基于GIS技术的地价时空分析研究

宋志华

摘要:对国内外应用GIS技术在土地价格时间和空间结构分析的相关文献做了初步的梳理,并将实证研究中应用的方法、模型、结果等进行了总结,对各种方法的优缺点做了简单的评述。最后提出,结合GIS技术的地价研究仍然是一个研究热点和主要的研究趋势,这种研究方法虽然避免了很多弊端,取得了较好的研究成果,但仍然存在一些需要注意的问题。如果克服这些研究问题,对于地价的研究及GIS技术的完善都将是一个较大的进步。

关键词:GIS;地价;时空分析

中图分类号:F301.2 P208 文献标志码:A文章编号:1673-291X(2010)29-0041-04

2009年6月,国土资源部首次以数据对地价与房价之间的关系作出回应,即地价只占了房价的一小部分,全国平均比例约为23%。但是,由于城市地价呈现空间曲线形态,专家和学者们对此数字纷纷表示质疑,因此,真实、准确地表达地价迫在眉睫。对地价时空变化规律进行分析,通过直观地探讨各类用地的空间区位指向,有助于揭示城市地价形成和变化的动力机制,从而在政府科学制定有关城市地价管理政策,更有效地发挥政府理性调控土地市场、发挥地价杠杆机制合理配置城市土地资源等方面,提供技术手段和科学的地价预测依据。

地价的空间分布格局具有一定的区域空间分布规律,而且随着时间的变化,地价的空间分布也可能会发生变化。而GIS具有很好的可视化性,能提供强大的空间分析支持,在GIS支持下进行地价的研究将变得更加直观和准确。采用GIS空间分析对市场交易样点进行插值,进而研究城市地价分布规律,方法简单、分析结果误差小、结果可信度高。

随着GIS技术的不断开发,GIS技术的空间插值分析方法已有研究,在土地相关研究领域中的运用也日益深入,如柏延成、朱会义、吴宇哲、王劲峰、陈军、朱求安等[1-6]的研究。然而,这些研究多从自然学科角度出发,侧重于土地利用变化或土地自然属性等方面。本文试图从经济视角出发,对GIS技术在土地价格空间结构分析中应用的国内外相关文献进行一个初步的梳理,并介绍实证研究中应用的方法、模型、结果等,以对国内研究有所助益,为政府制定相关政策决策提供依据。

一、国外相关研究

(一)单纯运用GIS进行地价时空分布分析

地价空间分异规律研究的一个特点是空间插值技术的应用。Dubin(1992)使用泛克里格(uiversal Kriging),对Baltimore的1 493个有效的观测值做了分析,发现在存在空间自相关的情况下,克里格方法是一个有效的分析横截面数据 (crosssection data)的方法[7]。Olmo(1995)采用了迭代残差克里格,一个将迭代方法和克里格方法综合的方法,用于西班牙Granada的住宅价格和区位价值的空间估计,认为迭代残差克里格在分析出现空间自相关的横截面(cross-Section)数据上是一个有效的工具[8]。作为一个后续的研究(2007),同样使用Granada的数据,对使用了协克里格和普通克里格,并发现协克里格所显示的结果比普通克里格好。GamezMartinez等(2000)利用Kriging技术,通过四个模型的比较和选择对A1baceet(西班牙城市)进行了空间插值分析[9]。Hannonen(2006)采用了小波变换分析工具对芬兰Espoo和Nurmijarvi市的土地价格变化趋势进行了研究[10]。

还有的研究是结合地价影响因素分析其时空分布,如TAKATSUKA TAKAFUMI等运用GIS方法对Oita市的土地价格形成因素进行分析,通过建立GIS数据库,选取了六个地价形成因素,并在此基础上建立多元线性回归方程形成本文的地价模型,最终得到一个模拟程度较高的结果[11]。

(二) GIS技术与其他研究方法相结合

还有的研究是借助空间因子开展住宅价格空间分异规律研究,这一类研究可以看成是对住宅价格特征模型的一种拓展。Roehner(1999)结合房地产价格泡沫,通过不同空间位置住宅价格变化的分析,开展了投机与价格关系的研究[12]。Pace等(2000)利用有关空间和时间的12个变量,建立了房地产价格预测模型[13]。

此外,学者们还将GIS技术与传统经济学模型相结合进行分析。如Song和Khaap(2003)借助GIS提取不同城市形态的变量,运用特征价格模型对新城市主义(New Urbanism)和传统城市形态进行了数量分析,结果表明新城市主义的许多住宅特征对住宅价格起到了正面作用[14]。Franke & Vos(2004)以1985年l月至1999年7月荷兰Amsterdam市44 780个住宅交易数据和Breda市25 644个住宅交易数据作为样本,分别用简单特征价格模型和等级趋势模型进行估计,结果表明在所研究的时期内住宅价格变化趋势是固定的[15]。Nakajima(2006)运用动态随机均衡模型研究日本1980—2000年间土地价格的变化,其中,作者主要研究居民预期对土地价格变化的影响[16]。

另外,在传统研究方法的基础上运用GIS技术进行研究是研究的热点区域,学者们基于GIS技术设计建立了适合不同研究内容的模型。Mark D Ecker和Hans R Isakson(2005)建立了城市土地价值表面趋势模型[17];Wilhelmsson M(2002)建立房地产经济的空间模型[18];Asar&Abed(1994)利用GIS和地统计技术对黎巴嫩首都贝鲁特市的地价进行了研究,通过简历三维数字地面模型估计了不同地块的可见度和倾斜度,对土地价值进行了分等[19]。

在西方国家,由于长期的市场经济,拥有大量土地价格数据。在此基础上,利用GIS技术对地价分片划区进行定级及其空间分布规律探讨,更便于城市土地的管理。对于城市地价动态变化与空间形态演变及地价发展趋势预测等方面的研究,在国外已经相当成熟,他们的研究主要集中在空间模拟、分布模型、影响因素等微观机理方面。国外地价分布特征的研究主要针对时间和空间两个方面进行。

但这些学者的研究主要是在各自国情条件下得到的研究成果,而对像我国土地市场并不发育条件下的类似理论与实证研究则相对较少。尽管如此,其对于我国城市地价动态变化与空间形态演变情况的研究仍然具有一定的理论指导与借鉴意义。

二、国内相关研究

(一)单纯运用GIS进行地价时空分布分析

陈思源等(2005)采用GIS空间分析对市场交易样点进行Kriging插值,进而研究城市地价分布规律[20]。陈思源、曲福田(2006)等进一步提出采用探索性空间数据分析(ESDA)技术,对地价数据作空间统计分析[21]。刘志坚、陈思源等(2007)再次通过建立探索性空间数据分析(ESDA)模型,在Arc/Info支持下,采用逐步比较法,对探索性分析方法的运用进行实证研究,三次研究均采用江苏省镇江市的统计数据[22]。李冰姿、赵永锋(2009)也应用ESDA技术,对天津市中心城区地价样本进行空间数据分析并在此基础上进行地价空间插值[23]。周俊、徐建刚(2002)以上海轨道交通明珠线一期为例,运用GIS和RS技术,构建其空间分析模型,对轻轨交通沿线的土地利用空间分异情况及其趋势作了分析[24]。王锡福、徐建刚等(2005)也利用GIS 方法对南京轨道交通1号线沿线不同用途的土地信息进行提取、综合比较,进而探讨南京市轨道交通建设对城市土地利用空间分异的潜在影响[25]。

通过GIS空间分析可以得出地价空间分布的直观图。如陈琦、刘建华(2003)通过TIN和监测样点地价建立地价分布三维模型,运用内插地价等值线图与城市用地基准地价底图的叠加来宏观分析城市地价面变化的原因[26];唐旭、刘耀林(2004)通过时序监测样本的Voronoi图,分析城市土地市场的热点区域和发展趋势[27];蒋芳等(2005)采用统计分析和GIS空间分析相结合的方法,得到北京市普通住宅出让地价的系列空间分布图[28];郑颖(2008)采用GIS技术及其空间插值方法,以数字高程模型(DEM)直观地模拟、刻画杭州不同时期地价、房价空间分布特征及其变化规律[29]。而郭思、卢移海等(2008)以福州城区为例,对IDW和Kriging两种插值效果进行了对比,并提出了地价梯度场的概念[30]。还有学者从GIS技术角度出发,在地价监测信息系统及地价评估与管理方面进行的研究思路、应用方法、关键技术、实现方法、应用结果等多方面进行了探讨。

学者们的结果表明,ESDA空间数据分析显著提高了地价空间分析过程和结果的科学性与合理性。虽然ESDA分析对数据数量要求不高,但对数据结构要求严格,对数据相关性和模型适用范围也有具体规定。虽然运用GIS技术可以分析轨道附近的土地利用情况,对其附近的地价情况进行分析和预测。但是目前对轨道地价的研究还是主要集中在土地利用情况方面。

(二)GIS技术与其他研究方法相结合

将地统计学方法与GIS相结合进行地价时空变化研究的有:陈浮等(1999)利用地统计学,配合K氏估计方法,分析了常州市城市地价的空间分布图式[31];杜国明等(2006)采用半变异函数分析商业用地地价空间连续及变异特征,用普通克里格插值方法生成地价空间分布模拟图[32];朱明仓、辜寄蓉等(2007)从区位角度出发,在GIS 空间统计支持下,运用趋势分析、变异函数、Voronoi图和剖面图等方法,对重庆市渝中区房价与地价分异特征进行实证研究[33];王霞、朱道林(2004)采用剔除二阶趋势的普通众Kriging方法,结合GIS技术,对北京1998—2005年间的土地交易价格数据进行了时空分布格局研究[34]。

由于城市地价具有非均质扩散特征,将这两种研究方法相结合进行地价空间插值和模拟,既可反映出地价空间分布的整体规律和变异特征,又可对样点地价的评估误差进行优化。并且,变异函数分析方法具有可综合分析空间变量变异特征的优势。虽然这种方法不涉及影响地价水平的具体因素,但各种因素的影响仍然体现在空间分布图式之中,与现实特征有着广泛的一致性。

还有学者对地价的空间分析结合了计量经济学模型与GIS技术。蒋芳等(2004)在GIS空间分析技术的支持下,采用多元回归的方法,建立北京市普通住宅地价区位模型,量化分析主要区位因子对住宅地价的影响程度[35]。杜小娅、陆跃进(2004)采用GIS技术作出地价等值线图及专题图,结合多元回归方法,在统计学软件SPSS 中分析地价同区位因子的关系,并对南京市区地价的空间分布规律的影响因素进行了探讨[36]。张洪、金杰(2007)通过构建单一中心城市地价空间分析的计量经济学模型,结合GIS空间分析方法,对昆明市2001—2005年不同用途地价的空间变化特征和影响地价空间变化的主要因素进行了实证分析[37]。

这样结合的研究方法可以很好地弥补单纯运用其中一种方法所无法避免的局限性。根据GIS技术所得到的各种地价空间模拟图,可做多方面的剖面分析,进而对其地价空间结构及其成因进行分析,但无法继续对影响因子的整体贡献率以及单因子的贡献率做进一步分析,而结合计量经济模型再次分析,恰好可以完成这部分的分析。为了克服数据来源的不真实性,可以采用GIS实测的数据进行研究。

GIS与地统计学方法、计量经济模型相结合对地价时空分布规律进行研究的有:杜德斌、徐建刚(1997)采用GIS技术和多元线性回归分析方法,以土地批租地块为样本,分析上海市地价与城市区位因子的线性关系[38];汪应宏、张绍良等(2005)以蚌埠市为例,运用GIS技术, 结合数理统计和地质统计学知识及线性回归和网格化方法,建城市地价的变异函数来分析商业用地、住宅用地和工业用地的变异程度[39];吴合镇(2008)在朱明仓、辜寄蓉的指导下,通过构建房地产空间数据库,在GIS空间统计支持下,运用多种研究方法对房价和地价空间分布特征进行分析,以预测房价和地价空间分布规律及其变化趋势,并在此基础上,利用验证性统计建模方法结构方程模型,构建并得到房价与地价动态关系稳定合理的数理模型[40]。

从时空角度研究地价的分布规律,更为科学的方法是,运用GIS技术以地价监测样点为基础,采用多元统计分析,地学统计与分析和数学分析方法,插值生成地价等高线或三维模型,然后通过建立地价分布特征模型,对地价空间分布规律进行分析,从宏观角度挖掘存在于空间关系中的信息。

三、小结

不同学者从不同研究角度与GIS技术相结合,采用不同的方法、模型等对地价的空间分布情况进行研究探讨。实证研究结果表明:地价的分布在空间上既有连续性,也存在变异性,局部具有突变性,不同用途地价的空间分布也不尽相同。地价与区位因子之间存在着关联性,并且这种关联性与城市的形态、商业分布格局、CBD的功能结构有关。另外,等价线分布呈现圈层结构,但地价越高的区域面积越小;交通道路对商业用地地价分布有重要影响,城市扩展会带动扩展方向的区域商业用地地价升高;用地地价从市中心向外围呈指数递减。

国内外关于土地价格方面的研究非常深入而广泛,并且主要还是从经济学视角出发进行研究,但由于地价的许多特征来自于空间,因此,GIS(地理信息系统)技术被广泛用于提取地价的空间特性。笔者主要从基于GIS技术对地价时空变化分析方面进行综述,就近年的国内外研究动态来看,在传统研究方法的基础上运用GIS技术是其中的一个热点区域。在国外的相关研究中,主要集中在空间模拟、分布模型、影响因素等微观机理方面。而我国多停留于基准地价评估、监测与管理的中观和宏观层次上(国土资源部)对城市地价分布规律的研究,且多以基准地价评估为基础,以土地级别作为基本评价单元,对于地价空间分布规律仅为中观层次的认识。

结合GIS技术进行分析可以避免很多弊端,但还应注意以下几点问题:(1)如何考虑自然阻隔,如河流、铁路、桥梁等对空间分析的影响;(2)如何提高样点数据的时效性;(3)如何形成标准的技术流程和业务规范等。另外,GIS的空间插值分析方法也是有多种,常用的是普通克吕格插值法,它突破了经典统计学的限制,综合考虑变量的结构性和随机性。但是,在运用地价样点分析空间分布规律时,应特别重视样点的质量和分布。

纵观地价的GIS研究领域可以发现,地价的研究虽然取得了较好的成果,但其分布特征研究大都做横向分析,缺少纵向的历史数据的对比分析。在运用GIS进行地价研究的过程中,可以借鉴以上几点,从而可以更加客观、科学地对地价时空分布进行全面的剖析。

参考文献:

[1] 柏延成,李新,冯学智.空间数据分析与空间模型[J].地理研究,1999,18(2):185-187.

[2] 朱会义,何书金,张明.土地利用变化研究中的GIS空间分析方法及其应用[J].地理科学进展,2001,20(2):104-106.

[3] 吴宇哲,吴次芳.基于Kriging技术的城市基准地价评估研究[J].经济地理,2001,21 (5):584-587.

[4] 王劲峰,柏延臣,朱彩英,等.地理信息系统空间分析能力探讨[J].中国图像图形学报,2001,9(6):849-852.

[5] 陈军,赵仁亮,乔朝飞.基于Voroni图的GIS空间分析研究[J].武汉大学学报:信息科学版,2003,28(特刊):32-33.

[6] 朱求安,张万昌,余钧辉.基于GIS的空间插值方法研究[J].江西师范大学学报:自然科学版,2004,28(2):183-187.

[7] Dubin,R.A. Spatial autocorrelation and neighborhood quality[J].Regional Science and Economies, 1992,(22):433-452.

[8] Olmo,J.C. Spatial Estimation of Housing Prices and Locational Rents[J]. Urban studies,1995,32(8):1331-1344.

[9] Gamez Martinez,M.;Monteor Lorenzo,J.,M,,Gareia Rubio,N.,2000,Kriging methodologyfor Regional economic analysis,.International Advances in Economic Research,6(3):438-450.

[10] Hannonen,M.An analysis of trends and cycles of land Prices using wavelet transforms[J].International Journal of Strategic Property Management,2006,10(1):1-21.

[11] TAKATSUKA TAKAFUMI,SATO SEIJI,KOBAYASHI YUJI,HIMENO YUKA. Analysis of factors to formulate land price using GIS method-Case study in Oita City[S0463B]Proceedings of the Symposium on Computer Technology of Information, Systems andApplications,23rd;1-6(2000).

[12] Roehner,B.M.,1999,Spatial analysis of real estate price bubbles:Paris,1984-1993,29(l):73-88.

[13] Pace,R.K.,Barry, R.,Gilley, O.W.,Sirmans,C.,.F,A method for spatial-temporal forecasting with an application to real estate prices,2000,16(2):229-246.

[14] Song,Y,Knaap,G,2003,New Urbanism and housing values: a disaggregate assessment,Journal of Urban Economic,54(2003):218-38.

[15] Franeke,M.K.& Vos,G.A.The hierarchieal trend model for Property valuation and local Price indices[J].Journal of Real Estate Finance and Economies,2004,28(2):179-208.

[16] Nakajima,T.Asset Price fluctuations in Japan and the World Economy,2006,10(6):1-25.

[17] Mark D Ecker,Hans R Isakson.A unified convex-concave model of urban land values[J].Regional Science and Urban Economics,2005,35:265-277.

[18] Wilhelmsson M . Spatial models in real estate economics[J]. Housing ,Theory and Society,2002,19:92-101.

[19] Asar,K.,FerreiraJ.J.&Abed,J.etal. Reconstruction in Postwar Beirut : Using GIS to estimate spatial distribution of land value[J].Geolnfo Systems,1994,4(7):34-41.

[20] 陈思源,曲福田,倪绍祥,等.GIS空间分析支持下的城市地价分布研究[J].南京农业大学学报,2005,28(3):119-122.

[21] 陈思源,曲福田.ESDA支持下的城市地价分布信息提取[J].土地资源遥感,2006,(3):47-50.

[22] 刘志坚,陈思源,欧明豪.GIS探索性空间数据分析方法及其在地价分布信息提取中的应用研究[J].安徽农业大学学报,2007,34(3):415-149.

[23] 李冰姿,赵永锋.ESDA技术在地价空间分析中的应用——以天津市中心城区为例[J].科协论坛,2009,4(下).

[24] 周俊,徐建刚. 轨道交通的廊道效应与城市土地利用分析——以上海市轨道交通明珠线(一期)为例[J].城市轨道交通研究,2002,(1):77-81.

[25] 王锡福,徐建刚,等.基于GIS 的城市轨道交通与土地复合利用研究——以南京为例[J].城市发展研究,2005,(12).

[26] 陈琦,刘建华.GIS在城市地价动态宏观监测中的应用[J].国土资源科技管理,1009-4210 (2003)02-44-04.

[27] 唐旭,刘耀林,汪普查.城市地价动态变化监测的空间分析方法研究[J].武汉大学学报,2004,(6):29-6.

[28] 蒋芳,朱道林.基于GIS 的地价空间分布规律研究——以北京市住宅地价为例[J].经济地理,2005,25(2):199-202.

[29] 郑颖,徐高峰.城市增长过程中杭州市地价空间分布规律研究[J].新西部,2008,(18):46-47.

[30] 郭思,卢移海,等.福州城区基于GIS地价梯度场[J].兰州大学学报,2008,(7):44.

[31] 陈浮等.城市地价空间分布图式的地统计学分析[J].南京大学学报:自然科学版,1999,(6):19-23.

[32] 杜国明,张玉凤,等.城市商业用地地价空间分布模拟与分析——以呼和浩特市为例[J].中国农业大学学报, 2006,11(3):117-122.

[33] 朱明仓,辜寄蓉,吴合镇,等.基于空间统计的重庆市渝中区地价房价分布规律[J].安徽农业科学,2007,35(31):9908-9909,9912.

[34] 王霞,朱道林.地统计学在都市房价空间分布规律研究中的应用——以北京市为例[J].中国软科学,2004,(8).

[35] 蒋芳.北京市地价空间分布规律及其形成机制研究[D].北京:中国农业大学硕士,2004.

[36] 杜小娅,陆跃进.南京市区地价空间分布及其影响因素分析[J].国土资源遥感,2004,(2):51-55.

[37] 张洪,金杰.中国省会城市地价空间变化实证研究——以昆明市为例[J].中国土地科学,2007,(2).

[38] 杜德斌,徐建刚.影响上海市地价空间分布的区位因子分析[J].地理学报,1997,(9).

[39] 汪应宏,张绍良,等.城市地价与房租的空间变异分析[J].中国矿业大学学报,2005,(9):34-5.

[40] 吴合镇,等.重庆市房价与地价动态关系模型研究[D].成都:四川师范大学,2008.

Research on the time and space analysis of the land price based on the GIS technology

SONG Zhi-hua

(Economy and management college,North-west agriculture and forest science and technology university,Yangling 712100,China)

Abstract: With the application of GIS technology in land prices and space structure analysis of the relevant documents for the first to tease and empirical research applications, model, only summarized in a variety of methods of advantages and disadvantages do simple sum. Finally, a combination of GIS land prices study is still a study and research organizations, the research methods, although the number of problems and achieved better researches.

Key words: GIS; land price; time and space analysis