南昌市住宅建筑在用物质存量GIS时空分析

黎峰昌，陈广乾，朱祖明，杨克布，谢相建

(东华理工大学测绘工程学院，江西 南昌 330013)

0 引 言

城市化是区域经济发展的重要特征，是人类社会、经济、文化发展到一定阶段的必然结果[1]。建筑是城市化的重要成果，建筑从制造到拆除都与周边的环境发生着物理的变化[2]。建材的制造、使用和建筑垃圾处理都对生态环境造成破坏。中国快速城市化的同时，资源需求和环境污染问题也日益突出[3]。城市问题与物质代谢密切相关，资源和环境等问题的根源在于城市物质代谢在时间和空间尺度上的阻碍和耗尽[4-6]。

1852年Moleshott研究生命循环提出代谢概念，而物质代谢研究特定时空内对自然生态系统有显著影响的物质流通量与分布[7]。它可以衡量社会经济体物质吞吐量与经济发展、资源环境等之间的关系[8]。而物质存量是物质代谢的基础，物质存量泛指具有社会经济产出功能、可为人类工作和生活提供服务功能的产品或物料的含量，相关研究随着全球城市化迅速发展[9]。定量化计算城市中各种建筑物质的在用物质存量，并利用GIS分析其分布的时空变化规律，能够发现城市中存在的一些问题，并为制定城市的可持续发展策略提供数据支持。

早期建筑物质存量研究大多集中于统计存量的方法与更新。目前国内基于GIS(Geographic Information System)的物质存量研究中，GIS常被用在大区域整体规划层面，而局部区域层面刚开始，借助GIS分析城市化进程中能耗、住宅建筑物质存量变化和住宅建筑生命周期三者联系的研究较少，特定阶段的动态演变分析被忽视[9]。国外对建筑物质存量的GIS分析则处在起步阶段，主要从宏观上分析存量分布现象或对其某个方面进行研究。

目前城市代谢主要基于实物物理单位，根据研究对象的区别，研究方法目前应用较为广泛的有：物质能量流分析、生命周期分析和生态足迹分析[10]。按研究视角的不同，物质存量研究分为对元素存量的分析和对代谢主体存量的分析。特定元素存量研究多是金属类物质的存量研究。非特定物质存量研究的对象主要包括“建成环境和人工制品”[11]等具有完善服务功能的代谢主体。自下而上法把物质存量按结构类型进行划分，定义结构内标准单位的物质含量——物质强度系数。GIS技术能更直观地呈现物质存量的空间分布和时间变化信息，激光雷达的数据标明建筑物的高度信息,它们对自下而上法是极大的补充[12]。

南昌城市化进程快，住宅建筑物质存量的研究增多。但大多依赖年鉴数据，通过查阅当年流入流出物质量，得到住宅建筑在用物质存量净增量。这遗失了较多的数据细节，如住宅建筑中的物质构成比例，物质存量空间分布等信息。针对以上研究的不足，本文基于众源数据提取南昌市住宅建筑基础信息，以自下而上存量分析思想计算南昌市住宅建筑水泥和钢筋在用存量，分析其空间分布特征，以及探测近30年其总量变化和时空演变规律。

1 研究方法

1.1 住宅建筑信息数据获取

首先利用网络爬虫工具从房地产网站快速搜集海量的南昌市的小区住宅建筑信息。其工作原理是通过人在网页上的操作，将网页分区域，记录人在该区域的具体操作，从而实施模拟，自动提取网页数据，采集完成的结果可以手动或自动导出到数据库[13]。采集数据的步骤为：点击小区进入首页，再点击小区详情页，提取小区名、建筑面积、占地面积、总楼栋数、详细地址、户型及面积、层数等数据。住宅建筑数据的具体采集流程如图1所示。

图1 众源数据采集流程图

1.2 数据清洗及空间可视化

1.2.1 数据清洗整理

在Python中编写代码，对所有数据进行清洗得到可利用住房信息字段。

直接从网站获取的住房信息中有部分字段信息不规范，为了得到所有住宅建筑的规范属性信息，研究通过编写Python代码，对爬取的每一条记录的地区、年代、室、厅、楼层、朝向、建筑面积等字段信息进行规范整理，删除重复的和信息不全的。另外，为进一步获取住宅建筑的详细地址，研究借助百度地图平台提供的位置查询API接口，每一条记录以“小区名”+‘栋’或‘楼’为关键字进行搜索，循环搜索得到小区内匹配到的住宅建筑的地址信息。

1.2.2 坐标获取

在Excel中添加Datamap for Excel插件将数据清洗整理得到的详细地址进行地址解析，获得地址对应的地理坐标。并将Datamap for Excel得到的百度坐标系下的经纬度坐标转为WGS84坐标下的经纬度坐标。整理流程如图2所示。

图2 数据清洗整理流程图

1.2.3 空间可视化

在ArcGIS中导入住宅建筑数据表要素，以WGS-84坐标系(World Geodetic System——1984 Coordinate System) 中经度为 X 字段，纬度为 Y 字段显示表中元素，加载南昌市行政区划数据，添加基本地理要素，建立住宅建筑点图层并可视化。数据清洗后获取地址并转换坐标后的结果示例如表1所示。

表1 南昌市住房网络数据抓取示例

1.3 住宅建筑在用物质存量估算

根据不同住宅建筑结构类型所含建筑材料物质存量的差异，将南昌市住宅进行分类，构建不同回归分析模型，可以计算得到每一种存量单元的物质存量以及整个研究区各种建筑材料的物质存量[14]。建筑材料的种类繁多，其中以钢筋和水泥为主，因此本研究以钢筋和水泥为代表，对住宅建筑的在用物质存量进行分析。

现实中住宅建筑类型多样，结构复杂，详细的建筑结构参数不易获取，因此，研究通过设定住宅标准层高，根据南昌市住宅建筑的现状和住宅层数将南昌市住宅建筑划分为低层(1～6层)住宅，多层(7～9层)住宅，高层(10层及以上)住宅[15]。

在住宅建筑结构类型相同时，住宅建筑面积与住宅建筑物质存量之间存在线性关系。基于这一假设，通过对不同结构类型的南昌市住宅建筑的工程造价信息价样本数据，分别构建回归分析方程，据此根据建筑面积估算该类型建筑内的在用物质存量。以低层住宅结构参考建筑样本数据为例，借助Excel构建单位面积钢筋耗量估算模型。样本数据如表2所示。

表2 低层住宅砖混结构样本

设单位建筑面积钢筋耗量为因变量y，建筑面积为自变量x，建立一元线性回归模型y=ax+b，线性回归分析结果如表3和表4所示。

表3 回归统计

表4 方差分析

根据表4可知，回归系数a为0.003 001 232，回归常数b为17.071 510 4，则一元线性回归模型为：

y=17.071 510 4+0.003 001 23x

(1)

相关系数R是反映两变量间线性关联程度的量化指数。从表2可以得出R=0.983>0.950，所以在T=0.05的显著性检验水平上，R检验通过，说明单位建筑面积钢筋耗量与建筑面积之间线性关系合理。t检验和F检验中有一个共同的判断法则P-value法，表中的置信区间为95%，那么α=1-0.95=0.05，P-value=0.016 728 147<0.05，则可以说明单位建筑面积钢筋耗量与建筑面积之间存在一个显著的关系。以上相关系数R检验及P-value检验都说明建立的回归模型成立，即在住宅建筑结构类型相同时，单位建筑面积钢筋耗量之间线性关系合理。因此，可以分别构建不同种类建筑类型的物质存量估算模型。基于获取的数据，通过回归分析方程，南昌市各类住宅建筑在用物质存量估算结果如表5所示。

表5 各类型水泥、钢筋估算存量

表5(续)

2 结果与分析

2.1 南昌市住宅建筑在用物质存量总体变化分析

从图3可以看出，1995～2019年南昌市住宅建筑在用物质存量增长了约100倍，水泥和钢筋在用总存量从101 780.67 t增长到9 569 598.14 t。南昌市住宅建筑在用物质存量历经了从1995～2009年快速增长、2009～2016年高速增长到2016～2019稳步增长的3个阶段，具有鲜明的城市发展阶段特征。

图3 南昌市住宅建筑各年份水泥、钢筋在用存量及比值

2.2 南昌市住宅建筑在用物质存量时空演变分析

南昌市当前住宅建筑水泥和钢筋在用存量分布总体呈环形放射加方格网的轴网布局，主要聚集在赣江两侧，分布极其不均(图4)。大量集中分布在青山湖区的京东镇、蛟桥镇、塘山街道，东湖区的董家窑街、滕王阁街，红谷滩区的沙井街道、生米镇，南昌县的小蓝乡，新建区的望城镇、西湖区的桃花镇。湾里区的幸福街道和站前街道，南昌县的麻丘镇也有部分分布。龙津镇、松湖镇和塔湖乡的住宅建筑物质存量则很少(图5)。

图4 南昌市住宅建筑钢筋、水泥在用存量统计柱状图

图5 1990～2000年南昌市辖区水泥、钢筋存量统计

从20世纪70年代开始，南昌市住宅建筑在用物质存量为点阵分布，主要集中在南昌市南部和西部。之后，随着经济的迅速发展和城市规划的不断深化，南昌市住宅建筑在用物质存量分布演变为呈明显的环状辐射和方形网格状结构。南昌市中轴线网络的发展历程反映出该地区由封闭向多样化开放、由零散到有序完备的转变，为未来的大发展打下了坚实的基石。

3 结 语

研究以南昌市为研究区域，利用网络爬虫技术快速获取住宅建筑结构信息，同时选取了建筑面积和层高等主要影响因素建立回归模型，以估算住房建筑在用物质存量，重点探讨了南昌市住宅建筑在用钢筋和水泥存量的时空分布特征及其演变规律。从研究结果来看：近几十年来，南昌市住宅建筑物质存量激增，红谷滩区、青山湖区、南昌县三个市区住宅建筑物质存量最大；当前南昌市住宅建筑在用物质存量总体呈环形放射加方格网的轴网布局，聚集在赣江两侧的中心城区。

另一方面，本文对南昌市住宅建筑在用物质存量演变分析仍存在不足：研究只采用了自下而上的分析方法，没有对比研究其他方法进行对比论证。本文主要是分析钢筋、水泥物质存量，其他要素暂未讨论。估算模型方面，主要考虑了相关较强的建筑面积和层高等结构因素，综合户型等更多影响因子可以进一步改善估算精度。另外，本研究基于众源数据获得的住宅建筑信息，并不能全周期全地域覆盖整个南昌市。