第30 卷第4期农业工程学报Vol.30 No.4 2014 年2月Transactions of the Chinese Society of Agricultural Engineering Feb. 2014 1 基于 Logistic 模型的中国城镇化演进对耕地 影响前景预测及分析 张乐勤 1 ,陈发奎 2 (1. 池州学院资源环境与旅游系,池州 247000;2. 池州学院经济贸易系,池州 247000) 摘要:为揭示中国城镇化演进对耕地影响,该文基于 Logistic 模型对此进行了探索.运用 SPSS 软件及 1978- 2011 年中国城镇化水平数据,采用曲线回归的拟合优度最大估算方法,对中国城镇化水平饱和值进行了估算,并 构建了刻画中国城镇化演进的 Logistic 模型,据此模型对中国城镇化未来发展水平进行了预测;运用 STRIPAT (stochastic impacts by regression on population, affluence and technology)模型及 1996-2011 年中国经济社会发展 相关数据,借助 SPSS 软件,采用偏最小二乘回归方法,揭示了城镇化进程及人口、经济发展水平、技术因素对 耕地变化的边际贡献;依据中国未来城镇化演进趋势及城镇化对耕地边际影响,测算了中国未来城镇化演进对耕 地影响, 结果表明: 中国城镇化水平饱和值为 83%; 2020 年、 2030 年中国城镇化水平将分别达到 57.68%、 65.73%, 2020 年前,城镇化年平均增速为 0.97 个百分点,2020-2030 年,年平均增速为 0.81 个百分点;城镇化对耕地变 化的边际弹性系数为?0.007391,人口、经济发展水平、技术因素对耕地变化的边际弹性系数分别为?0.007133、 ?0.009343、?0.002952;2012-2020 年,城镇化演进将导致耕地面积净减少 13.81 万hm2 ,年均减少 1.53 万hm2 , 2020-2030 年,净减少 10.87 万hm2 ,年均减少 1.09 万hm2 .基于研究结果,适度把握城镇化发展速度,注重城 镇化发展质量;科学编制分年度土地供应计划,采取差别化土地供应策略;摒弃土地财政错误理念,严格执行国 家耕地保护的各项政策,严控房地产及低水平或重复生产项目用地;严肃查处土地利用违规行为,强化土地监管 等方面提出了政策建议.研究结果可为管理层把握城镇化适度发展速度、节奏,科学编制土地供应计划及制定耕 地保护政策提供参考,也可为省域尺度的同类研究提供方法借鉴. 关键词:土地利用;预测;数学模型;城镇化;耕地;Logistic 模型;中国 doi:10.3969/j.issn.1002-6819.2014.04.001 中图分类号:F301;F299.21 文献标志码:A 文章编号:1002-6819(2014)-04-0001-11 张乐勤,陈发奎. 基于 Logistic 模型的中国城镇化演进对耕地影响前景预测及分析[J]. 农业工程学报,2014, 30(4):1-11. Zhang Leqin, Chen Fakui. Analysis and forecast on prospect about influence of urbanization gradual progress on cultivated land in China based on Logistic model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(4): 1-11. (in Chinese with English abstract) 0 引言城镇化是经济社会发展必然趋势,城镇化进程 意味着有更多农村人口向城镇转移,增加的城市人 口对城镇住房、公共设施和环境等一系列的需求也 相应增加[1] ,由此必然引起城市建设用地增加,耕 地面积减少.改革开放来,中国城镇化持续发展, 特别是 1996 年以来,城镇化已进入加速发展新阶 段[2] ,十八大报告提出,中国要继续推进城镇化进 程,城镇化快速演对耕地影响前景如何,关系耕地 保护红线目标实现与粮食安全,探索快速城镇化背 收稿日期:2013-08-16 修订时期:2014-01-20 基金项目:安徽省教育厅 2014 年高校省级自然科学研究重点项目;教 育部人文社科项目(13YJA790003) 作者简介:张乐勤(1965-) ,男,安徽省宿松县人,教授,研究方向 为资源生态与可持续发展. 池州 池州学院资源环境与旅游系, 247000. Email:zhangleqing@sohu.com 景下耕地变化规律,对于管理层制定协调"城镇化 演进"与"耕地保护"的政策具有重要意义. 针对城镇化进程与耕地变化间关系,吴群和郭 贯成[3] 对江苏省城市化水平与耕地面积间关系进行 了研究,结果显示,耕地面积和城市化呈线性负相 关关系;朱莉芬和黄季焜[4] 利用土地利用遥感数据 和社会经济统计数据,对中国东部 14 省城镇化对 耕地的影响进行过实证分析,结果表明,城镇化是 影响耕地变化的重要因素,两者存在显著负向关 系;史常亮[5] 运用湖南省 1997-2007 年的耕地面 积数据,得出湖南省耕地数量随城市化水平的提 高,且呈类似库兹涅茨曲线的倒"U"型变化的结 论;高魏等[6] 基于 1980-2003 年的时间序列数据, 利用计量分析方法,对湖北省城市化与农地非农流 转之间的长期动态关系展开过研究,结果表明,城 市化对湖北省农地城市流转的弹性系数为?5.42; 黄 ·结合研究·关键技术· 农业工程学报 2014 年2忠华等[7] 运用中国 1978-2007 年中国城镇化与耕 地面积时序数据,对城镇化与耕地间动态关系进行 了探索,结果表明,耕地面积与城镇化存在长期均 衡关系,城镇化每增加 1 个百分点,耕地面积减少 0.05 个百分点.上述研究,学者们多采用数理或计 量经济分析方法,从定量视角揭示了城镇化进程对 耕地变化的影响,均属回顾性研究,而针对中国城 镇化演进对耕地影响前景未见报道,鉴于此,本研 究拟基于 Logistic 模型对中国城镇化发展趋势进行 预测,运用 STRIPAT(stochastic impacts by regression on population, affluence and technology) 模型考察城 镇化演进对耕地变化的边际影响,依据城镇化发展 趋势及城镇化对耕地影响规律,探索城镇化演进对 耕地影响前景,以期为管理层编制城镇化发展规划 及制定协调城镇化进程与保护耕地的规制政策提 供参考,为省域尺度的同类研究提供借鉴. 1 研究方法与数据来源 1.1 研究方法 1.1.1 城镇化演进趋势预测 城镇化演进意味着农村人口向城镇人口转变 的过程,依据 Northam[8] 理论,城镇化演进呈"S" 型曲线增长规律,契合 Logistic 发展过程.多位学 者运用 Logistic 模型对人口增长[9-10] 、城镇化发展 趋势[11-16] 进行过预测.Logistic 增长模型源于描述 生物种群增长规律[17] ,由于其有缜密的数学演绎与 推导,且在刻画城镇化演进规律中考虑了资源环境 对人口的阻滞作用[9] ,具有预测方法科学,预测结 果误差小的特点.Logistic 增长模型描述城镇化演 进的表达式为[17] : d (1 ) d t t t U U b U t K 1) 式中:Ut 表示 t 年城镇化水平;K 为城镇化水平饱 和值,00;对式(1) 进行变形,可得: 1 1 ( ) d d t t t U b t U K U + ? = ? ? (2) 对式(2)两侧积分,可得: 1 2 ln t t U C b t C K U + = ? + ? (3) 式中:C1、C2 为积分常数. 对式(3)进行简化即城镇化水平U 关于时间 变量 t 的Logistic 增长模型的表达式: 1 t a b t K U e ? ? = + (4) 式中:a=C1?C2. 为了便于采用回归方法确定模型参数, 对式 (4) 进行变形,令a=lnK·c,b=?lnd,则: ln 1 t d t K U K c e ? = + ? ? (5) 式中:c 表示模型回归常数;d 表示回归系数;K 为 城镇化水平饱和值,K 值大小影响参数 c、d,K 值 估算方法有 3 种,1)借助 Matlab 软件,采用插值 拟合与数值微分方法进行参数估算[15] ;2)基于最 小二乘算法和多元回归分析的自回归估算方法[18] ; 3)借助 SPSS 软件中曲线拟合,通过比较拟合优度 的拟合优度最大估算法[19] 等.第3种方法是通过比 较误差来确定最佳拟合模型,具有科学、严谨特点 且被学术界普遍认同[19-21] ,因此,本文采用此方法 估算城镇化水平饱和值. 以城镇化水平时序数据作因变量,时间作自变 量,采用 SPSS 软件的 Logistic 曲线回归分析方法, 以城镇化水平饱和值作为 Logistic 曲线估计上限, 获取参数 c、d,进而构建城镇化演进的 Logistic 增 长模型,依据该模型对城镇化演进趋势进行预测. 1.1.2 城镇化对耕地变化影响测度 1)耕地变化驱动因子 影响耕地变化因素错综复杂,归纳起来主要有 自然生物、社会经济、制度及技术因素[22-24] ,其中, 自然因素包括气象、地貌、植物演替等,社会经济因 素包括人口、经济增长、城镇化进、技术进步、经济 结构等,自然因素相对稳定,短期内不直接引起耕地 变化,社会经济因素相对活跃,在一定时期内对耕地 产生直接影响, 为耕地变化主要驱动因素[24-25] . 已有 研究表明[7, 26-31] ,人口、经济增长、城镇化水平为 主要驱动因子, 借鉴前人研究成果, 本研究从人口、 经济增长、城镇化水平、技术进步 4 方面考察城镇 化对耕地变化影响. 2)STRIPAT 模型构建 York 等[32] 在经典 IPAT 等式(environmental impact=population * affluence * technology)基础上 提出了人口、富裕度和技术随机影响的 STRIPAT ( stochastic impacts by regression on population, affluence and technology) 模型. STRIPAT 模型是定 量分析人文因素对环境压力影响的一种有效方法 [33] ,在考察人文因素对环境压力影响方面具有独特 优势,已在资源环境领域得到广泛应用[33-39] ,其表 达式为[39] : I kP A T e α β γ = (6) 式中:I、P、A、T 分别表示环境压力、人口数量、 富裕度和技术;k 是模型的系数;α、β、γ 分别为人 口数量、富裕度、技术对环境压力的弹性系数;e 为模型误差. 第4期张乐勤等:基于 Logistic 模型的中国城镇化演进对耕地影响前景预测及分析 3 借鉴 STRIPAT 模型,构建社会经济因素对耕 地影响的 STRIPAT 扩展模型,表达式为: S kP A U T α β λ γ ε = (7) 式中:S、U 分别表示耕地面积、城镇化水平;λ 为 城镇化水平对耕地变化的弹性系数;ε 为模型随机 扰动项,表示影响耕地变化的其他因素(如自然因 素、政策因素等). 为了通过回归分析确定参数,对式(7)两边 取对数,得: ln ln ln ln ln S f P A U T g α β λ γ ? + ? + (8) 式中:f=lnk,g=lnε,模型系数 α、β、λ、γ 表示当 P、 A、U、T 变化 1%时,分别引起 S 的α、β、λ、γ 的 百分比. 3)城镇化对耕地变化影响定量测度 借助数理统计分析的 SPSS17.0 软件,采用偏 最小二乘回归方法进行研究.1)对研究时序数据 进行对数化处理;2)对解释变量(人口数量、富 裕度、城镇化水平、技术因素)与被解释变量(耕 地面积)进行偏相关分析,以判别其关联度;3) 为了消除解释变量间共线性,采用主成分分析法, 对解释变量进行分析与筛选,提取对解释变量解释 最强的综合变量,构建综合变量与解释变量间线性 关系式;4)对综合变量与被解释变量进行最小二 乘回归,得到被解释变量与综合变量线性关系式; 5)将综合变量与解释变量间的关系式代入综合变 量与被解释变量关系式,得到被解释变量与解释变 量关系式,关系式系数即为弹性系数,表示解释变 量对被解释变量的边际贡献,据此,可定量测度解 释变量变化量引起被解释变量的变化量. 1.1.3 城镇化演进对耕地影响前景预测 依据城镇化发展趋势及城镇化进程对耕地边际 影响,测算中国未来城镇化演进对耕地影响的前景. 1.2 数据来源 本文的研究变量为耕地、人口、富裕度、技术 因素、城镇化,所涉及到的数据包括耕地面积、人 口数、人均 GDP、技术因素及城市化水平. 1)耕地面积.中国快速城镇化始于 1996 年[2] , 同时,考虑到 1996 年前后耕地统计数据差异较大 的境况,本研究以 1996-2011 年作为研究时序, 考察中国城镇化进程对耕地变化影响.耕地面积数 据来源于中国国土资源公报及全面土地变更调查 数据(见表 1). 2)富裕度.以人均 GDP 表征,将1996-2011 各年人均 GDP 按2011 年价格折算,数据来源于中 国统计年鉴 2012(见表 1). 表1中国 1996-2011 年耕地面积及经济发展数据 Table 1 Data of cultivated land area and economic development from1996 to 2011 in China 年份 Year 耕地面积 Cultivated area/104 hm2 GDP 总量 Total GDP/100 million Yuan 人均 GDP Per capita GDP/Yuan 第三产业产值 Tertiary industry output/100 million Yuan 第三产业产值占 GDP 比例 Proportion of tertiary industry in GDP/% 1996 13 003.92 71 176.6 5 846 23 326.2 32.77 1997 12 990.31 78 973 6 420 26 988.1 34.17 1998 12 964.21 84 402.3 6 796 30 580.5 36.23 1999 12 920.55 89 677.1 7 159 33 873.4 37.77 2000 12 824.31 99 214.6 7 858 38 714 39.02 2001 12 761.28 109 655.2 8 622 44 361.6 40.46 2002 12 592.69 120 332.7 9 398 49 898.9 41.47 2003 12 339.22 135 822.8 10 542 56 004.7 41.23 2004 12 244.43 159 878.3 12 336 64 561.3 40.38 2005 12 208.27 184 937.4 14 185 74 919.3 40.51 2006 12 177.59 216 314.4 16 500 88 554.9 40.94 2007 12 173.33 265 810.3 20 169 111 351.9 41.89 2008 12 171.61 314 045.4 23 708 13 1340 41.82 2009 12 169.53 340 902.8 25 608 148 038 43.43 2010 12 168.33 401 512.8 30 015 173 596 43.24 2011 12 165.07 472 881.6 35 181 204 982.5 43.35 3)技术因素.以第三产业产值占国内生产总 值表征,主要基于以下考虑:首先,科技进步与产 业结构优化关联密切,产业结构优化可以改变经济 发展对建设用地需求压力,以制造业为基础的经济 农业工程学报 2014 年4发展模式相对于以服务业为基础的经济发展模式 可能更依赖于建设用地的投入[35] ,第三产业比例越 高,越有利于企业之间、企业与科研院所之间知识 溢出,进而会提高技术进步水平[40] ,为此,第三产 业比例变化在一定程度上可以反映耕地利用集约 度的变化[35] ;其次,王琳等[35] 在考察苏州市耕地面 积变化时,以第三产业产值占地区生产总值表征过 技术因素,得到了学术界普遍认同.1996-2011 年 各年第三产业产值、 GDP 总量按 2011 年价格折算, 数据来源于中国统计年鉴(2012)(见表 1). 4)人口.1996-2011 年人口数来源于中国统 计年鉴(2012)(见表 2). 5)城镇化水平.城市化涉及到人口、土地、 经济、社会等多个方面,学术界度量城镇化水平可 分为单一指标法、综合指标法 2 种[17] ,单一指标度 量方法,由于数据易取,计算简洁,且在众多文献 中得到了广泛使用[17] ,为此,本文使用单一指标法 度量来测度城市化水平,文中城镇化水平以年末居 住在城镇范围内常住人口占总人口比例来表征.同时,为了客观、精准考察城镇化演进规律,选取中 国1978-2011 年城镇化水平数据进行拟合,数据 来源于中国统计年鉴(2012)(见表 2). 表2中国 1978-2011 年城镇化水平 Table 2 Urbanization level of China from1978 to 2011 年份 Year 城镇化水平 Urbanization level/% 年末总人口 Total popilation at year-end/104 person 年份 Year 城镇化水平 Urbanization level/% 年末总人口 Total popilation at year-end/104 person 1978 17.92 96 259 1995 29.04 121 121 1979 18.96 97 542 1996 30.48 122 389 1980 19.39 98 705 1997 31.91 123 626 1981 20.16 10 0075 1998 33.35 124 761 1982 21.13 101 654 1999 34.78 125 786 1983 21.62 103 008 2000 36.22 126 743 1984 23.01 104 357 2001 37.66 127 627 1985 23.71 105 851 2002 39.09 128 453 1986 24.52 107 507 2003 40.53 129 227 1987 25.32 109 300 2004 41.76 129 988 1988 25.81 111 026 2005 42.99 130 756 1989 26.21 112 704 2006 44.34 131 448 1990 26.41 114 333 2007 45.89 132 129 1991 26.94 115 823 2008 46.99 132 802 1992 27.46 117 171 2009 48.34 133 450 1993 27.99 118 517 2010 49.95 134 091 1994 28.51 119 850 2011 51.27 134 735 2 结果与分析 2.1 中国城镇化进程与耕地面积变化趋势 图1为中国 1996-2011 年城镇化进程与耕地 面积动态变化图.由图 1 可知,中国城镇化水平由 1996 年的 30.48%提升至 2011 年的 51.27%, 年平均 增长 1.38 个百分点,其中,1995-2007 年,年均 增长 1.40 个百分点, 明显快于同期世界城镇化发展 速度(1995-2007 年,世界平均年上升 0.39 个百 分点[41] ).快速城镇化背景下,建设用地面积扩展 特征明显, 导致了耕地面积由 1996 年的 1.30 亿hm2 降至 2011 年的 1.22 亿hm2 , 年均减少 55.92 万hm2 . 图1中国 1996-2011 年城镇化进程与耕地动态变化 Fig.1 China urbanization gradual progress and cultivated land change from 1996 to 2011 进一步分析图 1 可知,1996-2005 年,耕地下 降速度较快, 平均每年减少 88.4 万hm2 , 2005-2011 年,耕地下降速度趋缓,平均每年减少 7.2 万hm2 , 究其原因,1996-2005 年,城市规模扩张及与此相 应的城镇建设普遍启动,且城镇土地利用粗放,由 此导致了耕地的锐减,2006 年以来,国家制定了全 国土地利用总体规划纲要(2006-2020 年),划定 了耕地保护红线目标,强化了土地利用规划计划管 控、耕地保护责任制、推进农村土地整治等措施, 致使耕地下降趋势得到有效遏制,耕地下降速度明 显趋缓. 2.2 城镇化演进的 Logistic 模型估算及趋势预测 1)城镇化水平饱和值估计 以中国 1978-2011 年城镇化水平时序数据作 因变量,时间t 作自变量(设1978 年为 1),将其 输入 SPSS17.0 软件中,选择曲线回归分析方法, 对饱和值进行不同赋值,结果显示,当城镇化水平 上限设为 83%时, 得到拟合优度最大 (R2 为0.979) , 且模型通过显著性检验(F=1487.33,Sig<0.01), 由此表明,83%为中国城镇化水平 Logistic 曲线理 论饱和值. 2)城镇化演进的 Logistic 模型估算 以83%作为中国城镇化水平 Logistic 模型上 限,借助 SPSS17.0 分析软件,进行曲线回归,回 归所得拟合图如图 2,回归系数为 0.950,常数项为 0.048,且均能通过显著性检验,将其代入式(5)可得1978-2011 年中国城镇化演进的 Logistic 模型: ln0.95 83 1 3.984 t t U e = + R2 =0.979 (9) 第4期张乐勤等:基于 Logistic 模型的中国城镇化演进对耕地影响前景预测及分析 5 图2中国 1978-2011 年城镇化水平 Logistic 曲线拟合图 Fig.2 Logistic curve fitting chart about China urbanization level from 1978 to 2011 3)城镇化发展趋势预测 依据式(9),将时间 t 分别设为 35~53,可 对中国 2012-2030 年城镇化水平进行预测,结果 如表 3. 分析表 3 可知,Logistic 模型拟合的中国 1978 -2011 年城镇化水平值与观测值的年平均误差率 为0.50%,表明模型拟合效果较好.由表 4 可知, 2020 年、 2030 年中国城镇化水平将分别达 57.68%、 65.73%,2020 年前,城镇化年平均增速为 0.97 个 百分点,2020-2030 年,年平均增速为 0.81 个百 分点,由此表明,中国城镇化在 2020 年前将保持 较快发展速度,2020-2030 年,城镇化的演进速度 将放缓,契合 Logistic 增长轨迹. 表3中国城镇化水平前景预测 Table 3 Forecast on prospect of China urbanization level 年份 Year 时间 t Time/a 拟合值 Fitted value/% 观测值 Observed value/% 年份 Year 时间 t Time/a 拟合值 Fitted value/% 观测值 Observed value/% 1978 1 17.35 17.92 2005 28 42.62 42.99 1979 2 18.06 18.96 2006 29 43.68 44.34 1980 3 18.80 19.39 2007 30 44.74 45.89 1981 4 19.55 20.16 2008 31 45.80 46.99 1982 5 20.33 21.13 2009 32 46.85 48.34 1983 6 21.13 21.62 2010 33 47.89 49.95 1984 7 21.95 23.01 2011 34 48.92 51.27 1985 8 22.78 23.71 2012 35 49.95 — 1986 9 23.64 24.52 2013 36 50.96 — 1987 10 24.52 25.32 2014 37 51.97 — 1988 11 25.41 25.81 2015 38 52.96 — 1989 12 26.33 26.21 2016 39 53.93 — 1990 13 27.26 26.41 2017 40 54.89 — 1991 14 28.20 26.94 2018 41 55.84 — 1992 15 29.17 27.46 2019 42 56.77 — 1993 16 30.14 27.99 2020 43 57.68 — 1994 17 31.14 28.51 2021 44 58.57 — 1995 18 32.14 29.03 2022 45 59.45 — 1996 19 33.16 30.48 2023 46 60.30 — 1997 20 34.18 31.91 2024 47 61.14 — 1998 21 35.22 33.35 2025 48 61.96 — 1999 22 36.26 34.78 2026 49 62.75 — 2000 23 37.31 36.22 2027 50 63.53 — 2001 24 38.37 37.66 2028 51 64.28 — 2002 25 39.43 39.09 2029 52 65.01 — 2003 26 40.49 40.53 2030 53 65.73 — 2004 27 41.55 41.76 农业工程学报 2014 年62.3 城镇化演进对耕地变化影响 2.3.1 变量间偏相关分析 将耕地面积 S 、人口 P 、富裕度 A 、城镇化水 平U 、技术因素T 的时间序列数据输入 SPSS17.0 软件进行偏相关分析,结果表明:人口、富裕度、 城镇化水平、技术因素与耕地面积的偏相关系数分 别为?0.947、 ?0.791、 ?0.937、 ?0.858, 且显著性 (双侧)检验概率在 1%以下,由此可知,人口、富裕 度、城镇化水平、技术因素与耕地面积间具有高度 相关性,均可作为耕地变化影响因子. 2.3.2 耕地变化影响因子的主成分分析 将影响耕地变化的人口、富裕度(以人均 GDP 表征)、城镇化水平、技术因素(以第三产业所占 GDP 比例表征)时间序列数据取自然对数后输入 SPSS17.0 软件中,进行主成分分析,所得解释总方 差如表 4. 表4主成分分析解释总方差 Table 4 Principal component analysis of total variance explained 初始特征值 Initial eigenvalue 提取平方和载入 Square extraction and load 旋转平方和载入 Square rotation and load 成分 Component 合计 Sum 解释方差 Explained variance/% 累积 Accumulation/% 合计 Sum 解释方差 Explained variance/% 累积 Accumulation/% 合计 Sum 解释方差 Explained variance/% 累积 Accumulation/% 1 3.812 95.300 95.300 3.812 95.300 95.300 2.222 55.539 55.539 2 0.180 4.506 99.806 0.180 4.506 99.806 1.771 44.267 99.806 3 0.008 0.189 99.995 4 0 0.005 100.000 由表 4 可知,原变量经主成分分析后,可提取 2 个主成分(即综合变量),2 个综合变量可解释 原变量的 99.806%,以FAC1、FAC2 表示,依据 主成分分析得分系数,可得综合变量与原变量间 的关系: FAC1=0.281lnP+1.123lnA+0.371lnU?1.048lnT(10) FAC2=0.077lnP?0.89lnA?0.025lnU+1.56lnT (11) 2.3.3 综合变量与耕地变化间最小二乘分析 以取自然对数后耕地变化的时序数据作为被 解释变量(以lnS 表示),FAC1、FAC2 时序数据为 解释变量,将其输入 SPSS17.0 软件中进行最小二 乘分析,回归结果如表 5. 表5模型回归结果 Table 5 Model regression results 模型检验 模型系数 R2 0.877 未标准化系数 Unstandardized coefficient 标准误差 Standard error t P 值F46.207 常数 Constants 9.432 0.003 3534.336 <0.01 P 值<0.01 FAC1 -0.021 0.003 -7.608 <0.01 FAC2 -0.016 0.003 -5.877 <0.01 由表 5 可知,模型 R2 =0.877,F=46.207,t 检 验的 P<0.01,说明模型拟合非常好.表5模型回 归系数显著性检验的 P 值均小于 0.01,表明均能 通过显著性检验, 由此可得综合变量与耕地变化方 程式: lnS=9.432?0.021FAC1?0.016FAC2 (12) 其回归系数对应的 t 统计值分别为 3534.336、 ?7.608、?5.877.将式(10)、式(11)代入式(12) 可得: lnS=9.432?0.007133lnP?0.009343lnA? 0.007391lnU?0.002952lnT (13) 将式(13)转换可得耕地变化影响的 STRIPAT 模型: 0.007133 0.009343 0.007391 0.002952 12481.46471 S P A U T ε ? ? ? ? = (14) 由式(14)可知:人口、富裕度、城镇化水平、 技术因素对耕地变化影响的弹性系数分别为?0.007133、?0.009343、?0.007391、?0.002952,表 示人口、 富裕度、 城镇化水平、 技术因素每增加 1% 时,耕地面积将分别减少 0.007133%、0.009343%、 0.007391%、0.002952%,由此表明,导致中国耕地 面积减少的首位因素为经济增长,其次为城镇化发 展,再次为人口因素,最后为技术因素. 2.4 城镇化发展对耕地影响前景预测 依据表 3 中城镇化水平预测值及式(14)中城 镇化对耕地边际贡献率,预测城镇化演进对耕地影 响,结果如表 6. 由表 6 可知,2012-2020 年,城镇化演进将导 致耕地面积净减少 13.81 万hm2 ,年均减少 1.53 万hm2 ,2020-2030 年,城镇化演进将导致耕地面积 净减少 10.87 万hm2 ,年均减少 1.09 万hm2 .进一 步分析表 6 可知,2012-2030 年,耕地下降速度呈 减缓态势,并逐步趋向零,笔者认为,随着城镇化 水平提升,第三产业比例会得到提升并逐渐占主要 第4期张乐勤等:基于 Logistic 模型的中国城镇化演进对耕地影响前景预测及分析 7 地位,经济发展对建设用地依赖减弱,耕地下降幅 度必然趋缓. 表6中国城镇化演进对耕地影响前景预测 Table 6 Forecast on prospect about effect of China urbanization gradual progress on cultivated land 年份 Year 城镇化水平 预测值 Predictive value of urbanization level/% 城镇化年 净增长 (百分点) Annual net growth of urbanization (percentage point) 城镇化年 增长幅度 Annual growth rate of urbanization/% 城镇化演进导 致耕地减少量 Reduction in cultivated land due to urbanization/ 104 hm2 2012 49.95 1.03 1.97 1.77 2013 50.96 1.01 1.88 1.69 2014 51.97 1.01 1.84 1.65 2015 52.96 0.99 1.76 1.58 2016 53.93 0.97 1.69 1.52 2017 54.89 0.96 1.64 1.47 2018 55.84 0.95 1.59 1.43 2019 56.77 0.93 1.53 1.38 2020 57.68 0.91 1.47 1.32 2021 58.57 0.89 1.42 1.27 2022 59.45 0.88 1.38 1.24 2023 60.3 0.85 1.31 1.18 2024 61.14 0.84 1.28 1.15 2025 61.96 0.82 1.23 1.11 2026 62.75 0.79 1.17 1.05 2027 63.53 0.78 1.14 1.03 2028 64.28 0.75 1.09 0.98 2029 65.01 0.73 1.05 0.94 2030 65.73 0.72 1.02 0.92 2.5 机理分析 本文揭示了中国未来城镇化进程对耕地影响 程度呈由强趋弱的规律,其机理可从以下几方面进 行解析:首先,科技进步推动经济发展方式转变. 随着中国未来城镇化水平提升,科学技术水平会得 到进一步提高, 产业结构也会日趋优化, 此背景下, 经济发展方式必然由资源驱动型的粗放型向由科 技驱动的集约型转变,产业集聚效应和规模效应将 日趋显现,占用土地较少的高新技术产业、现代服 务业在经济结构中的份额会日渐提高,单位土地利 用强度和单位土地产出效益会增加,也会提高土地 利用集约化程度,从而使耕地减少速度呈不断降低 的态势;其次,人口集聚效应.城镇化演进意味着 更多农村人口向城镇迁移,人口集聚效应提高了单 位面积城镇基础设施利用效率(如城镇高层住宅相 对农村住房而言会吸纳较多人口居住,提高了单位 土地面积人口承载量),降低了建设用地对耕地占 用,再次,耕地保护政策的支持.可持续发展与维 护粮食安全的背景下,政府必然会加强城镇化进程 中保护耕地相关政策法规建设,强化并完善占补平 衡制度、耕地占用税与开垦税政策落实,加大违法 占用耕地查处力度,积极推行土地整理复垦开发, 土地利用效率会得到进一步提高,土地后备资源会 得到补充,因而,城镇化所致辞的耕地资源减少状 况将渐趋缓和. 3 政策建议 鉴于城镇化未来发展趋势及对耕地影响前景, 提出如下政策建议:遵循城镇化演进规律,以提升 城镇化发展质量为主线,审慎推进城镇化进程,科 学把握城镇化发展速度, 2020 年前年均增速以 1 个 百分点左右为宜,2020-2030 年,年均增速应控制 在1个百分点内;依据城镇化对耕地影响前景,科 学制定分年度建设用地供应计划,采取差别化土地 供应策略,优先支持战略性新兴产业发展,引导产 业用地紧凑布局、集约发展;坚决摒弃土地财政错 误理念,严格执行国家耕地保护的各项政策,严控 房地产及低水平或重复生产用地,严肃查处土地利 用的骗取批准、未批先用、少批多占和擅自改变用 途等违规行为;强化土地监管,对城镇化进程中各 类建设用地应在主流媒体上进行公示,接受人大代 表、政协委员、媒体及社会监督,使土地利用阳光 透明. 4 结论与讨论 文章基于 Logistic 模型,对中国城镇化未来发 展水平进行了预测,运用 STRIPAT 模型,测度了 城镇化对耕地变化的边际贡献,依据城镇化发展趋 势及城镇化对耕地影响规律,定量测算了城镇化发 展对耕地影响前景,得出如下主要结论: 1)2020 年前,中国城镇化将保持较快发展速 度,2020-2030 年,城镇化演进速度将趋缓,2020 和2030 年城镇化水平将分别提升至 57.68%和65.73%; 2)1996-2011 年,经济增长为耕地变化的首 位因素,城镇化为耕地变化的次要驱动因素,其边 际弹性系数为?0.007391; 3)中国未来城镇化演进对耕地影响态势不会 改变,但影响强度将趋缓,预测至 2020 年,城镇 化发展将导致耕地面积在 2011 年基础上净减少 13.81 万hm2 ,年均减少 1.53 万hm2 ,2020-2030 年,将净减少 10.87 万hm2 ,年均减少 1.09 万hm2 . 本文综合运用 Logistic、STRIPAT 模型,采用 农业工程学报 2014 年8回归分析方法,就中国未来城镇化演进对耕地影响 前景进行了预测,由于耕地变化是一个复杂、动态 系统,其影响因素除城镇化外,尚包括自然、社会 经济、规制政策及技术多方面,单方面考察城镇化 进程对耕地影响具有一定局限性.国家采取一系列 措施对耕地保护政策进行干预,这耕地保护政策干 预能冲减城镇化进程所致耕地减少数量,因而,随 着城镇化水平提升,全国未来实有耕地面积会稳定 在国家预期目标范围内,城镇化进程对耕地保有量 影响不大. [参考文献] [1] 宋戈,吴次芳,王杨. 城镇化发展与耕地保护关系研 究[J]. 农业经济问题,2006(1):64-67. Song Ge, Wu Cifang, Wang Yang. Urbanization and protection of farmland[J]. Issues in Agricultural Economy, 2006(1): 64-67. (in Chinese with English abstract) [2] 简新华,黄锟. 中国城镇化水平和速度的实证分析与 前景预测[J]. 经济问题,2010(3):28-38. Jian Xinhua, Huang Kun. Empirical analysis and forecast of the level and speed of urbanization in China[J]. Economic Research Journal, 2010(3): 28 - 38. (in Chinese with English abstract) [3] 吴群,郭贯成. 城市化水平与耕地面积变化的相关研 究-以江苏省为例[J]. 南京农业大学学报,2002, 25(3):95-99. Wu Qun, Guo Guancheng. The relationship between urbanization and cultivated land change:A case study on Jiangsu Province[J]. Journal of Nanjing Agricultural University, 2002, 25(3): 95 - 99. (in Chinese with English abstract) [4] 朱莉芬, 黄季焜. 城镇化对耕地影响的研究[J]. 经济研 究,2007(2):137-145. Zhu Lifen, Huang Jikun. Urbanization and cultivated land changes in China[J]. Economic Research Journal, 2007(2): 137-145. (in Chinese with English abstract) [5] 史常亮. 湖南省耕地数量变化与城市化进程相互关系 探讨[J]. 湖南商学院学报,2010,17(6):54-59. Shi Changliang. Analysis of the relationship between cultivated land quantity change and urbanization in Hunan Province[J]. Journal of Hunan University of Commerce, 2010, 17(6): 54 - 59. (in Chinese with English abstract) [6] 高魏,闵捷,张安录. 农地城市流转与城市化、经济 增长动态关系的计量经济分析—以湖北省 1980 年至 2003 年为例[J]. 资源科学,2010,32(3):564-572. Gao Wei, Min Jie, Zhang Anlu. Dynamic econometric analysis of the relationships between rural-urban land conversion and growth of urbanization and economic in Hubei Province[J]. Resources Science, 2010, 32(3): 564- 572. (in Chinese with English abstract) [7] 黄忠华,吴次芳,杜雪君. 我国耕地变化与社会经济 因素的实证分析[J]. 自然资源学报,2009,24(2):192 -199. Huang Zhonghua, Wu Cifang, Du Xuejun. Empirical study of cultivated land change and socio-economic factors in China[J]. Journal of Natural Resources, 2009, 24(2): 192-199. (in Chinese with English abstract) [8] Northam R M. Urban Geography: 2nd ed[M]. New York: John Wiley & Sons, 1979. [9] 阎慧臻. Logistic 模型在人口预测中的应用[J]. 大连工 业大学学报,2008,27(4):333-335. Yan Huizhen. Application of logistic model in population prediction[J]. Journal of Dalian Polytechnic University, 2008, 27(4): 333 - 335. (in Chinese with English abstract) [10] 冯守平. 中国人口增长预测模型[J]. 安徽科技学院学 报,2008,22(6):73-76. Feng Shouping. On prediction model of China population growth[J]. Journal of Anhui Science and Technology University, 2008, 22(6): 73 - 76. (in Chinese with English abstract) [11] 陈彦光,罗静. 城市化水平与城市化速度的关系探讨 [J]. 地理研究,2006,25(6):1063-1072. Chen Yanguang, Luo Jing. Derivation of relations between urbanization level and velocity[J]. Geographical Research, 2006, 25(6): 1063-1072. (in Chinese with English abstract) [12] 宋丽敏. 中国人口城市化水平预测分析[J]. 辽宁大学 学报:哲学社会科学版,2007,35(3):115-119. Song Limin. An analysis of the level of chinaps urbanization[J]. Journal of Liaoning University: Philosophy and Social Science Edition, 2007, 35(3): 115- 119. (in Chinese with English abstract) [13] 刘晓平. 基于 Logistic 模型的青海省农村人口城镇化 水平的预测[J]. 青海大学学报:自然科淡版,2010, 28(2):73-77. Liu Xiaoping. Prediction of the urbanization level of rural population based on Logisticmodel in Qinghai province[J]. Journal of Qinghai University:Nature Science, 2010, 28(2): 73-77. (in Chinese with English abstract) [14] 曹飞. 中国人口城市化 Logistic 模型及其应用-基于 结构突变的理论分析[J]. 西北人口,2012,33(6):18 -22. Cao Fei. The logistic model of population urbanization in China:Based on structure break theory[J]. Northwest Population Journal, 2012, 33(6): 18-22. (in Chinese with English abstract) [15] 王学保,蔡果兰. Logistic 模型的参数估计及人口预测 [J]. 北京工商大学学报:自然科学版,2009,27(6): 第4期张乐勤等:基于 Logistic 模型的中国城镇化演进对耕地影响前景预测及分析 9 75-78. Wang Xuebao, Cai Guolan. Parameter evaluation of logistic model and population prediction[J]. Journal of Beijing Technology and Business University: Natural Science Edition, 2009, 27(6): 75-78. (in Chinese with English abstract) [16] 杨星亚, 朱卫东. 安徽省人口增长组合模型研究[J]. 合 肥工业大学学报: 自然科学版, 2013, 36(7): 871-874. Yang Xingya, Zhu Weidong. Research on combinative model of population growth in Anhui Provice[J]. Journal of Hefei University of Technology: Natural Science, 2013, 36(7): 871-874. (in Chinese with English abstract) [17] 王建军,吴志强. 城镇化发展阶段划分[J]. 地理学报, 2009,64(2):177-188. Wang Jianjun, Wu Zhiqiang. Delimiting the stages of urbanization growth process[J]. Acta Geographica Sinica, 2009, 64(2): 177-188. (in Chinese with English abstract) [18] 陈彦光. 人口与资源预测中Logistic模型承载量参数的自 回归估计[J]. 自然资源学报,2009,24(6):1105-1114. Chen Yanguang. Carrying capacity estimation of logistic model in population and resources prediction by nonlinear autoregression[J]. Journal of Natural Resources, 2009, 24(6): 1105-1114. (in Chinese with English abstract) [19] 陈彦光,余斌. 人口增长的常用数学模型及其预测方 法—兼谈对 Keyfitz 双曲增长等模型的修正与发展[J]. 华中师范大学学报: 自然科学版, 2006, 40(3): 452-456. Chen Yanguang, Yu Bin. Three models for predicting population growth:Theoretical foundation,application methods, and revised expressions[J]. Journal of Central China Normal University: Natural Sciences, 2006, 40(3): 452-456. (in Chinese with English abstract) [20] 姚远,李效顺,曲福田,等. 中国经济增长与耕地资 源变化计量分析[J]. 农业工程学报,2012,28(14): 209-214. Yao Yuan, Li Xiaoshun, Qu Futian, et al. Quantitative analysis of relationship between economy growth and cultivated land change in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(14): 209-214. (in Chinese with English abstract) [21] 李效顺,曲福田,陈友偲,等. 经济发展与城市蔓延 的Logistic 曲线假说及其验证—基于华东地区典型城 市的考察[J]. 自然资源学报,2012,27(5):713-722. Li Xiaoshun, Qu Futian, Chen Yousi, et al. Hypothesis and validation on the logistic curve of economic development and urban sprawl: Based on the investigation of the typical cities in east China [J].Journal of Natural Resources, 2012, 27(5): 713-722. (in Chinese with English abstract) [22] 徐宪立,蔡玉梅,张科利,等. 耕地资源动态变化及 其影响因素分析[J]. 中国人口资源与环境,2005, 15(3):75-79. Xu Xianli, Cai Yumei, Zhang Keli, et al. Study on dynamic change of cultivated land resources and causes of the changes[J]. China Population, Resources and Environment, 2005, 15(3): 75-79. (in Chinese with English abstract) [23] 杨梅,张广录,侯永平. 区域土地利用变化驱动力研 究进展与展望[J]. 地理与地理信息科学,2011,27(1): 95-100. Yang Mei, Zhang Guanglu, Hou Yongping. Advances and prospects of the driving force of regional land use change researches[J]. Geography and Geo-Information Science, 2011, 27(1): 95-100. (in Chinese with English abstract) [24] 马亚兰, 刘普幸, 程英. 甘肃省近 30a 来耕地空间动态 变化与驱动力分析[J]. 干旱区地理,2010,33(2):293- 299. Ma Yalan, Liu Puxing, Cheng Ying. Spatial dynamic variation and driving forces of cultivated land use in Gansu Province during the past 30 years[J]. Arid Land Geography, 2010, 33(2): 293-299. (in Chinese with English abstract) [25] 邵景安,李阳兵,魏朝富,等. 区域土地利用变化驱 动力研究前景展望[J]. 地球科学进展,2007,22(8): 798-809. Shao Jing'an, Li Yangbing, Wei Chaofu, et al. The drivers of land use change at regional scale assessment and prospects[J]. Advances in Earth Science, 2007, 22(8): 798-809. (in Chinese with English abstract) [26] 曹银贵,袁春,周伟,等. 中国耕地变化的驱动因子 及其省域差异分析[J]. 中国土地科学,2008,22(2): 17-22. Cao Yingui, Yuan Chun, Zhou Wei, et al. Analysis on driving forces and provincial differences of cultivated land change in China[J]. China Land Science, 2008, 22(2): 17-22. (in Chinese with English abstract) [27] 唐杰. 四川省 50 年来耕地动态变化及其驱动因子研究 [J]. 四川师范大学学报:自然科学版,2008,31(3): 361-367. Tang Jie. Research on dynamic change and driving factors of farmland in Sichuan province in recent 50 years[J]. Journal of Sichuan Normal University: Natural Science, 2008, 31(3): 361-367. (in Chinese with English abstract) [28] 郭杰,欧名豪,刘琼,等. 江苏省耕地资源动态变化 及驱动力研究[J]. 长江流域资源与环境,2009,18(2): 139-145. Guo Jie, Ou Minghao, Liu Qiong, et al. On trend and driving forces of cultivated land use change in Jiangsu province[J]. Resources and Environment in the Yangtze 农业工程学报 2014 年10 Basin, 2009, 18(2): 139-145. (in Chinese with English abstract) [29] 刘庆,陈利根,杨君,等. 长、株、潭城市群耕地资 源数量变化驱动力的计量经济分析[J]. 资源科学, 2010,32(9):1734-1740. Liu Qing, Chen Ligen, Yang Jun, et al. Econometric analysis on driving forces of cultivated land quantity change in Changsha-Zhuzhou-Xiangtan urban agglomerations[J]. Resources Science, 2010, 32(9): 1734 - 1740. (in Chinese with English abstract) [30] 刘彦彤,张延军,赵玲. 长春市耕地动态变化及其驱 动力分析[J]. 地理科学,2011,31(7):868-873. Liu Yantong, Zhang Yanjun, Zhao Ling. Dynamic change and driving forces of cultivated land in Changchun city[J]. Geographic Science, 2011, 31(7): 868-873. (in Chinese with English abstract) [31] 赵文武. 世界主要国家耕地动态变化及其影响因素[J]. 生态学报,2012,32(20):6452-6462. Zhao Wenwu. Arable land change dynamics and their driving forces for the major countries of the world[J]. Acta Ecologica Sinica, 2012, 32(20): 6452-6462. (in Chinese with English abstract) [32] York R, Rosa E A, Dietz T. STIRPAT, IPAT and ImPACT: Analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological Economics, 2003, 46(3): 351-365. [33] 张乐勤,陈素平,王文琴,等. 基于 STIRPAT 模型的 安徽省池州市建设用地扩展驱动因子测度[J]. 地理科 学进展,2012,31(9):1235-1242. Zhang Leqin, Chen Suping, Wang Wenqin, et al. Research on the driving factor measurement of the construction land expansion in Chizhou city, Anhui province based on the STIRPAT model[J]. Progress in Geography, 2012, 31(9): 1235-1242. (in Chinese with English abstract) [34] 龙爱华,徐中民,王新华,等. 人口、富裕及技术对 2000 年中国水足迹的影响[J]. 生态学报, 2006, 26(10): 3358-3365. Long Aihua, Xu Zhongmin, Wang Xinhua, et al. Impacts of population, affluence and technology on water footprint in China[J]. Acta Ecologica Sinica, 2006, 26(10): 3358-3365. (in Chinese with English abstract) [35] 王琳,吴业,杨桂山,等. 基于 STIRPAT 模型的耕地 面积变化及其影响因素[J]. 农业工程学报,2008, 24(12):196-200. Wang Lin, Wu Ye, Yang Guishan, et al. Cultivated land area change and its impact factors based on STIRPAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(12): 196-200. (in Chinese with English abstract) [36] 王立猛,何康林. 基于 STIRPAT 模型的环境压力空间 差异分析—以能源消费为例[J]. 环境科学学报,2008, 28(5):1032-1037. Wang Limeng, He Kanglin. Analysis of spatial variations in environmental impactbased on the STIRPAT model:A case study of energy consumption[J]. Acta Scientiae Circumstantiae, 2008, 28(5): 1032-1037. (in Chinese with English abstract) [37] 杜官印. 建设用地对碳排放的影响关系研究[J]. 中国 土地科学,2010,24(5):32-36. Du Guanyin. Research on influences of construction land on carbon emission[J]. China Land Science, 2010, 24(5): 32-36. (in Chinese with English abstract) [38] 张乐勤,李荣富,陈素平,等. 安徽省 1995-2009 年 能源消费碳排放驱动因子分析及趋势预测—基于 STIRPAT 模型[J]. 资源科学,2012,34(2):316-327. Zhang Leqin, Li Rongfu, Chen Suping, et al. Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the period 1995-2009 in Anhui province: Based on the STIRPAT model[J]. Resources Science, 2012, 34(2): 316-327. (in Chinese with English abstract) [39] 张乐勤,陈素平,王文琴,等. 安徽省近 15 年建设用 地变化对碳排放效应测度及趋势预测—基于 STIRPAT 模型[J]. 环境科学学报,2013,33(3):950-958. Zhang Leqin, Chen Suping, Wang Wenqin, et al. Measurement and trend analysis of carbon emissions from construction land changes in Anhui in the recent 15 years:Based on STIRPAT model[J].Acta Scientiae Circumstantiae, 2013, 33(3): 950-958. (in Chinese with English abstract) [40] 韩峰,王琢卓,杨海余. 产业结构对城镇土地集约利 用的影响研究[J]. 资源科学,2013,35(2):388-395. Han Feng, Wang Zhuozhuo, Yang Haiyu. The effect of industrial structure on intensive urban land use[J]. Resources Science, 2013, 35(2): 388-395. (in Chinese with English abstract) [41] 张妍, 黄志龙. 中国城市化水平和速度的再考察[J]. 城 市发展研究,2010,17(11):1-6. Zhang Yan, Huang Zhilong. Re-evaluation on the level and pace of China's urbanization[J]. Urban Studies, 2010, 17(11): 1-6. (in Chinese with English abstract) 第4期张乐勤等:基于 Logistic 模型的中国城镇化演进对耕地影响前景预测及分析 11 Analysis and forecast on prospect about influence of urbanization gradual progress on cultivated land in China based on Logistic model Zhang Leqin1 , Chen Fakui2 (1. Resource Environment and Tourism Department, Chizhou College, Chizhou 247000, China; 2. Economic and Trade Department, Chizhou College, Chizhou 247000, China) Abstract: Accelerating urbanization is a major development strategy proposed by the 18th Communist Party of China (CPC) National Congress. The prospect for the influence of China's future urbanization evolution on cultivated land relates to the realization of a red line target of cultivated land protection and food safety. To reveal the evolution of China's urbanization impact on cultivated land, the author explores the problem based on a logistic model. Using SPSS software and China's urbanization level data from 1978 to 2011, the goodness-of-fit maximum estimation method of regression curve was employed to estimate the saturation value of China's urbanization level and the Logistic model of describing China's urbanization evolution was structured. Accordingly, the development level of China's future urbanization was predicted. Based on a STRIPAT model and relevant data of China 's eco-social development from 1996 to 2011, SPSS software was combined with a partial least squares regression method to reveal the marginal contributions of urbanization process, population, economic development level, and technical factors on cultivated land change. According to China's future urbanization evolutionary trend and the marginal influence of urbanization on cultivated land, the influence of China's future urbanization on cultivated land was measured. The results are shown as the followings:1)The saturation value of China's urbanization level is 83%. 2) China's urbanization level will reach 57.68% and 65.73% in 2020 and 2030 respectively. Before 2020, the annual average growth rate of urbanization will be 0.97 percent point, and from 2020 to 2030, that will be 0.81percent point. 3) The marginal elasticity coefficient of urbanization, population, economic development level, and technological factors on cultivated land change will be ?0.007391, ?0.007133, ?0.009343, and?0.002952 respectively. 4) From 2012 to 2020, urbanization evolution will lead to a net area reduction of cultivated land of 13.81*104 hm2 with an annual average reduction of 1.53*104 hm2 . From 2020 to 2030, that will be 10.87*104 hm2 with an annual average reduction of 1.09*104 hm2 . Based on the results of the above, several measures should be implemented including focusing on the quality of urbanization with a moderate grasp on the speed of urbanization, scientifically preparing the annual land supply planning, adopting a differentiated land supply strategy, abandoning the wrong philosophy of land finance, strictly implementing national protection policies foe cultivated land, rigorously controlling real estate land and low-level or repeated production land; severely punishing violations of land use, and strengthening the policy recommendations on land supervision. The results can provide a reference for management to grasp the moderate urbanization pace and rhythm, scientifically prepare a land supply plan, and formulate cultivated land protection policies, as well as offer a method of reference for similar studies on a provincial scale. Key words: land use; forecasting; mathematical models; urbanization; cultivated land; Logistic model; China (责任编辑:张俊芳)