基于Logistic-GTWR模型的武汉城市圈城镇用地扩展驱动力分析

王海军，刘艺明，张 彬，徐 姗，贾克敬，洪 松



基于Logistic-GTWR模型的武汉城市圈城镇用地扩展驱动力分析

王海军1,2，刘艺明1，张 彬1，徐 姗3※，贾克敬4，洪 松1

（1. 武汉大学资源与环境科学学院，武汉 430079；2. 武汉大学地理信息系统教育部重点实验室，武汉 430079； 3. 中国科学院地理科学与资源研究所，北京 100101；4. 中国土地勘测规划院，北京 100035）

该文以武汉城市圈为例，利用1995年、2000年、2005年、2010年、2015年5期土地利用数据、社会经济因子、邻域因子和自然因子，构建耦合空间异质性和时间非平稳性的Logistic-GTWR（逻辑斯蒂-时空地理加权回归）模型，挖掘武汉城市圈城镇用地扩展驱动力及其时空分异格局。结果表明：1）耦合空间异质性和时间非平稳性的Logistic-GTWR模型比全局Logistic回归模型和Logistic-GWR（逻辑斯蒂-地理加权回归）模型具有更好的拟合效果，验证了Logistic-GTWR模型在城镇用地扩展驱动力分析研究中的适用性。2）武汉城市圈城镇用地扩展的不同影响因子系数时空分异格局各不相同，人口因子高值分布区围绕武汉市先收缩后扩散并逐渐稳定，最终形成绕武汉城市圈中部沿线周边环状分布格局；地均GDP因子高值分布区先向西部转移，后逐渐趋于均衡，最终形成绕武汉、麻城和崇阳县周边集聚分布的空间格局。武汉市极化作用占据主导地位，且影响范围不断扩大。3）人口和经济是20年间武汉城市圈城镇扩展的核心驱动因子,且影响力呈逐年上升趋势；国道、高速和省道影响力整体呈略微升高态势。4）武汉城市圈中部及东部城市多为人口、经济核心驱动型城市，高程影响在武汉市发展中逐渐凸显；西部城市主要受高程限制，并以交通及经济驱动为主，东西差异显著;但西部城市1995年以来人口和经济的作用强度逐步增加。人口因子作用强度在咸宁和黄冈呈逐渐上升趋势，经济因子作用强度在武汉、孝感、仙桃、天门、潜江和黄冈逐年上升。

土地利用；模型；城市扩展；驱动力；逻辑斯蒂；时空地理加权回归；武汉城市圈

0 引 言

土地利用变化驱动力研究是土地利用/覆被变化的核心研究领域[1-2]。改革开放以来，中国城镇化进程随经济的快速发展不断推进[3]，截止到2016年底，中国城镇化率已达57.4%。城镇用地扩展作为城镇化和土地利用变化集中且直观的反映，对其驱动力机制的探究对新型城镇化背景下建立更加有效的区域协调发展新机制具有重要意义。

国内外有关城镇用地扩展驱动力研究最早可追溯至1995年土地利用/覆被变化计划（LUCC）的发起，经过众多地理学家不断的深入研究，相关研究方法和模型日新月异[4]，最常用的是多元线性回归[5]、主成分分析[6]、相关性分析[7]和回归树[8]等，这些模型大多从社会经济因子出发探究与城镇用地扩展的相关关系，不能处理空间因素变量和因变量为分类变量的情况[9]，然而空间因素是城镇用地扩展众多影响因子中不可或缺的要素，因此以上模型一定程度上限制了驱动力的深入挖掘。Logistic回归模型则能很好的处理此问题，该模型通过对一组自变量和一个类别变量（离散变量）型的因变量进行回归确定自变量对事件发生概率的影响大小，在地学[10]、社会学[11]和医学[12]等领域得到广泛应用。然而城市土地系统是一个自然、经济、环境等因子都因空间变化而存在差异的巨系统，探究土地城镇化的驱动机制必须考虑其空间异质性。随着地理信息系统技术的不断发展和驱动力研究的不断深入，考虑空间异质性的GWR模型和logistic-GWR模型逐渐引起学者们的重视[13-14]，将空间因素嵌入模型中，进一步揭示土地利用变化驱动力的空间分异规律。但是城镇用地扩展的过程兼具空间异质性和时间非平稳性，时间和地理位置的变化均会引起变量间关系或结构的变化[15]，时间上亦会存在滞后效应，因此同时将空间和时间维度纳入驱动力分析模型中，对于更加全面、科学地探究土地城镇化驱动力的时空变化特征及规律具有重要意义。本研究同时耦合空间和时间因子，构建Logistic-GTWR(逻辑斯蒂-时空地理加权回归)模型，不仅可以完成对空间影响因素的处理，同时能够更加完整的解析城镇用地扩展影响因子的时空变化机制，尤其在区域发展趋向协调化和一体化的时代背景下，更有助于决策者进行城镇用地的差异化管理。

1 研究区概况及数据来源

1.1 研究区概况

武汉城市圈（112°30'~116°10' E， 29°05'~31°50' N）地处长江中游，位于湖北省中东部地区，是以中国中部地区最大城市武汉市为中心，包括仙桃、咸宁、黄石、鄂州、黄冈、孝感、天门、潜江周边8 个城市。

该地区面积约为5.80万km2，2016年，武汉城市圈常住人口达3120.48万，约占全省总人口的53.3%；GDP达20147.78亿元，占全省GDP总量的62.4%。武汉城市圈是国务院首批批准的“两型社会”试验区和长江中游城市群重点区域，在长江中游城市群发挥经济新增长极作用的进程中占据重要的战略地位。

1.2 数据来源

本研究所使用数据来源于中国科学院资源环境科学数据中心提供的1995、2000、2005、2010、2015年土地利用栅格数据、人口和地均GDP公里网格数据（1 km× 1 km）以及武汉城市圈行政区划和矢量路网数据。本文所使用的的土地利用数据分类体系为中科院土地利用覆被变化分类体系，以城镇用地为研究对象，研究武汉城市圈所有城市及县镇以上所有建成区用地扩张情况。将武汉城市圈的土地利用数据与行政边界数据进行叠置分析，获取各市扩展面积，并计算城镇用地扩展速率，结果如图1所示。

图1 1995—2015年武汉城市圈4个时期城镇扩展速率

由图1可知，武汉城市圈城镇用地整体扩展速率在1995-2010年不断增加，2010年之后可能受到了土地利用总体规划的限制，扩展速度减缓。各市扩展速率总体上先增加后减小，呈现出阶段和波动性特征。

1.3 影响因子选择

参考已有文献[8]、[16]-[17]，考虑到数据的可得性，本文选取3类10种因子进行分析。1）社会经济因子：人口栅格数据（V1）、地均GDP栅格数据（V2）；2）自然因子：DEM（V3）、坡度（V4）；3）邻域因子：距国道（V5）、距高速公路（V6）、距铁路（V7）、距省道（V8）、距县道（V9）、距水域的距离（V10）。

2 模型构建

Logistic回归模型不仅可以对类别变量（离散变量）进行回归，而且可以完成对空间变量的处理，通过每个自变量的回归系数来分析某类事件发生的概率与自变量之间的关系[18]，从而揭示各解释变量对事件发生概率预测的强度和作用[19]，弥补了传统线性回归只能对连续变量进行回归的不足。时空地理加权回归模型（GTWR）作为地理加权回归（GWR）的扩展模型，耦合时间和空间因子，同时将空间异质性和时间非平稳性纳入城镇用地扩展体系中，能够更加有效地估计因子参数，但是仅能对连续变量进行回归。本文将两个模型有机结合，构建Logistic-GTWR(逻辑斯蒂-时空地理加权回归)模型。该模型既能顾及城镇用地扩展的时空特性，又可以处理空间要素，克服GTWR模型可能因众多坐标重合，而使结果接近于传统线性回归的缺点[20]，将城镇用地扩展作为完整的时空演变系统，从而更加科学地探究城市群城镇用地扩展驱动机制。参考学者Huang等[20]的GTWR模型及推导过程，本文将时间和空间坐标（,）纳入Logistic模型，所构建的Logistic-GTWR模型数学表达形式如下：

（2）

已知：

（7）

则可推算出：

3 结果与分析

3.1 模型对比

为验证Logistic-GTWR模型的适用性及准确性，运用1995—2000、2000—2005、2005—2010、2010—2015年的全部数据点进行模型参数运算，并将该模型与Logistic回归模型、Logistic-GWR模型进行对比，结果见表1。

表1 模型诊断结果对比

PR为模型对城镇用地扩展概率的预测正确率。Moran’I为全局莫兰指数，指地理事物分布与不同空间位置的某一属性值之间的统计相关性，全局指数的值越小，说明残差的空间依赖程度越低，即模型考虑了更多的空间结构问题，模型的效果就越好[21]。AIC信息准则作为模型拟合优良性的一个重要标准，可考虑模型的自由度，对比不同模型的差异[22]，该值越小则模型精度越高[23]。

由表1可知，Logistic-GTWR模型的PR值和2值均显著高于其他2个模型，即模型拟合优度较高。更小的RSS值表明该模型在数据拟合过程中误差更小，能够更好的解释自变量和因变量的关系。AIC与原始模型的差距大于3，说明模型有显著差异[24]，模型精度更高。由于考虑了更多的空间异质性和时间非平稳性特征，所以残差的全局Moran’s I指数有明显下降。即从模型的综合表现来看，Logistic-GTWR模型比传统模型更能够顾及城镇用地扩展显著的空间异质性和时间非平稳性特征，从而较准确地揭示城镇用地扩展影响因子。

3.2 城镇用地扩展驱动力分析

参考文献[12,14,21,25-26]，在ArcGIS10.1中对1995—2000、2000—2005、2005—2010、2010—2015年城镇用地扩展（1）和未扩展（0）的区域随机分层抽样，共选取5 153个点，其中0和1的数量大致相同，不相等的抽样比例不会影响解释变量在模型中的系数估计，但是会影响模型的常数项[9]。对所有样点提取位置信息和影响因子属性值，并对各个属性值进行极差标准化处理以消除量纲的影响，在Matlab中进行计算，通过交叉验证所得模型的带宽为0.338 3，1995—2015年所有数据经Logistic-GTWR模型处理所得系数全部通过0.05水平的显著性检验，见表2。

由表2可知，各影响因子系数的四分位数正负性一致，作用强度变化均较明显，说明10个影响因子对武汉城市圈城镇用地扩展的作用强度在空间上存在显著的非平稳性。

表2 Logistic-GTWR模型参数估计汇总

3.2.1 影响因子系数时空分异格局

将Logistic-GTWR模型计算所得的样点参数在ArcGIS10.1中进行克里格空间插值，从全局分析其空间格局差异及时序动态变化，见图2、图3、图4。其中V1、V2、V9、V10颜色越深表示系数越大，驱动强度越大；V3-V8颜色越深表示系数越大，驱动强度越小。

1）影响因子空间异质性分布规律

由图2可知，20年间人口因子（V1）高值分布格局主要呈围绕武汉市先收缩后扩散并逐渐稳定的趋势。1995—2000年人口因子主要形成以武汉市江夏区和武汉市主城区、鄂州、黄石三者交界处为高值区的分布格局，2000—2005年高值区向武汉市主城区收缩；2005—2015年逐渐由武汉市主城区向武汉市远城区及与鄂州、咸宁交界处扩散，并形成绕武汉城市圈中部沿线环状分布格局，主要沿武汉-麻城连线周边分布，咸宁在2015年则形成显著的西高东低的空间分异格局，黄冈西部边缘区也形成小范围高值区，其他区域无明显分异。武汉是湖北省经济发展的重要增长极，其远城区对人口的集聚能力不断增强，武汉城市圈一体化发展也使得武汉对与周边城市鄂州和黄冈接壤地区带动作用逐渐显著。

20年间地均GDP因子（V2）高值分布区，先向西部转移，其次逐渐趋于均衡，最后形成绕武汉、麻城和崇阳周边集聚分布的空间格局。1995—2000年地均GDP因子高值区主要在黄陂-黄石西北地区-武汉鄂州黄冈接壤一带，在潜江及天门的中心区域、咸宁南部和咸安区也有少量高值区；2000—2005年高值区逐渐向武汉城市圈西部转移，因子作用强度西北和东南差异明显；2005—2010年间主要分布在武汉市江夏区一带，因子作用强度差异趋于均衡；2010—2015年格局主要形成沿武汉-麻城一带的环状分布和绕崇阳县城的圈层式分布格局。从整体演化格局来看，武汉市经济发展的外溢效应仍旧不足，部分距离武汉市较远的城市由于受到交通因素的制约，经济发展的开放性不足，规模经济发展程度较低，导致城市间联系强度较小，经济活力和对周边带动作用有限。

由图2知，高程（V3）和坡度（V4）因子的空间分布格局较为相似，20年间格局无明显变化，影响强度较大的区域主要集中在武汉城市圈在武汉市主城区周围和武汉市中西部地区，整体东西差异较大，这主要受武汉城市圈内北部及西南部山脉等地形所致。

距离邻域因子（图3）中，距国道（V5）和高速距离（V6）因子的作用强度主要分布格局有两个特征，其一对武汉城市圈层面上逐渐形成中西高东低的格局，且20年间无明显变化；其二是局部特征呈现高值区主要分布于城市边缘区的空间格局，且高值区随时间逐渐由武汉市西部向北部和东部转移；距铁路距离（V7）因子分布格局在1995—2010年无显著变化，主要集聚于武汉主城区东部与鄂州接壤处及南部江夏区，2010—2015年高值区向西部和北部扩展，主要分布在应城、嘉鱼县和新洲区，呈现总体西高东低的格局；距离省道距离（V8）因子影响强度总体呈西高东低态势。1995—2010年高值区逐渐向东转移，但依旧位于武汉市内和武汉、黄石、鄂州接壤地区；2010—2015年则重新向西迁移至孝感的应城和云梦县；距县道距离（V9）因子的空间分布格局较分散，1995—2000年主要沿南北连线一带分布，2000—2005年高值点逐渐分散分布，2005—2010年高值区呈西部集聚态势，2015年主要集聚在孝感南部（孝南区和汉川市）和武汉与孝感交接区域；而距水域距离（V10）因子的差异格局随时间变化十分明显，1995年大多分布在武汉市新洲区-鄂州市华容区一带和通城县城中部区域，2000年之后高值范围逐渐扩大，主要分布在武汉市主城区周边地区。

所有因子中作用强度变化范围最大的是人口和地均GDP。人口是城镇用地扩展的直接动力，地均GDP则是城镇用地扩展的核心动力，其受相关政策、区位特征、产业布局和技术投入等因素影响较大，因此可通过调整产业布局和相关政策对城市扩展的强度和方向进行控制或调整。

2）驱动力时序变化分布格局

从因子驱动力大小增减的范围来看，地均GDP因子驱动强度增加的区域面积最大，其次是坡度、人口和距铁路及水域的距离，增加的面积全部达到50%以上。

从增减区域的格局来看，武汉城市圈的不同影响因子的变化格局各具特色。对武汉市而言，人口因子影响力增加的区域主要分布在武汉市主城区和南部边缘区。主城区高昂的房价和拥挤的交通等因素使生活成本较高，武汉市远城区如东西湖、蔡甸等区域成为较好的选择。对于地均GDP因子，有70.32%的区域均呈增加趋势，西北部和武汉市周边是其主要的增长区域，对城镇用地扩展的带动作用呈外围贴近式增长格局。武汉要素集聚能力在城市群中不断增强，对鄂州、仙桃、汉川和孝感等周边城市有一定的带动作用。各道路邻域因子各具特点，与路网分布密切相关，如距铁路距离因子，作用力增大的区域主要是由武汉城市圈东南-西南方向一带汇聚于武汉市，大致形成“八”字样式，这与城际铁路道路中的武汉-孝感、武汉-天门和武汉-黄冈路线重合。

3.2.2 核心影响因子及其时序变化

1）全域核心影响因子及时序变化

从全域平均水平，对每一阶段因子的系数分别统计均值，并结合表2系数分布在宏观上识别各阶段驱动因子。1995—2000、2000—2005、2005—2010、2010—2015年各时期因子平均系数及城镇用地扩展发生比见表3。

①全域核心影响因子识别：由表3可知，20年间武汉城市圈城镇扩展始终以经济和人口因子为核心。人口因子的作用强度于1995-2000年高于地均GDP，在此后的15 a，地均GDP对城镇用地扩展的驱动均以绝对优势居于首位。

②核心影响因子时序变化分析：地均GDP作为对武汉城市圈城镇用地扩展影响强度最大的因子，其作用强度在20年中呈现波动上升的趋势，2005—2010年稍有下降，并在2015年作用强度达到最大；人口因子与城镇用地扩展呈正相关，其作用强度在1995年居于首位，除了在2005年稍有下降之外，总体呈上升趋势；高程和坡度因子与城镇用地扩展成显著负相关关系，20年来其作用强度呈先降低后增加，但研究期初与期末作用强度大致相同；其他邻域因子对城镇用地扩展的作用强度大小差异不大，但从研究期初到期末大部分因子都呈略微提高态势。其中距国道、高速、省道和铁路的距离因子对城镇用地扩展呈负相关关系，且因子强度均有提高，国道、省道等客流、连通性较好的道路更具有促进土地城镇化的特点。距水域距离和距县道距离与武汉城市圈城镇用地扩展呈显著正相关关系，且距水域距离因子作用强度整体上升，这与学者张安录的研究一致[14]。

2）市域层面核心影响因子及时序变化

市域层面上识别城镇用地扩展驱动力是区域土地资源差异化管理的基础。为便于进行市域间驱动力的对比及因子驱动强度的时序变化，将各驱动因子的发生比（正相关的因子即为exp()，负相关的因子变换为1/exp()）在市域层面进行比较，具体见图4。

图4 武汉城市圈各驱动因子对城镇用地扩展正向发生率

①全域核心影响因子识别：武汉城市圈9个城市中，武汉、黄石、黄冈、鄂州和咸宁的核心驱动因子在20年内均是人口和地均GDP，其中高程因子在武汉市的快速扩展中也成为重要的影响因素。仙桃、天门和潜江则表现出明显的阶段性特征，在2005年以前，人口、地均GDP、高程和坡度影响均较明显，但高程和坡度的影响明显高于人口和地均GDP，在2005年之后，人口和GDP的影响逐渐凸显。孝感则始终以地均GDP、人口和高程为重要的影响因子。从城市空间分布看，人口和经济驱动力较强的城市多分布在武汉城市圈的中部及东部，而高程坡度等驱动力较强的城市多分布在西部，即在市域层面上，驱动力强度东西差异较明显。

②核心影响因子时序变化：除咸宁和黄冈之外，其他城市的人口因子对城镇用地扩展的作用强度均呈现波动下降的趋势，即人口增长虽然仍是部分城市土地城镇化的主要驱动力，但对土地城镇化的驱动力度在逐渐减弱。从地均GDP因子来看，除了黄石和鄂州之外，其他城市的GDP对城镇用地扩展的驱动力均在上升，说明经济的驱动作用显著。

4 结 论

本文以武汉城市圈为例，构建耦合空间异质性和时间非平稳性的Logistic-GTWR模型，选取社会经济、自然因子和邻域因子探究了1995-2015年20年间城镇用地扩展驱动因子的时空演变和分异格局，结论如下：

1）同时耦合时间和空间异质性的Logistic-GTWR模型，比传统逻辑斯蒂回归和地理加权逻辑斯蒂模型具有更好的拟合优度和模拟精度，验证了模型在城镇用地扩展研究中的适用性。

2）武汉城市圈城镇用地扩展不同驱动因子时空分异格局各不相同。人口因子高值分布区围绕武汉市先收缩后扩散并逐渐稳定，最终形成高值区绕武汉城市圈中部沿线周边环状分布格局，主要是沿武汉-麻城连线周边分布；地均GDP因子高值分布区先向西部转移，其次逐渐趋于均衡，最后形成绕武汉、麻城和崇阳周边集聚分布的空间格局。武汉市极化作用仍占据主导地位，影响范围不断扩大，且在武汉市的极化作用过程中人口、产业等要素寻租效应明显。

3）从整体上来看，人口和经济是20年间武汉城市圈城镇用地扩展的核心驱动因子。人口和经济影响力呈逐年上升趋势；国道、高速和省道影响力整体呈略微升高态势。

4）武汉城市圈中部及东部城市武汉、黄石、黄冈、鄂州、咸宁和孝感为人口、经济核心驱动型城市，高程影响在武汉市发展中逐渐凸显。西部经济发展程度稍滞后的城市仙桃、潜江和天门主要受高程及交通影响，东西差异显著，但西部城市1995年以来人口和经济的作用强度逐步增加。人口因子作用强度在咸宁和黄冈呈逐渐上升趋势，经济因子作用强度在武汉、孝感、仙桃、天门、潜江和黄冈逐年上升。

Logistic-GTWR模型顾及空间异质性和时间非平稳性，能够精细化刻画驱动因子的时空分异特征，为城市群和城市内部差异化管理提供思路和参考，但如何进一步优化武汉城市圈空间结构，打造多核心带动、整体协同发展的长江经济带重要战略支点需进一步探讨。此外， Logistic- GTWR模型在时空参数比例确定、较少的城镇用地扩展时间节点、由插值得到的空间格局分布图可能与模型估计值存在差异等问题上还需进一步探究。

[1] 樊杰，吕昕. 简论人地关系地域系统研究的核心领域：土地利用变化[J]. 地学前缘，2002，9(4)：429－430. Fan Jie, Lv Xin. A brief discussion on the core area of the regional system and the relations between humans and land: Land Use Change[J]. Earth Science Frontiers, 2002, 9(4): 429－430. (in Chinese with English abstract)

[2] 刘涛，曹广忠. 城市用地扩张及驱动力研究进展[J]. 地理科学进展，2010，29(8)：927－934. Liu Tao, Cao Guangzhong. Progress in urban land expansion and its driving forces[J]. Progress in Geography, 2010, 29(8): 927－934. (in Chinese with English abstract)

[3] 乔伟峰，毛广雄，王亚华，等. 近32年来南京城市扩展与土地利用演变研究[J]. 地球信息科学学报，2016，18(2): 200—209. Qiao Weifeng, Mao Guangxiong, Wang Yahua, et al. Research on urban expansion and land use change in Nanjing over the past 32 years. Journal of Geo-information Science, 2016, 18(2): 200－209. (in Chinese with English abstract)

[4] Liu Jiyuan, Liu Mingliang, Zhuang Dafang, et al. Study on spatial pattern of land-use change in China during 1995—2000[J]. Science in China (Series D), 2003, 46(4): 373－384.

[5] 王涛，李贝贝，何亮，等. 西安城市扩展时空特征与驱动因素分析[J]. 测绘科学，2017，42(04)：75－79. Wang Tao, Li Beibei, He Liang, et al. Analysis of spatial-temporal characteristics of urban expansion and driving forces in Xi’an[J]. Science of Surveying and Mapping, 2017, 42(04): 75－79. (in Chinese with English abstract)

[6] 孙雁，刘志强，王秋兵，等. 百年沈阳城市土地利用空间扩展及其驱动力分析[J]. 资源科学，2011，33(11)： 2022－2029. Sun Yan, Liu Zhiqiang, Wang Qiubing, et al. Spatial expansion of urban land use and its driving forces in Shenyang city over the past century[J]. Resources Science, 2011, 33(11): 2022－2029. (in Chinese with English abstract)

[7] 李晶辉. 土地利用变化及驱动力分析[D]. 郑州:河南农业大学，2006. Li Jinghui. Analysis on Land Use Change and Its Driving Forces in Zhengzhou City[D]. Zhengzhou:Henan Agricultural University, 2006. (in Chinese with English abstract)

[8] 李春林，刘淼. 基于增强回归树和Logistic回归的城市扩展驱动力分析[J]. 生态学报，2014，34(3)：727－737. Li Chunlin, Liu Miao. Driving forces analysis of urban expansion based on boosted regression trees and Logistic regression[J]. Acta Ecologica Sinica, 2014, 34(3): 727－737. (in Chinese with English abstract)

[9] 王济川，郭志刚. Logistic回归模型:方法与应用[M]. 北京：高等教育出版社，2001.

[10] 谢花林，李波. 基于logistic回归模型的农牧交错区土地利用变化驱动力分析—以内蒙古翁牛特旗为例[J]. 地理研究，2008(2)：294－304. Xie Hualin, Li Bo. Driving forces analysis of land-use pattern changes based on logistic regression modein the farming- pastoral zone:A case study of Ongiud Banner, Inner Mongolia[J]. Geographical Research, 2008(2):294－304. (in Chinese with English abstract)

[11] 梁琪，过新伟，石宁. 基于随机效应logistic模型的中小企业财务失败预警研究[J]. 管理工程学报，2014，28(3)： 126－134. Liang Qi, Guo Xinwei, Shining. Modeling financial distress risks for SMEs based on random effects logistic model[J]. Journal of Industrial Engineering and Engineering Management, 2014, 28(3):126—134. (in Chinese with English abstract)

[12] 刘立忠，常野，孙英贤. 辽宁省农村居民不同肥胖相关人体测量指数与脑卒中患病关系[J]. 中国公共卫生，2017，33(10)：1434－1439. Liu Lizhong, Chang Ye, Sun Yinxian. Relationship between obesity-related anthropometric indexes and stroke among rural residents in Liaoning province[J]. Chinese Journal of Public Health, 2017, 33(10): 1434－1439. (in Chinese with English abstract)

[13] 王少剑，王洋，赵亚博. 1990年来广东区域发展的空间溢出效应及驱动因素[J]. 地理学报，2015，70(6)：965－979. Wang Shaojian, Wang Yang, Zhao Yabo. Spatial spillover effects and multi-mechanism for regional development in Guangdong province since 1990s[J]. Acta Geographica Sinica, 2015, 70(6): 965－979. (in Chinese with English abstract)

[14] 张孝宇，赖宗裕，张安录. 基于地块尺度的耕地非农化驱动力空间异质性研究—以武汉市为例[J]. 长江流域资源与环境，2015，24(6)：994－1002. Zhang Xiaoyu, Lai Zongyu. Zhang Anlu. Spatial heterogeneity in deriving forces of farmland and convernsion based on patch scale:a case study of Wuhan city[J]. Resources and Environment in the Yangtze Basin, 2015, 24(6): 994－1002. (in Chinese with English abstract)

[15] 杨毅. 顾及空间异质性和时间非平稳性的地理加权回归方法研究[D]. 武汉：武汉大学，2016. Yang Yi. Research on Geographically and Temporally Weighted Regression for Spatial and Temporal Nonstationarity[D]. Wuhan:Wuhan University, 2016. (in Chinese with English abstract)

[16] 许月卿，田媛. 基于Logistic回归模型的张家口市土地利用变化驱动力及建设用地增加空间模拟研究[J]. 北京大学学报(自然科学版)，2015，51(5)：955－964. Xu Yueqing, Tian Yuan. Study on driving forces and spatial simulation of land use change in Zhangjiakou city based on logistic regression mode[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(5): 955－964. (in Chinese with English abstract)

[17] 谢花林. 基于Logistic回归模型的区域生态用地演变影响因素分析——以京津冀地区为例[J]. 资源科学，2011，33(11)：2063－2070. Xie Hualin. Analysis of regionally ecological land use and its influencing factors based on a logistic regression model in the Beijing-Tianjin-Hebei Region, China[J]. Resouces Science, 2011, 33(11): 2063－2070. (in Chinese with English abstract)

[18] 徐嘉兴，李钢. 基于logistic回归模型的矿区土地利用演变驱动力分析[J]. 农业工程学报，2012，28(20)：247－255. Xu Jiaxing, Li Gang. Driving force analysis of land use change based on logistic regression model in mining area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(20): 247－255. (in Chinese with English abstract)

[19] 梁辰，王诺. 基于Logistic回归的沿海经济区建设用地演变驱动因素研究—以大连市新市区为例[J]. 地理科学，2014，34(5)：556－561. Liang Chen, Wang Nuo. Driving factor analysis of construction land changes in coastal economic zone based on logistic regression: A case study of Dalian new urban[J]. Scientia Geographical Sinica, 2014, 34(5): 556－561. (in Chinese with English abstract)

[20] Huang Bo, Wu Bo, Michael Barry. Geographically and temporally weighted regression for modeling spatiotemporal variation in house price[J]. International Journal of Geographical Information Science, 2010, 24(3): 383－401.

[21] Sharfuddin A, Setiabudi N A, Fitrianto A. On comparison between logistic regression and geographically weighted logistic regression: with application to indonesian poverty data[J]. World Applied Sciences Journal, 2012, 19(2): 205－210.

[22] 张金杜，刘彪，吴波，等. 应用改进的时空地理加权模型分析城市住宅价格变化[J]. 东华理工大学学报(自然科学版)，2010，33(1)：53－59. Zhang Jindu, Liu Biao, Wu Bo, et al. Analysis of urban house price variations by improv-ed geographically and temporally weighted model[J]. Journal of East China Institute of Technology (Natural Science), 2010, 33(1): 53－59. (in Chinese with English abstract)

[23] 梁慧玲，王文辉，郭福涛，等. 比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性[J]. 生态学报，2017，37(12)：4128－4141. Liang Huiling, Wang Wenhui, Guo Futao, et al. Comparing the application of logistic and geographically weighted logistic regression models for Fujian forest fire forecasting[J]. Acta Ecologica Sinica, 2017, 37(12): 4128－4141. (in Chinese with English abstract)

[24] 黄亚平，卢有朋，单卓然，等. 基于多元驱动力的大城市空间布局情景模拟—以武汉市为例[J]. 现代城市研究，2017(2)：54－61. Huang Yaping, Lu Youpeng, Shan Zhuoran, et al. Scenario planning for multiple urban space development driving force in Wuhan[J].Modern Urban Research, 2017(2): 54－61. (in Chinese with English abstract)

[25] 杨云龙，周小成，吴波. 基于时空Logistic回归模型的漳州城市扩展预测分析[J]. 地球信息科学学报，2011，13(3)：374－382. Yang Yunlong, Zhou Xiaocheng, Wu Bo. Urban expansion prediction for Zhangzhou city based on GIS and spatiotemporal logistic regression model[J]. Journal of geoinformation science, 2011, 13(3): 374－382. (in Chinese with English abstract)

[26] 农宇，王坤，杜清运. 利用多分类Logistic回归进行土地利用变化模拟—以湖北省嘉鱼县为例[J]. 武汉大学学报信息科学版，2011，36(6)：743－746. Nong Yu, Wang Kun, Du Qingyun. Modeling land use change using multinomial logistic regression[J]. Geomatics and Information Science of Wuhan University, 2011, 36(6): 743－746.(in Chinese with English abstract)

Analysis of driving forces of urban land expansion in Wuhan metropolitan area based on Logistic-GTWR model

Wang Haijun1,2, Liu Yiming1, Zhang Bin1, Xu Shan3※, Jia Kejing4, Hong Song1

(1.430079,; 2.430079,; 3.100101,; 4.100035,)

Under the background that the country pushes forward the new-type urbanization, spatial planning and urban agglomeration planning, it is of great significance to scientifically cognize the driving forces mechanism of urban land expansion for the urban agglomeration, which is important for the sustainable development of urban agglomeration land use and planning. Taking the Wuhan metropolitan area as an example, the paper uses the land use data, socio-economic factors, neighborhood factors and natural factors in 1995, 2000, 2005, 2010 and 2015 to construct the Logistic-GTWR (Logistic - geographically and temporally weighted regression) model, which couples the spatial heterogeneity and temporal non-stationarity. The model is used to explore the driving forces and its spatio-temporal differentiation pattern of urban land expansion in Wuhan metropolitan area. The results highlight that: 1) The Logistic-GTWR model with coupling spatial heterogeneity and temporal non-stationarity has a better performance than the global logistic regression model and the Logistic-GWR (Logistic-Geographically Weighted Regression) model which only considers the spatial heterogeneity, verifying the applicability of Logistic-GTWR model in driving force analysis of urban land expansion. 2) There are significant disparities on the spatio-temporal patterns for various driving forces of urban expansion in Wuhan metropolitan area. For example, the distribution area of high values for population factor shrank, spread and then stabilized around Wuhan, finally forming a circular distribution pattern around the central part of Wuhan metropolitan area as time went by. The distribution area of high value for per capita GDP (gross domestic product) firstly transferred to the west, then gradually balanced, and finally concentrated around Wuhan, Macheng and Chongyang. The effect of polarization plays a dominant role in the process of urbanization in Wuhan, and its influence range is constantly expanding. The effect of rent seeking is apparent. 3) Population and economy are the core driving forces of urban expansion in Wuhan metropolitan area in 20 years and the influence of the 2 factors has been increasing year by year. The influence of the national highways, highways and provincial roads has been slightly increased. 4) The central and eastern cities are mostly such cities where population and economic factors are the core driving forces. The influence of elevation is gradually prominent in the development of Wuhan on account of a rapid development and decreasing land source. The cities in the west are mainly restricted by elevation and driven by traffic, where the differences between the east and the west are obvious. However, the intensities of the population and economy in western cities have gradually increased since 1995. The effects of population and economy on western cities have been an uptrend since 1995. Similarly, the intensity of population has been gradually increasing in Xianning and Huanggang. In Wuhan, Xiaogan, Xiantao, Tianmen and Qianjiang, economic factor has an increasing trend over year. This research provides a model that couples the spatial heterogeneity and temporal non-stationarity, depicting more detailed spatio-temporal differentiation characteristics of driving factors, which is beneficial to the meticulous management of land resource.

land use; models; urban expansion; driving forces; logistic; geographically and temporally weighted regression; Wuhan metropolitan area

10.11975/j.issn.1002-6819.2018.19.032

F292

A

1002-6819(2018)-19-0248-10

2018-04-02

2018-08-08

国家自然科学基金面上项目(41571384)；国土资源部土地资源调查评价项目(DCPJ161207-01)；国家基础科学人才培养基金项目（J1103409）；国家自然科学基金重点项目（71433008）

王海军，博士，教授，博士生导师，主要从事地理模拟、城市规划和土地资源评价等方面研究。Email：landgiswhj@163.com

徐 姗，博士，副研究员，主要从事城乡规划与城市更新研究。Email：xushan@chinasus.org

王海军，刘艺明，张 彬，徐 姗，贾克敬，洪 松. 基于Logistic-GTWR模型的武汉城市圈城镇用地扩展驱动力分析[J]. 农业工程学报，2018，34(19)：248－257. doi：10.11975/j.issn.1002-6819.2018.19.032 http://www.tcsae.org

Wang Haijun, Liu Yiming, Zhang Bin, Xu Shan, Jia Kejing, Hong Song. Analysis of driving forces of urban land expansion in Wuhan metropolitan area based on Logistic-GTWR model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(19): 248－257. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.19.032 http://www.tcsae.org