充分利用大數(shù)據(jù)開展城市用地功能識別,有助于把握城市空間結(jié)構(gòu),推動城市內(nèi)部空間合理布局。POI數(shù)據(jù)是大數(shù)據(jù)時代一種較易獲得且極具代表性的空間點狀數(shù)據(jù),能夠有效地確定城市用地的實際功能。以濟南市內(nèi)五區(qū)的185126條POI數(shù)據(jù)為基礎(chǔ),對所得數(shù)據(jù)進行去重、糾偏、重分類,構(gòu)建城市用地功能分類體系,運用頻數(shù)密度、類型比例及核密度估計,識別濟南市內(nèi)五區(qū)城市用地功能并利用誤差矩陣對識別結(jié)果進行檢驗。結(jié)果表明:①混合功能用地與單一功能用地呈現(xiàn)圈層化地域分布特征,"核心-外圍"分異明顯;②由內(nèi)向外單一功能用地集聚趨勢減弱,混合功能用地多樣性降低,不同用地表現(xiàn)出不同的空間分布模式;③通過誤差矩陣及與用地規(guī)劃圖中規(guī)劃用地及電子地圖的實際用地對比,識別總體精度為75. 67%,識別結(jié)果較為準確。 

【文章來源】：世界地理研究. 2020,29(04)北大核心CSSCI

【文章頁數(shù)】：10 頁

【部分圖文】：

研究區(qū)示意圖

通過建立誤差矩陣定量評價識別精度，并選取代表性區(qū)域來驗證識別結(jié)果。真實城市用地功能結(jié)果參照高分辨率影像信息及相應(yīng)網(wǎng)格對應(yīng)的高德地圖中所顯示的地名、地物等屬性信息。通過目視解譯及屬性信息查詢，分別選取各單一功能用地及以此單一功能用地為主的混合功能用地樣本50個，建立誤差矩陣（表2），并計算總體精度及Kappa系數(shù)指標值�？傮w精度可表示分類結(jié)果與地面所對應(yīng)區(qū)域的真實結(jié)果相一致的概率，Kappa系數(shù)可進一步表示兩幅圖之間的吻合度。抽樣網(wǎng)格樣本的總體精度為75.67%，識別精度較高；Kappa值為0.708，當Kappa值介于0.6-0.8時，分類精度較高，識別結(jié)果可信。繼續(xù)將識別結(jié)果與濟南中心城用地規(guī)劃圖（2011—2020年）及高德地圖進行對比，評價識別結(jié)果是否符合實際，是否與中心城用地規(guī)劃圖一致。

選取天橋區(qū)、市中區(qū)、歷下區(qū)的A區(qū)域與B區(qū)域進行對比。圖3a中A區(qū)域褐色網(wǎng)格單元為交通設(shè)施用地，用地規(guī)劃圖的A區(qū)域為道路、鐵路用地，高德地圖中A區(qū)域顯示為濟南火車站，識別結(jié)果準確；圖3a中B區(qū)域自上往下依次為公共管理與公共服務(wù)用地、商業(yè)服務(wù)業(yè)設(shè)施用地、公共管理與公共服務(wù)用地、綠地與廣場用地，規(guī)劃圖中B區(qū)域自上往下為行政辦公用地、商業(yè)金融業(yè)用地、歷史文化街區(qū)、綠地，高德地圖中B區(qū)域包含省政府、省人大、百花洲歷史文化街區(qū)、趵突泉公園、恒隆廣場、山東大學齊魯醫(yī)院，識別結(jié)果較為吻合。選取天橋、槐蔭、市中三區(qū)交界處混合功能用地分布廣泛的A、B、C三個區(qū)域進行對比。圖4a中的A區(qū)域為綠地與廣場用地、居住用地、公共管理與公共服務(wù)用地的混合，B區(qū)域為居住用地、商業(yè)服務(wù)業(yè)設(shè)施用地、公共管理與公共服務(wù)用地的混合，C區(qū)域為商業(yè)服務(wù)業(yè)設(shè)施用地、居住用地、公共管理與公共服務(wù)用地的混合。圖4b中A區(qū)域規(guī)劃為綠地，B區(qū)域為居住用地、醫(yī)療衛(wèi)生用地，C區(qū)域多為商業(yè)金融業(yè)用地。由此可見，識別結(jié)果中的主導用地符合用地規(guī)劃圖中所規(guī)劃的用地，且較規(guī)劃圖更為細致，同時次要功能用地的識別能體現(xiàn)出城市混合用地是否合理，是否集約，為未來城市規(guī)劃提供參考。對比圖4c中的具體用地類型來看，A區(qū)域包含濟南森林公園、居民小區(qū)（龍騰國際花園等）、濟南市槐蔭區(qū)人民檢察院、建委大樓等；B區(qū)域包含居住小區(qū)（前屯小區(qū)等）、銘邦大廈、山東省立醫(yī)院西院等；C區(qū)域包含萬達廣場、大觀園、居住小區(qū)（豪景苑等）、濟南市政務(wù)服務(wù)中心、山東省統(tǒng)計局等，識別結(jié)果符合實際.無數(shù)據(jù)區(qū)主要是由網(wǎng)格單元內(nèi)無POI數(shù)據(jù)點或POI數(shù)據(jù)點過少、辨識度不高等原因造成的，經(jīng)與遙感影像對比，多為水域、山體及裸地、耕地、林地等。

【參考文獻】：
期刊論文
[1]基于POI數(shù)據(jù)的長沙市生活性服務(wù)業(yè)空間格局研究[J]. 冉釗,周國華,吳佳敏,唐承麗,袁增光.  世界地理研究. 2019(03)
[2]基于POI的城市中心空間演變分析——以昆明市主城區(qū)為例[J]. 楊子江,何雄,隋心,張軍.  城市發(fā)展研究. 2019(02)
[3]基于眾源數(shù)據(jù)的北京市主城區(qū)功能用地劃分研究[J]. 寧曉剛,劉婭菲,王浩,郝銘輝,楊伯鋼,王淼.  地理與地理信息科學. 2018(06)
[4]基于GIS的城市土地利用研究進展[J]. 杜金龍,朱記偉,解建倉,馬增輝.  國土資源遙感. 2018(03)
[5]利用時序手機通話數(shù)據(jù)識別城市用地功能[J]. 彭正洪,孫志豪,程青,焦洪贊,陳偉.  武漢大學學報(信息科學版). 2018(09)
[6]基于簽到數(shù)據(jù)的城市熱點功能區(qū)識別研究[J]. 寧鵬飛,萬幼,沈怡然,任福.  測繪地理信息. 2018(02)
[7]基于POI數(shù)據(jù)的長春市商業(yè)空間格局及行業(yè)分布[J]. 浩飛龍,王士君,馮章獻,于婷婷,馬麗.  地理研究. 2018(02)
[8]基于多源數(shù)據(jù)時空熵的城市功能混合度識別評價[J]. 李苗裔,馬妍,孫小明,王靜遠,黨安榮.  城市規(guī)劃. 2018(02)
[9]基于POI數(shù)據(jù)的城市功能區(qū)識別方法研究[J]. 蔣云良,董墨萱,范婧,高少文,劉勇,馬新強.  浙江師范大學學報(自然科學版). 2017(04)
[10]路網(wǎng)中心性與城市功能用地空間分布相關(guān)性研究——以北京城市中心區(qū)為例[J]. 呂永強,鄭新奇,周麟.  地理研究. 2017(07)



本文編號：3273428