土地集约利用宏观评价研究_以岳阳市为例

土地集约利用宏观评价研究——以岳阳市为例唐国滔，罗美利，袁清坡（湖南省测绘科技研究所，湖南 长沙 410007）摘要：研究目的：本研究针对岳阳市新一轮土地利用总体规划修编工作，如何集约用地对各项土地资源的优化配置和高效利用具有重要的意义。

研究方法：层次分析法、德尔菲法和模糊评判法。

研究结果：岳阳市整体的土地集约利用水平较低，有待进一步开展土地集约利用。

研究结论：城市土地集约利用水平的评价结果，可以直观地反映城市总体集约利用水平的相对高低，为各级政府编制土地利用总体规划、确定城市用地规模、平衡各个地区用地指标提供科学的依据和参考，从理论上引导城市土地由粗放化利用模式向集约化利用转变。

关键词：土地集约利用；层次分析法；德尔菲法；模糊评判法；岳阳市中图分类号：F301.23 文献标识码：A城市土地集约利用评价可以分为宏观、中观、微观三个层次，宏观层次的评价是对一个城市土地集约利用水平的总体评价，中观层次是对城市内部区域的评价，微观层次则是对具体地块的评价。

本研究是从宏观层次评价岳阳市土地集约利用，以岳阳市为评价对象，把岳阳市所辖土地作为一个整体来考虑，采用一定的指标，通过层次分析法和德尔菲法，从土地利用结构、土地集约度、土地投入程度和土地利用效益四个方面来分析岳阳市的土地集约利用水平。

其评价结果不仅对引导岳阳市实现土地集约利用目标具有重要意义，同时也为岳阳市土地管理部门从全局掌握土地资源状况、制定合理的土地管理政策提供很好的依据[1]。

1 评价方法由美国著名运筹学家萨蒂（T.L.Saaty）在20世纪70年代初提出的层次分析法（Analytical Hierarchy Process，简称AHP）是一种具有定性分析与定量分析相结合的决策方法，可以将决策者对复杂问题的决策思维过程系统化、模型化、数量化[2]。

该方法自从被介绍到我国以来，以其定性与定量相结合地处理各种决策因素的特点，及其系统灵活简洁的优点，迅速地在我国社会经济的各个领域内，如能源系统分析、城市规划、经济管理、科研评价等，得到了非常广泛的重视和应用[3]。

层次分析法的基本思路是通过分析复杂问题所包含的各种因素及其相互关系，将问题所研究的全部元素按照不同的层次进行分类，标出上一层与下层元素之间的联系，形成一个多层次的结构。

在每一个层次中，均是按某一准则对该层的元素进行相对重要性判断，并构造判断矩阵，并通过解矩阵特征值等问题，确定元素的排序权重，最后再进一步计算出各层次元素对总目标的组合权重，为决策问题提供数量化的决策依据[4-5]。

2 指标体系在运用层次分析法之前，首先要对问题进行初步的研究，然后把问题进行条理化、层次化，构造出一个有层次的结构模型。

一个这样的决策系统大体可以分成三个层次，见图1：（1）最高层最高层也叫目标层，这一层次中只有一个元素，它一般是我们所要分析的预定目标或理想结果。

（2）中间层中间层也叫准则层，这一层次中包含为实现最高层所涉及的中间环节，它可以由若干个层次组基金项目：湖南省岳阳市新一轮土地利用总体规划修编重大问题研究。

第一作者：唐国滔（1983-）,男,广西桂林人,学士,助理工程师和中级预算员，从事土地规划、土地整理和新农村建设规划等工作.成，包括所需考虑的一些准则、子准则。

（3）最低层最低层也叫方案层，这一层次包括为实现最高层而提供选择的各种措施、决策方案等。

图1 层次结构图本研究的评价过程比较直观，分三层来对岳阳市集约利用土地进行评价。

第一层是目标层A（土地集约利用评价），第二层为评价因素层B（土地利用结构性指标B1，土地利用集约度指标B2，土地投入程度指标B3，土地利用效益指标B4），第三层为指标因素层C。

在充分考虑到资料可收集性问题之后，结合岳阳市的区域特点，最终确定以下指标[6-7]，见表1。

表1 岳阳市土地集约利用指标评价体系表3 构造判断矩阵A及建立一致性指标构造判断矩阵A是层次分析法关键性的一步。

在确定比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从而确定它们在这个目标中所占的比重。

在确定影响某因素的诸因子在该因素中所占的比重时，遇到的主要困难是不容易把这些比重定量化。

我们可以采用成对比较法来分析，设要比较n个因素y={y1，y2，y3…，y n}对同一目标的影响，每次可以取其中的两个因素y i和y j来进行比较，a ij表示y i与y j对目标的影响程度之比，其中a ij的取值可以由Saaty的1-9值法决定，见表2。

表2 1-9标度及其描述若矩阵A=（A ij ）n×n 满足：()0,()1/,,1,2,...,ij ji ij i a ij a a i j n >=∀=，则称之为正互反矩阵（易见a ii = 1，i =1，2，3…，n ）。

从心理学这方面来看，若分级太多就会超越人们的判断能力，既增加了判断的难度，也容易因此而提供一些虚假的数据。

Saaty 等人通过用一些实验方法比较在各种不同的标度下人们判断结果的正确性，他们的实验结果也表明，所采用的1-9标度也是较为合适的。

虽然上述构造成对比较判断矩阵的方法能减少其它因素的干扰，也能较客观地反映出一对因子影响力的差别，但考虑到综合全部比较结果时，其中还是难免包含一定程度的非一致性。

如果它们的比较结果前后完全一致的话，则矩阵A 的元素还应该满足下面的条件：,,,1,2,...,ij jk ik a a a i j k n =∀=定义满足关系式a ij a jk = a ik ，（i ，j ，k = 1 ， 2 ， 3 … ， n ）的正互反矩阵称为一致矩阵。

此时需要检验构造出来的（正互反）判断矩阵A 是否严重地非一致，以便确定是否能接受A 。

A 应符合：正互反矩阵A 的最大特征根λmax 必为正实数，其对应特征向量的所有分量均为正实数。

A 的其余特征值的模均严格小于λmax 。

若A 为一致矩阵，则（i ）A 必为正互反矩阵。

（ii ）A 的转置矩阵A T 也是一致矩阵。

（iii ）A 的任意两行成比例，比例因子大于零，从而 rank （A ）= 1 （同样，A 的任意两列也成比例）。

（iv ）A 的最大特征值λmax = n ，其中n 为矩阵A 的阶。

A 的其余特征根均为零。

（v ）若A 的最大特征值λmax 对应的特征向量为W=（w 1，w 2，…，w n ）T ， a ij = w i / w j ， （i ，j=1，2，3…n ），即：111122221212n n nn n n w w w w w w w w w w w w A w w w w w w ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦""""""" n 阶正互反矩阵A 为一致矩阵当且仅当其最大特征根λmax =n ，且当正互反矩阵A 非一致时，必有λmax >n 。

根据上述，可以由λmax 是否等于n 来检验判断矩阵A 是否为一致矩阵。

如果特征根连续地依赖于a ij ，使λmax 比n 大得越多，A 的非一致性程度也就越严重，λmax 对应的标准化特征向量也就越不能真实地反映出 X={x 1，x 2，x 3，…，x n }在对因素Z 的影响中所占的比重。

判断矩阵的最大特征值和特征向量采用几何平均近似法（方根法）计算，其计算步骤为：（i ）计算矩阵各行各元素乘积1ni i j i m a ==∏， i =1，2，3，…，n（ii ）计算n 次方根i w =（iii ）对向量()12,,3,...,T n w w w w w =进行规范化 l 1i i n jj w w w ==∑ ，j=1，2，3，…，n 得到l l l l l 123(,,,...,)Tn w w w w w =，为所求特征向量近似值，即各因素权重。

（iv ）计算矩阵的最大值max λl ()max 11n i i i Aw n w λ==∑ 其中，l ()i Aw 为向量l Aw 的第i 个元素。

判断矩阵的一致性检验的步骤如下：（i ）计算一致性指标CI ：m a x 1n C I n λ−=− （ii ）查找相应的平均随机一致性指标RI 。

对n=1，2，3，…，9，Saaty 给出RI 的值，如表3所示：表3 阶矩阵的平均随机一致性指标RI 的值是这样得到的，Saaty 用随机的方法构造出500个样本矩阵：他随机地从1－9及其倒数中抽取数字构造正互反矩阵，求得最大特征根的平均值λmax ′，并且定义m a x (')1n R I n λ−=− （ⅲ）计算一致性比例CR ：CI CR RI= 当CR<0.10或在0.10左右时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。

4 层次单排序及一致性检验因素权重评价就是要确定各指标对土地集约利用水平的贡献程度，本项工作采用因素成对比较法确定指标的权重。

为减少判断过程的难度首先分两个层次分别确定评价因素层（B ）、指标因素层（C ）对应上一层目标的权重并对其进行一致性检验，然后再进行综合运算确定各层指标对总目标的权重。

（1）评价因素层（B）对总目标层（A）的判断矩阵和权重，如表4。

表4 评价因素层（B）对总目标层（A）的判断矩阵和权重根据判断矩阵的求解可得：λmax=4.2632，CI=0.0877，RI=0.90，CR=0.0975，CR<0.10，表明判断矩阵通过一致性检验，具有满意的一致性。

（2）指标因素层（C）对评价因素层（B1）的判断矩阵和权重，如表5。

表5 指标因素层（C）对评价因素层（B1）的判断矩阵和权重根据判断矩阵的求解可得：λmax=6.5369，CI=0.1074，RI=1.24，CR=0.0866<0.10，表明判断矩阵通过一致性检验，具有满意的一致性。

（3）指标因素层（C）对评价因素层（B2）的判断矩阵和权重，如表6。

表6 指标因素层（C）对评价因素层（B2）的判断矩阵和权重根据判断矩阵的求解可得：λmax= 4.2446，CI=0.0815，RI=0.90，CR= 0.0906<0.10，表明判断矩阵通过一致性检验，具有满意的一致性。

（4）指标因素层（C）对评价因素层（B3）的判断矩阵和权重，如表7。

表7 指标因素层（C）对评价因素层（B3）的判断矩阵和权重根据判断矩阵的求解可得：λmax=4.1649，CI=0.0550，RI=0.90，CR=0.0611<0.10，表明判断矩阵通过一致性检验，具有满意的一致性。

（5）指标因素层（C）对评价因素层（B4）的判断矩阵和权重，如表8。

表8 指标因素层（C）对评价因素层（B4）的判断矩阵和权重根据判断矩阵的求解可得：λmax=8.8835，CI=0.1262，RI=1.41，CR=0.0895<0.10，表明判断矩阵通过一致性检验，具有满意的一致性。