, 吴志峰, 李碧莹The spatial and temporal characteristics of residential floor area ratio in metropolitan at multi-scales based on Internet real estate data: Case study of Guangzhou
LIShaoying, WUZhifeng, LIBiying通讯作者:
收稿日期:2015-11-17
修回日期:2016-02-23
网络出版日期:2016-04-20
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (10041KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
改革开放以来,伴随着中国的经济发展与城市化进程,人口不断向大城市集聚,住宅需求量随之提高,有限的土地供给与持续增长的住宅需求之间的矛盾逐渐显现[1-2]。提高城市用地容积率、促进住宅用地垂直空间利用成为解决该矛盾的必然选择[3]。容积率是反映土地开发强度与土地利用效益高低的一项重要指标,已被广泛应用于国内外城市的土地利用规划控制中[4]。住宅容积率越高,则其开发强度越大,土地利用率也越高。但过高的容积率会影响城市景观和居住环境质量[5]。因此,合理确定容积率控制指标已成为当前城市规划研究的难点问题。目前关于容积率的研究主要集中于：① 基于高分辨率遥感影像的建筑容积率估算方法[6-9];② 规划容积率的确定方法,例如经济约束条件下的容积率[10,11]、环境约束条件下的容积率[12]等方法研究;③ 容积率与经济之间的关系,例如崔寒清以全国九个大型城市为实证对象,对城市用地容积率与城市GDP之间的关系进行研究,揭示了城市用地容积率与GDP之间呈现明显的正相关关系[13];冷炳荣等以兰州市为例,对转型时期中国土地容积率与地价的关系进行实证研究[1]。已有研究较少利用实际数据对住宅容积率的空间格局与分布模式进行研究。李雪铭等利用2010年大连市地籍调查数据,通过泰尔指数模型对其住宅容积率的空间差异进行实证研究,为城市住宅空间规划提供重要的参考[5]。但该研究是基于单个年份数据进行研究,在容积率时间尺度变化分析方面较为局限。另外,该研究主要对城市片区内部以及片区之间容积率的差异进行分析,缺乏从更微观的视角对不同地域单元容积率的空间差异性进行探测。
住宅容积率往往是政府规划、开发商和公众之间博弈的结果,受涉及时空特征的多因素影响,如经济、自然、政策、区位等[3]。因此,从时间和空间维度研究住宅容积率特征,对于研究容积率的复杂影响因素与机理、引导城市合理规划具有重要的意义。通过时间维度上容积率整体变化趋势研究,能够揭示城市不同发展阶段容积率的变化规律,并探讨具有阶段性特征的宏观影响因素。在空间维度上对不同地域单元容积率的空间依赖性和异质性进行研究,对于剖析具有空间特征的微观影响因素、评价城市规划实施有效性具有重要的意义。基于此,本文尝试利用互联网房产时空大数据,结合时间序列分析与空间自相关模型,在多尺度上对城市住宅容积率的时空分异特征研究,以探讨其时空差异的机理与影响因素。
空间自相关分析是研究地理对象空间差异与空间依赖性的重要方法[14,15],已被广泛应用于城镇群空间结构研究[16]、土地利用变化空间自相关研究[17,18]、经济空间格局演化分析[19,20]、住宅价格空间分异[21]、粮食占有量时空格局[22]等研究中。本文将空间自相关分析方法引入住宅容积率空间格局与分异特征研究中,在“小区—街道—区级”多尺度上探测容积率差异的空间依赖性与异质性。以广州市为研究案例,基于网络爬虫技术获取的住宅小区数据,对住宅容积率的时空特征与分异规律进行探索性分析,以揭示广州市居住容积率差异的时空演变特征,剖析影响容积率时空规律的复杂因素,为城市规划与建设提供参考。
2 数据来源与研究方法
2.1 数据来源与处理
基于Scrapy网络爬虫平台,通过python语言编程,开发了房地产网络数据抓取程序,快速获取了搜房网的广州市住宅小区数据,包括经纬网坐标、竣工年份、容积率等相关属性信息。由于别墅住宅的平均容积率远小于非别墅住宅,本次研究只对非别墅类住宅进行研究。获取的广州市住宅小区数量1868个,去除属性数据缺失的小区及别墅类小区,剩下有效数据共1684个。利用ArcGIS 10.0对抓取的文本数据进行空间化处理,得到广州市住宅小区空间分布数据（图1）。
显示原图|下载原图ZIP|生成PPT图1广州市住宅小区空间分布图
-->Fig. 1The spatial distribution of residential quarters in Guangzhou
-->
本文的研究空间尺度包括住宅小区尺度、街道（镇级）尺度和区级（县级）尺度。小区尺度研究以各住宅小区（点）的容积率为研究对象;而街道尺度和区级尺度研究分别以街道行政区（面）和区级行政区为研究单元,以2014年最新行政区划为基准统计各单元的平均容积率。其中,区级行政单元共11个,包括天河区、越秀区、荔湾区、海珠区、黄埔区、白云区、番禺区、南沙区、增城区、从化区、花都区;街道行政区共166个单元。
2.2 研究方法
2.2.1 空间权重矩阵 为了揭示地理对象之间的空间联系,首先需要定义空间对象的相互邻接关系。空间自相关分析的关键步骤之一是构建n×n归一化空间权重矩阵W,以表示n个对象的区位或者所属区域的邻近关系,其基本形式为：式中：
（1）邻接权重矩阵。当区域i与j相邻接时,
（2）距离权重矩阵。当区域i与j的距离小于d时,
（3）K-nearest权重矩阵。K-nearest矩阵保证每个观测对象都有K个邻居,当区域j属于区域i的最近K个邻居之一时,
2.2.2 全局空间自相关 全局空间自相关用于探测整个研究区域空间自相关程度,常用的测度指标为Moran's I指数,计算公式如下[20]：
式中：I为Moran's I指数;
Moran's I指数反映空间邻接或邻近区域单元属性值的相似程度,取值范围在[-1,1]之间,I小于0表示负相关,等于0表示不相关;大于0表示正相关。Geoda软件采用蒙特卡洛随机模拟方法对Moran's I指数进行显著性检验,获得判断显著性的参数P值[23]。P值大小反映了观测数据为空间随机分布的可能性。
2.2.3 局部空间自相关 Moran's I指数是对空间自相关的全局评估,存在忽略了空间过程潜在不稳定性问题。而局部空间自相关可以反映每一局部单元与邻近单元的相关程度,用于识别局部空间位置的高值集聚和低值集聚。常用LISA（Local Index of Spatial Autocorrelation）指标进行测度,计算公式如下[20]：
式中：
3 结果分析
3.1 住宅容积率时间序列变化特征
通过住宅小区竣工数量时间序列分析广州市住宅房产开发总体变化趋势。图2a显示,1994年以前广州市房地产开发量较少,而1994年以后房地开发量总体呈现增长的趋势,随着国家住房分配制度的取消与按揭政策的实施,房地产市场得到快速发展。但在2001年和2009年出现了明显的低谷。2001年住宅竣工数量比2000年减少了50%左右,主要为20世纪90年代末房地产泡沫破灭后对房地产的负面影响的体现;而受2008年金融危机的影响,2009年住宅小区竣工数量显著下降。从住宅平均容积率曲线看,20世纪90年代以来呈波动式线性增长趋势（图2a）。随着经济的发展,住宅市场快速发展,地价随之大幅上涨。为追逐高额利润开发商普遍采用高容积的开发模式,导致容积率不断攀升。而过高的容积率会影响居民居住环境,当容积率达到较高水平时,容积率上升空间相应减小,逐渐趋于稳定均衡状态。
显示原图|下载原图ZIP|生成PPT图2广州市住宅容积率变化时间特征及其空间分布图
-->Fig. 2The temporal variation of residential FAR and the spatial distribution in Guangzhou
-->
结合住宅开发与容积率时间变化趋势,总结出广州市住宅小区经历三个阶段,其特征如下：
（1）起步发展阶段（1994年以前）：广州市居住小区平均容积率及住房竣工套数都呈现不规则变动波幅。该时期新建住宅小区主要集中在越秀、天河及海珠区,其他区域零散分布（图2b）。房地产行业处于初期起步阶段以及房地产体系不完善等多方面原因导致该阶段广州市住宅开发及平均容积率的差异波动特征。
（2）快速发展阶段（1995-2004年）：该阶段广州市居住小区竣工数量比起步发展阶段有了明显的增多,分布区域更广,除了在中心城区集中分布外,还呈现出向北和向南扩张的趋势,促进了花都和番禺等近郊区居住空间的扩展（图2c）。随着城市外扩空间逐渐减少,在中心区高昂地价的驱动下,开发商更加注重住宅的垂直空间利用,导致居住小区建筑高度与平均容积率呈现逐渐上升的趋势。
（2）稳定均衡阶段（2005-2014年）：与快速发展阶段相比,该阶段新建住宅小区数量有所减少,住宅开发在中心城区与近郊区延续发展的基础上,进一步往南、北、东方向拓展,在从化区、增城区和南沙区远郊区也呈现一定规模的住宅集聚分布（图2d）。在土地供给有限、城市化加快引起房地产需求持续上升以及环境容量限制等多因素作用下,该阶段广州市住宅容积率处于稳定均衡状态,容积率整体与住宅竣工数量呈现反向变化趋势。新建住宅数量较多的年份其平均容积率较低,反之亦然。
3.2 住宅容积率多尺度时空自相关特征
3.2.1 小区尺度上容积率空间自相关变化分析 通过小区尺度上容积率空间自相关性的历史变化分析,探讨广州市住宅开发空间特征的演化规律。对于点状数据的分析,通常采用距离权重矩阵或K-nearest矩阵方法。由于住宅小区空间分布非常不均匀,若采用距离权重矩阵则会出现双峰分布,即有些小区没有邻居或至少非常少邻居,而其它小区拥有非常多的邻居。对于小区尺度上住宅点数据空间自相关分析,本文采用K-nearest矩阵方法以保证每个观测对象都有相同数量（K）的邻居。针对1994年以前、1995-2004年、2005-2014年以及所有年份四个时间段,计算不同K-nearest权重矩阵下容积率全局Moran's I指数与显著性水平P值曲线,如图3所示。随着K值的增大,四个时间段的Moran's I指数曲线均呈现先下降后趋于稳定的规律。1994年以前,当K=1和K=2时广州市住宅小区容积率全局Moran's I指数大于0,而当K大于2时,Moran's I指数小于0（图3a）。该阶段不同K值下显著性水平P值均较大（>0.05）,说明了住宅小区容积率整体上没有明显的空间自相关性,体现了广州市住宅开发在起步阶段呈现出无序性。图3b显示,1995-2004年,当K=1和K=2时广州市住宅小区容积率无明显的自相关规律（Moran's I>0,但P>0.05）;而当K大于2时呈现出显著的空间自相关性（Moran's I>0,且P<0.05）,Moran's I指数在K=9时达到了最大值（0.126）。在2005-2014年阶段,广州市住宅小区容积率Moran's I指数均大于0.35,比前两个阶段有了大幅度的提高;且不同K值下显著性水平P均处于0.001的低水平（图3b）。通过三个阶段的对比,随着时间的推移,住宅小区尺度上容积率全局自相关显著性不断提高,说明了小区容积率与周边小区容积率的相似性逐渐增强。由于小区的区位、交通条件、地价等因素往往具有一定的空间依赖性,容积率的空间自相关性的逐渐显著,体现了住宅开发时容积率设定更加科学化,揭示了住宅开发有序化与城市规划控制性指标实施的逐步有效化。
显示原图|下载原图ZIP|生成PPT图3小区尺度K-nearest权重矩阵对应的全局Moran's I指数和P值
-->Fig. 3The global Moran's I and the p value of different K-nearest weight matrix at quarter level
-->
全局自相关揭示了住宅小区容积率整体上的空间自相关性,但不能揭示集聚区在研究区域中的分布规律。因此,对城市不同发展阶段住宅容积率进行局部空间自相关分析,在0.05置信水平上绘制出LISA集聚图（图4）。1994年以前大部分住宅小区没有存在明显的空间自相关性,1995年以后部分新建住宅逐渐呈现显著的空间自相关关系。1995-2004年,广州市新建住宅容积率呈现高高（HH）集聚的比例为18.63%,主要集中在越秀区和天河区的西南部;低低（LL）集聚小区占48.44%,分布于白云区、天河区、番禺区、南沙区以及增城区。2005-2014期,容积率呈现HH和LL集聚特征的小区比上一阶段明显增多,分别占32.07%和48.98%,HH集聚区但仍主要集中于越秀区及天河区西南部,具有LL集聚特征的小区广泛分布于白云区、番禺区、萝岗区及增城区。
显示原图|下载原图ZIP|生成PPT图4不同阶段广州市居住小区容积率LISA图
-->Fig. 1The LISA aggregated maps of residential FAR in Guangzhou at different stages
-->
3.2.2 区级-街道尺度上容积率空间自相关分析 在区级和街道尺度上,分别计算各行政单元的平均容积率,通过空间自相关分析进一步探讨容积率的空间集聚特征与差异规律。对于面状数据的空间自相关分析,通常采用距离权重矩阵或邻接权重矩阵方法。由于广州市行政单元面积差别较大,若采用距离权重矩阵则会出现“孤岛”或邻居数量较多的情况。在区级、街道尺度上容积率空间自相关分析,论文采用邻接权重矩阵方法。
对于区级尺度分析,计算1阶Queen矩阵、2阶Queen矩阵和1阶Rock矩阵、2阶Rock矩阵对应的全局Moran's I指数和P值,结果如图5a所示。2阶矩阵下区级尺度上广州市容积率全局Moran's I指数小于0,而P值接近0.05,区级行政单元容积率呈现负相关性。1阶矩阵下Moran's I指数均大于0.3,且P值远小于0.05。其中1阶Rock矩阵计算得到的Moran's I指数为0.46,且显著性水平接近0.01。可见,区级尺度上,利用1阶Rock矩阵方法充分体现了容积率分布的强自相关规律。
显示原图|下载原图ZIP|生成PPT图5区级和街道尺度上不同邻接权重矩阵对应的全局Moran's I指数和P值
-->Fig. 5The global Moran's I and the P value of different contiguity weight matrix at district and street levels
-->
图5b显示了街道尺度上Queen矩阵和Rock矩阵两种方法下不同阶数对应的全局Moran's I指数和P值变化规律。随着阶数的升高,两种矩阵下的Moran's I指数均呈现逐渐下降的趋势,而P值均为0.001。当阶数小于或等于4时,街道容积率均呈现出显著的空间自相关性（Moran's I>0.15）。相同阶数下,Rock矩阵对应的Moran's I指数大于或等于Queen矩阵。
在区级尺度上,广州市住宅小区的密度呈现出由中心城区向外围地区递减的格局（图6a）,与人口密度分异规律相似。其中老城区越秀区小区密度最高,每平方千米小区数量大于4;天河区和海珠区其次,每平方千米约2~4个小区;而南沙区、从化区与增城区小区密度小于0.1个/km2。从各区平均容积率上看,越秀区、天河区和海珠区均大于3.5;荔湾区、白云区与花都区平均容积率处于第二梯度,为2.5~3.5之间;其他区域的平均密度均小于2.5（图6b）。LISA集聚图进一步揭示容积率局部空间差异规律,发现在0.05显著水平下,越秀区与天河区为容积率HH集聚区,而从化区为LL集聚区（图6c）。
显示原图|下载原图ZIP|生成PPT图6区级尺度上住宅小区密度、平均容积率与LISA集聚图
-->Fig. 6The residential quarter density, average FAR and the LISA aggregated map at district level
-->
与区级尺度类似,街道尺度上广州市小区密度呈现出中心城区高—外围地区低的整体格局（图7a)。街道尺度上的人口密度进一步揭示了相同区内小区密度的空间分异规律,例如海珠区北部靠近天河区的街道人口密度大于南部靠近番禺区的街道;番禺区人口密度以老城区市桥街道为中心向外围逐渐递减。相同区内街道尺度上小区平均容积率在空间分布上呈现出显著的不均衡性,尤以番禺区、白云区和花都区最为显著。番禺区以市桥街道为邻的石基镇、白云区的钧禾街道以及花都区的花山街道小区平均容积率显著高于其它街道（图7b)。局部空间自相关分析结果发现,在0.05水平检验下局部显著自相关的街道有38个,主要以HH集聚和LL集聚类型为主,分别占47.37%和39.47%。LISA图（图7c)显示,容积率HH集聚区主要集中于老城区越秀区的东风街道、六榕街道、人民街道,海珠区靠近珠江的新港街道、滨江街道,以及天河区的猎德街道和洗村街道。优越的区位条件、便利的交通条件、完善基础配套设施、高昂地价等经济因素使得这些区域住宅小区容积率普遍高于其它区域。而LL集聚区包括从化的温泉镇、良口镇、流溪河镇,番禺的沙湾镇以及南沙镇等。从化的温泉镇、良口镇、流溪河镇及周边镇街地貌以山地、丘陵为主,地势较高,以农业、生态旅游为主导产业,住宅小区以低密度住宅建筑为主。番禺的沙湾镇为历史文化古镇;南沙的南沙镇及周边镇街临近珠江口,以冲积平原为主。受地貌等自然条件、产业定位以及生态环境的影响,这些旅游重镇住宅小区较少,且都不适宜高密度建筑,因此呈现出容积率LL集聚特征。高低（HL）和低高（LH）模式仅分别占7.89%和5.26%,零散地分布于白云区、番禺区和从化区。
显示原图|下载原图ZIP|生成PPT图7街道尺度上住宅小区密度、平均容积率与LISA集聚图
-->Fig. 7The residential quarter density, average FAR and the LISA aggregated map at street level
-->
4 结论与讨论
（1）在互联网爬虫技术的支撑下,可快速、全面获取包含空间坐标、建筑时间、容积率等属性的住宅小区大数据。进一步借助探索性空间分析与空间自相关分析方法,能够从宏观视角对城市住宅小区容积率时间演变过程、空间分布模式与集聚规律进行探测。互联网时空大数据与空间信息处理技术、空间统计模型的结合,可以为房地产开发与城市规划的定量研究提供有力的支撑。（2）结合广州市近三十年住宅小区竣工数量与容积率的时间序列数据分析,总结广州市住宅小区开发经历了起步发展阶段（1994年以前）、快速发展阶段（1995-2004年）与稳定均衡（2005-2014年）三个阶段的发展过程。受经济发展阶段、国家政策、土地供给等多方面因素的影响,广州市住宅开发量波动较大。城市规划引导下广州市居住空间呈现出中心城区集聚开发—向南、北方向近郊区拓展—往南、北、东方向远郊区外扩的时空演变特征。在城市容量与土地供给有限背景下,住宅垂直利用趋势逐渐增强,容积率整体呈现不断攀升的态势。
（3）通过小区尺度上容积率空间自相关性的历史变化分析,探讨广州市住宅开发特征的时间演化趋势。在房地产起步发展阶段,广州市住宅容积率差异较大,呈现随机的空间分布格局,住宅开发相对无序。随着房地产进入快速发展阶段,新建住宅容积率逐渐呈现显著的空间自相关性,空间集聚趋势在稳定均衡阶段进一步增强。研究结果充分体现了房地产开发有序性、规范性以及城市规划引导作用的逐步提高。
（4）结合区级尺度和街道尺度容积率空间自相关分析,探测广州市容积率空间分异与集聚特征。区级尺度上广州市住宅容积率呈现较强的自相关特征,越秀区与天河区为容积率HH集聚区,而从化区为LL集聚区。街道尺度上小区平均容积率在空间分布上呈现出显著的不均衡性。受区位、交通、基础设施、地价与区域特征等因素影响,中心城区的东风街道、滨江街道、猎德街道等成为容积率HH集聚区,而受自然条件、产业定位与生态环境影响,从化、番禺、南沙的生态旅游重镇呈现容积率LL集聚特征。
小区、街道、区级尺度上容积率局部空间自相关分析结果的总体趋势相对一致,但由于分析空间地域单元及其邻域范围的不同,不同尺度上局部空间自相关性存在一定的差异,揭示了不同地域单元容积率的空间依赖与空间分异特征,对于控制性详细规划和城市总体规划都有一定的参考意义。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | . |
| [2] | The advocacy of the notion of ‘compact city’ as a strategy to reduce urban sprawl, to support greater utilisation of existing infrastructure and services in more established areas and to improve connectivity of employment and transit hubs is vigorously debated in urban research. Using the urban residential density as a surrogate measure for urban compactness, this paper empirically examines the cadastre database that contains details of every property in order to capture changes in urban residential density patterns in Melbourne, Australia using geospatial techniques. The paper discusses the realisation of the density aspect of compact city policy implemented in Melbourne 2030 Plan. The policy of densification in pursuit of a more compact city has produced mixed results. The findings of this study indicate that urban densities across the buffer zones around Melbourne CBD are significantly different. The dwindling dwelling counts in the inner suburbs and a rapid densification of the inner outer zone is surprising, with urban development following contrasting patterns to what was anticipated to emerge after such a policy change. Contrary, the dwelling density around the designated Activity Centres between the first two zones are statistically insignificant – questioning the fundamental purpose of the compact city model to increase the residential density around significant economic and transit hubs. The ‘hollowing effect’ (i.e. a localised reduction in dwelling densities) observed in the analysis around inner suburbs necessitates us to further examine the quality of data input particularly the coding of multi-storey developments and land sub-divisions into the cadastre database. |
| [3] | . <p>容积率是描述城市土地开发强度的重要指标,在人地矛盾日益尖锐的今天,“高容积、低密度”的城市开发思想得到人们的青睐,然而当该政策实施于实践中时,却暴露出很多的问题,如交通堵塞、日照不足、易发火灾等,严重影响着人们的身心健康和城市的可持续发展.如何合理确定建筑容积率成为当前研究的焦点.文章从容积率的概念、特征、影响因素等方面入手,对城市规划中的容积率进行研究和分析,包括容积率对地价的影响、现状容积率的估算和规划容积率的确定.比较了城市地价评估中容积率修正系数确定方法的优缺点,阐述了高分辨率遥感影像在城市现状容积率估算中的应用及进展,探索了一条确定合理容积率的有效途径——综合平衡法.通过对容积率研究脉络的梳理,得出环境容量限制将是制约容积率提高的瓶颈,试图探索一种基于3DCM日照分析模型的极限容积率的求取方法.</p> <p>容积率是描述城市土地开发强度的重要指标,在人地矛盾日益尖锐的今天,“高容积、低密度”的城市开发思想得到人们的青睐,然而当该政策实施于实践中时,却暴露出很多的问题,如交通堵塞、日照不足、易发火灾等,严重影响着人们的身心健康和城市的可持续发展.如何合理确定建筑容积率成为当前研究的焦点.文章从容积率的概念、特征、影响因素等方面入手,对城市规划中的容积率进行研究和分析,包括容积率对地价的影响、现状容积率的估算和规划容积率的确定.比较了城市地价评估中容积率修正系数确定方法的优缺点,阐述了高分辨率遥感影像在城市现状容积率估算中的应用及进展,探索了一条确定合理容积率的有效途径——综合平衡法.通过对容积率研究脉络的梳理,得出环境容量限制将是制约容积率提高的瓶颈,试图探索一种基于3DCM日照分析模型的极限容积率的求取方法.</p> |
| [4] | . <p>伴随着城市化水平的快速提高,中国城市在发展过程中出现了城市土地利用效率不高、交通堵塞日益突出以及环境污染比较严重等问题。而现有的城市规划方法由于城市土地利用规划与城市交通规划的脱节,使得它并不能有效的解决我国城市发展面临的问题。本文在分析城市交通对城市土地利用影响的基础上,构建了基于轨道交通导向下的容积率规划新方法。以天津为案例,笔者对该方法进行了实证分析。与天津现有的容积率规划方案比较发现,本文推荐的容积率方案不但比天津现有的容积率方案更能提高公共交通的载客数量、塑造良好的城市景观,而且还能节省10%的出通行时间、减少35%能源消耗和44%的污染物排放以及留有更多土地作为绿地、公园以及其它公共用地,从而使得城市环境更加宜居。因此,基于轨道交通导向下的容积率规划新方法,不但可以弥补中国现有城市规划方法的不足,还能解决我国城市发展面临的问题。</p> <p>伴随着城市化水平的快速提高,中国城市在发展过程中出现了城市土地利用效率不高、交通堵塞日益突出以及环境污染比较严重等问题。而现有的城市规划方法由于城市土地利用规划与城市交通规划的脱节,使得它并不能有效的解决我国城市发展面临的问题。本文在分析城市交通对城市土地利用影响的基础上,构建了基于轨道交通导向下的容积率规划新方法。以天津为案例,笔者对该方法进行了实证分析。与天津现有的容积率规划方案比较发现,本文推荐的容积率方案不但比天津现有的容积率方案更能提高公共交通的载客数量、塑造良好的城市景观,而且还能节省10%的出通行时间、减少35%能源消耗和44%的污染物排放以及留有更多土地作为绿地、公园以及其它公共用地,从而使得城市环境更加宜居。因此,基于轨道交通导向下的容积率规划新方法,不但可以弥补中国现有城市规划方法的不足,还能解决我国城市发展面临的问题。</p> |
| [5] | . 以土地利用中居住小区及房屋调 查数据为基础、居住小区为基本研究单元,通过GIS技术和泰尔指数模型,对大连市居住小区容积率空间差异进行实证研究。先应用GIS技术对居住小区容积率 进行计算,其次将居住小区容积率划分为7个等级并对居住小区进行容积率分级,应用GIS软件生成空间分布图和等值线图,然后应用泰尔指数计算居住小区容积 率空间差异测度指数,最后分析其形成原因。结果表明:1大连市居住小区容积率呈不同等级整体破碎、相同等级小范围集聚、邻近等级穿插结合的空间分布特征。 2大连市居住小区容积率整体分异测度指数不高,极低和极高容积率等级的居住小区差异测度最大;全市四大区域中,中山区差异测度最大,甘井子区差异测度最 小,四大区域的内部差异测度远远大于各区域之间的差异测度,是大连市居住小区容积率空间差异的显著特点。3居住小区容积率空间差异的主要原因是城市不同区 位和房屋属性所形成的住宅类型指向、城市空间地貌对居住小区建设的制约、城市居住用地规划标准的宏观导向、城市地价对容积率的作用。 以土地利用中居住小区及房屋调 查数据为基础、居住小区为基本研究单元,通过GIS技术和泰尔指数模型,对大连市居住小区容积率空间差异进行实证研究。先应用GIS技术对居住小区容积率 进行计算,其次将居住小区容积率划分为7个等级并对居住小区进行容积率分级,应用GIS软件生成空间分布图和等值线图,然后应用泰尔指数计算居住小区容积 率空间差异测度指数,最后分析其形成原因。结果表明:1大连市居住小区容积率呈不同等级整体破碎、相同等级小范围集聚、邻近等级穿插结合的空间分布特征。 2大连市居住小区容积率整体分异测度指数不高,极低和极高容积率等级的居住小区差异测度最大;全市四大区域中,中山区差异测度最大,甘井子区差异测度最 小,四大区域的内部差异测度远远大于各区域之间的差异测度,是大连市居住小区容积率空间差异的显著特点。3居住小区容积率空间差异的主要原因是城市不同区 位和房屋属性所形成的住宅类型指向、城市空间地貌对居住小区建设的制约、城市居住用地规划标准的宏观导向、城市地价对容积率的作用。 |
| [6] | ABSTRACT |
| [7] | . 在总结目前常用的建筑容积率估算方法基础上,以高分辨率遥感影像为数据基础,提出了一种新的、适用于大范围建筑容积率估算的方法--阴影面积法.以上海市中心城区为例,详细阐述了阴影面积法在图像处理软件及GIS技术支撑下的实施方案.对估算中可能产生的问题以及估算精度进行了分析.实验表明:阴影面积法对大都市区的建筑容积率估算具有速度快、效率高的特点,基本能够满足中尺度大都市空间建设动态监测的需要. 在总结目前常用的建筑容积率估算方法基础上,以高分辨率遥感影像为数据基础,提出了一种新的、适用于大范围建筑容积率估算的方法--阴影面积法.以上海市中心城区为例,详细阐述了阴影面积法在图像处理软件及GIS技术支撑下的实施方案.对估算中可能产生的问题以及估算精度进行了分析.实验表明:阴影面积法对大都市区的建筑容积率估算具有速度快、效率高的特点,基本能够满足中尺度大都市空间建设动态监测的需要. |
| [8] | . 提出了一种基于建筑物阴影的高 分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星 分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验 验证了所提方法的有效性。 提出了一种基于建筑物阴影的高 分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星 分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验 验证了所提方法的有效性。 |
| [9] | . <p>尝试利用QuickBird高分辨率卫星影像上的阴影来提取建筑物高度信息,并将其应用于计算城市建筑密度和容积率的领域中,探索一种快速、有效的估算建筑密度和容积率的方法。以重庆市渝中区为例,计算该区域的建筑密度和容积率。通过对该区建筑密度和容积率计算结果的对比,发现城市规划格局受经济影响非常大,渝中区的总体规律是:经济水平高、容积率高、建筑密度小,反之亦然。这一结果可以为研究区域的规划、土地利用提供参考信息。最后本文以楼层数为单位进行实地抽样验证,计算结果的准确率达到88.3%。表明高分辨率遥感影像在获取城市建筑密度和容积率方面有巨大的潜力。</p> <p>尝试利用QuickBird高分辨率卫星影像上的阴影来提取建筑物高度信息,并将其应用于计算城市建筑密度和容积率的领域中,探索一种快速、有效的估算建筑密度和容积率的方法。以重庆市渝中区为例,计算该区域的建筑密度和容积率。通过对该区建筑密度和容积率计算结果的对比,发现城市规划格局受经济影响非常大,渝中区的总体规律是:经济水平高、容积率高、建筑密度小,反之亦然。这一结果可以为研究区域的规划、土地利用提供参考信息。最后本文以楼层数为单位进行实地抽样验证,计算结果的准确率达到88.3%。表明高分辨率遥感影像在获取城市建筑密度和容积率方面有巨大的潜力。</p> |
| [10] | . 在住宅开发中,容积率是一个十分重要的指标.各开发商总是想在尽可能的条件下提高住宅开发的容积率,是不是容积率越大越好呢?本文试从经济学上分析容积率的最佳使用问题. 在住宅开发中,容积率是一个十分重要的指标.各开发商总是想在尽可能的条件下提高住宅开发的容积率,是不是容积率越大越好呢?本文试从经济学上分析容积率的最佳使用问题. |
| [11] | . 目前,从总体规划开始逐层分解细化确定容积率的方法在理论上和可 操作性方面存在一些问题,迫切需要一种系统的、可操作性强的确定容积率的方法,把从空间形态、环境效益与经济效益三个角度分析确定容积率的方法统一起来, 以实现规划管理中对规划容积率控制的刚性与弹性结合、控制和引导并举的目标.鉴于此,本文在对容积率有关概念进行了辨析、界定的基础上提出一种确定容积率 的综合模型,该模型通过三条分析线路、三次交集运算,最终达到确定控规中控制地块容积率的目的. 目前,从总体规划开始逐层分解细化确定容积率的方法在理论上和可 操作性方面存在一些问题,迫切需要一种系统的、可操作性强的确定容积率的方法,把从空间形态、环境效益与经济效益三个角度分析确定容积率的方法统一起来, 以实现规划管理中对规划容积率控制的刚性与弹性结合、控制和引导并举的目标.鉴于此,本文在对容积率有关概念进行了辨析、界定的基础上提出一种确定容积率 的综合模型,该模型通过三条分析线路、三次交集运算,最终达到确定控规中控制地块容积率的目的. |
| [12] | . 近年来,城市房地产开发中建筑容积率和基地周边建筑日照标准的矛 盾经常发生.其中,土地批租时规划设计条件里建筑容积率定得过高往往是产生矛盾的原因之一.因此,就需要在批租之前对建筑容积率、目照要求进行估算、预评 价,防止矛盾的产生.文章讨论了估算容积率的客观需求和基本方法,探讨了计算机辅助容积率估算的可行性,提出了仿生学人工智能计算方法产生最大包络体的技 术路线,并对这一技术路线进行初步验证,认为这种方法可用于制订合理建筑容积率的前期估算. 近年来,城市房地产开发中建筑容积率和基地周边建筑日照标准的矛 盾经常发生.其中,土地批租时规划设计条件里建筑容积率定得过高往往是产生矛盾的原因之一.因此,就需要在批租之前对建筑容积率、目照要求进行估算、预评 价,防止矛盾的产生.文章讨论了估算容积率的客观需求和基本方法,探讨了计算机辅助容积率估算的可行性,提出了仿生学人工智能计算方法产生最大包络体的技 术路线,并对这一技术路线进行初步验证,认为这种方法可用于制订合理建筑容积率的前期估算. |
| [13] | . 20 世纪80年代以来,随着中国经济的蓬勃发展,全国各地都在大力进行城市建设,于外城市用地不断向周边区域扩展,于内不断推进旧城改造,加大城市建筑密度和 用地容积率。容积率是衡量土地使用强度的重要指标,城市用地容积率的高低可以充分反映出城市土地利用的效率和程度。本文在 20 世纪80年代以来,随着中国经济的蓬勃发展,全国各地都在大力进行城市建设,于外城市用地不断向周边区域扩展,于内不断推进旧城改造,加大城市建筑密度和 用地容积率。容积率是衡量土地使用强度的重要指标,城市用地容积率的高低可以充分反映出城市土地利用的效率和程度。本文在 |
| [14] | . <p>本文旨在发展基于Moran指数的空间自相关分析理论和方法。首先,利用线性代数知识对基于Moran统计量的空间自相关过程的数学表示进行规范化整理;其次,基于变换中的不变性思想给出Moran指数的理论解释;第三,对空间权重矩阵的数理性质、建设方法和应用范围提出新的见解。总结并发展了Moran指数的三种计算方法——三步求值法、矩阵标度法和回归分析法,将空间权重矩阵划分为四种基本类型——局域关联型、准局域关联型、准长程关联型和长程关联型。以河南省鹤壁市乡镇体系为实证对象,以本文改进的理论和方法为依据,提供了一个空间自相关分析的简明案例。</p> <p>本文旨在发展基于Moran指数的空间自相关分析理论和方法。首先,利用线性代数知识对基于Moran统计量的空间自相关过程的数学表示进行规范化整理;其次,基于变换中的不变性思想给出Moran指数的理论解释;第三,对空间权重矩阵的数理性质、建设方法和应用范围提出新的见解。总结并发展了Moran指数的三种计算方法——三步求值法、矩阵标度法和回归分析法,将空间权重矩阵划分为四种基本类型——局域关联型、准局域关联型、准长程关联型和长程关联型。以河南省鹤壁市乡镇体系为实证对象,以本文改进的理论和方法为依据,提供了一个空间自相关分析的简明案例。</p> |
| [15] | The recent progress of spatial econometrics has developed a new technique called the "spatial hedonic approach," which considers the elements of spatial autocorrelation among property values and geographically distributed attributes. The practical difficulties in applying spatial econometric models include the specification of the spatial weight matrix (SWM), which affects the final analysis results. Some simulation studies suggest that information criteria such as AIC are useful for the SWM's selection, but if many model candidates exist (e.g., when the selections of explanatory variables are performed simultaneously), then the computational burden of calculating such criteria for each model is large. The present study develops an automatic model selection algorithm using the technique of reversible jump MCMC combined with simulated annealing; termed trans-dimensional simulated annealing (TDSA). The performance of the TDSA algorithm is verified using the well-known Boston housing dataset, and it is applied empirically to a Japanese real estate dataset The obtained results suggest a two-step strategy for model selection, with SWM (W) first, followed by the explanatory variables (X and WX), will result in local optima, and therefore these variables should be selected simultaneously. The TDSA algorithm can find the significant variables that are "hidden" because of multicollinearity in the unrestricted model, and can attain the minimum AIC automatically. (C) 2013 Elsevier B.V. All rights reserved. |
| [16] | . <p>基于ESDA-GIS的空间分析框架，利用江苏省1346个小城镇的统计数据，对其城镇群体空间结构进行了研究。首先对统计数据进行了概括性因子分析，抽取的规模与经济因子值的频率分布都是偏态的，且两因子之间不存在规模－效益的正相关性。随后，对小城镇群体的空间结构进行了探索性分析，由密度图显示：小城镇空间分布不均衡，其密度由东南部的沿长江、环太湖地区向西和向北递减。通过空间自相关测度分析得出：小城镇的经济因子的空间分布具有正相关性，呈现出空间集聚的特征；规模因子的空间相关特征不明显。最后，将小城镇的局域空间自相关系数按县 (市、区) 行政单元进行聚类，利用方差图的结论修正聚类结果，得出江苏省小城镇经济发展类型分区：三区、一环 (带)、一片，即苏北中部地区、苏中及宁镇区、苏锡常地区、苏北边缘环带、睢宁片区，对应的经济发展类型分别为：弥漫发展型、极核发展型、集群发展型、过渡发展型、持续贫困型。</p> <p>基于ESDA-GIS的空间分析框架，利用江苏省1346个小城镇的统计数据，对其城镇群体空间结构进行了研究。首先对统计数据进行了概括性因子分析，抽取的规模与经济因子值的频率分布都是偏态的，且两因子之间不存在规模－效益的正相关性。随后，对小城镇群体的空间结构进行了探索性分析，由密度图显示：小城镇空间分布不均衡，其密度由东南部的沿长江、环太湖地区向西和向北递减。通过空间自相关测度分析得出：小城镇的经济因子的空间分布具有正相关性，呈现出空间集聚的特征；规模因子的空间相关特征不明显。最后，将小城镇的局域空间自相关系数按县 (市、区) 行政单元进行聚类，利用方差图的结论修正聚类结果，得出江苏省小城镇经济发展类型分区：三区、一环 (带)、一片，即苏北中部地区、苏中及宁镇区、苏锡常地区、苏北边缘环带、睢宁片区，对应的经济发展类型分别为：弥漫发展型、极核发展型、集群发展型、过渡发展型、持续贫困型。</p> |
| [17] | . <p>用传统统计学方法模拟和解释土地利用变化的前提条件是研究分析的数据在统计上必须独立且均匀分布。但是空间数据相互之间通常具有依赖性 (即空间自相关),某一变量的值随着测定距离的缩小而变得更相似或更为不同。由于经典线性回归方法未能抓住数据的空间自相关特征,而空间自相关包含一些有用的信息,为了克服这一缺点,利用Moran的I系数自相关图来描述研究区土地利用变化的空间自相关,并且建立了不仅考虑回归而且又考虑空间自相关的混合回归—空间自相关回归模型 (即空间滞后模型)。研究得到：① 研究区土地利用变化模型中不但自变量之间而且因变量之间存在空间正自相关,这表明土地利用变化数据的空间自相关很强;② Moran的I系数随着尺度的变粗而减小,这是由于数据平均时的滤波特性和Moran的I系数对距离的非线性特征造成的;③ 经典线性回归模型的残差也表现出正相关,这表明标准的多元线性回归模型未能考虑土地利用数据所存在的空间依赖性;④ 混合回归—空间自相关回归模型 (即空间滞后模型) 的残差未存在空间自相关,并且有更好的拟合度;⑤ 相对于经典线性回归模型,混合回归—空间自相关回归模型 (即空间滞后模型) 对于存在空间自相关性的数据来说有着统计上的合理性,而经典线性回归模型未能考虑这些因素。</p> <p>用传统统计学方法模拟和解释土地利用变化的前提条件是研究分析的数据在统计上必须独立且均匀分布。但是空间数据相互之间通常具有依赖性 (即空间自相关),某一变量的值随着测定距离的缩小而变得更相似或更为不同。由于经典线性回归方法未能抓住数据的空间自相关特征,而空间自相关包含一些有用的信息,为了克服这一缺点,利用Moran的I系数自相关图来描述研究区土地利用变化的空间自相关,并且建立了不仅考虑回归而且又考虑空间自相关的混合回归—空间自相关回归模型 (即空间滞后模型)。研究得到：① 研究区土地利用变化模型中不但自变量之间而且因变量之间存在空间正自相关,这表明土地利用变化数据的空间自相关很强;② Moran的I系数随着尺度的变粗而减小,这是由于数据平均时的滤波特性和Moran的I系数对距离的非线性特征造成的;③ 经典线性回归模型的残差也表现出正相关,这表明标准的多元线性回归模型未能考虑土地利用数据所存在的空间依赖性;④ 混合回归—空间自相关回归模型 (即空间滞后模型) 的残差未存在空间自相关,并且有更好的拟合度;⑤ 相对于经典线性回归模型,混合回归—空间自相关回归模型 (即空间滞后模型) 对于存在空间自相关性的数据来说有着统计上的合理性,而经典线性回归模型未能考虑这些因素。</p> |
| [18] | The combined use of remote sensing based land cover classification and landscape metrics has provided a positive step toward gaining a comprehensive understanding of the features of landscape structure. However, numerous limitations of land cover classification indicate that the utilization of classified thematic maps in landscape pattern analysis is questionable and may even lead to large errors in subsequent analyses. Instead of generating and employing detailed land cover classification maps, the utility of local spatial autocorrelation indices derived directly from satellite imagery to measure landscape fragmentation was examined. Since local spatial autocorrelation can capture spatial pattern at a local scale, it can be expected to detail the spatial heterogeneity for various parts of a landscape instead of providing a single value as in the case with the global measures. This study compares the traditional landscape metrics to the use of satellite imagery based local spatial autocorrelation measures in quantifying landscape structure over Phoenix urban area. Two local spatial autocorrelation indices, the Getis statistic and the local Moran's I were employed in evaluating landscape pattern, using normalized indices as the inputs. Results show that there is a clear relationship between local spatial autocorrelation indices and FRAGSTATS metrics. Both the Getis statistic and the local Moran's I can serve as useful indicators of landscape heterogeneity, for the entire landscape, and for different land use and land cover types. The paper provides a feasible methodology for urban planners and resource managers for effectively characterizing landscape fragmentation using continuous dataset. |
| [19] | . <p>通过ESDA相关分析，描述了20世纪90年代以来江苏省县域经济格局在空间上的变化状况。在经济总体空间格局上，江苏省县域经济发展水平表现出很强的空间自相关性，相似的地区在空间上集聚分布，热点区的空间结构多表现为以苏州、无锡为核心的圈状空间结构，且不断的向东南方向集聚。经济增长空间格局在空间分布上表现出更多的随机性和结构的不稳定性，热点区域切换频繁，没有明显的地理集中现象。江苏经济空间格局连续性和自组织性越来越强，空间分异格局中的随机成份在不断降低，而由空间自相关引起的结构化分异越来越显著，东北—西南方向经济发展的空间差异较小，而东南—西北方向经济发展空间差异最大。最后，将江苏省经济格局演化的驱动力归结为3个方面：历史发展基础、经济区位和区域发展政策。</p> <p>通过ESDA相关分析，描述了20世纪90年代以来江苏省县域经济格局在空间上的变化状况。在经济总体空间格局上，江苏省县域经济发展水平表现出很强的空间自相关性，相似的地区在空间上集聚分布，热点区的空间结构多表现为以苏州、无锡为核心的圈状空间结构，且不断的向东南方向集聚。经济增长空间格局在空间分布上表现出更多的随机性和结构的不稳定性，热点区域切换频繁，没有明显的地理集中现象。江苏经济空间格局连续性和自组织性越来越强，空间分异格局中的随机成份在不断降低，而由空间自相关引起的结构化分异越来越显著，东北—西南方向经济发展的空间差异较小，而东南—西北方向经济发展空间差异最大。最后，将江苏省经济格局演化的驱动力归结为3个方面：历史发展基础、经济区位和区域发展政策。</p> |
| [20] | . 以ESDA作为基本分析工具,探讨1990年代以来福建县域经济 空间格局的演化.结果表明:总体空间格局上,经济发展呈较强的空间相关特征,即经济发展水平相似的地区集聚分布,但趋势在2009年有所下降；热点区域的 整体空间格局存在一定程度的波动.经济增长空间格局仍具有较强空间关联特征,虽然热点区和冷点区切换快速,但切换具有明显的“轨迹”,即高值簇大致成圈层 结构往内陆迁移,而低值簇则往沿海迁移.整个空间尺度上经济发展的差异在不断缩小,由随机成分引起的空间分异在不断下降,空间连续性和自组织性则较为显 著,东--西方向空间差异较小,东北--西南方向的差异呈扩大趋势.作用于空间格局演化的驱动力表现在历史原因和区域经济政策两个方面. 以ESDA作为基本分析工具,探讨1990年代以来福建县域经济 空间格局的演化.结果表明:总体空间格局上,经济发展呈较强的空间相关特征,即经济发展水平相似的地区集聚分布,但趋势在2009年有所下降；热点区域的 整体空间格局存在一定程度的波动.经济增长空间格局仍具有较强空间关联特征,虽然热点区和冷点区切换快速,但切换具有明显的“轨迹”,即高值簇大致成圈层 结构往内陆迁移,而低值簇则往沿海迁移.整个空间尺度上经济发展的差异在不断缩小,由随机成分引起的空间分异在不断下降,空间连续性和自组织性则较为显 著,东--西方向空间差异较小,东北--西南方向的差异呈扩大趋势.作用于空间格局演化的驱动力表现在历史原因和区域经济政策两个方面. |
| [21] | . 城市空间结构是城市地理研究的核心重点之一。近年来,城市住宅价格快速增长,一方面导致城市空间结构出现了一些新的特征和问题,另一方面住宅价格也可敏锐地反映出城市空间结构的演变。因此,本文从住宅价格的角度对北京市城市空间结构进行了探讨。利用北京市2005 年和2012 年二手房市场住宅的空间数据,通过GIS空间分析、空间自相关分析和Hedonic 回归分析等方法,对住宅价格时空格局及影响因素进行了分析,并在此基础上从住宅价格的角度探讨了城市空间结构的优化调整问题。北京市住宅价格存在蔓延式增长、空间差异明显及空间自相关性高等特点,其主要的影响因素包括区位条件、交通便利度、周围环境、基础设施、物业等级等。基于住宅价格得出北京市空间结构的主要特征为:①已形成了多中心的城市空间结构格局。除市中心外,还有亚奥地区、万柳—香山地区、中关村地区、复兴门地区、CBD等次中心,空间扩张仍呈现“摊大饼”的发展模式;②社会空间分异现象有所缓解,但仍存在明显的居住隔离。金融街、月坛等街道是房价高值集聚区,易形成“富人区”,而南六环尤其是房山则易形成“穷人区”;③交通条件和周围硬件环境等基础设施对城市空间结构有一定的调整作用,但调整的效果并不理想。 城市空间结构是城市地理研究的核心重点之一。近年来,城市住宅价格快速增长,一方面导致城市空间结构出现了一些新的特征和问题,另一方面住宅价格也可敏锐地反映出城市空间结构的演变。因此,本文从住宅价格的角度对北京市城市空间结构进行了探讨。利用北京市2005 年和2012 年二手房市场住宅的空间数据,通过GIS空间分析、空间自相关分析和Hedonic 回归分析等方法,对住宅价格时空格局及影响因素进行了分析,并在此基础上从住宅价格的角度探讨了城市空间结构的优化调整问题。北京市住宅价格存在蔓延式增长、空间差异明显及空间自相关性高等特点,其主要的影响因素包括区位条件、交通便利度、周围环境、基础设施、物业等级等。基于住宅价格得出北京市空间结构的主要特征为:①已形成了多中心的城市空间结构格局。除市中心外,还有亚奥地区、万柳—香山地区、中关村地区、复兴门地区、CBD等次中心,空间扩张仍呈现“摊大饼”的发展模式;②社会空间分异现象有所缓解,但仍存在明显的居住隔离。金融街、月坛等街道是房价高值集聚区,易形成“富人区”,而南六环尤其是房山则易形成“穷人区”;③交通条件和周围硬件环境等基础设施对城市空间结构有一定的调整作用,但调整的效果并不理想。 |
| [22] | . 依据中国第五次、第六次人口普查分区县的户籍人口、常住人口数据,借助空间自相关分析、重心曲线、空间分布图系等方法,对中国县域人均粮食占有量的时空格局及其变化强度进行对比分析。结果表明:① 中国人均粮食占有量存在明显的地域分异规律,东西分异和南北分异突出。两种人口统计口径下人均粮食占有量的全局和局部自相关特征显著,空间集聚趋势不断加强。高高集聚区向东北方向汇集,低低集聚区向东南方向汇集。② 两种人口统计口径下人均粮食占有量空间分布特征存在明显差异且有增大趋势,差别较大的县区主要集中在800 mm等降水量线以南,尤以华南区和西南区最为显著。③ 人均粮食占有量变化重心曲线呈“L”形,越向北增幅越大,越向东南减幅越大;基于分布图系、重心曲线将人均粮食占有量变化区域划分为高度增加区、中度增加区、低度增加区、基本不变区、低度减少区、中度减少区、高度减少区等7 种类型,人均粮食占有量变化格局在两种人口统计口径下存在明显差异。 依据中国第五次、第六次人口普查分区县的户籍人口、常住人口数据,借助空间自相关分析、重心曲线、空间分布图系等方法,对中国县域人均粮食占有量的时空格局及其变化强度进行对比分析。结果表明:① 中国人均粮食占有量存在明显的地域分异规律,东西分异和南北分异突出。两种人口统计口径下人均粮食占有量的全局和局部自相关特征显著,空间集聚趋势不断加强。高高集聚区向东北方向汇集,低低集聚区向东南方向汇集。② 两种人口统计口径下人均粮食占有量空间分布特征存在明显差异且有增大趋势,差别较大的县区主要集中在800 mm等降水量线以南,尤以华南区和西南区最为显著。③ 人均粮食占有量变化重心曲线呈“L”形,越向北增幅越大,越向东南减幅越大;基于分布图系、重心曲线将人均粮食占有量变化区域划分为高度增加区、中度增加区、低度增加区、基本不变区、低度减少区、中度减少区、高度减少区等7 种类型,人均粮食占有量变化格局在两种人口统计口径下存在明显差异。 |
| [23] | . 应用空间自相关统计方法,分析了2008年我国肾综合征出血热（HFRS）发病率的空间分布。采用多种权重度量计算了全局和局部两种相关性指数,分析了自 相关数值对空间权重矩阵的依赖性。分析结果表明：①空间距离矩阵比空间邻接矩阵能更好地度量HFRS的空间分布;②使用空间距离矩阵时,当距离阈值 500km〈δ〈800km时,全国发病率数据显示出显著的空间自相关性;③从局域上看,吉林省高值显著聚集,新疆、西藏、青海、广西和海南省自身低值被 高值包围聚集显著。 应用空间自相关统计方法,分析了2008年我国肾综合征出血热（HFRS）发病率的空间分布。采用多种权重度量计算了全局和局部两种相关性指数,分析了自 相关数值对空间权重矩阵的依赖性。分析结果表明：①空间距离矩阵比空间邻接矩阵能更好地度量HFRS的空间分布;②使用空间距离矩阵时,当距离阈值 500km〈δ〈800km时,全国发病率数据显示出显著的空间自相关性;③从局域上看,吉林省高值显著聚集,新疆、西藏、青海、广西和海南省自身低值被 高值包围聚集显著。 |
