基于多源数据的县域主导功能类型划分及其空间结构模式识别

doi:10.12082/dqxxkx.2021.210050

地球信息科学学报 ›› 2021, Vol. 23 ›› Issue (12): 2215-2231.doi: 10.12082/dqxxkx.2021.210050

• 地理空间分析综合应用 • 上一篇下一篇

基于多源数据的县域主导功能类型划分及其空间结构模式识别

陈子龙¹(), 王芳¹^,^*(), 李少英¹, 冯艳芬¹, 陈建国¹^,²

1.广州大学地理科学与遥感学院,广州 510000
2.广州大学公共安全地理信息分析中心,广州 510000

收稿日期:2021-01-28 修回日期:2021-03-31 出版日期:2021-12-25 发布日期:2022-02-25
通讯作者: *王芳（1973— ）,女,黑龙江绥化人,教授,主要从事地理信息与遥感应用研究与教学工作。 E-mail: wangfang@gzhu.edu.cn
作者简介:陈子龙（1997— ）,男,湖北大冶人,硕士生,主要从事土地利用规划与多规融合研究。E-mail: 691789075@qq.com
基金资助:
广东省重点领域研发计划资助(2020B0202010002);国家自然科学基金项目(42071262);广东省哲学社会科学“十三五”规划项目(GD16CGL03);广州市哲学社会科学发展“十三五”规划2020年度一般项目(2020GZYB90);广州大学科研立项(YK2020016)

Classification of County Leading Function Types and Pattern Recognition of Its Spatial Structure based on Multi-source Data

CHEN Zilong¹(), WANG Fang¹^,^*(), LI Shaoying¹, FENG Yanfen¹, Chen Jianguo¹^,²

1. School of Geographic Science and Remote Sensing, Guangzhou University, Guangzhou 510000, China
2. Public Security Geographic Information Analysis Center, Guangzhou University, Guangzhou 510000, China

Received:2021-01-28 Revised:2021-03-31 Online:2021-12-25 Published:2022-02-25
Supported by:
Key Research and Development Program of Guangdong Province(2020B0202010002);National Natural Science Foundation of China(42071262);Philosophy and Social Science "13^th Five-Year Plan" Project of Guangdong Province(GD16CGL03);Guangzhou Philosophy and Social Science Development "13^th Five-Year Plan" 2020 General Project(2020GZYB90);Scientific Research Project of Guangzhou University(YK2020016)

摘要/Abstract

摘要：

研究县域主导功能类型并分析空间结构模式对区域全面、协调、可持续发展的引导和规划调控具有重要意义。本文以广东省为例,利用K-means聚类分析对其124个县域单位主导功能区类型进行划分;基于腾讯位置大数据,利用位序—规模法则构建空间结构指数,并结合遥感数据对不同主导功能县域的空间结构模式进行识别和分析。研究表明：① 利用统计、遥感、社交媒体以及夜间灯光等多源数据和K-means聚类方法进行县域主导功能区分类,分类结果能客观反映区域特征,广东省县域主导功能可分为生态主导型、农业主导型、工业主导型、中心服务型和均衡发展型5类;② 基于腾讯位置大数据的位序—规模法则方法能够突破城市尺度,结合遥感数据定量分析,可用于中观县域尺度的空间结构模式识别研究;③ 农业主导型和生态主导型县域空间结构指数均值都大于1,呈单中心空间结构特征趋势;工业主导型县域空间结构指数均值小于1,呈多中心空间结构特征趋势;均衡发展型县域空间结构指数均值接近1,不同地区均衡发展型县域所呈现的空间结构特征存在差异;④ 不同主导功能县域之间的空间结构模式差异明显,生态主导型县域多呈单中心极核式,农业主导型县域多呈单中心极核+散点式,均衡发展型县域多种模式并存特征明显,而工业主导型县域呈多中心网络分布模式。

关键词: 主导功能, 空间结构模式, 聚类分析, 位序-规模法则, 腾讯位置大数据, 县域, 广东省

Abstract:

It is of great significance to study the types of dominant function at county level and analyze the spatial structure pattern for the guidance and planning regulation of regional comprehensive, coordinated, and sustainable development. Taking Guangdong Province as an example, this paper uses K-means clustering analysis to classify 124 dominant functional areas of county units. Based on the Tencent location big data, the spatial structure index was constructed using the rank-size rule. The spatial structure patterns of the counties with different dominant functions were identified and analyzed by combining remote sensing data. Research results show that, firstly, the use of statistics, remote sensing, social media, night lighting multi-source data, and K means clustering method in county dominant function classification can get nice results, which can objectively reflect the features of area. The dominant function of counties in Guangdong can be divided into five classes, including ecological leading, agricultural leading, industry leadership, center service, and balanced developmental. Secondly, the rank-size law method based on Tencent location big data can break through the city scale. It can be used together with the quantitative analysis of remote sensing data in the study of spatial structure pattern recognition at the meso-county scale. Thirdly, the average value of spatial structure index of agriculture-oriented and ecology-oriented counties is greater than 1, showing a trend of single center spatial structure. The mean value of spatial structure index of industrial dominated county is less than 1, showing a polycentric spatial structure trend. The mean value of spatial structure index of balanced development county is close to 1. There are differences in spatial structure characteristics of balanced development county in different regions. Fourthly, the spatial structure patterns of the counties with different dominant functions were significantly different. The ecology-dominated counties showed a single central pole core pattern, while the agriculture-dominated counties showed a single central pole core and scattered point pattern. The balanced development counties had obvious coexistence characteristics of multiple patterns, while the industrial-dominated counties showed a multi-center network distribution pattern.

Key words: leading function, spatial structure model, cluster analysis, rank-size rule, tencent location big data, County, guangdong province

陈子龙, 王芳, 李少英, 冯艳芬, 陈建国. 基于多源数据的县域主导功能类型划分及其空间结构模式识别[J]. 地球信息科学学报, 2021, 23(12): 2215-2231.DOI:10.12082/dqxxkx.2021.210050

CHEN Zilong, WANG Fang, LI Shaoying, FENG Yanfen, Chen Jianguo. Classification of County Leading Function Types and Pattern Recognition of Its Spatial Structure based on Multi-source Data[J]. Journal of Geo-information Science, 2021, 23(12): 2215-2231.DOI:10.12082/dqxxkx.2021.210050

图/表 15

图1

图2

图3

表1

图4

图5

表2

表3

表4

图6

图7

图8

图9

图10

表5

参考文献 43

[1]	龙冬平, 李同昇, 苗园园, 等. 中国农业现代化发展水平空间分异及类型[J]. 地理学报, 2014, 69(2):213-226. doi: 10.11821/dlxb201402006
	[ Long D P, Li T S, Miao Y Y, et al. The spatial distribution and types of the development level of Chinese agricultural modernization[J]. Acta Geographica Sinica, 2014, 69(2):213-226. ]
[2]	蒋亮, 罗静, 张春燕, 等. 基于主体功能定位的湖北省县域乡村性空间分异研究[J]. 中国农业资源与区划, 2020, 41(8):58-66.
	[ Jiang L, Luo J, Zhang C Y, et al. Spatial distribution of rurality at County level in Hubei Province based on major function oriented zoning location[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(8):58-66. ]
[3]	汪洋, 王力力, 祁鹏卫, 等. 重庆市主体功能区识别的主导因素与空间稳定性约束机理[J]. 地理学报, 2019, 74(1):44-62. doi: 10.11821/dlxb201901004
	[ Wang Y, Wang L L, Qi P W, et al. Revealing the dominant factors and spatial stability restrictive mechanism for Major Function-Oriented Zoning in Chongqing municipality[J]. Acta Geographica Sinica, 2019, 74(1):44-62. ]
[4]	原野, 赵中秋, 师学义, 等. 基于乡镇地域主导功能定位的农村居民点整理策略研究[J]. 自然资源学报, 2017, 32(12):2089-2099.
	[ Yuan Y, Zhao Z Q, Shi X Y, et al. Strategy of rural residential land consolidation based on the dominate function of township[J]. Journal of Natural Resources, 2017, 32(12):2089-2099. ]
[5]	罗雅丽, 李同昇, 张常新, 等. 乡镇地域多功能性评价与主导功能定位——以金湖县为例[J]. 人文地理, 2016, 31(3):94-101.
	[ Luo Y L, Li T S, Zhang C X, et al. Town territorial multi-functionality evaluation and the dominant function orientation: A case of Jinhu County[J]. Human Geography, 2016, 31(3):94-101. ]
[6]	张步艰. 浙江省农村经济类型区划分[J]. 经济地理, 1990, 10(2):18-22.
	[ Zhang B J. Classification of rural economic types in Zhejiang province[J]. Economic Geography, 1990, 10(2):18-22. ]
[7]	龙花楼, 刘彦随, 邹健. 中国东部沿海地区乡村发展类型及其乡村性评价[J]. 地理学报, 2009, 64(4):426-434.
	[ Long H L, Liu Y S, Zou J. Assessment of rural development types and their rurality in eastern coastal China[J]. Acta Geographica Sinica, 2009, 64(4):426-434. ]
[8]	刘自强, 李静, 鲁奇. 乡村空间地域系统的功能多元化与新农村发展模式[J]. 农业现代化研究, 2008, 29(5):532-536.
	[ Liu Z Q, Li J, Lu Q. Functions diversification of rural spatial region system and new rural development model[J]. Research of Agricultural Modernization, 2008, 29(5):532-536. ]
[9]	Hodge I, Monk S. The economic diversity of rural England: Stylised fallacies and uncertain evidence[J]. Journal of Rural Studies, 2004, 20(3):263-272. doi: 10.1016/j.jrurstud.2003.11.004
[10]	韩非, 蔡建明. 我国半城市化地区乡村聚落的形态演变与重建[J]. 地理研究, 2011, 30(7):1271-1284.
	[ Han F, Cai J M. The evolution and reconstruction of peri-urban rural habitat in China[J]. Geographical Research, 2011, 30(7):1271-1284. ]
[11]	吕敬堂, 吕大明, 张浩. 基于SPSS的农业功能聚类分区方法[J]. 中国农业资源与区划, 2010, 31(1):68-74.
	[ Lv J T, Lv D M, Zhang H. A cluster district method for agricultural function based on spss[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2010, 31(1):68-74. ]
[12]	熊瑞权, 万忠, 谢雁芸, 等. 广东省农业现代化功能区划研究[J]. 中国农业资源与区划, 2018, 39(12):191-199.
	[ Xiong R Q, Wan Z, Xie Y Y, et al. Study on the functional division of agricultural modernization in Guangdong[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(12):191-199. ]
[13]	姚龙, 刘玉亭. 基于聚类分析的城郊地区乡村发展类型——以广州市从化区为例[J]. 热带地理, 2015, 35(3):427-436.
	[ Yao L, Liu Y T. Rural development types in peri-urban areas based on cluster analysis: A case study of Conghua, Guangzhou[J]. Tropical Geography, 2015, 35(3):427-436. ]
[14]	曾尊固, 陆诚. 江苏省乡村经济类型的初步分析[J]. 地理研究, 1989, 8(3):78-84. doi: 10.11821/yj1989030010
	[ Zeng Z G, Lu C. A preliminary analysis of rural economic types in Jiangsu Province[J]. Geographical Research, 1989, 8(3):78-84. ]
[15]	王强, 伍世代, 李永实, 等. 福建省域主体功能区划分实践[J]. 地理学报, 2009, 64(6):725-735.
	[ Wang Q, Wu S D, Li Y S, et al. The application of major function oriented zoning in Fujian Province[J]. Acta Geographica Sinica, 2009, 64(6):725-735. ]
[16]	顾朝林, 张晓明, 刘晋媛, 等. 盐城开发空间区划及其思考[J]. 地理学报, 2007, 62(8):787-798.
	[ Gu C L, Zhang X M, Liu J Y, et al. The development spatial regionalization of Yancheng city and relevant consideration[J]. Acta Geographica Sinica, 2007, 62(8):787-798. ]
[17]	迟超月, 朱道林, 韩德军, 等. 基于主体功能区的县域土地利用分区及模式选择——以贵州省大方县34个乡镇为例[J]. 资源开发与市场, 2014, 30(6):712-716.
	[ Chi C Y, Zhu D L, Han D J, et al. Land-use zoning and optimal utilization models based on national development priority zones planning—A case of Dafang County in Guizhou Province[J]. Resource Development & Market, 2014, 30(6):712-716. ]
[18]	高新才, 杨芳. 西部地区高等教育与经济发展水平测度——兼论其协调性[J]. 西北师大学报(社会科学版), 2016, 53(2):86-92.
	[ Gao X C, Yang F. An analysis of higher education development and economic growth in Western China[J]. Journal of Northwest Normal University (Social Sciences), 2016, 53(2):86-92. ]
[19]	王少剑, 高爽, 王宇渠. 基于流空间视角的城市群空间结构研究——以珠三角城市群为例[J]. 地理研究, 2019, 38(8):1849-1861. doi: 10.11821/dlyj020180635
	[ Wang S J, Gao S, Wang Y Q. Spatial structure of the urban agglomeration based on space of flows: The study of the Pearl River Delta[J]. Geographical Research, 2019, 38(8):1849-1861. ]
[20]	Meijers E J, Burger M J. Spatial structure and productivity in US metropolitan areas[J]. Environment and Planning A: Economy and Space, 2010, 42(6):1383-1402. doi: 10.1068/a42151
[21]	孙斌栋, 华杰媛, 李琬, 等. 中国城市群空间结构的演化与影响因素-基于人口分布的形态单中心-多中心视角[J]. 地理科学进展, 2017, 36(10):1294-1303. doi: 10.18306/dlkxjz.2017.10.011
	[ Sun B D, Hua J Y, Li W, et al. Spatial structure change and influencing factors of city clusters in China: From monocentric to polycentric based on population distribution[J]. Progress in Geography, 2017, 36(10):1294-1303. ]
[22]	范擎宇, 杨山. 协调视角下长三角城市群的空间结构演变与优化[J]. 自然资源学报, 2019, 34(8):1581-1592.
	[ Fan Q Y, Yang S. Evolution and optimization of spatial structure of the Yangtze River Delta Urban Agglomeration from the perspective of coordination[J]. Journal of Natural Resources, 2019, 34(8):1581-1592. ]
[23]	郑建锋, 陈千虎. 单中心还是多中心?——中国城市内部空间结构演进的特征及解释[J]. 中国经济问题, 2019(2):93-105.
	[ Zheng J F, Chen Q H. Monocentricity or polycentricity: On urban internal spatial structure of Chinese cities[J]. China Economic Studies, 2019(2):93-105. ]
[24]	Lee B. “edge” or “edgeless” cities? urban spatial structure in us metropolitan areas, 1980 to 2000[J]. Journal of Regional Science, 2007, 47(3):479-515. doi: 10.1111/jors.2007.47.issue-3
[25]	张珣, 陈健璋, 黄金川, 等. 基于空间聚类方法的京津冀城市群多层级空间结构研究[J]. 地理科学进展, 2017, 36(11):1359-1367. doi: 10.18306/dlkxjz.2017.11.005
	[ Zhang X, Chen J Z, Huang J C, et al. Multi-level spatial structure analysis of urban agglomeration in the Beijing-Tianjin-Hebei region based on spatial clustering algorithms[J]. Progress in Geography, 2017, 36(11):1359-1367. ]
[26]	段亚明, 刘勇, 刘秀华, 等. 基于宜出行大数据的多中心空间结构分析——以重庆主城区为例[J]. 地理科学进展, 2019, 38(12):1957-1967. doi: 10.18306/dlkxjz.2019.12.011
	[ Duan Y M, Liu Y, Liu X H, et al. Measuring polycentric urban structure using Easygo big data: A case study of Chongqing metropolitan area[J]. Progress in Geography, 2019, 38(12):1957-1967. ]
[27]	毛帅永, 焦利民, 许刚, 等. 基于多源数据的武汉市多中心空间结构识别[J]. 地理科学进展, 2019, 38(11):1675-1683. doi: 10.18306/dlkxjz.2019.11.003
	[ Mao S Y, Jiao J M, XUu G, et al. Multi center spatial structure identification of Wuhan city based on multi-source data[J]. Progress of Geographical Science, 2019, 38(11):1675-1683. ]
[28]	于丙辰, 刘玉轩, 陈刚. 基于夜光遥感与POI数据空间耦合关系的南海港口城市空间结构研究[J]. 地球信息科学学报, 2018, 20(6):854-861. doi: 10.12082/dqxxkx.2018.180020
	[ Yu B C, Liu Y X, Chen G. Urban spatial structure of port city in South China sea based on spatial coupling between nighttime light data and POI[J]. Journal of Geo-information Science, 2018, 20(6):854-861. ]
[29]	李郇, 周金苗, 黄耀福, 等. 从巨型城市区域视角审视粤港澳大湾区空间结构[J]. 地理科学进展, 2018, 37(12):1609-1622. doi: 10.18306/dlkxjz.2018.12.003
	[ Li X, Zhou J M, Huang Y F, et al. Understanding the Guangdong-Hong Kong-Macao Greater Bay Area from the perspective of mega-city region[J]. Progress in Geography, 2018, 37(12):1609-1622. ]
[30]	国巧真, 李京, 陈云浩, 等. 村镇空间结构特征分析[J]. 遥感学报, 2009, 13(5):901-912.
	[ Guo Q Z, Li J, Chen Y H, et al. Characteristic analysis and study of spatial structure in village and small town[J]. Journal of Remote Sensing, 2009, 13(5):901-912. ]
[31]	马随随, 朱传耿, 仇方道. 基于主体功能区视角的县域规划创新研究[J]. 世界地理研究, 2011, 20(3):73-81.
	[ Ma S S, Zhu C G, Qiu F D. Research on the innovation of County planning based on major function zone[J]. World Regional Studies, 2011, 20(3):73-81. ]
[32]	Zhang W L, Chong Z H, Li X J, et al. Spatial patterns and determinant factors of population flow networks in China: Analysis on Tencent Location Big Data[J]. Cities, 2020, 99:102640. doi: 10.1016/j.cities.2020.102640
[33]	张伟丽, 叶信岳, 李栋, 等. 网络关联、空间溢出效应与中国区域经济增长——基于腾讯位置大数据的研究[J]. 地理科学, 2019, 39(9):1371-1377. doi: 10.13249/j.cnki.sgs.2019.09.002
	[ Zhang W L, Ye X Y, Li D, et al. Network association, spillover effect and China's regional economic growth based on tencent's location big data[J]. Scientia Geographica Sinica, 2019, 39(9):1371-1377. ]
[34]	吴中元, 许捍卫, 胡钟敏. 基于腾讯位置大数据的精细尺度人口空间化——以南京市江宁区秣陵街道为例[J]. 地理与地理信息科学, 2019, 35(6):61-65.
	[ Wu Z Y, Xu H W, Hu Z M. Fine-scale population spatialization based on tencent location big data: A case study of moling subdistrict, Jiangning district, Nanjing[J]. Geography and Geo-Information Science, 2019, 35(6):61-65. ]
[35]	Li S Y, Lyu D J, Huang G P, et al. Spatially varying impacts of built environment factors on rail transit ridership at station level: A case study in Guangzhou, China[J]. Journal of Transport Geography, 2020, 82:102631. doi: 10.1016/j.jtrangeo.2019.102631
[36]	Li S Y, Lyu D J, Liu X P, et al. The varying patterns of rail transit ridership and their relationships with fine-scale built environment factors: Big data analytics from Guangzhou[J]. Cities, 2020, 99:102580. doi: 10.1016/j.cities.2019.102580
[37]	Chen Y M, Liu X P, Li X, et al. Delineating urban functional areas with building-level social media data: A Dynamic Time Warping (DTW) distance based k-medoids method[J]. Landscape and Urban Planning, 2017, 160:48-60. doi: 10.1016/j.landurbplan.2016.12.001
[38]	Niu N, Liu X P, Jin H, et al. Integrating multi-source big data to infer building functions[J]. International Journal of Geographical Information Science, 2017, 31(9):1-20.
[39]	潘碧麟, 王江浩, 葛咏, 等. 基于微博签到数据的成渝城市群空间结构及其城际人口流动研究[J]. 地球信息科学学报, 2019, 21(1):68-76. doi: 10.12082/dqxxkx.2019.180235
	[ Pan B L, Wang J H, Ge Y, et al. Spatial structure and population flow analysis in Chengdu-Chongqing urban agglomeration based on weibo check-in big data[J]. Journal of Geo-information Science, 2019, 21(1):68-76. ]
[40]	中华人民共和国环境保护部. 中华人民共和国环保行业标准:生态环境状况评价技术规范 HJ 192-2015[S]. 北京: 中国环境科学出版社, 2015.
	[Ministry of Environmental Protection of the People's Republic of China. Environmental Protection Standard of the People's Republic of China: Technical criterion for ecosystem status evaluation. HJ 192—2015[S]. Beijing: China Environment Science Press, 2015. ]
[41]	周世兵, 徐振源, 唐旭清. K-means算法最佳聚类数确定方法[J]. 计算机应用, 2010, 30(8):1995-1998.
	[ Zhou S B, Xu Z Y, Tang X Q. Method for determining optimal number of clusters in K-means clustering algorithm[J]. Journal of Computer Applications, 2010, 30(8):1995-1998. ]
[42]	谭章智, 李少英, 黎夏, 等. 基于地铁客流的广州地铁站点类型识别[J]. 热带地理, 2017, 37(1):102-111.
	[ Tan Z Z, Li S Y, Li X, et al. Clustering of metro stations in Guangzhou based on passenger flow[J]. Tropical Geography, 2017, 37(1):102-111. ]
[43]	池娇, 焦利民, 董婷, 等. 基于POI数据的城市功能区定量识别及其可视化[J]. 测绘地理信息, 2016, 41(2):68-73.
	[ Chi J, Jiao L M, Dong T, et al. Quantitative identification and visualization of urban functional area based on POI data[J]. Journal of Geomatics, 2016, 41(2):68-73. ]

一级因子	二级因子	指标内涵及计算方法
社会经济发展状况（A）	A1 人群分布密度/（人/km²）	反映人群分布情况,通过腾讯位置大数据（腾讯TUD数据）分区统计获得
	A2 夜间灯光强度	反映县域发展程度,经济发展的替代性指标（NPP-DNB数据）
	A3 地区生产总值/万元	反映县域经济水平
	A4 固定资产投资/万元	反映县域固定资产投资水平
	A5 第一产业占GDP比重/%
	A6 第二产业占GDP比重/%	反映3种产业的比例
	A7 第三产业占GDP比重/%
	A8 工业总产值/万元	综合反映工业产出水平
	A9 农业总产值/万元	综合反映农业产出水平
	A10 粮食总产量/t	反映粮食的供给能力
土地利用状况(B)	B1 林地占比/%	林地面积占用地面积比例
	B2 耕地占比/%	耕地面积占用地面积比例
	B3 建设用地占比/%	建设用地占用地面积比例
	B4 水域占比/%	水域占用地面积比例
	B5 人均耕地面积/（m²/人）	耕地面积/总人口
	B6 土地投资强度/（万元/km²）	反映土地投资强度（地产投资额/地区总面积）
旅游资源状况(C)	C1 旅游景点个数/个	反映县域旅游资源的潜力
旅游资源状况(C)	C2 A级景区占比/（万元/hm²）	反映县域旅游资源的质量（A级景区/旅游景点总数）
生态环境状况(D)	D1 生态服务价值总量/（万元/hm²） D2 生态环境状况指数（EI）	反映县域生态服务价值反映县域生态保护情况,根据生态环境状况评价技术规范计算得出

功能区	行政县数目/个	面积占比/%	夜间灯光强度	人群分布密度/（人/km²）	农业总产值/亿元	工业总产值 /亿元	第三产业 /亿元	生态服务价值总量万元/hm²	生态环境状况指数(EI)
农业主导型	32	39.15	1.75	3.96	99.51	501.19	161.77	49 153.22	79.56
中心服务型	7	0.41	33.00	329.60	2.69	1366.13	2128.15	14 452.75	51.09
工业主导型	6	2.43	22.29	117.72	12.04	9644.49	2209.78	25 445.09	63.42
生态主导型	44	46.72	1.26	2.52	32.35	204.45	84.58	63 153.36	84.77
均衡发展型	35	11.28	10.61	37.88	35.64	1532.94	461.67	30 296.33	66.53

县域类型	P均值	P>1占比	P<1占比	P>1.5占比	P<0.6占比
农业主导型	1.35	84.38	15.62	34.38	0.00
生态主导型	1.49	88.60	11.40	47.73	2.27
均衡发展型	0.98	44.12	55.88	11.76	14.71
工业主导型	0.57	0.00	100.00	0.00	100.00

主导类型	县域	空间结构指数P
农业主导型	遂溪县	0.96
	新兴县	1.73
	惠来县	0.75
生态主导型	仁化县	1.34
	大埔县	1.42
	郁南县	1.88
均衡发展型	惠州惠阳区	1.09
	佛山顺德区	0.42
	吴川市	1.39
工业主导型	广州黄埔区	0.53
	深圳宝安区	0.46
	深圳龙岗区	0.59

空间结构模式	结构特征	主导功能区类型	人群分布密度（各乡镇）	夜间灯光强度（各乡镇）	人口密度与夜间灯光强度匹配度（各乡镇）	城镇规模	用地情况	环境情况 (EI均值)
极核+散点式	单中心态势较明显	农业主导型为主、均衡发展型	较低(0<值<5)	较低(0<值<5)	较差	较小	耕地为主,建设用地少且散点分布	较优(75<EI<80)
极核式	单中心态势明显	生态主导型为主	低(0<值<3)	低(0<值<3)	一般	小	林地为主	优(EI>80)
点轴式	多个次中心均衡发展态势明显	均衡发展型为主	适中(0<值15)	适中(0<值<15)	适中	中等	用地较均衡	良(65<EI<70)
网络式	多中心态势明显	工业主导型为主、均衡发展型	高(10<值<90)	高(10<值<90)	较好	大	建设用地较多,且集中连片	一般(EI<65)

基于多源数据的县域主导功能类型划分及其空间结构模式识别

Classification of County Leading Function Types and Pattern Recognition of Its Spatial Structure based on Multi-source Data

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 43

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	张子威, 黄秋昊, 陆羽, 李满春, 陈振杰, 李飞雪. 中国居民预期寿命及其影响因素的空间差异分析[J]. 地球信息科学学报, 2021, 23(9): 1575-1585.
[2]	许研, 纪雪洪, 叶玫. 基于出行时空数据的分时租赁汽车与网约车出行场景比较研究[J]. 地球信息科学学报, 2021, 23(8): 1461-1472.
[3]	王杏锋, 李代超, 吴升, 谢晓苇, 卢嘉奇. 水稻种植环境综合适宜性评价方法研究[J]. 地球信息科学学报, 2021, 23(8): 1484-1496.
[4]	李清嘉, 彭建东, 杨红. 武汉市不同站域建成环境与轨道交通站点客流特征关系分析[J]. 地球信息科学学报, 2021, 23(7): 1246-1258.
[5]	寇世浩, 姚尧, 郑泓, 周剑锋, 张嘉琪, 任书良, 王瑞凡, 关庆锋. 基于路网数据和复杂图论的中国城市交通布局评价[J]. 地球信息科学学报, 2021, 23(5): 812-824.
[6]	麦鉴锋, 冼宇阳, 刘桂林. 气候变化情景下广东省降雨诱发型滑坡灾害潜在分布及预测[J]. 地球信息科学学报, 2021, 23(11): 2042-2054.
[7]	高楹, 宋辞, 郭思慧, 裴韬. 接驳地铁站的共享单车源汇时空特征及其影响因素[J]. 地球信息科学学报, 2021, 23(1): 155-170.
[8]	姚可桢, 岳书平. 网络大数据下的中国现代食甜习惯空间分布特征及其影响因素研究[J]. 地球信息科学学报, 2020, 22(6): 1202-1215.
[9]	魏璐瑶, 陆玉麒. 江苏省县域乡村集聚与脆弱性评价[J]. 地球信息科学学报, 2020, 22(2): 218-230.
[10]	孙小芳. 夜光遥感支持下的城市人口核密度空间化及自相关分析[J]. 地球信息科学学报, 2020, 22(11): 2256-2266.
[11]	邓敏, 蔡建南, 杨文涛, 唐建波, 杨学习, 刘启亮, 石岩. 多模态地理大数据时空分析方法[J]. 地球信息科学学报, 2020, 22(1): 41-56.
[12]	陈锐, 陈明剑, 姚翔, 王建光. 利用导航大数据挖掘城市热点区域关联性[J]. 地球信息科学学报, 2019, 21(6): 826-835.
[13]	陈霄燕, 潘军, 邢立新, 蒋立军, 孙也涵, 仲伟敬, 范博文. 桂林-阳朔地区DEM地形特征与岩性相关性分析及分类研究[J]. 地球信息科学学报, 2019, 21(12): 1867-1876.
[14]	韩燕, 张苑. 甘肃省县域经济差异时空分异及影响因子研究[J]. 地球信息科学学报, 2019, 21(11): 1735-1744.
[15]	周翼, 谢保鹏, 陈英, 赵鸿雁, 裴婷婷. 基于灯光数据的中国县域城镇建设用地产出效率时空演变特征[J]. 地球信息科学学报, 2018, 20(12): 1733-1744.