Management of urban land expansion in China through intensity assessment: A big data perspective
Management of urban land expansion in China through intensity assessment: A big data perspective
复制标题
通过强度评估管理中国城市土地扩张：大数据视角
DOI：
10.1016/j.jclepro.2016.11.090
复制
发表时间：
2017-06
影响因子：
11.1
通讯作者：
Yang Ludi
中科院分区：
文献类型：
--
作者：
Zeng Chen;Dong Jianing;Yang Ludi
快速的城市化和大规模的城市扩张催生了一个注重效率的城市资源管理新时代，特别是在中国的特大城市。大数据是一个多源数据融合的平台，有助于在调控城市土地扩张方面做出明确的空间决策。在这项研究中，我们使用大数据来评估中国大都市区的城市土地利用强度。OpenStreetMap和兴趣点数据用于推断每个已建立地块的城市功能。地理加权回归（GWR）是用来产生投入产出匹配，并制定综合城市土地利用强度值。为了将城市之间的空间关系纳入最终评估，从社交媒体平台“微博”的签到数据中导出的空间网络被用于通过与理想解的相似性排序偏好技术（TOPSIS）进行排名。结果表明，广州市的城市土地利用效率最高，其次是上海和深圳，苏州市的城市土地集约度最低。研究还发现，珠江三角洲和长江三角洲的特大城市总体上具有上级城市土地利用效率，而北方和西部地区的城市土地利用效率较低。特大城市在城市土地利用效率方面有优势也有劣势，当确定了特征性的投入产出关系时，它们在不同的阶段取得进展。这种进步主要归功于他们在中国独特的政治、经济和文化作用。未来将进一步完善各土地使用功能，并利用各城市的深度网络化大数据，改善城市资源管理。
Rapid urbanization and widespread urban sprawl have induced a new era of urban resource management that focuses on efficiency, particularly in megacities in China. Big data is a platform for multi-source data fusion that helps to create spatially explicit decisions in regulating urban land expansion. In this study, we use big data to assess the intensity of urban land use in the metropolitan areas of China. OpenStreetMap and point-of-interest data are used to infer the urban function of each established parcel. Geographical weighted regression (GWR) is used to generate input–output matchups and to formulate integrated urban land use intensity values. To incorporate spatial relations among cities into a final assessment, spatial networks derived from check-in data of the social media platform, “Weibo,” are used to rank through the technique for order preference by similarity to the ideal solution (TOPSIS). Results show that Guangzhou has the most efficient urban land use system, followed by Shanghai and Shenzhen, and that Suzhou has the lowest urban land intensity. It is also revealed that the megalopolises in the Pearl River Delta and the Yangtze River Delta are superior in urban land use in general, whereas urban land use in the northern and western areas of China are less efficient. The megacities have strengths and weaknesses with respect to urban land use efficiency, and they advance at different stages when characteristic input–output relationships are identified. This advancement is largely attributed to their unique political, economic, and cultural roles in China. Further improvements in each land use function will be proposed in the future and the profound networked big data from each city will be utilized to improve urban resource management.
登录
查看更多内容
影响因子：
6.8
作者：
Tao Liu;Hui Liu;Yuanjing Qi
通讯作者：
Tao Liu;Hui Liu;Yuanjing Qi
中国耕地利用强度的时空格局和驱动力：利用能值分析实现可持续土地管理
影响因子：
3.9
作者：
Hualin Xie;Jinlang Zou;Hailing Jiang;Ning Zhang;Choi Y.
通讯作者：
Choi Y.
DOI：
10.1007/978-3-319-19342-7_13
发表时间：
2014-06
期刊：
ArXiv
影响因子：
--
作者：
Ying Long;Kang-Li Wu;Jianghao Wang;Zhenjiang Shen
通讯作者：
Ying Long;Kang-Li Wu;Jianghao Wang;Zhenjiang Shen
影响因子：
11.1
作者：
Hengzhou Xu;Wenjing Zhang
通讯作者：
Hengzhou Xu;Wenjing Zhang
影响因子：
4.7
作者：
Antti Vasanen
通讯作者：
Antti Vasanen