价格理论与实践杂志已发表格式范文参考
1.基于夜间灯光数据的山地城市多中心识别———以贵阳市为例
作者：李佳颖,唐洪刚,曾祥侠
作者单位：贵州大学
关键词：多中心空间结构;城市中心;夜间灯光;局部等值线树算法;贵阳市
摘 要：近年来，城市多中心空间结构研究备受关注，山地城市的多中心空间结构易受客观因素影 响而呈现不同特征。以山地城市贵阳市主辖区为研究对象，利用 ２０２３年夜间灯光数据，使用局部 等值线树算法识别其城市中心分布情况，在主辖区内识别到 ４株局部等值线树，其中，主树是层级 最高为 ７级的等值线树，包含了 １７个城市中心和 ７个城市中心复合区。将城市中心指标量化与地 形数据叠加，结果表明：贵阳市存在城市中心数量多、面积小、形态不规则等特征；在城市发展方面， 城市主中心有向外扩张融合成片的趋势，而受地理因素影响的外围城市中心分布较为分散，与城市 主中心联系较弱；合理的空间布局与交通规划可以缩小各中心之间的发展差距。
０ 引 言
２０世纪初期，城市多为单中心空间形态。随 着城镇化进程的加速，人口与产业的快速集聚加 速了城市扩张，传统的单中心城市已无法满足发 展需求。城市中心区人口过密、工业集中、交通拥 堵、住房与基础设施不足、环境恶化等问题接踵而 至［１］ 。为疏解城市中心压力，城市发展的重点不 再是单纯的“规模扩张”，而是复杂的“结构调 整”，因此，多中心城市成为新的空间规划核心方 向［２］ 。关于多中心城市的演变机制，国外的理论 研究已较为成熟，对城市“多中心”结构的形成与 优化起到了积极的推动作用。Ｈｏｗａｒｄ［３］的田园 城市理论通过将部分城市功能转移到乡村，缓解 城市压力，形成城乡一体的多中心城市；Ｓａａｒｉｎ? ｅｎ［４］ 的有机疏散理论主张通过多样化的交通方式 和便捷的交通网络，连接城市中心与周边区域，实 现资源和人流、车流的有效疏散。随着“新城市 主义［５］ ”“紧凑城市［６］”“精明增长［７］”等理论的 提出，城市空间结构的优化和调整取得了重要进 展。发达国家部分城市已完成了由单一中心向多 中心的城市形态转变。相比之下，中国的多中心 城市理论与实践起步较晚，研究主要集中在多中 心城市的形态结构［８］ 、发展机制［９］ 、治理与规 划［１０］ 、经济与社会影响［１１］ 等方面。
近年来，城市多中心空间结构的识别逐渐成 为学者研究的重点。虽然传统的社会经济数据 （就业人口、土地规模、人口数量等）能在一定程 度上为城市发展提供指导，但静态普查数据和主 观社会调研在反映城市空间的动态变化上仍有局 限性，且易受人为因素影响。随着互联网时代的 发展，各类城市数据为多中心空间结构的识别提 供了新的机遇和挑战。钮心毅等［１２］通过分析手 机信令数据，研究了不同时段手机用户的时空分 布规律，以识别城市空间结构。王丹等［１３］ 利用出 租车数据，从空间互动的视角，采用社区发现算法 识别了珠海的城市流动空间结构。许琳等［１４?１５］ 通过兴趣点（ｐｏｉｎｔｏｆｉｎｔｅｒｅｓｔ，ＰＯＩ）数据进行了城 市功能区识别和空间结构分析。随着研究的数据 创新和方法改进，夜间灯光数据为城市空间结构 的识别带来了新的可能。现有研究表明，美国国 防气象卫星计划 （ｄｅｆｅｎｓｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｓａｔｅｌｌｉｔｅ ｐｒｏｇｒａｍ，ＤＭＳＰ）线性扫描系统（ｏｐｅｒａｔｉｏｎａｌｌｉｎｅｓ? ｃａｎｓｙｓｔｅｍ，ＯＬＳ）和 国 家 极 地 轨 道 伙 伴 卫 星 （ｎａｔｉｏｎａｌｐｏｌａｒ?ｏｒｂｉｔｉｎｇｐａｒｔｎｅｒｓｈｉｐ，ＮＰＰ） 可见光 红外成像辐射仪套件（ｖｉｓｉｂｌｅｉｎｆｒａｒｅｄｉｍａｇｉｎｇｒａｄｉ? ｏｍｅｔｅｒｓｕｉｔｅ，ＶＩＩＲＳ）夜间灯光数据的亮度值能够 有效反映城市的社会经济活动和发展状况，不仅 有助于识别城市空间形态，还能分析和表达城 市内部的空间结构。综上所述，基于 ２０２３年中 国区域的 ＮＰＰＶＩＩＲＳ数据，本文采用陈佐旗［１６］ 提出的局部等值线树算法和层次结构图谱，识 别贵阳市的城市中心并分析其空间层级关系， 从夜间灯光数据和城市形态 ２个方面选取 ８项 指标进行定量分析，以期为贵阳市的发展研究 及未来规划提供科学依据。
１ 研究区域
贵阳市是贵州省省会，地处黔中，是典型的山 地城市。受地形地貌影响，城市呈现多中心、组团 式的发展格局。现有的城市多中心空间结构研 究，主 要 集 中 于 北 京［１７］ 、上 海［１８］ 、武 汉［１９］ 、郑 州［２０］ 等平原城市，这类城市的多中心结构是在发 展战略引导下主动形成的。然而，山地城市的多 中心结构既是山水阻隔、地形起伏、交通不便等客 观限制下的被动适应，也是山地敏感环境约束下 的主动选择［２１］ 。因此，识别山地城市的多中心空 间结构既有助于科学验证其空间布局，也能作为城市规划和管理的重要参考。通过收集和分析山 地城市的空间数据，可以揭示各中心区域的分布、 规模以及层级关系，从而为合理的城市布局、功能 定位以及交通和基础设施建设提供指导，促进山 地城市的可持续发展。
因此，选取贵阳市主辖区（云岩区、南明区、 观山湖区、白云区、花溪区、乌当区 ６个区域）作为 研究对象，总面积约 ２５９４ｋｍ２ ，占全市总面积的 ３２．３％。贵阳市最新的国土空间总体规划明确提 出了“一核三中心多组团”的空间布局模式，构建 以南云中心、观白中心、贵清中心为城市功能中 心，以及高新、综保等多个城镇组团的城市空间结 构［２２］ 。城市中心的识别将有助于贵阳市在落实 空间发展战略时作出相应调整。
２ 数据来源与研究方法
２．１ 数据来源
研究采用 ２０２３年由美国国家航空航天局 （ＮａｔｉｏｎａｌＡｅｒｏｎａｕｔｉｃｓａｎｄＳｐａｃｅＡｄｍｉｎｉｓｔｒａｔｉｏｎ， ＮＡＳＡ）、国家海洋和大气管理局（ＮａｔｉｏｎａｌＯｃｅａｎｉｃ ａｎｄＡｔｍｏｓｐｈｅｒｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ，ＮＯＡＡ）合作开发 的夜间灯光数据。该数据由 ＮＰＰ搭载的 ＶＩＩＲＳ 提供，能够观测并记录地球表面的夜间灯光亮度 和分布信息。为提高数据的质量和准确性，对下 载的数据进行去噪和重采样，得到 ５００ｍ×５００ｍ 精度的 ２０２３年全球年平均夜间灯光影像。为使 后期提取的夜间灯光等值线更加平滑和闭合，对 贵阳市主辖区的行政边界进行了 １０ｋｍ缓冲区处 理，使 用 缓 冲 区 数 据 作 为 掩 膜，并 对 获 取 的 ＮＰＰＶＩＩＲＳ夜间灯光数据进行裁剪与高斯滤波处 理，得到贵阳市研究区域的夜间灯光数据。
２．２ 研究方法
２．２．１ 局部等值线树算法
局部等值线树算法是一种基于树结构的数据 表示方式，可用于处理地形数据中的等值线。此 算法通过递归法将地形数据划分为更小的区域， 并在每个区域分布等值线，从而形成树状结构。 每个节点表示 １个区域，包含该区域内的地形数 据和对应的等值线。使用局部等值线树算法能够 实现高效的地形数据分析和可视化，特别是快速 提取地表的洼地线及其内部空间结构。该算法被 广泛应用于地形分析、建模和可视化等方面。城 市的多中心结构通常包括 １个主中心和多个副中 心。主中心承载城市的主要经济和社会功能，是 人流活动和社会活动的集中点，对应传统的中央 商业区［２０］ 。副中心是除主中心外的其他次要中 心区域，这些区域人口、经济和社会活动密度较 高，并具有一定的行政、商业、文化和交通功能。 城市中人类活动的变化频率与夜间灯光的亮度值 呈正相关，地形中的“山峰”代表某一区域内的海 拔最高点。若将夜间灯光数据视作类似数字高程 模型（ｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ，ＤＥＭ）的连续变化 场，则夜间灯光数据的“山峰”代表城市中人类活 动最密集的区域（图 １），即主（副）中心所在。而 地形中的“坡度”代表地形起伏，等值线密度越 大，表示坡度变化越剧烈。类似地，夜间灯光等值 线密度越大的区域，表明人类的活动强度越大。
具体而言，局部等值线树算法通过建立等值 线的树形结构展示等值线图。在树形结构中，每 个节点代表 １条等值线，相邻等值线通过边连接， 表示其空间关系。“局部”指的是根据等值线间 的拓扑关系，将空间划分为多个小区域，每个区域 内形成 １棵独立的树，这些树即表示整个地理空 间中等值线的分布与变化趋势。局部等值线树算 法识别城市中心主要包含 ３个步骤：寻找“种子” 等值线、生成常规等值线树以及简化等值线树 （图 ２）。通过夜间灯光数据，生成如图 ２（ａ）所示 的原始等值线，其中，每条连接线代表图 ２（ｂ）中 的相应节点。第１步，以１条不含其他等值线且
包含 １个局部最高点的等值线为“种子”等值线， 并向外检索，如图 ２（ａ）中的 Ｏ１、Ｐ、Ｑ１。第 ２步， 生成常规等值线树，向外扩展“种子”等值线，若 其最邻近等值线包含该“种子”等值线，且数值低 于该“种子”等值线，则二者被视为同一层次的节 点，如图 ２（ａ）中的 Ｏ２、Ｑ２。若最邻近等值线不仅 包含“种子”等值线，还包含其他等值线，则认为 该等值线级别高于“种子”等值线，归为 ２级节 点，如图 ２（ａ）中的 Ｒ。由此类推，检索所有等值 线后，得到常规等值线树（图 ２（ｂ））。第 ３步，遍 历所有等值线树的分支，保留各分支的最后 １个 节点，完成简化等值线树结构。在此过程中，将所 有 １级节点视为城市中心，２级及以上节点则归 为城市中心复合区（图 ２（ｃ））。
２．２．２ 城市中心属性指标
基于城市经济发展、空间结构和居民活动模 式 ３个方面，研究选取 ８个关键指标对城市中心 进行定量评估（表 １）。首先，选取夜间灯光平均 亮度值衡量城市中心的经济发展水平；其次，用 面积、紧凑度和延伸度描述城市的形状与几何特 征；最后，利用夜间灯光的亮度坡度信息反映城 市中心的人类活动频率。
３ 城市中心识别结果分析
３．１ 提取 ＮＰＰＶＩＩＲＳ夜间灯光等值线
利用 ＮＰＰＶＩＩＲＳ数据与贵阳市 ２０２３年统计 年鉴建成区数据，初步提取贵阳市建成区范围， 确定建成区边界对应的夜间灯光阈值，并将其作 为生成夜间灯光等值线的起始值。通过 ＡｒｃＧＩＳ 软件的等值线提取工具，设置起始等值线亮度为 ９，等值线间距为 １，生成夜间灯光等值线图。剔 除缓冲区内不闭合的等值线并进行平滑处理，确 保生成的等值线连续和平滑，最终得到贵阳市主 辖区夜间灯光等值线图，如图 ３所示。由图 ３可 知，夜间灯光等值线最密集的 ３个区域分别为南 明区、云岩区和观山湖区，符合贵阳市 ２个老城区 及 １个新城区的现状。
３．２ 城市中心识别结果
基于局部等值线树算法，对已生成的夜间灯 光等值线图进行简化处理，并识别城市中心。简 化的关键点在于，识别的城市中心面积应既能在 城市局部区域占中心地位，又能反映整个城市的 空间异质性。结合相关研究［２１］ 并通过多次试验，剔除面积小于 ３ｋｍ２ 的等值线闭合斑块，得到与 贵阳市城市规划及公众认知最为吻合的城市中 心分布。在贵阳市主辖区共识别 ４株等值线树， 如图 ４所示。图 ４中：黑色斑块表示单中心城市 结构，仅有 １个节点且为最高层级的区域；灰色斑 块表示包含 ２个城市中心的区域，最高层级为 ２ 级节点；深灰色区域为城市中心复合区，涵盖贵 阳市主辖区的建成区，空间结构最复杂，为“主树”。“主树”包含 ２４个中心，其中 １７个为城市 中心，７个为城市中心复合区（图 ５），总面积达 ５０２?９６ｋｍ２ 。
重点分析“主树”的层次关系，以表征贵阳市 主辖区的空间结构。图 ５中的 １～１７号为 １级节 点（城市中心）；１８号为 ２级节点，包含 １号和 ２ 号 ２个城市中心，属于城市中心复合区；３级节点 １９号不仅包含城市中心复合区 １８号，还包含 ３ 号和 ４号 ２个城市中心，层级关系更为复杂，是一 个中心更多、范围更广、功能更全的城市中心复 合区。以此类推，级别越高的节点所囊括的城市 中心或城市副中心就越多。例如，２３号不仅包含 ３个城市中心，还包括 ２个城市中心复合区。同 时，其囊括的 ２１号又由 １个城市中心与 １个城市 中心复合区组成，最终一起融入“主树”２４号。
将识别出的 １７个城市中心与高德地图数据 叠加分析，按照城市职能对其分类，并以《贵阳市 城市总体规划（２０１１—２０２０年）》［２３］（以下简称 《总体规划》）的中心城区功能布局为依据验证识 别结果的准确性（表 ２）。结果表明，识别到的 １７ 个城市中心包括 １个城市主中心、１个交通中心、 １个旅游中心、３个商业中心、４个工业中心与 ７ 个综合中心，空间范围与《总体规划》基本一致。 例如，６号位于老城服务中心，包括贵阳火车站、 人民政府、人民广场及大十字商圈等，是集交通、 政治、文化、商业于一体的城市主中心。而观山湖 服务中心片区聚集了 ２个综合中心、１个商业中 心与 １个工业中心。虽然这 ４个中心彼此独立， 但已有逐渐融合的趋势，未来将成为贵阳市另一 个城市主中心，与《总体规划》中的“双核、多组 团”空间布局基本一致。
此外，识别出的其他工业中心位于《总体规 划》的高新区与经开区内，综合中心则分布于各 个组团中。值得注意的是，此次研究还成功识别 出了贵阳市的交通中心贵阳龙洞堡国际机场以 及综合中心大学城，进一步验证了识别结果的准 确性。
３．３ 城市中心属性分析
对贵阳市城市中心的面积、夜间灯光亮度 值、紧凑度、延伸度和平均亮度坡度（人类活动变 化率）进行详细统计，结果如图 ６所示。由图 ６可 知，贵阳市城市主中心的面积大部分小于 ５ｋｍ２ ， 各中心紧凑度基本高于城市平均水平，但延伸度 与人类活动变化率波动较大，表明城市发展水平 存在不均衡现象。其中，位于老城服务中心的 ６ 号城市中心在 １７个城市中心中面积最大，夜间灯 光最大亮度值与平均亮度值略低于新城观山湖 服务中心的几个城市中心。然而，该城市中心的 紧凑度高、延伸度低，具有明显的老城区发展特 征，发展形态趋于稳定，符合紧凑型城市的特点。 相比之下，观山湖服务中心的城市中心夜间灯光 平均亮度值较高，部分区域表现出紧凑度与延伸 度均较高的特点，呈不规则发展形态。这表明新 城区的城市发展水平高于老城区，但其发展形态 仍在演变中，具有较强的扩张性。夜间灯光亮度 值最大的 １２号城市中心，其紧凑度与延伸度较 高，且人类活动变化强烈。同时，其形态发展基本 沿着贵阳龙洞堡国际机场走向，展现了明显的功 能指向，将成为以交通为主的城市中心。
３．４ 山地城市空间结构综合分析
为进一步分析山地特殊城市地形对多中心 结构形成的影响，将城市中心的识别结果与 ２０２３ 年贵阳市 ３０ｍ分辨率的坡度数据进行栅格叠加 与分区统计（图 ７）。总体来看，贵阳市主辖区呈 现明显的“多中心、组团式”空间格局，３个主城区 已出现连片趋势，且与郊区的城市主中心相比， 至少存在 ２个层级的差距。以老城区为参照中 心，南部花溪与北部观山湖、东部乌当与西部观 山湖的联系较弱。受限于地形，未来可通过合理 的交通规划加强各中心间的联系，老城区也势必 会成为各城市中心相互联系的枢纽。
具体而言，各城市中心坡度均值为 ５°～１０°，低于贵阳市整 体坡度均值，已属于山地城市中建设条件较好的 区域。１７个城市中心之间的坡度起伏较大，面积 却保持稳定，体现了山地城市“面积小、中心多” 的典型特征。随着城市中心复合区的层级增大， 包括的城市中心数量逐渐增多，面积不断扩大， 坡度均值稳步上升，这验证了山地城市“城在山 中、山在城中”的空间发展模式。坡度均值最大 的 ９号城市中心为贵阳市最大的综合性城市公 园，园内最高海拔可达 １３９６ｍ，虽然该中心的夜 间灯光最大亮度值、最小亮度值和平均亮度值最 小，但因其特殊地理位置仍被识别为城市中心。
４ 总结与讨论
４．１ 总 结
基于 ２０２３年夜间灯光数据识别了贵阳市的 城市中心，并选取多项指标分析了其多中心空间 结构特征及空间布局，得到了以下主要结论：
１）贵阳市呈现明显的“多中心、组团式”空间 分布特征，与《总体规划》提出的“双核、多组团” 功能布局基本一致。双核内的城市中心发展紧 凑，而外围的组团中心分布较为稀疏，城市中心 数量多、面积小。这体现了山地城市的多中心空 间模式主要是对地形条件的被动适应，而非平原 城市的主动选择。
２）各城市中心的发展水平不均衡，老城区的 南明区与云岩区已融合成片发展，新城观山湖区 由内向外扩张，并与北部白云区和高新区组团联 系密切，是未来的另一个城市主中心。而东部乌 当区、临空经济示范区和南部花溪区同城市主中 心的联系较弱，合理的交通配套设施可促进其发 展，缩小差距。
４．２ 讨 论
研究采用的局部等值线树算法对城市中心 的识别受数据精度、研究范围等因素的限制，分 析角度相对宏观。对于识别到的不在主树内的 其余城市中心（综保区、清镇中心），建议在未来 规划中通过资源分配、交通优化、设施改善等方 式加强其与“主树”之间的联系，推动区域协调发 展。对于未识别到的贵安新区，受研究区域的界 限限制，将其行政边界作为研究范围具有一定局 限性。同时，其自身发展仍有待提升，尽管未在研 究范围内，其发展潜力与清镇中心类似，理论上 存在空间溢出效益，即可能形成跨越研究区界限 的等值线树现象。《空间规划》提出了“一核三中 心多组团”的发展格局，从识别结果来看，南云中 心与观白中心已完全符合城市主中心的标准。 然而，贵清中心的发展空间仍然较大，未来需要 通过适当的规划引导，进一步挖掘区域发展潜 力，提升要素集聚能力。
