湖北省2009-2019年主要生态用地的时空演变特征及驱动因素

[目的]研究生态用地的时空演变规律及驱动因素对优化湖北省生态安全格局、提升区域生态系统服务可持续供给能力和筑牢长江中游生态屏障具有非常重要的现实意义。[方法]研究基于国土调查数据,利用景观格局指数和地理探测器模型,对湖北省2009—2019年主要生态用地的规模与结构、景观格局、时空变化特征和驱动因素进行了分析。[结果](1)湖北省生态用地的总量呈现上升趋势,但主要生态用地的连片度下降、人类活动对生态用地干扰和侵蚀风险增大。(2)城镇化和耕地开发等农业生产活动是生态用地流失的主要原因,退耕还林(湖)和土地整治工程是湖北省补充生态用地的主要途径。(3)斑块边缘密度、城镇化率和人均耕地面积等6个因子是湖北省生态用地变化的主要驱动因素。其中,城镇化率与第一产业产值之间的交互作用能解释86.6%的生态用地变化,表明城镇化和农业发展的综合作用是引发湖北省生态用地变化的主要原因。[结论]湖北省生态用地总量趋好,但生态用地的空间形态和人类生活及生产活动对生态用地造成的负面影响应重点关注,未来需优化生态空间保护格局、提高农用地及建设用地利用效率,筑牢长江中游生态屏障。

湖北省县域土地财政依赖度的驱动因素差异性分析

探究不同经济发展水平下县级土地财政依赖度的驱动因素,能够为差异化、精细化的土地财税政策改革和房地产市场调控提供决策依据。本文以湖北省2008—2018年间的土地出让数据为基础,利用熵值法、K均值聚类法和地理探测器,定量研究不同经济发展水平下的湖北省县域土地财政依赖度的驱动因素差异。研究结果表明:一是低发展水平地区土地财政依赖度主要受到人均可支配收入、人口密度影响;二是中发展水平地区土地财政依赖度与财政压力、人口密度相关;三是高发展水平地区土地财政依赖度受人口密度影响。土地财政为我国地区经济发展和快速城镇化提供了重要的资金来源。然而,随着地区经济的进一步增长,土地财政的负面影响越发凸显,地方政府对土地财政的追求动力呈现出了减弱的趋势。

2009—2018年湖南省县域耕地时空演变及其驱动力

[目的]分析近年来湖南省县域单元耕地的时空变化特征及驱动力,为耕地保护政策的制定提供决策依据。[方法]基于湖南省2009—2018年的土地利用变更调查数据库,利用耕地变化动态度、景观格局指数和地理探测器模型,从数量规模、景观格局和驱动力等方面分析湖南省县级行政单元的耕地变化。[结果](1)2009—2018年,湖南省耕地总量累计增加379.02 km^(2)。新增耕地主要分布在环洞庭湖地区、湘中盆地群和湘西北等土地整治重点地区。(2)在土地综合整治等工程的积极作用下,湖南省耕地图斑形状趋于规整化;而受城镇化和基础设施建设的影响,全省耕地破碎化趋势明显。(3)地方财政收支情况、人口增长和地形条件是湖南省2009—2018年间耕地变化的主要驱动力因子。各驱动因子之间通过双因子增强和非线性增强等交互作用实现对耕地时空变化的综合影响。[结论]湖南省耕地保护成效显著,但依然面临许多挑战。新时期全省耕地保护应该处理好国土空间开发与保护之间的关系;新增耕地的开发应当更加注重对农村低效建设用地的复垦而减少对生态空间的挤占;优化耕地保护政策,切实提高现有耕地的经济产出效益,发挥市场机制在耕地保护中的长效与可持续的作用。

农村建设用地整治潜力规模与空间格局协同模拟研究--以湖北省宜城市为例

研究目的:提出一种农村建设用地整治潜力规模与空间格局协同预测模拟模型,为国土空间规划和全域土地综合整治提供更加准确的决策依据。研究方法:首先对社会经济宏观因素影响下的区域农村建设用地整治潜力规模进行分析,进而利用土地利用时空建模方法对农村建设用地图斑的整治概率进行预测,实现潜力规模约束下的整治潜力空间格局模拟,并以湖北省宜城市为案例区对模型的性能进行验证。研究结果:(1)宜城市2021—2035年农村建设用地整治的理论和现实潜力规模分别为4912.46 hm^(2)和2201.94 hm^(2);(2)模型对宜城市农村建设用地图斑的整治潜力格局模拟准确率为81.58%,召回率为0.9879。研究结论:模型实现了对农村建设用地整治潜力规模与空间格局的协同预测与模拟,能为国土空间规划和全域土地综合整治等专项规划提供更加精细的决策依据。

基于SMOTE-RF算法的村庄发展类型识别方法研究

准确把握区域发展规律,定量、客观地认识村庄发展类型,对“因地制宜、分类推进”乡村振兴具有非常重要的现实意义。针对区域村庄发展类型自动、准确识别问题,研究提出了一种基于SMOTE-RF算法的村庄发展类型识别模型。研究首先从地形、区位、社会经济、农业生产和生态环境等方面提出了面向村庄发展多维特征表达的指标体系。在此基础上,针对村庄样本不平衡分布特点,利用SMOTE过采样技术对少数类样本进行分析和模拟,合成平衡化的村庄分类样本集;进而利用随机森林算法自动构建村庄发展的多维属性特征与村庄类型之间的非线性关系,形成可用于区域村庄发展类型自动识别的智能分类器。为验证模型的有效性,研究选取山东招远市作为试验区开展了实证研究。实验结果表明,耦合SMOTE过采样技术的随机森林分类模型有效保障了村庄分类结果的可靠性和准确度。在试验区,模型自动识别结果与规划专家分类结果的一致性达88.27%,Kappa系数为0.78,整体一致性良好。相对于人工分类,基于SMOTE-RF方法的村庄类型自动识别方法减少了依赖人工经验分类带来的不确定性,保障了分类结果的一致性,能够为国土空间规划和乡村振兴专项规划决策提供可靠的决策依据。