基于國土資源大數據的工業用地績效管理研究

摘 要：為提高土地資源的配置效率、產業布局的合理性以及促進區域經濟的健康發展，本文基于國土資源大數據，重點研究了工業用地績效管理指標的評價方法。通過國土資源大數據平臺，從工業用地前期投入、期望產出及非期望產出3個方面構建了涵蓋15個指標的工業用地績效評價體系。研究以東南沿海某縣級市為對象，通過實地調查和數據收集，運用層次分析法（AHP）確定各指標的權重，引入云模型處理不確定性問題，使定性概念與定量描述之間進行轉換。結果表明，研究區工業用地前期投入及非期望產出方面控制效果較好，但期望產出方面效率較低。本文基于PDCA模式的工業用地績效管理改進策略，驗證模型評價的有效性。

關鍵詞：國土資源；大數據；工業用地；績效管理

中圖分類號：F 30 " 文獻標志碼：A

隨著我國經濟的快速發展及城市化進程的加速，城市工業用地規模需求不斷增加，土地資源的合理利用和有效管理成為推動土地資源可持續發展的重要議題[1]。工業用地面積通常占城市用地面積的15%～30%，其是城市發展的物質基礎，工業用地績效管理直接關系到城市土地資源的配置效率、產業布局的合理性以及區域經濟的健康發展。然而，傳統的工業用地績效管理往往利用有限的統計數據和經驗判斷，難以全面、準確地評估土地利用效益，也難以實現動態監管和科學決策[2]。

隨著信息技術的飛速發展，尤其是大數據、人工智能技術的發展，為工業用地績效管理提供了新的機遇。土地利用現狀、土地權屬、土地市場交易、環境監測等國土資源大數據，為深入分析和評估工業用地績效提供了豐富的信息資源。通過國土資源大數據的挖掘與統計，可以更準確地識別工業用地利用中的問題，預測土地市場的發展趨勢，評估政策措施的實施效果，從而為政策制定者提供科學依據，促進土地資源的高效利用[3]。

1 工業用地績效評價方法

1.1 工業用地績效的指標體系構建

國土資源大數據平臺利用大數據，對工業用地信息、用地企業數據、城市土地資源管理、城市規劃地圖等大量實時信息進行采集與整理，形成“一張圖”平臺的工業用地績效管理系統[4]。國土資源大數據系統的框架采用分層設計的思路，對與工業用地績效相關的經濟、社會、環境等多方面的內容進行定量評價，體現工業用地真實的綜合績效。國土資源大數據系統在使用及維護過程中，需要重點關注土地資源的前期投入、期望產出及非期望產出情況，并根據實際情況進行綜合判別及維護。根據全國主要城市國土資源績效管理系統、文獻研究、現狀調查基礎上形成的初步評價體系選取工業用地評價體系中的指標，采用Delphi專家函詢[5]的方式對初步評價體系進行提煉與歸納，最終完成工業用地績效管理指標體系構建，如圖1所示。

1.2 基于AHP法的績效因素權重確定

層次分析法（簡稱AHP法）是主要用于處理資源分配、項目評估、策略分析等領域的方法，具有直觀、靈活及易于操作的特點[6]。AHP法通過建立多層次的分析模型，將復雜的決策問題逐步簡化，形成多層次的決策結構。通過一定的方法或特定的標準對同一層次內的指標進行比較，獲得各個指標的重要性。

構造判斷矩陣：依次比較各個指標間的重要性，并將重要性比較結果以矩陣的形式表現出來，如公式（1）所示。

O=[aij]n×n " " " " " " " " " " " " " " " " "（1）

式中：O為準則層或方案層指標的判斷矩陣；aij為指標間的相對重要性比較結果；n為指標數量。

層次單排序：用公式（2）對判斷矩陣中的相對重要性比較結果aij進行標準化處理，用公式（3）、公式（4）構建各指標標準化矩陣的特征向量及各因素權重。

（2）

（3）

（4）

式中：a'ij為aij的標準化結果；為各指標的特征向量；wi為各指標的權重值。

一致性檢驗：由于層次分析法的判斷矩陣構建過程具有主觀性，因此為了保證判斷矩陣中的比較結果在邏輯上的一致性，須引入平均隨機一致性指標RI，對各指標的重要性比較結果進行一致性檢驗。如公式（5）所示。

（5）

式中：CR為判斷矩陣的隨機一致性比例；λmax為判斷矩陣的最大特征根；n為矩陣階數；RI為平均隨機一致性指標，3階矩陣的RI取0.58，4階矩陣的RI取0.90。當CR小于0.1時，判斷矩陣通過一致性檢驗，否則需要重新構建判斷矩陣，直至CR小于0.1為止。

指標層次排序：計算每個層次中指標的權重值，相乘得到方案層指標相對于目標層的綜合權重值。

1.3 基于云模型的工業用地績效評價模型

云模型的概念是將事件發生的可能性看做“云團”，每種可能性看做“云滴”，“云團”由無數個“云滴”組成，從而構成云，“云滴”分布具有不確定性、分散性的特點，因此常用云模型處理現實中不確定性的數學問題。云模型主要包括3個主要數字特征，即期望（Ex）、熵（En）及超熵（He），分別表示“云滴”的空間分布、“云團”的空間大小及“云團”不確定性。可以用公式（6）計算云模型的主要數字特征。

（6）

式中：n為指標數量；xi為指標i的評價結果；為指標i評價結果的均值；Exi為指標i的期望；Eni為指標i的熵；Hei為指標i的超熵。

結合層次分析法計算各影響因素權重值wi，用公式（7）～公式（9）計算工業用地績效管理指標體系的綜合云數字特征。

（7）

（8）

（9）

2 工業用地績效管理的探索

2.1 研究對象基本概況

研究區位于東南沿海的省轄縣級市，屬于長江三角洲經濟區，轄區總面積為1789km2，下轄4個街道，11個鄉鎮，戶籍人口為58.3萬人，常住人口為69.41萬人，戶籍人口中城鎮人口為42.5萬人。研究區屬于全國百強縣，交通便捷，多條高速公路在此交匯，具備顯著的區位優勢。2023年，區域內的生產總值為752.36億元，同比增長7.52%，三次產業占比分別為3.54%、51.36%及45.10%。城鄉居民人均可支配收入分別達到74525元及42514元，收入差距不斷縮小。區域內680家規上工業企業實現總產值為625.11億元，同比增長9.65%，具備顯著的經濟實力。

2023年，研究區域內各類土地利用占比情況：建設用地占比為24.56%，農用地占比為55.62%，為利用土地面積占比的19.82%。隨著城市經濟的發展，研究區扣除生態紅線區域面積后，可用于工業建設及城市擴展的空間十分有限，隨著外來人口的增加及工業發展的需求，建設用地需求也不斷增加，土地資源與經濟發展間的矛盾阻礙當地的經濟發展。同時，根據調查結果，研究區內的土地開發強度僅為10.25%，低于全省的平均值12.54%，說明具備較大的發展潛力及提升空間，因此亟須提高工業用地績效產出水平。

2.2 工業用地績效分析

2.2.1 工業用地績效評價指標權重確定

目標層的3個指標不是相互獨立的，不具備可比性，因此在方案層指標權重計算前，假設目標層的3個指標的權重均為1/3。研究邀請5位國土資源管理方面的專家，根據圖1，采用1～5標度法對方案層各指標進行兩兩重要性比較，用公式（2）～公式（5）計算各指標權重并進行一致性檢驗，將結果做成判斷矩陣，如圖2所示。

2.2.2 工業用地績效評評價

將工業用地績效評價分為4個等級，由高到低分別為較好、中等、一般及較差，采用0～10分制定義工業用地績效評語集，根據公式（6）計算評語集的期望Ex，熵En及超熵He，結果見表1。

在評語集的基礎上，對研究區域工業用地績效管理情況進行調查，采用0～10分制對影響工業用地績效管理評價的指標進行賦分，取平均值，用公式（6）確定各指標的云模型參數，用公式（7）～公式（9）確定工業用地績效管理指標體系的綜合云數字特征，結果見表2。

由表3可知，在研究區工業用地績效管理指標體系中，前期投入B1的評價等級為II級，績效評價為中等；期望產出B2的評價等級為IV級，績效評價為較差；非期望產出B3的評價等級為II級，績效評價為中等。

3 基于PDCA模式的改進策略

根據云模型評價結果，研究區域在工業區環境治理、生態環境保護、地均能耗控制及社會環境風險控制方面也取得了較好的結果，但在提高地均就業人數、納稅收入、社會資本增加及科技創新方面效果較差，這些因素是提高當地工業用地績效管理的關鍵指標，因此本文提出基于PDCA模式的改進策略。PDCA模式又稱為戴明環模式，是一種用于持續改進和解決問題的循環方法，主要由4個階段組成：計劃（Plan）、執行（Do）、檢查（Check）和行動（Act），工業用地績效管理策略的PDCA循環如圖3所示。

在2024年，研究區采用PDCA模式的工業用地績效管理策略，在就業人口、納稅收入、社會資本及科技創新方面取得了一定的效果；2024年的上半年，新增就業人口8500余人，納稅收入增幅約為4.67%，社會資本增幅為2.96%，企業在搭建產學研合作平臺，促進高校、科研機構與企業之間的合作積極性，努力推動科技成果轉化。

4 結論

國土資源大數據包括工業用地的土地利用現狀、土地權屬、土地市場交易和環境監測等多維度數據，可以為績效評價提供全面的數據基礎。本研究對大量細粒度數據進行挖掘與分析，建立3個維度15個具體指標的工業用地績效管理評價體系，充分利用AHP在處理層次結構問題上的優勢和云模型在處理不確定性信息上的特點，對東南沿海某縣級市的工業用地績效管理進行綜合評價，根據評價結果實施改進策略后，取得了較好的改進成果。本文的研究可以為工業用地績效管理提供新的視角和方法，對促進土地資源的合理利用和有效管理提供了重要的理論和實踐意義。

參考文獻

[1]黃曉娜，田啟霞，劉守剛，等.基于GIS與多因素綜合評價法的新發展階段下開發區集約節約用地評價及潛力測算—以濰坊市濰城區為例[J].山東國土資源，2024，40（4）：66-72.

[2]公云龍，楊俊，戴培超.產業集聚導向的承接產業轉移區工業用地績效評價研究[J].土地經濟研究，2023（2）：116-134.

[3]鐘珊.基于績效評估的珠海低效工業用地識別與再開發研究[J].城市建筑空間，2023，30（6）：116-118.

[4]石立.低效工業用地評價指標體系構建及應對策略研究[D].南寧：廣西大學，2023.

[5]劉奇.基于Delphi的農用地承包經營權流轉估價系統的研制[D].雅安：四川農業大學，2012.

[6]崔斌凱.基于熵值法和層次分析法的平涼市生態敏感性與恢復力分析[D].蘭州：蘭州大學，2023.