基于BP-ANN模型的西藏自治區(qū)建設用地節(jié)約集約利用評價模式研究

陳伊多 胡彥

（1.武漢洪房房地產土地估價有限公司西藏分公司，西藏 拉薩 850000；2.武漢洪房房地產土地估價有限公司，湖北 武漢 430000）

0 引言

近年來，伴隨西部大開發(fā)、西部計劃等國家級戰(zhàn)略的有序推進，西藏自治區(qū)經(jīng)濟整體高速發(fā)展，人民生活水平顯著提升，與此同時，生態(tài)環(huán)境問題也是日益突出，由于環(huán)境破壞與人類不合理活動，珠峰自然保護區(qū)暫時關閉。土地集約節(jié)約利用問題也隨之得到了更廣泛的關注。建設用地利用粗放和不合理擴張等問題日益嚴重，引起學術界相關學者的廣泛關注。因此，構建節(jié)約集約用地狀況評價體系，評價建設用地節(jié)約集約利用水平，提升建設用地利用效率和空間布局，已經(jīng)成為統(tǒng)籌城鄉(xiāng)發(fā)展的內在需求。

目前，中外學者針對建設用地節(jié)約集約利用狀況已經(jīng)積累了大量理論實踐研究成果。國際學者對于土地節(jié)約集約利用研究開始較早，最初起源于古典政治經(jīng)濟學的地租理論與農業(yè)用地的集約利用研究，后被借鑒到城市土地利用研究中。近年來，“新城市主義”、“精明增長”等新概念在城市規(guī)劃、促進城鄉(xiāng)土地集約利用與可持續(xù)利用、遏止城市蔓延等方面取得良好的實踐效果［1-4］。中國學者相關研究開始較晚，直到20 世紀90 年代才開始針對相關領域進行研究［5］，國內學者主要圍繞建設用地節(jié)約集約利用狀況評價的理論政策分析與研究方法梳理［6-8］，城市及開發(fā)區(qū)用地［9-10］、工業(yè)用地［11-12］、交通用地［13］等各類土地的節(jié)約集約利用評價、影響因素等開展研究［14-16］，同時也有針對評價指標體系構建［17-18］、評價模型和方法創(chuàng)新［19-21］以及節(jié)約集約利用潛力測算［22-23］等多方面的內容。現(xiàn)有研究多利用傳統(tǒng)評價模式，受主觀因素影響較大，易造成評價結果不準確［24］，因此，文章通過利用MATLAB 軟件訓練BP-ANN 模型，對西藏自治區(qū)建設用地節(jié)約集約利用狀況進行評估，并針對其現(xiàn)狀趨勢提出發(fā)展建議與對策。

1 研究區(qū)域概況及數(shù)據(jù)來源

西藏自治區(qū)位于我國西南邊疆，青藏高原的南部，總面積122.84 萬平方公里，約占我國國土總面積的八分之一，北靠新疆，東北接青海，東鄰四川，東南連接云南，南邊和西部與克什米爾、尼泊爾、不丹、緬甸、印度等國交界，國界線約3842公里，是中國西南邊陲的重要門戶，戰(zhàn)略位置險要。西藏自治區(qū)下轄拉薩市日喀則市、山南市、林芝市、那曲市、昌都市6個市以及阿里1個地區(qū)，包括8個市轄區(qū)以及66個縣。

文章基礎數(shù)據(jù)主要包括各區(qū)縣常住人口、地區(qū)生產總值、土地供應數(shù)據(jù)以及單位污水排放量數(shù)據(jù)，常住人口、地區(qū)生產總值來源于各市統(tǒng)計年鑒，土地供應數(shù)據(jù)來源于自治區(qū)自然資源局，單位污水排放數(shù)據(jù)來源于西藏自治區(qū)生態(tài)環(huán)境廳。

2 BP-ANN模型的應用

2.1 BP-ANN模型原理

人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetworks）,簡稱ANN，是用于模擬生物神經(jīng)網(wǎng)絡進行信息處理的一種數(shù)學模型，由大量的節(jié)點（或稱神經(jīng)元）之間相互聯(lián)接構成，用于實現(xiàn)某種特定功能，其具有主動學習、聯(lián)想存儲以及高速尋求最優(yōu)解的能力，對于實現(xiàn)地理模式識別、復雜地理系統(tǒng)的優(yōu)化計算和地理過程模擬與預測等問題具有較強適應性［25］。

BP 神經(jīng)網(wǎng)絡是由輸入層、隱含層和輸出層構成的前向網(wǎng)絡（如圖1 所示）［26］。輸入層各神經(jīng)元負責接收外部輸入信息，通過模擬人腦神經(jīng)系統(tǒng)傳遞給中間隱含層個神經(jīng)元；隱含層為模型內部信息處理層，可設計成單層或多層結構，負責內部信息處理；輸出層為一個輸入樣本經(jīng)權重、闕值和激勵函數(shù)運算后得出的結果。將輸出結果與期望的樣本進行比較，若實際輸出結果與期望值不符時，模型進入誤差反向傳導階段，誤差按照誤差梯度下降的方式修正各層權重，從輸出層依次反向傳導至隱含層以及輸入層，通過對個層權重以及闕值進行調整，是誤差信號最小，最終使網(wǎng)絡的技術處逐漸向各自所對應的期望值逼近，直到網(wǎng)絡輸出誤差減小到規(guī)定范圍或預先設定好的學習次數(shù)為止。

圖1 BP-ANN神經(jīng)網(wǎng)絡模型結構示意圖

2.2 BP-ANN模型構建

2.2.1 確定BP-ANN 模型構建。建設用地節(jié)約集約利用評價指標體系是以區(qū)域建設用地利用強度指數(shù)、增長耗地指數(shù)以及生態(tài)環(huán)境指數(shù)三方面綜合而成的綜合體，其指標體系也從上述三方面進行選取。影響建設用地利用強度的包括城鄉(xiāng)建設用地人口密度、建設用地地均生產總值兩項指標；影響增長耗地情況的包括單位人口增長消耗新增城鄉(xiāng)建設用地量、單位地區(qū)生產總值耗地下降率、單位地區(qū)生產總值增長消耗新增建設用地量以及城鄉(xiāng)建設用地增長率四項指標；影響生態(tài)環(huán)境的指標選取單位地區(qū)生產總值廢水排放量為代表（表1）。

表1 建設用地節(jié)約集約利用評價指標體系

2.2.2 確定隱含層神經(jīng)元節(jié)點個數(shù)。隱含層神經(jīng)元數(shù)量是BP-ANN 模型運行的關鍵部分，神經(jīng)元個數(shù)過多會導致網(wǎng)絡穩(wěn)定性降低，神經(jīng)元數(shù)量過少會導致陷入局部最小值，同樣影響模型運行效果。參考“黃金分割法”確定隱含層神經(jīng)元個數(shù)，初步將隱含層神經(jīng)元個數(shù)設定為8～20，在訓練和測試網(wǎng)絡使其收斂的過程中最終確定神經(jīng)元個數(shù)如表2所示。

表2 BP-ANN人工網(wǎng)絡模型隱含層神經(jīng)元個數(shù)檢驗表

2.2.3 數(shù)據(jù)標準化處理。評論區(qū)域中包括西藏自治區(qū)m 個縣區(qū)的n 個評價指標的建設用地節(jié)約集約利用狀況，則其原始數(shù)據(jù)矩陣X為：

原始指標的值存在數(shù)值區(qū)間和量綱的差異，難以構成一個統(tǒng)一的數(shù)據(jù)矩陣，因此，使用理想值法將原始數(shù)據(jù)進行無量綱化處理，各項指標理想值如表3所示：

式中：Sij0——第i個縣第j項指標標準化值得初始值；

tij——第i個縣第j項指標標準值；

aij——第i個縣第j項指標實際值。

表3 各項指標理想值取值表

根據(jù)指標屬性以及標準值的特征差異，依據(jù)如下規(guī)則對指標標準化的初始值進行測算，確定各項指標標準值Sij，Sij數(shù)值越大，區(qū)域用地狀況可能越佳。對于正向相關指標，Sij=Sij0正向指標原始值若為0 或負數(shù)，則直接賦值0；對于反向相關指標，Sij=，若反向指標為0或負數(shù)，直接賦值為0。

2.3 BP-ANN模型運行

2.3.1 模型訓練與驗證。將訓練數(shù)據(jù)51 個樣本導入MATLABR2018a 軟件中，人工神經(jīng)網(wǎng)絡工具nftool 隨機選取51 個樣本的70%用于訓練網(wǎng)絡，15%數(shù)據(jù)用于驗證訓練結果，剩余15%用于測試訓練結果。設置相關參數(shù)對網(wǎng)絡進行訓練，訓練過程中采用Bayesian Regularazation算法，傳遞函數(shù)采用tansig，學習函數(shù)采用learngdam。通過不同隱含層訓練樣本網(wǎng)絡收斂次數(shù)，最終確定隱含層節(jié)點數(shù)為11，經(jīng)過123 次訓練，網(wǎng)絡達到收斂，均方差為2.65E-13，結果符合模型精度要求，對剩余23個待測試樣本進行測試。

2.3.2 測試模型。將需要進行測試的23 個樣本導入經(jīng)訓練測試后的BP-ANN 網(wǎng)絡中（表4），測試結果顯示全部樣本相對誤差≤5%，模型精度良好。

表4 BP-ANN模型測試結果表

3 結果與分析

3.1 西藏自治區(qū)建設用地節(jié)約集約利用狀況分析

通過MATLABR2018a 軟件訓練并驗證后的BPANN模型，得到評價結果（圖2），根據(jù)西藏自治區(qū)特殊地理環(huán)境以及建設用地利用特點，將建設用地節(jié)約集約利用評價結果分為三等，評價分數(shù)<0.5 的列為集約程度低，介于0.5～0.7 之間的列為集約程度中等，評價分數(shù)>0.7 的列為集約程度高。從單項指標來看，單位人口增長消耗新增城鄉(xiāng)建設用地量指標平均得分最高，達到0.9，建設用地地均地區(qū)生產總值指標平均得分最低，僅為0.36，其余指標的評分均在0.5～0.8之間，較為均衡，這說明西藏地區(qū)各區(qū)縣經(jīng)濟實力較弱，但城鄉(xiāng)建設用地增長較快，其速度遠超人口增長速度。

圖2 西藏自治區(qū)建設用地節(jié)約集約利用評價結果圖

3.2 西藏自治區(qū)建設用地節(jié)約集約利用狀況空間分異

全局莫蘭指數(shù)可以用來反映一定區(qū)域內空間自相關性的狀態(tài)。全局莫蘭指數(shù)取值范圍在［-1,1］之間。當全局莫蘭指數(shù)為負數(shù)時，空間呈負相關，為正數(shù)時，空間呈正相關，莫蘭指數(shù)為0時，空間無相關性。通過ArcGIS10.2 軟件進行空間自相關分析后，得到西藏自治區(qū)建設用地節(jié)約集約利用評分的全局莫蘭指數(shù)為0.16，所對應的Z 得分為4.70，P 值為0.000003。根據(jù)表5所示，此次分析置信水平達到99%，表明在顯著水平下，西藏自治區(qū)建設用地節(jié)約集約利用狀況存在空間自相關性，且為正相關性。

表5 全局莫蘭指數(shù)置信度取值表

如圖2 所示，西藏境內大部分地區(qū)建設用地節(jié)約集約利用狀況呈現(xiàn)中等以上，僅拉薩市林周縣、當雄縣、尼木縣、曲水縣、日喀則市拉孜縣、阿里地區(qū)日土縣、札達縣以及普蘭縣呈現(xiàn)集約程度低的狀況?？傮w上來看，經(jīng)濟發(fā)達、人口較多的區(qū)域集約程度相對較高，山南市、日喀則市、昌都市下轄各區(qū)縣集約利用評價水平較高。那曲市下轄區(qū)縣由于人口變化小，建設用地增長緩慢，同時，除拉薩市外其余地區(qū)建設用地增長速度與上輪土地利用總體規(guī)劃規(guī)定相符，導致其在節(jié)約集約利用整體評價中得分較高；拉薩市下轄區(qū)縣得分普遍偏低，這是由于這些區(qū)縣在單位地區(qū)生產總值廢水排放量方面得分偏低，且拉薩市作為西藏自治區(qū)首府城市，其建設用地超量增長，也是其建設用地節(jié)約集約利用狀況較差的原因之一。

3.3 西藏自治區(qū)建設用地節(jié)約集約利用影響因素分析

利用SPSS19 軟件對無量綱化的原始數(shù)據(jù)進行KMO 統(tǒng)計量檢驗和Bartlett 球形檢驗，最終結果顯示KMO 值為0.509，高于0.5，Bartlett 球形檢驗結果為0.000，小于0.001，表示結果顯著，適宜進行因子分析。

在7個變量中選取3個特征根大于1的因子，其方差累計貢獻率達到66.57%，大部分原始變量信息得到保留，因子分析結果較好，能夠較全面反映7個變量信息，使用方差極大法對因子載荷矩陣進行正交旋轉后得到表6。

表6 旋轉成分矩陣表

如表6 所示，因子1 對單位地區(qū)生產總值耗地下降率（X4）、單位地區(qū)生產總值增長消耗新增建設用地量（X5）、城鄉(xiāng)建設用地增長率（X6）有較高載荷，因子2對單位人口增長消耗新增城鄉(xiāng)建設用地量（X3）、單位地區(qū)生產總值廢水排放量（X7）具有較高載荷，因子3對建設用地地均地區(qū)生產總值（X2）具有較高載荷。根據(jù)研究和經(jīng)驗對新因子進行重新命名，分別為：增長耗地情況（Z1）、建設用地消耗與生態(tài)環(huán)境情況（Z2）、建設用地利用強度情況（Z3）。

最后，利用SPSS19 將新因子進行多元線性回歸分析，F(xiàn) 檢驗值為43.018，顯著性為0 或0.004，均低于顯著水平0.05，多元線性回歸顯著。因此，西藏自治區(qū)建設用地節(jié)約集約利用狀況評價得分Y可用函數(shù)Y=0.723+0.026Z1+0.123Z2+0.01Z3表示（見表7）。

表7 新因子多元線性回歸矩陣表

根據(jù)影響程度排序分別為Z2>Z1>Z3，即建設用地消耗與生態(tài)環(huán)境狀況>增長耗地狀況>建設用地利用強度狀況。3個新因子能夠較好的解釋西藏自治區(qū)建設用地節(jié)約集約利用狀況的空間分異情況。西藏自治區(qū)建設用地節(jié)約集約利用狀況與當?shù)亟ㄔO用地消耗與生態(tài)環(huán)境指標狀況有密切關系，其中城關區(qū)以及拉薩市下轄區(qū)縣作為西藏自治區(qū)首府區(qū)域，其建設用地與城鄉(xiāng)建設用地需求以及增長速度均較快，同時，污水排放量也位居西藏自治區(qū)各區(qū)縣前列，因此其建設用地節(jié)約集約利用狀況不佳。阿里地區(qū)下轄各縣由于建設用地增幅、人口增長等各項指標均較低，同時，阿里地區(qū)各縣地廣人稀，因此該地區(qū)各縣建設用地節(jié)約集約狀況中等偏下。那曲市下轄區(qū)縣自然條件相對阿里地區(qū)諸縣較優(yōu)，人口與建設用地等規(guī)模增長速度快，因此那曲市區(qū)縣節(jié)約集約利用狀況較好。其余區(qū)縣則由于海拔較低，自然稟賦較優(yōu)，建設用地節(jié)約集約利用狀況基本在中等以上。

4 結論與討論

4.1 結論

文章通過利用MatlabR2018 軟件，利用西藏自治區(qū)各區(qū)縣建設用地節(jié)約集約利用狀況評價數(shù)據(jù)構建人工神經(jīng)網(wǎng)絡模型，通過訓練人工網(wǎng)絡，使其方差達到最小，再通過23 個樣本驗證網(wǎng)絡。結果發(fā)現(xiàn)，測試樣本的評價結果相對誤差均小于5%，模型的精度與可信度均較高。

西藏自治區(qū)建設用地節(jié)約集約利用狀況水平差異較大，且在空間上呈現(xiàn)正自相關和區(qū)域分異的特點。運用訓練和測試好的BP-ANN 模型對西藏自治區(qū)各區(qū)縣建設用地節(jié)約集約利用狀況進行評價，總體分值在0.28～0.92 之間，各區(qū)縣利用狀況差別較大，多數(shù)區(qū)縣處于中等及較差等級。全局莫蘭指數(shù)為0.16，呈正相關，表明西藏自治區(qū)建設用地節(jié)約集約利用狀況存在一定空間自相關性，區(qū)域內建設用地節(jié)約集約利用狀況也存在空間分異狀況，各區(qū)縣節(jié)約集約利用狀況與經(jīng)濟發(fā)展、人口密度等密切相關。

運用因子分析與多元線性回歸分析后發(fā)現(xiàn)影響西藏自治區(qū)建設用地節(jié)約集約利用狀況的3 個因子，分別為建設用地消耗與生態(tài)環(huán)境狀況、增長耗地狀況、建設用地利用強度狀況。西藏自治區(qū)下轄各市縣建設用地集約程度尚可，各市縣集約程度分異較大，建設用地增長以及消耗等指標對建設用地節(jié)約集約利用狀況分異影響最大，但生態(tài)環(huán)境等要素在其中也起到關鍵作用。

4.2 討論

由于西藏自治區(qū)地處高原，空氣稀薄、經(jīng)濟發(fā)展落后、人口稀少、生態(tài)環(huán)境脆弱，極易遭到破壞，建設用地十分珍貴，發(fā)展好、保護好高原凈土，促進高原農牧民增產增收，在青藏高原地區(qū)節(jié)約集約用地也成為黨和國家需要優(yōu)先考慮的問題。

西藏自治區(qū)在今后的建設用地利用管理中，應當注重與空間規(guī)劃進行銜接，并加強對各類土地的供應與利用狀況進行監(jiān)管，完善國土空間規(guī)劃監(jiān)測預警體系與國土空間開發(fā)保護“一張圖”建設；同時，推進建設自治區(qū)建設用地信息化平臺建設，統(tǒng)一監(jiān)管、統(tǒng)一規(guī)劃，為今后加強土地資源合理利用以及建設用地節(jié)約集約利用做好技術支持。

在發(fā)展高原經(jīng)濟時，也應當將生態(tài)環(huán)境因素納入其中，綜合考量生態(tài)環(huán)境影響，提高對環(huán)境破壞程度大的建設項目準入門檻，強化高污染項目污染物凈化后達標排放的監(jiān)測監(jiān)管，切實保護西藏自治區(qū)生態(tài)環(huán)境，不走“先污染后治理”的老路。

由于文章限于數(shù)據(jù)、樣本的可獲取性，選取指標較為單一，未將土地供應率、土地限制情況等指標納入其中，僅限西藏自治區(qū)內各區(qū)縣建設用地節(jié)約集約利用狀況評價使用，對國內其他區(qū)域按照區(qū)域實際情況對指標體系進行增減，不具有全國普適性。