居民点用地规模预测

  • 格式:ppt
  • 大小:759.50 KB
  • 文档页数:13

下载文档原格式

  / 13
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

参考文献
• 关于我国城市用地规模的预测_刘灵辉 (规划指标,回归) • 基于参数法的物流园区用地规模预测_以长沙市为例_方威 • 土地利用总体规划中农村居民点用地__以湖南省土地利用 总体规划为例_麻战洪 • 土地规划中的农村居民点用地预测_以重庆市永川区为例_ 马骥 • 快速城市化过程中的城市建设用地规模预测方法_刘云刚 • 农村居民点用地变化驱动力研究综述_张建 • 农村居民点用地数量变化及驱动机制研究_基于湖北仙桃 市的实证_胡贤辉
预测方法的探讨
核心无非是直接预测和间接预测两类方法。 直接预测:其基本思路是运用以往的土地利用 数据和变化特征,假定其符合类似的时间趋势 或转换规则,通过拟合模型中的各种参数对未 来土地利用进行预测,如指数增长模型等时间 序列模型以及CA和多智能体方法—不过后两种 方法在转换/决策规则的确定上往往已经参考了 很多其他驱动因素,故并非严格的直接预测;
居 民 点
农村居民点
Leabharlann Baidu
城镇
中心居民点
一般居民点(基层村、自然村)
居民点规模相关内容
■居民点规模具有人口规模、用地规模、活动规模和 辐射规模。 ■由于居民点用地规模(F)为居民点人口规模(P)和 人均居民点用地标准(N)的函数,即 F=f(P●N) 可以用P和N间接预测居民点未来用地规模,也可以 用相应方法(如用地指标法和数学模型法)直接预测。 ■居民点人口规模存在三种计算标准: (1)城市非农业人口数量(2)城市行政辖区人口 数量(3)城市建成区人口数量。 ■居民点用地规模分为:建成区用地规模、城市规划 区用地规模和城市行政管辖区用地规模。
居民点用地规模的预测
姓名:谭梦文 学号:2011102157 班级:11级资环班
目录
• • • • • • 居民点规模等相关知识回顾 居民点用地规模的影响因素 居民点用地规模的预测方法 用地规模预测的框架及一般步骤 参考文献 总结
一.中国居民点分类体系图(回顾)
城市 城市居民点 特大城市---人口大于100万人 大城市----50万~100万人 中等城市---20万~50万人 小城市---小于20万人 县城 建制镇 集镇
四.用地预测的理论框架
预测的一般步骤
• 确定所在区域城市人口
式中,yn预测年份的城市人口数,y0预测基年的人口数,n时间段,m年 自然增长率,k年机械增长率,m+ k年综合增长率。
• 确定研究城镇节点的城市人口 • 根据城镇人口与城镇 建设用地的关系确定研 究对象的用地规模
built表示建成区面积,P表示非农业人口 数,a,b为常系数,E为随机误差。
二.居民点用地规模的影响因素
• 客观因素:自然地理条件和区位、规模经济、 经济实力、科学技术发展水平、社会历史 和政治条件 • 主观因素:人口数量与人口生育政策、城市 规划、特殊优惠政策、人的选择、重大工 程项目布局
三.居民点用地规模的预测方法
按历如史惯性计算,城市用地年均增加0.75~1.35km2,以2000年 用地规模138.56km2为基准,预计2000—2010将增加7.5~13.5km 2010年用地规模为146.01~152.0km2. 根据居民点用地不同时期扩展数据加以分析确定未来 1、历史推断法 每年用地扩展数量,据以确定规划期居民点用地规模
2 2、规划指标法 、规划指标法
依据国家标准GB137—90对现有城市的规划人均建设 用地指标采取“双因子控制”,即以人均建设用地指标 和允许调整幅度来表示 分区依次预测,扣除区内现有用地潜力,估算各区用 地增加数,汇总后即得全市用地规模
3、分区测算法
4、模型预测法
应用数学模型进行预测,方法有趋势预测、回归预测 和线性规划模型预测等
总结
通过对用地规模的预测,不难发现用地 规模预测和人口、人均用地,GDP密切相关。 在人口定量化的过程中常采用主成分分析, 回归分析,相关分析等统计分析方法。研 究视角和方法也趋于多元化,不在单纯从 趋势外推和历史数据考虑。
谢谢观赏
间接预测:主要运用城市建设用地扩张 的驱动因素来预测未来的用地规模,如通 过预测人口再结合各种用地法规和标准的 人均用地指标得到总的用地规模,多元统 计回归模型,神经网络模型。 但是,无论采用线性或非线性模型,这 两类方法都必须基于历史数据,因此不可 避免地存在如下两方面的不足:默认平均的 即理想的,默认历史的即未来的。在实际 拟合过程中,多数研究方法都试图达到误 差最小,这固然有其合理性,但也默认了 解释力最强的模型即是未来的趋势,这不 符合城市化的非线性特征。