城市空间用地扩展变化研究与规模预测

《城市空间用地扩展变化研究与规模预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、城市空间用地扩展变化研宄与规模预测摘要研究城市空间变化规律，可以有效减缓建设用地对基本农田和重要生态环境用地的侵占，为未来土地合理利用提供科学依据。本文以西安市为例，通过城市动态变化研究，提取2000年-2013年城市建成区面积，对西安市城市用地扩展量化分析预测，并对未来城市用地扩展提供指导建议。关键词城市空间用地回归模型预测西安市中图分类号：F301.23文献标识码：A随着城市化、工业化和人口的日益增长，城市空间变化及土地合理利用越来越受到关注。如果忽视城市土地利用结构，将会导致一系列的环境和社会问题。因此对影响城市土地利用变化的因素进行分

2、析和研宄，对城市土地利用变化的趋势进行预测具有现实意义。1城市空间用地扩展动态变化1.1城市用地扩展模式1.1.1中心城区的团状块演化封闭式的城市发展开始转向开放式扩张，以旧城为中心向外围扩展。在第四次城市总体规划中，提出了“发展组团”的原则，确定了西安市“组团化”分散式城市结构布局形态。由此，西安市形成了一个大的九宫格格局。在原来主城区的基础上，进一步向外扩展，东边的临潼，西边的咸阳，南边的韦曲，北边的高陵。此外，西南的户县和周至，东南的蓝田，西北的机场空港区，东北方向的阎良，在未来均将纳入大西安都市圈。而西安在国家最新版的发展规划里已经确

3、定：西安是关中和天水经济带的中心城市，西安是这一经济带的统领城市。1.1.2西安城市边缘区发展西安的城市空间总体结构是形成以西安和咸阳为主副中心，以主要交通线为放射轴的“多节点、多层、放射状”的空间结构。西安卫星城体系的空间总体结构由“一个主中心、一个副中心、三条主轴、五条副轴”组成。主副中心近年来正在推进西咸一体化;三条主轴为西宝、西潼、西延，依托西宝、西潼、西延这3条高速公路和陇海、西包铁路形成3条发展主轴线；五副轴依托西汉、西安、西商、西韩、西平这5条高速公路和铁路形成5条发展副轴线。5条副轴线强化了西安中心市区对周边地区的辐射带动作用

4、，增强对周边欠发达地区的带动。1.2城市用地扩展特征为了进一步说明该区域变化特点，从下图1中可以看出，从2000年到2013年西安市建成区面积一直处于扩张阶段，这是由于在第三次城市总体规划的指导下，随着西安市社会经济的快速发展，西安市城市用地面积在数量上呈逐年上升趋势，而且从2004年开始受第四次总体规划的影响，城市用地面积还在不断扩展。历年来，净增长面积达到了318km2,年均增加22.7km2o在城市扩展过程中，为了更准确地反映城市用地在一定时间范围内的数量变化情况，通常采用单一土地利用动态模型来分析。其计算公式为：K=100%式中：K—

5、研宄期内城市用地扩展动态度；Ua—研究初期城市建成区面积；Ub—研宄末期城市建成区面积；T一研宄时段长。当T时段设定为年时，K的值就是该城市用地扩展年变化率。城市动态扩展度K可以定量地表示城市空间扩张的速度，城市用地扩展动态度K值越大说明该城市用地扩展速度越快。根据上述公式计算出2000-2013年西安市建成区各年份扩展动态度并绘制成图（见图1）。2用地规模预测2.1多元回归分析原理在许多实际问题中影响因变量Y的自变量往往不止1个。通常设为k?R2，此时可建立多元线性回归模型为Y=Y'+=bO+blXl+b2X2+”.biXi+…bkXk（公

6、式1）。2.2指标选取及说明城市用地的变化是其多个影响因子综合作用的结果，同时拉动西安市的城市建设用地规模的因素绝不是单单一个，城市用地规模与城市的性质和城市的职能紧紧相关联，为了更好地预测西安市的合理用地规模，本文选取了城市人均建设用地、地均固定资产投资、地均GDP、人均GDP、地均实际利用外资、第三产业GDP比重等6个指标，作为影响因子。（见表1）2.3相关性分析下表2,根据西安市统计年鉴，整理出2000-2013年西安市上述6个影响因子的数据。将上表2建立数据文件，利用软件计算出各个指标变量与建成区面积之间的相关系数，经过归纳整理，得到

7、下表3。各个指标变量与建成区面积之间的相关系数都大于0.800,故可以说明上述的6个指标变量对建成区面积有着显著的影响。2.4回归分析建立数据文件，同上相关分析。由SPSS得R2和各系数，其中，R2为0.999，调整后的R2为0.998,说明该模型的拟合程度非常好。显著性水平为0.000,远小于0.05,说明该模型非常显著，故可信。各影响因子系数如下表4所示。通过运用SPSS软件对数据进行分析，从表4中，可得到西安市建成区面积的多元线性回归方程为：Y=7.95O*X1+4.687*+X2+0.001*X3+2.410*X43.465*X50.

8、016*X651.282（公式2）然后针对上述6个指标，分别与年份建立线性回归方程，运用SPSS软件得到如下表5。用上表5中的公式分别计算出2025年的6个指标数据