, 高晓路A novel method for identifying the boundary of urban built-up areas with POI data
XUZening, GAOXiaolu通讯作者:
收稿日期:2015-04-23
修回日期:2016-02-17
网络出版日期:2016-06-30
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (868KB)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
城市建成区边界是认识和研究城市的重要基础性信息,也是落实城市功能空间布局、实施界限管控的前提。在城市和区域规划中,城市建成区边界是确定未来城市增长边界的重要依据,也是通过土地利用政策和空间管控手段对城市增长进行管理所不可或缺的信息[1],同时,城市建成区为评估城市发展和城镇化建设的质量提供了必不可少的数据支持。在快速城镇化背景下,中国城市发展超过规划范围的情况屡见不鲜。例如,Han等[2]通过卫星遥感影像和GIS技术发现,北京六环以内规划城市建设用地边界外部的城镇建设用地增长规模普遍高于边界内部的增长规模;田莉等[3]和徐毅松等[4]发现,广州和上海也有大量城市开发位于规划城镇建设用地边界之外。可见,只有及时有效地把握城市建成区扩展的实际情况,才能准确诊断城市发展中出现的问题并提出相应的空间管制措施,从而实现城市的紧凑集约发展和土地的高效利用。在现有城市边界研究中,行政区划边界和城市规划建设用地的边界经常代替城市建成区边界出现。尽管这些“边界”概念十分相近,但是用它们代替城市建成区边界不够精确,为避免混淆,有必要对这些概念进行界定。行政区划边界是城市的法定边界,是一种具有法律层面含义的界线,城市行政区与城市规划范围具有密切联系[5],各类空间规划的范围界定通常以中心城区的行政区划边界作为参考。然而城市实际发展范围和中心城区行政区划无法完全重合,因此,在大部分情况下直接使用行政区划边界作为城市建成区边界显然并不合适。从狭义理解,城市规划建设用地边界是通过规划划定的城市增长边界（Urban Growth Boundary, UGB）[6],即允许进行城市住宅、公共设施和基础设施建设的土地范围界限,是一种城市增长管理、控制无序蔓延的工具[7]。在实际情况中,既可能存在UGB内部的建设用地未被征用的情况,又可能出现建设用地超出规划范围的现象。近年来,为了推动城市建设,超出建设用地边界的土地过度开发成为各级城市的普遍现象[8],出现了严重的建设用地增速过快[9]、整体利用效率不高[10]的问题。另外,即使土地被合理征用,可是如果依旧处于闲置状态,把它们视为城市建成区也有失偏颇。因此,本研究把城市建成区边界定义为实际已经建设并发展起来的城市空间范围,也就是说,建成区是展现城市居民日常生活和生产活动的空间范围。
为了获得对城市建成区边界更为客观的认识,****们以遥感解译为基础,提出了基于形态学分析的方法——如通过夜间灯光的强度[11-13]、土地覆被或建筑覆盖率[14-18]等信息来判别城市空间的实际范围,构建经济活动密度、与中心城经济联系的强度、土地利用和建筑物密度等指标作为划分城市建成区边界的参考依据。虽然形态学方法可以较为客观地描述城市建成区边界范围,分析过程也比较简单,但由于对城市经济活动及其联系方式的考虑不足,分析结果存在不确定性[19]。例如大城市边缘的一些城乡结合部地区,由于存在大量的人口活动,其经济、社会活动与城市联系十分紧密,应该被视为城市建成区的一部分。但这些地区在形态和结构上仍属于农村,很难通过遥感解译识别出来。另外,也有****利用人口密度进行城市范围研究。人口作为劳动力或消费者,其密度代表着经济活动的强弱程度,人口密度因而成为研究社会经济现象的地理规律的基础[20]。周一星等[21]提出了城市实体地域的概念,并将城市统计区标准设定为2000人/km2。如日本的人口集中地区（densely inhabited district, DID）将4000人/km2作为高密度城镇化地区或高密度连绵区的识别依据[22]。但是,由于人口统计周期长、成本高,当城市之间人口流动性较强时,人口密度统计数据的实效性较弱,难以客观反映城市建成区边界的动态性变化。
值得注意的是,城乡边界阈值是判定城市建成区边界的关键要素,决定着最终边界的范围,如利用DMSP/OLS夜间灯光数据进行城市建成区的提取,重点就在于寻找最佳的阈值[10]。然而在已有研究中,阈值几乎完全依赖于人为判断,很难做到足够精确,相同阈值是否能够通用也缺乏相关的研究和结论[9, 23-24],如Imhoff等[23]采用的灯光数据突变检测法通用性低,无法适用于区域差异较大的地区。同时,也有****提出了城市边缘区（urban fringe）的概念[25-26],以城乡之间的过渡性带状区域代替线状界线,也可以很好地反应城市边界,但不论是利用指标体系法亦或是遥感解译法,带状边界的确定仍然有一定的不足之处[27]。因此,亟需一种更为合理、客观和准确的方法来判别城市建成区边界。
大数据（Big Data）时代的到来给城市边界研究带来了新的思路与方法,体现出大量化、多样化和快速化特点。网络空间的数据体量不断扩大、数据类型丰富,常常以数据流的形式动态、快速地产生,具有很强的实效性[28]。电子地图兴趣点（point of interest, POI）数据是一类重要的地理空间大数据,在更新速度和获取成本方面,较遥感和人口密度数据有一定优越性。鉴于此,本文试图提出一种客观寻找城乡边界阈值的方法,利用电子地图兴趣点POI数据,以密度分析为基础来识别城市建成区的边界范围,以期为认识和分析城市提供参考与帮助。
2 数据与方法
2.1 POI与城市活动的关联
POI是指具有地理标识的空间特征物,包含名称、类别、经纬度等信息,是空间大数据分析的基础性数据。电子地图中每一个地名、建筑、住宅小区、公园、学校、医院、公司、商场等都是一个兴趣点。电子地图中含有大量POI数据,如2013年的百度电子地图中含有全国数千万条POI数据信息。POI信息是数据供应商通过实地调查采集的,信息丰富而准确,更新及时,而且贴近人们的生活。例如,2008年全国百度地图的POI数据共600多万条,2011年增加至1100多万条。随着电子地图的广泛使用,POI数据的应用日益受到人们的重视。POI数据可以在空间上反映城市结构和与道路骨架相对应的分布特征。由于道路两侧的居民、商户较多,大部分POI集中分布在道路两侧和街区区块当中,当道路两侧的地标和商户较多时,POI数据与道路骨架对应的分布特征更加明显,这种空间分布模式直接体现出城市的肌理和各类城市活动的集聚状况。为了证明POI数据的稳定性和有效性,对2008年以来不同年份百度电子地图的POI数据进行了对比分析。发现POI信息的增加主要发生在规模较小的城市和乡村,也就是以前信息采集没有覆盖的地方。而在人口规模较大的城市、特别是地级以上城市的建成区,POI数量和密度的变化很小,沿道路两侧分布的布局方式并没有明显改变。
POI密度的空间分布差异反映了不同的区域发展水平[29],为了验证兴趣点类型对密度分布的影响,按照城市市辖区和县级市,以及其他县乡的行政范围对各类兴趣点的比例分布进行了统计,发现占POI总量9%的政府机构类POI在城乡之间的分布相对均匀,而住宅、交通、企业、商业服务、公园广场、公共服务设施等其他种类的POI数量分布都存在显著的城乡分异（表1）,在市辖区和县级市范围内的密度明显较高。另外,考虑到各城市功能定位不同（如有的城市商业活动较为发达,有的城市企业较多）,采用细类POI数据会产生较大误差。因此在全国尺度上宜采用全类别POI数据进行城市边界的分析。
Tab. 1
表1
表12008年全国百度地图各类型POI的比例分配
Tab. 1The proportion of different categories of POI data in cities and counties of China
| 行政机构 | 交通站点 | 银行 | 商业大厦 | 零售行业 | 宾馆酒店 | 餐饮娱乐 | 医院 | 学校科研院所 | 公司企业 | 公园广场 | 住宅小区 | 综合信息 | 总计 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 总体比例(%) | 9.0 | 10.6 | 5.7 | 0.6 | 21.4 | 2.8 | 15.0 | 3.3 | 5.4 | 12.8 | 0.2 | 3.1 | 10.1 | 100 |
| 市辖区和县级市(%) | 53.3 | 80.8 | 72.8 | 90.1 | 77.7 | 73.1 | 82.2 | 72.1 | 66.6 | 82.6 | 79.2 | 87.4 | 71.4 | 75.5 |
| 其他县乡(%) | 46.7 | 19.2 | 27.2 | 9.9 | 22.3 | 26.9 | 17.8 | 27.9 | 33.4 | 17.4 | 20.8 | 12.6 | 28.6 | 24.5 |
新窗口打开
2.2 POI的核密度分析
城市作为一个社会经济综合体,集聚效应和规模效益是其最基本的特征,而这一特点恰好可以通过POI的密度动态反映出来。郊区和农村因地形地貌、土地利用等自然要素的差别和人口密度、聚落形式的不同,POI密度与城市地区相比有很大的差异,表现在POI密度分布图上,城市建成区的POI相对密集,而在建成区边界附近,POI密度显著降低。城市地区的POI密度会显著高于城市外围的农村地区的这一规律对于判别城市建成区边界具有很大的参考价值,由此利用密度的明显变化,进行城市建成区边界的判定。为此,首先建立POI概率密度的空间分布。非参数估计是概率密度估计的有效手段,其中,核密度估计方法（Kernel Density Estimation）可以对点数据进行高质量的密度估计,且不会受到栅格大小和位置的影响[30],已经被广泛应用于地理学中的景观格局分析[31]、商业空间布局分析[32]、就业空间布局分析[33]、产业空间分布[34]等方面。
核密度分析将空间中任意一点周围的一定规则区域作为密度的计算范围,通过计算该区域内观测数据的密度来分析观测对象的空间分布态势。距离中心点近的数据点被赋予较高的权重,反之则赋予较低的权重,每一个点的估计密度都是该区域所有点的加权平均密度。其中,空间中任意一点i的核密度Pi被定义为中心处最高并向外不断降低的函数,当距离达到一定值R以后密度为0：
式中：Kj为研究对象j的权重;Dij为空间点i与研究对象j的距离;R为选定规则区域的带宽（bandwidth）（Dij<R）;n为带宽R的范围内研究对象j的数量。
研究表明,带宽R的选择对核密度分析的结果有关键影响[35]。对于空间数据的核密度分析来说,带宽需要根据点的实际空间分布以及研究问题合理确定,较小的带宽适合反映密度分布的局部变化,较大的带宽则能有效地反映全局尺度的空间变化。在进行城市建成区边界识别时,即要考虑到城市尺度上POI数据的分布差异,又要避免计算过程中将邻近城市或周边功能区纳入同一边界范围,从而避免POI数据的空间分异特征被过于强化或弱化。Hinnerburg等[36]对带宽和密度中心（density-attractor）数量的关系进行了研究,发现存在一定数量的带宽区间使得密度中心保持稳定,在这些区间内选择带宽是较为合理的。通过对POI密度分布的估算,将带宽区间确定为3000~3500 m,此时分析结果有着良好的稳定性,且能够满足城市空间结构分析的需要（图1）。
显示原图|下载原图ZIP|生成PPT图1不同带宽情况下的核密度估计结果
-->Fig. 1Kernel estimation of different bandwidths
-->
3 利用Densi-Graph识别城市建成区边界的阈值
对POI数据进行核密度分析,并根据核密度分析结果绘制核密度等值线（图2）。POI的核密度等值线是以城市POI密度的最高点为中心（有时是多个中心）,向四周不断扩展的不规则闭合曲线。其空间分布的特征表现为,在密度中心附近,等值线间的距离相对紧密,在城市外围,等值线的间距逐渐扩大,到了城市外围的农村地区,等值线的间距变得非常稀疏。那么,如何确定核密度等值线由密至疏的临界值成为判别城市建成区边界的关键问题。
显示原图|下载原图ZIP|生成PPT图2POI核密度等值线实例
-->Fig. 2An example of POI density contour
-->
为了解决这个问题,提出一种新的用于分析密度变化的方法,将之命名为“Densi-Graph”。Densi-Graph的基本思路是观察密度值d与相对应闭合曲线围成面积Sd的理论半径Sd^（1/2）的变化情况,找到密度等值线的临界值,从而确定城市建成区边界。分别以密度值d与理论半径增量△Sd ^（1/2）为坐标轴做图,即Densi-Graph图。具体包括两个步骤。
第一步：刻画密度值d与面积Sd的关系。定义Sd^（1/2）为Sd的理论半径,并对理论半径的增量△Sd^（1/2）求导数。理论上说,当下式成立,即：
时,说明密度曲线是均匀的;当下式成立,即：
时,说明密度曲线向外发散。反之,如果导数值小于零,则说明密度曲线收缩。
第二步：临界值的判定。实际上,由于多个城市中心的存在或城市的非均匀扩张,POI密度分布在城市内部存在一定变化,因此,Densi-Graph曲线在城市建成区范围内表现为波动。尽管如此,从整个城市的尺度上看,在城市建成区的边界处应该存在一个具有全局意义的临界值点。r定义为城市空间结构变化的容许值,那么当出现：
时,即波动趋势出现显著增长且该趋势不可逆,可以认为此处是一个全局拐点,此时的密度值即为城市建成区边界的临界值。由此即可确定城市建成区的边界。
对不同的城市结构对Densi-Graph的适用性进行分析：
假想1：单中心城市结构。假设城市仅有1个密度中心,且无限均匀扩张,其核密度等值线表现为单中心的同心圆结构（图3a）。由于POI密度从密度中心点向四周等值均匀扩张,Densi-Graph曲线表现为一条水平的直线（图3b）。
显示原图|下载原图ZIP|生成PPT图3不同假想城市结构的POI核密度等值线和Densi-Graph分析
-->Fig. 3Densi-Graph analysis of the POI density contour for different spatial structures
-->
假想2：双中心城市结构。假设城市有2个密度中心,且无限均匀扩张。当两个密度中心密度值相等时,POI密度曲线从两个密度中心分别向四周等值均匀扩张,等值线在两个密度中心中点处合并,核密度等值线表现为双中心“鱼眼型”结构（图3c）。当两个中心独立生长且尚未融合时,Densi-Graph曲线表现为一条直线;当密度中心扩张到一定范围并导致相互融合时,Densi-Graph曲线在相交处陡降,之后随着等值线的不断扩展,曲线趋于水平（图3d）。
假想3：双中心城市结构。假设城市有2个密度中心,且无限均匀扩张。当两个密度中心密度值不相等时,核密度等值线先从一个密度中心向四周生长,在扩张至一定程度时,另一密度中心出现并与之同时生长,核密度等值线表现为双中心“子母型”结构（图3e）。当两个中心独立生长且尚未融合时,Densi-Graph曲线表现为一条直线;在另一个密度中心出现时,曲线呈上升趋势;在等密度曲线融合时,Densi-Graph曲线达到峰值,之后随着等值线的不断扩展,曲线趋于水平（图3f）。
假想4：单中心城市向农村过渡。假设城市有1个密度中心,在城市建成区的范围内均匀扩张,在城市外围农村地区POI密度开始下降,变得越来越稀疏。其核密度等值线表现为内密外疏的单中心圆结构（图3g）。在密度曲线均匀扩张的过程中,Densi-Graph曲线表现为一条水平的直线;在由城市过渡到农村后,Densi-Graph曲线不断上升,并在城市—农村临界处形成明显的拐点（图3h）。
通过以上分析可以看出,在均匀扩张的城市空间范围内,城市密度中心的数量和城市密度中心的融合都不会影响Densi-Graph曲线的整体走势,曲线最终都会趋向水平。而在城市和农村的过渡地带,Densi-Graph曲线会出现上升且不可逆转的趋势。在四种假设条件下,都可以较为理想地对计算结果做出合理的解释。对于实际城市空间的密度等值线,都是由以上4种假设结构衍生出来的。随着城市的发展与扩张,会出现不同的POI密度中心,Densi-Graph曲线整体趋势中表现为不同程度的细微波动。这类波动是可逆的,会随着密度中心的融合而趋于水平。在城市边缘地带,POI密度的整体下降会使曲线产生不可逆的上升趋势。因此,根据Densi-Graph曲线的这一特点,可以有效对城市建成区的边界进行识别。
4 城市建成区边界识别的实证分析
基于2008年百度地图的POI数据,对全国所有城市的建成区边界进行了识别分析。研究涉及的城市共有523个,其中地级市226个,县级市297个。分析结果表明,这种方法在地级城市尺度上具有较好的适应性。这主要是因为这些城市的电子地图和POI数据比较完善。对于地级市以下的城市而言,由于很多城市的POI数据尚不完善,且POI分布较为分散,计算过程中的相关参数有待进一步研究,故不在文中讨论。对于一些紧邻的地级市（如广州和佛山、苏锡常等地区）,由于其城镇化水平较高、区域一体化高度发达,城市建成区出现了融合的现象。在对这些地区进行分析时,将这些地区作为一个整体进行边界的识别,并利用城市行政区划边界将其分开。对POI数据进行核密度分析,并绘制出Densi-Graph曲线。接着对Densi-Graph曲线求导,对其进行去量纲化处理。通过Densi-Graph分析发现,特大城市局部地区POI密度分布的波动性较大,而中小型城市POI密度分布的波动性则相对较小。波动较大主要是因为多中心的存在（如图3d、3f所示,多中心的存在使Densi-Graph曲线出现较大的下落）以及存在一些大型绿地公园、交通和产业设施等较高等级的区域性服务设施（这些地方形成的谷地会使Densi-Graph曲线出现较大的上扬）所致;波动较小则是由于要素集聚相对集中,密度中心相对较少所致。但是,根据不同城市分别提出容许值存在大量主观性,也会产生极大误差。由于POI密度会在城乡交界地带产生明显变化,因此把Densi-Graph曲线的增长率作为容许值的确定依据。在核密度曲线分布图上,Densi-Graph曲线的增长率代表相邻两条等值线之间距离的增长速度,是一个不依赖于等值线间隔取值的无量纲数。根据全国地级市建成区边界的分析,确定将5%的增长率作为容许值,当曲线的增长率超过5%,且增长趋势不可逆,则把该曲线作为城市建成区边界线。我们发现,由于不同城市POI密度变化的差异,特大城市（如北京、天津）在容许值处的曲线变化值是其他城市的2~3倍。
国内外有很多****都将城市边界作为城乡间的带状区域进行研究,本文仅对城市建成区的线状边界进行研究。在本文的基础上,未来可以通过设定Densi-Graph曲线的取值范围,对城市边缘区进行提取与识别。
不同空间结构的城市,城市建成区边界的识别结果表现出很大差别。本文以北京（单中心结构）、包头（双中心结构）、兰州（带状结构）3个具有代表性的城市作为案例进行展示。以3500 m为带宽,对3个城市进行核密度分析并生成密度等值线。计算每条密度等值线的理论半径并画出3个城市的Densi-Graph曲线,利用Densi-Graph曲线计算不同城市的容许值,从而计算出3个城市建成区边界的Densi-Graph值。图4是3个城市建成区边界识别的结果。可以看出,基于POI数据的Densi-Graph分析方法对于单中心城市、双中心城市和串珠状城市的城市边界识别都具有良好的适用性。随着POI密度的降低,Densi-Graph曲线呈现出相同的走势,而且均出现可以识别的拐点。由于城市内部空间结构的差异,3个城市的Densi-Graph曲线都有不同程度的细小波动,这种波动是由城市内部各密度中心的融合而引起的。最终城市建成区边界的阈值,则选取在曲线开始显著发散的拐点处。
显示原图|下载原图ZIP|生成PPT图4典型城市的城市建成区边界范围
-->Fig. 4Boundary of urban built-up areas of three typical cities
-->
运用以上方法,对全国226个地级市的城市建成区边界的Densi-Graph曲线阈值逐一进行了分析。结果表明,不同人口规模和区域的地级市的城市建成区边界的阈值存在一定的规律性。据此,对Densi-Graph曲线阈值与城市人口规模和城市所在地区的联系进行了总结和归纳（表2）。结果表明,华东和华南比较相近,华北、东北和华中地区比较相近,西北、西南地区比较接近。可以看出,随着人口规模的不断提升,城市建成区边界的阈值逐级上升。另外,华东、华南地区阈值最高,华北、东北、华中地区其次,西北、西南地区城市边界值最低。从一定意义上说,这一结果印证了POI反映城市空间结构肌理和活动规律的假设。人口规模较大的城市,通常具有较高的规模等级和中心性,城市活动更加活跃,其对郊区和周边乡村的带动性也比较强;同理,经济发展水平较高的华东和华南沿海城市也是这样。因此,人口规模较大的城市和经济发展较好的地区表现出较高的城市建成区边界阈值,而人口规模较小或经济发展水平偏低的地区的城市建成区边界阈值则较低。
Tab. 2
表2
表2不同规模和区域城市建成区边界的Densi-Graph曲线平均阈值的参数
Tab. 2Average threshold values of the Densi-Graph contour of urban built-up areas in different cities
| 市辖区人口规模 | 地区 | ||
|---|---|---|---|
| 华东、华南 | 华北、东北、华中 | 西北、西南 | |
| 1000万以上 | 156000 | 156000 | |
| 500~1000万 | 124000 | 84000 | 72000 |
| 300~500万 | 76000 | 60000 | 48000 |
| 100~300万 | 60000 | 44000 | 44000 |
新窗口打开
5 结论
城市建成区边界是认识和研究城市的基础。针对现有研究和实践中对城市边界的认识比较含混、界定方法具有较大主观性等问题,本文提出了一种新的利用POI核密度等值线的分布规律来区分城市建成区边界的分析方法,并成功地将之用于地级市城市建成区边界的分析。与遥感、人口密度等建成区边界划定方法相比,基于POI数据和Densi-Graph方法的建成区边界识别在实效性和客观性方面有较大提升。本文的主要价值有：（1）结合大数据的分析思路,利用电子地图的POI数据进行城市建成区边界的识别。通过对POI和城市空间结构与城市活动之间关联的分析,证明了POI数据的应用价值,特别是在全国地级市尺度城市边界识别中的可行性。这一实例对于拓展城市研究中的大数据应用具有一定价值。
（2）开发了Densi-Graph分析方法,用于城市建成区边界的识别,并讨论了单中心结构、双中心“鱼眼型”结构、双中心“子母型”结构等不同空间结构城市的核密度等值线的分布情况,从而证明了Densi-Graph的理论合理性和实际可行性。Densi-Graph分析方法不仅可以用于城市建成区边界的识别,也可以为其他各种基于密度分布的地域空间分析提供一定的参考。
（3）利用Densi-Graph分析方法,对全国226个地级市的城市建成区边界进行识别,并根据实证研究的结果,提出了判别城市建成区的关键参数。例如,核密度方程的带宽值（3000~3500 m之间）,地级市的Densi-Graph曲线容许值等,这些参数为城市建成区边界的判定提供了有益的参考。研究还发现了全国地级市城市边界等值线阈值与城市人口规模和城市所在区域的相关规律。人口规模等级结构越高,城市边界值越大;华东、华南地区城市边界值最大,华北、东北、华中地区其次,西北、西南地区城市边界值最小。这些参数和新的知见为客观认识城市边界,以及未来开展更加深入的城市研究奠定了科学基础。
（4）这个方法也适用于更大范围的城市群的边界识别。本文的研究思路也适用于其他与空间边界有关的各类研究。例如,通过重新确定核密度分析的带宽,以“点—轴系统”发展理论为基础,利用空间社会经济联系和城市体系的基础性数据,可以对城市群的发育程度和城市群边界做出判断与识别。
致谢：本研究得到了龙瀛和BCL研究团队在数据方面的大力支持及樊杰研究员、陈田研究员、吝涛、王芳的宝贵建议,特此感谢。
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] | . to consider contingencies, and the absence of a mechanism to monitor and adjust the UCBs to respond just in time to urban change. |
| [3] | . . |
| [4] | |
| [5] | . 行政区划是政府间关系的直接反映,行政区划变更意味着空间支配权力的调整.城市增长边界(UGB)是在城市建设地区和限制开发地区之间划定的界线或区域, 用于限制城市发展规模、界定城市建设范围.城乡规划的范围和工作内容与城市行政区及其调整具有密切关系.基于此,研究根据1978年以来我国行政区划调整 和行政权利变化格局,简要分析集权格局和分权格局对城市发展的不同作用,引用UGB在土地供应限制、土地用途限制、开发建设时限限制三方面的效能原理,探 讨三种效能对行政区划调整的影响,重点解析UGB划定和行政区划调整在城市发展空间拓展、区域空间优化重组和城市发展时序控制、区域发展统筹等方面的共同 作用,诠释行政区划调整与UGB划定的相关性. . 行政区划是政府间关系的直接反映,行政区划变更意味着空间支配权力的调整.城市增长边界(UGB)是在城市建设地区和限制开发地区之间划定的界线或区域, 用于限制城市发展规模、界定城市建设范围.城乡规划的范围和工作内容与城市行政区及其调整具有密切关系.基于此,研究根据1978年以来我国行政区划调整 和行政权利变化格局,简要分析集权格局和分权格局对城市发展的不同作用,引用UGB在土地供应限制、土地用途限制、开发建设时限限制三方面的效能原理,探 讨三种效能对行政区划调整的影响,重点解析UGB划定和行政区划调整在城市发展空间拓展、区域空间优化重组和城市发展时序控制、区域发展统筹等方面的共同 作用,诠释行政区划调整与UGB划定的相关性. |
| [6] | . <p>作为控制城市蔓延的重要工具之一,城市增长边界(UGBs)已经在国际学术界得到了广泛的关注和研究。从控制机制来看,由于规划城镇建设用地边界具有控制城市增长的法律地位,与西方国家的UGBs较为相似,因而可以被视为中国特有的一种UGBs。该边界的制定在我国经过了长期的实践,然而以往的方法往往缺乏充分的科学依据。因此,本文提出一种基于约束性元胞自动机来制定城市增长边界的方法,该方法考虑了城市发展的综合因素,能够较为客观、全面地反映城市增长的时空动态变化过程,并能体现众多城市发展政策的影响效果。利用约束性元胞自动机模型,以北京市域为研究区域,制定了中心城、新城和乡镇三个层次的UGBs。实证分析表明,利用该方法与传统方法所制定的UGBs存在一定的差异,因此在拟定新的UGBs或改进现有的UGBs过程中,应当充分考虑这一情况,参考该方法的模拟结果建立更为科学合理的UGBs。</p> . <p>作为控制城市蔓延的重要工具之一,城市增长边界(UGBs)已经在国际学术界得到了广泛的关注和研究。从控制机制来看,由于规划城镇建设用地边界具有控制城市增长的法律地位,与西方国家的UGBs较为相似,因而可以被视为中国特有的一种UGBs。该边界的制定在我国经过了长期的实践,然而以往的方法往往缺乏充分的科学依据。因此,本文提出一种基于约束性元胞自动机来制定城市增长边界的方法,该方法考虑了城市发展的综合因素,能够较为客观、全面地反映城市增长的时空动态变化过程,并能体现众多城市发展政策的影响效果。利用约束性元胞自动机模型,以北京市域为研究区域,制定了中心城、新城和乡镇三个层次的UGBs。实证分析表明,利用该方法与传统方法所制定的UGBs存在一定的差异,因此在拟定新的UGBs或改进现有的UGBs过程中,应当充分考虑这一情况,参考该方法的模拟结果建立更为科学合理的UGBs。</p> |
| [7] | . <p>城市增长边界(UGB)是城市增长管理、控制城市无序蔓延的重要工具,但如何科学定量划定城市增长边界一直是一个技术难题。针对目前城市增长边界定量划定研究的不足,提出一种基于城市水文效应,适用于城市内涝易发区的城市增长边界划定方法。该方法整合了元胞自动机(CA)模型与区域水文模型(SCS),通过CA模型预测城市不透水面积的扩张范围与形态,并以此作为城市水文模型的参数,评估城市淹水面积的比例及风险,最后根据风险水平确定城市增长边界。以镇江新民洲为例,实证研究了该地区的城市增长边界的合理划定,研究发现该区域城市扩张规模控制500 hm<sup>2</sup>之内,城市在最大降雨条件下城市积水面积的风险水平能有效降低。研究结果可为新民洲的水文风险控制及城市规划提供依据,同时可为其他城市增长边界划定提供方法参考。</p> . <p>城市增长边界(UGB)是城市增长管理、控制城市无序蔓延的重要工具,但如何科学定量划定城市增长边界一直是一个技术难题。针对目前城市增长边界定量划定研究的不足,提出一种基于城市水文效应,适用于城市内涝易发区的城市增长边界划定方法。该方法整合了元胞自动机(CA)模型与区域水文模型(SCS),通过CA模型预测城市不透水面积的扩张范围与形态,并以此作为城市水文模型的参数,评估城市淹水面积的比例及风险,最后根据风险水平确定城市增长边界。以镇江新民洲为例,实证研究了该地区的城市增长边界的合理划定,研究发现该区域城市扩张规模控制500 hm<sup>2</sup>之内,城市在最大降雨条件下城市积水面积的风险水平能有效降低。研究结果可为新民洲的水文风险控制及城市规划提供依据,同时可为其他城市增长边界划定提供方法参考。</p> |
| [8] | |
| [9] | . 基于对城镇建设用地投入效率概 念与内涵的理解,从投入产出水平、区际关系、载荷容量、人地关系等视角构建评价指标,从效率水平和人工复合生态系统内在耦合协调性组织内容,并结合均方差 赋权法对我国30个省(自治区、直辖市)进行实证研究。结果表明:①该评价体系既能够较为全面反映公平与效率、制度安排效应,也能用于检验区域系统内部经 济—社会—生态环境的耦合协调性,实用性强;②我国城镇建设用地投入效率呈现出的特征:水平特征——粗放、低效增长,复合生态系统处在低水平的耦合协调阶 段,空间特征——分异明显,其中经济效率的空间分异最为明显,而区域四分法大体呈由东往西依次递减的地理格局;③我国城镇建设用地投入效率的空间分异在一 定程度上映射了国家宏观发展战略相对注重社会公平而忽视效率、政府绩效考核体系对其投入效率的影响等。 . 基于对城镇建设用地投入效率概 念与内涵的理解,从投入产出水平、区际关系、载荷容量、人地关系等视角构建评价指标,从效率水平和人工复合生态系统内在耦合协调性组织内容,并结合均方差 赋权法对我国30个省(自治区、直辖市)进行实证研究。结果表明:①该评价体系既能够较为全面反映公平与效率、制度安排效应,也能用于检验区域系统内部经 济—社会—生态环境的耦合协调性,实用性强;②我国城镇建设用地投入效率呈现出的特征:水平特征——粗放、低效增长,复合生态系统处在低水平的耦合协调阶 段,空间特征——分异明显,其中经济效率的空间分异最为明显,而区域四分法大体呈由东往西依次递减的地理格局;③我国城镇建设用地投入效率的空间分异在一 定程度上映射了国家宏观发展战略相对注重社会公平而忽视效率、政府绩效考核体系对其投入效率的影响等。 |
| [10] | . <p>基于国情和现实发展, 对中国城镇建设用地投入非协调性进行了分析。通过构建城镇建设用地投入非协调性指数模型, 综合测度了2000~2009 年期间中国各省区城镇建设用地投入之于城镇人口、GDP、固定资产投资、地方财政税收、产业就业非农化以及社会非农化的非协调性程度及其动态演变过程、趋势和类别, 并在此基础上对其产生的原因进行剖析, 最后就如何协调中国城镇建设用地投入提出调控对策与优化途径。结果表明:中国城镇建设用地投入非协调整体呈“波浪式”的下降趋势, 但整体效益水平还有待提高;非协调性分类及其演化以相对协调型和滞后型为主, 且有着明显的区域特征;演变机理分析表明资源要素禀赋与区域差异、国家宏观调控、体制制约、历史遗留和行政区划调整是造成非协调性的主要原因;最后从体制环境改革、全国主体功能区划和区级财政转移支付视角提出优化调控对策。</p> . <p>基于国情和现实发展, 对中国城镇建设用地投入非协调性进行了分析。通过构建城镇建设用地投入非协调性指数模型, 综合测度了2000~2009 年期间中国各省区城镇建设用地投入之于城镇人口、GDP、固定资产投资、地方财政税收、产业就业非农化以及社会非农化的非协调性程度及其动态演变过程、趋势和类别, 并在此基础上对其产生的原因进行剖析, 最后就如何协调中国城镇建设用地投入提出调控对策与优化途径。结果表明:中国城镇建设用地投入非协调整体呈“波浪式”的下降趋势, 但整体效益水平还有待提高;非协调性分类及其演化以相对协调型和滞后型为主, 且有着明显的区域特征;演变机理分析表明资源要素禀赋与区域差异、国家宏观调控、体制制约、历史遗留和行政区划调整是造成非协调性的主要原因;最后从体制环境改革、全国主体功能区划和区级财政转移支付视角提出优化调控对策。</p> |
| [11] | . <p>DMSP/OLS夜间灯光数据已被广泛应用于城市建成区的提取。目前主要存在4类提取方法:经验阈值法、突变检测法、统计数据法和较高分辨率影像数据空间比较法。以上海为例,在2000年、2003年、2006年夜间灯光数据的基础上,利用4种方法完成了城市建成区的提取。通过对不同年份数据提取结果的比较,证明了相同的灰度分割阈值对不同年份的夜间灯光数据中不存在通用性；在对2003年夜间灯光数据的提取中,4类方法所得结果精确度从高到低依次为统计数据法、突变检测法、经验阈值法和较高分辨率影像数据空间比较法,相对误差分别为1.3%、2.1%、5.1%和11.2%,在对4种方法的便捷性和可实现性进行分析与评价后,使用突变检测法完成了上海市2000~2006年城市建成区的提取。</p> . <p>DMSP/OLS夜间灯光数据已被广泛应用于城市建成区的提取。目前主要存在4类提取方法:经验阈值法、突变检测法、统计数据法和较高分辨率影像数据空间比较法。以上海为例,在2000年、2003年、2006年夜间灯光数据的基础上,利用4种方法完成了城市建成区的提取。通过对不同年份数据提取结果的比较,证明了相同的灰度分割阈值对不同年份的夜间灯光数据中不存在通用性；在对2003年夜间灯光数据的提取中,4类方法所得结果精确度从高到低依次为统计数据法、突变检测法、经验阈值法和较高分辨率影像数据空间比较法,相对误差分别为1.3%、2.1%、5.1%和11.2%,在对4种方法的便捷性和可实现性进行分析与评价后,使用突变检测法完成了上海市2000~2006年城市建成区的提取。</p> |
| [12] | . <p>选择1992、2000 和2010 年的DMSP_OLS灯光数据，改进了基于统计数据提取城镇用地的算法，使用Python语言编程实现3 个时期中国城市建成区的提取。利用ArcGIS 10、Visual FoxPro 6.0 等软件，选择城市形态紧凑度和城市扩张速度2 个指标，分别从城市规模（超大城市、特大城市、大城市、中等城市和小城市）、大区域（东部、中部、西部和东北区）、省级行政区划（省、自治区和直辖市）3 个空间尺度分析了城市的空间扩张情况。结果表明：① 从城市形态紧凑度来看，同一年份，城市规模越大，城市外部形态紧凑度越小；而中、西部城市平均紧凑度大于东部、东北部。1992~2010 年，除大城市和小城市平均紧凑度指数略微变小、基本不变外，其余各等级城市均变大；东部和西部城市平均紧凑度指数变小，而东北和中部变大。② 从城市扩张速度来看，同一时间段内，城市规模越大，城市建成区年均扩张速度越大；1992~2010 年，东部城市建成区扩张速度最大，东北最小，中、西部次之；其中，北京、重庆、上海、天津扩张速度大，广东、江苏、山东、浙江和福建扩张速度次之，其余省份扩张速度较小；近20 a来，所有等级城市、不同区域城市以及各个省份内城市建成区在加速扩张。</p> . <p>选择1992、2000 和2010 年的DMSP_OLS灯光数据，改进了基于统计数据提取城镇用地的算法，使用Python语言编程实现3 个时期中国城市建成区的提取。利用ArcGIS 10、Visual FoxPro 6.0 等软件，选择城市形态紧凑度和城市扩张速度2 个指标，分别从城市规模（超大城市、特大城市、大城市、中等城市和小城市）、大区域（东部、中部、西部和东北区）、省级行政区划（省、自治区和直辖市）3 个空间尺度分析了城市的空间扩张情况。结果表明：① 从城市形态紧凑度来看，同一年份，城市规模越大，城市外部形态紧凑度越小；而中、西部城市平均紧凑度大于东部、东北部。1992~2010 年，除大城市和小城市平均紧凑度指数略微变小、基本不变外，其余各等级城市均变大；东部和西部城市平均紧凑度指数变小，而东北和中部变大。② 从城市扩张速度来看，同一时间段内，城市规模越大，城市建成区年均扩张速度越大；1992~2010 年，东部城市建成区扩张速度最大，东北最小，中、西部次之；其中，北京、重庆、上海、天津扩张速度大，广东、江苏、山东、浙江和福建扩张速度次之，其余省份扩张速度较小；近20 a来，所有等级城市、不同区域城市以及各个省份内城市建成区在加速扩张。</p> |
| [13] | . 基于DMSP/OLS非辐射定标的夜间灯光平均强度数据构建了一个反映区域城市化水平的灯光指数 ,并分析了该灯光指数与城市化水平在省级尺度上的相关性。研究表明 ,灯光指数与反映城市化水平的复合指数存在较高的相关关系 ,可以用于我国城市化水平及其时空分异分析和城市化进程监测。 . 基于DMSP/OLS非辐射定标的夜间灯光平均强度数据构建了一个反映区域城市化水平的灯光指数 ,并分析了该灯光指数与城市化水平在省级尺度上的相关性。研究表明 ,灯光指数与反映城市化水平的复合指数存在较高的相关关系 ,可以用于我国城市化水平及其时空分异分析和城市化进程监测。 |
| [14] | . |
| [15] | . |
| [16] | . 城市地域空间扩展情况是衡量城市化水平的重要测度指标。利用陆地卫星MSS影像、TM（或ETM＋）影像、灾害监测星座数据和“北京一号”小卫星数据,对1973―2005年北京市建成区的扩展过程、面积变化和土地利用影响进行了监测分析。结果表明：32年间,北京市建成区面积净增加超过1000km2,2005年达到1209.97km2,相当于1973年的6.58倍,年均扩展32.07km2。北京市建成区的扩展基本上呈现出以旧城区为中心向四周扩展的方式,并未在某一方向表现出特别明显的变化,但在不同时期内的扩展速度差异非常明显。北京市建成区的扩展面积中,54.34%来自于农村居民点和独立工矿用地及其他建设用地,43.57%来自于水田、旱地等耕地。人口增长对北京市建成区的扩展有显著的刺激作用;经济增长是城市变化的主要动力之一;交通的发展促进了城市用地的扩展,是城市扩展的牵引力,对城市空间扩展具有指向性作用;而政策与制度因素则在很大程度上决定了北京市发展和扩张的宏观格局。 . 城市地域空间扩展情况是衡量城市化水平的重要测度指标。利用陆地卫星MSS影像、TM（或ETM＋）影像、灾害监测星座数据和“北京一号”小卫星数据,对1973―2005年北京市建成区的扩展过程、面积变化和土地利用影响进行了监测分析。结果表明：32年间,北京市建成区面积净增加超过1000km2,2005年达到1209.97km2,相当于1973年的6.58倍,年均扩展32.07km2。北京市建成区的扩展基本上呈现出以旧城区为中心向四周扩展的方式,并未在某一方向表现出特别明显的变化,但在不同时期内的扩展速度差异非常明显。北京市建成区的扩展面积中,54.34%来自于农村居民点和独立工矿用地及其他建设用地,43.57%来自于水田、旱地等耕地。人口增长对北京市建成区的扩展有显著的刺激作用;经济增长是城市变化的主要动力之一;交通的发展促进了城市用地的扩展,是城市扩展的牵引力,对城市空间扩展具有指向性作用;而政策与制度因素则在很大程度上决定了北京市发展和扩张的宏观格局。 |
| [17] | . <p>随着人口的增长与经济的发展,尤其我国西部城市在西部大开发的背景下,大中城市的扩张十分明显,深刻地影响城市周边的生态环境。如何快速准确地获取城市扩张信息,并分析其驱动力机制,对于指导城市规划,优化西部生态环境与可持续发展都具有十分重要的意义。作者分别采用了监督分类法和归一化裸露指数 (NDBI) 法提取了西安市的城市边界信息,并对二者进行对比分析,认为监督分类法提取的城市边界信息较为准确。在此基础上通过对相关统计资料的分析,认为西安市城区快速扩张与西部大开发以来西安市固定资产投资额的大幅增加以及经济的快速发展有密切的关系,此外人口的增加、交通等基础设施的发展也是重要的驱动因素。</p> . <p>随着人口的增长与经济的发展,尤其我国西部城市在西部大开发的背景下,大中城市的扩张十分明显,深刻地影响城市周边的生态环境。如何快速准确地获取城市扩张信息,并分析其驱动力机制,对于指导城市规划,优化西部生态环境与可持续发展都具有十分重要的意义。作者分别采用了监督分类法和归一化裸露指数 (NDBI) 法提取了西安市的城市边界信息,并对二者进行对比分析,认为监督分类法提取的城市边界信息较为准确。在此基础上通过对相关统计资料的分析,认为西安市城区快速扩张与西部大开发以来西安市固定资产投资额的大幅增加以及经济的快速发展有密切的关系,此外人口的增加、交通等基础设施的发展也是重要的驱动因素。</p> |
| [18] | . . |
| [19] | |
| [20] | . <p>区域人口密度函数是研究中心城市对周围区域影响的有效方法。为了控制自然因素对人口密度分布的影响 ,本文的研究地域范围限定在我国四个主要的平原地区 :东北、华北、两湖平原和四川盆地。城市吸引范围是基于重力模型用GIS方法划分的。利用 1982年至 1990年的人口资料进行的模型模拟的结果表明 ,我国区域人口分布特征同西方国家一样 ,呈现出距离衰减特征 ,即随离城市的距离的增加 ,人口密度逐渐下降。由于城市经济增长的原因 ,城市人口增长快于边远地区 ,呈现出向心集聚的趋势。但不同区域集聚程度不一 ,核心城市人口快速增长的区域 ,腹地的人口增长比较迟缓 ;而核心城市人口增长速度一般的区域 ,腹地近乎是同步增长。</p> . <p>区域人口密度函数是研究中心城市对周围区域影响的有效方法。为了控制自然因素对人口密度分布的影响 ,本文的研究地域范围限定在我国四个主要的平原地区 :东北、华北、两湖平原和四川盆地。城市吸引范围是基于重力模型用GIS方法划分的。利用 1982年至 1990年的人口资料进行的模型模拟的结果表明 ,我国区域人口分布特征同西方国家一样 ,呈现出距离衰减特征 ,即随离城市的距离的增加 ,人口密度逐渐下降。由于城市经济增长的原因 ,城市人口增长快于边远地区 ,呈现出向心集聚的趋势。但不同区域集聚程度不一 ,核心城市人口快速增长的区域 ,腹地的人口增长比较迟缓 ;而核心城市人口增长速度一般的区域 ,腹地近乎是同步增长。</p> |
| [21] | . 本文总结了我国在城市的行政地域与景观地域严重背离的情况下，继续使用行政地域区分城乡的种种弊端，认为解决这一问题于关键在于建立适合中国特点又具有国际可比性的城市实体地域概念，以此作为城乡划分及统计的地域基础，文章提出以下限人口规模、非农化水平和人口密度三个指标定义城市实体地域，并在大量实证研究的基础上，通过对中国城市空间形态的分类，提出了一套完整的划分实体地域的方法和工作程序。 . 本文总结了我国在城市的行政地域与景观地域严重背离的情况下，继续使用行政地域区分城乡的种种弊端，认为解决这一问题于关键在于建立适合中国特点又具有国际可比性的城市实体地域概念，以此作为城乡划分及统计的地域基础，文章提出以下限人口规模、非农化水平和人口密度三个指标定义城市实体地域，并在大量实证研究的基础上，通过对中国城市空间形态的分类，提出了一套完整的划分实体地域的方法和工作程序。 |
| [22] | . . |
| [23] | . |
| [24] | . |
| [25] | . . |
| [26] | . 本文通过北京、上海、广州、南京等大城市调查,在探讨中国城市边缘区划分的基础上,对中国大城市边缘区的人口特性、社会特性、经济特性、土地利用特性以及地域空间特性进行了研究。 . 本文通过北京、上海、广州、南京等大城市调查,在探讨中国城市边缘区划分的基础上,对中国大城市边缘区的人口特性、社会特性、经济特性、土地利用特性以及地域空间特性进行了研究。 |
| [27] | . 采用文献综述法梳理了国内外城市边缘区内涵和范围界定的相关研究，提出了城市边缘区范围界定的理念与原则。国外城市边缘区范围界定方法可分为定性判断、经验划分与构建指标、定量划分两类。国内界定方法可分为以郊区作为城市边缘区，用行政区边界和城市道路界定，选取指标、采用数学模型界定，结合遥感影像和数学模型界定4类。提出城市边缘区的范围界定应体现其内涵与特征、保持行政边界完整性、兼顾边缘区的动态变化性和区域稳定性等理念以及客观性、可操作性和可比性等界定原则。 . 采用文献综述法梳理了国内外城市边缘区内涵和范围界定的相关研究，提出了城市边缘区范围界定的理念与原则。国外城市边缘区范围界定方法可分为定性判断、经验划分与构建指标、定量划分两类。国内界定方法可分为以郊区作为城市边缘区，用行政区边界和城市道路界定，选取指标、采用数学模型界定，结合遥感影像和数学模型界定4类。提出城市边缘区的范围界定应体现其内涵与特征、保持行政边界完整性、兼顾边缘区的动态变化性和区域稳定性等理念以及客观性、可操作性和可比性等界定原则。 |
| [28] | . 网络大数据是指“人、机、物”三元世界在网络空间 (Cyberspace)中交互、融合所产生并在互联网上可获得的大数据.网络大数据的规模和复杂度的增长超出了硬件能力增长的摩尔定律,给现有的IT架 构以及机器处理和计算能力带来了极大挑战.同时,也为人们深度挖掘和充分利用网络大数据的大价值带来了巨大机遇.因此,迫切需要探讨大数据的科学问题,发 现网络大数据的共性规律,研究网络大数据定性、定量分析的基础理论与基本方法.文中分析了网络大数据的复杂性、不确定性和涌现性,总结了网络空间感知与数 据表示、网络大数据存储与管理体系、网络大数据挖掘和社会计算以及网络数据平台系统与应用等方面的主要问题与研究现状,并对大数据科学、数据计算需要的新 模式与新范式、新型的IT基础架构和数据的安全与隐私等方面的发展趋势进行了展望. . 网络大数据是指“人、机、物”三元世界在网络空间 (Cyberspace)中交互、融合所产生并在互联网上可获得的大数据.网络大数据的规模和复杂度的增长超出了硬件能力增长的摩尔定律,给现有的IT架 构以及机器处理和计算能力带来了极大挑战.同时,也为人们深度挖掘和充分利用网络大数据的大价值带来了巨大机遇.因此,迫切需要探讨大数据的科学问题,发 现网络大数据的共性规律,研究网络大数据定性、定量分析的基础理论与基本方法.文中分析了网络大数据的复杂性、不确定性和涌现性,总结了网络空间感知与数 据表示、网络大数据存储与管理体系、网络大数据挖掘和社会计算以及网络数据平台系统与应用等方面的主要问题与研究现状,并对大数据科学、数据计算需要的新 模式与新范式、新型的IT基础架构和数据的安全与隐私等方面的发展趋势进行了展望. |
| [29] | . For acquiring the hierarchical spatial knowledge to be applied in cognitive route directions, a method of extracting hierarchical landmarks from urban POI data according to their signifi cances is proposed. After analyzing the factors infl uencing the signifi cances of POI objects from public cognition, spatial distribution and individual characteristics, a signifi cance measure model composed of three vectors which are public cognition degree, urban centrality degree and characteristic attribute value is constructed. Then, the processes of computing the vector values of POI objects are discussed by the methods of questionnaire survey, multi-density spatial clustering and data normalization respectively. An experiment is carried out to compute the signifi - cances of the POIs selected from the area of Wuchang region of Wuhan city, and the POIs with different signifi cances are treated as landmarks in different levels at last. In this experiment, several levels of landmarks are extracted, and being used as seeds to compute weighted Voronoi diagrams in every level, to refl ect the infl uence area of every landmark and associate the landmarks in the same level and between the sequential levels. |
| [30] | |
| [31] | . 在大兴安岭地区呼中区,将物种的年龄和分布信息进行随机化处理后,应用空间直观景观模型LANDIS对森林景观进行长时间(2500a)模拟,取物种演替稳定时间段作为模拟历史变域的数据来源。分别在景观水平和年龄类型水平上利用景观指数空间分析、主成分分析和核密度估计方法分析景观格局历史变域的模拟结果,并在二维空间坐标内,将研究区1990年、2000年森林景观特征与之比较。结果表明,各树种面积比例在模拟900a后都达到稳定状态,可作为无干扰条件下森林景观特征的历史变域;由于长期采伐,研究区1990年景观的斑块面积和破碎化程度都偏离了该历史变域,其中,过熟林偏离最明显,其斑块面积远小于历史变域,破碎化程度非常严重;虽然1990年后的采伐管理方案比之前的更为合理,但2000年的森林景观仍旧继续偏离历史变域。 . 在大兴安岭地区呼中区,将物种的年龄和分布信息进行随机化处理后,应用空间直观景观模型LANDIS对森林景观进行长时间(2500a)模拟,取物种演替稳定时间段作为模拟历史变域的数据来源。分别在景观水平和年龄类型水平上利用景观指数空间分析、主成分分析和核密度估计方法分析景观格局历史变域的模拟结果,并在二维空间坐标内,将研究区1990年、2000年森林景观特征与之比较。结果表明,各树种面积比例在模拟900a后都达到稳定状态,可作为无干扰条件下森林景观特征的历史变域;由于长期采伐,研究区1990年景观的斑块面积和破碎化程度都偏离了该历史变域,其中,过熟林偏离最明显,其斑块面积远小于历史变域,破碎化程度非常严重;虽然1990年后的采伐管理方案比之前的更为合理,但2000年的森林景观仍旧继续偏离历史变域。 |
| [32] | . 本文以北京城区内的8 个行政区作为研究对象,选取批发和零售业、住宿和餐饮业、居民服务与其他服务业作为具体的商业类别,利用北京第一次、第二次全国经济普查数据,采用核密度(Kernel)、标准差椭圆、Ripley's <i>K(r)</i>函数相结合的GIS 点模式分析方法,对比研究了2004 年和2008 年北京市商业网点分布与空间集聚特征。研究结果表明:① 北京商业网点呈现相对集中分布态势,具有向心性并形成明显的集聚区,集聚中心主要分布在五环内,且在两次普查期间有所改变,商业网点空间偏向性差异明显;② 以CBD、金融街、王府井、中关村、亚运村和奥运村等为代表的典型商圈对北京商业网点的布局影响十分显著,商业网点在典型商圈周围分布密度较高,呈现集聚中心状态;③ 北京商业网点Ripley's <i>K(r)</i>曲线随距离的变化总体呈现“先增后减”态势,其中受居民小区影响较大的居民服务与其他服务业网点两次普查期间变化剧烈,反映了居民由市中心向外扩散的过程。 . 本文以北京城区内的8 个行政区作为研究对象,选取批发和零售业、住宿和餐饮业、居民服务与其他服务业作为具体的商业类别,利用北京第一次、第二次全国经济普查数据,采用核密度(Kernel)、标准差椭圆、Ripley's <i>K(r)</i>函数相结合的GIS 点模式分析方法,对比研究了2004 年和2008 年北京市商业网点分布与空间集聚特征。研究结果表明:① 北京商业网点呈现相对集中分布态势,具有向心性并形成明显的集聚区,集聚中心主要分布在五环内,且在两次普查期间有所改变,商业网点空间偏向性差异明显;② 以CBD、金融街、王府井、中关村、亚运村和奥运村等为代表的典型商圈对北京商业网点的布局影响十分显著,商业网点在典型商圈周围分布密度较高,呈现集聚中心状态;③ 北京商业网点Ripley's <i>K(r)</i>曲线随距离的变化总体呈现“先增后减”态势,其中受居民小区影响较大的居民服务与其他服务业网点两次普查期间变化剧烈,反映了居民由市中心向外扩散的过程。 |
| [33] | . 本文采取就业密度分析方法，对南京市区就业空间布局进行实证研究。在南京市区现有11个区的基础上将南京市区划分为159个研究单元。依据2005年南京市1％人口抽样调查资料中“区县层面”分行业就业数据，以及2006年南京市用地现状图，修正匹配得到各个研究单元制造业、服务业、商业金融业及总的就业密度值。并运用Arcgis软件对就业密度值进行核密度分析以及3D模拟，分析南京市区制造业、服务业以及总就业的空间布局特征及原因机制。 . 本文采取就业密度分析方法，对南京市区就业空间布局进行实证研究。在南京市区现有11个区的基础上将南京市区划分为159个研究单元。依据2005年南京市1％人口抽样调查资料中“区县层面”分行业就业数据，以及2006年南京市用地现状图，修正匹配得到各个研究单元制造业、服务业、商业金融业及总的就业密度值。并运用Arcgis软件对就业密度值进行核密度分析以及3D模拟，分析南京市区制造业、服务业以及总就业的空间布局特征及原因机制。 |
| [34] | . 研究文化产业的空间分布特征有 利于了解本地区文化产业发展现状,对引导产业发展有重要意义。以西安市文化产业为例,通过空间点模式分析,利用L函数得出西安市十个区域文化产业的集中指 数,结合西安市文化产业发展现状将研究区域分为:核心区、潜力发展区和分散区。通过地理集中度分析和核密度图,得出结论:①现阶段西安市文化产业的空间分 布整体上是南密北疏的格局,并呈现以内城为中心的集中态势,集中模式以自下而上型为主,各区域的集中呈现不平衡状态;②影响各区域产业分布的因素包括:资 源禀赋,区域职能,相关及支持性机构,政府政策;③产业空间分布的研究对文化产业的发展有重要影响;④西安市文化产业分布具有动态变化性特征。 . 研究文化产业的空间分布特征有 利于了解本地区文化产业发展现状,对引导产业发展有重要意义。以西安市文化产业为例,通过空间点模式分析,利用L函数得出西安市十个区域文化产业的集中指 数,结合西安市文化产业发展现状将研究区域分为:核心区、潜力发展区和分散区。通过地理集中度分析和核密度图,得出结论:①现阶段西安市文化产业的空间分 布整体上是南密北疏的格局,并呈现以内城为中心的集中态势,集中模式以自下而上型为主,各区域的集中呈现不平衡状态;②影响各区域产业分布的因素包括:资 源禀赋,区域职能,相关及支持性机构,政府政策;③产业空间分布的研究对文化产业的发展有重要影响;④西安市文化产业分布具有动态变化性特征。 |
| [35] | . On the one hand, kernel density estimation has become a common tool for empirical studies in any research area. This goes hand in hand with the fact that this kind of estimator is now provided by many software packages. On the other hand, since about three decades the discussion on bandwidth selection has been going on. Although a good part of the discussion is about nonparametric regression, this parameter choice is by no means less problematic for density estimation. This becomes obvious when reading empirical studies in which practitioners have made use of kernel densities. New contributions typically provide simulations only to show that the own selector outperforms some of the existing methods. We review existing methods and compare them on a set of designs that exhibit few bumps and exponentially falling tails. We concentrate on small and moderate sample sizes because for large ones the differences between consistent methods are often negligible, at least for practitioners. As a byproduct we find that a mixture of simple plug-in and cross-validation methods produces bandwidths with a quite stable performance. Copyright Springer-Verlag Berlin Heidelberg 2013 |
| [36] |
