中国建设用地扩张的驱动力分析
- 格式:doc
- 大小:31.50 KB
- 文档页数:8
土地利用时空变化特征及驱动力分析土地利用是指人类在土地上进行的各种活动,包括耕作、建筑、采矿、林业、城镇建设等。
而土地利用的时空变化特征及其驱动力则是指土地利用在不同时间和空间尺度上的变化规律及其产生和影响的原因,本文将对此进行分析和阐述。
一、时空变化特征(一)时间变化随着经济、社会、技术等发展的不断推进,土地利用也呈现出明显的时间变化。
一般来说,随着时间的推移,人类对土地的利用方式和目的也在逐渐变化,即从最初的农业、牧业、渔业发展到工业、城市化等现代经济活动的利用方式。
同时,不同时间段内土地利用的主导特征也不尽相同,比如在20世纪初,农业仍是世界各国的主要产业,土地逐步用于农业生产,而到20世纪末,城市化和工业化的发展使得城市和工业用地占据了土地利用的主导地位。
(二)空间变化土地利用的空间变化一般是指在不同区域内的土地利用状态的差异。
土地利用的空间变化对地区经济和社会的发展有着重要影响。
不同地区的土地利用方式受到地理、气候、土地资源等因素的影响,因此各地在土地利用上的差异也显得十分明显,在不同地域内,土地利用的主导产业及其分布情况各不相同。
二、驱动力分析(一)人类活动驱动人类的活动是土地利用变化的关键驱动力。
人类对土地的活动主要通过征地、改造、建设等方式进行,人类在这个过程中主要追求土地利用的经济效益。
人口的增长、经济的发展、城市化的推进等都是人类活动驱动土地利用变化的核心。
同时,人类活动带来的环境压力十分巨大,对自然环境造成了影响,破坏了生态环境,引起了水土流失、土壤污染等问题。
因此,在人类活动中,需要不断强调可持续性发展的理念,引导人类采取合理的土地利用方式。
(二)经济发展驱动经济发展也是推动土地利用变化的重要驱动力之一。
总体来说,经济发展带来了人类活动的快速发展,促进了城市化、工业化、农业生产等方面的变化。
尤其是经济和城市化的发展,直接推动城市用地的大幅增长。
但同时也带来了土地资源有限、污染治理困难等问题,因此革新诸如产业结构、生产方式等经济模式,加大农村、生态、水环境等领域的投资,从而实现可持续发展,也是具有重要意义的。
大城市近郊建设用地扩展空间分异及驱动力研究——以北京市顺义区为例赵婷婷;张凤荣;杜颖;姜广辉【摘要】以北京市顺义区为例,利用1996,2002,2009年3期土地利用现状图及统计和调查数据,综合运用Mapgis6.5,Arcview3.3空间分析工具,SPSSl1.5中空间聚类(Hierarchical Spatial Cluster)等方法,分两个时段研究建设用地扩展分异特征及驱动力因子结果.研究结果表明:城镇、交通及特殊用地扩展速度加快,农村居民点、独立工矿扩展速度趋缓;而新增建设用地来源涉及所有其他地类,其中耕地贡献最高,达61.40%.1996-2009年建设用地扩展形成了潮白河沿岸及以西向中高水平扩展,而东部扩展缓慢,其鲜明对比格局形成3个建设用地高水平扩展空间连续的集聚中心,分别是以西南部天竺、后沙峪、南法信为主的空港经济圈;西北部高丽营、赵全营为主正在迅速崛起的重点镇区域;以及潮白河上游北小营、南彩为中心的奥运商圈.高水平扩展区域的首要驱动力依次为人均纯收入、村镇企业地均产值、城乡收入差异;中水平扩展区域驱动力依次为城乡收入差异、人口密度;而低水平扩展区域的驱动力集中于村镇企业地均产值.【期刊名称】《浙江农业学报》【年(卷),期】2013(025)003【总页数】7页(P548-554)【关键词】大城市近郊;建设用地;扩展;空间分异;驱动力【作者】赵婷婷;张凤荣;杜颖;姜广辉【作者单位】中央广播电视大学农林医药学院,北京100031;中国农业大学土地资源管理系,北京100094;北京中地华源土地规划设计中心,北京100089;北京师范大学资源学院,北京100875【正文语种】中文【中图分类】F301.24随着社会的进步和科技的发展,人类的生产、生活活动对土地资源的需求与改变日益深刻[1-3]。
城市是人类经济活动的集聚地,其对周边地区的辐射带动作用也是引发和改变周边土地资源环境的主要动力[4]。
中国经济发展的驱动力与趋势分析中国是世界上最大的发展中国家之一,近年来取得了持续的经济增长。
中国经济的发展受到多种因素的驱动,并呈现出一些明显的趋势。
本文将对中国经济发展的驱动力和趋势进行分析。
一、内需驱动力中国庞大的人口基数为内需市场提供了强大的支撑力。
随着城镇化的推进和居民收入的增加,中国的消费水平不断提高。
消费对于中国经济的拉动作用日益显著,成为中国经济增长的重要驱动力。
此外,政府通过实施积极的财政政策和改革开放措施,不断推动内需的释放和发展,包括加大基础设施建设、扩大社会保障体系等,进一步促进了内需的增长。
二、外需驱动力中国是全球最大的商品贸易国之一,出口一直是中国经济增长的重要引擎。
中国作为全球制造业中心,享有劳动力成本低、产业链完备等优势,吸引了大量外资投资和跨国企业进驻。
中国的出口依赖度虽然有所下降,但外需依然是中国经济发展的重要支撑。
此外,中国积极参与全球贸易体系的改革与构建,推动自由贸易区的建设,不断扩大对外开放,为外需增长提供了良好的环境。
三、创新驱动力中国近年来加大了创新驱动的力度,将推动科技创新作为经济发展的重要引擎。
中国政府提出了“创新、协调、绿色、开放、共享”的发展理念,并出台了一系列支持科技创新的政策。
高新技术产业、互联网经济、人工智能等新兴产业不断涌现,为中国经济增长注入了新的动力。
四、可持续发展趋势中国经济正逐渐向高质量发展转型,可持续发展成为发展的重要趋势。
中国政府积极推动绿色发展、低碳经济和环境保护,加大了能源和资源的节约与管理。
此外,中国还加大了对教育、医疗、文化等社会事业的投入,提高民生水平,推动社会进步与和谐发展。
五、开放型经济趋势中国经济正朝着更加开放的方向发展。
中国政府推出了一系列扩大对外开放的政策,包括降低关税、扩大外商投资准入等措施,吸引了更多外资。
同时,中国积极参与国际经济合作和全球治理体系的建设,推动构建开放型世界经济。
中国经济的开放将为中国带来更多发展机遇。
土地利用变化的驱动力分析土地利用变化是指土地利用类型、空间布局和利用方式在一段时间内发生的变化。
随着经济发展和人口增长的压力,土地利用变化日益成为全球性的问题。
本文将分析土地利用变化的驱动力,探讨其中的原因和影响。
一、经济发展经济发展是土地利用变化的主要驱动力之一。
随着经济的不断增长,不少地区需要开发新的工业园区和商业中心,从而导致农用地被转用为工业用地和商业用地。
此外,随着农业生产方式的改变,农田的面积也会因为规模化经营而减少。
这些经济因素使得土地利用发生了明显的变化。
二、人口增长人口的快速增长也是土地利用变化的重要动力之一。
人口的增加导致城市扩张、农村城镇化进程的加速,从而使得土地被用于建设居民住宅、道路交通等基础设施。
此外,人口多样化的需求也会促使土地利用类型的多样化,满足不同人群的生活需求。
三、自然资源自然资源的分布和可利用性也是土地利用变化的重要驱动力。
一些地区由于土壤肥沃、气候适宜等自然条件,适合用于农业生产,因此农业用地占据主导地位。
而一些地区则由于地形复杂、生态环境脆弱等原因,只能用于保护性利用或者不适宜用于人类活动,因此很少被开发利用。
四、政策导向政府的政策导向也会对土地利用变化起到重要的影响。
在一些发展中国家,政府通过土地承包、农村集体经济等政策来推动农地的集约利用,以提高土地生产率。
而在一些发达国家,政府鼓励城市更新和土地再开发,以优化土地使用效益。
政府的政策导向对土地利用变化的速度和方向起到了重要的引导作用。
五、社会需求社会需求也是土地利用变化的重要因素。
随着人们对生活环境质量的追求,对于城市绿化、自然保护区等需求逐渐增加,因此部分土地被转用为公园绿地、自然保护区等。
此外,随着社会发展和科技进步,新兴产业的出现也引发了土地利用类型的变化,例如科技园区、生态农业等。
六、全球变化全球变化对土地利用变化也产生了影响。
气候变化、生物多样性丧失等全球性问题使得一些地区需要重新调整土地利用策略,以适应变化的环境条件。
土地利用变化驱动力分析研究土地利用变化是指一定时期内,土地利用类型及其空间格局的变化。
在土地资源有限的情况下,土地利用变化直接关系到人类社会的可持续发展。
因此,对土地利用变化的驱动力进行研究是十分必要的。
一、自然因素驱动土地利用变化自然因素是土地利用变化的基础条件,其中最重要的是面积、地形地貌、土壤和气候。
在这些因素的作用下,土地利用类型和空间分布随着时间发生了变化。
例如,在地貌起伏大的山区,农业区往往集中在低海拔地带,而城市的发展往往受地形的制约,在洼地或河流周边发展较为集中。
二、经济因素引导土地利用变化经济因素是人类社会中导致土地利用变化的最主导因素之一。
随着人口增长和城市化的发展,土地市场需求不断提高,因此经济因素成为了推动土地利用变化的重要力量。
经济因素主要表现为农村城市化、工业化和交通建设等方面。
农村城市化的发展使得许多农业用地逐渐转为工业用地或住宅用地,而工业化和交通建设的发展又使得许多原本未利用的土地被利用起来。
三、社会、文化因素驱动土地利用变化除了自然和经济因素外,社会、文化因素也是影响土地利用变化的重要因素。
社会因素包括人口、科技、文化和制度等方面。
例如,人口的增加会导致土地利用类型的变化,例如农业用地转为住宅和商业用地。
同时,科技和文化的发展也会影响土地利用类型的变化,例如城市化的发展使得城市公园和绿地的建设较为常见,而全球气候变化的影响也会导致建设海堤和水利工程等土地利用类型的变化。
四、政策因素影响土地利用变化政策因素是指政府制定的各种土地管理政策,包括土地利用总体规划、土地利用权出让、土地使用税等方面。
政策因素在土地利用类型和空间分布上起着非常重要的引导作用,例如政府出台的环境保护政策会提高生态保护用地的占比,而土地政策的变化也会影响到城市化和农村发展的速度和方向。
综上所述,自然、经济、社会文化和政策因素是影响土地利用变化的主要驱动力。
在未来土地利用规划和管理工作中,要通过科学的方法尽量减少负面影响,使得土地的使用更加高效、合理和可持续。
土地利用变化研究现状土地利用变化是人类活动与自然环境相互作用的结果,也是全球环境变化研究的重要领域之一。
随着人口增长、经济发展和城市化进程的加速,土地利用方式和格局发生了显著变化,这些变化对生态系统服务、气候变化、粮食安全等诸多方面产生了深远影响。
因此,深入研究土地利用变化对于实现可持续发展具有重要意义。
土地利用变化的表现形式多种多样。
在城市地区,建设用地不断扩张,吞噬着周边的农田和绿地。
高楼大厦拔地而起,道路网络日益密集,导致城市热岛效应加剧,生态平衡被打破。
而在农村,随着农业现代化的推进,大规模的农田集中化经营逐渐取代了传统的小块分散式农田,同时,一些农村地区由于人口外流,出现了土地撂荒的现象。
在土地利用变化的研究中,驱动力的分析是一个关键环节。
人口增长是推动土地利用变化的重要因素之一。
随着人口的增加,对住房、基础设施和粮食的需求也相应增长,这促使了建设用地的扩张和农业用地的集约化利用。
经济发展也是不可忽视的驱动力。
工业化和城市化进程的加快,使得对工业用地和商业用地的需求急剧上升,从而导致土地用途的转变。
政策因素在土地利用变化中同样发挥着重要作用。
例如,政府出台的土地保护政策、城市规划政策以及农业扶持政策等,都直接或间接地影响着土地的利用方式和格局。
技术的进步为土地利用变化的研究提供了有力的支持。
遥感技术的应用使得我们能够大范围、长时间序列地监测土地利用的变化情况。
通过卫星影像,可以清晰地看到不同时期土地覆盖类型的变化,为研究提供了丰富的数据来源。
地理信息系统(GIS)则为数据的管理、分析和可视化提供了强大的工具。
借助 GIS,研究人员可以对土地利用变化进行空间分析,揭示其空间分布规律和趋势。
此外,模型方法在土地利用变化研究中也得到了广泛应用。
例如,基于系统动力学的模型可以模拟不同驱动因素作用下土地利用变化的未来情景,为土地利用规划和政策制定提供科学依据。
然而,当前土地利用变化研究仍面临一些挑战。
基于STIRPAT模型的土地扩张驱动力研究——以皖江城市带承接产业转移示范区为例陆冉【摘要】对皖江城市带承接产业转移示范区(以下简称皖江示范区)开发区土地面积进行测算分析,然后应用STIRPAT模型和SPSS软件对人口总量、区域生产总值、第二产业产值、第三产业产值、人口城镇化率、城镇居民人均可支配收入这6个驱动因子进行定量分析.结果表明,皖江示范区开发区在2009-2015年土地面积增加了1.82倍.人口总量、区域生产总值、第二产业产值、第三产业产值、人口城镇化率、城镇居民人均可支配收入的增加是皖江示范区土地扩张量增长的主要原因.当这6个驱动因子每增加1%时,皖江示范区土地面积将分别会增加0.303%、0.064%、0.054%、0.089%、0.124%和0.184%.【期刊名称】《湖北农业科学》【年(卷),期】2018(057)019【总页数】6页(P67-71,120)【关键词】土地扩张;驱动力;皖江示范区;STIRPAT模型【作者】陆冉【作者单位】河海大学公共管理学院,南京210098【正文语种】中文【中图分类】F293.2自20世纪80年代以来,中国各省市城镇化进程不断加快,经济也有了突飞猛进的发展,这些发展必然伴随着城市规模的扩大。
而城市规模扩大的主要表现就是土地的扩张。
国务院颁布《皖江城市带承接产业示范区规划》后,皖江示范区经济高速增长,2015年生产总值就达14 948.00亿元。
“十三五”规划提出推动长江经济带发展,推进新型城镇化,党的十八大报告也指出,全面建成小康社会要促进新型城镇化发展。
而城镇化是我们不可逾越的历史过程,《2014年皖江城市带承接产业转移示范区发展报告》针对城镇化率较低的皖江示范区提出“产城一体化”的发展思路[1],旨在吸引城市人口集聚,推进城镇化。
在“产城一体化”过程中必然对土地有着更多需求,所以研究皖江示范区土地扩张驱动力,对促进安徽省、皖江城市带的新型城镇化有着现实意义。
中国建设用地扩张的驱动力分析作者:王世忠来源:《安徽农学通报》2014年第08期摘要:研究目的:研究建设用地扩张的驱动力。
研究方法:基于改进C-D生产函数修正的STIRPAT模型和岭回归方法。
研究结果:在其他条件相同的情况下,总人口每增加1%,将导致建设用地增加0.211 0%,城市化率每提高1%,将导致建设用地增加0.054 2%,人均可支配收入每提高1%,将导致建设用地增加0.025 5%;货币资本投入每增加1%,将导致建设用地增加0.015 7%。
研究结论:(1)人口增长是中国建设用地扩张的最主要驱动力。
(2)城市化是中国建设用地扩张的重要驱动力,城市化率的提高并没有导致建设用地总量的减少。
(3)社会富裕水平和建设用地总面积之间不存在环境Kuznets曲线。
(4)货币资本和建设用地之间的替代关系不明显,技术进步对土地集约利用水平提高的促进作用远远没有发挥出来。
关键词:建设用地;改进C-D生产函数;改进STIRPAT模型;岭回归;驱动力中图分类号 F301.24 文献标识码 A 文章编号 1007-7731(2014)08-01-06Abstract:In this paper,in order to explore the driving forces of construction land expansion,improved C-D production function、improved STIRPAT model and ridge regression were used to analyze the relationship between China’s construction land and populat ion、GDP、urbanization rate、capital input、labor input、technical progress、social affluence level during the period 1985 to 2008.The results indicate that: When the other conditions are the same,each increase of 1% of the total population will lead to the increase of construction land 0.2110%,each increase of 1% of the urbanization rate will lead to the increase of construction land 0.054 2%,each increase of 1% of the per capita disposable income,will lead to the increase of construction land 0.025 5%,each increase of 1% of the monetary capital input,will lead to the increase of construction land 0.015 7%.It is concluded that:(1)Population growth is the main driving force of construction land expansion.(2)Urbanization rate is the important driving force of construction land expansion.Although the city construction land intensive and economical utilization level is far greater than the rural,the rise in percentage of population residing in urban areas does not lead to reduce the total amount of construction land.(3)There is no environmental Kuznets curve between construction land and social affluence level,and with the increase of social wealth,the construction land demand has been increasing year by year.(4)There is no obvious substitution relationship between money capital and construction land.The role of technical progress to promote the level of land intensive utilization is performing far under capacity,and the speed of technical improvement is far greater than the one to improve the construction land intensive use level.Key words:Construction land;Improved C-D production function;Improved STIRPAT model;Ridge regression;Driving forces建设用地是承载人类非农经济生产活动的主要基础,同时也是二三产业经济生产中重要的生产要素之一。
随着中国人口的增长,社会经济的迅速发展,城市化进程的加快,人多地少的矛盾日益突出,耕地保护与建设用地扩张之间的矛盾更加尖锐。
因此,对中国建设用地增长的驱动力进行分析,找出影响建设用地增长的核心变量,对于制定符合中国实际的土地利用规划,有效地调控建设用地总规模,促进社会和经济可持续发展具有重要意义。
目前,国外有关建设用地增长驱动力的研究主要分为城市扩张驱动力研究和农村居民点用地变化驱动力的研究[1-4],而国内则主要侧重于区域尺度和城市尺度的建设用地扩张的驱动力研究[5-9],全国尺度和农村尺度的建设用地规模变化的驱动力研究相对较少[10-12];在研究方法上,大多采用选取指标进行相关分析、回归分析、主成分分析等计量分析方法来研究建设用地扩张的驱动力。
STIRPAT模型最早由York等在2003年提出,目前已被广泛的应用于生态环境和能源压力的研究中,但已有的研究对反映技术水平的评价指标非常不统一,有采用研发投资强度和单位能源产出率[13],能源强度[14],第二产业比重[15],第三产业比重[16]等一系列差异巨大的评价指标,而技术水平的评价指标不同,会对研究结果产生很大影响。
本文拟用改进的C-D生产函数来推导出反映某一地区技术水平的表达式,在此基础上对原有STIRPAT 模型进行修正,并采用岭回归方法来分析全国建设用地扩张与人口、GDP、城市化率、货币资本投入、劳动力投入、技术进步以及社会富裕水平之间的驱动关系。
在本研究中,由于建设用地的生态价值几乎为0,因此,环境压力I用建设用地总面积来表示;人口数量P用人口总数来表示;富裕度A以人均可支配收入来表示。
2 模型的数据及其处理模型的数据主要是来自国家统计局网站、国土资源统计年鉴、全国土地利用变更调查以及中国科学院地理与资源所的1985-2008年全国历年统计数据:(1)本文研究所指的建设用地类型包括:居民点及独立工矿用地、交通运输用地和水利设施用地等三大类,参照的标准是从2002年起执行的《全国土地分类》(过渡期适用)标准。
但是2001年之前我国的土地利用分类系统一直沿用的是1984年9月颁布的《土地利用现状调查技术规程》中的《土地利用现状分类》的标准。
在前后2个标准中,水利设施用地的含义有所差异,农村道路用地的归属有所不同。
因此,在整理2001年之前的建设用地数据时,应将《土地利用现状分类》(1984)中水域类型里面的水库水面以及人工建筑物划归建设用地类型,而将交通运输用地中的农村道路分离出去,以使建设用地数量前后保持统计分类的一致性。
(2)资本本身是一个宽泛的概念,作为生产要素的资本可以包括物质资本、人力资本和土地,本文的资本指的是物质资本。
在整个社会的经济活动中,即时资本不易得到,考虑到数据的可获得性,研究者一般会用资本存量来代替。
目前学术界有关资本存量的估算方法广泛采用了戈登史密(Goldsmith)在1951年开创的永续盘存法,其后被普遍应用于大多数的经合组织国家(OECD)[22]。
资本存量的估算可以采用相对效率几何递减模型,计算公式如下所示:[Kt=Kt-1(1-δt)+It=Kt-1-Dt+It] (10)式中,t指的是第t年,该模型中隐含了4个变量,其一为当年投资(I);其二为投资品价格指数;其三为经济折旧率([δ])或年度折旧额(D);其四为基年的资本存量(K)。
本文基年采用1978年,折旧率和基准年的资本存量数据参照张军等(2004)的研究成果[23]。
(3)为了保证可比性,对当年价的GDP、人均可支配收入和每年的固定资产投资额进行了调整,按照不变价格计算,统一修正到1978年。
3 研究结果与分析3.1 模型结果由于对原始数据进行了对数变换,其误差项反映的是一种相对误差,而相对误差往往具有同方差性,因此采用STIRPAT模型本身能较好的解决模型的异方差问题。
考虑到原始数据是时间序列数据,首先利用最小二乘法(Ordinary least square,OLS)对回归模型(8)式进行估计,估计结果和相关统计量见表1所示。
由表1可知,调整后的R2分别为0.996 8,F统计量的p值为0.000 0,残差平方和为0.000 4,说明自变量能较好地解释因变量的变化,模型整体拟合效果很好;但在显著性水平为0.05的情况下,各变量的系数基本上都没有通过显著性检验。
通过各变量间的自相关检验发现,各指标之间存在较强的共线性问题。
当变量间存在多重共线性时,用OLS方法估计的模型回归参数将很不稳定,回归系数的方差随着多重共线性强度的增加而加速增长,造成回归方程高度显著的情况下,有些回归系数却通不过显著性检验,甚至无法对回归系数的正负号给予合理的经济解释[24]。
基于保持模型结构的考虑以及更长时间序列的数据难以获得,本文通过岭回归分析法来削弱多重共线性的不利影响,岭回归的岭迹图见图1所示。