基于BP-ANN模型的西藏自治区建设用地节约集约利用评价模式研究

陈伊多 胡彦

（1.武汉洪房房地产土地估价有限公司西藏分公司，西藏 拉萨 850000；2.武汉洪房房地产土地估价有限公司，湖北 武汉 430000）

0 引言

近年来，伴随西部大开发、西部计划等国家级战略的有序推进，西藏自治区经济整体高速发展，人民生活水平显著提升，与此同时，生态环境问题也是日益突出，由于环境破坏与人类不合理活动，珠峰自然保护区暂时关闭。土地集约节约利用问题也随之得到了更广泛的关注。建设用地利用粗放和不合理扩张等问题日益严重，引起学术界相关学者的广泛关注。因此，构建节约集约用地状况评价体系，评价建设用地节约集约利用水平，提升建设用地利用效率和空间布局，已经成为统筹城乡发展的内在需求。

目前，中外学者针对建设用地节约集约利用状况已经积累了大量理论实践研究成果。国际学者对于土地节约集约利用研究开始较早，最初起源于古典政治经济学的地租理论与农业用地的集约利用研究，后被借鉴到城市土地利用研究中。近年来，“新城市主义”、“精明增长”等新概念在城市规划、促进城乡土地集约利用与可持续利用、遏止城市蔓延等方面取得良好的实践效果［1-4］。中国学者相关研究开始较晚，直到20 世纪90 年代才开始针对相关领域进行研究［5］，国内学者主要围绕建设用地节约集约利用状况评价的理论政策分析与研究方法梳理［6-8］，城市及开发区用地［9-10］、工业用地［11-12］、交通用地［13］等各类土地的节约集约利用评价、影响因素等开展研究［14-16］，同时也有针对评价指标体系构建［17-18］、评价模型和方法创新［19-21］以及节约集约利用潜力测算［22-23］等多方面的内容。现有研究多利用传统评价模式，受主观因素影响较大，易造成评价结果不准确［24］，因此，文章通过利用MATLAB 软件训练BP-ANN 模型，对西藏自治区建设用地节约集约利用状况进行评估，并针对其现状趋势提出发展建议与对策。

1 研究区域概况及数据来源

西藏自治区位于我国西南边疆，青藏高原的南部，总面积122.84 万平方公里，约占我国国土总面积的八分之一，北靠新疆，东北接青海，东邻四川，东南连接云南，南边和西部与克什米尔、尼泊尔、不丹、缅甸、印度等国交界，国界线约3842公里，是中国西南边陲的重要门户，战略位置险要。西藏自治区下辖拉萨市日喀则市、山南市、林芝市、那曲市、昌都市6个市以及阿里1个地区，包括8个市辖区以及66个县。

文章基础数据主要包括各区县常住人口、地区生产总值、土地供应数据以及单位污水排放量数据，常住人口、地区生产总值来源于各市统计年鉴，土地供应数据来源于自治区自然资源局，单位污水排放数据来源于西藏自治区生态环境厅。

2 BP-ANN模型的应用

2.1 BP-ANN模型原理

人工神经网络（ArtificialNeuralNetworks）,简称ANN，是用于模拟生物神经网络进行信息处理的一种数学模型，由大量的节点（或称神经元）之间相互联接构成，用于实现某种特定功能，其具有主动学习、联想存储以及高速寻求最优解的能力，对于实现地理模式识别、复杂地理系统的优化计算和地理过程模拟与预测等问题具有较强适应性［25］。

BP 神经网络是由输入层、隐含层和输出层构成的前向网络（如图1 所示）［26］。输入层各神经元负责接收外部输入信息，通过模拟人脑神经系统传递给中间隐含层个神经元；隐含层为模型内部信息处理层，可设计成单层或多层结构，负责内部信息处理；输出层为一个输入样本经权重、阙值和激励函数运算后得出的结果。将输出结果与期望的样本进行比较，若实际输出结果与期望值不符时，模型进入误差反向传导阶段，误差按照误差梯度下降的方式修正各层权重，从输出层依次反向传导至隐含层以及输入层，通过对个层权重以及阙值进行调整，是误差信号最小，最终使网络的技术处逐渐向各自所对应的期望值逼近，直到网络输出误差减小到规定范围或预先设定好的学习次数为止。

图1 BP-ANN神经网络模型结构示意图

2.2 BP-ANN模型构建

2.2.1 确定BP-ANN 模型构建。建设用地节约集约利用评价指标体系是以区域建设用地利用强度指数、增长耗地指数以及生态环境指数三方面综合而成的综合体，其指标体系也从上述三方面进行选取。影响建设用地利用强度的包括城乡建设用地人口密度、建设用地地均生产总值两项指标；影响增长耗地情况的包括单位人口增长消耗新增城乡建设用地量、单位地区生产总值耗地下降率、单位地区生产总值增长消耗新增建设用地量以及城乡建设用地增长率四项指标；影响生态环境的指标选取单位地区生产总值废水排放量为代表（表1）。

表1 建设用地节约集约利用评价指标体系

2.2.2 确定隐含层神经元节点个数。隐含层神经元数量是BP-ANN 模型运行的关键部分，神经元个数过多会导致网络稳定性降低，神经元数量过少会导致陷入局部最小值，同样影响模型运行效果。参考“黄金分割法”确定隐含层神经元个数，初步将隐含层神经元个数设定为8～20，在训练和测试网络使其收敛的过程中最终确定神经元个数如表2所示。

表2 BP-ANN人工网络模型隐含层神经元个数检验表

2.2.3 数据标准化处理。评论区域中包括西藏自治区m 个县区的n 个评价指标的建设用地节约集约利用状况，则其原始数据矩阵X为：

原始指标的值存在数值区间和量纲的差异，难以构成一个统一的数据矩阵，因此，使用理想值法将原始数据进行无量纲化处理，各项指标理想值如表3所示：

式中：Sij0——第i个县第j项指标标准化值得初始值；

tij——第i个县第j项指标标准值；

aij——第i个县第j项指标实际值。

表3 各项指标理想值取值表

根据指标属性以及标准值的特征差异，依据如下规则对指标标准化的初始值进行测算，确定各项指标标准值Sij，Sij数值越大，区域用地状况可能越佳。对于正向相关指标，Sij=Sij0正向指标原始值若为0 或负数，则直接赋值0；对于反向相关指标，Sij=，若反向指标为0或负数，直接赋值为0。

2.3 BP-ANN模型运行

2.3.1 模型训练与验证。将训练数据51 个样本导入MATLABR2018a 软件中，人工神经网络工具nftool 随机选取51 个样本的70%用于训练网络，15%数据用于验证训练结果，剩余15%用于测试训练结果。设置相关参数对网络进行训练，训练过程中采用Bayesian Regularazation算法，传递函数采用tansig，学习函数采用learngdam。通过不同隐含层训练样本网络收敛次数，最终确定隐含层节点数为11，经过123 次训练，网络达到收敛，均方差为2.65E-13，结果符合模型精度要求，对剩余23个待测试样本进行测试。

2.3.2 测试模型。将需要进行测试的23 个样本导入经训练测试后的BP-ANN 网络中（表4），测试结果显示全部样本相对误差≤5%，模型精度良好。

表4 BP-ANN模型测试结果表

3 结果与分析

3.1 西藏自治区建设用地节约集约利用状况分析

通过MATLABR2018a 软件训练并验证后的BPANN模型，得到评价结果（图2），根据西藏自治区特殊地理环境以及建设用地利用特点，将建设用地节约集约利用评价结果分为三等，评价分数<0.5 的列为集约程度低，介于0.5～0.7 之间的列为集约程度中等，评价分数>0.7 的列为集约程度高。从单项指标来看，单位人口增长消耗新增城乡建设用地量指标平均得分最高，达到0.9，建设用地地均地区生产总值指标平均得分最低，仅为0.36，其余指标的评分均在0.5～0.8之间，较为均衡，这说明西藏地区各区县经济实力较弱，但城乡建设用地增长较快，其速度远超人口增长速度。

图2 西藏自治区建设用地节约集约利用评价结果图

3.2 西藏自治区建设用地节约集约利用状况空间分异

全局莫兰指数可以用来反映一定区域内空间自相关性的状态。全局莫兰指数取值范围在［-1,1］之间。当全局莫兰指数为负数时，空间呈负相关，为正数时，空间呈正相关，莫兰指数为0时，空间无相关性。通过ArcGIS10.2 软件进行空间自相关分析后，得到西藏自治区建设用地节约集约利用评分的全局莫兰指数为0.16，所对应的Z 得分为4.70，P 值为0.000003。根据表5所示，此次分析置信水平达到99%，表明在显著水平下，西藏自治区建设用地节约集约利用状况存在空间自相关性，且为正相关性。

表5 全局莫兰指数置信度取值表

如图2 所示，西藏境内大部分地区建设用地节约集约利用状况呈现中等以上，仅拉萨市林周县、当雄县、尼木县、曲水县、日喀则市拉孜县、阿里地区日土县、札达县以及普兰县呈现集约程度低的状况。总体上来看，经济发达、人口较多的区域集约程度相对较高，山南市、日喀则市、昌都市下辖各区县集约利用评价水平较高。那曲市下辖区县由于人口变化小，建设用地增长缓慢，同时，除拉萨市外其余地区建设用地增长速度与上轮土地利用总体规划规定相符，导致其在节约集约利用整体评价中得分较高；拉萨市下辖区县得分普遍偏低，这是由于这些区县在单位地区生产总值废水排放量方面得分偏低，且拉萨市作为西藏自治区首府城市，其建设用地超量增长，也是其建设用地节约集约利用状况较差的原因之一。

3.3 西藏自治区建设用地节约集约利用影响因素分析

利用SPSS19 软件对无量纲化的原始数据进行KMO 统计量检验和Bartlett 球形检验，最终结果显示KMO 值为0.509，高于0.5，Bartlett 球形检验结果为0.000，小于0.001，表示结果显著，适宜进行因子分析。

在7个变量中选取3个特征根大于1的因子，其方差累计贡献率达到66.57%，大部分原始变量信息得到保留，因子分析结果较好，能够较全面反映7个变量信息，使用方差极大法对因子载荷矩阵进行正交旋转后得到表6。

表6 旋转成分矩阵表

如表6 所示，因子1 对单位地区生产总值耗地下降率（X4）、单位地区生产总值增长消耗新增建设用地量（X5）、城乡建设用地增长率（X6）有较高载荷，因子2对单位人口增长消耗新增城乡建设用地量（X3）、单位地区生产总值废水排放量（X7）具有较高载荷，因子3对建设用地地均地区生产总值（X2）具有较高载荷。根据研究和经验对新因子进行重新命名，分别为：增长耗地情况（Z1）、建设用地消耗与生态环境情况（Z2）、建设用地利用强度情况（Z3）。

最后，利用SPSS19 将新因子进行多元线性回归分析，F 检验值为43.018，显著性为0 或0.004，均低于显著水平0.05，多元线性回归显著。因此，西藏自治区建设用地节约集约利用状况评价得分Y可用函数Y=0.723+0.026Z1+0.123Z2+0.01Z3表示（见表7）。

表7 新因子多元线性回归矩阵表

根据影响程度排序分别为Z2>Z1>Z3，即建设用地消耗与生态环境状况>增长耗地状况>建设用地利用强度状况。3个新因子能够较好的解释西藏自治区建设用地节约集约利用状况的空间分异情况。西藏自治区建设用地节约集约利用状况与当地建设用地消耗与生态环境指标状况有密切关系，其中城关区以及拉萨市下辖区县作为西藏自治区首府区域，其建设用地与城乡建设用地需求以及增长速度均较快，同时，污水排放量也位居西藏自治区各区县前列，因此其建设用地节约集约利用状况不佳。阿里地区下辖各县由于建设用地增幅、人口增长等各项指标均较低，同时，阿里地区各县地广人稀，因此该地区各县建设用地节约集约状况中等偏下。那曲市下辖区县自然条件相对阿里地区诸县较优，人口与建设用地等规模增长速度快，因此那曲市区县节约集约利用状况较好。其余区县则由于海拔较低，自然禀赋较优，建设用地节约集约利用状况基本在中等以上。

4 结论与讨论

4.1 结论

文章通过利用MatlabR2018 软件，利用西藏自治区各区县建设用地节约集约利用状况评价数据构建人工神经网络模型，通过训练人工网络，使其方差达到最小，再通过23 个样本验证网络。结果发现，测试样本的评价结果相对误差均小于5%，模型的精度与可信度均较高。

西藏自治区建设用地节约集约利用状况水平差异较大，且在空间上呈现正自相关和区域分异的特点。运用训练和测试好的BP-ANN 模型对西藏自治区各区县建设用地节约集约利用状况进行评价，总体分值在0.28～0.92 之间，各区县利用状况差别较大，多数区县处于中等及较差等级。全局莫兰指数为0.16，呈正相关，表明西藏自治区建设用地节约集约利用状况存在一定空间自相关性，区域内建设用地节约集约利用状况也存在空间分异状况，各区县节约集约利用状况与经济发展、人口密度等密切相关。

运用因子分析与多元线性回归分析后发现影响西藏自治区建设用地节约集约利用状况的3 个因子，分别为建设用地消耗与生态环境状况、增长耗地状况、建设用地利用强度状况。西藏自治区下辖各市县建设用地集约程度尚可，各市县集约程度分异较大，建设用地增长以及消耗等指标对建设用地节约集约利用状况分异影响最大，但生态环境等要素在其中也起到关键作用。

4.2 讨论

由于西藏自治区地处高原，空气稀薄、经济发展落后、人口稀少、生态环境脆弱，极易遭到破坏，建设用地十分珍贵，发展好、保护好高原净土，促进高原农牧民增产增收，在青藏高原地区节约集约用地也成为党和国家需要优先考虑的问题。

西藏自治区在今后的建设用地利用管理中，应当注重与空间规划进行衔接，并加强对各类土地的供应与利用状况进行监管，完善国土空间规划监测预警体系与国土空间开发保护“一张图”建设；同时，推进建设自治区建设用地信息化平台建设，统一监管、统一规划，为今后加强土地资源合理利用以及建设用地节约集约利用做好技术支持。

在发展高原经济时，也应当将生态环境因素纳入其中，综合考量生态环境影响，提高对环境破坏程度大的建设项目准入门槛，强化高污染项目污染物净化后达标排放的监测监管，切实保护西藏自治区生态环境，不走“先污染后治理”的老路。

由于文章限于数据、样本的可获取性，选取指标较为单一，未将土地供应率、土地限制情况等指标纳入其中，仅限西藏自治区内各区县建设用地节约集约利用状况评价使用，对国内其他区域按照区域实际情况对指标体系进行增减，不具有全国普适性。