何青松 唐歆宇

摘要：基于POI數(shù)據(jù)和最大熵模型，以數(shù)據(jù)可獲取性為原則，利用武漢市的數(shù)據(jù)進(jìn)行樣本訓(xùn)練，對(duì)我國(guó)長(zhǎng)江流域省會(huì)及直轄市城市在建筑物尺度上進(jìn)行商業(yè)用地的識(shí)別與分析，并對(duì)其商業(yè)用地的影響因素識(shí)別和空間集聚特征進(jìn)行了量化分析與表達(dá)。研究結(jié)果表明：（1）最大熵模型可以精準(zhǔn)有效地進(jìn)行商業(yè)建筑物識(shí)別。從7個(gè)商業(yè)建筑物的環(huán)境影響因子綜合來(lái)看，建筑物內(nèi)第三產(chǎn)業(yè)企業(yè)數(shù)量和建筑物樓層對(duì)模型構(gòu)建影響最為顯著;（2）影響長(zhǎng)江流域各省會(huì)及直轄市商業(yè)空間總體格局的因素以地理環(huán)境為主;（3）長(zhǎng)江流域10個(gè)省會(huì)及直轄市的商業(yè)用地空間形態(tài)分為多中心多組團(tuán)式、多中心圈層式、雙核心多組團(tuán)式、雙核心圈層式、單核心多組團(tuán)式5種結(jié)構(gòu)。說(shuō)明基于POI數(shù)據(jù)和最大熵模型的方法可以精準(zhǔn)有效進(jìn)行大尺度工業(yè)用地識(shí)別，同時(shí)也為長(zhǎng)江流域的城市發(fā)展以及全國(guó)的國(guó)土空間規(guī)劃提供依據(jù)和參考。

關(guān)鍵詞：POI數(shù)據(jù);最大熵模型;商業(yè)用地;長(zhǎng)江流域

中圖分類(lèi)號(hào)：F293 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-9138-（2021）11-0018-27 收稿日期：2021-10-20

作者簡(jiǎn)介：何青松，華中科技大學(xué)公共管理學(xué)院碩士生導(dǎo)師，博士，副教授。

唐歆宇，華中科技大學(xué)公共管理學(xué)院碩士研究生，通訊作者。

基金項(xiàng)目：國(guó)家自然科學(xué)基金（ID：42001334）。

商業(yè)是第三產(chǎn)業(yè)中一個(gè)重要的產(chǎn)業(yè)部門(mén)，先進(jìn)發(fā)達(dá)的商業(yè)是現(xiàn)代城市經(jīng)濟(jì)發(fā)達(dá)的象征。商業(yè)用地是指用于開(kāi)展商業(yè)、旅游、娛樂(lè)活動(dòng)所占用的場(chǎng)所。中國(guó)自改革開(kāi)放以來(lái)經(jīng)濟(jì)迅速發(fā)展，城市化率不斷提高。在此背景下我國(guó)城市商業(yè)用地面積不斷擴(kuò)大、商業(yè)中心逐步增多、第三產(chǎn)業(yè)比重顯著增加，在推動(dòng)城市經(jīng)濟(jì)持續(xù)發(fā)展、經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型方面發(fā)揮了重要支撐作用。與此同時(shí)，城市商業(yè)用地布局不科學(xué)、人地矛盾加劇以及商業(yè)區(qū)發(fā)展與綠色發(fā)展的矛盾等問(wèn)題日趨凸顯。準(zhǔn)確有效的城市商業(yè)用地識(shí)別是科學(xué)分析以上問(wèn)題的重要前提之一。

傳統(tǒng)的商業(yè)用地識(shí)別方法多利用商業(yè)網(wǎng)點(diǎn)數(shù)據(jù)、經(jīng)濟(jì)調(diào)查數(shù)據(jù)、問(wèn)卷數(shù)據(jù)、土地利用數(shù)據(jù)并與實(shí)地調(diào)研相結(jié)合進(jìn)行研究分析，且通常以單個(gè)城市（區(qū)域）作為研究尺度。這不僅效率低下，也不利于實(shí)現(xiàn)宏觀區(qū)域內(nèi)不同案例間的對(duì)比研究分析。近年來(lái)大數(shù)據(jù)的應(yīng)用為城市商業(yè)用地空間研究帶來(lái)了新的數(shù)據(jù)源。POI （Point of Interest， POI）數(shù)據(jù)，又稱(chēng)為興趣點(diǎn)數(shù)據(jù)，具有數(shù)據(jù)量大、易獲取、覆蓋范圍廣等優(yōu)點(diǎn)，開(kāi)拓了城市土地功能區(qū)識(shí)別方法的新領(lǐng)域。目前較多學(xué)者基于POI數(shù)據(jù)進(jìn)行單個(gè)城市（區(qū)域）功能區(qū)的識(shí)別，而以大研究范圍（如流域范圍）、小尺度單元（如建筑物尺度）為特點(diǎn)的研究還很少。同時(shí)，由于數(shù)據(jù)源、研究時(shí)間、分析單元等存在差異，給不同研究案例的比較帶來(lái)困難。

除了以上問(wèn)題，分類(lèi)算法的有效與否也影響城市商業(yè)用地識(shí)別的結(jié)果。近年來(lái)，最大熵模型（Maximum entropy model， i.e. Maxent model）除了被應(yīng)用于物種分布預(yù)測(cè)以外，也開(kāi)始被學(xué)者應(yīng)用于地理分布的研究領(lǐng)域。該模型可以利用單期單類(lèi)樣本和地理環(huán)境空間變量得出研究對(duì)象的空間分布概率，以此推算出研究對(duì)象的空間分布狀況。該模型具有操作便捷、精準(zhǔn)度高等特點(diǎn)，但國(guó)內(nèi)尚未有學(xué)者將其應(yīng)用到城市地類(lèi)識(shí)別的相關(guān)研究中。本文將基于最大熵模型和POI數(shù)據(jù)對(duì)全國(guó)省會(huì)城市及直轄市商業(yè)空間用地進(jìn)行識(shí)別。

長(zhǎng)江流域是世界第三大流域，我國(guó)正在大力推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶的建設(shè)。在快速城鎮(zhèn)化的今天，各大省會(huì)城市和直轄市商業(yè)用地面積不斷擴(kuò)大，土地利用低效的問(wèn)題依然存在，不利于及時(shí)開(kāi)展進(jìn)一步規(guī)劃。因此，明晰長(zhǎng)江流域各大省會(huì)城市和直轄市中心城區(qū)的商業(yè)用地空間結(jié)構(gòu)和分布特點(diǎn)，有利于各大城市完善空間結(jié)構(gòu)，提升城市規(guī)劃科學(xué)性，進(jìn)而推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶戰(zhàn)略施行，實(shí)現(xiàn)長(zhǎng)江流域地區(qū)經(jīng)濟(jì)的可持續(xù)發(fā)展。

本文提出了一種利用POI數(shù)據(jù)和最大熵模型進(jìn)行大研究范圍、小尺度單元的土地功能區(qū)識(shí)別的新方法。為了探究這種方法的精準(zhǔn)度和可操作性，則使用最大熵模型，對(duì)長(zhǎng)江流域省會(huì)城市和直轄市的商業(yè)用地進(jìn)行識(shí)別并進(jìn)行結(jié)果驗(yàn)證，再提取出長(zhǎng)江流域的省會(huì)城市和直轄市商業(yè)用地識(shí)別結(jié)果，對(duì)各個(gè)城市商業(yè)空間結(jié)構(gòu)進(jìn)行分析。由于本研究使用的數(shù)據(jù)、方法以及研究尺度均相同，因此有利于展開(kāi)比較分析，為全國(guó)商業(yè)發(fā)展布局和單個(gè)城市（區(qū)域）商業(yè)用地布局規(guī)劃提供樣本參考。

1 研究數(shù)據(jù)與方法

1.1 研究區(qū)域概況

本文用于城市商業(yè)建筑物識(shí)別和商業(yè)用地集聚特征分析的研究區(qū)域?yàn)殚L(zhǎng)江流域的10個(gè)省會(huì)城市和直轄市。包括西部地區(qū)的昆明、成都、貴陽(yáng)、重慶，中部地區(qū)的長(zhǎng)沙、武漢、合肥、南昌和東部地區(qū)的南京、上海。長(zhǎng)江流域始于青藏高原唐古拉山脈，終于東海，由西至東跨越了我國(guó)西部、中部、東部三個(gè)經(jīng)濟(jì)區(qū)，共流經(jīng)19個(gè)省級(jí)行政區(qū)域，流域面積達(dá)到了180萬(wàn)平方千米。2017年長(zhǎng)江流域人口數(shù)量達(dá)到4.59億人，約占當(dāng)年中國(guó)大陸總?cè)丝跀?shù)的33.02%，而2020年長(zhǎng)江經(jīng)濟(jì)帶GDP占中國(guó)大陸GDP的43%。目前，長(zhǎng)江流域是我國(guó)經(jīng)濟(jì)總量占比最高的流域地區(qū)，同時(shí)我國(guó)提出建立長(zhǎng)江經(jīng)濟(jì)帶，研究長(zhǎng)江流域的10大城市對(duì)區(qū)域經(jīng)濟(jì)乃至全國(guó)經(jīng)濟(jì)都具有帶動(dòng)促進(jìn)作用。

1.2 研究方法

本文使用的研究方法主要有最大熵模型、核密度分析法。本研究在選取最大熵模型前使用Orange軟件（https： //orangedatamining.com/）對(duì)包括邏輯回歸、隨機(jī)森林以及貝葉斯分類(lèi)在內(nèi)的多種分類(lèi)模型進(jìn)行實(shí)驗(yàn)對(duì)比，最后試驗(yàn)表明最大熵模型的模擬精度最高。因此，本研究利用最大熵模型進(jìn)行城市商業(yè)用地識(shí)別訓(xùn)練，對(duì)長(zhǎng)江流域10城的城市建筑物進(jìn)行商業(yè)建筑物識(shí)別并最終得到長(zhǎng)江流域省會(huì)城市及直轄市的商業(yè)用地圖斑，最后選取核密度分析法分析各個(gè)城市商業(yè)用地的集聚特點(diǎn)，并對(duì)10大城市商業(yè)用地布局特點(diǎn)進(jìn)行類(lèi)型劃分。本文研究思路是基于POI數(shù)據(jù)，最大熵模型，以數(shù)據(jù)可獲取性為原則選取武漢市作為訓(xùn)練樣本，對(duì)長(zhǎng)江流域省會(huì)城市和直轄市城市用地的商業(yè)建筑物進(jìn)行空間識(shí)別，并對(duì)該模型進(jìn)行分析，最后利用核密度分析法分析各城商業(yè)用地集聚特征并歸類(lèi)。具體方法流程如圖1所示。

1.2.1 最大熵模型

最大熵模型（Maximum entropy model， i.e. Maxent model）是由Jaynes提出的一種機(jī)器學(xué)習(xí)模型，該模型以JAVA作為編程語(yǔ)言進(jìn)行程序編寫(xiě)。其原理是利用樣本空間分布的不確切信息和其相關(guān)空間變量之間的關(guān)聯(lián)，選出預(yù)測(cè)樣本的最大熵，再對(duì)樣本的空間分布進(jìn)行預(yù)測(cè)。該模型只需收集單期單類(lèi)數(shù)據(jù)，操作方便簡(jiǎn)單。本文將利用最大熵模型對(duì)長(zhǎng)江流域的省會(huì)及直轄市進(jìn)行商業(yè)用地分布預(yù)測(cè)。

由于官方尚未公布第三次全國(guó)土地調(diào)查數(shù)據(jù)，基于數(shù)據(jù)可得性的原則，筆者利用與武漢市開(kāi)展項(xiàng)目合作的契機(jī)得到了2018年武漢市商業(yè)用地空間分布數(shù)據(jù)。因此，武漢市作為本次研究最大熵模型的訓(xùn)練樣本。通過(guò)文獻(xiàn)研究分析和實(shí)用性分析，根據(jù)商業(yè)用地內(nèi)部基礎(chǔ)設(shè)施分布和建筑特點(diǎn)來(lái)進(jìn)行影響商業(yè)分布的驅(qū)動(dòng)變量的選取，例如商業(yè)建筑的功能特征明顯，主要以商用為主，娛樂(lè)休閑設(shè)施密度較大，則選取了建筑物內(nèi)POI數(shù)量（POINUM）、POI類(lèi)型數(shù)量（POITYPENUM）、建筑物內(nèi)POI混合度（ENTROPY）3個(gè)變量;同時(shí)，商業(yè)建筑物的第三產(chǎn)業(yè)數(shù)量應(yīng)當(dāng)高于其他類(lèi)別的建筑物，因而選擇了建筑物內(nèi)第三產(chǎn)業(yè)的企業(yè)數(shù)量（NTHIRDFIRM）作為第4個(gè)變量;再考慮到商業(yè)用地地價(jià)房?jī)r(jià)偏貴，節(jié)約集約性較強(qiáng)，建筑物高度應(yīng)該較其他類(lèi)別建筑物更高，建筑物集中但單位面積較大，故選擇了建筑物樓層（FLOOR）、建筑物占地面積（AREA）兩個(gè)變量;最后，商業(yè)用地多位于城市繁華地段，基礎(chǔ)設(shè)施完備，人流量大，較多建有地下停車(chē)場(chǎng)，所以第7個(gè)變量選擇的是建筑物與停車(chē)場(chǎng)的距離（TOPARK）。以上7個(gè)變量計(jì)算均在單位建筑物中進(jìn)行。

之后，再依托所選的訓(xùn)練樣本（分別包括了商業(yè)建筑物和非商業(yè)建筑物），利用Maxent軟件實(shí)現(xiàn)對(duì)模型的訓(xùn)練，最終得到省會(huì)城市及直轄市商業(yè)建筑物的分布狀況。

本文使用的軟件版本為Maxent3.4.1 （https：//biodiversityinformatics.amnh.org/open_source/maxent/）。

1.2.2 核密度分析

核密度分析法可以表征空間點(diǎn)要素的集聚程度，被廣泛應(yīng)用于城市空間特征的研究中。本文將識(shí)別出的10大城市商業(yè)用地的面矢量數(shù)據(jù)利用ArcGIS對(duì)各個(gè)城市商業(yè)用地面中心點(diǎn)密度來(lái)研究各個(gè)城市商業(yè)用地空間集聚特征并可視化。核密度分析的公式如下：

式中：Kj表示研究地理范圍j的空間權(quán)重函數(shù);Dij表示研究范圍的其他空間單元i與研究空間單元j之間的直線(xiàn)距離;R表示核密度分析時(shí)的帶寬，本研究帶寬設(shè)置為默認(rèn)帶寬;n表示研究范圍內(nèi)空間點(diǎn)要素的個(gè)數(shù)。

1.3 研究數(shù)據(jù)來(lái)源與處理

數(shù)據(jù)來(lái)源方面，本文的研究區(qū)主要使用到的數(shù)據(jù)有2017年的中國(guó)長(zhǎng)江流域省會(huì)及直轄市的城市建筑物圖斑和行政區(qū)劃，POI數(shù)據(jù)，武漢市商業(yè)用地?cái)?shù)據(jù)。其中，建筑物數(shù)據(jù)來(lái)源于中國(guó)城市大數(shù)據(jù)分享平臺(tái)城市數(shù)據(jù)派（http：//udparty.com），數(shù)據(jù)包括每棟建筑物的矢量底圖、樓層數(shù)等信息，其有效性已經(jīng)在研究中被證實(shí);POI數(shù)據(jù)通過(guò)網(wǎng)絡(luò)爬蟲(chóng)工具從高德地圖抓取，抓取年份為2018年。

數(shù)據(jù)處理方面，本文計(jì)算出7種POI指標(biāo)，以最大熵模型為訓(xùn)練方法，以武漢市為訓(xùn)練樣本，基于長(zhǎng)江流域省會(huì)及直轄市建筑物圖斑，識(shí)別長(zhǎng)江流域省會(huì)及直轄市的商業(yè)建筑物。

2 結(jié)果與分析

2.1 商業(yè)建筑物模型驗(yàn)證及影響因子分析

本研究基于最大熵模型利用2018年武漢市商業(yè)用地?cái)?shù)據(jù)對(duì)商業(yè)建筑物識(shí)別結(jié)果進(jìn)行驗(yàn)證，如圖2所示。2389塊武漢市真實(shí)商業(yè)用地斑塊中有1894塊存在商業(yè)建筑物分布，即79.28%的真實(shí)商業(yè)地塊內(nèi)訓(xùn)練得到了建筑物的分布。從現(xiàn)實(shí)情況來(lái)看，大量識(shí)別為商業(yè)用地的建筑物并非位于真實(shí)商業(yè)用地斑塊內(nèi)，這是由數(shù)據(jù)劃分單元不同造成的，前者的劃分單元為建筑物、后者為宗地，真實(shí)利用狀況會(huì)出現(xiàn)不一致的現(xiàn)象。如一小區(qū)的樓其性質(zhì)屬于商業(yè)綜合體，但在供地階段其真實(shí)用途可能作為居住用地的一部分，模型識(shí)別就未將其定性為商業(yè)用地的斑塊。

根據(jù)最大熵模型的預(yù)測(cè)結(jié)果，如表1所示，可以得知用于模型預(yù)測(cè)的7個(gè)環(huán)境變量中，應(yīng)用貢獻(xiàn)率依次為：NTHIRDFIRM （34.9%）>POINUM （20.1%）>FLOOR （18.4%）>TOPARK （14.3%）>ENTROPY （9.9%）>AREA（2.3%）>POITYPENUM （0.2%）。其中，貢獻(xiàn)率排前三的影響因子依次為建筑物內(nèi)第三產(chǎn)業(yè)企業(yè)數(shù)量、建筑物內(nèi)的POI數(shù)量和建筑物樓層，三者累計(jì)貢獻(xiàn)率為73.4%。置換重要值則與應(yīng)用貢獻(xiàn)率有所不同，置換重要值百分比依次為：NTHIRDFIRM （30.5%）>FLOOR （29.5%）>TOPARK （17.6%）>POINUM （12.5%）>AREA（5.9%）>POITYPENUM （3.7%）>ENTROPY （0.3%）。其中，排前三的為建筑物內(nèi)第三產(chǎn)業(yè)企業(yè)數(shù)量、建筑物樓層和距離停車(chē)場(chǎng)的距離，三個(gè)變量置換重要值總和為77.6%。綜合來(lái)看，商業(yè)建筑物的環(huán)境影響因子中，最大熵模型對(duì)建筑物內(nèi)第三產(chǎn)業(yè)企業(yè)數(shù)量和建筑物樓層的依賴(lài)性較強(qiáng)，即這兩個(gè)環(huán)境影響因子對(duì)模型的構(gòu)建影響程度最大。

2.2 長(zhǎng)江流域省會(huì)城市及直轄市商業(yè)空間結(jié)構(gòu)

本研究利用ArcMap首先將長(zhǎng)江流域十個(gè)省會(huì)及直轄市識(shí)別出的商業(yè)建筑物利用“面轉(zhuǎn)點(diǎn)”的方法將商業(yè)建筑物圖斑轉(zhuǎn)換為商業(yè)建筑物網(wǎng)點(diǎn)，再利用軟件里的核密度分析功能對(duì)10城的商業(yè)網(wǎng)點(diǎn)進(jìn)行核密度分析，核密度分布結(jié)果，如圖3所示。

2.2.1 10城商業(yè)用地集聚特征研究

一個(gè)城市的商業(yè)用地空間集聚特征不僅反映了該城市的商業(yè)發(fā)展特點(diǎn)和規(guī)模，同時(shí)也將影響該城市經(jīng)濟(jì)、資源、居民生活甚至區(qū)域發(fā)展的方方面面。商業(yè)集聚中心區(qū)域，也被稱(chēng)為商業(yè)中心，是一個(gè)城市商業(yè)密度和強(qiáng)度的高值區(qū)域。商業(yè)中心的形成有利于實(shí)現(xiàn)商業(yè)資源的規(guī)模效應(yīng)，促進(jìn)城市區(qū)域商業(yè)良性競(jìng)爭(zhēng)。

從長(zhǎng)江流域省會(huì)及直轄市的總體商業(yè)用地空間分布特征來(lái)看，10個(gè)城市都形成了一個(gè)及以上的商業(yè)用地空間集聚區(qū)，其形成的空間位置、商業(yè)中心的數(shù)量和空間集聚程度均與該市的城市環(huán)境和各區(qū)發(fā)展程度相匹配。

從各市商業(yè)用地集聚形態(tài)和商業(yè)用地延伸方向的制約因素來(lái)看，地理環(huán)境是最主要的城市商業(yè)用地聚集形態(tài)和延伸方向的“塑造者”。10城商業(yè)用地形態(tài)均大致呈現(xiàn)出面狀發(fā)展的態(tài)勢(shì)，空間分布形態(tài)與城建區(qū)域總體匹配，但由于各城地理環(huán)境因素各有差異，因此又表現(xiàn)出不同的發(fā)展特點(diǎn)。

整體而言，商業(yè)用地空間形態(tài)無(wú)明顯地理因素影響的城市有昆明（圖3a）、成都（圖3b），這是因?yàn)閮沙鞘袇^(qū)內(nèi)無(wú)較大的河湖水系以及山脈分割，地形平坦開(kāi)闊。

商業(yè)用地總體形態(tài)受河湖因素影響的有武漢（圖3f）和上海（圖3j），武漢地處漢江與長(zhǎng)江的交匯處，被分割成漢口、武昌、漢陽(yáng)三塊，其商業(yè)用地也受長(zhǎng)江、漢江的影響在總體形態(tài)上被分割了，同時(shí)武漢被稱(chēng)為“千湖之城”，全市商業(yè)用地空間分布形態(tài)因河湖水系的限制而更加復(fù)雜化;上海因黃浦江分為浦東和浦西兩塊區(qū)域，其商業(yè)用地空間也被黃浦江所分割。

城市商業(yè)用地形態(tài)發(fā)展受山水共同限制的有重慶（圖3c）、長(zhǎng)沙（圖3e）、南昌（圖3g）、合肥（圖3h）、南京（圖3i），其中又分為商業(yè)用地形態(tài)較完整（南京），形態(tài)分割（長(zhǎng)沙、南昌、合肥）和形態(tài)破碎（重慶）三種形態(tài)。南京受長(zhǎng)江所限，其商業(yè)用地在長(zhǎng)江東南側(cè)發(fā)展，又因城市東北部玄武湖和鐘山限制因此商業(yè)用地向南延伸發(fā)展，但商業(yè)用地整體形態(tài)較為完整。長(zhǎng)沙、南昌、合肥商業(yè)用地形態(tài)被分割但各有不同：長(zhǎng)沙主要商業(yè)用地集聚在湘江東側(cè)，少數(shù)分布在城區(qū)西北部，江西地區(qū)由于有岳麓山的阻隔不利于大規(guī)模拓展商業(yè)用地;南昌主要商業(yè)用地位于贛江東側(cè)，西側(cè)為梅嶺所限制，與長(zhǎng)沙較為類(lèi)似;合肥地形平坦，但四周有眾多湖泊，以南面巢湖最為出名，商業(yè)用地形態(tài)因此受限，同時(shí)因蜀山位于合肥城區(qū)靠西的原因，西邊商業(yè)用地被分割，形態(tài)完整度受到影響。重慶被稱(chēng)為“山城”，城區(qū)用地地勢(shì)起伏較大，山體較多，同時(shí)又有長(zhǎng)江、嘉陵江流經(jīng)城區(qū)，是山地城市的典型代表，因此造成重慶市區(qū)商業(yè)用地形態(tài)破碎，完整度較低的發(fā)展態(tài)勢(shì)。

商業(yè)用地總體形態(tài)單純受到山體影響較大的城市有貴陽(yáng)（圖3d）。貴陽(yáng)屬于喀斯特地貌地區(qū)典型的山地城市，城區(qū)內(nèi)有較多丘陵、山地。商業(yè)用地面積整體較小且集中，形態(tài)較為完整，但商業(yè)用地集聚區(qū)內(nèi)部東南側(cè)仍有黔靈山將商業(yè)用地較明顯地進(jìn)行了分割。

2.2.2 十城商業(yè)用地空間結(jié)構(gòu)研究

一個(gè)城市的商業(yè)空間結(jié)構(gòu)可以較好地反映該城市的發(fā)展特點(diǎn)，長(zhǎng)江流域10個(gè)省會(huì)及直轄市具有不同的商業(yè)空間結(jié)構(gòu)，按結(jié)構(gòu)特點(diǎn)主要分為以下5類(lèi)：多中心多組團(tuán)式結(jié)構(gòu)、多中心圈層式結(jié)構(gòu)、雙核心多組團(tuán)式結(jié)構(gòu)、雙核心圈層式結(jié)構(gòu)、單核心多組團(tuán)式結(jié)構(gòu)。重慶為多中心多組團(tuán)式結(jié)構(gòu)，成都、南京、上海為多核心圈層式結(jié)構(gòu)，武漢為雙核心組團(tuán)式結(jié)構(gòu)，貴陽(yáng)、合肥為雙核心圈層式結(jié)構(gòu)，昆明、長(zhǎng)沙、南昌為單核心多組團(tuán)式結(jié)構(gòu)。

從核密度分析結(jié)果來(lái)看，重慶已經(jīng)形成較多的商業(yè)中心，并且較均勻地分散在各個(gè)城區(qū)，圍繞著多個(gè)中心形成個(gè)多組團(tuán)商業(yè)空間結(jié)構(gòu)。這是因?yàn)橹貞c受多山地形和河流影響，城區(qū)分布在長(zhǎng)江、嘉陵江等較低河流階梯和山體之間的平地上，各區(qū)域之間的交通連結(jié)相對(duì)不便。重慶多中心多組團(tuán)的商業(yè)空間結(jié)構(gòu)符合在山形水系制約情況下達(dá)到資源科學(xué)有效配置、各區(qū)域經(jīng)濟(jì)持續(xù)發(fā)展的現(xiàn)實(shí)需求。

成都、南京、上海三城經(jīng)濟(jì)總量大，虹吸效應(yīng)強(qiáng)，人口眾多，需要多個(gè)商業(yè)中心分?jǐn)傊行某菂^(qū)的壓力。又由于地形平坦，地勢(shì)較開(kāi)闊，利于發(fā)展圈層式城市結(jié)構(gòu)。成都市城市圈層結(jié)構(gòu)明顯，人口不斷增加，傳統(tǒng)的商業(yè)區(qū)域無(wú)法承擔(dān)如此龐大的人口消費(fèi)需求。近年來(lái)成都不斷向外圍發(fā)展，設(shè)立天府新區(qū)等區(qū)域分擔(dān)城市壓力，南邊新城區(qū)集聚程度較高，外圍也出現(xiàn)了一些小規(guī)模的商業(yè)集聚區(qū)，形成了多中心圈層式的商業(yè)空間結(jié)構(gòu)模式。南京是中國(guó)經(jīng)濟(jì)第二強(qiáng)省——江蘇省的省會(huì)城市，位于長(zhǎng)三角經(jīng)濟(jì)圈內(nèi)，同時(shí)對(duì)安徽、江西等周邊省份亦有極強(qiáng)的經(jīng)濟(jì)輻射能力，繁榮的城市經(jīng)濟(jì)促使南京發(fā)展多個(gè)商業(yè)中心，南京地處長(zhǎng)江中下游平原，地勢(shì)平坦和緩，利于城市不斷向外擴(kuò)展發(fā)展新的商業(yè)圈層，由于南邊地勢(shì)更加開(kāi)闊，核密度分析的結(jié)果可見(jiàn)南邊商業(yè)空間擴(kuò)散程度更大。上海是長(zhǎng)江流域唯一的超大型一線(xiàn)城市，是我國(guó)經(jīng)濟(jì)最發(fā)達(dá)的城市，也是世界知名經(jīng)濟(jì)、金融、商貿(mào)中心，商業(yè)需求極其旺盛，需要發(fā)展多中心的商業(yè)空間結(jié)構(gòu)才能滿(mǎn)足上海市的發(fā)展需要。上海位于長(zhǎng)江三角洲，地勢(shì)平坦，以浦西老城區(qū)為輻射源點(diǎn)，以黃浦江為主線(xiàn)不斷向外發(fā)展擴(kuò)散，上海（圖3j）商業(yè)集聚程度最高的區(qū)域?yàn)辄S浦江以西的黃浦區(qū)等區(qū)，沿著黃浦江呈東北-西南橢圓形商業(yè)空間形態(tài)分布，而浦東新區(qū)商業(yè)集聚程度仍不如浦西地區(qū)，由于浦東是改革開(kāi)放后開(kāi)發(fā)的新區(qū)，雖與浦西僅一江之隔，仍可以看出浦東、浦西商業(yè)發(fā)展的差距。

武漢（圖3f）由于長(zhǎng)江、漢江的原因，劃為“武漢三鎮(zhèn)”，其商業(yè)中心是雙核心的發(fā)展模式。由于漢口經(jīng)濟(jì)最為發(fā)達(dá)，商業(yè)用地集聚程度仍然高于另一個(gè)核心武昌，同時(shí)由于水系湖泊的限制，武漢市區(qū)內(nèi)的商業(yè)用地發(fā)展了較多的組團(tuán)結(jié)構(gòu)，最終形成了雙核心多組團(tuán)的商業(yè)用地布局。

貴陽(yáng)、合肥雖然都為雙核心圈層式結(jié)構(gòu)，但雙方的發(fā)展態(tài)勢(shì)和方向仍有顯著差別。貴陽(yáng)受到地形限制城區(qū)相對(duì)其他各城較小，商業(yè)集聚區(qū)較緊湊，發(fā)展出了南北兩個(gè)商業(yè)中心，不斷向外圍擴(kuò)展。而合肥的商業(yè)用地緊湊度沒(méi)有貴陽(yáng)那么強(qiáng)，這可能是因?yàn)楹戏氏噍^于貴陽(yáng)地勢(shì)更加開(kāi)闊平坦，商業(yè)用地集約節(jié)約程度相對(duì)較低，同時(shí)合肥兩個(gè)商業(yè)中心則分別位于廬陽(yáng)區(qū)和瑤海區(qū)，呈東西向，這也體現(xiàn)出了兩個(gè)城市自身商業(yè)用地的擴(kuò)展方向的差異。

昆明、長(zhǎng)沙、南昌都呈現(xiàn)出“單商業(yè)核心，多商業(yè)用地組團(tuán)”的商業(yè)空間結(jié)構(gòu)現(xiàn)狀特點(diǎn)。三個(gè)城市城區(qū)范圍都較小，人口較少，經(jīng)濟(jì)也在不斷發(fā)展中，城市規(guī)劃仍未完成，因此都呈現(xiàn)出單個(gè)核心區(qū)域商業(yè)和密度值較高，其他地區(qū)存在密度相對(duì)較低的商業(yè)用地組團(tuán)的商業(yè)空間分布格局。其中，昆明呈現(xiàn)南北發(fā)展的態(tài)勢(shì)，長(zhǎng)沙和南昌分別在湘江、贛江形成商業(yè)核心區(qū)后沿東西向擴(kuò)展商業(yè)用地組團(tuán)。

3 結(jié)論與討論

本文基于POI數(shù)據(jù)和最大熵模型對(duì)長(zhǎng)江流域省會(huì)城市和直轄市商業(yè)用地進(jìn)行識(shí)別，再通過(guò)核密度分析法對(duì)長(zhǎng)江流域省會(huì)城市及直轄市的商業(yè)用地集聚特點(diǎn)和空間結(jié)構(gòu)進(jìn)行分析，主要得出以下結(jié)論：

（1）最大熵模型可以精準(zhǔn)有效地進(jìn)行商業(yè)建筑物識(shí)別。本研究選取的7個(gè)商業(yè)建筑物的環(huán)境影響因子中，建筑物內(nèi)第三產(chǎn)業(yè)企業(yè)數(shù)量和建筑物樓層對(duì)模型構(gòu)建影響程度最高。

（2）從長(zhǎng)江流域各省會(huì)及直轄市商業(yè)用地集聚形態(tài)和商業(yè)用地延伸方向的制約因素來(lái)看，地理環(huán)境是最主要的城市商業(yè)用地聚集形態(tài)和延伸方向的“塑造者”。主要分為有無(wú)明顯地理因素限制（昆明、成都）、河湖限制（武漢、上海）、山水限制（重慶、長(zhǎng)沙、南昌、合肥、南京）、山體限制（貴陽(yáng)）4類(lèi)。

（3）長(zhǎng)江流域10個(gè)省會(huì)及直轄市的商業(yè)用地空間結(jié)構(gòu)有以下5種形態(tài)：多中心多組團(tuán)式結(jié)構(gòu)（重慶）、多中心圈層式結(jié)構(gòu)（成都、南京、上海）、雙核心多組團(tuán)式結(jié)構(gòu)（武漢）、雙核心圈層式結(jié)構(gòu)（貴陽(yáng)、合肥）、單核心多組團(tuán)式結(jié)構(gòu)（昆明、長(zhǎng)沙、南昌）。

（4）長(zhǎng)江流域各城應(yīng)當(dāng)充分利用長(zhǎng)江經(jīng)濟(jì)帶的國(guó)家戰(zhàn)略部署，結(jié)合自身優(yōu)勢(shì)發(fā)展經(jīng)濟(jì)。各市以上海市為龍頭，依托長(zhǎng)江黃金水道及其各級(jí)支流進(jìn)行有效的資源協(xié)作和整合。商業(yè)經(jīng)濟(jì)還尚未成熟的城市應(yīng)當(dāng)建立發(fā)展規(guī)劃，優(yōu)化商業(yè)用地空間布局，拓展新的商業(yè)網(wǎng)點(diǎn)和組團(tuán)，而商業(yè)用地空間結(jié)構(gòu)成熟的城市（如上海）應(yīng)當(dāng)更加細(xì)化自身商業(yè)網(wǎng)點(diǎn)和組團(tuán)布局。

本文基于POI數(shù)據(jù)和最大熵模型，在建筑物尺度上對(duì)長(zhǎng)江流域省會(huì)及直轄市的商業(yè)用地進(jìn)行識(shí)別，并加以驗(yàn)證分析，結(jié)果科學(xué)、精準(zhǔn)。與傳統(tǒng)方法對(duì)比，本文利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)模型進(jìn)行大尺度的地類(lèi)識(shí)別，具有時(shí)效性強(qiáng)、效率高、精確、操作簡(jiǎn)單等優(yōu)勢(shì)，同時(shí)僅需從網(wǎng)上爬取單期單類(lèi)數(shù)據(jù)，獲取途徑簡(jiǎn)單。并且與以往建設(shè)用地不同，本次研究利用的是建筑物圖斑使得結(jié)果精確性進(jìn)一步提高。同時(shí)，本文對(duì)長(zhǎng)江流域10個(gè)省會(huì)及直轄市的商業(yè)用地空間分析有利于推動(dòng)長(zhǎng)江流域各個(gè)城市的資源協(xié)同、經(jīng)濟(jì)布局科學(xué)，為長(zhǎng)江流域城市的經(jīng)濟(jì)發(fā)展提供科學(xué)參考。但必須指出，本研究所選取的POI數(shù)據(jù)指標(biāo)具有一定主觀性，尚未形成完整科學(xué)的選取標(biāo)準(zhǔn)，日后需要進(jìn)一步進(jìn)行研究，同時(shí)，本研究所選的最大熵模型并未進(jìn)行更多地類(lèi)實(shí)驗(yàn)，適用性仍需繼續(xù)探討。本文對(duì)各城市的商業(yè)用地等級(jí)以及與人口、居民點(diǎn)等因素并未結(jié)合起來(lái)進(jìn)行深入研究，這將是后續(xù)研究的重點(diǎn)。

參考文獻(xiàn)：

1.YANG J ZHU J SUN Y et al. Delimitating Urban Commercial Central Districts by Combining Kernel Density Estimation and Road Intersections：A Case Study in Nanjing City，China.ISPRS International Journal of Geo-Information.2019.8（2）

2.李龍 吳大放 王芳 等.中國(guó)快速城市化區(qū)域生態(tài)系統(tǒng)服務(wù)價(jià)值預(yù)測(cè)及權(quán)衡研究——以佛山市為例.生態(tài)學(xué)報(bào).2020.40 （24）

3.周春山 羅彥 尚嫣然.中國(guó)商業(yè)地理學(xué)的研究進(jìn)展.地理學(xué)報(bào).2004.06

4.李衛(wèi)東 張銘龍 段金龍.基于POI數(shù)據(jù)的南京市空間格局定量研究.世界地理研究.2020.29 （02）

5.吳康敏 張虹鷗 王洋 等.廣州市多類(lèi)型商業(yè)中心識(shí)別與空間模式.地理科學(xué)進(jìn)展.2016.35 （08）

6.LIU X JIAO P YUAN N et al. Identification of multi-attribute functional urban areas under a perspective of community detection：A case study.Physica A：Statistical Mechanics and its Applications.2016.462

7.林耿 閻小培.廣州市商業(yè)功能區(qū)空間結(jié)構(gòu)研究.人文地理.2003.03

8.QIAO L HUANG H TIAN Y.The Identification and Use Efficiency Evaluation of Urban Industrial Land Based on Multi-Source Data. Sustainability.2019.11（21）

9.WU Y QIAO Y YANG J.Urban Functional Area Division Based on Cell Tower Classification. IEEE Access.2019.07

10.張華 趙浩翔 王浩.基于Maxent模型的未來(lái)氣候變化情景下胡楊在中國(guó)的潛在地理分布.生態(tài)學(xué)報(bào).2020.40 （18）

11.顏明艷 李瓊珍 宋潔 等.基于MAXENT模型評(píng)估北部灣潮間帶中國(guó)鱟和圓尾鱟稚鱟的潛在地理分布及種群保育對(duì)策.生態(tài)學(xué)報(bào).2019.39 （09）

12.WACHTEL I ZIDON R GARTI S et al. Predictive modeling for archaeological site locations： Comparing logistic regression and maximal entropy in north Israel and north-east China.Journal of Archaeological Science.2018.92

13.吳瑞嬋 甘淑 于麗君 等.最大熵模型的巴基斯坦遺址預(yù)測(cè)分布研究.測(cè)繪科學(xué).2021.46 （03）

14.張亦漢 劉小平 陳廣亮 等.基于最大熵的CA模型及其城市擴(kuò)張模擬.中國(guó)科學(xué).地球科學(xué).2020.50 （03）

15.周曉艷 王詩(shī)琪.基于GTWR模型的長(zhǎng)江經(jīng)濟(jì)帶生態(tài)系統(tǒng)服務(wù)價(jià)值對(duì)城鎮(zhèn)擴(kuò)張的時(shí)空響應(yīng).水土保持研究.2021.28 （04）

16.MORENO R ZAMORA R MOLINA J R et al. Predictive modeling of microhabitats for endemic birds in South Chilean temperate forests using Maximum entropy （Maxent）.Ecological Informatics.2011.6 （6）

17.ELITH J H.GRAHAM C P.ANDERSON R et al.Novel methods improve prediction of species' distributions from occurrence data. Ecography （Copenhagen）.2006.29 （2）

18.曹元暉 劉紀(jì)平 王勇 等.基于POI數(shù)據(jù)的城市建筑功能分類(lèi)方法研究.地球信息科學(xué)學(xué)報(bào).2020.22 （06）

19.葉強(qiáng) 趙垚 譚暢 等.新時(shí)期沿黃省會(huì)城市商業(yè)空間結(jié)構(gòu)及其空間服務(wù)能力.自然資源學(xué)報(bào).2021.36 （01）

20.RAO Y ZHOU J ZHOU M et al. Comparisons of three‐dimensional urban forms in different urban expansion types：58 sample cities in China. Growth and Change.2020.51 （4）

21.龍瀛 李派 侯靜軒.基于街區(qū)三維形態(tài)的城市形態(tài)類(lèi)型分析——以中國(guó)主要城市為例.上海城市規(guī)劃.2019.03

22.陳蔚珊 柳林 梁育填.基于POI數(shù)據(jù)的廣州零售商業(yè)中心熱點(diǎn)識(shí)別與業(yè)態(tài)集聚特征分析.地理研究.2016.35 （04）

23.賀中華 梁虹 黃法蘇 等.基于DEM的喀斯特流域地貌發(fā)育影響因素分析.測(cè)繪科學(xué).2008.04

3127501908228