一种基于地理国情视角的土地资源承载力综合分析方法

摘要

本发明属于地球空间信息系统领域，但不仅限于此，可以用于国土空间规划、自然资源专项调查与监测、国土开发与利用、资源集约利用、基本公共服务供给等领域，本申请公开的一种基于地理国情视角的土地资源承载力综合分析方法，具体包括如下步骤S100、数据收集与分析整理；S200、数据预处理和整合；S300、分析单元匹配和确定；S400、指标体系构建；S500、指标计算；S600、综合统计分析，本发明可从地理国情视角分析、揭示区域土地资源承载力能力和时空变化特征，较全面地获取科学、翔实的信息，有助于实现地理国情监测数据向地理国情信息的转化和提升，在加快社会经济专题信息与地理信息的有效融合、推动地理国情监测成果应用和共享。

说明书

技术领域

本发明属于地球空间信息系统领域，但不仅限于此，可以用于国土空间规划、自然资源专项调查与监测、国土开发与利用、资源集约利用、基本公共服务供给等领域，特别涉及一种基于地理国情视角的土地资源承载力综合分析方法。

背景技术

我国在取得经济高速增长的同时，加之外来人口的激增，对自然资源的消耗不断增加，而且资源浪费与破坏现象普遍存在，更加剧了资源供给与需求的矛盾，特别是作为基础支撑的土地资源供求矛盾更为尖锐。经过数十年的发展，通过分析国内外研究现状，土地资源承载力分析取得一定进展，例如基于土地生产潜力计算土地资源承载力、从区域未来土地生产潜力和人口承受能力的角度的趋势外推法模型等，但存在以下问题：

(1)理论体系尚未统一

目前对土地资源承载力的概念和内涵尚未形成共识，土地资源承载力定义甚至足以使专门研究承载力的学者感到困惑，无论是研究耕地资源承载力还是水资源承载力，总的说来仍是以土地为基础的承载力研究。由于其名目繁多的不同称谓，造成很多实际问题。

(2)量化和测度方法不统一

目前关于土地资源承载力的研究很多，对土地资源承载力所承载的对象和运用的方法也有很多探讨，但学术界对这些方法尚未达成共识，这样在实际运用中造成了测算标准不统一、数据来源时间不一致和测算方法没有标准等局面，使得不同方法和模型得出的结果无法对比，极大地阻碍了土地资源承载力评价体系的建立。

(3)缺乏空间分析，研究过于单一化

多数仅限于土地资源的生物产量，具有很大的片面性和局限性，没有较好地利用现代遥感、地理信息系统、地理国情监测等相关技术手段，新技术、新手段应用相对滞后，缺乏空间分析内容，尤其是缺乏把以上技术手段和空间分析深入结合的研究。

发明内容

基于此，本发明提供了一种基于地理国情视角的土地资源承载力综合分析方法，在深化土地资源承载实际需求分析基础上，基于地理国情视角，通过筛选相关指标，构建资源承载分析评价指标体系，基于统计分析模型与方法库，开展指数计算和综合分析，得到区域资源承载力分析结果，并在此基础上开展不同区域土地资源承载分析评价，为国家和地方政府部门自然资源监测、国土空间规划、国土开发与利用、资源集约利用、基本公共服务供给等科学决策提供基础资料和辅助信息。

本申请公开的一种基于地理国情视角的土地资源承载力综合分析方法，包括如下步骤

S100、数据收集与分析整理：所述数据包括地理国情数据、社会经济专题数据、基础测绘成果数据、其他行业部门专题数据、所述地理国情数据为矢量数据；

S200、数据预处理和整合：以地理国情数据作为基础，根据土地资源承载力的分析目的进行数据提取、叠加和计算，形成初步数据，然后在初步数据上叠加上述其他数据进行预处理和整合；

S300、分析单元匹配和确定：根据土地资源承载力的需求和上述不同类型数据的可获取性，同时兼顾区域之间、区域内部的差距，选择市级尺度的统计单元作为承载能力的分析单元；

S400、指标体系构建：所述指标体系从下至上分为指标层、专题层、目标层；其中，所述指标层是所述分析单元的各影响因素；所述目标层为待分析评价的所述分析单元的土地资源承载力；所述专题层用以表示所述指标层与所述目标层间的结构与关系；

S500、指标计算：利用多种空间统计模型与方法库、空间分析技术手段和方法，计算所述指标层中各指标的指数；

S600、综合统计分析：根据所述指数进行分级管理、解释、评估，实现不同分析单元的土地资源承载能力优劣程度评价，综合分析不同分析单元的土地资源承载力的整体状况、地域差异、区域不同时期的时空分异特征。

进一步的，所述步骤S200中，包括：

S210、收集的地理国情矢量数据通过叠加分析等方法进行数据提取、叠加与计算；

S220、对社会经济专题数据、基础测绘成果数据和其他相关行业部门数据进行录入和数据空间化处理，所述数据空间化处理是将数据进行编码赋值，与地理国情数据的空间属性关联。

进一步的，所述步骤S200中，还包括

S230、将步骤S210和S220中的地理国情数据、社会经济统计数据等数据进行规范化整合，所述规范化整合指将上述数据中相同的数学基础、单位、获取时间、数据来源、数据目录等进行统一规范；

S240、将步骤S230中的所有数据进行数据格式转换、数据类型转换、归一化处理等数据预处理操作，所述数据格式转换：将矢量gdb数据格式转换为shp 数据格式，shp数据格式转换为dbase格式、emf格式、jpg格式等；

所述数据类型转换：将字符串类型转换为数字类型。

进一步的，所述步骤S400中，所述分析单元围绕专题层构建不同尺度土地资源承载力综合分析指标体系，所述专题层包括自然地理要素、人文地理要素、社会经济要素。

进一步的，所述指标层从所述专题层中的自然地理要素、人文地理要素、社会经济要素等维度中选择多项影响因素作为指标，所述指标包括长度、个数、面积、距离等直接统计计算的数值类型指标和占比、构成比、密度等衍生计算的数值类型指标。

进一步的，所述步骤S500中，具体步骤如下：

S510、指标标准化：对指标进行标准化处理，形成0～100之间的无量纲数值，采用极值线性标准化，标准化公式如下：

i.正相关指标：

H

ii.负相关指标：

H

其中，H

S520、权重确定：综合运用层次分析法、熵值法等方法，确定各指标权重；

S530、指数计算：所述标准化值根据对应指标权重合并计算指数的数值，为消除或降低人为因素所带来的权重影响，对各指标数值采取求积并n次开方根的计算方法获取指数的数值，对其进行校正。其中，n为指标的个数。

进一步的，在步骤S510中，对于长度、个数、面积、距离等直接统计计算的数值型指标计算结果，直接按标准化公式进行标准化，标准化后为无量纲分值；对于占比、构成比、密度等衍生计算的数值类型指标计算结果，按标准化公式进行标准化，标准化后为无量纲分值。

进一步的，所述步骤S520中，还包括如下步骤；

S521、构造判断矩阵，以O表示目标，b

进一步的，S522、权重分配，根据各个指标相对于专题层的重要性，确定其在评价中的比例，即权重值P，同时计算出重要性排序，根据判断矩阵，求出其最大特征根λ

Pω＝λ

所求特征向量ω经归一化，即为各指标的重要性排序，也就是权重分配。

进一步的，S523、一致性检验，通过对矩阵进行一致性检验从而判断以上步骤得到的权重分配是否合理，在进行检验时使用以下公式：

R＝OI/AI

式中，R为判断矩阵的随机一致性比率，OI为判断矩阵的一般一致性指标， AI为判断矩阵的平均随机一致性指标，其中，

OI＝(λ

判断矩阵A的一致性，若不具备一致性，则需调整其中的元素以使其满足一致性要求。

有益效果：本发明具有广阔的应用前景。通过发明的实施，可从地理国情视角分析、揭示区域土地资源承载力能力和时空变化特征，较全面地获取科学、翔实的信息，有助于实现地理国情监测数据向地理国情信息的转化和提升，而且可以服务于自然资源、规划、环保、农业、交通、教育、卫生等政府部门业务管理，还可以为高校、科研院所等事业单位提供学术研究交流，发展和应用前景广阔。

附图说明

以下参考附图描述的实施例是示例性的，旨在用于解释和说明本发明，而不能理解为对本发明的保护范围的限制。

图1为本发明提供的是实现地理国情视角的土地资源承载力综合分析的技术路线流程图；

图2为本发明提供的是土地资源承载力维度构成图；

图3为本发明的步骤流程图。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面对本发明结合附图1-3进行更加详细的描述。

如图1所示，充分依托地理国情监测数据，结合相关社会经济部门专题数据，主要包括地方统计年鉴数据，以区域资源承载研究模型、方法和综合评价模式相关文献资料为基础，基于地理国情视角，以自然资源环境系统禀赋条件为切入点，针对区域资源承载力布局需求，围绕区位条件、种植土地、林草覆盖、建设用地、用水等区域自然、人文地理要素以及人口、GDP等社会经济要素等方面，综合运用空间分析、空间统计和模型库等技术方法，建立土地资源综合统计分析内容指标体系框架，构建指标体系、指数和模型，分析区域空间布局特征与状况，揭示区域土地资源对象相关空间要素关系，客观评价不同区域之间的土地资源承载情况差异，形成统计分析系列成果。

影响区域土地资源承载力的因素很多，包括自然资源、人口、社会经济等多个方面，通过调研和综合分析，研究选取可以真实、有效体现区域土地资源承载能力的指标。在选取指标时遵循可控性、科学性、可操作性、层次性原则，选取含义明确、方便采集、准确、可信度高、有时空特征的指标，提高指标的可定量化比例，指标选择与区域发展的目标和发展规划相适应，且根据内部结构分出层次。此外，指标选取满足一定弹性，便于各区域突出自身特点。

在此结合土地资源承载力和广东省、大湾区实际情况，自然地理要素方面选取人均种植土地面积、林草覆盖率、人均用水量等指标；社会经济要素方面选取人口总量、人均GDP、经济密度、单位建设用地二三产业增加值等指标；人文地理要素方面主要选取建设用地占比、路网密度等。

本申请公开的一种基于地理国情视角的土地资源承载力综合分析方法，如图3所示，包括如下步骤：

S100、数据收集与分析整理：所述数据包括地理国情数据、社会经济专题数据、基础测绘成果数据、其他行业部门专题数据、所述地理国情数据为矢量数据；

S200、数据预处理和整合：以地理国情数据作为基础，根据土地资源承载力的分析目的进行数据提取、叠加和计算，形成初步数据，然后在初步数据上叠加上述其他数据进行预处理和整合；

进一步的，所述步骤S200中，包括：

S210、收集的地理国情矢量数据通过叠加分析等方法进行数据提取、叠加与计算；

S220、对社会经济专题数据、基础测绘成果数据和其他相关行业部门数据进行录入和数据空间化处理，所述数据空间化处理是将数据进行编码赋值，与地理国情数据的空间属性关联。

进一步的，所述步骤S200中，还包括

S230、将步骤S210和S220中的地理国情数据、社会经济统计数据等数据进行规范化整合，所述规范化整合指将上述数据中相同的数学基础、单位、获取时间、数据来源、数据目录等进行统一规范；

S240、将步骤S230中的所有数据进行数据格式转换、数据类型转换、归一化处理等数据预处理操作，所述数据格式转换：将矢量gdb数据格式转换为shp 数据格式，shp数据格式转换为dbase格式、emf格式、jpg格式等；所述数据类型转换：将字符串类型转换为数字类型。

S300、分析单元匹配和确定：根据土地资源承载力的需求和上述不同类型数据的可获取性，同时兼顾区域之间、区域内部的差距，选择市级尺度的统计单元作为承载能力的分析单元；

如图2所示，S400、指标体系构建：土地资源要素数量众多、内容各异、纷繁复杂，基于地理国情视角，研究构建既相对统一、又各具特色的土地资源承载力相关要素的内容指标体系架构，是进行承载力分析的重要研究内容和关键点。资源承载力指标体系具有层次性，属于树状结构，从下至上分为指标层、专题层、目标层，其中，最低层的各影响因素指标为指标层，属于基本指标；待分析评价的土地资源承载力为目标层，反映区域的承载水平；专题层是中间层，用以表示指标层与目标层指标间的结构与关系。同时，基于市级尺度，构建指标体系，在此基础上进行测算及综合分析。该体系架构在构建时既体现不同区域之间具有普适性，也保障结果可比较、可分析。

所述指标体系从下至上分为指标层、专题层、目标层；其中，所述指标层是所述分析单元的各影响因素；所述目标层为待分析评价的所述分析单元的土地资源承载力；所述专题层用以表示所述指标层与所述目标层间的结构与关系。

进一步的，所述步骤S400中，所述分析单元围绕专题层构建不同尺度土地资源承载力综合分析指标体系，所述专题层包括自然地理要素、人文地理要素、社会经济要素。

进一步的，所述指标层从所述专题层中的自然地理要素、人文地理要素、社会经济要素等维度中选择多项影响因素作为指标，所述指标包括长度、个数、面积、距离等直接统计计算的数值类型指标和占比、构成比、密度等衍生计算的数值类型指标。

S500、指标计算：经过数据预处理、数据整合与分析、统计单元匹配，基于空间分析、空间统计和模型库等技术方法，针对土地资源承载力综合分析内容指标体系的各个指标开展计算，在此基础上，基于层次分析法、模糊分析法等方法，分析研究构建土地资源承载力综合分析指数，为后续开展的承载力分析评价奠定基础。利用空间统计模型与方法库、空间分析等技术手段和方法，计算所述指标层中各指标的指数；

进一步的，所述步骤S500中，具体步骤如下：

S510、指标标准化：对指标进行标准化处理，形成0～100之间的无量纲数值，采用极值线性标准化，标准化公式如下：

iii.正相关指标：

H

iv.负相关指标：

H

其中，H

进一步的，在步骤S510中，对于长度、个数、面积、距离等直接统计计算的数值型指标计算结果，直接按标准化公式进行标准化，标准化后为无量纲分值；对于占比、构成比、密度等衍生计算的数值类型指标计算结果，按标准化公式进行标准化，标准化后为无量纲分值。

S520、权重确定：综合运用层次分析法、熵值法等方法，确定各指标权重；

进一步的，所述步骤S520中，还包括如下步骤；

S521、构造判断矩阵，以O表示目标，b

进一步的，S522、权重分配，根据各个指标相对于专题层的重要性，确定其在评价中的比例，即权重值P，同时计算出重要性排序，根据判断矩阵，求出其最大特征根λ

Pω＝λ

所求特征向量ω经归一化，即为各指标的重要性排序，也就是权重分配。

进一步的，S523、一致性检验，通过对矩阵进行一致性检验从而判断以上步骤得到的权重分配是否合理，在进行检验时使用以下公式：

R＝OI/AI

式中，R为判断矩阵的随机一致性比率，OI为判断矩阵的一般一致性指标， AI为判断矩阵的平均随机一致性指标，其中，

OI＝(λ

判断矩阵的AI值见下表，当判断矩阵A的R<0.1时，可认为A具有一致性，通过一致性检验，否则需调整其中的元素以使其满足一致性要求。

S530、指数计算：所述标准化值根据对应指标权重合并计算指数的数值。为消除或降低人为因素所带来的权重影响，对各指标数值采取求积并n次开方根的计算方法获取指数的数值，对其进行校正。其中，n为指标的个数。

S600、综合统计分析：根据指数进行分级管理、解释、评估，实现不同分析单元的土地资源承载能力优劣程度评价，分析不同分析单元的土地资源承载力综合分析水平的整体状况、地域差异、区域不同时期的时空分异特征。

S700、综合统计分析结果：最后可以根据分析结果出具报表、报告、图件等便于展示的研究结果的表现形式。

以土地资源环境承载力指数为基础，基于不同指数计算结果，采用定量分析和定性分析相结合的方式对指数进行分等定级，开展区域国土范围内不同地区、不同层次的土地资源承载力综合分析，形成分级评估体系，对土地资源承载力状况进行分级评估，分析不同区域的土地资源承载程度，根据区域资源禀赋情况和已开发程度，划分不同资源承载类型，以大湾区为例，在根据所述标准化值根据对应指标权重合并计算指数的数值并校正后，根据数值进行排序，如下表所示。

总的看，深圳、珠海、广州三市的土地资源承载力较强，东莞、惠州二市的土地资源承载力相对强，佛山、江门、中山三市土地资源承载一般，肇庆土地资源承载则相对较弱。

上面仅对本发明的较佳实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化，各种变化均应包含在本发明的保护范围之内。