城鎮住宅用地基準地價的地質災害影響及修正系數研究
——以蘭州市為例

彭建超，吳 群，錢 暢

（1. 南京農業大學土地管理學院，江蘇 南京 210095；2. 南京市國土資源信息中心，江蘇 南京 210005）

城鎮住宅用地基準地價的地質災害影響及修正系數研究
——以蘭州市為例

彭建超1，吳 群1，錢 暢2

（1. 南京農業大學土地管理學院，江蘇 南京 210095；2. 南京市國土資源信息中心，江蘇 南京 210005）

研究目的：研究地質災害對城鎮住宅地價的影響及城鎮住宅基準地價的地質災害因素修正系數編制。研究方法：探索性空間數據分析、網格地價模型和地理加權回歸模型。研究結果：基于蘭州市1621個住宅地價調查樣點數據的分析顯示，地質災害隱患可導致土地價值的降低，但作用程度在不同土地級別、不同空間位置存在差異，地質災害對地價產生負作用的極值易出現在各類洪道、溝坡地帶；運用蘭州市公開出讓住宅用地數據進行驗算，將網格地價模型和GWR模型法得出的修正系數應用于蘭州市基準地價修正法評估，驗算結果基本符合蘭州市地價實際情況，網格地價模型的驗算結果較GWR模型更為平穩。研究結論：地質災害因素修正系數的空間量化，有助于提高地價評估的準確和客觀性；網格地價模型法較GWR模型法更適合當前基準地價修正系數編制。

土地經濟；基準地價；地質災害；修正系數；地理加權回歸模型；網格地價模型

1 引言

地質災害對城鎮土地利用與價值具有重要影響[1-2]。近年來，因房地產市場的活躍使得地價成為各界關注的熱點問題，國內城鎮地價的評價方法、時空演變及驅動因素等方面也取得了很多重要研究進展[3-4]，然而，地質災害對城鎮地價的影響研究在國內還不多見。2014年12月，中國開始實施新的《城鎮土地估價規程》（GB/T 18508—2014），新規程亦未就地質災害對地價的影響，尤其是對基準地價的影響及修正，進行詳細說明。基準地價修正法適用性的改進及其合理引導土地市場作用的體現，還有賴基準地價修正因素的深入研究[5]。隨著城市建設不斷發展，日趨密集的人類工程活動對地質災害的引發和加劇作用越來越明顯，地質環境的破壞影響使得城鎮土地利用的危險隱患不斷增多，導致土地開發利用工程的地質災害防護成本增加，同時可能降低開發商或其他土地使用主體對涉險宗地的價值預期。因而，探討地質災害對城鎮地價的影響，以及城鎮基準地價的地質災害因素修正系數編制，不僅可豐富城鎮地價評價方法研究，完善城鎮地價研究的理論體系，也可為地質災害影響地區的土地交易或投資提供實踐參考。

2 研究區概況與研究方法

2.1 研究區概況

蘭州市是西北地區重要的工業城市，市區總面積1574 km2，其中建成區面積191 km2。2015年蘭州市完成生產總值2095.99億元，人均生產總值56972元，年末全市常住人口為369.31萬人，其中，城鎮人口占80.95%。蘭州市地處青藏高原與黃土高原交匯部位的黃河谷地，是典型的山問河谷型城市，市區位于著名的天水—蘭州地震帶上，受特殊狹長地形條件的限制，平坦的河谷地帶已成為人口聚居的密集區，城市建設不斷向黃河兩岸山前和臺塬地帶拓展，因山前坡腳開挖、平山造地、切坡等形成的黃土邊坡嚴重破壞了斜坡的原始穩定性，使蘭州市伏龍坪、華林坪、晏家坪、徐家坪、桃樹坪、鹽場堡等區域地質災害高發。蘭州市地質災害類型主要包括滑坡、崩塌、泥石流、地面塌陷和不穩定斜坡等，主城區為地質災害嚴重區域，地質災害隱患點多達2462處（2012年調查統計），地質災害頻發地區依次為城關區、七里河區、西固區和安寧區，城關區受威脅財產損失最大[15]。依據蘭州市住宅用地的現狀分布以及地質災害發生的頻次，選擇研究范圍包括蘭州市的城關區、七里河區、安寧區和西固區，具體為東至桑園子峽、西至岸門村、南至后五泉山村、北至白家鋪子，面積約220 km2。

2.2 數據來源

地價樣點數據源自《蘭州市2014年城市基準地價更新》成果。蘭州市住宅用地共劃分為7個級別，基準地價更新過程中，通過實地調查，各級別收集住宅地價樣點數分別為343、527、437、257、44、12和1個，合計1621個，其中房屋出租、二手房買賣和新建商品房分別為770、702和149個。設定住宅樣點地價評估基準日為2014年1月1日、土地使用年期為70年，對地價數據進行評估有效性檢驗，并進行時間、容積率、開發程度的統一修正，得到符合設定條件的樣點地價數據。地質災害數據采用蘭州市地理信息中心、蘭州市勘察測繪研究院和甘肅省地質環境監測院2013年5月聯合編制的《蘭州市主城區地質災害隱患分布圖》，該成果根據地質災害隱患點的分布、危害程度和影響范圍，將主城區劃分為地質災害危險區、高易發區、中易發區、低易發區和不易發區。

2.3 研究方法

2.3.1 空間插值與剖面圖繪制 空間插值法已廣泛應用于空間未知位置的地價估測，本文擬運用普通Kriging法對蘭州市住宅地價樣點進行空間插值分析。檢驗樣本數據是否滿足正態分布和存在某種空間趨勢，是采用空間插值法進行表面預測的前提，所以運用ESDA對樣點數據進行探索分析。住宅地價頻率分布分析發現，樣本的均值（3345）與中位數（3421）較接近，偏度系數（-0.116）和峰度系數（-0.762）均小于1，可認為樣本近似于正態分布。住宅地價全局趨勢圖分析發現，蘭州市住宅地價在EW和SN方向呈現3次函數曲線變化趨勢。通過構建Voronoi圖，對住宅地價空間分布異常點進一步篩選，最終保留樣點1580個。鑒于研究區域東西狹長的地形分布和地價變化趨勢，研究檢驗了地價樣點分布的各向異性，發現135°方向呈現較強連續性，選擇3次函數去除樣本表面趨勢（trend removal），利用指數函數擬合135°和45°方向的半方差函數，得出兩個方向的變程分別為6.0 km和4.2 km[7]，以此為基礎構建擬合函數對研究區域住宅地價進行Kriging插值預測（圖1）。

圖1 住宅地價樣點的Kriging插值Fig.1 Kriging interpolation of residential land price sample points

為初步考察地質災害對住宅地價的影響，在蘭州市區地質災害頻發地區繪制地價與地質災害的剖面關系(圖1)，剖面A為蘭州市土門墩—晏家坪一帶，剖面B為華林坪—伏龍坪一帶。因在局部范圍內，蘭州市地質災害級在EW方向變化較大，所以剖面A、B的位置選擇也為EW向。按地質災害隱患級別高低，設危險區=4、高易發區=3、中易發區=2、低易發區=1、不易發區=0，繪制得到A、B位置的剖面圖如圖2。剖面A顯示，地質災害對住宅地價的影響較為明顯，在空間連續的EW向上，地價變化的趨勢并不平穩，表現為區域地質災害隱患級別較低時，地價呈升高趨勢，而地質災害隱患加重時，地價呈降低趨勢。剖面B中地質災害對住宅地價的作用趨勢與剖面A類似，但不如剖面A顯著，最突出的是在1200—1600 m位置，當剖面位置抵達城關區地質災害低易發和不易發區時，地價迅速上升。由剖面分析可判斷，地質災害隱患可導致土地價值的降低，但影響程度在不同的空間位置表現不同，需結合影響地價的其他空間要素綜合分析。

2.3.2 網格地價模型 網格單元技術已在土地定級和估價中廣泛應用，相關研究的要點主要集中于網格邊長的確定以及通過空間插值、神經網絡等方法獲得網格的地價[8-9]。本文試圖依據蘭州市基準地價更新工作實踐，將網格單元技術與傳統的基準地價評估及修正系數編制方法相結合，構建基于網格單元的住宅基準地價地質災害修正系數體系（圖3）。蘭州市本輪基準地價更新工作在劃分住宅用地級別階段，已運用多因素綜合評價法測算了基礎設施狀況、交通條件、環境條件、商服繁華程度、人口狀況等區域因素對住宅用地質量的影響，并形成了多因素綜合分值，而住宅樣點地價經過交易時間、容積率、開發程度等因素的修正，基本平衡了宗地個別因素對住宅地價的影響差異，因而，可利用區域因素和地質災害因素預測經修正得到的基準地價內涵水平住宅地價，并考察各因素對地價的貢獻差異，進而測算不同因素的地價評估修正系數。

圖2 住宅地價與地質災害的剖面關系圖Fig.2 Prof le of residential land price and geological hazard

圖3 網格地價模型圖Fig.3 Grid land price model

圖3中，假設區域中的網格單元土地質量僅與區域因素和地質災害級別相關，宗地質量與區域因素、地質災害級別和宗地個別因素相關。已知該區域的基準地價為B；地價樣點i的地價為Yi，樣點i所在網格的區域因素綜合分值Qi、地質災害級別Di，以樣點地價代表樣點所在網格地價水平；不含地價樣點的網格N的區域因素綜合分值QN、地質災害級別DN；網格N內宗地a的個別因素為E。現評估宗地a的地價P，則有：

式（1）和式（2）中，f（ ）為基準地價修正法評估宗地地價的修正函數，WQ、WD、WE分別為區域因素、地質災害因素和個別因素修正系數；k（ ）是區域因素、地質災害因素的地價預測函數，殘差ε1與個別因素E相關。通過函數k（ ）可估測不含樣點的網格N的地價X = k（QN，DN）。構建價值剝離方法，測算k（QN，DN）中區域和地質災害因素對X的貢獻差異：由于區域因素在土地價值的形成中占主導作用，而地質災害因素對土地價值的影響呈負相關性，所以先測算區域因素對X的貢獻，函數擬合得到X = hQ（QN）+ ε2，殘差ε2與地質災害因素D相關，則地質災害因素對X的貢獻XD= X - hQ（QN）= k（QN，DN）- hQ（QN），由此區域因素修正系數WQ= ［hQ（QN）- B］ / B，地質災害因素修正系數WD= XD/ B。

在基于基準地價修正的宗地估價實踐中，考慮可操作性和便捷性，可求取同一土地級別內所有相同區域因素綜合分值或相同地質災害級別的網格的WQ、WD的平均值，作為該級別土地不同區域因素綜合分值、不同地質災害級別的修正系數。設蘭州市地價網格大小為50×50m，對各土地級別構建網格地價模型并測算地質災害因素修正系數，得到區域因素預測地價模型、區域和地質災害因素預測地價模型見表1，地質災害因素修正系數如圖4（封二）。表1中的函數擬合R2值表明，區域因素和地質災害因素預測地價模型相比區域因素預測地價模型更優，即模型中引入地質災害因素可解釋更多的地價變異，地質災害因素對蘭州市住宅地價的影響作用較明顯。

表1 不同住宅用地級別的網格地價預測模型Tab.1 Grid land-price forecasting model for different residential land grades

2.3.3 地理加權回歸模型 地理加權回歸模型 GWR是對普通線性回歸全局模型的擴展，將數據的地理位置嵌入到回歸參數之中，利用基于距離加權的局部樣本估計出每個樣本點各自獨立的參數值。GWR模型自提出以來，已廣泛應用于地價空間變異及影響因素分析[10-11]。GWR模型的一般形式為：

式（3）中，（ui，vi）為第i個樣點的地理空間坐標；βk（ui，vi）為第i個樣點上的第k個解釋變量xik的回歸系數；β0（ui，vi）、εi分別為樣點i處的常數項與隨機誤差項。回歸系數βk（ui，vi）的估計為：

式（4）中，X為自變量矩陣，XT為其轉置矩陣；W（ui，vi）為樣點i處的空間權重函數，通常采用Gaussian或bisquare函數。

采用蘭州市經修正得到的基準地價內涵水平住宅樣點地價、定級區域因素綜合分值和地質災害級構建GWR模型，即：

式（5）中，Xiz為空間位置i處的定級多因素綜合分值，xid為位置i處的地質災害級。地質災害級的設定同前文，令“不易發區=0”可將不易發區的地質災害影響回歸結果不計入模型，有利于消除或降低因模擬誤差產生的不易發區內地質災害對地價的影響。為消除量綱差異，按“新數據=（原數據-極小值）/（極大值-極小值）”對模型因變量和自變量進行均一化處理。固定Gaussian核函數與調整bi-square核函數是GWR模型的常用權重函數，其中，固定Gaussian核函數可避免或降低核空間內無樣本數據的回歸風險。研究采用固定Gaussian核函數，最優帶寬的選擇采用Golden section search方法，判斷標準為AICc值最小，最優帶寬計算結果為294 m。參照“網格地價模型”方法，將模型（5）中的地質災害因素移除后，構建定級區域因素綜合分值與住宅地價GWR模型，以對比查驗地質災害因素對地價的貢獻，并測算地質災害因素修正系數。

模型計算結果見表2、表3，可見GWR模型比全局回歸模型的擬合優度有顯著提升，而納入地質災害因素的GWR模型也比未考慮該因素的GWR模型更優；含xd的GWR模型各回歸系數估計結果均顯著；平均值與中值的回歸系數表現接近；最大值與上四分位值的地質災害因素的回歸系數為正，與預計不符，考慮可能因為高地價區域主要集中于城關區的地質災害不易發區，高地價區域的地質災害因素回歸系數雖然為正，但因“不易發區=0”而不計入模型影響；最小值與下四分位值的地質災害因素對地價的負作用高于地價平均值和中值區域，表明低地價區域內的地質災害對地價的負作用更明顯，與現實中地質災害嚴重地區的地價較低的現象相契合。將均一化處理的系數還原，得到模型（5）的地質災害因素回歸系數βd如圖5（封二），基于β0、βz和βd估測的住宅地價如圖6，參照“網格地價模型”法測算的地質災害因素修正系數如圖7（封二）。

表2 全局回歸與地理加權回歸的擬合結果比較Tab.2 Comparison of f tting results of global regression and GWR

表3 住宅地價變化的地理加權回歸模型（含xd）估計Tab.3 The GWR model（including xd）estimation about the residential land price variation

圖6 基于GWR模型的住宅地價估測Fig.6 Estimation of residential land price based on GWR model

3 結果分析

3.1 地質災害對住宅地價的影響

運用GWR模型的回歸系數估測得出的蘭州市住宅地價分布情況（圖6）與圖1對比，可發現兩者空間變化趨勢基本相似，同時圖6的地價變化和聚集狀況與蘭州市住宅用地級別劃分界線也基本吻合，說明GWR模型應用于住宅地價估測在空間分布差異擬合上有較高的可信度，其回歸系數在空間分布上也應具有良好的可信度。觀察GWR模型的地質災害因素回歸系數（圖5，封二），大部分區域為負值，即總體上地質災害隱患強度與地價呈負相關性，圖上西南角小部分地區回歸系數為正，可能與地價樣點分布不均有關。地質災害因素回歸系數越小，地質災害隱患對地價降低的影響越大，蘭州市對地價影響較大的地質災害隱患地區主要集中在城關區黃河以北的大砂溝、上坪、廟灘子地區，城關區南部山前地帶以及伏龍坪、磨溝沿、魚兒溝、爛泥溝和老狼溝附近區域，還有七里河區的晏家坪、華林坪、五星坪與土門墩地帶，以及安寧區的深溝附近區域、西固區南部山前地帶的元托帽溝附近區域。以上分布特征表明，地質災害對地價產生負作用的極值易出現在各類洪道、溝坡地帶，尤其是臨黃河灘涂的出口處，均是泥石流的高發地段，且泥石流的地質災害危險性主要體現在沖擊毀損性上，越臨近洪道、溝坡的出口處，泥石流的沖擊毀損危害性也就越大，地質災害危險因素回歸系數值相應也較小。

地質災害因素修正系數與回歸系數不同，修正系數是同級土地范圍內地質災害對地價變化的影響貢獻與本級土地基準地價的比值，所以地質災害因素修正系數圖4（封二）、圖7（封二）與回歸系數圖5的空間變化趨勢不盡一致。由于地質災害因素對基準地價影響的修正，不僅與地質災害隱患級別相關，還與網格地價模型或GWR模型中區域因素對地價的貢獻以及不同級別基準地價水平差異相關，所以較難從圖4和圖7修正系數的分布差異判斷兩者的合理性，下文將運用蘭州市土地公開市場交易數據進行對比驗算，以評價兩方法的適用性。

3.2 基準地價修正估價驗算

運用基準地價和上文兩種方法編制的地質災害因素、區域因素修正體系，以及同一套個別因素修正體系成果進行驗證樣點價格評估，并將全部驗證樣點的評估價格與實際成交價格進行比對，以此檢驗各方法的合理有效性。由于公開出讓土地的價格是土地市場價值較為客觀的反映，所以依據蘭州市近年土地公開市場交易的實際情況，選取了2011—2014年公開出讓的51宗住宅用地作為驗證樣點，樣點空間分布較合理（圖8），1—6級用地的樣點數分別為2、11、23、10、1和4個，且其中有11塊宗地位于地質災害隱患區域。在驗證過程中，待估宗地基本上都覆蓋了多個50×50 m網格，因而按宗地實際占據的不同網格面積及相應網格修正系數，采用面積加權求和的方法計算待估宗地的區域因素與地質災害因素修正系數（圖8右）。經過全因素修正評估，設定三個檔次將驗算價格與原出讓條件下的宗地成交價格進行對比：（1）上漲幅度超過15%以上的，認定為“上漲”；（2）上漲或下降幅度在15%以內的，認定為“平穩”；（3）下降幅度超過15%以上的，認定為“下降”。結果對比見表4。

圖8 公開出讓住宅用地驗算樣點分布與某宗地的地質災害因素修正系數Fig.8 Spatial distribution of public leasing land sample points and an example of the correction coeff cient of geological hazard factors of a plot

總體來看，驗算結果的價格水平基本符合蘭州市的地價實際情況，90%以上全樣本交易樣點的修正評估價格穩中有升，主要由于近年來蘭州市整體經濟發展水平上漲，基礎設施投入加大、改善明顯，公共配套設施不斷完善。網格地價模型和GWR模型的驗算結果對比可見，地質災害隱患樣本和全樣本驗算統計中，GWR模型“上漲”和“下降”結果比例均比網格地價模型高，網格地價模型驗算結果更為“平穩”，可能原因是網格地價模型修正系數的測算實際是基于不同土地級別范圍的全域回歸模型（Global Regression），從相對宏觀的尺度擬合不同級別的地價變化，圍繞各級土地平均地價，修正系數在空間分布上與各級別土地范圍內的區域因素和地質災害因素分值對應，變幅相對平穩，而GWR模型強調局地范圍內的微觀尺度擬合，加上地價樣點分布不均造成的無樣點或少樣點地區擬合精度降低，導致部分地區修正系數變異較大，因而估價結果的變幅不如網格地價模型平穩。

表4 網格地價模型與GWR模型驗算結果對比Tab.4 Verif cation results comparison between grid land price model and GWR model

4 結論與討論

本文結合蘭州市城鎮基準地價更新工作實踐，研究探討了地質災害對住宅地價的影響，發現地質災害隱患可導致土地價值的降低，但對不同土地級別、城鎮不同空間位置的影響程度存在差異。本文突破傳統以估價人員定性判斷地質災害對地價影響程度及修正幅度的方法，在建立空間網格的基礎上，運用GIS技術與空間計量統計方法測算不同空間位置地質災害對地價的影響，并構建土地價值貢獻剝離法，將地質災害對地價變化的貢獻進行量化，進而與基準地價比較得到不同空間網格的修正系數。該技術強調對影響土地價格的各要素進行空間數字化，由計算機系統進行比對賦值，在評估時提高了影響因素判斷的精確性，降低了地價影響因素修正的人為傾向性，有助于提高地價評估中對土地價格影響因素修正賦值的準確性、客觀性、便捷性和安全性。

本文采用網格地價模型和GWR模型法進行對比，兩模型分別強調研究范圍地價與影響因素宏觀全域和微觀局部的擬合，因地質災害對地價的貢獻和修正是基于區域因素和地質災害因素對地價作用的綜合擬合，所以兩方法得到的地質災害修正系數分布圖不盡一致，其在估價實踐中需與相應的區域因素修正系數相結合。運用公開出讓住宅用地交易宗地進行驗算的結果表明，網格地價模型對地價變幅的整體把握更為穩定，GWR模型法估價精度的改善需提高地價樣點空間分布的均勻性，降低因局地樣點數量不足導致的擬合地價及有關修正系數變異增大。目前多數城市的末級別土地的市場交易實例還較少，GWR模型法應用推廣存在一定局限，同時基準地價作為宏觀價格，主要反映了土地價值決定價格的一般規律，基于基準地價修正的宗地價格評估應從穩定土地市場的角度為公眾提供信息服務并引導社會預期[5]，因此，網格地價模型更適合當前條件下基準地價修正系數的編制。但GWR模型法對揭示地理要素對地價的空間影響機理具有重要價值，值得深入研究。

（References）：

［1］ Murdoch J C, Singh H, Thayer M. The impact of natural hazards on housing values: the Loma Prieta earthquake［J］ . Journal of the American Real Estate and Urban Economics Association, 1993，21（2）：167 - 184.

［2］ 郝文輝，貢長青，王偉，等. 秦皇島市地質災害土地資源易損性評價［J］ . 地質災害與環境保護，2011，22（3）：56 - 60.

［3］ 彭建超，吳群. 國內外城市地價時空演變研究進展［J］ . 資源科學，2008，30（1）：64 - 71.

［4］ 宋佳楠，金曉斌，唐健，等. 中國城市地價水平及變化影響因素分析［J］ . 地理學報，2011，66（8）：1045 - 1054.

［5］ 鄒如，伍育鵬，章文波. 淺析中國基準地價體系的現狀與發展［J］ . 中國土地科學，2012，26（3）：49 - 54.

［6］ 馬金輝，年雁云，蔡迪花，等. 蘭州地區滑坡風險因素及其與區域構造的關系［J］ . 自然災害學報，2006，15（3）：14 - 17.

［7］ 彭建超，吳群，錢暢. 城市地價監測點配置的空間關聯模式［J］ . 資源科學，2011，33（4）：698 - 703.

［8］ 何貞銘，孫鈺，胡小夏. 基于動態格網的基準地價評估模型［J］ . 測繪與空間地理信息，2014，37（2）：12 - 14.

［9］ 徐小任. 基于BP神經網絡的城鎮網格地價評估模型研究［D］ . 南寧：廣西師范學院，2010.

［10］ 曹天邦，黃克龍，李劍波，等. 基于GWR的南京市住宅地價空間分異及演變［J］ . 地理研究，2013，32（12）：2324 - 2333.

［11］ 羅罡輝. 基于GWR模型的城市住宅地價空間結構研究［D］ . 杭州：浙江大學，2007.

（本文責編：陳美景）

Influence of Geological Hazard on the Benchmark Land Price of Urban Residential Land and Its Correction Coefficient Appraisal: A Case Study in Lanzhou City

PENG Jian-chao1, WU Qun1, QIANG Chang2
（1. College of Land Administration, Nanjing Agricultural University, Nanjing 210095, China; 2. Nanjing Information Center of Land Resources, Nanjing 210005, China）

The purpose of this paper is to study the influence of geological hazards on the urban residential land price and the computation of the correction coefficient of geological hazard factors of the urban residential benchmark land price. Research methods include exploratory spatial data analysis(ESDA), grid land price model and geographically weighted regression model(GWR). Results indicate that based on the analysis of land price of 1621 residential plots surveyed in Lanzhou, the geological hazard risk can lead to land value decrease, but such effect varies in different land grades and different spatial locations. The negative effect of geological hazards on land price is easy to be found extremely in all kindsof spillway and gully slope zone. 51 cases of public sale of residential land data of Lanzhou from 2011 to 2014 are used for model verification. Applying the correction coefficient produced by the grid land price model and GWR model respectively in the land price appraisal method of benchmark land price correction in Lanzhou, the verification results are generally in accordance with the actual land price of Lanzhou. Grid land price model shows much more stable performance than GWR. The study is concluded that the spatial quantization of the geological hazards correction coefficient contributes to improving the accuracy, objectivity, convenience and safety of land price evaluation, and compared with the GWR Model, grid land price model is more suitable for calculating the correction coefficients of benchmark land price system at present.

land economy; benchmark land price; geological hazards; correction coefficient; GWR; grid land price model

F301.2

A

1001-8158（2016）09-0073-09

10.11994/zgtdkx.20161024.124546

2016-05-06；

2016-08-20

國家自然科學基金（重點）項目“我國土地資源效率提升能力與系統建設研究——基于轉變經濟發展方式的視角”（ 71233004）；國家自然科學基金青年項目“新型城鎮化進程中農村土地利用與居民地域認知相關性研究”（ 71403129）；教育部人文社會科學研究青年基金項目“發達地區農村土地綜合整治對地域性認同的影響研究”（ 13YJC630117）。

彭建超（1982-），男，湖南常德人，博士，講師。主要研究方向為土地市場與土地利用評價。E-mail: pengjianchao@njau.edu.cn

吳群（1964-），男，江蘇興化人，博士，教授，博士生導師。主要研究方向為土地經濟、地價與不動產管理，E-mail: wuqun@njau.edu.cn