基于多维城乡差异化人地特征的城区范围识别方法

张欢 赵志庆 王伟 黄玫

摘要：研究目的：基于概念辨析与方法演进分析，从城乡差异化人地特征入手，构建指标量化下的城区范围识别方法并应用于107个样本城市进行准确度校验。研究方法：文献资料法、归纳演绎法、实证分析法。研究结果：（1）城区概念中的实体地域认知日益深化，现有多类指标筛选法、遥感影像识别法、大数据与人工智能识别法三类识别方法且具有差异化应用特征；（2）可从人口、土地、产业、环境4个维度选取差异化特征要素并确定指标条件，构建以实体地域为基础的城区范围识别方法；（3）借助影像数据、矢量数据和统计数据，依次通过初步筛选获得城区初始范围，通过图斑功能、连接度、边界核查等判断获得城区实体地域范围，通过图斑占比、市政公用和公共服务设施等分析获得城区范围；（4）在方法准确度校验中，105个样本城市的城区实体地域范围面积与同年度建成区面积平均偏差为21.2%，趋势线斜率为0.825，判定方法有效。研究结论：本方法可应用于全国各区域城市的城区范围识别，未来可在人口指标增补、统计精度提升等方面进行优化并开展镇区、乡村空间识别的延续性研究。

关键词：城区范围；城区实体地域范围；人地特征；城乡差异；国土空间规划

中图分类号：F301.23 文献标志码：A 文章编号：1001-8158（2023）02-0021-12

基金项目：国家自然科学基金面上项目（52278055）；国家自然科学基金国际（地区）合作与交流项目（T2261139560）。

城区范围作为矢量化空间边界，同时反映了城市在土地利用、设施建设、社会经济等方面的综合特征，具有从生产、生活、生态多维度描述国土空间现状的价值。城区范围作为城乡空间的核心组成部分，也是土地管理和城市治理政策制定的依据。以指标量化为基础的识别方法对城乡划分统计和城镇化发展研究均具有重要意义。另外，城区范围作为国土空间规划的空间基底，是地方工作底图统一及共享信息平台建设的基础，对国土资源利用情况实施动态监测的同时，辅助顶层设计对空间资源配置进行优化，实现长效治理。

然而目前我国城区范围概念仍存在相似表述多、统一性弱问题，这与城乡发展和规划实践工作的复杂性息息相关。例如：从行政建制角度定义的“城市”和“市区”；从实际建设角度定义的“城市建成区”“城市型建成区”“城市实体地域”；从规划实践角度衍生出的“城市规划区”“中心城区”“主城区”等[1]。以上概念在内涵和应用上均与城区范围产生交叉，识别方法也不尽相同，给各学科进行城市研究、各部门开展实际工作带来困难。因此，明晰城区范围基础概念并确定科学合理的识别方法成为新时期推动国土空间高质量发展的关键。

本文在充分比较现有概念基础上，立足于我国城市发展现状，从人地特征视角挖掘城市和镇村空间发展的差异性，通过适宜性指标的设置来实现城区范围识别。虽然受限于数据的不完全统计和不充分获取，但总体上不仅以定量识别优化了原有定性思路，增强了技术路线的科学性和准确度，而且应用于全国107个样本城市进行了试验调整和改善提升，具有较高实践价值。同时依据面积数据和矢量成果对全国各区域城市空间发展的规律特征和差异特征进行了初步分析，作为未来方法优化和城市空间研究的前提。

1 概念回顾及方法演进分析

1.1 城区概念的实体化转向

从加拿大、美国、英国对城市地区及相近概念的定义分析，人口聚集和土地覆盖特征是城市地区识别的主要依据（表1）。依托全国统一标准的人口普查数据，通过对栅格单元内人口数量和密度的测算，实现对城市地区的等级划分。虽然土地建成面积、空间连接、功能利用等特征并未在定义中过多提及，但在实践中同为关键性核查指标：连接及毗邻程度判定、土地形态识别、各类非居住功能的取舍一并构成了美国城市地区划定的补充条款[2]；英国则以国家土地利用数据库为依托，对土地使用类型、栅格单元相邻度、土地斑塊面积和连接度进行测算，绘制建成区范围[3-4]。

中国城区范围概念随城乡建设的推进和治理需求的增强不断演进，城市、城市建成区、市区、城区等相关概念依次出现在城乡划分统计及相关领域的标准文件中，对其认知经历了行政地域向实体地域的转变，尤其是2006年《关于统计上划分城乡的暂行规定》和2008年《统计上划分城乡的规定》对“实际建设”的解释，弱化了行政建制的核心度，提升了对建成环境的关注度，奠定了实体地域作为城区范围的空间基础[5]（表2）。同时，上述概念在历次全国性人口普查工作中的应用效果也证实了将关注点由行政地域转向实体地域的必要性。首先，1955年文件中的城市概念应用在了第二、三、四次全国人口普查工作中，虽然立足于行政建制，但与当时我国城镇化水平低下、城镇与乡村界线较稳定、城市建设还未大量开展的现实情况相对应，因此并未使结果出现大的偏差；随后由于中国城镇化进程加快，国务院于1984年和1986年先后批转了民政部的《关于调整建制镇标准的报告》和《关于调整设市标准和市领导县条件的报告》，放宽了市镇建制标准，导致按原有口径统计的城镇地域包含大量农村地区，使计算得出的城镇化率远远高于真实水平，因此分别在1990年和1999年对规定进行了调整；最后进入21世纪，城市规模的快速扩张以及各类园区、新区建设使城区建设逐渐突破最小行政建制的空间界限向外蔓延，因此各类文件再次强化对实际建设的解释，实体地域拥有了更加明确的内涵[6-7]。

由此可知，从单一行政建制对城区范围进行定义具有局限性，城市建设速度的加快、城镇村建制的口径调整均可对其空间范围产生影响。而立足于实体地域，以城市实际建设为基础进行定义，虽然仍存在精细度不够、量化指标不足的问题，但由于关注到了城市发展的本质特征，因此具有真实反映城市建设情况的价值[8]。

1.2 识别方法的多类型对比

综合诸多学者在城区及相近空间范围识别方面的研究成果，可将现有识别方法划分为三类：一是根据城市发展特征设置一系列量化指标条件，对空间范围进行筛选，最终获得城区范围；二是以遥感影像为基础进行识别提取；三是依托大数据和人工智能等多源数据和计算机技术进行空间识别。因方法具有不同优势和局限性，为甄选出可应用于全国城市的识别方法，在此对其利弊进行分析。

（1）多类指标筛选法：从人口聚集程度、城镇化水平、非农化水平、土地建成情况、设施完备程度等方面选取相应指标对待核查区域进行筛选，据此获得可靠的空间范围[9]。因涉及指标种类较多，得以从不同方面对筛查结果进行校核，属于基础且可靠的方法。但在指标统一性和数据获取度上存在问题：不同学者采用的指标种类和数值有所差异，且研究往往以单个或区域少量城市为样本，不一定适用于全国城市；人口密度、非农化水平、基础设施等统计数据需要大量调研，其结果的准确性难以保障[10-11]。

（2）遥感影像识别法：将真实影像作为数据基础，以基于用地功能的土地利用分类和基于物理特征的地表覆盖分类为依据，采用遥感和GIS技术提取城区边界，在应用中包括传统监督分类法、遥感指数分类法、遥感模拟增长法、正一反向综合法、多代理分割和分类算法、模糊分类法、层次分类法、集成迭代功能区提取法和基于高分辨率影像的城区边界半自动提取方法[12-14]。通过该方法获取的城区范围客观性和真实性较强，但数据获取与处理成为难点：处理高分辨率影像涉及的数据量大，难以快速获取空间边界，而中低分辨率影像精度不够，易出现混合像元、光谱混淆现象，使边界细节模糊；另一方面因管理水平有限，部分城市存在数据获取和更新上的困难，难以保证在同一时点获取相同精度数据，使得到的边界成果不具有城市间横向对比的价值。

（3）大数据与人工智能识别法：夜间灯光、POI、手机信令、车辆轨迹等数据逐渐被应用于城区范围识别，通过对数据的可视化处理提取空间边界，具有数据量大和反映实时特征的优势[15-18]。但由于数据并非完全开源，偏远地区与经济不发达地区数据缺失较多，导致难以在不同城市划定统一参数标准。同时因数据的实时特征，需要长期记录分析才能确定数据源是否可靠。

由各方法应用特征可知，基于城乡差异化特征的多类指标筛选法更适用于全国城市，技术门槛较低且能从多角度对空间范围进行校核，只是在指标选择上需要兼顾数据的可获取性和准确性。同时可将另两种方法作为辅助方法，对有条件的城市进行二次校核。

1.3 差异化特征要素的筛选

由概念及方法分析可知，现有研究多从城乡差异化特征要素提取和指标设置来确定城区范围，其中，人口规模、人口密度等反映人口聚集特征；建设用地比例、地块连接程度等反映土地建成现状；非农化水平等反映产业类别；基础设施情况等反映城市人居环境品质 [19-22]。

城区范围这一空间概念包含了复杂的人地关系，是在人类与地理环境之间的相互作用下产生的。随着人地互动在城镇化进程中的深入，城、镇、村之间的差异化特征种类持续扩充、要素不断增多，不仅包括土地和人口两个最基本种类，还囊括了反映社会经济的产业特征和反映居住品质的环境特征，最终构成以人口、土地为中心，以产业、环境为衍生的城乡差异化人地特征群。由此来看，对城区范围的判断不仅是对空间的识别，更包含了对人地关系差异性的判断。该过程主要针对城市边缘地区，通过重点核查区域内建成环境是否具有城市属性，实现对城区范围的甄别。因此，本文选取“人口—土地—产业—环境”4个维度的城、镇、村差异化特征要素作为识别方法的指标设置对象，其中，人口特征着重反映区域人口聚集程度，包括对人口聚落规模及等级的认知，反映在城区最小统计单元的精细度划分上；土地特征重在反映建成环境的蔓延程度，通过土地建成规模、土地开发比例和斑块连接程度进行测算；产业特征强调反映城市职能的产业类别，涉及用地斑块功能、聚落功能及大型服务设施功能；环境特征意在测度人居环境品质的真实水平，包括市政公用设施和公共服务设施完备程度调查（图1）。

2 城区范围识别方法的构建

2.1 数据分类与处理

城区范围识别过程中应用到的数据类别包括影像數据、矢量数据和统计数据，这些数据或基于真实影像，或通过标准统一的全国性或区域性普查获得，较为真实可靠（表3）。其中，影像数据是指“行政区内不低于2 m分辨率的遥感影像”，应用于连接条件中的阻隔判断以及其他环节的空间核查，高效识别出河流、高速公路、铁路等阻隔要素以及桥梁、涵洞、隧道等连接要素，以判断用地斑块间的连接程度。矢量数据包括“市级行政区矢量边界、城镇开发边界、生态保护红线、永久基本农田界线”、“全国国土调查或年度变更调查数据”和“城区最小统计单元空间管辖范围”，分别用于城区范围与各类边界的包含关系核查、城区初始范围确定及图斑类别核查、设施核查和计算城区实体地域面积占行政辖区总面积比例。统计数据是指各城区最小统计单元内的市政公用设施和公共服务设施现状配置状况，是设施核查的依据，数据的获取充分结合地方实际，在问卷调查、连线访谈、实地踏勘、内业图纸查询等传统调研方式基础上，充分利用地方政务信息管理平台、大数据等信息源，实现对全域的精准核查。

2.2 识别方法与流程

方法平衡理论逻辑的科学合理性和实践逻辑的可实施性，通过“人口—土地—产业—环境”4个维度特征要素指标的层层筛选，围绕城区建设“量”与“质”的核准制定技术路线（图2）。其中，城区初始范围的确定紧密结合全国国土调查数据，将201（城市）和201A（城市独立工业用地）图层合并作为反映核心建成环境的空间基底；从初始范围到实体地域范围，对紧密围绕在核心建成区周边的土地斑块进行拾取，以100 m为半径纳入缓冲区，剔除被铁路、河流、高速公路等阻隔要素阻断的外围图斑，并以5次为迭代上限，在最小统计单元内考查飞地、边缘处镇区粘连等建成现状并进行筛选，得到城区实体地域范围；从城区实体地域范围到城区范围，在叠加城区最小统计单元边界基础上，直接将实体地域完全包络的内部最小统计单元纳入城区，仅对实体地域边缘最小统计单元进行实体图斑占比分析，剔除占比低于20%的单元，纳入占比高于50%的单元，并对剩余单元进行属性统计和设施核查：居住型单元需同时满足5项市政公用设施条件和3项公共服务设施条件；非居住型单元满足5项市政公用设施条件即可。据此筛选出符合城市特征的城区最小统计单元，得到相对稳定的城区范围。

3 面向中国多样本城市的试验结果

3.1 识别方法的准确度校验

研究通过多轮试划得到107个样本城市的城区实体地域范围和城区范围数据。为检验方法准确度将得到的实体地域面积与同城市同年度建成区面积进行比较分析。之所以选择上述两组数据，一是由于实体地域面积与由最小统计单元组成的城区范围数据相比更为客观，不会因行政辖区面积的增大而使比较结果发生较大偏差；二是因为建成区概念与本文城区实体地域范围概念较为相近，二者虽然在统计部门、口径和方法上存在差异，但整体反映的均是城市中心区域的建成现状，在内涵上具有一致性。

由于建成区面积数据的缺失，这里剔除2个样本城市进行检验。从直观对比结果看，在105个样本中，85.7%城市的实体地域面积大于建成区面积，两组数据的变化趋势基本一致（图3）。为进一步了解二者差异性，本文以实体地域面积为横坐标，以建成区面积为纵坐标，将各样本城市的一对面积值图示在二维坐标系内并拟合出一条线性趋势函数。发现各数据点均匀分布在趋势线周围，初步说明本方法得到的结果具有可信度（图4）。经计算，趋势线斜率为0.825，两组数据平均偏差为21.2%。产生差异的原因，经初步分析可能存在于以下几个方面：（1）数据统计时点不同。本方法应用的基础数据为第三次全国国土调查数据，统一时点为2019年底；建成区则选用2019年样本城市的面积数据。虽然均代表2019年建成环境特征，但在实际统计过程中难免有时点上的偏差，导致数据有出入。（2）统计流程不同。本方法基于城乡差异化特征的指标量化实现对城区范围的识别，通过设置指标数值尽量规避主观判断误差；建成区数据则由规划和土地部门参与，参照控制性详细规划审批用地规模等指标进行汇总，并未出台明确的量化统计标准，在此过程中极易遗漏现已建设但尚未通过审批的用地，导致结果不同。（3）统计标准不同。相较于建成区认定，本方法识别的实体地域范围不仅包括城市建设用地，还将部分湿地、林地、草地、水域及水利设施图斑设置为候选地类，若其功能确与城市发展相关，则考虑纳入实体地域范围。另外，本方法还将与核心建设有一定距离、未能集中连片发展的国家级或省级开发区、重大交通基础设施、市政公用设施和相邻镇区作为核查对象，视情况纳入实体范围。以上纳入规则的差异使部分用地得以纳入实体地域范围而未纳入建成区范围，导致二者结果上的偏差。

3.2 样本数据的分布特征

此次试验选择107个国审城市作为样本，遍布我国华北（12个）、东北（20个）、华东（31个）、华南（17个）、华中（17个）、西南（5个）和西北（5个）7大片区，具有区域广泛、类型多样的特征。从数据对比结果看，97.2%样本城市的城区范围面积大于城区实体地域范围面积，甚至部分城市由于实体地域所在最小统计单元范围远大于实体地域范围，导致二者差值达到了34.43%（图5）。总体来看，两组数据虽然在趋势上具有一致性，但因行政辖区划分仍存在差异，因此在成果应用时需恰当选择数值类别。例如：实体地域侧重反映城市建设的客观事实；城区范围则在此基础上叠加了质量分析且便于行政管理。另外可对城区范围面积持平或明显小于实体地域面积的样本城市进行深入研究，其边缘区域发展往往具有低质蔓延特征，基础设施等环境质量不高，才会导致大部分最小统计单元被剔出城区范围。

3.3 城市空间发展的区域差异

通过各片区样本城市的数据分布特征，可初步判断全国各区域城市的空间发展差异。从整体趋势看，各片区样本城市在实体地域范围与城区范围面积的区间分布上具有同一性，且前者趋势性更加明显（图6）。这里选择城区实体地域范围面积数据进行分析，其中：华东地区城市实体地域面积广泛分布于各个区间段，尤其集中于[10 000，60 000）范围且分布均匀，说明城市发展规模多样且态势良好；华南地区样本城市数据集中于[20 000，30 000）和[10 000，20 000）区间，整体规模适中，也有少量城市规模较大，处于[120 000，130 000）范围；华中地区样本城市数据集中于[10 000，20 000）区间，城市发展规模较为类似；华北地区样本城市数据均匀分布在[10 000，20 000）、[20 000，30 000）、[30 000，40 000）三个区间，同时少量城市规模达到样本最大值；东北地区样本城市发展规模相对较小，基本处于20 000 hm2以下；西北、西南地区样本过少，故不作讨论。

同时结合空間矢量图发现：以齐齐哈尔市、鸡西市、伊春市为代表的诸多东北城市呈现不同程度的收缩态势，该类城市从初始范围向实体地域拓展时变化十分微小且城区范围在实体地域基础上出现内扩，说明不仅城市建设未明显拓展，而且城区边缘发展质量也未达到城市标准（图7（a））。相反，连绵发展成为华东、华南地区城市空间发展的重要模式，尤其是从初始范围向实体地域的蔓延十分明显，城区外围存在大量建设用地，致使镇区、城区相互交错，尤其是东部沿海地区、“南京—上海”沿长江发展走廊、“苏锡常”环太湖区域、粤港澳大湾区、东南沿海地区一体化发展格局尤为明显（图7（b））。

4 结论和讨论

4.1 结论

本文基于城乡在人口、土地、产业、环境4个维度的差异化特征，建立了一套以指标量化为基础的城区范围识别方法，并将其应用于全国107个样本城市，依次获得城区实体地域范围和城区范围，并得出以下结论。

（1）通过对国内外城区范围研究梳理可知：在概念上存在由单一行政建制向多维实际建设特征的变化趋势，实体地域内涵更加明确；在方法上可大致分为多类指标筛选法、遥感影像识别法、大数据与人工智能识别法三类，其中多类指标筛选法因技术门槛低且可从多角度对空间范围进行校核，适宜广泛应用，其余两类因对数据和技术有较高要求，更适合作为辅助方法。

（2）通过对城乡差异化特征要素的筛选，提出可构成以人口、土地为中心，以产业、环境为衍生的要素集合并设置相应指标，实现对人口聚集程度、建成区蔓延程度、土地功能类别、人居环境质量的测度，构建以实体地域为基础的城区范围识别方法。

（3）方法依据各类影像数据、矢量数据和统计数据，依次筛选获得城区初始范围、城区实体地域范围和城区范围。其中，将三调数据中的城市和城市独立工业用地合并作为初始范围；对初始范围进行图斑功能判断及纳入、缓冲区判断、连接判断、迭代更新、特殊功能图斑纳入、边界核查等步骤以获取实体地域范围；叠加城区最小统计单元进行图斑占比分析、单元属性分类、市政公用和公共服务设施核查得到城区范围。

（4）方法经检验具有科学性和可行性，可广泛应用于全国城市。检验过程将城区实体地域范围数据与同年度建成区数据相比较，得出二者平均偏差21.2%，趋势线斜率0.825，数据点坐标均匀分布于趋势线两侧，证明方法具有准确性。经分析差异来源于数据时点、统计流程和统计标准的不同。同时发现，因最小统计单元行政辖区面积大于相应图斑面积，97.2%样本城市的城区范围面积大于城区实体地域范围面积；数据分布在样本城市中具有区域差异，分别在我国东北地区和南部地区初步观测到城市收缩和蔓延现象。

4.2 讨论

方法融合了国土、规划、地理、测绘和遥感等多学科多领域知识基础和技术原理，充分吸纳了原有“建成区”概念，丰富并细化了各项量化指标，为后续学术研究、实践管理工作提供了统一标准，可与城市体检、城市蔓延、城镇化发展、国土利用监督反馈、城市形态等研究内容相结合，推动学科知识水平和城市治理水平的提升。但因人口和行政边界等数据难以获取，方法舍弃了代表城乡显著差异的人口聚集特征，并降低了最小统计单元精度，因此从方法优化角度进行如下讨论。

（1）人口数据完善下的量化指标增补。研究曾尝试将25人/hm2和50人/hm2的人口密度指标纳入技术流程并应用在前期试验。但从结果来看，一方面，因地形、形态因素，部分网格状城市人口密度不具有明显由内向外逐级递减的规律性，且部分边远城市难以满足人口密度最低要求，若针对不同区域设置多个门槛值，又會大幅增加方法复杂性和实施难度。另一方面，人口数据存在难以获取问题。统计部门每10年对全国常住人口进行普查，准确度高但间隔时间长；公安部门虽然进行年度数据更新，但开展的是以户籍人口为基础的统计，难以反映人口真实聚集程度。另外人口和最小统计单元空间数据存在不符现象，使人口密度值无从计算。因此现阶段暂未设置人口密度指标，仅以最小统计单元的规模等级初步反映人口聚集属性。未来在城市数据管理能力不断增强和全国性统计工作有序推进基础上，可考虑依托政府统计数据及手机信令等信息源，实现人口与空间数据的精准获取，得出城乡人口密度的分异特征并将其作为参考指标之一。

（2）空间数据健全后的统计精度提升。最初方法将居（村）民委员会辖区作为核查精度，但在前期试验中发现村民委员会辖区边界可通过第三次全国国土调查获取，但地方城市并未对居民委员会辖区边界进行过统计，这为实体地域面积占比的计算以及设施条件的核查带来困难。因此方法在保留原有精度基础上，将最小统计单元核查精度放宽至街道（镇）级别，虽然增大了单个最小统计单元划入或划出对城区范围增减幅度的影响，但保障了方法的可实施性。随着地方治理能力的提升，可逐步掌握细化至居村民委员会辖区的矢量数据，动态调整方法细节，获得更精准的空间结果。

城区范围识别方法的探索对国土空间规划背景下的综合治理与城乡发展研究意义重大，不仅使城区范围的识别更加科学规范，也为后续城乡划分统计中镇区与乡村的空间识别和发展特征分析奠定了基础，使包括城区、镇区、乡村在内的国土空间研究更加全面丰富。

致谢：感谢《城区范围确定规程》编写组全体成员为本文的不断深化和日益完善所做出的重要贡献！

参考文献（References）：

[1] 陈晓雪，冯健.城市地域概念辨析及研究进展综述[J] .城市发展研究，2020，27（12）：62 - 69.

[2] 衣霄翔，董慰，张欢. 美国城市地区划定方法及其演变对我国的启示[J] .国际城市规划， 2021， 36（1）：69 - 75.

[3] 沈洁，罗翔. 英国城乡地域的划分：标准、方法与历程[J] .规划师， 2015， 31（8）：139 - 144.

[4] 杨欢.英格兰城乡空间划分体系演进及其借鉴意义[J] .国际城市规划，2017，32（5）：66 - 71.

[5] 张莉.面向公共政策的城乡划分与城镇人口统计[J] .城市发展研究，2018，25（6）：1 - 7.

[6] 蔡翼飞，张玉华.中国城镇人口统计方法变迁及调整方向[J] .区域经济评论，2015（6）：32 - 39.

[7] 乔艺波. 改革开放以来中国城镇化的演进历程、特征与方向——基于人口、经济与制度视角[J] .城市规划，2020， 44（1）：44 - 51.

[8] 周一星，史育龙. 建立中国城市的实体地域概念[J] .地理学报， 1995，50（4）：289 - 301.

[9] 黄玫，张敏，张兵，等.“城区范围”概念解析及其确定方法探讨——以115个城市为实践对象[J] .城市规划，2022，46（5）：17 - 26.

[10] 张欢， 赵志庆， 陈玉珠. 国土空间规划中城区范围划定方法、条件及流程初探——以江西省景德镇市为例[J] .城市规划学刊， 2020（4）：51 - 57.

[11] 周一星，史育龙.城乡划分与城镇人口统计——中外对比研究[J] .城市问题，1993（1）：22 - 26.

[12] 王浩，刘娅菲，宁晓刚，等. 城区边界遥感提取研究进展[J] .测绘科学， 2019， 44（6）：159 - 165.

[13] 宁晓刚，王浩，林祥国，等. 京津冀城市群1990 - 2015年城区时空扩展监测与分析[J] .测绘学报， 2018， 47（9）：1207 - 1215.

[14] 邓刘洋，沈占锋，柯映明.城市建成区遥感影像边界提取与扩张分析[J] .地球信息科学学报，2018，20（7）：996 -1003.

[15] 许泽宁，高晓路. 基于电子地图兴趣点的城市建成区边界识别方法[J] .地理学报， 2016， 71（6）：928 - 939.

[16] 郑洪晗，桂志鹏，栗法，等.夜间灯光数据和兴趣点数据结合的建成区提取方法[J] .地理与地理信息科学，2019，35（2）：25 - 32.

[17] 王善辉，张和生.一种基于车辆轨迹数据的城市建成区边界识别方法[J] .测绘通报，2019（1）：56 - 59，64.

[18] 方斌，张宪哲，杨柳.基于POI数据的城市边界变化提取研究——以山西运城市城区为例[J] .现代测绘，2017，40（5）：20 - 22.

[19] 冯健，周一星，李伯衡，等. 城乡划分与监测[M] . 北京：科学出版社， 2012：80 - 103.

[20] 宋小冬，柳朴，周一星. 上海市城乡实体地域的划分[J] .地理学报， 2006，61（8）：787 - 797.

[21] 惠彦，金志丰，陈雯. 城乡地域划分和城镇人口核定研究——以常熟市为例[J] .地域研究与开发， 2009，28（1）：42 - 46.

[22] 许学强，周一星，宁越敏. 城市地理学[M] . 北京： 高等教育出版社， 2009：19 - 33.

Urban Built-up Area Identification Method Based on Multi-dimensional Human-land Characteristics of Urban-Rural Differentiation： Based on the Practical Exploration of Various Cities in China

ZHANG Huan1，2，3， ZHAO Zhiqing1，2，3， WANG Wei4， HUANG Mei4

（1. School of Architecture， Harbin Institute of Technology， Harbin 150001， China； 2. Key Laboratory of Cold Region Urban and Rural Human Settlement Environment Science and Technology， Ministry of Industry and Information Technology， Harbin 150001， China； 3. Key Laboratory of National Territory Spatial Planning and Ecological Restoration in Cold Regions， Ministry of Natural Resources， Harbin 150001， China； 4. Bureau of Territorial and Spatial Planning， Ministry of Natural Resources， Beijing 100812， China）

Abstract： The purposes of this paper are to construct the urban built-up area identification method under index quantification and to apply the method in 107 sample cities for accuracy verification， based on concept discrimination and method evolution analysis， starting from the human-land characteristics of urban and rural differentiation. The research methods include literature review， induction and deduction， and empirical analysis. The results show that： 1） the cognition of physical region in urban built-up area concept is deepening day by day. There are three kinds of recognition methods， namely multi-category index screening method， remote sensing image recognition method and big data and artificial intelligence recognition method， which have differentiated application characteristics. 2） The differentiated characteristic elements are selected from the four dimensions of population， land， industry and environment， and the index conditions are determined to construct an urban built-up area identification method based on the physical region. 3） With the help of image data， vector data and statistical data， the preliminary urban built-up area is obtained through screening， the physical urban built-up area is obtained through the judgment of land patch function， connectivity， boundary verification， and the urban built-up area is obtained through the analysis of land patch proportion， municipal and public service facilities. 4） As for the accuracy verification of the method， the average deviation between the physical urban built-up area and the corresponding built-up area of the 105 sample cities is 21.2%， and the slope of the trend line is 0.825. The preliminary determination of the method is effective. In conclusion， this method can be applied to the urban built-up area identification of cities in various regions. It can be optimized in the future in terms of population index supplement and statistical accuracy improvement. The follow-up research is expected to focus on the spatial identification of towns and villages.

Key words： urban built-up area； physical urban built-up area； human-land characteristics； urban-rural differentiation； territorial space planning

（本文責编：陈美景）