删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析

本站小编 Free考研考试/2021-12-29

王海军¹^,²^,, 张彬¹, 刘耀林¹^,²^,³, 刘艳芳¹^,²^,³, 徐姗⁴^,⁵^,, 邓羽⁵, 赵雲泰⁶, 陈宇琛⁶, 洪松¹

1. 武汉大学资源与环境科学学院,武汉 430079

2. 武汉大学地理信息系统教育部重点实验室,武汉430079

3. 武汉大学地理空间信息技术协同创新中心,武汉 430079

4. 中国城市科学研究会,北京 100048

5. 中国科学院地理科学与资源研究所,北京 100101

6. 中国土地勘测规划院,北京 100035

Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: A case study of the Beijing-Tianjin-Hebei urban agglomeration

WANGHaijun¹^,²^,, ZHANGBin¹, LIUYaolin¹^,²^,³, LIUYanfang¹^,²^,³, XUShan⁴^,⁵^,, DENGYu⁵, ZHAOYuntai⁶, CHENYuchen⁶, HONGSong¹

1. School of Resource and Environmental Science, Wuhan University, Wuhan 430079, China

2. Key Laboratory of Geographic Information Systems, Ministry of Education, Wuhan University, Wuhan 430079, China

3. Collaborative Innovation Center for Geospatial Information Science, Wuhan University, Wuhan 430079, China

4. Chinese Society for Urban Studies, Beijing 100048, China

5. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

6. China Land Surveying and Planning Institute, Beijing 100035, China

通讯作者:通讯作者:徐姗(1987-), 女, 江苏人, 副研究员, 主要从事城乡规划与城市更新研究。E-mail: xushan@chinasus.org
收稿日期:2017-08-14
修回日期:2018-03-12
网络出版日期:2018-06-25
版权声明:2018《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:

国家自然科学基金项目(41571384)

国土资源部土地资源调查评价项目(DCPJ161207-01)

国家基础科学人才培养基金项目(J1103409)

国家自然科学基金重点项目(71433008)

中国科学院地理科学与资源研究所秉维优秀人才基金项目

作者简介:
-->作者简介：王海军(1972-), 男, 陕西凤翔人, 博士, 教授, 主要从事地理模拟、城市规划和土地资源评价研究。E-mail: landgiswhj@163.com

展开

摘要
城镇用地扩展格局及驱动力研究对城市群发展规划与决策具有重要意义。以京津冀地区为例,基于城镇用地扩展强度指数、城镇用地扩展差异指数、分形维数、土地城镇化率和重心转移模型,多维解析了城市群城镇用地扩展格局特征,并耦合重心转移模型和时空地理加权回归（GTWR）模型构建重心-GTWR模型,在对空间格局进行长时间序列多维度指标分析的基础上,运用该模型依序对其特征进行驱动力解读,进而总结凝练京津冀区域发展的主导模式与城市核心驱动力。主要结论为：① 1990-2015年,京津冀城市群城镇用地扩展强度呈现“下降—上升—下降”的趋势,高峰时期在2005-2010年,在2005年之前高速发展城市集中在北京、天津、保定和廊坊,2005年之后集中在邢台和邯郸;② 城市群城镇用地重心虽呈现出发散态势,但城市之间的局部相互作用力逐渐增强,城镇用地扩展驱动力表现出空间溢出特征;③ 京津冀城市群空间发展模式由以北京和天津为中心的双核发展模式向多核发展模式转变,并出现北部资源运输核心、中部经济发展核心和南部投资发展核心三大功能核心组团,城市群趋向于多核功能协同发展模式;④ 重心-GTWR模型结合了时空非平稳性和城市空间相互作用,将城市群城镇用地扩展作为一个时空变化系统进行分析,经验证,该模型在城镇用地扩展格局驱动力分析研究中具有可行性。

关键词：城镇用地扩展;驱动力;重心转移;时空地理加权回归;京津冀
Abstract
Research into urban expansion patterns and their driving forces is of great significance. Under the background of the integrated development of the Beijing-Tianjin-Hebei (Jing-Jin-Ji) urban agglomeration, it is important to study the temporal and spatial patterns of urban land expansion and the driving forces development. This paper uses land-use data of the Jing-Jin-Ji urban agglomeration from 1990 to 2015 and reveals the multi-dimensional characteristics of the urban land expansion patterns. We then combine the urban spatial interaction and the spatial and temporal nonstationarity of the urban land expansion process and build the center of gravity-geographically and temporally weighted regression (GTWR) model by coupling the center of gravity model with the GTWR model. Using the center of gravity-GTWR model, we analyze the driving forces of urban land expansion at the city scale, and summarize the dominant mode and core driving forces of the Jing-Jin-Ji urban agglomeration. The results show that: (1) Between 1990 and 2015, the expansion intensity of the Jing-Jin-Ji urban agglomeration showed a down-up-down trend, and the peak period of expansion was in 2005-2010. Before 2005, high-speed development was seen in Beijing, Tianjin, Baoding, and Langfang, which were then followed by rapid development in Xingtai and Handan. (2) Although the center of gravity of cities in the Jing-Jin-Ji urban agglomeration showed a divergent trend, the local interaction between cities was enhanced, and the driving forces of urban land expansion showed a characteristic of spatial spillover. (3) The spatial development mode of the Jing-Jin-Ji urban agglomeration changed from a dual-core development mode to a multi-core development mode, which was made up of three function cores: the transportation core in the northern part, the economic development core in the central part, and the investment core in the southern part. The integrated development between functional cores led to the multi-core development mode. (4) The center of gravity-GTWR model analyzes urban land expansion as a space-time dynamic system. The model proved to be feasible in the analysis of the driving forces of urban land expansion.

Keywords：urban land expansion;driving forces;center of gravity;geographically and temporally weighted regression;Jing-Jin-Ji urban agglomeration

-->0
PDF (5613KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
王海军, 张彬, 刘耀林, 刘艳芳, 徐姗, 邓羽, 赵雲泰, 陈宇琛, 洪松. 基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析[J]. 地理学报, 2018, 73(6): 1076-1092 https://doi.org/10.11821/dlxb201806007
WANG Haijun, ZHANG Bin, LIU Yaolin, LIU Yanfang, XU Shan, DENG Yu, ZHAO Yuntai, CHEN Yuchen, HONG Song. Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: A case study of the Beijing-Tianjin-Hebei urban agglomeration[J]. Acta Geographica Sinica, 2018, 73(6): 1076-1092 https://doi.org/10.11821/dlxb201806007

1 引言

1978年以来,尤其是20世纪90年代初的土地使用制度改革,加速了中国城市建设的步伐,1990年中国平均城镇化率为26.41%,至2015年已达到56.10%。快速的城镇化步伐和工业化进程使得城市发展走向高级阶段,区域联系日趋紧密,城市群逐渐成为了地理研究的重点地域,对城市群城镇用地扩展格局及驱动力的分析也渐渐成为研究热点^[1]。在研究内容方面,****们从社会^[2,3]、经济^[4,5,6]、生态^[7,8,9]和人口^[10,11]等方面对城市群城镇用地扩展格局做了实证研究和理论研究^[12,13];在研究方法方面,回归分析法^{[14,15,16,17,18]}、相关性分析法^{[4, 19-21]}和主成分分析法^[22,23,24]等方法是城镇用地扩展格局驱动力分析的常用方法,随着地理信息科学和系统动力学的发展,众多地理学家开始重视空间因素的影响,强调城镇用地扩展的空间异质性和系统性的表达,提出了地理加权回归和耦合多要素的系统动力学模型等空间系统分析模型^{[8, 25-30]},采用定性与定量相结合的方法研究了城镇用地扩展驱动机制。
然而,目前研究尚存在一些不足之处：① 对城镇用地扩展格局的解析局限于扩展面积和速度,缺乏基于多维度的城市扩展格局驱动力的解读;城市群的相关研究集中于整体层次,鲜见城市群整体政策导向下对城市特色核心驱动力的凝选和主导模式的研究。② 城市群内部各城市之间的空间相互作用使得城市群的城镇用地扩展呈现出与单个城市不同的扩展规律^[31],自1957年美国地理科学家Ullman正式提出空间相互作用理论以后^[32],城市空间相互作用一直是区域研究的重点。然而,随着城市群逐渐作为新的研究地域单元,现有研究仅对城市群城镇用地的发展演化^[33,34]、规划^[35]和空间结构^[36,37]等方面进行了分析,对城市群城镇用地扩展驱动机制的研究局限于社会经济要素和空间距离要素等方面,缺少对城市群内部区域联系和城市群城镇用地空间相互作用的考虑。③ 地理时空数据具有很强的时空非平稳性。时空非平稳性是指在空间回归分析中,地理位置和时间的变化均会引起变量间关系或结构的变化^[38]。城镇用地扩展是一个时空非平稳过程,不同时段的城镇用地互相影响,不同时段的城镇用地扩展的驱动因子也不相一致^[39]。目前的空间分析方法通常只考虑空间异质性,忽视了时间维度的非均衡影响。随着地理时空大数据时代的来临,时空一致性的假设已经无法满足复杂时空数据的分析要求。
鉴于此,本文采用耦合重心转移模型和时空地理加权回归（GTWR）模型^[40],构建了重心-GTWR模型。重心转移模型所得的城镇用地时空重心转移距离反映城市群城市间的相互作用,GTWR模型引入时间维度,不仅把时间和空间特征作为回归分析的影响因素,而且考虑了城镇用地扩展的时空非平稳性特征。二者结合,将城市群城镇用地扩展作为一个时空变化系统进行分析,对于科学认知城市化进程和城镇用地时空演变规律,提高土地时空演变驱动机制分析能力具有重要意义。

2 研究方法

2.1 扩展格局分析指标

2.1.1 城镇用地扩展强度指数城镇用地扩展强度指数表示空间单元城镇用地面积的阶段变化率,可以直观反映各空间单元城镇用地面积的变化幅度与速度,计算城市群各个城市的城镇用地扩展强度指数可研究城市群城市的发展速度和状态,经过标准化处理后可使不同阶段的城镇用地扩展速度具有可比性^[34]。其计算公式为：

UE R_{i} = \frac{U_{i}^{t_{2}} - U_{i}^{t_{1}}}{U_{i}^{t_{1}} \times ? t}

（1）
式中：UER_i表示城镇用地扩展强度指数;

U_{i}^{t_{1}}

、

U_{i}^{t_{2}}

分别为空间单元i在研究时段t₁、t₂时的城镇用地面积;Δt为研究的时间跨度。
2.1.2 城镇用地扩展差异指数城镇用地扩展差异指数是在某空间单元内的城镇扩展变化率与整个研究区域的城镇扩展变化率的比值,其实质就是研究单元城镇用地动态度与研究区域城镇用地动态度的比值,使不同空间研究单元的城镇用地扩展速度具有可比性,另一方面该指数大小的空间分布也可反映城市群的协同发展趋势^[34]。其计算公式为：

UED I_{i} = \frac{|u_{i}^{t_{2}} - u_{i}^{t_{1}}| \times u^{t_{1}}}{|u^{t_{2}} - u^{t_{1}}| \times u_{i}^{t_{1}}}

（2）
式中：UEDI_i表示城镇用地扩展差异指数;

u_{i}^{t_{1}}

、

u_{i}^{t_{2}}

分别为空间单元i在研究时段t₁、t₂时的城镇用地面积;

u^{t_{1}}

、

u^{t_{2}}

为研究时段t₁、t₂时研究区域的城镇用地面积。
2.1.3 土地城镇化率城镇化过程中城镇建设用地与城乡建设用地的占比,衡量了城市土地城镇化水平。土地城镇化的研究是对城镇化领域和土地利用演变领域的结合。本文在于揭示城镇用地扩展格局的规律,因此从空间角度即土地城镇化方面,研究城镇用地扩展背景下城市群城市土地城镇化水平的变化,分析城镇用地扩展的演变趋势以及不同时空下的城镇化速率变化差异,并进一步分析这种变化趋势或差异背后的驱动机制^[41,42]。
2.1.4 分形维数分形维数是来自于几何学的概念,目的在于研究不规则的几何形态的特征。结合地理现象的特点,目前多数地理研究采用分形维数来刻画地理对象的特征,是对象空间形态分析的重要指标^[43]。利用分形维数来研究城市发展状态是目前较为常用的手段,以耗散结构理论的观点分析,在城市处于发展时期时,人类活动的有序和无序状态并存,随着城市的扩展发展,城市结构越来越复杂,则城市形态的分形维数逐渐变大^[44]。因此,分形维数的变化反映了城市发展的阶段、状态和趋势,研究城市群城市的分形维数可分析城市阶段变化的相互影响和城市群发展状态协同的趋势。其计算公式为：

D_{it} = \frac{2 \ln (0.25 P_{it})}{\ln (A_{it})}

（3）
式中：D_it表示分形维数值;P_it为t年空间单元i建成区的周长;A_it为t年空间单元i建成区的面积。

2.2 重心-GTWR模型

“重心”是一个物理概念,在地理学中表示某个区域在某些方面的空间上的平衡点,常用于城市演变、土地利用类型变化研究。重心坐标是描述地理对象空间分布的一个重要指标,能够清晰、客观的反映区域地理对象在时间、空间上的变化轨迹^[45]。在城市群的研究中,城镇用地随时间的重心转移特征是城市群城市一体化协同发展的表现,呈现着局部或整体转移、集聚和分散的特征。重心转移模型是研究地理对象空间分布联系的一个重要研究方法,常用于研究城市演变和城市相互影响,在城市群的研究中空间重心转移是研究城市群内部城市发展集聚和分散特征的重要手段。
GTWR模型作为空间地理加权回归模型的扩展,是时空非平稳性回归模型,核心是将时间因子加入到空间地理加权回归模型中。该模型在分析中需要加入空间坐标以及时间坐标来计算时空权重矩阵。传统的地理加权回归分析,没有引入时间维度,分析对象的空间坐标数据固定不变,而GTWR模型则要求分析对象在不同的时间阶段有不同的空间坐标,较多的坐标重合则会使模型结果接近于以时间维度为研究的线性回归分析^[40],将GTWR模型应用到城镇扩展分析则需要解决研究单元在不同时间具有不同空间坐标的问题,因此将重心转移模型与GTWR模型相结合,重心转移模型提供研究对象所需的随时间分布的空间坐标,GTWR模型在此基础上进行时空地理加权回归分析,重心转移模型的空间重心转移距离反映城市群城市间的相互作用,GTWR模型的时空地理加权回归分析揭示城市群整体空间的驱动影响变化,二者互补,更适用与城市群城市的研究分析。重心-GTWR模型以（x, y, t）距观测点i的时空距离代替（x, y）距观测点i的空间距离参数,（x, y）为观测点i在t时间通过重心转移模型所得的空间坐标。具体模型用数学方法描述为：

Y_{i} = β_{0} (X_{i}^{t}, Y_{i}^{t}, T_{i}) + \sum^{} β_{k} (X_{i}^{t}, Y_{i}^{t}, T_{i}) X_{ik} + ε_{i}

（4）
式中：Y_i为观测值;

(X_{i}^{t}, Y_{i}^{t}, T_{i})

是第i个样本点的时空坐标;

β_{0} (X_{i}^{t}, Y_{i}^{t}, T_{i})

为i点的回归常数,即时空地理加权回归模型中的常数项;

β_{k} (X_{i}^{t}, Y_{i}^{t}, T_{i})

为i点的第k个回归参数,即模型函数在时空坐标

(X_{i}^{t}, Y_{i}^{t}, T_{i})

处的权重;X_ik为独立变量X_k在i点的值,即时空地理加权回归模型指标体系中各个量化指标的值;ε_i是模型函数的残差。其中

X_{i}^{t} 、 Y_{i}^{t}

分别表示重心点经纬度坐标,其计算方法为：

X_{i}^{t} = \frac{\overset{n}{\sum_{i = 1}} (C_{i}^{t} \times X_{i})}{\overset{n}{\sum_{i = 1}} C_{i}^{t}}, Y_{i}^{t} = \frac{\overset{n}{\sum_{i = 1}} (C_{i}^{t} \times Y_{i})}{\overset{n}{\sum_{i = 1}} C_{i}^{t}}

（5）
式中：

C_{i}^{t}

为t年空间单元i的城镇用地面积;X_i、Y_i为空间单元i建成区中心的经纬度坐标。

3 研究区域与数据来源

3.1 研究区域

京津冀城市群,位于华北平原北部,东临渤海湾,西靠太行山脉,是首都经济圈辐射的重要地带,由北京市、天津市以及河北省的石家庄、保定、张家口、承德、唐山、秦皇岛、沧州、廊坊、衡水、邢台、邯郸等13个城市组成的城市群落,土地总面积216485.2 km²。京津冀城市群范围内的自然环境以平原和山地为主,山地主要集中在保定市北部、张家口市、承德市地区,平原面积较大,地域平坦,区域内的耕地类型主要为旱地。京津冀城市群是中国首都经济圈的重要地带,故分析该地区城镇用地扩展格局特征及驱动力意义重大。

3.2 数据来源

研究所用的空间数据是覆盖京津冀城市群的1990年、1995年、2000年、2005年、2010年、2015年6个时期的土地利用栅格数据和京津冀城市群行政区划矢量数据,来源于中国科学院资源环境科学数据中心1∶10万比例尺土地利用现状遥感监测数据库提供的1990年、1995年、2000年、2005年、2010年、2015年6期30 m×30 m土地利用栅格数据集（以各期Landsat TM/ETM遥感影像为主要数据源,通过人工目视解译生成）,包括耕地、林地、草地、水域、城乡工矿居民用地和未利用土地6个一级类型以及25个二级类型（其中城乡工矿居民用地分为城镇用地、农村居民点和其他建设用地3个二级类型）,获得6期的城镇用地信息和其他土地利用类型数据,处理得到25年的城镇用地扩展变化（图1）。社会经济数据来源于1990-2015年《中国城市统计年鉴》,北京市、天津市和河北省统计年鉴。

显示原图|下载原图ZIP|生成PPT
图1京津冀城市群城镇用地扩展
-->Fig. 1Urban land expansion in the Jing-Jin-Ji urban agglomeration
-->

3.3 模型数据预处理

GTWR模型是糅合时间因子和空间因子的回归方法,可以分析地区某一时段内的时空演变驱动力。以城镇用地扩展格局特征指标值为因变量,研究京津冀城市群城镇用地时空演变驱动力。研究指标分为两类：① 阶段性变化指标,即城镇用地扩展强度指数、城镇用地扩展差异指数;② 连续性变化指标,即城镇用地分形维数、城市土地城镇化率。对于阶段性指标,自变量采用阶段初期和末期的增量变化值,时间节点采用阶段末期时间点;对于连续性指标,自变量采用当年因子值,时间节点采用指标年份。利用ArcGIS 10.2对带有空间坐标和时间坐标的6个年份或5个阶段的13个城市的对象点添加属性,并将特征分析指标值赋值给相对应的时空对象点的属性字段。
3.3.1 驱动因子选择根据已有研究文献和统计年鉴情况,驱动因子选取22个统计数据,涵盖人口、经济、交通、科教文化和卫生多个方面,驱动因子选取情况如表1所示。
Tab. 1
表1
表1驱动因子
Tab. 1The driving factors of urban expansion

指标名称	变量	单位	指标名称	变量	单位
人口	X₁	万人	农业总产值	X₁₂	亿元
社会劳动者年末人数	X₂	万人	铁路货运量	X₁₃	万t
国民生产总值	X₃	亿元	公路货运量	X₁₄	万t
第一产业产值	X₄	亿元	铁路客运量	X₁₅	万人
第二产业产值	X₅	亿元	公路客运量	X₁₆	万人
第三产业产值	X₆	亿元	高等学校	X₁₇	所
全社会固定资产投资	X₇	亿元	高等学校在校生	X₁₈	万人
社会消费品零售总额	X₈	亿元	小学在校生	X₁₉	万人
财政收入	X₉	亿元	医院	X₂₀	个
财政支出	X₁₀	亿元	卫生技术人员	X₂₁	万人
工业总产值	X₁₁	亿元	医院床位	X₂₂	万张

新窗口打开
3.3.2 自变量预处理为了检查并排除数据的多重共线性,首先采用相关性分析^[46]方法对驱动因子数据进行相关性判断,检查因子之间的相关性,判断结果表明多数选取因子之间显著相关。然后采用主成分分析法,提取22个驱动因子之中的主成分,并得到主成分载荷矩阵和成分得分系数矩阵。主成分分析的原理^[47]是借助一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新的随机变量,然后对多维变量系统进行降维处理,使之能够以一个较高的精度转换成低维度变量系统。根据主成分载荷矩阵中各个主成分对应因子指标绝对值的大小,可以判定影响该主成分的主导因子,参数值的正负代表着因子对该主成分影响的性质。根据成分得分系数矩阵中的各个主成分对应因子指标的值,通过回归方法^[18]计算每个样本的主成分综合得分。经上述过程排除因子之间的多重共线性之后,以主成分综合得分值作为样本自变量进行分析,将其通过ArcGIS 10.2赋值给相应的时空对象点的属性字段,完成对模型数据的预处理。主成分分析得出的主成分主导因子如表2所示。
Tab. 2
表2
表2主成分变量主导因子
Tab. 2The dominant factors of principal components of driving factors

分类	主成分	主成分主要构成	主导方向
阶段性	F1	X₃、X₈、X₉	经济主导
	F2	X₇、X₁₀	投资发展主导
	F3	X₁、X₁₉、X₂₁	人口和教育主导
	F4	X₄、X₁₂	第一产业发展主导
	F5	X₁₆、X₁	人口流动主导
	F6	X₂₀	医疗卫生主导
	F7	X₁₅	交通运输主导
连续性	F1	X₃、X₁₁、X₁₈、X₂₂	社会经济发展主导
	F2	X₇、X₁₀	投资发展主导
	F3	X₄、X₁₂	第一产业发展主导
	F4	X₁₃、X₁₆	交通运输主导

新窗口打开

4 结果分析

4.1 城镇用地扩展格局特征

4.1.1 城镇用地扩展强度特征在ArcGIS 10.2中利用京津冀行政区划矢量图分别提取各城市的6期城市土地利用数据,获得各城市和城市群的城镇用地面积,计算各城市城镇用地扩展强度指数,结果如表3所示。京津冀城市群城镇用地面积呈持续上升的趋势,扩展强度整体上呈现出“下降—上升—下降”的趋势,在2005-2010年时期,城镇用地扩展强度出现高峰。虽然区域扩展强度指数变化的一致性特征突出,多数城市扩展强度变化趋势与区域整体趋同,但在不同阶段城市之间存在差异,在1990-1995年和2005-2010年各城市之间的扩展强度差异明显,体现着不同城市的发展速度和状态在区域内不相一致,在2010-2015年各城市的扩展强度差异明显缩小,体现着城市群逐渐往协同方向发展。
Tab. 3
表3
表3京津冀城市群扩展强度指数
Tab. 3The intensity index of the urban expansion in the Jing-Jin-Ji urban agglomeration

	1990-1995年	1995-2000年	2000-2005年	2005-2010年	2010-2015年	1990-2015年
北京	0.255	0.020	0.037	0.015	0.051	0.121
天津	0.042	0.013	0.076	0.080	0.006	0.063
石家庄	0.129	0.046	0.016	0.235	0.009	0.158
唐山	0.143	0.008	0.034	0.084	0.056	0.112
秦皇岛	0.082	0.031	0.071	0.073	0.053	0.112
邯郸	0.030	0.046	0.045	0.189	0.071	0.143
邢台	0.136	0.031	0.044	0.147	0.052	0.168
保定	0.179	0.061	0.041	0.060	0.028	0.136
张家口	0.090	0.003	0.026	0.104	0.035	0.078
承德	0.125	0.006	0.014	0.147	0.024	0.099
沧州	0.183	0.036	0.011	0.054	0.017	0.092
廊坊	0.305	0.022	0.062	0.138	0.031	0.247
衡水	0.123	0.073	0.031	0.104	0.046	0.151

新窗口打开
4.1.2 城镇用地扩展差异特征在市域尺度下,分别计算各个城市的城镇用地扩展差异指数,采用自然断点分级法将发展状态划分为5个等级,分别是缓慢、低速、中速、快速、高速发展。从整体角度来看,京津冀地区城市发展速度南部逐渐高于北部,区域整体城市快速发展的中心逐渐由北向南移动;相比整体区域发展的变化,各个城市都有其不同的高速或低速发展阶段,城市群内部的城市发展互有差异,但高速发展城市具有空间溢出效应,高速发展城市的重心转变移动可能受到上一阶段高速发展城市的影响。城镇用地扩展差异指数的分异说明了京津冀城市群城市之间的发展状态差距还较为明显（图2）。

显示原图|下载原图ZIP|生成PPT
图2京津冀城市群城镇用地扩展差异指数分异
-->Fig. 2The spatial characteristics of the urban expansion differentiation index in the Jing-Jin-Ji urban agglomeration
-->

4.1.3 城镇用地扩展形态特征一般来说,分形维数处在1~2之间,分形维数越大,城市形态越复杂;分形维数小于1.5时,城市形态较为规则、完整;分形维数大于1.5时,城市形态较为复杂、曲折。25年间,北京、天津的分形维数明显大于京津冀的其他地区,但是其分形维数也没有超过1.27,京津冀城市群各城市的分形维数都在1.5以下,可知各个城市的城市形态较为规则完整。经过25年的发展,京津冀城市群的各城市或多或少分形维数都有所增加,其中邯郸市的分形维数经过25年的发展变化最大,增加了0.104,北京的分形维数变化最小,可知在这25年间邯郸市城市发展形态变化较为剧烈,而北京市的城市形态变化基本稳定;总体来看,京津冀各城市的分形维数变化程度南部大于北部,其中南部邯郸、邢台等城市分形维数提高较为明显,北部城市则趋于持平。分形维数的变化反映了城市发展的阶段、状态和趋势,京津冀城市群城市分形维数的变化说明城市群城市扩展形态较为稳定,但城市之间的差异较为明显（表4）。
Tab. 4
表4
表4京津冀城市群分形维数
Tab. 4The fractal dimension index of cities in the Jing-Jin-Ji urban agglomeration

	1990年	1995年	2000年	2005年	2010年	2015年
北京	1.252	1.245	1.250	1.257	1.267	1.251
天津	1.236	1.242	1.244	1.267	1.263	1.263
石家庄	1.208	1.184	1.196	1.204	1.193	1.198
唐山	1.165	1.202	1.202	1.199	1.188	1.177
秦皇岛	1.193	1.204	1.204	1.189	1.196	1.206
邯郸	1.137	1.141	1.137	1.130	1.243	1.241
邢台	1.135	1.124	1.126	1.167	1.192	1.186
保定	1.141	1.200	1.189	1.210	1.192	1.185
张家口	1.163	1.175	1.179	1.174	1.163	1.195
承德	1.209	1.220	1.221	1.221	1.267	1.267
沧州	1.155	1.132	1.147	1.150	1.163	1.159
廊坊	1.124	1.146	1.133	1.145	1.140	1.164
衡水	1.158	1.124	1.142	1.164	1.166	1.181

新窗口打开
4.1.4 土地城镇化特征京津冀城市群范围内,除承德和张家口在2010年土地城镇化率有所下降外,京津冀城市群其他城市在近25年一直保持增长的趋势;北京、天津城镇化进程较为突出,一直处于区域土地城镇化率较高的水平;区域整体土地城镇化率呈现逐渐上升的趋势,并且在2005年以后上升速度较之前有所增长,说明在2005年之后京津冀城市群土地城镇化速度加快。土地城镇化率的整体趋势一致性,说明区域城市发展态势一致,均在扩展发展阶段,北京、天津的高土地城镇化率说明区域城市之间还存在差距（表5）。
Tab. 5
表5
表5京津冀城市群土地城镇化率
Tab. 5The land urbanization rate of cities in the Jing-Jin-Ji urban agglomeration

	1990年	1995年	2000年	2005年	2010年	2015年
北京	0.330	0.501	0.540	0.541	0.550	0.691
天津	0.271	0.283	0.334	0.379	0.435	0.448
石家庄	0.158	0.204	0.247	0.257	0.355	0.371
唐山	0.089	0.149	0.152	0.168	0.187	0.240
秦皇岛	0.187	0.229	0.276	0.337	0.337	0.426
邯郸	0.143	0.163	0.154	0.176	0.255	0.346
邢台	0.082	0.117	0.128	0.150	0.173	0.218
保定	0.083	0.128	0.165	0.190	0.170	0.194
张家口	0.120	0.157	0.170	0.186	0.172	0.201
承德	0.195	0.262	0.318	0.327	0.221	0.248
沧州	0.068	0.101	0.116	0.121	0.182	0.198
廊坊	0.084	0.153	0.192	0.235	0.322	0.372
衡水	0.068	0.117	0.128	0.145	0.184	0.227

新窗口打开
4.1.5 城镇用地重心迁移特征在1990-1995年区域城镇用地重心转移方向偏向于地区中部,即北京、保定地区,随着时间推移,虽然城镇用地重心呈现发散态势,不再有明显的整体偏向特征,但城市之间的影响使得重心相互吸引,表现出局部吸引特征。重心转移特征说明京津冀城市群发展过程中各个城市的功能逐渐凸显,城市发展相互影响作用力增强（图3）。

显示原图|下载原图ZIP|生成PPT
图3京津冀城市群城镇用地重心坐标迁移方向
-->Fig. 3The center of gravity coordinate migration of cities in the Jing-Jin-Ji urban agglomeration
-->

4.2 城市群城镇用地扩展驱动力变化分析

经上述方法处理获取数据后,以主成分变量为自变量,以特征指标值为因变量,重心转移计算得出的时空坐标为空间X、Y坐标,时间坐标T值的最小步长单位为天,利用Huang等制作的时空地理加权回归ArcGIS 10.2插件^[40],带宽采用自动优化设置,时空距离参数比值设置为1,分析得到驱动因子在模型中的影响参数,参数值越大代表对因变量的影响程度越大,反之越小。以各个特征指标值作为因变量分别进行分析并制图表达,得到结果如图4~图7所示（图中参数值的颜色变化为：黑色越深代表值越高,驱动强度越强）。

显示原图|下载原图ZIP|生成PPT
图4京津冀城市群城镇用地扩展强度驱动影响变化
-->Fig. 4The change of intensity of urban expansion driving forces in the Jing-Jin-Ji urban agglomeration
-->

显示原图|下载原图ZIP|生成PPT
图5京津冀城市群城镇用地扩展差异驱动影响变化
-->Fig. 5The change of the urban expansion differentiation driving forces in the Jing-Jin-Ji urban agglomeration
-->

显示原图|下载原图ZIP|生成PPT
图6京津冀城市群城市形态驱动影响变化
-->Fig. 6The change of the urban shape driving forces in the Jing-Jin-Ji urban agglomeration
-->

显示原图|下载原图ZIP|生成PPT
图7京津冀城市群土地城镇化驱动影响变化
-->Fig. 7The change of the land urbanization driving forces in the Jing-Jin-Ji urban agglomeration
-->

4.2.1 城镇用地扩展强度变化驱动力分析京津冀城市群城镇用地扩展强度受同一驱动力影响的城市具有明显的集聚性且随时间无明显变化。京津冀城市群南部城市城镇扩展强度受F1（经济）和F4（第一产业）驱动因子影响较为强烈,以邢台和邯郸为最,影响程度在区域呈现由南向北逐渐递减的趋势;北部城市受F2（投资发展）、F3（人口和教育）、F5（人口流动）、F7（交通运输）驱动因子影响较为强烈,以张家口、承德和秦皇岛为最,影响程度在区域内呈现由北向南逐渐递减的趋势;西部和南部城市受F6（医疗卫生）驱动因子影响较为强烈,而唐山和秦皇岛在所有阶段均相对处于较低状态。京津冀城市群城市城镇扩展强度变化所受的驱动影响在近25年内基本不变,城镇扩展强度在不同城市因区位因素受到不同的驱动影响,南部城市受经济和第一产业发展驱动明显,北部城市受投资、人口和交通运输发展驱动明显。
4.2.2 城镇用地扩展差异变化驱动力分析京津冀城市群城镇用地扩展差异受同一驱动力影响的城市范围随时间推移具有明显的收缩、扩展或转移特点。北部受F1（经济）、F3（人口和教育）、F5（人口流动）和F7（交通运输）驱动因子影响强烈。随着时间推移,F1和F5驱动范围向北收缩而F3驱动范围向南扩展,F7驱动范围基本不变;受F2（投资发展）、F4（第一产业）和F6（医疗卫生）驱动因子影响较为强烈的城市随着时间由南向北逐渐转移。各驱动因子影响分布变化趋势,说明城市群城市发展阶段因地理位置接近而相互影响,是城市群城市空间相互作用力的体现;驱动因子影响范围集中体现了城市功能定位和发展特点。
4.2.3 城市形态变化驱动力分析京津冀城市群城市形态变化受同一驱动力影响的城市范围有明显的集聚和迁移特点。1990年,社会经济（F1）的发展对南部城市形态变化影响强烈,随着时间推移,城市形态变化受F1驱动强烈的城市逐渐向北迁移,并从2005年起逐渐集中在中部城市如北京、天津和廊坊等地。2005年之前,投资发展（F2）因子对中部城市如北京、天津、保定和廊坊的城市形态变化影响强烈,2005年及之后城市群城市形态变化受该因子影响强烈的城市集中在南部的邢台和邯郸。1990年,第一产业（F3）因子对中部和北部城市的形态变化影响强烈,随着时间推移,受影响城市逐渐向南转移,且整体受影响程度逐年下降,2010年及以后只有张家口和邢台的城市形态变化受该因子影响较强。1990年,交通运输（F4）的发展对中部城市如天津、保定和廊坊的形态变化的影响强烈,随着时间推移,受该因子影响强烈的城市范围呈现出从中部向南部扩展的趋势,至2015年只有张家口、承德和秦皇岛所受影响较小,京津冀城市群城市形态的变化受交通运输的发展影响较大。
4.2.4 土地城镇化驱动力分析京津冀城市群土地城镇化水平所受驱动的影响变化在时间和空间上具有明显的规律性。南部城市土地城镇化水平受F1（社会经济发展）、F2（投资发展）和F3（第一产业）驱动因子影响强烈,邯郸和邢台一直处于受影响的最高水平,其中F1的影响范围在2005年之前无变化,2005年及以后随时间由南向北逐渐扩展,F2的影响范围则基本不变,F3的影响范围逐渐收缩至南部。中部城市的土地城镇化水平受F4（交通运输）驱动因子影响强烈,以北京、保定为最并且在25年内无变化。京津冀城市群的土地城镇化驱动力呈现出明显的区位差异,各城市的土地城镇化阶段互不相同,南北差异较为突出,城市土地城镇化驱动导向也存在明显差异,京津冀城市群发展重在把握城市的功能定位。

4.3 城市群发展功能核心分析

经过上述分析,总结了京津冀城市群各城市发展核心驱动力的变化,结果如表6所示,并以此为基础凝练了城市群发展功能核心。从京津冀城市群整体来看,人口是推动城镇用地扩张的核心因子,人口增长增加了对建设用地的需求,促进了社会经济的发展,进一步提高了土地城镇化水平;城市社会经济的发展在城市群内部存在差异,各个城市发展阶段不同,其明显特征是城市医疗卫生水平存在差异,发展越完善的城市,其医疗卫生水平越高;并且由于城市在城市群发展过程中功能定位的变化,其城市发展形态所受驱动力也随之转变。在京津冀一体化协同发展导向下,京津冀城市群城市之间的发展联系日益紧密,城镇用地扩展强度、差异和土地城镇化水平之间的差距逐渐缩小,城市发展形态的区别则突显了城市在城市群中功能定位的不同。北京、天津不再是城市群发展仅有的多功能核心,出现了多个城市群功能核心组团。中部城市如唐山、保定和廊坊等渐渐承接了北京、天津经济发展的溢出效应,承担城市群经济发展任务,成为城市群中部经济核心,而且石家庄由于近些年来高铁的快速发展,逐渐成为城市群交通枢纽核心;北部城市如张家口、承德和秦皇岛承担城市群发展资源输入任务,逐渐成为城市群北部资源运输核心;南部城市如邯郸、邢台等则在政府投资的大力支持下高速发展,加强与城市群中部的联系,逐渐成为城市群南部投资发展核心。京津冀城市群在未来一体化协同发展过程中,应由双核发展模式向多核功能协同发展模式转变,充分发挥各功能核心的优势,在城市群一体化的基础上功能协同发展。
Tab. 6
表6
表6京津冀城市群城市发展核心驱动力
Tab. 6The core driving forces of cities in the Jing-Jin-Ji urban agglomeration

指标	强度	差异	分形维数						土地城镇化
时间	1990-2015年	1990-2015年	1990年	1995年	2000年	2005年	2010年	2015年	1990-2015年
北京\天津	人口	医疗卫生	社会经济						社会经济
石家庄			社会经济	投资发展				交通运输
唐山			投资发展		社会经济
秦皇岛			投资发展				社会经济	交通运输
邯郸			社会经济	投资发展
邢台			社会经济			第一产业	投资发展
保定			社会经济	投资发展		社会经济
张家口			投资发展				第一产业	交通运输
承德			交通运输		第一产业	交通运输
沧州\廊坊\衡水			社会经济

新窗口打开

5 结论

本文采用全覆盖京津冀城市群1990年、1995年、2000年、2005年、2010年、2015年6期土地利用数据,对城镇用地时空演变格局进行研究,分析其扩展强度、差异度、形态和城镇化特征,并采用重心-GTWR模型进一步揭示其驱动机制,得出主要结论为：
① 1990-2015年,京津冀城市群城镇用地扩展强度呈现出“下降—上升—下降”的趋势,证实了徐新良^[48]等在预测中提出的京津冀城市群扩展强度将会下降的观点。人口始终是扩展强度变化的核心驱动因子,2000年之前城镇用地扩展强度下降,结合人口统计数据可知原因在于人口城镇化率发展水平较低,限制了城镇化快速发展;2000年之后扩展强度逐渐增强并在2005-2010年达到峰值,这段时间内,城镇用地快速扩张促使人口增长,城镇人口增加和城镇化水平提高促进社会经济发展,刺激了对城镇用地的大量需求,导致扩展强度进一步增强达到峰值;经过高速扩张之后,扩展强度呈现下降趋势,社会经济发展逐渐步入新常态转型阶段,经济发展对于用地扩张的依赖性减弱,产业转型和集约化利用占据主导。
② 1990-2015年,京津冀城市群城市发展阶段的差异性较强且表现出空间溢出的特征,高速发展集中地逐渐由北向南转移。北京、天津是城市群发展的初始双核,发展水平高于其他城市,随着社会经济发展步入新阶段,发展速度逐渐变缓,而其他城市则跟随其后,进入高速发展阶段,尤以双核周边城市表现突出,空间溢出效应使得此种影响逐渐向南部转移,城市群发展逐渐由双核向多核模式转变。人口、投资、社会经济和交通对城市发展形态阶段变化的驱动影响较强,这与周文通^[49]和李晨曦^[50]等的研究结论是相同的,并进一步从时空演变过程分析城市扩展差异变化的驱动机制,弥补了二人对空间异质性和时空非平稳性考虑不足的问题。
③ 目前,京津冀城市群的发展政策导向是一体化协同发展,然而城市群城市核心驱动力的不同导致区域一体化水平的提高受到限制。为了进一步增强区域决策的有效性和科学性,促进区域协同发展,京津冀城市群应选择正确的空间发展模式并发挥城市核心驱动力的优势。1990-2015年京津冀城市群空间发展由以北京和天津为中心双核发展模式向多核发展模式转变,随着城市的综合发展,城市群出现了北部资源运输核心、中部经济发展核心和南部投资发展核心3个核心组团。把握不同城市的核心驱动力,采用多核功能协同发展模式,制定发挥城市特点和优势的协同发展规划,对京津冀城市群一体化和协同发展具有重要意义。
④ 本文采用重心-GTWR模型分析京津冀城市群城镇用地扩展格局及驱动力,该模型利用重心转移引入城市空间相互作用,利用GTWR模型引入时间因子,不仅把时间、空间特征作为回归分析的影响因素,且综合考虑时空非平稳性和城市空间相互作用,将城市群城镇用地扩展作为一个时空变化系统进行分析。但方法还有诸多不足以待研究,如时间维度和空间维度的参数比值设定、模型带宽优化以及时间步长单位的选择还需进一步研究。
The authors have declared that no competing interests exist.

基于重心-GTWR模型的京津冀城市群城镇扩展格局与驱动力多维解析

本站小编 Free考研考试/2021-12-29

Multi-dimensional analysis of urban expansion patterns and their driving forces based on the center of gravity-GTWR model: A case study of the Beijing-Tianjin-Hebei urban agglomeration

1 引言