基于POI和RS数据的产业用地分布变化特征识别及调控

李婷 杨鑫 黄诗婷 赵华甫

中国地质大学（北京）土地科学技术学院 北京 100083

北京市作为中国的政治中心和经济中心城市，其根据高质量发展的要求，一直坚持减量集约、功能引领、重点推进的原则，不断优化城市服务功能组织，强化首都功能。而城六区（东城区、西城区、朝阳区、海淀区、丰台区、石景山区）又属于北京市的首都功能核心区与城市功能拓展区，所以本研究以北京市城六区为研究对象。但由于通过目视解译得到的土地利用现状图，其图斑变化区域内，单位区域的城市功能一般会随之显著变化，而地类图斑不变区域的城市单位区域功能性质的变化分布无法被精细化和可视化表达出，所以本研究首次将RS数据POI数据相互补充，基于前者的解译成果，识别地类变化情况，在此基础上运用样方密度和分区识别法进行POI数据功能识别变化分析，从而得出产业用地分布变化特征并依此提出调控建议。

1 研究方法与数据来源

1.1 研究区概况

北京市位于华北平原西北边缘，气候类型为暖温带半湿润大陆性季风气候，整体地势西北高、东南低，西部为山区，地处海河流域；地带性植被为落叶阔叶林并有温性针叶林，受人类活动影响，山区主要为次生林，平原地区主要为农田、城镇和基础设施用地。本研究涵盖北京市行政区内的中心城六区，总面积约为1378平方公里。

1.2 研究框架

本次研究以POI数据与RS数据为研究数据，首先通过RS数据分析得到研究区域的地类变化情况，其次由POI数据得到研究区域的功能布局变化情况，二者结合分析，为研究区域的产业用地调控提出合理建议。

图1 研究流程图

1.3 研究方法

1.3.1 样方密度法

样方是指研究区域按一定规则划分成的单元格网。样方密度[3]是落入单元网格的POI数据个数除以样方面积，公式如下(单位:个/km2)：

式中，f(s)代表样方密度；n代表样方中POI数据的个数；s代表样方的面积。

1.3.2 分区识别法

分区识别法使用两个指标:频数密度(frequency density，FD)和类型比例(category ratio，CR)来识别功能区。计算公式如下：

式中，i表示POI类型；ni表示样方中第i类型的POI数据的个数；Ni表示第i类型的POI数据的总数。

由此，在识别与划分城市功能区时，将单位样方内占比最大的POI数据类型作为该单位样方的功能性质。

1.4 数据来源

（1）本文通过百度地图获取的北京市城六区行政区边界及2013年与2019年的POI数据，参考POI分类标准，根据城六区的产业特征，将POI数据分为9个一级分类，其中，去掉与本研究关联性较低的数据点，例如山、湖泊、河流等，分类情况见表1。

表1 POI数据分类细则

（2）遥感影像的目视解译选择2013、2019年具有1.88米空间分辨率的研究区Google Earth影像。

2 结果分析

2.1 城六区产业用地分布变化的定量识别

2.1.1 基于卫星图像的遥感影像解译

本研究利用RS数据与目视解译的可视性，根据研究所需的产业结构类型对研究区域的地类进行细化，通过目视解译得到土地利用空间格局的变化趋势，从而对研究区域的产业用地分布及其变化特征识别。

表2 解译矢量图结果分析

从表2可以看出，以13年为起始年份，2013-2018年期间研究区各种土地利用类型都发生了显著的变化，但不同土地利用类型变化的总量、变化幅度和变化速度却存在明显差异。工业、仓储物流用地等数量较大幅度减少，交通设施用地、公园绿地增加显著。

2014、2015年之后，北京市推出众多疏解北京“非首都功能”的举措，并且坚持严格执行、不断完善《北京市新增产业的禁止和限制目录》。结合近几年北京市政府出台的“疏解一般制造业和‘散乱污’企业治理”、“拆除违法建设”等政策，说明城六区近年来淘汰退出污染产业，清理整治低端低效产业，加快一般制造业和高端制造业中不具备比较优势的生产加工环节的转移等举措成果显著。

2.1.2 基于POI数据识别功能区

将城六区行政区域分割成若干个1km×1km的格网，以每个格网为一个“单元”利用样方密度与分区识别法分别处理2013与2019年的POI数据，识别并划分城市功能区。

图2 2019年北京市城六区功能区识别结果图

2.1.3 功能区变化分析

(1)转换类型及数量

通过2013年和2019年分析区域的功能区识别对比，结合实际后选择功能区之间的转换类型中数量最多的10类进行分析如下：

表3 功能区转换单元数量

通过表3可以得出：2013年与2019年之间，以上功能区的转换类型中有一半以上都属于从2013年的工业转换为2019年的其他功能（其中转为交通设施最多），同时仓储物流转换为交通设施的数量也较显著。

（2）功能区变化区位分布

根据上述10种类型及数量特征，本研究先着重对数量最多的工业功能的转换进行空间分布特征分析：

图3 工业功能转换空间分布

如图3，对于工业用地功能区转换的空间分布特征而言，城市功能发生变化的单元数量呈现非均匀分布且集中于城六区相对外圈的状态。说明城六区外围的一些工业正逐步被腾退疏解，并且这些用地大多用于完善城市交通建设和公园绿地建设等。

图4 其余主要功能转换类型

如图4所示，仓储物流-交通设施主要分布于朝阳区、海淀区的边界周围；公园绿地-工业主要分布于丰台、朝阳两区且数量零星；教育-文化设施则聚集于海淀区；交通设施-医疗卫生、公园绿地-医疗卫生则较均匀分布。

2.2 产业用地调控建议

新经济地理学指出，产业集聚是城市形成根源，规模经济、不完全竞争等，带动人口和功能向大城市特别是中心城区高度集中。北京市城六区，用8%的土地，容纳了相近60%人口，承载着70%产业。过多的产业、人口、公共服务以及中央部门在中心区聚集和单中心城市结构，使得城市资源布局失衡，导致北京市区人口过快增长、交通拥堵、环境恶化、房价过度上涨等问题日益凸显。所以对于北京市“非首都功能”的疏解，可以说刻不容缓。

综合以上，提出建议如下：

第一，对城市内已经完成疏解腾退的区域，要实时监测，保障腾退空间资源高效再利用；对未有效疏解腾退的区域，要强化督导，促进区域疏解腾退，为北京市留白增绿做出贡献。

第二，要建立健全疏解腾退用地的基础台账，分类制定再利用规划。优先用于完善城市服务设施、进行便民服务、留白增绿和发展高精尖产业。

第三，结合分区规划功能定位，细化完善用地负面清单制度，建立疏解腾退空间统筹管理机制。据不同区域实际情况分类制定再利用规划。达到实现企业转型升级，提升城市品质，推动经济发展的重大目标。

3 结论与讨论

3.1 结论

本研究先对2013、2019年的Google Earth影像进行遥感目视解译，识别到两年之间研究区的地类变化情况，为了精细识别和深入挖掘该区域功能信息变化情况，采用POI视角于此区域中运用样方密度法与分区识别法，识别并划分出城六区单位功能区，最终做到POI与RS数据二者相互结合，优势互补，获得研究区单元内功能性质和功能重心的变化情况和区域分布。

所以研究最终得到结论如下：

（1）RS与POI结合的方法，可以高效识别北京市产业疏解过程中的土地利用和功能变化特征。

（2）北京市中心的仓储物流和批发市场转换为公园绿地和公共服务用地显著。

（3）北京市内西城区与东城区的用地规模趋于稳定、功能逐步优化。

（4）北京市城六区关于产业疏解整治政策的实施成效显著。

3.2 讨论

本次研究还存在以下几点尚待优化：

（1）遥感影像与POI的匹配：遥感影像与POI数据的精度不完全一致，对于POI数据，在划分单元格之后，无法保证其高精度，所以二者如此的结合分析，存在一定的精度误差。

（2）POI数据分类问题

①由于研究区域范围较大，原始 POI 数据多达十几万个，其属性信息部分描述不够精确，因而可能会导致产业分类不够准确，存在一定误差。

②不同年份的原始 POI 数据分类信息等存在交叉紊乱等情况，本研究对 2013 年 POI 数据、2019 年 POI 数据进行分类时，不同年份原始 POI 数据本身存在一定差异，并且原始 POI 数据中仍有许多数据未被划分到具体类别中。