摘要：以東莞市主城區為研究區，利用夜光遙感數據、POI數據與手機定位強度數據，采用核密度分析、數據格網化與雙因素組合制圖方法，獲得三種數據空間耦合相同或相異區域，并比較其與城市空間結構的關系。研究表明，三種數據的空間分布趨勢總體一致，部分區域出現空間耦合相異：(1)受交通、功能區與夜光遙感數據的“溢出”效應等因素影響，城市道路、商業區以及公共服務業集中區域，夜光遙感與POI耦合相異;在物流工業園、學校以及公園區域，夜光遙感與手機定位強度數據耦合相異。(2)職住地空間分布的差異，造成POI數據與手機定位強度數據空間耦合相異。公共服務與商務區的基礎設施完善，POI密度高于手機定位強度數據密度;居住區人口集中分布，但基礎設施建設相對薄弱，POI密度低于手機定位強度數據密度。

　　關鍵詞：夜光遙感;POI;手機定位強度數據;空間耦合關系;城市空間結構

　　1引言

　　城市空間結構屬于地理學、城市規劃以及區域經濟學等多學科的重要研究對象之一，因各學科研究角度的差異，使其難以形成一個統一的概念框架[1-2]。國外學者對城市空間結構的概念研究較早，Foley與Webber是其中早期的代表學者，認為城市空間結構的概念框架應包含多個層次，如地理空間實體要素(物質環境、文化觀念與功能活動)、空間與非空間屬性、空間作用的影響以及時間等四個層面[3-4]。我國針對城市空間結構進行系統性研究始于20世紀80年代，在外國學者研究的基礎上，提出城市空間結構是指城市中各種地理空間實體之間分布與組合的表現方式[5-6]。城市空間結構的研究能夠為城市功能區密度的調整，避免造成資源浪費，進而更好地進行城市空間規劃，推動城市合理發展提供決策[7]。

　　夜光遙感數據、POI數據與手機定位強度數據作為新興空間數據，與傳統數據相比，具有精準定位、數據量大、價值密度高的特點[8]。夜光遙感數據能夠捕獲夜間地表微光，反映區域經濟、人口地理要素的空間分布特征，常用于GDP估算[9]、“鬼城”識別[10]以及生態環境監測[11]方面研究。POI數據包含地理實體空間與屬性信息，如經緯度、地址以及類別等，被應用于城市功能區識別[12-13]與產業空間布局[14-15]。

　　手機定位強度數據與常用的百度熱力圖、“微博簽到”數據相比，具有獲取成本低、分辨率高的優勢，數據來源于使用在線產品的位置信息，并以點要素(空間分辨率為25m)的形式賦予人口熱力值，被應用于城市空間結構[16]、職住平衡[17]以及城市活力[18]等方面的研究。以上三種數據，能夠反映城市“經濟—人口”空間特征，是研究城市空間結構的重要數據源。如王博[19]利用夜間燈光數據，揭示杭州市2012年至2016年城鎮空間結構“東密西疏”的分布特征;薛冰等[20]基于POI數據，將東北三省36個城市的內部空間結構劃分為團塊型、分散組合型、線型以及放射型4種特征;何東等[21]運用“宜出行”數據，識別重慶市主城區“多中心組團式”的城市空間功能體系。

　　綜上，大部分學者偏向于采用單一數據源進行城市的相關研究，融合多源地理空間數據在我國城市空間結構的研究相對缺乏。因此，選取東莞市主城區作為研究對象，基于夜光遙感數據、POI數據以及手機定位強度數據三種數據兩兩空間耦合關系，闡述其與城市空間結構特征之間的關系，并識別城市核心—邊緣區、空置區域以及服務業供需不平衡區域，分析城市發展不平衡問題。研究結果對城市規劃者了解城市的空間結構，進行城市功能區調整與優化，構建具有活力的現代化城市提供參考。

　　2研究區與數據

　　2.1研究區概況

　　東莞市位于珠江三角洲東岸，是廣州和深圳的雙輻射城市，為粵港澳大灣區的重要節點城市，同時也是我國5個不設區的地級市之一。中心城區位于東莞市的西北方向，下轄莞城、南城、東城、萬江4個街道，總面積222.4km2，常住人口124.66萬人(2019年)。在行政區劃、自然地理環境以及建成區歷史等因素綜合影響下，形成“一主三副、十字展開、單元發展”的城市空間結構。

　　“一主三副”中的主核心區位于南城街道，是東莞市行政文化與國際商務的中心，城市特色副核心區則由莞城、東城、萬江3個街道組成。“十字展開”指穿過城市主核心區呈十字展開的“東莞大道-東城中路-莞龍路”綜合功能發展軸與“松山湖大道八一路-鴻福路-銀龍路”山水特色發展軸。“單元發展”則是指依據構建城市15分鐘生活圈的要求，劃分的19個城市發展單元。東莞市致力于城市功能優化，融入粵港澳大灣區建設，打造多功能、具有活力與生態宜居型現代城市。因此，東莞市中心城區城市空間結構的研究，對中心城區功能優化提升具有較強的現實意義。

　　2.2數據源

　　研究所選用的數據包括東莞市基礎地理數據、夜光遙感影像數據、POI數據以及手機定位強度數據。基礎地理數據包括行政區劃、道路以及河流水系等矢量數據，來源于國家基礎地理信息中心與2020年6月采集的OpenStreetMap數據。

　　夜光遙感影像數據選取2019年1月~12月經過星上校正，但未經標準化處理的NPP-VIIRS月合成影像數據，該數據的空間分辨率為740m，包括了日平均影像與月平均影像兩種數據，數據量豐富，連續性好[22]。與DMSP/OLS數據相比，NPPVIIRS數據的空間與時間分辨率都獲得了提升，并且消除了像元飽和，夜間燈光探測能力與穩定性更加優越，能更好地反映城市的夜間燈光整體分布特征[23]。

　　POI數據源于高德地圖提供的API接口，經數據清洗后，共獲取72775條有效數據，依據《國家經濟行業分類》(GB/T4754-2017)將其劃分為14類。根據已有研究結果：工作日(周一至周五)、休息日(周六、周日)的人口空間特征分別具有相似性[24]。最終，選取2020年6月23日(工作日)、6月25日(端午節)以及6月27日(休息日)三日研究區的手機定位強度數據作為數據源，研究東莞市主城區整體人口集聚特征。其中，采集的時間區間為7：00~24：00，時間間隔為1h，數據經去重、刪除超越研究區邊界的無效數據后，一共獲得1034602條有效數據。由于三天研究區內并無重大自然災害或極端天氣現象，所得數據具有代表性。

　　3研究方法

　　本研究通過分析POI數據、夜光遙感數據以及手機定位強度數據等三組數據的空間耦合關系，探討其與東莞市主城區的城市空間結構之間的關系。首先，對POI數據、NPP-VIIRS夜光遙感數據以及手機定位強度數據進行預處理;其次，根據行政邊界數據創建六邊形格網;接著，對柵格數據進行矢量化，與格網數據進行空間連接，并采用分級設色，獲得三種數據的規則格網圖;最后，對數據進行歸一化處理，利用雙因素組合制圖方法，將數據的空間耦合關系進行可視化。

　　3.1數據預處理

　　首先，將原NPP-VIIRS數據重投影為常用的WGS_1984_UTM_ZONE_49N投影坐標系，接著采用柵格計算器將由火災、漁船等現象造成的負值區域設置為0，然后利用研究區矢量數據進行裁剪。為降低數據的偶然性誤差，對12景夜光遙感數據進行均值計算，合成2019年研究區夜光亮度均值圖像，最后重采樣至30m分辨率，用于反映研究區夜光亮度整體空間特征。原POI數據與手機定位強度數據為文本數據，其中POI數據包含經緯度、名字、地址以及城市名稱等字段，手機定位強度數據則包含人口熱力值、經度、緯度以及時間四個字段。首先，分別將其導入ArcGIS中轉為點要素數據，并統一坐標為WGS-84;然后剔除超出研究區邊界的誤差點，獲得有效的POI與手機定位強度數據的點狀矢量數據。

　　4耦合關系分析

　　4.1總體分布特征與耦合關系

　　夜光亮度值整體分布格局，呈現出由城市中心向四周逐漸減弱的趨勢，高值區組團狀分布，呈一主三副的空間結構特征。主核心區位于南城的北發展單元，是東莞市的教育、商務服務業以及政治文化中心。酒店和商務服務業集中分布的東城的主山發展單元燈光亮度值僅次于主核心區，屬副核心區。商務住宅與購物業分布較集中的萬江新中心與中部發展單元的夜光亮度高值，呈同心圓狀分布;南城的南發展單元東部的亮度值僅次于核心區，是物流、商務服務業的集中分布地，與東城主山、萬江新中心以及中部發展單元，構成了多核心結構。此外，城市邊緣區存在零星分布的點狀高值區域，與道路的位置相耦合，如城市東北處的高值區域為莞龍路與東寶路的交接處的夜光亮度值高。

　　其整體分布趨勢與夜光遙感數據相似，也呈由城市中心向邊緣區減弱的趨勢。南部的水濂、牛山、同沙與黃旗山發展單元的POI密度較低，屬于城市土地利用的空置區域，開發利用程度低，是水庫、綠地以及生態保護區的集中分布地區。不同點在于莞城的POI密度僅次于南城，與教育、公共服務業的分布相耦合;南城中、南發展單元的零售業、商務服務業以及物流等行業集聚，土地利用類型混合度高，POI密度表現較好;城市邊緣區并未出現零星分布的點狀高值區。

　　其高值分布與POI數據密度分布相似，密度值由城市中心向城市邊緣區呈遞減趨勢。人口活動強度越高，該區域的人口集中程度越高。教育用地、大型商業廣場以及中心商務區的人口熱力密度表現突出，其中商務區的高值區，圍繞東莞市人民政府呈環狀分布。部分點狀高值區域主要位于城市邊緣區的道路交匯處，生態保護區與物流工業用地的密度值則較低，人口熱力密度值分布特征與其它兩種數據總體一致。采用符號計數統計方法計算三種數據兩兩空間耦合關系相同(低-低、中-中、高-高)區域的占比，其中夜光遙感與POI具有相同空間耦合關系占比為66.37%，與手機定位強度數據具有相同空間耦合關系占比為67.12%，POI數據與手機定位強度數據具有相同空間耦合關系占比為78.67%。

　　夜光遙感與POI數據、手機定位強度數據空間耦合在空間分布上具有相似性，高-高耦合主要分布于南城與東城兩個區域，外圍則形成了中-中耦合關系，邊緣區則以低-低耦合關系為主;POI數據與手機定位強度數據的空間耦合程度較高，高-高耦合呈現多中心分布，多位于購物商場、中心商務區，中-中、低低空間耦合關系則圍繞高-高耦合呈環狀分布�？傮w而言，三種數據的空間耦合關系具有較好的耦合程度，高-高耦合多位于城市的核心區，中-中耦合位于過渡區，低-低則位于邊緣區，屬于生態保護區，包括同沙、黃旗山、水濂山以及大嶺山生態園，不宜進行大面積的城市開發活動。

　　5結論與討論

　　以東莞市主城區為例，基于夜光遙感、POI數據以及手機定位強度數據等表征人文-經濟地理活動的空間數據，采用核密度分析、數據格網化以及雙因素組合制圖方法，分析不同數據的空間耦合關系與城市空間結構的之間關系，得出以下結論：

　　(1)夜光遙感、POI以及手機定位強度三組不同類型的空間數據的空間分布總體趨勢一致，空間耦合程度較高。具有相同空間耦合關系區域的空間分布特征，能夠識別城市核心區、過渡區以及邊緣區的空間分布特征，可以有效反映城市空間結構特征。

　　(2)空間耦合相異區域的存在，有助于對城市部分區域的空間結構進行詳細的探討。夜光遙感亮度值高于POI密度值的空間耦合相異區域的分布，與邊緣或過渡區的房地產產業分布相耦合，反映了市中心的居住職能向過渡區與邊緣區轉移的趨勢。而POI密度值高于夜光遙感亮度值的區域則主要分布于莞城，反映舊城區經濟與商務職能的衰落;夜光遙感數據與手機定位強度數據空間耦合相異，則主要分布于道路用地、物流工業用地、教育以及休閑用地，反映兩組數據結構的差異;POI數據與手機定位強度數據空間耦合相異，則反映了基礎設施建設與居民生活服務需求之間的不平衡關系。

　　(3)三種數據對地理實體要素的表達各有優缺點，夜光遙感能夠反映人類夜間活動產生的燈光亮度，但輕度“溢光”效應使得其所表示的人類活動范圍要大于實際范圍，空間位置上出現了偏移。POI數據是一種具有精確定位功能的點數據，但不能準確反映面狀地理實體的空間分布。手機定位強度數據則是一種位置服務數據，能夠反映城市人口活動強度的空間特征，但受使用者年齡(微信、微博以及QQ等社交媒體軟件在老年人與幼童中普及程度較低)影響，并不能反映城市的實際活動人口數量。

　　融合以上三組空間數據，能夠發揮不同數據的優勢、彌補不足。結合核密度分析的POI數據，削弱了POI數據反映面狀地理實體產生的誤差，能夠識別夜光遙感數據的“溢光”區域、城市建筑密集區域以及空置區域;手機定位強度數據相對夜光遙感數據，分辨率更高、更加精確，能夠精確反映城市全天候人口活動的空間分布特征，與POI數據相結合，則能夠反映出城市基礎設施建設與人口之間供需平衡的關系。

　　地理論文范例：漫談初中地理教學中的圖像教學

　　綜上，融合多源地理大數據，改進了采用單一數據源的精度問題。城市空間結構應當是一個動態變化的過程，而本研究選取的年限較短，在時序性上存在不足;分析不同數據空間耦合關系與城市空間結構之間的關系，偏向于定性研究，缺少量化方法的使用。今后，將結合深度學習與時間序列分析方法，對研究區5~10年城市結構變化進行定量分析與預測，進一步完善融合三組地理大數據在城市空間結構研究中的應用，凸顯三組數據表征地理實體功能的優越性。

　　參考文獻(References)：

　　[1]MaRenfeng，WangTengfei.ProgressofResearchontheIn⁃fluenceofUrbanSpatialStructureontheLocationofEmerg⁃ingIndustryinChina[J].WorldRegionalStudies，2019，28(5)：141-152[.馬仁鋒，王騰飛.城市空間結構對新興產業區位影響研究動態與展望[J].世界地理研究，2019，28(5)：141-152.][2]TangZilai.TheoriesandMethodsofResearchonUrbanSpa⁃tialStructureintheWest[J].UrbanPlanningForum，1997，(6)：1-11，63[.唐子來.西方城市空間結構研究的理論和方法[J].城市規劃匯刊，1997(6)：1-11，63.]

　　[3]FoleyL.D.(1964)AnApproachtoMetropolitanSpatialStructure，inWebberM.M.etal.(eds.)ExplorationintoUr⁃banStructure[M].UniversityofPennsylvaniaPress，Philadel⁃phia.

　　作者：梁立鋒，譚本華，馬詠珊，陳漾漾，劉秀娟