基于Logistic-GTWR模型的武漢城市圈城鎮用地擴展驅動力分析

王海軍，劉藝明，張 彬，徐 姍，賈克敬，洪 松

?

基于Logistic-GTWR模型的武漢城市圈城鎮用地擴展驅動力分析

王海軍1,2，劉藝明1，張 彬1，徐 姍3※，賈克敬4，洪 松1

（1. 武漢大學資源與環境科學學院，武漢 430079；2. 武漢大學地理信息系統教育部重點實驗室，武漢 430079； 3. 中國科學院地理科學與資源研究所，北京 100101；4. 中國土地勘測規劃院，北京 100035）

該文以武漢城市圈為例，利用1995年、2000年、2005年、2010年、2015年5期土地利用數據、社會經濟因子、鄰域因子和自然因子，構建耦合空間異質性和時間非平穩性的Logistic-GTWR（邏輯斯蒂-時空地理加權回歸）模型，挖掘武漢城市圈城鎮用地擴展驅動力及其時空分異格局。結果表明：1）耦合空間異質性和時間非平穩性的Logistic-GTWR模型比全局Logistic回歸模型和Logistic-GWR（邏輯斯蒂-地理加權回歸）模型具有更好的擬合效果，驗證了Logistic-GTWR模型在城鎮用地擴展驅動力分析研究中的適用性。2）武漢城市圈城鎮用地擴展的不同影響因子系數時空分異格局各不相同，人口因子高值分布區圍繞武漢市先收縮后擴散并逐漸穩定，最終形成繞武漢城市圈中部沿線周邊環狀分布格局；地均GDP因子高值分布區先向西部轉移，后逐漸趨于均衡，最終形成繞武漢、麻城和崇陽縣周邊集聚分布的空間格局。武漢市極化作用占據主導地位，且影響范圍不斷擴大。3）人口和經濟是20年間武漢城市圈城鎮擴展的核心驅動因子,且影響力呈逐年上升趨勢；國道、高速和省道影響力整體呈略微升高態勢。4）武漢城市圈中部及東部城市多為人口、經濟核心驅動型城市，高程影響在武漢市發展中逐漸凸顯；西部城市主要受高程限制，并以交通及經濟驅動為主，東西差異顯著;但西部城市1995年以來人口和經濟的作用強度逐步增加。人口因子作用強度在咸寧和黃岡呈逐漸上升趨勢，經濟因子作用強度在武漢、孝感、仙桃、天門、潛江和黃岡逐年上升。

土地利用；模型；城市擴展；驅動力；邏輯斯蒂；時空地理加權回歸；武漢城市圈

0 引 言

土地利用變化驅動力研究是土地利用/覆被變化的核心研究領域[1-2]。改革開放以來，中國城鎮化進程隨經濟的快速發展不斷推進[3]，截止到2016年底，中國城鎮化率已達57.4%。城鎮用地擴展作為城鎮化和土地利用變化集中且直觀的反映，對其驅動力機制的探究對新型城鎮化背景下建立更加有效的區域協調發展新機制具有重要意義。

國內外有關城鎮用地擴展驅動力研究最早可追溯至1995年土地利用/覆被變化計劃（LUCC）的發起，經過眾多地理學家不斷的深入研究，相關研究方法和模型日新月異[4]，最常用的是多元線性回歸[5]、主成分分析[6]、相關性分析[7]和回歸樹[8]等，這些模型大多從社會經濟因子出發探究與城鎮用地擴展的相關關系，不能處理空間因素變量和因變量為分類變量的情況[9]，然而空間因素是城鎮用地擴展眾多影響因子中不可或缺的要素，因此以上模型一定程度上限制了驅動力的深入挖掘。Logistic回歸模型則能很好的處理此問題，該模型通過對一組自變量和一個類別變量（離散變量）型的因變量進行回歸確定自變量對事件發生概率的影響大小，在地學[10]、社會學[11]和醫學[12]等領域得到廣泛應用。然而城市土地系統是一個自然、經濟、環境等因子都因空間變化而存在差異的巨系統，探究土地城鎮化的驅動機制必須考慮其空間異質性。隨著地理信息系統技術的不斷發展和驅動力研究的不斷深入，考慮空間異質性的GWR模型和logistic-GWR模型逐漸引起學者們的重視[13-14]，將空間因素嵌入模型中，進一步揭示土地利用變化驅動力的空間分異規律。但是城鎮用地擴展的過程兼具空間異質性和時間非平穩性，時間和地理位置的變化均會引起變量間關系或結構的變化[15]，時間上亦會存在滯后效應，因此同時將空間和時間維度納入驅動力分析模型中，對于更加全面、科學地探究土地城鎮化驅動力的時空變化特征及規律具有重要意義。本研究同時耦合空間和時間因子，構建Logistic-GTWR(邏輯斯蒂-時空地理加權回歸)模型，不僅可以完成對空間影響因素的處理，同時能夠更加完整的解析城鎮用地擴展影響因子的時空變化機制，尤其在區域發展趨向協調化和一體化的時代背景下，更有助于決策者進行城鎮用地的差異化管理。

1 研究區概況及數據來源

1.1 研究區概況

武漢城市圈（112°30'~116°10' E， 29°05'~31°50' N）地處長江中游，位于湖北省中東部地區，是以中國中部地區最大城市武漢市為中心，包括仙桃、咸寧、黃石、鄂州、黃岡、孝感、天門、潛江周邊8 個城市。

該地區面積約為5.80萬km2，2016年，武漢城市圈常住人口達3120.48萬，約占全省總人口的53.3%；GDP達20147.78億元，占全省GDP總量的62.4%。武漢城市圈是國務院首批批準的“兩型社會”試驗區和長江中游城市群重點區域，在長江中游城市群發揮經濟新增長極作用的進程中占據重要的戰略地位。

1.2 數據來源

本研究所使用數據來源于中國科學院資源環境科學數據中心提供的1995、2000、2005、2010、2015年土地利用柵格數據、人口和地均GDP公里網格數據（1 km× 1 km）以及武漢城市圈行政區劃和矢量路網數據。本文所使用的的土地利用數據分類體系為中科院土地利用覆被變化分類體系，以城鎮用地為研究對象，研究武漢城市圈所有城市及縣鎮以上所有建成區用地擴張情況。將武漢城市圈的土地利用數據與行政邊界數據進行疊置分析，獲取各市擴展面積，并計算城鎮用地擴展速率，結果如圖1所示。

圖1 1995—2015年武漢城市圈4個時期城鎮擴展速率

由圖1可知，武漢城市圈城鎮用地整體擴展速率在1995-2010年不斷增加，2010年之后可能受到了土地利用總體規劃的限制，擴展速度減緩。各市擴展速率總體上先增加后減小，呈現出階段和波動性特征。

1.3 影響因子選擇

參考已有文獻[8]、[16]-[17]，考慮到數據的可得性，本文選取3類10種因子進行分析。1）社會經濟因子：人口柵格數據（V1）、地均GDP柵格數據（V2）；2）自然因子：DEM（V3）、坡度（V4）；3）鄰域因子：距國道（V5）、距高速公路（V6）、距鐵路（V7）、距省道（V8）、距縣道（V9）、距水域的距離（V10）。

2 模型構建

Logistic回歸模型不僅可以對類別變量（離散變量）進行回歸，而且可以完成對空間變量的處理，通過每個自變量的回歸系數來分析某類事件發生的概率與自變量之間的關系[18]，從而揭示各解釋變量對事件發生概率預測的強度和作用[19]，彌補了傳統線性回歸只能對連續變量進行回歸的不足。時空地理加權回歸模型（GTWR）作為地理加權回歸（GWR）的擴展模型，耦合時間和空間因子，同時將空間異質性和時間非平穩性納入城鎮用地擴展體系中，能夠更加有效地估計因子參數，但是僅能對連續變量進行回歸。本文將兩個模型有機結合，構建Logistic-GTWR(邏輯斯蒂-時空地理加權回歸)模型。該模型既能顧及城鎮用地擴展的時空特性，又可以處理空間要素，克服GTWR模型可能因眾多坐標重合，而使結果接近于傳統線性回歸的缺點[20]，將城鎮用地擴展作為完整的時空演變系統，從而更加科學地探究城市群城鎮用地擴展驅動機制。參考學者Huang等[20]的GTWR模型及推導過程，本文將時間和空間坐標（,）納入Logistic模型，所構建的Logistic-GTWR模型數學表達形式如下：

（2）

已知：

（7）

則可推算出：

3 結果與分析

3.1 模型對比

為驗證Logistic-GTWR模型的適用性及準確性，運用1995—2000、2000—2005、2005—2010、2010—2015年的全部數據點進行模型參數運算，并將該模型與Logistic回歸模型、Logistic-GWR模型進行對比，結果見表1。

表1 模型診斷結果對比

PR為模型對城鎮用地擴展概率的預測正確率。Moran’I為全局莫蘭指數，指地理事物分布與不同空間位置的某一屬性值之間的統計相關性，全局指數的值越小，說明殘差的空間依賴程度越低，即模型考慮了更多的空間結構問題，模型的效果就越好[21]。AIC信息準則作為模型擬合優良性的一個重要標準，可考慮模型的自由度，對比不同模型的差異[22]，該值越小則模型精度越高[23]。

由表1可知，Logistic-GTWR模型的PR值和2值均顯著高于其他2個模型，即模型擬合優度較高。更小的RSS值表明該模型在數據擬合過程中誤差更小，能夠更好的解釋自變量和因變量的關系。AIC與原始模型的差距大于3，說明模型有顯著差異[24]，模型精度更高。由于考慮了更多的空間異質性和時間非平穩性特征，所以殘差的全局Moran’s I指數有明顯下降。即從模型的綜合表現來看，Logistic-GTWR模型比傳統模型更能夠顧及城鎮用地擴展顯著的空間異質性和時間非平穩性特征，從而較準確地揭示城鎮用地擴展影響因子。

3.2 城鎮用地擴展驅動力分析

參考文獻[12,14,21,25-26]，在ArcGIS10.1中對1995—2000、2000—2005、2005—2010、2010—2015年城鎮用地擴展（1）和未擴展（0）的區域隨機分層抽樣，共選取5 153個點，其中0和1的數量大致相同，不相等的抽樣比例不會影響解釋變量在模型中的系數估計，但是會影響模型的常數項[9]。對所有樣點提取位置信息和影響因子屬性值，并對各個屬性值進行極差標準化處理以消除量綱的影響，在Matlab中進行計算，通過交叉驗證所得模型的帶寬為0.338 3，1995—2015年所有數據經Logistic-GTWR模型處理所得系數全部通過0.05水平的顯著性檢驗，見表2。

由表2可知，各影響因子系數的四分位數正負性一致，作用強度變化均較明顯，說明10個影響因子對武漢城市圈城鎮用地擴展的作用強度在空間上存在顯著的非平穩性。

表2 Logistic-GTWR模型參數估計匯總

3.2.1 影響因子系數時空分異格局

將Logistic-GTWR模型計算所得的樣點參數在ArcGIS10.1中進行克里格空間插值，從全局分析其空間格局差異及時序動態變化，見圖2、圖3、圖4。其中V1、V2、V9、V10顏色越深表示系數越大，驅動強度越大；V3-V8顏色越深表示系數越大，驅動強度越小。

1）影響因子空間異質性分布規律

由圖2可知，20年間人口因子（V1）高值分布格局主要呈圍繞武漢市先收縮后擴散并逐漸穩定的趨勢。1995—2000年人口因子主要形成以武漢市江夏區和武漢市主城區、鄂州、黃石三者交界處為高值區的分布格局，2000—2005年高值區向武漢市主城區收縮；2005—2015年逐漸由武漢市主城區向武漢市遠城區及與鄂州、咸寧交界處擴散，并形成繞武漢城市圈中部沿線環狀分布格局，主要沿武漢-麻城連線周邊分布，咸寧在2015年則形成顯著的西高東低的空間分異格局，黃岡西部邊緣區也形成小范圍高值區，其他區域無明顯分異。武漢是湖北省經濟發展的重要增長極，其遠城區對人口的集聚能力不斷增強，武漢城市圈一體化發展也使得武漢對與周邊城市鄂州和黃岡接壤地區帶動作用逐漸顯著。

20年間地均GDP因子（V2）高值分布區，先向西部轉移，其次逐漸趨于均衡，最后形成繞武漢、麻城和崇陽周邊集聚分布的空間格局。1995—2000年地均GDP因子高值區主要在黃陂-黃石西北地區-武漢鄂州黃岡接壤一帶，在潛江及天門的中心區域、咸寧南部和咸安區也有少量高值區；2000—2005年高值區逐漸向武漢城市圈西部轉移，因子作用強度西北和東南差異明顯；2005—2010年間主要分布在武漢市江夏區一帶，因子作用強度差異趨于均衡；2010—2015年格局主要形成沿武漢-麻城一帶的環狀分布和繞崇陽縣城的圈層式分布格局。從整體演化格局來看，武漢市經濟發展的外溢效應仍舊不足，部分距離武漢市較遠的城市由于受到交通因素的制約，經濟發展的開放性不足，規模經濟發展程度較低，導致城市間聯系強度較小，經濟活力和對周邊帶動作用有限。

由圖2知，高程（V3）和坡度（V4）因子的空間分布格局較為相似，20年間格局無明顯變化，影響強度較大的區域主要集中在武漢城市圈在武漢市主城區周圍和武漢市中西部地區，整體東西差異較大，這主要受武漢城市圈內北部及西南部山脈等地形所致。

距離鄰域因子（圖3）中，距國道（V5）和高速距離（V6）因子的作用強度主要分布格局有兩個特征，其一對武漢城市圈層面上逐漸形成中西高東低的格局，且20年間無明顯變化；其二是局部特征呈現高值區主要分布于城市邊緣區的空間格局，且高值區隨時間逐漸由武漢市西部向北部和東部轉移；距鐵路距離（V7）因子分布格局在1995—2010年無顯著變化，主要集聚于武漢主城區東部與鄂州接壤處及南部江夏區，2010—2015年高值區向西部和北部擴展，主要分布在應城、嘉魚縣和新洲區，呈現總體西高東低的格局；距離省道距離（V8）因子影響強度總體呈西高東低態勢。1995—2010年高值區逐漸向東轉移，但依舊位于武漢市內和武漢、黃石、鄂州接壤地區；2010—2015年則重新向西遷移至孝感的應城和云夢縣；距縣道距離（V9）因子的空間分布格局較分散，1995—2000年主要沿南北連線一帶分布，2000—2005年高值點逐漸分散分布，2005—2010年高值區呈西部集聚態勢，2015年主要集聚在孝感南部（孝南區和漢川市）和武漢與孝感交接區域；而距水域距離（V10）因子的差異格局隨時間變化十分明顯，1995年大多分布在武漢市新洲區-鄂州市華容區一帶和通城縣城中部區域，2000年之后高值范圍逐漸擴大，主要分布在武漢市主城區周邊地區。

所有因子中作用強度變化范圍最大的是人口和地均GDP。人口是城鎮用地擴展的直接動力，地均GDP則是城鎮用地擴展的核心動力，其受相關政策、區位特征、產業布局和技術投入等因素影響較大，因此可通過調整產業布局和相關政策對城市擴展的強度和方向進行控制或調整。

2）驅動力時序變化分布格局

從因子驅動力大小增減的范圍來看，地均GDP因子驅動強度增加的區域面積最大，其次是坡度、人口和距鐵路及水域的距離，增加的面積全部達到50%以上。

從增減區域的格局來看，武漢城市圈的不同影響因子的變化格局各具特色。對武漢市而言，人口因子影響力增加的區域主要分布在武漢市主城區和南部邊緣區。主城區高昂的房價和擁擠的交通等因素使生活成本較高，武漢市遠城區如東西湖、蔡甸等區域成為較好的選擇。對于地均GDP因子，有70.32%的區域均呈增加趨勢，西北部和武漢市周邊是其主要的增長區域，對城鎮用地擴展的帶動作用呈外圍貼近式增長格局。武漢要素集聚能力在城市群中不斷增強，對鄂州、仙桃、漢川和孝感等周邊城市有一定的帶動作用。各道路鄰域因子各具特點，與路網分布密切相關，如距鐵路距離因子，作用力增大的區域主要是由武漢城市圈東南-西南方向一帶匯聚于武漢市，大致形成“八”字樣式，這與城際鐵路道路中的武漢-孝感、武漢-天門和武漢-黃岡路線重合。

3.2.2 核心影響因子及其時序變化

1）全域核心影響因子及時序變化

從全域平均水平，對每一階段因子的系數分別統計均值，并結合表2系數分布在宏觀上識別各階段驅動因子。1995—2000、2000—2005、2005—2010、2010—2015年各時期因子平均系數及城鎮用地擴展發生比見表3。

①全域核心影響因子識別：由表3可知，20年間武漢城市圈城鎮擴展始終以經濟和人口因子為核心。人口因子的作用強度于1995-2000年高于地均GDP，在此后的15 a，地均GDP對城鎮用地擴展的驅動均以絕對優勢居于首位。

②核心影響因子時序變化分析：地均GDP作為對武漢城市圈城鎮用地擴展影響強度最大的因子，其作用強度在20年中呈現波動上升的趨勢，2005—2010年稍有下降，并在2015年作用強度達到最大；人口因子與城鎮用地擴展呈正相關，其作用強度在1995年居于首位，除了在2005年稍有下降之外，總體呈上升趨勢；高程和坡度因子與城鎮用地擴展成顯著負相關關系，20年來其作用強度呈先降低后增加，但研究期初與期末作用強度大致相同；其他鄰域因子對城鎮用地擴展的作用強度大小差異不大，但從研究期初到期末大部分因子都呈略微提高態勢。其中距國道、高速、省道和鐵路的距離因子對城鎮用地擴展呈負相關關系，且因子強度均有提高，國道、省道等客流、連通性較好的道路更具有促進土地城鎮化的特點。距水域距離和距縣道距離與武漢城市圈城鎮用地擴展呈顯著正相關關系，且距水域距離因子作用強度整體上升，這與學者張安錄的研究一致[14]。

2）市域層面核心影響因子及時序變化

市域層面上識別城鎮用地擴展驅動力是區域土地資源差異化管理的基礎。為便于進行市域間驅動力的對比及因子驅動強度的時序變化，將各驅動因子的發生比（正相關的因子即為exp()，負相關的因子變換為1/exp()）在市域層面進行比較，具體見圖4。

圖4 武漢城市圈各驅動因子對城鎮用地擴展正向發生率

①全域核心影響因子識別：武漢城市圈9個城市中，武漢、黃石、黃岡、鄂州和咸寧的核心驅動因子在20年內均是人口和地均GDP，其中高程因子在武漢市的快速擴展中也成為重要的影響因素。仙桃、天門和潛江則表現出明顯的階段性特征，在2005年以前，人口、地均GDP、高程和坡度影響均較明顯，但高程和坡度的影響明顯高于人口和地均GDP，在2005年之后，人口和GDP的影響逐漸凸顯。孝感則始終以地均GDP、人口和高程為重要的影響因子。從城市空間分布看，人口和經濟驅動力較強的城市多分布在武漢城市圈的中部及東部，而高程坡度等驅動力較強的城市多分布在西部，即在市域層面上，驅動力強度東西差異較明顯。

②核心影響因子時序變化：除咸寧和黃岡之外，其他城市的人口因子對城鎮用地擴展的作用強度均呈現波動下降的趨勢，即人口增長雖然仍是部分城市土地城鎮化的主要驅動力，但對土地城鎮化的驅動力度在逐漸減弱。從地均GDP因子來看，除了黃石和鄂州之外，其他城市的GDP對城鎮用地擴展的驅動力均在上升，說明經濟的驅動作用顯著。

4 結 論

本文以武漢城市圈為例，構建耦合空間異質性和時間非平穩性的Logistic-GTWR模型，選取社會經濟、自然因子和鄰域因子探究了1995-2015年20年間城鎮用地擴展驅動因子的時空演變和分異格局，結論如下：

1）同時耦合時間和空間異質性的Logistic-GTWR模型，比傳統邏輯斯蒂回歸和地理加權邏輯斯蒂模型具有更好的擬合優度和模擬精度，驗證了模型在城鎮用地擴展研究中的適用性。

2）武漢城市圈城鎮用地擴展不同驅動因子時空分異格局各不相同。人口因子高值分布區圍繞武漢市先收縮后擴散并逐漸穩定，最終形成高值區繞武漢城市圈中部沿線周邊環狀分布格局，主要是沿武漢-麻城連線周邊分布；地均GDP因子高值分布區先向西部轉移，其次逐漸趨于均衡，最后形成繞武漢、麻城和崇陽周邊集聚分布的空間格局。武漢市極化作用仍占據主導地位，影響范圍不斷擴大，且在武漢市的極化作用過程中人口、產業等要素尋租效應明顯。

3）從整體上來看，人口和經濟是20年間武漢城市圈城鎮用地擴展的核心驅動因子。人口和經濟影響力呈逐年上升趨勢；國道、高速和省道影響力整體呈略微升高態勢。

4）武漢城市圈中部及東部城市武漢、黃石、黃岡、鄂州、咸寧和孝感為人口、經濟核心驅動型城市，高程影響在武漢市發展中逐漸凸顯。西部經濟發展程度稍滯后的城市仙桃、潛江和天門主要受高程及交通影響，東西差異顯著，但西部城市1995年以來人口和經濟的作用強度逐步增加。人口因子作用強度在咸寧和黃岡呈逐漸上升趨勢，經濟因子作用強度在武漢、孝感、仙桃、天門、潛江和黃岡逐年上升。

Logistic-GTWR模型顧及空間異質性和時間非平穩性，能夠精細化刻畫驅動因子的時空分異特征，為城市群和城市內部差異化管理提供思路和參考，但如何進一步優化武漢城市圈空間結構，打造多核心帶動、整體協同發展的長江經濟帶重要戰略支點需進一步探討。此外， Logistic- GTWR模型在時空參數比例確定、較少的城鎮用地擴展時間節點、由插值得到的空間格局分布圖可能與模型估計值存在差異等問題上還需進一步探究。

[1] 樊杰，呂昕. 簡論人地關系地域系統研究的核心領域：土地利用變化[J]. 地學前緣，2002，9(4)：429－430. Fan Jie, Lv Xin. A brief discussion on the core area of the regional system and the relations between humans and land: Land Use Change[J]. Earth Science Frontiers, 2002, 9(4): 429－430. (in Chinese with English abstract)

[2] 劉濤，曹廣忠. 城市用地擴張及驅動力研究進展[J]. 地理科學進展，2010，29(8)：927－934. Liu Tao, Cao Guangzhong. Progress in urban land expansion and its driving forces[J]. Progress in Geography, 2010, 29(8): 927－934. (in Chinese with English abstract)

[3] 喬偉峰，毛廣雄，王亞華，等. 近32年來南京城市擴展與土地利用演變研究[J]. 地球信息科學學報，2016，18(2): 200—209. Qiao Weifeng, Mao Guangxiong, Wang Yahua, et al. Research on urban expansion and land use change in Nanjing over the past 32 years. Journal of Geo-information Science, 2016, 18(2): 200－209. (in Chinese with English abstract)

[4] Liu Jiyuan, Liu Mingliang, Zhuang Dafang, et al. Study on spatial pattern of land-use change in China during 1995—2000[J]. Science in China (Series D), 2003, 46(4): 373－384.

[5] 王濤，李貝貝，何亮，等. 西安城市擴展時空特征與驅動因素分析[J]. 測繪科學，2017，42(04)：75－79. Wang Tao, Li Beibei, He Liang, et al. Analysis of spatial-temporal characteristics of urban expansion and driving forces in Xi’an[J]. Science of Surveying and Mapping, 2017, 42(04): 75－79. (in Chinese with English abstract)

[6] 孫雁，劉志強，王秋兵，等. 百年沈陽城市土地利用空間擴展及其驅動力分析[J]. 資源科學，2011，33(11)： 2022－2029. Sun Yan, Liu Zhiqiang, Wang Qiubing, et al. Spatial expansion of urban land use and its driving forces in Shenyang city over the past century[J]. Resources Science, 2011, 33(11): 2022－2029. (in Chinese with English abstract)

[7] 李晶輝. 土地利用變化及驅動力分析[D]. 鄭州:河南農業大學，2006. Li Jinghui. Analysis on Land Use Change and Its Driving Forces in Zhengzhou City[D]. Zhengzhou:Henan Agricultural University, 2006. (in Chinese with English abstract)

[8] 李春林，劉淼. 基于增強回歸樹和Logistic回歸的城市擴展驅動力分析[J]. 生態學報，2014，34(3)：727－737. Li Chunlin, Liu Miao. Driving forces analysis of urban expansion based on boosted regression trees and Logistic regression[J]. Acta Ecologica Sinica, 2014, 34(3): 727－737. (in Chinese with English abstract)

[9] 王濟川，郭志剛. Logistic回歸模型:方法與應用[M]. 北京：高等教育出版社，2001.

[10] 謝花林，李波. 基于logistic回歸模型的農牧交錯區土地利用變化驅動力分析—以內蒙古翁牛特旗為例[J]. 地理研究，2008(2)：294－304. Xie Hualin, Li Bo. Driving forces analysis of land-use pattern changes based on logistic regression modein the farming- pastoral zone:A case study of Ongiud Banner, Inner Mongolia[J]. Geographical Research, 2008(2):294－304. (in Chinese with English abstract)

[11] 梁琪，過新偉，石寧. 基于隨機效應logistic模型的中小企業財務失敗預警研究[J]. 管理工程學報，2014，28(3)： 126－134. Liang Qi, Guo Xinwei, Shining. Modeling financial distress risks for SMEs based on random effects logistic model[J]. Journal of Industrial Engineering and Engineering Management, 2014, 28(3):126—134. (in Chinese with English abstract)

[12] 劉立忠，常野，孫英賢. 遼寧省農村居民不同肥胖相關人體測量指數與腦卒中患病關系[J]. 中國公共衛生，2017，33(10)：1434－1439. Liu Lizhong, Chang Ye, Sun Yinxian. Relationship between obesity-related anthropometric indexes and stroke among rural residents in Liaoning province[J]. Chinese Journal of Public Health, 2017, 33(10): 1434－1439. (in Chinese with English abstract)

[13] 王少劍，王洋，趙亞博. 1990年來廣東區域發展的空間溢出效應及驅動因素[J]. 地理學報，2015，70(6)：965－979. Wang Shaojian, Wang Yang, Zhao Yabo. Spatial spillover effects and multi-mechanism for regional development in Guangdong province since 1990s[J]. Acta Geographica Sinica, 2015, 70(6): 965－979. (in Chinese with English abstract)

[14] 張孝宇，賴宗裕，張安錄. 基于地塊尺度的耕地非農化驅動力空間異質性研究—以武漢市為例[J]. 長江流域資源與環境，2015，24(6)：994－1002. Zhang Xiaoyu, Lai Zongyu. Zhang Anlu. Spatial heterogeneity in deriving forces of farmland and convernsion based on patch scale:a case study of Wuhan city[J]. Resources and Environment in the Yangtze Basin, 2015, 24(6): 994－1002. (in Chinese with English abstract)

[15] 楊毅. 顧及空間異質性和時間非平穩性的地理加權回歸方法研究[D]. 武漢：武漢大學，2016. Yang Yi. Research on Geographically and Temporally Weighted Regression for Spatial and Temporal Nonstationarity[D]. Wuhan:Wuhan University, 2016. (in Chinese with English abstract)

[16] 許月卿，田媛. 基于Logistic回歸模型的張家口市土地利用變化驅動力及建設用地增加空間模擬研究[J]. 北京大學學報(自然科學版)，2015，51(5)：955－964. Xu Yueqing, Tian Yuan. Study on driving forces and spatial simulation of land use change in Zhangjiakou city based on logistic regression mode[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(5): 955－964. (in Chinese with English abstract)

[17] 謝花林. 基于Logistic回歸模型的區域生態用地演變影響因素分析——以京津冀地區為例[J]. 資源科學，2011，33(11)：2063－2070. Xie Hualin. Analysis of regionally ecological land use and its influencing factors based on a logistic regression model in the Beijing-Tianjin-Hebei Region, China[J]. Resouces Science, 2011, 33(11): 2063－2070. (in Chinese with English abstract)

[18] 徐嘉興，李鋼. 基于logistic回歸模型的礦區土地利用演變驅動力分析[J]. 農業工程學報，2012，28(20)：247－255. Xu Jiaxing, Li Gang. Driving force analysis of land use change based on logistic regression model in mining area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(20): 247－255. (in Chinese with English abstract)

[19] 梁辰，王諾. 基于Logistic回歸的沿海經濟區建設用地演變驅動因素研究—以大連市新市區為例[J]. 地理科學，2014，34(5)：556－561. Liang Chen, Wang Nuo. Driving factor analysis of construction land changes in coastal economic zone based on logistic regression: A case study of Dalian new urban[J]. Scientia Geographical Sinica, 2014, 34(5): 556－561. (in Chinese with English abstract)

[20] Huang Bo, Wu Bo, Michael Barry. Geographically and temporally weighted regression for modeling spatiotemporal variation in house price[J]. International Journal of Geographical Information Science, 2010, 24(3): 383－401.

[21] Sharfuddin A, Setiabudi N A, Fitrianto A. On comparison between logistic regression and geographically weighted logistic regression: with application to indonesian poverty data[J]. World Applied Sciences Journal, 2012, 19(2): 205－210.

[22] 張金杜，劉彪，吳波，等. 應用改進的時空地理加權模型分析城市住宅價格變化[J]. 東華理工大學學報(自然科學版)，2010，33(1)：53－59. Zhang Jindu, Liu Biao, Wu Bo, et al. Analysis of urban house price variations by improv-ed geographically and temporally weighted model[J]. Journal of East China Institute of Technology (Natural Science), 2010, 33(1): 53－59. (in Chinese with English abstract)

[23] 梁慧玲，王文輝，郭福濤，等. 比較邏輯斯蒂與地理加權邏輯斯蒂回歸模型在福建林火發生的適用性[J]. 生態學報，2017，37(12)：4128－4141. Liang Huiling, Wang Wenhui, Guo Futao, et al. Comparing the application of logistic and geographically weighted logistic regression models for Fujian forest fire forecasting[J]. Acta Ecologica Sinica, 2017, 37(12): 4128－4141. (in Chinese with English abstract)

[24] 黃亞平，盧有朋，單卓然，等. 基于多元驅動力的大城市空間布局情景模擬—以武漢市為例[J]. 現代城市研究，2017(2)：54－61. Huang Yaping, Lu Youpeng, Shan Zhuoran, et al. Scenario planning for multiple urban space development driving force in Wuhan[J].Modern Urban Research, 2017(2): 54－61. (in Chinese with English abstract)

[25] 楊云龍，周小成，吳波. 基于時空Logistic回歸模型的漳州城市擴展預測分析[J]. 地球信息科學學報，2011，13(3)：374－382. Yang Yunlong, Zhou Xiaocheng, Wu Bo. Urban expansion prediction for Zhangzhou city based on GIS and spatiotemporal logistic regression model[J]. Journal of geoinformation science, 2011, 13(3): 374－382. (in Chinese with English abstract)

[26] 農宇，王坤，杜清運. 利用多分類Logistic回歸進行土地利用變化模擬—以湖北省嘉魚縣為例[J]. 武漢大學學報信息科學版，2011，36(6)：743－746. Nong Yu, Wang Kun, Du Qingyun. Modeling land use change using multinomial logistic regression[J]. Geomatics and Information Science of Wuhan University, 2011, 36(6): 743－746.(in Chinese with English abstract)

Analysis of driving forces of urban land expansion in Wuhan metropolitan area based on Logistic-GTWR model

Wang Haijun1,2, Liu Yiming1, Zhang Bin1, Xu Shan3※, Jia Kejing4, Hong Song1

(1.430079,; 2.430079,; 3.100101,; 4.100035,)

Under the background that the country pushes forward the new-type urbanization, spatial planning and urban agglomeration planning, it is of great significance to scientifically cognize the driving forces mechanism of urban land expansion for the urban agglomeration, which is important for the sustainable development of urban agglomeration land use and planning. Taking the Wuhan metropolitan area as an example, the paper uses the land use data, socio-economic factors, neighborhood factors and natural factors in 1995, 2000, 2005, 2010 and 2015 to construct the Logistic-GTWR (Logistic - geographically and temporally weighted regression) model, which couples the spatial heterogeneity and temporal non-stationarity. The model is used to explore the driving forces and its spatio-temporal differentiation pattern of urban land expansion in Wuhan metropolitan area. The results highlight that: 1) The Logistic-GTWR model with coupling spatial heterogeneity and temporal non-stationarity has a better performance than the global logistic regression model and the Logistic-GWR (Logistic-Geographically Weighted Regression) model which only considers the spatial heterogeneity, verifying the applicability of Logistic-GTWR model in driving force analysis of urban land expansion. 2) There are significant disparities on the spatio-temporal patterns for various driving forces of urban expansion in Wuhan metropolitan area. For example, the distribution area of high values for population factor shrank, spread and then stabilized around Wuhan, finally forming a circular distribution pattern around the central part of Wuhan metropolitan area as time went by. The distribution area of high value for per capita GDP (gross domestic product) firstly transferred to the west, then gradually balanced, and finally concentrated around Wuhan, Macheng and Chongyang. The effect of polarization plays a dominant role in the process of urbanization in Wuhan, and its influence range is constantly expanding. The effect of rent seeking is apparent. 3) Population and economy are the core driving forces of urban expansion in Wuhan metropolitan area in 20 years and the influence of the 2 factors has been increasing year by year. The influence of the national highways, highways and provincial roads has been slightly increased. 4) The central and eastern cities are mostly such cities where population and economic factors are the core driving forces. The influence of elevation is gradually prominent in the development of Wuhan on account of a rapid development and decreasing land source. The cities in the west are mainly restricted by elevation and driven by traffic, where the differences between the east and the west are obvious. However, the intensities of the population and economy in western cities have gradually increased since 1995. The effects of population and economy on western cities have been an uptrend since 1995. Similarly, the intensity of population has been gradually increasing in Xianning and Huanggang. In Wuhan, Xiaogan, Xiantao, Tianmen and Qianjiang, economic factor has an increasing trend over year. This research provides a model that couples the spatial heterogeneity and temporal non-stationarity, depicting more detailed spatio-temporal differentiation characteristics of driving factors, which is beneficial to the meticulous management of land resource.

land use; models; urban expansion; driving forces; logistic; geographically and temporally weighted regression; Wuhan metropolitan area

10.11975/j.issn.1002-6819.2018.19.032

F292

A

1002-6819(2018)-19-0248-10

2018-04-02

2018-08-08

國家自然科學基金面上項目(41571384)；國土資源部土地資源調查評價項目(DCPJ161207-01)；國家基礎科學人才培養基金項目（J1103409）；國家自然科學基金重點項目（71433008）

王海軍，博士，教授，博士生導師，主要從事地理模擬、城市規劃和土地資源評價等方面研究。Email：landgiswhj@163.com

徐 姍，博士，副研究員，主要從事城鄉規劃與城市更新研究。Email：xushan@chinasus.org

王海軍，劉藝明，張 彬，徐 姍，賈克敬，洪 松. 基于Logistic-GTWR模型的武漢城市圈城鎮用地擴展驅動力分析[J]. 農業工程學報，2018，34(19)：248－257. doi：10.11975/j.issn.1002-6819.2018.19.032 http://www.tcsae.org

Wang Haijun, Liu Yiming, Zhang Bin, Xu Shan, Jia Kejing, Hong Song. Analysis of driving forces of urban land expansion in Wuhan metropolitan area based on Logistic-GTWR model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(19): 248－257. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.19.032 http://www.tcsae.org