基于Logistic-GTWR模型的武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)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(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)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(xué)資源與環(huán)境科學(xué)學(xué)院，武漢 430079；2. 武漢大學(xué)地理信息系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，武漢 430079； 3. 中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京 100101；4. 中國(guó)土地勘測(cè)規(guī)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(shù)據(jù)、社會(huì)經(jīng)濟(jì)因子、鄰域因子和自然因子，構(gòu)建耦合空間異質(zhì)性和時(shí)間非平穩(wěn)性的Logistic-GTWR（邏輯斯蒂-時(shí)空地理加權(quán)回歸）模型，挖掘武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)力及其時(shí)空分異格局。結(jié)果表明：1）耦合空間異質(zhì)性和時(shí)間非平穩(wěn)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(quán)回歸）模型具有更好的擬合效果，驗(yàn)證了Logistic-GTWR模型在城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)力分析研究中的適用性。2）武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展的不同影響因子系數(shù)時(shí)空分異格局各不相同，人口因子高值分布區(qū)圍繞武漢市先收縮后擴(kuò)散并逐漸穩(wěn)定，最終形成繞武漢城市圈中部沿線周邊環(huán)狀分布格局；地均GDP因子高值分布區(qū)先向西部轉(zhuǎn)移，后逐漸趨于均衡，最終形成繞武漢、麻城和崇陽(yáng)縣周邊集聚分布的空間格局。武漢市極化作用占據(jù)主導(dǎo)地位，且影響范圍不斷擴(kuò)大。3）人口和經(jīng)濟(jì)是20年間武漢城市圈城鎮(zhèn)擴(kuò)展的核心驅(qū)動(dòng)因子,且影響力呈逐年上升趨勢(shì)；國(guó)道、高速和省道影響力整體呈略微升高態(tài)勢(shì)。4）武漢城市圈中部及東部城市多為人口、經(jīng)濟(jì)核心驅(qū)動(dòng)型城市，高程影響在武漢市發(fā)展中逐漸凸顯；西部城市主要受高程限制，并以交通及經(jīng)濟(jì)驅(qū)動(dòng)為主，東西差異顯著;但西部城市1995年以來(lái)人口和經(jīng)濟(jì)的作用強(qiáng)度逐步增加。人口因子作用強(qiáng)度在咸寧和黃岡呈逐漸上升趨勢(shì)，經(jīng)濟(jì)因子作用強(qiáng)度在武漢、孝感、仙桃、天門(mén)、潛江和黃岡逐年上升。

土地利用；模型；城市擴(kuò)展；驅(qū)動(dòng)力；邏輯斯蒂；時(shí)空地理加權(quán)回歸；武漢城市圈

0 引 言

土地利用變化驅(qū)動(dòng)力研究是土地利用/覆被變化的核心研究領(lǐng)域[1-2]。改革開(kāi)放以來(lái)，中國(guó)城鎮(zhèn)化進(jìn)程隨經(jīng)濟(jì)的快速發(fā)展不斷推進(jìn)[3]，截止到2016年底，中國(guó)城鎮(zhèn)化率已達(dá)57.4%。城鎮(zhèn)用地?cái)U(kuò)展作為城鎮(zhèn)化和土地利用變化集中且直觀的反映，對(duì)其驅(qū)動(dòng)力機(jī)制的探究對(duì)新型城鎮(zhèn)化背景下建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機(jī)制具有重要意義。

國(guó)內(nèi)外有關(guān)城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)力研究最早可追溯至1995年土地利用/覆被變化計(jì)劃（LUCC）的發(fā)起，經(jīng)過(guò)眾多地理學(xué)家不斷的深入研究，相關(guān)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(guān)性分析[7]和回歸樹(shù)[8]等，這些模型大多從社會(huì)經(jīng)濟(jì)因子出發(fā)探究與城鎮(zhèn)用地?cái)U(kuò)展的相關(guān)關(guān)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(zhèn)用地?cái)U(kuò)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(qū)動(dòng)力的深入挖掘。Logistic回歸模型則能很好的處理此問(wèn)題，該模型通過(guò)對(duì)一組自變量和一個(gè)類別變量（離散變量）型的因變量進(jìn)行回歸確定自變量對(duì)事件發(fā)生概率的影響大小，在地學(xué)[10]、社會(huì)學(xué)[11]和醫(yī)學(xué)[12]等領(lǐng)域得到廣泛應(yīng)用。然而城市土地系統(tǒng)是一個(gè)自然、經(jīng)濟(jì)、環(huán)境等因子都因空間變化而存在差異的巨系統(tǒng)，探究土地城鎮(zhèn)化的驅(qū)動(dòng)機(jī)制必須考慮其空間異質(zhì)性。隨著地理信息系統(tǒng)技術(shù)的不斷發(fā)展和驅(qū)動(dòng)力研究的不斷深入，考慮空間異質(zhì)性的GWR模型和logistic-GWR模型逐漸引起學(xué)者們的重視[13-14]，將空間因素嵌入模型中，進(jìn)一步揭示土地利用變化驅(qū)動(dòng)力的空間分異規(guī)律。但是城鎮(zhèn)用地?cái)U(kuò)展的過(guò)程兼具空間異質(zhì)性和時(shí)間非平穩(wěn)性，時(shí)間和地理位置的變化均會(huì)引起變量間關(guān)系或結(jié)構(gòu)的變化[15]，時(shí)間上亦會(huì)存在滯后效應(yīng)，因此同時(shí)將空間和時(shí)間維度納入驅(qū)動(dòng)力分析模型中，對(duì)于更加全面、科學(xué)地探究土地城鎮(zhèn)化驅(qū)動(dòng)力的時(shí)空變化特征及規(guī)律具有重要意義。本研究同時(shí)耦合空間和時(shí)間因子，構(gòu)建Logistic-GTWR(邏輯斯蒂-時(shí)空地理加權(quán)回歸)模型，不僅可以完成對(duì)空間影響因素的處理，同時(shí)能夠更加完整的解析城鎮(zhèn)用地?cái)U(kuò)展影響因子的時(shí)空變化機(jī)制，尤其在區(qū)域發(fā)展趨向協(xié)調(diào)化和一體化的時(shí)代背景下，更有助于決策者進(jìn)行城鎮(zhèn)用地的差異化管理。

1 研究區(qū)概況及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

武漢城市圈（112°30'~116°10' E， 29°05'~31°50' N）地處長(zhǎng)江中游，位于湖北省中東部地區(qū)，是以中國(guó)中部地區(qū)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(mén)、潛江周邊8 個(gè)城市。

該地區(qū)面積約為5.80萬(wàn)km2，2016年，武漢城市圈常住人口達(dá)3120.48萬(wàn)，約占全省總?cè)丝诘?3.3%；GDP達(dá)20147.78億元，占全省GDP總量的62.4%。武漢城市圈是國(guó)務(wù)院首批批準(zhǔn)的“兩型社會(huì)”試驗(yàn)區(qū)和長(zhǎng)江中游城市群重點(diǎn)區(qū)域，在長(zhǎng)江中游城市群發(fā)揮經(jīng)濟(jì)新增長(zhǎng)極作用的進(jìn)程中占據(jù)重要的戰(zhàn)略地位。

1.2 數(shù)據(jù)來(lái)源

本研究所使用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的1995、2000、2005、2010、2015年土地利用柵格數(shù)據(jù)、人口和地均GDP公里網(wǎng)格數(shù)據(jù)（1 km× 1 km）以及武漢城市圈行政區(qū)劃和矢量路網(wǎng)數(shù)據(jù)。本文所使用的的土地利用數(shù)據(jù)分類體系為中科院土地利用覆被變化分類體系，以城鎮(zhèn)用地為研究對(duì)象，研究武漢城市圈所有城市及縣鎮(zhèn)以上所有建成區(qū)用地?cái)U(kuò)張情況。將武漢城市圈的土地利用數(shù)據(jù)與行政邊界數(shù)據(jù)進(jìn)行疊置分析，獲取各市擴(kuò)展面積，并計(jì)算城鎮(zhèn)用地?cái)U(kuò)展速率，結(jié)果如圖1所示。

圖1 1995—2015年武漢城市圈4個(gè)時(shí)期城鎮(zhèn)擴(kuò)展速率

由圖1可知，武漢城市圈城鎮(zhèn)用地整體擴(kuò)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(guī)劃的限制，擴(kuò)展速度減緩。各市擴(kuò)展速率總體上先增加后減小，呈現(xiàn)出階段和波動(dòng)性特征。

1.3 影響因子選擇

參考已有文獻(xiàn)[8]、[16]-[17]，考慮到數(shù)據(jù)的可得性，本文選取3類10種因子進(jìn)行分析。1）社會(huì)經(jīng)濟(jì)因子：人口柵格數(shù)據(jù)（V1）、地均GDP柵格數(shù)據(jù)（V2）；2）自然因子：DEM（V3）、坡度（V4）；3）鄰域因子：距國(guó)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(gòu)建

Logistic回歸模型不僅可以對(duì)類別變量（離散變量）進(jìn)行回歸，而且可以完成對(duì)空間變量的處理，通過(guò)每個(gè)自變量的回歸系數(shù)來(lái)分析某類事件發(fā)生的概率與自變量之間的關(guān)系[18]，從而揭示各解釋變量對(duì)事件發(fā)生概率預(yù)測(cè)的強(qiáng)度和作用[19]，彌補(bǔ)了傳統(tǒng)線性回歸只能對(duì)連續(xù)變量進(jìn)行回歸的不足。時(shí)空地理加權(quán)回歸模型（GTWR）作為地理加權(quán)回歸（GWR）的擴(kuò)展模型，耦合時(shí)間和空間因子，同時(shí)將空間異質(zhì)性和時(shí)間非平穩(wěn)性納入城鎮(zhèn)用地?cái)U(kuò)展體系中，能夠更加有效地估計(jì)因子參數(shù)，但是僅能對(duì)連續(xù)變量進(jìn)行回歸。本文將兩個(gè)模型有機(jī)結(jié)合，構(gòu)建Logistic-GTWR(邏輯斯蒂-時(shí)空地理加權(quán)回歸)模型。該模型既能顧及城鎮(zhèn)用地?cái)U(kuò)展的時(shí)空特性，又可以處理空間要素，克服GTWR模型可能因眾多坐標(biāo)重合，而使結(jié)果接近于傳統(tǒng)線性回歸的缺點(diǎn)[20]，將城鎮(zhèn)用地?cái)U(kuò)展作為完整的時(shí)空演變系統(tǒng)，從而更加科學(xué)地探究城市群城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)機(jī)制。參考學(xué)者Huang等[20]的GTWR模型及推導(dǎo)過(guò)程，本文將時(shí)間和空間坐標(biāo)（,）納入Logistic模型，所構(gòu)建的Logistic-GTWR模型數(shù)學(xué)表達(dá)形式如下：

（2）

已知：

（7）

則可推算出：

3 結(jié)果與分析

3.1 模型對(duì)比

為驗(yàn)證Logistic-GTWR模型的適用性及準(zhǔn)確性，運(yùn)用1995—2000、2000—2005、2005—2010、2010—2015年的全部數(shù)據(jù)點(diǎn)進(jìn)行模型參數(shù)運(yùn)算，并將該模型與Logistic回歸模型、Logistic-GWR模型進(jìn)行對(duì)比，結(jié)果見(jiàn)表1。

表1 模型診斷結(jié)果對(duì)比

PR為模型對(duì)城鎮(zhèn)用地?cái)U(kuò)展概率的預(yù)測(cè)正確率。Moran’I為全局莫蘭指數(shù)，指地理事物分布與不同空間位置的某一屬性值之間的統(tǒng)計(jì)相關(guān)性，全局指數(shù)的值越小，說(shuō)明殘差的空間依賴程度越低，即模型考慮了更多的空間結(jié)構(gòu)問(wèn)題，模型的效果就越好[21]。AIC信息準(zhǔn)則作為模型擬合優(yōu)良性的一個(gè)重要標(biāo)準(zhǔn)，可考慮模型的自由度，對(duì)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(gè)模型，即模型擬合優(yōu)度較高。更小的RSS值表明該模型在數(shù)據(jù)擬合過(guò)程中誤差更小，能夠更好的解釋自變量和因變量的關(guān)系。AIC與原始模型的差距大于3，說(shuō)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(zhì)性和時(shí)間非平穩(wěn)性特征，所以殘差的全局Moran’s I指數(shù)有明顯下降。即從模型的綜合表現(xiàn)來(lái)看，Logistic-GTWR模型比傳統(tǒng)模型更能夠顧及城鎮(zhèn)用地?cái)U(kuò)展顯著的空間異質(zhì)性和時(shí)間非平穩(wěn)性特征，從而較準(zhǔn)確地揭示城鎮(zhèn)用地?cái)U(kuò)展影響因子。

3.2 城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)力分析

參考文獻(xiàn)[12,14,21,25-26]，在ArcGIS10.1中對(duì)1995—2000、2000—2005、2005—2010、2010—2015年城鎮(zhèn)用地?cái)U(kuò)展（1）和未擴(kuò)展（0）的區(qū)域隨機(jī)分層抽樣，共選取5 153個(gè)點(diǎn)，其中0和1的數(shù)量大致相同，不相等的抽樣比例不會(huì)影響解釋變量在模型中的系數(shù)估計(jì)，但是會(huì)影響模型的常數(shù)項(xiàng)[9]。對(duì)所有樣點(diǎn)提取位置信息和影響因子屬性值，并對(duì)各個(gè)屬性值進(jìn)行極差標(biāo)準(zhǔn)化處理以消除量綱的影響，在Matlab中進(jìn)行計(jì)算，通過(guò)交叉驗(yàn)證所得模型的帶寬為0.338 3，1995—2015年所有數(shù)據(jù)經(jīng)Logistic-GTWR模型處理所得系數(shù)全部通過(guò)0.05水平的顯著性檢驗(yàn)，見(jiàn)表2。

由表2可知，各影響因子系數(shù)的四分位數(shù)正負(fù)性一致，作用強(qiáng)度變化均較明顯，說(shuō)明10個(gè)影響因子對(duì)武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展的作用強(qiáng)度在空間上存在顯著的非平穩(wěn)性。

表2 Logistic-GTWR模型參數(shù)估計(jì)匯總

3.2.1 影響因子系數(shù)時(shí)空分異格局

將Logistic-GTWR模型計(jì)算所得的樣點(diǎn)參數(shù)在ArcGIS10.1中進(jìn)行克里格空間插值，從全局分析其空間格局差異及時(shí)序動(dòng)態(tài)變化，見(jiàn)圖2、圖3、圖4。其中V1、V2、V9、V10顏色越深表示系數(shù)越大，驅(qū)動(dòng)強(qiáng)度越大；V3-V8顏色越深表示系數(shù)越大，驅(qū)動(dòng)強(qiáng)度越小。

1）影響因子空間異質(zhì)性分布規(guī)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(kuò)散并逐漸穩(wěn)定的趨勢(shì)。1995—2000年人口因子主要形成以武漢市江夏區(qū)和武漢市主城區(qū)、鄂州、黃石三者交界處為高值區(qū)的分布格局，2000—2005年高值區(qū)向武漢市主城區(qū)收縮；2005—2015年逐漸由武漢市主城區(qū)向武漢市遠(yuǎn)城區(qū)及與鄂州、咸寧交界處擴(kuò)散，并形成繞武漢城市圈中部沿線環(huán)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(qū)也形成小范圍高值區(qū)，其他區(qū)域無(wú)明顯分異。武漢是湖北省經(jīng)濟(jì)發(fā)展的重要增長(zhǎng)極，其遠(yuǎn)城區(qū)對(duì)人口的集聚能力不斷增強(qiáng)，武漢城市圈一體化發(fā)展也使得武漢對(duì)與周邊城市鄂州和黃岡接壤地區(qū)帶動(dòng)作用逐漸顯著。

20年間地均GDP因子（V2）高值分布區(qū)，先向西部轉(zhuǎn)移，其次逐漸趨于均衡，最后形成繞武漢、麻城和崇陽(yáng)周邊集聚分布的空間格局。1995—2000年地均GDP因子高值區(qū)主要在黃陂-黃石西北地區(qū)-武漢鄂州黃岡接壤一帶，在潛江及天門(mén)的中心區(qū)域、咸寧南部和咸安區(qū)也有少量高值區(qū)；2000—2005年高值區(qū)逐漸向武漢城市圈西部轉(zhuǎn)移，因子作用強(qiáng)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(qū)一帶，因子作用強(qiáng)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(huán)狀分布和繞崇陽(yáng)縣城的圈層式分布格局。從整體演化格局來(lái)看，武漢市經(jīng)濟(jì)發(fā)展的外溢效應(yīng)仍舊不足，部分距離武漢市較遠(yuǎn)的城市由于受到交通因素的制約，經(jīng)濟(jì)發(fā)展的開(kāi)放性不足，規(guī)模經(jīng)濟(jì)發(fā)展程度較低，導(dǎo)致城市間聯(lián)系強(qiáng)度較小，經(jīng)濟(jì)活力和對(duì)周邊帶動(dòng)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(wú)明顯變化，影響強(qiáng)度較大的區(qū)域主要集中在武漢城市圈在武漢市主城區(qū)周圍和武漢市中西部地區(qū)，整體東西差異較大，這主要受武漢城市圈內(nèi)北部及西南部山脈等地形所致。

距離鄰域因子（圖3）中，距國(guó)道（V5）和高速距離（V6）因子的作用強(qiáng)度主要分布格局有兩個(gè)特征，其一對(duì)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(wú)明顯變化；其二是局部特征呈現(xiàn)高值區(qū)主要分布于城市邊緣區(qū)的空間格局，且高值區(qū)隨時(shí)間逐漸由武漢市西部向北部和東部轉(zhuǎn)移；距鐵路距離（V7）因子分布格局在1995—2010年無(wú)顯著變化，主要集聚于武漢主城區(qū)東部與鄂州接壤處及南部江夏區(qū)，2010—2015年高值區(qū)向西部和北部擴(kuò)展，主要分布在應(yīng)城、嘉魚(yú)縣和新洲區(qū)，呈現(xiàn)總體西高東低的格局；距離省道距離（V8）因子影響強(qiáng)度總體呈西高東低態(tài)勢(shì)。1995—2010年高值區(qū)逐漸向東轉(zhuǎn)移，但依舊位于武漢市內(nèi)和武漢、黃石、鄂州接壤地區(qū)；2010—2015年則重新向西遷移至孝感的應(yīng)城和云夢(mèng)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(diǎn)逐漸分散分布，2005—2010年高值區(qū)呈西部集聚態(tài)勢(shì)，2015年主要集聚在孝感南部（孝南區(qū)和漢川市）和武漢與孝感交接區(qū)域；而距水域距離（V10）因子的差異格局隨時(shí)間變化十分明顯，1995年大多分布在武漢市新洲區(qū)-鄂州市華容區(qū)一帶和通城縣城中部區(qū)域，2000年之后高值范圍逐漸擴(kuò)大，主要分布在武漢市主城區(qū)周邊地區(qū)。

所有因子中作用強(qiáng)度變化范圍最大的是人口和地均GDP。人口是城鎮(zhèn)用地?cái)U(kuò)展的直接動(dòng)力，地均GDP則是城鎮(zhèn)用地?cái)U(kuò)展的核心動(dòng)力，其受相關(guān)政策、區(qū)位特征、產(chǎn)業(yè)布局和技術(shù)投入等因素影響較大，因此可通過(guò)調(diào)整產(chǎn)業(yè)布局和相關(guān)政策對(duì)城市擴(kuò)展的強(qiáng)度和方向進(jìn)行控制或調(diào)整。

2）驅(qū)動(dòng)力時(shí)序變化分布格局

從因子驅(qū)動(dòng)力大小增減的范圍來(lái)看，地均GDP因子驅(qū)動(dòng)強(qiáng)度增加的區(qū)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(dá)到50%以上。

從增減區(qū)域的格局來(lái)看，武漢城市圈的不同影響因子的變化格局各具特色。對(duì)武漢市而言，人口因子影響力增加的區(qū)域主要分布在武漢市主城區(qū)和南部邊緣區(qū)。主城區(qū)高昂的房?jī)r(jià)和擁擠的交通等因素使生活成本較高，武漢市遠(yuǎn)城區(qū)如東西湖、蔡甸等區(qū)域成為較好的選擇。對(duì)于地均GDP因子，有70.32%的區(qū)域均呈增加趨勢(shì)，西北部和武漢市周邊是其主要的增長(zhǎng)區(qū)域，對(duì)城鎮(zhèn)用地?cái)U(kuò)展的帶動(dòng)作用呈外圍貼近式增長(zhǎng)格局。武漢要素集聚能力在城市群中不斷增強(qiáng)，對(duì)鄂州、仙桃、漢川和孝感等周邊城市有一定的帶動(dòng)作用。各道路鄰域因子各具特點(diǎn)，與路網(wǎng)分布密切相關(guān)，如距鐵路距離因子，作用力增大的區(qū)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(mén)和武漢-黃岡路線重合。

3.2.2 核心影響因子及其時(shí)序變化

1）全域核心影響因子及時(shí)序變化

從全域平均水平，對(duì)每一階段因子的系數(shù)分別統(tǒng)計(jì)均值，并結(jié)合表2系數(shù)分布在宏觀上識(shí)別各階段驅(qū)動(dòng)因子。1995—2000、2000—2005、2005—2010、2010—2015年各時(shí)期因子平均系數(shù)及城鎮(zhèn)用地?cái)U(kuò)展發(fā)生比見(jiàn)表3。

①全域核心影響因子識(shí)別：由表3可知，20年間武漢城市圈城鎮(zhèn)擴(kuò)展始終以經(jīng)濟(jì)和人口因子為核心。人口因子的作用強(qiáng)度于1995-2000年高于地均GDP，在此后的15 a，地均GDP對(duì)城鎮(zhèn)用地?cái)U(kuò)展的驅(qū)動(dòng)均以絕對(duì)優(yōu)勢(shì)居于首位。

②核心影響因子時(shí)序變化分析：地均GDP作為對(duì)武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展影響強(qiáng)度最大的因子，其作用強(qiáng)度在20年中呈現(xiàn)波動(dòng)上升的趨勢(shì)，2005—2010年稍有下降，并在2015年作用強(qiáng)度達(dá)到最大；人口因子與城鎮(zhèn)用地?cái)U(kuò)展呈正相關(guān)，其作用強(qiáng)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(shì)；高程和坡度因子與城鎮(zhèn)用地?cái)U(kuò)展成顯著負(fù)相關(guān)關(guān)系，20年來(lái)其作用強(qiáng)度呈先降低后增加，但研究期初與期末作用強(qiáng)度大致相同；其他鄰域因子對(duì)城鎮(zhèn)用地?cái)U(kuò)展的作用強(qiáng)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(tài)勢(shì)。其中距國(guó)道、高速、省道和鐵路的距離因子對(duì)城鎮(zhèn)用地?cái)U(kuò)展呈負(fù)相關(guān)關(guān)系，且因子強(qiáng)度均有提高，國(guó)道、省道等客流、連通性較好的道路更具有促進(jìn)土地城鎮(zhèn)化的特點(diǎn)。距水域距離和距縣道距離與武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展呈顯著正相關(guān)關(guān)系，且距水域距離因子作用強(qiáng)度整體上升，這與學(xué)者張安錄的研究一致[14]。

2）市域?qū)用婧诵挠绊懸蜃蛹皶r(shí)序變化

市域?qū)用嫔献R(shí)別城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)力是區(qū)域土地資源差異化管理的基礎(chǔ)。為便于進(jìn)行市域間驅(qū)動(dòng)力的對(duì)比及因子驅(qū)動(dòng)強(qiáng)度的時(shí)序變化，將各驅(qū)動(dòng)因子的發(fā)生比（正相關(guān)的因子即為exp()，負(fù)相關(guān)的因子變換為1/exp()）在市域?qū)用孢M(jìn)行比較，具體見(jiàn)圖4。

圖4 武漢城市圈各驅(qū)動(dòng)因子對(duì)城鎮(zhèn)用地?cái)U(kuò)展正向發(fā)生率

①全域核心影響因子識(shí)別：武漢城市圈9個(gè)城市中，武漢、黃石、黃岡、鄂州和咸寧的核心驅(qū)動(dòng)因子在20年內(nèi)均是人口和地均GDP，其中高程因子在武漢市的快速擴(kuò)展中也成為重要的影響因素。仙桃、天門(mén)和潛江則表現(xiàn)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(jīng)濟(jì)驅(qū)動(dòng)力較強(qiáng)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(qū)動(dòng)力較強(qiáng)的城市多分布在西部，即在市域?qū)用嫔?，?qū)動(dòng)力強(qiáng)度東西差異較明顯。

②核心影響因子時(shí)序變化：除咸寧和黃岡之外，其他城市的人口因子對(duì)城鎮(zhèn)用地?cái)U(kuò)展的作用強(qiáng)度均呈現(xiàn)波動(dòng)下降的趨勢(shì)，即人口增長(zhǎng)雖然仍是部分城市土地城鎮(zhèn)化的主要驅(qū)動(dòng)力，但對(duì)土地城鎮(zhèn)化的驅(qū)動(dòng)力度在逐漸減弱。從地均GDP因子來(lái)看，除了黃石和鄂州之外，其他城市的GDP對(duì)城鎮(zhèn)用地?cái)U(kuò)展的驅(qū)動(dòng)力均在上升，說(shuō)明經(jīng)濟(jì)的驅(qū)動(dòng)作用顯著。

4 結(jié) 論

本文以武漢城市圈為例，構(gòu)建耦合空間異質(zhì)性和時(shí)間非平穩(wěn)性的Logistic-GTWR模型，選取社會(huì)經(jīng)濟(jì)、自然因子和鄰域因子探究了1995-2015年20年間城鎮(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)因子的時(shí)空演變和分異格局，結(jié)論如下：

1）同時(shí)耦合時(shí)間和空間異質(zhì)性的Logistic-GTWR模型，比傳統(tǒng)邏輯斯蒂回歸和地理加權(quán)邏輯斯蒂模型具有更好的擬合優(yōu)度和模擬精度，驗(yàn)證了模型在城鎮(zhèn)用地?cái)U(kuò)展研究中的適用性。

2）武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展不同驅(qū)動(dòng)因子時(shí)空分異格局各不相同。人口因子高值分布區(qū)圍繞武漢市先收縮后擴(kuò)散并逐漸穩(wěn)定，最終形成高值區(qū)繞武漢城市圈中部沿線周邊環(huán)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(qū)先向西部轉(zhuǎn)移，其次逐漸趨于均衡，最后形成繞武漢、麻城和崇陽(yáng)周邊集聚分布的空間格局。武漢市極化作用仍占據(jù)主導(dǎo)地位，影響范圍不斷擴(kuò)大，且在武漢市的極化作用過(guò)程中人口、產(chǎn)業(yè)等要素尋租效應(yīng)明顯。

3）從整體上來(lái)看，人口和經(jīng)濟(jì)是20年間武漢城市圈城鎮(zhèn)用地?cái)U(kuò)展的核心驅(qū)動(dòng)因子。人口和經(jīng)濟(jì)影響力呈逐年上升趨勢(shì)；國(guó)道、高速和省道影響力整體呈略微升高態(tài)勢(shì)。

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(jīng)濟(jì)核心驅(qū)動(dòng)型城市，高程影響在武漢市發(fā)展中逐漸凸顯。西部經(jīng)濟(jì)發(fā)展程度稍滯后的城市仙桃、潛江和天門(mén)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(lái)人口和經(jīng)濟(jì)的作用強(qiáng)度逐步增加。人口因子作用強(qiáng)度在咸寧和黃岡呈逐漸上升趨勢(shì)，經(jīng)濟(jì)因子作用強(qiáng)度在武漢、孝感、仙桃、天門(mén)、潛江和黃岡逐年上升。

Logistic-GTWR模型顧及空間異質(zhì)性和時(shí)間非平穩(wěn)性，能夠精細(xì)化刻畫(huà)驅(qū)動(dòng)因子的時(shí)空分異特征，為城市群和城市內(nèi)部差異化管理提供思路和參考，但如何進(jìn)一步優(yōu)化武漢城市圈空間結(jié)構(gòu)，打造多核心帶動(dòng)、整體協(xié)同發(fā)展的長(zhǎng)江經(jīng)濟(jì)帶重要戰(zhàn)略支點(diǎn)需進(jìn)一步探討。此外， Logistic- GTWR模型在時(shí)空參數(shù)比例確定、較少的城鎮(zhèn)用地?cái)U(kuò)展時(shí)間節(jié)點(diǎn)、由插值得到的空間格局分布圖可能與模型估計(jì)值存在差異等問(wèn)題上還需進(jìn)一步探究。

[1] 樊杰，呂昕. 簡(jiǎn)論人地關(guān)系地域系統(tǒng)研究的核心領(lǐng)域：土地利用變化[J]. 地學(xué)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?cái)U(kuò)張及驅(qū)動(dòng)力研究進(jìn)展[J]. 地理科學(xué)進(jìn)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(lái)南京城市擴(kuò)展與土地利用演變研究[J]. 地球信息科學(xué)學(xué)報(bào)，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(kuò)展時(shí)空特征與驅(qū)動(dòng)因素分析[J]. 測(cè)繪科學(xué)，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(qiáng)，王秋兵，等. 百年沈陽(yáng)城市土地利用空間擴(kuò)展及其驅(qū)動(dòng)力分析[J]. 資源科學(xué)，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(qū)動(dòng)力分析[D]. 鄭州:河南農(nóng)業(yè)大學(xué)，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(qiáng)回歸樹(shù)和Logistic回歸的城市擴(kuò)展驅(qū)動(dòng)力分析[J]. 生態(tài)學(xué)報(bào)，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(jì)川，郭志剛. Logistic回歸模型:方法與應(yīng)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(nóng)牧交錯(cuò)區(qū)土地利用變化驅(qū)動(dòng)力分析—以內(nèi)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(guò)新偉，石寧. 基于隨機(jī)效應(yīng)logistic模型的中小企業(yè)財(cái)務(wù)失敗預(yù)警研究[J]. 管理工程學(xué)報(bào)，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(nóng)村居民不同肥胖相關(guān)人體測(cè)量指數(shù)與腦卒中患病關(guān)系[J]. 中國(guó)公共衛(wèi)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(lái)廣東區(qū)域發(fā)展的空間溢出效應(yīng)及驅(qū)動(dòng)因素[J]. 地理學(xué)報(bào)，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(nóng)化驅(qū)動(dòng)力空間異質(zhì)性研究—以武漢市為例[J]. 長(zhǎng)江流域資源與環(huán)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(zhì)性和時(shí)間非平穩(wěn)性的地理加權(quán)回歸方法研究[D]. 武漢：武漢大學(xué)，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(qū)動(dòng)力及建設(shè)用地增加空間模擬研究[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)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(qū)域生態(tài)用地演變影響因素分析——以京津冀地區(qū)為例[J]. 資源科學(xué)，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(qū)土地利用演變驅(qū)動(dòng)力分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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(jīng)濟(jì)區(qū)建設(shè)用地演變驅(qū)動(dòng)因素研究—以大連市新市區(qū)為例[J]. 地理科學(xué)，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(yīng)用改進(jìn)的時(shí)空地理加權(quán)模型分析城市住宅價(jià)格變化[J]. 東華理工大學(xué)學(xué)報(bào)(自然科學(xué)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(quán)邏輯斯蒂回歸模型在福建林火發(fā)生的適用性[J]. 生態(tài)學(xué)報(bào)，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(qū)動(dòng)力的大城市空間布局情景模擬—以武漢市為例[J]. 現(xiàn)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(shí)空Logistic回歸模型的漳州城市擴(kuò)展預(yù)測(cè)分析[J]. 地球信息科學(xué)學(xué)報(bào)，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(nóng)宇，王坤，杜清運(yùn). 利用多分類Logistic回歸進(jìn)行土地利用變化模擬—以湖北省嘉魚(yú)縣為例[J]. 武漢大學(xué)學(xué)報(bào)信息科學(xué)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(guó)家自然科學(xué)基金面上項(xiàng)目(41571384)；國(guó)土資源部土地資源調(diào)查評(píng)價(jià)項(xiàng)目(DCPJ161207-01)；國(guó)家基礎(chǔ)科學(xué)人才培養(yǎng)基金項(xiàng)目（J1103409）；國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（71433008）

王海軍，博士，教授，博士生導(dǎo)師，主要從事地理模擬、城市規(guī)劃和土地資源評(píng)價(jià)等方面研究。Email：landgiswhj@163.com

徐 姍，博士，副研究員，主要從事城鄉(xiāng)規(guī)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(zhèn)用地?cái)U(kuò)展驅(qū)動(dòng)力分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，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