。城市化进程会增加对建设用地的需求量。国内国外情况来看， 4 城市化水平与建设用地量具有显著的相关性，因此我们可以用城市化水平影响人均 占有土地的变化规律来预测建设用地的变化。 上述两种形式的人均占地量预测模型的优点在于使用简便，所需数据较少，应 用的限制条件小，同时也是现行的城镇建设用地的预测方法。但其缺陷主要在于它 是一种典型的单因素预测法，预测的结果可能会与实际情况偏差较大。实践中曾出 现过由于城镇化水平预测不准确或人均建设用地指标偏差小而造成与实际建设用 地规模偏差较大的情况发生。因此在使用该模型时，应注意尽可能提高人均建设用 地和城镇化率的预测精度。 1 2 3 时间序列的a r i m a 预测模型 时间序列分析方法有指数平滑法、滑动平均法、趋势预测法、趋势季节模型预 测法、时间序列分解等传统的时间序列分析预测方法和自回归求积移动平均 ( a r j m a ) 模型两大类”1 。其中a r i m a 模型是1 9 7 0 年由b o x 和j e n k i n s 提出的 方法，又称b o x j e n k i n s 法，简称为b j 法“。 a r i m a 模型克服了传统时间序列分析方法关于事物的变化是渐进而非跳跃 式、影响事物变化的因素在过去、现在和将来基本保持不变这样一个假定所带来的 弊端o 。a i u m a 用于长期的建设用地需求量分析，能够更好地消除各种因素发生 的错综复杂的作用对建设用地需求预测精度的影响，使预测的结果更加切合实际。 a r i m a 模型( p ，k ，q ) 中a r 指自回归，p 为自回归项数：m a 为移动平均， q 为移动平均的项数；i 指积分；k 为时间序列成为平稳之前必须取其差分的数。一 般表达式为： z = a o + a l y 卜1 + a 2 以一2 + 矗p y f p + p o u f + 届“f - 1 + p 2 u f 一2 + + p u 卜g a r i m a 模型( p ，k ，q ) 的建模过程是根据时间序列识别序列的平稳性，对数 据进行平稳化处理，对模型进行参数估计，检验是否有统计意义，进行假设检验， 利用已通过检验的模型进行预测分析“”1 。 1 2 4 运用灰色系统理论建立预测模型 控制理论将随机过程视为一个灰色系统，它既有确定的“白色信息”，又有未 知的“黑色信息”，灰色分析就是运用科学的方法对原始信息进行处理，弱化不确 定性，强化规律性，将具有随机性的信息转化为具有较强规律性的信息，使原来或 高或低波动变化的数列变成单调上升的生成数列，从而建立连续函数微分方程预测 模型”。运用灰色系统理论对建设用地需求量进行预测，同样可以克服运用各种 结构性的因果模型分析和预测的困难。该模型需要的数据资料少，而且淡化了误差 积累的影响3 。 灰色系统理论预测方法的主要手段是g m 模型的建立与求解“。g m 模型一般对 应一个微分方程，微分方程的求解形成一个预测模型的函数方程。根据方程的特征， 可以为线性g m 预测和非线性g m 预测法。其中，线性g m 预测按累加生成次数及 指标个数可进一步细分为线性g m ( o ，h ) 、g m ( i ，h ) 、g m ( 2 ，h ) g m ( n ， h ) 等的预测法。对原始数据进行趋势处理后建立一个g m ( 1 ，1 ) 模型，一般表达 式如下： 盖盟，、= ( 盖船一兰) e 一“+ 兰 u 针对该模型经过状态的分析、利用转移概率矩阵r ( m ) 编制预测表之后，便 可对预测值进行计算，从而获得建设用地需求量的预测数“2 。4 。 灰色系统分析预测模型的优点是可以用于数据较少的统计预测，对缺乏统计数 据的情况非常适合。由于灰色系统分析预测模型淡化了误差积累的影响，因而用于 长期建设用地需求量的预测能够取得较高的精度。 1 2 5 存在问题 从目前研究来看，主要存在三个方面的问题： ( 1 ) 建设用地预测模型有严格的使用条件，可操作性和适用性不够。 比如上节介绍的柯布一道格拉斯生产函数模型，该模型的前提条件是资本、劳 动和土地投入的规模报酬不变，但实际上经济的发展规律是上述投入要素的规模报 酬逐步提高，所以该模型对建设用地预测的适用性不够。 ( 2 ) 选择静态的规划定额指标和单因素来预测建设用地规模。 传统的城市用地规模预测方法概括起来讲，就是用人均用地标准乘以城市人口 规模，这种方法的科学性隐含着以下两个假设：从人口角度出发来研究城市用地问 题以及人均用地标准的确定方法是合理的。然而，静态的规划定额指标和只考虑人 口增长一作为唯一变量来预测建设用地规模，已经在越来越多的城市规划实践中显 示出其不足。 ( 3 ) 建设用地需求量的影响因素研究不够 无论从理论上还是实践中，我们都知道影响建设用地需求的因素决不是单一的 6 或唯一的，而是诸多因素共同作用的结果，诸如人口增长、社会演化、经济发展、 政策因素等。因此在规划实践中，如果只分析考虑人口总量这一单因素，就很难真 实地预测出规划期内建设用地需求的大小，使规划预测值与实际需求量存在较大差 距，从而使规划失去指导意义。 2 材料与方法 2 1 研究区概况 2 1 1 社会经济条件 成都市地处西南腹地，东北与德阳市、东南与资阳地区毗邻，南面与眉山地区 相连，西南与雅安地区、西北与阿坝藏族羌族自治州接壤。2 0 0 2 年，户籍人口总数 为1 0 2 8 万人，在全国特大城市中，仅次于北京、上海、重庆居第四位。其特点： 一是人口密度大。平均每平方公里为8 3 0 人，平原地区人口密度多在每平方公里1 0 0 0 人以上。 改革开发2 0 多年的发展，城市综合实力显著增强，社会全面进步，人民生活 极大改善。成都市在全省、西南、全国的地位明显提高，2 0 0 3 年中国城市发展报 告成都综合实力位列第九位。2 0 0 3 年，全市地区生产总值达到1 8 7 0 亿元，比2 0 0 2 年增长1 3 ，2 0 0 3 年一、二、三次产业在地区生产总值中的比重分别为8 、4 5 、 4 5 。城镇居民人均可支配收入达到9 6 4 1 元，农民人均纯收入3 6 5 5 元，城乡居民 储蓄存款余额达1 4 9 4 亿元。 2 1 2 自然条件 成都市位于四川省中部，四川盆地西部，介于东 经1 0 2 0 5 4 1 0 4 0 5 3 和北纬3 0 0 0 5 3 1 。2 6 之间，全市 东西长1 9 2 k m ，南北宽1 6 6k m ，总面积1 2 3 9 0k m 2 。 成都现辖9 区4 市( 县级市) 6 县。 全市地势差异显著，西北高，东南低，西部属 图1 成都市政区图 于四川盆地边缘地区，以深丘和山地为主，海拔大 f i g1 d i s t r i c tp l o to f c h e n g d u 多在1 0 0 0 - - 3 0 0 0 m 之间。成都市位于川西北高原向 四川盆地过渡的交接地带，地处亚热带湿润地区，地形地貌复杂，自然生态环境多 样，生物资源十分丰富。 2 1 3 成都市土地利用现状特点 随着西部大开发战略的实施，成都的社会经济各方面都快速发展。土地利用也 呈显相应的变化规律。特点表现为：土地构成中农业用地仍是主要的用地类型，但 是城镇建设用地所占比例呈上升态势；农业用地和建设用地的效能都较高，集约利 用特征明显；农业用地结构、布局连同它所承载的人口分布、产业结构等都受到城 镇体系的主导。建设用地结构、布局受到中心城市的主导。 2 1 3 1 农业用地比重大，建设用地集中于中心城市 2 0 0 3 年，成都市市域面积1 2 3 9 0 k m 2 ，合 1 2 3 万公顷，平原、丘陵和山地分别占4 0 、 2 8 和3 2 。农林用地9 9 2 0 k m 2 ，合9 9 力 公顷， 占市域面积的8 0 左右，其中耕地4 5 万公顷， 耕地中基本农田保护率为8 5 ( 全省保护率为 图1 成都市地貌类型比重 8 1 9 6 ) 。建 f i g 1p r o p o r t i o no f p h y s i o g n o m ys t y l e 设用地1 9 1 2 k m 2 ，合1 9 万公顷，其中城乡居民 点及工矿用地1 6 0 9 k m 2 ，合1 6 万公顷，其余为 交通、水利及其他建设用地。城乡居民点及工 矿用地中，各类城镇用地共6 2 3k r f l 2 ，其中， 中心城市2 8 3k i t l 2 ，7 个卫星城共用9 4k m 2 ，4 图2 成都市城镇用地构成( k m ：) 个县级市( 城区) 共用6 8 k m 2 ，4 个县城共用 f i g 2f o r m o f t o w nc o n s t r u c t i o n l a n d 3 8 k i n 2 ，2 1 0 个建制镇共用1 3 3 k m 2 ，市域尚有4 k i n 2 未利用土地。 2 。1 3 2 土地利用效率高 成都市土地功能发挥达到较高水平，全市平均每平方公里产出的g d p 达到1 3 4 2 万元。尽管市域的西部山区原始森林曾被长期性大规模砍伐，但经过近2 0 年的植 被恢复，生态逐步好转，改善气候、保持水土等功能作用的发挥不断好转。平原和 丘陵地带是承载城镇、人口和社会经济文化活动的主要地区，平均每亩耕地创造的 g d p 达3 3 3 7 元，建设用地平均每亩形成的二、三产业g d p 达5 3 2 4 6 元，其中工业 用地每亩增加值为4 5 万元。全市平均每平方公里承载约1 0 0 0 人。 8 2 1 3 3 一、二、三次产业用地布局规律性强 成都市三产业用地布局特点是：农业用地随山、丘、坝地呈梯次分布和随中心 城市呈近郊、中郊、远郊圈层布局。城镇建设用地集中布局在中心城市，其余的城 镇中，没有一个超过3 0 k m z ，将来中心城市仍然是用地集中区。在空间布局上，各 卫星城、县级市、县城和建制镇以成都为中心，呈放射加环带状分布。 2 2 研究目标 本研究根据收集的相关统计数据资料，首先对成都市的建设用地变化情况进行 分析，找出影响建设用地需求量的主要社会经济指标，然后利用相关分析对其影响 因素进行相关系数计算，筛选因素，得到影响建设用地需求量的主导因子，然后利 用主导因子建立多元回归模型，对模型进行优化计算后，计算模型系数权重值，得 出各主导因子对建设用地需求量影响贡献率大小，测算2 0 2 0 年成都市建设用地量， 并对其进行验证分析，为土地利用规划过程中科学制定建设用地控制指标提供决策 依据和技术支持。 2 3 研究内容 ( 1 ) 影响建设用地需求的相关因素分析 ( 2 ) 成都市建设用地预测模型的建立 ( 3 ) 成都市建设用地需求量预测模型的验证分析 ( 4 ) 拟解决的关键问题： 定量分析与动态分析相结合的可操作性强、预测精度高的实用数学预测模型的 建立。成都市未来1 7 年社会经济发展速度与建设用地需求量变化的规律。 2 4 研究方法 2 4 1 影响因素相关分析 本论文通过成都市1 9 8 8 - - - 2 0 0 2 年建设用地需求量分析，找到影响建设用地需 求量的主要社会经济指标x ，首先将1 9 8 8 ：- - 2 0 0 2 年1 5 年的数据确定为一个样本， 并将各因素令为x l 、x 2 、x 3 、) ( 4 、x 5 x l i ；令成都市建设用地量为y ；然后将 因素x 作为自变量，y 作为因变量，分别用x 1 、x 2 、x 3 、) ( 4 、x 5 ) ( i i 与y 建立 一元回归方程： y = a + b x ( a = a 1 、a 2 、a 3 a n ；b = b i 、b 2 、b 3 b n ) 9 并分别计算方程的相关系数r ，进行方程拟合度检验。通过该方法得出与建设用 地量成显著线性相关的主导因子。 2 4 2 多元回归分析 在通过相关分析筛选出与建设用地量成显著线性相关的主导因子后，本论文借 用多元回归分析，建立多元回归模型，并对进入模型的因素进行参数估算和统计检 验，对模型进行优化。模型的一般形式为： y = o + a l x l + a 2 x 2 + 口3 蜀+ 玎4 石4 + 口5 x 5 + 口h 肖h 利用统计分析软件，对模型中的参数进行估计，并进行t 检验和f 统计量检验， 将不能通过t 检验的因素从模型中剔除，进而优化模型。 2 4 2 1 模型系数权重值的确定 本研究的权重计算采用因素比重法，即将通过优化后的模型中的各因素系数求 其权重。具体方法是：彬：l 一，其中a 是模型中因素的系数值。 口l + d 2 + d 3 + - d n 矾为因素权重值。 2 4 2 2 利用模型测算 本研究是为成都市2 0 2 0 年建设用地量做预测研究，再确定了其主导影响因子 和最终优化的模型后，将成都市2 0 2 0 年社会经济远景发展规划中确定的因素既定 发展目标值代入模型进行测算，得到成都市2 0 2 0 年建设用地需求量值。 2 4 3 灰色系统理论建模 本研究在对预测结果进行验证分析阶段，采用了灰色系统理论来建立建设用地 预测模型。 本论文对原始数据进行趋势处理后建立一个g m ( 1 ，1 ) 模型，一般表达式如 下： j 罂+ ，= ( x 盅一詈) + e 一“+ 詈 雪黜。) = ( x k + 1 ) 一础，) 令矿= x 跛。) 由于建立灰色系统预测模型的必要条件是目标序列非负性单调，固采用一次累 加生成方法，将呈波动变化的原始序列器转化为单调上升的生成数列墨岛，即： l o 硝】_ 扛册，彳跚，器，x 冀? 爿黔) 按照建模原理，对x 黜作一次累加计算，得一次累加生成数列：z 嚣卜圭j 船 ( t = l 2 ，3 ，4 1 5 ) 将x 拟合成一阶线性微分方程： 将该式离散化得到矩阵b 和y ： 一i 1 ( 工8 + m 1 一丢( x 8 3 + 盼1 一丢( x + m _ 1 y = z 跚 z 料 - x 黜 用最小二乘法解算方程： 占= k ，“r = 7 b ) - by 得到参数a 、u ，代入上述微分方程，求解得到预测模型： 船t ，= ( x 船一e 叫+ i u 利用这个模型进行建设用地的累加值计算，并进行精度检验和还原检验。 3 结果与分析 3 1 成都市建设用地变化分析 自1 9 8 8 年以来，随着成都市基础设施 规模不断扩大、开发区快速发展、城市化水平不 至 b 断提高，成都市建设用地量随着时间的推移呈逐 “ 长趋势，特别是i 9 9 7 年以来增加趋势更加明显。 $ 9 妒梦拳窜擎 图3 成都市历年建设用地增长情况 f i g 3p a s ty e a r s c o n s t r u c t i o nl a n di n c r e a s e ( 1 0 4 h a ) 卸坞埔埔雌h毋， 1 9 9 7 年以来全市已报征土地1 7 2 0 3 公顷( 其中耕地1 0 3 4 6 公顷) ，占1 9 9 7 - - 2 0 1 0 年规划建设占用耕地指标的7 1 。自1 9 9 2 年以来，建设用地利用效率快速提高。 从图4 和图5 可以看出，i 9 9 1 年至 2 0 0 2 年，成都市加大了对建设用地集 约化利用管理力度，建设用地利用效 荟 过 率迅速提高，2 0 0 2 年达到历史最高点， 与1 9 8 8 年相比，单位建设用地g d p 产 出为8 6 亿元万公顷，增长8 2 5 倍，单 位建设用地投资为3 6 亿元万公顷，增 图4 成都市历年单位建设用地g d p 产出效率 ( 单位：亿元万公顷) 长1 4 3 倍。图4 表明，2 0 0 0 年至2 0 0 2 盹49 “7 ”。“。”1 ”o g d 9 。“单”。衙。1 。“7 年，投资密度明显提高。很大原因在于，1 9 9 9 年新土地管理法实旌后，建设用地从 严，导致投资密度加大，从一个侧面反映了成都市对土地控制力较大，投资密度提 高快，土地控制效果明显。 至 可。 | 更 g 图5 成都市历来单位建设用地投资密度 ( 单位：亿元万公顷) f i g5p a s ty e a r s c o n s t r u c t i o nl a n di n v e s t m e n td e n s i t y 成都市以往的建设用地配置与经 济发展的形式不相称。2 0 0 2 年，成都 市人口占全国的0 7 9 ，占四川1 省的 1 2 8 5 ：g d p 总量占全国的1 6 2 ，占 全省的3 4 1 1 ，但土地总面积只占全 国的0 1 2 ，占全省的2 5 6 ：建设用 地指标仅占全省七分之一，基本农田 保护率高达8 5 ，比全省8 1 的保护率 高出4 个百分点。而成都市除去山地和生态草地，真正可供广泛利用的土地只有 8 4 2 5 k m 2 ，成都市建设用地增长与耕地保护的矛盾表现出