国安东，李永化，杨 俊,2

(1. 辽宁师范大学自然地理与空间信息科学辽宁省重点实验室，辽宁 大连 116029； 2. 中国科学院地理科学与资源研究所中国科学院陆地表层格局与模拟重点实验室，北京100101)

基于多距离空间聚类的城市建筑景观时空分异研究

国安东1，李永化1，杨 俊1,2

(1. 辽宁师范大学自然地理与空间信息科学辽宁省重点实验室，辽宁 大连 116029； 2. 中国科学院地理科学与资源研究所中国科学院陆地表层格局与模拟重点实验室，北京100101)

以大连市中山区6个街道建筑信息为数据基础，选取建筑景观指标，基于ArcGIS空间统计与多距离空间聚类分析方法研究了各街道10年间建筑景观空间格局分异特征。结果表明：从2003—2013年，各街道建筑景观逐渐由水平向垂直空间扩展，其中青泥洼桥街道、人民路街道及海军广场街道城市建筑景观变化明显突出；2003年4种类型建筑物在尺度为928.68 m时，空间分布上均呈聚集状态，当大于928.68 m时，超高层建筑空间聚集程度降低。到2013年，高层建筑物随尺度的增加聚集程度逐渐减低，低层、多层和超高层建筑在空间分布上均呈一定的聚集状态。

多距离空间聚类分析；建筑景观指标；时空分异；中山区

21世纪以来，中国城市化进入了一个高速发展的阶段，居民对土地资源的需求量大幅度增加，为防止城市空间盲目扩张，引起更多的生态环境恶化问题，城市空间形态演变逐渐由水平向垂直空间延伸[1-2]。高层建筑物作为城市景观重要的组成部分，也是三维空间扩展的重要产物，在一定程度上缓解了城市用地紧缺的现状，因此研究城市建筑景观空间格局特征，把握其演变规律，对于城市建设与生态优化具有重要的意义[3]。

近年来，城市景观格局的研究逐渐由二维向三维空间过渡，其中三维建筑信息的获取技术是其研究的重要前提和基础[4]。目前，国内外学者对城市建筑景观的研究多集中在三维可视化技术的实现、信息提取、建筑景观指标构建及三维空间动态演变模拟等几个方面[5-7]。如张晖等在CityEngine平台下，基于规则的三维建模方法，实现了建筑物的三维立体快速搭建[8]；马红以DSM数据为研究基础，采用RANSAC方法，提取了建筑轮廓信息[9]；郭怡帆和田新光等分别以Pleiades和QuickBird影像为基础，基于面向对象的多尺度分割方法提取了建筑轮廓数据[10-11]；Ahmed等提出3D体积来研究城市建筑环境[12]；张培峰等利用景观类型转移矩阵、建筑景观指标体系及不同空间尺度研究了城市建筑景观的演变规律[13-14]；Benguigui和秦静等结合三维元胞自动机来模拟城市三维空间增长[15-16]。综上所述，本文以大连市中山区6个街道为研究范围，以2003年和2013年城市三维建筑信息为数据基础，结合前人的研究，基于ArcGIS空间统计与多距离空间聚类分析方法，分析其城市10年建筑景观时空分异特征，以期为未来城市的改造与合理规划提供一定的参考值。

1 研究区域与数据来源

1.1 研究区概况

中山区是大连市金融与商业中心区，自2000年以来，城市三维景观扩展幅度加快，各街道间差异明显。其东部、北部、南部与黄海相邻，西部和西岗区相邻，地域范围为38°51′N—38°56N′、121°37′E—121°43′E，总面积达43.85 km2。研究区范围由青泥洼街道、人民路街道、昆明街道、桂林街道、海军广场街道及葵英街道6个街道组成，如图1所示。

图1 研究区位置

1.2 数据来源

本文以大连市中山区地籍数据、地形图、高分辨率遥感影像等数据为基础(见表1)，结合面向对象屋顶信息提取方法提取建筑物轮廓，同时综合利用Google Earth、百度全景等对建筑物赋予高度，考虑到研究区数据量庞大，对未知高度建筑物的楼层高度赋予3 m进行高度求取。

表1 数据来源与说明

2 研究方法与实例分析

2.1 建筑景观指标分析

本文选取建筑加权平均高度、建筑体积、容积率3个指标来衡量城市建筑景观变化，充分反映10年间城市三维空间形态特征。计算公式如下

(1)

式中,H、V、FAR分别代表研究区内建筑群的加权平均高度、建筑体积、容积率；Ai、hi、fi分别代表建筑i的基地面积、建筑高度、建筑楼层数；PAi代表各研究区范围的总面积(即街道总面积)；n代表研究范围内建筑总数。

采用式(1)中建筑景观指标的计算方法，统计中山区6个街道10年间建筑景观变化情况，见表2。

由表2可以明显看出：中山区从2003—2013年间，青泥洼街道和人民路街道建筑加权平均高度增加最大，分别为11.32、9.25 m，葵英街道与昆民街道变化幅度最小，分别为1.13、3.90 m；街道建筑体积和容积率最大值是青泥洼桥街道，分别为1 665.93万m3、3.69；昆明街道和葵英街道由于地势较高、距商业中心远等原因，建筑景观增长速度较慢，其中葵英街道则由于街区的重新改造，建筑体积减小了59.67万m3。

表2 2003—2013年各街道建筑景观统计

2.2 建筑点多距离空间聚类分析

本文依据建筑高度分类标准将其划分为低层建筑、多层建筑、高层建筑、超高层建筑4种类型，基于ArcGIS多距离空间聚类分析方法研究不同类型建筑空间聚集状态随尺度的变化，如图2和图3所示。

图2 2003年建筑点空间分布与多距离空间聚类

图3 2013年建筑点空间分布与多距离空间聚类

由图2、图3可知：2003—2013年中山区低层和多层建筑物数量增加幅度最大，高和超高层建筑数量增加幅度较小且集中于青泥洼桥、人民路及海军广场3个街道。2003年，低层建筑、多层及高层建筑在空间分布上随尺度的增加，其聚集程度基本保持稳定，而当尺度大于928.68 m时，超高层建筑聚集程度逐渐降低；到2013年，低层、多层及超高层建筑随尺度的增加其聚集程度基本保持稳定，而高层建筑则随尺度的增加其空间分布越趋近于离散状态。

3 结 论

本文以大连市中山区6个街道为研究区域，以街道为研究尺度，基于ArcGIS空间统计与多距离空间聚类分析方法研究了城市10年间建筑景观时空分异特征，研究表明：

(1) 从建筑景观指标分析，各街道建筑加权平均高度、建筑体积及容积率整体上都得到提高，说明城市空间增长由水平转向垂直方向延伸。其中青泥洼桥街道、人民路街道及海军广场街道建筑景观变化最大，青泥洼桥街道建筑景观指标值一直处于领先位置，而葵英街道由于社区改造的原因建筑体积减小了59.67万m3，其余各街道建筑景观指标增长幅度较小。

(2) 从建筑点空间上分析，2003年，4种类型建筑物在尺度为928.68 m时，空间分布上均呈聚集状态，当大于928.68 m时，超高层建筑聚集程度降低。到2013年，除高层建筑物随尺度的增加聚集程度降低外，其他3种类型建筑在空间上均呈一定的聚集状态分布，且聚集程度大小为：低层建筑>多层建筑>超高层建筑。

[1] 乔伟峰, 刘彦随, 王亚华, 等. 2000年以来南京城市三维空间扩展特征[J]. 地理研究, 2015, 34(4): 666-676.

[2] 刘冰, 王雅橙, 任维成. 淄博城市空间形态重构与土地利用分析[J]. 测绘通报, 2012(S1): 733-736.

[3] 刘耀林, 焦利民. 顾及尺度效应和景观格局的土地利用数据综合指标研究[J]. 测绘学报, 2009, 38(6): 549-555.

[4] 冯甜甜, 龚健雅. 基于LiDAR数据的建筑物自动提取方法的比较[J]. 测绘通报, 2011(2): 21-23.

[5] 吴风华, 张亚宁. 应用WebGIS设计与实现二三维一体化系统[J]. 测绘通报,2014(7): 125-127.

[6] 许捍卫, 范小虎, 任家勇, 等. 基于SketchUp和ArcGIS的城市三维可视化研究[J]. 测绘通报, 2010(3): 52-54.

[7] 程亮. 集成影像与LiDAR数据重建三维建筑物模型研究[J]. 测绘学报, 2009, 38(4): 494-501.

[8] 张晖, 刘超, 李妍, 等. 基于CityEngine的建筑物三维建模技术研究[J]. 测绘通报, 2014(11): 108-112.

[9] 马红. 利用高精度DSM数据提取建筑物轮廓算法研究[J]. 测绘通报, 2015(4): 111-113, 124.

[10] 郭怡帆, 张锦, 卫东. 面向对象的高分辨率遥感影像建筑物轮廓提取研究[J]. 测绘通报, 2014(S2): 300-303.

[11] 田新光，张继贤，张永红. 利用QuickBird影像的阴影提取建筑物高度[J]. 测绘科学, 2008, 33(2): 88-89.

[12] AHMED F C, SEKAR S P. Using Three-dimensional Volumetric Analysis in Everyday Urban Planning Processes[J]. Applied Spatial Analysis and Policy, 2015, 8(4): 393-408.

[13] 张培峰, 胡远满, 熊在平, 等. 铁西区城市改造过程中建筑景观的演变规律[J]. 生态学报, 2012, 32(9): 2681-2691.

[14] 张培峰, 胡远满. 不同空间尺度三维建筑景观变化[J]. 生态学杂志, 2013, 32(5): 1319-1325.

[15] 秦静, 方创琳, 王洋. 基于元胞自动机的城市三维空间增长仿真模拟[J]. 地球信息科学学报, 2013(5): 662-671.

[16] CZAMANSKI D, BENGUIGUI L, ROTH R. Modeling Cities in 3D: A Cellular Automaton Approach[J]. Environment and Planning B (Planning and Design), 2008, 35(3): 413-430.

Research on Spatial and Temporal Differences of Urban Architectural Landscape Based on Multi-distance Spatial Cluster

GUO Andong1，LI Yonghua1，YANG Jun1，2

(1. Liaoning Key Laboratory of Physical Geography and Geomatics, Liaoning Normal University, Dalian 116029, China; 2. Key Laboratory of Land Surface Pattern and Simulation,Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China)

Based on the building information of 6 streets in Zhongshan District of Dalian City,the building landscape index is selected and ArcGIS spatial statistics and multi-distance spatial clustering analysis method is used to study the spatial pattern of architectural landscape in 10 years. The results showed that: (1) From 2003 to 2013,the landscape of the street buildings gradually expanded from horizontal to vertical space, in which Qingniwaqiao street, Renminlun street and Haijunguangchang street changed obviously. (2) When the scale is 928.68 m, the spatial distribution of the four types of buildings are clustered. When it is more than 928.68 m, the spatial aggregation degree of the ultra-tall buildings decreases in 2003. By 2013, high-rise buildings with the increase in the scale of aggregation gradually reduced, low-rise buildings, multistory buildings and ultra-tall buildings in the spatial distribution of a certain aggregation state.

multi-distance spatial cluster analysis; architectural landscape index; spatial-temporal differentiation; Zhongshan district

国安东，李永化，杨俊.基于多距离空间聚类的城市建筑景观时空分异研究[J].测绘通报，2017(2)：102-105.

10.13474/j.cnki.11-2246.2017.0059.

2016-11-17

国家自然科学基金(41471140)；辽宁省高等学校杰出青年学者成长计划(LJQ2015058)

国安东(1991—)，男，硕士生，主要研究方向为地理信息系统应用。E-mail：Gandong_GIS@163.com

P208

A

0494-0911(2017)02-0102-04