EN中文

Economic geography >

2019 , Vol. 39 >Issue 3: 84 - 92

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.03.010

Spatial Heterogeneity of Urban Expansion Structure Based on Spatial Clustering Method in Dongguan City

  • WAN Yiliang , 1, 2 ,
  • JIN Rui , 3, ※ ,
  • TANG Jianbo 2, 4 ,
  • JIN Meihan 5
Expand
  • 1. College of Resources and Environmental Sciences，Hunan Normal University，Changsha 410081，Hunan，China
  • 2. Hunan Key Laboratory of Geospatial Big Data Mining and Application，Hunan Normal University，Changsha 410081，Hunan，China
  • 3. School of Geosciences and Info-physics，Central South University，Changsha 410083，Hunan，China
  • 4. State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，Hubei，China
  • 5. School of Architecture，Harbin Institute of Technology（Shenzhen），Shenzhen 518055，Guangdong，China

Received date: 2018-10-17

  Revised date: 2019-01-24

  Online published: 2025-04-29

Fold

Abstract

Using ENVI to interpret the TM/ETM remote sensing image of Dongguan City from 1997 to 2013 and applying the landscape gradient analysis, the combination of the landscape expansion index(LEI) and the spatial hierarchical clustering algorithm of AMOEBA, this article detected spatiotemporal heterogeneity characteristics of clusters, the extent of urban expansion change and urban expansion type in the urban landscape and explored the variation characteristics of space structure in the process of urban sprawl. The results showed that the proposed method could identify and visualize different urban expansion clusters. During the period of 1997 to 2013, urban expansion in Dongguan showed a state of marginal expansion. Within a range of 10 km from the city center, a relatively mature urban area had been formed, and within a range of 10-40 km it was belonged to the active area of expansion. Affected by the relative distance from the city center and surrounding cities, and the extension of major traffic lines, the spatial configuration of newly added urban land formed several clusters with spatiotemporal heterogeneity characteristics. This study can be used to help relevant departments to guide targeted control measures for urbanization development.

Key words： urban spatial structure; spatial heterogeneity; landscape metrics; landscape expansion index(LEI); AMOEBA algorithm; Dongguan City

Cite this article

WAN Yiliang , JIN Rui , TANG Jianbo , JIN Meihan . Spatial Heterogeneity of Urban Expansion Structure Based on Spatial Clustering Method in Dongguan City[J]. Economic geography, 2019 , 39(3) : 84 -92 . DOI: 10.15957/j.cnki.jjdl.2019.03.010

城镇扩张是本世纪世界典型特征之一，随着经济发展和产业聚集，世界人口不断地在城市地区聚集。到2050年，世界人口的70％预计居住在城市地区[1]。中国已成为全球城镇化的主要动力，预计到2050年中国城市人口将增加2.55亿[2]。作为人类集中居住和生产的载体，城镇随经济、社会的发展，受到包括人口集聚[3⇓-5]、经济[6-7]、交通发展[8⇓-10]等各种要素的影响，城镇功能用地在空间中不断地集聚、扩张，逐步由单一的中心城市区域发展成为功能不断完善的多中心、复合型城镇，加剧了人流、物流、能量流、信息流及资金流的汇聚和交换。因此，定量化量度城镇空间结构变化对于了解及预测城镇发展是必要的。
城镇空间结构指的是一定时期内，城镇各个要素通过一定的内在机制相互作用而表现出来的空间形态和组织结构[11-12]。国外相关研究从1880年代就已经开始，并且受到了学者们广泛的关注[12-13]。国内研究从1980年代开始，起步相对较晚[10,14-15]。城镇空间结构及其演变过程研究大致可以分为四个方面：城镇空间结构和变化过程的形态及模式研究[16-17]、城镇空间结构变化驱动力研究[18]、城镇空间结构形态变化模拟与预测[19]、城镇空间结构变化的影响与有效控制研究[20]。其中，通过利用景观指标定量刻画城镇空间扩张特征是一种常见的手段[21-22]。景观指标是指在信息理论、几何分形等基础上高度概括景观格局信息、景观结构及空间配置等特征的一系列定量化指标，其在生态、环境变迁、土地利用及覆被变化以及城市动态变化研究中都有应用，尤其是一系列常用景观格局指标由McGarigal等[23]整理收集于景观指标测算软件FRAGSTATS之后，景观格局指标得到了更为广泛的推广和应用[24⇓-26]。
然而，现有景观指标主要是从几何特性解释不同尺度上城市的空间结构特征，而较少对城市功能及景观结构进行描述，并且景观指标常用于描述区域总体景观特征状况，而较少有针对区域景观空间分异性的研究，特别是动态特征空间分异性进行相应描述。因此，为了准确地度量城镇扩张变化特征的空间分异性，本文拟从静态以及动态两个角度，利用景观梯度分析法、景观扩张指数（Landscape Expansion Index，LEI）与AMOEBA（A Multidirectional Optimum Ecotope-Based Algorithm）空间层次聚类算法相结合，对景观扩张规模、景观空间分异性特征、景观扩张斑块空间分异特征及其时间上的差异性进行深入解析。通过了解城镇扩张中空间结构分异性的过程特征，为今后城镇扩张空间布局调控提供参考依据。

1 研究区域与数据处理

1.1 研究区域概况

东莞位于广东省中南部及珠江三角洲地区，地处113°31′E~114°15′E，22°39′N~23°09′N。邻近香港、澳门，是广州及香港交通必经之地，东莞总面积2 465 km2，地势东南高、西北低，地貌以丘陵台地、冲积平原为主。2016年底常住总人口达到826.14万人，由4个区及28个镇组成，城市中心位于南城区，是东莞的政治、经济、金融及文化中心。
地处广州至深圳经济走廊的中西部，位置的重要性及1978年改革开放带来的巨大经济动力，使得东莞成为中国最具代表的制造型城市之一，2016年GDP已经达到6 827.67亿元，公路通车里程超过5 144.9 km[27]。东莞已经由一个单核心城镇逐步发展成为多核心组团型城镇，由于电子信息业、服装纺织业等的发展，使得东莞第二产业及第三产业成为主导产业。改革开放不仅给东莞带来了巨大的财富及发展，同时也带来了城镇的无序扩张，使得东莞城镇土地已经占到总面积的一半左右。因此，需要通过对空间形态结构变化特征进行研究，更加深入地剖析城镇化机制，为城镇有序化、可持续发展提供基础性信息。

1.2 数据处理

本文通过利用GIS技术、遥感图像处理技术及空间统计分析技术，对城镇空间结构时空演变过程进行研究。原始数据主要包含遥感影像、东莞行政区划矢量图。通过对5期（1997/2001/2005/2009/2013）Landsat TM/ETM+影像进行解译得到土地利用数据（表1），影像处理过程包括辐射校正、几何校正、图像的拼接及裁剪，整个过程在ERDAS IMAGINE 9.1及ArcGIS 10.2中完成。土地利用数据被分成绿地、建设用地、未利用地及水体。最后，我们选取了1 000个样点进行分类精度评价，评价结果显示整体的分类准确率在86.6%~91.3%区间之内，Kappa系数在0.85左右（表2），表明分类结果满足实验精度要求。
表1 Landsat TM/ETM+影像数据

Tab.1 Landsat TM/ETM+ remote sensing image

年份 影像 轨道号 日期 空间分辨率
1997 Landsat 4-5 TM 121/44 1996-03-03 30 m
2001 Landsat 4-5 TM 122/44 2001-12-30 30 m
2005 Landsat 4-5 TM 121/44 2005-07-18 30 m
2009 Landsat 4-5 TM 121/44 2009-11-02 30 m
2013 Landsat 8 OLI_TIRS 122/44 2013-12-31 30 m
表2 遥感图像解译总体准确率及Kappa系数

Tab.2 The overall accuracy and Kappa coefficient of remote sensing image interpretation from 1997 to 2013

1997 2001 2005 2009 2013
总体准确率（%） 86.6 90.2 89.3 87.5 91.3
Kappa系数 0.83 0.87 0.86 0.84 0.88

2 研究方法

2.1 城镇扩张度量指标

城镇扩张度量指标是用于衡量城镇形态及结构的改变模式、程度，包括：①扩张强度指数，用于反映城镇建成区面积扩张速率（ U I I），即面积标准化下的城镇建成区面积年平均增长速率，利用城镇面积的变化直观地反映城镇扩张演变趋势的强弱程度；②城镇面积密度指标（ D u），利用城镇面积与研究区域总面积比来表征城镇面积变化趋势；③扩张速率（ R E），用于表征城镇扩张变化率；④建设用地结构系数（ S C c），用于表示建设用地变化量。公式如下所示：
U I I = S t - S 0 A × T × 100
D u = S A × 100
R E = S t - S t - n S t - n × 100
S C c = D t - D 0
式中：St、St-n及S0表示研究区域内分别在时间点t、t-n及t0建设用地面积（km2）；A表示研究区域总面积；T代表研究总时长；n表示St及St-n之间的时间间隔；Dt及D0分别表示时间t及时间t0时的建设用地与区域总面积的比例。

2.2 景观格局指数

景观格局通常用于表征景观的空间结构特征，指对大小、形状各异，排列不同的景观镶嵌体在空间上排列的特征进行刻画。景观结构由基质、斑块、廊道以及要素的空间配置形式这四种基本要素构成[28-29]。景观格局及其变化受到人为及自然的多种因素交互作用的影响，同时又影响着景观生态过程。通过对景观格局进行研究，可以有效地揭示该区域内空间变异特征，通过利用景观空间格局的特征指数，从宏观角度刻画出区域生态环境状况。景观格局指数通常可以分为不考虑空间属性的要素组成量化指标及对空间构成的量度指标。为了探究城镇扩张过程当中的空间现象，本文采用以下景观格局指数，包括：①斑块类型面积（CA）；②斑块数量（NP）；③斑块密度（PD）；④景观形状指标（LSI）；⑤聚合指数（AI）；⑥蔓延度（CONTAG）（表3）。
表3 拟采用的景观格局指数[24]

Tab.3 Landscape metrics

景观格局指数 说明（单位） 公式
斑块类型面积（CA） 某斑块类型中所有斑块面积总和（hm2） C A = ∑ j = 1 n a i j 1 10000
斑块数量（NP） 某斑块类型中所有斑块数量总和（无） N P = n i
斑块密度（PD） 单位面积上的斑块数量（块/100 hm2） P D = n i × 10000 A × 100
景观形状（LSI） 某一景观类型所有斑块边的总长度与景观最小总长度的比值（无） L S I = 0.25 ∑ k = 1 m e i k A
聚合指数（AI） 所有类型的包括相关斑块类型在内的相似邻接的数量与最大可能的包括相关斑块类型在内的相似邻接的数量的比值（%） A I = g i i m a x → g i i × 100
蔓延度（CONTAG） 描述景观里不同斑块类型的团聚程度或延展趋势（%） C O N T A G = 1 + ∑ i = 1 m ∑ k = 1 m P i ∙ g i k ∑ k = 1 m g i k ∙ l n ( P i ∙ g i k ∑ k = 1 m g i k ) 2 l n ( m ) ∙ 100

2.3 景观扩张指数（LEI）

为了克服景观格局指数对景观空间变化过程度量的局限性，使其能够刻画景观动态信息特征，刘小平等[30]提出了景观扩张指数（LEI），利用围绕扩张斑块构造的缓冲区作为基本统计单元，将统计单元内部斑块变化面积、原斑块面积以及空白区域面积视为主要计算参量来计算区域斑块扩张规模，并对变化类型进行提取和区分。LEI计算如下：
L E I = 100 × A 0 A 0 + A v
式中： A 0为缓冲区与原斑块的重合面积； A ν为缓冲区面积与 A 0之间的差值。景观扩张指标取值范围为0~100，在获取到计算结果之后，可将扩张斑块按照LEI数值划分为三类：填充式扩张（ 50 < L E I ≤ 100）、边缘式扩张（ 0 < L E I ≤ 50）、飞地式扩张（ L E I = 0）。
对于景观级别，在LEI的基础之上，刘小平等[31]进一步定义了平均板块扩张指数（MEI）用于衡量景观扩张紧凑程度，公式如下：
M E I = ∑ i = 1 N L E I i N
式中： L E I i表示新增斑块的景观扩张指数； N表示新增斑块总数。 M E I值越大，表示景观扩张方式更加紧凑。

2.4 AMOEBA空间聚类算法

本文引入AMOEBA算法[31]用于发现城镇斑块空间分布分异性结构特征，通过借助Delaunay三角网以及局部空间自相关统计，不断迭代计算地理统计指标，最终识别出地理空间中的热点地区，描述空间实体间的邻近关系，从而发现不同密度、形状大小不同的空间簇。AMOEBA算法的具体操作过程如下：
①计算空间单元 i的 G i *统计量，记为 G i * ( 0 )。 G i * ( 0 ) > 0表示空间单元 i的属性值大于所有观察空间单元属性值的均值； G i * ( 0 ) < 0表示空间单元 i的属性值小于所有观察空间单元属性值的均值。
②对于每个空间单元 i以及其邻接单元组合区域，计算其 G i * ( 1 )的值，如果 G i * ( 0 )大于或者小于0，那么最大化统计值 G i * ( 1 )的组合区域则成为一个新的高值或者低值区域。
③随后，不再考虑不包括在区域内的邻接单元，计算包括在区域内所有组合区域的邻接单元的 G i * ( 1 )。随着 k由2增加到 m a x，重复上述步骤直到 G i *绝对值不再增加，并得到区域 k m a x。
AMOEBA层次聚类算法主要适用于栅格数据图，本文主要研究对象是城镇扩张变化的面状斑块，因此，将算法进行改进，应用城镇斑块质心表示城镇斑块空间位置，引入Delaunay三角网表征邻接关系，从而通过计算变化斑块LEI的 G i *值获取集聚空间簇。

3 结果与分析

3.1 城镇空间扩张基本统计特征

东莞市1997—2013年城市用地变化如图1、图2。从中可以看出，在该期间东莞市经历了快速城镇化的过程。其建设用地由1997年的290.79 km2迅速增加到2013年的1 202.13 km2；建设用地密度（DU）也由11.8%增长到48.77%；建设用地结构系数（SCC）由11.12%变为36.67%；并且扩张强度指数（UII）由2.79%增长为9.24%；年平均增长率（RE）在1997—2001年时段内达到最高，为23.68%，随后增长率逐渐减缓。
图1 东莞市城镇空间扩张基本特征

Fig.1 Basic characteristics of urban spatial expansion in Dongguan

图2 东莞市城镇空间扩张基本特征

Fig.2 Basic characteristics of urban spatial expansion in Dongguan

总体上，将上述实验结果、国家统计局的经济统计数据及Northam提出的城镇化S形曲线[32]相结合来看，东莞的国内生产总值（GDP）及城镇化率都在不断上升，正处于城镇扩张加速发展阶段：1997年，东莞建成区仅占整个东莞的11.8%，农用地及其他用地为主导用地；随着改革开放的推进，经济增长率在2000年前后达到15%的高水平，虽然整体扩张增长率有所下降，但是建设用地的密度和扩张强度都不断增加，并且扩展到占据东莞总用地50%的水平。

3.2 景观格局梯度变化特征分析

定量分析总体景观格局及其梯度变化特征，对了解城镇形态在空间及时间上的分异特征具有重要作用。本文以东莞城区中心为起点，设置半径为5 km的环形等距梯度，在FRAGSTATS软件中利用3 m×3 m的移动窗口进行景观指标计算，对1997—2013年城镇景观类型的12个圈层梯度变化特征进行分析。
从总体景观特征来看（表4），在研究时段内，斑块数量（NP）、斑块密度（PD）以及景观形状指数（LSI）到2005年逐步减小，随后增大；集聚指数（AI）不断增长，蔓延度（CONTAG）逐渐减少。因此，在研究期内，斑块的集聚程度增大，区域内小斑块数量也不断增多，景观破碎化程度逐渐增大；斑块在1997—2005年及2009—2013年以斑块相互融合、吞并为主，斑块空间分布密度也随之变小；2005—2009年，以新生斑块为主，使得单位面积斑块也逐渐增多。
表4 东莞1997—2013年整体景观格局特征

Tab.4 Overall landscape characteristics of Dongguan from 1997 to 2013

年份 景观格局指数
NP PD LSI CONTAG AI
1997 703 0.1736 45.21 77.4222 92.2077
2001 405 0.1000 35.95 66.2501 95.5861
2005 390 0.0963 35.46 62.2976 96.0415
2009 936 0.2311 40.66 53.7359 96.1794
2013 926 0.2286 39.88 49.0557 96.6319
景观梯度分析结果如图3所示。结果显示，城镇用地的斑块类型面积（CA）、斑块数量（NP）及景观形状指数（LSI）在距离城市中心10~35 km达到较高值；在距离城市中心35 km以外区域，指数值缓慢递减，梯度变化曲线整体呈现出倒U形。斑块密度（PD）呈现出由城市中心到研究区域边缘不断下降的趋势；聚合指数（AI）以及蔓延度（CONTAG）随距离变化保持较为稳定的状态。从时间变化角度来看，斑块类型面积以及集聚度在与城市中心各相对距离位置上都有所增加，尤其是在距离城市中心10~40 km范围之内斑块类型面积的增加十分明显；斑块数量及斑块密度增加在距离城市中心25~40 km处随时间变化较为明显，在25 km以内以及40 km以外的范围中斑块数量以及斑块密度的变化都相对稳定，随时间变化不大。
图3 东莞市1997—2013年城镇景观梯度变化特征

Fig.3 Landscape gradient characteristics of Dongguan from 1997 to 2013

由此可以看出，1997—2013年，东莞扩张较为活跃的区域主要集中在距离城市中心10~40 km范围之内，并且随时间推移，建成区景观面积、数量、密度、复杂度及集聚程度都有不同程度的增加；10 km范围以内区域已经形成开发较为成熟的建成区，景观变化相对较小；40 km范围之外的区域由于距离城市中心距离相对较远，10~40 km范围内的土地还未开发完全，所以40 km范围以外区域景观变化也同样相对较小。

3.3 城镇扩张景观变化及组团特征分析

本文利用空间聚类方法与城市景观扩张指数相结合来提取城市新增斑块集聚簇，并分析集聚簇在空间与时间上的特征，用以研究城镇扩张的空间分异性。如图4、表5所示，1997—2001年、2001—2005年、2005—2009年以及2009—2013年四个研究时段内，总体上来说，变化斑块总量不断增加，以飞地式扩张以及边缘式扩张为主，尤其是边缘式扩张，平均占比达到68%；LEI数量峰值主要出现在40~49.4区间。在不同时期，东莞具有不同的景观扩张模式特征。1997—2009年，飞地式扩张斑块变化量及占比持续增加，边缘式扩张斑块增量占比逐渐减小，填充式扩张斑块在2005—2009年占比较大。2009—2013年，飞地增长数量有所下降，填充式扩张斑块以及边缘式扩张斑块增量变大。
图4 四个时期城镇斑块LEI值的柱状图

Fig.4 Histograms of LEI value from 1997 to 2013

表5 不同时间段LEI各个区间值数目所占百分比

Tab.5 Proportion of LEI value in different level from 1997 to 2013

LEI区间 1997—2001 2001—2005 2005—2009 2009—2013
L E I = 0 0.034557 0.057937 0.133453 0.061438
0 < L E I ≤ 50 0.768819 0.663492 0.621917 0.665485
50 < L E I ≤ 100 0.196625 0.278571 0.24463 0.273076
由此可以看出，在研究期内，东莞城镇一直以外延扩张模式为主，大量非城镇用地转变为城镇用地，新的零散斑块不断涌现，并且新增数量逐年递增，扩张主要形式以沿已有城镇用地边缘向外伸展为主，但占比逐年减少；2009—2013年，扩张模式上有略微改变，在前期外延式扩张增长到一定程度的基础之上，新增飞地迅速减少，沿现有斑块向外扩张及填充式扩张数量上略有增加。
如图5所示，从变化斑块聚类特征角度来看，研究期内，东莞城镇扩张以边缘式扩张模式为主，并且此类变化斑块散布在东莞各个位置上，并在一些区域内形成集聚效应。1997—2001年、2001—2005年以及2005—2009年中心城区周边不断出现填充式扩张集聚现象，并且扩张范围主要存在于中心城区的西北部及东南部区域，逐步扩大形成条带状扩张集聚簇。1997—2001年，集聚簇主要沿交通线发展，尤其是石排大道（S120）、广深高速、莞樟路、樟深路（S255）以及莞穗大道沿线区域。2001—2005年，中心城区扩张斑块集聚簇范围逐步增大，并且沿莞樟路又形成一个较大的边缘式扩张斑块集聚簇，相较于1997—2001年时间段，此范围所形成的新增斑块集聚簇位置向远离道路两端方向移动，并且集聚簇范围扩张。到2005—2009年时间段内，此范围以及中心城区周围的变化斑块集聚簇进一步扩大，出现大量新增边缘式扩张斑块；同时，广深高速沿线也形成了大规模的新增斑块集聚簇，樟深路、莞长路沿线也形成较小规模集聚簇。2009—2013年，中心城区城镇已经基本成熟，扩张范围较小，变化斑块数量较少；而莞樟路沿线扩张斑块形成了相较于前三期更大规模的集聚簇，不断向南北方向拓展，覆盖范围更加广泛；广深高速、樟深路、莞长路沿线的变化斑块集聚簇的范围也不断扩大，尤其是在樟深路沿线，逐步形成两组较大的变化斑块集聚簇。
图5 四个时间段内城镇扩张变化斑块组团结构

Fig.5 The newly grown urban clusters from 1997 to 2013

根据城市增长相位理论所提及的扩散及集聚的两种城市发展相位，研究期内，东莞仍处于扩散阶段，主要处于沿着已有城镇用地以及交通线外围进行扩张过程，并且随着扩张过程继续，城镇发展逐步填充已有城镇用地之间的空隙。从空间分异性特征角度可以看出，城镇扩张新增斑块组团主要位于中心城区周边、广深高速沿线、樟深路沿线、莞樟路沿线、莞长路沿线，并以东莞城镇中心城区以及莞樟路沿线所形成的组团为最大。不同新增斑块组团在不同时期也有相异的发展扩张模式，中心城区外围扩张主要集中于1997—2009年，并呈西北—东南条带状延伸趋势；莞樟路沿线区域扩张组团主要发展于1997—2013年，呈现出远离莞樟路沿线南北向的大范围延伸；广深高速沿线、莞长路沿线以及樟深路沿线扩张斑块组团近些年受到深圳的引力作用，主要集中发展于2005—2013年，并向远离道路沿线方向及南向不断扩展。

4 结论

目前，更多的城镇扩张结构研究常常侧重于对不同时相的静态景观格局指标进行对比分析及描述，不能反映出动态变化上的差别以及空间分异性特征。本文从静态、动态视角分析了东莞1997—2013年多时相城镇扩张过程中的空间结构分异性特征，定量分析了景观扩张，是对传统景观格局指数分析的一种有效补充，并且可以用来提取景观扩张类型及组团，具有较好的实用价值。主要结论如下：
①1997年以来，东莞市城镇建设用地的密度和扩张强度都不断增强，整体扩张增长率有所下降。东莞仍处于扩散阶段，主要处于沿着已有城镇用地以及交通线外围进行扩张过程，并且随着扩张过程继续，城镇发展逐步填充已有城镇用地之间的空隙。
②东莞为典型的多中心组团状结构城市，城镇扩张模式与其他的单中心型城市扩张模式有明显差异。在研究期内，中心城区范围内的扩张填充已经较为完全，整个东莞区域内外延式扩张模式为主模式使得东莞城镇用地不断占用其他类型用地。东莞城镇扩张具有扩张斑块分散分布以及空间结构分异性，距离中心10~40 km范围内的用地变化最为明显。东莞市城镇空间扩展的主要特征表现在城镇新增区域多出现于主要交通线沿线，在空间中表现出一定的城镇斑块组团生成特征，并且此类组团具有不均衡扩张及阶段性变化特征。
随着东莞城镇人口及经济的快速发展，对城镇空间结构变化的认识更有助于我们对城镇化特征的把握及对城镇可持续土地利用规划的决策。以上分析结论为未来东莞城镇发展带来以下启示：
①城镇用地已经占到东莞市总用地的50%以上，并仍然处于扩散状态，由于土地不可能无限制开发，未来应该加强对现有城镇用地的利用效率的控制与管理，重视土地利用的空间结构分异特征，针对现在扩张变化迅速的景观斑块组团区域，逐步填充组团内部未开发用地，控制外延扩张速度，提高现有城镇用地的利用效率。
②东莞的城镇扩张现在主要受到深圳的吸引力作用以及主要道路延伸的影响，因此，对邻近深圳的区域以及将要进行主要道路建设的周边区域，应及早做出相应合理、有效的土地利用规划，使新增城镇用地得到科学、规范的使用。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
United Nations. State of the World’s Cities 2012/2013[R]. United Nations Human Settlements,2012:12-14.

[2]
United Nations, Department of Economic and Social Affairs,Population Division. World Urbanization Prospects:The 2018 Revision[R]. Working Paper,ESA/P/WP.252,New York:United Nations,2018:2.

[3]
洪世键, 曾瑜琦. 制度变迁背景下中国城市空间增长驱动力探讨[J]. 经济地理, 2016, 36(6):67-73.

[4]
吴一凡, 刘彦随, 李裕瑞. 中国人口与土地城镇化时空耦合特征及驱动机制[J]. 地理学报, 2018, 73(10):1865-1 879.

[5]
张占录. 北京市城市用地扩张驱动力分析[J]. 经济地理, 2009, 29(7):1182-1 185.

[6]
李恩康, 陆梦秋, 陆玉麒, 等. 区域的适度空间规模及边际扩张效应——以江苏省为例[J]. 经济地理, 2018, 38(10):46-53.

DOI

[7]
刘昭华, 张春艳. 开封市城市扩张动态监测及驱动因子分析[J]. 国土资源遥感, 2018, 30(4):193-199.

[8]
毛蒋兴, 闫小培. 国外城市交通系统与土地利用互动关系研究[J]. 城市规划, 2004,28:64-69.

[9]
Zhao G, Zheng X, Yuan Z, et al. Spatial and Temporal Charac-teristics of Road Networks and Urban Expansion[J]. Land, 2017, 6(2):30.

[10]
Kasraian D, Maat K, Stead D, et al. Long-term impacts of transport infrastructure networks on land-use change:an international review of empirical studies[J]. Transport Reviews, 2016, 36(6):772-792.

[11]
王兴中. 后工业化大城市内部经济空间结构和演化主导本质[J]. 人文地理, 1989(2):1-6.

[12]
Wheaton W C. A comparative static analysis of urban spatial structure[J]. Journal of Economic Theory, 1974, 9(2):223-237.

[13]
Horton F E, Reynolds D R. Effects of Urban Spatial Structure on Individual Behavior[J]. Economic Geography, 1971, 47(1):36-48.

[14]
饶会林. 试论城市空间结构的经济意义[J]. 中国社会科学, 1985(2):49-58.

[15]
艾定增. 古代城市模式对现代城市规划的影响——城市空间结构的跨文化研究[J]. 城市规划, 1987(3):44-48.

[16]
陆大道. 我国的城镇化进程与空间扩张[J]. 城市规划学刊, 2007(4):14-17.

[17]
郑伯红, 王桂芹. 基于产业用地扩展的湘潭城市空间演变及优化[J]. 经济地理, 2017, 37(6):92-99.

[18]
Ewing R H. Characteristics,causes,and effects of sprawl:A literature review[C]// Urban Ecology: An International Perspective on the Interaction Between Humans and Nature. Springer US,2008:519-535.

[19]
Liu X, Ma L, Li X, et al. Simulating urban growth by inte-grating landscape expansion index (LEI) and cellular automata[J]. International Journal of Geographical Information Science, 2014, 28(1):148-163.

[20]
王磊, 李成丽. 我国中部地区城市群多中心结构的增长效应[J]. 长江流域资源与环境, 2018, 27(10):2231-2 240.

[21]
Li J, Li C, Zhu F, et al. Spatiotemporal pattern of urbanization in Shanghai,China between 1989 and 2005[J]. Landscape Ecology, 2013, 28(8):1545-1 565.

[22]
Wang L, Li C, Ying Q, et al. China’s urban expansion from 1990 to 2010 determined with satellite remote sensing[J]. Chinese Science Bulletin, 2012, 57(22):2802-2 812.

[22]
郭泺, 杜世宏, 孙皓铭, 等. 珠海市城区景观空间格局特征分析[J]. 地球信息科学学报, 2013, 15(2):307-313.

DOI

[23]
Mcgarigal K, Cushman S, Ene E. FRAGSTATS v4:Spatial Pat-tern Analysis Program for Categorical and Continuous Maps[EB/OL]. http://www.umass.edu/landeco/research/fragstats/fragstats.html,2018-12-02.

[24]
张荣天, 张小林, 李传武. 镇江市土地利用景观格局分析[J]. 经济地理, 2012, 32(9):132-137.

[25]
Macdonald E A, Cushman S A, Landguth E L, et al. Simulating impacts of rapid forest loss on population size,connectivity and genetic diversity of Sunda clouded leopards (Neofelis diardi) in Borneo[J]. Plos One, 2018, 13(9):1-22.

[26]
孟楠, 韩宝龙, 王海洋, 等. 澳门城市生态系统格局变化研究[J]. 生态学报, 2018, 38(18):6442-6 451.

[27]
东莞市统计局, 国家统计局东莞调查队. 东莞统计年鉴—2017[M]. 北京: 中国统计出版社, 2017.

[28]
Li H, Wu J. Use and misuse of landscape indices[J]. Land-scape Ecology, 2004, 19(4):389-399.

[29]
傅伯杰, 陈利顶, 马克明, 等. 景观生态学的原理及应用[M]. 北京: 科学出版社,2002:42-57.

[30]
刘小平, 黎夏, 陈逸敏, 等. 景观扩张指数及其在城市扩展分析中的应用[J]. 地理学报, 2009, 64(12):1430-1 438.

[31]
Aldstadt J, Getis A. Using AMOEBA to Create a Spatial Weights Matrix and Identify Spatial Clusters[J]. Geographical Analysis, 2006, 38(4):327-343.

[32]
Northam R M. Urban geography[M]. Hoboken,New Jersey, United States: John Wiley & Sons,1979.

Options
Outlines

/

〈 〉