EN中文

GEOGRAPHICAL RESEARCH >

2018 , Vol. 37 >Issue 1: 37 - 52

DOI: https://doi.org/10.11821/dlyj201801003

Articles

Spatial-temporal characteristics and driving factors of urban construction land in Beijing-Tianjin-Hebei region during 1985-2015

  • LI Jintao , 1 ,
  • LIU Yansui , 1, 2 ,
  • YANG Yuanyuan 2 ,
  • LIU Jilai 1
Expand
  • 1. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received date: 2017-05-24

  Request revised date: 2017-10-12

  Online published: 2018-01-31

Copyright

《地理研究》编辑部
Fold

Abstract

Land use and land-cover change has received great attention from scientists all over the world for a long time. In particular, studying the spatial-temporal characteristics of urban construction land and orienting the urban function accordingly is significant for promoting urban sustainable and scientific development. This paper focused on the urban construction land of 13 cities in the Beijing-Tianjin-Hebei region during 1985-2015 and analyzed their spatial-temporal characteristics by both quantitative and qualitative methods. Then, the driving factors of differentiation on temporal evolution and spatial pattern of urban construction land were detected by multiple linear regression, path analysis and geographic detector method. Based on the dominant mechanism of driving factors, function orientation of urban development in the study region was proposed. The major results were showed as follows. First, there were obvious spatial differences of expansion, speed, direction and stability of urban construction land, and the 13 cities can be divided into stable and coordinated type, fluctuant and coordinated type, stable and uncoordinated type, fluctuant and uncoordinated type.Second, the main driving factors of the temporal evolution of urban construction land in this region included GDP index, population density, and financial income index, while the dominant factors of spatial evolution of urban construction land included distance to the city center, distance to the main river, and distance to the main highway. Finally, according to these results, the 13 cities were accurately and scientifically divided into the core economic leading cities, key economic development cities, and economic stable and conservation cities, which provide some references for the coordinated and integrated development of the Beijing-Tianjin-Hebei region.

Key words： urban construction land; major driving factors; function orientation; geographical detector; Beijing-Tianjin-Hebei region

Cite this article

LI Jintao , LIU Yansui , YANG Yuanyuan , LIU Jilai . Spatial-temporal characteristics and driving factors of urban construction land in Beijing-Tianjin-Hebei region during 1985-2015[J]. GEOGRAPHICAL RESEARCH, 2018 , 37(1) : 37 -52 . DOI: 10.11821/dlyj201801003

1 引言

自20世纪90年代,土地利用/覆被变化（LUCC）作为全球变化研究的重要领域[1,2,3],引起了学者广泛关注,研究土地利用/覆被变化,能够加强对人类活动在全球变化中的作用机制的认识。同时期,中国正处于城市化的高速发展阶段,城镇人口数量快速增长,2015年为1985年的3.1倍,城镇人口占比由23.7%上升至56.1%;按照目前的线性增长速度,到2030年,中国预计将有超过70%的人口居住在城市,城市化达到发达国家水平。城市化的快速发展推动了建设用地的规模扩张,而建设用地空间变化也是引起土地利用/覆被变化的重要原因。因此,研究城市建设用地的扩张特点[4,5]、空间分布规律[6]、驱动因素[7,8,9]和动力机制[10,11],对于加快城市化进程以及揭示城市土地利用/覆被变化的原因、内在机制和过程具有重要意义[12]。
土地利用覆被变化驱动力研究,一方面主要从人口、社会、经济、政策等方面进行关联性分析,利用相关性、多元线性回归、主成分分析、因子分析和Logistic回归模型、灰色模型、CLUE-S模型等方法[13,14,15,16,17,18],分析驱动因子与目标的数量关系,而忽视了驱动因子与城市建设用地空间关系;另一方面,受行政区界线的干扰,利用定性方法分析土地利用空间分异的影响因素,难以利用准确的定量方法研究单项土地利用覆被变化的驱动机制。因此,如何克服行政界线影响,定量研究单项土地利用覆被空间变化驱动要素,是土地利用变化研究需要解决的一项难题。
《城市用地分类与规划建设用地标准》中规定,城市建设用地是指城市和县人民政府所在地内的居住用地、公共设施用地、工业用地、仓储用地、对外交通用地等的总称,本研究中的城市建设用地是指城市规划区范围内的建设用地,用于满足城市建设与发展的需求,其规模与发展速度是反映城市发展水平的重要指标。近年来,城市建设用地变化及其驱动力逐渐成为研究热点,利用人口、经济水平、产业结构、政策等社会经济指标定量分析城市建设用地扩展的影响因素,探索各要素对城市建设用地作用机制的研究较多[19,20,21,22]。但是缺乏从时间、空间角度综合探测城市建设用地驱动因素和将驱动因素与发展特征相结合对城市进行合理定位的研究。
因此,本文利用多元线性回归、通径分析、地理探测器与空间邻域分析等方法对京津冀地区（北京市、天津市、石家庄市、保定市等）13个城市1985-2015年的城市建设用地进行时空演变特征及其驱动因素研究;根据各城市的发展特性,划定城市建设用地扩张类型;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,结合城市自身的优势与发展特点对京津冀的城市发展功能定位。对促进京津冀地区实现一体化、可持续发展和土地利用时空变化的驱动分析研究具有实践价值,同时也是促进城市科学、持续发展的重要保障。

2 研究方法与数据来源

2.1 研究区概况

京津冀地区是中国的“首都圈”,包括北京市、天津市以及河北省的保定、唐山、廊坊、秦皇岛、张家口、承德、石家庄、沧州、邯郸、邢台、衡水等13个城市,区域总面积为21.8万km2（图1）,是中国的经济中心、国际交往中心、文化中心与创新中心。
Fig. 1 The location of study area

图1 研究区位置

2015年末,京津冀地区的常住人口为1.11亿,占全国总人口的8.13%,其中外来人口1750万,占地区总人口的15.7%,城镇人口为6967万,城镇化率为62.5%;地区国内生产总值（Gross Domestic Product,GDP）为69312.89亿元,占全国GDP的10.24%。城市建设用地面积为4141 km2,占地区总面积的1.90%。
随着京津冀地区社会经济的不断发展,愈来愈多的农村人口被吸引进城,导致了城市人口规模逐渐增大,用地需求随之增加,也加快了城市化发展的进程。1985-2015年,京津冀地区城镇人口增加了4013万,城镇化率提升了22.1个百分点;城市建设用地规模增加了3014 km2,城市规模扩大为原来的3.7倍,城市在30年间发生了巨大变化,该区域城市发展具有典型性。因此,研究区的城市建设用地受经济、人口、产业及自然条件作用的时空演变特征与驱动机制,对京津冀地区城市发展功能进行科学定位与实现城市与社会经济协调发展具有参考价值。

2.2 数据来源

本文利用由中国科学院资源环境科学数据中心提供的100 m×100 m土地利用栅格数据,分析京津冀地区13个城市1985-2015年城市建设用地的时空演变特征。
利用国家地理信息中心提供的DEM数据,通过影像校正和坡度分析,获取研究区的高程与坡度,作为区域要素。运用GIS空间邻域分析方法,提取各栅格到主要铁路、河流、公路和原有城市中心的距离,主要河流（三级以上河流）、主要公路、主要铁路等典型带状要素;在每个城市中均存在,空间栅格到各要素的距离,表示地理区位,为轴要素;到城市中心的距离是以每个城市为单位,内部栅格到自身城市中心的距离,表示经济区位,为点要素;由此,形成了京津冀地区的点—轴—区三级体系空间驱动因素,如表1所示。
Tab. 1 Driving factors of urban construction land

表1 城市建设用地时空驱动因素

时间驱动因素 空间驱动因素
经济水平 GDP指数（x1） 区域要素（自然条件） 高程（y1）
固定资产投入指数（x2） 坡度（y2）
社会消费指数（x3）
财政收入指数（x4） 轴要素（地理区位） 到主要铁路距离（y3）
人口规模 人口密度指数（x5） 到主要河流距离（y4）
人口自然增长率（x6） 到主要公路距离（y5）
就业指数（x7） 点要素（经济区位） 到城市中心距离（y6）
城镇化率（x8）
产业结构 第二产业结构比（x9）
第三产业结构比（x10）
工业产值规模指数（x11）
企业规模指数（x12）
结合国内学者的研究经验[23,24,25],根据数据获取的科学性、可操作性原则,从《中国统计年鉴》《中国城市统计年鉴》和《中国城市建设统计年鉴》中,选取了京津冀地区的经济水平、人口规模和产业结构等方面的社会经济数据,作为时间驱动因素,如表1所示。

2.3 研究方法

本文采用多元线性回归、通径分析、地理探测器等研究方法。通过多元线性回归,分析时间驱动因素与京津冀地区城市建设用地的数量关系,确定影响各地区城市建设用地变化的主导因素;利用通径分析测度城市建设用地主导因子的直接和间接通径系数,并进一步测算主导驱动因子的剩余通径系数,检验驱动因素回归模型是否优化;利用地理探测器分析空间驱动因素,从点—轴—区三级体系探究影响城市建设用地空间分异的主导驱动因子。
（1）多元线性回归（Multivariable Linear Regression）
利用多元线性回归分析13个城市1985-2015年的城市建设用地变化率与经济、人口、产业等因素的相关性,探讨自变量与因变量的统计学关系,从数量关系考虑各因子对城市建设用地的影响,借助逐步回归分析方法进行共线性诊断,剔除多余变量,构建优化的线性回归模型。
（2）通径分析（Path Analysis）
通径分析是数量遗传学家Se-wall Wright于1921发表的关于“相关与相关原因”的论文中提出来的一种多元统计技术,通过对自变量与因变量之间直接相关性的分解来研究自变量对因变量的直接重要性和间接重要性,从而为统计决策提供可靠的依据[13]。本文利用自变量 x m 与因变量y通径系数与相关系数的关系构建方程组：
P 1 y + r 12 P 2 y + … + r 1 m P my = r 1 y r 21 P 1 y + P 2 y + … + r 2 m P my = r 2 y ⋮ r m 1 P 1 y + r m 2 P 2 y + … + P my = r my （1）
剩余通径系数为： B e.y = 1 - ( ∑ k = 1 m D k.y + ∑ k ≠ j m D kj.y ) , B e.y 的值越大,说明存在对因变量产生较大影响的其他因素。其中, 通径系数为： P my = β m S x m S y ;决定系数为 ： D my = P my 2 ,表示各自变量对因变量相对的决定程度; S x m 为自变量 x mi 的标准差; S y 为因变量y的标准差; D k.y 、 D kj.y 表示自变量对因变量的直接与间接决定系数。本文根据剩余通径系数的大小判定多元回归模型是否优化合理,当剩余通径系数小于0.1时,回归模型较优,选取的自变量对因变量作用较大;当剩余通径系数大于0.2时,说明仍然存在其他因素对因变量产生影响,回归模型质量较差。
（3）空间邻域分析
为了便于计算城市建设用地到点、轴、区域要素的距离等因素的空间关系,将各空间要素统一转换为0.9 km×0.9 km栅格。利用空间近邻分析方法,获取转换的城市建设用地栅格到主要铁路（y3）、主要河流（y4）、主要公路（y5）与城市中心（y6）的距离[26,27,28]。然后利用空间融合连接关系,将各驱动因素与城市建设用地空间关系一一对应。
（4）地理探测器（GeoDetector）
地理探测器是Wang等[29,30]通过提出“因子力”度量指标,结合GIS 空间叠加技术和集合论,用以识别多因子之间交互作用的模型。基于空间分异理论,获得因子变量和结果变量的相关性,通过将各类因子经过不同的离散分类处理方法,对不同类型的变量归化在同一空间尺度下进行分析。借鉴地理探测器引入城市建设用地空间分异的决定力q,探测分析各因素对城市建设用地的影响度。q的计算公式为：
q = 1 - 1 n σ 2 ∑ i = 1 m n i ∙ σ i 2 （2）
式中： σ i 2 表示y离散方差;i表示变量x的数量; n i 表示样本数;n表示研究区的总样本数; σ 2 为区域内总方差。本文选择了高程、坡度、到主要河流距离、到主要公路距离、到主要铁路距离和到城市中心距离等6个因素,用于城市建设用地的空间分异驱动机制研究。

3 结果分析

3.1 城市建设用地时空演变特征

（1）城市建设用地时间演化特征
本文选取了1985-1990年、1990-1995年、1995-2000年、2000-2005年、2005-2010年、2010-2015年6个时间段,分析京津冀13个城市的城市建设用地演化过程（图2）。首先,按照城市建设用地面积变化的大小,划分大、中、小城市三种类型：北京市、天津市的城市建设用地变化规模较大,属于大城市（≥500 km2）;石家庄市、唐山市、保定市的城市建设用地变化规模适中,属于中等城市（100~500 km2）;廊坊市、秦皇岛市、张家口市、承德市、沧州市、邯郸市、邢台市、衡水市等城市建设用地变化规模较小,属于小城市（<100 km2）。随着时间的变化,城市建设用地变化具有很大的差异,每个城市波峰对应的时间位置不同：秦皇岛市、廊坊市极大值点位于2000年之前,且后期呈现下降趋势,属于前期发展城市;北京市、唐山市、保定市、邯郸市、张家口市、承德市、衡水市等极大值点位于2000-2010年之间,且后期呈现下降趋势,属于中期发展城市;天津市、石家庄市、邢台市、沧州市等极大值点位于2010年之后,且后期呈现上升趋势,属于后期发展城市。同时,根据城市建设用地波动的频次将城市分为波动型和平稳型两种类型,其中北京市、秦皇岛市、唐山市、保定市、邯郸市、张家口市、廊坊市、衡水市属于波动下降型;石家庄市、承德市、沧州市属于波动上升型;天津市、邢台市属于平稳上升型。通过对京津冀地区13个城市的城市建设用地时间演化过程分析发现,各城市的变化规模、变化速度、波动性以及发展的持续性等具有较大的差异,导致城市发展程度迥异。
Fig. 2 The process evolution of urban construction land in Beijing-Tianjin-Hebei region

图2 京津冀城市建设用地演化过程

（2）城市建设用地空间演变特征
本文通过对1985-2015年城市建设用地的栅格空间运算,分析区域城市建设用地空间演变特征（图3）。从京津冀地区整体变化过程发现,城市建设用地变化主要集中在核心区域,即北京市、天津市、唐山市、石家庄市、保定市等,也是近30年来京津冀地区的经济快速发展重点区域。而承德市、张家口市、邯郸市、秦皇岛市、沧州市、衡水市等位于京津冀周边,城市建设用地变化较小,属于经济发展缓慢的城市。由此可推断,近30年来,京津冀地区经济是以中心区域为主、周边地区为辅的发展战略形式。
Fig. 3 Changes of urban construction land in Beijing-Tianjin-Hebei region during 1985-2015

图3 1985-2015年京津冀地区城市建设用地变化

利用离散分割,将城市建设用地变化栅格提取,根据近30年城市建设用地扩展方向、规模,对比分析13个城市的空间演化特征：北京市、天津市、石家庄市、沧州市、衡水市属于四周扩散型,即城市建设用地逐渐向城区的外围扩散,形成同心圆模式增长;唐山市、保定市、廊坊市、承德市、张家口市属于南北偏向型,即城市建设用地逐渐向城区的偏南或北部地区扩展,形成南北条带模式增长;秦皇岛市、邯郸市、邢台市属于东西偏向型,即城市建设用地沿着城区的偏东或西部区域发展,形成东西条带模式增长（图4）。京津冀地区13个城市1985-2015年的空间扩张模式分析,不仅可以看出城市建设用地的扩展空间分布格局,也诊断出了30年来城市发展方向与重点区域。
Fig. 4 Expansion process of urban construction land of 13 cities in Beijing-Tianjin-Hebei region during 1985-2015

图4 1985-2015年京津冀13个城市建设用地扩张过程

（3）城市建设用地扩展类型
本文按照京津冀地区30年城市建设用地的时空演变特征,对城市建设用地的变化规模、变化稳定性、极大值出现时间、空间扩张方向等特点进行归纳总结,利用聚类分析的方法将城市建设用地扩张过程分为协调稳定型、协调波动型、不协调稳定型和不协调波动型4种类型。其中,天津市为协调稳定型,城市建设用地扩张速度稳定上升,从2010年以后不断向四周加快发展,整个城市建设用地的变化过程实现了平稳过度;北京市、石家庄市、邢台市、沧州市等属于协调波动型,城市建设用地规模变化波动起伏大,但是发展的方向较为协调均衡,从城区中心向周边地区扩展;唐山市、保定市、承德市、衡水市属于不协调稳定型,城市建设用地变化规模较小,波动性较小,但高速发展时间较短,受自然或社会经济条件的影响,城市扩展方向不均衡;秦皇岛市、邯郸市、张家口市、廊坊市属于不协调波动型,城市建设用地不仅扩张规模小,且存在明显的波动,城市发展过程不稳定,受多种因素的影响,该类型城市发展过程相对落后于其他城市。
综合京津冀地区城市建设用地时间演化与空间演变特征分析结果发现,城市建设用地的扩张规模、方向、稳定性、发展时期等存在明显的差异,受自然资源与社会经济等因素影响,形成了不同的城市建设用地扩展模式。

3.2 城市建设用地扩展的驱动因素探测

结合国内外研究,选择可能影响城市建设用地扩展模式差异的驱动因素,利用多元线性回归与通径模型分析社会经济要素的作用,诊断城市建设用地时间演化过程主导驱动因子;利用地理探测器分析自然、区位要素的作用,诊断城市建设用地空间演变格局的主导驱动因子。综合两种驱动因素分析模型,获取影响城市建设用地扩展模式的综合因素,为更好地促进京津冀地区城市建设协调发展提供参考。
（1）时间演化驱动因素分析
利用多元线性逐步回归的方法,剔除共线性因子,选择城市建设用地规模扩张的主导驱动因子,形成最优回归模型,结果表明选取的时间主导驱动因子均与城市建设用地变化之间呈明显的相关性,模型中显著水平P值均小于5%,通过检验。利用通径分析,获取各个回归模型的剩余通径系数结果中（表3）：北京市、天津市、秦皇岛市等6个城市剩余通径系数小于0.1,说明城市建设用地回归模型较优;石家庄市、唐山市的剩余通径系数高于0.15,回归模型效果一般,说明可能存在其他类型因素对城市建设用地的变化产生影响;但是,13个城市的回归模型剩余通径系数均小于0.2,回归效果拟合较好,选取的驱动因子可以进行驱动机制分析。
Tab. 3 Regression models of urban construction land and socio-economic driving factors

表3 城市建设用地与社会经济驱动因素回归模型

城市 因素类型 P 相关性系数 剩余通径系数 回归模型 驱动类型
北京市 经济水平、人口规模 0.00020 0.964/0.955 0.06 y=0.24+1.90x2-1.15x5 双因素
天津市 经济水平、产业结构 0.00009 0.920/0.970 0.10 y=0.39-0.88x4+1.49x11 双因素
石家庄市 经济水平 0.00003 0.989 0.15 y=0.27+0.76x1 单因素
唐山市 人口规模、产业结构 0.00123 0.983/0.943 0.19 y=-1.40-0.53x5+2.55x9 双因素
秦皇岛市 经济水平、人口规模 0.00030 0.956/-0.963 0.09 y=0.82+0.37x4-0.64x6 双因素
邯郸市 经济水平、人口规模 0.00017 0.968/0.903/0.996 0.05 y=0.96+0.91x1-0.28x2-0.76x5 多因素
邢台市 经济水平 0.00850 0.979 0.14 y=0.34+0.70x4 单因素
保定市 经济水平 0.00298 0.985 0.12 y=0.24+0.87x1 单因素
张家口市 经济水平、人口规模 0.00183 0.980/-0.935 0.05 y=0.87+0.25x1-0.27x5 双因素
承德市 经济水平、人口规模 0.00807 0.947/-0.964 0.14 y=0.80+0.66x1-0.60x6 双因素
沧州市 经济水平 0.00109 0.991 0.10 y=0.37+0.58x3 单因素
廊坊市 人口规模 0.00797 0.984 0.13 y=-2.16+3.26x5 单因素
衡水市 经济水平 0.00026 0.964/0.905 0.08 y=0.29+1.02x1-0.32x4 双因素
根据多元线性回归与相关性分析得到的主导驱动因子主要分为经济水平、人口规模和产业结构三种类型（表3）,北京市、天津市等11个城市属于经济水平影响型,石家庄市、邯郸市、保定市、张家口市、承德市、衡水市的主导驱动因子为GDP指数（x1）,北京市、邯郸市的主导驱动因子为固定资产投入指数（x2）,沧州市的时间主导驱动因子为社会消费指数（x3）,天津市、秦皇岛市、邢台市、衡水市的主导驱动因子为财政收入指数（x4）;唐山市、秦皇岛市等7个城市属于人口规模影响型,北京市、唐山市、邯郸市、张家口市、廊坊市的主导驱动因子为人口密度指数（x5）,秦皇岛市、承德市的主导驱动因子为人口自然增长率（x6）;天津市、唐山市等2个城市属于产业结构影响型,天津市的主导驱动因子为工业产值规模指数（x11）、唐山市的主导驱动因子为第二产业结构比（x9）。由此可以发现,京津冀地区大部分城市的城市建设用地扩张主要受经济发展水平的影响,主导驱动因子以GDP指数与财政收入指数为主,国内生产总值与财政收入水平的增长,促进了城市化进程不断加快,为后期城市发展提供源源不竭的动力支持,也是城市建设用地扩展的主要原因;同时,经济水平的提升也加大了地区对外来人口的吸引力,大量其他地区人口拥入经济发达地区,促使地区人口规模增长,人口密度增加,因此,人口密度指数也是反映人口规模对城市建设用地变化影响的重要指标,但是人口规模对于建设用地需求在于居住用地,城市建设用地扩张规模也相对较小;京津冀地区产业结构对城市建设用地扩张影响作用不明显,主要集中在天津市与唐山市。
根据主导驱动因子的数量分为单因素、双因素和多因素,其中石家庄市、邢台市等5个城市属于单因素驱动型城市;北京市、天津市、唐山市等7个城市属于双因素驱动城市;邯郸市属于多因素驱动城市（表3）,说明城市建设用地时间演化主导驱动因子存在多样性与明显的差异性。通过综合统计发现,13个城市中,GDP指数、财政收入指数或人口密度指数为主导因子的城市数量为12个,占总量的92.3%;GDP指数、财政收入指数、人口密度指数为主导驱动因子城市数分别为6个、4个、5个,占总量的46.2%、30.8%、38.5%。因此,最终确定京津冀地区城市建设用地的时间主导驱动因子主要为GDP指数（x1）、财政收入指数（x4）、人口密度指数（x5）等。
（2）空间演变驱动因素分析
本文利用空间邻域分析分别获取城市建设用地发生变化的栅格到主要河流、主要公路、主要铁路和城市中心的最近距离,然后利用自然断点法将各驱动要素分为9类,各要素水平分布如图5所示。高程与坡度从东南向西北方向呈辐射状递增,到主要河流、公路和铁路的距离是以河流、公路和铁路为条带中心向两侧辐射增加;到城市中心距离是以城区中心为同心圆向周边地区增大。
Fig. 5 Distribution of spatial driving factors in Beijing-Tianjin-Hebei region

图5 京津冀空间驱动要素水平分布

利用地理探测器对城市建设用地进行空间演变驱动因素探测,得到地理探测结果如图6。北京市、石家庄市、秦皇岛市、邯郸市、保定市等探测得到的城市建设用地空间驱动因素影响数量均超过5个,而唐山市、邢台市、衡水市等的城市建设用地空间驱动因素数量较少,仅1个。虽然驱动因素数量较多,但是其决定力大小差异明显,因此可以根据驱动因素决定力大小确定主导驱动因子。北京市、天津市、石家庄市、秦皇岛市、保定市等以到城市中心的距离为主导驱动因子属于经济区位约束型;唐山市、邯郸市、张家口市、廊坊市、衡水市、沧州市等以到主要河流、公路或铁路的距离为主导驱动因子属于地理区位约束型;承德市以坡度为主导驱动因子属于自然环境约束型。对比分析表2中城市建设用地的扩张方向发现,四周分散扩张的城市主要是经济区位约束型,南北或者东西偏向扩张的城市主要是地理区位约束型,说明选取的主导驱动因子对城市建设用地扩张方向也产生了重要影响。
Fig. 6 Force of driving factors of urban construction land expansion in Beijing-Tianjin-Hebei region

图6 京津冀地区城市建设用地扩展的驱动因素决定力分布

Fig. 7 Driving mechanism of urban construction land expansion in Beijing-Tianjin-Hebei region

图7 京津冀城市建设用地扩展的驱动因素作用机制

Tab. 2 Development types of urban construction land in Beijing-Tianjin-Hebei region

表2 京津冀地区城市建设用地扩展模式

城市名称 变化规模 变化稳定性 极大值出现时间 扩张方向 扩展类型
北京市 大 波动下降 中期 四周扩散 协调波动型
天津市 大 平稳上升 后期 四周扩散 协调稳定型
石家庄市 中 波动上升 后期 四周扩散 协调波动型
唐山市 中 波动下降 中期 南北偏向 不协调稳定型
秦皇岛市 小 波动下降 前期 东西偏向 不协调波动型
邯郸市 小 波动下降 中期 东西偏向 不协调波动型
邢台市 小 平稳上升 后期 东西偏向 协调波动型
保定市 中 波动下降 中期 南北偏向 不协调稳定型
张家口市 小 波动下降 中期 南北偏向 不协调波动型
承德市 小 波动上升 中期 南北偏向 不协调稳定型
沧州市 小 波动上升 后期 四周扩散 协调波动型
廊坊市 小 波动下降 前期 南北偏向 不协调波动型
衡水市 小 波动下降 中期 四周扩散 不协调稳定型

3.3 城市建设用地扩展的驱动机制

综合对城市建设用地时间演化与空间演变的驱动因素分析结果发现,城市建设用地的主导因子主要包括GDP指数、人口密度指数、财政收入指数等社会经济因素和到城市中心距离、到主要河流距离、到主要公路距离等空间区位要素。本文进一步分析了主导驱动因子的作用机制,为京津冀地区城市发展进行合理的功能定位与科学规划提供参考。
（1）GDP指数。GDP是衡量一个国家或地区经济发展水平的重要标志,是国民经济核算的核心指标。改革开放近30年,经济发展主要以追求GDP增长为目标,除去大量的资本投入外,对土地的需求也不断增加。而GDP增长的一个主要表现是将农用地转变为建设用地,提升土地使用价值,尤其是建筑行业的发展,促使城市的居住用地、商业用地、工业用地等面积持续扩张。因此,GDP指数是影响城市建设用地变化的一项重要指标,GDP发展越快,城市建设用地扩张规模越大。京津冀地区中北京、天津两个核心城市的GDP指数较高,其城市建设用地的规模也较大。
（2）人口密度指数。表示地区人口密集程度的重要指标,也是反映城市发展水平的一个主要因素,人口密度越大,城市发展水平相对越高。城市发展加强了对人口的吸引,京津冀地区是近30年发展最快的经济区之一,尤其是北京、天津等大城市也逐渐成为了人口密度较高的地区。大量人才的拥入,加快了城市的经济发展,为各行各业的扩展提供了充足的劳动力资源,而产业的发展与企业的规模扩大需要大量的土地资源支撑;同时,人口迁入城市,也加大了城市的空间承载压力,城市必须通过扩展空间满足人口日益增长的居住需求。如北京市、唐山市、廊坊市等,人口密度指数的提高也必然会引起城市建设用地规模的扩大。
（3）财政收入指数。衡量地区政府财力的重要指标,也是地区发展重要保障,财政收入水平越高,表示地区经济发展实力越强。一个地区的财政收入越高,对经济建设、城市发展的投入会越大,也越能够促进城市建设用地规模扩张。如天津市、秦皇岛市、邢台市等,原有城市财政收入水平较高,具有较为丰厚的资本,通过将城市周边的土地不断转化为建设用地来加快经济发展,促进城市建设用地规模扩张。因此,财政收入指数也是反映城市建设用地变化一项重要因素。
（4）到城市中心距离。表示城市建设用地变化区域的经济区位,反映其受城市政策与公共服务辐射的难易程度。距离城市中心越近,辐射程度越高,对土地利用转变的吸引力越强,城市建设用地发生也越容易。因此,到城市中心距离形成了以城市为中心同心圆辐射状,本文中北京市（0.15）、天津市（0.09）、石家庄市（0.06）、沧州市（0.05）等城市建设用地就是以城区为中心向四周扩散的发展模式,土地距离城市中心越近,转变为城市建设用地的几率也会越高。
（5）到主要河流距离。表示城市建设用地变化区域的资源地理区位,城市发展离不开水源,包括饮用水和工业用水。城市发展沿着河流延伸扩展能够保障城市发展对水资源的需求和居民生活的便利,距离河流越近,城市建设用地越易扩展。京津冀地区内主要包括永定河、海河和京杭运河,为区域内城市的发展提供了充足的水源。张家口市（0.04）、秦皇岛市（0.12）、邯郸市（0.08）等受到主要河流的距离影响较大。
（6）到主要公路距离。到主要公路距离表示城市建设用地变化区域的交通地理区位,交通是连接城市内部与外界的纽带,是促进经济联系的重要桥梁。便利的交通能够改变地区的经济发展结构,加快城市的发展速度。京津冀地区具有丰富的公路交通网,以北京市为中心向各个方向辐射,连接区域内13个城市,加强了彼此之间的联系。因此,距离主要公路越近,城市发展速度越快,城市建设用地扩张规模强度越大。张家口市（0.11）、廊坊市（0.17）、邢台市（0.04）等城市建设用地变化受到主要公路距离驱动作用明显。
城市建设用地的扩张规模、空间格局的演变是多种因素综合作用的结果,本文利用多元回归与地理探测的方法诊断城市建设用地变化的主导驱动因子,分析各类要素对城市建设用地的驱动机制,更好地探究各类城市发展特点,合理划分城市类型与发展模式。主导驱动因子较少的城市建设用地变化规模较小,发展速度缓慢,扩张方向单一,如衡水市、邢台市等;主导驱动因子较为复杂的城市建设用地扩张规模较大,发展速度较快,发展方向分散,如北京市、天津市、石家庄市等。因此,针对不同规模的城市依据主导驱动因子进行科学规划与合理的功能定位,能够保障区域内各城市统筹协调、稳定、可持续发展。

3.4 城市发展功能定位

根据时间演化与空间演变探测的主导驱动因子与城市自身的时空发展特征和社会经济区位及自然资源条件优势等,对京津冀地区13个城市科学发展进行功能定位,具体分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三种类型（图8）。
Fig. 8 Function operation of urban development and its principle in Beijing-Tianjin-Hebei region

图8 京津冀地区城市发展功能定位与作用原理

第一,核心经济引领城市。主要包括北京市与天津市两大核心城市,其城市与经济高度发达,是中国的政治与经济中心;拥有巨大交通与区位优势,使其成为中国经济最发达的城市之一。但是其巨大优势对区域内其他城市的发展带来严重的限制,大量的人才与资源被吸引进入两大城市,周边城市经济发展落后,明显低于其他经济区同等规模城市,形成严重的虹吸效应,导致北京市周边出现了“环北京贫困带”。因此,北京市与天津市应当停止或减缓城市建设用地规模扩张,充当引领作用,将经济产业与部分区域功能转移到周边城市,如北京市可以转移到廊坊市和保定市,天津市可以转移到唐山市和沧州市,促进临近城市的快速发展;在城市发展战略与区域功能方面统筹协调京津冀地区,协同其他11个城市形成京津冀一体化。
第二,重点经济拓展城市。主要包括石家庄市、廊坊市、保定市、沧州市和唐山市,该类型城市距离北京和天津两大核心城市较近,区域内具有密集的公路与铁路交通网,地势平坦,具有充足的土地资源开发拓展。石家庄市作为河北省的省会,具有很大的发展优势,可以作为除了北京与天津外,另一个重要的经济与政治发展中心;而廊坊市、保定市、唐山市和沧州市均可以承担北京与天津经济发展功能,分担核心城市密集的人口压力;同时重点经济拓展城市也能够带动边远城市的发展,连接核心城市与区域周边城市,形成过度条带。因此,应当加快发展该类型城市能够极大促进京津冀地区协调发展,使区域内中小城市规模不断壮大,形成比长江三角洲、珠江三角洲经济实力雄厚的经济战略区。
第三,稳定经济涵养城市。主要包括张家口市、承德市、秦皇岛市、衡水市、邢台市和邯郸市,该类型城市经济与交通地理区位处于明显劣势,城市规模较小,发展速度缓慢,缺少大城市的带动,但是具有悠久的历史文化与丰富的旅游资源。过度开发扩张城市规模,反而会破坏当地的生态与文化环境。因此,需要追求稳定的经济涵养城市发展,在保护生态环境与文化遗产的同时,遵循城市的扩张规律,结合自身优势在核心与重点城市的带动下,发展服务产业,避免污染产业进入,形成具有生态、旅游功能的涵养城市。
本文利用城市建设用地时空演变特征及其探测的驱动因素规划的城市功能定位,提出了由核心经济引领城市、重点经济拓展城市、稳定经济涵养城市三级体系构成环状区域城市发展模式（图8）,既能够促进中小城市的城市建设用地规模快速扩展,经济水平迅速提高,同时缓减了北京市与天津市两大核心城市的压力,避免了周边小城市盲目开发,破坏生态环境,而影响整个地区的协调统筹,比较适宜于京津冀地区近期发展（2015-2025年）。为了更好对区域内各个城市的发展定位,还需要对其他影响城市发展的因素与城市优势特点综合分析,制定详细的战略规划。

4 结论

本文以京津冀地区为例,利用多元回归、通径分析、地理探测器等方法针对城市建设用地的时间过程演化与空间格局演变驱动因素探测,分析了城市建设用地时空演变驱动机制;通过栅格聚合实现了不同尺度转换,将变化的城市建设用地占比化为栅格值,实现地理探测器对单项土地覆被变化研究的应用。根据城市建设用地的时空演变特征与主导因子的驱动机制,对京津冀地区城市发展进行功能定位,提出了核心经济引领城市、重点经济拓展城市和稳定经济涵养城市三种类型城市。主要结论如下：
（1）根据京津冀地区城市建设用地扩展规模、速度、方向、稳定性等时空特征的差异性,将13个城市划分为协调稳定型、协调波动型、不协调稳定型、不协调波动型。其中天津市为协调稳定型,北京市、石家庄市、邢台市、沧州市等属于协调波动型,唐山市、保定市、承德市、衡水市属于不协调稳定型,秦皇岛市、邯郸市、张家口市、廊坊市属于不协调波动型。
（2）利用多元回归与通径分析方法诊断城市建设用地规模演化的驱动因子,GDP指数、人口密度指数、财政收入指数是影响城市建设用地规模差异的时间主导驱动因子;通过栅格尺度转换实现了地理探测器在单项土地利用覆被空间变化驱动探测的应用,到城市中心距离、到主要河流距离、到主要公路距离是影响城市建设用地扩展方向变化的空间主导驱动因子。针对主导驱动因子特性,深入分析各主导因子对京津冀地区的驱动机制。
（3）结合城市建设用地的时空演变特征与主导驱动因子的作用机制,对京津冀地区13个城市进行功能规划定位,北京市、天津市属于核心经济引领城市,石家庄市、廊坊市、保定市、沧州市和唐山市属于重点经济拓展城市,张家口市、承德市、秦皇岛市、衡水市、邢台市和邯郸市属于稳定经济涵养城市。城市发展科学合理的功能定位,不仅能够促进经济区域协调、稳定地持续发展,并为实现京津冀一体化与区域战略的优化决策提供科学依据。利用城市建设用地规模与方向驱动因素探测分析,对于经济区的城市发展与功能定位研究也具有借鉴价值。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李秀彬. 全球环境变化研究的核心领域: 土地利用/土地覆被变化的国际研究动向. 地理学报, 1996, 51(6): 553-558.土地利用／土地覆被变化已列为“国际地圈与生物圈计划”的核心项目，在该领域的研究工作逐渐加强。本文论述了全球环境变化中的土地利用／土地覆被变化的内涵，在全球环境变化中的作用，其主要研究内容，关键问题及研究方法，并介绍了国外有关研究项目的情况。

DOI

[Li Xiubin.A review of the international researches on land use/cover change. Acta Geographica Sinica, 1996, 51(6):553-558.]

[2]
顾朝林. 北京土地利用/覆盖变化机制研究. 自然资源学报, 1999, 14(4): 307-312.利用７０年代、８０年代和９０年代（ＳＰＯＴ）３个时段北京市土地利用资料进行土地利用／覆盖研究,分析其变化机制。北京土地利用变化的形式主要以轴向扩展、卫星城建设、工厂郊迁、郊区大型中价商城建设、郊外别墅区等为主,土地覆盖变化的主要形式有：①内城更新与改造；②商贸街的重建；③粗放型用地向集约型用地的转变。

DOI

[Gu Chaolin.Study on phenomena and mechanism of land use cover change in Beijing. Journal of Natural Resources, 1999, 14(4): 307-312.]

[3]
蔺卿, 罗格平, 陈曦. LUCC驱动力模型研究综述. 地理科学进展, 2005, 24(5): 81-89.驱动力研究是土地利用变化研究中的核心问题。土地利用变化驱动力模型是分析土地利用变化原因和结果的有力工具.模型通过情景分析可为土地利用规划与决策提供依据。基于不同理论的驱动力研究方法很多.论文选取了几种国内外应用较多的LUCC驱动力模型进行综述,分析了每个模型的优缺点及适用范围.最后得出结论:1)基于过程的动态模型更适于研究复杂的土地利用系统。2)基于经验的统计模型能弥补基于过程的动态模型的不足。3)基于不同学科背景的模型进一步集成将是LUCC驱动力模型未来的发展趋势。

DOI

[Lin Qing, Luo Geping, Chen Xi.Review of land-use model. Progress in Geography, 2005, 24(5): 81-89.]

[4]
Li X, Yeh A G O. Principal component analysis of stacked multi-temporal images for the monitoring of rapid urban expansion in the Pearl River Delta. International Journal of Remote Sensing, 1998, 19(8): 1501-1518.The Pearl River Delta is experiencing very fast urban growth in recent years which has caused rapid loss of the valuable agricultural land in this fertile region. There is a great need to monitor the rapid urban expansion using remote sensing for urban planning and management purposes. However, it has been well recognized that there is significant over-estimation of land use change in using multi-temporal images for change detection because of inadequate creation of classification signatures. This paper presents a principal component analysis of stacked multi-temporal images method to reduce such errors. The study demonstrates that this method can reduce errors in change detection using multitemporal images and provide a very useful way in monitoring rapid land use changes and urban expansion in the Pearl River Delta and other parts of the world.

DOI

[5]
刘瑞, 朱道林, 朱战强, 等. 基于Logistic回归模型的德州市城市建设用地扩张驱动力分析. 资源科学, 2009, 31(11): 1919-1926.城市建设用地扩张驱动力的研究是城市内在演化规律研究的重要组成部分，可为指导土地合理利用，控制建设用地规模，保护生态环境提供科学依据。本文以山东省德州市为研究区域，基于GIS以及相关数理统计软件，在分析了1996年～2005年城市建设用地扩张动态，总结其时空扩张特征的基础上，使用Logistic回归模型从空间角度深入分析了德州市城市建设用地扩张的驱动力。研究结果表明，1996年以来德州市城市建设用地扩张明显，从空间形态上看，主要围绕原有城市建设用地向四周扩张，其中向原有城市以东扩张是主要扩张方向；德州市城市建设用地扩张受外部社会经济发展和地方制度政策，以及内部自然区位共同作用而发生的，其中反映政府制度政策的城市规划是城市建设用地扩张最主要的驱动因素，其次是经济发展，最后才是人口的变动。

[Liu Rui, Zhu Daolin, Zhu Zhanqiang, et al.Analysis of the driving forces of urban sprawl in Dezhou city based on a Logistic regression model. Resources Science, 2009, 31(11): 1919-1926.]

[6]
黄庆旭, 何春阳, 史培军, 等. 城市扩展多尺度驱动机制分析: 以北京为例. 经济地理, 2009, 29(5): 714-721.厘清土地利用变化与其驱动力之间的关系，是土地利用变化研究的核心，也是建立变化模型和定量 预测的基础。以北京为研究案例，基于遥感影像和GIS技术，获取了1991-2004年北京城市扩展信息，定量分析比较了1991-2004年北京地区面 状、线状和点状三种城市扩展空间过程。并从宏观、中观和微观三个尺度上，分析了北京城市扩展过程的驱动机制。结果表明：①城镇用地扩展过程显著，城镇用地 在区域总面积中所占比例从1991年的9．80％增长到2004年的17．93％；②城市化过程，主要表现为点状、线状和面状城市化三种基本模式；③宏 观、中观和微观三层次的驱动因子影响城市扩展过程。宏观尺度上，城市规划，土地利用政策等政府行为和过去三千年城市发展形成的旧有城市格局从根本上决定了 现代北京城市发展的基本风貌和格局；在中观尺度上社会和经济因素为城市扩展提供了驱动力，最明显的是人口增长和人民生活水平的提高；微观尺度的地形、区位 和交通限制决定了城市扩展的可能性，最利于城市扩展的因子是距高速公路的距离。三者综合作用的结果是1991-2004年北京城市化强度出现一个先增长后 减小的发展趋势。

[Huang Qingxu, He Chunyang, Shi Peijun, et al.Understanding multi-scale urban expansion driving forces: In the case study of Beijing. Economic Geography, 2009, 29(5): 714-721.]

[7]
Hegazy I R, Kaloop M R.Monitoring urban growth and land use change detection with GIS and remote sensing techniques in Daqahlia governorate Egypt. International Journal of Sustainable Built Environment, 2015, 4(1): 117-124.Urban growth is a worldwide phenomenon but the rate of urbanization is very fast in developing country like Egypt. It is mainly driven by unorganized expansion, increased immigration, rapidly increasing population. In this context, land use and land cover change are considered one of the central components in current strategies for managing natural resources and monitoring environmental changes. In Egypt, urban growth has brought serious losses of agricultural land and water bodies. Urban growth is responsible for a variety of urban environmental issues like decreased air quality, increased runoff and subsequent flooding, increased local temperature, deterioration of water quality, etc. Egypt possessed a number of fast growing cities. Mansoura and Talkha cities in Daqahlia governorate are expanding rapidly with varying growth rates and patterns. In this context, geospatial technologies and remote sensing methodology provide essential tools which can be applied in the analysis of land use change detection. This paper is an attempt to assess the land use change detection by using GIS in Mansoura and Talkha from 1985 to 2010. Change detection analysis shows that built-up area has been increased from 28 to 255km2 by more than 30% and agricultural land reduced by 33%. Future prediction is done by using the Markov chain analysis. Information on urban growth, land use and land cover change study is very useful to local government and urban planners for the betterment of future plans of sustainable development of the city.

DOI

[8]
Kheir N, Portnov B A.Economic, demographic and environmental factors affecting urban land prices in the Arab sector in Israel. Land Use Policy, 2016, 50: 518-527.The land market in the Arab sector in Israel represents a real estate submarket that differs from the land market in the Jewish sector. This submarket is typified by a growing lack of building for residential projects and by widespread construction of homes on agricultural land, often without proper permits. The present study compares land prices in two towns of comparable size, located in close proximity from each other, one of which (Nazareth) has predominantly Arab population and the second one (Afula) is mostly Jewish populated. The analysis covers the period between 1998 and 2012 and is based on land transaction records, published by the Israel Tax Authority. The main study methods were the time trend analysis and multivariate regressions, in which the dependent variable, the price of land, was mutually compared with socio-demographic and environmental variables representing the towns population and geography. The study demonstrates that property values, reported to the tax authorities in Nazareth, tend to be lower than the actual worth of those properties, and that, despite the geographical proximity of the two towns and their comparable population size, land prices in Nazareth are significantly higher than those in Afula. We explain these differences by a limited supply of land for new development in Nazareth as well as by the opposing effects of the prime interest rate and of internal migration: a rise in both factors is positively correlated with increased land prices in Afula, but with lower land prices in Nazareth.

DOI

[9]
曹银贵, 周伟, 乔陆印, 等. 青海省2000-2008年间城镇建设用地变化及驱动力分析. 干旱区资源与环境, 2013, 27(1): 40-46.研究目的：此次研究旨在分析青海省2000-2008年期间城镇建设用地的变化规律及影响其变化的主要驱动力。研究方法：采用变化过程定量分析法及驱动力相关性分析法。研究结果：在研究期间内,青海省城镇建设用地面积和其所占居民点及工矿用地面积的比例都在增加;建制镇建设用地占用土地的面积要多于城市建设用地占用土地的面积;新增城镇建设用地以流向工矿仓储用地和住宅用地为主;各相关社会经济因子与建设用地之间的相关性程度,其中相关性最高的是城镇化率、第二产业从业人员、固定资产投入。研究结论：青海省城镇建设用地的变化规律和主要驱动力为青海省城镇建设用地的需求分析及结构调整奠定了基础。

[Cao Yingui, Zhou Wei, Qiao Luyin, et al.Analysis on urban construction land changes and driving forces in Qinghai province, 2000-2008. Journal of Arid Land Resources and Environment, 2013, 27(1): 40-46.]

[10]
何英彬, 姚艳敏, 唐华俊, 等. 土地利用/覆盖变化驱动力机制研究新进展. 中国农学通报, 2013, 29(2): 190-195.进入21世纪以来,随着全球人口、资源与环境问题的日益突出,土地利用/土地覆被变化研究已成为国际上全球变化研究的前沿与热点。作为土地利用变化研究领域焦点之一的驱动力机制研究一直备受关注,它也是土地利用变化问题最核心的研究部分。现有土地利用变化驱动力机制研究虽然取得了一些进展,但仍然存在许多亟待解决的问题。在总结梳理现有文献的基础上,针对土地利用变化驱动力机制研究的层次性变化,土地利用变化驱动力机制影响因子时空尺度效应与一致性、土地利用变化驱动力机制社会经济影响因子定量化与空间化,土地利用变化驱动力机制方法进行了探讨,并提出了土地利用变化驱动力机制研究未来发展趋势,以期对深入理解土地利用/覆盖变化驱动力内在和外在机制以及促进该领域进一步研究提供参考。

DOI

[He Yingbin, Yao Yanmin, Tang Huajun, et al.An overview on progress of land use and land cover change dynamics. Chinese Agricultural Science Bulletin, 2013, 29(2): 190-195.]

[11]
杨梅, 张广录, 侯永平. 区域土地利用变化驱动力研究进展与展望. 地理与地理信息科学, 2011, 27(1): 95-100.剖析了区域土地利用变化驱动力的概念和内涵,通过对国内外土地利用变化驱动力研究进行系统的分析比较,归纳了土地利用变化的主要驱动因素,概括了驱动力的基本特性,着重分析了土地利用与土地覆被变化的驱动力机制及其模型研究进展,并总结了各个模型的特点及其适用范围。最后提出了未来土地利用变化驱动力研究的发展趋势,以期为土地利用/覆被变化研究提供借鉴。

[Yang Mei, Zhang Zhanlu, Hou Yongping.Contents and structure of tourism geography: Discipline construction with space-time view. Geography and Geo-information Science, 2011, 27(1): 95-100.]

[12]
摆万奇, 赵士洞. 土地利用变化驱动力系统分析. 资源科学, 2001, 23(3): 39-41.该文应用系统论的观点和方法，对土地利用变化驱动力的整体性、层次性、动态变化和驱动力作用下的土地利用动态进行了深入分析，初步回答了土地利用变化的动力源、驱动力系统内部分力与合力的关系，以及驱动力与土地利用变化之间普遍存在的非线性反馈关系等问题，为土地利用变化动力学研究提供了新的思路。

DOI

[Bai Wanqi, Zhao Shidong.An analysis on driving force system of land use changes. Resources Science, 2001, 23(3): 39-41.]

[13]
朱家彪, 杨伟平, 粟卫民. 基于多元逐步回归与通径分析的临澧县建设用地驱动力研究. 经济地理, 2008, 28(3): 488-491, 507.随着城镇化进程的加快，非农建设占用土地特别是耕地日益突出，为了更好地保护有限的耕地资源，文章以临澧县为研究对象，采用多元回归分析法与通径分析相结合的研究方法，对促使地区建设用地增加驱动力进行了研究。文章通过运用SPSS统计软件，选取对影响临澧县建设用地的9个因素进行逐步回归分析，然后根据回归模型进行通径分析，确定了影响临澧县各类建设用地增长的主要驱动力，为科学地制定土地利用规划、更好地保护耕地资源提供科学依据。

[Zhu Jiabiao, Yang Weiping, Su Weimin.Analysis of the driving influence mechanism of Linli county based on the multiple regression analysis law and the latus rectum analysis. Economic Geography, 2008, 28(3): 488-491, 507.]

[14]
刘芳, 张增祥, 汪潇, 等. 北京市农村居民点用地的遥感动态监测及驱动力分析. 国土资源遥感, 2009, (3): 88-93.基于遥感与GIS技术，利用多源遥感数据（陆地卫星MSS、TM或ETM^＋影像，“北京一 号”小卫星数据）提取北京市农村居民点用地。结合DEM数据对北京市农村居民点用地的现状及区位意义进行分析，将北京市重新分区。分3个时间段（1978 年9月～1995年4月、1995年5月～2000年3月、2000年4月-2005年11月）对改革开放以来的北京农村居民点用地进行动态监测。引入多 项指标对北京全市及各区、县的农村居民点用地进行时空变化特征与景观特征分析。选取14项社会、经济指标，利用主成分分析法定量分析影响北京市农村居民点 用地变化的驱动力，对于农村的合理规划具有导向作用。

DOI

[Liu Fang, Zhang Zengxiang, Wang Xiao, et al.The dynamic monitoring of rural residential land in Beijing and driving force analysis based on multi-source remote sensing data. Remote Sensing for Land & Resources, 2009, (3): 88-93.]

[15]
张富刚, 刘彦随, 张潆文. 我国东部沿海地区农村发展态势评价与驱动力分析. 自然资源学报, 2010, 25(2): 177-184.农村发展态势评价与驱动力分析，是乡村地理学研究的重要内容。论文通过构建农村发展态势评价指标体系，应用因子分析方法和驱动力指数模型，开展了我国东部沿海地区农村发展态势评价与驱动力分析。结果如下：①1990年农村发展水平普遍比较落后，2000年农村发展总体格局基本形成，2005年各地区普遍进入中等以上发达水平，但区域差异进一步拉大，长江三角洲、珠江三角洲地区农村发展呈面状辐射扩散态势；②除人均耕地面积、单位播种面积农业机械总动力外，其他指标均为农村发展的积极推动因素，尤以农民人均所得指标为最；③今后应借助工业化、城镇化的外部动力和农村自我发展能力的合力助推，倡导资源节约集约利用与生态环境保护意识，注重农村劳动力资源的培育与引进，既要进行农村产业升级，强化非农产业发展，又要加快现代农业建设。

DOI

[Zhang Fugang, Liu Yansui, Zhang Yingwen.Analysis of rural development state and diving force in eastern coastal China. Journal of Natural Resources, 2010, 25(2): 177-184.]

[16]
姜广辉, 张凤荣, 陈军伟, 等. 基于Logistic回归模型的北京山区农村居民点变化的驱动力分析. 农业工程学报, 2007, 23(5): 81-87.农村居民点变化的驱动力研究是农村居民点内在演化规律研究的重要组成部分，可科学指导当前农村居民点整理活动。该文以北京山区为研究区域，基于GIS以及相关数理统计软件，使用Logistic回归模型从空间角度深入分析了农村居民点变化的内部和外部驱动力。研究结果表明农村居民点变化是在原有居民点的分布基础上,以一定的自然、区位等内部驱动因子为背景，受社会经济等外部驱动因子的综合影响而发生。可以认为农村居民点变化是一个由其自然资源条件、区位可达性及社会经济基础条件综合影响下的区位择优过程。应依据不同区域驱动因子的不同发展态势，探寻不同的农村居民点整理模式，加强新农村建设过程中农村居民点用地的管理。

DOI

[Jiang Guanghui, Zhang Fengrong, Chen Junwei, et al.Analysis of the driving forces of change of rural residential areas in Beijing mountainous areas based on Logistic regression model. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(5): 81-87.]

[17]
苏维词, 易武英. 基于灰色模型的贵阳市土地利用/覆被变化的驱动力分析. 水土保持通报, 2014, 34(6): 256-259, 266, 371.以1993,2000,2010年3期TM遥感影像为基本数据源,采用RS与GIS技术、结合统计分析的方法,提取和分析了贵阳市土地利用/覆被变化信息,并选取13个主要土地利用/覆被变化驱动因子,运用灰色模型定量地分析不同地类与各驱动因子之间的关联性。结果显示：（1）研究期间,贵阳市水田、旱地、灌木林、未利用地面积分别减少了135.2,55.4,80.8和98.6km2;而水域、有林地、建设用地面积分别增加了49.1,128.3和183.4km2,其中建设用地面积增加最大,水田面积减少最大;（2）研究时段土地利用综合程度指数呈增大的变化趋势,1993,2000和2010年土地利用综合程度指数分别为301.2,307.7和319.0;（3）贵阳市土地利用结构信息熵由1993年的0.76上升到2001年的0.78,随后下降到2010年的0.77,表明贵阳市土地利用结构系统的有序性、稳定性呈先增加再减弱的变化趋势;（4）贵阳市土地利用/覆被变化主导驱动力是人口增长、经济发展及人均资源因素。

[Su Weici, Yi Wuying. Analysis on driving factors of land use/cover change in Guiyang city based on grey correlation model. Bulletin of Soil and Water Conservation, 2014, 34(6): 256-259, 266, 371.]

[18]
蔡玉梅, 刘彦随, 宇振荣, 等. 土地利用变化空间模拟的进展: CLUE-S模型及其应用. 地理科学进展, 2004, 23(4): 63-71, 115.lt;p>土地利用变化的空间模拟是进行土地利用情景分析的重要基础。本文在介绍了国际上常用的细胞自控模型(CA)、土地利用变化及效应模型(CLUE)的基础上，重点分析了小尺度土地利用变化及效应模型(CLUE-S)的方法，并以邯郸地区为例进行了案例研究。认为CLUE-S模型采取经验模型的方法，通过建立土地利用空间分配和驱动因子之间的统计关系模拟近期土地利用变化的情景。同时也考虑了不同土地利用方式之间的竞争关系，因此可以较好地模拟小尺度地区的近期土地利用变化情景；考虑到短期或近期土地利用变化的因子主要与人类的社会经济活动有关，而社会经济因子的空间化尚存在一定难度。因此，突破这一瓶颈成为CLUE-S模型发展和应用的关键；CLUE-S模型主要解决的是不同空间尺度上的土地利用空间分配问题，在土地生产潜力评价、土地利用规划等方面具有广阔的应用前景。</p>

DOI

[Cai Yuhai, Liu Yansui, Yu Zhenrong, et al.Progress in spatial simulation of land use change: CLUE-S model and its application. Progress in Goegraphy, 2004, 23(4): 63-71, 115.]

[19]
Marshall J D.Urban land area and population growth: A new scaling relationship for metropolitan expansion. Urban Studies, 2007, 44(10): 1889-1904.In most metropolitan regions throughout the globe, urbanised land area is increasing to accommodate increasing population size. This article provides a simple yet powerful mathematical description of this urban expansion. Specifically, the following scaling relationship is proposed: land area (A) increases proportionally to population size (P) raised to a power (n) - i.e. A 090309 Pn. During 1950-2000, this relationship is found to hold well for US Census urban areas (UAs) with a greater than 10 per cent increase in population. Values for the parameter n vary among UAs, with a central tendency value of 090304 2, suggesting that, on average, newcomers to urban areas occupy about twice the land area per capita of existing residents. If n were exactly equal to 2, then the parameter group P/090308A (called 'linear population density', or LPD) would be constant over time. LPD (units: people per metre) is the number of people in a metre-wide strip across an urban area. LPD is distinct from, and behaves somewhat differently than, population density. Distributions of LPD values among US UAs during 1950-2000 show surprisingly little variability over multidecade time-scales. For example, from 1950 to 2000, average population, land area and population density changed by more than a factor of 2, but average LPD changed less than 10 per cent. Few, if any, other attributes of urban form have remained so constant during this half-century time-period. International data corroborate the finding that LPD distributions are roughly constant over multidecadal time-scales. These results suggest an underlying pattern to how people arrange themselves within and among urban areas. For US UAs, rank-size rules similar to the generalised version of Zipf's rule hold for population, land area, LPD and population density. LPD is an important predictor of the emissions-to-inhalation relationship for motor vehicle emissions. Results presented here are important for theoretical, practical and empirical investigations of urban form and of how urban areas expand over time.

DOI

[20]
徐勇, 马国霞, 沈洪泉. 北京丰台区土地利用变化及其经济驱动力分析. 地理研究, 2005, 24(6): 860-868, 1001.采用GIS技术和统计分析技术,基于1984、1992和1995~2001年土地利用图件和数据,分析了1984年以来北京丰台区土地利用变化历史过程及其空间分异特征。土地利用变化的基本特点是农业用地面积大幅度下降,非农用地面积快速增加,且随着时间的推移,变化高峰地域在由内向外传递。对1999年土地利用类型数据与经济产值数据匹配结果表明:土地经济产出效益巨大差异的存在是驱动丰台区土地利用从农业用地,尤其是耕地向非农业用地转化的最大动力所在。利用1992~2001年的非农业用地与固定资产投资、人口,二、三产业增加值进行的相关分析显示,固定资产投资、人口增长和第二产业的发展对非农业用地扩展有着显著的作用。

DOI

[Xu Yong, Ma Guoxia, Shen Hongquan.An analysis on land use change and its economic driving force in Fengtai district of Beijing. Geographical Research, 2005, 24(6): 860-868, 1001.]

[21]
肖瑶, 王艳慧, 尹川. 北京城区近20年土地利用变化及其驱动力分析. 测绘与空间地理信息, 2013, 36(7): 29-32.以北京市城六区作为研究区,利用1989年、2000年和2008年三期landsatTM遥感数据,结合GIS技术,采用土地利用动态变化的综合分析指标体系,揭示研究区20年来土地利用变化的幅度、速度和转移方向,在此基础上进行土地利用变化的驱动力分析。结果表明：北京市的城市化十分迅速,在这20年中,因为城市人口膨胀、经济发展,对土地的需求越来越多,导致耕地锐减,而包括居民地在内的建设用地大幅度增加;由于气候干燥、年降雨量小,以及人类活动对环境的干涉,水域略有变小;而位于城区边缘的小部分的林地和草地,由于地势等的影响,变化不大。

DOI

[Xiao Yao, Wang Yanhui, Yin Chuan.Driving force analysis of land use change of Beijing urban areas in the past 20 years. Geomatics & Spatial Information Technology, 2013, 36(7): 29-32.]

[22]
胡乔利, 齐永青, 胡引翠, 等. 京津冀地区土地利用/覆被与景观格局变化及驱动力分析. 中国生态农业学报, 2011, 19(5): 1182-1189.本文利用土地利用转移矩阵和景观破碎化指数、景观多样化指数采用典型样带对京津冀地区1990年、2000 年土地利用数据进行了土地利用/覆被变化(LUCC)和景观格局变化(LPC)的定量及定性分析, 探讨了其影响因素, 为该区域土地资源可持续利用提供依据。结果发现区域内居民地附近LUCC 和LPC 强度最大, 尤其北京、石家庄等地变化明显。利用多年社会经济统计数据, 通过相关分析和主成分分析, 定量地确定社会经济、农业生产条件和交通是京津冀地区LUCC 和LPC 的主要驱动因子。而后，定性分析了地形复杂度和政策对京津冀地区LUCC 和LPC 的影响, 发现西部及北部山区地形较复杂, 人类活动干扰较小, 故LUCC 和LPC在平原地区表现更突出。但生态政策如退耕还林还草和土地开发整理等对西部山区LUCC 和LPC 有不同程度的影响。最后, 综合分析各驱动力在不同地区影响的差异, 发现社会经济发达的大城市的驱动因素主要为社会经济, 而传统农业区主要受农业生产条件的影响。通过以上定量及定性分析京津冀地区LUCC 和LPC 的驱动因子, 尤其是对驱动因素的时空分异规律分析, 为土地管理决策、土地资源保护等提供了科学的依据和指导。

DOI

[Hu Qiaoli, Qi Yongqing, Hu Yincui, et al.Changes and driving forces of land use/cover and landscape patterns in Beijing-Tianjin-Hebei region. Chinese Journal of Eco-Agriculture, 2011, 19(5): 1182-1189.]

[23]
甘红, 刘彦随, 王大伟. 土地利用类型转换的人文驱动因子模拟分析. 资源科学, 2004, 24(2): 88-93.区域土地利用结构状况与区域社会经济发展水平之间有着密切关系,因此土地利用结构变化与社会经济因子的驱动力作用必然具有内在的相关性.该文基于1990年～2000年中国省域土地利用变化的普查数据与社会经济统计资料,建立了以省域为单元的土地利用结构与相关人文因子的数据库,通过建立多元回归模型揭示了土地利用结构空间分布及其变化与人文因子的定量关系,从中筛选出影响土地利用类型结构变动的主导人文驱动因子.研究表明:人口增长、经济发展、消费水平、技术进步、农业结构调整,以及土地集约利用措施,在我国土地利用类型变化中均发挥着重要的作用.

DOI

[Gan Hong, Liu Yansui, Wang Dawei.Simulation and analysis of the human driving factors of land use type conversion. Resources Science, 2004, 24(2): 88-93.]

[24]
史培军, 陈晋, 潘耀忠. 深圳市土地利用变化机制分析. 地理学报, 2000, 55(2): 151-160.利用１９８０、１９８８、１９９４年的遥感影像，通过应用最大似然法和概率松弛法对深圳市土地利用进行了测量。在此基础上，运用分类结果求得研究区土地利用变化的转移矩阵，据此分析了深圳上１５年来土地利用变化的空间过程。结果表明：深圳市土地利用纺要表现为原有农田、果园用地显著减少，城镇用地沿海岸和主要公路干线迅速增加。这一土地利用变化的驱动力主要是深圳经济特区的开放政策、城镇人口迅速增长、外资大量涌入和以房

DOI

[Shi Peijun, Chen Jin, Pan Yaozhong.Land use change mechanism in Shenzhen city. Acta Geographica Sinica, 2000, 55(2): 151-160.]

[25]
张占录. 北京市城市用地扩张驱动力分析. 经济地理, 2009, 29(7): 1182-1185.

[Zhang Zhanlu.An analysis of driving forces of urban land expansion in Beijing. Economic Geography, 2009, 29(7): 1182-1185.]

[26]
叶浩, 濮励杰, 张鹏.中国城市空间分布的省际差异及其影响因子分析. 中国人口•资源与环境, 2012, 22(12): 159-164.采用全国县城所在的建制镇与所有设市城市数据,以省区作为基本研究单元,运用最近邻分析与种群分布理论定量分析了2009年城市体系空间分布的省际差异及其影响因素.研究表明:2009年我国各省区的城市空间分布格局以均匀分布为主,明显表现出集聚分布的仅有西藏、青海和新疆三省；通过对中国各省区城市分布与自然、社会经济条件进行回归分析发现,各省区城市的空间分布模式与自然及社会经济因素具有较强的相关性；从各变量的重要性来看,影响区域城市空间分布形态最主要的因素是路网密度,其次分别是复种指数、人均耕地面积、土地垦殖率与城市化率；城市在发展的过程中,为了获得足够的要素维持自身生长,各城市必定会最大化地攫取要素资源,导致了城市之间的资源竞争；区域内城市的外部环境越趋于均匀,城市的空间分布越趋于均匀,而区域内城市外部环境分布不均则导致城市表现出集聚分布模式；在其他影响因素不变的情况下,复种指数与城市化水平的提高在一定程度上降低了城市分布对其他因素的依赖.

DOI

[Ye Hao, Pu Lijie, Zhang Peng.Inter-provincial differences and its impact factors of urban spatial distribution in China. China Population Resources & Environment, 2012, 22(12): 159-164.]

[27]
刘彦随, 李进涛. 中国县域农村贫困化分异机制的地理探测与优化决策. 地理学报, 2017, 72(1): 161-173.

[Liu Yansui, Li Jintao.Geographic detection and optimizing decision of the differentiation mechanism of rural poverty in China. Acta Geographica Sinica, 2017, 72(1): 161-173.]

[28]
刘彦随, 杨忍. 中国县域城镇化的空间特征与形成机理. 地理学报, 2012, 67(8): 1011-1020.本文综合运用样带、地统计、地理探测器等多种研究方法,分析了1990年以来中国县域城镇化的时空特征及形成机理.研究表明:①中国县域城镇化水平时空动态的差异特征显著,北方边境县域高城镇化和东部沿海县域高城镇化形成的“人字形”空间形态逐渐凸显;以武汉都市圈为中心的两湖地区、成渝地区、关中—天水经济区的县域城镇化水平提升较快,西南地区、青藏高原地区保持较低的城镇化水平;②2000年以来中国县域城镇化水平及其变化速度的区域差异逐渐缩小,陇海兰新线、长江沿线、北方边境、106国道、东部沿海样带县域城镇化差异明显;县域经济发展阶段、固定资产投资、离中心城市距离、二三产业水平、农民人均纯收入、人口密度是影响县域城镇化空间分异的主要因素,同时粮食生产主导定位、非农业人口统计口径、城镇设置标准等因素也影响县域城镇化水平及发展过程.未来城镇化发展应遵循地域差异,凸显主导功能,推进优化与重点发展区的集约型城镇化、耕地与粮食主产区的分流型城镇化、生态与水源保护区的迁移型城镇化,以及园区与城镇近郊区的融入型城镇化,实现城乡土地资源集约利用,促进城镇化进程中人—地—业耦合与协调发展.

DOI

[Liu Yansui, Yang Ren.The spatial characteristics and formation mechanism of the county urbanization in China. Acta Geographica Sinica, 2012, 67(8): 1011-1020.]

[29]
Wang Jinfeng, Li Xinhu, Christakos G, et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China. International Journal of Geographical Information Science, 2010, 24(1): 107-127.Physical environment, man‐made pollution, nutrition and their mutual interactions can be major causes of human diseases. These disease determinants have distinct spatial distributions across geographical units, so that their adequate study involves the investigation of the associated geographical strata. We propose four geographical detectors based on spatial variation analysis of the geographical strata to assess the environmental risks of health: the risk detector indicates where the risk areas are; the factor detector identifies factors that are responsible for the risk; the ecological detector discloses relative importance between the factors; and the interaction detector reveals whether the risk factors interact or lead to disease independently. In a real‐world study, the primary physical environment (watershed, lithozone and soil) was found to strongly control the neural tube defects (NTD) occurrences in the Heshun region (China). Basic nutrition (food) was found to be more important than man‐made pollution (chemical fertilizer) in the control of the spatial NTD pattern. Ancient materials released from geological faults and subsequently spread along slopes dramatically increase the NTD risk. These findings constitute valuable input to disease intervention strategies in the region of interest.

DOI

[30]
Wang Jinfeng, Hu Yi.Environmental health risk detection with GeoDetector. Environmental Modeling & Software, 2012, 33(7): 114-115.Human health is affected by many environmental factors. Geographical detector is software based on spatial variation analysis of the geographical strata of variables to assess the environmental risks to human health: the risk detector indicates where the risk areas are; the factor detector identifies which factors are responsible for the risk; the ecological detector discloses the relative importance of the factors; and the interaction detector reveals whether the risk factors interact or lead independently to disease.

DOI

Options
Outlines

/

〈 〉