留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

乌鲁木齐城市空间扩展特征及驱动机制

卢世俊

卢世俊. 乌鲁木齐城市空间扩展特征及驱动机制[J]. 武汉大学学报 ● 信息科学版, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
引用本文: 卢世俊. 乌鲁木齐城市空间扩展特征及驱动机制[J]. 武汉大学学报 ● 信息科学版, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
LU Shijun. Characteristics and Driving Mechanism of Urban Space Expansion in Urumqi[J]. Geomatics and Information Science of Wuhan University, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
Citation: LU Shijun. Characteristics and Driving Mechanism of Urban Space Expansion in Urumqi[J]. Geomatics and Information Science of Wuhan University, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119

乌鲁木齐城市空间扩展特征及驱动机制

doi: 10.13203/j.whugis20200119
基金项目: 

新疆维吾尔自治区自然科学基金青年基金 2021D01C117

详细信息
    作者简介:

    卢世俊,硕士,讲师,从事城市地理信息空间分析研究。15271800365@163.com

  • 中图分类号: P208

Characteristics and Driving Mechanism of Urban Space Expansion in Urumqi

Funds: 

The Youth Fund of the Natural Science Foundation of Xinjiang Uygur Autonomous Region 2021D01C117

More Information
    Author Bio:

    LU Shijun, master, lecturer, specializes in urban geographic information spatial analysis. E-mail: 15271800365@163.com

  • 摘要: 随着城市化的迅速推进,城市空间扩展研究成为城市发展研究的热点。以统计年鉴数据为参考,以土地利用现状遥感监测数据为主体,以夜间灯光遥感数据为空间校正,进行了城市建设用地的提取及面积计算分析,得到中国新疆维吾尔自治区乌鲁木齐市2000—2006年为中速扩展模式,2007—2013年为高速扩展模式,2014—2018年为快速扩展模式;使用凸壳识别法,得到乌鲁木齐市2000—2018年扩展类型均为填充型;结合扩展模式用质心偏移判定乌鲁木齐扩展方向,得到乌鲁木齐市2006年较2000年,质心向西南方向偏移,2013年较2006年,质心继续向西南方向偏移,2018年较2013年,质心向东北方向偏移;通过标准差椭圆法对乌鲁木齐扩展方向进行验证,得出2006年相对于2000年,沿西北-东南方向扩展,2013年相对于2006年,沿西南-东北方向扩展,2018年相对于2013年,沿西南-东北方向扩展,扩展方向大体上与质心偏移方向相同。乌鲁木齐市城市扩展驱动机制受制于多方面因素影响,多种因素相互作用,在推动城市发展的同时,也造成城市扩展的时空分异。
  • 图  1  城市建设用地提取结果对比图

    Figure  1.  Comparison of Urban Construction Land Extraction Results

    图  2  凸壳识别示意图

    Figure  2.  Convex Hull Recognition Diagram

    图  3  质心偏移方向示意图

    Figure  3.  Diagram of Centroid Offset Direction

    图  4  标准差椭圆计算结果示意图

    Figure  4.  Diagram of Calculation Result of Standard Deviation Ellipse

    表  1  土地利用遥感影像与统计年鉴数据对比表/km2

    Table  1.   Comparison of Land Use Remote Sensing Images and Statistical Yearbook Data/km2

    年份 土地利用影像 夜光遥感影像 年鉴数据
    2000 171.3 173.8 167.1
    2006 229.1 232.9 227.7
    2013 373.7 375.1 371.1
    2018 437.7 441.2 436.7
    下载: 导出CSV

    表  2  两类数据对年鉴数据相对误差值/%

    Table  2.   Relative Error Value of Two Types of Data to Yearbook Data/%

    年份 相对误差
    土地利用影像提取 夜光遥感影像提取
    2000 2.5 4.0
    2006 0.6 2.3
    2013 0.7 1.1
    2018 0.2 1.0
    下载: 导出CSV

    表  3  城市扩展模式度量指标计算结果

    Table  3.   Calculation Results of Urban Expansion Pattern Metrics

    时期 ΔS/km2 V/(km2∙a-1) K/% U/%
    2000—2006年 47.7 8.0 4.6 0.1
    2007—2013年 154.6 22.1 10.1 0.2
    2014—2018年 64.0 12.8 3.4 0.1
    下载: 导出CSV

    表  4  各时期及对应扩展模式

    Table  4.   Each Period and Corresponding Expansion Mode

    时期 城市扩展模式
    2000—2006年 中速扩展型
    2007—2013年 高速扩展型
    2014—2018年 快速扩展型
    下载: 导出CSV

    表  5  城市扩展类型分类及依据

    Table  5.   Classification and Basis of Urban Expansion Types

    面积关系 城市扩展类型
    凸壳外面积大于或等于凸壳内面积 蔓延型
    凸壳外面积小于凸壳内面积 填充型
    扩展斑块脱离凸壳 飞地型
    下载: 导出CSV

    表  6  通过凸壳识别确定扩展类型

    Table  6.   Determining Extended Type by Convex Hull Recognition

    时期 (填充面积/城市扩展总面积)/% (蔓延面积/城市扩展总面积)/% (填充面积/蔓延面积)/% 扩展主导类型
    2000—2006年 85.5 14.5 5.9 填充型
    2007—2013年 64.6 35.4 1.8 填充型
    2014—2018年 91.5 8.5 10.7 填充型
    下载: 导出CSV

    表  7  各个年份城市建设用地质心坐标

    Table  7.   Geocentric Coordinate for Urban Construction in Each Year

    年份 质心横坐标/m 质心纵坐标/m
    2000 545 612.1 4 858 803.6
    2006 545 433.1 4 858 069.9
    2013 545 163.7 4 857 316.4
    2018 547 298.2 4 859 523.6
    下载: 导出CSV

    表  8  质心偏移指标值

    Table  8.   Centroid Shift Index Value

    时期 d/m v/(m∙a-1) a/(m∙a-2) θ/(°)
    2000—2006年 755.3 151.1 30.2 西偏南13.7
    2007—2013年 799.4 159.9 32.0 西偏南19.7
    2014—2018年 3 070.5 614.1 122.8 北偏东46.0
    下载: 导出CSV

    表  9  各个年份标准差椭圆各项参数

    Table  9.   Various Parameters of the Standard Deviation Ellipse in Each Year

    年份 Xdist/m Ydist/m R/(°) e a/m²
    2000 17 707.3 11 768.6 168.1 0.3 654 638 812.6
    2006 15 824.6 8 368.2 169.9 0.5 415 982 751.9
    2013 9 582.2 17 152.0 10.0 0.4 516 290 598.2
    2018 10 660.5 16 033.7 8.3 0.3 536 949 078.4
    下载: 导出CSV

    表  10  质心偏移和标准差椭圆确定方向

    Table  10.   Centroid Offset and Standard Deviation Ellipse Determination Orientation

    时期 质心偏移 标准差椭圆
    2000—2006年 西南 西北-东南
    2007—2013年 西南 西南-东北
    2014—2018年 东北 西南-东北
    下载: 导出CSV

    表  11  城市扩展驱动指标体系

    Table  11.   Urban Expansion Driving Indicator System

    因素分类 一级指标 二级指标
    社会因素 人口增长 非农业人口
    GDP
    工业总产值
    经济因素 社会发展 地方财政收入
    下载: 导出CSV

    表  12  建成区扩展社会经济驱动因素灰色关联分析结果

    Table  12.   Grey Correlation Analysis Results of Social and Economic Driving Factors of Built-up Area Expansion

    驱动因素 关联系数 排序
    非农业人口 0.8 1
    GDP 0.8 2
    工业总产值 0.7 3
    地方财政收入 0.7 4
    下载: 导出CSV
  • [1] 葛全胜, 赵名茶, 郑景云. 20世纪中国土地利用变化研究[J]. 地理学报, 2000, 55(6): 698-706 doi:  10.3321/j.issn:0375-5444.2000.06.007

    Ge Quansheng, Zhao Mingcha, Zheng Jingyun. Research on Land Use Change in China in the 20th Century[J]. Acta Geographica, 2000, 55(6): 698-706 doi:  10.3321/j.issn:0375-5444.2000.06.007
    [2] 方创琳. 改革开放30年来中国的城市化与城镇发展[J]. 经济地理, 2009, 29(1): 19-25 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL200901009.htm

    Fang Chuanglin. China's Urbanization and Urban Development in the Past 30 Years of Reform and Opening Up[J]. Economic Geography, 2009, 29(1): 19-25 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL200901009.htm
    [3] 苏红键. 中国城市空间扩张效应研究[J]. 城市, 2016(6): 3-9 https://www.cnki.com.cn/Article/CJFDTOTAL-CSHI201606002.htm

    Su Hongjian. Research on the Effect of Urban Spatial Expansion in China[J]. City, 2016(6): 3-9 https://www.cnki.com.cn/Article/CJFDTOTAL-CSHI201606002.htm
    [4] 朱学新, 段进军. 中国城市空间扩张与空间转型思考[J]. 苏州大学学报(哲学社会科学版), 2012, 33(5): 46-51 https://www.cnki.com.cn/Article/CJFDTOTAL-SZDX201205006.htm

    Zhu Xuexin, Duan Jinjun. Thoughts on Spatial Expansion and Spatial Transformation of Chinese Cities [J]. Journal of Soochow University (Philosophy and Social Sciences Edition), 2012, 33(5): 46-51 https://www.cnki.com.cn/Article/CJFDTOTAL-SZDX201205006.htm
    [5] 李潇. 高分辨率遥感影像在城市扩张动态监测中的应用[J]. 住宅与房地产, 2017(15): 197 doi:  10.3969/j.issn.1006-6012.2017.15.174

    Li Xiao. Application of High-Resolution Remote Sensing Images in Dynamic Monitoring of Urban Expansion[J]. Residential and Real Estate, 2017(15): 197 doi:  10.3969/j.issn.1006-6012.2017.15.174
    [6] 常变蓉, 李仁东. 武汉市建设用地扩张遥感监测及空间分异分析[J]. 国土资源遥感, 2017, 29(3): 118-123 https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201703017.htm

    Chang Bianrong, Li Rendong. Remote Sensing Monitoring and Spatial Differentiation Analysis of Construction Land Expansion in Wuhan[J]. Remote Sensing of Land and Resources, 2017, 29(3): 118-123 https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201703017.htm
    [7] 甘洋. RS与GIS支持下的南昌市主城区扩张现状及预测分析研究[D]. 南昌: 东华理工大学, 2018

    Gan Yang. Research on the Current Situation and Forecast Analysis of the Expansion of the Main Urban Area of Nanchang Under the Support of RS and GIS[D]. Nanchang: Donghua University of Science and Technology, 2018
    [8] 谭雪兰, 欧阳巧玲, 江喆, 等. 基于RS/GIS的长沙市城市空间扩展及影响因素[J]. 经济地理, 2017, 37(3): 81-85 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201703011.htm

    Tan Xuelan, Ouyang Qiaoling, Jiang Zhe, et al. Urban Spatial Expansion and Influencing Factors of Changsha City Based on RS/GIS[J]. Economic Geography, 2017, 37(3): 81-85 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201703011.htm
    [9] 高金龙. 城市建设用地扩张模式与机理研究: 以南京市区为例[D]. 北京: 中国科学院大学, 2013

    Gao Jinlong. Research on the Mode and Mechanism of Urban Construction Land Expansion: Taking Nanjing City as an Example[D]. Beijing: University of Chinese Academy of Sciences, 2013
    [10] Masek J G, Lindsay F E, Goward S N. Dynamics of Urban Growth in the Washington DC Metropolitan Area, 1973-1996, from Landsat Observations [J]. International Journal of Remote Sensing, 2000, 21(18): 3473-3486 doi:  10.1080/014311600750037507
    [11] 舒松, 余柏蒗, 吴健平, 等. 基于夜间灯光数据的城市建成区提取方法评价与应用[J]. 遥感技术与应用, 2011, 26(2): 169-176 https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201102007.htm

    Shu Song, Yu Bailang, Wu Jianping, et al. Evaluation and Application of Urban Built-up Area Extraction Method Based on Night Light Data[J]. Remote Sensing Technology and Application, 2011, 26(2): 169-176 https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201102007.htm
    [12] 邹进贵, 陈艳华, 丁鸽, 等. 利用DMSP/OLS灯光影像提取城镇建成区的聚类阈值法[J]. 武汉大学学报·信息科学版, 2016, 41(2): 196-201 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201602009.htm

    Zou Jingui, Chen Yanhua, Ding Ge, et al. Clustering Threshold Method for Urban Built-up Area Extraction Using DMSP/OLS Light Images[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 196-201 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201602009.htm
    [13] Henderson M, Yeh E T, Gong P, et al. Validation of Urban Boundaries Derived from Global Night-Time Satellite Imagery[J]. International Journal of Remote Sensing, 2003, 24(3): 595-609 doi:  10.1080/01431160304982
    [14] 何春阳, 史培军, 李景刚, 等. 基于DMSP/ OLS夜间灯光数据的环渤海城市群地区城市化空间模式和过程研究[C]//中国地理学会2004年学术年会暨海峡两岸地理学术研讨会, 中国广州, 2004

    He Chunyang, Shi Peijun, Li Jinggang, et al. Research on the Spatial Pattern and Process of Urbanization in the Urban Agglomeration Around the Bohai Sea Based on DMSP/OLS Nighttime Light Data [C]//Academic Annual Conference of the Chinese Geographical Society and the Symposium on Geography Across the Taiwan Straits, Guangzhou, China, 2004
    [15] Roychowdhury K, Taubenböck H, Jones S. Delineating Urban, Suburban and Rural Areas Using Landsat and DMSP-OLS Night-Time Images[C]//Joint Urban Remote Sensing Event, Munich, Germany, 2011
    [16] Yi K, Tani H, Li Q, et al. Mapping and Evaluating the Urbanization Process in Northeast China Using DMSP/OLS Nighttime Light Data[J]. Sensors, 2014, 14(2): 3207-3226 https://www.mdpi.com/1424-8220/14/2/3207
    [17] Zhou Y. Analyzing the Velocity of Urban Dynamic over Northeastern China Using DMSP-OLS Night-Time Lights[C]// ISPRS Geospatial Week, Wuhan, China, 2017
    [18] Yao Y, Chen D, Chen L, et al. A Time Series of Urban Extent in China Using DSMP/OLS Nighttime Light Data[J]. PLOS One, 2018, 13(5): e198189
    [19] 陈可欣. 基于高分辨率遥感影像的建成区扩张与驱动力研究[D]. 杭州: 浙江大学, 2016

    Chen Kexin. Research on the Expansion and Driving Force of Built-up Areas Based on High-Resolution Remote Sensing Images[D]. Hangzhou: Zhejiang University, 2016
    [20] 刘纪远, 王新生, 庄大方, 等. 凸壳原理用于城市用地空间扩展类型识别[J]. 地理学报, 2003, 58(6): 885-892 https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200306011.htm

    Liu Jiyuan, Wang Xinsheng, Zhuang Dafang, et al. The Principle of Convex Hull is Used to Identify the Spatial Expansion Type of Urban Land[J]. Acta Geographica, 2003, 58(6): 885-892 https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200306011.htm
    [21] 耿甜伟. 西安市城市扩展时空特征、空间分异及其动力机制研究[D]. 西安: 西安外国语大学, 2017

    Geng Tianwei. Research on the Spatiotemporal Characteristics, Spatial Differentiation and Dynamic Mechanism of Urban Expansion in Xi'an[D]. Xi'an: Xi'an International Studies University, 2017
    [22] 高敏. 成都城市空间形态扩展时空演化过程及其规律分析[D]. 成都: 西南交通大学, 2009

    Gao Min. Spatial-Temporal Evolution Process and Law Analysis of Urban Spatial Form Expansion in Chengdu[D]. Chengdu: Southwest Jiaotong University, 2009
    [23] 耿甜伟, 毛雅倩, 李九全, 等. 西安城市扩展时空特征及驱动机制[J]. 经济地理, 2019, 39(10): 62-70 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201910010.htm

    Geng Tianwei, Mao Yaqian, Li Jiuquan, et al. The Spatiotemporal Characteristics and Driving Mechanism of Urban Expansion in Xi'an[J]. Economic Geography, 2019, 39(10): 62-70 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201910010.htm
    [24] 陈凌燕, 窦燕. 乌鲁木齐城市扩张、经济发展与经济结构动态研究[J]. 合作经济与科技, 2019(6): 14-20 https://www.cnki.com.cn/Article/CJFDTOTAL-HZJJ201906004.htm

    Chen Lingyan, Dou Yan. Dynamic Research on Urban Expansion, Economic Development and Economic Structure of Urumqi[J]. Cooperative Economy and Technology, 2019(6): 14-20 https://www.cnki.com.cn/Article/CJFDTOTAL-HZJJ201906004.htm
    [25] 熊皓, 郑伯红, 贾磊. 驱动力与制约力相互作用下中国城市空间扩张[J]. 经济地理, 2016, 36(1): 82-88 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201601012.htm

    Xiong Hao, Zheng Bohong, Jia Lei. Urban Spatial Expansion in China Under the Interaction of Driving Force and Constraining Force[J]. Economic Geography, 2016, 36(1): 82-88 https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201601012.htm
    [26] 黄木易, 岳文泽, 何翔. 长江经济带城市扩张与经济增长脱钩关系及其空间异质性[J]. 自然资源学报, 2018, 33(2): 219-232 https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201802004.htm

    Huang Muyi, Yue Wenze, He Xiang. The Decoupling Relationship Between Urban Expansion and Economic Growth in the Yangtze River Economic Belt and Its Spatial Heterogeneity[J]. Journal of Natural Resources, 2018, 33(2): 219-232 https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201802004.htm
    [27] 李德仁, 余涵若, 李熙. 基于夜光遥感影像的"一带一路"沿线国家城市发展时空格局分析[J]. 武汉大学学报·信息科学版, 2017, 42(6): 711-720 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201706001.htm

    Li Deren, Yu Hanruo, Li Xi. Analysis on the SpatioTemporal Pattern of Urban Development Along the "Belt and Road"Based on Luminous Remote Sening Images[J]. Geomatics and Information Science of Wuhan University, 2017, 42(6): 711-720 https://www.cnki.com.cn/Article/CJFDTOTAL-WHCH201706001.htm
    [28] 赵燕如, 邹自力, 张晓平, 等. 基于LEI和MSPA的南昌市城市扩张类型与生态景观类型变化关联分析[J]. 自然资源学报, 2019, 34(4): 732-744 https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201904005.htm

    Zhao Yanru, Zou Zili, Zhang Xiaoping, et al. Analysis of the Correlation Between Urban Expansion Type and Ecological Landscape Type Change in Nanchang Based on LEI and MSPA[J]. Chinese Journal of Natural Resources, 2019, 34(4): 732-744 https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201904005.htm
  • [1] 何亚坤, 艾廷华, 杜欣, 禹文豪.  网络空间向量剖分法识别城市路网网格模式 . 武汉大学学报 ● 信息科学版, 2018, 43(1): 138-139. doi: 10.13203/j.whugis20150757
    [2] 师泽源, 赵俭辉, 张文昱, 胡勇, 武小平.  基于扩展场强模型的稀疏AQI空间插值新算法 . 武汉大学学报 ● 信息科学版, 2017, 42(7): 968-974. doi: 10.13203/j.whugis20140980
    [3] 张景雄, 刘凤珠, 梅莹莹, 唐韵玮.  空间数据融合的研究进展:从经典方法到扩展方法 . 武汉大学学报 ● 信息科学版, 2017, 42(11): 1616-1628. doi: 10.13203/j.whugis20150213
    [4] 王海军, 夏畅, 张安琪, 张文婷.  利用生物地理学优化算法获取城市扩展元胞自动机模型参数 . 武汉大学学报 ● 信息科学版, 2017, 42(9): 1323-1329. doi: 10.13203/j.whugis20160438
    [5] 李德仁, 余涵若, 李熙.  基于夜光遥感影像的“一带一路”沿线国家城市发展时空格局分析 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 711-720. doi: 10.13203/j.whugis20170100
    [6] 焦利民, 吴苏.  利用自组织网络分析1990~2010年中国主要城市扩展特征 . 武汉大学学报 ● 信息科学版, 2014, 39(12): 1435-1440+1471.
    [7] 周新刚, 乐阳, 叶嘉安, 王海军, 仲腾.  动态数据空间分析的不确定性问题——以城市中心识别为例 . 武汉大学学报 ● 信息科学版, 2014, 39(6): 701-705. doi: 10.13203/j.whugis20140074
    [8] 王海军, 贺三维, 张文婷, 邓羽.  顾及障碍空间距离和区域差异的元胞自动机城市扩展模型构建 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 999-1002.
    [9] 肖金群, 汪长城, 李志伟, 杨亚夫.  基于配准偏移量的InSAR基线估计 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1236-1239.
    [10] 齐珺, 暴景阳, 刘雁春.  利用RTK技术确定海道测量船质心位置 . 武汉大学学报 ● 信息科学版, 2010, 35(9): 1048-1051.
    [11] 吴晓青, 胡远满, 贺红士, 布仁仓.  SLEUTH城市扩展模型的应用与准确性评估 . 武汉大学学报 ● 信息科学版, 2008, 33(3): 293-296.
    [12] 彭翀, 杜宁睿, 刘云.  大城市居住用地扩展的多主体模型研究 . 武汉大学学报 ● 信息科学版, 2007, 32(6): 548-551.
    [13] 胡鹏, 耿协鹏, 曹枫.  图形的形态变换和地图代数凸壳算法 . 武汉大学学报 ● 信息科学版, 2005, 30(11): 1003-1007.
    [14] 祝国瑞, 庞前聪, 王平.  可扩展性的公路空间数据库方案设计 . 武汉大学学报 ● 信息科学版, 2004, 29(7): 580-583.
    [15] 刘耀林, 刘艳芳, 明冬萍.  基于灰色局势决策规则的元胞自动机城市扩展模型 . 武汉大学学报 ● 信息科学版, 2004, 29(1): 7-13.
    [16] 黄波, 林珲.  GeoSQL:一种可视化空间扩展SQL查询语言 . 武汉大学学报 ● 信息科学版, 1999, 24(3): 199-203.
    [17] 余学祥, 吕伟才.  基于标准化残差的相关观测抗差估计模型 . 武汉大学学报 ● 信息科学版, 1999, 24(1): 75-78.
    [18] 袁修孝.  GPS辅助光束法平差中系统偏移的处理 . 武汉大学学报 ● 信息科学版, 1995, 20(3): 198-201,213.
    [19] 李静波, 关雪峰, 曾星, 杨昌兰, 邢巍然, 吴华意.  长株潭城市群建成区时空扩展特征及驱动力分析 . 武汉大学学报 ● 信息科学版, 0, 0(0): -. doi: 10.13203/j.whugis20210634
    [20] 王磊, 张娜, 殷楠, 程钢, 何湜.  一种利用质心Voronoi图对地形自适应简化的算法 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20200699
  • 加载中
图(4) / 表(12)
计量
  • 文章访问数:  142
  • HTML全文浏览量:  94
  • PDF下载量:  46
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-18
  • 刊出日期:  2022-07-05

乌鲁木齐城市空间扩展特征及驱动机制

doi: 10.13203/j.whugis20200119
    基金项目:

    新疆维吾尔自治区自然科学基金青年基金 2021D01C117

    作者简介:

    卢世俊,硕士,讲师,从事城市地理信息空间分析研究。15271800365@163.com

  • 中图分类号: P208

摘要: 随着城市化的迅速推进,城市空间扩展研究成为城市发展研究的热点。以统计年鉴数据为参考,以土地利用现状遥感监测数据为主体,以夜间灯光遥感数据为空间校正,进行了城市建设用地的提取及面积计算分析,得到中国新疆维吾尔自治区乌鲁木齐市2000—2006年为中速扩展模式,2007—2013年为高速扩展模式,2014—2018年为快速扩展模式;使用凸壳识别法,得到乌鲁木齐市2000—2018年扩展类型均为填充型;结合扩展模式用质心偏移判定乌鲁木齐扩展方向,得到乌鲁木齐市2006年较2000年,质心向西南方向偏移,2013年较2006年,质心继续向西南方向偏移,2018年较2013年,质心向东北方向偏移;通过标准差椭圆法对乌鲁木齐扩展方向进行验证,得出2006年相对于2000年,沿西北-东南方向扩展,2013年相对于2006年,沿西南-东北方向扩展,2018年相对于2013年,沿西南-东北方向扩展,扩展方向大体上与质心偏移方向相同。乌鲁木齐市城市扩展驱动机制受制于多方面因素影响,多种因素相互作用,在推动城市发展的同时,也造成城市扩展的时空分异。

English Abstract

卢世俊. 乌鲁木齐城市空间扩展特征及驱动机制[J]. 武汉大学学报 ● 信息科学版, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
引用本文: 卢世俊. 乌鲁木齐城市空间扩展特征及驱动机制[J]. 武汉大学学报 ● 信息科学版, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
LU Shijun. Characteristics and Driving Mechanism of Urban Space Expansion in Urumqi[J]. Geomatics and Information Science of Wuhan University, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
Citation: LU Shijun. Characteristics and Driving Mechanism of Urban Space Expansion in Urumqi[J]. Geomatics and Information Science of Wuhan University, 2022, 47(7): 1025-1034. doi: 10.13203/j.whugis20200119
  • 近年来,随着中国经济发展速度的逐年提升,中国的城市化速度不断加快,城市的建设用地逐渐扩展[1]。作为发展中国家,中国发展的区域性差异较为明显,因此城市的扩展速度受经济发展差异影响,呈现出不同特点[2]。此前的有关城市的研究主要集中在发展较为迅速的沿海及南方城市,对西北地区发展缓慢城市的扩展研究多集中于扩展模式、扩展类型、扩展方向中的某一个单一方向,对西部地区城市扩展的综合性研究较少[3-10]。本文以中国新疆维吾尔自治区乌鲁木齐市的城市扩展为研究本体,运用多源数据对乌鲁木齐市的扩展模式、扩展类型、扩展方向、驱动力因素进行研究,并分析其扩展的驱动力因素,进而为其他经济发展较缓慢的城市提供研究思路和方向。

    • 乌鲁木齐市地处欧亚大陆中心区域,准噶尔盆地南缘,东邻吐鲁番市,南邻和硕县、和静县,西邻五家渠市、昌吉市,北与阿勒泰地区相接。全市行政区域总土地面积为13 788 km2,地势东南高、西北低。

      本文研究过程中所用到的数据主要包括以下4类:

      1)2000年、2006年、2013年、2018年全球夜光遥感影像,GCS_WGS_1984坐标系,分辨率约为1 km,数据来源于国家地球物理数据中心(National Geophysical Data Center,NGDC)(http://www.ngdc.noaa.gov.cn/

      2)2000年、2006年、2013年、2018年4个时期的全国范围土地利用影像数据,GCS_WGS_1984坐标系,分辨率为9.87 m,精度达90%以上,数据来源于地理空间数据云(http://www.gscloud.cn/)。

      3)《建设统计年鉴》2000年、2006年、2013年、2018年乌鲁木齐市建设用地数据,数据来源于中华人民共和国住房和城乡建设部(简称住建部)官网(http://www.mohurd.gov.cn/index.html)。

      4)2000—2018年乌鲁木齐市国民经济和社会发展统计公报和2000—2020年乌鲁木齐市城市总体规划,数据来源于乌鲁木齐市政府统计局统计数据(http://www.wlmq.gov.cn/)。

      由于夜光遥感影像中灯光区域零散且模糊,对面积的统计造成一定的误差和困难,故需先进行饱和校正[11-18]。本文采用二次方程对2000年、2006年、2013年、2018年稳定灯光影像中的非饱和像元进行相互校正,其校正公式为:

      $$D{\rm{'}} = a \times {D^{\rm{2}}} + b \times D + c$$ (1)

      式中,D是夜光遥感影像像元亮度值;D'是校正后遥感影像像元亮度值;abc是校正方程的系数。

      在进行相互校正后需采用幂函数对2000年、2006年、2013年、2018年稳定灯光影像中的饱和像元进行饱和校正,其计算公式为:

      $$D{\rm{'}} = \lambda \times D_{}^\alpha $$ (2)

      式中,αλ为幂函数的参数。

    • 通过城市建设用地扩展面积指数、扩展速率、扩展动态度、扩展强度等城市扩展模式判定指标,分析乌鲁木齐市扩展的时间特征。

      1)城市建设用地扩展面积:

      $${\rm{\Delta }}S = {S_{i{\rm{2}}}} - {S_{i{\rm{1}}}}$$ (3)

      式中,ΔS表示城市建设用地扩展面积;Si1Si2分别表示第一时期和第二时期的城市建设用地面积。

      2)城市建设用地扩展速率:

      $${V_i} = \frac{{{\rm{\Delta }}S}}{{{\rm{\Delta }}T}}$$ (4)

      式中,Vi表示城市建设用地扩展速率;ΔT表示间隔时间。

      3)城市扩展动态度:

      $${K_i} = \frac{{{\rm{\Delta }}S}}{{{S_{i{\rm{1}}}} \times {\rm{\Delta }}T}} \times {\rm{100\% }}$$ (5)

      式中,Ki表示城市扩展动态度。

      4)城市空间扩展强度:

      $${U_i} = \frac{{{\rm{\Delta }}S}}{{{A_{i{\rm{1}}}} \times {\rm{\Delta }}T}} \times {\rm{100\% }}$$ (6)

      式中,Ui表示城市空间扩展强度;Ai1表示第一时期的总体土地面积。

      参照有关城市扩展研究,大致将城市扩展模式分为以下5类[19]

      1)高速扩展型,城市扩展速率 > 20 km2/a;

      2)快速扩展型,10 km2/a < 城市扩展速率≤20 km2/a;

      3)中速扩展型,6 km2/a < 城市扩展速率≤10 km2/a;

      4)低速扩展型,2 km2/a < 城市扩展速率≤6 km2/a;

      5)缓慢扩展型,城市扩展速率≤2 km2/a。

    • 本文利用土地利用影像和夜光遥感影像提取乌鲁木齐城市建设用地,提取结果如图 1所示,统计结果如表 1所示。

      图  1  城市建设用地提取结果对比图

      Figure 1.  Comparison of Urban Construction Land Extraction Results

      表 1  土地利用遥感影像与统计年鉴数据对比表/km2

      Table 1.  Comparison of Land Use Remote Sensing Images and Statistical Yearbook Data/km2

      年份 土地利用影像 夜光遥感影像 年鉴数据
      2000 171.3 173.8 167.1
      2006 229.1 232.9 227.7
      2013 373.7 375.1 371.1
      2018 437.7 441.2 436.7

      图 1表 1可以看出,土地利用影像提取的乌鲁木齐市建设用地和夜光遥感影像提取的建设用地之间存在一定的差异,其产生的差异与夜光遥感影像的分辨率、夜间灯光的发散程度大、提取阈值的选取有关,进而导致夜光遥感影像提取的建设用地面积大于土地利用影像提取的面积,土地利用影像数据与住建部统计年鉴数据相比较而言,有较小的差异,这种数据差异可能和住建部统计建设面积时遗漏掉部分区域的建筑有关,通过统计计算得到3种数据之间的相对误差,如表 2所示。

      表 2  两类数据对年鉴数据相对误差值/%

      Table 2.  Relative Error Value of Two Types of Data to Yearbook Data/%

      年份 相对误差
      土地利用影像提取 夜光遥感影像提取
      2000 2.5 4.0
      2006 0.6 2.3
      2013 0.7 1.1
      2018 0.2 1.0

      表 2可以看出3种数据间的相对误差较小,说明3种数据的乌鲁木齐市建设用地提取方法准确,能够满足本文的研究需要。此外,除2000年外,2006年、2013年、2018年的土地利用影像提取城市建设用地与统计年鉴数据之间的相对误差值都小于1%,故后期的城市扩展模式研究和扩展方向探索都建立在土地利用影像提取的城市建设用地上。

    • 城市空间扩展速度可在绝对数量上反映城市用地的面积变化,而城市用地扩展动态度在其基础上加入初始城市建设用地面积因素,能够更好地反映城市扩展的相对速率;城市空间扩展强度则主要是基于城市空间扩展面积与总体土地面积的比值关系,多用于描述城市扩展的速度以及强度。4种指标的计算结果如表 3所示。

      表 3  城市扩展模式度量指标计算结果

      Table 3.  Calculation Results of Urban Expansion Pattern Metrics

      时期 ΔS/km2 V/(km2∙a-1) K/% U/%
      2000—2006年 47.7 8.0 4.6 0.1
      2007—2013年 154.6 22.1 10.1 0.2
      2014—2018年 64.0 12.8 3.4 0.1

      表 3可以看出,2007—2013年乌鲁木齐市的城市扩展面积较其他两个时期有较为显著的差异,其速度、城市扩展动态度也大于另两个时期的数值。相比2007—2013年和2014—2018年这两个时期而言,2000—2006年期间,城市的扩展面积和速度相对较小,这跟当时的城市发展规划以及这期间的政策重心都有较大的关系。

      结合乌鲁木齐市的实际发展情况,按照对应的速度指标将各个时期的扩展模式进行分类,其结果如表 4所示。

      表 4  各时期及对应扩展模式

      Table 4.  Each Period and Corresponding Expansion Mode

      时期 城市扩展模式
      2000—2006年 中速扩展型
      2007—2013年 高速扩展型
      2014—2018年 快速扩展型

      表 4所示,在2000—2006年期间,乌鲁木齐市的城市扩展模式大致为中速扩展型,其产生原因可能是这几年城市的规划和实际政策的重心集中在城市的其他方面建设上;2007—2013年乌鲁木齐市的城市扩展模式大致为高速扩展型,2014—2018年乌鲁木齐市的城市扩展模式大致为快速扩展型,2007—2013年和2014—2018年这两个时期的发展速度较快,这与城市建设规划的重心向城市经济发展以及人口增加有一定的联系。总体而言,乌鲁木齐扩展强度、扩展速率、扩展面积变化趋势基本保持一致,其增长面积最大与扩展强度最高的时期为2007—2013年。具体而言,从扩展面积看,乌鲁木齐研究时段内始终保持大面积扩展,年均扩展面积为14.79 km2,属于快速扩展;从扩展强度分析,仅2007—2013年属于快速扩展,其余时间属于中速、低速扩展。

      根据分析结果,本文预测未来一段时间内,乌鲁木齐市仍处于大面积扩展的剧烈城市化进程中,但由于其城市化阶段及空间范围,其扩展强度与速度将长期处于高速至中速阶段,进而有逐渐降低的趋势。

    • 1)凸壳识别。凸壳识别是以扩展的建设用地斑块在凸壳内外的面积大小来识别其扩展类型[20],判定依据如表 5所示。

      表 5  城市扩展类型分类及依据

      Table 5.  Classification and Basis of Urban Expansion Types

      面积关系 城市扩展类型
      凸壳外面积大于或等于凸壳内面积 蔓延型
      凸壳外面积小于凸壳内面积 填充型
      扩展斑块脱离凸壳 飞地型

      2)质心偏移。质心偏移所使用的质心是确定要素质心的x值和y值的平均值所对应的位置,继而通过不同时期质心的变化来判定城市扩展的方向[21]。由质心坐标值计算各个时间段的质心偏移距离d、偏移速度v、偏移加速度a、偏移角度θ

      3)标准差椭圆变化。标准差椭圆利用质心结合该年份的城市建设用地图斑得出各个年份的城市建设用地椭圆,生成椭圆时以建设用地面积作为权重。标准差椭圆能够较为直接地表示出城市的扩展面积变化和方向变化[22]

    • 首先生成2000年城市建设用地最小外接凸多边形,再按照相同的方法依次得出2006年、2013年的凸壳识别模型,并结合凸壳模型分析各个时期扩展类型,具体情况如图 2所示。

      图  2  凸壳识别示意图

      Figure 2.  Convex Hull Recognition Diagram

      通过以上的研究结果得出各个时期的凸壳模型情况的面积计算如表 6所示。

      表 6  通过凸壳识别确定扩展类型

      Table 6.  Determining Extended Type by Convex Hull Recognition

      时期 (填充面积/城市扩展总面积)/% (蔓延面积/城市扩展总面积)/% (填充面积/蔓延面积)/% 扩展主导类型
      2000—2006年 85.5 14.5 5.9 填充型
      2007—2013年 64.6 35.4 1.8 填充型
      2014—2018年 91.5 8.5 10.7 填充型

      表 6可以看出,2000—2006年填充面积占85.5%,蔓延面积占14.5%,说明在此时期填充占主导地位;2014—2018年与2000—2006年具有相似特征,2007—2013年填充面积和蔓延面积所占比例较为接近,说明在此时期乌鲁木齐市的城市扩展填充和蔓延同步进行,填充略大于蔓延。本文研究的3个时期,城市扩展填充面积和蔓延面积的比值都大于1,即在2000—2018年期间乌鲁木齐市城市扩展的主导类型都为填充型,其中2014—2018年其比值远大于其他两个时期,这表明此时间段的乌鲁木齐市扩展面积较大且主要为填充型扩展。

    • 1)质心偏移法。根据2000年、2006年、2013年、2018年的城市建设用地质心,通过矢量化得出按照年份的质心偏移矢量图。根据提取城市建设用地得出的图斑获得的质心坐标值如表 7所示。由以上质心坐标值计算各个时间段的质心偏移距离d、偏移速度v、偏移加速度a、偏移角度θ,其结果如表 8所示。为更加形象地表示出质心偏移方向,将表 7的坐标值以图示方式展现,其结果如图 3所示。

      表 7  各个年份城市建设用地质心坐标

      Table 7.  Geocentric Coordinate for Urban Construction in Each Year

      年份 质心横坐标/m 质心纵坐标/m
      2000 545 612.1 4 858 803.6
      2006 545 433.1 4 858 069.9
      2013 545 163.7 4 857 316.4
      2018 547 298.2 4 859 523.6

      表 8  质心偏移指标值

      Table 8.  Centroid Shift Index Value

      时期 d/m v/(m∙a-1) a/(m∙a-2) θ/(°)
      2000—2006年 755.3 151.1 30.2 西偏南13.7
      2007—2013年 799.4 159.9 32.0 西偏南19.7
      2014—2018年 3 070.5 614.1 122.8 北偏东46.0

      图  3  质心偏移方向示意图

      Figure 3.  Diagram of Centroid Offset Direction

      图 3可以清晰看出2000年、2006年、2013年和2018年的城市建设用地质心都集中在乌鲁木齐市新市区,这说明城市的建筑密度较大区域在新市区。由表 7所示的质心坐标值并结合图 3所示的质心偏移矢量图可以得出乌鲁木齐市在2000—2006年期间质心向西南方向产生了偏移,在2007—2013年期间质心向西南方向产生了偏移,在2014—2018年期间质心向东北方向产生了偏移。通过图 3的质心偏移图和表 8的质心偏移指标值可以清晰地看出,2000年质心向2006年质心和2006年质心向2013年质心都产生了较小的偏移。而2013年到2018年各项偏移指标数值较大,表明了2013年和2018年的质心间距离较大。

      2)标准差椭圆法。标准差椭圆的相关计算数值如表 9所示,其中,Xdist为长轴,Ydist为短轴,R为椭圆的方向角度,e为椭圆的扁率,a为椭圆面积。

      表 9  各个年份标准差椭圆各项参数

      Table 9.  Various Parameters of the Standard Deviation Ellipse in Each Year

      年份 Xdist/m Ydist/m R/(°) e a/m²
      2000 17 707.3 11 768.6 168.1 0.3 654 638 812.6
      2006 15 824.6 8 368.2 169.9 0.5 415 982 751.9
      2013 9 582.2 17 152.0 10.0 0.4 516 290 598.2
      2018 10 660.5 16 033.7 8.3 0.3 536 949 078.4

      表 9可以看出,标准差椭圆面积先减小后增加,表明乌鲁木齐市扩展的范围出现先收缩后加大的现象,进而充分说明了乌鲁木齐市的城市建设持续进行。从表 9中可以看出,2000—2006年期间长轴由17 707.3 m变为15 824.6 m,短轴由11 768.6 m变为8 368.2 m;2007—2013年长轴由15 824.6 m变为9 582.2 m,短轴由8 368.2 m变为17 152.0 m;2014—2018年长轴由9 582.2 m变为10 660.5 m,短轴由17 152.0 m变为16 033.7 m。扁率先增大后减小,表明乌鲁木齐市建设用地分布的方向性先加强后减小,与方向角度变化趋势一致。由标准差椭圆得出的长短轴数值得出各个时期的城市建设用地椭圆如图 4所示。由图 4并结合表 9的长短轴变化可以看出椭圆的长轴先减小后增大,椭圆长轴的伸缩幅度远大于短轴,2006年相对于2000年,沿西北-东南方向扩展,2013年相对于2006年,沿西南-东北方向扩展,2018年相对于2013年,沿西南-东北方向扩展。

      图  4  标准差椭圆计算结果示意图

      Figure 4.  Diagram of Calculation Result of Standard Deviation Ellipse

      3)质心偏移与标准差椭圆对比分析。由质心偏移和标准差椭圆可以得出乌鲁木齐市建设用地变化方向比较结果,如表 10所示。从表 7表 10中可以看出,2000—2006年乌鲁木齐市扩展方向存在差异,2007—2013年、2014—2018年乌鲁木齐市的扩展方向大体一致,此结论表明在对城市扩展方向研究中利用质心偏移和标准差椭圆两种方法所得出的结果大体相同,说明本文所得出的乌鲁木齐市扩展方向较为准确。

      表 10  质心偏移和标准差椭圆确定方向

      Table 10.  Centroid Offset and Standard Deviation Ellipse Determination Orientation

      时期 质心偏移 标准差椭圆
      2000—2006年 西南 西北-东南
      2007—2013年 西南 西南-东北
      2014—2018年 东北 西南-东北
    • 由前文可知,2000—2018年,乌鲁木齐不同时间段城市扩展表现出明显的时空分异特征。本文借鉴已有研究,结合乌鲁木齐城市建设历程与城市扩展时空分异特征,利用力学相关概念构建乌鲁木齐市城市扩展的驱动机制,利用灰色关联分析,以推力为例,分析推动城市扩展的影响因素,揭示造成时空分异的原因。

      驱动机制主要由推力、弹力、阻力、支持力4部分构成。推力与支持力是城市扩展的主要动力,其中,支持力为自然条件、行政因素等,推力为推动城市扩展进程的因素,如紧急发展、人口扩展等;阻力是指影响城市扩展的因素,弹力为城市功能分区、规划、开发区及大学城建设等[23]

    • 推力是指由城市发展所带来的作用于自身的动能,进而推动其继续向前发展的力量,具体包括经济因素、人口因素及交通因素。城市扩展受社会经济影响非常大,且非农业人口在城市的建成区范围内承担着大部分社会活动,所以说城市的扩展变化与非农业人口之间有着密切相关的联系。非农业人口变化是影响城市扩展的主要因素。此外,国内生产总值(gross domestic product,GDP)体现国民社会经济发展的情况,是测评国民社会经济水平的重要指标,对城市扩展有较大影响。因此,本文采用灰色关联分析法来分析乌鲁木齐城市扩展的推力。

      1)城市扩展驱动因素指标的选取。乌鲁木齐流动性较弱的非农业人口变化以及经济发展变化影响着城市的扩展变化[24]。进行灰色关联分析时,需要设立一个可以体现出影响城市扩展的指标体系。目前研究结果证明,影响城市扩展的驱动因素主要是非农业人口变化和社会经济的不断发展。本文选择的城市扩展驱动因素数据是乌鲁木齐市近20 a的非农业人口变化和社会经济发展的4种指标(见表 11)。

      表 11  城市扩展驱动指标体系

      Table 11.  Urban Expansion Driving Indicator System

      因素分类 一级指标 二级指标
      社会因素 人口增长 非农业人口
      GDP
      工业总产值
      经济因素 社会发展 地方财政收入

      2)乌鲁木齐市城市扩展社会经济因素灰色关联分析。在已经提取出来的乌鲁木齐市城建区的面积和周长的基础上,利用获取的社会经济因素等影响城市形态扩展的驱动因素进行分析。建立参考数列建成区的面积为x0,影响其的比较数列分别为:x1为非农业人口,x2为GDP,x3为工业总产值,x4为地方财政收入。

      由于影响城市城建区扩展的驱动因素各不相同,导致计算过程中量纲也不同,这样会带来结果和精度的差异。因此,在分析之前需要进行无量纲化的数据处理,计算公式为:

      $$ \begin{array}{*{20}{c}} {{y_k} = {X_{ik}}/{X_{iL}},}\\ {i = 0,1,2 \cdots m;k = 1,2,3 \cdots n} \end{array} $$ (7)

      式中,ykXik分别为各因素的无量纲值与实际值;XiL为各因素的阈值。

      计算关联系数,即计算X0kXik的关联系数:

      $${\zeta _{ik}} = \frac{{\mathop {{\rm{min}}}\limits_i \mathop {{\rm{min}}}\limits_k \left| {{y_k} - Xik} \right| + \rho \mathop {{\rm{max}}}\limits_i \mathop {{\rm{max}}}\limits_k \left| {{y_k} - Xik} \right|}}{{\left| {{y_k} - Xik} \right| + \rho \mathop {{\rm{max}}}\limits_i \mathop {{\rm{max}}}\limits_k \left| {{y_k} - Xik} \right|}}$$ (8)

      式中,ζik为关联系数;ρ为分辨系数,取值一般在0~1之间。

      $${r_i} = \frac{{\rm{1}}}{n}\mathop \sum \limits_{k = {\rm{1}}}^n \zeta ik$$ (9)

      式中,ri是比较数列xi对参考数列x0的灰色关联度;n是数列长度[25-26]

      3)城市扩展驱动因素灰色关联测度。本文以乌鲁木齐市的4个社会经济数据作为比较数列,对对应各时期的研究区已建成面积进行灰色关联分析。在各政府网站获取乌鲁木齐市的社会经济因素之后,对以上4种社会经济因素进行统计,计算出它们之间的关联度,通过得出的关联度分析社会经济因素在城市扩展过程中的影响程度。计算结果如表 12所示。

      表 12  建成区扩展社会经济驱动因素灰色关联分析结果

      Table 12.  Grey Correlation Analysis Results of Social and Economic Driving Factors of Built-up Area Expansion

      驱动因素 关联系数 排序
      非农业人口 0.8 1
      GDP 0.8 2
      工业总产值 0.7 3
      地方财政收入 0.7 4

      表 12可以看出,各驱动因素对乌鲁木齐市城市扩展的关联系数和排序的影响程度不同,分别为:非农业人口>GDP>工业总产值>地方财政收入。分析表明,在这几个驱动因素中,对乌鲁木齐市城市扩展影响最大的是非农业人口数量的变化,也可以说非农业人口数量的变化是社会经济因素对城市扩展的影响因素中最重要的驱动因素,其次是GDP。工业总产值和地方财政收入对城市扩展也有相应的影响,但比起前两个,它们的影响程度较小。

    • 支持力是指为城市扩展提供便捷条件或促进城市扩展的因素,主要包括自然环境与行政因素。乌鲁木齐地处欧亚大陆中心区域,准噶尔盆地南缘,地势东南高、西北低,三面环山。这些地质条件为城市的扩展提供了条件,乌鲁木齐市相对平坦的地形以及三面环山的地形,也为日后城市扩展建设提供了地理条件。此外,决策者也是支持力的重要因素,自从2000年西部大开发实施以来,乌鲁木齐城市化进程成效显著,城市扩展速度日益加剧。自2013年国家提出“一带一路”合作倡议以来,乌鲁木齐作为“一带一路”的重要交点,GDP和地方财政收入提升了很多,给乌鲁木齐市带来了非常大的发展空间和表现机会,乌鲁木齐城市形态扩展仍保持高速扩展,并进入了新的发展阶段[27]

    • 弹力对城市扩展的影响是复杂的,既表现在作为强大的动力推动城市扩展,同时也表现在作用于城市的不同区域而导致完全迥异的扩展特征,其具体因素包括了功能分区、开发区及大学城建设等[22]

      乌鲁木齐市经济开发区的成立、米东新区的并入、河马泉新区大学城的创建,在对城市地方财政收入作出巨大贡献的同时,也为城市扩展提供了不可忽略的条件。通过前文研究可知,乌鲁木齐沿西南-东北方向扩展,说明该方向是城市新开发区域或是未来重点开发区。经对比发现,该区域是乌鲁木齐高新区及河马泉新区,高新区在观察期内经历了从资源开采区到高新产业聚集区的改变,河马泉新区经历了从旅游开发区到大学城改变的转化,这也使得这两个新区成为并且未来一段时间内会成为乌鲁木齐市建设速度最快的区域。由此可见,功能区、开发区及大学城建设等弹力因素极大地带动了城市化进程,也造成了城市扩展空间分异。此外,弹力因素还表现在对城市扩展模式的影响上,开发区、大学城等在建设之初往往选择在城市尚未进行开发的近郊区,而短时间内高强度、大规模的工程建设将使得该区域呈现出短时间内的飞地型扩展模式。

    • 阻力是指阻碍城市扩展的因素,包括了生态保护、文化遗址保护等。随着人地矛盾逐渐凸显,生态环境保护与生态系统平衡成为时代主题,在城市发展过程中提出必须要以保护环境为基础[28]。乌鲁木齐三面环山的地理环境,成为了限制乌鲁木齐扩展方向及强度的因素。

    • 在2000—2018年期间,乌鲁木齐市扩展经历了中速扩展—高速扩展—快速扩展的阶段。其中,2000—2006年为中速扩展型,2007—2013年为高速扩展型,2014—2018年为快速扩展型。根据研究结果预测,乌鲁木齐在未来一段时间内仍将处于年均扩展面积大于10 km2的扩展阶段,但其扩展速度将呈现先短期增加再逐步下降趋势。

      利用凸壳识别得出2000—2018年期间乌鲁木齐市的城市扩展类型都为填充型。利用质心偏移和标准差椭圆进行分析得出了乌鲁木齐市2006年较2000年质心向西南方向偏移,2013年较2006年质心继续向西南方向偏移,2018年较2013年质心向东北方向偏移;通过标准差椭圆法对乌鲁木齐扩展方向进行验证,得出2006年相对于2000年,沿西北-东南方向扩展,2013年相对于2006年,沿西南-东北方向扩展,2018年相对于2013年,沿西南-东北方向扩展,扩展方向大体上与质心偏移方向相同。对乌鲁木齐市城市扩展驱动机制进行分析,推力、支持力、弹力、阻力等多种因素互相联系,共同作用于城市,在阻力系统确定的城市发展基线与方向的基础上,充分发挥推力的拉动作用,合理利用并最大限度开发弹力。驱动机制一方面推动城市扩展的进程,另一方面也造成了城市扩展的时空差异。

      在完成本文的研究过程中,由于时间有限和来源数据的精度原因导致本文存在一些不足之处,如土地利用遥感影像的城市建设用地的提取过程中会存在一些较小区域的建筑被遗漏,进而影响后文的进一步研究。此外,本文所使用的夜间灯光数据的分辨率较小,也对该数据的城市建设用地提取造成一定的困难。后续研究可在本文的基础上利用更加精确全面的数据应用编程的方式处理相关影像和驱动力分析,将会得到更为准确的结果,进而更加符合所研究城市的实际情况。

参考文献 (28)

目录

    /

    返回文章
    返回