西安市渐变图片

HUMANGEOGRAPHYVol.
25.
No.
22010/4基于GIS的西安市城市扩展与模拟研究杨勇1,任志远1,李开宇2(1.
陕西师范大学旅游与环境学院,西安710062;2.
西安外国语大学旅游学院/人文地理所,西安710061)ASTUDYONCONSTRUCTIONLANDEXTENSIONANDSIMULATIONOFXI'ANCITYBASEDONGISINXI′ANCITYYANGYong1,RENZhi-yuan1,LIKai-yu2(1.
CollegeofTourismandEnvironmentscience,ShannxiNormalUniversity,Xi′an710062,China;2.
InstituteofHumanGeography,Xi'anInternationalStudiesUniversity,Xi'an710061,China)Abstract:WiththerapiddevelopmentofChina,urbansprawlhasbecomeamajorissueinmanymetropolitanareas.
However,thedefinitionofurbansprawlisstillcontroversialanditsimpactonurbandevelopmenthasnotbeenidentifiedclearly.
Theauthorsconsiderthaturbansprawlreferstotheuncontrolledorscatteredde-velopmentinsuburbanareaswhichleadstoincreasingtrafficproblems,resourcedepletionandopenspacedestruction.
Therefore,itisnecessarytoexploretheurbanextensionprocessandthedrivingforceofurbansprawl.
Thisresearchaimstoanalyzethedrivingforceofurbanextensionthroughthelogisticregressionanalysis.
Theremotesensingandgeographicinformationsystemareadoptedintheresearch.
BasedontheLandsatTM/ETMimagesofXi'ancityin2002and2007,theauthorshavetheconstructionlandinformation.
Therefore,theycandrawouttheconstructionlandmapwiththeGIStechnologyandthesprawlinformation.
Basedontheanalysisofroad,river,landsubsidence,groundfissure,populationandGDP,theauthorsbuildupthelogisticregressionmodeltosimulatetheurbanextensionofXi'ancity.
Withthelogisticregressionmodel,theresearchersobtainasimulationmapfortheurbanextensionofXi'ancity.
Theresultshowsthattheareasofconstructionlandareincreasingthatisconsistentwiththefactualurbanextension.
Therefore,thespecialmodelscanidentifythemaindrivingforcesofurbanextensioninXi'ancitythroughvalidationofthelogisticregressionmodel.
Theauthorspointoutthattheaccessibilityoftheroadsisthemostsignificantdriv-ingforceofurbanextension.
Finally,theauthorsalsonotethattherearemanyfactorswhichcanrestricttheapplicationoftheurbanextensionmodelbecausetheurbansprawlisacomplexphenomenon.
Therefore,theadvancedurbanextensionmodelshouldbeestablishedwiththeconsiderationofgovernmentpoliciesandres-idents'behaviors.
Keywords:urbanexpanding;simulationanalysis;logisticregressionmodel;Xi'anCity文章编号:1003-2398(2010)02-0095-04提要:本文以西安市为研究区域,以2002年ETM影像和2007年TM影像遥感数据为城市扩展动态变化的主要信息来源,采用逻辑回归模型并结合GIS技术对西安市的城市空间扩展进行模拟.
研究选取了道路、河流、地裂缝、地面沉降、人口和GDP等6个因子,建立了西安市城市扩展的逻辑回归模型,并根据所建立的模型对西安市的城市扩展进行了模拟,结果表明,所建立的逻辑回归模型能够较好地模拟西安市的城市扩展,对西安市城市扩展的驱动力具有较强的解释作用,其中对城市扩展影响最重要的因素为距道路距离.
关键词:城市扩展;模拟分析;逻辑回归模型;西安市中图分类号:TU984.
11文献标志码:A基金项目:国家自然科学基金资助项目(40771019);陕西省教育厅专项科研项目(09jk706)作者简介:杨勇(1982—),男,湖南衡阳人,博士研究生,研究方向为城乡国土资源评价与GIS.
E-mail:yayo2004@163.
com.
收稿日期:2008-09-14;修订日期:2009-09-28952010年第2期总第112期人文地理DOI:10.
13959/j.
issn.
1003-2398.
2010.
02.
004HUMANGEOGRAPHYVol.
25.
No.
22010/42010年第2期总第112期人文地理国内外学者对城市扩展的过程、驱动机制、形态特征和变化趋势都做过大量研究,并对相关的研究方法、理论和技术手段等进行了探讨[1-10],城市扩展的驱动力研究是城市扩展研究的重要内容之一,较为常见的研究方法是对整个研究区域的城市扩展进行宏观上的分析,如从时间尺度分析社会经济的发展对城市扩展的影响,但是这部分的研究存在的不足之处是无法从空间尺度上分析自然条件和社会经济因素对城市扩展的影响,对空间上的细微变化难以把握,因此为了克服这些不足,发展了许多模型对城市的扩展进行空间上的模拟,如大都市扩展模型(CEM)和多智能体模型(Mul-ti-Agentsystem)[11],这些模型与遥感、GIS技术的结合在一定程度上解决了城市扩展的"发生在何处"和"如何发生"的问题,但是由于其原理和应用过程都较为复杂,在研究中的应用难度都比较大,并且一些模型都是针对特定区域设计的,还存在着适用性问题.
城市扩展是自然、经济和政策等多方面因素共同作用的结果,以西安市为研究区域,利用遥感数据为西安城市扩展动态变化的主要信息源,采用逻辑回归模型[12-14]并结合GIS技术对西安市的城市空间扩展进行模拟,揭示西安市城市空间发展与社会、经济、自然等因素之间的内在关系,为西安市的空间发展规划提供科学依据,并探讨逻辑回归模型在城市扩展驱动力分析上的解释程度.
1研究区概况西安市位于陕西省关中平原,地处东经107°40′—109°49′和北纬33°39′—34°45′,东西长约204km,南北宽约116km,总面积9983km2,辖9区4县,其中新城、碑林、莲湖、灞桥、未央、雁塔的城6区为本文的研究区域,该区域是西安市甚至陕西省的社会经济中心,近年来,随着城市化进程的加快,城市人口急剧增加,2007年西安市区人口为448万人,人均GDP达到20385.
42元.
2数据源与研究方法2.
1数据来源与处理本文选取地面沉降、地裂缝、河流3个自然要素和人口密度、人均GDP和道路交通3个社会要素作为城市扩展的影响因子进行分析.
使用数据包括2002年ETM影像和2007年TM影像两期遥感数据;西安市1:10万土地利用现状图(2000年);西安市各区行政边界、道路交通线、河流与水域矢量图;人口、GDP、地裂缝和地面沉降等空间数据.
研究中的建设用地数据来自于对遥感影像的解译,因为研究区域位于关中平原地区,地势平坦,土地覆盖类型主要为水域、耕地、林地和建设用地,较适合采取监督分类的方法提取城市建设用地,因此采用最大似然法进行监督分类提取了西安市两个时期的建设用地范围,并参考同期地面数据及高分辨率影像资料进行了分类精度评价,在评价的过程中随机选取了若干样本区域,计算分类误差矩阵和Kappa系数,两个时相的综合分类精度分别达到90.
05%和86.
32%.
将生成的两期城市建设用地图进行叠加,得到了西安市城市扩展图,与行政区划图进行叠置分析,分别得到了研究区内各行政单元的建设用地扩展面积.
为了定量分析道路、河流、地裂缝等因素对城镇扩展的影响,本文利用GIS的空间分析中的最小欧氏距离(mini-mumEuclideandistance)算法,生成研究区域中各点到道路交通线、河流与水域、地裂缝的"距离渐变图",地面沉降因子的处理则根据地面沉降等值线生成地面沉降的数字高程模型,人口与GDP的数据则采用2002年各街道办人口和GDP数据,是基于行政边界进行统计的,因此必须通过数据的空间化以纳入到研究之中,其方法分别采用面域加权(weightedarea)和kriging表面插值的方法进行空间化,具体方法见相关研究[15,16].
考虑到研究尺度和数据的计算要求,所有的数据都转换成栅格数据类型,栅格数据的分辨率为100m*100m,最后建立研究所需的数据库(表1)2.
2逻辑回归模型本研究中所采用的是Binary逻辑回归模型,将两分类反应变量之一结果抽象地称为阳性结果,另一结果为阴性结果,以Y表示,可用1/0变量表示[17].
对反应变量Y有影响的m个因素称为自变量,记为X1、X2、X3……Xm.
在m个自变量的作用下出现阳性结果的条件概率记为P,其表达式为:p=exp(β0+β1x1+β2x2+β3x3+…+βmxm)1+exp(β0+β1x1+β2x2+β3x3+…+βmxm)其中,β0称为常数项,β1,β2,.
.
.
.
.
,βm为Logistic回归模型的回归系数.
本文采用逻辑回归分析探索建设用地的空间扩展与各驱动因素的关系,分析步骤包括:①将在研究时段内转为建设用地的栅格属性赋值为1,没有转化为建设用地(包括研究初期已存在的建设用地)的赋值为0;②对(m-1个自变量)各自变量赋值;③为了避免数据的空间自相关性,在Ar-cGIS中随机生成1500个采样点,进行空间分层采样;④利用统计软件SAS完成逻辑回归分析.
3模型运算与城市扩展模拟3.
1回归模型的建立通过对抽取的采样数据进行逻辑回归分析,得出了常数项的值和各个变量的回归系数,并对逻辑回归分析结果进行了显著性和拟合优度检验,分析结果表明,各个因子都通过了显著性检验,并且对城市建设用地的扩展具有较强的解释作用(表2).
最后根据逻辑回归分析计算出来的模型参数,构建了转为建设用地概率的逻辑回归模型:p=exp(-1.
5889+0.
00015x1-0.
00009x2+0.
00027x3+0.
00001x4-0.
00024x5-0.
00003x6)1+exp(-1.
5889+0.
00015x1-0.
00009x2+0.
00027x3+0.
00001x4-0.
00024x5-0.
00003x6)式中,p为转为建设用地的概率,x1、x2、x3……x6分别为人均GDP、人口密度、距地裂缝距离、距河流距离、距道路距离和地面沉降.
3.
2概率模拟与精度验证96HUMANGEOGRAPHYVol.
25.
No.
22010/4通过对西安市城市扩展的逻辑回归分析,得到了城市扩展和各个因子的逻辑回归系数并建立了城市扩展概率的逻辑回归模型,采用ArcGIS软件里栅格图像计算(rastercalcu-lation)功能,根据所建立的回归模型对因子栅格图层进行计算,获得了城市扩展的模拟概率图(图1),其中模拟的概率值越大,表明该点城市扩展所发生的几率也就越大.
模型的模拟需要通过与实际现状相比较才能检验其模拟的有效性和精确性,通过目视对比可以发现模拟分布扩展概率较高的部分与实际扩展的热点区域较为一致,其次通过对模拟图层和实际扩展图层的叠加运算,可以定量地计算出模拟精度为71.
2%,因此运用该模型可以较好地定量解释各种自然因素和社会经济因素对城市扩展的驱动作用.
图1模拟概率图Fig.
1SimulatiedProbability4结果分析4.
1建设用地扩展分析西安市城市建设用地面积从2002年的17881.
8万m2增加到2007年的33361.
6万m2,扩展了1.
87倍,在此期间,城市建设用地面积扩展最多的是西安市北郊的未央区和南郊的雁塔区,分别增加了5822.
9万m2和4845.
5万m2,其他区扩展的面积相对较小,从扩展面积的绝对数量可以看出,西安市城市扩展的主要方向是向南和向北.
根据各区年均扩展面积和该区面积之比所得出的扩展强度指数可以看出,雁塔区扩展强度指数最大,达到了6.
40%,其次为碑林区,达到了5.
52%,最小的为灞桥区,为1.
77%,而总的西安市区城市建设用地的扩展强度指数为0.
04%(表3).
4.
2模拟结果及驱动力分析运用逻辑回归模型对西安市2002—2007年的城市扩展进行了空间上的模拟和分析得出的结果表明:从影响西安市城市扩展的空间分布主要影响因子的贡献程度和发生比可以看出,所选取的6个因子对西安市的城市扩展都具有解释作用,其中最重要的解释变量为距道路距离、人均GDP和距地裂缝距离.
影响城市扩展的重要因素之一为道路,在模型中解释变量距道路距离为负的回归系数,表明城市扩展在距离道路较近的地方发生,而远离主要道路的区域则发生的几率较小,其回归系数为-0.
00024.
在解释变量中,距地裂缝距离的回归系数为正,表明距地裂缝距离增加的区域,城市扩展的几率增加,地裂缝、地面沉降都是西安市地质环境的重要特征,也是西安市城市扩展的约束性条件,根据西安市地面沉降的空间分析情况可以看出,地面沉降只是发生在西安市较为集中的局部地区,对于西安市整个城市扩展的约束作用有限,因此它的发生比为0.
99997(接近1).
在解释变量中,人口因素的系数为负,城市扩展是从人口集聚的地方向人口分散的地方进行的,新建成区域的人口密度要低于初始建成区.
城市扩展的分布概率随着GDP在空间上的的增多呈增加的趋势,在逻辑回归模型中,GDP的回归系数为正.
区域经济的快速发展,是城镇用地扩展的主导因素.
5结论本文基于逻辑回归模型对2002—2007年的西安市城市97杨勇,任志远,李开宇:基于GIS的西安市城市扩展与模拟研究HUMANGEOGRAPHYVol.
25.
No.
22010/42010年第2期总第112期人文地理扩展进行了模拟,并在模拟结果的基础上对城市扩展的驱动力进行了分析,得出的主要结论如下:(1)通过对西安市的2002年ETM和2007年的TM影像进行解译和叠加分析处理,得出了研究区城市扩展面积及相关扩展信息.
研究区内的城市建设用地面积从2002年的17881.
8万m2扩展到2007年的33361.
6万m2,其中雁塔区的扩展强度指数最大.
(2)本文以西安市为研究区域,利用所选取的多个自然和社会经济因子建立的逻辑回归模型能够较好地模拟西安市城市扩展,因此也能够利用所建立的模型从空间尺度上对西安市城市扩展的驱动力进行定量的分析,其中对城市扩展有着重要作用的因素为距道路距离和距地裂缝距离.
城市土地扩张是复杂系统的过程,受许多不确定性因素影响,完全准确地模拟其动态变化是不可能的[18,19],特别是城市的扩展受政策的影响也较大,比如西安市城市总体规划,此外,西安市还是一个古城,受保护的历史文化遗迹分布较多,对城市的扩展也有着一定的限制作用等,但是这些因素难以量化,因此难以应用到模型中,限于目前社会经济数据空间化的技术和理论尚未成熟,许多社会经济指标相关的统计数据也无法突破行政单元进行空间化,因此也制约了城市扩展的模型模拟研究.
参考文献[1]徐梦洁,於海美,梅艳,等.
近年我国城市土地扩张研究进展[J].
国土资源科技管理,2008,25(1):47-53.
[2]WeiJi,JiaMa,RimaWahabTwibell.
Characterizingurbansprawlusingmulti-stageremotesensingimagesandlandscapemetrics[J].
Computers,EnvironmentandUrbanSystems,2006,30(6):861-879.
[3]BarryNHaack,AnnRafter.
UrbangrowthanalysisandmodelingintheKathmanduValley,Nepal[J].
HabitatInternational,2006,30(4):1056-1065.
[4]CristianHenríquez,GerardoAzócar,HugoRomero.
Monitoringandmodelingtheurbangrowthoftwomid-sizedChileancities[J].
Habi-tatInternational,2006,30(4):945-964.
[5]王琳,徐涵秋,李胜.
福州城市扩展的遥感动态检测[J].
地球信息科学,2006,8(4):129-135.
[6]刘纪远,王新生,庄大方,等.
凸壳原理用于城市用地空间扩展类型识别[J].
地理学报,2003,58(6):885-892.
[7]曹雪,柯长青,冉江.
基于GIS技术的城镇用地扩展研究—以南京市江宁区为例[J].
资源科学,2008,30(3):385-392.
[8]吴铮争,宋金平,王晓霞.
北京城市边缘区城市化过程与空间扩展—以大兴区为例[J].
地理研究,2008,27(2):285-293.
[9]MaheshKumarJat,PKGarg,DeepakKhare.
Monitoringandmod-ellingofurbansprawlusingremotesensingandGIStechniques[J].
InternationalJournalofAppliedEarthObservationandGeoinforma-tion,2008,10(1):26-43.
[10]HSSudhira,TVRamachandra,KSJagadish.
Urbansprawl:met-rics,dynamicsandmodelusingGIS[J].
InternationalJournalofAp-pliedEarthObservationandGeoinfomation,2004,5(1):29-39.
[11]张鸿辉,曾永年,金晓斌,等.
多智能体城市土地扩张模型及其应用[J].
地理学报,2008,63(8):869-881.
[12]李双成,刘逢媛,高江波.
基于L—Z算法的NDVI变化复杂性的空间格局及其成因—以北京周边为例[J].
自然科学进展,2008,18(1):68-74.
[13]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,2008,27(2):294-304.
[14]王秀春,黄秋昊,蔡运龙,等.
贵州省猫跳河流域耕地空间分布格局模拟[J].
资源科学,2007,27(2):188-192.
[15]曹志冬,王劲峰,高一鸽,等.
广州SARS流行的空间风险因子与空间相关性特征[J].
地理学报,2008,63(9):981-993.
[16]王劲峰.
空间分析[M].
北京:高等教育出版社,2006.
36.
[17]沈其君.
SAS统计分析[M].
北京:高等教育出版社,2005.
191.
[18]刘小平,黎夏.
从高维特征空间中获取元胞自动机的非线性转换规则[J].
地理学报,2006,61(6):663-672.
[19]杨青生,黎夏.
珠三角中心镇城市化对区域城市空间结构的影响—基于CA的模拟和分析[J].
人文地理,2007,22(2):87-91.
98