EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 4: 194 - 203

DOI: https://doi.org/10.6046/zrzyyg.2024161

Analyzing impact of the Beijing-Guangzhou high-speed railway on cities along the Hebei section based on remote sensing monitoring

  • SU Boxiong , 1, 2 ,
  • WU Mingquan , 1, 2 ,
  • NIU Zheng 1, 2 ,
  • CHEN Fang 2, 3 ,
  • HUANG Wenjiang 1, 2
Expand
  • 1. Aerospace Information Research Institute, Key Laboratory of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Key Laboratory of Digital Earth Science, Chinese Academy of Sciences, Beijing 100094, China

Received date: 2024-03-31

  Revised date: 2024-10-13

  Online published: 2026-06-03

Fold

Abstract

At present, the impacts of high-speed railways (HSRs) on cities along rail lines remain unclear. Previous analyses of these impacts based on remote sensing data focused primarily on qualitative assessment. Given this, this study investigated the Hebei section of the Beijing-Guangzhou HSR and introduced a remote sensing monitoring-based method that integrated qualitative and quantitative analyses for assessing the impacts of HSR on urban development. First, this study established a parameter index system used to characterize urban development changes. Then, multi-source and multi-scale remote sensing data were employed to monitor the spatiotemporal variations in these indices before and after the operation of the Beijing-Guangzhou HSR within this study area. Finally, four cities that were adjacent to the study area but lacked available HSRs were selected as a control group. Using the difference-in-differences (DID) model, this study quantified the impacts of HSRs on four cities along the Hebei section. The results indicate that the four cities along the Hebei section of the Beijing-Guangzhou HSR saw a rapid expansion in the construction land between 2005 and 2020, with an average annual expansion rate of 2.00%. The HSR construction exerted a significant impact on the direction of urban expansion, with the impact related to the spatial relationship between both. Compared to the four cities in the control group, the operation of the Beijing-Guangzhou HSR has slowed down the expansion rates of urban areas in the four cities along the line.

Key words： urban expansion; land use; night light; high-speed railway (HSR)

Cite this article

SU Boxiong , WU Mingquan , NIU Zheng , CHEN Fang , HUANG Wenjiang . Analyzing impact of the Beijing-Guangzhou high-speed railway on cities along the Hebei section based on remote sensing monitoring[J]. Remote Sensing for Natural Resources, 2025 , 37(4) : 194 -203 . DOI: 10.6046/zrzyyg.2024161

0 引言

城市化是指人类生产和生活方式由乡村型向城市型转化的历史过程[1]。交通基础设施可以改善区域可达性,引导沿线城市扩张以形成新的区域发展格局,对城市与区域的发展有着巨大的推动作用[2],这种交通引导性的发展已日益成为国内外城市扩展的范式[3]。高速铁路在进一步影响人口与产业流动的同时,也释放了原有普速铁路的货运能力[4],对沿线区域有着深刻的影响。我国的高速铁路经历了从无到有,再到领先世界的发展历程,探究高速铁路对沿线城镇的影响对我国“优化城镇布局形态”的规划布局和实现高质量发展的建设目标有重要借鉴意义。
现有关于高速铁路对区域影响的研究主要从可达性与社会经济2个方向入手[5]。前者通过度量高速铁路对区域通达程度的影响来评估高速铁路对区域时空关系的影响[6-11],高速铁路的开通运营可以显著提高沿线城市的可达性[12],达到放大城市经济潜力[6]、促进区域空间公平[10]的效果,但也有可能加剧区域发展的不平衡[13-15]; 后者则多从产业结构[16-18]、国内生产总值(gross domestic product,GDP)[19]、减贫增收[20]、就业[17]和土地价格[21]等社会统计数据方面入手。与可达性的研究结果相似,高速铁路对沿线区域经济的影响也表现出异质性[6],一方面,高速铁路的开通运营可以促进沿线区域的经济增长,对产业与就业结构有正向促进作用[22]; 另一方面,高速铁路也有可能对边缘中小城市产生虹吸效应[19,23]。以往研究重点多集中于区域经济中心城市,如刘长龙等[24]研究了京沪高铁山东段的土地利用变化,但缺乏对照,没有着重探究京沪高铁带来的影响; 同时,也缺少空间分析与实证分析相结合的研究,如徐盼等[25]探讨了交通干线对盐城城市发展的影响,但未能进一步做定量评估。
针对这一现状,本研究基于高分辨率卫星影像与夜间灯光数据,以京广高铁河北段为研究区域,通过定性与定量相结合的方法探究高铁开通对沿线中小城市发展的影响。本文的主要目标包括: ①基于遥感数据构建高铁开通对城市发展影响的监测指标体系; ②提取对比京广高铁河北段沿线中小城市在京广高铁开通前后各指标体系的时空变化特征; ③选取与研究区毗邻的4个未通高铁的城市作为对照组,利用双重差分(difference in differences,DID)模型量化分析高铁对河北4市城区面积的影响。

1 研究区概况与数据源

1.1 研究区概况

京广高铁于2012年12月26日正式通车运营,全长2 291 km,连接了环渤海经济圈、中原城市群、武汉城市圈、长株潭城市群以及珠三角城市群,有效降低了社会时间成本。其中河北段全长约为397.14 km,自北向南分别经过保定、石家庄、邢台、邯郸4市。本文以京广高铁河北段沿线4市的城区范围为实验组,以周边截至2020年底未通高铁的4个地级市城区范围作为对照组(聊城、濮阳、菏泽、济宁)(图1,表1)。实验组与对照组8个地级市的城区均地处华北平原腹地,地势低平,城市形态受地貌限制较小,是我国“中部崛起”战略和“京津冀协同发展”的核心地区。
图1 京广高铁河北段4市与邻近对照城市地理位置

Fig.1 Location of the four cities in the Hebei section of the Beijing-Guangzhou high-speed railway and neighboring comparison cities

表1 研究区8座城市城区行政区范围

Tab.1 Scope of urban administrative districts of the eight cities in the study area

分组 所在地级市 城区范围 高速铁路通车时间 所属省份
实验组 保定市 满城区、徐水区、清苑区、莲池区、竞秀区 2012年12月26日 河北省
石家庄市 新华区、长安区、裕华区、桥西区、栾城区、鹿泉区、正定县、藁城区
邢台市 襄都区、任泽区、南和区、信都区
邯郸市 丛台区、肥乡区、邯山区、复兴区
对照组 濮阳市 华龙区、濮阳县 2022年6月20日 河南省
聊城市 东昌府区① 2023年12月8日
菏泽市 牡丹区、定陶区 2021年12月26日 山东省
济宁市 任城区 2021年12月26日

①聊城市下辖有东昌府区与荏平区,但由于荏平区城区并未与主城区东昌府区接壤,因此本文研究区只包括东昌府区。

1.2 数据概况

高分辨率卫星影像(表2)包括研究区2005年、2009年、2013年、2017年和2020年的1.5 m分辨率的Google Earth 影像,主要用于土地利用分类。部分城市存在高分影像缺失问题,缺失的部分采用邻近年份影像代替或利用Yang等[26]基于Landsat影像所做的用地分类数据填补。
表2 卫星影像使用情况

Tab.2 Satellite imagery used

地级市 2005年 2009年 2013年 2017年 2020年
保定 √① 2011*② √ 2018* √
石家庄 √ √ √ 2018* √
邢台 Landsat③ 2008* √ √ √
邯郸 Landsat 2008* √ √ √
聊城 Landsat Landsat √ √ √
濮阳 Landsat 2010* 2014* √ √
菏泽 Landsat Landsat √ √ √
济宁 Landsat √ √ √ 2019*

①√表示完全符合研究要求; ②2011*表示无对应列年份的高分影像,使用邻近的2011年的高分影像代替; ③Landsat表示利用Yang等[26]根据Landsat影像所做的用地分类数据进行填补。

以2005—2020年作为研究时间段,选取仲晓雅等[27]研发的1 km分辨率类EANTLI夜间灯光数据集作为夜间灯光数据来源。该数据基于DMSP/OLS第4版非辐射定标夜间年平均灯光数据和NPP/VIIRS月度数据进行预处理、校正、融合得到,针对2种不同数据做了可对比性校正,符合本文研究需要。
其他数据包括全国行政区划数据以及河北省、河南省、山东省3省的历年统计年鉴。

2 研究方法

基于多源遥感数据,以京广高铁沿线河北4市为研究区,采用定性与定量相结合的方法探究高铁开通对城市发展的影响。具体流程包括: ①构建高铁影响定量监测指标体系,具体为基于高铁沿线4市城区的用地分类结果得到建设用地的扩张强度与速率、建设用地重心迁移距离,基于夜间灯光影像得到城区扩张方向性指数; ②提取研究区4市城区范围; ③提取并监测研究区各指标参数,分析其时空变化特征; ④选取邻近的未通高铁的4座城市作为对照组,计算城区扩张方向性指数,再利用DID模型量化评估高铁通车对沿线城市城区面积变化的影响。

2.1 指标体系构建

利用土地利用、夜间灯光2大类数据构建遥感监测指标体系: 基于研究区各年份各类型的土地分布情况,计算用地扩张速率和强度、建筑物重心迁移距离; 基于夜间灯光数据提取城区范围,并计算城区扩张方向性指数。各指标含义和选取依据见表3。
表3 高铁开通对城市发展影响遥感指标体系构建

Tab.3 Remote sensing indicator system for the impact of high-speed rail opening on urban development

指标计算基础 指标参数 意义
土地利用数据 用地扩张速率 反映一定时期内各类型土地变化情况
用地扩张强度 反映一段时期内各类型土地平均每年的变化情况
建设用地重心迁
移距离		 反映城市建设用地重心迁移情况
夜间灯光数据 城区扩张方向性
指数		 反映城区向不同方向扩张的集中程度

2.2 指标参数提取

2.2.1 土地利用类型提取及指标计算

土地利用情况是计算相关类别土地变化参数的基础。利用达摩院-视觉技术实验室基于阿里云平台算力研发的AI Earth地球科学云平台对高分辨率影像进行用地分类,该平台可以实现影像像素级的地物类型解析[26,28]。输入研究区的高空间分辨率卫星影像,处理后得到研究区用地类型矢量结果。基于土地利用分类标准[24]和本文研究区实际情况,将分类所得的土地利用类型(包括堆掘地、房屋建筑、构筑物、林地、水域、耕地、草地、裸地、道路)归并为建设用地、林草用地、水体、耕地和裸地5种。并基于土地利用数据计算相关参数指标。
利用地理信息系统(geographic information system,GIS)软件计算用地扩张速率V、用地扩张强度R和建设用地重心迁移距离D,计算公式分别为:
V = U 2 - U 1 T
R = U 2 - U 1 U 1 × 1 T × 100 %
D = ( x 2 - x 1 ) 2 + ( y 2 - y 1 ) 2 　
式中: U1和U2分别为t1和t2时期城区面积; T为时间间隔; x 1和 x 2分别为 t 1和 t 2时期城市空间重心的横坐标; y 1和 y 2分别为 t 1和 t 2时期城市空间重心的纵坐标。

2.2.2 城区扩张方向性指数

1)研究区城区提取。目前关于城区范围并没有明晰的界定[29],不同学者基于各自研究目的不同而对城区的界定有所差异,本文定义所研究的城区范围是: 与主城区毗邻的所有行政辖区内建筑物集中、夜间灯光连续的最大区域。
选取城区样本,将样本所在的夜间灯光值的统计值分别作为阈值提取城市范围,通过与土地分类数据中的建筑物区域对比,发现以标准差作为阈值划定的城区范围内,建筑物分布最集中(图2)。以石家庄市为例,目视选取城区样本点130个,标准差提取得到的城区范围精度最高,约95.4%的样本落在提取城区范围内,因此,选取统计样本的标准差作为建成区的提取阈值。
图2 以不同统计值作为阈值提取城区范围结果

Fig.2 Results of urban area extraction using different statistical values as thresholds

2)城区扩张方向性指数计算。利用谷歌地球引擎(Google Earth Engine,GEE),统计研究区城区北、东北、东、东南、南、西南、西、西北8个方向上的扩张情况,并计算方向性指数,公式为:
A = 1 m ∑ j = 1 m ( x i j - μ ) 2 　
式中: A为某城市的方向性指数; x i j为i时间段该城市向第j个方向扩张的面积; μ为i时间段该城市向所有方向扩张面积的平均值; m为方位总数。方向性指数反映了样本城市扩张的方向性强弱,方向性指数越大,该城市扩张的方向越集中,城市扩张的方向性越强。

2.2.3 DID模型

DID模型是计量经济学和社会科学研究中使用的一种数据分析方法[30],常被用于政策实施的评估中,其主要思想是采用未受政策影响的个体作为对照组,受政策影响的个体作为实验组,通过2类个体在事件发生前后相关参数的变化来量化评估政策本身的影响。本研究利用DID模型,在前述方法所得相关数据的基础上结合社会经济统计数据评估高铁开通对沿线4市的影响。
传统DID是广义DID模型的一个特殊形式,主要区别在于其只有2个时间点,即实验前和实验后,分别用t=1和t=2表示,回归方程为:
Y i t = β 0 + β 1 ( T r e a t i × P e r i o d t ) + β 2 T r e a t i + Φ P e r i o d t + ε i t
式中: i为城市序号; Y i t为被解释变量,t=1,2; T r e a t i为处理组虚拟变量,用于度量不同组的差异(实验组=1,对照组=0); P e r i o d t为实验组虚拟变量,用于度量实验前后的时间差异(实验后=1,实验前=0); β 1 , β 2 和 β 3为各解释变量的系数,其作用是量化解释变量对被解释变量的影响; Φ为时间效应的系数,用于捕捉政策实施后对所有观测对象的影响; ε i t为误差扰动项,用于捕捉模型中未观测到的变量对被解释变量的影响。定义 D i t为政策效应虚拟变量,计算公式为:
D i t= T r e a t i× P e r i o d t= 1 , 　 i 在 实 验 组 且 t = 2 0 , 　 其 他。

3 结果与分析

3.1 土地利用分类结果与精度评价

表4为所采用的研究区5个年份共31景高分辨率卫星影像的土地利用分类精度,由表可知分类准确率均在90%以上,优于常用监督分类精度。根据分类结果可知,研究区实验组4市在京广高铁开通前后的2005—2020年间,总体上建设用地和林草用地面积增长,水体面积略有增长,耕地面积显著下降。图3为石家庄市城区土地利用分类结果,表5为石家庄市城区土地利用面积变化情况。
表4 研究区土地分类精度

Tab.4 Land classification accuracy in the study area

年份 高分卫星影像/景 准确率/% Kappa系数
2005年 2 92.103 0.854
2009年 6 91.296 0.892
2013年 7 97.182 0.964
2017年 8 97.202 0.973
2020年 8 97.940 0.962
图3 石家庄市城区用地类型分类结果

Fig.3 Classification results of land use types in Shijiazhuang urban area

表5 石家庄市城区各类型用地面积变化情况

Tab.5 Changes in the land area of various types in Shijiazhuang urban area(km2)

年份 建设用地 林草用地 耕地 水体 裸地
2005年 554.89 228.67 1 497.07 23.34 4.08
2009年 599.21 237.74 1 429.67 25.20 3.61
2013年 609.36 354.15 1 298.96 30.00 2.08
2018年 835.41 258.75 1 164.59 33.21 2.51
2020年 774.83 387.03 1 093.33 36.10 4.44

3.2 土地利用相关指数变化情况

表6展示了高铁沿线4市城区范围内建设用地的扩张速率与强度,为表达简便,将5组年份分为4个时期,分别用T1—T4表示; 图4展示了高铁建设前后沿线4市城区的建设用地扩张的空间分布及其高铁站位置。由表6和图4可知,4座城市在土地利用情况方面的变化表现出明显的异质性。保定、邢台、邯郸这3座城市的扩张变化有相近的特征,具体表现在建设用地扩张速率与强度的峰值出现在高铁通车前的同一时期,而石家庄市的扩张强度峰值出现在高铁通车后。在建设用地扩张强度方面,除石家庄市建设用地扩张强度峰值(从2009—2013年的0.42%/a上升至2013—2018年的7.4%/a)出现在京广高铁开通后的第一个统计时期(2013—2017年)外,其他3市城区的建设用地的扩张强度峰值(保定市由1.67%/a提高至4.00%/a,邢台市由2.25%/a提高至5.37%/a,邯郸市由0.74%/a提高至2.95%/a)均出现在高铁开通以前的第一个统计时期内(2009—2012年)。
表6 高铁沿线4市城区扩张速率与扩张强度

Tab.6 Expansion rate and intensity of urban areas in the four cities along the high-speed railway

城市 类型 V/(km2·a-1) R/(%·a-1)
T1 T2 T3 T4 T1 T2 T3 T4
建设用地 11.080 2.536 45.210 -30.291 0.020 0 0.004 2 0.074 2 -0.036 3
林草用地 2.267 29.103 -19.081 64.140 0.009 9 0.122 4 -0.053 9 0.247 9
石家庄 耕地 -16.851 -32.677 -26.875 -35.631 -0.011 3 -0.022 9 -0.020 7 -0.030 6
水体 0.464 1.200 0.642 1.446 0.019 9 0.047 6 0.021 4 0.043 5
裸地 -0.118 -0.383 0.086 0.967 -0.028 9 -0.106 2 0.041 3 0.386 0
建设用地 6.970 18.337 18.428 -5.385 0.016 7 0.040 0 0.037 2 -0.009 2
林草用地 14.282 8.452 -75.213 209.186 0.044 0 0.020 6 -0.176 2 4.117 0
保定 耕地 -21.887 -25.867 -11.311 -33.231 -0.015 0 -0.019 5 -0.008 9 -0.027 3
水体 0.960 -0.854 -1.006 1.501 0.119 8 -0.062 0 -0.083 4 0.213 5
裸地 -0.029 -0.187 0.022 0.496 -0.017 0 -0.122 1 0.018 6 0.391 5
建设用地 6.362 16.189 1.129 5.064 0.022 5 0.053 7 0.003 0 0.013 1
林草用地 71.906 5.923 25.032 4.877 0.075 4 0.005 1 0.020 9 0.003 8
邢台 耕地 -39.563 -22.341 -31.744 -4.909 -0.030 7 -0.019 1 -0.030 0 -0.005 3
水体 1.068 0.694 3.035 -3.139 0.123 9 0.058 7 0.198 4 -0.114 4
裸地 -4.033 -0.240 2.546 -1.815 -0.216 6 -0.036 7 0.478 4 -0.117 0
建设用地 2.534 7.840 7.112 6.661 0.007 4 0.029 5 0.023 3 0.020 0
林草用地 20.297 7.419 8.745 14.973 8.039 9 0.118 2 0.087 6 0.111 0
邯郸 耕地 -24.705 -15.070 -17.215 -22.359 -0.017 8 -0.015 6 -0.019 3 -0.027 2
水体 0.049 0.286 1.140 0.720 0.006 0 0.046 2 0.149 6 0.059 1
裸地 0.209 -0.064 0.017 0.050 0.356 9 -0.059 8 0.023 1 0.061 0
图4-1 高铁沿线4市城区建设用地扩张情况

Fig.4-1 Expansion of construction land in urban areas of the four cities along the high-speed railway

图4-2 高铁沿线4市城区建设用地扩张情况

Fig.4-2 Expansion of construction land in urban areas of the four cities along the high-speed railway

根据土地利用情况绘制出4个时间段的建设用地重心转移路线结果,见图5。石家庄市建设用地重心在2005—2020年间向东北方向迁移1 524 m,最大迁移距离为2 348 m,无明显转移方向。保定市建设用地重心在同期向东南方向迁移1 425 m,总移动4 760 m,前期向西北方向迁移1 096 m,后逐渐向东、南方向移动。邢台市建设用地重心在2005—2020年间整体上向东南方向移动4 600 m,最大转移距离为6 515 m,主要向高铁线路方向移动,但在2008—2013年和2017—2020年间有小幅度向西移动。邯郸市建设用地重心整体上向东转移,在2005—2020年间向东移动8 340 m,从京广高铁线路西侧转移到东侧。基于土地利用监测结果的重心迁移变化监测发现,在2005—2020年间,4座城市中除石家庄市城区建设用地重心没有显著的迁移方向外,其他3座城市建设用地重心均整体向高铁线路方向迁移。
图5 高铁沿线4市建设用地重心转移路线

Fig.5 Transfer route of construction land focus in the four cities along the high-speed railway

3.3 主城区扩张方向

图6显示了研究区8座城市分别在高铁开通前后2个时段内朝不同方向的扩张面积分布,扩张方向性指数如表7所示。由图6和表7可知,实验组4市(保定、石家庄、邢台、邯郸)城区面积扩张方向性指数平均值为6.12,对照组4市(濮阳、聊城、菏泽、济宁)城区面积扩张方向性指数平均值为3.68,小于实验组4市,这表明实验组4市在高铁开通前后的2005—2020年间城区扩张整体上更具方向性。方向性指数的结果显示了高铁沿线城市与非沿线城市整体上的形态差异。
图6 研究区8座城市城区各方向扩张面积分布(单位:km2)

Fig.6 Distribution of expansion areas in various directions in urban areas of the eight cities in the study area

表7 研究区8座城市城区扩张方向性指数情况

Tab.7 The directional index of expansion in urban areas of the eight cities in the study area

组别 城市 方向性指数 平均值
实验组 保定 3.91 6.12
石家庄 13.37
邢台 2.64
邯郸 4.54
对照组 聊城 2.70 3.68
菏泽 3.03
济宁 4.18
濮阳 4.80

3.4 DID模型分析结果

以实验组城区面积作为解释变量,控制GDP、人口数和第二产业产值,构建DID模型。变量选取情况见表8,回归结果见表9,表中Diff(T-C)表示在同一时期内实验组与对照组观察值的差值,DID交互项系数Diff-in-Diff表示事件发生前后差异的再次差分。模型原假设为京广高铁开通对实验组城市的城区面积增速无显著影响(Diff-in-Diff=0)。模型检验结果表明,交互项的估计系数为-0.278,对应显著性p值为0.022,小于0.05。因此在5%显著水平下拒绝原假设,表明高铁开通显著放缓了实验组4座城市城区面积的扩张速度。相对于未通高铁的对照组,在不加入控制变量时,Diff-in-Diff =-0.132(p=0.080),仅在10%水平上弱显著;纳入控制变量后,仍得到了相同的结论,系数绝对值扩大并在5%水平上显著(p=0.022),表明结论稳健。综上,与未通高铁的4市相比,京广高铁北段的开通显著减缓了高铁沿线河北4市城区面积的扩张。
表8 DID模型变量选取情况

Tab.8 Variable selection of DID model

变量类型 名称 单位 含义
因变量 城区面积 km2 反映城市城区面积
自变量 时间 — 京广高铁开通前后5个年份
控制变量 GDP 亿元 代表城市经济水平
人口数 人 代表城市规模
第二产业产值 亿元 弥补夜间灯光无法探测的工业区经济活动
表9 京广高铁河北段开通对沿线4市城区面积影响的回归结果

Tab.9 Regression results of the impact of the opening of the Beijing-Guangzhou high-speed railway on urban areas of the four cities along the Hebei section

时间 组别 系数 标准误差 t p
事件发生前 对照组(Control) 0.408 — — —
实验组(Treated) 0.571 — — —
Diff(T-C) 0.162 0.102 1.586 0.125
事件发生后 对照组(Control) 0.096 — — —
实验组(Treated) -0.020 — — —
Diff(T-C) -0.116 0.076 -1.515 0.142
Diff(T-C)(未加入控制变量) -0.132 0.073 -1.814 0.080*①
Diff-in-Diff -0.278 0.113 -2.457 0.022**

①**和*分别代表5%和10%的显著性水平。

4 讨论与结论

4.1 讨论

京广高铁河北段沿线4座城市中,除石家庄市是省会城市外,4座城市的人口、GDP、第二产业产值均在同一量级,在规模上无显著差异,内生性的差异较小。结合上述多角度分析可以发现,产生这种差异的主要原因在于高铁线路与城市主城区的空间关系: 京广高铁在经过石家庄市城区时没有异地新建高铁线路,而是与旧有的京广铁路线重合,高铁线穿石家庄市城区而过; 其他3市均在城区的外侧新修建了高铁线路。因此保定、邢台、邯郸3市在高铁开通前城区建设用地扩张速度出现峰值,在高铁开通后城区扩张方向主要变为向高铁线一侧,而石家庄市城区的此效应并不明显。
对于市区外围新建高铁线路的城市,高铁对于城市的形态影响更为显著: 在高铁开通前带动城市的方向性建设,在高铁开通后会引导市区向高铁线一侧扩张。实证分析的结果也表明,高铁的建成通车放缓了沿线城市城区面积的增速。
本文主要存在如下2点不足: ①本文所选样本城市包括京广高铁沿线4座城市与周边的4座城市,由于我国高铁建设的不断完善,可供选择的未通高铁的对照城市数量稀少,这降低了选择样本城市的随机性; ②DID模型的前提为同趋势假设,因无法得到实验组如果不通高铁时的相关数据导致无法直接检验,只能检验高铁开通前实验组与对照组变量变化趋势的趋同,此外,DID模型只能得到高铁开通效应的有效性,并不能得到所验证效应的具体机制,具体的影响程度与机制尚待进一步研究。
高速铁路的建设对城市形态的影响与线路和城市的空间关系有关,在城市外围新建高铁线路可以显著推动城市的更新,同时,高速铁路的影响也存在区域性差异,京广高铁开通后,整体上减缓了河北沿线4市城区面积的增速,这显示了高速铁路的建设运营对城市群内部的调节作用。在我国“坚持以推动高质量发展为主题”和高速铁路网逐步完善的大背景下,在局部城市尺度,应根据不同规划目标,结合高速铁路建设运营所产生的综合效应,合理规划高铁线路与城市的空间关系,引导城市区域健康合理的发展; 在城市群尺度,高速铁路也是促进形成不同功能城市的有效工具。

4.2 结论

本文基于多源遥感影像数据,探究了京广高铁河北段沿线4市城区在京广高铁开通前后的时空变化特征,并基于所得数据对高速铁路产生的影响进行了量化分析,具体结论如下:
1)根据高分辨卫星影像土地利用分类统计分析发现,2005—2020年间,京广高铁河北段沿线4市整体上建设用地面积均显著增长,土地类型变化主要表现为耕地面积的减少、建设用地和林草用地面积的增加。
2)市区外围新建的高铁线路对城市的扩张方向影响显著,在高铁建设开通前后会引导城区向铁路线一侧扩张,而对沿用旧有铁路线的城市的形态影响不显著。
3)DID模型分析发现,与未通高铁的4个对照组城市相比,有95%的概率可以认为京广高铁的开通引起了河北段沿线4市城区面积增速的放缓。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中国城市规划设计研究院. GB/T 50280—98 城市规划基本术语标准[S]. 北京: 国家市场监督管理总局,1998.

China Academy of Urban Planning and Design. GB/T 50280—98 standard for basic terminology of urban planning[S]. Beijing: State Administration for Market Regulation,1998.

[2]
Vendemmia B. Big infrastructures effects on local developments:The case of Naples Metropolitan Area[J]. TeMA -Journal of Land Use,Mobility and Environment, 2011, 4(3):87-99.

[3]
Ewing R, Handy S. Measuring the unmeasurable:Urban design qualities related to walkability[J]. Journal of Urban Design, 2009, 14(1):65-84.

[4]
覃成林, 杨晴晴. 高速铁路发展与城市生产性服务业集聚[J]. 经济经纬, 2016, 33(3):1-6.

Qin C L, Yang Q Q. Development of high-speed railway and producer services agglomeration[J]. Economic Survey, 2016, 33(3):1-6.

[5]
李廷智, 杨晓梦, 赵星烁, 等. 高速铁路对城市和区域空间发展影响研究综述[J]. 城市发展研究, 2013, 20(2):71-79.

Li T Z, Yang X M, Zhao X S, et al. High-speed rail’s influence on urban and regional spatial development:A review[J]. Urban Development Studies, 2013, 20(2):71-79.

[6]
唐可月. 高速铁路对沿线站点城市经济发展的影响——以哈大高铁和郑西高铁为例[J]. 北京交通大学学报(社会科学版), 2020, 19(4):45-61.

Tang K Y. The influence of high-speed railway on the economic development of station cities along the line:A case study of Harbin-Dalian high speed railway and Zhengzhou-Xi’an high speed railway[J]. Journal of Beijing Jiaotong University (Social Sciences Edition), 2020, 19(4):45-61.

[7]
于策, 李远富, 林芳, 等. 基于GIS的津保铁路对沿线城市可达性影响分析[J]. 铁道运输与经济, 2017, 39(5):18-22.

Yu C, Li Y F, Lin F, et al. Analysis on influence of Tianjin-Bao-ding railway on accessibility of adjacent cities based on GIS[J]. Railway Transport and Economy, 2017, 39(5):18-22.

[8]
张喆, 王晓梦, 姜雨皓, 等. 中老泰铁路建设对云南省及沿线国家空间联系格局的影响——基于城市流网络的分析[J]. 世界地理研究, 2019, 28(3):43-53.

Zhang Z, Wang X M, Jiang Y H, et al. The influence of China-Laos-Thailand railway construction on spatial relation between cities along the route:Based on city flow network analysis[J]. World Regional Studies, 2019, 28(3):43-53.

DOI

[9]
Diao M. Does growth follow the rail? The potential impact of high-speed rail on the economic geography of China[J]. Transportation Research Part A:Policy and Practice, 2018, 113:279-290.

[10]
Huang Y, Zong H. Has high-speed railway promoted spatial equity at different levels? A case study of inland mountainous area of China[J]. Cities, 2021, 110:103076.

[11]
Shao Z G, Zhang L, Han C T, et al. Measurement and prediction of urban land traffic accessibility and economic contact based on GIS:A case study of land transportation in Shandong Province,China[J]. International Journal of Environmental Research and Public Health, 2022, 19(22):14867.

[12]
Ye C, Zheng Y H, Lin S L, et al. The impact of high-speed railway opening on regional economic growth:The case of the Wuhan-Guangzhou high-speed railway line[J]. Sustainability, 2022, 14(18):11390.

[13]
Puga D. Agglomeration and cross-border infrastructure[J]. EIB Papers, 2008, 13(2):102-124.

[14]
Gutiérrez J, González R, Gómez G. The European high-speed train network:Predicted effects on accessibility patterns[J]. Journal of Transport Geography, 1996, 4(4):227-238.

[15]
戴学珍, 徐敏, 李杰. 京沪高速铁路对沿线城市效率和空间公平的影响[J]. 经济地理, 2016, 36(3):72-77,108.

Dai X Z, Xu M, Li J. The efficiency and spatial equity impacts of Beijing-Shanghai high-speed rail on neighboring cities[J]. Economic Geography, 2016, 36(3):72-77,108.

[16]
蒋华雄, 蔡宏钰, 孟晓晨. 高速铁路对中国城市产业结构的影响研究[J]. 人文地理, 2017, 32(5):132-138.

Jiang H X, Cai H Y, Meng X C. The structural impact of high speed rail upon urban industries in China[J]. Human Geography, 2017, 32(5):132-138.

[17]
李响, 刘心怡, 李卫东, 等. 京沪高铁开通对房地产就业的影响——基于DID模型[J]. 综合运输, 2022, 44(3):24-28,54.

Li X, Liu X Y, Li W D, et al. Influence of Beijing-Shanghai high-speed railway opening on real estate employment:Based on DID model[J]. China Transportation Review, 2022, 44(3):24-28,54.

[18]
程婉静, 莫东序, 梁心悦, 等. 中国神黄铁路运煤专线开通对地区产业结构的影响——基于DID模型的实证研究[J]. 煤炭经济研究, 2020, 40(1):4-10.

Cheng W J, Mo D X, Liang X Y, et al. Impact of China Shenhuang railway dedicated coal line on regional industrial structure:Empirical research based on DID model[J]. Coal Economic Research, 2020, 40(1):4-10.

[19]
黄振宇, 吴立春. 京沪高铁对沿线城市经济的影响——基于空间经济学理论的实证分析[J]. 宏观经济研究, 2020(2):165-175.

Huang Z Y, Wu L C. Impact of Beijing-Shanghai high-speed railway on the economy of cities along the route:An empirical analysis based on the theory of space economics[J]. Macroeconomics, 2020(2):165-175.

[20]
吴嘉贤, 刘修岩. 高铁开通与中国农村减贫——来自遥感数据的证据[J]. 世界经济文汇, 2022(1):1-17.

Wu J X, Liu X Y. High-speed railways and rural poverty:Evidence from remote sensing data[J]. World Economic Papers, 2022(1):1-17.

[21]
Okamoto C, Sato Y. Impacts of high-speed rail construction on urban agglomerations:Evidence from Kyushu in Japan[J]. Journal of Asian Economics Journal, 2021, 76:101364.

[22]
张永庆, 刘聪. 高铁建设对江苏沿线区域发展影响研究——基于双重差分模型的估计[J]. 物流科技, 2021, 44(1):85-88.

Zhang Y Q, Liu C. Study on the influence of high-speed railway construction on the regional development along the line of Jiangsu Province:Estimation based on double difference model[J]. Logistics Sci-Tech, 2021, 44(1):85-88.

[23]
Jin M J, Lin K C, Shi W M, et al. Impacts of high-speed railways on economic growth and disparity in China[J]. Transportation Research Part A:Policy and Practice, 2020, 138:158-171.

[24]
刘长龙, 常军, 刘娜, 等. 高速铁路的建设对沿线区域土地利用变化影响研究——以京沪高铁山东段为例[J]. 西安理工大学学报, 2020, 36(3):367-375,423.

Liu C L, Chang J, Liu N, et al. Study of the effect of high-speed railway construction on the changes of surrounding area land use:Based the high speed railway of Beijing to Shanghai in Shandong Province[J]. Journal of Xi’an University of Technology, 2020, 36(3):367-375,423.

[25]
徐盼, 张晓祥, 晏王波, 等. 城市交通干线对盐城城市发展影响的空间分析[J]. 地球信息科学学报, 2013, 15(1):29-37.

Xu P, Zhang X X, Yan W B, et al. Urban transportation infrastructure and its effects on regional development in Yancheng:A spatial analysis perspective[J]. Journal of Geo-Information Science, 2013, 15(1):29-37.

[26]
Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8):3907-3925.

DOI

[27]
仲晓雅, 闫庆武, 李桂娥. 中国长时间序列夜间灯光数据集的研发(2000—2020)[J]. 全球变化数据学报(中英文), 2022, 6(3):416-424,593-601.

Zhong X Y, Yan Q W, Li G E. Development of time series of nighttime light dataset of China(2000—2020)[J]. Journal of Global Change Data and Discovery, 2022, 6(3):416-424,593-601.

[28]
Yu C H, Zhou Q, Li J L, et al. Foundation model drives weakly incremental learning for semantic segmentation[C]// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).Vancouver,BC,Canada:IEEE, 2023: 23685-23694.

[29]
邓刘洋, 沈占锋, 柯映明. 城市建成区遥感影像边界提取与扩张分析[J]. 地球信息科学学报, 2018, 20(7):996-1003.

DOI

Deng L Y, Shen Z F, Ke Y M. Built-up area extraction and urban expansion analysis based on remote sensing images[J]. Journal of Geo-Information Science, 2018, 20(7):996-1003.

[30]
陈美招, 张炜康, 郑荣宝. 高铁开通促进了沿线城镇经济活动吗——来自双源夜间灯光证据[J]. 中国地质大学学报(社会科学版), 2021, 21(6):119-133.

Chen M Z, Zhang W K, Zheng R B. Does high speed railway promote the economic activities of cities and towns along the line:Evidence from dual source night lighting[J]. Journal of China University of Geosciences (Social Sciences Edition), 2021, 21(6):119-133.

Options
Outlines

/

〈 〉