Study on the processes and characteristics of urban expansion in Ruili and Wanding port areas
MIAO Yi,1, SU Xiaobo,2, SONG Jinping1, HUA Xiaobo3通讯作者:
收稿日期:2020-06-22接受日期:2020-12-30网络出版日期:2021-06-10
基金资助: |
Received:2020-06-22Accepted:2020-12-30Online:2021-06-10
作者简介 About authors
苗毅(1992-),男,山东威海人,博士研究生,主要研究方向为城市与区域发展。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (3738KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
苗毅, 苏晓波, 宋金平, 花晓波. 瑞丽、畹町口岸区城市扩张过程与特征. 地理研究[J], 2021, 40(6): 1716-1731 doi:10.11821/dlyj020200573
MIAO Yi, SU Xiaobo, SONG Jinping, HUA Xiaobo.
1 引言
边境城市是国际合作交流的桥梁与载体,口岸是对外开放的直接门户,在独特的地缘关系及区域政策背景下,口岸与边境城市的相关研究逐渐成为政治地理、城市地理等学科领域关注的重点[1,2,3]。国外边境城市发展研究主要集中在美国-墨西哥、美国-加拿大、欧盟内部、欧盟-非欧盟界线等地,发现受跨境交通设施等硬件、区域集团组织与国际关系等软环境影响,边境既可能是交流的阻碍,也可能是沟通的桥梁[4,5,6,7,8]。其中,毗邻美国的墨西哥边境城市逐渐成为本国经济发展较活跃的地区,且社会文化特征与美国更为相似,但两国显著的发展基础差异仍使这种共生现象具有复杂性[5,6];欧洲方面,欧盟成员国之间的边境城市逐渐在区域一体化进程中获得发展机遇[7],但成员国与非成员国之间的边境城市则面临开放自由化需求与国家安全间的矛盾,成为其发展的限制性因素[8]。自改革开放以来,中国沿边地区加速开放,“一带一路”倡议等促成对外开放的全新格局[9]。作为推进“一带一路”倡议、对外开放新格局的重要载体、门户以及区域均衡发展的重点,中国边境城市发展态势及其地缘关系内涵、影响因素等备受关注[10,11,12]。其中,诸多****较早关注到中外边境经济一体化特征及城际良性互动[13],提出跨境交流连接了边境口岸与载体城市发展,围绕口岸形成的非农产业集聚、人口与劳动力转移、产业与用地结构调整成为载体城市发展、边境城镇化及“岸城一体化”的重要动力[14,15,16]。案例研究表明,中国磨憨口岸附近建设用地沿昆曼公路形成“条带式”分布[17];受口岸影响,丹东、瑞丽等边境城市新增城市用地具有趋向邻国的特征[18],凭祥市口岸与城镇由空间分隔转为“前岸-中区-后市”式的空间格局[19],促成边境城市空间上的特殊性。总的来看,相关研究基于遥感影像对边境城市扩张进行了动态监测与空间刻画[11,17,18],部分研究进一步结合回归分析、因果检验等验证了城市建设与口岸、边境贸易的关联[20]。
本文聚焦地缘关系地位特殊的瑞丽。瑞丽作为中缅边境的枢纽与热点区域、中缅经济走廊核心节点、推动跨境合作的核心平台,以及中国和中南半岛区域合作的辐射中心,在过去20年里从广泛的地缘政治、经济关系中获得机遇,经历了从普通边陲小镇到桥头堡、中缅合作新国家空间的大转变,适应并促进“一带一路”倡议的有效实施,成为中国西南边境城市发展样板[21,22]。近年来亦获得广泛的研究关注,包括跨境合作中区域功能的转变[23]、发展的机遇和挑战[24,25]、地方政府和企业应对“一带一路”倡议的举措等[26]。一些****基于瑞丽与缅甸的跨境贸易、投资、劳动力、婚姻等分析,提出中国政府与其他群体合作构建弹性而实用的边境管控体系推动了跨境治理和经济发展[27];还有****将瑞丽放在宏观背景下探讨跨境网络,提出政府和企业以瑞丽等边境城市为跳板,在缅甸北部实施禁毒实践-武装威慑和替代种植,以克服“领域陷阱”、建构有效的跨国跨境禁毒机制[28];在缅甸跨境人员管理问题上,中国执法部门将边境营造成既满足缅甸务工人员在瑞丽从事商业和服务业的需求,也限制其流动的妥协空间,构建有限融入的跨境认可流动管理模式[29]。整体而言,相关研究重点关注以瑞丽为代表的边境城市的社会、经济问题,揭示其在“一带一路”倡议等宏观政策下的经济、社会转型及跨境合作,但缺乏该过程中城市形态的时空演变刻画,边境城市扩张的相关研究也缺少其与边境贸易间关系的探讨,以及同一边境城市中不同口岸带来的差异化影响的辨识。因此,需关注边境口岸城市扩张有何特征,影响其的核心地理、经济要素有哪些,口岸、边境又如何塑造了该过程等科学问题。
为此,本文基于瑞丽市2处国家一类口岸(瑞丽、畹町口岸),利用1989—2019年Landsat与夜间灯光影像,结合空间分析与多元空间Logistic回归,探讨口岸与边境贸易等因素对城市扩张的影响,梳理两处口岸区城市扩张的特征机理,以期为更好地认识边境城市、促城市-口岸良性互动及边境城镇体系优化提出理论思考,也为城市扩张模式的探讨提供有益补充。
2 研究区概况
2.1 瑞丽城市发展概况
瑞丽市是中国云南省德宏傣族景颇族自治州西南部与缅甸相邻的边境县级市,面积1020 km2。瑞丽市下辖6个乡镇,有瑞丽、畹町2处国家一类口岸(图1)。得益于“一带一路”倡议等区域合作、扶持政策与规划引导、“境内关外”等优惠政策、产业园区等大型项目建设,瑞丽市人员、车辆、货物跨境流动频繁,通过吸引产业及优化土地利用结构,从改革开放之初的边境小镇转而发展为中缅合作中心与区域性跨境枢纽城市[21]。图1
新窗口打开|下载原图ZIP|生成PPT图1瑞丽、畹町口岸区位
注:此图基于国家自然资源部标准地图服务系统的标准地图(审图号:GS(2019)3266号)绘制,底图无修改。
Fig. 1Location of Ruili port and Wanding port
在城市发展与口岸、边境贸易的特殊关系下,口岸邻近区域成为瑞丽市极富发展活力的地区,城市建设亦基本围绕于此,瑞丽市超5万(瑞丽市外籍人员服务管理中心估算)缅籍外来务工人员也主要工作、生活在姐告边境贸易经济区(简称“姐告边贸区”)附近。1999—2018年,瑞丽市建成区面积与取对数后的进出口贸易额变化趋势相似(图2),Pearson相关性达0.966,一定程度上反映了边境城市建设与边贸之间的特殊关系。
图2
新窗口打开|下载原图ZIP|生成PPT图2瑞丽市建成区面积占比及进出口贸易额变化
Fig. 2Built-up area ratio and foreign trade change in Ruili City
2.2 瑞丽、畹町口岸区
基于两处国家一类口岸——瑞丽、畹町口岸,结合本地实际,以3 km、6 km、9 km缓冲区为3个尺度的口岸区展开探讨,以更好地分析口岸对城市扩张的影响及尺度差异。瑞丽口岸于1987年被定为国家一类口岸,是云南省最重要的口岸之一,其口岸流量处于中国陆路口岸前列(表1)。3个尺度的口岸区也各具特殊性,其中3 km口岸区基本为姐告边贸区,其设立于1990年并于2000年成立管委会,为瑞丽口岸物流、仓储、商贸及旅游提供承载空间;6 km口岸区包含了部分城区,9 km口岸区基本涵盖勐卯镇城区,能完整地判断本地区城市扩张过程。畹町口岸位于畹町镇南侧,背山与缅甸九谷市隔河相望,长期具有重要战略地位,是中国外交的重要窗口,但受政策、地形、交通等影响,畹町口岸近年来明显衰落,不过其口岸流量也仍处于中国陆路口岸中游偏上(表1),进出口以农副产品、水产品为主,货物附加值较低且受季节影响较大。畹町镇城市主要在3 km口岸区内,2013年,芒满通道(距畹町口岸7.9 km)对外开放,成为中国距缅甸105码边贸区最近的通道,在提升畹町口岸流量的同时,周边产业园、仓储物流园等的规划建设也显著加快了用地转化。因此,两处口岸差异明显,在梳理口岸区城市扩张过程特征的同时,能够进一步探讨不同类型口岸、边境贸易与城市扩张的关系,对不同类型边境城市、口岸发展均具有参考价值。Tab. 1
表1
表12017年瑞丽、畹町口岸流量情况
Tab. 1
瑞丽口岸 | 畹町口岸 | 云南省各类口岸占比(%) | 在中国公路口岸的排位 | |||||
---|---|---|---|---|---|---|---|---|
瑞丽口岸 | 畹町口岸 | 瑞丽口岸 | 畹町口岸 | |||||
货物流量(千t) | 7953.6 | 315.7 | 40.96 | 1.63 | 6 | 36 | ||
人员流动(千人) | 17683.9 | 901.6 | 62.62 | 3.19 | 6 | 19 | ||
车流量(千辆) | 3863.2 | 230.4 | 67.41 | 4.02 | 3 | 16 |
新窗口打开|下载CSV
3 数据来源与研究方法
3.1 数据来源与预处理
3.1.1 数据来源 本文遥感影像包括Landsat及夜间灯光数据。前者为1989—2019年每五年一期Landsat TM/OLI无云或少云地表反射率数据(earthxplorer.USGS.gov),条带号为132-043和132-044,精度为30m×30m;夜间灯光数据为DMSP/OLS(1992—2013年)和NPP/VIRS(2012—2017年)的年度稳定影像(ngdc.noaa.gov/eog/download.html),精度为1 km×1 km。瑞丽、畹町口岸贸易数据来源于《瑞丽市边贸志》及相关年份《中国口岸年鉴》《瑞丽年鉴》、政府工作报告、国民经济和社会发展统计公报等,其中2019年口岸贸易的统计数据以1985—2018年数据线性拟合得到。此外,DEM数据获取于地理空间数据云平台(gscloud.cn/)。3.1.2 遥感影像预处理及结合应用 基于遥感影像的城市扩张探讨已较成熟,但不同数据各具局限性,故结合多源数据的探讨具有积极意义[30]。本文先对Landsat影像进行最大似然监督分类,提取精度均超过89%,而后对城市、非城市用地像元栅格进行[1,0]重分类(城市用地1,其余为0)及基于条件“Con((T+1)期>T期,(T+1)期,T期”的年际相互校正。但从勐卯镇、姐告边贸区、畹町镇的实地调研选点验证看,提取结果包括了部分郊区、村庄、尚未正式投产的园区,且该结果无法定量化辨识内部差异。为此,参照相关研究对夜间灯光影像进行校正[31,32],考虑其与Landsat精度不同而进行30 m×30 m空间插值,使二者能够有效匹配,同时考虑已转为城市用地的区域基本不会转回非城市用地,亦进行年际校正处理。
在此基础上,结合两套影像(图3):① 重分类的Landsat结果与夜间灯光DN(Digital Number)值栅格相乘,发挥两套数据互补性,使城市用地同时具有较清晰的边界及内部差异,夜间灯光数据缺失年份以最邻近年份代替;② 参照统计数据及调研样点设置DN值阈值,以阈值以上的区域为最终的城市用地,既符合遥感影像中的城市地表反射率特征,也满足《城市用地分类与规划建设用地标准》中承载生产、生活功能的城市用地内涵,以更好地识别城市扩张空间特征;③ 将瑞丽、畹町口岸区矢量面转为30 m×30 m网格点(分别得到106386个和117033个),将城市用地、DN值赋到网格点,并进行后续分析等。
图3
新窗口打开|下载原图ZIP|生成PPT图3基于两种遥感影像的数据结合及处理过程
Fig. 3Data combination and preprocessing based on two sets of remote sensing images
3.2 研究方法
3.2.1 城市扩张的时空演变分析 伴随多源数据的获取,城市扩张研究呈定量化趋势,包括城市扩张强度、蔓延度、平稳度、景观格局等时序变化测度方法[33,34,35],以及重心迁移、等扇方位、年轮模型等空间刻画方法[33,36]。基于提取的城市用地,本文以如下方法刻画、探讨口岸区城市扩张的时空特征。(1)城市扩张强度指数反映特定时期内城市发展与面积扩张的速度(公式1)[37]:
式中:UEI为城市扩张强度指数;Ut+n和Ut为t时和间隔n时的城市用地面积;A为总面积;n为时间跨度。
(2)加权城市扩张重心迁移。重心迁移是结合多时段探讨空间演变特征的常用方法[38],基于城市用地,叠加夜间灯光权重,刻画城市用地的重心及迁移方向性特征(公式2):
式中:x、y为重心坐标;Xi、Yi为区域内i点坐标;wdn为i地夜间灯光DN值权重。
(3)Getis-Ord G*i热点分析。基于口岸区30 m×30 m网格点,以城市用地中的夜间灯光亮度为属性值,运用Getis-Ord G*i识别城市热点并探讨局部空间关联性[39](公式3):
式中:G*i反映观测点i与邻近区域的热点集聚水平,并可识别为不同置信水平的热点区;wij为i、j两地的空间权重,若相邻为1其他则为0;DNj为城市范围内j点的夜间灯光亮度。
3.2.2 多元空间Logistic回归分析 Logistic回归模型广泛应用于土地利用及其因素分析中[40,41],还有****嵌入空间属性构建空间Logistic回归进行分析[42],但相关研究主要为二元(Binary)Logistic回归,且边境城市的探讨尚不多见。本文基于相关研究及热点分类,构建多元空间Logistic回归(公式4):
式中:结合热点分析结果,以非热点区、一般热点区、强热点区的发生率P0、P1、P2为被解释变量(表2),并以P0为参照进行logit变换;k为自变量序号;α为常数;β为拟合系数,若为正则eβ>1即能促进P1或P2提高。自变量方面,基于边境口岸城市的特殊性和前人研究[17,42],筛选7个自变量(表2),相关变量均可通过容许度和方差膨胀因子VIF检验。其中,x1、x2为海拔、坡度[42];x3为焦点统计的前1期邻域内平均DN值,以识别城市扩张的空间路径依赖性[42];x4、x5为到边境线和其他最近口岸通道的距离;口岸贸易引力x6、x7参照引力模型[43],如公式5:
式中:Gij为口岸贸易引力;Ti为口岸i进出口贸易额;DNj为口岸区内j点所在位置的夜间灯光亮度值;dij为i、j间欧式距离。
Tab. 2
表2
表2变量及说明
Tab. 2
因变量及说明 | 自变量及计算、来源说明 | |||
---|---|---|---|---|
P0 | 城市扩张非热点的发生率(对照组) | x1 | 海拔高度 | Dem |
P1 | 城市扩张一般热点发生率, GiZ∈[1.64, 2.58), 置信水平∈[90%, 99%) | x2 | 地表坡度 | 基于Dem进行坡度计算 |
x3 | 前期邻域平均DN值 | 前1期某点周围DN值的焦点统计 | ||
x4 | 到边境线的距离 | 欧氏距离 | ||
x5 | 到其他口岸通道距离 | (最短)欧氏距离 | ||
P2 | 城市扩张强热点发生率,GiZ≥2.58, 置信水平≥99% | x6 | 瑞丽口岸贸易引力 | 计算参照公式5 |
x7 | 畹町口岸贸易引力 | 计算参照公式5 |
新窗口打开|下载CSV
4 结果分析
4.1 口岸区城市扩张过程
4.1.1 城市扩张明显但差异显著 瑞丽、畹町口岸区城市用地面积及其夜间灯光亮度均有增长,即伴随城市用地面积的增加,建设强度也有所提高,但两地差异十分显著(表3)。其中,受政策环境、姐告边贸区发展的影响,瑞丽口岸区城市用地面积及其夜间灯光亮度增速均以1999—2004年最快,而在瑞丽重点开发开放试验区相关规划全面推进、“一带一路”倡议提出、勐卯镇加快征地搬迁、姐告边贸区加大城市建设投资等一系列战略与政策支持下,2009—2014年城市用地面积大幅增加(平均增长108.9%),城市扩张强度显著提高。具体地,3 km口岸区内城市用地强度提高最为突出,其平均灯光亮度提高近5倍,9 km口岸区城市用地面积增长近18倍,平均亮度从49.05提高到94.67,但平均亮度在2019年有所下降并低于3 km、6 km口岸区结果,表明提高远离口岸的城市用地强度、注重存量规划、及早关注精明增长可以作为解决现阶段土地利用配额不足问题的途径[44]。相比之下,畹町口岸区城市用地面积与亮度增加较慢,城市用地长期局限于3 km口岸区内,其面积增速呈由快减慢再加快的特征。在1999—2014年,受瑞丽口岸与姐告边贸区快速发展的影响,两口岸贸易额差异愈发悬殊,口岸间的虹吸效应可能在很大程度上导致了本阶段畹町口岸区城市扩张极为缓慢。伴随芒满通道的开放,瑞丽口岸与畹町口岸的贸易比有所缩小,并带动2019年畹町口岸9 km缓冲区内的城市加快扩张。Tab. 3
表3
表31989—2019年案例口岸区城市用地面积及其夜间灯光亮度变化
Tab. 3
1989 | 1994 | 1999 | 2004 | 2009 | 2014 | 2019 | ||
---|---|---|---|---|---|---|---|---|
瑞丽口岸3 km缓冲区 | 提取面积(km2) | 0.09 | 0.23 | 0.40 | 1.13 | 1.53 | 3.24 | 4.15 |
城市用地平均亮度) | 21.14 | 30.76 | 29.53 | 66.90 | 73.38 | 100.74 | 102.18 | |
城市扩张强度(%) | - | 2.39 | 2.91 | 12.48 | 6.84 | 29.23 | 15.56 | |
瑞丽口岸6 km缓冲区 | 提取面积(km2) | 1.52 | 3.09 | 4.27 | 7.01 | 8.69 | 16.67 | 20.70 |
城市用地平均亮度) | 44.97 | 53.88 | 53.06 | 86.67 | 92.16 | 105.92 | 106.91 | |
城市扩张强度(%) | - | 4.82 | 3.62 | 8.41 | 5.16 | 24.49 | 12.37 | |
瑞丽口岸9 km缓冲区 | 提取面积(km2) | 1.85 | 3.97 | 5.64 | 8.63 | 10.88 | 24.29 | 32.23 |
城市用地平均亮度 | 49.05 | 56.54 | 55.90 | 86.83 | 91.83 | 96.34 | 94.67 | |
城市扩张强度(%) | - | 2.27 | 1.79 | 3.21 | 2.41 | 14.39 | 8.52 | |
畹町口岸3 km缓冲区 | 提取面积(km2) | 0.27 | 0.75 | 0.83 | 0.84 | 0.85 | 0.98 | 1.23 |
城市用地平均亮度 | 10 | 9.38 | 9.40 | 30.73 | 30.74 | 32.50 | 37.03 | |
城市扩张强度(%) | - | 3.43 | 0.57 | 0.07 | 0.07 | 0.93 | 1.79 | |
畹町口岸9 km缓冲区 | 提取面积(km2) | 0.27 | 0.75 | 0.83 | 0.84 | 0.85 | 0.98 | 2.02 |
城市用地平均亮度 | 10 | 9.38 | 9.40 | 30.73 | 30.74 | 33.16 | 36.69 | |
城市扩张强度(%) | - | 0.47 | 0.08 | 0.01 | 0.01 | 0.13 | 1.01 | |
两口岸贸易额比例(畹町口岸为1) | 1.21 | 2.10 | 1.56 | 5.44 | 17.27 | 44.92 | 21.61 | |
城市用地提取的混合矩阵精度(%) | 89.0 | 89.00 | 95.60 | 93.40 | 91.90 | 93.80 | 92.30 |
新窗口打开|下载CSV
4.1.2 重心分别具有指向口岸、沿边境线迁移的特征 研究期限中,瑞丽、畹町口岸区城市扩张的重心迁移分别呈指向口岸和在边境线附近移动的特征(图4a),具有不同于其他案例区[38]的边境特殊性。其中,瑞丽口岸区重心在距口岸3~6 km的范围内移向口岸,符合新增城市建设用地趋向邻国的判断[18]。其中,在姐告边贸区设立及“境内关外”贸易政策影响下,1999—2004年迁移幅度最大(向东南迁移近1 km),而后伴随姐告边贸区发展和功能定位、用地结构升级需要,低附加值商品流通和初级加工功能分流、外移至其他口岸通道和工业园区,使得城市扩张重心在2014—2019年没有继续趋向瑞丽口岸(图4b)。因畹町镇依口岸而建,又在地形影响下沿边境线建设,故畹町口岸区城市扩张重心具有逐渐远离口岸但又始终在边境线附近迁移的空间特征,在芒满通道开通和附近产业园区建设发展下,2014—2019年重心向芒满通道迁移超过2 km(图4c)。
图4
新窗口打开|下载原图ZIP|生成PPT图41989—2019年案例口岸区城市扩张重心迁移过程
注:基于自然资源部地图技术审查中心标准地图服务网站的标准地图(审图号:GS(2019)3266号)绘制,底图无修改。
Fig. 4Migration process of urban expansion center of port areas from 1989 to 2019
4.1.3 两口岸对城市扩张热点发育的影响不同 瑞丽口岸区城市扩张热点分别围绕主城区和口岸点外延,在利好政策、功能定位影响下,城市扩张热点分别在2004年、2014—2019年大量形成,使瑞丽口岸区内城市用地从相对分离到衔接共生、融为整体(图5a~图5g)。其中,1989—1999年城市热点均在距口岸3~6 km的勐卯镇主城区,期间瑞丽口岸刚刚成为国家一类口岸,姐告边贸区初步成立并进行征地工作,城市扩张不够明显;此后,瑞丽口岸与姐告边贸区的要素集聚能力逐步显现,2006—2009年姐告边贸区暂住、流动人口增加近1万(户籍人口约2500人),使3 km口岸区内热点大量形成,原主城区扩张热点则以靠近口岸的方向更为显著;2009年后,得益于一系列规划、政策的推动,城市扩张出现以下特征:姐告边贸区基本被强热点填充,主城区城市扩张热点则继续指向口岸并在6 km口岸区内沿边境线展开,使得主城区和口岸附近城市用地从空间分隔到相向融合发育,从“前岸、中(边贸)区、后市”发展为“岸城融合”模式[19]。
图5
新窗口打开|下载原图ZIP|生成PPT图51989—2019年瑞丽和畹町口岸区城市扩张热点分布
注:基于自然资源部地图技术审查中心标准地图服务网站的标准地图(审图号:GS(2019)3266号) 绘制,底图无修改。
Fig. 5Hot spots of urban expansion in Ruili and Wanding port areas from 1989 to 2019
受地形等影响,畹町口岸区城市扩张热点发育不足(图5h~图5n)。其中1989—2014年,城市热点仅在3 km口岸区的边境线附近有小幅增长。2014年后,芒满通道的开放促使畹町口岸流量加快提升,在政策引导下,产业园、仓储物流项目等逐渐建设布局,使芒满通道周边出现分散的块状城市扩张热点,也使畹町口岸区城市扩张热点形成飞地发育。值得注意的是,在边境线与地形的叠加影响下,畹町口岸区热点基本呈狭长型、沿边境线分布,映射出不同于瑞丽口岸桥梁作用的、边境对城市扩张的制约属性[4]。
总的来看,两口岸区城市扩张热点发育程度、空间模式均不同,但都能够印证口岸、边境、贸易等影响下,城市扩张在空间上形成的特殊性。
4.2 影响因素分析
瑞丽、畹町口岸区回归分析结果分别如表4、表5,模型总体正确率均>90%,除1989年瑞丽口岸3 km缓冲区R2较低(0.22),其余R2均介于0.38~0.98且随时间线递增,模型具有一定的解释力。Tab. 4
表4
表4瑞丽口岸区多元空间Logistic回归分析结果
Tab. 4
范围 | 3 km缓冲区 | 6 km缓冲区 | 9 km缓冲区 | |||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
自变量 | x1 | x2 | x3 | x4 | x5 | x6 | x 7 | x1 | x2 | x3 | x4 | x5 | x6 | x7 | x1 | x2 | x3 | x4 | x5 | x6 | x7 | |
P1 | 1989年 | -0.3 | 0.4* | 2.3** | 2.2** | -5.9 | -1.2** | -0.8** | 0.4** | -0.4* | 0.3 | 0 | 1.5** | -2.7** | 0.4** | -0.9** | 0.4 | -0.1 | 1.5** | |||
1994年 | -0.1 | 0.1 | 1.2** | -0.7** | -0.5* | -1.6 | 0.3 | 0.5** | 0.2** | 4.7** | 0 | -0.5** | 0 | 1.2** | -0.2 | 0.1 | 2.9** | -0.4** | -0.6** | 0 | 1.9** | |
1999年 | 0.4** | -0.2 | 1.6** | -0.3** | 0.9** | -0.1 | -0.5** | 0 | -0.1 | 4.2** | -0.9** | 0.4** | 0 | 1.1** | -0.1 | 0 | 2.6** | -1.0** | 0.2 | 1.6** | 1.3** | |
2004年 | 0 | 0 | 1.3** | -0.2 | 0.4** | 41.7** | 0.2 | -0.3** | 0.1* | 4.6** | 0 | 0.5** | 33.0** | 0.3** | -1.4** | 0 | 3.1** | -0.1 | 0.7** | 18.2** | 0.6** | |
2009年 | 0.3** | 0.1 | 2.5** | 0.2 | 0.2* | 3 | -0.2* | 0 | 0.1 | 4.6** | 0.1 | 0.1 | 7.7** | 0.8** | -1.2** | -0.1 | 3.2** | 0.3** | 0.2** | 3.6** | 1.0** | |
2014年 | -0.1 | -0.2** | 1.7** | 0.1 | 0.4** | 9.5** | -0.3** | 0.3** | -0.1* | 2.0** | 0.2** | 0.5** | 6.6** | 0.1** | -0.8** | -0.1* | 1.5** | 0.2** | 0.4** | 6.0** | 0.7** | |
2019年 | 0.1** | 0.2** | 2.2** | 0.4** | 0 | -2.5** | -0.1 | -0.1* | 0.1** | 2.2** | 0.1** | 0.5** | -1.1** | -0.1** | -1.7** | -0.1* | 2.1** | 0.2** | 0.8** | -0.7** | 0.3** | |
P2 | 1989年 | -0.3* | 0 | 0.7** | 0.7** | -10.3 | 1.8** | 0.3** | 0.2** | -2.9** | -1.4** | -191.2** | 4.7** | 0.5** | 0.2** | -4.6** | -1.6** | -60.8** | 4.7** | |||
1994年 | 0.2 | 0 | 1.4** | 0.1 | 0.2 | -25 | 0.1 | 0.9** | 0.2** | 5.9** | 0.6** | -0.3** | 0 | 1.7** | -0.2 | 0 | 3.4** | -0.6** | -0.1 | -5.9 | 2.7** | |
1999年 | 0.6** | 0.1 | 2.2** | -0.2 | 0.4 | 0 | 0.7** | -0.1 | 0.2** | 5.4** | -0.3** | 0.9** | -0.4 | 1.9** | -0.8** | 0 | 3.3** | -0.1* | 0.8** | -0.2 | 1.5** | |
2004年 | 0.3** | -0.1** | 1.6** | -0.3** | 0.4** | 42.1** | 0 | 0.8** | 0.1** | 5.3** | 0.2** | -0.3** | 34.2** | 2.1** | 0.6** | 0 | 3.6** | -0.4** | -0.2* | 18.7** | 2.5** | |
2009年 | 0.9** | -0.1 | 3.2** | 0.6** | 0.3** | 5.2* | -0.7** | 0.8** | 0 | 6.0** | 0.3** | -0.5** | 9.8** | 1.2** | 0.3** | -0.2** | 4.2** | -0.1** | -0.3** | 4.2** | 1.7** | |
2014年 | -0.1** | -0.4** | 2.1** | 0.5** | 0.1 | -20.3** | 0.6** | -0.4** | -0.1** | 3.2** | 0.4** | 0.7** | -15.8** | 0.6** | -2.2** | -0.2** | 2.2** | 0.5** | 0.8** | -5.3** | 1.4** | |
2019年 | 0.1** | 0.1** | 3.1** | 0.9** | -0.3** | -83.4** | 1.0** | -0.6** | 0 | 3.2** | 0.1* | 0.8** | -40.2** | 0.8** | -3.4** | -0.2** | 3.0** | 0.5** | 0.6** | -15.3** | 1.6** |
新窗口打开|下载CSV
Tab. 5
表5
表5畹町口岸区多元空间Logistic回归分析结果
Tab. 5
范围 | 3 km缓冲区 | 6 km缓冲区 | 9 km缓冲区 | |||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
自变量 | x1 | x2 | x3 | x4 | x5 | x6 | x7 | x1 | x2 | x3 | x4 | x5 | x6 | x7 | x1 | x2 | x3 | x4 | x5 | x6 | x7 | |
P1 | 2019年 | -0.8 | -0.2 | 5.6** | -1.0* | 1.9** | 3.0** | -4.3 | -1.6* | -0.4 | 2.8** | -0.9 | 3.4** | 3.2** | 3.2 | -0.1 | 0 | 3.8** | -0.1 | 0.3** | 1.3** | -1.7 |
P2 | 1989年 | 4.5** | 0.1 | -9.3** | 2.0** | -0.5 | 1.2** | 0.3* | -5.3** | 2.0** | 0 | 1.5** | 0.2* | -7.6** | 2.0** | 0 | ||||||
1994年 | 1.5** | 0.1* | 2.6** | -5.1** | 1.1** | 0 | 0.6** | 0.3** | 1.5** | -4.4** | 1.4** | 0 | 0.7** | 0.2** | 1.1** | -6.1** | 1.7** | 0 | ||||
1999年 | -0.1 | 0.3* | 6.7** | -1.9** | 1.2** | 10.3** | 0.6 | 0.4* | 3.7** | -2.8** | 1.9** | 6.0** | 0.9* | 0.4* | 2.8** | -4.1** | 2.2** | 4.7** | ||||
2004年 | 1.2 | 0.4* | 9.0** | -2.4** | 0.2 | 2.4 | 0 | 0.6* | 4.7** | -1.4* | 0.7** | 2.7 | 0 | 0.5 | 3.4** | -1.8* | 0.9** | 2.7 | ||||
2009年 | 1.1 | 0.6** | 8.6** | -3.1** | 0.6* | 2.6 | 0.2 | 0.8** | 4.5** | -2.3** | 1.0** | 2.7 | 0.2 | 0.7** | 3.4** | -2.8** | 1.2** | 2.5 | ||||
2014年 | -1.9** | -0.1 | 6.1** | -0.5 | 1.6** | 3.4** | 10.5** | -3.3** | -0.2 | 3.2** | -0.5 | 3.3** | 3.5** | 5.6** | -1.2** | 0.1 | 2.8** | -5.7** | 4.1** | 3.9** | 4.5** | |
2019年 | -1.9** | -0.7** | 6.8** | -1.6** | 4.7** | 5.6** | -1.1 | -3.6** | -1.1** | 3.4** | -2.6** | 8.9** | 6.3** | 3.2 | -0.1* | 0 | 2.0** | 0.2** | 0.6** | 1.4** | 1.6 |
新窗口打开|下载CSV
4.2.1 瑞丽口岸区:口岸贸易显著驱动城市外延扩张 基于表4结果从时序上看,1989—1999年,瑞丽口岸囿于发展时期较短,口岸贸易并未促成口岸区城市热点的形成,但整体来看,靠近边境和口岸通道、前期邻域平均DN值较高、受畹町口岸贸易引力强的地区更易促成一般、强城市扩张热点;2004年与2009年,瑞丽口岸贸易引力对城市扩张热点的形成产生强而显著的正效应,尤其在3 km口岸区内袭夺了畹町口岸贸易引力的影响,到边境线和其他口岸通道距离的增大有利于一般热点但不利于强热点的生成,印证了强热点仍主要在城区靠近边境一侧,前期邻域平均DN值依然对两类热点的形成具有显著的正效应;此后,除对2014年一般热点的发生率,瑞丽口岸贸易引力重新转为负效应,到边境线、其他口岸的距离等因素形成正效应,均表明本阶段城市热点发育是远离边境及口岸的,地形阻力对较大范围口岸区内热点的负效应有所增强,但整体上符合边境城镇化中市场力大于自然力的结论[45]。整体而言,瑞丽口岸的贸易引力在2004—2009年直接对生成口岸区城市扩张强热点产生正效应,对一般热点的正效应延续到2014年。但伴随姐告边贸区用地存量趋紧、部分功能向外转移,而勐卯镇2010—2012年完成超33 km2征地保障了承载空间,故2014—2019年的负效应并不意味口岸贸易不利于城市扩张,反而是促成了更大范围的城市建设,只是在空间上形成了远离口岸的特点,刻画了瑞丽口岸贸易对本口岸区城市扩张的推拉作用。
4.2.2 畹町口岸区:畹町口岸并未显著影响城市扩张 从表5结果来看,对畹町口岸区城市扩张形态而言,芒满通道的开通与发展具有重要影响。结合回归分析结果来看,在此之前,前期邻域平均DN值较高、靠近边境线、一定程度上受到口岸贸易引力的地区易于成为畹町口岸区城市扩张热点,海拔与坡度也没有施加显著的负效应,反而整体与热点发生率保持正相关。2014年及2019年,地形阻力开始对城市热点的形成产生负效应,与园区规划布局等需求有关,前期邻域平均DN值依然具有显著的正效应,但伴随缓冲区的扩大而减小,符合新增城市用地出现破碎化的现实情况,到边境线距离的拟合系数伴随尺度扩大而降低。总的来看,受2004—2009年瑞丽口岸快速发展和开放政策导向下产业园区规划建设的影响,畹町口岸贸易引力主要在1999年、2014年对本地城市扩张热点产生较强的正效应,其余时期拟合系数并不显著,表明畹町口岸贸易并未有效促成畹町口岸区持续而有力的城市扩张,且其实际的城市扩张还更易受到来自其他口岸的影响。
4.3 口岸区城市扩张过程与特征
4.3.1 瑞丽、畹町口岸区城市扩张具有差异化的阶段性特征 在自然与区位特征、宏观战略、优惠政策、边贸区发展规划等影响下,瑞丽、畹町口岸具有愈发明显的功能差异。前者不断集中高效益的口岸区功能,并逐渐对畹町口岸等产生虹吸效应,由此形成差异化的集聚扩散效应和城市扩张带动能力,并促成两口岸区差异化的城市扩张阶段性特征(图6):① 1989—1999年,瑞丽口岸升为国家一类口岸后,具有了一定的发展,但其功能仍以流通为主,对城市扩张的带动较少。尽管如此,勐卯城镇区已初步显现趋邻扩张特点,而紧邻畹町口岸的畹町镇在地形等因素影响下,城市用地小幅向远离口岸的地区扩张。② 1999—2009年,在规划导向和市场驱动下,瑞丽口岸依托姐告边贸区的空间承载与优惠政策,集中玉石、机电产品等高附加值为主的跨境贸易,在吸引大量外来人口的同时,其加工业、生产与生活性服务业快速发展,口岸区功能不断优化升级,3 km口岸区城市发育显著,与原城区相向扩张,受其功能、发展活力及瑞丽口岸袭夺影响,畹町口岸区城市扩张几乎陷于停滞。③ 伴随云南省被作为面向西南开放重要桥头堡以及瑞丽被列为重点开发开放试验区,口岸发展与招商引资不断加快,促成2009年以来瑞丽口岸区城市的加速扩张及岸城融合。2013年起,瑞丽市着力打造国际商贸城及一批文化旅游重点项目、重启跨境一日游,基于不断强化的商贸与旅游功能,姐告边贸区内初加工、低附加值商品流通功能逐渐分流于其他口岸,也促使口岸3~6 km范围内城市沿边境线扩张。本阶段畹町口岸贸易额稳增,但功能并未丰富,流通商品主要为附加值低、季节与年际波动大的农副产品,难以吸引人口集聚、投资及改变用地结构,且受芒满通道及产业园区规划的影响,形成沿边飞地扩张。图6
新窗口打开|下载原图ZIP|生成PPT图61989—2019年口岸区城市扩张的阶段性特征
Fig. 6The periodical characteristics of urban expansion in port areas from 1989 to 2019
总的来看,多因素和空间竞合关系影响下,瑞丽、畹町口岸区城市扩张差异明显,分别呈“初步趋邻-加速相向-融合外延”和“沿边发育-缓慢延展-飞地扩张”的三阶段特征。
4.3.2 口岸区城市扩张具有空间特殊性 边境城市具有不同于其他城市的发展条件,口岸作为城市“边缘点”的集聚扩散效应吸引或外推的城市扩张,也往往具有边境特征和明确的空间指向,有别于无序蔓延的“摊大饼”。
瑞丽口岸与勐卯城镇区相离,最终形成口岸、城镇区城市用地相向扩张、融合发展的过程。具体来看,一方面,口岸附近要素流通集中,贸易、投资及产业发展活跃,加上缅甸劳动力的大量迁入,为边境城市产业发展形成良好环境,吸引了雅戈尔服饰、银翔摩托等国内其他地区制造业迁入,促使国内资本技术与本地及外籍缅甸劳动力相结合,大量外来人口迁居瑞丽,为本地区带来更多的市场需求,促进各类服务业发展,推动本地区经济发展从单一的边境贸易向制造业、服务业综合发展转型,极大加快了要素集聚过程,为城市扩张提供物质基础;另一方面,受口岸功能升级、环境管控、用地存量趋紧等影响[46],口岸又以扩散效应推动城市用地外延,如通过疏解非口岸功能、低附加值产品流通,加速了瑞丽市整体的城市扩张[47,48,49],在此过程中,虽然城市扩张在空间上并未持续趋向邻国甚至呈远离口岸的趋势,但仍很大程度上是受口岸集聚扩散效应影响的。在口岸集聚功能下,畹町镇依口岸而生,又在地形、边境线等制约下形成沿边境线的狭长型城市形态,且在新开对外通道、布局产业园区等影响下,形成了沿边境线的城市飞地扩张。
总的来看,边境对口岸区城市扩张而言可能具有或促进或制约的差异化影响,但口岸区城市扩张在空间上都围绕边境、口岸发育、延展,较其他城市具有空间方向及指向性更加明确的“扩散”与“合并”相融的城市扩张特征,其岸城融合、沿边飞地等城市扩张形态亦有别于单一的内部填充、边缘外扩等[35]。当然,受社会差异、边境管制及缅北相对动荡的局势等影响[29],瑞丽的城市扩张也并非越靠近边境越明显。
5 结论与讨论
5.1 结论
以瑞丽、畹町口岸为例,分析1989—2019年口岸区城市扩张过程与特征,发现:(1)受边境、口岸贸易、政策及自然等多因素影响,口岸区城市扩张具有沿边境线或指向口岸等空间特殊性,不同口岸区的城市扩张速度、规模、形态也具有显著差异。本文中,瑞丽口岸区城市扩张速度快且用地强度高,其重心迁移轨迹基本指向口岸,城市扩张热点呈相向发育的空间特征;畹町口岸区城市扩张过程缓慢,且受芒满通道影响逐渐出现飞地扩张的特征。上述发现均体现口岸、边境对城市扩张施加了影响。
(2)瑞丽口岸贸易在2004—2009年促成瑞丽口岸附近城市扩张,此后姐告边贸区功能调整驱动城市扩张逐渐远离口岸点,口岸贸易整体上对其城市扩张具有促进作用,而自然因素影响则相对较小;畹町口岸则并没有明显促成畹町口岸区城市扩张,也使得畹町口岸区城市扩张对其他口岸及自然因素更敏感。
(3)在口岸差异化的集聚扩散效应、边境对城市扩张的双重影响及自然、政策等多因素及空间竞合关系影响下,瑞丽、畹町口岸区城市用地也均围绕边境、口岸发育延展,并以1999年、2009年为界呈现受口岸、边境影响明显但又具有差异化的三阶段特征。
5.2 讨论
本文创新点在于利用多种遥感数据揭示口岸区城市扩张的时空特征,发现不同口岸、不同范围口岸区的城市扩张可能存在差异化的阶段性特征,口岸间的差异还可能加剧虹吸效应,区位和政策也会改变城市扩张的轨迹,使之成为多要素互动的结果。上述发现能够为决策者有针对性地借鉴经验、实施超前规划以应对不同阶段性问题提供支持和参考。理论上讲,边境赋予了口岸城市特殊的区位,既带来大量机会、促进空间扩张和人口增长,也使其更易受到邻国等因素的影响,且边境管控也可能制约城市扩张形态,瑞丽、畹町口岸区城市扩张便在边境、口岸等多因素影响下形成明显差异。因此,边境推动与限制口岸城市扩张的双重属性,是未来制定边境城市发展规划和口岸贸易政策时值得关注的。从本文及磨憨口岸[17]、凭祥市[19]等案例看,口岸与载体城市适度分隔的情况可能更有利于口岸驱动城市扩张及岸城融合发展,但需结合更多边境城市案例加以判断。在显著的发展差异下,畹町口岸应从整体探讨功能分工,考虑市场需求及核心竞争力,走差异化发展途径[49],但限于研究尺度,本文未能探讨其在区域口岸体系中的定位及联系特征,相关研究亦有待进一步关注,以使边境口岸、城镇体系协同优化的对策更为完整、科学。此外,本文也未能考虑缅甸发展状况尤其是其北部相对动荡的局势可能造成的多种不确定性,例如缅甸军队和民族地方武装冲突导致缅甸居民涌入瑞丽市生产、生活,既加快瑞丽市发展,也使缅甸消费市场萎缩进而导致瑞丽市出口遇阻,具体影响的权衡亦有待在实证中加以把握。
从方法来看,本文将Landsat和夜间灯光影像结合,以刻画城市扩张过程、特征并识别其中差异性,对城市扩张度量缺乏自然与人文因素融入的问题[50]而言具有补充意义;在此基础上,将热点分析、引力模型引入多元空间Logistics回归中,为空间视角下的城市扩张因素探讨提供了补充,但限于数据可得性,未能将多种口岸流量情况、进出口商品构成等指标纳入模型,也未能对政策、社会、交通、产业等城市扩张驱动力[45]进行空间属性化,上述不足之处有待结合更具体的调研、更科学的数据定量化方法加以解决。
致谢
衷心感谢匿名评审专家对本文付出的时间、精力及提出的宝贵意见,尤其对修正研究方法及选取指标等的批评指正,以及将研究结果与政策、规划、管控等相结合的指导意见,都使本文获益匪浅。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
,
DOI:10.18306/dlkxjz.2017.12.002 [本文引用: 1]
国家科学基金(国家自然科学基金和国家社会科学基金的统称)研究立项课题旨在探究重大现实问题以及学科前沿发展,在很大程度上反映了相关学科研究的进展和整体水平。通过分析近20年来中国国家自然科学基金和社会科学基金对政治地理相关议题的资助,以及受资助人在该时期对相关议题的科研情况,得出以下结论:①2011年以来,国内政治地理学逐渐被认可和关注,并呈现出以北京、广州、昆明和上海研究机构为辐射中心的地理特征;②国内政治地理研究重点为边境与边界、环境政治、领土(主权和安全)、行政区划和管治、尺度和空间、社会和文化政治等六大议题;③国内政治地理研究日渐与国际接轨,但行政区划和管治等是独特的研究。整体而言,随着国家科学基金对政治地理研究支持力度的加大,期望能瞄准国际研究前沿和国内需求,建构符合中国国情的政治地理学学科体系。
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
URL [本文引用: 1]
,
URL [本文引用: 2]
,
URL [本文引用: 2]
,
URL [本文引用: 2]
,
URL [本文引用: 2]
,
URL [本文引用: 2]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
DOI:10.11820/dlkxjz.2015.05.007 [本文引用: 2]
沿边口岸是中国对外开放的重要门户,是“一带一路”战略的重要平台;而“一带一路”的实施也必将给沿边口岸带来巨大的发展机遇。中国沿边口岸的发展已引起学术界的重视,但现有研究主要集中在空间分布及发展模式等方面,关于中国沿边口岸体系形成的时空规律及口岸功能的研究还较少。本文通过大量的数据分析,从地理学角度刻画中国沿边口岸发展的时空格局,并基于RCI模型定量分析沿边口岸对沿边地区的带动作用。研究发现,建国后中国沿边口岸发展可以分为平稳对外开放、加速对外开放、全方位对外开放3个阶段;目前,沿边口岸以公路口岸为主,内河口岸、铁路口岸和航空口岸为辅;空间上主要集中分布在中俄、中蒙、中哈和中朝边境。另外,RCI结果显示,中国大部分沿边口岸对城市发展的带动作用不突出,“过货化”现象比较明显。
[本文引用: 2]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
DOI:10.12082/dqxxkx.2019.190053v [本文引用: 4]
20世纪90年代以来,在地缘经济合作机制的影响下,作为中南半岛唯一的内陆国家,老挝边境地区正在经历以建设用地扩张为主的土地利用与覆被变化(LUCC)。本文以中老磨憨-磨丁口岸为例,基于2016年2月-2018年11月10期Sentinel-2 A/B 10 m分辨率遥感影像,利用面向对象与分类后目视修改相结合方法提取2016-2018年磨憨-磨丁口岸15 km缓冲带的建设用地分布信息,并分析了建设用地的时空变化及国别差异。研究结果表明:① 中老磨憨-磨丁口岸地区经历了阶段性快速发展,由2016年年初的1098.8 hm <sup>2</sup>激增到2018年年底的2238.8 hm <sup>2</sup>,增加了1140.0 hm <sup>2</sup>,其中50.8%的新增建设用地集中在海拔800~1000 m,80.9%在坡度20°以下;② 中国磨憨口岸侧建设用地占研究区建设用地的比重从63.3%递减至54.8%,但仍占规模优势,由695.4 hm <sup>2</sup>猛增到1226.7 hm <sup>2</sup>,平均增幅6.7%;③ 老挝磨丁口岸侧建设用地增加近1.5倍,从403.4 hm <sup>2</sup>剧增到1012.1 hm <sup>2</sup>,平均增幅11.1%,占比由36.7%递增到45.2%。可见,日益发展的地缘经济合作是推动中老两国边境地区(特别是口岸)土地利用变化的主要诱因。
[本文引用: 4]
,
[本文引用: 3]
[本文引用: 3]
,
[本文引用: 3]
[本文引用: 3]
,
URL [本文引用: 1]
,
URL [本文引用: 2]
,
URL [本文引用: 1]
,
URL [本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 1]
,
URL [本文引用: 1]
,
DOI:10.18306/dlkxjz.2017.12.010 [本文引用: 1]
非法毒品不仅给国家安全和社会稳定带来新的挑战,也促使地理****深入研究并揭示毒品贸易背后的地缘政治因素和经济社会问题。目前,中国已经成为缅甸北部“金三角”核心区域毒品的主要市场之一,基于中国政府恪守和平共处五项基本原则,无法对盘踞在“金三角”的毒贩进行有效的打击和根除。面对跨国毒贩,中国政府陷入了John Agnew提出的“领域陷阱”。如何在尊重缅甸国家主权的前提下实施有效的跨国禁毒,以维护中缅边境的安全和云南的社会稳定?本文借助政策报告和深度访谈资料,揭示毒品贸易的非传统安全属性,并且分析中国在缅甸北部的禁毒实践——采取武装威慑与替代种植。前者针对毒贩和跨国毒品集团,后者主要面向缅北依赖罂粟种植的农民。两种实践策略针对不同群体,相辅相成,标本兼治,不仅在缅甸领土主权和中缅边境安全之间找到了平衡,也为中国政府克服“领域陷阱”,建构了有效的跨国管制机制。本文丰富了地理****对于领土主权、地缘政治以及边境安全的探讨,可为中国西南边境共建“一带一路”提供有益借鉴。
[本文引用: 1]
,
URL [本文引用: 2]
,
URL [本文引用: 1]
,
DOI:10.18306/dlkxjz.2019.02.005 [本文引用: 1]
在遥感应用研究中,夜间灯光遥感作为发展活跃的一个重要分支,近年来受到越来越多来自自然科学领域和社会经济领域的关注。与传统的光学遥感卫星获取地物辐射信息不同,夜间灯光遥感是获取夜间无云条件下地表发射的可见光-近红外电磁波信息。相比于普通的遥感卫星影像,夜间灯光遥感所使用的夜间灯光影像记录的地表灯光强度信息更直接反映人类活动差异,因而被广泛应用于城市化进程研究、不透水面提取、社会经济指标空间化估算、重大事件评估、生态环境评估等领域。目前,虽然基于夜间灯光数据的应用研究成果正在不断积累,但对成果的系统性总结、整理的研究目前存在着覆盖面不全、时效性不强等不足。基于此,论文通过对近几十年来有关夜间灯光数据的研究成果的详细梳理,从数据处理与技术方法、应用研究等方面进行归纳总结。最后,文章从多源数据融合、应用领域拓展和短周期地表灯光监测3个方面指出了未来的研究热点。
[本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
[本文引用: 2]
[本文引用: 2]
,
URL [本文引用: 1]
,
URL [本文引用: 2]
,
DOI:10.11821/dlyj201707014 [本文引用: 1]
基于现有城市内部地域结构模型及建设用地扩展模式,提出侧重各方向上建设用地扩展的“城市年轮”模型。构建的“城市年轮”模型由城市重心、扩展方向、年轮单元弧、年轮形态等构成。中国城市扩展过程受五年计划(规划)影响呈现明显的阶段性特征,以沈阳市为研究区,选取1985-2015年七期五年计划(规划)期末年份的Landsat遥感影像,运用“城市年轮”模型,结合城市重心坐标、扩展强度、紧凑度、分形维数对沈阳市建设用地扩展的时空特征、形态特征、扩展模式和机理进行分析。研究结果显示沈阳市建设用地扩展时空分异明显;城市重心整体上向西南方向迁移;城市扩展模式由圈层状转换为沿高速道路放射状、再转换为新城组团式扩展;研究期末城市紧凑度很低,分形维数值很高,表明城市空间形态复杂。自然因素、政策因素、经济因素及交通因素是导致沈阳城市扩展的主要因素。
[本文引用: 1]
,
DOI:10.18306/dlkxjz.2019.05.005 [本文引用: 1]
大都市区化是全球城市化进程中的普遍现象,研究大都市区域城市扩张进程对理解其未来增长趋势、区域可持续发展具有重要意义。大都市区土地扩张及区域间的对比分析,以及都市区发育过程中城市扩张的一般化空间模式还未被深入理解。论文选取东京、纽约和上海3个大都市区,获取1990—2015年间3期Landsat影像数据,使用梯度和格网分析法,采用城市土地密度函数和城市扩张指数,从建设用地数量变化及其时空分布、城市形态变化等方面,多角度对比分析各城市不同阶段建设用地增长的时空差异。结果表明:① 大都市区边界仍在不断扩展,建设用地在研究期内持续增长;20多年间东京、纽约和上海的建设用地面积分别增长了63%、53%和233%;上海一直处于高强度扩张状态,而纽约的城市扩张在后期几近停滞。② 大都市区建设用地密度从中心向外呈圈层递减式分布,城市核心区和边缘区半径的增长最明显;城市形态均趋向于紧凑。③ 新增建设用地时空异质性明显。东京的远郊新城不断建设,纽约一些尚有发展潜力的区域次中心仍在扩张但速率逐渐放缓,上海的核心区外围增长剧烈并逐渐向远城区推进。④ 大都市区域扩张先后经历高速期—缓慢期—停滞期,扩张进程表现为核心区膨胀—次中心及新城建设—逐步形成稳定的多中心结构。
[本文引用: 1]
,
[本文引用: 2]
[本文引用: 2]
,
URL [本文引用: 1]
,
URL [本文引用: 1]
,
DOI:10.11821/dlyj020190539 [本文引用: 1]
基于深圳市1996—2015年土地利用数据,利用景观指数、景观转移矩阵和景观扩张指数等方法探究了深圳市近20年景观格局时空变化、主要景观类型转移和建筑用地扩张模式,最后使用Binary Logit模型考察了市级和区级建筑用地景观扩张的主要驱动因素。结果表明:① 1996—2015年,深圳市建筑用地景观优势性逐步增强,面积增加15.81%,以蔓延式(61.9%)和填充式(36.27%)扩张为主;② 1996—2006年为城市化快速扩张期,建筑用地扩张呈集中开发形态,景观多样性和均匀性增加,城市扩张中心略微向北部和东部移动,2006—2015为城市化低速过渡期,景观破碎化加剧,城市扩张重心向北部和西部偏移;③ 在市级尺度上,GDP密度和人口密度对建筑用地景观扩张有显著正影响,生态控制线、高程、坡度和至道路的距离有着显著负影响。每单位生态控制线范围、坡度的增加分别将使建筑用地景观扩张的机会比率将平均减少到原来0.8168倍、0.8841倍。各驱动因素表现出区域和尺度差异性,GDP对宝安区、南山区和坪山区,人口增长对宝安区、龙华区,以及交通可达性对大鹏新区、龙岗区驱动分别最为突出。研究结果可以为中国城市快速扩张过程中的景观格局变化提供科学实践。
[本文引用: 1]
,
[本文引用: 4]
[本文引用: 4]
,
URL [本文引用: 1]
,
[本文引用: 1]
[本文引用: 1]
,
DOI:10.11821/dlxb202008004 [本文引用: 2]
边境地区是内陆对外开放重要门户,也是全面建成小康社会、优化城镇空间格局的重要组成。本文深入分析2000—2015年中国134个边境县域的城镇化发展格局,基于边境地区城镇化特征构建驱动力体系,并运用地理探测器探析边境地区城镇化驱动机制。研究发现:① 2000—2015年边境地区城镇化水平长期低于全国平均水平且差距不断拉大,面临城镇化发展滞后、动力不足的困境。② 同期,西北、西南边境的城镇化水平偏低、但增速较快;西藏边境的城镇化水平最低、增速平缓;东北、北部边境的城镇化水平稍高、但城镇化速度缓慢甚至停滞。③ 交通力和产业力对边境地区城镇化贡献最大,市场力作用较小,各种驱动力之间存在明显的相互加强作用。④ 西北、西南边境分别形成了以产业力和交通力、市场力和行政力为主要驱动力的城镇化发展机制;西藏边境的自然、社会、经济条件薄弱,尚未形成具有较强贡献作用的城镇化驱动力;东北、北部边境的交通力对城镇化贡献较大,与市场、产业的交互增强效果明显。
[本文引用: 2]
,
URL [本文引用: 1]
,
URL [本文引用: 1]
,
URL [本文引用: 1]
,
[本文引用: 2]
[本文引用: 2]
,
URL [本文引用: 1]