廣州市建設(shè)用地集約利用評(píng)價(jià)研究

胡曼琴，胡月明，劉振華

（華南農(nóng)業(yè)大學(xué) 信息學(xué)院，廣州 510642）

近年來(lái)，隨著工業(yè)化的高度發(fā)展和城市化進(jìn)程的加快，經(jīng)濟(jì)和人口分布的中心向城市轉(zhuǎn)移，給城市用地帶來(lái)了一系列復(fù)雜而緊迫的問題，如城市建成區(qū)土地利用結(jié)構(gòu)不合理、存在大量的閑置土地等，而土地資源的集約利用是解決這些問題的關(guān)鍵所在。土地集約利用已受到政府、學(xué)者的高度重視。

國(guó)內(nèi)外城市土地集約利用的相關(guān)研究主要集中在城市土地集約利用的內(nèi)涵界定、評(píng)價(jià)指標(biāo)體系的建立、評(píng)價(jià)方法的選擇以及實(shí)現(xiàn)途徑等方面。在評(píng)價(jià)方法的選擇上，慢慢地從傳統(tǒng)的定性分析向簡(jiǎn)單的定量分析轉(zhuǎn)型，目前基于GIS技術(shù)、系統(tǒng)動(dòng)力學(xué)模型、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等一些新的方法技術(shù)已在城市土地集約利用評(píng)價(jià)中得到應(yīng)用和發(fā)展，特別是計(jì)算機(jī)技術(shù)和應(yīng)用軟件的發(fā)展，為城市的定量化研究提供了極好的應(yīng)用平臺(tái)，使研究進(jìn)入一個(gè)新的發(fā)展階段［1］。周子英［2］、王金地［3］、宋紅梅［4］、韋仕川［5］、翟文俠［6］、江文亞［7］等在近幾年分別嘗試新的方法對(duì)不同地方進(jìn)行集約利用評(píng)價(jià)，為評(píng)價(jià)方法的發(fā)展奠定了基礎(chǔ)。

城市土地集約利用評(píng)價(jià)方法取得了較好的研究成果，但很多數(shù)理模型和方法的弊端也顯現(xiàn)出來(lái)，比如模糊綜合評(píng)價(jià)模型等在評(píng)價(jià)過程中具有一定的人為影響因素，線性可分問題能夠給予精確的表達(dá)，而非線性不可分問題卻缺乏有效的解決辦法，土地集約利用評(píng)價(jià)方法中的定性和定量相結(jié)合的方法，尚未形成統(tǒng)一的指標(biāo)體系［8］，導(dǎo)致研究成果沒有可比性，從而影響研究成果的實(shí)用性。

本文以廣州市為研究區(qū)域，綜合運(yùn)用主成分分析和BP神經(jīng)網(wǎng)絡(luò)，不僅消除了評(píng)價(jià)過程中主觀因素的影響 ，而且彌補(bǔ)了傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)方法的數(shù)據(jù)量大、運(yùn)算時(shí)間長(zhǎng)的缺陷，有助于豐富建設(shè)用地集約利用評(píng)價(jià)的實(shí)例研究和方法分析。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源

廣州市位于22°26′—23°56′N，112°57′—114°13′E，地處珠江入?？冢秶ㄌ旌訁^(qū)、白云區(qū)部分、海珠珠區(qū)、越秀區(qū)、荔灣區(qū)、黃浦區(qū)部分、番禺區(qū)部分、蘿崗區(qū)部分和增城、從化兩個(gè)地級(jí)市，地勢(shì)由東北向西南傾斜，土地總面積7286 .551km2。隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加快，廣州市聚集了大量的外來(lái)人口，人口、經(jīng)濟(jì)與土地資源矛盾日益突出，土地資源嚴(yán)重短缺。

本文數(shù)據(jù)來(lái)源于廣州國(guó)土資源和房屋管理局各區(qū)域分局公布的1990—2007年土地?cái)?shù)據(jù)，廣州市志城建卷及廣州市統(tǒng)計(jì)年鑒，中國(guó)宏觀數(shù)據(jù)挖掘分析系統(tǒng)（http:∥number.cnki.net／cyfd），廣州市環(huán)境質(zhì)量報(bào)告書。

2 研究方法

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是反向傳播算法的變形，它彌補(bǔ)了反向傳播算法速度慢的特點(diǎn)，使得整個(gè)算法實(shí)用化。最基本的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，每層有若干個(gè)互不連接的神經(jīng)元節(jié)點(diǎn)，相鄰兩層節(jié)點(diǎn)通過連接權(quán)連接。神經(jīng)網(wǎng)絡(luò)的每一個(gè)節(jié)點(diǎn)稱為神經(jīng)元，輸入層各神經(jīng)元的主作用是接收來(lái)自外界的輸入信息，并傳給中間層的神經(jīng)元。中間的隱含層負(fù)責(zé)處理內(nèi)部信息，通過一系列的算法，完成自主學(xué)習(xí)，最后把結(jié)果傳遞到輸出層。輸出層向外界傳遞最終的結(jié)果和數(shù)字信息。網(wǎng)絡(luò)訓(xùn)練的每個(gè)樣本中包括的輸入向量與期望輸出值之間的偏差通過調(diào)整輸入節(jié)點(diǎn)和隱含層節(jié)點(diǎn)之間的權(quán)值實(shí)現(xiàn)，使得偏差沿梯度方向下降。經(jīng)過反復(fù)地學(xué)習(xí)和訓(xùn)練，確定權(quán)值，達(dá)到允許的范圍，停止訓(xùn)練。

利用BP神經(jīng)網(wǎng)絡(luò)建立土地集約利用評(píng)價(jià)模型，是根據(jù)BP神經(jīng)網(wǎng)絡(luò)的映射原理。假設(shè)土地集約度與土地集約指標(biāo)體系之間存在著某種映射關(guān)系，BP神經(jīng)網(wǎng)絡(luò)就是在輸入和輸出過程中建立非線性映射關(guān)系，實(shí)現(xiàn)最終值的最優(yōu)逼近［9］。

2.2 基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)

主成分分析是一種常用的統(tǒng)計(jì)方法，通過構(gòu)造原始指標(biāo)的適當(dāng)線性組合，產(chǎn)生一系列互不相關(guān)的綜合性指標(biāo)，從中選出綜合指標(biāo)，并且使他們盡可能多的含有原始指標(biāo)所含有的信息，用較少的指標(biāo)解釋原來(lái)的資料信息［10］。

通過主成分分析，去除指標(biāo)體系中貢獻(xiàn)率小的指標(biāo)，把主成分作為神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元，有效地保留數(shù)據(jù)信息，同時(shí)也減少神經(jīng)元的個(gè)數(shù)，增強(qiáng)網(wǎng)絡(luò)的性能（如神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)收斂速度及擬合過程等），改善評(píng)價(jià)結(jié)果。在進(jìn)行土地集約利用評(píng)價(jià)過程中，把評(píng)價(jià)指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)的輸入層，對(duì)應(yīng)的城市土地集約利用度作為輸出層，采用主成分分析法，保留指標(biāo)信息的前提下，獲取較少輸入層，實(shí)現(xiàn)對(duì)指標(biāo)數(shù)據(jù)降維化處理。

3 應(yīng)用和結(jié)果分析

3.1 基于主成分分析獲取神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)指標(biāo)

3.1.1 評(píng)價(jià)指標(biāo)體系的建立 在選取指標(biāo)的過程中，為了既要全面反映城市土地集約利用的特點(diǎn)，又要保證數(shù)據(jù)的可采集性，不損害未來(lái)發(fā)展?jié)撃?，必須遵循全面性和主?dǎo)性原則、定量與定性原則、可操作性原則和可持續(xù)利用原則。鑒于本研究區(qū)域位于廣州市，依據(jù)城市發(fā)展的特點(diǎn)，結(jié)合現(xiàn)階段眾多學(xué)者對(duì)廣州市建設(shè)用地集約利用評(píng)價(jià)的研究，從用地結(jié)構(gòu)合理性、土地使用效益強(qiáng)度、土地投入強(qiáng)度、土地可持續(xù)利用度4個(gè)方面構(gòu)建包含城市人均道路面積、城市人均居住面積、人口密度、人均GDP、建成區(qū)地均GDP、建成區(qū)綠地覆蓋率、地均固定資產(chǎn)投資、房地產(chǎn)投資比重、建設(shè)用地增長(zhǎng)彈性系數(shù)、工業(yè)固體廢渣綜合處理率、工業(yè)二氧化硫濃度11個(gè)指標(biāo)（表1）。

3.1.2 指標(biāo)的無(wú)量綱化 由于每個(gè)評(píng)價(jià)指標(biāo)的量綱不同，而且其數(shù)據(jù)變化的范圍很大，必須對(duì)各指標(biāo)進(jìn)行無(wú)量綱化處理，無(wú)量綱化處理的方法有很多，有比重法、閥值法等，本文主要采用極差正規(guī)化法對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化后的數(shù)據(jù)分布于［0，1］內(nèi)，其表達(dá)式如下:

式中:X＊ij——標(biāo)準(zhǔn)化后的數(shù)據(jù)；Xij——原始值。對(duì)于逆向指標(biāo)，首先對(duì)其正向化處理然后利用極差正規(guī)化法進(jìn)行標(biāo)準(zhǔn)化，正向化處理方法為指標(biāo)值取倒數(shù)。

表1 廣州市建設(shè)用地集約利用評(píng)價(jià)指標(biāo)體系

3.2 主成分分析獲取的神經(jīng)網(wǎng)路輸入層

通過SPSS對(duì)歸一化后的指標(biāo)進(jìn)行主成分分析，計(jì)算相關(guān)系數(shù)矩陣、特征值、特征向量，提取λ≥1的作為主成分，共兩個(gè)，累積貢獻(xiàn)率可以達(dá)到88.06%，即這個(gè)因子可以包含所有指標(biāo)中88.06%的信息，主成分的載荷矩陣見表2，主成分得分見表3。由表2可以看出第一主因子在人均地區(qū)生產(chǎn)總值、建成區(qū)地均GDP、人口密度、城市人均道路面積、城市人均居住面積、建成區(qū)綠化覆蓋率、人均綠地面積、工業(yè)固體廢渣綜合處理率、房地產(chǎn)投資占全部投資比重上載荷大，第二主因子在工業(yè)SO2濃度、建設(shè)用地增長(zhǎng)彈性系數(shù)上載荷大。

表2 主成分載荷矩陣

3.3 廣州市建設(shè)用地集約利用評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)

調(diào)查廣東省其他與廣州市經(jīng)濟(jì)發(fā)展水平相似的、城市規(guī)模相當(dāng)?shù)?個(gè)城市建設(shè)用地集約利用評(píng)價(jià)選取的11個(gè)指標(biāo)，其中人均居住面積、人口密度、人均GDP、建成區(qū)綠地覆蓋率、工業(yè)固體廢渣綜合處理率、工業(yè)SO2濃度采用有關(guān)國(guó)家標(biāo)準(zhǔn)，其他指標(biāo)分別以9個(gè)城市的集約利用評(píng)價(jià)指標(biāo)值的最大值和最小值作為指標(biāo)評(píng)價(jià)級(jí)別的上限和下限，平均值作為集約和中度集約的分界，建立評(píng)價(jià)指標(biāo)的分級(jí)標(biāo)準(zhǔn)（表4，5）。其中城市人均居住面積、建設(shè)用地增長(zhǎng)彈性系數(shù)、工業(yè)CO2濃度為逆向指標(biāo)。

表3 主成分得分

表4 建設(shè)用地集約利用評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)

表5 建設(shè)用地集約利用指數(shù)分級(jí)標(biāo)準(zhǔn)

3.4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

根據(jù)表4給出的分級(jí)標(biāo)準(zhǔn)，對(duì)每級(jí)進(jìn)行隨機(jī)插值生成10個(gè)樣本，總共30個(gè)樣本，將每個(gè)學(xué)習(xí)樣本的指標(biāo)值進(jìn)行歸一化處理，對(duì)其進(jìn)行主成分分析，選取兩個(gè)主成分，計(jì)算出主成分得分得出最后的結(jié)果。將主成分得分值與相應(yīng)的結(jié)果組成樣本對(duì)（表6），輸入構(gòu)造好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。

3.5 研究區(qū)內(nèi)BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果及分析

對(duì)數(shù)S型函數(shù)具有非線性放大系數(shù)功能，可以把輸出值變換成（0，1）的輸出，因此本文采用S型轉(zhuǎn)移函數(shù)構(gòu)造神經(jīng)網(wǎng)絡(luò)。采用結(jié)構(gòu)體及鏈表來(lái)建立神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，權(quán)值用偽隨機(jī)函數(shù)隨機(jī)產(chǎn)生，采用學(xué)習(xí)效率自適應(yīng)調(diào)整算法優(yōu)化源程序，以減少學(xué)習(xí)次數(shù)。在訓(xùn)練時(shí)，學(xué)習(xí)率為0.1，沖量系數(shù)為缺省值0.3，結(jié)束學(xué)習(xí)的條件為檢驗(yàn)誤差小于0.1。

表6 訓(xùn)練樣本

鄭榮寶等［11］利用模糊綜合評(píng)判法對(duì)廣州市1990—2007年建設(shè)用地集約利用程度進(jìn)行了評(píng)價(jià)，本文將其結(jié)果進(jìn)行歸一化處理（表7），比較兩種方法得出的結(jié)果，計(jì)算相對(duì)誤差，分析主成分分析和BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)方法的可行性。表8為測(cè)試結(jié)果，表9為兩種方法結(jié)果的相對(duì)誤差。

表7 模糊綜合評(píng)價(jià)法結(jié)果

表8 測(cè)試結(jié)果

表9 相對(duì)誤差

根據(jù)表5建設(shè)用地集約利用程度標(biāo)準(zhǔn)，從模糊綜合評(píng)價(jià)法的結(jié)果來(lái)看，廣州市建設(shè)用地集約利用水平處于整體上升趨勢(shì)，1990—1994年的集約利用水平處于粗放利用，1995—2004年的集約利用水平處于中度集約，2004—2007年的集約利用水平處于高度集約。最低與最高相差0.73。

從BP神經(jīng)網(wǎng)絡(luò)測(cè)試的結(jié)果來(lái)看，廣州市建設(shè)用地集約利用水平趨勢(shì)明顯，基本處于上升趨勢(shì)，1990—1994年的集約利用水平處于粗放利用，1995年處于中度集約，而1996—1997年又處于粗放利用，在0.3附近上下波動(dòng)，同模糊綜合評(píng)價(jià)法的結(jié)果有些出入，1998—2003年的集約利用水平處于中度集約，2004—2007年的集約利用水平處于高度集約。最低與最高相差0.654。和模糊綜合評(píng)價(jià)法相比，相對(duì)誤差最高達(dá)8.2%，最低2.1%，平均相對(duì)誤差為4.37%。

4 結(jié)論與討論

（1）1990—2007年廣州市建設(shè)用地集約利用評(píng)價(jià)結(jié)果表明，廣州市建設(shè)用地整體集約水平在不斷上升，1996—1997年稍有下降，但是不明顯。分析各指標(biāo)可知，其原因主要體現(xiàn)在人均地區(qū)生產(chǎn)總值、建成區(qū)地均GDP和人口密度三項(xiàng)指標(biāo)，三項(xiàng)指標(biāo)在主成分載荷矩陣中系數(shù)最高。同時(shí)，城市的聚集效應(yīng)使得城市用地緊張，集約程度相對(duì)提升。

（2）本文利用主成分分析來(lái)獲取主要評(píng)價(jià)指標(biāo)，作為神經(jīng)網(wǎng)絡(luò)輸入層，減少了輸入神經(jīng)元的個(gè)數(shù)，減少了評(píng)價(jià)者主觀的判斷和工作量，提高了評(píng)價(jià)的合理性和效率，為土地評(píng)價(jià)方面的研究提供了一種新思路；采用神經(jīng)網(wǎng)絡(luò)進(jìn)行評(píng)價(jià)，利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力和容錯(cuò)能力，提高評(píng)價(jià)效率。主成分分析和神經(jīng)網(wǎng)絡(luò)結(jié)合使用，對(duì)傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法進(jìn)一步改善，輸入變量減少了85%。

（3）由于統(tǒng)計(jì)數(shù)據(jù)本身存在一些缺陷，相關(guān)部門能夠提供的數(shù)據(jù)跟本文需要的數(shù)據(jù)有一定的出入，有些方面的指標(biāo)選取上還不盡合理，如城市土地容積率、建筑密度等，結(jié)果受到一定的限制，在主成分分析中，因子結(jié)構(gòu)尚不明確，導(dǎo)致結(jié)果具有一定的偶然性。如何建立一套規(guī)范有效的評(píng)價(jià)指標(biāo)體系和方法，如何完全消除主觀因素的影響使得結(jié)果合理，同時(shí)又要深刻體現(xiàn)城市土地集約利用的內(nèi)在機(jī)理、時(shí)空特征及變化規(guī)律等等都有待進(jìn)一步的研究。

（4）隨著廣州市經(jīng)濟(jì)的快速發(fā)展，其建設(shè)用地不斷增加，城市的聚集效應(yīng)比較明顯，建設(shè)用地集約程度相對(duì)提升。過度集約就會(huì)導(dǎo)致城市緊張，帶來(lái)各種不利的影響，阻礙城市的可持續(xù)發(fā)展，如何把握這個(gè)度，是后續(xù)城市土地集約利用評(píng)價(jià)需要深入探討的一個(gè)話題。

［1］邵曉梅，劉慶，張衍毓.土地集約利用的研究進(jìn)展及展望［J］.地理科學(xué)進(jìn)展，2006，25（2）:85－95.

［2］周子英，朱紅梅，譚潔，等.基于人工神經(jīng)網(wǎng)絡(luò)的長(zhǎng)株潭城市土地集約利用評(píng)價(jià)［J］.湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，9（6）:71－74.

［3］王金地，歐名豪，胡傳景.基于FUZZY的城市土地集約利用評(píng)價(jià):以揚(yáng)州市為例［J］.國(guó)土資源科技管理，2008，25（1）:29－34.

［4］宋紅梅，侯湖平，張紹良，等.基于熵值法的城市土地集約利用評(píng)價(jià):以徐州市為例［J］.資源開發(fā)與市場(chǎng)，2007，23（2）:116－118.

［5］韋仕川，黃朝明，堯德明.基于GIS和多目標(biāo)綜合評(píng)價(jià)模型的開發(fā)區(qū)土地集約約利用評(píng)價(jià):以洋浦經(jīng)濟(jì)開發(fā)區(qū)為例［J］.貴州農(nóng)業(yè)科學(xué)，2011，39（3）:125－130.

［6］翟文俠，黃賢金，張強(qiáng)，等.基于層次分析的城市開發(fā)區(qū)土地集約利用研究:以江蘇省為例［J］.南京大學(xué)學(xué)報(bào):自然科學(xué)版，2006，42（1）:96－102.

［7］江文亞，鄭新奇，楊伶俐.村鎮(zhèn)建設(shè)用地集約利用評(píng)價(jià)研究［J］.水土保持究，2010，17（3）:165－170.

［8］趙小風(fēng)，黃賢金，陳逸，等.城市土地集約利用研究進(jìn)展［J］.自然資源學(xué)報(bào)，2010，25（11）:1980－199.

［9］趙姚陽(yáng)，濮勵(lì)杰，胡曉添.BP神經(jīng)網(wǎng)絡(luò)在城市建成區(qū)面積預(yù)測(cè)中的應(yīng)用:以江蘇省為例［J］.長(zhǎng)江流域資源與環(huán)境，2006，15（1）:14－18.

［10］劉珂.基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)在城市建成區(qū)面積預(yù)測(cè)中的應(yīng)用:以北京市為例［J］.地理科學(xué)進(jìn)展，2007，26（6）:130－137.

［11］鄭榮寶，陳美招.廣州市建設(shè)用地集約利用評(píng)價(jià)與預(yù)警研究［J］.土壤通報(bào)，2012，43（1）:107－113.