CN106529560A - 一种综合人口密度与景观结构的城市功能区的识别方法 - Google Patents

一种综合人口密度与景观结构的城市功能区的识别方法 Download PDF

Info

Publication number
CN106529560A
CN106529560A CN201510899519.2A CN201510899519A CN106529560A CN 106529560 A CN106529560 A CN 106529560A CN 201510899519 A CN201510899519 A CN 201510899519A CN 106529560 A CN106529560 A CN 106529560A
Authority
CN
China
Prior art keywords
landscape
urban
population
city
density
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510899519.2A
Other languages
English (en)
Other versions
CN106529560B (zh
Inventor
吝涛
孙彩歌
李新虎
宋金超
张国钦
赵宇
叶红
葛如冰
刘晓芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Urban Environment of CAS
Original Assignee
Institute of Urban Environment of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Urban Environment of CAS filed Critical Institute of Urban Environment of CAS
Priority to CN201510899519.2A priority Critical patent/CN106529560B/zh
Publication of CN106529560A publication Critical patent/CN106529560A/zh
Application granted granted Critical
Publication of CN106529560B publication Critical patent/CN106529560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Processing Or Creating Images (AREA)
  • Instructional Devices (AREA)

Abstract

本发明涉及一种综合人口密度与景观结构识别城市功能区的方法。使用数据主要为村级人口统计数据和土地利用数据。处理过程为：a.选择典型道路作为城市拓展轴并设取样带与样方；b.提取样方的人口密度与土地利用类型信息；c.综合人口密度与景观结构来识别城市功能区，如城市中心区、外围区、远郊区等。本发明从城市土地利用和景观功能的关系出发，通过计算人口密度和城市景观指数来识别城市功能区，有助于科学认识城市的内部结构，促进城市的合理规划和功能配置。

Description

一种综合人口密度与景观结构的城市功能区的识别方法
技术领域
本方法属于景观生态学、城市地理学、地理信息技术交叉的技术领域。
背景技术
伴随着城市化的进程，沿城市拓展轴必然会出现不同的城市功能分区，如城市中心区、外围区、（隔离带）、（卫星城）、远郊区等。目前使用土地利用数据多用于区分城市建成区与非建成区，对这些功能分区之间的界限研究较少。
此外，有关城市内部功能格局的研究主要是利用各区县分行业人口或社会经济相关指标对城市内部的功能分工特征进行分析，较少从景观角度进行研究的。综合人口密度和土地利用数据来识别城市功能区的应用研究相对较少。
发明内容
本发明的目的是利用人口密度和景观结构，在城市拓展轴上识别城市功能区。为城市规划和城市功能的优化配置提供科学依据。
具体方法包括以下步骤：
a.沿城市拓展轴设立样带与样方
城市拓展轴浓缩了城市化的发展历程，代表了城市发展的方向和广度。因此沿城市拓展轴设立相应的样带和样方可以反映城市功能的分布和城市发展的程度。样方的面积大小尽可能相似，沿城市拓展轴方向分别给样方赋予不同的ID号。
根据土地利用数据建立城市功能景观体系，如图2。
提取样方的人口密度与土地利用类型信息
将样带的矢量图层与村级行政区划图做叠加分析，提取出样带范围内的村级行政区范围，同时基于各个行政村的人口数据和面积，得到各个行政村的人口密度，在此基础上计算各行政村与每个样方重叠部分的人口，从而相加得到各样方内的总人口，除以样方面积进而得到各样方的人口密度。计算公式如下：
Pi 代表样方i的人口密度，其中 Aj表示第j个行政村的人口，Mj表示第j个行政村的面积，Bij表示第j个行政村落在第i个样方的面积，Ti表示样方i的面积。
将样带的矢量图层与土地利用类型图层做叠加分析，提取出样带范围内的土地利用信息，将居住用地赋予居住功能景观属性，对应代码为1；将工业用地和物流仓持用地赋予工业功能景观属性，对应代码为2；将商服用地赋予商业功能景观属性，对应代码为3；将公共设施用地、公共管理与公共服务用地、科教用地、文教体卫用地和各类交通运输用地赋予公共服务功能景观属性，对应代码为4；将绿地赋予生态服务功能景观属性，对应代码为5。将耕地、园地、农村宅基地、空闲地和裸地赋予潜在城市景观属性，对应代码为6；将林地、水体和滩涂赋予其他景观属性，对应代码为7。并且将每个样方的城市功能景观（代码1-5）分别生成一个图层。
计算城市功能景观的百分比结构和景观格局指数
对每个样方的城市功能景观和非城市功能景观分别统计面积，计算城市功能景观的百分比结构，包括城市景观和非城市景观分别占样方的比例，城市景观各类型占城市景观的比例以及非城市景观各类型占非城市景观的比例。
对每个样方的城市功能景观矢量图按照转化为1m*1m的栅格图，计算景观破碎度指数、香农多样性指数和景观分离度指数。
1、景观破碎度指数：
FN代表景观破碎度指数，其中NP表示景观的图斑个数，TA是景观面积。
2、香农多样性指数：
SHDI代表香农多样性指数，其中pi表示景观中斑块类型i的面积比重。
3、景观分离度指数：
LDI代表景观分离度指数，其中aij为斑块ij的面积，A为整个景观的面积。
综合人口密度与景观结构来识别城市功能分区
将人口密度、景观百分比结构和景观格局指数作为聚类分析的因子，采用系统聚类分析，自动对样方进行分类，识别出沿城市拓展轴的城市功能区。
附图说明
图1 是样带与样方分布图
图2 是城市功能景观与土地利用类型对应表
图3 是人口密度空间分布图
图4 是聚类结果与城市功能分区示意图。
具体实施方式
本发明一种基于人口密度与景观结构的城市功能分区的方法可以通过以下实施例进行说明：
a.本发明选择厦门市为实施案例城市，沿城市拓展轴（厦禾路-嘉禾路-厦门大桥-同集南路-同集中路-同集北路）做半径1km的缓冲区作为样方，在厦禾路起点布设第一个点，之后每2km布点，过点做垂线分割缓冲区，依次划分为17个样方。结果如图1。
b.基于土地利用对城市功能景观进行分类，结果如图2。
c. 计算样方的人口密度
基于厦门市各个行政村的人口数据和面积，得到各个行政村的人口密度，将各行政村与样方进行叠加，计算各行政村与样方重叠部分的人口，从而相加得到各样方内的总人口，除以样方面积进而得到各样方的人口密度。结果如图3。
d.计算城市功能景观的百分比结构和景观格局指数
计算城市功能景观的百分比结构，包括城市景观和非城市景观分别占样方的比例，城市景观各类型（居住功能景观、工业功能景观、商业功能景观、公共服务功能景观和生态服务功能景观）占城市景观的比例以及非城市景观各类型（潜在城市景观和其他景观）占非城市景观的比例。结果如下表：
道路ID号 城市景观占样方的比例 非城市景观占样方的比例 居住功能景观占城市景观的比例 工业功能景观占城市景观的比例 商业功能景观占城市景观的比例 公共服务功能景观占城市景观的比例 生态功能景观占城市景观的比例 潜在城市景观占非城市景观的比例 其他景观占非城市景观的比例
1 92.98% 7.02% 55.23% 0.00% 9.92% 26.26% 8.59% 47.98% 52.02%
2 83.08% 16.92% 60.94% 1.14% 7.03% 25.35% 5.53% 48.61% 51.39%
3 78.86% 21.14% 55.00% 4.88% 18.01% 21.31% 0.80% 30.79% 69.21%
4 93.22% 6.78% 53.45% 1.70% 12.62% 26.00% 6.24% 36.52% 63.48%
5 77.55% 22.45% 56.92% 3.40% 11.88% 23.88% 3.93% 49.34% 50.66%
6 79.93% 20.07% 16.44% 38.01% 11.55% 27.66% 6.34% 96.03% 3.97%
7 77.78% 22.22% 5.68% 39.08% 6.39% 43.17% 5.69% 99.67% 0.33%
8 54.96% 45.04% 9.17% 32.16% 0.04% 55.77% 2.85% 72.73% 27.27%
9 52.33% 47.67% 16.15% 0.00% 0.00% 83.85% 0.00% 25.27% 74.73%
10 56.27% 43.73% 17.04% 3.32% 5.07% 74.22% 0.35% 82.82% 17.18%
11 55.10% 44.90% 15.38% 46.11% 0.00% 38.45% 0.06% 83.94% 16.06%
12 42.58% 57.42% 23.78% 31.68% 3.40% 30.85% 10.28% 38.00% 62.00%
13 26.35% 73.65% 0.00% 41.02% 0.69% 44.62% 13.67% 45.09% 54.91%
14 53.45% 46.55% 0.00% 49.24% 0.00% 46.82% 3.93% 30.02% 69.98%
15 69.74% 30.26% 0.67% 58.43% 1.27% 37.96% 1.68% 88.31% 11.69%
16 27.24% 72.76% 0.00% 17.63% 2.05% 74.44% 5.89% 88.40% 11.60%
17 42.70% 57.30% 0.44% 50.67% 1.22% 45.09% 2.58% 92.04% 7.96%
计算景观格局指数（香农多样性指数、景观破碎度指数和景观分离度指数），结果如下表：
道路ID号 香农多样性指数 景观破碎度指数 景观分离度指数
road1 1.12 0.20 0.92
road2 1.05 0.22 0.92
road3 1.15 0.21 0.93
road4 1.19 0.25 0.92
road5 1.16 0.27 0.93
road6 1.44 0.22 0.88
road7 1.23 0.21 0.80
road8 1.01 0.25 0.77
road9 0.44 0.09 0.39
road10 0.81 0.15 0.46
road11 1.02 0.23 0.84
road12 1.42 0.25 0.86
road13 1.03 0.24 0.75
road14 0.83 0.11 0.79
road15 0.84 0.21 0.89
road16 0.77 0.34 0.68
road17 0.88 0.36 0.79
road18 1.07 0.48 0.60
e.综合人口密度与景观结构来识别城市功能分区
将人口密度、景观百分比结构和景观格局指数作为聚类分析的因子，采用系统聚类分析，自动对样方进行分类，分类结果与城市化演变规律相一致，根据城市化演变规律将聚类结果分别对应为城市中心区、外围区、隔离带、卫星城和远郊区。结果如图4。

Claims (3)

1.一种综合人口密度与景观结构识别城市功能区的方法，其特征在于以下步骤：
a、选择典型道路作为城市拓展轴并设取样带与样方；
b、提取样方的人口密度与土地利用类型信息；
c、综合人口密度与景观结构来识别城市功能区。
2.根据权利要求1所述的一种综合人口密度与景观结构识别城市功能区的方法，其特征在于：从城市拓展轴入手设定样带与样方；从土地利用数据入手建立城市功能景观体系。
3.根据权利要求1所述的一种综合人口密度与景观结构识别城市功能区的方法，其特征在于：将人口密度与城市功能景观结构，包括比例结构、香农多样性指数、景观破碎度指数、景观分裂度指数等作为分析因子；使用统计学方法对样方进行归类，自动识别城市功能分区。
CN201510899519.2A 2015-12-09 2015-12-09 一种综合人口密度与景观结构的城市功能区的识别方法 Active CN106529560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510899519.2A CN106529560B (zh) 2015-12-09 2015-12-09 一种综合人口密度与景观结构的城市功能区的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510899519.2A CN106529560B (zh) 2015-12-09 2015-12-09 一种综合人口密度与景观结构的城市功能区的识别方法

Publications (2)

Publication Number Publication Date
CN106529560A true CN106529560A (zh) 2017-03-22
CN106529560B CN106529560B (zh) 2019-09-20

Family

ID=58349432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510899519.2A Active CN106529560B (zh) 2015-12-09 2015-12-09 一种综合人口密度与景观结构的城市功能区的识别方法

Country Status (1)

Country Link
CN (1) CN106529560B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242260A (zh) * 2018-08-14 2019-01-18 黑龙江工程学院 景观生态脆弱性指数的构建方法与验证方法
CN109492796A (zh) * 2018-10-12 2019-03-19 东南大学 一种城市空间形态自动分区方法与系统
CN111476325A (zh) * 2020-06-29 2020-07-31 北京隆普智能科技有限公司 基于大数据的城市建设用地分类识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455856A (zh) * 2013-09-12 2013-12-18 中国科学院地理科学与资源研究所 一种城市空间功能识别的技术方法
US20140278291A1 (en) * 2013-03-14 2014-09-18 Microsoft Corporation Discovering functional groups
CN104537597A (zh) * 2014-11-25 2015-04-22 中国科学院地理科学与资源研究所 一种城市空间格局合理性诊断的技术方法
CN104679951A (zh) * 2015-02-11 2015-06-03 唐子来 一种多因素空间聚类的城市街区功能区划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278291A1 (en) * 2013-03-14 2014-09-18 Microsoft Corporation Discovering functional groups
CN103455856A (zh) * 2013-09-12 2013-12-18 中国科学院地理科学与资源研究所 一种城市空间功能识别的技术方法
CN104537597A (zh) * 2014-11-25 2015-04-22 中国科学院地理科学与资源研究所 一种城市空间格局合理性诊断的技术方法
CN104679951A (zh) * 2015-02-11 2015-06-03 唐子来 一种多因素空间聚类的城市街区功能区划方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XINHU LI 等: "Dynamic analysis of urban spatial expansion and its determinants in Xiamen Island", 《JOURNAL OF GEOGRAPHICAL SCIENCES》 *
尹珂 等: "基于空间聚类分析法的土地利用主体功能分区", 《水土保持通报》 *
王海鹰 等: "基于多准则判断的城市边缘区界定及其特征", 《自然资源学报》 *
黄宁 等: "厦门市同安区不同扩展轴上的景观格局梯度分析与比较", 《地理科学进展》 *
黄思琴 等: "基于景观格局指数的农村居民点土地利用分区研究", 《中国农学通报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242260A (zh) * 2018-08-14 2019-01-18 黑龙江工程学院 景观生态脆弱性指数的构建方法与验证方法
CN109242260B (zh) * 2018-08-14 2021-05-25 黑龙江工程学院 景观生态脆弱性指数的构建方法与验证方法
CN109492796A (zh) * 2018-10-12 2019-03-19 东南大学 一种城市空间形态自动分区方法与系统
CN111476325A (zh) * 2020-06-29 2020-07-31 北京隆普智能科技有限公司 基于大数据的城市建设用地分类识别方法及系统

Also Published As

Publication number Publication date
CN106529560B (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN110348506B (zh) 基于遥感图像的土地利用分类方法、存储介质和计算设备
CN105243128B (zh) 一种基于签到数据的用户行为轨迹聚类方法
CN106503714B (zh) 一种基于兴趣点数据识别城市功能区的方法
Guan et al. The concept of urban intensity and China's townization policy: Cases from Zhejiang Province
CN106991142A (zh) 一种基于微信数据和兴趣点数据识别城市功能区的方法
Chen et al. Lhasa: Urbanising China in the frontier regions
Mahendra et al. An assessment of vegetation cover of Mysuru City, Karnataka State, India, using deep convolutional neural networks
Kang et al. Morphological analysis of green infrastructure in the Seoul metropolitan area, South Korea
Wu et al. Change of impervious surface area and its impacts on urban landscape: an example of Shenyang between 2010 and 2017
CN102521598A (zh) 一种基于遥感影像的识别方法
Liu et al. Spatial distribution analysis and driving factors of traditional villages in Henan province: a comprehensive approach via geospatial techniques and statistical models
CN111563666A (zh) 一种基于网络热度的城市公共服务设施空间配置评价方法
Liu et al. Temporal and spatial patterns and influencing factors of intangible cultural heritage: Ancient Qin-Shu roads, Western China
Guo et al. Application of land use regression techniques for urban greening: An analysis of Tianjin, China
CN106529560B (zh) 一种综合人口密度与景观结构的城市功能区的识别方法
He et al. What is the developmental level of outlying expansion patches? A study of 275 Chinese cities using geographical big data
Li et al. An approach to developing and protecting linear heritage tourism: The construction of cultural heritage corridor of traditional villages in Mentougou District using GIS
Guo et al. Large‐Scale and Refined Green Space Identification‐Based Sustainable Urban Renewal Mode Assessment
Cao et al. Characterizing urban densification in the city of Wuhan using time-series building information
Liu et al. Impervious surface Mapping and its spatial–temporal evolution analysis in the Yellow River Delta over the last three decades using Google Earth Engine
Cui et al. Spatial Pattern and Mechanism of the Life Service Industry in Polycentric Cities: Experience from Wuhan, China
CN112613690A (zh) 基于低碳空间要素识别的县域城镇分类方法
Alkan A research at sustainable urban scale: example of Çanakkale
CN110298253A (zh) 一种基于人口大数据的城市建筑体虚拟显示方法及系统
CN109376638A (zh) 一种基于遥感图像和地理信息系统的文地率计算方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant