OALib Journal期刊
新增建设用地土地有偿使用费征收标准调整对耕地保护效果影响的计量分析——以江苏省为例
, PP. 817-822
Keywords: 新增费 ,耕地保护 ,BP神经网络 ,江苏省
Abstract:
以农用地转用环节征收数额较大、改革相对较早的新增建设用地土地有偿使用费为研究对象,建立BP神经网络模型,以江苏省为例,拟合新增费标准与耕地面积减少量之间的动态变化关系,通过虚拟仿真实验模拟不同新增费征收标准情景下的耕地保护效果。研究结果表明通过新增费的政策设置,1999~2008年江苏省累计抑制耕地面积减少29.54hm2;通过新增费征收标准调整,2007~2008年江苏省抑制耕地面积减少10.90hm2,1999年和2007年两种征收标准下的耕地保护贡献度均在1%左右。研究得到以下结论①新增费的设立增加了地方政府用地成本,对抑制耕地占用的规模和速度具有一定作用;②在一定范围内,新增费征收标准越高,耕地保护效果越好;③总体而言,新增费的耕地保护效果尚不显著,其贡献度仍较为有限,相关政策有待进一步的完善。
References
[1] 李效顺,曲福田,谭 荣,等.中国耕地资源变化与保护研究——基于土地督察视角的考察[J].自然资源学报,2009,24(3):387~401. [2] 高延娜,朱道林.农村土地征收补偿的阶段特征分析——以天津市为例[J].资源科学,2008,30(7):1024~1031. [3] 马新文.我国现行征地补偿制度剖析[J].同济大学学报(社会科学版),2009,20(3):93~96. [4] 李彦芳.征地区片综合地价测算方法与验证标准研究[J].中国土地科学,2007,21(1):31~35. [5] 何晓丹,刘卫东,张晓玲.浙江省征地补偿费用标准的合理确定[J].浙江大学学报(农业与生命科学版),2006,32(2):227~231. [6] 丁成日.中国征地补偿制度的经济分析及征地改革建议[J].中国土地科学,2007,21(5):4~10. [7] 苏安玉,李 衡,濮励杰.觊觎RAGA-BP神经网络模型的三江平原地下水资源预测研究[J].地理科学,2009,29(2):283~287. [8] Rogers S K,Kabrisky M.An Introduction to Biological and Artificial Neural Networks for Pattern Recognition[M].Washington:SPIE Opt Eng Press,1991. [9] Keiner L L,Yan X H.A neural network for estimating sea surface chlorophyll anti from thematic mapped imagery[J].Remote Sensing of Environment,1998,66:153-165. [10] Lek S,Guegan J F.Artificial neural networks as a tool in ecological modeling,an introduction[J].Ecology Modeling,1999,120(23):65-73. [11] 国土资源部地籍管理司.全国土地变更调查报告(1996~2008)[R].北京:中国大地出版社,1996~2008. [12] 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. [13] 黄小兰,胡宝清,杨小雄.基于因素修正法的征地统一年产值测算方法——以广西壮族自治区桂平市为例[J].资源科学,2007,29(4):33~39. [14] 夏建国,申文金.基于BP神经网络的征地区片综合地价评估[J].经济地理,2007,27(6):1015~1017. [15] 周 钧.苏州高新区征地补偿安置政策绩效评价[J].中国土地科学,2008,22(9):33~37. [16] 郭 杰,欧名豪,刘 琼,等.基于BP神经网络的南通市建设用地需求预测[J].资源科学,2009,31(8):1355~1361. [17] 张利权,甄 或.上海市景观格局的人工神经网络(ANN)模型[J].生态学报,2005,25(5):958~964. [18] 游和远,吴次芳,林 宁,等.耕地占用税与耕地数量变化的动态模拟及政策启示——浙江省的实证研究[J].中国土地科学,2009,23(11):38~44. [19] 江苏省统计局.江苏省统计年鉴[M].北京:中国统计出版社,1996~2008.
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
