西北地区集聚提升类村庄规划编制探索与实践——以宁夏回族自治区Y村为例

党的十九大提出实施乡村振兴战略,要求顺应村庄发展规律和演变趋势,分类推进乡村振兴。集聚提升类村庄占我国乡村的大多数,是乡村振兴战略布局的关键节点,探索该类型村庄规划编制方法具有重要现实意义。针对西北地区乡村面临的人口流失、产业结构失衡及规划缺位等发展困境,文章以“发展产业、培育乡村内生动力”为抓手,解析了该地区集聚提升类村庄发展路径,提出了“农业主导型、工贸主导型、休闲服务主导型”三种村庄发展模式。在此基础上,立足西北地区乡村特质,重点从“以人为本”开展规划调研、因地制宜制定发展目标策略、全要素统筹三生空间布局、统筹推进全域国土综合整治等四个方面探讨了西北地区集聚提升类村庄规划编制思路和要点。同时,以宁夏回族自治区Y村为例,围绕打造具有美丽“山水林田湖村草”格局的复合型示范村目标,探索了西北地区“集聚提升类—休闲服务主导型”村庄规划编制方法。

基于多源数据和集成学习的城市住宅地价分布模拟——以武汉市为例

精准刻画城市住宅地价分布特征,对于科学引导城市空间布局规划、有效实现城市精明增长等具有重要意义。而城市住宅地价与其潜在影响因素之间的复杂非线性关系,给地价分布精细模拟带来了挑战。论文旨在探索基于地理大数据和集成学习的城市住宅地价分布模拟方法体系,以满足快速、精准监测地价动态变化的需要。选取武汉市为典型区,以住宅用地交易样点、兴趣点(points of interest, POI)和夜间灯光影像为数据源,以500 m分辨率网格为估价单元,提取POI核密度和夜间灯光强度作为住宅地价预测变量,采用机器学习算法和bagging、stacking集成方法构建住宅地价预测模型,并对比分析其精度。研究发现:①单个机器学习算法中,支持向量回归(support vector regression, SVR)预测精度最高,接下来依次是k最近邻算法(k-nearest neighbor algorithm, k-NN)、高斯过程回归(Gaussian process regression, GPR)和BP神经网络(back propagation neural networks, BP-NN);②在提升单个算法预测精度方面,stacking方法的性能优于bagging方法,使用stacking集成SVR和k-NN的地价预测模型精度最高,其平均绝对百分误差仅为8.29%,拟合优度R2达0.814;③基于论文所构建模型生成的城市住宅地价分布图能有效表征价格圈层分布特征和局部奇异性。研究结果可为城市住宅地价评估提供新的思路和方法借鉴。