网传广东中山将收土地闲置费 当地称未收到通知|广东中山|土地闲置费|闲置土地 
　　中广网中山10月12日消息(记者 周羽) 据中国之声《央广新闻》报道，近日，有一条帖子在网络上引起大家关注，该贴称：中山市政府将对闲置土地进行定性、被定性为闲置土地的地块将要收取基准地价15%闲置费。这条消息是否属实？
 
　　近日在网络上有人爆料称，中山市政府近期将对闲置土地进行征收费用，并表示政府这次是动真格，务求征收够一定数额的罚款，若数额不够也要想办法凑够。从10月11日起，政府相关人员将对闲置土地进行定性，然后将把闲置土地名单提交中山市政府，进行闲置土地费征收。
 
　　该帖子还称，此次闲置土地排查是先通过卫星定位，对闲置两年以上的土地进行一次全面扫描，若土地上没有建筑物将会被列入闲置土地初步名单，然后从中山市国土局报建资料中进行进一步的排查，最后定出闲置土地名单。被定性为闲置土地的地块将要收取基准地价15%的闲置费。
 
　　对此，中山市国土资源局办公室相关负责人在接受广州当地媒体记者采访时说，截至目前该局仍未收到相关的文件或通知。如果中山此次动“真格”，对中山楼市将带来什么影响？相关负责人表示，“如果这样的话，首先会加大开发商的土地成本，间接推高楼价。”
 
　　中山房地产业界人士看法不一。有人认为，征收土地闲置费用或将有利于盘活部分闲置地，但也有人认为政府此举有变相套现的嫌疑。
 
(原标题：网传广东中山将对闲置土地收费 回应：尚未收到通知)
 （编辑：SN026）网传广东中山将收土地闲置费 当地称未收到通知|广东中山|土地闲置费|闲置土地相关的主题文章： 
爱情如江南的青花瓷 
尕福（散文） 
日外相将访欧洲三国 称会就钓鱼岛表明立场-日本外相-访问欧 

基于RS的沈阳土地利用情况
 
摘要
 
 
 
众所周知，土地对于社会经济稳定和可持续发展以及全球环境的变化都有着一定的影响，有关土地利用演变的相关研究已受到全世界的关注。本文对沈阳市土地利用的时空演变进行研究和规划。从遥感的原理出发，介绍了土地利用分析对遥感的要求，针对现有方法总结出土地利用情况对遥感基本方法的要求并提出优点和不足，结合地域的实际情况和解译结果分析土地利用结构变化原因。使用1985、1995、2005和2015年四个阶段的遥感图像数据作为数据，并在基于ENVI 5.3的软件平台的支持下，增强遥感图像并执行其他预处理任务。 Arc GIS 10.4软件完成了遥感图像的解译并提取了六种土地类型数据，分别是耕地，林地，草地，水体，工业用地，矿山用地，居民用地和未使用土地，对土地使用率变化和发展趋势的详细分析反映在类型的当前状态中，揭示了研究期间的土地使用过程。结合定性和定量分析，探讨土地利用变化的因素和原因。为未来的土地规划提出意见和建议。创新性的提出将分类结果图和实际数据相结合的遥感图像分析方法，实现空间和地面数据的联合运用。最终得到每个时期的结果，从而得出耕地和林地面积占研究面积总面积的90％以上，在过去的30年中，六类土地发生了不同程度的变化。本文的研究领域非常大，解释遥感影像的工作量也很大。尽管测试的准确性是可以接受的，但仍与实际情况不完全匹配。这也是本研究中不可避免的错误的原因。这些是未来的研究工作。为了获得更准确的结果，需要弥补这些缺点。
 
 
 
关键词：遥感解译；土地规划；沈阳市
 
 
 
第一章 绪论
 
1.1研究的背景和意义
 
土地是人类生活必不可少的资源，合理的开发和利用土地成为城市发展重要的一部分。因此，有关土地利用演变的相关研究已受到全世界的关注。此外，土地利用变化的研究已成为土地研究的最重要部分。而其中人类对土地利用变化的影响尤为突出，人类影响自然环境变化的最重要部分是加快城市化进程，世界各地的城市化进程正在加速[1]。持续加速的城市化进程对土地使用产生了动态影响。当前和未来土地用途变化的主要驱动力是城市化土地的扩张。近年来，中国经济发展很快，城市化进入快速发展阶段。但是，要获得有关土地利用演变的信息，必须先了解和分析土地结构演变的基本特征，从而对土地利用进行分析和调整。对于沈阳市来说其重要标志是建筑场地无时无刻都在增加，这减少了耕地与森林资源有关的其他土地的面积，影响了城市化进程。这引起了有关学者广泛关注并激发了对研究的兴趣[2]。
 
本文选择的案例对象是辽宁省沈阳市利用RS空间信息研究技术，通过系统分析1985—2015年沈阳市土地利用变化特征，总结了影响沈阳市土地利用变化的因素解决沈阳市的土地利用问题，提高地方的土地利用效率，有效促进地方的可持续经济发展，为东北地区，为生态保护提供科学依据，为合理利用土地打下坚实基础。
 
1.2国内外研究现状
 
1.2.1国外研究现状：
 
土地利用研究开始于国外，早在1920年，美国农业科学家Lee就开始研究人类活动和景观方面的土地利用变化机制。后来，韦伯在1931年美国太平洋农业协会的一项研究项目中认为，该地区的土地利用类型很大程度上取决于干旱的程度，这是第一次从经济角度对土地利用机制和过程进行了创新性的讨论[3]。1970年代，工业和经济的飞速发展，特别是第一颗地基卫星的发射，为遥感技术的快速发展和基于遥感技术的新土地利用/覆盖研究奠定了坚实的基础。在研究期间，特别是1980年代以来，许多美国和欧洲发射的卫星被发射到空中，大量的遥感数据被用于土地覆盖研究，这一时期是地球科学发展的重要一步。在1990年代，由社会发展引起的社会和人口问题在这一时期变得越来越突出，重新考虑了土地利用/覆盖的重要作用，而土地利用/覆盖的变化是全球变化的主要原因[4-7]。迫使人们不仅发现原因，而且发现自然与人类活动的相互作用。基于ICSU的国际地圈生物学计划（IGBP）和基于ISSU的全球环境人文计划（HDP）基于“土地利用和土地覆盖变化（LUCC）研究计划”。进行了各种规模的研究，以记录人类在地球表面特性中的空间格局变化以及景观恢复的时空动态1996年12月，在美国的克林菲尔德大学举行了大型国际研讨会，主题是“综合土地利用模拟：驱动问题研究”，讨论了IGBP和HDP在LUCC领域的研究进展1997年6月在奥地利拉克森堡举行的关于全球变化研究中的人为因素会议上，会议的重点是土地利用1999年LUCC研究实施策略通过使用土地使用过程，LUCC人类反应以及集成的全球和区域模型作为研究主题，进一步促进了LUCC研究的发展。同年，IGBP和HDP联合发表了土地使用对人类的影响/土地覆被变化。它整合了该研究的全球和区域模型，并确定土地利用变化的机制是LUCC研究的三个核心问题之一。在两个主要国际组织IGBP和HDP的带领下，一些积极参与全球环境变化研究的国际组织和国家跟进并实施了土地利用变化研究，并逐渐形成了研究类型。研究类型基本上可以分为北美类型和欧洲类型。流派和日本流派对于土地用途的变化有不同的研究方法和观点。自世纪之交以来，LUCC的研究趋于具体，许多外国学者在土地利用动态变化领域进行了更详细的研究。墨西哥人Jean等（2004年）创建的土地利用变化的空间数据库可用于查询1986年至2004年的土地利用变化。例如，1976年至2004年之间，墨西哥温带森林的年平均下降率为0.25％。热带森林的年均减少量为0.76％2006年，Alejandro等人（2006年）通过RS和GIS技术调查了墨西哥土地使用/覆盖范围的动态变化，并比较和分析了300多个地面测量站的准确数据，以确保地理信息系统的一致使用。所需的数据以及可以提供的数据具有针对性，对于土地使用的总体规划非常重要。
 
同年，Boniface等人（2006年）使用GIS软件来监测乌桑平原湿地的MSS和TM影像中土地利用的动态变化[8]。这表明遥感和GIS技术在定量和定性分析土地资源动态方面非常有效和准确。帮助决策者了解湿地的现状和问题，并确保可持续利用当地湿地资源Erich等（2012年）使用GIS软件工具箱在2012年创建了阿尔卑斯山土地利用/覆盖场景的地图，并将其与当地土地利用的时空变化的定性和定量变化相结合。评估并为未来提供了坚实的基础高山景观动态。土地利用模型研究的形成表明，土地利用/覆被的动态变化已正式进入深入研究土地利用变化的机理，过程和预测未来发展趋势的阶段。办法。主流方法分为三类。一种是基于经验的统计模型，另一种是基于流程的动态模型，第三种是综合模型。世界上使用最广泛的是第二种基于过程的动态模型。该模型可以很好地模拟土地利用变化的驱动力和未来的发展趋势。它们进一步分为细胞自动机模型和系统。动态模型和多主体系统模型[9]。元胞自动机模型非常适合模拟复杂的系统过程，可以可视化土地利用变化的动态过程，并在研究变化的动态中起重要作用。系统动力学模型是用于内部关系系统研究的综合研究工具，其优点是可以综合考虑土地利用动态变化的驱动因素。当地的可持续发展。模拟系统中的生物物理和生态过程以及人类决策过程。这种类型的模型从微观角度提供了土地利用的具体细节，并模拟了土地利用决策过程以及自然条件与社会群体之间的相互作用，可以轻松地提取出来。推进为土地使用决策提供了新的方向。一般而言，国外对土地利用/覆盖率的研究起步较快，发展迅速。在这一阶段，还取得了相对丰富的成果。从卫星数据采集到数据处理和分析，对土地利用动态变化影响因素的讨论和分析，预测未来趋势以及土地利用应用模型的研究和开发都越来越成熟。
 
1.2.2国内研究现状：
 
中国是世界上人口最多的国家之一，也是农业大国。中国人口众多，耕地很少。根据周易记录的信息，在2500年前的春秋两季和战国时期，有五种土地记录。森林，山丘，川泽，元朗岩石，元石。大约2000年前，法令记录说，土地利用研究中提出的方法基本上是休息和恢复，在此期间，人们认识到土地利用在农业生产中的重要作用[10]。在1930年代初期，地理学家胡焕勇和农业科学家张欣宜对中国的土地利用进行了系统的调查。新中国成立后，各种科学研究项目逐渐重回轨道，并开始接受世界上一些先进的技术和思想，这对土地利用研究产生了积极的影响。受到国际学者的启发，若川淳和中国科学院地理研究所于1980年代完成了“中国的土地利用”和“地图集的土地利用”。这是一项主要通过遥感对全国土地资源进行的调查。具有实用价值的最具代表性的土地利用/覆盖产品是中国科学院的1/10000土地利用数据库。尽管已经收集了有价值的资源，但是由于诸如分类系统之类的问题，它们尚未得到充分利用。由于模型不符合要求，因此数据麻烦且转换不够灵活。详细解释了这一时期中国土地利用研究的结果。
 
自1990年代以来，全球对土地利用的关注日益增加，各国学者也被纳入这一热门研究课题[11]。研究结果和内容主要集中在两个方面：土地利用变化过程研究和土地利用变化动力学研究。在研究土地利用变化过程中，国内学者主要探索两种方法：基于统计方法的数学模型和基于遥感和地理信息系统的技术方法。数学建模通过统计数学运算建立数学模型，并根据土地利用的数量，范围和空间模式表征其时间和空间变化。基于遥感和GIS的研究方法涉及到遥感和GIS技术的飞速发展。这使土地利用研究能够将基于土地的图像与GIS软件以及其他图像处理和分析工具结合起来，从而使土地利用更加高效，快捷。研究时空变化规律。由于中国现有土地利用/覆盖数据集存在缺陷，因此应用该模型时分类系统不匹配，是使用中国科学院资源与环境分类系统最终获得国家土地利用数据产品，并将其与其他数据结合起来以弥补信息的不足并满足模型需求。我们准备了一套数据集，可以用于创建WESTDC数据[12]。 GLC2000中国的区域覆盖数据与WESTDC一样实用，并且直接从世界土地使用覆盖数据中得出。分类系统共有24种土地，分类过程分为三个阶段。它监督气候分层和数据准备，解密和校准，准确性评估和制图。同时，在中国广泛使用的IGBP DISCover数据集，MODIS数据集和UMd数据集，为国内学者研究土地利用范围提供了宝贵的数据资源。利用延安市2000年[13-15]，2005年和2010年这三个阶段的土地利用数据，采用不同的空间覆盖分析，动态土地利用分析和空间迁移矩阵分析方法研究土地覆盖变化和空间规律。在研究土地利用变化的动因时，国内学者早期常常采用定性方法，但受到国际土地利用动因研究的主要趋势和数理统计的影响。该技术在中国得到广泛应用。定量分析所采用的方法一般为主成分分析，典型相关分析，回归分析，灰色相关分析等。杨志平使用2002年至2007年徐州的土地利用数据来分析土地利用效率，土地利用动态和土地使用程度，并要使用徐州的土地使用五年。并总结了变化。选择了十二个因子指标，并采用了相关的分析方法进行徐州土地利用。
 
 
 
1.3国内外研究现状简析：
 
综上所述，目前国家对土地利用/覆盖率的研究与国际上相比还存在一定差距，但研究目标，研究内容和研究方法与国际水平相符[16-18]。正如国内外发展进程所表明的那样，国内先进的研究方法和技术比国外晚几年开始，差距正在迅速缩小，而中国正在关注土地利用/覆盖研究足以表明，目前，国内外的土地利用研究都侧重于关于土地使用的法律，驱动力和未来的发展趋势，并且主要侧重于RS / GIS技术和模型的应用。但是，由于我国幅员辽阔，地形复杂多变，国外的研究方法不能充分地应用于中国的土地利用研究中。国内学者通过野外研究和多年科学研究实践在中国寻求更好的研究方法。例如，在土地利用/覆被驱动研究领域，中国学者采用了多种方法从空间分析的角度研究土地利用的动态变化，并通过综合分析，得出了结构和时间特征。经过深入研究，并结合各个研究领域的众多摘要，探索了土地利用的动力机制。一些研究人员从时空两个维度对土地利用变化进行了调查和分析，研究了土地利用变化，并使土地利用变化永存，以解释变化的原因和过程。
 
1.4研究内容
 
本文将使用遥感技术研究土地利用/覆盖变化。这具有实时，客观和覆盖范围广的优点。数据源覆盖了研究领域，包括从NASA的EROS网站免费下载的Landsat系列遥感图像。
 
（1）对近年来遥感影像进行观察和分析。
 
（2）运用图像投影转换和几何校正等方法对数据进行预处理。
 
（3）通过遥感影像分析沈阳近30年土地类型和占比的变化情况。
 
（4) 探究遥感影像在研究土地利用中的优势和弊端。
 
1.5本文主要技术路线 
 
本文主要从数据获取出发，针对获得的数据进行几何校正，并且进行图像分类，根据分类后得到的图像对数据进行分析，找到合理的土地利用方案，具体如图1所示。
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
图1  主要技术路线
 
第二章 基础资料及数据预处理
 
2.1  数据获取 
 
2.1.1  基础数据 
 
沈阳是辽宁省的省会。截至2018年，全市有十个区，两个县，一个县级市，总面积12948平方公里，市区633.8平方公里，人口83.16亿，城市人口67.336百万。城镇化率是81％。沈阳位于辽河平原中部，辽宁北部为东部丘陵和山脉，辽宁北部为辽宁丘陵。地形逐渐从西部和南部扩散，从冲积沉积物转变为大型冲积平原。沈阳的东部是低山丘陵，中西部是广阔的平原。从东北向西南倾斜，平均海拔为30至50米。地形从东北向西南延伸，两侧向中心倾斜。最高点在新城子区马岗乡老石沟的石人山，海拔441米，海拔441米，最低点在辽中县和森居路村，在海面以下5米。该市的最高点是Daito Ward，海拔65米，最低点海拔36米。皇姑区，和平区和神河区的地形略为起伏，高41.45米。东陵区主要是丘陵和山区。新四郎在该地区的北部有几个丘陵和山区，并逐渐向南平坦。除了苏家屯地区南部的一些丘陵和山区，大多数地区都是冲积平原，如洪水泛滥区。新民县和辽中县的大部分地区是辽河和红河的冲积平原，有一些沼泽和沙丘，还有一些散落在新民县以北的山丘。全市低山丘陵面积1020平方公里，占全市总面积的12％。冲积坡和山前冲积坡分布在东部山区的西坡上，并逐渐向西南蔓延。沈阳的丘陵和丘陵集中在东北和东南部，是辽宁东部丘陵的延伸。西部是辽河和浑河冲积平原，地势从东向西逐渐倾斜。
 
 
 
图1 沈阳行政区规划图
 
2015年辽宁省沈阳市的100,000张地图，辽宁省1月的100,000张地图和辽宁省的土地使用情况100,000张地图。GPS站数据基于MGE管理的地形图输入到计算机中。 网格是在辽宁省沈阳市的经度和纬度内生成的，在野外调查期间，已拍摄了220多张照片用作野外调查。 表1显示了此调查的现场调查点的数据。
 
表1 研究实地调查点
 
 
 
2.1.2  遥感数据 
 
本研究中使用的数据是从地理空间数据云下载的，免费Landsat系列数据被选为该研究的数据源。1985TM图像，1995TM图像，2005 ETM +图像，2015 OLI_TIRS图像4数据（表2）。
 
表 2 遥感数据
 
 
 
该研究区域的Landsat图像数据由五个场景图像组成，但是将间歇数据替换为最近一年的图像数据，以确保遥感图像的高质量和完整性。 
 
2.2遥感数据的预处理
 
2.2.1图像投影转换
 
由于下载的原始遥感图像地图为水平墨卡托投影格式，因此将其转换为ALBERS投影格式，以统一每个时期的遥感数据的投影格式。坐标系：大地坐标系投影：阿尔伯斯正轴的相等面积双标准纬度圆锥投影南标准纬度：25°N北标准纬度：47°N中心经度：105°E坐标原点：105°E与赤道交叉纬度偏移：0°垂直偏移：0°椭圆参数：Krasovsky参数：a = 6378245.0000 mb = 6356863.0188 m空间测量单位：m 3.2.2波段合成，其信息可提供更准确的图像以供视觉解释，同时形成一个易于校正几何精度并易于识别的标准假彩色图像。在ENVI 5.3的支持下，根据Landsat影像（具有相似光谱设置的多波段数据）的特征，结合对土地利用变化的研究，第4阶段影像的最佳波段组合是基于理论和经验的。红色，绿色和蓝色。
 
2.22几何校正
 
在这项研究中，图像校正/配准混合方法用于执行图像几何校正。首先将2015年图像校正为地形图，然后将图像的其余三个阶段注册为校正后的2015年图像。具体操作如下。首先，选择30个以上可以在图像上区分并准确放置在地形图上的均匀分布的地面控制点，然后选择这些控制点的图像坐标（x，y）和大地坐标（X，Y）二阶多项式，以近似控制点的图像坐标与大地坐标之间的关系。通过均方根误差测试，所有控制点的误差均在1个像素以内。最后，采用最新的邻域插值方法进行插值，完成几何校正。
 
2.2.3影像拼接和裁剪 
 
这项研究的区域非常大，没有单个遥感图像可以覆盖该区域。研究区域必须用遥感图像缝合。这次，我们使用地理参考来缝合五个相邻图像。在ENVI5.3的支持下使用地图。菜单的Seamless Mosaic模块连接相邻图像。此方法的优点是，可以通过使图像马赛克更精细来创建可以覆盖研究区域的遥感图像，例如马赛克的均匀颜色和自动边框功能。数据。缝合的图像包含调查区域和周围的非调查区域。一些未调查的区域已被修剪，以提高后续数据分析的准确性。在修整过程中，使用辽东东部行政边界图作为边界，从行政边界矢量图不规则地修整第四阶段数据。在ArcGIS中，首先需要调整辽东地区的行政边界矢量数据和遥感图像数据的坐标系。
 
2.2.4遥感影像增强处理
 
解释遥感影像时，由于不能充分利用Landsat卫星传感器的灵敏度，导致图像对比度低，影响解释效果，因此必须强调遥感影像。增强图像是失真的过程。其目的是改善图像的视觉效果。这对于手动视觉解释和后续计算机分析很有用。其实质是增加图像中不同对象的特征差异，抑制无趣的功能，提高图像质量，丰富信息，增强图像解释和识别效果，可以更轻松地识别图像内容并提取定量信息。 3.3图像解释
 
 
 
第三章 数据分析
 
3.1分类原则和准则
 
为确保土地使用/覆盖变化分类符合某些规定，本研究中的分类方案是指由中国科学院资源与环境数据中心开发的土地覆盖分类系统。。同时，根据遥感图像解释的原理考虑了遥感图像的可能性。对研究区土地资源的解释，空间分辨率和现状建立了沈阳市土地利用分类系统。区域遥感分类系统分为六类：森林，草地，耕地，水体，工矿住宅用地和未利用土地。
 
3.2图像解译与精度验证 
 
在Arc GIS 10.4的支持下，可以根据每种栅格类型在遥感栅格数据图像中的位置显示线层，根据先前完成的解释标记显示预处理的遥感数据的新处理线层。通过光谱特性和纹理特性（例如色相，纹理，阴影等）对研究区域进行遥感，从而沿着特性边界准确地区分不同的土地类型，并定义不同土地类型的边界，对图像中的每个点进行分类。现场调查和验证是提高图像解释结果准确性的关键部分。纠正由于难以确定类型的客观因素而在室内图像解释中出现的错误。也可以参考现场调查数据来解决室内解释问题。表1中所示的数据是该场中所有场拍摄点的坐标数据。每个坐标点都包含当场拍摄的照片。由于没有标注数据，采用无监督分类，结果可达95%左右。解释数据与室内解释的初步结果一起被修改以确保解决方案。转换后的数据的精度。
 
3.6图像解释准确性的评估
 
解释完成后，必须首先对其进行测试和评估，以确保后续数据满足科学研究的需求。本研究使用混淆矩阵卡伯系数法。原理是根据实际特征类型数据和遥感影像解释数据建立误差矩阵。
 
根据辽宁东部土地利用/覆盖率解释标志对四个时期的图像进行解释和分类，并通过空间数据统计功能来在Arc GIS 10.4软件平台上运行解释后的遥感图像数据。 1985、1995、2005和2015四个时期的所有土地利用类型的附加模块，面积和空间分布数据，最后是每个时期的土地利用/覆盖率图（见图3）。结合以上统计图表，我们可以看到辽宁东部最大的土地利用类型是林地。阶段4的数据显示，除南部边缘地区外，大约70％的被调查森林为森林。分布区域覆盖辽宁省的整个东部地区。
 
 
 
图2 1985-2015土地变化
 
 
 
 
 
表3土地类型和占地比例
 
 
土地类型
 
 
1985
 
 
1995
 
 
2005
 
 
2015
 
 
 
 
 
面积
 
 
占地比例
 
 
面积
 
 
占地比例
 
 
面积
 
 
占地比例
 
 
面积
 
 
占地比例
 
 
耕地
 
 
10911.5
 
 
23.8
 
 
11143.4
 
 
24.32
 
 
11485.4
 
 
25.07
 
 
11581.4
 
 
25.28
 
 
林地
 
 
32255.1
 
 
70.4
 
 
31891.6
 
 
69.16
 
 
316668.
 
 
69.12
 
 
31666.3
 
 
69.12
 
 
草地
 
 
693.2
 
 
1.51
 
 
789.7
 
 
1.72
 
 
661.4
 
 
1.44
 
 
556.19
 
 
1.21
 
 
水域
 
 
894.0
 
 
1.95
 
 
881.7
 
 
1.92
 
 
900.3
 
 
1.97
 
 
892.87
 
 
1.95
 
 
工矿居民地
 
 
1016.0
 
 
2.22
 
 
1069.3
 
 
2.33
 
 
1054.02
 
 
2.3
 
 
1057.38
 
 
2.35
 
 
未利用地
 
 
45.1
 
 
0.1
 
 
39.3
 
 
0.09
 
 
45.73
 
 
0.1
 
 
42.86
 
 
0.09
 
 
总和
 
 
45815.0
 
 
1
 
 
45815
 
 
1
 
 
45815
 
 
1
 
 
45815
 
 
1
 
 
 
如表3所示，森林面积没有发生几何变化（仅减少了1.78平方千米），表明主要是耕种和双向转化可以抑制林地占用现象。在这一阶段，耕地继续增长，草原和水域受到大量侵蚀，工业和采矿居民区的流入主要是耕地，其次是林地。 。这表明在此期间，城市建设速度迅速提高，农业用地仍在增加，一些森林保护政策正在实施，但是大量的淡水资源也证实了人类对自然的负担正在增加。迫在眉睫。根据对土地利用的分析，1985年，1995年，2005年和2015年的土地利用指数分别为228.15、228.90、229.57和230.18，土地利用指数处于中上水平，并有小幅上升。1985-1995年，1995-2005年和2005-2015年的土地利用变化分别为0.75、0.67和0.61，并且三个阶段的结果均大于0，土地利用符合人类需求。表示它正在发展。 1985年至1995年，1995年至2005年以及2005年至2015年之间的土地利用变化率分别为0.0033、0.0029和0.0026。这些值都在零以上，但在开发期间，土地使用率低。
 
从单一和综合土地使用变化率和发展趋势来看，耕地持续增加（0.21％→0.31％→0.08％），林地持续减少（-0.21％） →-0.07％→0.001％）。草原绩效提高（1.39％）→降低（-1.62％）→降低（1.59％），工矿居民区绩效提高（0.52％）→降低（-0.14％）→提高（0.20％）在水域，土地利用呈现出上升－下降－下降的趋势。在研究期间，变化最大的是草地和未使用土地，两者均发生了显着变化。耕地呈逐渐增长的趋势，林地呈逐渐下降的趋势，工业用地和采矿居住用地保持不变，只是在1995年至2005年间有所减少。它正在以一定的速度增长。土地综合利用动态的三个阶段分别为0.08％，0.08％和0.05％，空间动态分别为0.34％，0.28％和0.20％。前两个阶段大于第三个阶段，显示了研究区域的人类经济状况。暴力活动和城市建设正在减少，这主要是由于保护了多种生态工程林和农田，减少了森林和田地的破坏。趋势是在中期达到峰值，在后期达到最低谷，总体趋势在减小。
 
由于辽宁省的大部分水资源都集中在辽宁东部，因此该地区是辽宁重要的水源。
 
 
 
 
 
图2 水资源利用率
 
从表3可以看出1985、1995、2005和2015年该区域的水域分别为894.00 平方千米、881.72 平方千米、900.36 平方千米和892.87 平方千米，分别占研究区域的1.95％，1.92％，1.97％和1.95％。占据。从每个季节的水域面积可以看出，水域面积的四个阶段的变化仅在很小的范围内波动。研究区的草地面积较小，分布比较大，一般分布在耕地和林地上.1985年、1995年、2005年和2015年分别为693.19 平方千米和789.69 平方千米。做到了。在661.41 平方千米和556.19 平方千米处，被调查区域的比例分别为1.51％，1.72％，1.44％和1.21％。从第四期的数据看，草地面积变化频繁，总体趋势有所下降。会看到未使用土地的面积最小，并且在30年内波动。 1985-1995年，未利用土地的占用率很高，导致1995年。该地区是四个阶段中最低的，2005年是另一个高峰期，然后在2015年略有下降。
 
　据沈阳市统计局数据显示，2015年末沈阳市常住人口832.2万人，比2018年增加0.6万人，增长0.07%，人口总量有所增加。2014年末沈阳城镇常住人口674.1万人，比2017年增长0.07%，城镇人口增长与总人口增长持平，2015年常住人口城镇化率81.00%。从沈阳市户籍人口来看，人口总量有所增加。根据上述分析可以看出人口增长迅速增加了耕地压力，降低了人均耕地面积，突出了人与土地之间的矛盾。耕地流失的主要原因是占用工矿用地，因此在保护耕地，科学安排农业用地和建设用地的分配结构的基础上，政府有关职能部门：针对更科学，合适的建筑工地的有效发展计划。例如，充分挖掘工矿用地内部的使用空间，调整内部空间，有效利用工矿用地，制定人均建设用地标准。减少，避免浪费，实现经济，社会，自然和繁荣的人民。
 
根据每个时期的现状分析得出，耕地和林地面积占研究面积总面积的90％以上。在过去的30年中，六类土地发生了不同程度的变化。具体结论如下：
 
耕地继续增长，增幅最大，累计达到670.85平方公里，林地不断减少，累计达到588.73平方公里，但是在1995年至2005年之间，工业和采矿建筑工地却不断增加。除略有减少外，其余期间有所增加，1995年以来草地面积没有增加，可以看出工业和采矿业在迅速发展。工业和采矿居民区的快速增长表明在此期间研究区的经济和城市发展迅速。
在调查期间，水体和未利用的土地数量没有明显变化。从1985年至1995年不同土地利用类型之间的迁移来看，主要症状是林地流失，耕地，草地和居住用地增加，林地流向耕地（642.31平方千米）和草地（131.58平方千米），耕地流向草地（81.96平方公里）。
由于迅速发展工业，工业和采矿居民区（63.77平方公里）表明，现阶段主要的农业和城市建筑工地的扩张是严重的。从1995年到2005年，林地面积仍呈下降趋势，但与前期的减少相比，数量减少，主要流向是耕地，而耕地补给量却有所增加。森林面积增加，大量草地流入耕地和森林，导致草地在减少，耕地继续增加。
与前一阶段最大的不同是工业和采矿居民用地向耕地的回流显着增加。居民的土地稀缺，这表明在此期间首先实施了有关保护耕地和森林的政策，镇压了城镇的扩张，但草原被大量开垦。
如表3， 1985年、1995年、2005年和2015年的林地类型分别为32255.07 平方千米、3189.59 平方千米、31668.12 平方千米、31666.34 平方千米，分别占70.40％，69.61％，69.12％，69.12％。与上一季度相比，逐渐减少至363.48 平方千米、223.47 平方千米和1.78 平方千米，其中减少的土地主要种植在中部和南部地区。耕地面积是研究区的第二大面积，主要分布在研究区的南部，其他零星地区散布在居住区周围。 1985年、1995年、2005年和2015年耕地的土地利用面积分别为10911.52平方千米、11143.40平方千米、11485.36平方千米、11581.36平方千米，分别占研究面积占用的23.82％，24.32％，25.07％和25.28％。耕地面积增加了30年。工业，采矿和居民区主要分布在城市、县、村庄，一些工厂和矿山，分别在1985、1995、2005和2015年占地1016.04 平方千米。 1069.29平方千米、1054.02平方千米、1075.38平方千米，调查面积比例分别为2.22％，2.33％，2.30％，2.35％。从2005年到2015年，工业和采矿居民区的快速增长表明在此期间研究区的经济和城市发展迅速。
 
通过将土地信息管理系统应用于调查区域的土地管理工作，可以使相应的管理工作更加高效。如今，计算机无处不在。在全国范围内的遥感卫星系统的帮助下，地理信息系统在土地管理中的好处越来越明显。已建立的动态监视系统可以记录并快速更新观察区内的土地使用数据。例如，对森林和草地流失的快速监测，耕地的快速增长以及工矿居民区的不断扩大，不仅实现了土地利用数据的动态和准确性，还为管理者提供了数据参考经济发展和生态合理利用土地。建设协调发展。
 
第五章 结论
 
在本文中，我们首先使用1985、1995、2005和2015年四个阶段的遥感图像数据作为数据，并在基于ENVI 5.3的软件平台的支持下，可以投影，波段合成，几何校正和配准顺序集成在一起，以缝合和修剪图像，增强遥感图像并执行其他预处理任务。 Arc GIS 10.4软件完成了遥感图像的解译并提取了六种土地类型数据，分别是耕地，林地，草地，水体，工业用地，矿山用地，居民用地和未使用土地，对数量变化，土地使用迁移变化，土地使用水平变化，土地使用率变化和发展趋势的详细分析反映在类型的当前状态中，揭示了研究期间的土地使用过程。结合定性和定量分析，探讨土地利用变化的因素和原因。这为今后研究区合理利用土地提供了科学依据。
 
本文的研究领域非常大，解释遥感影像的工作量也很大。此过程使用人机交互的视觉解释。这对视觉和手动错误非常敏感。一些本地补丁也受多云影响。在确定测试效果时可能会有一些错误。尽管测试的准确性是可以接受的，但仍与实际情况不完全匹配。这也是本研究中不可避免的错误的原因。这些是未来的研究工作。为了获得更准确的结果，需要弥补这些缺点。
 
 
 
 
 
 
 
 
 
 
 
 
 
、
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
致谢
 
行文至此，笔墨尽收，感谢老师对我的培养。从论文的选题到最后论文的完成都离不开老师兢兢业业的指导。多少次老师熬夜为我批改论文，为我费尽心血。我十分感激老师对我的辛苦付出，在这里请允许我说一句，老师，您辛苦了！感谢答辩组老师提出的宝贵意见，感谢小伙伴们的陪伴和支持。
 
我也要感谢我的父母，感谢他们将我带到这个世界，让我实现自己的理想，总是在背后默默无闻的支持我，给我提供优越的条件，我会继续努力的！
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
参考文献
 
蔡斌，陆文杰.气象卫星条件植被指数监测土壤状况.国土资源遥感,2015,26(4): 44-55.
陈乾.用植被指数监测干旱并估算冬麦产量.遥感技术与应用，2015，9(3):12-18.
陈维英，肖乾广，盛永伟.距平植被指数再遥感监测中的应用.环境遥感，2016，9(2):  106-112.
陈艳华，张万昌.植被类型对归一化植被指数的影响研究一以黑河绿洲区为例.遥感技术与应用，2016,22(6): 700-706.
郭广猛，赵冰茹.使用MODIS数据监测土壤湿度.土壤2015,36(2):219-211.
李纪人.辽宁遥感监测方法及其进展.水文，2014,21(4):1 S-17.
刘良云，张兵，郑兰芬.利用温度和植被指数进行地物分类和土壤水分反演.2016,红外与毫米波学报，21(4): 269-273.
刘培君，张琳，艾里西尔一库尔班等.卫星遥感分类的一种方法.遥感学报，2018,1(2):135-138.
刘兴文，冯勇进.应用热惯量编制土壤水分图及土壤水分探测效果.土壤学报，2016,24(3): 272.
卢远，华璀，韦燕飞.利用MODIS数据进行旱情动态监测研究，地理与地理新信息科学.2017,23 (3 ):55-59.
齐述华，李贵才，王长耀，等.利用MODIS数据产品进行全国水资源监测的研究水利科学进展，2015,16(1):56-61.
任志远，张艳芳土地利用变化与生态安全评价.2014，北京:科学出版社.
孙力，安刚，高极亭，任红玲.中国东北地区地表水资源与气候变化关系的研究[J].地理科学，2014，24(1): 42-49.
宋翔，颜长珍，朱艳玲.黄河源区土地利用/覆被变化及其生态环境效应[[J].中国沙漠，2019，29(6): 1049一1055.
孙智斌基于GIS和RS的和田地区土地利用时空变化特征分析.2016,乌鲁木齐市:新疆大学.硕士学位论文.
王秀兰，包玉海.土地利用动态变化研究方法探讨[[J].地理科学进展，2016,19(1):82-85.
王思远，刘纪远，张增祥.中国土地利用时空特征分析[[J].地理学报，2017,56(6): 631-639.
王闰平，陈凯.中国退耕还林还草现状及问题分析[[J].水土保持研究，2018,(5): 188-192.
 

 我们就以北京市为例，首先我们可以登录北京市国土资源局，在首页的功能区域我们可以看到“土地交易信息查询”的功能选项
 
 
 
 点击进入，我们可以看到北京市自09年以来的所有土地交易的成交信息
 
 
 
 我们点击进入其中一条土地交易信息可以看到如下：
 
 
 
 三个地块分别对应着三种不同的用地性质，而“01-15-01”地块对应的就是R2二类居住住宅用地，也就是说三个地块中，只有这个地块可以作为居住住宅用地，产权年限相应的也应该是70年。
 
 （注：需要注意的是，北京市土地信息只能查询到2009年，如果是想要查询2009年之前的信息就需要带上房产证和身份证去有关部门亲自核实了,其他城市也应以当地政府公布信息为准）
 
 针对第二种情况来说，一般随着楼市销售旺季到来，市场上往往会出了一批低价或者是特价房源。
 
 但是据了解，目前市面上这些低价的房子先天就存在硬伤，所以其定价往往比周边同地段房价要低。
 
 面对较大优惠折扣时，购房者要多留心。对楼层、朝向、户型、通风、采光等方面“先天不足”房子，购房者要综合衡量、慎重选择，在选房过程中多看，多比较，在验房时仔细检查住宅设备、设施，降低购房风险。
 
 另外，面对前所未有严厉调控，不可否认一些项目资金情况出现了问题，这时候买低价房需要注意项目是否有烂尾风险或者产权归属问题。但是这些问题，一般购房者不易辨别，不妨请教专业人士，或者查一下开发商前身，其之前开发房子是否存在重大问题。
 
 话分两头，各表一枝。虽然低价房的坑防不胜防，即使拿到了房产证也不一定属于你，但也有一种项目，如果你买到了，可能会偷偷乐，因为这种房不仅价格低，而且真没有什么大的毛病和风险。那就是70年产权的商住房。
 
 50年变70年？房贷君是不是在开玩笑啊？
 
 没有开玩笑，这种房子就叫做住宅公寓。
 
 根据产权不同，我们平时住的房子可以划分为普通住宅（70年）、住宅公寓（70年）、商业公寓（40年）。这三种房子的区别，房贷君用一个表来告诉你。
 
 
 
 除此之外，商业公寓一般为loft，上下两层，而且多数不通气，水电费、物业费也比住宅要贵，而住宅公寓没有这些问题
 
 那么，“住宅公寓”怎么来的？
 
 普通住宅和住宅公寓，产权同样是70年，而且还建在同一片土地上，为什么叫法不一样呢？
 
 原因是，这种房子日照标准和建筑间距不满足国家相关规范要求的居住建筑，为区别于普通住宅建筑，该类公寓明确为“住宅公寓”。即：冬至日当天日照数>2小时，则划为普通住宅；冬至日当天日照数<2小时，则划为住宅公寓。
 
 一栋楼中总有几户的日采光不是很好，所以一般底层或者朝北的房子多数为公寓。
 
 那么，这种住宅公寓到底能不能买呢？
 
 住宅公寓大多为小户型，面积小，每一层户数较多，朝向多为北向，南北通透的房子几乎见不到。
 
 其实，住宅公寓人家也没什么不好，只不过是日照时间少了点而已，如果你不是特别介意的话，只要楼层、户型、价格都ok的话，那就买嘛！如果你比较介意的话，那就要提前看清房屋用途，不然签了合同你就傻眼了！
 
 特别提醒：
 
 1、签订购房合同的时候，房屋用途一栏会直接标明是“普通住宅”或者“住宅公寓”，大家一定要看清楚哦！
 
 2、有的住宅公寓不是学区房，无法享受就近入学，等到娃儿要上学你就抓狂了！签订合同前一定要询问置业顾问、房管局、教育局……确保住宅公寓可以享受就近入学。

 
 


 
很多学者对土地财政有过很多的研究。土地财政被定义为地方政府通过对土地资源形成的依赖，从而导致与土地资源相关的收入占财政收入较高比重的一种财政收入形态。这种收入形态能够使得地方政府在确保维持日常运行的开支以外，更好地开展经济建设，确保城镇化和工业化的顺利进行。
 
土地财政产生的原因，比较一致的看法是，始于2003年中国土地管理制度变化所导致的。土地管理制度变化使地方政府能够开展相关的土地专营，从而获取相对应的财政收入。土地财政的本质特征是土地专营制度。
 
分税制改革对地方政府收入造成了较大的影响，地方政府的财权和事权的不平衡（财政纵向失衡），从而导致土地财政的日益膨胀。研究发现，土地财政与通货膨胀显著正相关，地方政府土地财政收入的增加会直接推动通货膨胀水平的上升。
 
基于对土地财政的利弊分析，一些学者和专家提出了土地财政治理的一些政策建议。主要是打破政府垄断土地一级市场的格局，对现行的财政税收制度进行改革。同时使地方政府在预算内获得履行事权所需要的财权。另一方面，地方政府应建立多元化的投资机制，实现“聚财有度”。土地财政的核心逻辑是，土地要素被重估，土地要素市场直接成就了土地财政。
 
2019年11月发布的《中共中央关于坚持和完善中国特色社会主义制度，推进国家治理体系和治理能力现代化若干重大问题的决定》中，首次提出将数据纳入到生产要素，并参与分配。2020年4月9日，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》（简称《意见》）则是一份具有里程碑意义的政策文件。《意见》明确加快培育数据要素市场，建立健全数据产权交易和行业自律机制。可以预见，上述制度将导致数据要素被重估。那么，数据要素市场是否会催生数据财政？
 
笔者认为，数据要素市场必然的会成就数据财政。本文将通过构建一个初级的模型来说明数据财政形成的机理和收入的形式。
 
一、数据财政形成的机理
 
基于土地财政形成的原因和机理的分析，我们推断，数据财政形成的基本条件有两个：1）政府的数据专营；2）土地财政收入得到一定程度的抑制，需要新的财政收入来源。只要满足这两个条件，数据财政就会形成。
 
除这两个基本条件外，经济形态发展到数字经济阶段，以及内在经济结构调整、中美贸易和科技竞争长期化的预期等因素，加快了数据财政的形成。
 
数据财政不会取代土地财政，而是数字经济发展到一定阶段的必然产物，对于解决财政纵向平衡提供了一个全新的理念和方案（如下图）。
 

 
当前和未来相当长一段时间里，数字经济的发展将极大的促进经济结构转型。政府、企业和居民的数字化转型、升级和重构，催生数据要素成为核心的、重要的生产要素。但数据资源分布极不均衡、数据流通不畅等矛盾日益凸显，事实上也严重阻碍了数字经济的增长潜能。因此，为坚决这些问题，必然需要强有力的协调、协同机制。
 
在中国特定的经济环境和制度下，数据权，即数据的产权，具备双重分割特征：所有权与使用权的分割。中央的政策文件也明确，要建立完善“所有权与使用权分离”的数据要素管理新体制，构建数据要素有序流通、高效利用的新机制。上述政策目标的实现，依靠私人企业是无法实现的，需要政府积极的、主动的作为。
 
于此同时，数据确权的复杂性、数据隐私保护和数据安全的强制要求，将极大的提高初级数据提供商的门槛。政府不仅拥有巨大的原始数据资源，而且也具有法定的采集大量数据的权利。政府作为最大的数据所有者，就成为不可或缺的参与者。由此，政府主导数据交易，不仅是必然的，也是必须的。
 
经济宏观调控的要求、以及世界发达经济体的历史经验，财政收入的结构必然的要摆脱土地出让收入。土地财政作为一个历史阶段的产物，也将随着经济结构发展进入新的阶段而逐步由主导地位退居次要的、从属的地位。因此，财政需要扩大其非土地出让的收入来源。数据要素就成为潜在的、寄予厚望的重要财政收入来源之一。
 
2007～2018年，我国土地使用权出让收入从7285亿元增长到65096亿元，年复合增长率22%，占政府财政收入的比重由10.2%增长到35.5%。这样的财政收入结构导致的经济、社会问题也日益凸显。针对“土地财政”难题的解决方案已经提出了很多，本文不在赘述。
 

 
数据要素是一种新型的生产要素。数据财政的形成，会成为财政的一个十分重要的收入来源。数据财政要达到一定的规模，虽然还需要一段时间，但可以预计其增长潜力巨大。我们知道土地财政主要是土地使用权出让获得的收入，那么数据财政会通过什么样的形式产生收入呢？
 
二、数据要素市场和数据财政
 
一个简化的数据定价模型指出，从微观层面考察，数据要素价值形成是由输入数据、处理数据的软件（算法）和硬件（算力）共同作用的结果。在不考虑软件和硬件差异的情形下，数据要素价值与输入数据的特征度量相关。
 

 

 
数据的层级结构模型（如下图）揭示出，不同层级的数据对于整个数据集的价值贡献是不同的。大数据科学揭示出来的一个显著的特性就是，高层级数据包含更丰富的信息，对于数据价值的贡献也更多。
 

 

 
由上述模型可以推测数据要素市场的两个主要特性。首先，数据要素市场中的数据必须进行分类和规范，以满足特定的应用需求。这些分类和规范，可能由市场逐步形成的，例如数据交易所自发形成的；也可能是强制性的，例如无人驾驶数据规范。其次，数据要素市场是多层次的。既有初级的原始数据的交易，也有高级的采用诸如联邦学习、隐私安全计算等方式实现的数据交易。
 
数据要素市场与数据治理是不可分割的整体。第一步就是数据的标准化、规范化。而标准化、规范化的前提就是要明确数据产生的主体是谁。这个主体就自然需要一个确定的数字身份（Digital Indenity）。数字身份是数据要素市场的基石，缺少数字身份的数据要素，就是无本之木，很难形成价值。相反，政府因为独家垄断数字身份，因此也就为数据财政提供了坚实的基础，数据要素市场天然的需要政府。
 
数据要素的跨境流动受到多方面因素的影响，跨境数据要素的交易面临相对复杂的情形。跨境数据要素市场的发展和稳定，有赖于今后一段时间，双边、多边跨境数据协定的达成，特别是全网数字身份（Universal Digital Indenity）的统一和共识。
 
基于上述数据定价模型和数据要素市场的主要特性，我们可以分析数据财政的主要实现形式。
 
1、公共数据
 
政府拥有的公共数据，即“公共管理和服务机构”在依法履职或提供公共管理和服务过程中收集或产生的，以一定形式记录、保存的各类数据及其衍生数据。公共管理和服务机构涉及的企事业单位，包括但不限于教育、卫生健康、供水、供电、供气、供热、金融、电信、公共交通等企事业单位。
 
公共数据实现财政收入的示意图如下：
 

 
考虑到安全、效率和便利性，政府会将其公共管理和服务机构的数据统一归集到政府数据中心。政府数据中心将作为公共数据对外发布和授权使用的单一入口。公共数据中心主要对外提供两大类数据：从政府各个单位和机构汇聚、归集的未经加工的原始数据，以及加工过的数据产品（服务）。会有一个数据目录详细列明提供的原始数据和数据产品（服务）列表，以及价格等。数据中心的访问控制，会根据不同的产品（服务）类型、访问频次、流量等进行差异化访问管控。
 
由于政府拥有巨量的、异构的、富含隐私信息的原始数据，这些数据可以被层化（Sheaflication）后，加工成为多样化的高价值数据产品（服务）。政府可以通过自主经营、特许授权或外包合作的形式，挖掘公共数据的潜在价值，获取更多的收入。可以预期，随着区块链、安全和隐私计算等技术的逐渐成熟，政府不仅会开放更多的数据资源，而且会通过加大物联网等基础设施投资，增加更多的数据资源。将会涌现出越来越多的数据开发商，开发基于公共数据的产品和服务。这个过程示意图如下：
 

 
公共数据的垄断性决定了其卖方市场的属性。其定价依据更多的是考量政府开支预算平衡以及社会效应。特许经营、专营等权利，则一般可以通过招拍挂的拍卖形式定价。
 
2、数据交易税
 
除公共数据外，数据还包括企业云数据、边缘数据和终端数据这三个来源。根据IDC的报告预测，2025年全球数据量将达到175ZB，这三个来源构成其主要部分。
 
为区别，我们将上述来源中不属于公共数据的部分统称为私域数据。事实上，私域数据和公共数据存在千丝万缕的关联关系。特别的，私域数据需要数字身份的关联，才能真正实现价值。而数字身份认证则唯一的由政府管控。政府通过为私域数据提供数字身份认证可以获取收入。私域数据通过数字身份认证后，才有可能与公共数据、或其他私域数据产生关联，形成超额价值。而政府在此过程中，很显然是不可或缺的参与者。
 
除数字身份认证服务外，数据要素交易环节中需要确权、交易凭证、薄计和权利证明等文件。因此，无论这些私域数据交易采用点对点、交易所还是其他形式，政府都可以征收数据交易印花税。
 

 
随着数据要素市场发展，数据商品、数字资产增长都会十分迅速。基于数据商品、数字资产的增值税、所得税会逐渐增长。可以展望，未来数字资产规模将超过传统实物资产的规模，届时，数据财政收入有望占到非常大的比重。
 
3、跨境数据交易
 
由于安全、隐私等因素，政府将拟定跨境数据交易的分类管理措施，部分跨境数据交易需要政府的认证和许可。由于各个国家政府都垄断数字身份的核心数据，因此，跨境数据交易要持续和稳定发展，需要各个政府间的数字身份互认机制，以及受管制数据的鉴别、鉴定等工作。
 
由于目前海关主要针对有形货物贸易和服务贸易征收关税。对数据这种新型的要素，尚未建立数据关税理论和体系。因此，当前和今后一段事件，为简化跨境数据交易，政府可能通过设立跨境数据交易中心等集中式的方式来规范和治理。政府会通过服务的方式，收取相应的费用。
 
结论
 
数字经济催生数据财政，反过来数据财政会极大的促进数字经济。数据财政会引导政府、私人投资数据要素市场基础设施，建立和完善数据要素的流通、流转和资本化体系，极大的促进数字经济的发展。数据财政还会极大的促进数据要素市场的发展、数字资产的形成，以及加快各行业的数字化转型进程。
 
数据财政增加了政府潜在的收入来源，长期来看，会大大减轻对土地财政的依赖，这对经济增长方式转变、财政金融稳定都会带来积极的影响。
 
改革就是一系列选择。但哪个选择真正改变了历史，身处其中并不一定看得清楚。“土地财政”就是如此。从诞生到形成，它并没有一个完整的设计。甚至“土地财政”这一名词，也是后来才想出来的。但正是这个来路不清、没人负责、甚至没有严格定义的“土地财政”，前所未有地改变了中国城市的面貌，甚至成为经济成功与问题的根源。
 
深圳是中国城市化最快的城市之一，税收收入占到政府收入的 93% 以上，来自土地出让的收入已经微不足道。但深圳经济并没有因为无地可卖而“不可持续”——深圳“土地财政”已经悄然退出。2020年7月15日，深圳市司法局率先发布《深圳经济特区数据条例（征求意见稿）》。数据财政能否让中国经济持续发展，再创增长奇迹令人期待。
 
参考文献：
 
贾康、刘微，《土地财政：分析及出路》，2012
 
唐在富， 《中国土地财政基本理论研究——土地财政的起源、本质、风险与未来》，2012
 
吴建瓴 , 蒋青 , 刘茜 ，《土地财政与经济高速增长》，2014
 
平新乔 , 黄昕 , 安然 ，《地方财政对于土地财政依赖度的区域比较》，2015
 
平新乔 , 黄昕 , 安然 ，《地方财政收入中的土地出让金和房地产 税收问题研究》，2016
 
储德银、费冒盛，《财政纵向失衡、土地财政与通货膨胀》，2020
 
安体富 , 窦欣，《我国土地出让金 : 现状、问题及政策建议》，2011
 
章和杰、金辉，《厘清中央、地方财政关系是否有助于破解土地财政难题》，2020 
 
张家林，《数据有价-数据资产定价初步研究》，2019
 
https://baijiahao.baidu.com/s?id=1630332997185179109&wfr=spider&for=pc
 
《深圳经济特区数据条例〈征求意见稿〉》
 
希捷、IDC，《数据时代 2025》，2018
 
作者简介

 

 
张家林  
 
 
 
1995年-1997年创办期货经纪公司，北京商品交易所会员，从事商品期货经纪业务。
 
1995年-2003年涉足证券投资与股权投资。
 
2006年-2009年在国外从事结构化金融衍生品交易，包括CDO,CDS等。
 
2009年6月创建私募证券投资管理公司，负责决定公司的投资计划、投资策略、投资原则、投资目标、资产分配及投资组合的总体规划。
 
2014年初创建金融科技公司，从事人工智能投顾、监管科技的业务。
 
1）发表过有金融人工智能、数字货币、网络空间贸易与投资、区块链等二十余篇文章，政策建议。著有《证券投资人工智能》等专著。
 
2）参与多项央行、证监会的多项优秀课题研究。2017、2018年证券业协会的优秀课题。
 
3）2015年开始涉足区块链的应用和技术研究。是Hyperledger中国区首家会员，开发多项区块链的应用研究和跨链技术。
 
编辑：王菁
 
校对：林亦霖