2. 河南省科学院地理研究所, 河南 郑州 450052
2. Institute of Geographical Sciences, Henan Academy of Sciences, Zhengzhou 450052, China
伴随着工业化进程的推进和社会经济发展，人类社会活动中农业活动的比重下降，非农业活动的比重上升，居民点建设等物质表象和居民生活方式向城镇型转化并趋于稳定，这一过程即为城镇化[1]。国家统计局数据显示，中国的城镇化水平由1978年的17.9%上升到2015年的56.1%，超过了世界平均水平。特别是2000年以来，中国的城镇化发展进入了新的阶段。中国共产党第十八次全国代表大会和十八届三中、五中全会中明确指出，我国要坚持走中国特色的新型工业化、信息化、城镇化、农业现代化道路。“十三五”规划、国家新型城镇化规划(2014—2020)、中央城市工作会议(2015)、中央城镇化工作会议(2013)提出要合理控制城镇开发边界、保护基本农田，通过优化城市内部空间结构，促进城市紧凑集约、高效绿色发展，以解决城市盲目扩张、土地城镇化快于人口城镇化、建设用地粗放低效、城镇化与工业化不匹配、城镇空间分布和规模结构不合理、资源环境承载力不足、生态环境问题突出等诸多问题。
新型城镇化建设对城市发展提出了新的要求。城镇化可从“人”的城镇化和“地”的城镇化两方面进行度量。“人”的城镇化可采用城市化率(城市人口与总人口的比率)表示，“地”的城镇化可采用非农化的城区面积表示[2]。相比于人口城镇化产生的人口转移这一难以度量的指标，“地”的城镇化，即城市空间扩展是城镇化作用于地理空间的直接结果[3]，可应用遥感与地理信息技术开展监测与分析。基于遥感和地理信息技术的城区扩展监测近20年来一直是遥感与对地观测领域的热点研究内容之一[4-12]，也是遥感技术的重要应用方面之一[13-17]。遥感监测因其客观、现势性强等特征取代了传统主要依靠规划、统计等专题数据度量城镇化的方法。当前城区扩展监测研究包括遥感影像人工目视解译提取、低分辨率遥感影像不透水面自动提取、中分辨率遥感影像城区自动提取、高分辨率遥感影像城区监测4个方面[13, 18-21]。随着高分辨率遥感影像成本的降低，基于高分辨率影像的城区边界提取及其时空扩展分析能够更加准确地了解城区时空扩展过程，从而为新型城镇化规划提供基础数据支持。然而，以往的研究仍存在不足，主要体现在：各学派和各部门对城区边界缺少统一的认识和提取标准、数据来源缺乏一致性、以不透水面(建设用地)代替城区导致城区边界精度不足、高分辨率遥感影像上城区边界主要采用人工解译提取的技术手段等。本文在分析以往城区相关概念的基础上，提出了一种计算机自动识别和人工解译相结合的城区边界半自动化提取方法。在此基础上，利用提取的多期城区边界及城区面积作为城镇化的表征开展城区时空扩展分析。
京津冀城市群是中国三大国家战略之一“京津冀协同发展”的所在地，战略意义突出，城镇化发展进程迅速，城镇化不当发展造成的问题严峻。京津冀面积为21.7万平方千米，涉及153个县级以上城市(含140个县级城市和13个地级以上城市)。其中，13个地级以上城市包括2个直辖市和11个地级城市，监测范围限于其市辖区范围，地级以上城市的所辖县和县级市单独列入县级城市统计。鉴于京津冀城市群城镇化监测的突出意义和示范效应，故选择该区域的县级以上城市作为城区时空扩展监测与分析的范围。本文以城区边界监测为切入点，系统地分析了京津冀城市群1990—2015年城区时空扩展过程，对于京津冀协同发展规划将提供强有力的数据支持。
1 研究方法与数据来源 1.1 城区半自动化提取方法 1.1.1 城区相关概念城区，即城市区域，是一个以空间位置为基础的概念，涉及人口密度、社会经济组织、自然环境向建设用地环境转换，同时城乡边缘存在连续过渡的特征[15]等因素。城区的上述特点增加了其提取难度。目前城区相关的概念众多(表 1)，出发点各不相同，且不能很好地反映城区扩展的时空特征。市域、市区、主城区、中心城区、规划城市建设用地均为考虑管理职能的边界，若不考虑行政区划和城市规划的调整，其面积具有固定不变属性，不能反映城区的时空扩展特征。城市开发边界和城市空间增长边界通过综合考虑城市现有功能和承载力划定的约束性边界，对城市发展进行约束，理论上每个城市的约束性边界只有一个，因此也不能反映城区的时空扩展特征。《城市建设统计年鉴》中的城区依据《城市(县城)和村镇建设统计报表制度》，考虑了城区的时空扩展特征，并详细描述了城区可能分布的地域和范围，但其城区的最小单元为乡镇，其将乡镇行政管辖范围整体上归入或排除到城区范围，与城市实际边界即建成边界存在一定的差距。建成区更能够反映城市实际建设和发展边界，但目前的建成区数据多通过地方城市上报到住房和城乡建设部的方式予以统计，且存在建成区划定标准不统一、上报的建成区多为统计数字、缺少空间化表征等缺点。
| 序号 | 概念 | 定义/解释 | 参考文献 |
| 1 | 市域 | 城市行政管辖的全部地域 | 文献[22] |
| 2 | 市区 | 有两种含义，一种含义是指城市法定边界(行政区划)内的地域，另一种含义是城市辖区内地理景观具有城市特征的地域。城市的地理实体范围和城市法定辖区完全一致的情况几乎不存在 | 文献[23] |
| 3 | 主城区 | 城区的中心部分，一般指城区行政中心地带，而不包括周围的市、县(区)、郊区 | 文献[24] |
| 4 | 中心城区 | 范围即城市发展的核心地区，是政治、经济、文化中心等多种综合中心，对城市经济发展起着重要的作用，包括规划建设用地和近郊地区 | 文献[24] |
| 5 | 建成区 | 指实际已建设发展起来的城市用地相对集中分布的地区，既包括集中连片的城市用地，又包括散布在近郊区内的城市用地 | 文献[23] |
| 6 | 城区 | ①街道办事处所辖地域；②城市公共设施、居住设施和市政公用设施等连接到的其他镇(乡)地域；③常住人口在3000人以上的工矿区、开发区、科研单位、大专院校等特殊区域。连接是指两个区域间可观察到的已建成或在建的公共设施、居住设施、市政设施和其他设施相连，中间没有被水域、农业用地、园地、林地、牧草地等非建设用地隔断。对于组团式和散点式的城市，城区由多个分散的区域组成，或有个别区域远离主城区，应将这些分散的区域相加作为城区 | 城市建设统计年鉴 |
| 7 | 规划城市建设用地 | 已经被规划部门安排部署的城乡住宅和公共设施用地，工矿用地，能源、交通、水利、通信等基础设施用地，旅游用地，军事用地等10项用地 | 文献[24] |
| 8 | 城市开发边界/城市空间增长边界 | 二者内涵相似，均为“刚性边界”，意义在于将城市的发展更好地与周边区域的发展协调起来，保护耕地及城市周边自然生态环境，试图缓解城市给所在区域的土地、环境、社会等方面带来的压力，是城市发展所能达到的最终合理规模 | 文献[25] |
基于上述原因，参考建成区的概念，考虑《城市建设统计年鉴》中的城区分布地域和范围，充分挖掘高分辨率遥感影像中展现的城市景观和形态等空间可视化特征，从城市实际建设完成情况出发，制定了城区标准化的提取方法，保证了城区边界提取的一致性。城区定义为行政界线内，以城市空间扩展监测系列时相基期的一个或多个中心城区内的政府所在地(中心大团)为基础，在城乡结合部通过边缘扩展、轴线扩展或多中心扩展等扩展模式发展起来的，具有城市功能和城市景观特征的集中连片空间范围。
1.1.2 基于高分辨率影像的城区边界半自动提取方法采用融合直角点和直角边特征的高分辨率遥感影像居民点提取方法[26]提取居民点多边形。该方法分别检测高分辨率遥感影像的直角点和直线段，通过两种特征交叉验证确定直角点和直角边，基于局部直角点和直角边点的密度和距离特征生成居民点指数图像，确定居民点多边形。该方法同时融合了直角点和直线段两种特征，具有更高的提取精度[26]。将居民点多边形与中心城区政府所在地叠加，中心城区政府所在地落到的居民点多边形作为初始城区边界。
在初始城区边界基础上，按照城区定义和城区边界提取原则，采用人工目视解译对初始城区进行编辑修正(图 1)。人工编辑修正一是对初始城区边界的走向进行修正；二是将具有城市景观且符合集中连片特征的区域，以及飞地型城区归入城区，不满足要求的区域剔除出城区。
|
| 图 1 城区边界提取技术流程 Fig. 1 The workflow of urban boundary extraction |
城区边界提取原则包括：①行政区划限定原则，城区必须位于城市行政区划范围内。②城区边界走向原则，城区边界线优先沿道路、河流、围墙等线性地物的边界走向勾绘，不能跨越房屋建筑(区)、构筑物、水域、绿地、农林用地等，紧邻城区边界线内侧不能有耕地存在。当河岸为城市建设用地绿化景观时，城区边界沿河流的高水位线走向勾绘，连同绿化部分归入城区，否则沿道路勾绘。在没有道路或河流等地物边界时，城区边界优先沿基本建成且边界较明显的完整地块勾绘，如院落或围墙。若地块边界不明显或整个地块内未建成面积比例较大，可按实际地物边界勾绘。③集中连片原则，集中连片定义为中间没有被非建设用地隔断，或与中心大团通过道路连通，连通距离小于50 m且斑块面积大于6公顷。④城市景观判定原则，城市景观主要包括城市房屋建筑区、城市道路、城市绿地、城市广场、停车场、体育场等景观[27-28]，其中由城市道路围成的街区是最主要的城市景观特征。⑤飞地型城区判定原则，飞地型城区指不与中心大团集中连片但也应归入城区的区域，其具有以下特征：与主干路相连；具有城市景观特征；面积大于60公顷且具有城市景观的街道办事处、城市行政部门、工矿区、开发区、科研单位、大专院校等特殊区域所在的集中连片区域。
城区边界提取过程中首先完成最新时相的边界提取，然后按现势性从新到旧的顺序依次完成前时相的城区更新提取，以保证多期边界之间的拓扑准确。利用高分辨率遥感影像，通过计算机自动识别结合人工修正可得到标准统一、高精度的城区边界。在人工编辑过程中，充分利用测绘地理信息部门的基础地理信息数据，以及第一次全国地理国情普查成果，为城市景观和飞地型城区的判断提供参考。
1.2 城区时空扩展分析方法采用城区扩展速度、扩展强度、分形维数、紧凑度、城市用地增长弹性系数5个指标，从城区时空扩展过程、城区空间形态及结构变化、扩展协调性、扩展占用土地类型等4个方面对城区时空扩展进行分析。
1.2.1 扩展速度扩展速度Vi为某一时间段内某城市城区面积的年增长速度，表示单位时间内不同城区扩展快慢的绝对(面积)差异
(1)
式中，Vi为城市扩展速度；ΔUij为j时段第i个研究单元城区扩展面积；Δtj为j时段的时间跨度。
1.2.2 扩展强度扩展强度Ni为某一时间段内某城市城区面积相对于基期城区的年扩展比例，表示单位时间内不同城区扩展快慢的相对(比例)差异
(2)
式中，Ni为城市扩展强度；ΔUij为j时段第i个研究单元城区扩展面积；Δtj为j时段的时间跨度；Mj为j时段初期第i个单元城区总面积。
1.2.3 分形维数分形维数St是城市空间形态的表示。城市空间形态不规则的程度增加，说明在这一时期城市城区面积的增加时以外部扩展为主；城市空间形态的不规则程度下降，说明城市城区面积的增加是以城区边缘间的填充为主；城市空间形态的不规则程度不变，说明城市进入相对稳定的发展阶段[29]
(3)
式中，St为t时期城市斑块的分形维数；At、Pt分别是t时期城市斑块的面积和周长。当St＜1.5时，说明图形趋向于简单；当St=1.5时，表示图形处于布朗随机运动状态，越接近于该值，稳定性越差；当St>1.5时，则图形更为复杂。
1.2.4 紧凑度紧凑度BCI是反映城市空间形态的重要指标，也是表现城市空间形态内部各部分空间集中化程度的指标[30]。紧凑度有很多计算方法，但以Boyce提出的计算方法[31]使用最为广泛
(4)
式中，BCI为城区的紧凑度；A为城区总面积；P为城区周长。该公式以圆形作为标准计量单位，BCI的取值范围为0~1，值越大表示城市形状越具有紧凑性，反之紧凑性越差，圆形区域的紧凑性为1。一般来说，当城市处于迅速扩展的发展阶段，紧凑度下降；当城市转为内部填充、改造发展阶段时，紧凑度上升[29]。紧凑度的提高，有利于缩短城市内各部分之间的联系距离，提高城市基础设施和已开发土地的利用效率，提高资源的利用效率和降低城市的管理成本[29]。
1.2.5 城市用地增长弹性系数城市用地增长弹性系数K是一定时期内城区面积增长率与城区人口增长率之比，是测定城区扩展程度的指标
(5)
(6)
式中，K为城市用地增长弹性系数；PR为城市人口年均增长率；GR为城区面积年均增长率；At表示某个时间段末城区的面积；A0表示某个时间段初城区面积；Δt表示时间段的跨度。中国城市规划设计研究院《2000年城镇用地预测综合报告》指出，该系数的最优值为1.12。当城市用地增长弹性系数高于1.12，城市土地效率就会降低；低于1.12时，诸如交通拥堵，城市基础设施不足，舒适度差等诸多城市问题就会凸显。
1.3 数据来源与数据处理基础数据包括遥感影像、县级行政区划界线、人口和GDP数据、土地利用数据。2002年是京津冀城市群发展重要的年份，随着中国在前一年加入世贸组织、申奥成功，以及本年度中国共产党十六大提出全面建设小康社会等契机，京津冀经历了更加迅猛的城镇化发展，且1990至2002年，2002至2015年两个时间间隔接近，便于对城区扩展进行横向比较，故选择1990、2002、2015年3个年份开展城区时空扩展监测与分析。1990年和2002年影像资料主要来源于京津冀城市群所在的3个省市测绘地理信息部门的存档黑白航空影像，空间分辨率优于1 m。2015年为Worldview-1、Worldview-2、ZY3、TH1、GF1等高分辨率卫星遥感影像，分辨率以优于1 m为主。收集到的影像均为正射影像，投影系统均为CGCS2000坐标系，且3期影像的套合精度较高，故未再进行影像纠正和配准等工作。县级行政区划界线来源于测绘地理信息部门，比例尺为1:50 000。城市的人口和GDP数据来源于中国城市统计年鉴，人口数据使用了市辖区年末人口，GDP使用了市辖区的地区生产总值。1990年土地利用数据来源于中国科学院资源环境科学数据中心，将土地利用一级类合并成耕地、居民点和其他建设用地(包括城乡工矿居民地一级类)、其他(包括林地、草地、水域、未利用地一级类)。土地利用数据经纠正后与影像配准。
参考资料包括1:1万和1:5万比例尺基础地理信息数据、全国第一次地理国情普查地表覆盖和地理国情要素成果。地表覆盖的耕地、园地、林地、草地、构筑物、人工堆掘地、房屋建筑(区)、道路、荒漠与裸露地表、水域数据，地理国情要素中的城市道路数据LCTL层可为城市景观判断提供参考。地理国情要素的点状地理单元数据BUCP层和面状地理单元数据BUCA层包含街道办事处、居住小区、工矿企业、单位院落等的位置信息，可为城市景观判断和飞地型城区判断提供参考。地理国情要素中的BERA2层包含开发区和保税区位置信息，基础地理信息数据RES_PT层中的311105包含街道办事处位置信息，上述信息可为飞地型城区判断提供参考。
| 序号 | 数据名称 | 时相 | 数据来源 |
| 1 | 遥感影像 | 1990年、2002年 | 全色航片为主 |
| 2015年 | Worldview-1、 Worldview-2、 ZY-3、TH1、 GF1等卫星影像 |
||
| 2 | 县级行政区划界线 | 2014年 | 省级测绘地理信息部门 |
| 3 | 人口和GDP数据 | 1990年、 2002年、 2015年 |
1990、2002、2015年 中国城市统计年鉴 |
| 4 | 土地利用数据 | 1990年 | 中国科学院资源环境科学数据中心 |
| 5 | 全国第一次地理 国情普查地表 覆盖和地理国情 要素数据 |
2015年 | 国家测绘地理信息局 |
| 6 | 基础地理信息数据 | 1990年、2002年 | 国家测绘地理信息局 |
2 结果与分析 2.1 城区边界提取结果的准确性分析
目前城区边界并没有标准化的提取方法，本文综合已有城区相关概念提出了可操作性强、规范化的城区半自动提取方法。京津冀县级以上城市城区边界提取由解译人员严格按照规范操作，故能够保证城区边界提取结果的准确性。
影像数据源方面，京津冀城市群3期影像的几何配准精度小于2个像素，保证了采用更新提取历史期城区边界的可行性。城区边界采集方面，每个城市的城区由解译人员按照规范化方法编辑修正，边界尽量沿全国第一次地理国情普查成果边界勾绘，保证城区边界走向的准确。然后由非该城市的解译人员按照规范对城区提取成果进行检查，确保城区边界提取的准确性。
城区边界提取最大的难点在于集中连片、城市景观和飞地型城区的判断，本文研究通过参考地理国情要素的点状地理单元数据BUCP、面状地理单元数据BUCA图层、BERA2层、LCTL层，基础地理信息数据中的RES_PT层，以及百度和高德地图兴趣点信息，很好地解决了上述城区相关三大特征的判断，确保了城区边界提取的准确性。
2.2 城区时空扩展过程 2.2.1 城区时空扩展过程1990、2002、2015年京津冀城市群县级以上城市的城区总面积分别为2 010.82、2 833.64、4 339.68 km2，分别占区域总面积的0.9%、1.3%、2.0%。25年来京津冀城市群的城区面积持续增加，面积增加2 328.86 km2，增加了1.16倍，相当于再造了2.56个北京城。2015年各地级以上行政区(含所辖市辖区和县级城市)内的城区面积从大到小依次为天津市(25.48%)、北京市(23.62%)、唐山市(7.58%)、石家庄市(7.39%)、保定市(6.40%)、沧州市(5.11%)、邢台市(4.68%)、邯郸市(4.53%)、廊坊市(4.06%)、张家口市(3.56%)、秦皇岛市(3.01%)、衡水市(2.71%)、承德市(1.88%)，其中北京、天津两地区城区面积占京津冀城市群城区总面积的近1/2。2015年城区面积最大的地级以上城市依次为天津市、北京市、唐山市、石家庄市、秦皇岛市、邯郸市、廊坊市、张家口市、保定市、邢台市、沧州市、衡水市、承德市。2015年城区面积最大的10个县级城市依次为三河市、任丘市、涿州市、迁安市、静海县、滦南县、辛集市、黄烨市、遵化市、宁河县。
2002年比1990年城区面积增长了822.83 km2，面积增长前3的地级行政区为天津市、北京市、保定市，分别占总增长面积的17.80%、15.60%和13.04%。2015年比2002年城区面积增长了1 506.03 km2，面积增长前3的地级行政区为天津市、北京市、唐山市，分别占总增长面积的37.33%、15.44%和8.53%。天津市和北京市地级行政区的增长面积远超过其他地区。1990—2015年，京津冀县级以上城市的城区平均扩展速度为0.63 km2/年。地级以上城市(仅指市辖区范围)中，天津市城区扩展速度最快，为26.92 km2/年。承德市城区扩展速度最慢，为0.46 km2/年。县级城市中，廊坊市与三河市城区扩展速度最快，为1.00 km2/年。保定市阜平县扩展速度最慢，为0.03 km2/年。1990—2015年，城区面积扩展比例超过1倍的城市有119个，京津冀县级以上城市总体上扩展强度非常大。扩展比例最大的迁安市和扩展比例最小的井陉县二者25年间的城区面积扩展比例相差28.4倍。
京津冀城市群25年间扩展较快的地区主要集中在北京市、天津市、廊坊市、唐山市、石家庄市、邯郸市及周边地区，其中北京、天津、廊坊、唐山地区的城区扩展速度明显高于其他地区，而北京、天津扩展尤为突出。表明该地区“地”的城镇化规模和速度远高于其他地区(图 2)，廊坊和唐山受北京、天津的辐射影响较为明显。与之形成鲜明对比，京津冀城市群的西部和北部山区，以及其他平原地区的城区扩展相对较慢。一方面是由于地形因素限制了上述地区的城区扩展，另一方面也表明京津冀城市群的核心城市北京、天津仅对其周边产生了一定的辐射作用，影响范围还远远不够，京津冀一体化协同发展亟待加强。
|
| 图 2 京津冀城市群1990—2015年城市空间扩展分布 Fig. 2 Urban spatial expansion distribution of Beijing-Tianjin-Hebei urban agglomeration during 1990—2015 |
| km2 | |||||||
| 城市名 | 市辖区范围城区面积 | 行政区划范围城区面积 | |||||
| 1990年 | 2002年 | 2015年 | 1990年 | 2002年 | 2015年 | ||
| 北京市 | 653.3 | 772.8 | 997.9 | 664.0 | 792.4 | 1 024.9 | |
| 天津市 | 380.3 | 517.5 | 1 053.3 | 396.8 | 543.3 | 1 105.6 | |
| 石家庄市 | 114.0 | 138.9 | 167.3 | 176.5 | 243.5 | 320.5 | |
| 唐山市 | 115.6 | 149.8 | 227.0 | 142.8 | 200.4 | 328.8 | |
| 秦皇岛市 | 42.9 | 66.6 | 107.5 | 52.0 | 81.5 | 130.6 | |
| 邯郸市 | 36.9 | 57.2 | 81.7 | 78.7 | 128.6 | 196.7 | |
| 邢台市 | 33.3 | 44.2 | 58.7 | 77.2 | 126.4 | 203.0 | |
| 保定市 | 39.5 | 55.4 | 65.6 | 101.2 | 208.4 | 277.7 | |
| 张家口市 | 35.7 | 49.4 | 67.8 | 72.4 | 104.4 | 154.6 | |
| 承德市 | 18.3 | 20.6 | 29.8 | 45.8 | 52.3 | 81.5 | |
| 沧州市 | 30.9 | 40.6 | 55.4 | 104.8 | 165.9 | 221.9 | |
| 廊坊市 | 18.6 | 40.1 | 72.7 | 52.6 | 103.0 | 176.1 | |
| 衡水市 | 14.4 | 28.1 | 36.9 | 46.2 | 83.4 | 117.8 | |
2.2.2 城区空间形态及结构变化
1990—2002年，京津冀地区城区以粗放式扩展为主扩展，2002年之后城市趋于集约型扩展，25年间整体呈现出以中心城区外围的“组团”式外延扩展为主。京津冀地区城市空间结构演变特征各具特色，圈层、轴线、带状扩展模式并存。京津冀县级以上城市的紧凑度指数和分形维数计算结果显示，城市空间扩展的节律变化对城市空间形态的影响十分显著。中心城区的紧凑度指数和边界分形维数的变化较大，说明城区在扩展过程中，主要以中心城区外围的“片状”建设形态为主，也即“组团”扩张为主导，城区边缘的不规则程度加剧；但2002—2015年，随着城市扩展逐步由粗放式扩展向集约型调整，城区不规则程度有小幅度降低。1990—2015年北京市城区扩展空间结构由“圈层+轴线”向“圈层+带状”结构模式演变；1990—2015年天津市城区扩展空间结构由“单中心圈层”向“圈层+轴线”结构模式演变；1990—2015年石家庄市城市扩展空间结构基本保持“单中心圈层”结构模式扩展。
2.2.3 城区扩展协调性1990—2002年，廊坊市(3.36)、唐山市(2.07)、邯郸市(2.07)、张家口市(1.50)的城市用地增长弹性系数远高于最优值1.12，表明该4个城市城区扩展速度高于城市人口增长速度，城区的土地利用效率下降；北京市(0.47)、石家庄市(0.48)、承德市(0.54)、沧州市(0.82)、保定市(0.94)、邢台市(0.94)的城市用地增长弹性系数远低于合理值1.12，表明该6个城市城区扩展速度低于城市人口增长速度，城区过快的人口涌入会产生交通拥堵、基础设施配套不足等一系列的城市病。秦皇岛市(1.23)和天津市(1.13)城市用地增长弹性系数相对合理。2002—2015年，天津市(6.77)、张家口市(4.41)、廊坊市(3.79)、沧州市(2.07)、秦皇岛市(1.95)、邯郸市(1.40)城市用地增长弹性系数远高于最优值1.12，表明该6个城市城区扩展速度高于城市人口增长速度，城区土地利用效率下降。唐山市(0.62)、保定市(0.78)、石家庄市(0.25)、邢台市(0.57)的城市用地增长弹性系数远低于合理值1.12，表明该6个城市城区扩展速度低于城市人口增长速度。2002—2015年相比1990—2002年，京津冀城市群地级市辖区的城市用地增长弹性系数与合理值差距整体拉大，且总体上呈现两极分化的趋势，只有北京市和邯郸市的城区扩展协调性在增强。
2.2.4 城区扩展占用土地类型随着城市规模不断扩大，受城市周边开发区建设、城市新区、工业用地外迁的影响，城市周边土地利用类型转换主要集中在耕地、建设用地、居住地和工业用地。京津冀地区1990—2015年城区扩展占用耕地的比例为54.31%，占用农村居民点及其他建设用地的比例为38.86%。城市扩展过程中，占用耕地、不断吸纳附近地区的农村居民点和其他建设用地是城区扩展占用土地的主要方式。
3 结论与讨论本文在分析已有城区相关概念的基础上，充分利用高分辨率遥感影像中展现出的城市景观和形态、集中连片等空间可视化特征，结合住房和城乡建设部需求，从城市实际建设完成情况出发，提出了一套基于高分辨率影像和地理信息资料辅助的城区半自动化提取方法。该方法具有规范性强、标准统一等特点，且可操作性强，推广应用价值大。提出的城区边界提取方法所用影像分辨率高，城区边界勾绘精度高，可得到更高精度的城区边界数据，同时避免了以不透不面(建设用地)替代城区时城区范围内城市绿地、公园水体等地类缺失等问题。全国第一次地理国情普查成果和基础地理信息数据等多元辅助数据的使用，使城区提取质量更加可靠。半自动化的提取方法可同时兼顾效率和精度，为工程化应用提供了可能。该技术方法和监测结果已应用于住建部门开展城乡建设统计和城市总体规划实施评估。
此外，通过开展京津冀城市群1990—2015年的城区时空扩展分析，得出如下结论：①京津冀城市群县级以上城市的城区扩展迅猛，城区面积地区差异显著，集中度高，且扩展速度和扩展比例严重不均衡。②京津冀城市群城市扩展以中心城区外围的“组团”式的外延扩展为主。京津冀地区城市空间结构演变特征各具特色，圈层、轴线、带状扩展模式并存。③京津冀城市群城市空间扩展与人口增长不协调，且不协调性呈两极分化趋势。④京津冀城市群城市周边用地结构变化剧烈，城区扩展占用地以耕地为主。
为使京津冀城市群能够更好地朝集约、高效、绿色、协调发展，笔者提出以下几条建议：尽快划定城市开发边界，严控大城市的城区扩展速度和建设规模，加快小城市的快速发展，促进城市扩展均衡化；提高城市扩展与人口增长的协调性，既要避免城区扩展过快，也要避免人口增长过快；新型城镇化发展要兼顾城市用地效率的产出和生态文明的建设，坚持集约发展，树立“精明增长”“紧凑城市”理念，做好城区内部用地的潜力挖掘。
下一步研究工作包括：①优化城区边界提取算法，将现有城区边界提取原则转化为机器学习算法，减少人工干预程度，提升初始城区边界到最终城区边界修正的自动化程度；②收集1990、2002和2015年城区范围内的土地利用数据，分析京津冀城市群城区范围内建设用地与其他类型用地的空间分布及所占比例变化，为城市群空间格局优化提供建议；③研究自动化或半自动化的城区内部结构信息提取方法，为城区时空扩展分析，以及城乡规划和规划实施评估提供更加丰富、标准统一的数据源。
致谢: 感谢北京市测绘设计研究院、天津市测绘院、河北省地理信息局在影像数据处理、专题资料收集方面提供的帮助。
| [1] |
周一星.
城市地理学[M]. 北京: 商务印书馆, 1995.
ZHOU Yixing. Urban Geography[M]. Beijing: The Commercial Press, 1995. |
| [2] | LI Xin, WEN Jing, LIN Jian. Review of Research on Land Urbanization and Related Studies[J]. Progress in Geography, 2012, 31(8): 1042–1049. |
| [3] | CHE Qianjin, DUAN Xuejun, GUO Yao, et al. Urban Spatial Expansion Process, Pattern and Mechanism in Yangtze River Delta[J]. Acta Geographica Sinica, 2011, 66(4): 446–456. |
| [4] | THAPA R B, MURAYAMA Y. Examining Spatiotemporal Urbanization Patterns in Kathmandu Valley, Nepal:Remote Sensing and Spatial Metrics Approaches[J]. Remote Sensing, 2009, 1(3): 534–556. DOI:10.3390/rs1030534 |
| [5] | FORKUOR G, COFIE O. Dynamics of Land-use and Land-cover Change in Freetown, Sierra Leone and Its Effects on Urban and Peri-urban Agriculture:A Remote Sensing Approach[J]. International Journal of Remote Sensing, 2011, 32(4): 1017–1037. DOI:10.1080/01431160903505302 |
| [6] | YANG Yetao, ZHOU Qiming, GONG Jianya, et al. An Integrated Spatio-temporal Classification Method for Urban Fringe Change Detection Analysis[J]. International Journal of Remote Sensing, 2012, 33(8): 2516–2531. DOI:10.1080/01431161.2011.616551 |
| [7] | MUNDIA C N, ANIYA M. Analysis of Land Use/Cover Changes and Urban Expansion of Nairobi City Using Remote Sensing and GIS[J]. International Journal of Remote Sensing, 2005, 26(13): 2831–2849. DOI:10.1080/01431160500117865 |
| [8] | FENG L, LI H. Spatial Pattern Analysis of Urban Sprawl:Case Study of Jiangning, Nanjing, China[J]. Journal of Urban Planning and Development, 2012, 138(3): 263–269. DOI:10.1061/(ASCE)UP.1943-5444.0000119 |
| [9] | TIAN Jiaojiao, CUI Shiyong, REINARTZ P. Building Change Detection Based on Satellite Stereo Imagery and Digital Surface Models[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1): 406–417. DOI:10.1109/TGRS.2013.2240692 |
| [10] | NETZBAND M, STEFANOV W L, REDMAN C. Applied Remote Sensing for Urban Planning, Governance and Sustainability[M]. Berlin: Springer, 2007. |
| [11] |
徐秋蓉, 郑新奇.
一种基于地理探测器的城镇扩展影响机理分析法[J]. 测绘学报, 2015, 44(S1): 96–101.
XU Qiurong, ZHENG Xinqi. Analysis of Influencing Mechanism of Urban Growth Using Geographical Detector[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(S1): 96–101. DOI:10.11947/j.AGCS.2015.20130783 |
| [12] |
曾永年, 张璎璎, 张鸿辉, 等.
城市扩展强度及其地表热特性遥感定量分析[J]. 测绘学报, 2010, 39(1): 65–70, 94.
ZENG Yongnian, ZHANG Yingying, ZHANG Honghui, et al. A Quantitative Analysis of Urban Growth and Associated Thermal Characteristics Using Remote Sensing Data[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(1): 65–70, 94. |
| [13] |
邵振峰.
城市遥感[M]. 武汉: 武汉大学出版社, 2009: 52-63.
SHAO Zhenfeng. Urban Remote Sensing[M]. Wuhan: Wuhan University Press, 2009: 52-63. |
| [14] | RASHED T, JVRGENS C. Remote Sensing of Urban and Suburban Areas[M]. Dordrecht: Springer, 2010. |
| [15] | YANG Xiaojun. Urban Remote Sensing:Monitoring, Synthesis and Modeling in the Urban Environment[M]. Blackwell: John Wiley & Sons, 2011. |
| [16] |
杜培军, 墰琨, 夏俊士, 等.
城市环境遥感方法与实践[M]. 北京: 科学出版社, 2013: 1-12.
DU Peijun, TAN Kun, XIA Junshi, et al. Urban environment Remote Sensing:Methodology and Practice[M]. Beijing: Science Press, 2013: 1-12. |
| [17] |
张永红, 吴宏安, 康永辉.
京津冀地区1992-2014年三阶段地面沉降InSAR监测[J]. 测绘学报, 2016, 45(9): 1050–1058.
ZHANG Yonghong, WU Hongan, KANG Yonghui. Ground Subsidence over Beijing-Tianjin-Hebei Region during Three Periods of 1992 to 2014 Monitored by Interferometric SAR[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(9): 1050–1058. DOI:10.11947/j.AGCS.2016.20160072 |
| [18] | WANG Lei, LI Congcong, YING Qing, et al. China's Urban Expansion from 1990 to 2010 Determined with Satellite Remote Sensing[J]. Chinese Science Bulletin, 2012, 57(22): 2802–2812. DOI:10.1007/s11434-012-5235-7 |
| [19] | WAN Bo, GUO Qinghua, FANG Fang, et al. Mapping US Urban Extents from MODIS Data Using One-class Classification Method[J]. Remote Sensing, 2015, 7(8): 10143–10163. DOI:10.3390/rs70810143 |
| [20] | BAGAN H, YAMAGATA Y. Landsat Analysis of Urban Growth:How Tokyo Became the World's Largest Megacity during the Last 40 Years[J]. Remote Sensing of Environment, 2012, 127(1): 210–222. |
| [21] | GUINDON B, ZHANG Ying, DILLABAUGH C. Landsat Urban Mapping Based on A Combined Spectral-spatial Methodology[J]. Remote Sensing of Environment, 2004, 92(2): 218–232. DOI:10.1016/j.rse.2004.06.015 |
| [22] |
中华人民共和国建设部. GB/T 50280-98城市规划基本术语标准[S]. 北京: 中国建筑工业出版社, 1998. Ministry of Construction of the People's Republic of China. GB/T 50280-98 Standard for Basic Terminology of Urban Planning[S]. Beijing: China Architecture & Building Press, 1998. |
| [23] |
徐惟诚.
中国大百科全书(精粹本)[M]. 北京: 中国大百科全书出版社, 2002.
XU Weicheng. Encyolopedia of China[M]. Beijing: Encyclopedia of China Publishing House, 2002. |
| [24] | DUAN Degang, HUANG Boyan. Differentiation and Analysis of the Concept of Central City Region[J]. Modern Urban Research, 2008(10): 20–24. |
| [25] | WANG Feng, ZHANG Dongxu. Differentiation and Analysis of Concepts of Urban Sprawl and Planning[M]. Chongqing: Chongqing Publishing House, 2010. |
| [26] |
林祥国, 宁晓刚.
融合直角点和直角边特征的高分辨率遥感影像居民点提取方法[J]. 测绘学报, 2017, 46(1): 83–89.
LIN Xiangguo, NING Xiaogang. Extraction of Human Settlements from High Resolution Remote Sensing Imagery by Fusing Features of Right Angle Corners and Right Angle Sides[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(1): 83–89. DOI:10.11947/j.AGCS.2017.20160389 |
| [27] | GONG P, HOWARTH P J. Land-use Classification of Spot Hrv Data Using A Cover-frequency Method[J]. International Journal of Remote Sensing, 1992, 13(8): 1459–1471. DOI:10.1080/01431169208904202 |
| [28] | GONG P, HOWARTH P J. Frequency-based Contextural Classification and Gray-level Vector Reduction for Land-use Identification[J]. Photogrammetric Engineering and Remote Sensing, 1992, 58(4): 423–437. |
| [29] |
张治清, 贾敦新, 邓仕虎, 等.
城市空间形态与特征的定量分析——以重庆市主城区为例[J]. 地球信息科学学报, 2013, 15(2): 297–306.
ZHANG Zhiqing, JIA Dunxin, DENG Shihu, et al. Quantiatative Research of Urban Spatial Morphology:A Case Study of the Main Urban Zone of Chongqing[J]. Journal of Geo-Information Science, 2013, 15(2): 297–306. |
| [30] |
黄焕春, 运迎霞.
基于RS和GIS的天津市核心区城市空间扩展研究[J]. 干旱区资源与环境, 2012, 26(7): 165–171.
HUANG Huanchun, YUN Yingxia. Urban Expansion in the Core Area of Tianjin Based RS and GIS[J]. Journal of Arid Land Resources and Environment, 2012, 26(7): 165–171. |
| [31] | BOYCE R R, ClARK W A. The Concept of Shape in Geography[J]. Geographical Review, 1964, 54(4): 561–572. DOI:10.2307/212982 |