基于城市扩张全局结构的中心性和集聚性测度方法

技术领域

本发明属于空间分析技术领域，特别涉及一种基于城市扩张全局结构的中心性和集聚性测度方法。

背景技术

城市化伴随着城市土地的空间扩张，对资源，环境和社会产生了严重影响

景观指数是描述城市扩张空间格局的最广泛使用的方法之一

关于城市空间结构的现有评价技术集中于静态特征，即单中心-多中心，集群，网络和其他层次

此外，现有的动态指标几乎不能正确地描述城市形态的演变，即城市形态的变化。这些指标未能直接考虑到新斑块本身的属性，这可能会对城市形态演变测度产生重大影响

通过对以上内容的了解，大多数现有的城市扩张动态评价指标都集中在斑块水平邻域关系的局部扩张程度评估上，并且在基于全局视角评估扩张斑块的多维特性方面存在差距。由于城市扩张是一个多维过程，基于一维邻域特征将城市扩张分为紧凑性或蔓延性的模糊和简单划分将引起不准确的评价，并妨碍人们更好地理解城市扩张过程的空间特征。相对于“紧凑”或“蔓延”的混淆概念，应更定量地描述清晰而有意义的动态特性。本发明中提出的位置中心性指数(LCI)和位置中心性聚集指数(LCAI)，能够表征城市扩张结构和形态的特征，通过明确揭示全局结构特征，填补了对城市扩张中心性的动态评估空白，提升了识别城市扩张聚集异质性的性能，明晰了城市新增用地空间的扩张特征类型，满足了自下而上反映不同城市扩张特征的实际应用需求。

发明内容

为了解决上述技术问题，本发明的目的在于，针对现有城市扩张动态特征评价技术的不足，提供一种基于城市扩张全局结构特征，结合两个动态维度的中心性和集聚性评价指标的方法。

本发明基于城市扩张全局结构提出了一种测度中心性和集聚性的新方法，虽然描述城市扩张过程的动态指标已经存在，但只关注一维特征，导致对城市扩张过程认识不足。本发明通过设计指标对清晰而有意义的维度特征，如位置中心性和聚集性，进行定量刻画。本发明通过LCI和LCAI在斑块层面测量中心性和聚集性来描述城市扩张结构和形态的动态演变，可以综合反映位置中心度和聚集度的空间渐变性，利于识别在城市扩张结构和形态中识别位置中心度和位置集聚度类型，以反映新斑块的异质性影响。进一步引入LCI和LCAI的两个变体公式，MLCI和MLCAI，可以从自下而上的角度来代表城市扩张的不同全局动态特征。

本发明提供的技术方案如下：

一种基于城市扩张全局结构的中心性和集聚性测度方法，包括以下步骤：

步骤1：获取城市建设用地多时点矢量数据，捕获新增城市建设用地(新斑块)与原有建设用地(旧斑块)空间特征；

步骤2：基于“面积-反距离”加权算法获取城市新斑块相较于原有城市整体空间结构的位置权重；

步骤3：基于圆的几何特性，结合步骤2中得到的空间位置权重，获取每个新增斑块的位置中心度指标值(LCI)；

步骤4：基于新斑块的自身属性特征，捕获旧斑块相较于新斑块的空间位置关系，获取每个新增斑块的位置集聚度指标值(LCAI)；

步骤5：基于物理意义与几何特征对新斑块的扩张类型进行辨识；

步骤5.1：基于LCI结果依照新斑块相较于整体城市扩张结构将位置中心性类型划分为核心型，中心型，邻近型与边缘型四类；

步骤5.2：基于LCAI结果在位置中心性类型的基础上依据引力模型特性将位置集聚性类型划分为高度集聚型，中度集聚型，轻度集聚型与离散型四类；

步骤6：基于算数平均值将LCI和LCAI的结果进行自下而上地汇总统计，计算城市整体扩张中心性与集聚性；

步骤6.1：基于所有新斑块的LCI平均值统计结果获取城市整体扩张中心性；

步骤6.2：基于所有新斑块的LCAI平均值统计结果获取城市整体扩张集聚性；

步骤7：对城市扩张中心性与集聚性结果进行时空分布制图。

进一步的，步骤1中的方法包括以下子步骤：

步骤1.1：对获取的地理空间数据矢量化，提取连续时点的城市建设用地，运用地理空间分析工具得到新旧斑块即为前一时点矢量数据；

步骤1.2：利用空间数据计算工具获取新旧斑块的自身属性特征。

进一步的，步骤2中所述“面积-反距离”加权算法主要用于揭示新斑块相较于原有城市整体空间结构的位置权重，计算方式如下：

式中，W

该加权算法主要基于下面两方面进行考虑：(1)传统的中心地理论，新斑块越接近旧斑块，对新斑块相对于全局城市扩张的空间结构的测量影响越大；(2)规模效应，旧斑块面积越大，对空间结构位置权重测量的影响也越大，因为较大的城市区域可能提供更多的城市服务功能。

进一步的，步骤3中所述位置中心度指标(LCI)主要基于Python进行数据处理和分析，计算方式如下：

式中：i为第i个新斑块，j为第j个旧斑块，A

进一步的，步骤4中所述位置集聚度指标(LCAI)主要基于Python进行数据处理和分析，计算方式如下：

式中：a

进一步的，所述步骤5基于物理意义与几何特征对新斑块的扩张类型进行辨识的方法，依据LCI和LCAI的值域划分对新斑块的扩张特征进行类型划分，包括以下子步骤：

步骤5.1：基于LCI结果可以依照新斑块相较于整体城市扩张结构将位置中心性类型划分为四种位置中心度类型。由于圆是最紧凑的图形，因此可以用旧斑块等面积圆的半径与新斑块到旧斑块质心距离的比值来判别位置中心度类型。

该四种类型的设置如下：

核心类型，是指与旧斑块质心极为接近的新斑块，与旧斑块质心的距离D小于旧斑块等面积圆半径R

中心型，是指一个新斑块相对靠近旧斑块的位置，R/2≤D

邻接型，是指与旧斑块的质心相邻的新斑块，R≤D<2R，0.5

边缘型，是指远离原有建设用地的新斑块，2R

步骤5.2：基于LCAI结果在位置中心性类型的基础上依据引力模型特性将位置集聚性类型主要划分为两大类：集聚型和离散型，其中集聚性又可细化为代表三种不同程度的集聚类型。因此，位置集聚性类型最终划分为四种类型。划分位置集聚类型的LCAI值范围是基于LCI的位置中心性类型的划分范围的平方。位置集聚性类型主要反映了新旧斑块间相对空间关系的结合，即考虑某新增斑块与旧斑块质心的空间位置关系，又顾及旧斑块与该新斑块质心的空间位置关系。

综上，位置集聚性类型中的集聚型可依据新斑块与旧斑块相对空间关系结合的紧密程度从高到低依次划分为三类：高度集聚型，LCAI>4；中度集聚型，1

位置集聚性类型中的离散类型表示不与原有城市土地具有紧密空间联系的新斑块，LCAI≤0.25。

进一步，所述步骤6计算城市整体扩张中心性与集聚性方法，包括以下子步骤：

步骤6.1：基于所有新斑块的LCI平均值统计结果获取城市整体扩张中心性；

式中，m是新斑块的总数，LCI

步骤6.2：基于所有新斑块的LCAI平均值统计结果获取城市整体扩张中心性；

式中，LCAI

进一步，所述步骤7中对城市扩张中心性与集聚性结果进行时空分布制图的方法如下：

首先获取基础地理要素的空间信息，包括行政范围边界、水体区域范围和重要地物的坐标与范围等，利用专业地图软件ArcGIS进行显示和校准；然后基于LCI和LCAI的计算结果，依据位置中心性类型和位置集聚性类型分别对各个时期的新斑块进行分类；再对各分类结果利用渐变色对新斑块按扩张类型的中心性高低或集聚性高低依次进行统一制图表示；最后，在保留基础地理要素的基础上，分图幅对不同时段的新斑块扩张类型进行差异化表达，并添加制图要素，包括指北针、比例尺和图例等。

本发明的优点在于：

(1)现有的动态指标更多的是反映新斑块相对于最近的旧斑块的跳跃或扩展程度，缺乏新斑块相对于整体土地的扩展结构信息，LCI和LCAI弥补了这一缺陷。

(2)本发明提出的LCI和LCAI具有以下优点：(i)由于LCI和LCAI的范围是连续的，因此可以综合反映位置中心度和聚集度的空间渐变性；(ii)LCI反映了“中心性”的地理意义，LCAI在一定程度上代表了新旧斑块之间的物理引力；(iii)基于LCI和LCAI，可以在城市扩张结构和形态中识别位置中心度和位置集聚度类型，以反映新斑块的异质性影响；(iv)LCI和LCAI的两个变体公式，MLCI和MLCAI，可以从自下而上的角度来代表城市扩张的不同全局动态特征。

(3)LCI可以综合识别新斑块相对于主中心、副中心或潜在中心的中心性，从而判断城市的空间增长是否集约、经济。

(4)LCAI能够反映新旧斑块之间类似引力形式的空间相互连接作用力，同时，LCAI结合了新斑块的结构特征和自身属性，最终达到了基于扩张结构揭示城市形态异质性演变的效果。

附图说明

图1为本发明实施例的流程图；

图2为本发明实施例的基于物理意义与几何特征对新斑块的扩张类型进行辨识示意图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

实施例

本发明提供的是一种基于城市扩张全局结构的中心性和集聚性测度方法，流程见图1，包括以下步骤：

步骤1：获取城市建设用地多时点矢量数据，进而通过对比相连时点建设用地空间差异得到新增城市建设用地(新斑块)与原有建设用地(旧斑块)空间范围与自身特征；

步骤1.1：对获取的地理空间数据矢量化，提取连续时点的城市建设用地，在ArcGIS中运用地理空间分析工具(Erase)将后一时点城市建设用地矢量数据擦除前一时点数据得到新斑块，旧斑块即为前一时点矢量数据；

步骤1.2：利用空间数据计算工具获取新旧斑块的自身属性特征，即每个新斑块的面积a

步骤2：基于“面积-反距离”加权算法获取城市新斑块相较于原有城市整体空间结构的位置权重；

式中，W

步骤3：基于圆的几何特性，捕获城市扩张过程中新斑块与每个旧斑块等面积同心圆的空间位置关系，即

式中：i为第i个新斑块，j为第j个旧斑块，n为旧斑块的总个数，A

步骤4：基于新斑块的自身属性特征，在步骤3的基础上添加新斑块等面积同心圆与每个旧斑块的空间位置关系，即

式中：a

步骤5：基于物理意义与几何特征对新斑块的扩张类型进行辨识；

参照附图2，具体实施如下：

步骤5.1：基于LCI结果可以依照新斑块相较于整体城市扩张结构将位置中心性类型划分为四种位置中心度类型。

由于圆是最紧凑的图形，因此可以用旧斑块等面积圆的半径与新斑块到旧斑块质心距离的比值来判别位置中心度类型。

四种类型的具体设置如下：

核心类型是指与旧斑块质心极为接近的新斑块，与旧斑块质心的距离D小于旧斑块等面积圆半径R

中心型是指一个新斑块相对靠近旧斑块的位置，R/2≤D

邻接型是指与旧斑块的质心相邻的新斑块，R≤D<2R，0.5

最后，边缘型是指远离原有建设用地的新斑块，2R

步骤5.2：基于LCAI结果在位置中心性类型的基础上依据引力模型特性将位置集聚性类型主要划分为两大类：集聚型和离散型，其中集聚性又可细化为代表三种不同程度的集聚类型。因此，位置集聚性类型最终划分为四种类型。划分位置集聚类型的LCAI值范围是基于LCI的位置中心性类型的划分范围的平方。位置集聚性类型主要反映了新旧斑块间相对空间关系的结合，即考虑某新增斑块与旧斑块质心的空间位置关系，又顾及旧斑块与该新斑块质心的空间位置关系。

综上，位置集聚性类型中的集聚型可依据新斑块与旧斑块相对空间关系结合的紧密程度从高到低依次划分为三类：高度集聚型，LCAI>4；中度集聚型，1

位置集聚性类型中的离散类型表示不与原有城市土地具有紧密空间联系的新斑块，LCAI≤0.25。

步骤6：基于算数平均值将LCI和LCAI的结果进行自下而上地汇总统计，计算城市整体扩张中心性与集聚性；

步骤6.1：基于所有新斑块的LCI平均值统计结果获取城市整体扩张中心性；

式中，m是新斑块的总数，LCI

步骤6.2：基于所有新斑块的LCAI平均值统计结果获取城市整体扩张集聚性；

式中，LCAI

步骤7：对城市扩张中心性与集聚性结果进行时空分布制图。

首先获取基础地理要素的空间信息，例如：行政范围边界，水体区域范围，重要地物的坐标与范围等，利用专业地图软件ArcGIS进行显示和校准；基于LCI和LCAI的计算结果，依据位置中心性类型和位置集聚性类型分别对各个时期的新斑块进行分类；对各分类结果利用渐变色对新斑块按扩张类型的中心性高低或集聚性高低依次进行统一制图表示；最后，在保留基础地理要素的基础上，分图幅对不同时段的新斑块扩张类型进行差异化表达，并添加制图要素，例如：指北针，比例尺，图例等等。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。