关中平原城市群城市联系与影响范围分析
|
摘要
利用NPP-VIIRS夜间灯光数据,通过OD成本分析计算最短通行时间,对关中平原城市群2017年78个县级行政单元的规模、联系与影响范围进行分析。结果表明:关中平原城市群城市规模呈"金字塔型"结构,中小型城市发育,大城市数量少,具有空间集聚性;城市规模密度具有梯度特征,呈现出以西安为中心的单核心多层级空间分布形态;城市联系极化现象明显,具有普遍弱联系、个别强联系的特点;西安、咸阳、长安区形成强联系三角形城市带,但与大部分城市联系较弱,空间位置集中导致辐射范围重叠,限制了三者对城市群的辐射作用;城市联系强度表现出空间性、行政级别特征与交通依赖性;城市群影响范围呈现出"一超、两极、多强"的引力中心格局,据此,可将城市群划分为东、中、西南、西北四大城市影响区。
The urban scale and shortest traffic time calculated by NPP-VIIRS data and OD cost matrix analysis,and the gravitational models of cities,weighted voronoi diagram are used to analysis the scale,connection and affective range of 78 counties in Guanzhong Plain Urban Group in 2017. The research shows that the scale of urban group presents a structure of pyramid,the middle and small cities are multiple but the metropolis is least. what's more,the metropolis have spatial aggomeration characteristics; The density of urban scale presents evident gradient variation and a morphology of single core with multiple hierarchies spatial distribution; the connections in the urban group is polarity,the weak connection is general but the strong connection is less. Xi'an Xianyang and Chang'an formed a triangle urban belt,but the weak connection with other cities and the concentrated position restrict their power to other cities; the urban connection is effected by the space location,urban administrative level and traffic;the attracting centre of influence scope of urban group presents one superpower,two poles and many powers,so the influence regions of urban group can be divided into east,middle,southwest and northwest four parts.
The urban scale and shortest traffic time calculated by NPP-VIIRS data and OD cost matrix analysis,and the gravitational models of cities,weighted voronoi diagram are used to analysis the scale,connection and affective range of 78 counties in Guanzhong Plain Urban Group in 2017. The research shows that the scale of urban group presents a structure of pyramid,the middle and small cities are multiple but the metropolis is least. what's more,the metropolis have spatial aggomeration characteristics; The density of urban scale presents evident gradient variation and a morphology of single core with multiple hierarchies spatial distribution; the connections in the urban group is polarity,the weak connection is general but the strong connection is less. Xi'an Xianyang and Chang'an formed a triangle urban belt,but the weak connection with other cities and the concentrated position restrict their power to other cities; the urban connection is effected by the space location,urban administrative level and traffic;the attracting centre of influence scope of urban group presents one superpower,two poles and many powers,so the influence regions of urban group can be divided into east,middle,southwest and northwest four parts.
引文
[1]付朝欢.《关中平原城市群发展规划》印发[N].中国改革报,2018-02-09(001).
[2]苗洪亮,周慧.中国三大城市群内部经济联系和等级结构的比较——基于综合引力模型的分析[J].经济地理,2017,37(6):52-59.
[3]虞文宝,宋晓谕,简富缋.基于引力模型的丝绸之路经济带甘肃段节点城市空间发展战略[J].干旱区研究,2017,34(4):921-930.
[4]何伟纯,乔墩墩,丁志伟,等.中原经济区城市相互关联的时空格局研究[J].地域研究与开发,2017,36(4):19-26.
[5]孟德友,陆玉麒.基于引力模型的江苏区域经济联系强度与方向[J].地理科学进展,2009,28(5):697-704.
[6]涂建军,朱月,李琪,等.基于网络空间结构的长江经济带城市影响区划定[J].经济地理,2017,37(12):65-73.
[7]韩艳红,陆玉麒.基于时间可达性的城市吸引范围演变研究——以南京都市圈为例[J].人文地理,2014,29(6):95-103.
[8]黄金川.基于辐射扩散测度的中国城市群发育格局识别[J].经济地理,2016,36(11):199-206.
[9] WANG H,DENG Y,TIAN E,et al. A Comparative Study of Methods for Delineating Sphere of Urban Influence:A Case Study on Central China[J]. Chinese Geographical Science,2014,24(6):751-762.
[10] FERRARI C,PAROLA F,GATTORNA E. Measuring the Quality of Port Hinterland Accessibility:The Ligurian Case[J]. Transport Policy,2011,18(2):382-391.
[11]潘竟虎,戴维丽.基于网络分析的城市影响区和城市群空间范围识别[J].地理科学进展,2017,36(6):667-676.
[12]王杰,陈卓,王爽.山东沿海主要港口腹地的动态演化[J].地域研究与开发,2017,36(5):1-6.
[13]赵正,王佳昊,冯骥.京津冀城市群核心城市的空间联系及影响测度[J].经济地理,2017,37(6):60-66.
[14]方大春,孙明月.长江经济带核心城市影响力研究[J].经济地理,2015,35(1):76-81.
[15]刘梦丽,王伟,刘静玉,等.中原城市群城市引力范围界定及演变格局[J].地域研究与开发,2017,36(4):49-54.
[16]谷景祎,周廷刚,郭丽敏.基于断裂点理论与加权Voronoi图的京津冀地区城市影响范围研究[J].地理与地理信息科学,2014,30(1):65-69.
[17]周琦.政府统计数据质量研究[D].上海:上海交通大学,2009.
[18]孟祥兰,李玮,耿菲,等.统计数据质量评价方法与误差分布研究[J].统计与决策,2011(19):22-25.
[19]马明娟.基于Globcover和DMSP/OLS数据源的中国城市潜能模拟研究[D].北京:中国科学院大学,2015.
[20]高义,王辉,王培涛,等.基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J].资源科学,2013,35(12):2517-2523.
[21]李峰,米晓楠,刘军,等.基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法[J].国土资源遥感,2016,28(3):19-24.
[22]张晓璇,胡永红,樊彦国. VANUI指数监测京津冀城市群区域2001—2012年城市化过程[J].遥感技术与应用,2015,30(6):1153-1159.
[23]宋金超,李新虎,吝涛,等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J].地球信息科学学报,2015,17(6):750-756.
[24]郭伟.夜间灯光数椐和MODIS数据用于大尺度不透水面制图研究[D].武汉:武汉大学,2015.
[25]郑辉,曾燕,王勇,等.基于VIIRS夜间灯光数据的城市建筑密度估算——以南京主城区为例[J].科学技术与工程,2014,14(18):68-75.
[26]苏泳娴,陈修治,叶玉瑶,等.基于夜间灯光数据的中国能源消费碳排放特征及机理[J].地理学报,2013,68(11):1513-1526.
[27]郭忻怡,闫庆武,谭晓悦,等.基于DMSP/OLS与NDVI的江苏省碳排放空间分布模拟[J].世界地理研究,2016,25(4):102-110.
[28]马忠玉,肖宏伟.基于卫星夜间灯光数据的中国分省碳排放时空模拟[J].中国人口·资源与环境,2017,27(9):143-150.
[29]董晨炜,曹宇,谭永忠.基于夜间灯光数据的环杭州湾城市扩张及植被变化[J].应用生态学报,2017,28(1):231-238.
[30]吴健生,刘浩,彭建,等.中国城市体系等级结构及其空间格局——基于DMSP/OLS夜间灯光数据的实证[J].地理学报,2014,69(6):759-770.
[2]苗洪亮,周慧.中国三大城市群内部经济联系和等级结构的比较——基于综合引力模型的分析[J].经济地理,2017,37(6):52-59.
[3]虞文宝,宋晓谕,简富缋.基于引力模型的丝绸之路经济带甘肃段节点城市空间发展战略[J].干旱区研究,2017,34(4):921-930.
[4]何伟纯,乔墩墩,丁志伟,等.中原经济区城市相互关联的时空格局研究[J].地域研究与开发,2017,36(4):19-26.
[5]孟德友,陆玉麒.基于引力模型的江苏区域经济联系强度与方向[J].地理科学进展,2009,28(5):697-704.
[6]涂建军,朱月,李琪,等.基于网络空间结构的长江经济带城市影响区划定[J].经济地理,2017,37(12):65-73.
[7]韩艳红,陆玉麒.基于时间可达性的城市吸引范围演变研究——以南京都市圈为例[J].人文地理,2014,29(6):95-103.
[8]黄金川.基于辐射扩散测度的中国城市群发育格局识别[J].经济地理,2016,36(11):199-206.
[9] WANG H,DENG Y,TIAN E,et al. A Comparative Study of Methods for Delineating Sphere of Urban Influence:A Case Study on Central China[J]. Chinese Geographical Science,2014,24(6):751-762.
[10] FERRARI C,PAROLA F,GATTORNA E. Measuring the Quality of Port Hinterland Accessibility:The Ligurian Case[J]. Transport Policy,2011,18(2):382-391.
[11]潘竟虎,戴维丽.基于网络分析的城市影响区和城市群空间范围识别[J].地理科学进展,2017,36(6):667-676.
[12]王杰,陈卓,王爽.山东沿海主要港口腹地的动态演化[J].地域研究与开发,2017,36(5):1-6.
[13]赵正,王佳昊,冯骥.京津冀城市群核心城市的空间联系及影响测度[J].经济地理,2017,37(6):60-66.
[14]方大春,孙明月.长江经济带核心城市影响力研究[J].经济地理,2015,35(1):76-81.
[15]刘梦丽,王伟,刘静玉,等.中原城市群城市引力范围界定及演变格局[J].地域研究与开发,2017,36(4):49-54.
[16]谷景祎,周廷刚,郭丽敏.基于断裂点理论与加权Voronoi图的京津冀地区城市影响范围研究[J].地理与地理信息科学,2014,30(1):65-69.
[17]周琦.政府统计数据质量研究[D].上海:上海交通大学,2009.
[18]孟祥兰,李玮,耿菲,等.统计数据质量评价方法与误差分布研究[J].统计与决策,2011(19):22-25.
[19]马明娟.基于Globcover和DMSP/OLS数据源的中国城市潜能模拟研究[D].北京:中国科学院大学,2015.
[20]高义,王辉,王培涛,等.基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J].资源科学,2013,35(12):2517-2523.
[21]李峰,米晓楠,刘军,等.基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法[J].国土资源遥感,2016,28(3):19-24.
[22]张晓璇,胡永红,樊彦国. VANUI指数监测京津冀城市群区域2001—2012年城市化过程[J].遥感技术与应用,2015,30(6):1153-1159.
[23]宋金超,李新虎,吝涛,等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J].地球信息科学学报,2015,17(6):750-756.
[24]郭伟.夜间灯光数椐和MODIS数据用于大尺度不透水面制图研究[D].武汉:武汉大学,2015.
[25]郑辉,曾燕,王勇,等.基于VIIRS夜间灯光数据的城市建筑密度估算——以南京主城区为例[J].科学技术与工程,2014,14(18):68-75.
[26]苏泳娴,陈修治,叶玉瑶,等.基于夜间灯光数据的中国能源消费碳排放特征及机理[J].地理学报,2013,68(11):1513-1526.
[27]郭忻怡,闫庆武,谭晓悦,等.基于DMSP/OLS与NDVI的江苏省碳排放空间分布模拟[J].世界地理研究,2016,25(4):102-110.
[28]马忠玉,肖宏伟.基于卫星夜间灯光数据的中国分省碳排放时空模拟[J].中国人口·资源与环境,2017,27(9):143-150.
[29]董晨炜,曹宇,谭永忠.基于夜间灯光数据的环杭州湾城市扩张及植被变化[J].应用生态学报,2017,28(1):231-238.
[30]吴健生,刘浩,彭建,等.中国城市体系等级结构及其空间格局——基于DMSP/OLS夜间灯光数据的实证[J].地理学报,2014,69(6):759-770.