基于时空过程的特大城市市域半城市化地区识别及其类型特征研究以福州市为例.docx

基于时空过程的特大城市市域半城市化地区识别及其类型特征研究以福州市为例.docx

《基于时空过程的特大城市市域半城市化地区识别及其类型特征研究以福州市为例.docx》由会员分享，可在线阅读，更多相关《基于时空过程的特大城市市域半城市化地区识别及其类型特征研究以福州市为例.docx（21页珍藏版）》请在冰豆网上搜索。

基于时空过程的特大城市市域半城市化地区识别及其类型特征研究以福州市为例

摘要

近年来，东亚经济体快速城镇化过程中的半城市化现象受到广泛的关注。

我国的快速城镇化催生了大规模的人口和空间的半城市化，且以特大城市郊区最为典型。

研究表明，半城市化地区既是极具活力的高增长地带，也是城市蔓延、环境污染、社会分异等问题频发的地区，掌握半城市化地区的发展规律十分重要。

相关研究大多从时间断面维度分析和定义半城市化区域，主要关注半城市化的静态描述，而难以描述作为城市核心建成区外围的农村地域，在经济、社会和空间属性上逐渐向城市转变的过程，以及半城市化本身所具有的碎片化、渐进性、过渡性的特征。

本文在厘清相关研究成果的基础上，提出基于土地遥感影像数据的单一数据源，以及基于时空过程视角的半城市化地区识别的方法。

以福州为例，本文使用建成用地破碎度、农用地占比、时间演变三个维度，在识别城市地区、农业地区的基础上，进一步识别出四种处于不同发展阶段的典型半城市化地区，并将这一分类结果与福州市域乡镇单元的社会经济数据进行叠加分析，即可展现2000—2015年福州市半城市化地区的时空发展特征。

本文提供了识别特大城市半城市化时空过程的简明、有效的技术路径，对半城市化地区的分类引导和精确治理具有借鉴意义。

我国的快速城镇化催生了大规模的人口和空间的半城市化，且以特大城市郊区最为典型。

因此，掌握半城市化地区的发展规律十分重要。

目前，学界已经从广泛的空间尺度和技术路径方面对半城市化问题展开了深入研究，空间尺度涵盖街区、城市及区域，技术路径也涉及历史遥感土地图像分析和人类学方法研究。

但是，以往的相关研究都是从时间断面维度来分析和定义半城市化区域，仅关注半城市化的静态描述，而忽视了作为城市核心建成区外围的农村地域，在经济、社会和空间属性上逐渐向城市转变的过程，以及半城市化本身所具有的碎片化、渐进性、过渡性的特征。

同时，既有的识别方法往往同时采用多种类型数据，虽然能提高半城市化地区识别的准确度并反映半城市化的多重内涵，但对原始数据要求偏高，难以开展具有一定历史时间跨度的比较研究。

本文在厘清相关研究成果的基础上，提出基于土地遥感影像数据的单一数据源，并能体现时空演变过程的半城市化地区识别的方法。

这种方法是一种识别特大城市半城市化地区时空演变过程的简明、有效的技术路径，对半城市化地区的动态治理和规划引导具有重要的意义。

01

 半城市化的特征、成因及其识别方法

1.1 半城市化的基本特征及成因解释

最早的东亚半城市化研究可见于麦基（McGee）的成果，他在研究亚洲许多核心城市边缘及其间的交通走廊地带时，发现了一类与城市相互作用强烈，劳动密集型的工业、服务业和其他非农产业增长迅速的原乡村地区，于是将这类地区命名为“Desakota”。

随后的相关研究一般也认可“城乡混杂”是半城市化地区的基本特征之一。

随着相关研究逐渐聚焦半城市化现象，亚洲半城市化地区的若干基本特征进一步清晰：

首先，半城市化地区往往是当地人口增长、建成用地扩张、经济增长最快的地区。

许多研究机构认为，2002—2027年，东亚地区将有2亿人涌入半城市化地区居住和工作，40%的城市增长人口将出现在半城市化地区。

然而，由于缺乏有效的规划管控，半城市化地区也往往面临着诸如贫困人口聚集、生态被破坏、卫生条件恶劣等一系列亟待解决的问题。

在我国，半城市化现象在特大城市郊区较为显著。

一方面，以农民工为主要代表的、庞大的“半城市化人口”规模已高达2.7亿，这一群体的生活水平、公共服务供给等与“法定”城市居民有着较大的差距；另一方面，半城市化人口大量集聚在特大城市外围地区，形成了圈层式和区域化的半城市化地区。

这类地区既是我国最具经济活力的地区之一，也是城市空间蔓延、土地使用破碎化、环境污染、社会资源分配不均、自然景观被破坏、乡土社会解体等问题频发的地区。

因此，特大城市郊区半城市化地域的发展关系到国家经济发展、社会稳定和人居环境改善，对其进行主动干预和精明治理势在必行。

一些相关研究进一步从成因机制的角度解读半城市化地区的内涵，大致分为两种视角：

城乡作用视角和传统社会景观视角。

城乡作用视角，强调半城市化是大都市区发展过程中带动乡村地区在经济、社会、物理空间等方面形成城市化特征的过程，表现为当地的经济结构从农业主导型向制造业主导型转变、人口快速增长的同时就业主体从农业转向制造业、空间增长模式逐步趋向混合、用地成本不断上升等特征；

传统社会景观视角的研究，强调半城市化过程中在外来力量的影响下，本地既有社会、经济及空间形态的主体作用。

如丹尼尔·拉布（DanielleLabbé）详细解剖了越南河内市外围乡村地区逐步被国家行政力量和地产开发商发起的大型建设项目破坏并引起群体冲突的过程，认为半城市化容易造成传统文化式微、土地破碎化等一系列问题。

莱斯莉·谢（LeslieShieh）通过深入阐述中国南京Willowvilllage从一个普通的供应蔬菜的郊区村庄逐步转变为城市地区的历史，揭示了经济贸易、外来人口、土地征用、政府机构等外来力量对当地产生的强制性改变，并认为半城市化是城市边缘区固有的经济及就业结构被城市力量改变、当地传统生活方式逐步转变为城市生活方式的过程。

值得注意的是，上述两种视角的研究都认为，半城市化是指城市核心建成区外围的农村地域在经济、社会和空间属性上逐渐向城市转变的过程，并注意到这一过程是碎片化和渐进式的，在空间上表现为一个过渡性的地域类型。

因此，半城市化既是一种发展状态，也是一种发展过程，具有时间上的动态性；半城市化地区的驱动机制和社会影响，需要从时间维度进行历时性研究。

1.2 半城市化地区的识别与分类

相关研究中对半城市化地区的识别一般分为四种方法：

第一种是定性描述法。

典型案例如贾纳卡拉詹（Janakarajan）认为，半城市化地区是介于完全意义上的城市和农村的灰色地区；Zhao和田莉等将中心城区边界和整个行政单元边界之间的地区定义为半城市化地区。

第二种是城区距离型。

典型案例如塞勒姆（Salem）将距离城区中心15~40km的环形地区划为半城市化地区；韦伯斯特（Webster）和穆勒（Muller）根据到城市中心区的距离，把半城市化地区分为“内半城市化”（InnerPeri-urban）地区和“外半城市化”（OuterPeri-urban）地区，即距中心区外围50km的区域为内半城市化地区，距中心区边缘50km之外的区域为外半城市化地区。

第三种是单一要素阈值型。

典型案例如巴蒂（Bhatti）等利用土地遥感数据，提出建成用地与总用地面积比值低于30%的地区，可被识别为半城市化地区；保罗（PaulC.Sutton）则将灯光遥感数据的亮度划分为64个等级，并认为1~10级（即低灯光亮度等级）的地区就是半城市化地区。

第四种是多维要素聚类型。

典型案例如萨克森（Saksena）等利用行政单元的人口主要收入数据、土地类型数据、厕所分布密度和植被分布数据等多维数据源，将越南全境划分为城市核心区、城市地区、半城市化地区和农村地区。

总体而言，前三种识别方法是目前半城市化研究中常见的方式，这主要是因为当前学界对半城市化现象的经济、社会和环境影响的理解仍在发展，没有形成统一、精确的定义，更没有形成一般性理论。

半城市化地区的识别方法往往由个体学者根据自身提出的半城市化概念和实际研究需要推导而来，但这种识别方法的问题在于，从时间断面维度分析和定义半城市化区域，只关注了半城市化的静态描述，而无法体现出半城市化发展碎片化、渐进式、过渡性、动态化的本质特征。

而第四种方式虽然能够弥补前述方法的缺陷，但也存在数据要求高、难以获得充足的数据集等问题，因而无法对过程进行历时性研究。

本文以福州为例，尝试提出一种新的对半城市化发展演变“时空过程”的识别方法，这种方法有两个主要目标：

第一个目标是要体现半城市化现象的本质内涵，包括：

（1）半城市化是农村向城市转型的过渡状态，起点是农业地区，终点是城市地区；

（2）半城市化是一个碎片化、渐进式、过渡性的动态过程；

（3）每个地区的半城市化现象都有一定的地域特色，半城市化量化指标的确定应该体现本地特征。

第二个目标是半城市化识别所依赖的数据源要求不应过高，且在城市和区域研究中具有较广泛的应用前景。

02

 建构一种新的半城市化发展

演变“时空过程”的识别方法

2.1 研究案例及数据来源

福州市是中国东南沿海省份—福建省的省会，是福建省的政治经济文化中心。

本文所指的福州市具体包括下辖的六区七县。

其中，六区为鼓楼区、台江区、仓山区、马尾区、长乐区、晋安区，七县为福清市（县级市）、连江县、闽侯县、罗源县、永泰县、闽清县、平潭县（图1）。

图1福州市区位及市域行政区划构成

 2015年，福州全市域常住人口达750万人。

福州市的地形特点是东南沿海以平原为主，西北部以山区为主，地形对福州市的城市化具有重要的影响。

2000年至2015年，福州市的城镇化率从52.6%快速上升到67.7%，城区周边存在大量的乡村向城市转型的半城市化地区。

因此，福州是研究中国特大城市市域范围内半城市化地区时空演变过程识别的理想样本。

依据土地遥感影像数据得出的识别分类结果，还需要与社会经济数据进行叠加分析，深度展现福州半城市化时空演变过程的类型特征。

2000—2015年，福州市进入快速城市化发展阶段，同时在该时间段内，社会经济统计数据也相对完善、丰富，期间还进行过两次全国人口普查，统计数据可信度高。

因此，本研究使用2000年、2005年、2010年和2015年四个时间节点的土地遥感影像数据，将遥感影像转化为ArcGIS土地使用类型图层，包括居住区、工业区、水域、草地、森林、裸地六类，并单独形成经过精确识别的建成用地图层。

为使所得结论与政府发布的社会经济发展统计数据进行交叉分析，本研究把乡镇街道作为空间分析的最小单元。

2.2 研究方法

以往关于半城市化的研究更多着眼于时间断面，缺乏从历史演变角度解读半城市化的现象及相应规律。

本文结合“单一要素阈值型”和“多维要素聚类型”的优点，尝试提出基于土地遥感影像数据中单一数据源的、能够描述半城市化地区时空演变过程的识别方法。

这一方法在指标体系层面具有探索性，其优点是初步实现了对时空过程的描述和分析。

总体流程分为五个部分（图2）：

一是需要选取适宜的数据源。

为了提高该方法的普适性，应在保证识别分类效果的前提下，充分考虑不同使用情景中数据源的获取难度和通用性，且以单一数据源为宜。

本研究选取的是由遥感影像转译的土地数据。

图2本文研究项目的研究流程

二是在厘清相关研究成果的基础上，选取三个指标—建成用地破碎度、农用地占比、时间跨度（2000年、2005年、2010年、2015年）。

三是利用K-means聚类算法，将所有乡镇街道单元分为若干类，以人机交互方式，基于理论和现实特征分析，界定城市地区和农村地区，剩余地区则是处于乡城转型过程中的半城市化地区。

四是运用聚类算法对已归类为半城市化地区的乡镇单元进行进一步的类型划分。

五是结合所有乡镇单元的经济社会统计数据，验证识别分类方法的有效性，并揭示分类结果的社会经济意义，也可展现2000—2015年福州市半城市化地区的时空发展特征。

其具体工作流程如下。

2.2.1选取数据源

本研究将土地遥感影像数据作为数据源，主要是基于以下两个原因：

一是基于遥感数据自身的特性。

遥感数据可适用于区域层面、国家层面、全球层面的全尺度半城市化进程，单元划分方式可以是栅格，也可以是行政单元；同时，遥感数据可覆盖长达数十年的时间跨度。

二是目前半城市化地区最常用的遥感数据类型主要有灯光遥感数据和土地遥感影像数据，其中，土地遥感影像数据能直接反映土地的使用状况，与半城市化问题具有更加明显的相关性。

因此，研究成果在城市和区域研究中具有较广泛的应用前景。

2.2.2确定特征指标

在半城市化进程中，建成用地破碎化和农用地比例降低这两个主要的变化趋势，是众多学者研究诸如上海、台北、开罗等国内外众多特大城市半城市化地区的土地使用状况时达成的广泛共识。

一方面，Shu-LiHuang等人以1990年和2006年遥感影像为数据源，分析了“台北—桃园”全域的土地空间模式，揭示了未得到有效规划的半城市化地区的建成用地，比得到有效规划的城市地区的建成用地更加破碎化；

LiTian等则利用陆地卫星TM图像（LandsatTMimages），发现1990—2009年上海半城市化地区快速扩张的建成用地存在破碎化和使用效率低下的现象；

此外，土地产权制度不健全、政府管理能力低下、同级行政区缺乏合作、众多村庄自行发展等因素，都导致建成用地破碎化成为半城市化地区的重要指标之一。

另一方面，塞勒姆分析了埃及开罗半城市化地区相关关键指标的变化情况，指出在开罗半城市化地区，农用地占比表现出快速降低的特征，农业用地是建成用地的主要转化来源；

塔瓦雷斯（A.O.Tavares）等也在葡萄牙半城市化地区发现了农用地占比降低、建成用地比例上升的现象。

本文认为，注重经济效率的建设行为降低了建成用地的规划控制力度，导致建成用地斑块数量迅速增加，斑块平均面积反而减少，建成用地的分布呈现出破碎化的趋势；同时，建设行为需要大量土地供给，土地类型转换的主体是从农用地变成建成用地，农用地占比逐步降低。

因此，本研究将建成用地破碎度和农用地占比，作为半城市化地区识别分类的两大核心特征指标。

其具体计算方法如下：

一是构建建成用地破碎度的主要理论基础—“斑块—廊道—基底”模式理论。

从分散度（Subdivision）、聚合度（Contagion/Interspersion）和形状（Shape）三个方面，共选取七个指标分别进行计算（表1），并通过主成分分析对计算结果进行整合，得到每个乡镇单元的土地利用综合破碎度指数，将其标准化至（0，1）区间。

表1福州市域半城市化地区

建成用地破碎度构成指标表

二是农用地包含耕地、林地和草地，这三种用地类型都是在现实情况下极易被征用为建成用地的土地类型。

农用地占比=农业地（耕地+林地+草地）面积/乡镇单元总面积。

为了考察半城市化地区的时空演变过程，本文引入第三个指标—时间维度，即考察2000年、2005年、2010年、2015年四个时间节点上福州市上述两大特征指标的差异性及其变化速度。

建成用地破碎度、农用地占比和时间跨度的关系，可以借由三维坐标系进行可视化表达。

此外，本文以福州市域范围内的青口镇为例，绘制了青口镇2000—2015年的半城市化时空演变过程（图3）。

图3福州市青口镇建成用地破碎度、

农用地占比和时间跨度

2.2.3识别半城市化地区

已有研究都是采用直接识别半城市化地区的技术路径，不同学者所使用的识别手段也必然存在差异。

相比之下，城市地区和农村地区相对明晰的概念更容易界定。

因此，本文将采用间接识别半城市化地区的技术路径，并基于所有乡镇街道在四个时间节点的特征指标统计，识别出城市地区和农村地区，剩余地区即可被认定为半城市化地区。

具体来说，一方面，城市地区具有极高的土地使用效率和规划控制强度，建成用地的排列布局具有密集化和规模化的特征，在建成用地破碎度这一指标上，相较于普通地区，城市地区建成用地破碎度会更低；

另一方面，从农村地区通常使用的概念出发，只要某地区农用地的比例显著高于建成用地，该地区即可被认为是农村地区，因此，只需使用农用地占比这一单项指标。

由此，在明晰城市地区和农村地区特征指标的特点后，即可利用K-means聚类算法将所有乡镇街道单元分为若干类，用人机交互方式识别出城市地区和农村地区之后，剩下的地区即为半城市化地区。

常用的聚类算法有划分聚类、层次聚类、模糊聚类、密度聚类四类，本文采用划分算法中最为经典的K-means聚类算法。

K-means聚类算法是一种迭代求解的聚类分析算法，会以组内最小平方和为迭代目标，将所有样本划分为K类。

在2000年、2005年、2010年、2015年四个时间断面内，福州市每个乡镇单元都有一组建成用地破碎度和农用地占比特征指标，四组特征指标共同组成八维向量，以欧式距离作为衡量向量距离的标准。

K-means聚类算法需要使用者制定聚类数目K值，最常用的办法是绘制组内平方和折线图，观察随着K值的增加曲线的下降情况，当曲线不再急剧下降时，就是合适的K值。

这种算法有两个优点：

一是作为一种动态过程，半城市化地区土地使用特征指标会随着时间的推移而出现明显的变化。

但是农村地区是半城市化地区发展的初始状态，大规模的社会转型尚未开始，土地使用类型始终是以农用地为主；城市地区则是半城市化地区发展的最终状态，土地开发工作基本已完成，一般不会出现大幅度的变动。

因此，城市地区和农村地区的土地使用特征指标基本保持稳定。

二是每个地区的半城市化现象都有一定的地域特色，半城市化难以明确各地通用的量化定义，以人机交互方式，基于本地城市地区和农村地区的现实特征来界定城市地区和农村地区，可以保证指标阈值设定的合理性。

2.2.4半城市化地区分类

本文认为，半城市化是农村向城市转型的过渡状态，起点是农业地区，终点是城市地区，那么，半城市化地区可能存在不同的发展阶段或类型，具体表现为土地类型使用模式的显著差异。

据此，本文对半城市化地区进行进一步分类。

具体方法仍然是基于乡镇街道单元四个年份的特征指标，选择可以接受的最小聚类组数；之后逐步提高聚类组数，观察是否有社会经济意义上的新类别出现，由此选定具有社会经济意义的最小聚类分组数。

2.2.5“分类效果”验证与解释

为了保证识别分类方法的可行性、便捷性和通用性，即使识别分类的结果是仅从土地利用维度得出，但该结果在其他维度也应有效。

本研究从经济、社会、环境三个方面分别选取了总人口、外来人口、水域等作为检验维度，从而验证了该识别分类方法的有效性，同时阐释各类地区在半城市化进程中的表现及特征，也对案例城市半城市化发展的演变特征进行了解释。

03

 福州市域半城市化发展演变

的“时空过程”识别方法

3.1 特征指标体系计算结果

3.1.1建成用地破碎度

研究表明，2000—2015年福州市建成用地破碎度的变化趋势呈现出以福州中心城区为中心，以闽江为发展轴带，半圈层式逐步向外扩散的特征（图4）。

图4福州市历年建成用地破碎度

具体来说，福州市中心城区的建成用地破碎度始终保持低值，中心城区外围及中段沿海地区都出现了破碎度逐渐降低并最终达到稳定状态的现象。

相反，随着经济及建设活动的逐步推进，西北部越来越多的乡镇单元出现了建设行为，建成用地破碎度呈现出从无到有、从低到高的演变特征。

从历史演变过程看，2000年福州市西部及西北部的大部分地区建设活动极少，大部分乡镇单元的建成用地破碎度呈“缺省”状态，仅有闽江流域河谷地区存在一条建设用地破碎度较高的带状区域。

福州市中心城区的空间形态已经处于高密度状态，建成用地破碎度较低。

中心城区外围地区的建成用地破碎度却显著高于中心城区，说明与中心城区相比，外围地区的建设用地缺乏有效的管控和规划，呈现出半城市化的发展特征。

福州市东南部的福清市和东北部的罗源县，由于自然条件和经济基础较好，在2000年已经进入高速建设期，建成用地快速蔓延，建成用地破碎度比周边地区高。

2005年，紧邻中心城区的外围地区和部分沿海乡镇单元的建成用地破碎度较2000年有所降低，建成用地逐步蔓延，主要方向有沿海向内陆、闽江两侧向外围、大樟溪流域向内延伸等。

2005—2010年，福州市进入建成用地高速扩张期，除少数乡镇单元外，均已出现成规模的建设活动，且建成用地破碎度普遍上升。

2015年，在福州市中心城区及中段沿海地区形成了一个建成用地破碎度的“低值核心”，西北山区方向的建成用地破碎度则有所提升，所有乡镇单元都已存在建成用地，且破碎度呈上升态势。

3.1.2农用地占比

2000—2015年，福州市农用地占比的变化趋势呈现出沿海地区和闽江流域快速降低、西北部山区缓慢降低的特征。

具体来说，2000年，中心城区及部分县城所在乡镇单元的农用地占比就保持低值，西北部山区的农用地占比极高，东南部沿海地区处于中间状态。

在接下来的发展过程中，中心城区外围、沿海地区和各流域的地形条件优越、人口密集、经济发展基础良好，农用地被大量征用并转化为建成用地，农用地占比迅速下降（图5）。

图5福州市历年农用地占比

3.2 识别城市地区、农村地区和半城市化地区

城市地区和农村地区都有着明确的指标特征，初次聚类的目标就是将所有符合指标特征的乡镇街道单元通过聚类成组的方式加以标记。

因此，为尽量降低城市地区或农村地区的分组内混入本应属于半城市化地区的乡镇单元的可能性，K-means聚类算法中K值的取值标准应当是尽量减少聚类信息的损失，保证小组内乡镇单元的高度相似。

根据组内平方差总和变迁情况（图6），所有乡镇单元在初次聚类时应当被分为八类，图7是八类K-means聚类的可视化结果。

图6福州市域半城市化地区初次分类组内

平方差总和变迁图

图7福州市域半城市化地区初次聚类结果

通过观察八类乡镇单元的特征指标的总体变化情况（表2），可以发现，第三类乡镇单元的建成用地破碎度和农用地占比在四个时间断面始终保持极低值，应当被判定为城市地区，而第四类、第六类和第八类乡镇单元的农用地占比始终保持极高值，应当被判定为农村地区。

属于第三类的乡镇单元都位于福州中心城区范围内，而属于第四类、第六类和第八类的乡镇单元则基本位于福州市的西北部山区，这也与常识性判断一致。

表2福州市域半城市化地区初次聚类结果中

各类地区历年特征指标

由此，我们可以划定福州市2000—2015年“稳定”的城市地区、农村地区和半城市化地区（图8）。

图8福州市域半城市化地区识别结果

城市地区和乡村地区的具体指标特征，可以通过对实际已经划定为城市或乡村地区的乡镇单元的特征进行归纳而得出。

理想情况下，“稳定”的城市和农村地区在2000—2015年将始终处于城市和农村形态，两个核心指标会表现为始终符合城市和乡村地区的特征。

具体来讲，城市地区的建成用地破碎度低、农用地占比低，农村地区的农用地占比高。

本文构建了由建成用地破碎度和农用地占比数据组成的二维坐标系，将两类地区所有乡镇单元的历年指标值绘制于该坐标系上，且为了降低实际案例极端值的影响，分别划定能覆盖95%的状态点的两个二维数值区间，即城市及乡村地区的指标范围（图9）。

图9福州市域半城市化地区指标变化范围

3.3 对“半城市化”地区进行类别划分

本文对福州市半城市化地区的乡镇单元进一步聚类，由于本次聚类更加注重分类结果的实际社会经济意义，因此，参考半城市化地区组内平方差总和变迁情况，选取适宜的最低K值，随后逐步增加K值，直到不再出现在社会经济意义上与已有分类完全不同的新类别。

本研究分别观察了K取值为2~10时的分类结果，发现当K取值为4时已无社会经济意义上的新类别出现，因此，确定K=4（图10、图11）。

图10福州市半城市化地区分类组内平方差总和变迁图

图11福州市四类半城市化地区分类结果

由此得知，福州市2000—2015年四类半城市化地区的特征和现实情况分别是：

第I类：

半城市化的初期阶段，建成用地破碎度始终较高，农用地占比极高且降速缓慢；现实情况是形成“刚起步的半城市化地区”。

第II类：

半城市化的中期阶段，建成用地破碎度中等且基本保持不变，农用地占比高且慢速下降；现实情况是形成“城市远郊地区”。

第