共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
城市化一直是中国城市发展的主旋律,城市建设用地规模的预测也一直是城市化过程中的热点问题。根据南昌市2002-2010年人口和建设用地统计数据,利用Zipf法则等方法预测南昌市的人口规模,然后借鉴计量经济学方法,构建了人口与建设用地规模之间的双对数方程,并通过Pearson相关性分析、VAR模型分析、协整性检验等方法进行检验和纠正。同时,对2011-2014年南昌市的建设用地规模进行预测和检验,发现其预测结果的相对误差都不超过5%,预测出2020年南昌市市区的建设用地规模为288.343 km~2。 相似文献
3.
生态文明建设背景下甘肃省建设用地开发平衡度研究 总被引:1,自引:0,他引:1
构建了建设用地开发平衡指数评价体系,采用离散系数法、聚类分析法等评价甘肃省14个市(州)的建设用地开发规模的合理性,对部分市(州)失衡的原因进行了分析。结果表明:甘肃省建设用地开发强度除兰州市外,整体低水平无差异,建设用地供给能力全省具有低水平同质性,建设用地开发平衡度河西地区—陇东南地区—中部地区递减;失衡原因为以兰州市为中心向东南与西北方向表现出开发过度—开发严重不足—开发不足的空间格局;建设用地开发利用最平衡城市为金昌市、嘉峪关市,严重失衡城市为定西市。提出平衡化建议:对于过度开发城市的土地利用需"控制规模,提升效率",尝试减量化发展;对于开发不足城市,可从规模和效率两方面保障城镇发展。 相似文献
4.
5.
建设用地是城市发展的重要因素,尤其是建设用地的数量对城市整体经济提升有着不可替代的作用。本文以杨凌建设用地面临的问题出发,运用灰色预测系统,预测2015与2020年建设用地的合理规模,结果表明到2015年与2020年合理规模分别为4 040.1 hm2、4 930.98 hm2。 相似文献
6.
《江苏农业科学》2017,(1)
为探索提高BP神经网络在建设用地规模预测中的精度,提出主成分分析(PCA)和BP神经网络相结合的建设用地规模预测模型,并利用PCA-BP模型对山西省晋城市建设用地规模进行预测。首先,利用Pearson相关系数法分析筛选出影响建设用地规模的主要驱动因子;其次,利用主成分分析法(PCA)消除其相关性,并达到降维的目的;最后,以PCA结果作为输入层建立建设用地规模的BP神经网络模型,并利用BP模型进行训练预测,得到最终预测值。预测结果表明,PCA-BP模型的平均绝对误差MAE、平均相对误差MRE、均方误差MSE比传统BP神经网络模型小,平均预测精度R更高,具有较高的拟合度及可行性,在预测效率和预测精度方面都有进一步的改善。该方法的提出能为今后科学合理预测建设用地规模提供一种新思路,同时为土地利用总体规划修编提供重要决策基础。 相似文献
7.
基于MGM-Markov的城镇建设用地预测模型的研究 总被引:4,自引:0,他引:4
根据城镇建设用地需求的特点,在预测城镇建设用地规模中引入多变量灰色马尔科夫模型(MGM—Marko),并用其对潜江市城镇坡用地需求进行了预测。结果表明:该模型能够很好地反应实际城镇建设用地规模变化的情况,具有较好的科学性和实用性。 相似文献
8.
以1996年和2009年滦县土地利用现状图为基础,运用ARCGIS 9.3中图层叠加和地统计方法计算滦县耕地、建设用地和未利用地的重心变化以及土地利用转移矩阵,并应用马尔科夫模型对滦县1996~2009年13 a来土地利用时空变化进行了模拟,最后对2022年土地利用格局进行了预测。结果表明:1996~2009年滦县耕地迅速减少,并向山区转移,质量呈下降趋势;建设用地扩展迅速,其中城镇工矿和农村居民点用地扩展较大;从空间分布上看,建设用地在整个县域都有增加,尤以东部城区和西部扩展规模较大。预测结果与2020年规划目标对比显示,滦县耕地保护和建设用地控制压力较大。应采用多种管理措施,以确保规划目标的实现。 相似文献
9.
10.
11.
运用RS、GIS等技术手段对楚雄市2002、2010、2018年3期的遥感影像进行分类,将土地利用类型划分为建设用地、耕地、林地、水体和未利用地,并根据土地利用现状图对楚雄市的用地结构变化进行分析;在此基础上运用IDRISI软件构建基于人工神经网络的CA-Markov模型,以2002、2010年土地利用状况为基础数据模拟2018年的土地利用情况,在精度检验符合要求后最终模拟2026年的土地利用情况.结果表明,楚雄市2002—2018年土地利用变化中耕地和建设用地是主导地类,但在不同研究时段变化具有差异性.林地转移到耕地和建设用地是楚雄市主要土地利用转移类型.2010年后政府出台政策支持乡镇耕地发展,个别乡镇在此期间耕地与建设用地得到了大力发展.CA-Markov模型对楚雄市2018年的土地利用情况模拟预测精度验证的Kappa系数为0.71.根据预测结果2026年楚雄市土地利用变化中耕地和建设用地仍是主导地类. 相似文献
12.
13.
为准确获取城市扩张信息,预测城市扩张趋势以指导城市规划,优化城市空间结构,以鄂尔多斯市为研究区,通过解译2000、2005、2010和2015年遥感影像,获取研究区土地利用分类信息,进而采用面积数量、扩张强度指数分析城镇用地历史变化特征及扩张模式,在此基础上利用SLEUTH模型开展城市空间扩张的长时间序列模拟预测。结果表明:研究时段内城镇用地持续增长,其扩张态势大致经历了"平稳-快速急剧-低速"的发展阶段,在平稳阶段,扩张强度适中,城市呈现出显著的外延式扩张模式;在快速急剧阶段,扩张强度最大,城市在南北方向上呈星状蔓延式扩张模式,并出现了新的增长中心;低速发展阶段,扩张强度最小,以外延-内部填充式的模式进行扩张;模型预测结果发现2020—2030年城市扩张态势将呈现出各功能片区平稳对接、条带状发展的空间格局,以内部填充为主。 相似文献
14.
基于熵值法的兰州市城市土地集约度与土地利用结构关系的研究 总被引:2,自引:0,他引:2
基于熵值法分析了兰州市城市土地集约度及其变化,采用相关系数指标、增量分析和回归分析法,探讨了城市土地集约度与土地利用结构之间的相关性与定量关系。结果表明:兰州市城市土地集约度较低,在1998~2007年兰州市城市土地集约度逐步提高,经历了由粗放到一般集约的4个阶段;城市土地集约度与土地利用结构之间呈现高度的相关性,兰州市城市土地集约度与工业用地、居住用地、公共设施用地、道路用地、绿化用地的相关系数分别为-0.971、0.969、0.884、0.949、0.960;增量分析表明:兰州市城市土地集约度每提高1个百分点,需要工业用地减少833.28 hm2,居住用地、公共设施用地、道路用地、绿化用地分别增加984.56、354.48、98.29、421.23 hm2;通过构建集约度和土地利用结构之间的关系模型,为进一步研究优化土地利用结构,提高城市土地利用率提供参考。 相似文献
15.
采用南昌市1995~2017年时间序列数据,通过构建碳排放测算模型、VAR模型,利用协整检验、格兰杰因果检验、脉冲分析等研究方法,实证分析了南昌市城市建设用地扩张与碳排放之间的关系.结果发现,城市建设用地扩张与碳排放之间存在协整关系,且格兰杰因果检验显示城市建设用地扩张是碳排放的格兰杰原因,而脉冲响应分析则证实城市建设用地扩张初期对碳排放的影响不大,后续影响逐渐增加,待城市化发展成熟后对碳排放影响达到稳定的状态,并据此提出了相关政策建议. 相似文献
16.
17.
18.
基于灰色系统理论的城镇建设用地预测模型的研究——以湖北潜江市为例 总被引:2,自引:1,他引:2
针对我国现行城镇建设用地预测中存在的问题,在预测潜江市城镇建设用地规模中引入灰色系统理论中的灰色关联度和灰色GM(1,1)预测模型,用灰色GM(1,1)模型对城镇人口进行预测,并通过关联度综合分析各因素(人口、固定资产投资)对城镇建设用地的影响,结合建设用地控制系数进行再次调整,从而提出一种集约型的预测模型。 相似文献
19.
20.
基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例 总被引:1,自引:1,他引:0
为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。 相似文献