基于生命周期的开发区土地利用集约度预测

陈志华, 张　莉, 范胜龙, 黄炎和, 季　翔

(福建农林大学资源与环境学院，福建 福州 350002)



基于生命周期的开发区土地利用集约度预测

陈志华, 张莉, 范胜龙, 黄炎和, 季翔

(福建农林大学资源与环境学院，福建 福州 350002)

以土地开发的生命周期特征为切入点，通过数据叠加增加数据的时间序列，借助逻辑生长曲线对建筑密度进行预测，进而测算开发区土地利用集约度，建立了一套有效的开发区土地利用集约度预测方法.结果表明，预测结果较符合实际情况，开发区土地利用集约度增长速度呈逐渐减小的变化趋势，区龄为12 a时达到饱和值，然后呈下降或稳定的趋势.

开发区; 生命周期; 土地集约利用; 预测

随着工业化和城市化程度的不断提高，开发区在产业结构调整和创新技术力量中的作用日益凸显，开发区的土地集约利用程度对这一作用有着关键性的影响.土地集约利用是一个动态变化的过程[1]，分析其变化规律并加以预测对指导开发区发展建设、促进开发区扩区升级具有重要作用.

目前，关于开发区土地集约利用评价的研究主要集中于开发区土地集约利用评价方法研究[2-3]、评价指标理想值的确定[4-5]、土地集约利用潜力评价[6]、土地集约利用影响因素研究[7]等，对于开发区土地利用集约度的预测及动态评价方面的研究相对匮乏.生命周期是指用生物生命周期的思想, 将对象出生、成长、衰老到死亡的过程看成是一个完整的生命过程[8].开发区的发展是随着其开发建设年限的延长而不断变化的，而其变化也表现出一定的规律性.有些学者认为开发区发展及其土地开发一般要经历起步期、成长期、成熟期、复杂期(稳定/衰落/转型)等4个阶段，服从于生命周期规律[9-11].这些研究对预测模型的选取具有重要的指导意义.

基于开发区土地开发的生命周期规律，本文以开发区的区龄为时间序列，通过对相似开发区的基础指标数据进行叠加，进而运用逻辑生长曲线模型对开发区土地集约利用评价指标现状值进行预测，在此基础上，测算开发区土地利用集约度，探讨开发区土地利用集约度的变化规律.

1　研究区概况

截至2012年福建省开发区土地集约利用评价仅进行了3轮，相关数据的时间序列较短.通过对相似开发区的数据叠加[12]，可以扩大其时间序列，从而实现预测.为此，本研究从社会经济和园区发展方面选取了开发区所在区域经济发展等级、主导产业、园区数等指标，应用SPSS软件对所获取的12个开发区进行聚类分析，根据聚类结果选取最为相似的一类作为本文的研究区.

福建将乐经济开发区是经国家发改委审核确认、于2006年批准设立的省级经济开发区，位于将乐县城东北侧，规划面积9.72 km2.开发区下设北郊工业园和积善工业园.在产业布局上，开发区以机械制造、纺织鞋业、生物医药等为主导产业.

福建光泽工业园区是2003年设立的省级开发区，位于光泽县东南部，总规划面积23.4 km2.园区分为和顺工业园、金岭工业园，以生物医药、机械制造等为主导产业.

南平工业园区成立于2003年，位于南平市南部，总规划面积6.088 km2，为省级开发区.园区分为南平高新区和江南工业区，南平工业园区定位为“技术含量高、能耗低、污染小的现代化工业园区”，经过几年的发展，现主要产业有针纺、机械制造等.

2　研究方法

2.1数据来源

主要参考福建省开展的3轮开发区土地集约利用评价成果，相对应的评价时点分别为2008年、2009年、2011年.将3个开发区3轮土地集约利用评价的13个评价指标现状值按照区龄进行叠加，其中相同区龄下不同开发区的指标值采用平均值确定，得到5、6、7、8、10 a共5个不同区龄的评价指标现状值.以此为基础数据，对开发区土地利用集约度进行预测.

2.2指标筛选

由于土地利用集约度是根据评价指标的实现度加权求得的，因此评价指标与土地利用集约度在时间序列上存在着类似的变化规律，可以通过分析评价指标的变化规律进而探究开发区土地利用集约度的动态变化.由于评价指标较多，为方便分析需要对其进行筛选.首先筛选与开发区区龄具有较强相关性的指标；然后对初步筛选的指标进行共线性检验，剔除共线性较强的指标以减少不同指标对预测结果的二次影响.

2.3评价指标预测模型的构建

应用生命周期方法的模型，对实际研究对象的一些主要因素的相互关系进行描述，并最终达到预测的目的[13].结合开发区生命周期的阶段性特征，采用常用的逻辑生长曲线作为预测模型,表示如下：

(1)

式中:y表示预测值；x表示时间.

由于评价指标基本上是比重数，所以将极限值C设为1.通过参考文献[14-15]，采用最小二乘法原理[16]对A、B进行求解，得到以下求解公式：

(2)

A=eA′

(3)

(4)

式中，(xi,yi)表示不同区龄下的指标实际值.

2.4开发区土地利用集约度的预测

图1　开发区土地利用集约度预测流程Fig.1　Systematic diagram for forecasting land use intensity in development zone

通过SPSS软件对集约度(因变量)和评价指标(自变量)进行回归拟合，实现对土地利用集约度的预测，并对开发区土地利用集约度随区龄的变化所呈现出来的规律进行分析.预测流程如图1所示.

3　结果与分析

3.1开发区土地集约利用指标的预测

评价指标与区龄之间的相关性分析结果表明，建筑密度、工业用地建筑系数、工业用地固定资产投入强度、工业用地产出强度与区龄具有较强的相关性，相关系数分别为0.930、0.863、0.913、0.922.据此，选取以上4个指标进行下一步的筛选.

为了排除指标的共线性问题，同时，使筛选出的指标能更好地反映开发区土地利用集约度，还要进一步筛选与其他较多指标具有显著性相关的指标.指标间相关性的分析结果如表1所示.

从表1可见，第1步筛选出的4个指标之间的相关系数均较大，容易产生共线性问题；建筑密度与其他指标相关系数的平均值最大，可以较好地表征评价体系中其他指标对开发区土地利用集约度的影响，并且建筑密度与区龄的相关性最大.因此，选择建筑密度对开发区的土地利用集约度进行预测.

表1　开发区土地集约利用评价指标的相关系数Table 1　Correlation coefficients between evaluation indicators of land use intensity

通过筛选得到的建筑密度指标是反映开发区已建成城镇建设用地的平面利用状况的综合性指标，可以用于表征区域土地的利用状况.区域的建筑密度越高土地的集约利用程度越高，说明建筑密度与土地利用集约度密切相关[17].

以整理后开发区5个不同区龄的建筑密度为分析样本，运用逻辑生长曲线预测模型，通过最小二乘法得到：a′=1.795 2,a=6.020 8,b=-0.191 8.

从而确定逻辑生长曲线模型为：

(5)

式中，yt为第t年开发区土地利用集约度，t表示区龄.

将区龄代入模型求预测值，采用预测值与实测值的均方根误差(RMSE)来衡量预测结果的精度.相关系数r值越大，且均方根误差RMSE值越小，表明预测结果精度越高;反之,精度越低.

从表2可知，通过模型得到的预测值与实际值之间的相关系数为0.935，均方根误差为0.030 3，小于实际值的标准差(0.095 2),说明误差较小，预测精度较高.因此，该预测结果可以作为进一步预测集约度的数据.

3.2开发区土地利用集约度的预测

选择叠加后区龄为5、6、7、8、10 a的建筑密度和集约度，利用SPSS对其进行拟合，得到的三次函数具有较高的拟合度，其R2为0.914，确定建筑密度与集约度的关系函数为：

y=-0.008+1.985x-1.668x3

(6)

式中，x表示建筑密度，y表示土地利用集约度.

表2　开发区建筑密度预测值Table 2　Predicted value of building density in development zone

将建筑密度预测值代入上述公式，可以得到不同区龄下不同建筑密度的开发区土地利用集约度.并使用残差值(观测值与预测值的差)对预测结果进行分析.

如表3所示，建设期为5 a时，残差绝对值最小，仅为0.000 6，说明预测值最接近实际情况；而建设期为7 a时，残差绝对值最大，为0.042 0，说明预测值与实际情况的差异最大.这是由于除了第7年的数据只来自一个开发区，其他年份的数据均是由几个开发区的平均值得到的.平均值相对于单一的数据，更能反映数据的集中趋势，体现此类开发区的整体状况.预测值与实际值之间的均方根误差为0.023 3，小于集约度实际值的标准差(0.088 9),说明预测结果比较符合实际情况，具有较高的应用价值.

表3　开发区土地利用集约度预测值Table 3　Predicted value of land use intensity in development zone

3.3开发区土地集约利用的变化规律

从图2可以看出，在开发区建设的前5 a，土地利用集约度年增量逐渐增加，主要是因为在开发区建设前期，各项基础设施以及厂房的建设刚刚起步，土地利用状况在这一时期变化较为明显，所以其集约度在这一阶段增长较快；而开发区发展的5～11 a，土地利用集约度年增量逐渐减小，主要是因为这一阶段基础设施与厂房基本完善，集约度的增长主要是取决于工业用地产出方面的增长，所以集约度的增长速度逐渐减小.在区龄为12 a时，集约度变化处于饱和期，集约度为0.825 4.12 a后集约度变化处于复杂期，需要根据开发区的实际情况进行具体分析.这一时期的开发区，有的实现扩区升级，有的维持现状，有的则逐渐向母城靠近，出现由工业用地向居住用地的转化，呈现出粗放的用地模式，故导致有些开发区的土地利用集约度基本保持稳定，而有些会出现下降.

图2　开发区土地利用集约度的预测曲线

4　小结

本研究应用逻辑生长曲线对建筑密度进行预测，通过建筑密度这一过渡指标测算集约度，揭示了开发区土地利用集约度随着区龄的变化所呈现出的规律.结果表明：开发区土地利用集约度增长速度逐渐减小，年增量先增加后减小；在达到饱和值后，呈下降或稳定的趋势.在开发区区龄为12 a时，开发区土地利用集约度达到饱和，饱和值为82.54%.

[1] 刘浩,张毅,郑文升.城市土地集约利用与区域城市化的时空耦合协调发展评价——以环渤海地区城市为例[J].地理研究,2011，30(10):1 805-1 817.

[2] YUAN M, FENG R Z. Industrial land-use efficiency and planning in Shunyi, Beijing[J]. Landscape and Urban Planning, 2008(85):40-48.

[3] WANG K Y, ZHANG P Y. The research on Impact factors and characteristic of cultivated land resources use efficiency——take Henan Province, China as a case study[J]. IERI Procedia, 2013(5):2-9.

[4] 李翔,靳相木.开发区土地集约利用评价中的指标理想值[J].社会科学研究,2009(5):27-33.

[5] 孙东升.开发区土地集约利用评价中指标理想值的确定[J].上海国土资源,2014(3):47-49.

[6] 翟文侠,黄贤金,张强,等.城市开发区土地集约利用潜力研究——以江苏省典型开发区为例[J].资源科学,2006，28(2):54-60.

[7] FAN T, YU X F. Industrial land use efficiency under government intervention: evidence from Hangzhou, China[J]. Habitat International, 2014(43):1-10.

[8] 朱晓峰.生命周期方法论[J].科学研究,2004，22(6):566-571.

[9] 刘刚.北京市开发区土地资源开发与微观治理模式研究[D].北京:中国地质大学,2009.

[10] 唐承丽,周海兰,周国华.基于生命周期理论的开发区差别化调控政策探讨——以湖南省开发区为例[J].湖南师范大学学报(自然科学版),2012，35(2):88-94.

[11] ALISTAIR B, STEVEN B. Accounting for land-use efficiency and temporal variations between brownfield remediation alternatives in life-cycle assessment[J]. Cleaner Production, 2015(101):109-117.

[12] 王行风,汪云甲,李永峰.基于生命周期理论的煤矿区土地利用演化模拟[J].地理研究,2009，28(2):379-390.

[13] 朱晓峰.生命周期方法论[J].科学学研究,2004，22(6):566-571.

[14] 贾小勇,徐传胜,白欣.最小二乘法的创立及其思想方法[J].西北大学学报(自然科学版),2006，36(3):507-511.

[15] 蓝善勇,方崇.基于最小二乘法的逻辑回归模型在土石坝沉降预测中的应用[J].水利水电技术,2012，43(3):16-18.

[16] 鲁铁定,陶本藻,周世健.基于整体最小二乘法的线性回归建模和解法[J].武汉大学学报(信息科学版),2008，33(5):504-507.

[17] 李丽华,郑新奇,象伟宁.基于GIS的北京市建筑密度空间分布规律研究[J].中国人口·资源与环境,2008，18(1):122-127.

(责任编辑:叶济蓉)

Prediction on land use intensity in development zone based on life cycle

CHEN Zhihua, ZHANG Li, FAN Shenglong, HUANG Yanhe, JI Xiang

(College of Resource and Environment, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China)

To provide reference for upgrading development zone more rationally, land use intensity of development zone was calculated on life cycle characteristics and temparal data from overlaid data. Basing on this, building and land use densities were predicted on the logic growth curve. Results showed that the predicted values coincided with the actual situation. Development zone expanded quickly during the first 5 a. After operating for 12 a, land use intensities stayed contant or dropped, reaching a saturation value at 82.54%.

development zone; life cycle; intensive land use; prediction

2015-09-24

2015-12-30

福建省自然科学基金资助项目(2015J01624).

陈志华(1990-)，女，硕士研究生.研究方向：土地资源可持续利用.Email:czh18@foxmail.com.通讯作者黄炎和(1962-)，男，教授.研究方向：土地资源可持续利用.Email:yanhehuang@ hotmail.com.

F301.24

A

1671-5470(2016)05-0581-05

10.13323/j.cnki.j.fafu(nat.sci.).2016.05.017