با توجه به توسعه سریع تراکم شهری (UA) در استان گوانگدونگ در دو دهه گذشته، این مطالعه تکامل زمانی و مکانی الگوی شهری استان و روند شهرنشینی فعلی را نشان داد. این مطالعه توزیع مکانی جغرافیایی و تغییر در مقیاس روشنایی UA را در استان گوانگدونگ تعیین کرد، رابطه بین تغییر و توسعه روشنایی و تکامل پویا تولید ناخالص داخلی را تجزیه و تحلیل کرد و شدت گسترش و جهت مهاجرت مرکز ثقل UA را بررسی کرد. . نتایج نشان داد که از سال 2000 تا 2020، مقیاس روشنایی مناطق مرزی استان گوانگدونگ کمتر از مناطق داخلی بود، در حالی که نرخ رشد نور در مناطق مرزی بیشتر از مناطق داخلی بود. منطقه ساخته شده به طور پیوسته از مرکز به خارج در محدوده زمانی مطالعه گسترش یافت و مرکز ثقل بیضی تمایل داشت به سمت شمال غربی جابجا شود. این مطالعه داده‌های بصری و علمی را برای تکامل مکانی-زمانی الگوی شهری در استان گوانگدونگ فراهم می‌کند و اهمیت مرجع مهمی برای تحلیل توسعه شهرنشینی و برنامه‌ریزی ساخت و ساز شهری دارد.

کلید واژه ها: 

تصویر نورانی ؛ تولید ناخالص داخلی ; منطقه ساخته شده ؛ مرکز ثقل بیضی شکل

1. مقدمه

شهرنشینی فرآیند گسترش جمعیت و مقیاس شهری و مجموعه تغییرات اقتصادی و اجتماعی مربوطه است [ 1 ]. پس از اصلاحات و توسعه در سال 1978، شهرنشینی چین در مرحله رشد سریع قرار گرفته است [ 2 ]]، و مناطق روستایی و شهرهای کوچک استان گوانگدونگ به تدریج به سیستم اصلی جهت توسعه شهرنشینی جدید تبدیل شده اند. علاوه بر این، تغییرات مرحله‌ای اخیر در مساحت زمین ساخت‌وساز و تولید ناخالص داخلی آن (GDP) در مناطق روستایی و شهرهای کوچک، شاخص‌های مهمی برای درک دقیق گسترش UA و توسعه اقتصادی آن است. آنها در مطالعه فرآیند UA در استان گوانگدونگ، برنامه ریزی ساخت و ساز شهری آینده، و انجام ساخت و ساز یکپارچه صنایع مرتبط مهم هستند.
پس از اجرای سیاست اصلاحات و گشایش در چین در سال 1978، روند شهرنشینی در چین سرعت گرفت. در سه دهه بعد، نرخ شهرنشینی نزدیک به 30 درصد افزایش یافته است. در این دوره، دامنه مناطق ساخته شده شهری در مقایسه با مساحت زمین در سال 1981 به سرعت گسترش یافته و نزدیک به چهار برابر شده است. تا سال 2018، نرخ سکونت شهری جمعیت چین نزدیک به 60 درصد بود و روند شهرنشینی وارد مرحله جدیدی شد. UA شکلی از سازماندهی فضایی است که در آن شهرها در محدوده خاصی به بالاترین شکل توسعه می یابند [ 3]. زمانی اتفاق می افتد که رابطه بین شهرها از رقابت اصلی به همزیستی رقابت و همکاری تغییر کند. این شهر ارتباط نزدیکی با سازمان فضایی در UA دارد، با درجه بالایی از همشهری شدن و یکپارچگی. بنابراین، UA یکی از مهم ترین حامل های توسعه اقتصادی جهانی است [ 4 ]. در حال حاضر، چین UA هایی را در دلتای رودخانه مروارید، دلتای رودخانه یانگ تسه (YRD)، چنگدو-چونگ کینگ، پکن-تیانجین-هبی و سایر مکان های مهم تشکیل داده است. با این حال، با تسریع روند شهرنشینی، چندین بلایای زیست محیطی مانند افزایش اثر جزیره گرمایی، آلودگی جدی هوا و افزایش کمبود منابع آبی در دسترس پدیدار شده است [ 5 ].]. علاوه بر این، توسعه ناهموار بین مناطق در فرآیند توسعه UA به طور فزاینده ای جدی می شود، بنابراین باید یک استراتژی توسعه متوازن برای UA در مناطق تدوین کنیم و برنامه ریزی بهتری برای ادغام توسعه UA باید بررسی شود. تحقیقات چو و همکاران. در UA توجه قابل توجهی در این زمینه به خود جلب کرده است [ 6 ]. از دیدگاه کمی، ویژگی‌های تکامل مکانی-زمانی UA پکن-تیانجین-هبی از طریق الگوهای چشم‌انداز و تجزیه و تحلیل داده‌های آماری مورد بحث قرار می‌گیرد. با این حال، تفاوت‌های قابل‌توجهی در شاخص الگوی منظر بین شهرها و UAs هنوز مشاهده می‌شود، که نشان می‌دهد این روش به توسعه بیشتر نیاز دارد. جی وانگ و همکاران [ 7] سطح توسعه UA را در YRD در سال 1978 بر اساس سیستم های مختلف شاخص ارزیابی جامع و مدل های محیط و منابع محاسبه کرد. با توجه به Zheng.Z و همکاران، [ 8 ] سیستم چارچوب UA با استفاده از تجزیه و تحلیل ریاضی تعیین می شود که محتوای تحقیق UA را غنی می کند. لارنس جی سی ما [ 9] روند شهرنشینی در استان گوانگدونگ را با استفاده از داده های یک بررسی جامع از شهرها و شهرک ها مورد مطالعه قرار داد. با این حال، تنها تحقیقات نسبتا کمی در مورد توسعه و تکامل تجمعات شهری گزارش شده است، و تجزیه و تحلیل ساده داده های آماری منطقه ای و داده های تصویر بعدی دیگر برای مطالعات UA کافی نیست. سنجش از دور درخشان به دلیل صرفه جویی، به موقع بودن، شهود و موقعیت یابی دقیق توزیع فضایی شهری، به طور گسترده ای در تکامل دینامیکی الگوی فضایی شهری مورد استفاده قرار گرفته است. پس از انتشار داده‌های اسکنر خط عملیاتی برنامه ماهواره‌ای هواشناسی دفاع ملی (DMSP/OLS) در سال 1992، به طور گسترده برای نظارت و تجزیه و تحلیل فعالیت‌های انسانی و پدیده‌های طبیعی مورد استفاده قرار گرفت [ 10 ]]. پس از آن، بر اساس داده های DMSP، Z. Liu و همکاران. [ 11 ] روش تصحیح سیستماتیک چندماهواره را برای سال‌های متمادی برای استخراج دینامیک گسترش شهری در سری‌های طولانی سال به کار برد، که به طور موثری انحراف غیرعادی در داده‌های نور پایدار شب را کاهش داد. ایمهوف و همکاران [ 12 ] از ردپای نور شهری به دست آمده از تصاویر ماهواره ای DMSP/OLS همراه با داده های سرشماری و نقشه های دیجیتالی خاک برای تخمین وسعت زمین های ساخته شده در ایالات متحده و تأثیر بالقوه آن بر منابع خاک استفاده کرد. کوچک و همکاران [ 13 ] پایداری داده‌های DMSP را با مقایسه ناحیه روشن‌کننده و مساحت ساخته‌شده تصاویر Landsat از 17 شهر اندازه‌گیری کرد و دریافت که منطقه روشن‌کننده شهرها همیشه بزرگ‌تر از حداکثر منطقه ساخته‌شده تخمینی است. سو و همکاران [14 ] یک روش آماری همسایگی را بر اساس تغییرات فضایی نسبی در پیکسل‌های ساخته شده و غیرساخته مجاور در تصاویر DMSP پیشنهاد کرد و مساحت و ناحیه محیطی دلتای رودخانه مروارید استخراج شد. یه و همکاران [ 15 ] از تصاویر نور شب DMSP و داده های نقشه برداری موضوعی Landsat برای تجزیه و تحلیل تغییرات زمانی در کاربری زمین و آشکارسازی پویایی مکانی-زمانی کاربری زمین استفاده کرد. پس از آن، در اکتبر 2011، سنسور تشعشع تصویربرداری مادون قرمز مرئی (VIIRS) در شرکت Somi National Polar Rail Partnership ایالات متحده با موفقیت راه اندازی شد [ 16 ]. داده‌های ماهواره‌ای NPP-VIIRS وضوح بالا و مقیاس خاکستری بیشتری را نشان می‌دهند که یک منبع داده جهانی با کیفیت بالا برای نظارت بر زمان واقعی فعالیت‌های انسانی و تحقیقات طولانی‌مدت شهری در مقیاس بزرگ فراهم می‌کند.17 ]. به عنوان مثال، ژنگ و همکاران. [ 18 ] از تصاویر شب‌تاب به‌دست‌آمده توسط باند شبانه روزی VIIRS برای نظارت و ارزیابی شهرهای شمال شرقی چین استفاده کرد و به این نتیجه رسید که شدت گسترش از مرز به مناطق داخلی کاهش یافته است. ارجاع به داده های آماری، شی و همکاران. [ 19 ] مناطق ساخته شده را از داده های VIIRS و DMSP استخراج کرد و مشاهده کرد که دقت داده های VIIRS بالاتر است. بر اساس داده های VIIRS، نقشه توزیع تولید ناخالص داخلی و مدل انتشار دی اکسید کربن را می توان برای مطالعه تغییرات دینامیکی در دوره های مختلف [ 20 ، 21 ] ساخت. بر اساس طبقه بندی شبکه عصبی پس انتشار، T. Ma et al. [ 22] تصاویر داده های NPP-VIIRS را به دو دسته شهری و غیر شهری تقسیم کرد. بر اساس داده های ترکیبی VIIRS، Z. Yu و همکاران. [ 23 ] مناطق ساخته شده 17 استان و شهر در استان شاندونگ را استخراج و مقایسه کرد و سپس انواع گسترش هر شهر را تعیین کرد.
علاوه بر این، داده های سنجش از دور درخشان در اکتشاف شهرنشینی مهم هستند. هندرسون، [ 24 ] میزان توسعه سریع شهرنشینی را اغلب به دلیل رشد اقتصادی پایین یک شهر بررسی کرد. Z. Jiang و همکاران. [ 25 ] شدت نور NPP-VIIRS را از سال 2013 تا 2016 برای شناسایی دقیق شهرهای در حال کوچک شدن در فرآیند شهرنشینی در چین مقایسه کرد. بر اساس تصاویر سنجش از دور چند ساله و فناوری GIS، X.-Z. پان و ژائو. [ 26 ] فرآیند فضایی شهرنشینی در شهر Yixing و تأثیر آن بر منابع خاک را تحلیل کرد. ترکیب داده های نور شب و شهرهای طبیعی، یانگ و همکاران. [ 27] سطح کلی توسعه شهرنشینی مراکز شهری در شهرهای چند مرکزی را از زوایای بسیاری تحلیل کرد. داده‌های استفاده شده از نور شب همچنین می‌توانند سرعت شهرنشینی را تخمین بزنند، تأثیر عوامل اقتصادی منطقه‌ای را بر شهرنشینی مطالعه کنند و یک شاخص روشنایی شهری برای ارزیابی کمی روند شهرنشینی بسازند [ 28 ، 29 ]. دستاوردهایی در مطالعه شهرنشینی به دست آمده است، مانند J. Liu و همکاران. [ 30 ] که شاخص سطح شهرنشینی را بر اساس مساحت زمین شهری همراه با شاخص گسترش مطلق شهری و شاخص گسترش نسبی شهرنشینی مطرح کردند و روند گسترش شهری در چین را تشریح کردند. بر اساس روش کالیبراسیون داده DMSP، Xin و همکاران. [ 31] همبستگی و تحلیل رگرسیون خطی چندگانه را برای عوامل اجتماعی و اقتصادی ووهان اعمال کرد. بر اساس تفاوت در مقادیر پیکسل بین منطقه ساخته شده چراغ های شب و منطقه غیر ساخته شده برای استخراج مناطق ساخته شده سالانه، آزمایش فرآیند شهرنشینی و ارزیابی گسترش شهری [ 32 ]، Y. Jiang و همکاران. [ 33 ] از روش تحلیل شبکه فضایی نامنظم برای بررسی تغییرات پویا در گسترش فضایی شهری و سرزندگی اجتماعی-اقتصادی در سین کیانگ از سال 2013 تا 2017 استفاده کرد. علاوه بر این، J. Pan. [ 34 ] دمای سطح زمین لانژو را از داده های سنجش از دور بازیابی کرد و عناصر جزیره گرمایی شهری را استخراج کرد. لیانگ و همکاران بر اساس داده های آماری VIIRS و تولید ناخالص داخلی سطح شهر. [ 35] تخصص تولید ناخالص داخلی در نینگبو را با رگرسیون های چندگانه خطی و تصادفی جنگل مورد مطالعه قرار داد. شی، یو و همکاران [ 36 ] از روش رگرسیون خطی برای برازش همبستگی بین کل نور شب (داده‌های VIIRS و DMSP) و تولید ناخالص داخلی و مصرف برق (از آمار ملی) در استان‌ها و شهرهای چین استفاده کرد و مشاهده کرد که همبستگی داده‌های VIIRS بالاتر بود. . جی ما و همکاران [ 37 ] مدل ترکیب وزنی تابع سیگموئید را برای تجزیه و تحلیل رگرسیون DMSP و داده‌های NPP-VIIRS تبدیل‌شده با لگاریتمی انتخاب کرد که سازگاری داده‌های درخشان را بسیار بهبود بخشید. با استفاده از پکن-تیانجین-هبی، YRD، و دلتای رودخانه مروارید به عنوان مناطق مطالعه، هسونگ و همکاران. [ 38] تجزیه و تحلیل همبستگی سال‌های همپوشانی را در سال‌های 2012 و 2013 انجام داد و از مدل تابع توان برای تبدیل داده‌های NPP-VIIRS برای شبیه‌سازی داده‌های DMSP/OLS استفاده شد.
انجام تحقیقات سنتی بر اساس داده‌های تصویر نور DMSP/OLS و داده‌های آماری آماری دشوار است زیرا داده‌ها تک هستند و تصویر دارای تاخیر زمانی است. این به سختی الزامات فوری پیشرفت های فعلی در سنجش از دور را برآورده می کند، در حالی که داده های VIIRS، به دلیل جهت گیری مکانی قوی، دوره کوتاه بازدید مجدد، و مزایای دیگر، برای تحقیق در مورد گسترش شهری و تکامل آن کافی است. برای مطالعه قانون تکامل فضایی و ویژگی‌های الگوی شهری در استان گوانگدونگ در 20 سال گذشته، این مطالعه مجموعه داده‌های سالانه سری زمانی طولانی را پس از ادغام مجموعه داده‌های VIIRS و DMSP به عنوان منبع داده اصلی انتخاب کرد و رابطه بین مقیاس روشنایی شهری، تولید ناخالص داخلی، منطقه ساخت و ساز و مرکز ثقل بیضی. تکامل فضایی و زمانی الگوی شهری در استان گوانگدونگ با استفاده از چهار روش تحلیلی مورد مطالعه قرار گرفت: آمار نور شب، مدل‌سازی فضایی تولید ناخالص داخلی، استخراج دوگانگی و بیضی انحراف استاندارد. این مطالعه عمیقاً ویژگی‌های تکامل مکانی و زمانی الگوی شهری در استان گوانگدونگ را تجزیه و تحلیل می‌کند و قانون تغییر پویای تولید ناخالص داخلی را با هدف ارائه مبنایی برای تدوین آینده برنامه‌ریزی ساخت‌وساز شهری و استراتژی توسعه اقتصادی در استان گوانگدونگ می‌یابد.

2. منطقه مطالعه و داده ها

2.1. منطقه مطالعه

استان گوانگدونگ در جنوبی ترین قسمت سرزمین اصلی چین واقع شده است که از شرق با فوجیان، از شمال با جیانگشی و هونان، از غرب با گوانگشی و از جنوب با دریای چین جنوبی همسایه است. کل قلمرو در (109°39′-117°19′ شرقی)، (20°13′-25°31′ شمالی)، با طول و عرض 698- و 796- کیلومتر از شمال به جنوب و شرق واقع شده است. به ترتیب به سمت غرب. مساحت کل زمین در قلمرو 178900 کیلومتر مربع است ( شکل 1). ساختار زمین‌شناسی استان پیچیده است، با کوه‌ها در شمال، تپه‌ها در وسط، تراس‌های ساده در جنوب، و رودخانه‌های فراوان، عمدتاً در حوضه رودخانه مروارید (Dongjiang، Xijiang، Beijiang و Pearl River Delta)، غنی است. در منابع آب گوانگدونگ UA شامل 21 شهر، در مجاورت هنگ کنگ و ماکائو، با عمیق تر شدن همکاری های مالی منطقه ای و متوسط ​​نرخ رشد تولید ناخالص داخلی سالانه 14.1٪ است که به عنوان بزرگ ترین اقتصاد استانی چین و چهاردهمین اقتصاد بزرگ در سطح جهان رتبه بندی می شود [ 39 ].

2.2. منابع داده و پردازش

داده‌های سنجش از راه دور نور شب NPP-VIIRS و DMSP-OLS مورد استفاده در این مطالعه، محصولات تصویری سالانه را برای گروه رصد زمین (دانلود شده از https://eogdata.mines.edu/products/vnl/ (دسترسی در 3 مارس 2022) ارائه می‌کنند. )). برای تجزیه و تحلیل دقیق قانون تکامل شهری در استان گوانگدونگ در دو دهه گذشته، یک مدل تصحیح تابع باید ایجاد شود تا یکدیگر را برای داده‌های تصویر نور سالانه DMSP سری‌های زمانی طولانی تصحیح کنند. پس از آن، بر اساس این اصل که مقدار خاکستری پیکسل در همان موقعیت در تصویر روشن در سال بعد نباید کمتر از سال قبل باشد [ 40 ]]، داده های DMSP باید به طور مداوم تصحیح شوند و داده های VIIRS باید با همان وضوح نمونه برداری شوند. در نهایت، بهترین رابط زمانی برای ادغام مجموعه داده‌های DMSP و VIIRS ایجاد شد و مجموعه داده‌های سالانه سری زمانی طولانی پیشنهادی داده‌های اساسی برای این مطالعه بود. از آنجایی که تغییر در تصویر سال پیوسته کم است، تشخیص آن در تصویر دشوار است، بنابراین ما تصمیم گرفتیم که تصویر را با فاصله زمانی پنج سال تقسیم کنیم. نقشه های توزیع نور برای پنج سال در منطقه مورد مطالعه (2000، 2005، 2010، 2015 و 2020) در شکل 2 توضیح داده شده است.

3. روش ها

3.1. آمار نور شب

این مطالعه بر اساس آمار تغییرات کل نور شب گوانگدونگ UA از سال 2000 تا 2020 است که توسط کل نور شب، L Total توصیف شده است، که مجموع مقدار روشنایی هر پیکسل در منطقه است. و نرخ رشد نور شب، R Grow . فرمول محاسبه به شرح زیر است:

Lتیoتیآل=∑من=1nrمن
آرجیrow=Lتیoتیآل2020–Lتیoتیآل2000Lتیoتیآل2000×100%

جایی که r i مقدار تابش پیکسل نور سطح i در منطقه مورد مطالعه را نشان می دهد و n تعداد کل پیکسل ها است.

3.2. مدل سازی فضایی تولید ناخالص داخلی

شدت کل نور شب، TNL ، و میانگین شدت نسبی نور، I ، برای توصیف تفاوت‌های سطح اقتصادی ۲۱ منطقه اداری در استان گوانگدونگ استفاده شد. با توجه به معادلات:

تینL=∑من=163(Dنمن×nمن)
من=تینLDنمترآایکس×نL

که در آن DN i و n i مقدار پیکسل روشنایی سطح i و شماره پیکسل مربوطه آن را نشان می دهد. N L و DN max به ترتیب تعداد کل پیکسل ها و حداکثر مقدار روشنایی در منطقه را نشان می دهند.

TNL و I مربوط به هر منطقه محاسبه شد. همبستگی دو شاخص با استفاده از مدل های خطی، تابع توان، نمایی و لگاریتمی مورد تجزیه و تحلیل قرار گرفت. و نمودار پراکندگی و آستانه، R 2، از دو گروه، شاخص نور و تولید ناخالص داخلی، به دست آمد [ 20 ]. R 2تفکیک شد، بهترین شاخص نور برازش انتخاب شد و مدل فضایی شاخص نور و داده های آماری تولید ناخالص داخلی ساخته شد. مدل خروجی تولید ناخالص داخلی شهری سال مربوطه را پیش‌بینی کرد، در حالی که دقت مقدار پیش‌بینی‌شده با برازش همبستگی بین مقادیر آماری و شبیه‌سازی تأیید شد و مقدار شبیه‌سازی‌شده محاسبه‌شده به هر پیکسل از تصویر درخشان اختصاص داده شد.

3.3. دوگانگی

برای استخراج مناطق ساخته شده، تحقیقات قبلی روش های تشخیص جهش، روش های با وضوح بالاتر و غیره را پیشنهاد کرده است. با این حال، این روش ها بسیار ذهنی هستند و نمی توانند به طور دقیق منطقه را تقسیم کنند. دوگانگی به دلیل توانایی قوی در گرفتن نور ضعیف از دقت بالایی برخوردار است. منطقه ساخته شده استان گوانگدونگ از سال 2000 تا 2020 در وزارت مسکن و ساخت و ساز شهری جمهوری خلق چین یافت شد ( https://www.MoHurd.gov.cn(دسترسی در 3 مارس 2022)). در ترکیب با اندازه پیکسل‌ها، آستانه بهینه تقسیم‌بندی نور از طریق آزمایش‌هایی برای طبقه‌بندی مجدد داده‌های شطرنجی برای تشخیص مناطق ساخته‌شده و غیرساخته کشف شد. سپس تفاوت مساحت ساخته شده در محدوده مورد مطالعه مشخص شد و قانون توسعه شهری محاسبه شد.

3.4. بیضی انحراف استاندارد

بیضی انحراف معیار [ 41 ] توزیع فضایی مرکز ثقل و برد را بر اساس موقعیت جغرافیایی عناصر نقطه ای در این مطالعه نشان می دهد.
در اینجا، از یک معادله برای محاسبه تغییرات مختصات مرکزی بیضوی بین سال‌های 2000 و 2020 و برای آشکار کردن ویژگی‌های تکامل مکانی-زمانی مرکز ثقل، محدوده توزیع و شکل UA گوانگدونگ به شرح زیر استفاده شد:

ایکس¯=∑من=1nایکسمندبلیومن∑من=1nدبلیومن
Y¯=∑من=1nYمندبلیومن∑من=1nدبلیومن

جایی که ایکس¯و Y¯مختصات X و Y مرکز ثقل بیضی انحراف معیار هستند. X i و Y i مختصات پیکسل ها هستند. W i به عنوان وزن، مقدار خاکستری روشن به عنوان وزن. و n تعداد کل پیکسل ها است.

4. نتایج و تجزیه و تحلیل

4.1. نتایج آماری و تجزیه و تحلیل نور شب

TNL استان گوانگدونگ در سال 2000 و 2020 محاسبه و در شکل 3 نشان داده شده است .. نتایج نشان داد که مقدار کل نور شب روندی صعودی را نشان می‌دهد. در سال 2000، مقدار کل نور در شنژن، دونگوان، گوانگژو و فوشان بالاترین میزان را داشت و در رتبه اول قرار گرفت و مقیاس روشنایی در بین چهار شهر نزدیک بود. طبقه دوم که از نزدیک دنبال می‌شد، جیانگمن و شانتو بودند و میزان روشنایی کل در این دو شهر نزدیک به سطح متوسط ​​بود. میزان کل نور در سایر شهرها کمتر از حد متوسط ​​بود که نشان می دهد شکاف زیادی در مقیاس روشنایی بین شهرها وجود دارد. در سال 2020، میزان کل نور در گوانگژو، شنژن، دونگوان و فوشان همچنان در رده اول قرار دارد که گوانگژو به شهری با بیشترین میزان نور شب تبدیل شده است و هویژو بیشترین رشد را در دو دهه گذشته،
نرخ رشد نورانی 21 شهر در سطح استان در استان گوانگدونگ محاسبه شد و شهرهای سطح استان گوانگژو UA بر اساس نرخ رشد روشنایی در شکل 4 به پنج سطح تقسیم شدند . Qingyuan، Huizhou، Heyuan، و Shanwei نرخ رشد بیش از 1501٪ را نشان دادند. نرخ رشد روشنایی در بازه سری زمانی طولانی نزدیک به دو دهه بالاترین میزان بود. شهرهایی با نرخ رشد 1001% و 1500% عبارتند از یونفو، ژائوکینگ، یانگجیانگ، میژو، جی یانگ و شائوگوان و مقیاس روشنایی شهرها بسیار افزایش یافته است. نرخ رشد مقیاس روشنایی در شهرهای دیگر کمتر از میانگین (980٪) است، که در این میان نرخ رشد منطقه ای با محوریت Dongguan، Shenzhen و Guangzhou کمتر از 500٪ بود.
با توجه به تفاوت در مقیاس نور شب، از سال 2000 تا 2020، مقیاس روشنایی مناطق مرزی در استان گوانگدونگ کمتر از مناطق داخلی بود و نرخ رشد روشنایی بیشتر از مناطق داخلی بود. مقیاس روشنایی مناطق مرزی به ویژه به سرعت رشد کرد، در حالی که مناطق داخلی در وضعیت نسبتاً مسطحی قرار داشتند. در دو دهه گذشته، مقیاس روشنایی همه شهرهای سطح استان افزایش چشمگیری داشته است، اما هنوز فاصله زیادی بین مناطق مرزی و مناطق داخلی وجود دارد و تفاوت‌های توسعه بین مناطق هنوز مشهود است.

4.2. مدل سازی فضایی تولید ناخالص داخلی

با استفاده از داده های آماری تولید ناخالص داخلی 21 منطقه اداری در استان گوانگدونگ موجود در سالنامه آماری گوانگدونگ ( https://stats.gd.gov.cn/gdtjnj/ (دسترسی در 3 مارس 2022))، همراه با TNL و I ، مدل‌های خطی، لگاریتمی، توان توان و مدل‌های رگرسیون شاخص بین داده‌های آماری تولید ناخالص داخلی و TNL و I ایجاد شد. شکل 5 داده های 2000، 2010 و 2020 را نشان می دهد.
همبستگی قوی و ضعیف بین نقاط مختصات و خطوط روند را می توان مستقیماً از خطوط روند چهار مدل رگرسیون در نمودار یافت. به منظور تعیین بهترین مدل رگرسیون، R2 مدل های خطی، لگاریتمی، نمایی و رگرسیون نمایی به صورت آماری تجزیه و تحلیل شده است. نتایج در جدول 1 نشان داده شده است.
ضرایب همبستگی بین تولید ناخالص داخلی و متوسط ​​شدت نور نسبی زیر 0.55 بود. بنابراین، آنها برای مطالعه همبستگی بین تولید ناخالص داخلی و شاخص نور در استان گوانگدونگ مناسب نیستند. با این حال، در بین چهار مدل رگرسیون کل نور شب و تولید ناخالص داخلی، مدل رگرسیون توان-نمایی بالاترین ضریب همبستگی را داشت، یعنی همبستگی بین TNL و تولید ناخالص داخلی قوی‌ترین بود ( R2 = 0.874).
به طور خلاصه، شاخص نور TNL با بالاترین ضریب همبستگی با فاصله اطمینان 95 درصد به عنوان بهترین مدل رگرسیونی انتخاب شد. معادله مربوطه است

جیDپمن=پ0×سمنپ1
P 0 ضرایب مدل رگرسیون است و Q i نشان دهنده TNL یا I است. مدل های رگرسیونی برای سال های 2000، 2010 و 2020 به ترتیب y = 1.8276x 0.592 ، y = 1.738x 0.708 ، y = 0.005x 1.214 هستند.
برای پیش بینی تولید ناخالص داخلی شهری از مدل رگرسیون استفاده شد و رابطه خطی بین تولید ناخالص داخلی آماری و پیش بینی شده برازش شد. R 2 در سال های 2000، 2010 و 2020 به ترتیب 0.8778، 0.8362 و 0.8542 در شکل 6 بود. شکل 6خطای زیادی را بین مقادیر پیش بینی شده و مقادیر آماری تک تک شهرها نشان می دهد. این عمدتا به دلیل اشباع مقادیر خاکستری پیکسل در گوانگژو، فوشان و سایر شهرها است. با این حال، اقتصاد شهری هنوز در مراحل اولیه توسعه سریع است که منجر به عدم تطابق بین GDP و مقادیر خاکستری روشن می شود و خطا افزایش می یابد. با این حال، در شهرهایی مانند Dongguan و Shenzhen، تعداد کل پیکسل ها به دلیل کوچک بودن منطقه شهری کمتر است، در نتیجه مقادیر خطا افزایش می یابد. با این حال، در مقایسه با مناطق عقب مانده اقتصادی، یک همبستگی قوی بین مقادیر پیش بینی شده و مقادیر آماری تولید ناخالص داخلی وجود دارد، بنابراین داده های شبیه سازی محاسبه شده کاربرد خاصی دارند.
تولید ناخالص داخلی شبیه سازی به هر پیکسل از تصویر درخشان اختصاص داده شد و تولید ناخالص داخلی با روش طبقه بندی ناپیوستگی طبیعی به پنج سطح تقسیم شد تا نقشه توزیع فضایی چگالی تولید ناخالص داخلی در شکل 7 تشکیل شود.. بر اساس آمار تولید ناخالص داخلی، توسعه کلی اقتصادی UA گوانگدونگ از سال 2000 تا 2020 خوب بوده است. از سال 2000 تا 2010، تولید ناخالص داخلی این استان 2.39 برابر (3.3533 تریلیون یوان) و از سال 2010 تا 2020، تولید ناخالص داخلی 1.31 برابر شده است. (6.2321 تریلیون یوان). بر اساس نقشه توزیع تراکم فضایی تولید ناخالص داخلی، شهرهای توسعه یافته اقتصادی دونگوان، گوانگژو، فوشان و شنژن بودند که در مرکز استان گوانگدونگ متمرکز بودند. مقیاس اقتصادی آنها از سال 2000 تا 2010 به ترتیب 5.2، 4.2، 2.3 و 4.5 برابر و از سال 2010 تا 2020 به ترتیب 2.2، 2.4، 1.9 و 2.7 برابر افزایش یافته است. رشد اقتصادی از سال 2000 تا 2010 سریعتر بود و وضعیت رشد از سال 2010 تا 2020 خوب بود و به تدریج به سمت ثبات گرایش داشت. مناطق توسعه اقتصادی متوسط ​​عمدتاً در شانتو، هویژو، توزیع شده است. و شهرهای ژوهای به عنوان مرکز. مناطق توسعه نیافته اقتصادی عمدتاً در مناطق شهری در سطح شهرستان توزیع شده اند که عمدتاً توسط مناطق Yuncheng، Jiangcheng، و Qingcheng و شهر Taishan نمایندگی می شود. در مقایسه با مناطق توسعه یافته اقتصادی، توسعه آنها نسبتاً عقب مانده بود. با این حال، شهرهایی که این شهرک‌ها در آن‌ها واقع شده‌اند، از سال 2000 تا 2020 به‌سرعت توسعه یافتند و به ترتیب 7.3، 19.7، 6.9 و 11.8 برابر رشد کردند. اگرچه هنوز تفاوت‌های منطقه‌ای بزرگی در توسعه اقتصادی ۲۱ منطقه اداری استان گوانگدونگ وجود داشت، اما مقیاس تفاوت‌های اقتصادی بین منطقه‌ای به تدریج با توسعه اقتصادی سریع شهرهای کوچک کاهش یافت. مناطق توسعه نیافته اقتصادی عمدتاً در مناطق شهری در سطح شهرستان توزیع شده اند که عمدتاً توسط مناطق Yuncheng، Jiangcheng، و Qingcheng و شهر Taishan نمایندگی می شود. در مقایسه با مناطق توسعه یافته اقتصادی، توسعه آنها نسبتاً عقب مانده بود. با این حال، شهرهایی که این شهرک‌ها در آن‌ها واقع شده‌اند، از سال 2000 تا 2020 به‌سرعت توسعه یافتند و به ترتیب 7.3، 19.7، 6.9 و 11.8 برابر رشد کردند. اگرچه هنوز تفاوت‌های منطقه‌ای بزرگی در توسعه اقتصادی ۲۱ منطقه اداری استان گوانگدونگ وجود داشت، اما مقیاس تفاوت‌های اقتصادی بین منطقه‌ای به تدریج با توسعه اقتصادی سریع شهرهای کوچک کاهش یافت. مناطق توسعه نیافته اقتصادی عمدتاً در مناطق شهری در سطح شهرستان توزیع شده اند که عمدتاً توسط مناطق Yuncheng، Jiangcheng، و Qingcheng و شهر Taishan نمایندگی می شود. در مقایسه با مناطق توسعه یافته اقتصادی، توسعه آنها نسبتاً عقب مانده بود. با این حال، شهرهایی که این شهرک‌ها در آن‌ها واقع شده‌اند، از سال 2000 تا 2020 به‌سرعت توسعه یافتند و به ترتیب 7.3، 19.7، 6.9 و 11.8 برابر رشد کردند. اگرچه هنوز تفاوت‌های منطقه‌ای بزرگی در توسعه اقتصادی ۲۱ منطقه اداری استان گوانگدونگ وجود داشت، اما مقیاس تفاوت‌های اقتصادی بین منطقه‌ای به تدریج با توسعه اقتصادی سریع شهرهای کوچک کاهش یافت. توسعه آنها نسبتاً عقب مانده بود. با این حال، شهرهایی که این شهرک‌ها در آن‌ها واقع شده‌اند، از سال 2000 تا 2020 به‌سرعت توسعه یافتند و به ترتیب 7.3، 19.7، 6.9 و 11.8 برابر رشد کردند. اگرچه هنوز تفاوت‌های منطقه‌ای بزرگی در توسعه اقتصادی ۲۱ منطقه اداری استان گوانگدونگ وجود داشت، اما مقیاس تفاوت‌های اقتصادی بین منطقه‌ای به تدریج با توسعه اقتصادی سریع شهرهای کوچک کاهش یافت. توسعه آنها نسبتاً عقب مانده بود. با این حال، شهرهایی که این شهرک‌ها در آن‌ها واقع شده‌اند، از سال 2000 تا 2020 به‌سرعت توسعه یافتند و به ترتیب 7.3، 19.7، 6.9 و 11.8 برابر رشد کردند. اگرچه هنوز تفاوت‌های منطقه‌ای بزرگی در توسعه اقتصادی ۲۱ منطقه اداری استان گوانگدونگ وجود داشت، اما مقیاس تفاوت‌های اقتصادی بین منطقه‌ای به تدریج با توسعه اقتصادی سریع شهرهای کوچک کاهش یافت.

4.3. تجزیه و تحلیل نتایج حاصل از استخراج مناطق ساخته شده توسط دوگانگی

برای مطالعه تغییر در ناحیه ساخته‌شده شهری سری‌های زمانی طولانی، بر اساس روش طبقه‌بندی آستانه و مجموعه داده‌های سالانه سری‌های زمانی طولانی پس از ادغام مجموعه داده‌های VIIRS و DMSP، مساحت منطقه ساخته‌شده شهری از هر شهر در سطح استان در استان گوانگدونگ استخراج شد. نتایج استخراج در شکل 7 نشان داده شده است. داده های منطقه ساخته شده استان گوانگدونگ از سال 2000 تا 2020 توسط وزارت مسکن و ساخت و ساز شهری جمهوری خلق چین پیدا شد و پردازش و شمارش شد. پس از آن، تعداد پیکسل های منطقه ساخته شده مربوط به آستانه های مختلف از طریق آزمایش های مکرر مقایسه شد. در نهایت بهترین آستانه تقسیم بندی منطقه ساخته شده به دست آمد.
با توجه به آستانه تقسیم بندی بهینه، داده های شطرنجی به مناطق ساخته شده و غیر ساخته شده مجدداً طبقه بندی شدند. با توجه به اینکه تغییر متوالی در منطقه ساخته شده در دو سال آشکار نبود، برای توضیح ویژگی های تکامل مکانی- زمانی منطقه ساخته شده، منطقه ساخته شده استان گوانگدونگ هر 5 سال یکبار استخراج شد و نتایج حاصل شد. در شکل 8 نشان داده شده است.
تجسم خاص در شکل 8 تغییرات در مناطق ایجاد شده استان گوانگدونگ را از طریق شاخص های سرعت و شدت نشان می دهد. معادلات مربوطه به شرح زیر است:

Uاسمن=Uآمن+n–Uآمنn
Uمنمن=UاسمنUآمن
UA i + n و UA i نشان دهنده مساحت منطقه ساخت و ساز استخراج شده در ( i + n ) -امین و i -امین سال است و n نشان دهنده واحد سال است. با توجه به محاسبه مربوط به شاخص های سرعت و شدت انبساط، داده ها در جدول 2 نشان داده شده است.
همانطور که در شکل 7 و جدول 2 نشان داده شده است ، مساحت منطقه تکمیل شده استان گوانگدونگ به طور پیوسته از سال 2000 تا 2020 افزایش یافته است. سرعت و شدت انبساط از سال 2000 تا 2005 بالاترین میزان بوده و شاخص ها 396.854 کیلومتر مربع در سال و 24/396 کیلومتر در سال و 24/2 بوده است. درصد ساخت و ساز شهری، که به ویژه سریع بودند. پس از آن، نرخ و شدت گسترش در سال‌های 2005-2010 و 2010-2015 به ترتیب تقریباً 200 کیلومتر مربع در سال و 5 درصد بود و توسعه نسبتاً سریع بود. سرعت ساخت و ساز شهری از سال 2015 تا 2020 نسبتاً پایین بوده و دو شاخص مربوطه به ترتیب 169.332 کیلومتر مربع در سال و 2.99 درصد بوده است.

4.4. تجزیه و تحلیل نتیجه بیضی انحراف معیار

بر اساس داده های برازش داده های نور شب استان گوانگدونگ در سال های 2000، 2005، 2010، 2015 و 2020، بیضی استاندارد وزنی استان گوانگدونگ محاسبه شد و مختصات و دامنه مرکز ثقل بیضی و روند تغییر در محورهای اصلی و فرعی مورد تجزیه و تحلیل قرار گرفت. تصاویر مربوط به سال بیضی و مرکز ثقل بیضی با محاسبه به دست آمده است و نتایج در شکل 9 نشان داده شده است. داده های مربوط به میانگین وزنی بیضی (محدوده بیضی، فاصله افست مرکز ثقل، اختلاف محور اصلی، مختصات مرکز ثقل و جهت حرکت اصلی مرکز ثقل) پردازش شده و در جدول 3 نشان داده شده است.
شکل 9 نشان می دهد که مرکز ثقل UA گوانگدونگ عمدتاً در شهر Dongguan-Zengcheng-District Huangpu-District Tianhe تغییر کرده است، از سال 2000 تا 2020 سه بار به سمت شمال غربی حرکت کرده است، یک بار به سمت جنوب غربی، و کاملاً به سمت جنوب غربی حرکت می کند. ترکیب با جدول 3فاصله مرکز ثقل بیضی در سالهای 2000-2005 و 2005-2010 5.68 و 5.70 کیلومتر (شهر دونگ گوان- ناحیه زنگ چنگ- ناحیه هوانگ پو) با دامنه حرکتی کمی بود. فواصل آفست از سال 2010 تا 2015 با 17 کیلومتر جابجایی بیشترین میزان را داشتند. از سال 2010 تا 2015، تمرکز توسعه شهری به مناطق Tianhe و Huangpu نزدیک شد. از سال 2015 تا 2020، مرکز ثقل UA گوانگدونگ همچنان در منطقه Tianhe تغییر کرد و 4.93 کیلومتر جابجا شد. تمرکز توسعه اقتصادی در منطقه مورد مطالعه در دو دهه گذشته به تدریج به مرکز UA در استان گوانگدونگ نزدیک شد و تمایل به ثبات در منطقه Tianhe داشت.
گودی بیضوی نشان دهنده جهت توسعه شهری است و هر چه تفاوت بین محورهای اصلی و فرعی بیشتر باشد، سفتی بیشتر و جهت گسترش شهری آشکارتر می شود. با توجه به دامنه، اندازه بیضی انحراف معیار به طور پیوسته در توالی زمانی این مطالعه به سمت بیرون گسترش می یابد، که نشان می دهد توسعه اقتصادی شهرهای مرزی در استان گوانگدونگ نسبتا سریع بوده است. از سال 2010 تا 2015، رشد دامنه بیضوی بزرگترین بود (4231.15 کیلومتر مربع ) . گسترش سه دوره دیگر نسبتاً کم بود و رشد مساحت دامنه از سال 2005 تا 2010 کمترین مقدار (214.31 کیلومتر مربع) بود .). در مورد گودی بیضی، تفاوت بین محورهای اصلی و فرعی بیضی به تدریج افزایش یافت که نشان می دهد جهت گسترش شهری مشهودتر بوده و گسترش کلی UA روند شمال غربی را نشان می دهد.

5. بحث

5.1. آمار کل مقدار نور در شب

این مطالعه آماری را از میزان کل نور شب در 21 شهر در سطح استان در استان گوانگدونگ بین سال‌های 2000 تا 2020 جمع‌آوری می‌کند و داده‌ها را بیشتر پردازش و تجزیه و تحلیل می‌کند. به طور همزمان، شهرهای سطح استان با استفاده از روش تقسیم طبیعی در ArcGIS به پنج درجه تقسیم می‌شوند تا تفاوت‌ها در توزیع مکانی جغرافیایی نرخ رشد نور شب در هر شهر در سطح استان بررسی شود. نتایج نشان می‌دهد که کل ارزش‌های نورانی کل شهرهای سطح استان در استان گوانگدونگ از سال ۲۰۰۰ تا ۲۰۲۰ به طور قابل‌توجهی افزایش یافته است. توزیع شدت نور در هر شهرستان در سطح استان UA تفاوت بین مناطق حاشیه ای کم و مناطق داخلی زیاد را نشان می دهد، اما نرخ رشد شدت نور در مناطق مرزی به وضوح بیشتر از مناطق داخلی است. با این حال،

5.2. مدل سازی فضایی تولید ناخالص داخلی

تجزیه و تحلیل رگرسیون داده های آماری TNL و I با استفاده از نرم افزار IBM SPSS انجام شده است. مدل رگرسیون توان-نمایی قوی‌ترین همبستگی را بین TNL و GDP دارد ( R2 = 0.874. بر اساس مدل رگرسیون و ارزش آماری تولید ناخالص داخلی، مقدار پیش‌بینی‌شده تولید ناخالص داخلی شبیه‌سازی می‌شود. علاوه بر این، از رگرسیون خطی برای شبیه‌سازی همبستگی بین مقدار پیش بینی شده و مقادیر آماری برای اطمینان از منطقی بودن مدل.مقدار پیش بینی شده تولید ناخالص داخلی محاسبه شده با استفاده از مدل رگرسیون با استفاده از ArcGIS به هر پیکسل نسبت داده می شود و نقشه توزیع دینامیکی فضایی تولید ناخالص داخلی به دست می آید.طبق شکل 7روند رشد اقتصادی همه شهرهای سطح استان در استان گوانگدونگ در محدوده مطالعه خوب است، اما در سال 2000، تراکم تولید ناخالص داخلی فقط در اطراف گوانگژو، شنژن و سایر شهرهای بزرگ بالا بود، در حالی که سایر مناطق به طور کلی پایین هستند. این به این دلیل است که، در حالی که شهرهای سراسر کشور پس از اصلاحات و باز شدن چین در حال شتاب هستند، اقتصاد هنوز در بسیاری از مناطق به دلیل پایین بودن پایه تولید ناخالص داخلی عقب است. از سال 2000 تا 2010، تراکم تولید ناخالص داخلی وارد مرحله رشد سریع شد و تولید ناخالص داخلی استان 2.39 برابر (3.3533 تریلیون یوان) افزایش یافت. این امر به این دلیل است که استان گوانگدونگ با حمایت فعال سیاست های ملی بر شرایط جغرافیایی برتر خود برای جذب سرمایه گذاری خارجی متکی است. با این حال، عدم تعادل در توسعه اقتصادی بین مناطق وجود دارد. مناطق توسعه یافته اقتصادی عمدتاً در نواحی مرکزی استان متمرکز شده اند، در حالی که مناطق اقتصادی متوسط ​​و مناطق توسعه نیافته عمدتاً در حاشیه مرکز استان و مناطق شهری در سطح شهرستان توزیع شده اند. این مشابه نتیجه گیری است که منطقه تولید ناخالص داخلی بالا در جنوب چین عمدتاً در سواحل جنوب شرقی توزیع شده است.20]، و دلیل این پدیده عمدتاً به دلیل درجات مختلف توسعه منابع ناشی از تفاوت در انواع ژئومورفولوژیکی است. انواع پیچیده و متنوع ژئومورفولوژی استان گوانگدونگ نیز عواملی در تفاوت های اقتصادی بین منطقه ای هستند. اقتصاد تولید ناخالص داخلی از سال 2010 تا 2020 رشد سریعی را تجربه کرد. تولید ناخالص داخلی 1.31 برابر (6.2321 تریلیون یوان)، با کاهش های متعدد ناشی از پایه بزرگ تولید ناخالص داخلی در سال 2010. در این دوره، تولید ناخالص داخلی در مناطق توسعه نیافته با سرعت بالایی توسعه یافته است، اما تفاوت بین مناطق هنوز آشکار است، و به دلیل اشباع بودن داده های روشنایی شبانه، مانند گوانگژو، شنژن، دونگوان و سایر مناطق. شهرهای توسعه یافته اقتصادی، نقشه تراکم تولید ناخالص داخلی نمی تواند آنها را به درستی بیان کند، بنابراین ممکن است تفاوت های اقتصادی بیشتری بین مناطق وجود داشته باشد.

5.3. استخراج مناطق ساخته شده

در این تحقیق، مساحت ساخته شده با استفاده از یک دوگانگی استخراج شده و بهترین آستانه برای تقسیم مساحت ساخته شده و مساحت غیرساخته با آزمایش های مکرر بر روی داده های آماری مساحت ساخته شده تعیین می شود. مقدار خاکستری تصویر نور با استفاده از نرم افزار ArcGIS برای مشخص کردن روند تغییر پویای منطقه ساخته شده در طول زمان مجدداً طبقه بندی می شود. مناطق ساخته شده در استان گوانگدونگ عمدتاً در شهرهایی مانند گوانگژو، شنژن و دونگوان متمرکز شده اند، در حالی که مناطق شمال و جنوب غربی استان گوانگدونگ نسبتاً کم هستند که به شدت با توزیع تراکم تولید ناخالص داخلی در استان گوانگدونگ سازگار است. ( شکل 7). از نظر شکل انبساط، متعلق به گسترش کششی است و بر مرکز، عمدتاً به سمت شمال غربی و شمال شرقی است که در آن گسترش شمال غربی بیشتر مشهود است. سرعت و شدت انبساط روند کاهشی را پس از رشد سریع در سال‌های 2000-2020 نشان داد، با بیشترین سرعت و شدت انبساط در سال‌های 2000-2005، کاهش جزئی در سرعت و شدت انبساط در سال‌های 2005-2010 و 2010-2010 و آهسته. سرعت ساخت و ساز شهری از سال 2015 تا 2020 ( جدول 2). این عمدتاً به این دلیل است که وسعت مناطق اداری شهری محدود است، و به این دلیل که فرم‌های لندفرم بسیاری از مناطق کاملاً پیچیده و توسعه و استفاده دشوار است. از نظر دقت استخراج منطقه ساخته شده، روش آستانه ثابت جهانی و روش آستانه بهینه سازی محلی اغلب مساحت کوچک شهر را از دست می دهند، که باعث می شود مساحت کل منطقه ساخته شده بیش از حد تخمین زده شود. [ 14 ] و کمبود دوگانگی.

5.4. بیضی انحراف استاندارد

بر اساس بیضی انحراف استاندارد وزنی به دست آمده از داده های روشنایی شبانه در سال های 2000، 2005، 2010، 2015 و 2020 در استان گوانگدونگ، این مطالعه از ابزار آماری فضایی ArcGIS برای نشان دادن محدوده توزیع بیضی و روند فضایی و زمانی evo استفاده می کند. مرکز ثقل بیضی که در شکل 9 نشان داده شده است. جهت کلی مرکز ثقل در استان گوانگدونگ به سمت شمال غربی تغییر می کند، که با این نتیجه گیری مطابقت دارد که صنعت تولید به سمت شمال غربی تغییر می کند [ 42 ]]، صحت نتایج به دست آمده در این مطالعه را تایید می کند. در میان آنها، مرکز ثقل از (123°53′ E 7°39′ شمالی) در سال 2000 به (123°56′ E 7°25′ شمالی) در سال 2020 حرکت کرد که در آن تغییر مرکز ثقل بیضی از سال 2000 تا 2005 5.68 کیلومتر (منطقه Dongguan-Zengcheng) بود. در این دوره توسعه گوانگجو (مرکز استان) جلوتر از دونگوان بود و مرکز ثقل توسعه اقتصادی به گوانگژو منتقل شد. این عمدتاً به این دلیل است که در یک محیط توسعه بزرگ در چین، گوانگژو در انجام تحقیقات برنامه ریزی استراتژیک در مورد توسعه کلی شهری در سال 2000 رهبری را بر عهده گرفت و آن را در عمل اجرا کرد و توسعه شهری دستاوردهای بزرگی داشته است. از سال 2005 تا 2010، مرکز ثقل بیضی 5 جابجا شد. 70 کیلومتر به سمت جنوب غربی (منطقه Zengcheng-منطقه Huangpu). به عنوان صنعت ثانویه اصلی در منطقه Huangpu، صنعت صنعتی آن در حال رشد است که قدرت صنعتی گوانگژو را افزایش داده است. فاصله بین سال های 2010 تا 2015 17 کیلومتر است (منطقه Huangpu-منطقه تیانه)، زیرا منطقه Tianhe به طور رسمی به عنوان مناطق مرکزی شهری جدید در برنامه ریزی منطقه بندی شهری گوانگژو در سال 2004 تعیین شد و ایجاد منطقه اقتصادی به مرکز شهر تبدیل شد. گرانش به سمت منطقه Tianhe حرکت کرد، اما پس از سال 2010، تشکیل تدریجی منطقه تجاری مرکزی Tianhe به ناچار مرکز ثقل را به سمت شمال غربی تغییر داد. فاصله بین 2015 تا 2020 4.93 کیلومتر است و تمرکز توسعه اقتصادی منطقه مورد مطالعه همیشه در منطقه Tianhe شهر گوانگژو باقی مانده است.
از نظر دامنه توزیع بیضی، گوانگدونگ در 20 سال گذشته روند گسترش مداوم از مرکز به خارج را نشان داده است، زیرا استان گوانگدونگ به تقویت همکاری اقتصادی بین منطقه ای ادامه می دهد. شهرهای توسعه یافته اقتصادی مانند گوانگژو، شنژن و دونگوان نقش پیشرو در توسعه سریع اقتصادی شهرهای اطراف دارند.
این پدیده که اختلاف بین محورهای اصلی و محور فرعی بیضی به تدریج افزایش می یابد نشان می دهد که گسترش شهر روندی آشکار به سمت شمال غربی دارد که با روند گسترش منطقه ساخته شده مطابقت دارد.

6. نتیجه گیری

این مطالعه از مجموعه داده های سالانه سری های زمانی طولانی پس از ادغام مجموعه داده های VIIRS و DMSP از سال 2000 تا 2020 به عنوان منبع داده پایه تحقیق استفاده کرد. تغییر در مقدار کل نور شب و نرخ رشد آن، سرعت گسترش و شدت منطقه ساخته شده شهری، تغییر پویا GDP در سری زمانی، و انتقال میانگین وزنی مرکز ثقل بیضوی در گوانگدونگ UA مطالعه کرد. پس از آن، روند تکامل الگوی فضایی و زمانی شهری استان گوانگدونگ پیش‌بینی شد و ویژگی‌های توزیع توسعه اقتصادی شهری برای ارائه مرجعی برای تحلیل توسعه اقتصادی منطقه‌ای و برنامه‌ریزی شهری و ساخت‌وساز مورد بررسی قرار گرفت. نتایج اصلی مطالعه به شرح زیر است:
(1) از سال 2000 تا 2020، مقدار کل روشنایی در استان گوانگدونگ به طور پیوسته افزایش یافت. این به این دلیل است که پس از پیوستن چین به سازمان تجارت جهانی در سال 2001، گشایش همه جانبه و چند سطحی را به دنیای خارج اجرا کرد، در حالی که در استان گوانگدونگ، با موقعیت جغرافیایی برتر، صنعت همچنان به انباشته شدن ادامه می‌دهد و مقیاس روشنایی همچنان در حال افزایش است. توزیع شدت نور در هر شهر در سطح استان UA تفاوت بین منطقه حاشیه‌ای کم و ناحیه داخلی زیاد را نشان می‌دهد، اما نرخ رشد شدت نور در ناحیه لبه به وضوح بیشتر از ناحیه داخلی است. با این حال، با توجه به شنژن، گوانگژو و سایر شهرهای توسعه یافته، پایه مقیاس روشنایی نسبتا بزرگ است و بازه زمانی مطالعه بزرگ است. علاوه بر این،
(2) نقشه های توزیع تراکم تولید ناخالص داخلی برای سال های 2000، 2010 و 2020 در محدوده زمانی منطقه مورد مطالعه به دست آمد. مدل شاخص توان به‌دست‌آمده از رگرسیون‌های خطی مختلف از برازش بالایی برخوردار است و مقدار پیش‌بینی تولید ناخالص داخلی محاسبه‌شده ارتباط نزدیکی با مقدار آماری دارد. نقشه تراکم می تواند به طور دقیق توزیع اقتصادی منطقه ای در استان گوانگدونگ را منعکس کند و می تواند به طور مستقیم تفاوت های اقتصادی منطقه ای را از طریق تصویر بیان کند. اقتصاد شهرهای گوانگژو، شنژن و دونگوان از مرکز به سمت مرز گسترش می‌یابد و در نتیجه ارزش مرجع خاصی برای تجزیه و تحلیل ویژگی‌های تکامل اقتصادی استان گوانگدونگ در آینده فراهم می‌کند.
(3) از سال 2000 تا 2020، شهرنشینی کلی استان گوانگدونگ به سرعت توسعه می یابد، روندی را شکل می دهد که گوانگژو، شنژن، دونگوان و سایر شهرها را به عنوان مرکز در نظر گرفته و به شهرهای مرزی پیرامونی گسترش می دهد و جهت اصلی گسترش شمال غربی است. و شمال شرقی. اگرچه وضعیت کلی توسعه خوب است، اما پدیده توسعه نابرابر بین مناطق همچنان یک نگرانی اصلی است. سطح توسعه ژائوکینگ، یونفو، مائومینگ و سایر شهرهای پیرامونی کم است و فضای زیادی برای بهبود وجود دارد، در حالی که سرعت توسعه شهرهای توسعه یافته اقتصادی مانند شنژن و گوانگژو پس از توسعه سریع به تدریج کاهش یافته است.
(4) با توجه به بیضی انحراف استاندارد وزنی استان گوانگدونگ، موقعیت مرکز ثقل نسبتاً پایدار است و یک نوسان محلی در گوانگژو از سال 2005 تا 2020 وجود دارد که نشان دهنده تغییر کلی به سمت شمال غربی است. دامنه توزیع بیضی به تدریج افزایش یافت، رابطه بین مناطق به طور مداوم تقویت شد و تفاوت بین محورهای اصلی و فرعی بیضی افزایش یافت، که نشان می دهد استان گوانگدونگ روندی به سمت شمال غربی را نشان می دهد.
(5) به طور خلاصه، بسیاری از شهرهای توسعه نیافته در استان گوانگدونگ به خوبی همراه با استراتژی های توسعه اقتصادی محلی تحت شرایط عمومی سیستم اقتصادی بازار سوسیالیستی در سال های اخیر توسعه یافته اند. با این حال، به دلیل محدودیت های جغرافیایی و طبیعی، موانع ترافیکی و سایر عوامل، همچنان تفاوت های قابل توجهی در سطح توسعه بین مناطق مختلف وجود دارد. بر اساس نتایج تحقیق، شهرهای مرکزی داخلی استان گوانگدونگ (شنژن، گوانگژو، دونگوان، فوشان و غیره) از نظر اقتصاد، گسترش شهری و مقیاس روشنایی، از اکثر شهرهای مرزی برتری دارند. بنابراین، استان گوانگدونگ نه تنها نمی تواند مناطق غنی اقتصادی را توسعه دهد، بلکه سیاست های قوی برای ارتقای توسعه سایر مناطق را نیز اجرا می کند. شهرها در نواحی ساحلی باید همکاری خارجی را همراه با شرایط برتر جغرافیایی خود برای ارتقای سطح توسعه شهری تقویت کنند. از طریق یکپارچگی منطقه ای، استان باید به طور مداوم ساخت زیرساخت ها را تقویت کند، موانع پیوند منطقه ای را کاهش دهد و پیوندهای اقتصادی بین مناطق توسعه یافته و عقب مانده را تقویت کند. استان گوانگدونگ در طول فرآیند سریع شهرنشینی به دستاوردهای قابل توجهی در عمل توسعه پایدار دست یافته است. استان گوانگدونگ تحول خود را از رشد اقتصادی گسترده به رشد فشرده تکمیل کرده است. فناوری‌ها و مواد جدید سازگار با محیط‌زیست به طور گسترده در تولید صنعتی استفاده می‌شوند و دولت همچنان به سرمایه‌گذاری هنگفت در حفاظت از محیط زیست محیطی و در عین حال توسعه جامع ادامه می‌دهد. هنگام مشارکت در ساخت و ساز شهری، توسعه‌دهندگان شهری باید توسعه مشترک خود و شهر را هدف قرار دهند و بر همزیستی و هم‌آفرینی با شهر تأکید کنند. دولت استانی گوانگدونگ باید همکاری های اقتصادی منطقه ای را تقویت کند و هزینه های تولید و عملیات شرکت های کوچک و متوسط ​​و همچنین مشاغل فردی را به دلیل همه گیری کاهش دهد، در حالی که دولت های دیگر کشورها نیز باید فعالانه از استراتژی توسعه گوانگدونگ بیاموزند. استان.
داده‌های نور شب برای مطالعه تکامل فضایی و زمانی الگوی شهری و برنامه‌ریزی توسعه شهری آینده مورد استفاده قرار گرفت. داده ها منعکس کننده ویژگی ها و عوامل موثر بر توسعه شهری بودند. در آینده، UA استان گوانگدونگ را می توان به طور جامع برای مدت طولانی در مقیاس بزرگ با استفاده از یک مجموعه داده به موقع و پایدار با دقت بالا تجزیه و تحلیل کرد.

منابع

  1. Guan، XL; وی، هنگ کنگ؛ لو، اس اس. دای، Q. ارزیابی سو، HJ در مورد استراتژی شهرنشینی در چین: دستاوردها، چالش ها و بازتاب ها. Habitat Int. 2018 ، 71 ، 97-109. [ Google Scholar ] [ CrossRef ]
  2. برنامه ریزی، L. مدل سازی الگوی رشد شهری: مطالعه موردی شهر ووهان، روابط عمومی چین مدل سازی الگوی رشد شهری: مطالعه موردی شهر ووهان، روابط عمومی چین. Landsc. طرح شهری. 2015 ، 62 ، 199-217. [ Google Scholar ]
  3. پنگ، جی. لین، اچ. چن، ی. بلاشکه، تی. لو، ال. خو، ز. هو، ی. ژائو، ام. وو، جی. تکامل فضایی-زمانی توده‌های شهری در چین طی سال‌های 2000-2012: رویکرد نور شبانه. Landsc. Ecol. 2020 ، 35 ، 421-434. [ Google Scholar ] [ CrossRef ]
  4. نیش، سی. Yu, D. تراکم شهری: یک مفهوم در حال تکامل از یک پدیده در حال ظهور. Landsc. طرح شهری. 2017 ، 162 ، 126-136. [ Google Scholar ] [ CrossRef ]
  5. یو، م. گوا، اس. گوان، ی. کای، دی. ژانگ، سی. فرادریش، ک. لیائو، ز. ژانگ، ایکس. تیان، Z. تجزیه و تحلیل ناهمگونی فضایی-زمانی تراکم شهری دلتای رودخانه یانگ تسه: شواهدی از داده های نور شبانه (2001-2019). Remote Sens. 2021 , 13 , 1235. [ Google Scholar ] [ CrossRef ]
  6. چو، ام. لو، جی. Sun، D. تأثیر گسترش تراکم شهری بر تکه تکه شدن فضای سبز: مطالعه موردی تراکم شهری پکن-تیانجین-هبی. Land 2022 , 11 , 275. [ Google Scholar ] [ CrossRef ]
  7. وانگ، جی. نیش، سی. وانگ، Z. مزایا و پویایی توسعه تراکم شهری در دلتای رودخانه یانگ تسه. جی. جئوگر. علمی 2012 ، 22 ، 521-534. [ Google Scholar ] [ CrossRef ]
  8. ژنگ، ز. Bohong, Z. مطالعه بر روی ساختار فضایی تراکم شهری دلتای رودخانه یانگ تسه و اثرات آن بر مناطق شهری و روستایی. ج. طرح شهری. توسعه دهنده 2012 ، 138 ، 78-89. [ Google Scholar ] [ CrossRef ]
  9. Laurance، JCM; لین، سی. توسعه شهرها در چین: مطالعه موردی استان گوانگدونگ. در بررسی جمعیت و توسعه ; شورای جمعیت: نیویورک، نیویورک، ایالات متحده آمریکا، 2017; جلد 19، ص 583–606. [ Google Scholar ]
  10. هوانگ، Q. یانگ، ایکس. گائو، بی. یانگ، ی. ژائو، ی. کاربرد تصاویر نور شبانه DMSP/OLS: یک متاآنالیز و یک مرور ادبیات سیستماتیک. Remote Sens. 2014 , 6 , 6844–6866. [ Google Scholar ] [ CrossRef ]
  11. لیو، ز. او، سی. ژانگ، Q. هوانگ، Q. یانگ، ی. استخراج دینامیک گسترش شهری در چین با استفاده از داده های نور شبانه DMSP-OLS از سال 1992 تا 2008. Landsc. طرح شهری. 2012 ، 106 ، 62-72. [ Google Scholar ] [ CrossRef ]
  12. ایمهوف، ام ال. لارنس، WT; الویج، سی دی; پل، تی. لوین، ای. Privalsky، MV; Brown, V. استفاده از تصاویر شبانه DMSP/OLS از نورهای شهر برای تخمین تأثیر کاربری زمین شهری بر منابع خاک در ایالات متحده. سنسور از راه دور محیط. 1997 ، 59 ، 105-117. [ Google Scholar ] [ CrossRef ]
  13. کوچک، سی. پوزی، اف. Elvidge، CD تحلیل فضایی گستره شهری جهانی از چراغ های شب DMSP-OLS. سنسور از راه دور محیط. 2005 ، 96 ، 277-291. [ Google Scholar ] [ CrossRef ]
  14. سو، ی. چن، ایکس. وانگ، سی. ژانگ، اچ. لیائو، جی. بله، ی. وانگ، سی. روشی جدید برای استخراج مناطق شهری ساخته شده با استفاده از چراغ های پایدار شبانه DMSP-OLS: مطالعه موردی در دلتای رودخانه مروارید، جنوب چین. GIScience Remote Sens. 2015 ، 52 ، 218-238. [ Google Scholar ] [ CrossRef ]
  15. بله، ی. لی، اس. ژانگ، اچ. سو، ی. وو، کیو. وانگ، سی. دینامیک مکانی-زمانی کارایی اقتصادی زمین های ساخت و ساز در دلتای رودخانه مروارید بزرگ از سال 1998 تا 2012. پایداری 2017 ، 10 ، 63. [ Google Scholar ] [ CrossRef ]
  16. لی، ایکس. خو، اچ. چن، ایکس. لی، سی. پتانسیل تصویربرداری نور شبانه NPP-VIIRS برای مدل‌سازی اقتصاد منطقه‌ای چین. Remote Sens. 2013 , 5 , 3057–3081. [ Google Scholar ] [ CrossRef ]
  17. کائو، سی. شیونگ، جی. بلونسکی، اس. لیو، کیو. آپریتی، اس. شائو، ایکس. بای، ی. Weng، F. Suomi NPP VIIRS تأیید رکورد داده های حسگر، اعتبارسنجی و نظارت بر عملکرد بلند مدت. جی. ژئوفیس. Res. اتمس. 2013 ، 118 ، 664-678. [ Google Scholar ] [ CrossRef ]
  18. ژنگ، کیو. دنگ، ج. جیانگ، آر. وانگ، ک. Xue، X. لین، ی. هوانگ، ز. شن، ز. لی، جی. شاهتهماسبی، AR پایش و ارزیابی “شهرهای ارواح” در شمال شرقی چین از دیدگاه داده های سنجش از دور نور شبانه. Habitat Int. 2017 ، 70 ، 34-42. [ Google Scholar ] [ CrossRef ]
  19. شی، ک. هوانگ، سی. یو، بی. یین، بی. هوانگ، ی. Wu, J. ارزیابی داده های ترکیبی نور شبانه NPP-VIIRS برای استخراج مناطق شهری ساخته شده. سنسور از راه دور Lett. 2014 ، 5 ، 358-366. [ Google Scholar ] [ CrossRef ]
  20. ژائو، ام. چنگ، دبلیو. ژو، سی. لی، ام. وانگ، ن. لیو، کیو. فضایی سازی تولید ناخالص داخلی و تفاوت های اقتصادی در جنوب چین بر اساس تصاویر نور شبانه NPP-VIIRS. Remote Sens. 2017 , 9 , 673. [ Google Scholar ] [ CrossRef ]
  21. ژانگ، پی. لیو، اس. Du, J. یک روش خوشه‌بندی فضایی-زمانی مبتنی بر نقشه برای تحلیل الگوی تغییرات تولید ناخالص داخلی با استفاده از تصاویر نور شبانه از تجمع شهری ووهان. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 160. [ Google Scholar ] [ CrossRef ]
  22. ما، تی. یین، ز. لی، بی. ژو، سی. Haynie، S. تخمین کمی سرعت شهرنشینی در چین با استفاده از داده های درخشندگی شبانه. Remote Sens. 2016 , 8 , 94. [ Google Scholar ] [ CrossRef ]
  23. یو، ز. زنگ، دبلیو. چنگ، X. تحقیق در مورد گسترش شهری و همبستگی فضایی بر اساس داده های VIIRS/DNB: مطالعه موردی استان شاندونگ. IOP Conf. سر. محیط زمین. علمی 2021 , 714 , 022057. [ Google Scholar ] [ CrossRef ]
  24. هندرسون، وی. فرآیند شهرنشینی و رشد اقتصادی: سؤال پس چه. جی. اکون. رشد 2003 ، 8 ، 47-71. [ Google Scholar ] [ CrossRef ]
  25. جیانگ، ز. ژای، دبلیو. منگ، ایکس. Long، Y. شناسایی شهرهای کوچک شده با داده های NPP-VIIRS Nightlight در چین. ج. طرح شهری. توسعه دهنده 2020 , 146 , 04020034. [ Google Scholar ] [ CrossRef ]
  26. پان، X.-Z. ژائو، Q.-G. اندازه‌گیری فرآیند شهرنشینی و از دست دادن خاک برنج در شهر Yixing، چین بین سال‌های 1949 و 2000. CATENA 2007 ، 69 ، 65-73. [ Google Scholar ] [ CrossRef ]
  27. یانگ، ز. چن، ی. گوا، جی. ژنگ، ز. Wu, Z. استفاده از داده های نور شبانه برای شناسایی ساختار شهرهای چند مرکزی و ارزیابی مراکز شهری. علمی کل محیط. 2021 ، 780 ، 146586. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  28. یی، ک. تانی، اچ. لی، کیو. ژانگ، جی. گو، ام. بائو، ی. وانگ، ایکس. لی، جی. نقشه برداری و ارزیابی فرآیند شهرنشینی در شمال شرقی چین با استفاده از داده های نور شبانه DMSP/OLS. Sensors 2014 , 14 , 3207-3226. [ Google Scholar ] [ CrossRef ]
  29. زنگ، سی. آهنگ، ی. کای، دی. هو، پی. کوی، اچ. یانگ، جی. ژانگ، اچ. کاوش در اثر سرریز فضایی شبکه زیرساخت بر شهرنشینی: مطالعه موردی در تراکم شهری ووهان. حفظ کنید. جامعه شهرها 2019 ، 47 ، 101476. [ Google Scholar ] [ CrossRef ]
  30. لیو، جی. ژانگ، Q. Hu, Y. تفاوت های منطقه ای گسترش شهری چین از اواخر قرن بیستم تا اوایل قرن بیست و یکم بر اساس اطلاعات سنجش از دور. چانه. Geogr. علمی 2012 ، 22 ، 1-14. [ Google Scholar ] [ CrossRef ]
  31. Xin، X. لیو، بی. دی، ک. زو، ز. ژائو، ز. لیو، جی. یو، ز. ژانگ، جی. نظارت بر گسترش شهری با استفاده از سری های زمانی داده های نور شبانه: مطالعه موردی در ووهان، چین. بین المللی J. Remote Sens. 2017 , 38 , 6110–6128. [ Google Scholar ] [ CrossRef ]
  32. کاباندا، تی. استفاده از داده‌های پوشش زمین، جمعیت و نور شب برای ارزیابی گسترش شهری در کیمبرلی، آفریقای جنوبی. اس افر. Geogr. J. 2022 ، 1-14. [ Google Scholar ] [ CrossRef ]
  33. جیانگ، ی. سان، اس. ژنگ، اس. کاوش در گسترش شهری و سرزندگی اجتماعی-اقتصادی با استفاده از داده های NPP-VIIRS در Xia-Zhang-Quan، چین. پایداری 2019 ، 11 ، 1739. [ Google Scholar ] [ CrossRef ]
  34. Pan، J. ترسیم منطقه و دینامیک مکانی-زمانی جزیره گرمایی شهری در شهر لانژو، چین با استفاده از تصاویر سنجش از دور. J. شرکت هندی Remote Sens. 2016 ، 44 ، 111-127. [ Google Scholar ] [ CrossRef ]
  35. لیانگ، اچ. گوا، ز. وو، جی. چن، Z. فضایی سازی تولید ناخالص داخلی در شهر نینگبو بر اساس نور شبانه NPP/VIIRS و داده های کمکی با استفاده از رگرسیون تصادفی جنگل. Adv. Space Res. 2020 ، 65 ، 481-493. [ Google Scholar ] [ CrossRef ]
  36. شی، ک. یو، بی. هوانگ، ی. هو، ی. یین، بی. چن، ز. چن، ال. وو، جی. ارزیابی توانایی داده‌های نور شبانه npp-viirs برای تخمین تولید ناخالص داخلی و مصرف برق چین در مقیاس‌های چندگانه: مقایسه با داده‌های DMSP-OLS. Remote Sens. 2014 ، 6 ، 1705-1724. [ Google Scholar ] [ CrossRef ]
  37. ما، جی. گوا، جی. احمد، س. لی، ز. Hong, J. ساخت یک روش جدید بین کالیبراسیون برای DMSP-OLS و NPP-VIIRS Nighttime Light. Remote Sens. 2020 , 12 , 937. [ Google Scholar ] [ CrossRef ]
  38. حسانگ، د. رنجی، لی. جیانمینگ، LI; مطالعه Shuai، LI بر روی الگوی گسترش فضایی و زمانی شهری سه تجمع شهری درجه یک در چین که از داده‌های نور شبانه DMSP-OLS و NPP-VIIRS یکپارچه مشتق شده‌اند. J. Geo-Inf. علمی 2020 ، 22 ، 5001161. [ Google Scholar ]
  39. ژائو، ام.-م. لی، آر. تجزیه و تحلیل جداسازی و تجزیه انتشار کربن از بازده اقتصادی در استان گوانگ دونگ چین: دیدگاه بخش. محیط انرژی 2018 ، 29 ، 543-555. [ Google Scholar ] [ CrossRef ]
  40. شی، ال. ورم، م. هوانگ، ایکس. ژونگ، تی. لیچتل، تی. Taubenböck، H. شهرنشینی که در تاریکی پنهان می شود – تشخیص “محله های ارواح” چین از فضا. Landsc. طرح شهری. 2020 ، 200 ، 103822. [ Google Scholar ] [ CrossRef ]
  41. Lefever، DW اندازه گیری غلظت جغرافیایی با استفاده از بیضی انحراف استاندارد. صبح. جی. سوسیول. 1926 ، 32 ، 88-94. [ Google Scholar ] [ CrossRef ]
  42. وانگ، اف. تجزیه و تحلیل تکامل فضایی مرکز گرانش صنعتی تولید استان گوانگدونگ. صبح. اتوبوس J. Ind. مدیریت 2018 ، 08 ، 721–734. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00512 g001 550
شکل 1. مکان های تجمع شهری.
Ijgi 11 00512 g002 550
شکل 2. تصاویر درخشان از منطقه مورد مطالعه.
Ijgi 11 00512 g003 550
شکل 3. کل چراغ های شب از 2000 تا 2020.
Ijgi 11 00512 g004 550
شکل 4. نرخ رشد درخشان شهرهای سطح استان.
Ijgi 11 00512 g005 550
شکل 5. ( الف – ج ) رگرسیون تولید ناخالص داخلی (100 میلیون یوان) با TNL (10 3 ) و ( د – ج ) رگرسیون تولید ناخالص داخلی (100 میلیون یوان یوان) با I.
Ijgi 11 00512 g006 550
شکل 6. ( الف – ج ) همبستگی بین شبیه سازی شده و آماری (GDP/100 میلیون یوان).
Ijgi 11 00512 g007 550
شکل 7. توزیع فضایی تراکم تولید ناخالص داخلی در سال های 2000، 2010 و 2020.
Ijgi 11 00512 g008 550
شکل 8. منطقه استخراج مناطق ساخته شده در استان گوانگدونگ.
Ijgi 11 00512 g009 550
شکل 9. بیضی میانگین وزنی و تغییر مرکز ثقل.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید