CN103823951A - 一种量化路网特征及其土地利用效应的方法 - Google Patents

Abstract

本发明涉及一种量化路网特征及其土地利用效应的方法，属于交通与土地利用规划领域。本发明提供的道路与土地利用相关性的研究方法先采用复杂网络多中心性测度模型量化道路网络中各个路段的中心值，然后通过核密度估算和重分类的方法按照中心程度将区域划分成不同等级的子区，并对各个子区计算景观指数，最后利用Spearman秩相关分析分别得到道路中心度与土地利用景观格局之间的相关系数。本发明从地理空间的角度考虑了道路网络的中心特性，对道路网络的结构进行了度量，相比于传统的道路特征参数更好的量化了道路的网络特征及其和区域土地利用之间的互动关系，有利于为交通网络与土地利用规划提供理论支持。

Description

一种量化路网特征及其土地利用效应的方法

技术领域

本发明属于交通与土地利用规划领域，尤其是涉及一种量化路网特征及其土地利用效应的方法。

背景技术

交通网络体系对城市群经济发展及空间结构的形成起着关键作用，在带来广泛社会经济效益的同时也改变着周围的环境。深入揭示基础设施网络对自然—人文—社会—环境系统的综合效应及发生机制，探讨调整和优化基础设施网络与区域发展关系的机制与途径，是交通地理学的重要研究方向。作为一种由若干线性实体和链接实体的交汇点组成的典型地理空间网络，路网的分布和结构决定了城市内部或区域范围内各点（比如其路网上的节点）的区位特征，影响着土地利用类型的分布及利用强度，从而改变周边的景观格局。

交通网络具有空间地理分布特征和复杂性结构特征。传统的对于交通网络结构的研究方法，大多是运用图论、空间句法、分形理论等。图论思想是将交通网络抽象描述为拓扑图，通过计算相关的度量指标：β指数、回路数、α指数和γ指数，进行定量研究，这些指标侧重于从宏观上反映网络的连通性，易于进行不同地区间的横向比较；空间句法通过视觉感知空间与主体运动心理选择研究空间拓扑参数，分析网络的可达性和渗透力；分形理论（刘继生）是运用分形维数,如长度维数、分枝维数等对交通网络结构的整体形态和空间分布复杂性进行刻画。上述传统研究方法对交通网络结构的研究起到了积极的作用，然而除分形外，其它不能算是严格意义上的空间“复杂”研究。

20世纪末，基于图论和统计物理的复杂网络理论兴起，为道路网复杂性的研究提供了新的支撑。相比较而言，复杂网络理论作为一种新兴的理论方法为深入研究交通网络的各种特性及动力学过程与拓扑结构间的相互作用等问题奠定了理论基础，因此吸引了众多学者的关注。但已有成果多偏向基于复杂网络的拓扑统计参数进行研究，忽略了交通网络本体的地理空间属性，即只考虑了网络的连接性，忽视了实际距离，导致在土地利用相关分析中不能真实地反映路网的作用，无法有效揭示土地利用景观格局的空间分异规律。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种克服了传统人工分界，如格网或行政区边界分区所带来的局限，为进一步量化路网与土地利用的关系提供了有力的分析工具，从而可以有效揭示土地利用景观格局的空间分异规律的一种量化路网特征及其土地利用效应的方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种量化路网特征及其土地利用效应的方法，其特征在于该方法包括如下骤：

步骤1,对道路数据与土地利用数据进行处理；包括对道路数据设置属性，进行拓扑错误检查及构建网络数据集，对土地利用数据进行图斑融合处理，以消除归属地的影响；

步骤2，以多中心性测度指标(MCA)为基础，对步骤1中建立的道路网络数据计算节点中心度，包括邻近中心度、中介中心度和直线中心度，路段中心度值为该路段两端节点中心度的平均值，根据此数值量化路网特征；

步骤3，分别计算步骤2中得到的邻近中心度、中介中心度和直线中心度的核密度；

步骤4，采用自然间断点分类法分别将步骤3中的三个中心度的核密度结果分成10级，得到三个中心度分级结果图；

步骤5，将步骤4中得到的三个中心度分级结果与步骤1中融合后的土地利用数据分别进行空间叠加操作，得到土地利用邻近中心度分级结果、中介中心度分级结果和直线中心度分级结果；（等级分别为1、2、3……10）。其中空间叠加操作采用ArcGIS模块进行。

步骤6，根据步骤5得到的土地利用邻近中心度分级结果将土地利用数据分成10个子区，然后分别计算各子区的土地利用景观指数；根据土地利用中介中心度分级结果将土地利用数据分成10个子区，然后分别计算各子区的土地利用景观指数；根据土地利用直线中心度分级结果将土地利用数据分成10个子区，然后分别计算各子区的土地利用景观指数。

步骤7，将步骤6中得到的各子区土地利用景观指数与各子区所属的中心度等级进行Spearman秩相关性分析，分别得到邻近中心度与土地利用景观指数间的相关性系数、中介中心度与土地利用景观指数间的相关性系数和直线中心度与土地利用各景观指数间的相关性系数。分析这三种中心度对土地利用的效应。其中相关性分析采用SPSS17.0模块完成。

在上述的一种量化路网特征及其土地利用效应的方法，步骤1的具体实现步骤如下，

步骤1.1，对道路数据中各路段添加速度属性；

步骤1.2,对步骤1.1得到的道路数据进行拓扑错误检查，其中拓扑检查规则包括不能有伪节点，不能有线重合（不同要素间），不能自覆盖,不能有线交叉（不同要素间）,不能有线自交叉；

步骤1.3,对步骤1.2得到的道路数据构建网络数据集,形成道路网络，其中道路网络边的属性设置成通行时间，为路段长度除以路段速度。

步骤1.4,对土地利用数据根据利用类型字段进行融合处理。

在上述的一种量化路网特征及其土地利用效应的方法，步骤2中多中心性测度指标(MCA)计算公式如下：

中心度计算一：邻近中心度C_i ^C：该点与图中所有其他点的捷径距离（即捷径中包含的线数）之和的倒数，衡量节点的全局中心度。

${C_i}^C=\frac{N-1}{{\mathrm{\Σ}}_{j=1;j\≠i}^N{t}_{\mathrm{ij}}}$

N为节点个数，t_ij为节点i、节点j间通行时间。邻近中心度是一个全局测度，能够揭示道路网络的中心。邻近中心度指标较高的节点至其他道路节点的可达性较好,在网络中交通流传播的速度和影响范围均较大。

中心度计算二：中介中心度C_i ^B：指网络中任意两个节点的最短路径（以所用时间衡量）中经过该点的数量比例之和，衡量点的中介作用。

${C_i}^B=\frac{1}{(N-1)(N-2)}\underset{j=1;k=1;j\≠k\≠i}{\overset{N}{\mathrm{\Σ}}}\frac{n_{\mathrm{jk}}\left(i\right)}{n_{\mathrm{jk}}}$

N为节点个数，n_jk为节点j、节点k间的最短路径条数，n_jk(i)为节点j、节点k间的最短路径经过节点i的条数。在道路网中，中介中心度越高的道路节点，表示最短路径通过次数越多，在整个网络中起到桥梁或枢纽转换作用也就越明显，具有越强的影响力和控制力，道路节点越重要。

中心度计算三：直线中心度C_i ^S：衡量节点与其他节点的通达效率，即实际路线接近空间直线的程度。

${C_i}^S=\frac{1}{N-1}\underset{j=1;j\≠i}{\overset{N}{\mathrm{\Σ}}}\frac{{d_{\mathrm{ij}}}^{\mathrm{Eucl}}}{d_{\mathrm{ij}}}$

N为节点个数，d_ij为节点i、节点j间的实际路线距离，d_ij ^Eucl为节点i、节点j间的空间直线距离。

在上述的一种量化路网特征及其土地利用效应的方法，步骤3中是以ArcGIS模块为工作平台，通过密度分析工具下的核密度估算工具计算得到，尺度可根据具体数据的范围自定义设置。核密度估算公式如下：

$f\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}k\left(\frac{x-\mathrm{xi}}{h}\right)$

式中：K(*)为核函数；h为搜索半径，可根据具体数据的范围自定义设置；n为搜索半径范围内的点数；x_i为样本点的中心度值，所述中心度值包括邻近中心度、中介中心度和直线中心度，x为输入点。

因此，本发明具有如下优点：一方面中心度指数可以有效反映道路网络复杂的地理空间属性，对路网的结构特征所带来的地理位置优势进行客观的可视化；同时，应用核密度的分析方法，克服了传统人工分界，如格网或行政区边界分区所带来的局限，为进一步量化路网与土地利用的关系提供了有力的分析工具，从而可以有效揭示土地利用景观格局的空间分异规律。

附图说明

附图1为本发明的方法流程示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

如图1所示，本发明的详细步骤如下：

1.通过ArcGIS10.1软件对道路数据与土地利用数据（shp格式）进行处理。创建地理数据库（GeoDatabase）并在其中新建数据集（dataset），创建拓扑,并根据提示创建拓扑，添加拓扑处理规则；进行拓扑分析。其中拓扑处理规则包括不能有伪节点（must not have pseudo-node），不能有线重合（不同要素间）（must not overlay），不能自覆盖（must not selfoverlay）,不能有线交叉（不同要素间）(must not intersect),不能有线自交叉(must not self intersect)。拓扑处理完成后，在同一数据集下对道路构建网络数据集（NetWork Dataset）。根据道路级别设置相应的通行速度，在设置阻抗属性时分别设置时间和距离，时间即为长度除以相应的速度为后续计算中心度做准备。然后应用Dissolve工具对土地利用数据进行图斑融合处理，以消除相同土地利用类型但不同归属地的影响。

2.应用Urban Network Analysis toolbox for ArcGIS10/10.1工具对建立的道路网络数据计算节点中心度，包括邻近中心度、中介中心度和直线中心度。其中在计算邻近中心度和中介中心度时以时间为阻抗，在计算直线中心度时以距离为阻抗。然后应用拓扑工具条中的Planarize Lines工具将拓扑检查后的道路数据打散，右键join将两端的节点中心度通过空间连接的方式计算平均值赋给对应路段。

3.应用ArcGIS中核密度分析工具（Kernel Density），设置相应网格大小和搜索半径可得到中心度的核密度估算结果，为栅格文件。其中网格大小和搜索半径可采用系统默认值或自行调整设置。

4.应用ArcGIS中的重分类工具（Reclassify）将步骤3得到的三类中心度核密度估计结果，然后进行重分类，选择相应分类方法，分类数可自行根据需要设置。

5.应用ArcGIS Feature To Point工具将土地利用斑块转为点，然后应用Extract Values to Points工具使每个图斑都有一个对应的中心度等级。结果将区域土地利用数据划分为不同中心度级别的子区。

6.可应用Fragstat或Patch analyst工具或自行在excel中对分级后的土地利用数据计算景观指数。景观指数可包括景观水平，类型水平和斑块水平。

7.将中心度级别与对应的景观指数导入到SPSS软件中进行Spearman秩相关系数的计算，分别得到邻近中心度、中介中心度和直线中心度与土地利用景观指数的相关系数。

以下是采用上述方法的一个具体应用案例：

选取某一区域道路数据和土地利用数据为例。设置网格大小为200米×200米，设定三种搜索半径，分别为1km、5km和10km,同时选择景观指数：斑块所占景观面积的比例（PLAND），Shannon多样性指数（SHDI），平均斑块面积（MPS），平均形状指数(MSI)来量化整体景观格局和耕地、林地、建设用地三种不同的土地利用类型的景观格局，最后得到道路网络中心度与整体景观及不同类型景观的相关性系数如表1,表2所示。

表1道路中心度与整体景观格局的相关性

*,P值<0.05(0.632)

**,P值<0.01(0.765)

表2为道路中心度与不同土地利用类型景观格局（耕地、林地、建设用地）的相关性

*,P值<0.05(0.632)

**,P值<0.01(0.765)

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种量化路网特征及其土地利用效应的方法，其特征在于，该方法包括如下骤：

步骤1,对道路数据与土地利用数据进行处理；包括对道路数据设置属性，进行拓扑错误检查及构建网络数据集，对土地利用数据进行图斑融合处理，以消除归属地的影响；

步骤2，基于多中心性测度指标，对步骤1中建立的道路网络数据计算节点中心度，包括邻近中心度、中介中心度和直线中心度，路段中心度值为该路段两端节点中心度的平均值，根据此数值量化路网特征；

步骤3，分别计算步骤2中得到的邻近中心度、中介中心度和直线中心度的核密度；

步骤4，采用自然间断点分类法分别将步骤3中的三个中心度的核密度结果分成10级，得到三个中心度分级结果图；

步骤5，将步骤4中得到的三个中心度分级结果与步骤1中融合后的土地利用数据分别进行空间叠加操作，得到土地利用邻近中心度分级结果、中介中心度分级结果和直线中心度分级结果；

步骤6，根据步骤5得到的土地利用邻近中心度分级结果将土地利用数据分成10个子区，然后分别计算各子区的土地利用景观指数；根据土地利用中介中心度分级结果将土地利用数据分成10个子区，然后分别计算各子区的土地利用景观指数；根据土地利用直线中心度分级结果将土地利用数据分成10个子区，然后分别计算各子区的土地利用景观指数；

步骤7，将步骤6中得到的各子区土地利用景观指数与各子区所属的中心度等级进行Spearman秩相关性分析，分别得到邻近中心度与土地利用景观指数间的相关性系数、中介中心度与土地利用景观指数间的相关性系数和直线中心度与土地利用各景观指数间的相关性系数，分析这三种中心度对土地利用的效应。

2.根据权利要求1所述的一种量化路网特征及其土地利用效应的方法，其特征在于，步骤1的具体实现步骤如下，

步骤1.1，对道路数据中各路段添加速度属性；

步骤1.2,对步骤1.1得到的道路数据进行拓扑错误检查，其中拓扑检查规则包括不能有伪节点，不能有线重合，不能自覆盖,不能有线交叉,不能有线自交叉；

步骤1.3,对步骤1.2得到的道路数据构建网络数据集,形成道路网络，其中道路网络边的属性设置成通行时间，为路段长度除以路段速度；

步骤1.4,对土地利用数据根据利用类型字段进行融合处理。

3.根据权利要求1所述的一种量化路网特征及其土地利用效应的方法，其特征在于，步骤2中多中心性测度指标(MCA)计算公式如下：

中心度计算一：邻近中心度C_i ^C：该点与图中所有其他点的捷径距离之和的倒数，衡量节点的全局中心度：

${C_i}^C=\frac{N-1}{{\mathrm{\&Sigma;}}_{j=1;j\&NotEqual;i}^N{t}_{\mathrm{ij}}}$

N为节点个数，t_ij为节点i、节点j间通行时间；邻近中心度是一个全局测度，能够揭示道路网络的中心；邻近中心度指标较高的节点至其他道路节点的可达性较好,在网络中交通流传播的速度和影响范围均较大；

中心度计算二：中介中心度C_i ^B：指网络中任意两个节点的最短路径中经过该点的数量比例之和，衡量点的中介作用：

${C_i}^B=\frac{1}{(N-1)(N-2)}\underset{j=1;k=1;j\&NotEqual;k\&NotEqual;i}{\overset{N}{\mathrm{\&Sigma;}}}\frac{n_{\mathrm{jk}}\left(i\right)}{n_{\mathrm{jk}}}$

N为节点个数，n_jk为节点j、节点k间的最短路径条数，n_jk(i)为节点j、节点k间的最短路径经过节点i的条数，在道路网中，中介中心度越高的道路节点，表示最短路径通过次数越多，在整个网络中起到桥梁或枢纽转换作用也就越明显，具有越强的影响力和控制力，道路节点越重要；

中心度计算三：直线中心度C_i ^S：衡量节点与其他节点的通达效率，即实际路线接近空间直线的程度：

${C_i}^S=\frac{1}{N-1}\underset{j=1;j\&NotEqual;i}{\overset{N}{\mathrm{\&Sigma;}}}\frac{{d_{\mathrm{ij}}}^{\mathrm{Eucl}}}{d_{\mathrm{ij}}}$

N为节点个数，d_ij为节点i、节点j间的实际路线距离，d_ij ^Eucl为节点i、节点j间的空间直线距离。

4.根据权利要求1所述的一种量化路网特征及其土地利用效应的方法，其特征在于，步骤3中核密度估算公式如下：

$f\left(x\right)=\frac{1}{\mathrm{nh}}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}k\left(\frac{x-\mathrm{xi}}{h}\right)$

式中：K(*)为核函数；h为搜索半径，可根据具体数据的范围自定义设置；n为搜索半径范围内的点数；x_i为样本点的中心度值，所述中心度值包括邻近中心度、中介中心度和直线中心度，x为输入点。

Images