1985-2015年京津冀地区城市建设用地时空演变特征及驱动因素研究

长期以来土地利用/覆被变化一直是全球关注的热点话题,研究城市建设用地时空演变特征,准确定位城市功能是促进城市科学、持续发展的重要保障。以京津冀地区13个城市1985-2015年的城市建设用地为研究对象,运用定量与定性结合的方法,分析城市建设用地时空演变特征;利用多元线性回归、通径分析、地理探测器等方法,诊断城市建设用地时间演化过程与空间演变格局分异的主导驱动因子,通过深入分析各主导因子的驱动机制,对京津冀的城市发展进行功能定位。结果表明：① 京津冀地区城市建设用地的扩张规模、速率、方向和稳定性等存在明显的差异,将城市类型分为协调稳定型、协调波动型、不协调稳定型、不协调波动型;② 城市建设用地时间演化过程的主导驱动因子包括GDP指数、人口密度指数、财政收入指数,空间演变格局差异的主导因子包括到城市中心距离、到主要河流距离、到主要公路距离;③ 根据分析结果,将京津冀地区13个城市规划为核心经济引领城市、重点经济拓展城市和稳定经济涵养城市,对促进京津冀地区协调统筹和一体化发展具有参考价值。     

地铁对福州主城区空间格局的影响

地铁作为现代城市轨道交通规划重要组成部分,是重塑城市空间格局的手段之一。本文运用ArcGIS和SPSS软件进行绘图和均值分析,建立时间通达性矩阵并且计算地铁的时间通达性系数,从空间规模、中心体系、功能布局来探索福州地铁1~5号线建成后对福州主城区空间格局中这三个层面产生的潜在影响。结果显示：地铁建成后,福州主城区的空间规模将扩增且空间形态将向东部和南部拓展,并形成五类通达性空间差异等级区;城市同心圆结构模式将强化,城市中心将适度转移;城市商业布局将因地铁枢纽站点的影响形成不同等级的商圈,但在地铁对住宅功能布局方面的影响相对于商业圈层较弱,需要参考更多影响因子。     

基于地理探测器的乌鲁木齐城市扩张特征与时空驱动因素分析

新时代我国城市发展内外环境明显变化,城市扩张特征和驱动机制也呈现出新特点。以乌鲁木齐市为例,描述1990—2018年城市建设用地扩张特征,利用地理探测器研究扩张时空机制,重点分析2010年以后扩张新特点。结果表明:(1)乌鲁木齐建设用地由1990年的84.37 km~2增加到2018年的361.91 km~2,城市形态由南北带型演变为"T"字型结构,城市形态空间紧凑度逐渐下降;城市扩展速度稳定,扩展强度逐渐加强。城市扩张的"核心-边缘"结构经历"增强-减弱-增强"的时空变化过程。(2)城市建设用地扩张时间维度主要受人口规模、产业规模和政府推力的影响,其中人口规模作用最大,产业规模中第二产业作用略高于第三产业作用效果,2010年以后,政府推力对乌鲁木齐市城市扩张产生加速作用。(3)空间维度来说,交通类和商业类空间要素是驱动城市空间扩张的主要因素,随着时间推移,城市扩张的空间动力由少数关键因子驱动转变为多因子共同驱动。     

国家全域旅游示范区空间分布、类型结构及驱动机理

运用核密度分析、GWR模型和地理探测器等量化模型,探究168个国家全域旅游示范区空间类型特征、影响因素及其驱动机理。研究表明：(1)国家全域旅游示范区以长江、黄河为中心,呈“一核多片区-双廊道”空间分布格局。(2)国家全域旅游示范区目的地类型结构呈局部聚集和非均衡态势,主要分布在长三角、京津冀、中原和成渝等城市群,以核心景区带动型、历史文化遗产型所占比例为最高和最低。(3)旅游吸引物、服务与设施、经济与政策、自然地理基础、市场与交通区位等因素协同作用构成其空间分布的驱动机理,各因素存在局部促进或抑制效用。(4)各类型示范区空间分布的主导因素各异,因子两两交互显著提升其空间解释力,表现为非线性和双因子增强效应,资源向心力、市场牵引力、经济推动力、交通通达力、服务集成力和环境舒适度构建其空间分布的动力六维模型。     

扬州市住宅价格空间分异的影响因素与驱动机制

构建包含20个评价因子、4 个影响因素和4 个预期修正因素在内的城市住宅价格空间分异影响因素评价体系,基于评价因子和预期修正,分别得出单户住宅档次与水平、小区建设档次与水平、区位与生活便利性、周边景观与环境等4 个影响因素强度的得分,并分析其空间分异格局。以2012 年扬州市1305 个小区的平均住宅单价为因变量,4 个基本影响因素得分为自变量,进行回归分析,探索所有住宅及各子市场价格分异的主要因素,并分析其驱动机制。结果表明：① 4 个影响因素强度格局明显不同,住宅自身因素的格局呈现中心低外围高的圈层式分异,而外部作用因素强度呈现中心高外围低、西高东低的扇型与圈层相结合式空间分异格局;② 扬州市总体住宅价格空间分异的核心影响因素是小区建设档次与水平,不同类型住宅子市场的价格影响因素各不相同;③ 扬州市住宅价格空间分异的主要驱动力是特定住宅类型与档次建设的区位指向、特定收入阶层的空间集聚、公共物品投资的空间差异、城市居住用地扩展与城市更新的区位指向。     

城市舒适物、经济机会、城市规模对中国高学历劳动力空间分布的影响

基于中国2010年人口普查资料和社会经济统计等数据,采用空间分析方法探讨中国300个城市高学历劳动力的空间分布特征,并基于负二项回归模型识别其影响因素。研究表明：1）中国城市高学历劳动力规模呈现级差化分异特征,其位序-规模分布符合幂函数特征,在空间上呈现集聚分布和东中西地带性分异的格局;东部沿海地区、辽中南半岛、哈长城市群及内陆省会城市是主要分布地。2）从高学历劳动力占总就业的比例看,北方资源型城市及东部沿海城市群高学历劳动力优势突出,中部和西南地区存在明显“凹陷”;从高学历劳动力和总就业劳动力耦合的结果看,相对占优型和绝对占优型两类城市主要分布在内蒙古和东北的工业城市、京津冀、山东半岛、长三角、珠三角城市群及内地省会城市。3）实证结果表明,高学历劳动力的空间格局受城市舒适物、经济机会及城市规模带来的集聚效应共同影响。从全国层面看,经济机会、城市规模、房价主导高学历劳动力的空间格局,凉爽的夏季气候、优质中学教育资源、游憩及交通资源对其也有重要影响作用。4）在不同规模等级的城市中,高学历劳动力的空间分布均受到经济机会和舒适物的影响,但舒适物因子在各类型城市中发挥的作用差异较大。     

中国智慧城市发展水平空间差异研究

采用因子分析、聚类分析、ESDA等方法,探讨2011年和2014年中国77个智慧城市发展水平空间差异演变,分析影响智慧城市发展的主因子。研究表明:(1)影响智慧城市空间差异的主因子动态变化不大,主要是综合实力因子;(2)中国地级以上智慧城市的总体水平空间差异明显;(3)中国智慧城市的发展格局单极态势较明显、呈"梭"型结构;(4)智慧城市发展主要受到城市发展的内在需求、对原有资源禀赋的惯性依赖、政策影响及智慧文化,尤其是政策作用非常显著。     

天气因素对城市地铁客流时空分布的影响——基于智能交通卡数据的实证研究

城市地理空间、气候环境及交通系统间存在复杂的相互联系、相互制约的关系,交通及地理时空数据为理解三者间关系带来了新的机遇。城市轨道交通是居民绿色出行、缓解中国大城市交通拥堵的重要交通方式。深入研究影响城市地铁客流时间和空间分布变化的因素,有利于制定合理的土地利用及交通需求管理政策,也可为实时响应特定天气条件下旅客出行需求的变化和优化公交服务运营提供理论依据。论文使用智能交通卡数据,以南京市为例,通过建立一种季节性差分自回归移动平均(seasonal autoregressive integrated moving average with explanatory variables, SARIMAX)模型,解释不同种类的天气因素(如降雨、气温、相对湿度、风速等)对地铁客流量时空分布的影响程度。研究发现：降雨类因素在高峰和周末时段对地铁客流量的影响较大;各天气因素对各地铁站点客流量的影响大致呈现出从城市中心区域向外围区域逐渐变小的渐变式规律,且地铁无规律出行者比有规律出行者更易受恶劣天气因素的影响。     

大数据视角下中国城市旅游交通满意度的空间分异特征及影响因素

抓取网络旅游评论,运用文本分析技术判断每条评论的情感倾向,计算每个城市的旅游交通游客满意度。通过地理探测器及相关分析,探究城市旅游交通满意度的空间分异特征及其影响因素。研究表明：1）我国大陆地区城市旅游交通的游客满意度,在区域尺度上差异不显著,省域及市域尺度则差异显著。2）市域旅游交通满意度的空间差异主要受交通发展水平的影响。3）城市旅游交通满意度与城市拥堵指数呈负相关,与城市道路密度呈正相关,与有无地铁、高铁和民航机场等因素无明显相关关系。因此,受城市交通拥堵的影响,往往大城市、特大城市的游客交通满意度不高。4）根据城市旅游交通满意度和交通发展水平,将全国城市分为4个类别：A类为双指标中水平均衡发展区,B类为双指标低水平均衡发展区,C类为旅游交通满意度优先发展区,D类为旅游交通满意度滞后发展区。     

基于客流特征的北京地铁站点类型识别

地铁站点是城市各种社会经济活动的关键节点,不同类型的地铁站点在城市中的区域条件、交通功能、土地利用类型等方面均存在差异,科学的站点分类有助于了解城市功能分区及评价轨道交通基础设施建设状况。本文基于2013年3月份14天工作日地铁刷卡客流量数据,运用引入客流特征的时间序列聚类方法,对北京市195个地铁站点进行分类。研究表明：①地铁站点客流量存在时空差异,也是城市功能分区时空差异的表现之一。②通过引入客流特征的时间序列方法,将地铁站点分为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型、混合型、综合型及其他型8种不同类型。③利用地铁站点客流量数据,是将空间行为和实体空间进行关联比较的有效途径。     

广州市重要通道高峰期交通模式聚类分析

基于广州市重要通道2016年11-12月的交通指数,通过划分重要通道的拥堵与非拥堵状态,确定拥堵状态通道的中心趋势值,建立交通模式的聚类分析模型,采取变异系数对模型进行评价,得出交通模式聚类优选模型。结果显示：广州市重要通道早高峰呈现向心型交通拥堵模式,处于交通拥堵状态的通道可划分为6种交通模式,共3种几何形态类型：滞后型、对称型和递增型。晚高峰的交通拥堵通道分布广泛,区际主干道和天河商业区内的主干道交通拥堵更加严重;处于交通拥堵状态的通道可将其划分为9种交通模式,共4种几何形态类型：前锋型、滞后型、平缓型和对称型。     

中国城市土地城市化水平与进程的空间评价

土地城市化在中国快速而持续的城市化进程中扮演的支撑与制约角色越来越明显,但目前对土地城市化水平的测度框架依然没有明确统一的认识。基于此,提出了一种可供参考的土地城市化率的概念与测度方法,并确定其阈值。以中国656个城市的城区为研究单元,以2000年和2010年城市建设用地面积为基本数据,采用城市建设用地面积、土地城市化率、城市土地扩展面积和城市土地扩展速度分别评价了中国城市的土地城市化规模、水平、绝对进程和相对进程的空间分异格局。并分析了九大类城市建设用地类型对土地城市化进程的贡献率。结果表明：① 近10年来,中国城市总体土地城市化率提高近一倍,由“金字塔式”等级分布逐渐转为“钥匙式”的分布格局;东部地区城市建设用地规模较大,但城区面积更大,使其土地城市化率的数值较低。② 省会城市和沿海城市群的城市土地扩展面积最大,呈现出行政等级式分异和空间集聚式分异的空间格局;城市土地扩展速度呈现出沿海城市群与其他城市分异的空间格局。规模越大的城市,土地城市化进程越明显。③ 近10年来中国土地城市化进程的两大核心用地增长类型是居住用地和工业用地;规模越大的城市,工业用地增长的驱动作用越显著;中西部地区和中小规模城市以居住用地增长为核心,沿海城市群和重要交通轴线城市以工业用地增长为主。     

城市社会空间结构模型研究的评述

城市社会空间结构模型可以从整体上、宏观上反映和把握城市社会空间变迁规律,是城市规划、城市管治重要的科学依据。从研究理论、内容、方法3个方面回顾和分析了国内外城市社会空间结构经典模型,发现国内在城市社会空间结构研究（理论、方法）上与西方国家存在较大差距,即国内仍缺乏学科理论整体框架的建树和研究方法上的突破。并探索性的提出中国今后应以（1）按城市规模分析、建构城市社会空间结构的综合模型;（2）在户籍制度、住房制度、城市管理制度以及市民行为等因素变迁过程中的城市社会空间结构模型构建与特征分析;（3）根据针对不同规模城市的实证研究,探讨建国以来多因素综合作用下的中国城市社会空间结构的阶段模型及主要影响因素的作用机理,作为国内城市社会空间结构模型研究的重点领域。     

河南“米”字形高铁网构建对可达性及城市空间格局影响

从可达性的视角采用平均旅行时间、经济潜力、日常可达性等指标对河南“米”字形高速铁路网构建对各地市省内和省际可达性及城市空间格局的影响进行分析发现,① “米”字形高速铁路网有助于各地市省内和省际可达性水平提升,郑州的极化与集聚效应进一步增强,边界城市的交通边缘化状况明显改善,“米”字形城镇发展轴带正在形成;② 各地市省内和省际经济潜力大幅度提升,位置居中的高铁沿线城市省内区位优势显著,边界高铁沿线城市在省际联系中的门户区位优势显现;③ 以郑州中心的0.5 h核心圈、1 h紧密圈正在形成,“同城效应”显现,各地市省际2 h交流圈大幅度拓展,以郑州为中心的1.5 h省际合作圈即将形成。高铁网的构建将成为河南城市空间格局演变的重要推动因素和空间结构优化的基础支撑条件。     

黄河流域城乡融合发展时空演变和动力机制

以黄河流域79个地市为研究对象,构建城乡融合发展评价指标体系,使用熵值法、标准差和变差系数、ESDA空间探索性数据分析方法和地理加权回归分析法（GWR）,分析了2005—2018年黄河流域城乡融合发展的时空演变特征和动力机制。结果表明：（1）时序演变特征方面,城乡融合系数均值由2005年的0.208提高到2018年的0.416,表明城乡融合水平持续提升,但下游地区均值一直高于中游、上游地区。标准差测度的城乡融合绝对差异由0.073升为0.103,不断缓慢上升;变差系数衡量的相对差异由0.350降为0.248,呈下降趋势。全局莫兰指数表明高于流域城乡融合系数均值的地市倾向于在空间上集聚。（2）空间演变特征方面,黄河流域东部、北部形成高于流域城乡融合系数均值的集中分布区。低于流域城乡融合系数均值的地市呈地域锁定分布。黄河流域地市城乡融合发展水平形成3层次的“核心-边缘”空间结构。（3）地势起伏度、经济发展水平、城市空间扩张、交通通达性、人口城市化、居民消费水平为黄河流域城乡融合发展时空演变主要动力因子。     

大城市低收入邻里社会贫困的测度差异与成因

社会贫困是对居民的社会保障和福利的享有情况、社会参与和融合等生活状况的测度。利用中国3 大典型地域、6 个代表城市、3 类邻里的1809 份个体问卷调查数据, 本文选取13 个相关指标, 判定个体是否处于社会贫困状态, 利用回归模型探究其影响因素, 并分析社会贫困现象在不同邻里、不同城市集聚的分异特征。研究发现, 6 个城市间的社会贫困集聚程度顺序为东部、中部和西部;3 大类邻里中, 社会贫困在城中村表现最为明显, 内城居住区次之, 企业配套居住区最低。中国城市居民是否处于社会贫困状态是体制(户口类型) 和家庭(教育程度、年龄等) 因素共同作用的结果。代表体制因素的户口类型对3 类城市的社会贫困均起到影响, 东中部城市中家庭因素也有一定作用。体制因素对城中村的社会贫困起显著影响, 而家庭因素在内城居住区和企业配套居住区中作用更大。     

中国城市市辖区的空间结构及演化机制

本文提出了市辖区6种空间结构类型：圈层式、组合式、并排式、独立式、包围式及飞地式,并总结了6种类型的主要特征。通过对中国市辖区分布格局及演变分析,发现城市规模等级越高,市辖区数量越多、人口密度越大。6种类型城市分布情况为圈层式结构城市集中在东部地区,组合式结构城市在东北地区分布最密,独立式结构城市大多分布于中西部,包围式结构城市中部地区最多,并排式和飞地式结构城市在全国分布比较均衡。市辖区空间结构的一般演化路径为“独立式-并排式-组合式-圈层式”,圈层式结构会继续优化,通过“内城合并、外城扩张”向第三、四圈层发展。文章最后分析了增设、拆分与合并市辖区三种行政区划调整方式的影响因素及作用机制。     

中国城市碳排放强度的空间溢出效应及驱动因素探究（英文）

In this study, we adopt kernel density estimation, spatial autocorrelation, spatial Markov chain, and panel quantile regression methods to analyze spatial spillover effects and driving factors of carbon emission intensity in 283 Chinese cities from 1992 to 2013. The following results were obtained.(1) Nuclear density estimation shows that the overall average carbon intensity of cities in China has decreased, with differences gradually narrowing.(2) The spatial autocorrelation Moran's I index indicates significant spatial agglomeration of carbon emission intensity is gradually increasing; however, differences between regions have remained stable.(3) Spatial Markov chain analysis shows a Matthew effect in China's urban carbon emission intensity. In addition, low-intensity and high-intensity cities characteristically maintain their initial state during the transition period. Furthermore, there is a clear "Spatial Spillover" effect in urban carbon emission intensity and there is heterogeneity in the spillover effect in different regional contexts; that is, if a city is near a city with low carbon emission intensity, the carbon emission intensity of the first city has a higher probability of upward transfer, and vice versa.(4) Panel quantile results indicate that in cities with low carbon emission intensity, economic growth, technological progress, and appropriate population density play an important role in reducing emissions. In addition, foreign investment intensity and traffic emissions are the main factors that increase carbon emission intensity. In cities with high carbon intensity, population density is an important emission reduction factor, and technological progress has no significant effect. In contrast, industrial emissions, extensive capital investment, and urban land expansion are the main factors driving the increase in carbon intensity.