山東半島城市群土地利用空間結構及其驅動因素分析*

山東建筑大學土木工程學院 單寶艷 孟 飛 李志婷

一、引言

城市土地利用結構是城市規劃和土地利用規劃的研究熱點。關于城市土地利用結構的研究，國內外學者主要從城市土地利用的空間結構及空間過程、地域差異與空間演變、增長機制及驅動因素、用地結構與經濟結構關系、多樣性與合理性等方面進行研究，［1～10］并取得豐碩成果。城市土地利用結構是人們生產生活在空間上的反映，體現著城市功能、空間結構及其互相關系，其發展演變受自然環境和經濟社會的綜合影響。［2、3］不同區位、不同職能、不同規模、不同發展階段的城鎮土地利用結構和空間擴展方式各異。［5～7］城鎮土地利用結構會作用于區域經濟，合理的土地利用結構有利于促進區域經濟發展。3S等新技術和方法不斷應用于城鎮土地利用空間結構研究，拓寬了研究范圍，提高了研究精度。［1、10］土地利用的總量數據反映著城市規模，而人均數據反映著土地利用效率和效益，其空間關系必然不同，而基于此的對比研究較少。本文基于山東半島城市群各市(縣)土地利用的總量數據和人均數據，采用K均值聚類、全局和局部空間自相關方法分析山東半島城市群土地利用的空間結構特征;然后采用逐步回歸分析方法，分析土地利用結構變化的主要驅動因素。

二、研究區概況與數據來源

本文的研究范圍為山東半島城市群，包括濟南、青島、煙臺、淄博、濰坊、東營、威海和日照8個設區城市以及36個縣級市(縣)組成的城市群。山東半島城市群區位條件優越，交通發達，產業體系較為完整，是山東省城鎮最密集、經濟最發達區域。研究山東半島城市群土地利用結構的空間特征及其驅動因素具有重要的理論和現實意義。

本文選取的城市土地利用數據有居住用地、公共設施用地、工業用地、倉儲用地、對外交通用地、道路廣場用地、市政公用設施用地、綠地和特殊用地等9個指標;選取的城市建設和經濟社會數據有城區人口、人均日生活用水量等13個指標。土地利用和城市建設數據來源于《山東省建設統計年報》，經濟社會數據來源于《山東統計年鑒》(2012年)。

三、山東半島城市群土地利用結構的空間聚類分析

聚類分析是根據反映樣本自身屬性的相似性或差異性指標，用數學方法定量確定樣本之間的親疏關系。本文采用K均值聚類分析方法進行研究，運用matlab7.0的kmeans函數進行聚類分析。kmeans函數認為數據集中的每個實測值在空間中都有一個位置，它通過尋找數據間的關系:類中對象盡可能靠近，類間對象離的盡可能的遠，而實現類的劃分。要確定分類結果的合理程度，可采用keams函數的分類指數繪制輪廓線，用分類指數顯示每個點的接近程度。本文分別基于2012年山東半島城市群土地利用的總量數據和人均數據進行分析，并進行了合理性檢驗。根據kmeans聚類結果，利用ArcGIS10.0進行空間分布分析。

分析結果表明，基于城市土地利用總量指標和人均指標的聚類結果明顯不同?；诳偭恐笜说木垲惙治鼋Y果與城市規模明顯相關，如濟南、青島、煙臺三市聚為一類，是山東半島城市群中規模和經濟總量最大的三個城市。濰坊、淄博、東營、威海、日照五市聚為一類，為半島城市圈中其他5個設區城市。青島、濰坊、威海的大部分縣級市(縣)聚為一類，是縣級市(縣)中規模相對較大的城市。基于土地利用人均指標的聚類分析結果，空間相關特征較為明顯，同類區域基本相鄰。濟南、青島、煙臺所轄的商河縣、高清縣、沂源縣、廣饒縣、海陽市、龍口市、招遠市、青州市、壽光市、榮成市、文登市、乳山市為一類;平陰縣、東營市、墾利縣、煙臺市、長島縣、昌邑市、威海市、莒縣是一類;高密獨成一類;其余市(縣)為一類。

四、山東半島城市群土地利用的空間統計分析

本文采用全局和局部自相關指數Moran's I進行土地利用結構的空間統計分析。全局自相關指數Moran's I用公式1進行計算，局部自相關指數Local Moran I(LISA指數)用公式2進行計算。計算結果可以通過計算Z值和P值進行顯著性檢驗，本文采用|Z|≥1.96，P≤0.05為通過顯著性檢驗。

(一)山東半島城市群土地利用的全局自相關分析。

利用ARCGIS10.0的Spatial Statistics Tools中的Spatial Autocorrelation(Morans I)工具分別對2012年山東半島城市群8個設區城市和36個市(縣)土地利用的總量數據和人均數據進行計算，得到Moran's I值、Z值和P值，結果如表1所示。

由表1可見，基于山東半島城市群各土地利用類型的總量數據計算的Moran's I值均未通過顯著性檢驗，這說明山東半島城市群各市(縣)土地利用結構未呈現空間集聚特征，而呈空間隨機分布。基于各土地利用類型的人均數據計算的Moran's I值中，公共設施用地和特殊用地通過顯著性檢驗，且達到了0.01的置信水平;其他用地類型均未通過顯著性檢驗。說明從全局來看，山東半島城市群公共設施用地和特殊用地呈現空間集聚特征，其他類型用地呈現空間隨機分布。為進一步探索各類型用地的空間自相關特征，尚需進行局部空間自相關分析。

(二)山東半島城市群土地利用的局部自相關分析。

利用ARCGIS10.0的Spatial Statistics Tools中的Cluster and Outlier Analysis(Anselin Local Morans I)工具分別對2012年山東半島城市群各土地利用類型的總量數據和人均數據進行計算，得到Moran's I值、Z值、P值和空間聚類結果。

1.山東半島城市群土地利用總量數據的局部自相關分析。鑒于數據量較大，居住用地總量數據的部分LISA分析結果(按P值從小到大排列)見表2。

由表2可見，山東半島城市群居住用地總量數據的LISA指數只有濟南和青島通過顯著性檢驗，呈現空間集聚特征，青島市是高值與高值集聚(HH)，濟南市是高值和低值集聚(HL)。其他市(縣)未呈現集聚特征。同樣，利用ArcGIS10.0分別對公共設施用地、工業用地等其他8類用地總量數據進行局部空間自相關分析，并將通過顯著性檢驗的匯總如表3所示。各市(縣)均未呈現低高集聚(LH)和低低集聚(LL)，表中不再列出。

表1 山東半島城市群各土地利用類型的全局空間自相關分析

表2 山東半島城市群居住用地總量數據局部空間自相關分析

表3 山東半島城市群各類用地總量數據局部空間自相關分析

2.山東半島城市群土地利用人均數據的局部自相關分析。鑒于數據量較大，居住用地人均數據的部分LISA分析結果(按P值從小到大排列)見表4。

由表4可見，山東半島城市群居住用地人均數據的LISA指數有7個市縣通過顯著性檢驗，呈現空間集聚特征，其中長島縣、東營市、墾利縣、萊西市、萊陽市、萊州市、利津縣和蓬萊市是高高集聚(HH)，平陰縣是高低集聚(HL)。同理，可計算公共設施用地等其他8類用地人均數據的空間自相關分析結果，并將通過顯著性檢驗的匯總如表5所示。各市縣均未呈現低高集聚(LH)和低低集聚(LL)，表中不再列出。

表4 山東半島城市群居住用地總量數據局部空間自相關分析

表5 山東半島城市群各類用地人均數據局部空間自相關分析

(三)基于土地利用總量數據和人均數據的空間自相關結果對比分析。

基于總量數據計算的全局空間自相關，各土地利用類型均未呈現空間集聚特征;基于人均數據計算的全局空間自相關，公共設施用地和特殊用地呈現空間集聚特征?；诳偭繑祿嬎愕木植靠臻g自相關，16個市(縣)在不同的土地利用類型上呈現空間高高集聚特征，1個市呈現高低集聚特征?；谌司鶖祿嬎愕木植靠臻g自相關，68個市(縣)在不同的土地利用類型上呈現空間高高集聚特征，7個市(縣)呈現高低集聚特征。這說明，人均土地利用數據比其總量數據空間集聚特征更加明顯，其相似性集聚的空間結構特點更加突出。

五、山東半島城市群土地利用結構的驅動因素分析

本文采用逐步回歸分析方法研究土地利用結構的驅動因素。逐步回歸分析的主要原則是:對于影響因變量y的諸多自變量x中選擇一些變量作為自變量，建立最優回歸方程。最優回歸方程是指在回歸方程中包含所有對因變量y影響顯著的自變量而不包含對y影響不顯著的自變量。其主要思路是:根據各自變量對y的影響顯著程度大小，由大到小地逐個引入回歸方程，而對那些對y作用不顯著的變量不引入回歸方程。同時，已被引入回歸方程的變量在引入新變量后若失去重要性，而需要從回歸方程中剔除。引入或者剔除一個變量都作為逐步回歸分析的一步，每一步都要進行檢驗，以保證在引入新變量前回歸方程中只含有對y影響顯著的變量，而不顯著的變量被剔除。作者采用Matlab7.0中的STEPWISE函數進行計算，分別選取居住用地等9類用地作為因變量，選取城區人口、人均日生活用水量、用水普及率、燃氣普及率、人均城市道路面積、人均公園綠地面積、建成區綠化覆蓋率、建成區綠地率、地方財政預算內收入、地方財政預算內支出、城鄉居民儲蓄存款余額、社會消費品零售額、出口總額等13個指標作為自變量進行逐步回歸。最終確定回歸方程和主要驅動因素的標準是:F值大于0.05置信水平的臨界值;p值小于0.05;回歸均方誤差RMSE最小(結果如表6所示)。

表6 山東半島城市群各類型用地逐步回歸分析結果

續表

由表6可見，山東半島城市群各類型用地的主要驅動因素不同。居住用地主要受X1(城區人口)、X11(城鄉居民儲蓄存款余額)、X9(地方財政預算內收入)和X13(出口總額)的影響;公共設施用地主要受 X1(城區人口)、X10(地方財政預算內支出)、X9(地方財政預算內收入)的影響;工業用地主要受X1(城區人口)、X11(城鄉居民儲蓄存款余額)的影響;倉儲用地主要受X9(地方財政預算內收入)、X11(城鄉居民儲蓄存款余額)的影響;對外交通用地主要受X1(城區人口)的影響;等等。各類型用地的最主要驅動因素是X1(城區人口)、X11(城鄉居民儲蓄存款余額)、X9(地方財政預算內收入)、X13(出口總額)。城區人口是居住用地、公共設施用地、工業用地、對外交通用地、道路廣場用地、市政公用設施用地、特殊用地和綠地的主要驅動因素;城鄉居民儲蓄存款余額是居住用地、工業用地、倉儲用地、道路廣場用地、市政公用設施用地和特殊用地的主要驅動因素;地方財政預算內收入是居住用地、公共設施用地、工業用地、倉儲用地、道路廣場用地、綠地和特殊用地的主要驅動因素;出口總額是居住用地、道路廣場用地和特殊用地的主要驅動因素。

六、結論與討論

基于K均值聚類和空間自相關分析結果均表明，山東半島城市群各土地利用類型總量數據在空間上未呈現空間集聚特征，而呈空間隨機分布;各土地利用類型人均數據的空間集聚特征較為明顯。這說明人均土地利用數據更能反映土地利用結構的空間特征和區域差異。山東半島城市群各類型用地的主要驅動因素不同，最主要的驅動因素為城區人口、城鄉居民儲蓄存款余額、地方財政預算內收入和出口總額。這說明，城市人口增長是土地利用增長和結構變化的主導因素;反映城鎮居民生活水平的城鄉居民儲蓄存款余額和當地經濟水平的地方財政預算內收入也是影響土地利用結構變化的主要因素;山東半島城市群為外向型城市群，對外出口數額影響土地利用結構。因此，調整土地利用結構，更應注重人均指標的調整，注重土地利用的集約效率，注重調整影響土地利用結構的主要驅動因素。

［1］張國坤、鄧偉、張洪巖等:《新開河流域土地利用格局變化圖譜分析》，載于《地理學報》2010年第9期，第1111～1120頁。

［2］劉俊、陸玉麒:《經濟快速發展地區土地利用結構的時空演變——以蘇錫常地區為例》，載于《長江流域資源與環境》2009年第4期，第307～313頁。

［3］豐雷、蔣妍、黃曉宇:《土地利用結構與社會經濟結構——基于中國不同用地類型區域的實證分析》，載于《地域研究與開發》2011年第1期，第110～115頁。

［4］張海兵、鞠正山、張鳳榮:《中國社會經濟結構與土地利用結構變化的相關性分析》，載于《中國土地科學》2007年第2期，第12～17頁。

［5］魯春陽、高成全、楊慶媛、文楓:《不同職能城市土地利用結構影響因素分析》，載于《地域研究與開發》2012年第1期，第120～125頁。

［6］楊永春、楊曉娟:《1949～2005年中國河谷盆地型大城市空間擴展與土地利用結構轉型——以蘭州市為例》，載于《自然資源學報》2009年第1期，第37～49頁。

［7］魯春陽、文楓、楊慶媛、張鵬飛:《地級以上城市土地利用結構特征及影響因素差異分析》，載于《地理科學》2011年第5期，第600～607頁。

［8］譚潔、朱紅梅、金衛華:《長沙市土地利用結構熵值時序分析》，載于《經濟地理》2010年第1期，第118～121頁。

［9］喬偉峰、孫在宏、邵繁榮、倪婷、馮松松、張果:《高度城市化區域土地利用結構演化與驅動因素分析——以蘇州市為例》，載于《長江流域資源與環境》2012年第5期，第557～564頁。

［10］涂小松、濮勵杰:《蘇錫常地區土地利用變化時空分異及其生態環境響應》，載于《地理研究》2008年第3期，第583～593頁。