基于PSR模型和主成分分析的恩施州城市土地集约利用评价

杨烁; 詹海斌; 孙小舟

doi:10.16377/j.cnki.issn1007-7731.2025.22.015

安徽农学通报 >

2025 , Vol. 31 >Issue 22: 71 - 77

DOI: https://doi.org/10.16377/j.cnki.issn1007-7731.2025.22.015

生态环境·植保

基于PSR模型和主成分分析的恩施州城市土地集约利用评价

杨烁 ,
詹海斌 ,
孙小舟

展开

湖北文理学院资源环境与旅游学院，湖北襄阳 441053

孙小舟（1978—），男，甘肃秦安人，博士，教授，从事土地资源利用方向研究。

杨烁（2003—），男，湖北恩施人，从事土地资源利用方向研究。

Copy editor: 李媛

收稿日期: 2025-01-21

网络出版日期: 2025-11-28

基金资助

湖北省创业团队计划项目(T201314)

湖北文理学院省级大学生创新创业训练计划项目(S202510519066)

湖北文理学院省级大学生创新创业训练计划项目(S202510519001)

湖北文理学院校级大学生创新创业训练计划项目(X202510519071)

收起

Evaluation on urban land intensive utilization degree of Enshi Autonomous prefecture based on PSR model and the principal component analysis

YANG Shuo ,
ZHAN Haibin ,
SUN Xiaozhou

Expand

School of Resource Environment and Tourism, Hubei University of Arts and Sciences, Xiangyang 441053, China

Received date: 2025-01-21

Online published: 2025-11-28

Fold

摘要

土地集约利用评价作为重要的土地资源管理工具，对土地可持续利用和促进经济、生态协调发展具有重要意义。本文以湖北省恩施土家族苗族自治州土地集约利用为研究对象，构建包括24项指标的压力—状态—响应（PSR）模型，结合SPSS 18.0软件，采用主成分分析法对其进行降维和综合评价，最终通过百分制转换得到土地利用综合度得分，对2012—2022年该地区土地集约利用进行综合评价。结果表明，研究区城市土地集约利用度呈持续提升态势，其百分制得分从2012年的37.620 33分增长至2022年的77.620 33分，增长幅度达106.33%，该趋势与研究区2012—2022年的城市土地利用实际和经济发展状况相符。结合分析结果，提出以下提升土地集约利用效率的对策：对产出效益高的区域，应加大土地投入与产业扶持力度；对利用程度低的地区，应推广经济作物种植，提高人口与路网密度；同时，积极发展富硒产业，挖掘外部潜力，实现土地可持续利用与绿色发展；此外，依托世界级旅游目的地建设，重点打造民族文化体验、城市休闲和乡村旅游等板块，发挥其引领带动作用，促进区域经济协调发展。本文为研究区提高土地集约利用效率提供参考。

关键词： 土地集约; 压力—状态—响应模型; 主成分分析; 驱动因子

本文引用格式

杨烁 , 詹海斌 , 孙小舟 . 基于PSR模型和主成分分析的恩施州城市土地集约利用评价[J]. 安徽农学通报, 2025 , 31(22) : 71 -77 . DOI: 10.16377/j.cnki.issn1007-7731.2025.22.015

Abstract

As a critical tool for land resource management, intensive land use evaluation is of great significance for promoting sustainable land utilization and coordinating economic and ecological development. This study focused on the intensive land use in Enshi Tujia and Miao Autonomous Prefecture, Hubei Province, and constructed a pressure-state-response (PSR) model comprising 24 indicators. Using SPSS 18.0 software, principal component analysis was applied to reduce dimensionality and conduct a comprehensive evaluation. The results were converted into a percentile system to derive comprehensive scores for land use intensity. The evaluation covered the period from 2012 to 2022. The results showed a continuous improvement in the intensive land use level of the study area. The 100-point scale score increased from 37.620 33 in 2012 to 77.620 33 in 2022, representing a growth of 106.33%. This trend aligns with the actual urban land use and economic development conditions in the study area during 2012–2022. Based on the analysis results, the following strategies were proposed to enhance land intensive use efficiency: in areas with high output efficiency, land investment and industrial support should be strengthened; in regions with low utilization levels, the cultivation of economic crops should be promoted, and population and road network density should be increased. Meanwhile, the selenium-enriched industry should be actively developed to tap into external potential, achieving sustainable land use and green development. Furthermore, leveraging the construction of a world-class tourist destination, key sectors such as ethnic cultural experiences, urban leisure, and rural tourism should be emphasized to harness their leading and driving effects in promoting coordinated regional economic development. This study provides a reference for improving land intensive use efficiency in the study area.

Key words： land intensive use; PSR model; principal component analysis; driving factor

土地是人类赖以生存和发展的空间环境，是人类生产生活直接利用的重要自然资源和物质载体，兼具生态服务和支持供养的双重作用^[1-3]。现阶段，城市发展对土地的需求量较大，而土地的有限供给在一定程度上影响了城市和社会经济的发展^[4-6]。土地资源的合理开发利用直接影响着区域发展，基于此，实施土地集约利用策略对于缓解现阶段人地紧张状况至关重要^[7]。土地集约利用评价是研究土地利用状况的重要方法与工具，相关学者进行了大量的学术讨论与研究^[8-12]。为评价湖北省恩施土家族苗族自治州（以下简称恩施州）近年来城市土地集约利用水平，建立了城市土地集约利用水平指标体系，从经济、社会和生态环境3个方面，运用经济学分析方法，在理论分析城镇集约用地问题的基础上，运用主成分分析法进行实例分析^[13-15]；结合城市土地集约利用经验，提出土地利用政策建议^[16]。对研究区完善城市土地管理、实行合理的城市土地利用方式、加强各层次的城市土地管理具有现实意义^[17]。目前，对城市土地集约利用评价以定量分析为主，定性分析为辅^[18]。本文通过查阅恩施州的统计年鉴数据，并结合SPSS 18.0统计软件，采用主成分分析法，对计算综合评估值的原始变量进行数据标准化，对主要成分进行降维处理，获得反映主要成分的指标信息量权重，从而考核该地区集约用地情况，为进一步提高研究区城市土地集约化利用水平提供参考。

1 研究区概况与数据来源

1.1 研究区基本情况

恩施土家族苗族自治州位于湖北省西南部，西临渝黔，东连荆楚，南接潇湘，北靠神农架^[19-20]，地处108°23′12″—110°38′08″ E、29°07′10″—30°24′13″ N，全州总面积2.4万km^2[21]。该地海拔较高，全域属于山地，森林覆盖率约70%。其是长江流域重要的水源涵养和生态屏障，动植物种类丰富^[22]。

1.2 数据来源

本研究所涉及的有关恩施州的社会经济发展、土地利用现状和城市建设现状等相关数据（表1）主要来源于2012—2022年的《湖北省恩施州统计年鉴》以及相应的统计公报，内容来自官方平台。其中X1为人口密度；X2为城镇化率；X3为公路密度；X4为二三产业占GDP总值比重；X5为森林覆盖率；X6为建成区绿化覆盖率；X7为建成区绿地率；X8为地区生产总值；X9为地均农林牧渔总产值；X10为地均粮食总产量；X11为工业对GDP的贡献率；X12为地均社会消费品零售额；X13为地均第二、三产业GDP；X14为地均工业总产值；X15为人均建设面积；X16为人均公园绿地面积；X17为人均公园面积；X18为人均道路面积；X19为财政收入；X20为地均财政投入；X21为地均固定资产投资；X22为地均房地产开发投资；X23为优良天数达标率；X24为污水处理率。恩施土家族苗族自治州行政区划数据来源于资源环境科学数据注册与出版系统（https://www.resdc.cn/Default.aspx），使用的遥感影像来源于地理空间数据云（https://www.gscloud.cn/），利用ArcGIS软件可得。

表1 原始数据

指标	2012年	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	2022年
X1	137.39	137.65	137.89	138.27	139.06	139.69	140.04	140.64	142.27	142.40	141.41
X2	34.55	36.1	38.38	39.98	41.88	43.48	44.86	45.86	46.56	47.66	48.38
X3	78.23	78.27	78.55	80.72	86.23	94.32	99.81	116.08	118.58	121.74	125.05
X4	74.10	75.11	76.43	96.56	66.67	65.40	84.64	84.39	82.07	82.72	81.95
X5	60.43	60.43	60.43	63.10	63.98	64.37	64.65	69.20	69.20	69.20	67.20
X6	31.90	28.98	29.64	30.53	0.32	36.15	38.50	37.71	43.53	43.02	42.18
X7	26.95	24.41	24.88	24.74	26.67	31.17	34.56	33.49	38.93	38.47	37.75
X8	200.40	229.62	254.36	278.80	359.49	402.36	449.82	481.85	469.02	541.27	582.77
X9	86.95	94.43	98.50	102.82	109.18	109.18	125.86	136.79	154.02	171.31	193.40
X10	61.44	60.12	61.01	66.87	60.97	62.23	60.97	60.81	61.15	59.90	59.75
X11	25.2	19.6	18.9	14.9	24.8	17.1	11.1	22.2	19.8	36.7	29.9
X12	75.99	87.15	102.70	185.34	207.97	231.25	286.60	317.43	260.10	285.14	293.20
X13	148.49	172.47	194.40	269.21	239.67	263.13	380.72	406.65	384.91	447.76	477.57
X14	68.33	80.43	89.94	99.06	107.32	115.56	120.83	124.45	104.78	141.54	154.31
X15	1.65	2.05	2.98	3.37	3.81	3.66	4.41	4.28	4.90	4.98	4.42
X16	7.09	7.07	7.60	7.64	5.19	9.63	15.80	15.72	16.86	16.27	18.37
X17	4.09	3.91	3.89	3.89	4.06	5.43	6.26	6.12	6.02	6.19	6.20
X18	6.97	7.20	8.17	8.88	9.15	9.57	10.46	11.18	12.01	11.84	12.87
X19	37.81	44.30	49.30	54.88	59.28	66.96	71.12	72.33	59.51	70.13	71.07
X20	74.68	90.06	89.90	138.23	133.10	141.11	162.82	185.38	195.42	156.47	176.69
X21	168.82	212.13	255.16	301.78	298.99	345.44	384.13	426.40	332.15	409.54	476.30
X22	16.74	23.72	38.05	41.97	54.34	54.65	59.24	71.46	72.32	82.86	72.59
X23	81.20	81.30	85.60	86.50	87.75	88.00	88.07	92.34	95.00	96.87	98.18
X24	88.8	96.7	95.0	81.4	88.3	91.8	95.3	96.4	97.6	97.7	97.8

2 评价体系与方法

2.1 评价指标体系构建

随着可持续发展理念的发展，压力—状态—响应模型（PSR模型）被确立为评估环境与发展关系的核心概念框架之一^[23-24]。因其在揭示人类活动与生态环境间相互作用机制方面具有较强的解释力，PSR模型被广泛运用于生态安全、环境治理与可持续发展评估等领域，成为解析“人类—环境”系统复杂关联的重要工具^[25-27]。本研究结合恩施土地集约利用现状，将评价体系分为目标层（A）、系统层（B）、指标层（X）3个层次，依据PSR模型原理，结合城市土地集约利用内涵，选取24个指标进行综合评价。目标层（A）表示集约利用城镇土地的程度；系统层（B）包括3个层次：压力指标（P），状态指标（S），反应指标（R）；指标层（X）包括24项指标（表2）。

表2 城市土地集约利用评价指标体系

目标层（A）	系统层（B）	指标（X）	单位	方向	指标描述
土地集约利用指标体系	压力指标（P）	人口密度（X1）	人/km²	正向	常住总人口/土地总面积
		城镇化率（X2）	%	正向	城镇人口/常住总人口
		公路密度（X3）	km/百km²	正向	公路通车里程/土地总面积
		二三产业占GDP总值比重（X4）	%	正向	二、三产业GDP/总GDP
		森林覆盖率（X5）	%	正向	森林面积/土地总面积
		建成区绿化覆盖率（X6）	%	正向	城市各类绿地面积/城市总面积
		建成区绿地率（X7）	%	正向	城市六类绿地面积/城市总面积

	状态指标（S）	地均地区生产总值（X8）	万元/km²	正向	地区生产总值/土地总面积
		地均农林牧渔总产值（X9）	万元/km²	正向	农林牧渔总产值/土地总面积
		地均粮食总产量（X10）	t/km²	正向	粮食总产量/土地总面积
		工业对GDP的贡献率（X11）	%	正向	工业增加值增量/GDP增量
		地均社会消费品零售额（X12）	万元/km²	正向	社会消费品零售额/土地总面积
		地均第二、三产业GDP（X13）	万元/km²	正向	第二、三产业GDP/土地总面积
		地均工业总产值（X14）	万元/km²	正向	工业总产值/土地总面积
		人均建设面积（X15）	m²/人	负向	建设用地面积/常住总人口
		人均公园绿地面积（X16）	m²/人	正向	公园绿地面积/常住总人口
		人均公园面积（X17）	m²/人	正向	公园面积/常住总人口
		人均道路面积（X18）	m²/人	正向	道路面积/常住总人口

	响应指标（R）	地均财政收入（X19）	万元/km²	正向	政府财政收入/土地总面积
		地均财政投入（X20）	万元/km²	正向	政府财政投入/土地总面积
		地均固定资产投资（X21）	万元/km²	正向	固定资产投资/土地总面积
		地均房地产开发投资（X22）	万元/km²	正向	房地产开发投资/土地总面积
		优良天数达标率（X23）	%	正向	优良天数/全年天数
		污水处理率（X24）	%	正向	污水处理量/污水排放总量

其中，P描述了X1、X2、X3、X4、X5、X6、X7共7个指标，用来表示人类直接施加给土地集约利用的压力或干扰；S用来衡量当前土地集约化利用的状态和变化趋势，描述了X8、X9、X10、X11、X12、X13、X14、X15、X16、X17、X18，表示人类活动导致的土地集约化利用的变化；R选取X19、X20、X21、X22、X23、X24共6个指标，使用社会对提高集约用地的努力程度来表示集约化用地改善措施的执行情况。

2.2 研究方法

2.2.1 主成分分析

作为一种常用的多指标评价手段，主成分分析法（PCA）通常也称为主分量分析法^[28-29]，其将多变量转化为几个客观特征突出的综合指标。从数学角度看，主成分分析是一种基于相关分析的降维处理思维^[30]。具体的步骤包括原始数据标准化，计算特征根和特征向量，计算方差贡献率和累计贡献率，计算主成分得分，计算综合得分。

2.2.2 数据标准化

在主成分分析中，数据标准化是一个重要步骤。标准化的目的是使不同特征的数据具有相同的尺度^[31]，从而避免某些特征由于量纲不同而对分析结果产生过大的影响^[32]。为统一数据，使其具有可比性，文章采用标准差标准化方法对原始数据进行处理。假设有n个样本，每个样本包含m个变量（X₁，X₂，…，X_m），则X_ij 表示原始数据矩阵。在同一指标下，原始数据的标准化值计算如式（1）。

P i j = X i j - X j σ j

（1）

式中，P_ij 为标准化后的数值；X_j 为第j个指标的算术平均值；

σ j

为样本标准差。

2.2.3 提取公因子

在城市土地集约利用的主成分分析方法中，提取公因子的过程是通过坐标变换技术对原有的m个变量X_i 进行线性变换，转化为变量Y_i，且每一组变量Y_i 相互独立，如式（2）所示。

Y₁=U₁₁X₁+ U₂₁X₂+…U_n₁X_m

Y₂=U₁₁X₁+ U₂₂X₂+…U_n₂X_m

┋ ┋ ┋ ┋ ┋

Y_n =U₁₁X₁+ U₂_nX₂+…U_nmX_m

（2）

式中，Y₁，Y₂，…，Y_n 表示原变量的1，2，...，n个主要成分，其中Y₁的比重在总方差值中最大，其综合起来表示原变量的作用也是最好的。综合表示原变量的主成分是选取前n个方差最大的主成分，其综合表示原变量的主成分，其他主成分因子在总方差中，所占比例依次递减，其综合表示原变量的效果也逐次递减。

2.2.4 计算主成分权重

计算主成分方差贡献率与累计方差贡献率的比值，求得主成分权重，如式（3）。

X k = P k ∑ k = 1 m P k

（3）

式中，X_k 表示主成分权重；P_k 表示主成分贡献率。

2.2.5 计算主成分综合因子得分

根据因子回归系数，计算2012—2022年研究区土地集约利用的各主成分因子得分。随后，利用每个主成分的方差贡献率作为权重，得出其土地集约利用的综合因子得分，如式（4）。

S i = ∑ A i k B k

（4）

式中，S_i 表示第i年的城市土地集约利用的主成分综合因子得分，A_ik 表示研究区第i年第k个城市土地集约利用的主成分综合因子得分，B_k 表示所选用主成分的方差贡献率。按照综合因子得分数值高低排序，将耕地集约利用度分为4个层次：欠集约型（S_i<-0.5）、基本集约型（-0.5≤S_i<0）、集约型（0≤S_i<0.5）和高度集约型（0.5<S_i）。

为了更加直观地表示城市土地集约利用程度，对以上测算出的各年份城市土地集约利用的综合因子得分进行百分制转换，转换公式如式（5）。

F i = S i S m a x - S m i n × 40 + 60

（5）

式中，F_i表示第i年的主成分百分制得分，S_i表示第i年的主成分综合因子得分，S_max表示主成分综合得分的最大值，S_min表示主成分综合得分的最小值。

3 结果与分析

3.1 数据处理结果

以2012—2022年研究区PSR模型为样本，使用SPSS统计软件进行计算分析，先将24个指标的数据进行标准化，以标准化后的数据为变量进行主成分分析，首先得出公因子方差（表3）；然后计算土地集约利用的所有因子的特征根值，选择特征根大于1的因子作为主成分。使用SPSS软件的降维处理，依据统计分析结果，选取前4个特征根作为主成分，其累计方差贡献率为88.066%，表明这4个主成分可以涵盖原始变量中88.066%的信息量（表4），能够反映城市土地利用状况。

表 3 公因子方差

指标	提取值	指标	提取值	指标	提取值	指标	提取值
X1	0.95	X7	0.93	X13	0.97	X10	0.98
X2	0.99	X8	0.99	X14	0.91	X20	0.91
X3	0.98	X9	0.96	X15	0.91	X21	0.49
X4	0.75	X10	0.94	X16	0.55	X22	0.96
X5	0.88	X11	0.74	X17	0.93	X23	0.97
X6	0.79	X12	0.73	X18	0.98	X24	0.94

表4 总方差分解

成分	初始特征值			旋转平方和载入
成分	特征根	方差贡献率/%	累积方差贡献率/%	合计	方差贡献率/%	累积方差贡献率/%
1	16.176	67.399	67.399	12.489	52.037	52.037
2	2.409	10.036	77.435	2.999	12.494	64.531
3	1.510	6.294	83.729	2.956	12.318	76.849
4	1.041	4.339	88.068	2.692	11.217	88.066

最初的研究区土地集约利用因子是根据SPSS软件的降维统计分析提取出来的，但其结果未能将主要成分所包含的指标信息全部清晰地反映出来。因此，取正交方差最大旋转的初始结果，得到旋转后的因子提取结果及其因子回归系数（表5）。

表5 旋转后的因子提取结果和因子回归系数

因子	因子提取结果				因子回归系数
因子	1	2	3	4	1	2	3	4
X1	0.96	-0.08	0.06	0.10	0.77	0.38	0.41	0.22
X2	0.99	0.09	-0.08	-0.06	0.91	0.24	0.30	0.09
X3	0.97	-0.13	0.10	0.04	0.77	0.40	0.37	0.29
X4	0.29	0.57	0.57	0.15	0.19	0.70	-0.07	-0.46
X5	0.93	0.05	0.06	-0.03	0.82	0.35	0.27	0.12
X6	0.54	-0.06	0.70	0.07	0.26	0.82	0.05	0.21
X7	0.94	-0.15	0.16	0.08	0.71	0.45	0.38	0.30
X8	0.99	-0.04	-0.09	-0.05	0.89	0.22	0.34	0.20
X9	0.94	-0.14	0.03	0.23	0.69	0.36	0.54	0.23
X10	-0.34	0.89	0.13	0.15	-0.17	0.14	-0.22	-0.92
X11	0.39	-0.48	-0.32	0.50	0.12	-0.11	0.77	0.35
X12	0.61	0.23	-0.40	-0.39	0.82	-0.23	-0.05	-0.06
X13	0.98	0.08	0.08	-0.01	0.85	0.39	0.29	0.10
X14	0.92	0.06	-0.24	-0.04	0.89	0.07	0.34	0.08
X15	0.93	0.19	-0.08	-0.03	0.88	0.24	0.28	-0.02
X16	-0.42	-0.50	0.29	-0.22	-0.47	0.03	-0.31	0.49
X17	0.93	-0.08	0.16	-0.20	0.82	0.39	0.12	0.30
X18	0.99	0.05	0.03	0.06	0.84	0.36	0.37	0.11
X19	0.89	0.20	-0.20	-0.33	0.99	0.05	0.04	0.03
X20	0.90	0.25	0.10	-0.16	0.87	0.37	0.09	-0.03
X21	0.49	0.06	-0.21	0.45	0.31	0.07	0.61	-0.12
X22	0.97	0.07	-0.11	-0.04	0.90	0.21	0.32	0.09
X23	0.96	0.00	-0.04	0.20	0.77	0.31	0.52	0.11
X24	0.56	-0.72	0.27	-0.20	0.33	0.30	0.10	0.86

3.2 土地集约利用综合得分

研究区城市土地集约利用得分在2012—2022年间明显提升（表6），其百分制得分从2012年的37.620 33增长至2022年的77.620 33，增长幅度达106.33%。这一变化与研究区在2012—2022年的城市经济发展状况及土地利用实际情况一致^[19]，表明基于主成分分析的研究区城市土地集约利用的SPSS统计分析是有效的，能较好地反映研究区2012—2022年的土地利用现状。

表6 城市土地集约利用综合得分

年份	第一主成分得分/分	第二主成分得分/分	第三主成分得分/分	第四主成分得分/分	综合得分/分	百分制得分/分	排名	集约利用类型
2012	-1.728 75	-0.069 39	0.343 93	0.001 20	-0.983 06	37.620 33	11	欠集约型
2013	-1.414 15	0.0919 7	-0.937 76	1.465 82	-0.767 00	42.539 01	10	欠集约型
2014	-0.946 94	-0.278 23	-0.043 72	0.091 50	-0.593 46	46.489 75	9	欠集约型
2015	-0.408 68	0.696 15	-0.276 14	-2.646 84	-0.518 48	48.196 74	8	欠集约型
2016	0.253 05	-2.360 76	0.540 54	-0.382 33	-0.158 50	56.391 65	7	基本集约型
2017	0.466 37	-0.791 94	-0.460 81	-0.069 79	0.0898 7	62.045 80	6	集约型
2018	0.921 71	0.252 94	-1.202 23	-0.075 05	0.4027 8	69.169 42	5	集约型
2019	1.296 58	0.186 34	-1.494 06	0.478 25	0.644 49	74.671 99	3	高度集约型
2020	0.066 67	1.724 92	0.561 77	0.270 97	0.397 21	69.042 57	4	集约型
2021	0.660 41	0.281 28	1.585 43	0.473 14	0.712 16	76.212 40	2	高度集约型
2022	0.833 73	0.266 70	1.383 07	0.393 13	0.774 00	77.620 33	1	高度集约型

3.3 土地集约利用评价

近年来，随着研究区城市建设的迅速推进，2012年以来，研究区城市建设加快，2016年集约利用类型由欠集约型转为集约型，土地利用率有所提高。2019年，土地集约类型达到高度集约型，2021年土地集约化利用综合得分达76.212 40分。2012—2022年，研究区城市土地集约化利用程度明显提高。

2012—2022年，研究区土地利用结构也发生一定变化（图1），农田和不透水面斑块占比明显提升，说明研究区城市化水平不断提高^[33-34]，2022年，城市化水平为48.38%，城市土地集约利用水平较高。

显示原图|下载原图ZIP|生成PPT

图1 2012—2022年研究区土地利用变化

4 结论与讨论

运用主成分分析法进行土地集约利用综合评价，为建设用地集约利用评价方法研究提供了新思路。本研究建立的土地集约利用评价体系分为3个层次24个指标，指标体系通过巴特利球度和KMO检验，可以使用主成分分析方法。选取的4个主成分累积方差贡献率为88.066%，指示主成分分析结果可以被接受且能涵盖原始数据的绝大部分信息。

根据评价结果发现，研究区城市建设用地集约利用程度与城市社会经济发展实力相吻合。随着城市社会经济发展水平的提高，城市建设用地集约利用程度也有所提高。

整体上，4个主成分得分呈现增长趋势，二三产业占GDP总值比重（X4），建成区绿化覆盖率（X6）和地均粮食总产量（X10）是第二主成分的主要驱动因子；工业对GDP的贡献率（X11）是第三主成分的主要驱动因子；人均公园绿地面积（X16）和污水处理率（X24）是第四主成分的主要驱动因子，说明了提高城市土地集约度的同时需注重生态效益，实现经济与自然和谐共生。

土地的有效供给是区域经济发展的重要保障。基于上述研究结果，提出相关优化土地集约利用的策略，具体如下。对土地产出效益高的区域，应适当提高土地投入强度和产业扶持力度^[35]，提高商业、金融业等第三产业用地比例^[36]，使得3类指标结构逐渐趋于合理。同时，应加大对城市土地建设的投资力度，加大对基础设施、公共设施以及固定资产的资金投入。对于土地利用程度低的地区，可推广种植经济作物（茶树、果树等），同时，优化城乡布局，完善基础设施以及道路网密度等，以提高土地利用效率。精准施策，内外联动，通力合作，以切实提高研究区城市土地利用效率。

富硒产业是研究区当前打造的支柱产业之一^[37]，因此，大力发展富硒产业是提高当地城市土地集约利用水平的重要途径。在之后的经济发展过程中要尽量利用城市建成区的存量土地，挖掘城市外部存量土地的利用潜力^[38]，在绿水青山间打造绿色经济，带动经济发展，实现城市规模有序扩张和城市土地的可持续利用。

充分发挥研究区建设世界级旅游目的地的引领和辐射带动作用^[39]，加快打造民族文化深度体验旅游和夜间旅游消费板块，以及城市休闲旅游板块，以带水河流域等为重点的乡村旅游和户外运动板块^[40-41]。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	赵安然，王彬武，刘亚慧，等. 先行区因地制宜探索小城镇建设的规律与路径：基于广东、湖北两省10个镇的实证研究[J]. 小城镇建设，2024，42（11）：23-30.

[2]	陈龙. 全域推进国土空间治理现代化扎实开展“两保两提两争先”行动为谱写中国式现代化浙江篇章提供坚实的自然资源支撑[J]. 政策瞭望，2023（1）：28-31.

[3]	黄军，王兴. 恩施土家族苗族自治州近三十年土地利用变化分析[J]. 绿色科技，2023，25（18）：239-242，258.

[4]	肖竞，曹珂. 快速城镇化时期我国城市发展政策的理论原型、应用逻辑与问题反思[J]. 城市发展研究，2015，22（12）：92-100，120.

[5]	魏然. 基于耕地质量和立地条件综合评价模型的基本农田划定研究：以湖北省H市Q县为例[D]. 武汉：华中师范大学，2018.

[6]	刘彦随. 中国土地资源研究进展与发展趋势[J]. 中国生态农业学报，2013，21（1）：127-133.

[7]	安海燕，张家源，何金彪. 如何小调整：第二轮承包到期之际农村土地延包的试点实践[J]. 农业现代化研究，2024，45（4）：553-563.

[8]	郭敏. 开发区土地集约利用评价研究进展与展望[J]. 湖北农业科学，2019，58（1）：5-9，14.

[9]	邓旭晖，吴佳. 国内外城市土地集约利用研究进展与展望[J]. 安徽农学通报，2017，23（22）：12-13，16.

[10]	孙小祥，秦艺娟. 基于PSR模型的城市土地集约利用评价研究：以苏州市为例[J]. 西南大学学报（自然科学版），2021，43（4）：100-108.

[11]	LUO J J， WU Y Z， ZHANG L. Prediction and evaluation of industrial land intensive use：adding policy impact to system dynamics model[J]. Systems，2024，12（11）：464.

[12]	MO L G. Evaluation model of carbon emission efficiency of land intensive use based on SBM model[J]. International journal of environmental technology and management，2024，27（3）：200-215.

[13]	韦苏蓉，韦燕飞，童新华. 基于PSR模型和熵权法的南宁市城市土地集约利用评价[J]. 科技和产业，2023，23（16）：44-49.

[14]	詹海斌. 基于主成分分析的襄阳市城市土地集约利用评价[J]. 安徽农业科学，2017，45（33）：201-203.

[15]	黄天能，杨楠，莫柳妮. 基于主成分分析法评价南宁市区土地集约利用水平[J]. 南方农业，2015，9（18）：115-117.

[16]	詹海斌，吴群. 基于PSR模型的城市土地集约利用空间差异分析：以江苏省为例[J]. 农业系统科学与综合研究，2009，25（4）：396-400.

[17]	贾彩彦，王晶. 城市土地管理政策的演进路径与逻辑：基于相关政策的文本分析[J]. 开发研究，2024（5）：34-45.

[18]	林颖，张娴，卢有朋，等. 平原城市土地集约利用分类识别研究：基于江汉平原21个市县的熵权法评价研究[J]. 西部人居环境学刊，2024，39（4）：122-128，142.

[19]	李万阳，宋鄂平，潘炳臣，等. 岩溶碳汇对气候和土地利用变化的响应研究：以湖北省恩施州为例[J]. 湖北民族大学学报（自然科学版），2024（3）：419-425，434.

[20]	杨容，常胜，李雪. 恩施土家族苗族自治州土地利用景观格局变化及生态风险评价：以2000—2020年为例[J]. 农业与技术，2023，43（23）：84-89.

[21]	周璐，刘恒，汤弟伟，等. 恩施市土地利用及景观格局动态变化分析[J]. 农业与技术，2021，41（17）：88-92.

[22]	王远燃，刘强，杨帆. 土地整治助推精准扶贫的实践与思考：以湖北省恩施自治州五县市为例[J]. 中国土地，2017（10）：39-41.

[23]	孙宇，刘维忠，盛洋. 基于PSR模型的新疆水资源经济生态韧性时空差异及影响因素分析[J]. 干旱区地理，2023，46（12）：2017-2028.

[24]	王国萍，闵庆文，丁陆彬，等. 基于PSR模型的国家公园综合灾害风险评估指标体系构建[J]. 生态学报，2019，39（22）：8232-8244.

[25]	王颖佳，杨木壮，宫清华，等. 基于PSR模型的全域土地综合整治潜力评价：以广东省潮安区为例[J]. 现代农业研究，2025，31（1）：87-90.

[26]	付帅，冯英香，余杰，等. 基于PSR模型的鄱阳湖流域水资源—经济—生态韧性时空差异及影响因素分析[J]. 灌溉排水学报，2025，44（6）：61-71.

[27]	ZHANG H M， LU C Y， YANG K D，et al. Evaluation on intensive use of urban land based on PSR model taking Henan Province as an example[J]. Journal of physics：conference series，2019，1419（1）：012016.

[28]	张觉文，汪磊. 山东省17地市土地集约利用水平评价：基于主成分分析模型[J]. 改革与开放，2017（18）：31-33.

[29]	夏邦桥，吴云志，陈祎琼，等. 基于主成分分析的巢湖流域土地集约利用研究[J]. 皖西学院学报，2017，33（2）：110-114.

[30]	王浩男. 基于主成分分析法的云南省农业经济影响因素研究[J]. 广东蚕业，2023，57（7）：81-83，87.

[31]	魏登云，张文俊. 主成分分析法应用中原始数据的标准化辨析[J]. 安徽师范大学学报（自然科学版），2018，41（2）：189-194.

[32]	张立军，袁能文. 线性综合评价模型中指标标准化方法的比较与选择[J]. 统计与信息论坛，2010，25（8）：10-15.

[33]	刘慧，汤弟伟，刘澳，等. 恩施州城镇化与生态环境耦合关系研究[J]. 农业与技术，2024，44（12）：69-74.

[34]	于婧，石雪英，周智浩. 湖北省城市土地相对集约利用程度评价及影响因素研究[J]. 湖北大学学报（自然科学版），2017，39（3）：270-278.

[35]	靳瑞萍. 深圳市产业结构与用地结构的互动关系研究[J]. 内蒙古师范大学学报（自然科学汉文版），2010，39（1）：59-65.

[36]	周姣娣，杨小雄，林耀奔. 基于PSR模型的土地集约利用评价研究：以广西壮族自治区为例[J]. 湖南农业科学，2017（3）：54-57.

[37]	杜瑞芳，杜磊. 携手推动区域协调发展迈向更高水平[N]. 恩施日报，2024-11-11（1）.

[38]	邓明磊. “亩均论英雄” 改革的政策扩散与实践类型研究：基于21个省级政府的政策文本分析[J]. 成都行政学院学报，2024（6）：5-15，58，117.

[39]	谢双玉，聂黎莎，田文利，等. 不同旅游开发模式下山区农户生计韧性的差异研究：以恩施州18个旅游村为例[J]. 生态经济，2024，40（12）：146-153.

[40]	陶慧，杨洋，张希月. 文化主体性的呈现与解读：基于非遗旅游实践的扎根研究[J]. 西北民族研究，2024（2）：60-69.

[41]	高旸，郭子欣. 旅游经济与地域性文化遗产景观塑造：以恩施土司城为例[J]. 地域文化研究，2019（4）：117-123，155.

Options

文章导航

模态框（Modal）标题

摘要