宁波市年度建设用地供应规模研究【文献综述】

《宁波市年度建设用地供应规模研究【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业论文文献综述资源环境与城乡规划管理宁波市年度建设用地供应规模研究建设用地（landforconstruction）是指建造建筑物、构筑物的土地，是城乡住宅和公共设施用地，工矿用地，能源、交通、水利、通信等基础设施用地，旅游用地，军事用地等。付出一定投资（土地开发建设费用），通过工程手段，为各项建设提供的土地。是利用土地的承载能力或建筑空间，不以取得生物产品为主要目的的用地。建设用地是一种特殊的土地利用方式，一个地区社会经济的快速发展必然增加对建设用地的需求量，必须对建设用地进行科学的预测和规划，以既满足社会经济发展的需要，又防止建

2、设用地规模的无序扩张。国外对建设用地需求量预测的研究方法，主要是基于GIS分析和详细的调查，用地规模预测与用地布局同时进行。如:美国林肯土地政策研究所在研究合理建设用地规模时，认为首先应引入用地容量的概念，估计开发需求。在对土地容量的评价和预测中，应用GIS把土地划分成若干类，然后采用详细调查的方法，确定未来土地利用的混合程度和建筑密度，估计未来的开发容量。最后，还对未来的土地开发需要进行了预测和模拟。韩国国土研究院在做韩国城南板桥区土地利用规划中，应用GIS首先确定对全地域的设定，包括自然生态栖息处和生态物质循环系统两个方面的用地，

3、在剩余的空间内根据与上层规划的衔接，结合考虑区位、交通等条件，合理安排各类用地的布局和规模。国外在建设用地需求量预测方面，也建立了比较科学适用的模型，如:美国数学家柯布(C.W.Cobb)和经济学家道格拉斯(P.H.Douglas)通过探讨投入和产出的关系，共同创造了柯布——道格拉斯生产函数(C-D函数)，这一生产函数在反映经济增长理论的模型中最为著名。FAO组织在这个基础上，进一步构建了建设用地量、投入的资本量和投入的劳动量与GDP之间的函数模型。我国对于建设用地需求量预测的研究，从研究内容的不同，可分为总量预测研究和分项预测研究。

4、总量预测研究即把建设用地看作为一个整体进行研究，从研究角度的不同，又可分为三种:一种是从时间变化的角度进行研究。如:利用历年的建设用地统计量，邱道持等运用灰色系统分析方法建立了建设用地预测模型，赖红松等、张军等则构建了非线性神经网络组合预测模型。一种是从单因素或双因素影响的角度进行研究。如:陈国建等采用灰色系统分析法，孙秀峰等采用回归分析法先预测出城市人口，再根据确定的人均用地水平预测未来的城市建设用地规模；邱道持等则通过分析，认为城镇人口增长和固定资产投资是拉动城镇建设用地需求的两大因素，从而研究构建了双因素预测模型。还有一种是从多

5、因素影响的角度进行研究。如赵小敏等应用“可能——满意度”方法，通过对影响城市用地规模因素的系统分析，得出了杭州城市未来的合理用地规模；韦素琼等采用逐步回归方法加以分析，得出第三产业发展、居民生活水平提高以及固定资产投资增加是福建省建设用地扩展的主要驱动力。在这些总量预测研究中，第三种研究能综合多种因素的影响，对建设用地进行系统分析预测，相比前两种方法要科学合理，但是还没有形成理论，研究不够深入。分项预测研究即把建设用地按一定标准分为各个组成部分，分别进行用地需求预测研究，然后分项汇总得到建设用地需求总量。如有的学者从土地分类的角度，把

6、建设用地分为城镇建设用地、独立工矿用地、交通运输用地、水利设施用地、农村居民点用地及其他建设用地等部分进行研究；有的学者则从土地供应调控的角度，把城市建设用地需求分为基础设施及工业用地需求、房地产开发用地需求等部分进行研究。在这种预测研究中，多数是先预测出人口的增长情况，再结合相关定额指标来预测某部分建设用地，这也是目前在土地利用总体规划中常用的一种方法。从20世纪60年代起，国外众多学者就开始研究城市空间区位与土地利用的模式、模型的计算机模拟方法。20世纪70年代以后，由于联合国的推动，许多西方发达国家建立了城市分区储存与可视化的人

7、口普查统计数据。之后在此基础上逐步实现了商业和经济数据的城市分区储存与可视，这为实施以城市分区为单位的土地市场需求分析提供了可能。美国学者约翰.汉堡等运用底特律项目的研究数据对20世纪60年代早期的底特律城市运输进行研究，同时建立了最早的土地利用模型。此后这一模型延伸出了两个方向:一是计量经济学模型，代表人物有布雷顿.哈里斯、宾一泽西、唐纳德.希尔等；二是以重力模型为基础的重力学模型，代表人物有美国劳力和英国威尔逊。随着计算机技术的发展及其数据处理能力的增强以及学科之间的交融，这两类预测模型的交叉融合的趋势越来越明显，并已成为美国等国

8、家实行土地供给定量化管理的主要预测手段。从目前我国研究现状来看，部分城市根据土地市场需求特点建立的土地年度供应量预测计量模型一般有:BP神经网络模型、动态仿真与回归辅助模型、线性规划模型、城市经济动态模型、时间序列的AR