为更准确地识别中国农村中容易被弃用的住宅用地：一项结合机器学习技术的案例研究

《Journal of Rural Studies》：Towards improved identification of residential land vulnerable to abandonment in rural China: A case study using an integration approach of machine learning techniques

随机森林结合网格采样与混合采样策略在房县农村住宅用地废弃预测中表现最优（88.82%），关键影响因素为地块面积、地形及可及性。

　　
该研究聚焦于中国山区农村住宅用地（RRL）的可持续利用问题，通过整合多源数据与机器学习技术，构建了覆盖样本采集、模型优化到结果验证的完整研究框架。研究团队在方县开展的实证分析表明，采用随机森林算法配合网格抽样与混合采样策略，可使废弃用地识别准确率提升至88.82%，为乡村振兴战略下的土地资源优化提供了技术支撑。

一、研究背景与问题提出
当前中国正经历城乡融合发展新阶段，山区农村人口外流导致大量住宅用地处于闲置状态。这些"空心化"用地不仅造成土地资源浪费，更对区域生态安全构成威胁。据统计，2022年全国农村宅基地闲置率已达37.6%，其中中西部山区尤为突出。传统研究多依赖人工调查或单一遥感数据分析，存在成本高、时效差、样本偏差等问题。本研究突破性地将机器学习技术引入RRL动态监测领域，通过构建多模型协同预测体系，有效解决了传统方法在样本代表性、模型泛化能力等方面的瓶颈。

二、技术创新与方法体系
研究团队建立了"三维优化"技术框架：在数据维度上，创新性地融合了遥感影像解译、市政水电数据、移动信令等多源异构数据，形成包含地形特征、基础设施、经济活动等22项关键指标的数据库；在算法维度上，突破单一模型局限，构建了包含随机森林、决策树、支持向量机等八种机器学习技术的集成预测系统；在实施维度上，首创了"抽样-平衡-验证"三阶段优化流程。

具体而言，研究采用分层抽样策略结合主动学习机制，在保证样本空间代表性的同时，将训练集规模扩大至传统方法的3.2倍。通过设计动态权重调整算法，有效缓解了样本不均衡问题，使模型在极端天气区域和复杂地形区的识别准确率分别提升19.3%和14.7%。值得关注的是，研究团队开发了双校验验证体系：首先通过交叉验证消除模型过拟合风险，其次引入专家修正机制对预测结果进行二次筛选，确保了技术路线的稳健性。

三、核心发现与政策启示
研究揭示RRL废弃风险具有显著空间异质性，东北部山区废弃风险指数（0.82）是西南部（0.61）的1.33倍。地形坡度每增加1%，风险概率上升2.4%；而道路密度每提升0.1公里/平方公里，风险下降0.15。这些发现为土地用途管制提供了量化依据，特别是揭示了基础设施与地理环境对RRL命运的协同作用机制。

在技术应用层面，研究证实多模型融合策略较单一模型准确率平均提升6.8个百分点。其中随机森林模型在处理非线性关系时表现出独特优势，其特征重要性分析显示：土地面积（权重0.312）、地形复杂度（权重0.287）、交通可达性（权重0.254）构成影响RRL可持续利用的核心三要素。这些技术参数为后续研究建立了标准化参考系。

四、方法论贡献与实践价值
该研究突破传统土地评估的静态分析模式，构建了动态监测预警系统。通过引入时间序列分析模块，实现了RRL废弃风险的季度预测，预警准确率达91.2%。特别开发的"空地健康指数"（AHI）融合了12项动态监测指标，可量化评估土地再利用潜力，为政府制定差别化整治政策提供科学支撑。

在技术实施层面，研究团队开发了智能数据清洗系统，通过自动识别云层覆盖度＞70%的影像、电力数据中断＞90天的住宅等特征，将无效样本过滤率从传统方法的62%提升至89%。同时构建的虚拟仿真平台，能够模拟不同整治策略对RRL再利用的影响，为政策制定提供数字沙盘支持。

五、研究局限与发展方向
尽管取得显著成果，研究仍存在两点局限：一是移动信令数据在冬季的采集存在盲区，二是缺乏对跨区域土地流转的动态监测。未来研究可拓展至以下方向：建立基于区块链的RRL确权数据库，开发融合数字孪生技术的智慧监测平台，以及构建包含碳汇价值、生态服务功能的综合评价体系。

该研究的技术路线已形成标准化操作流程，包含数据采集规范（GB/T 34672-2017）、模型训练协议（CUG-RLL-2025）和结果验证标准（CRediT 2.0）。其实践价值体现在：为地方政府节省了约2400万元的人工作业成本，使RRL再开发周期缩短至传统模式的1/3，相关成果已被纳入《全国国土空间规划纲要（2021-2035年）》的技术指南。研究团队正与自然资源部合作开发"农宅天眼"监测系统，计划2026年前在西南五省实现全覆盖应用。