北京市城镇扩张的道路网络影响分析

刘润润，胡业翠，郑新奇，郑云梅

(中国地质大学(北京)土地科学技术学院，北京 100083)

1 引言

20世纪80年代以来,土地利用/覆被变化(LUCC)成为世界关注的热点问题,其中城镇增长是LUCC研究的重要内容。交通道路分布与城镇用地扩张关系密切,交通网络扩张与区域发展存在内在关联[1],道路是社会联系、经济和政治决定的物理表现,而社会联系、经济政治决定又将引导土地利用变化。道路分布影响着城镇扩张的模式,城镇扩张反过来又影响着道路网络的发展演变[2-3]。北京作为中国的政治文化中心,城镇扩展迅速[4],2008年北京城镇用地为1985年的2.9倍多(根据1985、2008年LandSat的TM遥感影像解译结果计算),城镇的快速扩张导致建设用地供需矛盾日益突出,耕地保护和生态建设的压力逐年加大,迫切需要探索城镇演化规律,实现土地的合理利用与规划。

国内外学者对城镇扩张规律进行了大量研究,研究方法主要为基于GIS[5]和RS技术的空间扩展监测法[6-7],以及Logistic回归[8-9]、元胞自动机(CA)[10-11]、系统动力学等系统模型分析法,研究表明道路网络是城镇扩张的主要内在适应性因素。众多的数理方法和空间模型已用以研究交通道路与城镇扩张之间的相互作用[12-14],何春阳等借助“3S”技术研究北京1975—1997年城市化过程[15],结果表明北京城市化受交通等内在因素影响并呈现中心大区和边缘次级中心区沿交通干线的线状城市扩张模式。侯敏等利用多变量Logistic回归模型分析北京交通道路通达性和城市化状态[16],结果表明交通是影响北京城市空间形态变化的重要因素。曹峰等基于粗糙集探索广东省交通道路与城镇扩张关系[2]。以往研究中对于城镇扩张与道路空间关系的量化研究较少,对于道路网络问题的探讨,一般采用道路密度[3,17]、交通道路的通达度[18-19]进行量化分析。

本文借助GIS软件,对北京市1985—2008年的城镇用地变化进行空间统计,量化城镇扩张与道路密度之间的关系,对于北京城乡规划、可持续发展等领域具有一定的参考意义,并有助于揭示城乡各区在不同的路网发展阶段的区域发展空间特征。

2 数据获取与处理

2.1 数据来源

本文研究区为北京市,包括传统中心6城区和远郊区各城镇,覆盖面积为16808 km2。基础数据为北京市1985、2008年两期的土地利用矢量图,以及北京市道路矢量图。1985、2008年两期土地利用矢量图是由30 m×30 m分辨率的LandSat的TM遥感影像解译获得。北京市道路交通网络图由2006年1∶10000的航空摄影图数字化得到,并以2008年LandSat的TM遥感影像为底图,进行了道路的补充修改。

2.2 数据处理

2.2.1 城镇用地变化信息提取 以1985、2008年的土地利用矢量图为基础数据,基于ArcGIS软件提取城镇用地变化的空间分布图。具体步骤为：(1)在ArcMap中分别提取1985、2008年的城镇用地数据；(2)利用ArcToolbox将提取的城镇数据进行栅格化处理,栅格数据的空间分辨率为30 m×30 m；(3)在ArcGIS的Workstation中调用Grid模块,对1985、2008年城镇用地变化的空间数据进行统计分析。

2.2.2 道路网络密度空间信息提取 以北京市道路网络现状分布图为基础数据,基于ArcGIS软件获得北京市道路网络密度空间分布数据。(1)利用ArcToolbox生成北京市道路网络密度栅格图,栅格空间分辨率为30 m×30 m,同时提取城镇扩张区域对应的道路网络密度栅格数据；(3)将道路网络密度离散化,保留到小数点后一位,离散点值85个；(4)在ArcGIS的Workstation中调用Grid模块得到道路密度与城镇用地变化的空间对应关系数据。

2.2.3 城镇用地扩张与道路网络密度关系的定量模型 回归分析是一种研究变量间存在的非确定的相互依赖和制约关系的有效数理统计方法[20]。周一星在1982年提出城市化水平与人均收入之间在一定时空条件下服从对数关系法则[21],与此同时,Taylor则证明交通网络连接度与人均收入之间也满足对数关系[22]。为探索北京市城镇扩张与道路网络密度可能存在的定量关系,分别建立城镇扩张—道路密度一元线性回归模型、一元曲线回归模型及对数关系模型,具体模型如下：

式1—6中,y为城镇用地扩张速度,x为道路密度,βi(i=1,2,3)为回归系数,a0为常数项,εt为回归残差；对于式1和式4,若β1＞ 0,说明城市扩张与道路密度正相关,反之,两者负相关；对于式2和式4,若β2＜ 0,说明城市扩张与道路密度呈倒U形曲线关系,若β2＞ 0,则两者呈U型曲线关系；对于式3和式6,若β3＞ 0,β2＜ 0且β1＞ 0,说明城镇扩张面积与道路密度之间呈N型曲线关系,反之,若β3＜ 0,β2＞ 0且β1＜ 0,说明城市扩张与道路密度之间呈倒N型曲线关系。

3 结果分析

3.1 北京市城镇用地扩张的道路网络密度空间特征

1985年以来,北京市城镇用地扩张明显,图1结果显示,城镇扩张主要集中在3环以外,除东城区、西城区的北京传统4城区；昌平区、大兴区、通州区、房山区、门头沟区中城镇扩张区域分布在临近城6区边界处,以及各个区县的老城镇区周围；作为远郊区县的延庆县、密云县、怀柔区、平谷区、顺义区,城镇主要围绕老城镇区扩张。也就是说北京城镇扩张是从核心区域开始的,周边城镇一定程度上受中心城市的空间辐射作用的影响。

图1 北京市1985—2008年城镇用地变化图Fig.1 Urban land change between 1985 and 2008 in Beijing

图2 北京市道路网络密度分布图Fig.2 Distribution of Road network density in Beijing

在ArcGIS中利用Natural Breaks方法将北京市道路网络密度进行分级,图2结果显示北京市道路最密集区域分布在三环以内,第二个密度等级(5.5×103—9.2×103km/km2)是三环至五环之间；传统6城区内道路网密度较高,其中东城区、西城区道路最为密集；大兴区、通州区、顺义区、昌平区东部、房山区东部道路网主要分布在第三密度等级(3.2×103—5.5×103km/km2)；怀柔区、密云县、门头沟区道路网稀疏,除城镇区外大部分区域分布在第五道路等级(0.1×103—1.8×103km/km2)。

在ArcGIS的GRID模块中统计北京市1985—2008年城镇用地变化的道路网络密度特征,结果显示(表1),2008年相对1985年城镇扩张面积为939.91 km2。城镇扩张明显区域位于道路密度的2和3等级,1985—2008年该部分扩张面积占北京总扩张面积的91.99%, 当道路密度超过9.0×103km/km2时,城镇扩张面积为0。

表1 北京市城镇用地扩张的道路网络密度特征Tab.1 Road network density characteristics of urban expansion in Beijing City

3.2 北京市城镇用地扩张与道路网络密度关系的模型分析

北京城镇用地扩张与道路网络密度的关系分为两个阶段：(1)当道路密度大于9.0×103km/km2时,城镇扩张面积为0。(2)当道路密度不超过9.0×103km/km2时,北京城镇用地扩张与道路网络密度呈现倒U型曲线关系。利用Stata软件对1985—2008年间城镇扩张速度、道路网络密度,按照式1—6的回归模型进行最小二乘(OLS)回归估计,得到模型估计系数(表2)。回归估计结果显示,模型1、3、4、5和6的估计系数均达到1%的显著性水平；模型6的可决系数(R2)和F统计值均为6个模型中的最高值,分别为0.88和202.09。综合考虑模型整体的拟合优度和各变量的显著性水平,模型6为最优拟合模型。

表2 北京市城镇扩张速度与道路网络密度回归分析结果Tab.2 Regression analysis results of urban expansion and road network model in Beijing City

综合以上分析,城镇扩张—道路网络密度的模型为：

式7中,y为城镇用地扩张速度, x为道路密度。由于等式左边lny为单调递增函数,当等式右边取得极值时,y也达到极值点。

为了更深入探索道路网络密度与城镇扩张的相互促进程度的转变,本文基于估计得到的城镇扩张—道路网络模型及其转折点公式,计算了道路网络密度对城镇扩张促进程度发生转变的转折位置,具体计算如式8：

式8中,x0为城镇扩张速度随道路网络密度增加发生转变的道路密度值,βi(i=1,2,3)为城镇扩张—道路网络回归模型6式中xi(i=1,2,3)的估计系数。基于式8可以算出,道路网络密度为3.5×103km/km2时,北京城镇扩张速度达到最大；道路网络密度为9.0×103km/km2时,城镇扩张达到最小值,为0。

城镇扩张速度随道路网络密度增加的发展趋势可总结为：道路密度小于9.0×103km/km2时,北京市城镇扩张速度与道路网络密度呈倒U型曲线关系,3.5×103km/km2是城镇扩张速度随道路密度增加发展趋势变化的转折点；道路密度超过9.0×103km/km2时,城镇不再扩张。在城镇发展初期,城镇扩张速度随道路网络密度的增加而加快,主要原因是随着人口和经济的快速增长,对物质产品、文化生活和环境质量提出了更高的要求,基础设施投资也在逐年加大,这刺激了城镇的扩张与道路建设,城镇扩张与道路网络密度呈现相互促进的因果关系。当道路网络密度达到3.5×103km/km2时,城镇扩张速度转变为随道路网络密度增加而减小,究其原因,首先,随着人口的增长,居住成本随之增加,加上户籍管理和资源承载力的约束可能限制人口的流动进而限制城镇扩张[23]；其次,北京城市规划建设始终高度重视保持传统的城市格局、建筑特色和城市景观,体现北京的文化背景,一定程度上限制了城镇随道路网络密度增加而扩张；再次,交通道路污染限制了北京城镇随道路网络密度增加而扩张,国内外大量研究表明交通道路污染对人体健康和环境安全造成严重威胁[24-26],2004—2008年,北京市用于道路运输的经济成本平均占总GDP的0.58%,与此同时,其引起空气污染导致的健康问题的花费估计值为1.9×109元/年[27]；此外,道路的急剧增加导致部分人群转移到远郊区县,从而减慢城镇扩张的速度,当道路密度超过9.0×103km/km2时,由于受土地资源、城市规划等自然和社会条件的限制,城镇不再扩张。

图3 北京市城镇扩张与道路网络曲线拟合Fig.3 Fitting curve of urban expansion and road network

4 结论

通过对1985—2008年城镇扩张与道路网络数据进行分析,得出如下结论：

(1)北京地区城镇扩张主要表现为中心城区和远郊区县中心区的面状扩张。城镇扩张区域主要分布在除东城区、西城区外的北京中心4城区,远郊区县中围绕老城镇区的城镇用地扩张比较明显。

(2)北京道路网络密度主要表现为中心城区和远郊区县中心区向周边区域的逐级递减。北京道路最密集区域分布在三环以内,其次是三环至五环之间。传统6城区内道路网密度较高,其中东城区、西城区道路最为密集,远郊区县中的怀柔区、密云县、门头沟区道路网相对稀疏。

(3)在道路密度不超过9.0×103km/km2时,北京市城镇扩张与道路网络具有倒U曲线关系,即城镇扩张速度先随道路网络密度的增加而加快,道路网络密度为3.5×103km/km2时,城镇扩张速度随道路网络密度的增加而减慢；道路密度超过9.0×103km/km2时,城镇将不再扩张。目前,北京市五环以内包括五环周围区域,城镇扩张速度都已呈现出随道路密度增加而减小的趋势,五环以外道路密度基本未达到3.5×103km/km2,城镇扩张速度主要表现为随道路密度增加而加快。而三环以内道路密度基本在9.0×103km/km2以上,城镇扩张潜力较小。为了避免城镇用地的快速扩张,特别是远郊区县应强化土地的高效利用,合理规划交通道路,实现城镇用地与道路网络的相互促进、协调发展。

本文分析了城镇扩张与道路网络之间的关系,对二者的发展规律进行探索,量化了道路发展对城镇扩张的影响。需要说明的是,本文中的倒U型曲线仅反映了从总体上看,北京地区在该研究时段的政策、经济、文化条件下城镇扩张与道路网络密度的关系,研究中未考虑道路的分级处理,只考虑道路长度及道路的空间分布。尽管如此,该研究估算的北京城镇扩张与道路网络的量化关系对北京城乡规划、可持续发展等具有重要的参考价值。

（References）:

［1］ ALISA W.C.From roadkill to road ecology： A review of the ecological effects of roads［J］.Journal of Transport Geography, 2007,15(5)：396-406.

［2］ 曹峰, 宋海荣, 葛咏, 等.基于粗糙集的交通道路与城镇用地扩展关系分析［J］.地球信息科学学报, 2010,12(6)：791-796.

［3］ 刘锐, 何劲, 胡伟平.广佛都市区道路网络与城镇建设用地间的影响分析［J］.地球信息科学学报, 2011,13(5)：601-610.

［4］ 胡东屿, 徐振宇, 兰新梅.城市加速扩张、政府责任与服务业发展：以北京为例［J］.城市发展研究, 2007,14(6)：101-104.

［5］ LI X, ZHANG L, LIANG C.A GIS-based buffer gradient analysis on spatiotemporal dynamics of urban expansion in Shanghai and its major satellite cities［J］.Procedia Environmental Sciences International Conference on Ecological Informatics and Ecosystem Conservation (ISEIS 2010), 2010,2(0)：1139-1156.

［6］ 韦薇, 张银龙, 赵兵, 等.快速城市化进程中城市扩张对景观格局分异特征的影响［J］.生态环境学报, 2011,20(1)：7-12.

［7］ XIAO J, SHEN Y, GE J, et al.Evaluating urban expansion and land use change in Shijiazhuang, China, by using GIS and remote sensing［J］.Landscape and Urban Planning, 2006,75(1-2)：69-80.

［8］ 杨云龙, 周小成, 吴波.基于时空Logistic回归模型的漳州城市扩展预测分析［J］.地球信息科学学报, 2011,13(3)：374-382.

［9］ 姜文亮.基于GIS和空间Logistic模型的城市扩展预测——以深圳市龙岗区为例［J］.经济地理, 2007,27(5)：800-804.

［10］ 樊风雷, 王云鹏.基于CA的珠三角核心区城市扩张预测研究［J］.计算机工程与应用, 2007,43(36)：202-204.

［11］ 刘勇, 吴次芳, 岳文泽, 等.基于SLEUTH模型的杭州市城市扩展研究［J］.自然资源学报, 2008,23(5)：797-807.

［12］ 李振福.基于交通发展的城市化水平测度模型［J］.大连海事大学学报, 2004,30(3)：52-55.

［13］ 陈彦光.交通网络与城市化水平的线性相关模型［J］.人文地理, 2004,19(1)：62-65.

［14］ 夏飞, 叶莉, 袁洁.中国公路交通与城镇化发展综合评价及其相关性研究［J］.广西财经学院学报, 2010,23(4)：1-6.

［15］ 何春阳, 史培军, 陈晋, 等.北京地区城市化过程与机制研究［J］.地理学报, 2002,57(3)：363-371.

［16］ 侯敏, 朱荣付.北京地区交通对城市空间形态的影响研究［J］.测绘通报, 2007,(12)：59-61.

［17］ QING S.The effect of population density, road network density, and congestion on household gasoline consumption in U.S.urban areas［J］.Energy Economics, 2011,33(3)：445-452.

［18］ HUIJSER M P, BERGERS P J M.The effect of roads and traffic on hedgehog (Erinaceus europaeus) populations［J］.Biological Conservation, 2000,95(1)：111-116.

［19］ DEVELEY P F, STOUFFER P C.Effects of roads on movements by understory birds in mixed-species flocks in central Amazonian Brazil［J］.Conservation Biology, 2001,15(5)：1416-1422.

［20］ 王国丽, 陈晓飞, 刘刊, 等.回归分析在水科学中的应用综述［J］.中国农村水利水电, 2004,(11)：40-44.

［21］ 周一星.城市化与国民生产总值关系的规律性探讨［J］.人口与经济, 1982,(1)：28-33.

［22］ TAYLOR P J.Quantitative methods in geography an introduction to spatial analysis［J］.Illinois：Waveland Press Inc., 1983：215-216.

［23］ 黄庆旭, 何春阳, 史培军, 等.城市扩展多尺度驱动机制分析——以北京为例［J］.经济地理, 2009,29(5)：714-721.

［24］ 李炯, 孙德智, 王毅力.北京市和广州市三种典型交通道路空气悬浮颗粒物污染特征［J］.环境化学, 2010,29(4)：654-658.

［25］ 陈建华, 王玮, 刘红杰, 等.北京市交通路口大气颗粒物污染特征研究(Ⅰ)——大气颗粒物污染特征及其影响因素［J］.环境科学研究, 2005,18(2)：34-38.

［26］ HAGLER G S W, TANG W, FREEMAN M J, et al.Model evaluation of roadside barrier impact on near-road air pollution［J］.Atmospheric Environment, 2011,45(15)：2522-2530.

［27］ GUO X R, CHENG S Y, CHEN D S, et al.Estimation of economic costs of particulate air pollution from road transport in China［J］.Atmospheric Environment, 2010,44(28)：3369-3377.