广州市物流企业空间布局特征及其影响因素

管理学和经济学多从宏观视角进行物流业整体发展战略的研究,工程学和运筹学偏重物流企业内部流程和设施设计,对于中观层面的城市物流企业的空间研究比较薄弱,实证研究尤为缺乏。文章基于对广州市3771家物流企业调查资料,运用GIS空间分析方法,探究广州市物流企业的空间集聚特征,揭示影响其空间格局的主要因素,研究表明:广州市物流企业的空间分布具有显著的向心集聚性,从城市中心区向郊区和外围县级市,物流企业数量明显递减;物流企业沿城市交通主、次干道呈轴线状分布;物流企业区位选择具有服务依赖性,城市工业区和商务区是物流企业的重要集聚区;物流企业的空间格局是区位、交通、政策、地区经济实力和地价等因素综合作用的结果。     

基于POI数据的知识创新型服务业空间布局特征及影响因素研究——以合肥市为例

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出“坚持创新驱动发展,深入实施创新驱动发展战略,完善国家创新体系,加快建设科技强国”。作为科技创新体系的重要组成部分,知识创新型服务业的高质量发展已成为城市产业结构优化、创新能力提升的有力支撑。本研究以综合性国家科学中心合肥市为研究案例地,基于POI数据,运用核密度估计法刻画知识创新型服务业的空间分布格局;综合运用OLS模型、空间滞后模型和空间误差模型探究合肥市知识创新型服务业空间布局的影响因素。结果表明：(1)知识创新型服务业呈现出“集聚中分散”的特征,其中网络信息类呈广泛分散分布,科技研发类与高等院校的分布具有强关联性,专门服务业倾向布局在市中心地段。(2)知识创新型服务业空间布局受到市场潜力、创新集聚环境和周边建成环境三方面因素的影响,人口规模大、交通条件便利、政策支持、靠近瞪羚企业、公共设施、文化设施、休闲餐饮设施和办公设施均会促进知识创新型服务业的集聚。(3)不同行业类型的知识创新型服务业分布的影响因素也存在差异,网络信息类对交通便利性的要求较高,科技研发类分布与高等院校的分布有密切关系,专门服务...     

旅游城市餐饮业空间布局特征--以拉萨市为例

受城市功能定位、旅游消费驱动等因素影响,旅游城市餐饮产业空间布局具有其自身特征。通过对互联网电子地图POI数据的挖掘,并结合ArcGIS最近邻分析、标准差椭圆、核密度分析和缓冲区分析工具,本文分析了高原旅游城市拉萨市主城区餐饮业空间分布格局特征及其影响因素(基于道路交通、旅游资源和人口视角)。研究发现拉萨市主城区餐饮业空间分布总体呈现集聚特征,主要集中在交通发达和旅游资源密集区周边地区;常住人口集聚区域餐饮点同样集中布局,餐饮点密集区与实时人口密集区高度重叠。针对拉萨市城市空间结构、功能定位和旅游发展,文章进一步提出拉萨市餐饮业空间布局优化措施。     

城市常规公交空间演化过程研究——以广州市为例

以广州市为例,从公交覆盖度、线网密度和覆盖效益3个方面考察广州市常规公交的空间演变特征,结合趋势外推法,预测广州市未来公交发展态势,总结常规公交空间演变规律。研究发现：① 建国以来,广州市内的常规公交经历了由“低效公平”的低级均衡向出行效率变高、公平性变低的转变,随后又出现了非均衡状况缓解、公平性上升的状态;② 结合对未来发展的预测,发现它有由低级均衡向高级均衡状态演变的趋势。比较广州在城市发展中所处的阶段,可以推论中国类似于广州这样发达的超大城市,市内公交状况大多处于上述演变过程的后半期,而大多数城市则处在这一演变过程的前半期。     

基于休闲需求的城市公园服务等级结构及空间布局特征——以广州市中心城区为例

基于城市居民休闲需求的角度,以广州市中心城区作为实证研究地,引入公园规模、公园景观、公用休闲功能、公园门票价格、公园建园时间、公园交通便捷度、公园综合配套服务、公园服务时间等指标来衡量城市公园的休闲服务等级结构.根据广州中心城区发展历史、城区常住人口密度、城区各区经济总量等指标,将广州市中心城区划分为旧城核心区、新城中心区、新城边缘区,城市常住人口高密集带、城市常住人口密集带、城市常住人口稀疏带,经济实力强区(萝岗区)、经济实力较强区(黄埔区、天河区、越秀区)、经济实力弱区(荔湾区、海珠区、白云区)等空间     

基于POI数据的大型零售商业设施空间布局与业态差异——以广州市为例

以广州市为例,基于大型零售商业设施POI（Point of Interest）数据,运用空间计量分析方法,对大型零售商业设施总体及不同业态的空间分布及其影响因素进行了探究。结果表明：总体上,大型零售商业设施空间分布呈现出由内向外扩散的多中心圈层式结构,沿交通干道生长和连片蔓延趋势明显,中心城区设施临近轨道交通分布指向性突出。不同业态分布差异明显,大型购物中心和商场主要分布在中心城区及外围城区次中心,大型综合超市由中心城区内部向边缘区域扩散趋势明显,大型专业店主要分布在中心城区的边缘区域。影响因素方面,人口、经济和租金因素对其总体分布影响显著为正。不同业态所受影响因素有所不同,除人口等传统影响因素外,与生活中心、产业园或专业市场的临近性也会分别对大型综合超市和大型专业店的空间分布造成显著影响。     

近代云南城市空间演化的外生动力分析

对19世纪70年代至1949年云南的城镇空间演化进行了纵向梳理和横向比较,研究了交通与政治两种演化影响因素的变迁,结果显示:(1)在1910年滇越铁路通车之前的清末,对外交通线路的兴衰对沿线城市空间演化有明显的影响,交通区位因素是云南城市空间演化的主要外生动力。(2)进入民国之后,地方政府对城市的建设管理和资源投入能力都强于清代,中心城市获得的资源尤其明显,因此政治因素开始成为中心城市空间演化的主要推动因素。(3)在空间分布上,铁路交通对城市演化推动的极化程度明显高于传统交通方式,因此,在交通因素与政治因素的协同作用下,在民国时期昆明城市演化的外生动力明显强于省内其他城市。     

世界一流大学空间集聚对研发密集型企业空间布局的影响——以美国为例

以美国为例,运用矢量数据符号法、核密度估计,结合负二项回归模型,研究世界一流大学空间集聚对研发密集型企业空间布局的影响,得出以下结论：① 美国一流大学和研发密集型企业高等级集聚区主要有东北沿海大都市带、硅谷地区、芝加哥都市区和洛杉矶都市区,两者呈现高度的空间集聚性和空间匹配性。② 美国研发密集型企业偏向于选择与自身从事研发领域相关的一流学科空间集聚区进行布局。③ 美国一流大学和研发密集型企业的高值热点区集中在硅谷地区,呈半圆形辐射状,较高值热点区主要分布在东北沿海大都市带,呈带状辐射。④ 为寻求创新资源禀赋,获取知识溢出经济,共享创新基础设施,降低技术转移成本,获得创新集群优势,研发密集型企业优先选择一流大学集聚区进行空间布局。     

城市能源消费碳排放特征及其机理分析 ——以广州市为例

采用表观能源消费数据进行分能源品种和分行业类型的碳排放总量核算,利用基于IDA理论和Kaya恒等式的LMDI模型对碳排放总量变化进行多要素的分解分析,在解析人口规模效应、经济产出效应、能源强度效应对碳排放影响机理的同时,进一步纳入人口结构性因素、产业结构性因素和能源结构性因素对碳排放的影响。以广州市为例,对其2003—2013年产业活动和居民消费2个部门碳排放的主要驱动因素进行时间序列分析,并定量研究各个影响因子在2003—2005、2005—2010和2010—2013年3个不同发展阶段的作用机理,主要研究结论如下：1）广州市能源消费及其碳排放前期以煤炭为主,近年来以石油为主,同时外购电力对广州市的能源消费结构优化影响显著。2）各影响因子对广州市碳排放总量变化的作用机理与影响机制在3个发展阶段各不相同,不同发展阶段的发展措施和政策背景对于各个影响因子的碳排放效应影响显著。3）总体分析,经济产出效应和人口规模效应是产业部门碳排放增长的最主要贡献因子;工业能源消费强度效应、工业能源消费结构效应和经济结构效应是遏制产业部门碳排放增长的最主要贡献因子。城镇居民收入效应是居民消费碳排放增长的最主要贡献因子,城镇居民能源消费强度效应是遏制居民消费碳排放增长的最主要贡献因子。     

机场周边地区生产性服务业与制造业空间布局特征——以首都机场为例

空港经济对推动城市产业空间调整和城市经济转型具有重要意义。以首都机场为例,运用Ripley’s K函数及核密度估计法分析机场周边地区生产性服务业与制造业的空间布局特征。生产性服务业和制造业的区位布局均呈现出明显的向心性,其中,物流业、制造业和金融业的向心性最强。生产性服务业和制造业空间集聚强度呈先增后减的倒"U"型特征,生产性服务业企业集聚强度明显高于制造业企业集聚强度,不同行业企业空间区位选择距离阈值存在差异。不同行业空间分异特征显著,集聚模式不同。制造业呈"大分散、大集聚"模式;商务服务业、科技服务业、信息服务业及物流业呈"小分散、大集聚"模式;金融业呈"大分散、小集聚"模式。城市主要交通干线附近及成熟的产业园区是生产性服务业与制造业主要集聚地,信息服务业、商务服务业以及科技服务业的区位选择具有较强一致性。     

2000―2010年广州人口空间分布变动与多中心城市空间结构演化测度

基于广州市第五次和第六次人口普查中的常住人口数据,运用空间分析法、单中心密度模型和多中心密度模型分析法对广州市人口空间分布和多中心城市空间结构进行研究。结果表明,研究时段内广州人口空间动态变化表现为“内圈层（近郊区）快速增长、外圈层慢速增长、核心圈层（核心区）和外圈低速增长”,核心圈层的人口继续增长并向四周扩散,表明广州人口变动的郊区化现象明显,已呈现多中心特征,由2000年的“1个中心（人民公园）2个次中心（白云区的新景街和海珠区的凤阳街）”演变至2010年的“1个中心（人民公园）4个次中心（白云区的同德街、海珠区的凤阳街、天河区的棠下街和沙河街）”,次中心的人口集聚功能逐渐增强,对城市人口分布影响逐渐增大。     

广州古代港—城空间关系演化

以古代广州港—城空间关系的发展演化为实证案例,采用历史地理的研究方法,探讨了中国古代长时间跨度视角下港—城空间关系发展演化的规律特征。结果表明：城市与港口发展之间形成了唇齿相依的紧密联系,港—城空间关系发展演化呈现出明显的规律性特征;古代港口具有重要的交通和商贸功能,码头毗邻地区往往发展成为重要的城市商贸区;港口通过毗邻城市功能区的发育,影响城市空间拓展的方向;自然环境变迁、航运技术变革、交通商贸变化以及政治军事的考量等因素综合作用,驱动港—城空间关系不断发展演化;古代广州港—城空间关系的演化模式明显有别于西方学者归纳的理论模式。     

广州制造业空间布局及其形成原因

以第二次经济普查制造业法人单位分镇街的就业人员为基础数据,运用集中化指数、区位商和空间分析方法对2008年广州制造业空间布局进行研究,并分析其形成原因及其与广州城市空间结构的关系。结果表明：1）广州制造业主要分布在海珠区、荔湾区和萝岗区等近郊,CBD的制造业已经衰退。2）制造业就业人员密度从城市中心向边缘递增,递增距离CBD不远,东部和南部呈现非常强的郊区化现象,尤其是东部已经成为广州的制造业中心。3）核心圈层的制造业密度仍为最高,4圈层的制造业密度分布由高到低依次为核心圈层＞内圈层＞外圈层＞外圈;广州制造业分布集中程度高,空间集聚程度最高的区域为近郊,其次为远郊,中心城区最低。4）广州制造业空间结构由夏港制造业中心、南石头制造业次中心和东环制造业次中心组成。影响制造业在广州城市空间分布的因素主要有：中国土地有偿使用制度的实行、广州市政府对宏观调控政策的制定、广州制造业园区建设和制造业集聚效应四大因素。制造业对广州城市空间结构的形成和发展影响很强,是新华和夏港就业次中心形成的主要动力,有力地促进了广州城市郊区化,是广州副中心和新城中心城区经济发展的主要动力。     

广州市汽车服务业布局实证研究

以广州市为研究区域,在总结汽车服务业发展历程的基础上,通过实证分析,认为经过20多年的发展,目前广州市汽车服务业的空间布局特征明显,在全市不同地域空间分布不均衡,在各个区的分布也存在明显数量差异;集聚趋势显著,大部分沿城市干道分布。影响广州市汽车服务业布局的因素主要有土地成本、市场、历史、关联产业、集聚效益、政府决策6个方面。     

历史时期中国重大自然灾害时空分异特征

通过历史文献和史料记载的整理,对中国历史时期的重大自然灾害进行了系统的梳理,分析了公元前180 年-1911 年和民国时期重大自然灾害发生的频次和损失的时空格局特征,得出结论:(1) 对灾害发生的频次进行分析,不同灾种发生频次不同,空间格局呈现明显的地域分异,灾害的空间分布与灾种之间的关系明显;(2) 对灾害带来的损失进行分析,发现不同类型灾害发生的频次与灾害带来损失的空间格局并不相同。究其原因在于:(1) 各种自然灾害的孕灾环境不同,是其空间格局差异性的决定性因素;(2) 自然灾害带来的损失大小与经济和人口的集中程度密切相关。自然灾害损失较大的往往都是农业、文化、商贸较为发达的区域,这也是我国区域经济格局空间差异的必然。     

经济适用住房在城市中的空间分布——基于DEM的武汉市实例分析

经济适用住房作为具有保障性质的政策性住房,其在城市中的空间分布决定了居住其中的中低收入家庭在城市中的空间位置和聚散程度,这不仅是一个建设选址问题,也关系城市经济社会的发展。基于经济适用住房的特点,分析了经济适用住房在城市中空间分布的“两阶段性”,分布过程中面临的问题,并提出经济适用住房“空间福利”概念和计算方法;选取武汉市作为分析实例,基于GIS 平台和构建DEM的方法对武汉市经济适用住房的空间分布概况、空间福利比较以及微观面上的建设选址和空间质量分配问题进行了分析和探讨。     

南京市餐饮设施空间分布及其影响因素研究

在网上搜索与实地调研各类餐饮设施的基础上,运用.Arcgis空间分析、比较分析和因素分析的方法总结南京市餐饮业发展的空间特征.从餐饮设施的密度、等级和经营种类空间分布的分析,结果认为,餐饮设施的发展具有地域不均衡性,数量总体上由中心向外围递减,呈圈层式发展;餐饮设施的空间分布与区域经济水平、人口分布因素、交通便捷程度、城市文化传统、空间结构演替等诸多因素有关.     

Spatial and Temporal Distribution Characteristics of Flower-viewing Tourism and Its Influencing Factors in China

Despite the rapid development of flower-viewing tourism in China in recent years, there is almost no systematic research on it. Therefore, this study analyzes the spatial and temporal distribution characteristics of flower-viewing tourism and its influencing factors in China using the spatial statistical analysis methods and the geographic detector method. The study uses the Point-of-Interest data of flower-viewing tourist attractions from networks such as Qunar and Ctrip, the flower observation data from China Phenological Observation Network, Chinese network news, and Weibo, and the statistical data from yearbooks. The results are as follows: 1) The spatial attribution type of flower-viewing tourism in China is aggregated into areas, including two high-density aggregated areas, three medium-density aggregated areas, and one general-density aggregated area. Furthermore, five major types of flower-viewing tourist attractions have formed several aggregated areas. 2) The time of flower viewing in China starts from about February and lasts about eight months till October each year. Florescence and flowering time of different ornamental flowers in different regions are different. 3) The spatial and temporal distribution characteristics of flower-viewing tourism in China are mainly affected by ornamental flower phenology, spatial distribution characteristics of flower-viewing resources, regional permanent population size, youth population size, female population size, regional GDP, and added value of the tertiary sector. These conclusions clarify the spatial and temporal distribution characteristics of flower-viewing tourism and its influencing factors in China. They could provide a scientific basis and useful reference for the coordination and sustainable development of regional flower-viewing tourism in China.