城市土地利用结构演变分析及其驱动机制研究——以长沙市为例

2015-12-08 01:25聪,张
上海国土资源 2015年3期
关键词:信息熵长沙市关联度

欧 聪,张 坤

(湖南农业大学资源环境学院,湖南·长沙 410128)

城市土地利用结构演变分析及其驱动机制研究
——以长沙市为例

欧 聪,张 坤*

(湖南农业大学资源环境学院,湖南·长沙 410128)

基于信息熵和均衡度对长沙市2006~2012年城市土地利用结构的演变进行分析,并运用灰色关联度分析法探讨其与经济水平、产业结构及人口发展3个一级指标及其11个二级指标的关联程度,对各指标与地类变化的关联性进行排序,确定主要的影响因素。研究表明:7年间长沙市城市各职能类土地面积都在增加,增幅有所差异;信息熵总体呈现下降趋势,均衡度和优势度则趋于稳定;经济水平和产业结构的发展是长沙市城市土地利用结构演变的主要驱动力。

土地利用结构;驱动机制;关联度分析;信息熵

城市土地利用结构是指城市各种功能用地的比例和空间结构及其互相影响、互相作用的关系,在一段时间内,也表现为各种土地类型的动态演变过程。从系统论的角度来看,土地类型演变的本质是土地类型结构和功能的自组织,而这种自组织过程是城市内部人流、物质流和能量流迁移转化的结果[1]。随着城市的外延式发展和内部结构的重组,城市土地利用结构演变持续不断[2~6]。本文通过引入信息熵的概念,对其演变进行定量描述和分析,再进一步基于灰色系统理论,以长沙市为案例,对影响城市土地利用结构变化的驱动机制进行研究。

1 城市土地利用结构的计量方法

1.1 信息熵

“熵”原是一个热力学概念,统计物理学用它来表示分子不规则运动的程度,1948年美国数学家申农(Shanon)把熵的概念引入信息论中,称为信息熵,指出信息熵是作为人们对系统内部组态信息缺乏程度或一个随机事件不确定性的量度[7]。土地利用系统是自然、人类、社会、经济和技术5个子系统耦合而成的复杂巨系统,具有开放性、随机性、动态性、代谢性、非孤立性、自组织性、自适应性等特征[8]。因此,可以借用信息熵的概念来对复杂的城市地理系统结构进行深入的定量分析,并用以描述城市土地利用类型的多样性[9]。

假设一个城市的建设用地总面积为A,该市的土地根据其职能可分成m种,每个职能类的用地面积为Ai,则有:

各职能类土地所占城市建设用地的比例Pi为:

根据信息论原理,将土地利用结构的信息熵H定义为[10]:

信息熵H(为计算方便取自然对数)是系统复杂性与均衡性的测度,这里用来描述一个区域土地利用类型面积分布的均匀程度,熵值越高,表明不同职能部门的土地利用类型越多,各职能类型的面积相关越小,土地分布越均匀[11]。当该地区处于未开发的程度或只有一种利用结构时,熵值最小,即Hmin=0;当整个地区土地利用结构趋于平衡,各职能类土地所占比例相等,即P1=P2=P3,…,=P-m=A/m,熵值最大,即Hmax=lnm。

1.2 均衡度

利用信息熵分析城市用地的均衡性有一个实际性的困难,即土地职能数的认定,由于按照实有职能计算的信息熵值,实际上却没有考虑职能数量的影响,因此有必要引入均衡度的概念[12]。

根据信息熵的公式,可得出均衡度E的表达式:

由式(4)可以看出,均衡度是某种职能土地类型信息熵与信息熵最大值的比值,体现了各职能类用地面积的差异情况和结构布局。很显然,E的取值范围为0~1,当E=0,城市土地利用类型处于最不均衡状态,反之,当E=1,则处于最均衡的状态。相应的,均衡度从反方面来看,则有优势度D的概念,即D=1-E,用于反映区域内一种或几种用地类型的主导程度,与均衡度所反映的用地类型多样性成反比。

2 长沙市城市土地利用结构演变动态分析

2.1 区域概况

长沙市位于湖南省东部偏北,湘江下游和长浏盆地西缘。作为省会城市,是湖南政治、经济、文化中心。2013年地区生产总值达7153.13亿元,居全省首位,也是我国中西部地区最具竞争力的城市和中南地区重要的工商业城市。同时,作为长株潭城市群核心城市和国家级两型社会综合配套改革试验区,是国家实施中部崛起战略的重点发展区域。研究其城市土地利用结构信息熵分异规律,不仅可以深入了解该地区各类土地利用类型的动态演变规律及其驱动机制,更可以为长株潭城市群乃至整个中部地区的城镇化提供参考依据。

2.2 数据来源与用地职能划分

本文所用各类数据主要来自2006~2012年《中国城市建设统计年鉴》和《湖南统计年鉴》。采用建设部1991年颁布的《城市用地分类与规划建设用地标准》中的“城市用地分类”体系,将长沙市各时期的土地利用类型划分成9大职能,包括居住、工业、仓储、对外交通、道路广场、公共设施、市政公用设施、绿地和特殊用地。

2.3 历年城市土地利用结构的变化趋势

由图1可以看出,长沙市的城市建设用地总面积,从2006年的173.19km2增加到2012年的318.37km2,年均增长10.68%。其中,居住用地增加了64.33km2,公共设施用地增加13.06km2,工业用地增加7.53km2,仓储用地增加1.93km2,对外交通用地增加3.02km2,道路广场用地增加14.17km2,市政公用设施用地增加35.46km2,绿地增加5.09km2,特殊用地增加0.59km2。

图1 长沙市城市土地利用结构面积变化趋势Fig.1 Urban area change tendency of land use structure in Changsha city

由图2可以看出,2006~2012年的7年内,长沙市居住用地比例和市政公用设施用地比例有所增加,其他用地类型比例有所减少。其中,居住用地比例增加7.75%,市政公用设施用地比例增加9.53%,公共设施用地比例减少5.95%,工业用地比例减少3.62%,仓储用地比例减少0.74%,对外交通用地比例减少0.43%,道路广场用地比例减少1.27%,绿地比例减少2.95%,特殊用地比例减少2.32%。

图2 长沙市城市土地利用结构比例变化趋势Fig.2 Proportion change trend of land use structure in Changsha city

2.4 土地利用结构信息熵的计算及分析

根据式(3)、(4)计算长沙市2006~2012年城市土地利用结构变化的信息熵和均衡度,结果见表1,信息熵和均衡度的变化趋势见图3、图4。

表1 长沙市城市土地利用结构信息熵与均衡度Table 1 Land use structure information entropy and equilibrium degree index in Changsha

图3 长沙市城市土地利用结构信息熵演变图式Fig.3 Urban land use structure information entropy evolution patterns of Changsha

图4 长沙市城市土地利用结构均衡度演变图式Fig.4 Equilibrium degree of land use structure evolution scheme in Changsha city

从图3可以看出,长沙市城市土地利用结构信息熵在2006~2012年的7年间呈现先下降后持平再上升的过程,信息熵的平均值为1.8393,接近最大值1.9319,可以得出:虽然这7年间信息熵总体上而言有所下降,土地利用结构的多样性有所减少,但减少的幅度不大,演变的趋势总体平稳。

从图4可以看出,相较于信息熵的变化过程,均衡度和优势度的变化则更为缓和,虽然二者每年所占比例都有所波动,但总体而言处于一种稳定状态,变化幅度非常小。

3 长沙市城市土地利用结构演变驱动机制分析

3.1 研究方法与理论

灰色系统理论于20世纪80年代由中国学者邓聚龙提出[13],它的研究对象是介于黑色系统(信息未知)和白色系统(信息完全明确)之间的灰色系统,而灰色关联度分析法是灰色理论最广泛的应用,其实质是分析各评价对象与理想对象的接近程度,评价对象与理想对象越接近,其关联度就越大。灰色关联度是对系统动态发展过程的量化分析,是根据因素之间发展态势的相似或相异程度来衡量因素间接近的程度[14]。

3.2 灰色关联度分析法步骤

(1)确定参考序列与比较序列

设参考序列为X0,则:X0=[X0(t)](t=1,2,3,…,n),其中评价指标t共有n个。设比较序列为Xi,则:Xi=[Xi(t)] (t=1,2,3,…,m),其中评价项目i共有m个。由于原始数据的量纲不一定相同,所以需要对其进行无量纲化,消除量纲和数量级对数据的影响,使其转化为可比较的数据序列。具体方法为:

其中,Xij为第i年第j项指标值,Xij’为第i年第j项指标标准值,为第j项指标的平均值,σ为第j项指标的标准差。(2)计算关联系数

经过无量纲化的参考序列记为{X0(t)},比较序列记为{Xi(t)}。则在时刻t=k时参考序列{X0(t)}与比较序列{Xi(t)}的关联系数{ξ0i(k)}为:

其中,ζ为分辨系数[10], ,用于减少极值对计算的影响,提高关联系数之间的差异显著性。在实际使用时,根据序列间的关联程度选择分辨系数,ζ=0.5一般取。

(3)计算关联度

由于关联系数只表示各时点数据间的关联程度,且数据量大,不便于比较。为了使数据量便于比较分析,参考序列和比较序列的关联度便以两序列各个时刻的关联系数的平均值计算,即灰色关联度的计算公式为:

其中当r0i(0,1)时,表示评价体系中各项指标都不是严格无关的,r0i越大,则评价对象越接近理想对象。

(4)关联度排序

将m个比较序列对应同一个参考序列的灰色关联度进行排序,组成关联序,记为{X}。关联序可以反映不同比较序列对参考序列的优劣程度,当r0a>r0b,则认为对应相同参考序列{Xa}的优于{Xb},反之则劣于。

3.3 构建评价指标体系

基于长沙市2006~2012年社会经济统计数据,根据指标选取的科学性、主导性、系统性、目的性、可操作性的原则,构建以经济水平、产业结构、人口发展、土地利用为一级指标,以及下属14个指标为二级指标的评价指标体系[15,16](表2)。

表2 长沙市城市土地利用结构演变驱动机制分析指标体系Table 2 Driving mechanism of urban land use structure evolution analysis index system in Changsha city

3.4 灰色关联度分析

将研究区域的社会经济技术因子作为自变量组成比较序列,已建成建设用地总面积、信息熵和均衡度作为因变量构成参考序列,得到分析序列(表3)。将上述分析序列在DPS软件中进行无量纲化,得到各指标标准化值(表4)。

表3 长沙市城市土地利用结构演变驱动机制分析序列Table 3 Driving mechanism of urban land use structure evolution sequence analysis in Changsha city

表4 指标值标准化值Table 4 Index standardization value

将标准化后的数据在DPS软件中继续分析,进行各驱动力因子的综合判断,并设置分辨系数ζ为0.5,计算建设用地总面积、土地利用结构信息熵、土地利用结构均衡度与指标体系中的二级指标的关联度值(表5),一级指标关联度值取二级指标的平均值(表6)。

表5 各土地利用指标与二级指标的关联度Table 5 Correlation of each land use indicators and secondary indicators

表6 各土地利用指标与一级指标的关联度Table 6 The primary index of correlation degree and land use index

灰色关联度的结果分析:

(1)长沙市城市建设用地总面积变化驱动机制分析:从表5可以看出,二级指标中对其影响最大的分别是人均GDP、社会零售总额和城镇居民人均可支配收入;其次是非农人口、财政总收入和GDP。一级指标中与其关联度最高的是经济水平。

(2)信息熵变化驱动分析:从表5可以看出,二级指标中对其影响最大的分别是第三产业比重、第二产业比重和财政总收入;其次是城镇居民人均居住面积、非农人口和总人口。一级指标中与其关联度最高的是产业结构。

(3)均衡度变化驱动机制分析:从表5可以看出,二级指标中对其影响最大的分别是第三产业比重、第二产业比重和人均GDP;其次是总人口、非农人口和城镇居民人均可支配收入。一级指标中与其关联度最高的是产业结构。

4 结论

(1)从总量上看,2006~2012年,长沙市城市建设用地面积逐步增加,这是城市发展、经济增长的必然结果,但各职能类土地面积增幅有差异,增幅最大的是居住用地,各职能类土地增长速度需要调整。

(2)2006~2012年7年间,长沙市城市土地利用结构的信息熵总体而言趋于下降,小部分有所波动,说明城市土地利用结构的多样性趋于减弱,但下降幅度不大,演变趋势较为稳定,而均衡度和优势度则一直处于一种小范围波动,但相对来讲较为稳定。

(3)经济水平和产业结构的发展是城市土地利用结构演变的主要驱动力,其影响程度大于人口发展等社会因素。

References)

[1] 李江,郭庆胜. 基于信息熵的城市用地结构动态演变分析[J]. 长江流域资源与环境,2002,11(5):393-397.

Li J, Guo Q S. Analysis of dynamic evolvement in urban landuse composition based on shannon entropy[J]. Resources and Environment in the Yangtze Basin, 2002,11(5):393-397.

[2] 袁华宝. 城乡统筹发展中的土地利用问题探讨[J]. 上海地质, 2009,30(3):8-9,23.

Yuan H B. Discussion of land-use in urban and rural development[J]. Shanghai Geology, 2009,30(3):8-9,23.

[3] 戴星翼. 上海转型发展中的土地优化利用[J]. 上海国土资源, 2015,36(1):1-4.

Dai X Y. Land resource optimization during the transition phase of Shanghai development[J]. Shanghai Land & Resources, 2015,36(1):1-4.

[4] 高魏. 上海市建设用地与经济社会发展的空间计量经济分析[J].上海国土资源,2013,34(3):11-15,20.

Gao W. Spatial econometric analysis of socio-economic development and construction land in Shanghai[J]. Shanghai Land & Resources, 2013,34(3):11-15,20.

[5] 陆效平,王静,金志丰. 江苏省建设用地扩展类型及对经济增长的贡献研究[J]. 上海国土资源,2014,35(3):43-46.

Lu X P, Wang J, Jin Z F. Construction land expansion types and their contribution to economic growth in Jiangsu province[J]. Shanghai Land & Resources, 2014,35(3):43-46.

[6] 朱龙高,王富喜. 烟台城市空间扩展的过程与机制研究[J]. 上海国土资源,2014,35(3):50-53.

Zhu L G, Wang F X. The process and mechanism of urbanspatial expansion in Yantai city[J]. Shanghai Land & Resources, 2014,35(3):50-53.

[7] 朱剑英. 智能系统—非经典数学方法[M]. 武汉:华中科技大学出版社,2001.

Zhu J Y. Smart systems: Non-classical mathematical methods[M]. Wuhan: Huazhong University of Science and Technology Press, 2001.

[8] 谭永忠,吴次芳. 区域土地利用结构的信息熵分异规律研究[J].自然资源学报,2003,18(1):112-117.

Tan Y Z, Wu C F. The laws of the information entropy values of land use composition [J]. Journal of Natural Resources, 2003,18(1):112-117.

[9] 李文波,杨钢桥. 基于信息熵的城市土地利用结构演变分析—以武汉市为例[J]. 国土资源科技管理,2007,24(4):96-100.

Li W B, Yang G Q. An analysis of structure evolution of urban land utilization based on information entropy: With wuhan as an example[J]. Scientific and Technological Management of Land and Resources, 2007,24(4):96-100.

[10] 陈彦光,刘明华. 城市土地利用的熵值定律[J]. 人文地理,2001, 16(4):20-24.

Chen Y G, Liu M H. The basic laws of the shannon entropy values of urban land-use composition[J]. Human Geography, 2001,16(4):20-24.

[11] 匡文慧,张树文. 长春市百年城市土地利用空间结构演变的信息熵与分形机制研究[J]. 中国科学院研究生院学报,2007,24(1):73-80.

Kuang W H, Zhang S W. Analyzing the information entropy and fractal dimension of urban land use spatial evolving process from 1900 to 2004 in Changchun City[J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2007,24(1):73-80.

[12] 陈彦光,刘继生. 城市土地利用结构和形态的定量描述:从信息熵到分数维[J]. 地理研究,2001,20(2):146-152.

Chen Y G, Liu J S. An index of equilibrium of urban landuse structure and information dimension of urban form[J]. Geographical Research, 2001,20(2):146-152.

[13] 邓聚龙. 社会经济灰色系统的理论与方法[J]. 中国社会科学, 1984,(6):47-60.

Deng J L. Social economic theory and method of grey system[J]. Social Sciences in China, 1984,(6):47-60.

[14] 邓聚龙. 灰色系统理论教程[M]. 武汉:华中理工大学出版社, 1990.

Deng J L. The grey system theory tutorial[M]. Wuhan: Huazhong University of Science and Technology Press, 1990.

[15] 陈圆圆. 长沙经济技术开发区土地利用结构的演变特征及其驱动机制研究[D]. 长沙:湖南师范大学硕士学位论文,2014.

Chen Y Y. Study on the evolution characteristics and driving forces of land use structure in Changsha Economic and Technological Development Zone[D]. Master′s thesis, Changsha: Hunan Normal University, 2014.

[16] 陈青,宋敏. 城市土地集约利用潜力评价研究[J]. 上海国土资源, 2013,34(2):28-32,40.

Chen Q, Song M. Evaluation of the potential for intensive utilization of urban land[J]. Shanghai Land & Resources, 2013,34(2):28-32,40.

[17] 雷士芬,张全景,柳博会,等. 基于主成分分析的日照市土地利用变化驱动力分析[J]. 上海国土资源,2015,36(2):46-50.

Lei S F, Zhang Q J, Liu B H, et al. Principal component analysis of driving forces behind land-use change in Rizhao city of Shandong province[J]. Shanghai Land & Resources, 2015,36(2):46-50.

The evolution analysis and driven mechanism of city land use structure in Changsha

OU Cong, ZHANG Kun
(College of Resources & Environment, Hunan Agricultural University, Hunan Changsha 410128, China)

Grey correlation analysis methods are used to explore the degree of correlation between 3 first-level indicators and 11 second-level indicators of urban land use and industrial structures, and economic and population development. By analyzing the influence of changing of urban land use structure during 2006–2012, key influencing factors are identified. The city of Changsha within comentropy and balance degree. Results are as follows: (1) All land types have been increasing in the past 7 years at different rates; (2) comentropy has decreased overall, but increased in some areas, and the difference between balance and dominance degrees have stabilized; (3) economic and industrial development are the main driving forces behind land use structure in Changsha.

land use structure; driven mechanism; correlation analysis; comentropy

F293.2

A

2095-1329(2015)03-0039-05

10.3969/j.issn.2095-1329.2015.03.009

2015-03-18

2015-07-06

欧聪(1994-),男,土地资源利用与管理专业.

电子邮箱: 754496025@qq.com

联系电话: 0731-84617803

国家自然科学基金项目(41201175);湖南省教育厅科研项目(12C0152)

*通讯作者: 张坤(博士/副教授): 39116272@qq.com

猜你喜欢
信息熵长沙市关联度
长沙市望城区金地三千府幼儿园
基于信息熵可信度的测试点选择方法研究
基于灰色关联度的水质评价分析
一种基于信息熵的雷达动态自适应选择跟踪方法
长沙市控编减编工作的实践探索
基于信息熵的IITFN多属性决策方法
基于灰关联度的锂电池组SOH评价方法研究
泊松分布信息熵的性质和数值计算
基于灰色关联度的公交线网模糊评价
简述长沙市三种不同边坡支护方式