EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 12: 2260 - 2270

DOI: https://doi.org/10.12118/j.issn.1000-6060.2025.160

区域发展

建成环境视角下兰州城市空间结构特征研究

  • 陈龙 , 1 ,
  • 张志斌 2 ,
  • 王晓琪 3 ,
  • 赵学伟 2 ,
  • 董建红 4
展开
  • 1 甘肃农业大学财经学院， 甘肃 兰州 730000
  • 2 西北师范大学地理与环境科学学院， 甘肃 兰州 730000
  • 3 兰州文理学院旅游学院， 甘肃 兰州 730000
  • 4 兰州理工大学建筑与艺术设计学院， 甘肃 兰州 730000

陈龙（1993-），男，博士，副教授，主要从事区域分析与区域发展等方面研究. E-mail:

收稿日期: 2025-03-25

  修回日期: 2025-05-27

  网络出版日期: 2026-03-11

基金资助

甘肃省教育厅创新基金项目(2025A-036)

2025年度甘肃省人文社会科学项目(25ZZ08)

国家社会科学基金项目(21BJY117)

收起

Urban spatial structure characteristics of Lanzhou from the perspective of construction environment

  • Long CHEN , 1 ,
  • Zhibin ZHANG 2 ,
  • Xiaoqi WANG 3 ,
  • Xuewei ZHAO 2 ,
  • Jianhong DONG 4
Expand
  • 1 College of Finance and Economics, Gansu Agricultural University, Lanzhou 730000, Gansu, China
  • 2 College of Geography and Environmental Sciences, Northwest Normal University, Lanzhou 730000, Gansu, China
  • 3 School of Tourism, Lanzhou University of Arts and Science, Lanzhou 730000, Gansu, China
  • 4 School of Architecture and Art Design, Lanzhou University of Technology, Lanzhou 730000, Gansu, China

Received date: 2025-03-25

  Revised date: 2025-05-27

  Online published: 2026-03-11

Fold

摘要

城市空间与建成环境的协同发展是实现城市可持续发展的重要途径。以河谷型城市兰州为例，基于多源数据构建社区建成环境质量评价指标体系，研究其城市空间结构及影响因素。结果表明：（1） 建成环境视角下，兰州市城市空间呈现东西向轴带状“核心-边缘”结构，典型特征为带状主导下的“多中心+扇形扩展区”。（2） 利用回归分析可知，土地价格、平均高程、社区到区行政中心的距离、社区到车站的距离对城市空间结构的形成发挥着主要作用，社区到地铁站的距离、社区道路网密度、用地类型、公共空间、人口数量起次要作用。（3） 土地价格和用地类型对城市空间结构的作用力持续增强。研究结果对优化河谷型城市空间和促进城市高质量发展具有一定的理论和现实意义。

关键词： 城市空间结构; 社区建成环境质量; 影响因素; 兰州市

本文引用格式

陈龙 , 张志斌 , 王晓琪 , 赵学伟 , 董建红 . 建成环境视角下兰州城市空间结构特征研究[J]. 干旱区地理, 2025 , 48(12) : 2260 -2270 . DOI: 10.12118/j.issn.1000-6060.2025.160

Abstract

The synergistic development of urban space and the built environment is essential for achieving sustainable urban development. This study examines Lanzhou, a river valley city, by constructing a community built environment quality evaluation index system using multi-source data to analyze its urban spatial structure and influencing factors. Key findings include: (1) From the perspective of the built environment, Lanzhou’s urban space exhibits an east-west axial, belt-like “core-periphery” structure, characterized by a spatial distribution pattern combining multiple centers with a fan-shaped expansion area dominated by the axial belt. (2) Regression analysis indicates that land price, mean elevation, distance from communities to the district administrative center, and distance to transportation stations significantly influence the urban spatial structure, while distance to subway stations, community road network density, land use type, public space availability, and population size have secondary impacts. (3) The influence of land price and land use type on the urban spatial structure has steadily increased. These findings offer theoretical and practical insights for optimizing urban spatial configurations in river valley cities and promoting high-quality urban development.

Key words： urban spatial structure; community built environment quality; influencing factors; Lanzhou City

2025年7月中央城市工作会议将韧性城市建设与创新、宜居、美丽、文明、智慧城市并列，提出优化城市空间和城市功能、完善公共服务体系和社区治理。城市空间是城市社会、经济、文化等活动的载体，而建成环境则是城市空间的重要组成部分。建成环境与城市空间并非简单的“物质-容器”二元关系，而是一种互为因果、动态耦合的复杂系统关系。二者通过“空间结构-行为选择-社会结果-反馈重构”的循环机制，共同塑造城市的功能、形态与社会意义。城市空间结构是在特定历史时期内的城市要素通过其内在机制相互作用而表现出的空间形态[1]，而优质的城市空间结构指城市内部各社区经济活动密度与其所在区位条件之间存在良好匹配关系的一种空间结构[2]。城市空间结构问题实质上是城市发展阶段与社区生活空间人本需求结构的空间对偶问题[3]。本文基于建成环境探讨城市空间结构及其影响因素，有利于合理布局城市功能、优化城市空间结构、促进城市高质量发展。
建成环境作为空间实践的媒介，对城市空间的形成和发展具有重要影响。城市规划的布局、建筑设计的风格、交通设施的配置等城市建成环境对城市空间的结构和功能产生重要影响[4]。同时，城市空间作为建成环境的“社会投影”，对建成环境产生反作用，如人口分布、土地利用等因素会影响建成环境的质量和可持续性[5]。学界关于中国城市空间结构的研究已较为成熟，地理学、城乡规划学、经济学等以“同心圆模式”“扇形模式”和“多核心模式”为基本理论，使用参数模型定量测度了北京、上海、广州、重庆等超大城市内部空间结构，认同它们从不同程度由单中心结构转向多中心结构[6]。近年随着大数据技术运用的成熟，基于商品房[7]、生产性服务业、制造业[8]、居民行为[9]、交通流、信息流[10]等现代信息技术数据的城市空间结构研究也日益丰富。
目前，建成环境与城市空间的关联性研究涉及多个领域，包括城市活力、交通行为、生态环境、社会行为和城市健康等。建成环境对城市活力的影响存在空间异质性，一方面，建筑高度、人口密度、商业密度等因素对城市活力有显著影响[11]，通过构建紧凑的城市形态能够减少空气污染，提高城市环境质量。另一方面，住宅密度、街道连通性、公共交通可达性等因素，显著影响居民的出行选择和交通模式[12]。此外，建成环境对城市健康和居民健康有显著影响，例如空气质量、交通便利性、公共空间可达性等[13]因素的共同作用，影响居民身心健康和城市宜居性。
公共空间、人口密度、建筑密度、街道连通性和景观布局等城市建成环境有效优化了城市空间结构，对城市运行及各要素配置有一定锁定效应[14]。对于城市研究者而言，如何改善城市建成环境、实现城市可持续发展是亟待解决的关键问题。综上所述，作为城市的主要经济活动和社会活动的主体，社区建成环境是表征城市空间结构的典型主体。因此，本文从社区建成环境的视角认识城市空间结构，诊断城市空间现存问题并寻求地方化解决方案，使城市空间结构要素组成与空间流动向着SDG3、SDG10、SDG10城市目标发展。

1 数据与方法

1.1 研究区概况

兰州城市建成环境的建设最早可追溯到秦朝2235年前[15]。秦始皇在公元前214年筑榆中县城，位于今兰州东岗镇一带。作为“一带一路”重要节点城市和西北内陆中心城市，兰州市既是西北地区城市高质量发展的排头兵，也是带动甘肃省域协同发展的火车头。从《兰州市城市总体规划（1954—1972年）》第一版到《兰州市城市总体规划（2001—2010年）》，兰州市中心城区空间发展模式由“单核心圈层蔓延式”转向“多中心轴向组团式”。据第七次人口普查数据可知：全市常住人口43.59×105人，比第六次人口普查增加了74.33×104人。其中，中心城区为30.43×105人，占全市常住人口的69.8%。兰州市现辖5区3县，包括城关区、七里河区、安宁区、西固区、红古区和永登县、皋兰县、榆中县。本文选取中心城区（城关区、七里河区、安宁区和西固区）作为研究区域（图1），包括50个街道362个社区（村）。
图1 研究区位图

Fig. 1 Study location map

1.2 数据来源

基础地理信息数据包括研究区的行政边界、路网、绿地及水域等。其中，社区行政区划边界利用《兰州市十五分钟生活圈配套设施规划导则》和高德地图矢量化获得，并通过兰州市民政局公布的《关于2021年全市行政区划设置情况的通报》进行校验。路网从OpenStreetMap网站获取，绿地及水域获取自地理空间数据云（https://www.gscloud.cn/#page1/1）。空气质量指数（AQI）获取自2021年6月中国环境保护部实时发布的6个监测站点（兰炼宾馆监测站点、教育港监测站点、生物制品所监测站点、铁路设计院监测站点、和平监测站点）的数据。社区蓝绿空间面积和下垫面不透水面数据采用清华大学宫鹏教授团队研发的世界首套10 m分辨率全球土地覆盖数据集FROM-GLC10[16]。地表温度数据下载自地理空间数据云(www.gscloud.cn)，为2021年8月7日的Landsat8_OLI/TIRS影像，条带号和行编号为131/35以及130/35，空间分辨率为30 m×30 m，所选影像成像质量好，研究区云量小于5%。建筑矢量数据来源于百度地图，包含空间位置、建筑轮廓和建筑层数等信息，对其进行坐标投影转换、高度属性异常值删除、非核心区孤立建筑物要素剔除等数据处理。
设施数据包括居住小区属性数据和POI数据。其中，居住小区数据于2022年6月爬取自安居客房产网站共计2981个，字段包括居住小区名称、建成时间、建成面积、房屋结构、价格、绿化率、容积率、周围公交线路与配套设施以及经度和纬度等，其中个别字段属性缺失的数据在房天下、贝壳二手房、链家网等网站手动补全。指标层相关社区建成环境中的服务类设施POI数据爬取自高德地图开发平台。

1.3 指标体系

建成环境与城市空间的关系，是“物质空间-社会空间”的二元互动。建成环境是城市空间的物质载体与界定者，城市空间是建成环境功能与活动的容器，建成环境的质量决定城市空间的品质[17]。社区是城市结构的“活性细胞”，高质量社区通过自组织能力推动城市空间结构迭代升级，实现“微更新促大变革”。社区建成环境作为城市空间结构的重要组成部分，是实现共同富裕的重要物质基础。以社区建成环境质量透析城市空间结构可以打破“宏观-微观”的规划割裂，构建跨尺度协同的空间治理体系；同时，实现更高水平的城市要素均等化发展，缩小区域和社会群体间实际服务水平的差距，促进人本城市的可持续进化。因此，本文从环境宜居、生活便利、社会稳定、精神富足4个维度适用于评价兰州市城市空间结构特征。环境宜居指标反映了城市的自然环境质量和居住条件，生活便利指标反映了城市的基础设施和服务水平，社会稳定指标反映了城市的社会秩序与治安状况，精神富足指标反映了居民的幸福感和生活质量，强调物质享受和精神满足对于居民的同等重要性。
高德POI类数据是通过ArcGIS软件中核密度分析工具计算每个社区的平均值。空气质量是通过ArcGIS反距离权重插值的方法将点的测量数据转换为连续的数据曲面，进而通过采样工具，获取每个社区所在点的空气质量指数。建筑时间、建筑结构、房价、停车位等指标是从居住小区的属性且字段获取，且每个社区包含多个居住小区，因此计算每个社区内以上指标的平均值。社区蓝绿空间和下垫面不透水面是根据其所占社区面积比例获得。最后，在社区内对以上所有数据进行标准化和归一化处理。
通过数据获取及数据处理，共得到环境宜居、生活便利、社会稳定、精神富足4个准则层，居住条件、环境质量、交通设施（社区通达性是建成环境中的一个重要指标[10]）、教育设施、生活服务设施、社区安全、应急避难、社交空间、文化休闲9个要素层，以及建筑时间、建筑结构、建筑平均高度、停车位、地铁站和公交站、社区蓝绿空间面积[18]、道路通达性[19]、运动场地等共25个指标层的评价体系，具体指标如表1所示。
表1 客观社区建成环境质量指标构建

Tab. 1 Construct on objective community built environment quality (CBEQ) index

准则层 要素层权重 指标层 权重 数据来源
环境宜居 居住条件 建筑时间/a 0.031 安居客网站
建筑结构 0.025 安居客网站
建筑密度/% 0.023 百度地图
建筑平均高度/% 0.019 百度地图
房价/元·m-2 0.053 安居客网站
停车位/个 0.048 房天下
环境质量 社区蓝绿空间面积/m2 0.043 地理空间数据云
空气质量指数 0.041 环境监测数据
地表温度/(°) 0.023 地理空间数据云
下垫面不透水面/m2 0.016 地理空间数据云
生活便利 交通设施 地铁站和公交站/个 0.067 高德POI
道路通达性（用道路交叉口数量表征）/m·m-2 0.028 OpenStreetMap
教育设施 幼儿园、小学、中学、课外培训机构/座 0.065 高德POI
生活服务设施 银行、综合超市、购物中心、理发店、农贸市场、日常饭店/家 0.061 高德POI
一级医院、二级医院、三级医院、疗养院、妇幼保健所、社区卫生站/家 0.058 高德POI
健身房、体育场所/个 0.037 高德POI
社会稳定 社区安全 消防站/个 0.031 高德POI
社区警务室/个 0.055 高德POI
派出所/处 0.058 高德POI
应急避难 避难点/处 0.047 高德POI
运动场地/座 0.045 高德POI
精神富足 社交空间 休闲餐饮(咖啡馆、酒吧、茶座)/个 0.040 高德POI
公园广场/个 0.033 高德POI
文化休闲 图书馆、博物馆/座 0.031 高德POI
娱乐场所（电影院、KTV等）/个 0.022 高德POI

1.4 研究方法

1.4.1 评价模型构建

社区建成环境质量（Objective community built environmental quality，OCBEQ）是体现城市发展水平和居民生活质量的重要内容，是居民日常活动中最基本的行政单元。不断提升社区建成环境质量是建设共同富裕的宜居性城市的基本要求。根据环境宜居、生活便利、社会稳定、精神富足4个维度，在指标体系中将所有数据进行分段分类，以便于建立评价模型[20]。计算公式如下：
${I}_{i}=\stackrel{m}{\displaystyle\sum _{j=1}}\left({C}_{j}\times {N}_{ij}\right)$
$\mathrm{O}\mathrm{C}\mathrm{B}\mathrm{E}{\mathrm{Q}}_{i}=\sqrt[4]{{I}_{1}\times {I}_{2}\times {I}_{3}\times {I}_{4}}$
式中：$\mathrm{O}\mathrm{C}\mathrm{B}\mathrm{E}{\mathrm{Q}}_{i}$为第i社区的建成环境质量；Ii为环境宜居、生活便利、社会稳定、精神富足中某一维度指数，i=1,2,3,4；m为评价指标总个数；Cj为第j项指标的权重值；Nij为第i社区第j项指标标准化后的数值。

1.4.2 面板分位数回归模型

分位数回归（Quantile regression，QR）是估计一组回归变量X与被解释变量Y的分位数之间线性关系的建模方法[21]。与传统的最小二乘法回归不同的是，分位数回归不仅关注因变量的均值，还提供关于因变量在不同分位数下的条件分布信息，因此分位数回归有着比较好的弹性性质。在分位数回归模型中，将回归问题转化为求解一系列条件分位数的问题。由于分位数回归不依赖于线性假设，可用于探索因变量与自变量之间的非线性关系。
本文使用面板分位数回归模型探究自变量对城市空间结构的影响，因为该模型不需假设数据服从正态分布，而且能够较好地排除离群值的干扰。传统普通多元回归模型的系数变动往往受到条件随机概率的制约，而面板分位数回归模型在控制解释变量差异性的同时，在不同分位点上可以有效评估被解释变量的影响关系，并且其回归参数具有在大样本理论下的渐进优良性。其计算公式如下：
$\begin{array}{l}{Q}_{{Y}_{it}}\left(\tau \left|{X}_{it}\right.\right)={\alpha }_{i}+{X}_{it}^{T}\beta \left(\tau \right)\\ i=\mathrm{1,2},\cdots,n,t=\mathrm{1,2},\cdots,T\end{array}$
式中：${Q}_{{Y}_{it}}$为条件分位函数；Xit为自变量矩阵；Yit为因变量矩阵；t为第t组自变量；i为第i个社区；n为社区总数量；T为自变量组总数量；τ为本文设定的分位点（0.1, 0.25, 0.5, 0.75, 0.9）；${\alpha }_{i}$为常数项；$\beta \left(\tau \right)$为τ分位下的影响系数；β为影响系数，常利用加权最小二乘法估计。
$\beta \left(\theta \right)=\underset{\left(\alpha,\beta \right)}{\mathrm{M}\mathrm{i}\mathrm{n}}\stackrel{q}{\displaystyle\sum _{k=1}}\stackrel{n}{\displaystyle\sum _{i=1}}\stackrel{T}{\displaystyle\sum _{t=1}}{W}_{k}{\rho }_{{\tau }_{k}}\left[{Y}_{it}-{\alpha }_{i}-{X}_{it}^{T}\beta \left({\tau }_{k}\right)\right]$
式中：$\beta \left(\theta \right)$为影响系数，通过计算q组分位数回归目标函数的最小化损失参数获得；q为分位数组数量（q=1, 2, 3, 4, 5）；Wk为第k分位数的权重系数；k为分位数的第k组；${\rho }_{{\tau }_{k}}$为分位数损失函数；$\beta \left({\tau }_{k}\right)$为第k个分位数的影响系数。

2 结果与分析

2.1 基于客观社区建成环境质量的城市空间特征

整体来看，兰州市城市空间结构呈现出东西向轴带状“核心-边缘”特征，其空间显著性表现为：精神富足>社会稳定>环境宜居>生活便利。较低质量、低质量和中等质量社区分布于高质量和较高质量社区周围，以城关区最为显著。此外，西固区和安宁区的中等质量及以上社区具有串联趋势，其原因在于迎门滩、马滩、崔家大滩（简称“三滩”）逐渐被开发，从“冷清郊区”逐渐演变为“繁华新城”，成为兰州城市更新的典型区域；西固区不在孤立为“单中心”城区，多层级的空间组织结构进一步强化，带状河谷型城市空间特征更加凸显。
环境宜居以“双中心+带状核心”空间特征为主，其聚集程度显著弱于生活便利、社会稳定、精神富足（图2a）。第一等级“带状核心”分布于城关区甘南路两侧的社区，高质量和低质量社区交错分布，主要包括和平新村社区、牟家庄北社区、牟家庄南社区、何家庄社区、正宁路社区、金塔巷社区、兰州大学社区、定西路社区等。第二等级“带状核心”包括2个区域：第一，由城关区的尖摊子社区、雁西路社区、沙洼河社区、大雁滩社区等组成的区域；第二，由安宁区的科苑社区、王磊庄社区、安宁区营门滩、廖家庄社区、银滩路社区、石磊庄社区等组成的区域。
图2 各维度社区建成环境质量的空间分布

Fig. 2 Spatial distributions of the community built environment quality by dimension

生活便利呈现以较高质量集聚为主、以高质量集聚为辅的“带状核心”特征（图2b）。第一等级“带状核心”分布于城关区南关十字附近区域，高质量社区包括农民巷东社区、平凉路社区、詹家拐子社区、郑家台社区、甘家巷社区、畅家巷社区、南稍门社区，较高质量社区包括桥门社区、大众巷社区、山字石社区、陇西路社区等。第二等级“带状核心”包括5个区域，分别为城关区的五里铺村社区、焦家湾东社区、雁滩路社区和大雁滩社区，七里河区的任家庄街东社区和建兰路社区，安宁区的科苑社区和王家庄社区，西固区的山丹街东路社区和庄浪西路社区。
社会稳定呈“多中心+带状核心”集聚格局（图2c），其空间特征以高质量与较高质量社区为主导。第一等级“带状核心”分布位置与精神富足相似，但是分布的高质量社区数量少于精神富足，主要包括红星巷社区、兰州大学社区、定西路社区、新华巷社区、贡元巷社区、西城巷社区等。第二等级“带状核心”分化为两大片区：第一，由七里河区的王家堡社区、健康路社区、吴家园社区、吴家园西街社区等组成的区域；第二，由安宁区的和平社区、师大社区、南街社区等组成的区域。
精神富足呈显著高质量集聚的“带状核心”格局，其空间聚集程度明显高于社会稳定（图2d）。第一等级“带状核心”为地铁一号线和地铁二号线围合地带，以高质量社区分布为主，包括桥门社区、大众巷社区、木塔巷社区、平凉路社区、嘉峪关北路社区等。第二等级“带状核心”包括3个区域：其一为七里河区的文化宫社区、小西湖西街社区、建工中街社区、机车厂社区等组成的区域；其二为安宁区的银滩路社区、石磊庄社区、太和社区、乱庄社区等组成的带状集聚区；其三为西固区的福利路社区、兰化26街区社区、庄浪西路社区、省建第四公司社区、公园路社区、南山社区等组成的聚合区域。

2.2 兰州城市空间结构的典型特征

根据上述环境宜居、生活便利、社会稳定、精神富足维度社区建成环境质量的空间特征，归纳出兰州市城市空间结构：呈现带状主导下的“多中心+扇形扩展区”空间结构（图3）。具体来看，高质量社区分布于城关区和安宁区Ⅰ类区域，较高质量社区分布于七里河区和西固区Ⅱ类区域，其中城关区高质量社区中心性最为显著，因此形成了“一主三副”的空间形态。中等质量社区、较低质量社区依次向外分布，而低质量社区则分布于城乡结合部边缘区域。总体来看，城市要素沿河谷和地铁交通走廊散点式布局，并且城关区、七里河区、安宁区、西固区各自发展，同时向外围推进，尤其是沿主河谷两侧推进，目前已发展成为以各自中心城市为核心的串珠状群体形态。
图3 社区建成环境质量的空间分布结构

Fig. 3 Spatial distribution pattern of the CBEQ

2.3 城市空间结构的影响因素分析

遵循系统性与科学性、区域性与普适性、简明性与全面性、可操作性与易量化性等原则。深入理解和解释兰州市城市空间结构的发展过程和形成原因，了解对其产生积极或消极影响的作用因子以及影响程度和方向，可以通过优化这些因素来改善城市空间结构，为制定健康城市和高品质社区的发展策略奠定基础。参考申悦等[22]、Yao等[23]、Chen等[24]的研究成果，同时综合考虑兰州市的资源禀赋、地理区位、地形地貌、社会经济等地理要素，从社区的公共服务便利程度、社区经济和人口、土地利用等方面考虑，选取社区到区行政中心的距离、社区到地铁站的距离、社区到车站的距离、社区道路网密度、社区到黄河的距离、平均高程、人口数量、土地价格、用地类型、公共空间10个因子，并对部分影响因子取对数以消除异方差问题。其次，利用SPSS软件进行离散化分类，采用风险探测器探测调节至最适分级（表2）。
表2 地理探测器的变量和指标说明

Tab. 2 Variables and indicators of the geographical detectors

影响因子 单位 数据获得途径 定义与解释 分级
社区到区行政中心的距离（x1） m ArcGIS距离工具 到最近区行政中心的距离（取对数） 9
社区到地铁站的距离（x2） m ArcGIS距离工具 到最近地铁站的距离（取对数） 8
社区到车站的距离（x3） m ArcGIS距离工具 到最近公交车站、汽车站、火车站和高铁站的距离（取对数） 9
社区道路网密度（x4） m·m-2 OpenStreetMap 路网密度（取对数） 8
社区到黄河的距离（x5） m ArcGIS距离工具 到最近黄河的距离（取对数） 6
平均高程（x6） m ArcGIS栅格统计 平均高程值（取对数） 7
人口数量（x7） 104人 第七次人口普查数据 社区人口数量：（Pi/PSj）×街道人口（取对数） 6
土地价格（x8） 元·m-2 2020年兰州市商业基准地价 设定基准地价分七级，其中一级代表最高地价并赋值为7 7
用地类型（x9） 类 第五版兰州市国土空间规划现状图 用地面积≥1/2的类型确定为该社区用地属性，否则为混合用地 6
公共空间（x10） m2 第五版兰州市国土空间规划现状图 社区内公园与绿地等面积占社区面积的比例 6

注：Pi为第i个社区的人口数量；PSj为第j个街道的人口数量，其数据来源于LandScanGlobal 2021 (https://landscan.ornl.gov/)。

面板分位数回归能够更精确地估计各个参数，提高其显著程度，使回归分析结果更加稳健且可靠。本文利用最小二乘线性回归[25]和分位数回归探究因子间交互作用对城市空间结构的影响。利用SPSSPRO在线软件进行计算，OLS回归分析结果表明：所有因子的VIF值均小于5，如表3所示，说明各因子间不存在多重共线性问题，符合回归分析条件，且各因子与城市空间结构呈正向相关[26]。模型拟合度的调整R2值为0.663，说明模型中所有的因子均能解释城市空间结构特征的66.3%，模型的拟合度较好。
表3 影响因子的多重共线性检测

Tab. 3 Multiple collinearity detection

因子 未标准化系数 标准化系数 t P VIF
B 标准错误 Beta
常量 1.681 0.594 - 1.995 0.009** -
x1 -0.031 0.051 -0.044 -0.614 0.484 1.484
x2 0.045 0.061 0.074 0.741 0.494 2.775
x3 -0.032 0.049 -0.045 -0.511 0.614 2.813
x4 0.140 0.043 0.224 3.029 0.005*** 1.414
x5 0.105 0.052 0.139 1.712 0.070* 1.514
x6 0.032 0.068 0.025 0.434 0.781 1.041
x7 0.117 0.086 0.176 2.491 0.021** 1.447
x8 0.243 0.089 0.265 3.457 0.001*** 1.579
x9 0.005 0.051 0.011 0.181 1.104 1.371
x10 -0.065 0.062 -0.074 -1.042 0.417 1.910

注：***、**、*分别表示1%、5%、10%的显著水平。B为未标准化系数；Beta为标准化系数；t值为统计学中用来检验假设的一个指标；P为在假设检验中用来衡量观察到的数据；VIF为方差膨胀因子。下同。

由于受研究对象、研究条件等限制，通过调研和网络搜集的数据可能存在异常值、偏态等情况，最小二乘线性回归的前提假定无法得到充分实现。而面板分位数回归则可以提供一种新的视野和统计方法，且稳定性优于最小二乘线性回归。在确定自变量后，面板分位数回归中因变量在各分位数值上可以挖掘出更多、更有价值的数据信息，进而真实、有效地反映因变量和自变量之间的相互作用关系。基于以上分析，本文将面板分位数回归作为最小二乘线性回归方法的有效补充。由表4可知，模型稳定性较好，在分位数10%、25%、50%、75%、90%的回归结果中常数项和各项因子的数值波动范围合理，但该模型仅适用于解释影响兰州城市空间结构的因子。模型为：
$\begin{array}{l}y=1.841-0.040{x}_{1}+0.047{x}_{2}-0.031{x}_{3}+\\ 0.204{x}_{4}+0.101{x}_{5}+0.019{x}_{6}+0.170{x}_{7}-\\ 0.342{x}_{8}+0.006{x}_{9}-0.066{x}_{10}\end{array}$
表4 回归分析结果

Tab. 4 Regression analysis results

因子 OLS QR-10 QR-25 QR-50 QR-75 QR-90
x1 0.498
（0.475）		 0.482
（0.031）		 0.816
（0.039）		 0.801
（0.024）		 0.596
（0.027）		 0.586
（0.094）
x2 0.452
（0.808）		 0.401
（0.013）		 0.235
（0.025）		 0.694
（0.077）		 0.304
（0.125）		 0.556
（0.033）
x3 0.613
（-0.507）		 0.402
（0.053）		 0.341
（0.030）		 0.421
（0.029）		 0.315
（-0.056）		 0.094*
（-0.132）
x4 0.303***
（3.089）		 0.271
（0.091）		 0.396**
（0.202）		 0.590**
（0.306）		 0.478**
（0.140）		 0.291***
（0.321）
x5 0.109*
（1.124）		 0.053***
（0.144）		 0.045
（0.118*）		 0.127***
（0.115）		 -0.441
（0.160）		 -0.526
（0.020）
x6 0.811
（0.402）		 0.218
（0.134）		 0.203
（0.039）		 0.229
（0.009）		 0.249
（-0.237）		 0.130
（0.054）
x7 0.297*
（0.736）		 0.436
（0.102）		 0.333*
（0.167）		 0.592***
（0.334）		 0.501
（0.094）		 0.182
（0.021）
x8 0.494***
（2.104）		 0.740***
（1.108）		 0.671***
（0.992）		 0.538***
（0.886）		 0.794***
（0.512）		 0.820**
（0.567）
x9 0.157
（0.782）		 0.119
（0.142）		 0.419
（0.005）		 0.494
（0.062）		 0.611
（0.154）		 0.653
（0.139）
x10 0.365
（0.892）		 0.550
（0.059）		 0.272
（0.010）		 0.381
（0.059）		 0.199
（0.054）		 0.124
（0.208）
常数 0.010**
（1.995）		 0.001
（0.789）		 0.199
（1.108）		 0.281
（0.883）		 0.001
（2.894***）		 0.001
（3.757***）

注：OLS模型的调整R2=0.663；QR为分位数回归；表中数值为因子回归系数；括号内数值为t值。

土地价格、平均高程、社区到车站的距离、社区到地铁站的距离、社区到区行政中心的距离在最小二乘线性回归和面板分位数回归分析结果中显著水平较高，社区到车站的距离、社区到地铁站的距离和社区道路网密度在25%、50%、90%分位的显著性较低。结合最小二乘回归和分位数回归分析的综合结果可知，兰州城市空间结构的形成受多种因子影响，其中土地价格、平均高程、社区到区行政中心的距离、社区到车站的距离起主要作用，社区到地铁站的距离、社区道路网密度、用地类型、公共空间、人口数量起次要作用。
从回归结果可以看出，最小二乘回归得到的系数符号和分位数回归基本相似，但是随着城市空间结构在条件分布的不同位置而产生不同的结果，呈现出一定的变化规律。城市空间结构特征系数在所考察分位点随着影响因子的不同而存在4种状态：随着分布条件由低端向高端变动时，系数呈现先增后减、逐渐增大、逐渐减小和先减后增。系数先增后减的包括社区到区行政中心的距离、社区道路网密度、社区到车站的距离、平均高程、人口数量，表明随着这些因素的增强，其对社区建成环境质量的作用力波动减弱，符合威廉森的倒U形曲线学说；系数逐渐增大的包括用地类型，表明随着这些因素的增强，对社区建成环境质量的作用力持续增强；系数逐渐减小的包括社区到黄河的距离、公共空间，表明随着这些因素的增强，对社区建成环境质量的作用力持续减弱；系数先减后增包括社区到地铁站的距离和土地价格，表明随着这些因素的增强，对城市空间结构的形成作用力波动增强。
综上可知，在不同分位点上，表4中10个影响因素对城市空间结构产生不同程度的影响，且表现出一定的变化特征，这是最小二乘回归无法体现的重要信息。与此同时，结果也证实了面板分位数回归结果更加稳健的结论，各系数的显著性明显优于最小二乘回归。因此，面板分位数回归模型在实际应用中可以发挥重要作用。

3 讨论

兰州市作为典型的河谷型城市[27]，山水格局奠定了城市空间结构基础，形成了多个区域增长中心，这与黄舟等学者提出兰州市城市建成环境为单中心集中阶段的结论存在差异[28]。“多核心模式”有助于破解区域发展的“中心-外围”二元结构，促进城市空间结构的均衡发展和人地关系和谐的可持续宜居性发展。两山夹一河的地形特征促进城市空间东西向发展，制约了南北向的扩张，决定了兰州市串珠轴带状的城市空间结构，符合地理环境决定论。多中心的“核心-边缘”空间特征受到兰州市东西狭长的河谷地形的影响，城市主要发育在二级阶地，以“串珠状”形态发展。“边缘”的城中村社区以低产阶层群体为主[29]，建成环境要素杂乱无章，基础设施和公共服务设施等建成环境要素不足，“核心”区域绿地、公共用地比例不同程度地减少，城市基础设施承载力降低，影响了城市空间的合理布局[30]。
城市空间均衡发展的重要基础是社区建成环境的均等化建设，为了优化兰州城市空间结构，应构建“多核赋能、轴向提质、因子调控”的三维发展策略。强化多中心协作机制，在东西轴向的扇形延展区增强培育次级城市核心（如安宁大学城、西固工业服务中心），通过差异化功能植入（科创孵化、文化休闲）减轻主城压力。延长轴向地铁交通线，串联多核心组团与主城，破解带状结构导致的通勤瓶颈。重塑“核心-边缘”梯度关系，通过容积率转移政策引导核心区过度密集功能向延展区迁移，腾退空间用于增补公共绿地与社区设施。优化七里河区和西固区人行道布局，强化安宁区公共绿化和运动场地的一体化建设。此外，重点加强城乡接合部和城中村等内部社区的基础设施建设与维护，改善居住环境，提升社区教育水平和安全保障能力。

4 结论

（1） 兰州市社区建成环境质量呈东西轴向带状延展，具有显著的“核心-边缘”梯度特征；其空间结构表现为“带状主轴主导下的多核心组团+扇形延展区”复合模式。
（2） 促进城市空间结构形成的关键影响因子中，土地价格、平均高程、社区到区行政中心的距离、社区到车站的距离构成主控要素；社区到地铁站的距离、社区道路网密度、用地类型、公共空间、人口数量则为次级作用要素。
（3） 使用分位数回归研究发现，影响城市空间结构的特征系数在所考察分位点随着影响因子的不同而存在显著变化，随着分布条件由低端向高端变动时，呈现系数先增后减、逐渐增大、逐渐减小和先减后增。其中，土地价格和用地类型对城市空间的塑造力持续强化，社区至地铁站邻近度与土地价格的空间效应呈现波动增强态势。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
周春山, 叶昌东. 中国城市空间结构研究评述[J]. 地理科学进展, 2013, 32(7): 1030-1038.

DOI

[Zhou Chunshan, Ye Changdong. Progress on studies of urban spatial structure in China[J]. Progress in Geographic Sciences, 2013, 32(7): 1030-1038.]

[2]
张志斌, 李雪梅. 城市产业结构调整与空间结构优化的研究——以兰州市为例[J]. 干旱区资源与环境, 2007, 31(12): 1-5.

[Zhang Zhibin, Li Xuemei. The optimization urban space with upgrading industrial structure: The case of Lanzhou[J]. Journal of Arid Land Resources and Environmen, 2007, 31(12): 1-5.]

[3]
王立, 王兴中. 城市社区生活空间结构之解构及其质量重构[J]. 地理科学, 2011, 31(1): 22-28.

[Wang Li, Wang Xingzhong. Deconstruction and quality reconstruction of the living spatial structure in urban community[J]. Geographical Sciences, 2011, 31(1): 22-28.]

[4]
Sirle S, Zenia K. Spatial interventions and built environment features in developing age-friendly communities from the perspective of urban planning and design[J]. Cities, 2023, 141: 104417, doi: 10.1016/j.cities.2023.104417.

[5]
孙斌栋, 张之帆, 李琬. 中国省域人口空间结构特征及其对经济绩效的影响——基于实体城市的空间识别[J]. 地理科学, 2021, 41(11): 1884-1896.

DOI

[Sun Bindong, Zhang Zhifan, Li Wan. Characteristics and impact of population spatial structure on economic performance in China based on spatial identification of physical cities[J]. Geographical Sciences, 2021, 41(11): 1884-1896.]

[6]
席强敏, 李国平. 超大城市规模与空间结构效应研究评述与展望[J]. 经济地理, 2018, 38(1): 61-68.

DOI

[Xi Qiangmin, Li Guoping. Research progress and prospect of the interactive effects of urban size and spatial structure for mega cities[J]. Economic Geography, 2018, 38(1): 61-68.]

DOI

[7]
陈蜒, 张志斌. 兰州市商品住房价格空间分布格局及其影响因素[J]. 干旱区资源与环境, 2015, 29(12): 44-50.

[Chen Yan, Zhang Zhibin. The spatial distribution patterns and influential factors of commodity housing prices in Lanzhou City[J]. Journal of Arid Regions Resources and Environment, 2015, 29(12): 44-50.]

[8]
公维民, 张志斌, 高峰, 等. 关联视角下兰州市生产性服务业与制造业空间分布及区位选择比较[J]. 地理研究, 2021, 40(11): 3154-3172.

DOI

[Gong Weimin, Zhang Zhibin, Gao Feng, et al. Comparison of the spatial distribution and location selection of producer services and manufacturing in Lanzhou from the perspective of relevance[J]. Geography Research, 2021, 40(11): 3154-3172.]

[9]
柴彦威, 肖作鹏, 刘志林. 居民家庭日常出行碳排放的发生机制与调控策略——以北京市为例[J]. 地理研究, 2012, 31(2): 334-344.

[Chai Yanwei, Xiao Zuopeng, Liu Zhilin. Low-carbon optimization strategies based on CO2 emission mechanism of household daily travels: A case study of Beijing[J]. Geography Research, 2012, 31(2): 334-344.]

[10]
高岩琰, 张晓瑞, 张奇智, 等. 基于POI大数据和可达性双重约束的城市空间结构研究[J]. 地理与地理信息科学, 2021, 37(3): 59-64.

[Gao Yanyan, Zhang Xiaorui, Zhang Qizhi, et al. Research on urban spatial structure based on double constraints of POI big data and accessibility[J]. Geography and Geo-Information Science, 2021, 37(3): 59-64.]

[11]
孙鸿鹄, 姜玉培. 建成环境对城市活力影响的空间异质性研究——以南京中心城区为例[J]. 地理研究, 2024, 43(7): 1700-1714.

DOI

[Sun Honghu, Jiang Yupei. Spatial heterogeneity of the impact of built environment on urban vitality: A case study of the central urban area of Nanjing[J]. Geography Research, 2024, 43(7): 1700-1714.]

[12]
高德辉, 许奇, 陈培文, 等. 城市轨道交通客流与精细尺度建成环境的空间特征分析[J]. 交通运输系统工程与信息, 2021, 21(6): 25-32.

[Gao Dehui, Xu Qi, Chen Peiwen, et al. Spatial characteristics of urban rail transit passenger flows and fine-scale built environment[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21(6): 25-32.]

[13]
罗珂, 田立涛, 何豫, 等. 基于文献计量的城市空间结构与生态环境关联性研究[J]. 生态学报, 2023, 43(17): 7352-7365.

[Luo Ke, Tian Litao, He Yu, et al. A study on the correlation between urban spatial structure and ecological environment based on bibliometric analysis[J]. Acta Ecologica Sinica, 2023, 43(17): 7352-7365.]

[14]
张文斌, 张志斌. 基于扩展生态位理论的居住空间分异研究——以兰州市为例[J]. 干旱区地理, 2023, 46(8): 1376-1386.

DOI

[Zhang Wenbing, Zhang Zhibing. Residential spatial differentiation based on extended niche theory: A case of Lanzhou City[J]. Arid Land Geography, 2023, 46(8): 1376-1386.]

DOI

[15]
兰州市地方志编纂委员会. 兰州市志·建置区划志(第一卷)[M]. 兰州: 兰州大学出版社, 1999.

[Lanzhou Local Chronicles Compilation Committee. Lanzhou Chronicles:Administrative Divisions (Volume 1)[M]. Lanzhou: Lanzhou University Press, 1999.]

[16]
Gong P, Liu H, Zhang M, et al. Stable classification with limited sample: Transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017[J]. Science Bulletin, 2019, 64(6): 370-373.

DOI PMID

[17]
Chen L, Zhang Z B, Wang X Q. Spatial heterogeneity of community built environment quality in river valley city: The case of Lanzhou, China[J]. Journal of Urban Planning and Development, 2025, 151(2): 04025007, doi: 10.1061/jupddm.upeng-5249.

[18]
Daniel F, Martine S, Stephanie S, et al. Common measures of green and blue space for built environment, health equity and intervention research: A scoping review[J]. Cities & Health, 2023, 7(6): 2260134, doi: 10.1080/23748834.2023.2260134.

[19]
郭燕, 张志斌, 陈龙, 等. 居住自选择视角下城市建成环境对通勤模式选择的影响——以兰州市主城区为例[J]. 干旱区地理, 2024, 47(2): 307-318.

DOI

[Guo Yan, Zhang Zhibin, Chen Long, et al. Impact of urban built environment on commuting mode choices from the residential self-selection perspective[J]. Arid Land Geography, 2024, 47(2): 307-318.]

DOI

[20]
陈呈奕, 张文忠, 湛东升, 等. 环渤海地区城市人居环境质量评估及影响因素[J]. 地理科学进展, 2017, 36(12): 1562-1570.

DOI

[Chen Chengyi, Zhang Wenzhong, Zhan Dongsheng, et al. Quantitative evaluation of human settlement environment and influencing factors in the Bohai Rim area[J]. Progress in Geographic Sciences, 2017, 36(12): 1562-1570.]

[21]
陈建宝, 丁军军. 分位数回归技术综述[J]. 统计与信息论坛, 2008, 15(3): 89-96.

[Chen Jianbao, Ding Junjun. A review of technologies on quantile regression[J]. Journal of Statistics and Information, 2008, 15(3): 89-96.]

[22]
申悦, 傅行行. 社区主客观特征对社区满意度的影响机理——以上海市郊区为例[J]. 地理科学进展, 2019, 38(5): 686-697.

DOI

[Shen Yue, Fu Xingxing. Impact of the built environment and perceived neighborhood characteristics on residents’ satisfaction: Evidence from the Shanghai suburbs[J]. Progress in Geographical Sciences, 2019, 38(5): 686-697.]

[23]
Yao W, Chen F, Wang S, et al. Impact of exposure to natural and built environments on positive and negative affect: A systematic review and Meta-analysis[J]. Frontiers in Public Health, 2021, 12(9): 758457, doi: 10.3389/fpubh.2021.758457.

[24]
Chen E, Ye Z, Wu H. Nonlinear effects of built environment on intermodal transit trips considering spatial heterogeneity[J]. Transportation Research Part D, 2021, 90(1): 102677, doi: 10.1016/j.trd.2020.102677.

[25]
周锡浈, 宫贺, 李敦敦, 等. 建成环境对路内停车泊位使用率的非线性影响模型[J]. 吉林大学学报(工学版), 2024, 54(9): 2520-2530.

[Zhou Xizhen, Gong He, Li Dundun, et al. Nonlinear model for impact of built environment on curb parking spaces occupancy[J]. Journal of Jilin University (Engineering and Technology Edition), 2024, 54(9): 2520-2530.]

[26]
陈龙, 张志斌, 王晓琪, 等. 农业劳动力代际变迁对农业生产的影响机理研究——以黄土高原地区陇西县为例[J]. 人文地理, 2024, 39(5): 119-128.

[Chen Long, Zhang Zhibin, Wang Xiaoqi, et al. The mechanism of intergenerational change of agricultural laborforce on agricultural production: A case study of Longxi County[J]. Human Geography, 2024, 39(5): 119-128.]

[27]
陈龙, 张志斌, 赵学伟, 等. 甘肃省区域空间格局形成机制与发展战略[J]. 干旱区地理, 2023, 46(9): 1556-1566.

DOI

[Chen Long, Zhang Zhibin, Zhao Xuewei, et al. Formation mechanism and development strategy of regional spatial pattern of Gansu Province[J]. Arid Land Geography, 2023, 46(9): 1556-1566.]

DOI

[28]
Huang Z, Bao Y, Mao R, et al. Big geodata reveals spatial patterns of built environment stocks across and within cities in China[J]. Engineering, 2024, 34(3): 143-153.

DOI

[29]
张志斌, 陈龙, 笪晓军, 等. 基于社会阶层的公共服务设施空间公正性——以兰州市中心城区为例[J]. 城市规划, 2021, 45(12): 48-58.

[Zhang Zhibin, Chen Long, Da Xiaojun, et al. Spatial justice of public service facilities based on social stratification: A case study of the central urban area of Lanzhou[J]. City Planning Review, 2021, 45(12): 48-58.]

[30]
白雪雅, 张志斌, 马晓敏, 等. 老年群体视角下兰州市医疗设施可达性研究[J]. 干旱区地理, 2025, 48(7): 1317-1327.

DOI

[Bai Xueya, Zhang Zhibin, Ma Xiaomin, et al. Accessibility of medical facilities in Lanzhou City from the perspective of the elderly population[J]. Arid Land Geography, 2025, 48(7): 1317-1327.]

DOI

Options
文章导航

/

〈 〉