西安市物流企业空间格局演化及影响因素分析

借助西安市物流企业微观地理数据,采用平均最近邻、标准差椭圆和核密度估计描述1995—2019年西安市物流企业空间分布及其演化特征,采用统计学方法分析物流企业聚集区与市中心的距离关系,并构建最小二乘回归模型分析影响物流企业空间分布的主要因素。结果表明：西安市物流企业从2000年开始出现聚集趋势,逐渐从单核发展为双核,现有出现第三核的趋势;物流企业空间分布呈现明显的扩散特征,演化过程沿着“西南-东北”方向延伸,整体呈现出“郊区化”趋势,集中分布于距市中心15km左右的位置;上一年度物流企业数量、常住人口及社会消费品零售总额是影响西安市物流企业空间格局形成的主要因素,对物流企业布局和集聚具有积极作用。     

关中平原城市群植被覆盖的时空特征与影响因素

植被是全球及区域生态系统环境变化的重要指标,也是对人类社会活动有重要贡献的资源之一。为了研究关中平原城市群不同区域植被覆盖变化对自然和人文因子的响应,以划分为三个区域的植被作为研究对象,选取2000—2017年MODIS-NDVI遥感数据,运用趋势分析、探索性空间数据分析与地理探测器等方法,从时序演进与空间分布方面研究了18 a内植被覆盖的演化及分布特征,定量分析影响植被覆盖的主导因子。遥感数据要通过投影转换、拼接、最大值合成等方法进行处理,再运用Python程序进行影像批量裁剪,将遥感数据和气象数据进行分区统计,最后对该处理数据进行讨论研究。结论表明:(1)研究期内关中平原城市群植被覆盖呈显著上升趋势,NDVI平均值增速为0.077·(10 a)-1,阶段性变化特征明显,其中2005—2007阶段和2011—2013阶段极显著增加,最大上升速率达到了0.05·a-1。(2)空间上总体呈现"南高北低"的分布特征,研究区总体得到改善;高值区主要分布在南部秦岭北坡,受气候因子的影响更大,植被覆盖增加速度缓慢,达到轻度改善水平;低值区聚集在黄土高原边缘地区,植被增加趋势明显;中部关中平原极少...     

中国物流集群的量化甄别与发育程度评价

基于交通运输、仓储与邮政业宏观统计数据,物流企业工商注册数据和物流POI数据,运用区位熵（LQ）、水平集聚区位熵（HCLQ）、物流就业密度（LED）和改进的物流企业占比系数（LEP）等指标,刻画了中国289个地级及以上城市的物流集群空间格局与演化过程,识别出不同类型物流集群的发育水平、类型和发展模式。结果表明：① 物流集群主要集中于胡焕庸线东侧,集群形态由组团式转变为区块式,呈现广覆盖和高集聚特征;数量演化经历了“快速下降”和“稳中有变”两个阶段,集中程度和运行效率稳步提升。② 21个成熟物流集群分布在16个省级行政单元中主要城市群的中心和次级中心城市,与政府物流规划衔接良好;43个新兴物流集群分布在21个省级行政单元,不同类型城市间分化显著。③ 物流集群在城市群尺度形成了由“主核—次核—一般节点”构成的多层级核心—边缘结构;在省级尺度形成了极核发展模式、网络化均衡发展模式,单核多点和多核多点的发展模式。     

中国跨区域纠纷案件网络空间结构特征

本研究旨在评估中国跨区域纠纷案件的空间地理分布特征。借助GIS等分析工具,对跨区域纠纷案件的空间分布特征进行分析,结果表明：①中国纠纷案件网络呈现出“一轴、两心、多组团”的“钻石型”网络结构,形成了“核心-次中心-边缘”层级明显的区域网络结构,局部呈现出“大集聚、小分散”网络格局;②区域纠纷案件网络主要类型有：单中心网络结构、双中心网络结构、多中心网络结构;③主要城市群间的纠纷案件的关联度由强到弱依次为：珠三角洲城市群、长三角洲城市群、成渝城市群、天山北坡城市群、关中平原城市群、京津翼城市群,纠纷案件关联度越强,跨区域的法律纠纷事件发生越频繁;④纠纷案件的网络发展过程中表现出：纠纷案件被行政区分割、发达城市群法律纠纷行为外溢、产生法律纠纷行为向中心城市集聚等特征。     

河北省休闲农业的空间分布及影响机制

以河北省436家休闲农业品牌主体为研究样本,采用最邻近指数、核密度估算、近邻分析等方法,对其空间分布类型、空间结构演化、空间分布特征进行了分析。在此基础上进一步利用地理探测器量化分析了不同因素对休闲农业空间分布的影响作用。结果表明,河北休闲农业品牌总体呈显著的聚集型空间分布,并逐步演化为南部聚集连片、北部环绕京津、局部组团化聚集的高密度空间分布格局;休闲农业品牌呈现“沿路”“傍水”“环城”“近景”“依产”分布特征;休闲农业品牌的空间分布受到多种因素的综合作用影响,旅游市场条件是影响休闲农业空间分布的最主要的影响因素,其次为交通条件和自然资源。针对河北省休闲农业提出发展建议。     

上海大都市区港口物流企业的空间格局演化

以上海港口物流企业数据为基础,运用GIS空间分析、数理统计等方法,探讨港口物流企业空间格局及演化规律,并对其关键影响因素进行分析。研究表明:1990 年代中期以来,上海港口物流企业空间格局总体呈集聚化和郊区化特征,中心城区仍是港口物流企业集聚的主要区域,但企业所占比例呈下降态势,郊区企业所占比例则不断上升。不同类型港口物流企业空间分布差异明显,处于价值链低端的运输仓储型企业倾向于向郊区转移,处于价值链中高端的综合服务型企业仍主要布局在中心城区,但已显现出郊区化端倪。上海港口物流企业空间格局演化受到港口功能演变、综合交通网络建设、商务支撑条件、城市规划及发展政策等因素的综合影响。     

长江经济带城市群要素集聚能力差异的比较研究

城市群作为当前区域发展的主要空间载体,在区域发展竞争中扮演着越来越重要的角色。论文结合互联网大数据抓取等手段,以长江经济带5个城市群为研究对象,对城市群间要素集聚能力差异进行比较研究,发现：① 长江经济带城市群间要素集聚能力差异与长江经济带社会经济发展的区域差异相吻合,城市群要素集聚格局呈现出由东向西梯度衰减的分布特征;② 城际层面要素集聚能力差异的两极分化现象显著,以城市群首位城市为中心的要素集聚“核心—边缘”空间结构特征较为鲜明;③ 长江经济带城市群内科技创新、对外开放、金融等要素的集聚格局具有明显的差异分化和集聚分布指向特征;④ 长江经济带城市(群)要素集聚能力等级规模结构分布总体符合位序-规模法则,可分为“均衡型”和“离散型”2种类型,首位城市要素集聚首位度随城市群要素集聚能力高低呈现出“两端高、中间低”的特征。     

道路网络中心性对餐饮业空间布局的影响——以青岛市主城区为例

基于道路网络数据和兴趣点（POI）数据,以青岛市主城区为研究区域,分析道路网络中心性及餐饮业空间分布特征,采用全局和局部回归模型探究道路网络中心性对餐饮业分布的影响机制。结果表明：① 中介中心性高值区集中于城市主干道,邻近中心性呈现由中心向四周递减的环状分布特征,特征向量中心性的空间分布表现为多核心结构;② 青岛市餐饮业呈现出块状聚集、区域差异明显的空间分布格局,中餐厅、西餐厅和休闲餐饮具备多中心结构特征;③ 道路网络中心性指标与餐饮业的核密度值具有较高的空间相似性,高-高与低-低聚集区构成了主要的空间关联模式;④ 青岛市餐饮业分布受到道路网络中心性的显著影响,其中,中介中心性对餐饮业分布的影响程度较低,邻近中心性和特征向量中心性的影响程度较高。从局部来看,道路网络中心性对餐饮业分布的影响具有空间异质性,对不同类型餐饮业的影响具有明显的差异。     

基于POI数据的郑东新区服务业空间聚类研究

探讨城市新区的服务业空间格局,对城市新区规划和服务业空间布局的优化具有重要指导意义。采用POI数据对郑东新区服务业的总体、分行业空间布局进行聚类,结果显示：① 在总体上,聚类呈现“414”的空间体系,各聚类所在区域的通达性较好;服务业在功能区内部聚集和跨越功能区聚集并存;噪声点分布零散,局部出现了服务业聚集的潜力区域;空间临近效应、行政力量带动和市场导向作用导致服务业空间极化特征明显。② 从分行业来看,部分行业的重要空间节点分布存在一定差异,CBD核心区和商住物流区成为各行业空间节点的分布区域;部分行业的空间节点与功能区的产业定位存在吻合与错位特征。最后,从规划视角提出了郑东新区不同功能区产业结构优化的方向。     

"流空间"视角的电子商务快递物流网络结构研究 ——以珠三角城市群为例

基于“流空间”视角研究电子商务快递物流网络,以中国智能物流骨干网络大数据作为物流“流”数据,综合社会网络分析法和GIS空间分析,以珠三角城市群为案例探究电商快递物流网络空间结构特征,并利用QAP回归方法探究影响网络形成的因素。结果表明:珠三角电商快递物流网络结构存在空间非均衡特征,联系方向偏中心指向,中东部县区间联系更为密切,形成“穗莞深”物流轴线。东莞市,广州市增城区、荔湾区、白云区,深圳市南山区、龙岗区等为主要的快递物流对外辐射节点;江门市新会区、台山市,惠州市惠城区、惠东县等为主要的快递物流接收节点。珠三角城市群电商快递物流网络形成主要受人均可支配收入和社会消费品零售总额影响,人口因素已不构成其发展优势;网络形成在一定程度上克服了距离因素的负作用力。     

基于企业数据的中国汽车物流网络组织特征及影响因素分析

物流活动及其空间组织是经济地理和交通地理共同的研究话题。本文基于汽车物流企业数据,选取137家典型汽车物流企业为研究样本,运用城市网络研究方法,分析了中国汽车物流组织网络的等级结构、空间分异和空间联系特征,并进一步应用回归模型,探讨汽车物流企业在区域尺度的空间分布及区位选址的影响因素。研究结果表明：区域尺度的中国城市汽车物流组织网络存在明显的金字塔型等级结构,可将其划分为全国性、区域性、次区域性、地方性枢纽城市和普通型城市五个等级;各节点城市组织能力空间分布不均,非均衡化发展特征明显,形成由东部沿海3个核心区和中西部2个高值区所构成的“3+2”空间分布格局;节点城市间基本形成以上海为核心,广州、北京、重庆、武汉城市间联系为骨干链条的密集联系网络,其核心网络结构与中国沿海经济带和长江经济带构成的“T”字型空间结构相吻合,网络联系呈现出从东部沿海向中西部地区递减、由城市群向周边地区递减的趋势。通过回归分析发现,城市经济发展水平、汽车物流市场需求和交通基础设施是影响区域尺度的中国汽车物流组织网络布局的重要因素。     

长江中游城市群创新平台空间分布及其影响因素分析

创新是引领发展的第一动力。创新平台作为区域创新体系的重要组成部分和集聚创新资源的核心支撑载体,是推动创新驱动发展的主要抓手。论文以长江中游城市群为研究区域,运用最邻近指数、核密度估计、Ripley's K函数、地理探测器等方法,探究2017年长江中游城市群省级以上创新平台的空间分布特征及其影响因素。结果表明：① 长江中游城市群创新平台整体呈现出集聚分布特征,以武汉、长沙和南昌为核心呈“品字形”的分布格局;② 基于不同等级和不同功能类型划分的各类创新平台均呈现出显著集聚的特征,但集聚强度和集聚状态存在一定差异;③ 创新平台总体和不同类型创新平台的空间集聚存在尺度效应,随地理距离的变化空间集聚趋势先增强后减弱;④ 创新平台的空间分异是多因素综合作用的结果,金融实力、信息化程度、利用外资水平、人力资本条件的影响最为显著,其次为交通可达性、城镇化水平、经济基础和创新氛围。     

基于夜间灯光数据的呼包鄂城市群空间扩张特征及驱动力研究

为了揭示呼包鄂城市群时空演化特征和主导因素并明确其所处发展阶段,利用夜间灯光数据提取城市群1997年、2002年、2007年、2012年和2017年5个时期建成区轮廓,运用规模扩张指数、重心偏移模型和景观格局指数对其扩张过程、扩张方向和空间格局特征进行量化描述,在此基础上构建驱动力模型,探究其时空扩张驱动力。结果表明:(1)呼包鄂城市群呈现“先快后慢、先强后弱”的中心圈层式扩张的空间形态演变特征;(2)扩张方向上呈现“顺势转移、逐心而动”和“大幅东进、加速南移”的空间重心迁移特征;(3)空间格局上呈现核心-边缘分布以及“由极化转向集聚”的组织结构特征;(4)动力机制上以行政力和内源力平行驱动为主,市场力和外向力对城市群空间扩张影响作用依次递减。区域城镇化进程较快,总体处于快速发展的低级一体化阶段。     

宁波市港口物流企业空间格局及区位选择

以宁波市为例,基于港口物流企业空间数据,运用冷热点分析和泊松回归等方法,研究宁波市港口物流企业空间分布特征及影响因素。结果发现：① 宁波市港口物流企业呈现向心集聚性,圈层分布格局明显。中心商务区和临港工业区是集聚热点区域;②港口物流企业集聚特征明显但整体集聚程度下降,表现出在中心商务区和临港工业区持续集聚和沿主干道路向外围区域蔓延扩散两大趋势;③不同类型港口物流企业的区位选择有明显差异：货代型物流企业主要分布在中心商务区,仓储型物流企业主要临港分布,运输型企业选择临近沿交通干道布局,综合型物流企业的分布没有明显的区位倾向;④ 政策因素、土地价格、城乡差异、临近港口、经济潜力和工业结构都不同程度地影响港口物流企业的空间分布,而交通便利没有表现出相关性。     

西北内陆中心城市物流企业空间分异及区位选择——以兰州市为例

城市物流企业的空间分布决定物流空间格局、影响城市综合资源和生产空间的合理配置。以西北内陆中心城市——兰州市为案例区,基于微观物流企业数据并运用空间分析方法刻画了兰州市物流企业的空间分布及类型分异特征,进一步通过负二项回归模型探究了其区位选择的影响因素。结果表明：（1） 兰州市物流企业空间分布不均衡特征显著,总体呈现出“中心为主、远郊和近郊为辅,且沿城市交通主干道呈寄生状分布”的分异格局,具体可归纳为“多中心极化”、“中心极化”、“多中心外扩”、“中心外扩”、“整体极化”与“局部外扩”并存5种空间组织形态。（2） 物流企业呈现出“两心两翼四组团”的空间集聚特征,就不同类型而言,运输型和综合型物流企业呈现出“地域均衡化,类型多元化”集聚特征,货代型、快递型及仓储型物流企业则呈现出“片区集聚化,类型集群化”集聚特征。（3） 物流企业空间分异格局与类型分异特征受交通条件、集聚因素、政府政策、土地价格和城乡差异等多元因素影响,其中交通条件、集聚因素以及政府政策对行业整体在区位选择中的影响最为显著。（4） 从企业类型来看,货代型、综合型物流企业的区位选择受集聚因素影响最为显著;快递型、运输型物流企业则较为关注交通条件;仓储型物流企业对政府政策更为敏感。研究结果在丰富城市物流企业区位理论和研究案例的同时,对我国西北内陆中心城市物流企业空间布局优化具有重要的参考价值。     

沿黄三大城市群城市网络结构演化特征与驱动因素

基于2000—2020年全行业企业总部-分支关系大数据,融合社会网络分析、多维邻近、空间分析等方法,从节点类型、层级关联、社区划分及影响因素4个方面揭示了沿黄三大城市群城市网络空间格局、时空演化及其驱动因素。研究发现：(1)城市网络节点强度空间极化显著并具有层级性。山东半岛城市群网络结构发育最成熟,一、二层级城市占比高,中原城市群次之,关中平原城市群最低。(2)城市网络轴线及其层级特征显著,网络关联程度东强西弱,并随时间演化而逐步增强。形成以青岛、济南、郑州、西安为中心的星形放射状骨架,但城市群之间横向跨界联系较弱。(3)青岛、济南、郑州、西安的中心度-中介中心度形成“高-高”组合,是城市群网络的“中枢”和“桥梁”。(4)城市网络社区受边界阻隔效应、邻域效应和外溢效应影响,总体形成“三大一小”的社区结构和“先集聚、后融合”的演变趋势。(5)地理邻近、制度邻近、社会邻近对城市网络发育具有正向作用,产业邻近发挥负向抑制作用。     

当代中国城镇体系地域空间结构类型定量研究

当代中国城市的地域空间分布并不具有随机性分布特征,过去运用泊松方程规定的随机分布模型对城镇体系地域空间结构定量划分存在一定的局限性。借助牛顿引力学方程对随机分布模型进行改进,构建城市空间分布的引力模型,利用2002年数据,以省级行政区为基本空间单元,对中国城镇体系地域空间结构类型进行定量研究,得出6个块状组团式城市聚集区、10个条状组团式城市聚集区和8个以大城市为核心的城市群的结构特征,其中东部省区以多核心多组团式的城市块状聚集区为主,中部省区以单中心单组团式的条状聚集区为主,西部省区以大城市为核心的城市群为主。东、中、西三大地带城市发育水平差别较大,梯度现象较为明显。     

“流空间”视角下中国电子商务快递物流网络结构与机理

基于“流空间”理论,利用中国智能物流骨干网大数据构建电子商务快递物流网络,采用复杂网络分析、机器学习算法等,探究电商快递物流网络空间结构特征,分析快递物流要素空间流动规律性,揭示网络形成机理。研究发现：1）城市电商快递物流重要性的空间非均衡特征显著,重要性最高的城市分布于胡线以东四大城市群内部。随机森林结果显示,快递物流外向输出型城市在东南沿海形成“电商快递物流输出带”,澳门和台湾分别以小规模接收京津冀、长三角城市群的快递物流输入为主,香港作为快递物流高平衡区在网络中承担着重要的物流集散功能。2）电商快递物流网络覆盖范围广泛,城市间快递物流线路较为完整,且网络具有小世界效应,要素流动效率较高。网络中的优势流以上海、广州、重庆和北京为核心形成“钻石结构”。3）长三角城市群电商快递物流发展较为均衡;京津冀和成渝城市群对内部核心城市依赖性较强;粤港澳大湾区城市群的网络凝聚力最低,香港、澳门与珠三角9市之间的快递物流联系较为薄弱。4）物流网络形成受城市群发展影响,在信息技术、传统与新型基础设施建设等推动下,网络对距离因素依赖性较弱,快递物流要素主要遵循等级扩散机制。     

基于社交媒体数据的北京市游客与居民签到差异研究

城市空间分异研究对城市规划、旅游地资源配置、公共交通优化等具有重要意义。该文基于2016年北京市核心六区微博签到数据,根据游客和当地居民签到行为差异,依据时间特征、空间特征和签到比率特征,通过机器学习方法对游客与当地居民进行分类,利用局部莫兰指数和基于签到POI类型的层次聚类法实现细粒度的签到聚集区类型识别,并探究两类人群签到聚集区空间分布与签到类型的差异。结果表明:该文分类模型各项评价指标均在0.9以上,较前人分类结果有较大提升;基于该分类模型所得游客和居民社交媒体签到特征差异显著,游客签到主要集中在故宫周边,以风景名胜、体育休闲和餐饮服务类型为主,居民签到较分散且科教文化服务、商务住宅类型突出,同时发现“菖蒲河公园”等居民签到多而游客签到少的显著差异地区。利用社交媒体数据进行人群异质性角度下的空间分异研究,有助于准确捕捉不同人群在城市中的活动类型、特征并探究城市内部活动规律。     

基于POI与NPP/VIIRS灯光数据的城市群边界定量识别

科学识别城市群边界是城市群精明紧凑发展的关键,也是国家空间治理体系与空间治理能力的重要标志。论文以京津冀、长三角和珠三角3大城市群为研究区域,采用NPP/VIIRS(Suomi National Polar-orbiting Partnership / Visible Infrared Imaging Radiometer Suite)夜间灯光影像与POI(Point of Interest)数据,基于密度的曲线阈值法与分形网络演化算法,对3个城市群的实际物理边界和集聚空间范围进行精准识别与空间特征解析。研究结果表明：① 基于POI密度的曲线阈值法与NPP/VIIRS分形网络演化算法识别出城市群边界均小于国家城市群规划的行政边界,识别范围约占规划范围的20.90%~24.40%,识别结果显示3大城市群中长三角城市群发育最好,识别的城市群面积是京津冀和珠三角城市群的2倍左右;② 从POI与NPP/VIIRS灯光数据提取的城市群边界面积非常接近,其中POI数据提取的城市群面积偏大,更大程度上反映的是城市群整体边界轮廓而非内部细节;NPP/VIIRS影像提取的城市群更细碎,能更好地识别城市群聚集中心与关键核心区域,2种方法可以相互比较和验证;③ POI与灯光数据识别的城市群边界叠置分析发现,3大城市群中除了关键核心地带(集聚区)以外,外围还有众多孤立的点状区域(中小城镇),外围的点状区域与城市群集聚中心区空间割裂,一定程度上很难快速有效地接受来自城市群核心区域的辐射带动(涓滴效应)。