全 文 ：第 34卷 第 3期 生 态 科 学 34(3): 122126
2015 年 5 月 Ecological Science May 2015

收稿日期: 2015-02-04; 修订日期: 2015-03-06
基金项目: 国家自然科学基金(41301484); 浙江省自然科学基金(LQ13C030007); 浙江省公益技术研究社会发展项目(2014C33049)
作者简介: 宋瑜(1983—), 女, 博士, 讲师, 主要从事城市化及其生态环境效应研究, E-mail: songyu@hznu.edu.cn
*通信作者: 祝炜平, 男, 教授, 主要从事区域规划方面的研究, E-mail: zhwp66@163.com

宋瑜, 刘婷, 唐尧, 等. 快速城市化进程中我国城市空间形态演化特征分析[J]. 生态科学, 2015, 34(3): 122126.
SONG Yu, LIU Ting, TANG Yao, et al. Quantitative analyses of changes in urban spatial morphology under rapid urbanization in
China[J]. Ecological Science, 2015, 34(3): 122126.

快速城市化进程中我国城市空间形态演化特征分析
宋瑜 1,2, 刘婷 1,2, 唐尧 1,2,3, 祝炜平 1,2,3,*, 汤维 1
1. 杭州师范大学理学院遥感与地球科学研究院, 杭州 311121
2. 浙江省城市湿地与区域变化研究重点实验室, 杭州 311121
3. 杭州师范大学生命与环境科学学院, 杭州 311121

【摘要】 基于 Landsat TM/ETM+数据完成了我国 30 个案例城市建设用地的遥感信息提取, 采用空间自相关 Moran’s I
指数实现了城市空间形态集聚程度的分析与评价, 以期阐明近年来中国城市空间扩展的现状和发展趋势, 并为城市空
间形态定量研究方法提供一定的技术手段。结果表明, 案例城市人口空间结构基本上呈“单核”分布; 2000—2010 年
间城市建设用地全局空间自相关 Moran’s I 指数平均变化率为–5.80%, 即我国城市空间形态的集聚程度表现为整体性
下降的趋势。因而, 在我国快速城市化进程中, 要特别注意城市用地过度扩展而引发的大分散和蔓延式扩张态势, 遏
制城市空间失控以促进城市经济、社会与环境的可持续发展。

关键词：城市形态; Moran’s I; 集聚; 城市化
doi:10.14108/j.cnki.1008-8873.2015.03.021 中图分类号：K901.8 文献标识码：A 文章编号：1008-8873(2015)03-122-05
Quantitative analyses of changes in urban spatial morphology under rapid
urbanization in China
SONG Yu1,2, LIU Ting1,2, TANG Yao1,2,3, ZHU Weiping1,2,3,*, TANG Wei1
1. Institute of Remote Sensing and Earth Sciences, College of Science, Hangzhou Normal University, Hangzhou 311121, China
2. Zhejiang Provincial Key Laboratory of Urban Wetlands and Regional Change, Hangzhou 311121, China
3. College of Life and Environmental Sciences, Hangzhou Normal University, Hangzhou 311121, China
Abstract: Quantitative metrics are of crucial importance to understanding the status and trends of the expansion of urban
spatial morphology. In this study, based on the unsupervised classification and visual interpretation, the urban built-up areas
of 30 case cities were extracted from Landsat TM/ETM+ images, and the urban population distribution and spatial clustering
feature were analyzed by using Local Moran’s I index and global Moran’s I indices respectively. The results showed that the
spatial distribution of urban population in Chinas major cities exhibited single-core structure, and the Morans I indices of
the built-up areas generally decreased, and exhibited downward trends with an average rate of change of 5.80% from 2000
to 2010. During the studied 10 years of rapid process of urbanization, the clustering feature of the major cities generally
decreased. We concluded that in order to promote the healthy development of socio-economic and environmental sustaina-
bility, it’s necessary to curb the excessive sprawl trends of urban morphology in China.
Key words: urban morphology; Morans I; clustering; urbanization
3 期 宋瑜, 等. 快速城市化进程中我国城市空间形态演化特征分析 123

1 前言
城市空间形态是各种自然、社会与经济因素综
合作用于城市的一种空间结果, 而城市的空间形态
反过来会对城市经济、社会与环境的可持续发展产
生影响[1]。为了抑制“城市蔓延”, 西方学者提出了一
系列的城市空间发展模式, 如“精明增长”、“新城市
主义”和“紧凑城市”等[2]。自 20 世纪 70 年代末开始,
我国城市化进程开始提速, 城市化水平由 1978 年的
17.92%提高到2009年的44.94%, 2013年末中国城镇
人口占总人口的比重达到 53.73%以上。在我国工业
化和城市化的快速推进过程中, 城市空间呈过度扩
张的态势, 主要表现为城市建成区扩张速度大大超
过城市人口的增长速度[3–4]。目前, 快速城市化引发
的诸如土地低效利用、交通状况恶化、耕地和郊区
绿带被蚕食等问题, 已日益引起人们的关注[5–7]。特
别是部分城市盲目扩大城市规模、出现了一系列的
“高新技术开发区”、“高新科技园区”和“招商城”等等
使得部分建设用地闲置浪费现象严重[8]。尽管我国
城市空间发展失控与西方国家城市蔓延形成机制不
同, 但在城市空间扩张的整体模式上, 均表现为大
规模的低密度的城市边缘无序开发与城市空间格局
的破碎化和非连续性[9]。陆大道指出, 如不能有效遏
制由于城镇化的空间失控形成的大分散和蔓延式扩
张, 我国整个现代化进程将严重受阻[10]。但也有相
关研究表明, 近年来我国特大城市用地扩展总体上
呈以填充类型占主导的紧凑式发展模式[11–13]。因而,
近年来我国城市空间形态的扩展现状和趋势仍有待
作进一步深入研究。
本研究主要基于 Landsat TM/ETM+数据获取
城市空间形态, 运用空间自相关 Morans I 指数实
现城市空间形态集聚程度的分析与评价, 在此基础
上分析了近年来我国城市空间扩展的现状和趋势,
以便为城市空间形态定量研究方法提供一定的技
术手段。
2 数据与方法
2.1 城市建设用地遥感信息提取
研究中分别选取 2000 年和 2010 年两个时段的
Landsat ETM+和 Landsat TM 遥感影像为数据源。影
像质量良好, 研究区内无云层覆盖。所获取的影像
数据均已经过辐射校正和几何校正, 可满足城市形
态定量指标计算的精度要求。以我国 30 个主要城市
市辖区为研究对象(图 1), 基于遥感数字图像处理软
件ERDAS9.3和地理信息系统软件ArcGIS10.1平台,
实现 Landsat 影像数据的波段合成、投影变换与数据
剪裁等图像预处理工作。

图 1 案例城市的地理位置
Fig. 1 Locations of the case cities in China
124 生 态 科 学 34 卷

在进行城市建设用地遥感信息提取时, 考虑到
研究对象的特征与图像处理的工作量, 主要采用了
非监督分类方法; 与此同时, 鉴于城市建设用地解
译过程中水体(湿地)与道路、裸地与部分建筑物地物
光谱特征相似, 极易发生混淆, 为了提高分类精度,
结合目视判读完成图像分类的后期处理工作。在分
类过程中, 建设用地主要包括城市建筑(住宅、商业
服务和公共设施等)、工矿用地和道路交通等用地类
型, 非建设用地包括水体、湿地、林地、农田、裸
地等。首先, 通过监督分类提取建设用地(城市建设
用地和非城市建设用地)和非建设用地信息; 然后,
以人机交互目视解译方式进行城市建设用地信息的
提取; 最后进行后期处理, 主要是通过聚类统计和
去除分析来消除类别噪声。在对分类结果进行误差
分析时, 鉴于部分案例城市缺乏地面调查数据, 因
此在分类精度评估过程中, 借助城市专题图和谷歌
地图等, 从每景影像分类结果中随机抽取 200 个象
元点进行精度评价, 确保分类结果精度在 90%以上
(图 2)。
2.2 空间自相关 Morans I 指数
全局空间自相关使用单一值来探测整个研究区
域的空间模式, 以反映研究区域内相似属性的平
均集聚程度, 而局部空间自相关则能够反映集聚
区的空间分布趋势, 从而确切指出聚集的具体区
域[14–15]。衡量空间自相关的指标主要有 Morans I

图 2 案例城市(北京)建设用地遥感信息提取
Fig. 2 Built-up areas extraction of Beijing City based on
remote sensing
指数、全局 G 系数和 Geary C 系数等。本文主要采
用全局 Morans I 指数和局部空间自相关指数来表征
城市形态的集聚度。全局空间自相关 Morans I 值的
计算公式如下[16]:
  
 
1 1
2
1
1
n n
ij i j
i j
i j j i
n
i
i
w x x x x
I
W
x x
n
  
 
     



式中, n 为空间单元(sampling location)的数量; xi 和 xj
分别代表相邻配对空间单元(a pair of sampling
location)内变量的属性值; x 是研究区域内变量的平
均值, 即
1
1
1
i
i
x x
n 
  ; wij为研究范围内每一个空间单
元 i 与 j(j = 1, 2, 3, … , n)空间单元的空间相邻权重
矩阵, 即空间权重矩阵(weight matrix); 通常以 1 作
为 i 与 j 相邻, 以 0 表示 i 与 j 不相邻; 标准化参数 W
为空间权重要素之和, 即
1 1
n n
ij
i j
i j j j
W w
  
 。wij 表示区
域单元 i 与区域单元 j 的邻近关系。在给定的置信水
平下, 当 Morans I 指数为正值时, 表明存在正的空
间自相关, 即区域间相似性大于差异性; 且其值越
大表示空间分布的相似性越大, 即空间上呈集聚分
布现象。
局部空间自相关指数可解释空间单元与邻近空
间单元属性特征值之间的相关性, 反映观测值空间
分布上集聚与分散, 即通过计算局部空间的集聚性,
可以确切指出聚集的区域位置[16]。最常用的局部空
间自相关测度指标是 Local Morans I。Anselin 在全
局空间自相关指数 Morans I 基础上提出计算公式
如下[17]:
 
 
 
2 1
1
1
ni
ij jn
ji j i
i
x x
I w x x
x x
n


 



基于以上定量化指标, 一方面, 基于中国 1km
格网人口数据(来源: 中国科学院地理科学与资源
研究所资源环境数据中心), 利用 ArcGIS10.1 软件
完成研究区剪切处理后, 以备局部空间自相关分
析使用。另一方面, 为分析案例城市建设用地的空
间分布特征, 采用网格法——即以 300 m×300 m
网格为观测单元, 计算网格单元内城市建设用地
3 期 宋瑜, 等. 快速城市化进程中我国城市空间形态演化特征分析 125

所占比例, 并以此为基础分析城市用地的空间分
布的集聚性。
3 结果与分析
3.1 局部空间自相关 Morans I
城市人口的空间分布特征是研究城市空间结构
的基础。为研究城市人口密度的空间自相关性, 利
用 GeoDa 软件计算局部空间自相关 Morans I 指数,
即以显著水平 P=0.05 计算得到的 LASA 集聚图(图
3)。其中, 红色区域代表“高值相关”, 即人口密度较
高的地区与人口密度较高的地区相邻接; 蓝色区域
代表“低值相关”, 即人口密度较低的地区与人口较
低的地区相邻接; 过渡区域则为人口密度高值与低
值相邻或低值与高值相邻。
我国30个案例城市人口分布LASA集聚图表明,
北京、天津、哈尔滨、大连、南京、上海、杭州、
宁波、厦门、广州、深圳和成都等 12 个城市, 受社
会经济因素和自然地理条件的综合影响, 城市中心
区人口分布高集聚中心的外围有小规模的人口集聚
次中心出现; 而其余城市的人口分布表现为单中心
高密度集聚。总体来看, 除大连、厦门和深圳受特
殊地形或水文因素的影响, 人口空间分布出现了几
个规模较大的集聚区外, 其他城市的人口分布基本
表现为“单核”分布特征。
3.2 全局空间自相关 Morans I
全局空间自相关 Morans I 指数能够反映出区域
空间内相似属性的平均集聚程度。研究中为了对比
分析不同城市建设用地的空间集聚性, 基于 GeoDa
软件计算得到 30 个城市 2000 年和 2010 年建设用地
分布的全局Morans I指数变化情况(表 1), 结果均通
过 Z 值检验。

图 3 案例城市济南(a)、北京(b)和深圳(c)的人口分布的 LASA 集聚图
Fig. 3 LASA cluster map of the population distributions of Jinan (a), Beijing (b) and Shenzhen (c)

表 1 城市建设用地全局 Morans I 指数变化率(2000—
2010 年)
Tab. 1 Change rate of the global Morans I about the
urban morphology in China from 2000 to 2010
变化率/% 城市
>10 济南
5—10 重庆、呼和浩特
0—5 太原、青岛、哈尔滨、厦门、武汉
–5—0 深圳、合肥、沈阳、福州、石家庄、广州
–10—–5 北京、昆明、成都、长春、南京
–15—–10 杭州、南宁、银川、西宁、海口、长沙、郑州
–20—–15 西安、乌鲁木齐、天津
<–20 贵阳
(1) 30个案例城市在 2000年 2010年两个时期的
建设用地空间分布均呈正相关, 取值范围为 0.45—
0.75; 可见城市建设用地覆盖率高值单元与高值单
元邻接、低值单元与低值单元邻接, 城市用地分布
具有显著的空间集聚性。从地理学角度而言, 事物
或现象对空间位置具有依赖性, 正相关最为常见,
负相关较为少见。
(2) 济南城市建设用地的全局 Morans I 指数变
化率大于 10%, 城市建设用地空间集聚度增幅最
大。除济南外, 武汉、厦门、哈尔滨、青岛、太原、
呼和浩特和重庆的城市建设用地的集聚程度均有不
同程度的提高, 全局 Morans I 指数变化率从 0.20%
126 生 态 科 学 34 卷

到 6.80%不等。而其他 22 个城市的建设用地扩展趋
势相反, 全局 Morans I 指数变化率均表现为负值。
其中, 贵阳、天津、乌鲁木齐、西安四个城市建设
用地的全局 Morans I 指数十年间变化率的绝对值均
大于 15.00%, 城市建设用地空间集聚度降幅最大。
(3) 2000 至 2010 年, 案例城市建设用地的平均
集聚程度有所下降, 全局 Morans I 指数均值由 0.62
减小到 0.57, 平均变化率为–5.80%, 可见该时段内
案例城市发展过程中建设用地分散化和破碎化趋势
较为明显。
4 结论
本研究基于遥感提取技术和 Morans I 指数法,
分析了我国 30 个主要城市的空间形态集聚程度。通
过对局部 Morans I 的分析表明, 案例城市人口空间
结构基本上呈“单核”分布; 2000—2010 年间城市建
设用地全局空间自相关 Morans I 指数平均变化率为
–5.80%, 这表明我国城市空间形态的集聚程度表现
为整体性下降的趋势。以上研究结果表明, 在我国
快速城市化进程中, 要特别注意城市用地过度发展
而引发的大分散和蔓延式扩张势态, 以便有效遏制
城市空间失控以促进城市经济、社会与环境的可持
续发展。
参考文献
[1] BATTY M. A theory of city size[J]. Science, 2013,
340(6139): 1418–1419.
[2] DEMPSEY N. Revisiting the compact city[J]. Built
Environment, 2010, 36(1): 5–8.
[3] 胡序威, 周一星, 顾朝林. 中国沿海城镇密集地区空间
集聚与扩散研究[M]. 北京: 科学出版社, 2000.
[4] 李云, 高艺. 空间资源紧缺下的城市密度演变与政策价
值取向[J]. 城市发展研究, 2008, 15(5): 7–17.
[5] WANG Bo, KANG Jian. Effects of urban morphology on
the traffic noise distribution through noise mapping: A
comparative study between UK and China[J]. Applied
Acoustics, 2011, 72(8): 556–568.
[6] SHAHRAKI S Z, SAURI D, SERRA P, et al. Urban sprawl
pattern and land-use change detection in Yazd, Iran[J].
Habitat International, 2011, 35(4): 521–528.
[7] MILLER M D. The impacts of Atlanta’s urban sprawl on
forest cover and fragmentation[J]. Applied Geography,
2012, 34: 171–179.
[8] 陈眉舞, 张京祥, 徐逸伦. 基于“紧凑城市”探讨中国城
市土地可持续利用[J]. 江苏城市规划, 2008, 7: 13–16.
[9] 刘纪远, 刘明亮, 庄大方, 张增祥, 邓祥征. 中国近期土
地利用变化的空间格局分析[J]. 中国科学: D 辑, 2002,
32(12): 1031–1040.
[10] 陆大道. 我国的城镇化进程与空间扩张[J]. 城市规划学
刊, 2007, 4: 47–52.
[11] 刘纪远, 王新生, 庄大方, 等. 凸壳原理用于城市空用地
空间扩展类型识别[J]. 地理学报, 2003, 58(6): 885–892.
[12] 王新生, 刘纪远, 庄大方, 等. 中国特大城市空间形态变
化的时空特征[J]. 地理学报, 2005, 60(3): 392–400.
[13] 郭腾云, 董冠鹏. 基于 GIS 和 DEA 的特大城市空间紧凑
度与城市效率分析[J]. 地球信息科学学报, 2009, 11(4):
482–490.
[14] GETIS A, ORD J K. The analysis of spatial association by
use of distance statistics[J]. Geographical Analysis, 1992,
24(3): 189–206.
[15] 张松林, 张昆. 全局空间自相关 Moran 指数和 G 系数对
比研究 [J]. 中山大学学报 :自然科学版 , 2007, 46(4):
93–97.
[16] FORTIN M, DALE M R T. Spatial analysis: a guide for
ecologists[M]. Cambridge: Cambridge University Press,
2005.
[17] ANSELIN L. Local indicators of spatial association-
LISA[J]. Geographical Analysis, 1995, 27(2): 93–115.