节约与集约:大数据视角下的广东省城市建设用地利用效率评估

来源 :深圳大学 | 被引量 : 1次 | 上传用户:hheeuuuu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
改革开放以来,我国进入快速城镇化发展阶段,城市规模和数量大幅增长。但许多城市建设用地无序扩张、低效蔓延、质量低下,侵占大量耕地,威胁生态系统,污染自然环境。当前我国资源分布不均、人地矛盾突出。促进人口、资源、环境的协调发展,提升城市建设用地的利用效率,是新时代国土空间开发利用中尤为紧迫的重要命题。在此背景下,本研究探讨一种新的城市建设用地效率的评价方法。传统上,评估城市建设用地利用效率的方法多采用社会经济类评价方法。但是,传统数据多基于行政边界,而城市用地边界与行政边界差异巨大,评估的精细化程度有限。再者,城乡边界处于动态发展变化过程中,传统方法难以准确刻划城乡边界。相较于传统方法,大数据支持下的综合评估方法,可弥补传统方法的一些缺陷。本文尝试开发了一种基于POI数据、遥感影像数据的效率评估方法,该方法结合地理加权回归模型等空间分析方法,利用POI数据和泰森多边形法识别城市实体地域、推断城市的地块功能,从节约和集约维度分别建立评估标准,最后建立评估框架展开城市建设用地利用效率综合评价。本文主要由以下几个部分构成:第一部分,阐述了城市建设用地利用效率和节约集约的内涵和内在关联性。这是后续研究的理论基础部分(第二章)。第二部分,构建城市建设用地利用效率评估框架。首先,利用来自高德地图的POI数据和泰森多边形法识别城市实体地域,结合遥感识别的城市建设用地,本文重新定义了城市建设用地利用效率评估范围,并在此基础上利用高德路网数据和POI数据推断城市的地块功能。这一步为接下来的效率评估提供数据支持。接着,从节约和集约维度来构建评估标准。其中,投入城市建设用地(遥感识别)充分利用程度和实体地域(POI识别)利用节约度用来构成节约维度的分析;POI密度和单位面积城市建设用地的投入产出强度用于计算各类用地的效率值,在这里地理加权回归模型将被用来确认对投入产出的匹配和生成权重值。最后,采用综合评价方法计算城市建设用地利用效率的最终评估结果(第三章)。第三部分,以广东省为案例开展实证研究。通过对广东省选取21个地级市和20个县级市的城市建设用地利用效率的实证研究,验证各城市在节约、集约和综合利用效率方面的水平,并在城市规模、地理区位方面开展城市建设用地效率差异对比分析。研究发现广东省41市城市建设用地效率存在以下特点:(1)城市建设用地利用效率差异较大,大部分城市效率偏低。仅有26.83%的城市土地利用达到了高节约、高集约。(2)珠三角地区和粤东地区的城市建设用地利用效率要优于粤西和粤北地区。(3)面积规模较大的城市其城市建设用地利用效率往往要高于规模较小的城市(第四章和第五章)。第四部分,依据研究结果,本文提出了提高城市建设用地利用效率的政策建议,针对四种类型(高节约高集约、低节约高集约、高节约低集约、低节约低集约),分别提出了针对性的改善路径和保障机制(第六章)。案例研究证实了评价方法的有效性。研究方法可用于我国其他省市城市建设用地节约集约利用评价,也可为新增建设用地指标投放提供参考。
其他文献
动漫产业作为我国文化产业的重要板块,是国家近年来大力扶持发展的重点产业。我国动画水平曾立足于世界巅峰,却从20世纪80年代后逐渐落寞,崛起之路困难重重。2015年随着“IP时代”的到来,动漫产业乘着IP的风呈现爆发式增长,一度成为资本市场的宠儿,拓展动漫IP价值的需求不断涌现。与此同时,在互联网浪潮的推动下,跨界融合逐渐成为全球各产业主流的发展趋势,为动漫IP带来了前所未有的发展机遇。然而,由于我
人类行为识别是计算机视觉中一个重要的主题,行为识别既包括单人执行一系列动作以完成某项任务,也包括许多人分散在一个大的空间里,共同努力完成一个共同的任务,即群体行为。群体行为识别的一个典型的应用场景是体育视频理解,体育战术自动分析等关键技术,具有重要的应用前景和商业价值。但由于背景杂乱、个体之间的关系复杂等原因,使得面向体育视频的行为识别成为一个及其重要而又非常具有挑战性的问题。本文对体育运动排球视
随着第五代移动通信(The Fifth Generation,5G)时代的到来,人们对传输速率和通信可靠性有了更高的要求,对未来无线通信生活的多样性有了更多的期待。然而在“万物互联”的时代,无线通信业务需求呈现出的巨大增长趋势导致现有的技术不足以支撑海量的通信设备,因此在发展现有通信技术的同时部署新的系统对提高通信性能有重要意义。与此同时,为缓和移动通信过程中的能量消耗与通信设备的有限电量存储之间
随着无线通信技术的快速发展,移动通信数据流量呈现出爆炸式增长趋势,这不仅给传统的通信网络体系带来了巨大的负担,也给未来绿色通信网络的设计、运行以及维持带来了严峻的挑战。同时随着未来通信网络中更多的无线移动终端设备连接到互联网中,“万物互联”的通信演进模式已成为必然。然而其也带来了一些非常严峻的挑战,比如,如何在保证绿色通信的情况下为用户提供可靠的通信服务,以及如何增强通信网络的智能化水平。为解决以
低分辨率场景下的目标分类与识别问题对社会公共安全和国防等意义重大。随着图像信息获取技术的巨大进步,人们对获取的图像信息的使用需求也越来越大,特别是在一些特定应用中,对图像中精细目标信息的需求愈加强烈。然而该类精细目标的图像分辨率相对较低,能够获取的有用信息量较少,在借助高分辨率模板图像进行目标相似性度量时,待识别低分辨率目标图像与高分辨率模板图像之间的维度空间不匹配问题,使得低分辨率场景下的目标识
图像修复作为数字图像处理中的一个重要分支,广泛应用在文物保护、刑侦、生物医疗、航空航天等领域。传统的图像修复方法存在图像块误匹配、块区域修复视觉效果较差等问题,深度学习作为一种新兴的工具,在提取特征上相比传统方法能够获得更深层、更加具有特定性的特征表示,已经在计算机视觉和图像处理领域中都取得了良好的效果。基于深度学习的生成对抗网络(GAN,Generative Adversarial Networ
人类有一种对映入眼帘的场景有快速选择性观察的视觉注意机制,它能够帮助人类在短时间内获取最大的信息量。这种视觉注意机制在计算机视觉领域中被称为视觉显著性,计算机视觉领域的研究者们通过提取数字图像中的显著性特征来模仿人眼的视觉显著性。计算机视觉显著性的研究启发于生物学,由传统手工提取特征的计算模型开启显著性预测的篇章,向自适应的学习数据样本中显著性特征的深度网络模型发展。其中,基于深度网络的显著性预测
模板匹配是图形处理研究中的主要内容之一,在机器视觉、医学图像等诸多领域中有着重要的应用。当图像中的目标出现旋转、光照不均匀、视角变化和部分遮挡的情况时,现有的模板匹配方法很难匹配出准确的结果,因而寻找效果更佳的模板匹配方法是一个有意义的研究问题。在现有的多种基于特征点的模板匹配方法中,使用线性规划的模板匹配方法在目标出现旋转和光照不均匀的情况下模板匹配效果较好,但它在目标出现局部形变和部分遮挡时模
面对摩尔定律失效的挑战,具有性能高、尺寸小、功耗低和成本低等优点的Si基光子技术是有望解决Si集成电路瓶颈的路径之一。其中Si基Ge与Si基Ga As由于可调控直接带隙和高迁移率等优势成为Si基光子技术最有前途的材料选择。但是由于较大晶格失配和热失配,Si基上高质量的Ge外延和Ga As外延仍充满了挑战性,较高的缺陷密度制约了Si基上异质外延结构及器件的性能。本论文主要以解决Si基Ge和Si基Ga
随着现代科技的不断进步,越来越多的高分辨率显示设备进入到日常生活中,人们对高分辨率视频资源的需求也不断增加,但是现实生活中高分辨率视频资源却是相对匮乏的。视频超分辨率算法旨在将低分辨率视频转换为高分辨率视频,能够以较低的成本来解决高分辨率视频资源缺乏的问题,所以对视频超分辨率算法的研究显得非常有意义。但目前相关算法仍然存在一些不足之处,例如,目前的算法通常通过光流估计来对视频帧间进行显式运动补偿作