基于多源数据的主体功能区划分方法以广州市 [复制链接]

以广州市为例，基于城市感知数据、遥感影像等多源数据，采用卷积神经网络对遥感影像进行语义提取，将提取结果与兴趣点（PointsofInterest）样方密度的功能用地识别结果进行补充校验，根据*策和规划文件建立功能用地与主体功能区之间的关联，利用信息熵分析广州市功能用地混合程度，以辅助判别主体功能区，最终得到广州市主体功能区划分结果。将划分结果与《广州市主体功能区规划（-年）》和《广州市城市总体规划（-年）》草案对比验证，结果表明文章所提出的方法精准度较高，并能体现广州市空间格局形态，反映主体功能区实际分布情况。

本文已刊登《热带地理》期刊第40卷第一期

文章作者：

罗伟玲，国地科技总工程师、高级工程师、注册城乡规划师

王艳阳，国地科技技术中心项目经理、国土工程师

张恒，国地科技大数据中心新技术研究部研发经理

习近平总书记强调“坚定不移实施主体功能区制度，建立国土空间开发保护制度”。推进主体功能区建设是*中央、国务院做出的重大战略部署，是我国经济发展和生态环境保护的大战略。从区域—要素统筹角度构建的国土空间规划体系，将主体功能区的区域定位和自然资源要素管理功能有机结合起来，是优化国土空间开发格局、创新国家空间治理模式、实现国家空间治理现代化的基础。

要充分发挥主体功能区在推动生态文明建设中的“战略引领”和“刚性控制”的纵向传导作用，必须进行合理规划和科学设计。而准确划分主体功能区是保障“空间规划”体系可靠性、可实施性和权威性的重要理论基础（Petraetal.，；*勇等，）。较多学者对主体功能区规划进行研究，取得丰硕成果。在主体功能区划分思路方面，魏宗财等（）结合推进形成主体功能区的主要目标要求，从战略和战术2个层面剖析了广州市主体功能区指标体系；郑菲等（）从资源、环境、经济和社会可承载的角度出发，选取16个指标构建资源环境承载力评价体系，结合城市特点对安徽省主体功能区进行划分。在主体功能区划分方法方面，陈焕珍（）在县域尺度主体功能区划分中引入系统聚类法，并采取变异系数法确定权重；范树平等（）和曹伟等（）运用三维魔方图分类法，在指标权重确定上采用层次分析法和熵值法，；林锦耀等（）借助空间自相关理论，在划分方法上引入基于遗传算法改进的聚类方法自动划分主体功能区，使同类功能区在空间上呈集聚分布的格局。

然而，大部分城市主体功能区规划和划分方法以经验和定性分析为主，通常采取指标评价作为划分依据，评价体系构建繁琐，指标种类繁多。并且有些指标的代表性和数据可获取性不足，例如基础资料较好的地区多采用土地使用类型现状、人口普查等数据；而在基础资料不充分的地区，往往采用问卷调查、外业调研等形式，不仅增加了人力、财力投入，也增大了工作量。

随着互联网的高速发展和感知技术的逐渐成熟，城市感知数据迅速积累，互联网数据、手机信令数据和基于位置的服务数据获取成本低、内容丰富而且现势性好，尤其以兴趣点（PointsofInterest，以下简称“POI”）数据的研究和应用更为突出，成为解决城市功能单元和空间识别问题的重要感知数据。如段亚明等（）以重庆主城区40余万条POI数据为基础，利用核密度分析、自然断点法和邻近分析等方法，对重庆市总体及不同职能的多中心结构进行了识别；池娇等（）借助POI将武汉市定量划分为城市单一功能区和混合功能区，经与城市总体规划图对比分析，该方法的划分结果更为细致准确；此外，在具体功能区识别方面，浩飞龙等（）以长春市中心城区商业类城市POI数据为基础，对城市商业功能区进行了研究；在空间格局方面，李江苏等（）对郑东新区服务业功能区空间格局进行了聚类研究，徐冬等（）运用空间点格局分析方法，以百度POI为对象探讨了南京市休闲旅游功能区的空间特征。

人类活动与城市功能空间的复杂多样以及规划布局具有相互依存的关系。因此，如何有效地利用人类社会活动产生的感知数据建立城市功能用地与主体功能区之间的关联，实现主体功能区“以人为本”的准确划分是重要的科学问题。虽然上述研究对人类活动产生的感知大数据在城市功能单元和空间的划分上取得了丰硕成果，但几乎没有考虑人类活动因素与主体功能区演变间的关系。另外，少有研究将感知数据与遥感影像等常规数据通过智能算法，进行多源数据融合并应用在城市功能区识别上。遥感影像在信息提取的研究和应用方面已有三十多年的历史，在多种地物信息识别和提取方面具有一定优势，如在土地利用/覆被（张森等，；李淑圆等，）、水体（王鑫等，）、海岸线（梁立等，）、道路（贺浩等，）、建筑物（范荣双等，）、人口信息（韩春峰等，）等方面的信息提取研究和应用。同时，遥感影像分类和信息识别方法从经典的监督分类、非监督分类到机器学习算法，如人工神经网络（ANN）、反向传播神经网络（BP）、支持向量机（SVM）、受限玻尔兹曼机（RBM）和卷积神经网络（CNN）等（王斌等，），可见其信息提取方法和技术已然成熟，并不断精进和优化。鉴于此，本文拟以广州为例，通过建立功能用地与主体功能区之间的关联，采用卷积神经网络（CNN）和样方密度、信息熵等方法，提出一种感知数据POI和遥感影像结合应用的主体功能区划分方法，解决利用传统数据难以实现主体功能区精确划分的难题。以期为多源数据在主体功能区划分领域研究提供参考。

1.方法与数据

?1.1.1数据来源

基础研究数据主要包括广州市村级行*区划、基础水系数据、遥感影像（精度2.9m）、路网数据。城市感知数据主要为广州市POI数据（表1）。*策规划文件包括各层级主体功能区规划、城市总体规划以及城市更新相关的*策和规划文件，主要有《城市用地分类与规划建设用地标准》（GB-）、《珠江三角洲地区改革发展规划纲要（-年）》《广东省主体功能区规划》《广州市主体功能区规划（-年）》《广州市城市总体规划（-年）》草案《广州市年城市更新年度计划（第一批）》等。

?1.1.2数据处理

1）POI数据清洗。POI数据清洗主要包括去除重复、信息缺失数据，坐标转换。广州市共有个村级行*单元（包括社区和行*村），可以匹配到POI数据的村级行*单元共计个，POI数据的匹配率高达96.6%。有效数据量条，涵盖商务住宅、公司企业、生活服务、科教文化服务、体育休闲服务、医疗保健服务、*府机构及社会团体、交通设施服务、道路附属设施、公共设施、风景名胜、餐饮服务、购物服务、住宿服务、金融保险服务共15个大类，每一个大类下又细分成若干中类和小类，数据标签包括ID、名称、类型、地址、经纬度坐标、电话、所属城市和所属行*区等内容。

2）POI数据重分类。参考最新版《城市用地分类与规划建设用地标准》（GB-）的分类标准，按照居住用地、公共管理与公共服务设施用地、商业服务业设施用地、工业用地、交通与道路设施用地、绿地与广场用地，对POI数据进行重分类。

3）数据空间化。将广州市划分为个m×m网格单元，然后将广州市村级行*区划、基础水系、POI、路网数据叠加到遥感影像上，进行空间配准，即将数据转换到统一的空间尺度。

表1数据来源及信息

名称

年份

来源

格式

广州市村级行*区划

—

shp

广州市基础水系数据

OSM

shp

广州市遥感影像

谷歌地球

tif

广州市POI数据

高德地图

xls

广州市路网数据

OSM

shp

?1.2.1卷积神经网络（CNN）

特征提取是分类、分割和识别等任务不可或缺的部分，深度网络模型抽象语义信息在遥感影像特征提取中被视为高层视觉信息提取方法，因此选择基于卷积神经网络（ConvolutionalNeuralNetwork,CNN）的深度网络模型作为广州市功能用地类型识别方法。卷积神经网络分类模型分为语义提取层和缩放映射层，提取到的每个影像语义矩阵都对应一个卷积核，输入的语义矩阵与可学习的卷积核进行二位卷积，并采用均值池化法防止过度拟合，达到二次语义提取的作用（陈磊士等，）。计算公式为：

?1.2.2POI赋分模型

不同类型的POI数据在反映城市地标、公众认知度及个体特征等方面具有不同的显著性，此外，POI数据是点数据，本身没有任何面积和体积特征，不能很好地反映客观事实。因此，需要分别定义赋予其权重值，以更好地反映和识别出功能区属性特征。参考康雨豪等（）利用样方密度法的思路，对POI数据分类定义并赋值，构建赋分模型体系作为城市主体功能区划分的主要依据。POI赋分模型体系为：

1）POI大类的权重系数测定。根据POI大类类型与城市特定功能分区的相关性，结合专家赋分和模糊综合评价方法折中后得到大类类型权重系数b。每一用地类型的POI大类赋分总值为1。

2）POI中类的权重系数测定。在同一大类下，对不同的中类采用因素成对比较法，根据其与大类的相关性和自身的影响力给出不同的分值，均值即为中类类型权重系数。每两项进行比较的中类赋分相加之和为1。

3）POI小类的权重系数测定。在同一中类下，考虑不同的小类与中类的相关性和自身的影响力，得到小类类型权重系数s。

4）综合权重系数测定。将POI的大类、中类、小类权重系数b、m、s综合起来全面反映该类型的影响力,即这些指标构成的POI影响力度模型：

5）标准化。对原始数据进行标准化处理，消除某一类型POI密度总分值比例过小的情况，标准化公式为：

?1.2.3样方密度法

样方密度法是指将研究区域分割成一系列子区域（即样方），计算落入各样方的点数与样方面积的比值。该方法的思路符合POI点数据和研究单元计算对象的特征情况，即根据POI赋分结果计算各单元中不同类型POI点数与网格单元面积的比值，以此得出网格内占主导地位的POI类型。其计算公式为：

?1.2.4信息熵

信息熵值的大小能够充分反映城市各功能用地的多少和面积分布的均匀程度，通过信息熵分析各类功能用地，如居住用地、工业用地等的混合程度，可以很好地辅助判别功能区的类型以及功能用地单一/混合程度。定义土地利用结构的信息熵算公式为：

?1.3.1功能区判读规则

参考池娇等（）的研究，确定功能用地类型判读规则为：

1）当单元内某一种用地类型的比例≥50%时，即确定该单元为单一功能区，功能区性质由该用地类型确定。如工业用地判读为工业区，居住用地判读为住宅区，商业服务业设施用地判读为商务区，公共管理服务设施用地判读为文教区（以科教文化服务为主）或公服区（以体育休闲、医疗保健、*府机构及社会团体、公共设施为主），绿地与广场用地判读为风景区，由于交通与道路设施用地的特殊性，不做单独功能区判读。

2）当单元内所有用地类型的比例＜50％时，即确定该单元为混合功能区，混合类型功能区性质取决于单元内占比最大的用地类型。如以工业用地为主的混合功能区判读为工业区，以居住用地为主的混合功能区判读为住宅区。

?1.3.2主体功能区判读规则

采用《广州市主体功能区规划（—年）》中的划分方法，将广州市划分为核心提升区、调整优化区、重点拓展区、适度发展区和禁止开发区5个功能区域。结合广东省和广州市主体功能区规划中的功能定位及特点，确定判读规则为：

1）核心提升区：以商务区为主，表现为餐饮业、购物消费产业、中高端住宿服务和体育休闲业、金融服务业特别发达，文教区、公服区和住宅区也占有一定比例，交通环境成熟，人流、物流、资金流来往频繁且密集。

2）调整优化区：以工业区为主，表现为工业产业园、楼宇、商务住宅、公司企业居多，交通、居住、餐饮和购物等产业相对较发达。

3）重点拓展区：以文教区和公服区为主，已具有较完备的交通和道路服务设施，住宅区、商务区和工业区分布较少。

4）适度开发区：表现为交通和道路服务设施、公服区和住宅区等相对不够完善，且受自然地理因素的影响，以郊区为主。

5）禁止开发区：表现为以风景区为主，如历史街区、文物古迹、自然保护区、风景名胜区、森林公园、保护水源等。

广州市主体功能区划分基本流程包括数据处理、模型方法和判读规则，具体见图1所示。

图1广州市主体功能区划分基本流程

2.结果分析

对广州市范围内各功能用地类型对应的卷积神经网络（CNN）进行训练，当误差函数收敛为较小数值并且停止震荡时，认为神经网络训练成功，即可应用该神经网络对遥感影像进行功能用地类型识别。识别结果进行聚类、合并和空间连续性处理后，得到功能用地识别结果。根据POI数据落入广州市m×m网格单元的分值和类别情况，利用样方密度法计算并识别出功能用地类型，并与基于CNN的遥感影像功能用地识别结果在ArcCIS环境内进行相互补充和校验，得到广州市功能用地类型及其空间分布情况（图2）。

将居住用地、公共管理与公共服务设施用地、商业服务业设施用地、工业用地、交通与道路设施用地、绿地与广场用地6种用地大类运用信息熵，分析各类功能用地的混合程度，辅助判别主体功能区。商业服务业设施用地混合度较高的区域（指以商业服务业设施用地为主，混合其他多种用地类型，以下说法同此描述）主要集中在越秀、荔湾、天河、海珠、白云、番禺北部、*埔南部，以及南沙街道（图3-a）；工业用地混合度较高的区域主要集中在白云、花都城区、*埔以及番禺区域（图3-b）；公共管理与公共服务设施用地在全市范围内容分布较均衡，混合度较高的区域主要集中在越秀、天河等主城区（图3-c）；交通与道路设施用地混合度较高的区域主要集中在*埔南部、南沙、白云、以及从化城区（图3-d）；居住用地混合度较高的区域主要集中在越秀、荔湾、海珠、白云南部、*埔南部、番禺、南沙街道，在花都城区、增城城区、从化城区居住用地利用混合度相对较低（图3-e）；绿地与广场用地以零星散点的形式分布，混合度较高的区域主要集中在增城公园、流溪河、白云山、珠江滨水区、番禺广场、南沙街道、花都湖，基本属于城市广场或风景名胜旅游区（图3-f）。

图3广州市六种用地混合度

图4基于多源数据的广州市主体功能区划分结果

基本单元的选取是主体功能区划分的基础工作，以往的研究既有地理概念，又有行*区概念，目前国内并没有形成统一的看法。虽然行*区边界是国家目前制定*策的主要参考方法，但选取行*区域作为基本单元时容易存在内部空间的异质性而造成特定的行*区可能涵盖多种功能区；反之，有的功能区则跨越多个行*区等问题，使得划分结果存在“一刀切”的现象。因此，本研究结合广州市空间发展逐渐淡化行*管辖界线的特点，采取地理优先、行*补充的思路，充分体现区域内众多要素功能的汇总，与各类自然资源要素的规模、结构、变化之间的相关关系，使划分后的主体功能定位更加明确，且结合自然要素属性而定的结果也相对稳定。具体做法为，将m×m网格单元的广州市功能用地识别结果叠加上广州市村级行*区划，以村级行*单元为最小计算单元，得到落入该村级单元内的所有用地类型的占比，以最大占比的用地类型代表该村级单元的主要用地类型。考虑主体功能区主要以功能设施的配置和使用完善情况进行划分，结合路网数据，以判定区域交通发达程度。结合POI数据的特殊性，将最大用地类型占比低于15%的村级行*单元划为适度发展区。通过对村级行*单元主体功能性用地从地理空间上进行聚类分析，最终得到广州市主体功能区划分结果见图4。

将基于多源数据的广州市主体功能区划分结果（图4）与《广州市主体功能区规划（-年）》和《广州市城市总体规划（-年）》进行对比验证。考虑到研究尺度的不同，结合广州市的空间发展特点，采取淡化行*管辖界线，从区域整体的地理空间上进行对比。其中，《广州市主体功能区规划（-年）》编制于年前后，采用评价指标方法将广州市域划分为核心提升区、调整优化区、重点拓展区、适度发展区和禁止开发区5类功能区（图5）。时隔6年，广州市的快速发展带来土地利用性质和功能的转变，当时的从化、增城和花都3个外围城区及南沙街道被划为调整优化区，如今从化、增城和花都3个外围城区在基础建设、交通和产业上已较快发展；南沙街道作为广州市的城市副中心，发展速度突飞猛进；番禺北部区域已接入主城区范围。《广州市城市总体规划（-年）》草案于年2月编制完成，草案提出要形成“主城区－副中心－外围城区－新型城镇－乡村”的城市空间网络体系，明确主城区包括荔湾、越秀、天河和海珠4区，白云区北二环高速公路以南地区、*埔区九龙镇以南地区以及番禺区广明高速以北地区；副中心包括南沙区全域；外围城区包括花都城区、空港经济区、知识城、番禺南部城区、从化城区和增城城区（图6）。

图5《广州市主体功能区规划》(魏宗财等，)

图6《广州市城市总体规划（-年）》（规划草案公示材料）

总体来看，利用POI数据结合遥感影像进行的广州市主体功能区识别结果与《广州市主体功能区规划（-年）》中的主体功能区分区基本吻合，并且划分结果很好地将《广州市城市总体规划（-年）》草案中“主城区-副中心-外围城区-新型城镇-乡村”的城市空间格局以颜色渐变的形式体现出来。此外，POI作为城市感知数据的主要类型，其所代表的类别及空间分布状态即为当前城市的客观实体呈现，能够很好地反映和更新城市发展的土地利用结构及空间格局，因此，基于城市感知数据的主体功能区划定结果更符合广州市当前的主体功能区实际情况，可为广州市今后的发展决策提供更精准的参照。

本文提出一种基于多源数据和深度学习的城市主体功能区划分方法，通过城市感知数据、基础研究数据和*策、规划文件的结合应用，建立城市功能用地与主体功能区之间的关联，划分结果与《广州市主体功能区规划（—年）》和《广州市城市总体规划（—年）》草案对比验证，精确度较高，并能反映广州市主体功能区实际情况。广州市空间格局呈现出以主城区为主的核心提升区域，以番禺、白云为主的调整优化区，以花都和*埔为主的大范围拓展区，以从化和增城为主的适度发展区和禁止建设区。

以市县级行*区为分区单元来落实主体功能区制度在空间尺度上比较合适，既不忽视地区差异，也能保障战略统筹作用，能够很好地衔接宏观战略与中观、微观要素的管理。事实上，主体功能区的划分是区域内众多要素功能的汇总，与各类自然资源要素的规模、结构、变化之间存在相关性。因而在空间规划体系中，可将市县级主体功能定位与自然资源要素的配置比例对应起来，利用新数据、新方法，通过多源数据融合应用的方式，科学、精准识别和划分市县主体功能区。本研究以多源数据融合应用的方式，引入智能算法，不仅将传统以经验为主的定性分析转为更科学精准的定量计算，解决数据获取困难和代表性不足等难题，同时还减轻资源和人力投入，真正实现传统规划方法的智能变革，推动国土空间规划精准落地，为创新国家空间治理模式，实现国家空间治理现代化夯实基础。

参考文献：

曹伟,周生路,姚鑫..县域主体功能分区研究_以江苏宜兴市为例.长江流域资源与环境,20（5）:-.[CaoWei,ZhouShengluandYaoXin..Researchonthefunctionaldivisionofcountymainbody_takingYixingCityofJiangsuProvinceasanexample.ResourcesandEnvironmentoftheYangtzeRiverBasin,20(5)):-.]

陈焕珍,.县域尺度主体功能区划分研究.现代城市研究,078-93.[ChenHuanzhen..Researchonthedivisionofmainfunctionalareasatcountyscale.ModernCityResearch,078-93.]

陈磊士,赵俊三,李易,等..基于机器学习的多源遥感影像融合土地利用分类研究.西南师范大学学报(自然科学版),43(10):-.[ChenLeishi,ZhaoJunsanandLiYi,etal..OnlanduseclassificationbymeansofmachinelearningbasedonMulti-sourceremotesensingimagefusion.JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition),43(10):-]

池娇,焦利民,董婷,等..基于POI数据的城市功能区定量识别及其可视化.测绘地理信息,41(02):68-73.[ChiJiao,JiaoLiminandDongTing,etal..QuantitativeIdentificationandVisualizationofUrbanFunctionalAreaBasedonPOIData.JournalofGeomatics,41(02):68-73.]

段亚明,刘勇,刘秀华,等..基于POI大数据的重庆主城区多中心识别.自然资源学报,33(05):-.[DuanYaming,LiuYongandLiuXiuhua,etal..Multi-centerrecognitionofChongqingmaincitybasedonPOIbigdata.JournalofNaturalResources,33(05):-.]

范树平,程久苗,项思可,.基于三维魔方的芜湖市域主体功能区划研究.亚热带资源与环境学报,6(02):66-74.[FanShuping,ChengJiumiaoandXiangSike,.ResearchonthemainfunctionalzoningofWuhuCitybasedonthree-dimensionalcube.JournalofSubtropicalResourcesandEnvironment,6(2):66-74.]

范荣双,陈洋,徐启恒,等..基于深度学习的高分辨率遥感影像建筑物提取方法.测绘学报,48(01):34-41.[FanRongshuang,ChenYangandXuQiheng,etal..Buildingextractionmethodforhighresolutionremotesensingimagebasedondeeplearning.JournalofSurveyingandMapping,48(01):34-41.]

韩春峰,米晓飞,.基于高分辨率遥感影像的人口信息的提取综述.科技资讯,04:.[HanChunfeng,MiXiaofei..Areviewofpopulationinformationextractionbasedonhighresolutionremotesensingimages.ScienceandTechnologyInformation,04:.]

浩飞龙,王士君,冯章献,等..基于POI数据的长春市商业空间格局及行业分布.地理研究,37(02),-.[HaoFeilong,WangShijunandFengZhangxian,etal..CommercialspacepatternandindustrydistributionofChangchunbasedonPOIdata.GeographyResearch,37(02):-.]

贺浩,王仕成,杨东方,.基于Encoder-Decoder网络的遥感影像道路提取方法.测绘学报,48(03):-.[HeHao,WangShichengandYangDongfang..RoadextractionmethodforremotesensingimagebasedonEncoder-Decodernetwork.JournalofSurveyingandMapping,48(03):-.]

*勇,周世锋,王琳,.用主体功能区规划统领各类空间性规划_推进多规合一”可供选择的解决方案.全球化,4:75-88,.[HuangYong,ZhouShifengandWangLin..Usethemainfunctionalareaplanningtoguideallkindsofspatialplanning-topromotethe“multi-regulation”alternativesolution.Globalization,4:75-88,.

康雨豪,王玥瑶,夏竹君,等..利用POI数据的武汉城市功能区划分与识别.测绘地理信息,43(01)1-85.[KangYuhao,WangYueyaoandXiaZhujun,etal..IdentificationandClassificationofWuhanUrbanDistrictsBasedonPOI.JournalofGeomatics,43(01)1-85.]

李江苏,梁燕,王晓蕊..基于POI数据的郑东新区服务业空间聚类研究.地理研究,37(01):-.[LiJiangsu,LiangYanandWangXiaorui..SpatialclusteringofserviceindustryinZhengdongNewDistrictbasedonPOIdata.GeographyResearch,37(01):-.]

李淑圆,周静妍,余世孝..基于高分辨率遥感影像的广州城市土地覆被分类系统.中山大学学报(自然科学版),55(05)2-88.[LiShuyuan,ZhouJingweiandYuShixiao..GuangzhouUrbanLandCoverClassificationSystemBasedonHighResolutionRemoteSensingImage.JournalofSunYat-senUniversity(NaturalScienceEdition),55(05):82-88.]

梁立,刘庆生,刘高焕..基于遥感影像的海岸线提取方法综述.地球信息科学学报,20(12):-.[LiangLi,LiuQingshengandLiuGaohuan..Reviewofcoastlineextractionmethodsbasedonremotesensingimages.JournalofGeo-informationScience,20(12):-.]

林锦耀,黎夏..基于空间自相关的东莞市主体功能区划分.地理研究,33(02),-.[LinJinyao,LiXia..ThemainfunctionalareadivisionofDongguanbasedonspatialautocorrelation.GeographicalResearch,33(2):-.]

PETRAT,ROBERTY..America:Aninfrastructurevisionfor21stcenturyAmerica.JournalofUrbanandRegionalPlanning,2(3),18-38.

PHAMHM,YAMAGUCHIYandBUITQ..Acasestudyontherelationbetweencityplanningandurbangrowthusingremotesensingandspatialmetrics.LandscapeandUrbanPlanning,(3),-.

王斌,范冬林..深度学习在遥感影像分类与识别中的研究进展综述.测绘通报,02:99-+.[WangBin,FanDonglin..Summaryofresearchprogressindeeplearninginclassificationandrecognitionofremotesensingimages.BulletinofSurveyingandMapping,02:99-+.]

王鑫,徐明君,李可,等..一种有效的高分辨率遥感影像水体提取方法.计算机工程与应用,01(14).[WangXin,XuMingjunandLiKe,etal..Aneffectivehigh-resolutionremotesensingimagewaterbodyextractionmethod.ComputerEngineeringandApplications,01(14).]

魏宗财,肖荣波,唐勇..广州市主体功能区规划管制指标体系研究.现代城市研究,06,26-37.[WeiZongcai,XiaoRongbo,TangYong..ResearchonthePlanningandControlIndexSystemofMainFunctionalAreasinGuangzhou.ModernCityResearch,06:26-37.]

徐冬,*震方,吕龙,等..基于POI挖掘的城市休闲旅游空间特征研究_以南京为例.地理与地理信息科学,34(01):59-64+70+3.[XuDong,HuangZhenfangandLuLong,etal..ResearchonSpatialCharacteristicsofUrbanLeisureTourismBasedonPOIMining——TakingNanjingasanExample.GeographyandGeographicInformationScience,34(01):59-64+70+3.]

张森,马迪,王滔,等..基于监督分类的土地利用遥感影像提取方法研究以武汉市为例.绿色科技,14:-.[ZhangSen,MaDiandWangTao,etal..ResearchonRemoteSensingImageExtractionMethodofLandUseBasedonSupervisedClassification——TakingWuhanCityasanExample.GreenScience,14:-.]

郑菲,李洪庆,赵姚阳..基于资源环境承载力评价的安徽省主体功能区划分研究.湖北农业科学,57(22):-.[ZhengFei,LiHongqingandZhaoYaoyang..ResearchonthedivisionofmainfunctionalareasinAnhuiProvincebasedonresourceandenvironmentalcarryingcapacityevaluation.HubeiAgriculturalSciences,57(22):-.]

中华人民共和国住房和城乡建设部,.《城市用地分类与规划建设用地标准》（GB—）,