基于众源地理数据的佛山市城市功能区时空演变及驱动力分析

陈嘉浩

广东晟腾地信科技有限公司，广东 佛山 528200

0 引 言

随着中国城市化进程的不断推进和深入，城市功能正不断发生变化。探究城市功能区的时空演变规律和驱动力因子，对城市结构理论以及政策制定、资源配置等方面具有重要的意义[1]。

近年来，随着遥感与大数据技术的发展，已经有众多学者利用POI、遥感影像等众源数据来识别城市功能区，分析功能区的时空变化规律和驱动力因子[2-4]。众源数据指是由大量非专业志愿者以互联网作为基础平台，向大众提供的一种免费、开放的地理数据[5]，主要包括开放的志愿地理信息项目产生的POI数据和遥感影像数据。遥感影像可获取斑块内的自然属性信息，可用于城市建设用地提取。POI数据可获取斑块内的社会经济属性，进行城市功能分区。在城市功能区识别的研究中，已经有不少学者成功利用POI完成城市功能区的识别，如XING等基于对不同城市景观的洞察力来分解商业模式[2]。此类研究主要集中于单一城市功能区的识别，缺少对混合研究区的研究。在分析功能区时空变化过程的研究中，目前学者主要是针对功能区时间和空间维度上的扩展形式进行分析，如吴启倩等使用新城数量、新城均衡度、延伸度、延伸方向等城市形态指标衡量北上广深的新城发展情况[3]。但此类研究大多针对单一功能区的变化进行分析，缺少各类功能区之间的对比分析。城市变化的驱动力因子分析一直是各国学者研究的重点之一，如Meng等使用回归分析来评估景观特征与城市活力之间的关系[4]。

综上所述，目前针对城市变化的驱动力研究较多，但对于城市功能区的变化驱动力分析较少，需要进一步加强该领域的研究。因此，本文充分利用众源地理数据来识别城市功能区，并分析功能区的时空变化规律和驱动力，对理解城市功能形态及其变化具有重要意义。

1 总体思路和研究方法

1.1 总体思路

本文以佛山市为例，通过计算POI的频数密度和类型比例，定量识别2014、2017、2019年的城市功能区形态特征，通过比较各功能区的扩展指数和类型转化来分析其时空变化特征，并结合遥感影像以及社会经济统计信息，探究驱动力因子对城市功能区变化的影响情况（图1）。

图1 城市功能区时空演变和驱动力分析总体思路图Fig.1 The framework of the time-space evolution and driving force analysis of urban functional areas

1.2 研究方法

1）城市功能区识别。为了探究城市功能区的时空演变规律，首先需要对城市功能区进行识别。本文通过建立渔网的方式将研究区划分为多个用地单元，随后通过计算用地单元内POI的频数密度和类型占比来识别城市功能区。当斑块内区域占比超过50%，则判定该区域为单一功能区；若区域占比超过40%，则判定该区域为以频数密度最大功能为主的混合功能区；如果区域占比最大的两类功能区都介于25%～40%之间，则判定该区域以这两类功能为主的混合功能区；若此地块区域占比没有超过25%的，则判定为3类混合区，简称混合区域[6]。用地单元内POI的频数密度计算公式为：

式中，Nij为第j类POI在功能区i中的数量；Ni为功能区i的POI总数量；i为功能区类别。

用地单元内POI的类型占比计算公式为：

式中，FDij为第j类POI在用地单元中的频数密度；CRij为第j类POI在用地单元中的类型占比；j为POI种类；i为功能区数量。

2）基于扩展指数的城市功能区时空变化分析。城镇空间格局变化的最直观反映是城镇空间扩展[7]，城市空间的增长不仅仅表现在城市用地的扩张，还表现在城市功能用地的演替[8]。扩展速度和扩展强度指数可以反映用地面积扩展的快慢和强弱，动态度可以反映用地类型的变化程度。因此本文选用扩展速度、扩展强度指数、扩展弹性系数等扩展指数来描述城市功能区的时间变化，探究城市功能区类型和混合程度的变化来描述城市功能区空间的增长。扩展速度、扩展强度指数、扩展弹性系数公式分别如下：

式中，ULAΔn为t～t+n时刻的扩展速度；UIIΔn为t～t+n时刻的扩展强度指数；K为t～t+n时刻的扩展弹性系数；ULAt、ULAt+n分别为研究期始末城市用地面积；n为时间间隔。

2 实验和结果分析

2.1 研究区概况及数据

1）研究区概况。佛山市地处北纬22°38′～22°34′，东经112°22′～113°23′之间，位于广东省中南部，珠江三角洲腹地，地理位置优越（图2）。佛山市总面积为3797.72 km2，截至2018年年底，全市常住人口790.57万，全市地区生产总值9935.88亿元。该区域处在珠江三角洲经济区中部，承担着金融贸易、科教文化、医疗保健等众多功能，城市功能区复杂。因此，本文选择该佛山市作为研究对象。在确定研究尺度时，栅格区域过大难以识别城市局部功能的混合特征，过小则没有足够样本量的数据点满足指标的计算[9]，综合考虑数据分布特点及精细化研究目标后，将尺度确定为100 m×100 m的网格，研究区共计3906个格网。

图2 佛山市空间分布图Fig.2 Spatial distribution of Foshan city

2）数据处理。本文使用2014、2017、2019年的4类众源数据，主要包括高德地图POI兴趣点数据、谷歌影像数据、Landsat8遥感影像数据、《佛山统计年鉴》人口经济数据。其中，POI数据用于城市功能区识别（表1），谷歌影像数据用于精度验证，Landsat8影像数据和统计年鉴数据用于城市功能区变化的驱动因子分析。

表1 城市功能区分类体系Tab.1 Classification system of urban functional areas

2.2 城市功能区识别结果

通过计算频数密度和区域占比，得到2014、2017、2019年佛山市城市功能区分布情况（图3）。单一功能区主要分布于研究区西部及南北边界附近，混合用地以多核心的方式分布于研究区东部。抽取用地斑块总数的30%，结合16级谷歌瓦片数据进行结果验证，得到平均分类精度为87.26%，分类结果能满足功能区识别的精度要求。如图3所示，居住用地较分散地分布于研究区中东部。商业用地分布于全市，且呈现东多西少、南多北少的空间分布特征。公服用地平均分布于全部研究区，没有明显的南北差异分布特征。交通用地多分布在西部边界附近，呈现西部多于东北部的空间分布特征，且佛山市水系附近均有交通用地建设，说明佛山市水运发达，同时临近肇庆，交通设施完备。

图3 佛山市城市功能区分布示意图Fig.3 Schematic diagram of the distribution of urban functional areas in Foshan

2.3 城市功能区时空变化特征分析

计算各类功能区用地面积和扩展指数（表2）可以发现，2014—2019年城市功能区面积变化较为显著，单一功能区中居住用地和交通用地面积增加，商业用地和公服用地面积减少；从变化程度来看，2019年交通用地面积变化最大，为1374.86 km2。所有城市功能区只有商业用地和公服用地的扩展速度、强度指数、动态度小于0。变化较为显著的是交通用地和公服用地，6年内交通用地扩张平均速度为144.91 km2/a，公服用地面积缩小速度为82.12 km2/a。居住-公服混合用地的扩展面积占城市总面积的百分比最高，扩展程度最强，动态度也最高，说明其土地利用面积变化的程度最为明显。

表2 城市功能区用地面积和扩展指数变化情况Tab.2 Changes in land area and expansion index of urban functional areas

统计2014—2019年佛山市的城市功能区变化情况表明（图4），佛山市2014—2017年城市功能区类型变化显著，研究区西部受肇庆市交通区位优势影响，西部土地多开发为交通用地，东部地带由单一功能区向混合功能区的方向转变。2017—2019年城市功能区总体变化不大，此时佛山市发展已接近成熟，但仍有少部分未利用土地逐步开采为城市功能区。总体来看，2014—2019年佛山市城市功能区变化几乎涉及整个研究区，城市功能逐渐齐全，城市功能区向混合模式发展。

图4 佛山市城市功能区变化示意图Fig.4 Schematic diagram of changes in the functional areas of Foshan

进一步统计2014—2019年佛山市居住、商业、公服和交通4类用地混合模式的变化情况可知，4类功能区中都有未利用土地转变为某类功能区和单一功能区转变为混合功能区的变化，而混合功能区转变为单一功能区却很少。居住、商业、公服用地中，向混合模式发展的用地零零散散地集中于研究区东部。而交通用地中，西部边界开发了大片紧凑的交通用地，变化明显。这些变化特征说明佛山市西部地区交通设施逐步完善，城市交通运输效率提高。

2.4 城市功能区时空变化驱动力分析

研究选用2014、2017、2019年佛山市Landsat 8遥感影像数据，利用SVM监督分类将研究区分为水系、建设用地、其他用地，平均分类精度达到92.22%，满足遥感信息提取的精度要求。将佛山市的用地按禅城区、顺德区、南城区、高明区、三水区进行重分类，结合SVM遥感图像分类结果，通过计算格网内建设用地面积与POI区域占比的乘积，得到各类功能区面积。查阅《佛山统计年鉴》获取到5个区县2014、2017、2019年常住人口、人口密度数据、GDP以及三大产业总值的数据，通过计算此数据与建设用地所占该区面积比例的乘积，得到网格内的人口经济数据，统计2014—2019年人口经济的变化情况，结果如图5所示。

图5 2014—2019年佛山市人口、经济变化情况Fig.5 Population and economic changes in Foshan from 2014 to 2019

结果表明，2014—2019年佛山市人口与经济变化的高值主要集中于禅城区，其次是顺德区、三水区和高明区，相比之下南海区变化不大。2014—2019年高明区和三水区人口起初聚集于固定小区域，之后随着建设用地的扩散逐步分散到区内各个区域，因此人口密度显著增加。同样地，随着高明区和三水区经济的发展，建设用地面积不断扩大，因此第一产业、第二产业总值显著增加。由于禅城区经济基础好，6年内第三产业发展迅速，顺德区与南城区又与禅城区相邻，产业链得到升级，因此第三产业总值与GDP呈现禅城区＞顺德区＞南城区＞三水区＞高明区的空间分布模式。

选取功能区面积中所有不为空值的数据，将居住、商业、公共、交通4类功能区用地面积与人口经济数据进行叠加，分别计算各功能区面积与人口经济数据，得到用地面积和人口经济数据的皮尔逊相关性系数（表3）。结果表明，居住、商业、公共、交通用地面积都与常住人口和第二产业总产值相关性最强，平均相关性系数达到0.517和0.522，呈现较强的相关性。

表3 功能区用地面积与人口、经济数据相关性Tab.3 Correlation between land area of functional zone and population and economic data

将相关性最强的常住人口和GDP作为佛山市的人口、经济代表数据，计算2014、2017、2019年佛山市的人口、经济以及城市功能区的平均重心（图6）。可以发现，功能中心、经济中心、人口中心都位于佛山市禅城区内。从移动方向上来看，2014—2017年三大中心都向西移动，其中功能中心移动幅度最大；2017—2019年人口中心和经济中心都向东移动，功能中心继续向西移动，速度缓慢。功能中心的偏移，说明佛山市东西部城市功能差异持续扩大，呈现快速扩大到慢速扩大的变化趋势，南北差异上呈现持续扩大的变化趋势。

图6 2014—2019年佛山市功能、经济、人口中心变化情况Fig.6 Changes in the function，economy and population center of Foshan from 2014 to 2019

3 结 论

本文首先通过计算频数密度和类型占比对2014、2017、2019年城市功能区进行识别；然后通过比较功能区面积的扩展指数以及功能区类型的转变来分析其时空变化特征，并进一步提取建设用地信息，用以表征佛山市人口与经济要素的空间分布特征，以此来探究人口经济要素对佛山市功能区变化的影响；最后对佛山市功能中心、经济中心、人口中心的迁移方向进行分析。实验结果表明：2014—2017年佛山市城市功能区快速建设，2017—2019年佛山市城市功能区缓慢建设，主要增加了西部地区的交通用地以及东部地区的混合用地；2014—2019年，佛山市城市功能区一直向混合模式发展；常住人口和第二产业总值是佛山市城市功能区面积变化的主要驱动力；2014—2019年佛山市功能中心持续向西移动，人口中心和经济中心向北移动。总结如下：

1）2014—2017年佛山市城市功能区面积显著增加，城市扩张速度过快。虽然2017—2019年建设用地面积扩张速度有所减缓，但新增功能区用地面积仍在增加。为保证土地资源的合理利用，应在开发的同时注重森林的生态效益，以达到可持续发展的目的。

2）2014—2019年佛山市混合功能区主要集中于禅城区、南城区和顺德区，高明区和三水区城市功能单一，主要以交通和公服用地为主，人口与经济发展仍停留在较低水平。建议在未来的规划中充分利用其独特的地理位置，利用便捷的交通条件发展旅游业等第三产业，一定程度上既保护了生态环境，又促进了经济发展。

3）佛山市处在珠江三角洲腹地，河流众多。由于工业的迅猛发展，大量的污水排入汾江河，造成河水严重污染[10]。因此，建议在主要江河流域设置保护区，严格防控污染物入河，同时政府应当制定有效措施积极整治，为广大市民带来健康、舒适的生活环境。