基于城市建设用地扩张预测的城郊村土地经营权流转最优期限确定
谢庆1, 瞿理铜2,*, 闫世雄3
1.中共湖南省委党校 湖南经济社会发展研究中心,湖南 长沙 410006
2.湖南师范大学 中国乡村振兴研究院,湖南 长沙 410081
3.长沙理工大学 水利工程学院,湖南 长沙 410114
*通信作者,瞿理铜,E-mail:qlt198429@163.com

作者简介:谢庆(1989—),女,湖南新邵人,硕士,助理研究员,主要从事土地经济与土地政策研究。E-mail:syakeiqing@163.com

摘要

确定城郊村土地经营权流转最优期限有利于流转双方做出符合其最大收益的期限选择,降低流转过程的交易成本。以理性选择理论为指导,构建城郊村土地经营权流转最优期限分析框架,以长沙市为例,运用CA-Markov模型模拟城市建设用地扩张,预测城郊村土地征收时间,并选取长沙市望城区某城郊村进行实证分析。分析认为,城郊村土地经营权流转最优期限是土地征收前流转双方收益均达到最大时对应的期限。土地征收前流转次数不同,其最优期限不同。流转双方可根据收益预期和主观意愿,参考城市建设用地扩张趋势预测土地被征收时间以确定最优流转期限。CA-Markov模型在确定土地经营权流转最优期限方面有一定的优势。

关键词: 土地流转; 最优期限; 城郊村; CA-Markov模型
中图分类号:S-9;F301.24 文献标志码:A 文章编号:1004-1524(2020)10-1899-11
Determination of optimal term of land transfer in suburban villages based on construction land expansion prediction
XIE Qing1, QU Litong2,*, YAN Shixiong3
1. Hunan Economic and Social Development Research Center, Party School of the Hunan Provincial Committee of CPC, Changsha 410006, China
2. Rural Revitalization Research Institute of China, Hunan Normal University, Changsha 410081, China
3. School of Hydraulic Engineering, Changsha University of Science & Technology, Changsha 410114, China
Abstract

Determination of the optimal term of land transfer in suburban villages is conducive to the both sides of land transfer in line with their maximum benefits, and could reduce the transaction cost in transfer process. Based on the theory of rational choice, the framework for the determination of the optimal term of land transfer in suburban villages was constructed in the present study. With Changsha as an example, CA-Markov model was used to simulate the expansion of urban construction land. Then, the simulation results were chosen to predict the time of land expropriation, and Wangcheng District of Changsha was selected for empirical analysis. The results showed that the optimal term of land transfer in suburban villages was the corresponding time when the income of both sides of the land transfer reached the maximal revenue before land expropriation. Different transfer times corresponded to different optimal term before land expropriation. Both sides of land transfer could determine the term according to their income expectation, subjective intention, and land expropriation time predicted by the expansion of urban construction land. CA-Markov model exhibited certain advantages in determining the optimal term of land transfer.

Keyword: land transfer; optimal term; suburban village; CA-Markov model

土地经营权流转对提高土地配置效率、促进农业现代化、增加农民收入、实现乡村振兴具有重要作用。2016年, 习近平总书记在农村改革座谈会上强调, 放活土地经营权, 推动土地经营权有序流转。2019年新修订的《中华人民共和国农村土地承包法》将农村承包地产权分置为“ 所有权” “ 承包权” 和“ 经营权” 。在城郊村土地经营权流转实践中, 由于近年城市建设用地迅速扩张, 而流转双方缺乏对土地被征收时间的科学预测, 导致在流转期限的设定上不符合双方预期的问题时有发生。流出方对土地被征收的预期大, 流转期限偏好较短, 征地前多次流转会增加交易成本, 且易引起流入方对土地的掠夺经营; 而流入方一旦突遇征地, 补偿费远不及持续经营所得, 甚至会低于投入费用。因此, 探讨城郊村土地经营权流转最优期限可降低流转双方的交易成本, 提高流转满意度。

目前, 学界关于土地经营权流转期限的研究主要集中在流转期限的影响因素方面。相关研究成果表明, 高资产专用性对契约期限长期化选择起反向作用, 资产专用性较低的土地应匹配短期契约[1, 2]。高租金对促进流出方长期流转有明显促进作用, 签订书面契约对提高期限也有显著作用。同时, 耕地质量越高, 长期流转的概率越低[3, 4]。流出方拥有土地经营权是否转出的最终决定权, 在流转期限的确定上占据主动, 因此流出方的个人基本情况对流转期限具有重要影响。研究认为, 户主受教育程度、农户家庭常年务工人数、外出务工年限、非农收入比重、社会福利保障等因素与流转期限呈正相关[5, 6, 7]。理性流入方将以最少的要素投入获得最大的产出收益。研究证实, 随着租赁农地的稳定性提高, 农户在转入地与自家地上的有机肥施用概率和用量投资等方面的差异缩小[8]。长期流转促使流入方增加土地投入, 换言之, 要素投入越多, 流入方越倾向长期流转。流转双方关系密切, 则更易达成短期契约[9]; 而农户与专业性较强的流入方交易时, 更倾向长期流转[10]。完善的农地流转市场有利于降低农户农地流转成本[11], 中介力量适当参与有助于延长流转期限[12]。政府政策支持对延长农地流转期限有显著成效, 但强行干预会对农地长期流转产生负面影响[13, 14]

虽然学界围绕土地经营权流转期限开展了一些研究, 但受多种因素制约, 目前仍缺乏对土地经营权流转最优期限的研究, 尤其是针对城郊村土地经营权流转最优期限的研究。为此, 本文以理性选择理论为指导, 构建城郊村土地经营权流转最优期限分析框架, 并以长沙市为例, 基于CA-Markov模型模拟其城市建设用地扩张, 探讨长沙市城郊村土地经营权流转最优期限, 以期为城郊村土地经营权流转期限的科学确定提供参考。

1 城郊村土地经营权流转最优期限的理论架构
1.1 最优期限的理论界定

当前, 学界尚未明确界定土地经营权流转的最优期限。本文鉴于城郊村地理位置、社会形态等方面的特殊性, 认为土地征收时间应作为确定土地经营权流转最优期限的关键因素, 流转双方应考虑流转土地的预期被征收时间。因此, 本文就城郊村土地经营权流转最优期限界定如下:土地征收前, 流转双方收益均达到最大时所对应的土地经营权流转时间。以下分别讨论土地一次流转和多次流转情况下对应的最优期限。

1.1.1 土地仅一次流转:最优期限=土地征收时间

图1中:t0为流入方收回成本的时间, t'为流转土地的征收时间, t为流转双方在合同中订立的流转期限。t=t0时流入方才能收回成本, t> t0时流入方才能盈利。

图1 土地一次流转的双方收益图Fig.1 Revenue achieved by both sides after one-time land transfer

(1)当t=t1< t'时, 流转双方均有损失。若土地在征收前仅进行一次流转, 当流入方意向流转时间等于t, 且t=t'时, 其收益最大。城郊村土地流出方受认知水平、家庭收入、征地预期等影响, 偏向短期流转。由于流转双方难以准确估计流转地块的征收时间, 因此, 博弈后达成的流转期限往往小于征收时间, 即t=t1< t', 此时流转合同到期土地却尚未征收, 流转双方收益均未达到最大。

(2)当t=t2> t'时, 流入方面临损失。若流转双方对征收时间的估计过长, 流转合同尚未期满而土地面临征收, 即t=t2> t', 此时流出方已得到流入方给付的土地租金, 几无损失, 但流入方经营中断, 剩余流转期限越长, 损失越大。尽管征收前流入方有缓冲时间并得到一定补偿, 但该费用无法匹配持续经营收益, 甚至不足以弥补前期投入。

(3)当t=t'时, 流转双方收益均达到最大。当流转期限等于征收时间, 即t=t'时, 土地在征收前得到饱和利用。此时, 流出方获得充分的租金收益; 流入方根据作物特点和征收期限确定理想的经营时间, 从而得到满意的经营回报, 流转双方收益均达到最大。

1.1.2 土地多次流转:最优期限等于流入方最满意流转时间或征收时间

在图2中:t0为第一次流转时流入方收回成本的时间, x为征收前土地的流转次数, t0x即第x次(x≥ 2)流转流入方收回成本的时间, t'为流转土地的征收时间, t为流转双方在合同中订立的期限。当t> t0t> tx0时, 流入方才能盈利。

图2 土地多次流转的双方收益图Fig.2 Revenue achieved by both sides after multiple land transfer

(1)第1次至第(x-1)次流转每次的最优期限=流入方最满意流转时间。假定排除土地、农户本身、政策等因素, 仅考虑收益最大化, 流出方在征收前有稳定流转的意愿, 而流入方由于土地经营类型和土壤条件不同, 对期限长短的要求差异较大。若某地块第一次流转的时间远小于征收时间, 即一次流转到期后土地仍可稳定流转一段时间, 此时流出方可参考地块征地时间多次流转。假定土地在进行第x次流转时遇到征收时间节点, 则第x次流转前, 每次流转的最优期限均为流入方选择的最符合自身利益的流转时间, 即流入方最满意流转时间。

(2)第x次流转的最优期限=土地征收时间。土地在征收前的最后一次流转与征收前土地仅一次流转的情况相同:t必须大于 t0x并无限接近于t', 当流入方的最满意流转期限等于征收时间, 即t=t'时流入方收益最大。同时, 流出方在征收时间前土地得到充分利用并获得充足的租金收益, 流转双方收益均达到最大。

1.2 最优期限的理论分析

1.2.1 理论假设

土地经营权流转最优期限的确定包含流转双方的理性选择, 为此, 本研究基于理性选择理论展开。理性选择的基础包括:(1)个人是自身最大利益的追求者; (2)在特定情境中, 有不同的行为策略可供选择; (3)人在理智上相信不同选择会导致不同的结果; (4)人在主观上对不同选择的结果有不同的偏好排列。其中, 3个方面的内容与本文相关。

一是理性人假设。传统经济学中, 理性人假设占据主导地位, 亚当· 斯密认为, 人的理性在于他在各项利益比较中选择自我的最大利益。个人追求利益最大化的途径是交易。本文中, 土地流转双方符合理性人假设, 均期望通过交易以最小成本获取最大收益。

二是行为者最优化原理。新古典经济学认为, 个体可以获得充分信息并经过理性计算与分析做出最有利于自身的选择, 获取最大利润或效用。流转双方会根据所掌握的信息, 做出最符合自身利益的期限判断, 并在博弈中为促进契约达成适当让步, 以确保理想收益的实现。

三是系统均衡。系统均衡是将所有行为者纳入的系统最优, 涉及2个和2个以上的行为者, 包含行为者之间的博弈。基于城市建设用地扩张模拟预测城郊村土地征收时间, 流转双方可参考预测的征收时间并结合实际做出最符合自身利益的期限选择, 这使得双方均衡成为可能。

1.2.2 分析框架

基于理论与现实情况, 本文建立2个分析框架, 以预测土地征收时间范围, 为确定土地经营权流转的最优期限提供更确切的参考。

分析框架1:最优期限确定与土地征收时间。如前文讨论, 最优期限界定为土地征收前流转双方收益均达到最大时所对应的土地经营权流转时间。同时, 阐明了最优期限与征收时间的关系。在双方均获得最大收益的理想目标前提下, 土地征收时间是确定城郊村土地经营权流转最优期限的关键参考, 直接影响最优期限的实际取值。

分析框架2:土地征收时间预测与城市建设用地扩张模拟。城郊村靠近城市, 土地是否征收、何时征收受城市建设用地扩张影响。本文通过CA-Markov模型模拟主城区建设用地向郊区扩张的情况, 预测城郊村土地征收的时间区间, 进而回答城郊村土地经营权流转的最优期限。

长沙市城郊村部分流转案例印证了分析框架。笔者在多个城郊村的调研中发现, 由于城市扩张迅速, 许多流入方曾因土地征收被迫中断经营。如长沙市某草莓种植户, 2003— 2018年间经历6次征收后转移至城郊沿江村经营, 每次征收不仅损失约10万元基础投入, 所获青苗补偿费也不足正常经营收益的50%。由于种植户无法估计沿江村的征收时间, 导致其经营风险增大; 而流出方也因征地预期而偏好短期流转, 增加了交易成本。

2 城郊村土地经营权流转最优期限的实证分析— — 以长沙市为例

本文基于2013— 2016年长沙市经济社会历史数据和遥感数据, 以3 a时间跨度作为模拟时间步长, 运用CA-Markov模型对长沙市2019年城市建设用地扩张情况进行模拟, 比较模拟结果与2019年遥感提取的土地利用情况的差异, 评价模型模拟效果。然后, 基于已构建的城市扩张模型对未来情景进行预测。根据模型自身模拟特点, 为保证模拟精度, 特保持相同的时间跨度, 模拟2022— 2034年长沙市城市建设用地的扩张情况, 得到由长沙市建设用地扩张引起的城郊村土地利用类型改变的时间区间。进而, 以长沙市某城郊村为例, 尝试对其土地经营权流转的最优期限进行明确。

2.1 材料与方法

2.1.1 研究区域概况

长沙市为湖南省省会, 位于湖南省东部偏北, 地处湘江下游和长浏盆地西缘, 总面积11 816 km2。市内地形复杂, 既有矮山、丘陵、山区等地势较高地区, 也有平坦的冲积平原。湘江贯穿长沙市区, 市区内有多条湘江支流, 水资源较为丰富。

据《长沙统计年鉴2018》和《长沙市2019年国民经济和社会发展统计公报》, 2019年长沙市常住人口城镇化率为79.56%, 较全国城镇化率高出近20个百分点。在人口净流入(常住人口-户籍人口)方面, 2004— 2009年长沙人口净流入每年平均在17万人, 此后每年净流入人口50万人以上, 2018年末人口净流入达到86.47万人。伴随城镇化进程加快、农村人口向城镇转移, 长沙市建成区面积也由2010年的167.7 km2增长到2017年的434.82 km2, 增长159.28%。长沙市城郊村大量土地未满流转期限即被征收, 土地流转双方矛盾突出, 土地流转期限确定成为难题。

2.1.2 数据来源与处理

本文以长沙市为研究区域, 基于2013— 2019年陆地卫星(Landsat)系列遥感影像, 利用ENVI 5.3.1软件, 完成对遥感图像的辐射定标、大气校正、拼接和裁剪, 得到可用于地物识别的历年长沙市遥感影像, 为后文分析土地利用变化规律、评价模型模拟效果做准备。

考虑到遥感影像的分辨率, 为在遥感图像上较为准确地辨识地物, 保证土地利用类型划分精度, 本文根据前人经验, 选取在遥感影像中地物特征明显且相互易于区分的5类地物类型进行土地利用划分, 分别为:水体、建设用地、林地、耕地和裸地。采用地物指数与目视解译结合的方式, 选用归一化建筑指数(NDBI)[15]、改进归一化差异水体指数(MNDWI)[16]、土壤调节指数(SAVI)初步提取建设用地、水体、林地、耕地和裸地[17], 进一步通过目视解译方式对地物信息结果进行校正, 最终得到长沙市2013、2016、2019年的土地利用分类图。同时, 借助谷歌地球同年影像对遥感提取精度进行间接估计。对比结果表明, 基于Landsat系列遥感影像的土地利用提取效果较好, 与实际地物类型分布情况基本一致。

2.1.3 土地利用模型构建

CA模型, 即元胞自动机, 是通过模拟系统内底部个体行为得到系统整体演化结果的一种模型。它关注单个元胞转换和元胞间的相互作用, 通过多次迭代, 最终决定时刻末各个元胞的状态。该模型不受比例尺大小限制, 广泛应用于城市扩张和土地利用变化方面的研究[18]

CA模型在空间分布和离散状态模拟方面有所欠缺, 而Markov模型可以通过分析计算出状态转换发生的概率, 二者相结合的CA-Markov模型可通过Markov模型计算转移矩阵, 为元胞自动机提供模拟所需规则, 又可完成对复杂离散状态的模拟, 从而提高对土地利用变化的模拟精度[19, 20]。本文应用CA-Markov模型对长沙市2019年的土地利用状况进行模拟, 将所得结果与经遥感解译的2019年土地利用图进行对比, 评价模型的模拟精度。

(1)土地利用变化规律分析。用CA-Markov模型进行土地利用模拟研究的前提是对研究区土地利用变化规律的准确把握, 这就需要对土地利用变化的驱动因素进行分析[21]。驱动因素分为自然因素和社会因素:自然因素包括水系、地形等; 社会因素涵盖人口密度、交通情况、经济发展情况等[22]。本文中:地形因素主要考虑坡度, 这是因为平原地区的城市发展速度显然快于山区; 在水系因素方面, 靠近河流的平原地区为人口密集和城市发展的重要区域; 物流交通是城市之间资源交换的平台, 城市快速发展离不开发达的交通运输网; 城市是围绕城市中心进行完善和拓展的空间组织结构, 是人口集聚形成的较大居民点, 因此人口和行政中心对区域化城市扩张有重要影响[23]。依据当前研究成果, 本文选定地形、水系、交通、社会因素作为土地利用变化分析的主要驱动因素, 基于2013— 2016年长沙市土地利用分类图, 利用ArcGIS 10.3的空间分析工具, 对长沙市的城市扩张和土地利用变化驱动力因素进行分析。

(2)输入数据准备与Markov转移矩阵分析。IDRISI 17.2软件提供了马尔可夫链(Markov chain)与元胞自动机结合的平台。本文基于该软件构建CA-Markov模型, 并模拟城市扩张。具体步骤为, 将现有土地利用栅格数据格式转换为ASCII值并输入IDRISI 17.2软件, 输入数据准备完成后, 进行Markov转移矩阵分析, 生成Markov转移矩阵。

(3)适宜性图集创建。元胞自动机转换规则的另一个重要组成部分为适宜性图集, 即将有关城市扩张的驱动力通过图集方式整合并输入模型作为转换规则。

限制条件与驱动因子分析。限制条件通过布尔值非0即1的形式显示在图像上, 驱动因子针对不同的适宜情况划分出不同的适宜分值, 分值越高表示越可能转变为建设用地。同时, 为便于多种驱动因子整合, 需对不同因子的适宜分值进行模糊(FUZZY)处理, 将适宜值控制在0~255。确定各驱动因子的适宜分值, 选取单调J函数对不同驱动因子适宜分值进行FUZZY标准化, 制作建设用地各类驱动因子的适宜性图集[24]

层次分析法(AHP)权重计算与适宜性图集构建。AHP权重计算模型为多准则判断模型, 用于确定不同驱动因子在建设用地扩张过程中的重要程度, 构成判断矩阵A, 该矩阵将存在对应最大特征值λ max的特征向量W, 特征向量W经归一化处理后可得到驱动因子的重要程度, 即为权重值。

完成不同驱动因子的标准化图像并得到AHP权重模型计算结果后, 借助IDRISI 17.2的MCE多准则评价模型, 通过加权线性合并的方式将各类驱动因子整合为综合适宜性图集。

2.2 结果与分析

2.2.1 城市扩张规律分析

利用ArcGIS 10.3软件的空间分析工具, 统计2013— 2016年间长沙市的土地利用类型变化情况。由表1可知, 2013— 2016年长沙市建设用地面积持续增加, 增加面积占长沙市总面积的1.85%, 变化速率为每年增长0.62%。其他土地利用类型面积均有所下降, 其中, 耕地和裸地面积占比下降最为明显。可见, 近年来长沙市建设用地扩张主要侵占了原本的耕地和裸地区域。此外, 水体和林地面积也有所减少, 不排除水体逐年萎缩和林地开荒导致的面积减少。

表1 2013— 2016年长沙市土地利用类型面积变化 Table 1 Changes of land use in Changsha City from 2013 to 2016

选定地形、水系、交通、社会因素作为土地利用变化分析的主要驱动因素, 基于长沙市土地利用分类图, 利用ArcGIS 10.3空间分析工具, 对长沙市城市扩张和土地利用变化的驱动力因素进行分析。

(1)地形因素。根据研究需要, 结合《土地利用现状调查技术规范》中坡度分级标准, 将长沙市土地的坡度分为5级, 分别为0° ~< 2° 、2° ~< 6° 、6° ~< 15° 、15° ~< 25° 、≥ 25° 。将重新划分等级的结果图与长沙市土地利用现状图进行叠置对比, 统计2013— 2016年间建设用地在各个坡度等级的扩张情况。由表2可知, 建设用地扩张量随坡度增加而减少, 扩张主要发生在坡度在0° ~< 6° 的区域。其中, 坡度在0° ~< 2° 的占比44.62%, 坡度在2° ~< 6° 的占比37.45%, 坡度大于等于25° 的区域建设用地扩张现象很少。

表2 长沙市建设用地扩张的地形分析结果 Table 2 Topography analysis of construction land expansion in Changsha

(2)水系因素。以主要河流和湖泊水体为中心, 由内向外以200 m为缓冲半径, 设置5级缓冲带, 研究不同水体缓冲距离内建设用地的扩张情况, 确定建设用地扩张的水系驱动力。由表3可知, 建设用地扩张量随与水系距离(缓冲距离)的增加而减少, 0~200 m内占比最大(27.34%), 之后随缓冲距离增加扩张量依次减少。缓冲距离大于1 000 m后, 水系对建设用地的扩张基本无影响。

表3 长沙市建设用地扩张的水系距离分析结果 Table 3 Analysis of construction land expansion in Changsha based on distance away from water system

(3)交通因素。以长沙市内主干道路为中心, 自内向外设置5级缓冲带, 缓冲半径设定为200 m, 研究不同交通缓冲距离内建设用地的扩张情况。由表4可知, 建设用地扩张量随与道路距离(缓冲距离)的增加而减少, 0~200 m内占比最大(49.47%)。缓冲距离大于1 000 m后, 道路交通对建设用地扩张少有影响。

表4 长沙市建设用地扩张道路距离分析结果 Table 4 Analysis of construction land expansion in Changsha based on distance away from road

(4)社会因素。以省政府、市政府和区政府为中心, 由内向外以500 m为缓冲半径设置5级缓冲带, 研究不同行政中心缓冲距离内建设用地的扩张情况。由表5可知, 建设用地扩张量随与行政中心距离(缓冲距离)的增加在5级缓冲带内呈增加的趋势。由于行政中心0~500 m内基本建设完成, 因此该范围内建设用地扩张量较少, 仅占7.3%。此后, 随着行政中心辐射范围扩大, 覆盖区域的建设完善程度逐级减少, 建设用地扩张量占比逐级增加。但当缓冲距离大于2 500 m时, 建设用地的扩张量骤减, 表明行政中心对建设用地扩张的影响范围在2 500 m以内。当缓冲距离大于2 500 m, 行政中心对建设用地扩张基本无影响。

表5 长沙市建设用地扩张行政中心距离分析结果统计 Table 5 Analysis of construction land expansion in Changsha based on distances away from administrative center

考虑到人口因素同样是影响城市扩张的重要驱动力, 本文基于长沙市各地区人口和面积数据计算人口密度并将数据进行标准化处理, 用于后期制作人口密度分布图集。

2.2.2 模型运行与精度评价

基于已处理好的模拟准备数据, 以2016年为基础, 模拟3 a后长沙市建设用地扩张情况, 得到2019年长沙市建设用地扩张模拟图。利用IDRISI 17.2模型的CrossTab工具, 将2019年长沙市建设用地扩张模拟图与2019年长沙市建设用地现状图进行比较, 引入Kappa系数(κ )评价模型结果。

κ=Po-PcPp-Pc。 (1)

式(1)中:Po为正确模拟的比例; Pc为随机情况下期望的正确模拟比例; Pp为理想分类情况下的正确模拟比例(若完全正确则为100%)。一般认为, 当κ ≥ 0.75时, 两幅参与对比的图像较为相似; 当0.4≤ κ < 0.75 时, 两幅参与对比的图像相似度一般, 区别明显; 当κ < 0.4时, 两幅参与对比的图像相似度较低, 区别较大。

将2019年长沙市建设用地扩张模拟图与2019年长沙市建设用地现状图进行对比分析, κ =0.953 4, 表明两者的一致性较高, 说明构建的CA-Markov模型对长沙市城市扩张的模拟效果较好。

2.2.3 模拟结果分析

本文在模拟长沙市城市建设用地扩张的过程中, 构建的适宜性图集主要参考了近年来长沙市的发展程度; 因此, 该适宜性图集的有效性将随模拟时间的延长而下降, 即若干年后长沙市发展模式很可能会与现阶段有所区别, 且该区别会随时间推进而变大。截至本文成稿之时, 《长沙市国土空间总体规划》(2019— 2035年)尚未公布, 因此, 适宜性图集中的约束条件与未来规划中生态保护、永久基本农田、城镇开发3条红线的划定可能会有所区别。鉴于上述原因, 本文所构建的适宜性图集仅尝试性用于模拟2022— 2034年长沙市城市建设用地扩张情况, 若预测时间过长, 则无法保证适宜性图集的有效性。

精度验证的结果说明, 所构建的CA-Markov模型可以较准确地模拟长沙市未来城市建设用地的扩张情况。基于此, 本文进一步以2019年长沙市土地利用图为基础, 按照前文模拟过程, 选择相同驱动因子和适宜性图集, 对长沙市2022— 2034年的城市建设用地扩张情况进行模拟。需要指出的是, 受CA-Markov模型自身限制(对未来时段进行模拟时, 必须基于前一时段的土地利用变化情况), 为保证模拟精度, 模拟步长须为前一时段时间间隔的整数倍。本文基于2013— 2016年土地利用变化情况进行分析, 因此模拟步长选定为3 a的整数倍, 模拟自2019年开始未来3、6、9、12、15 a的长沙市城市建设用地扩张情况, 所预测的流转最优期限为一段时间区间。

图3为长沙市2022— 2034年城市建设用地扩张模拟结果, 图中红色区域为本文预测的相应年份长沙市城市建设用地分布情况。由图3可知, 在本文的预测条件下, 长沙市城市建设用地未来的扩张模式依旧沿河流、交通道路发展, 2019— 2034年间城市建设用地增长面积占长沙市总面积的7.26%, 变化速率为0.48%· a-1。由模拟结果扩张趋势分析可得, 长沙市东西部城市发展受到地形、人口等因素影响, 向外扩张速度较慢, 中部地区城市发展相对成熟稳定, 扩张最明显的区域位于北部偏西的沿江地区, 该地区临近城市中心, 紧靠湘江且交通便利, 发展前景较大。

图3 长沙市2022(A)、2025(B)、2028(C)、2031(D)、2034(E)年城市建设用地扩张模拟结果Fig.3 Simulation results of urban construction land expansion in Changsha City in 2022 (A), 2025 (B), 2028 (C), 2031 (D), 2034 (E)

2.2.4 基于城市建设用地扩张结果的城郊村土地经营权流转最优期限确定

基于长沙市城市建设用地扩张模拟结果, 理论上能够得到任一城郊村2019— 2034年内土地经营权流转最优期限的时间区间。本文选取长沙市望城区某城郊村为研究点, 对其建设用地扩张情况进行局部放大展示, 说明本文方法在确定某一具体城郊村土地经营权流转最优期限中的应用。

图4为长沙市望城区某城郊村A样地土地经营权流转最优期限参考示例。如图所示, A样地在2019— 2031年间为耕地, 2034年该区域模拟土地利用类型由耕地转变为建设用地, 即该块土地预计在2031— 2034年被征收。基于前文对“ 最优期限” 核心概念的界定, 以及不同流转次数下土地经营权流转最优期限的讨论, 对A样地的土地经营权流转最优期限预测如下。

图4 长沙市望城区2019年的土地利用情况(A)和2034年的土地利用情况模拟(B)Fig.4 Actual and simulated land use of Wangcheng District in 2019 (A) and 2034 (B)

(1)若A样地流出方仅愿意进行一次流转, 流转合同中签订的最优期限建议为11~14 a。

(2)若A样地流出方接受多次流转, 可视地力条件、流出方经营用途、种植作物类型、双方时间偏好等在未来11~14 a间进行多次流转, 征收前最后一次流转的截止日期应在2031— 2034年间。

3 结论

本文以理性选择理论为指导, 构建城郊村土地经营权流转最优期限分析框架, 以长沙市为例, 探讨城郊村土地经营权流转最优期限。主要研究结论如下。

(1)城郊村土地经营权最优流转期限是土地征收前流转双方收益均达到最大时对应的期限。土地征收时间应该作为衡量土地经营权流转最优期限的关键因素, 流转双方应考虑目标流转土地的预期被征收时间。

(2)土地征收前流转次数不同时, 其最优期限不同。土地在征收前仅流转一次时, 最优期限等于土地征收时间; 土地在征收前多次流转的, 最后一次流转的最优期限等于征收时间, 此前数次流转的最优期限均等于流入方最满意流转时间。流入方和流出方可以根据收益预期和主观意愿, 参考城市建设用地扩张趋势预测土地被征收时间以确定最优流转期限。

(3)CA-Markov模型在确定土地经营权流转最优期限上具有一定的优势。基于长沙市经济社会历史数据, 运用CA-Markov模型模拟其2019— 2034年的建设用地扩张趋势, 模拟结果符合当前长沙市城市发展规划, 与实际扩张情况基本保持一致。以长沙市望城区某城郊村A样地为例, 预测得到了其2019— 2034年的土地经营权流转最优期限。随着新一轮国土空间规划实施, 城市发展方向或许会有所调整, 城郊村土地被征收的时间将产生一些变化, 城郊村土地经营权流转最优期限也会相应地发生改变。CA-Markov模型作为探索城郊村土地经营权流转最优期限的方法, 可推广应用到其他地区, 为探索城郊村土地经营权流转最优期限提供参考。

(责任编辑 高 峻)

参考文献
[1] 钟文晶, 罗必良. 契约期限是怎样确定的?: 基于资产专用性维度的实证分析[J]. 中国农村观察, 2014(4): 42-51.
ZHONG W J, LUO B L. How contract duration be determined?: based on empirical analysis from dimensions of asset specificity[J]. China Rural Survey, 2014(4): 42-51. (in Chinese with English abstract) [本文引用:1]
[2] 刘丽, 吕杰. 土地流转契约选择及其稳定性[J]. 山东社会科学, 2017(11): 153-158.
LIU L, LYU J. Selection and stability of land transfer contract[J]. Shand ong Social Sciences, 2017(11): 153-158. (in Chinese with English abstract) [本文引用:1]
[3] 常伟. 农地大规模流转期限认知行为研究: 基于安徽省1 010个样本农户的实证分析[J]. 农村经济, 2015(2): 37-41.
CHANG W. Cognitive behavior of large-scale farmland transfer term: based on empirical analysis of 1 010 sample in Anhui Province[J]. Rural Economy, 2015(2): 37-41. (in Chinese with English abstract) [本文引用:1]
[4] 刘瑞峰, 梁飞, 王文超, . 农村土地流转差序格局形成及政策调整方向: 基于合约特征和属性的联合考察[J]. 农业技术经济, 2018(4): 27-43.
LIU R F, LIANG F, WANG W C, et al. Priority of rural land transfer and policy choices: a joint study based on contract characteristics and attributes[J]. Journal of Agrotechnical Economics, 2018(4): 27-43. (in Chinese with English abstract) [本文引用:1]
[5] 何军, 祝丽琴. 土地流转中契约期限的选择: 长期还是短期?: 基于湖北省孝昌县的实证分析[J]. 江苏农业科学, 2018, 46(8): 320-324.
HE J, ZHU L Q. Choice of contract term in land transfer: long-term or short-term?: based on empirical analysis of Xiaochang, Hubei Province[J]. Jiangsu Agricultural Sciences, 2018, 46(8): 320-324. (in Chinese with English abstract) [本文引用:1]
[6] 李承桧, 杨朝现, 陈兰, . 基于农户收益风险视角的土地流转期限影响因素实证分析[J]. 中国人口·资源与环境, 2015, 25(5): 66-70.
LI C H, YANG C X, CHEN L, et al. Empirical analysis on factors of land transfer term based on household income and risk perspectives[J]. China Population, Resources and Environment, 2015, 25(5): 66-70. (in Chinese with English abstract) [本文引用:1]
[7] 刘文勇, 张悦. 农地流转中农户租约期限短期倾向的研究: 悖论与解释[J]. 农村经济, 2013(1): 22-25.
LIU W Y, ZHANG Y. Research on the short-term tendency of farmers' lease term in the farmland circulation: paradox and explanation[J]. Rural Economy, 2013(1): 22-25. (in Chinese) [本文引用:1]
[8] 郜亮亮, 黄季焜, SCOTT R, . 中国农地流转市场的发展及其对农户投资的影响[J]. 经济学(季刊), 2011, 10(4): 1499-1514.
GAO L L, HUANG J K, SCOTT R, et al. Emerging rental markets and investment in agricultural land in China[J]. China Economic Quarterly, 2011, 10(4): 1499-1514. (in Chinese) [本文引用:1]
[9] 邹宝玲, 罗必良, 钟文晶. 农地流转的契约期限选择: 威廉姆森分析范式及其实证[J]. 农业经济问题, 2016, 37(2): 25-32.
ZOU B L, LUO B L, ZHONG W J. Farmland transfer, transaction cost and the choice of contract period: Williamson's paradigm and empirical analysis[J]. Issues in Agricultural Economy, 2016, 37(2): 25-32. (in Chinese with English abstract) [本文引用:1]
[10] 刘兆征. 农村土地承包经营权流转调研[J]. 国家行政学院学报, 2015(2): 63-67.
LIU Z Z. Investigation on circulation of rural land contract management rights[J]. Journal of Chinese Academy of Governance, 2015(2): 63-67. (in Chinese) [本文引用:1]
[11] 毛飞, 孔祥智. 农地规模化流转的制约因素分析[J]. 农业技术经济, 2012(4): 52-64.
MAO F, KONG X Z. Analysis of restrictive factors of large-scale circulation of farmland [J]. Journal of Agrotechnical Economics, 2012(4): 52-64. (in Chinese) [本文引用:1]
[12] 张西现. 农地流转现状及制约因素分析: 以云南省为例[J]. 中国农业资源与区划, 2016, 37(3): 101-105.
ZHANG X X. Analysis on the situation and restriction factors in agricultural land circulation: take Yunnan Province as an example[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(3): 101-105. (in Chinese with English abstract) [本文引用:1]
[13] 吴学兵, 汪发元, 黎东升. 规模化经营中土地流转价格影响因素的实证分析[J]. 统计与决策, 2016(10): 87-90.
WU X B, WANG F Y, LI D S. Empirical analysis of the factors affecting land circulation price in large-scale operation[J]. Statistics & Decision, 2016(10): 87-90. (in Chinese) [本文引用:1]
[14] 黄增付. 农民土地转出中的道义理性选择及现实困境: 以核心产粮区典型村庄为例[J]. 农业经济问题, 2016, 37(7): 81-89.
HUANG Z F. The moral rational choice of farmers' land transfer and realistic predicament: case of typical village in the core area of grain production[J]. Issues in Agricultural Economy, 2016, 37(7): 81-89. (in Chinese with English abstract) [本文引用:1]
[15] 江樟焰, 陈云浩, 李京. 基于Land sat TM数据的北京城市热岛研究[J]. 武汉大学学报·信息科学版, 2006, 31(2): 120-123.
JIANG Z Y, CHEN Y H, LI J. Heat island effect of Beijng based on Land sat TM data[J]. Geomatics and Information Science of Wuhan University, 2006, 31(2): 120-123. (in Chinese with English abstract) [本文引用:1]
[16] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589-595.
XU H Q. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595. (in Chinese with English abstract) [本文引用:1]
[17] 朱婉雪, 李仕冀, 张旭博, . 基于无人机遥感植被指数优选的田块尺度冬小麦估产[J]. 农业工程学报, 2018, 34(11): 78-86.
ZHU W X, LI S J, ZHANG X B, et al. Estimation of winter wheat yield using optimal vegetation indices from unmanned aerial vehicle remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(11): 78-86. (in Chinese with English abstract) [本文引用:1]
[18] 孙玮健, 张荣群, 艾东, . 基于元胞自动机模型的土地利用情景模拟与驱动力分析[J]. 农业机械学报, 2017, 48(增刊): 254-261.
SUN W J, ZHANG R Q, AI D, et al. Driving force analysis and scenarios simulation of land use based on cell automata model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(Supp. ): 254-261. (in Chinese with English abstract) [本文引用:1]
[19] 井云清, 张飞, 张月. 基于CA-Markov模型的艾比湖湿地自然保护区土地利用/覆被变化及预测[J]. 应用生态学报, 2016, 27(11): 3649-3658.
JING Y Q, ZHANG F, ZHANG Y. Change and prediction of the land use/cover in Ebinur Lake Wetland Nature Reserve based on CA-Markov model[J]. Chinese Journal of Applied Ecology, 2016, 27(11): 3649-3658. (in Chinese with English abstract) [本文引用:1]
[20] 何丹, 周璟, 高伟, . 基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J]. 北京大学学报(自然科学版), 2014, 50(6): 1095-1105.
HE D, ZHOU J, GAO W, et al. An integrated CA-Markov model for dynamic simulation of land use change in Lake Dianchi watershed[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(6): 1095-1105. (in Chinese with English abstract) [本文引用:1]
[21] 刘毅, 杨晟, 陈吉宁, . 基于元胞自动机模型的城市土地利用变化模拟[J]. 清华大学学报(自然科学版), 2013, 53(1): 72-77.
LIU Y, YANG S, CHEN J N, et al. Urban land use changes predictions using a cellular automata model[J]. Journal of Tsinghua University( Science and Technology), 2013, 53(1): 72-77. (in Chinese with English abstract) [本文引用:1]
[22] 吕建树, 吴泉源, 张祖陆, . 基于RS和GIS的济宁市土地利用变化及生态安全研究[J]. 地理科学, 2012, 32(8): 928-935.
LYU J S, WU Q Y, ZHANG Z L, et al. Land use change and ecological security assessment in Jining City based on RS and GIS[J]. Scientia Geographica Sinica, 2012, 32(8): 928-935. (in Chinese with English abstract) [本文引用:1]
[23] 陆大道. 我国的城镇化进程与空间扩张[J]. 城市规划学刊, 2007(4): 47-52.
LU D D. Urbanization process and spatial sprawl in China[J]. Urban Planning Forum, 2007(4): 47-52. (in Chinese with English abstract) [本文引用:1]
[24] 杨国清, 刘耀林, 吴志峰. 基于CA-Markov模型的土地利用格局变化研究[J]. 武汉大学学报·信息科学版, 2007, 32(5): 414-418.
YANG G Q, LIU Y L, WU Z F. Analysis and simulation of land -use temporal and spatial pattern based on CA-Markov model[J]. Geomatics and Information Science of Wuhan University, 2007, 32(5): 414-418. (in Chinese with English abstract) [本文引用:1]