基于多源数据的广佛跨界城市实体地域划分*

占 玮，班鹏飞，袁奇峰

引言

中国学者周一星教授曾指出城市研究的第一科学问题是基本概念的正确性[1]，而城市研究的普遍难题是如何界定城市[2，3]。各个国家甚至是一个国家内部不同地区之间具体的人口分布情况不同、城市功能各异、自然地理条件千差万别，这对于城市的科学界定，并能够用于不同地区和国家之间进行比较提出了巨大的挑战。对于城市的界定通常主要包括三个维度：景观维度、功能维度和行政维度。城市实体地域就是从景观维度定义的典型概念城市的实体地域，它是指集中了各种城市设施,以非农业用地和非农业经济活动为主体的城市型景观分布范围,相当于城市建成区（现实中往往也不完全一致）。城市的功能地域代表城市功能区域范围，反映的是核心与外围的社会经济联系的密切程度；行政区域是指政府划定的行政区划规定的边界范围[4]，三者从不同维度划分城市具有不同的目标和内涵，代表城市发展内涵的不同。科学界定城市地域特别是城市实体地域的范围，是促使城市各项基础设施建设适应城市社会、经济发展需求的重要前提，也是城市研究科学性的重要保障。

国外关于城市实体地域边界划分的实践从早期的关于城市空间结构讨论到城市边界的精细化确定，经历了从定性层面到定量层面再到定量定性结合的方式的转变。关于城乡空间边界的划分采用的指标类型主要有人口规模及密度、区域基础和设施完备程度、建成区的建筑密度以及就业类型[5]。美国的城市实体地域划分的标准和方法从19 世纪80 年代到如今经历了一系列的演变，从起初的单一人口密度的阈值划分方法到如今利用复合的因素综合去分析精细的城市实体地域边界。其中划分指标包括人口数量、道路基础设施、土地利用以及居住单元数，通过指标的综合标准划分出了城市化地区（Urbanized Area，简称UA）和城市组团（Urban Cluster，简称UC）的范围[6]。日本将人口密度大于4000 人/km2以上、人口规模达到5000 人以上的地域单元划分为城市的“人口密集区”（densely inhabited districts，DID）。欧盟基于单元的人口网格数据将人口密度达到300 人/km2、人口规模达到5000 人以上的地区划分为城市组团，其外围地区为乡村组团，由于欧盟不同城市的经济、社会环境的不同对于城市的划分标准也存在一定的偏差，丹麦、瑞典等城市的实体地域人口规模的标准为200 人，而到荷兰人口规模需要达到2000 人才能划分为城市，不同城市之间横跨的幅度较大[7]。

中国城市实体地域的划分大致经历了三个阶段：（1）20 世纪90 年代的滥觞期，以周一星等学者为代表，最早提出了建立中国城市实体地域的概念，并根据统计年鉴和人口普查中的人口规模和密度以及非农化指标来界定城市实体地域的范围。然而由于数据来源的局限性，城市实体地域划分的基本单元是县/区，精度较低；（2）2000 年以来，由于GIS 技术逐渐在其他学科渗透和普及，利用航拍遥感影像数据和夜间灯光数据等划分城市实体地域范围的研究逐渐增加，多种不同的算法或模型相继提出用于提高建设用地的提取精度，然而由于用于科研的数据分辨率不高，城市实体地域的精度还是有限[8]；（3）2010 年前后，随着互联网、物联网、云计算、三网融合等IT 与通信技术的迅猛发展，数据的快速增长成了许多行业共同面对的严峻挑战和宝贵机遇，许多人宣称当前社会已经进入了大数据（Big Data）时代[9]。这对于城市实体地域划分迎来了新的机遇，各种网络开源大数据的出现，弥补了先前数据精度不足等问题，研究的精度和尺度都越来越细化。如，出现了许多利用POI（point of interest）数据[10]、微博签到数据[11]、道路交通网络数据等划分城乡边界的方法[12，13]。城市实体地域划分重要理论意义是为了避免城市概念的混乱，许多关于城市的表述并没有将城市的范围与乡村区分开来。准确界定城市实体地域（Urban）边界不仅能够带来“城市”概念的正确认识，同时也给各项规划政策中城区边界划定、增长等内容带来实践意义。

总体而言，国内对于城市实体地域的研究内容较少，现有研究大部分集中在全国和大区域（如京津冀、长三角）尺度和单个地级市行政区域的尺度进行测度，对于跨界发展的城市则缺少考虑；广州和佛山两市从景观上看，核心的建设用地已经连绵成一体，但是行政边界从土地竞争、资源分配、人口财政配置、基础设施规划等各个方面对城市跨界融合造成阻碍。现如今中国各大都市区蓬勃发展，仅以地级市或以上级别的市域范围讨论都市区的发展显然不够，城市的跨界融合已经成为既定事实。广佛跨界融合已经迅速发展成为整体，亟需在规划和管理层面考虑城市边界衔接以及土地空间整合、管理制度协调、规划引导融合等问题；此外利用单一数据类型去界定城市实体地域范围往往存在一定的局限，如通过遥感影像数据识别城市建设用地的方法往往不能代表城市实体地域范围，这一问题在农村工业化水平较高的珠江三角洲地区则更为明显。夜间灯光数据确定城市地区也会因为空间分辨率较低和灯光溢出效应而造成误差[14，15]；再者，现有的确定城市建设用地方法往往依据统计年鉴的数据或者经验值来主观确定划分边界的阈值。为尽可能弥补上述不足，本文将利用夜间灯光数据和POI 数据进行综合，并利用断裂点公式对广州、佛山的城市实体地域进实证，以期探索一种新的、可推广复制的城市实体地域界定的方法，并对广州和佛山两市有一个新的深入了解。

1 研究区域概况与研究方法

1.1 研究区域概况

本文的研究区域包括广州市和佛山市的全部市域范围，包括：广州的越秀、海珠、荔湾、天河等十一个市辖区，佛山的禅城、顺德、南海等五个市辖区，总面积为11232.12km2。广州和佛山两市地理位置相邻，地处粤港澳大湾区的核心（图1）。广州作为粤港澳大湾区重要的经济、政治、文化中心，佛山作为整个大湾区重要的经贸中心和综合交通枢纽。改革开放以来，广州和佛山经过了多次的行政区划的调整，广州经过2014 年的撤县设区调整之后形才成了现如今的十一个市辖区，佛山在2002 年年底的行政区划调整，形成了现在五大市辖区的行政区划格局。

图1 广佛都市区在粤港澳大湾区的位置

通过对广州和佛山1987 年、1997 年、2007 年和2017 年四个时段的遥感影像进行解译可知（图2）：1987 年时，广州和佛山的城市形态仍是两个相对独立的团块状，城市建成区只是广州和佛山老城区的范围。然后圈层式和沿着主要交通轴线和珠江水系不断向外拓展，周边的县城和一些发达的镇，以及珠江沿线向东有了发展。2007 以后，广州和佛山两市的建设用地已经连绵成一体。因而，许多学者称广州和佛山两市为广佛都市区[16]，为了研究的方便在后文中也使用广佛都市区一词来指代广州市和佛山市。

图2 广州和佛山市建设用地演变

1.2 研究数据来源及处理

本研究的数据来源总共包括三个部分：2018 年城市POI 数据，2018 年NPP/VIIRS 夜间灯光数据、相应年份的城市行政区边界数据。

POI 数据通过高德地图官方网站（https://lbs.amap.com）提供的应用程序编程接口（API）进行爬取，采集时间为2018 年7 月份。高德地图中对于 POI 的分类体系中将城市 POI 按照大类、中类和小类共三级进行分类，中小类的分类细致但冗杂，因此本文选取大类进行研究分析。对数据进行清洗后，广州和佛山两市的POI数据共计1107602 条，北京、上海的POI 数据分别为574248 条和562663 条，总共分为15 大类，主要包括餐饮、购物、文化和生活等方面。

NPP/VIIRS 夜间灯光数据来源于美国国家地球物理数据中心（NGDC），研究采用Suomi NPP 卫星搭载的可见光红外成像辐射仪传感器（VIIRS）的DNB 波段，该波段对于波段范围内的微弱光具有非常高的敏感性，在夜间人类活动监测中被广泛使用。与传统的DMSP/OLS 夜间灯光数据相比，VIIRS 夜间灯光数据有更加精细的空间分辨率（500m）。NPP/VIIRS 夜间灯光数据反映的是人类活动的特征，城市建成区和大型居民点等城镇建筑用地在NPP/VIIRS 夜间灯光图像上具有较高的灰度值，在图像上表现为较亮的特征，反之在裸土和植被等区域在图像上的灰度值很低甚至为零[17]。

相较于传统数据和方法测度城市实体地域，多源大数据在数据的广度、深度以及精确性层面都得到了加强。如传统人口密度等数据指标测度城市实体地域因统计口径各异、街道尺度的人口指标难以获取、人口数据时间跨度大等方向的原因，难以得到精确的城市实体地域边界，同时新型的大数据如手机信令数据准确度和可行度更高但难以获取且成本高昂。城市POI 数据和城市夜间灯光数据都能够反应出城市建成区的边界和城市实体地域的范围且数据易得便于推广，但采用单一数据都会因为各自数据的缺陷导致界定范围的不准确。乡村和城市边缘区的POI 空间位置和数量不够准确，夜间灯光数据分析城市边界存在灯光溢出效应，都会导致界定城市边界和实体地域范围存在误差，而结合两种数据的反应城市活动的特性能够较好的抵消其中单一数据带来的偏差。综上，本文采用综合夜间灯光数据和POI 数据利用断裂法定量对广佛跨界城市实体地域的范围进行界定。

1.3 技术路线与研究方法

本文的总体思路可以概括为:将POI 数据与NPP/VIIRS 夜间灯光数据利用均值法合成构建POI&NPP 指数[18]，构建了广佛都市区POI&NPP 指数分布图。根据POI&NPP 指数符合从城市核心区到城市边缘区再到乡村逐级递减的态势，利用断裂点分析法分析广佛都市区城市建成区的边界以及城乡过渡区的范围边界，最后对城市边界范围和广佛都市区镇街尺度区划范围进行叠加分析，对比得出广佛都市区实体地域的范围（图3）。

图3 技术流程图

1.3.1 广佛POI 数据核密度分析

POI 数据具有数据结构简单、数据量大、现势性强等优点，还能够反映出城市的经济、文化分布态势，由于其自身的优点使其成为研究城市问题的数据源。城市中心、城市边缘地带、乡村三者和POI 点的关系存在一定的函数关系，POI 点的数量在城市中心到边缘再到乡村逐级递减[19]。核密度分析常应用于测度要素如点要素及线要素邻域的密度值，以此来模拟该测度要素的空间分布态势，其广泛应用于空间分布研究中。根据与中心点的距离赋予权重，计算区域内距离中心点近的数据点权重较高，反之较低，所以得到的结果都是研究区域内所有点的加权平均密度。任意点i 的核密度O_i 的计算公式如下：

表达式中Oi表示研究点i 的核密度，Kj为研究点j 的权重值，dij为空间点i 与研究对象j 的距离，r 为带宽，n为带宽r 范围内研究对象J 的个数；在带宽r 范围内研究点j 的权重值Kj相同。本次研究通过反复实验，设定带宽为4000m 进行分析，此时的城市POI 密度具有较好的稳定性，能够满足对城市建成区边界的研究。

1.3.2 构建广佛POI&NPP 综合指数

夜间灯光数据具有独特的夜间低光探测能力和反映城市当中人们的经济活动信息的特点，常被应用于区域或全球尺度的城市范围提取和变化分析研究[20，21]以及城市经济发展的预测研究当中[22，23]。虽然NPP/VIIRS 夜间灯光数据相较于DMSP/OLS 夜间灯光数据精度已经明显提高，但是受传感器本身分辨率的限制，仅仅只依靠夜间灯光数据，较难提取城市尺度更高精度的建成区边界。现研究多以Landsat TM 遥感数据和灯光数据结合提取城市边界，但由于城市边缘区存在大量建成区和裸露土地交界的部分，此时遥感数据的识别精度存在一定的识别问题，虽然较单一数据来看，得出的结果要精度提高不少，但是仍然不够准确。有学者提出利用POI 数据结合灯光数据方法得出精度较高的城市建成区边界，充分利用夜间灯光数据的亮度信息、纹理信息以及POI 数据准确的位置信息，数据优劣势互补，弥补夜间灯光数据识别用地存在灯光溢出，识别精度较低的问题。二者结合利数学形态学的方法融合、均值法合成最终提取城市建成区边界。本文采用均值法合成POI&NPP 综合指数，反应较为准确的城市建成区边界范围。POI&NPP 综合指数公式如下：

其中，POI&NPP 为POI&NPP 综合指数；POIi为i点POI 核密度值；NPPi为i 点夜间灯光亮度值（图4）。

图4 广佛都市区POI&NPP 综合指数构建图

1.3.3 利用断裂点分析广佛都市区城乡边界范围

断裂点分析法最早由康维斯（P.D.Cinverse）于1949 年提出，其原理是通过计算得出指标要素数据的距离衰减突变值，得出城市吸引力的范围以及强[24]。POI&NPP 值在城市空间分布符合断裂点分析法的特征和规律，通过对广佛都市区POI&NPP 指数图分析得出，分布特点从广佛都市区的城市实体地域中心向外围扩散，POI&NPP 指数由“高—低”递减的特点，广州和佛山的城市核心实体地域连片发展、四周分布有城市副中心，而城市副中心和乡村地区同样符合PON&NPP 由“高—低”的特点，城市核心地域到城市边缘地域再到乡村地区POI&NPP 值变化存在逐渐递减的特征（图5）。

基于上述变化特征，借鉴断裂点分析法对广佛都市区的城市建成区的边界进行分析，选取广州市人民政府作为城市中心点，以1°的间隔从中心点出发创造360条城市范围分析样带，在样带上选取以500m为间隔的点，每500m 的间隔点提取该点的POI&NPP 值，共得到360组分析数据（图6）。根据图5 分析城市和乡村以及城乡结合部之间存在突变点，每个方向突变点相连接就能得出城市主城区的范围以及城乡结合部的范围。利用断裂点公式得出每组数据的突变点，断裂点公式如下：

图5 城市-乡村POI&NPP 值变化示意图

图6 广佛360 组城市样带部分数据示意图

xij为某一样带的密度值，DDVi为该研究样点的密度衰减突变值。然后通过比较每一样带衰减突变值DDVi，排除异常值并求取其最大值求出突变点，将突变点串联得出城市主城区范围以及城乡结合部范围。通过对360组数据进行筛选分析，排除部分数据的异常值，分析出城市区域和乡村区域以及城乡结合部区域存在不同的特征。将每组数据的不同区域DDVi值变化量的最大值进行筛选得到广佛城市边缘区的边界范围。

2 广佛城市实体地域特征分析

2.1 广佛城市实体地域范围

根据断裂点分析法得出广佛实体地域的建成区内边界范围，以越秀区政府为中心向外拓展，整个广佛市域范围共由1 个核心城市和6 郊县城市构成(图7)，城市实体地域的总面积为2320.75km2,其中核心城市的面积为579.25km2。除掉6 个郊县城市保留核心城区，计算得出城市核心区的面积为499.75km2，边缘区的面积为1929.25km2（表1）。广佛城市实体地域的内边界主要范围包括：广州的越秀区、荔湾区、海珠区、天河区北部、白云区南部、黄浦区西部，佛山的禅城区、南海区、顺德区的部分区域，另外存在不同的城市副中心的分布在从化、番禺、增城、花都、南沙、高明、三水和顺德等区域。外边界除了主城区所涵盖的范围以外，从中心城区向外延展，包括花都区、番禺区、黄浦区、白云区、禅城区、南海区、顺德区的大部分地域，其余少部分覆盖在花都、从化、增城、三水、高明、南沙等区域。

图7 广佛都市区城市边缘范围界定及城市实体地域范围

表1 广佛都市区城市核心区和边缘区面积

广州市和佛山市两市的城市实体地域已经突破行政区的界限实现了区域之间发展一体化，广佛都市区城市实体地域内边界从中心向外呈圈层式趋势拓展：主城区向南连接番禺区与顺德区城市副中心方向明显，向东连接黄浦区与增城区的外边界城市实体地域，向北拓展与花都区城市实体地域外边界相连接，向西连接到禅城区、南海区局部。从广佛都市区内外边界图中得出，顺德城市副中心有别于其他片区副中心，存在两个中心的现象，两个中心位于顺德行政区划的东南侧，也就是大良街道和容桂街道，这与《佛山市城市总体规划（2011-2020年）》提出的“大良—容桂”城市副中心的概念相符，除了主要容桂街道作为城市核心片区以外，大良街道也在塑造“顺德新城”，所以会出现两个中心现象。从以上分析来看，广佛地域协同发展已经不再是同城化发展，而是一体化发展的趋势。广佛都市区城市的实体地域逐渐连片发展，代表了广佛两地的交通基础设施互通建设以及城市共同发展建设方向已经取得了明显的成效，同时也说明广佛都市区城市地域的发展已经是形成了一个共同体，城市的经济联系、社会联系、交通联系等已经非常紧密。

2.2 广佛与京沪城市实体地域差异对比

采用同样的方法，计算出北京和上海两地的城市实体地域范围。对比结果反映出：尽管在官方的统计年鉴中以广州市行政区作为统计单元相比北京市和上海市在城市人口规模及经济规模上要小，但实际上广州、佛山实体上已经是一个城市，从实体地域面积来看广佛最大，其次为北京实体地域面积1923km2，上海最小1589.56km2。去掉周围郊县保留核心城市，分析三个都市区的半径发现广佛都市区平均半径最大为24.76km，接着是北京都市区实体地域平均半径22.96km，再其次是上海都市区平均半径为19.23km，其中核心区半径大小为广佛＞北京＞上海，而城市边缘区的半径大小为广佛＞上海＞北京（表2）。

表2 广佛与京、沪城市实体地域的对比

广佛能够实现实体地域融合首先是其地理原因，广州的城市中心偏西，与佛山的城市地域直接接壤。而与北京、上海对比，城市实体地域平均半径和城市核心区半径都位居首列，造成该现象的原因是：城市之间跨界融合、互联互通能够强化城市凝聚力、带动城市基础设施服务共享、提升城市间产业经济合作。所以像上海都市区极化效应比较明显，而广佛都市区波峰较缓，表明广佛跨界城市实体地域之间的带动作用较强，中心城市与周边城市副中心联系紧密；北京都市区的城市核心区大小接近于广佛都市区，但城市边缘区的面积远小于广佛都市区，广佛跨界融合导致城市边缘区面积增大。进一步也表明广佛跨越行政区融合发展已经发展到一定阶段，城市的空间、制度、规划需要进一步完善融合配合广佛都市区的发展。进一步剖析城市实体地域的特征密度剖面，对三个样本数据进行90°～270°样带（即东西向）剖面分析发现：上海的剖面最陡、其次广佛、北京的最为平缓。广佛的POI&NPP 值的剖面呈现双峰型且POI&NPP 值由“高—低”下降的较为平缓，广佛的城市边缘区的范围要远远大于北京和上海。这可能是因为相比北京和上海，广佛（珠江三角洲）自下而上的农村工业化较为发达，半城市化现象较为突出。原先的小城镇经过多年的发展已经和核心城市连绵成一体，如顺德和南海则最为典型[25]（图8、9）。

3 结论与讨论

本次研究以广州和佛山跨界城市区域作为研究对象，尝试性将城市POI 和夜间灯光数据进行综合以克服两者本身的缺点，并根据城市密度变化的自然特征利用断裂点公式划分城市实体地域，得出以下结论：（1）整个广佛市域范围共由1 个核心城市和6 郊县城市构成，其中核心城市已经打破了广州、佛山的行政边界，除了广州传统的老市区外还攘括了南海、番禺、白云、黄埔等区的地域范围。广佛都市区城市核心区范围面积为579.25km2，城郊地区的范围面积1741.50km2，广佛都市区镇街尺度城市实体地域的总面积为1882.24km2；（2）广佛跨界融合能够强化城市凝聚力，带动城市空间、服务、产业合作共享。对比北京和上海，广佛城市实体地域的面积及城市平均半径均大于北京和上海。从POI&NPP密度值的东西剖面来看，上海的剖面最陡、其次广佛、北京的最为平缓，且广佛剖面线呈双峰形态。

图9 广佛与京、沪东西向剖面对比分析图

相比用单一的遥感影像数据或者POI 数据以及夜间灯光数据分析城市实体地域的范围，本文的方法在一定程度上能够避免上述数据单独使用的缺陷，而利用断裂点分析法也避免的确定城市密度阈值的客观性。但是，数据的处理和分析相对比较复杂，工作量较大，难以推广到全国尺度层面的运用，未来仍需继续探索更加客观的、便捷的和可复制的方法。再者，由于镇/街尺度相应的人口普查数据和经济普查数据的局限，未能叠合镇/街尺度区划因素更深入和细致地分析广州、佛山跨界城市实体地域的特征，这些都将留待后续的跟踪研究[26，27]。

图、表来源

文中图、表均为作者绘制。