The Circle Differentiation of the Three-dimensional Architectural Forms in the Main Urban Area of Guangzhou and Its Influencing Factors
-
摘要: 利用广州市主城区1960、1990、2017年的单点建筑物数据，结合地价与人口密度，通过同心圆概括方式，分析主城区建筑立体形态主要指标的圈层分异及其影响因素. 研究结果表明，广州市主城区的建筑立体形态近似圈层分异, 其形成与演变依赖于依山傍水的平原型城市的地理格局、城市规划以及市场力量三方面的共同作用：(1)1960年以来，尽管广州市主城区的范围大小不同，中央商务区(CBD)中心向东持续迁移，但建筑高度、建筑密度、建筑高度离散度三指标均由主城区中心向四周降低，但斜向建筑比例增多，圈层分异明显；同时，三指标整体增加，幅度逐渐增强，中心区增幅高于外围. (2)立体形态的演替速度具有以荔湾、越秀老城区为核心向外圈层增加的特点；以地价指数、人口密度、建筑高度和建筑密度4个指标，主城区在1 000 m格网尺度上可聚集成围绕老城区向外逐步过渡的圈层结构. (3)综合地价指数与人口密度的圈层格局，决定了立体形态的圈层分异；由主城区中心向北，海拔高度的提高引起了建筑平面形态上斜向建筑比例的增加.Abstract: The circle differentiation of the main indicators of the three-dimensional shape of buildings in the main urban area and its influencing factors through concentric circles are analyzed on the basis of the single point buil-ding data of the main urban area of Guangzhou in 1960, 1990 and 2017 combined with land price and population density. The results show that the three-dimensional architectural form of the main urban area of Guangzhou is similar to a circle and the formation and evolution of the differentiation pattern depend on the joint action of the geographical pattern, urban planning and market forces of the plain-type city near mountains and waters. First, since 1960 the CBD center of the main urban area of Guangzhou has been moving eastward, but the building height, building density and building height dispersion index all decrease from the center of the main urban area to the su-rrounding area. The proportion of oblique buildings has increased outwards, and the circle differentiation is obvious. At the same time, the three indexes increase as a whole, and the increase rate of the core area was higher than that of the surrounding area. Second, the succession rate of the three-dimensional form increases from the core of Liwan and Yuexiu to the outer circle; based on the four indexes of land price, population density, building height and building density, the main urban area can be aggregated into the circle type which gradually changes from the old urban area to the outside on the grid scale of 1 000 m. Third, combined with land price index and population density, the circle pattern determines the three-dimensional shape of the circle differentiation; from the center of the main urban area to the north, the increase of the elevation leads to the increase of the proportion of oblique pattern in the architectural plane form.
-
Keywords:
- building index /
- building height /
- building density /
- circle differentiation /
- influencing factor /
- Guangzhou
-
癌症已成为危害人类健康的最大因素之一[1]，口腔癌是最常见的癌症之一，吸烟和饮酒被认为是其最主要的致病因素[2]，1990—2017年世界口腔癌发病率和病死率增长了一倍[3]. 目前, 口腔癌主要的治疗手段是通过手术治疗，而且早期的口腔癌不容易诊断，降低了患者的生存率，且预后较差，晚期口腔癌患者的5年生存率仍然低于63%[4]. 近年来，大量研究表明，基因的异常表达是导致口腔癌发生与发展的重要因素，因此，从分子水平对口腔癌组织进行研究，探索口腔癌的发病机制和可能的治疗靶点具有重要意义.
微小核糖核酸(MicroRNAs, miRNAs)是由内源性发夹结构转录产物衍生而来的一种具有22个左右核苷的单链RNA[5]，是基因表达的重要调节因子. miRNAs通过靶向mRNAs的翻译抑制或切割来抑制基因表达[6]. 据估计，30%的人类基因可能受到miRNAs的调控[7]. 越来越多的miRNAs与人类疾病的研究表明，miRNAs与人类疾病尤其是癌症的发生密切相关[8].
目前，生物信息学及基因芯片技术已广泛应用于基因变化所致肿瘤的研究中. 借助现有的miRNAs基因芯片数据，挖掘与口腔癌相关的miRNAs可以探索口腔癌的发生机制，并对口腔癌的早期诊断及治疗提供数据及基础. 本研究利用生物信息学方法对GEO数据库中的口腔癌miRNAs表达数据进行分析，筛选差异表达的miRNAs，并通过基因富集分析分析差异表达的miRNAs的功能，为口腔癌的靶向治疗提供一定的理论依据.
1. 材料与方法
1.1 数据来源
口腔癌miRNAs芯片表达数据集(GSE124566和GSE113956)从GEO数据库[9](https://www.ncbi.nlm.nih.gov/geo)下载，GSE124566含有10个口腔癌组织样本和10个正常组织样本，GSE113956含有25个口腔癌组织样本和15个正常组织样本. 平台分别为GPL18402和GPL18058，芯片研究类型为Non-coding RNA profiling by array，种属为homo sapiens，都是标准的口腔组织，具有代表性与典型性.
1.2 数据处理与筛选
利用GEO2R在线分析工具(http://www.ncbi.nlm.nih.gov/geo/geo2r/)分析口腔癌与正常组织之间的差异表达miRNAs. 针对差异表达miRNAs采用阈值标准来计算基因表达的Fold Change和校正P值, P≤0.05, |log2 FC|≥1作为有统计学意义为标准，每个数据集的所有差异用miRNAs火山图表示.
为了使结果更加规范、准确，需要使用Venn Diagram在线工具(http://bioinformatics.psb.uget.be/webtools/Venn)进行筛选上述2个数据集共同的差异表达miRNAs.
1.3 差异miRNAs功能富集分析
基因本体论分析[10](Gene Ontology，GO)是对基因和蛋白功能进行分类和描述的分析，包括细胞学组分(Cellular Components, CC)、生物学过程(Biological Process, BP)、分子生物学功能(Molecular Function, MF). 京都基因和基因组百科全书[11](KEGG)用于注释参与其中的基因列表和信号通路网络.
FunRich(http://funrich.org/)是一个独立的软件工具，主要用于基因和蛋白质的功能和相互作用网络分析[12]，可用于绘制韦恩图，其最大的优点是可以进行基因ID转换、基因富集和miRNAs的富集分析并可直接进行可视化等. 本研究利用FunRich3.1.3对GO和KEGG通路进行富集分析来确定差异表达miRNAs的功能.
1.4 差异表达miRNAs靶基因预测
为了探索上述筛选出来的差异表达miRNAs作用的靶标基因，方便后期对靶标基因进行研究. 本研究使用miRWalk3.0(http://mirwalk.umm.uni-heidelberg.de/)对差异表达的miRNAs进行靶标基因的预测.
1.5 蛋白相互作用分析
利用FunRich寻找靶基因的蛋白相互作用关系，筛选连接度前10位的基因作为网络核心基因.
2. 结果
2.1 差异表达miRNAs筛选
本研究从GEO(Gene Expression Omnibus)数据库下载了2个不同的口腔癌miRNAs芯片表达数据集(GSE124566和GSE113956)，GSE124566含有10个口腔癌组织样本和10个正常组织样本，GSE113956含有25个口腔癌组织样本和15个正常组织样本. 用GEO2R在线分析工具，调整后P≤0.05, |log2 FC|≥1作为截断值的标准，以分析口腔癌和正常组织之间的差异表达miRNAs.
在GSE124566和GSE1139566中分别筛选了总共109、1 079个差异表达miRNAs，分别包括41、673个上调基因和68、406个下调基因，图 1为这2个数据集的火山图，横坐标表示log2 FC(癌症样本比正常样本)，纵坐标表示-log10 P. 其中黄色的点表示不显著的差异表达miRNAs，红色的点表示上调的差异表达miRNAs，蓝色的点表示下调的差异表达miRNAs.
![]()
图 1 口腔癌miRNAs数据集表达水平火山图Figure 1. The volcano map of miRNA expression level in the oral cancer data set2.2 共同差异表达miRNAs
为了得到更有可信度的差异表达miRNAs，分别对2个数据集上调和下调的miRNAs分别绘制韦恩图取交集(图 2)，结果得出16个上调的共表达差异miRNAs(表 1)和14个下调的共表达差异miRNAs(表 2).
表 1 16个差异表达上调的miRNAs的P及log2 FCTable 1. The P value and log2 FC of 16 miRNAs with up-regulated differential expressionmiRNA P log2 FC hsa-miR-513b 6.330×10-9 2.750 163 hsa-miR-744-5p 2.233×10-8 2.284 359 hsa-miR-375 7.553×10-16 4.135 624 hsa-miR-1471 1.173×10-3 1.197 684 hsa-miR-598 1.253×10-4 1.090 587 hsa-miR-4324 1.623×10-5 1.356 905 hsa-miR-378a-5p 3.103×10-8 3.065 295 hsa-miR-29c-5p 8.863×10-12 3.915 925 hsa-miR-1224-5p 2.123×10-4 1.316 750 hsa-miR-3911 1.783×10-21 2.475 252 hsa-miR-4647 4.793×10-10 2.891 719 hsa-miR-3188 1.823×10-18 4.603 102 hsa-miR-24-1-5p 4.683×10-3 1.151 63 hsa-miR-204-5p 1.333×10-3 1.574 574 hsa-miR-338-3p 1.023×10-6 2.736 121 hsa-miR-513c-5p 2.153×10-17 2.510 716 表 2 14个差异表达下调的miRNAs的P及log2 FCTable 2. The P value and log2 FC of 14 miRNAs with down regulated differential expressionmiRNAs P log2 FC hsa-miR-4778-5p 2.593×10-14 -2.410 98 hsa-miR-31-5p 1.933×10-2 -1.342 41 hsa-miR-299-3p 1.743×10-6 -2.222 96 hsa-miR-4419a 1.453×10-11 -3.270 17 hsa-miR-223-3p 1.583×10-6 -1.155 63 hsa-miR-142-5p 1.293×10-4 -2.564 01 hsa-miR-23a-5p 1.753×10-12 -1.997 68 hsa-miR-374c-5p 7.603×10-4 -1.400 69 hsa-miR-454-3p 2.263×10-4 -1.954 80 hsa-miR-625-5p 6.983×10-20 -3.165 28 hsa-miR-765 1.823×10-3 -1.113 14 hsa-miR-21-5p 1.523×10-4 -1.207 61 hsa-miR-142-3p 9.313×10-4 -2.640 01 hsa-let-7i-5p 6.863×10-8 -1.426 81 LU等[13]将6种口腔癌细胞系与正常角质形成细胞作比较，发现在口腔癌细胞系中miR-31表达下调，这与本研究结果一致.
2.3 共同表达差异基因功能分析
为了进一步明确30个共同差异表达miRNAs的生物学功能，利用软件FunRich对差异表达miRNAs进行了GO与KEGG生物途径富集分析.
2.3.1 GO分析
GO分析结果显示：16个上调的miRNAs的细胞组分主要在细胞核(Nucleus)、细胞质(Cytoplasm)、细胞质膜(Plasma membrane)、溶酶体(Lysosome)和核仁(Nucleolus)(图 3A)；分子功能主要集中在转录因子活性(Transcription factor activity)、转录调节活性(Transcription regulator activity)、RNA结合(RNA binding)、丝氨酸/苏氨酸激酶活性(Protein serine/thereonine kinase activity) 和受体信号蛋白丝氨酸/苏氨酸蛋白激酶活性(Receptor signacling protein serine/threonine kinase activity)(图 3B)；生物学过程主要富集在在转运(Transport)，信号转导(Signal transduction)，碱基、核苷、核苷酸和核酸代谢的调节(Regulation of nucleobase, nucleoside, nucleotide and nuclelc acid metabolism)，基因表达和表观遗传的调控(Regulation of gene expression，epigenetics)，囊泡介导的转运(Vesicle-mediated transport)(图 3C).
![]()
图 3 共同差异表达上调miRNAs GO分析Figure 3. The GO analysis of up-regulated miRNAs in common differential expression14个下调的miRNAs的细胞组分主要富集细胞核(Nucleus)、细胞质(Cytoplasm)、细胞质膜(Plasma membrane)和溶酶体(Lysosome)和高尔基体(Golgl aparatus)(图 4A)；分子功能主要集中转录因子活性(Transcription factor activity)、转录调节活性(Transcription regulator activity)、RNA结合(RNA binding)、泛素蛋白特异性蛋白酶活性(Ubiquitin-specific protease activity)和转运蛋白活性(Transporter activity)(图 4B)；生物学过程主要富集在转运(Transport)，信号转导(Signal transduction)，碱基、核苷、核苷酸和核酸代谢的调节(Regulation of nucleobase, nucleoside, nucleotide and nucleic acid metabolism)，基因表达和表观遗传的调控(Regulation of gene expression, epigenetics)和细胞间通讯(Cell communication)(图 4C).
![]()
图 4 共同差异表达下调miRNAs的GO分析Figure 4. The GO analysis of down-regulated miRNAs in common differential expression2.3.2 KEGG分析
KEGG/生物途径分析显示：上调的miRNAs主要参与蛋白多糖多配体多糖介导的信号(Proteoglycan syndecan-mediated signaling events)、ErbB受体信号网络(ErbB receptor signaling network) 和磷脂酰肌醇蛋白聚糖通路(Glypican pathway)、质膜雌激素受体信号转导(Plasma membrane estrogen receptor signaling)和LKB1信号(LKB1 signaling events)(图 5A). 另外，下调的miRNAs主要参与蛋白多糖多配体多糖介导的信号(Proteoglycan syndecan-mediated signaling events)、ErbB受体信号网络(ErbB receptorsignaling network)和磷脂酰肌醇蛋白聚糖相关通路(Glypican pathway)、β整合素细胞表面相互作用(β integrin cell surface interactions)，和整合素家族细胞表面相互作用(Integrin family cell surface interactions)(图 5B).有研究表明miR-23、miR-142-3p以及miR-223参与了口腔癌变的磷脂酰肌醇激酶参与的相关通路[14]，与本研究结果一致.
![]()
图 5 共同差异表达miRNAs的KEGG分析Figure 5. The KEGG analysis of common differentially expressed miRNAs2.4 差异表达miRNAs靶基因预测
经过前面的筛选，获得了30个共同差异表达的miRNAs，打开靶标基因预测工具miRWalk3.0，点击Target Ming里的miRNAs，导入30个差异表达的miRNAs进行靶基因预测，最后得到SMG7、NFIA、RIMS1、POTEA 等13 796个靶基因.
2.5 基因蛋白相互作用分析
利用FunRich对靶基因进行相互作用分析，获得了蛋白相互作用网络，经筛选并在蛋白相互作用网络中寻找连接数前10位的作为核心基因. 经过筛选发现，编码生长因子受体结合蛋白2基因(GRB2)、编码表皮生长因子受体基因(EGFR)、编码酪氨酸3单加氧酶基因(YWHAG)、编码调控细胞分裂增殖的Tp53蛋白基因(TP53)、酪氨酸激酶基因(ABL1) 、肿瘤坏死因子受体相关因子(TRAF6)、编码核蛋白的癌基因(MYC)、转化生长因子TGF-β信号转导相关基因(SMAD2)、B细胞k轻肽基因增强子抑制因子(IKBKE)和编码非受体酪氨酸激酶基因(SRC)是靶基因相关蛋白相互作用网络中的核心基因.
3. 讨论
目前，对口腔癌的治疗来说，大多数还是放疗、化疗和手术切除病变位置，这些方法的治疗效果不理想，预后较差，导致口腔癌患者的生存率不高，对于口腔癌在分子层面的发病机制和预后机制的研究也相对较少. 所以，研究发现有关口腔癌在分子层面的发病机制有利于对口腔癌有更清楚的认识，以及更有利于研发癌症靶向治疗的药物.
根据上文可以发现：(1)在分子功能方面，差异表达的miRNAs最显著集中于转录调节活性和转录因子活性. 可见，差异表达的miRNAs对某种口腔癌基因的表达有显著或轻微的抑制作用，是普遍转录因子还是特异性转录因子发挥作用尚不明确. (2)在细胞组分方面，差异表达下调的miRNAs与差异表达上调的miRNAs不同的是下调的miRNAs富集于高尔基体，其作用主要是将蛋白质加工和运输后送到细胞特定的部位或者细胞外，差异表达下调的miRNAs这一独特的作用也在分子功能富集上得到了验证，差异表达下调的miRNAs区别于上调的miRNAs不同的是下调的miRNAs主要富集在蛋白转运. 根据这一特点可知，下调的miRNAs对某些蛋白的转运起作用，后期如果能找到生物标志物，那么下调miRNAs很有可能成为新的治疗靶点. (3)在生物学过程方面，上调和下调miRNAs主要差别在于转运和细胞间通讯过程，可推测它们分别参与物质传递和信息交流相关过程. (4)在差异表达miRNAs参与的生物通路方面，不同之处在于上调的miRNAs主要参与质膜雌激素受体信号转导和LKB1信号通路，下调的miRNAs主要参与整合素家族细胞表面相互作用相关通路，这些都可能对研究口腔癌患者发生恶性肿瘤的机制和预后机制提供一些线索.
本研究也存在一定的局限性，差异表达的miRNAs以及涉及到的生物信号通路，尚未进行分子水平的验证，这将是下一步的研究目标.
4. 结论
本研究对口腔癌与正常组织间的差异表达miRNAs进行分析，并对差异miRNAs进行GO功能注释、KEGG信号通路分析，使我们能够识别出一些miRNA，通过分析预测并通过PPI互作分析筛选出了联系最紧密的靶基因. 这些数据会为口腔癌检测提供一些有用的信息和方向.
-
![]()
图 1 建筑高度、建筑密度和建筑高度离散度的圈层分异
Figure 1. Differential circles of building height, building density and building height dispersion
![]()
图 2 3期建筑物圆度频率的变化
Figure 2. The change in the frequency of the roundness of buildings in the three years
![]()
图 4 2017年地价与人口密度的圈层分异
Figure 4. The differential layers of land price and population density in 2017
![]()
图 5 建筑属性与地价指数、人口密度间的关系
Figure 5. The relationship between building property, land price and population density
![]()
图 6 立体形态演变速度的圈层
Figure 6. The circle of the evolution speed of the three-dimensional form
![]()
图 8 不同海拔高度段的斜向建筑占比
Figure 8. The proportion of oblique buildings at different elevations
![]()
图 9 不同缓冲带内的斜向建筑占比
Figure 9. The proportion of oblique buildings in different buffer zones
表 1 不同组合下的全局参与指数
Table 1 The global participation index
% 走向组合 1960年 1990年 2017年 东西+西南/东北 1.13 2.89 1.64 东西+南北 70.05 62.12 66.68 东西+西北/东南 0.76 1.95 1.10 南北+西南/东北 6.59 6.88 21.41 西南/东北+西北/东南 14.60 9.47 13.35 南北+西北/东南 3.14 3.56 0.82 
下载: 导出CSV
表 2 1960、1990、2017年500 m格网建筑指标间的相关性
Table 2 The correlation between building indicators on the 500 m grid in 1960, 1990 and 2017
建筑指标建筑高度 最高高度 建筑高度离散度 算数高度 1960 1990 2017 1960 1990 2017 1960 1990 2017 1960 1990 2017 建筑密度 0.23** 0.30** -0.03 0.51** 0.45** 0.28** 0.36** 0.27** 0.11** 0.40** 0.36** -0.08** 建筑高度 0.69** 0.75** 0.60** 0.85** 0.89** 0.62** 0.92** 0.80** 0.87** 最高高度 0.85** 0.77** 0.84** 0.71** 0.58** 0.33** 建筑高度离散度 0.84** 0.82** 0.32** 注：**表示在0.01水平(双侧)上显著相关，*表示在0.05水平(双侧)上显著相关.
下载: 导出CSV
-
[1] SHIOD N. 3D urban models: recent developments in the digital modelling of urban environments in three-dimensions[J]. GeoJournal, 2000, 52(3): 263-269. doi: 10.1023/A:1014276309416
[2] ISODA Y, TSUKAMOTO A, KOSAKA Y, et al. Reconstruction of Kyoto of the Edo era based on arts and histori-cal documents: 3D urban model based on historical GIS data[J]. International Journal of Humanities and Arts Computing, 2009, 3(1/2): 21-38. http://www.zhangqiaokeyan.com/academic-journal-foreign_other_thesis/020411332249.html
[3] KOSHAK N A, GROSS M D. 3D modelling of historic Makkah[C]//Proceedings of the 3rd Conference on Computer Aided Architectural Design Research in Asia. Osaka, Japan: Osaka University, 1998: 103-112.
[4] 田峰, 李虎. 联合星载光学与SAR图像的城市大面积建筑物高度快速提取[J]. 测绘学报, 2017, 46(7): 891-899. https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201707013.htm TIAN F, LI H. Fusion of spaceborne optical and SAR images for building height quick extraction in big urban areas[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(7): 891-899. https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201707013.htm
[5] LIU M, YUAN M H, CHUN L L. Landscape metrics for three-dimensional urban building pattern recognition[J]. Applied Geography, 2017, 87: 66-72. doi: 10.1016/j.apgeog.2017.07.011
[6] YONEZAWA G. 3D topographical analysis of Hanoi, Vietnam[J]. Japanese Journal of Southeast Asian Studies, 2009, 46(4): 519-531. http://www.ingentaconnect.com/content/ssam/00074861/2009/00000083/00000004/art00022
[7] 乌敦, 阿拉腾图娅, 木希叶乐. 基于GIS的呼和浩特市近百年街道时空演变及其特征分析[J]. 地理科学, 2019, 39(6): 987-996. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX201906014.htm WU D, ALA T T Y, MU X Y L. GIS-based spatial-temporal evolution and characteristics analysis of streets in Hohhot in the past century[J]. Scientia Geographica Sinica, 2019, 39(6): 987-996. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX201906014.htm
[8] REN C, YANG R, CHENG C, et al. Creating breathing cities by adopting urban ventilation assessment and wind corridor plan: the implementation in Chinese cities[J]. Journal of Wind Engineering and Industrial Aerodyna-mics, 2018, 182: 170-188. doi: 10.1016/j.jweia.2018.09.023
[9] PETER D, NORBERT P. A comprehensive automated 3D approach for building extraction, reconstruction, and regularization from airborne laser scanning point clouds[J]. Sensors, 2008, 8(11): 7323-7343. doi: 10.3390/s8117323
[10] PENG F, WONG M S, WAN Y, et al. Modeling of urban wind ventilation using high resolution airborne LiDAR data[J]. Computers, Environment and Urban Systems, 2017, 64: 81-90. doi: 10.1016/j.compenvurbsys.2017.01.003
[11] WANG T, ZHANG G, LI D, et al. State key laboratory of information engineering in surveying, mapping and remote sensing, Wuhan University, Wuhan, China[J]. IEEE Geoence and Remote Sensing Letters, 2014, 11(6): 1168-1171. doi: 10.1109/LGRS.2013.2288918
[12] 冯章献, 王士君, 金珊合, 等. 长春市城市形态及风环境对地表温度的影响[J]. 地理学报, 2019, 74(5): 902-911. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201905006.htm FENG Z H, WANG S J, JIN S H, et al. Influence of urban form and wind environment on surface temperature in Changchun City[J]. Acta Geographica Sinica, 2019, 74(5): 902-911. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201905006.htm
[13] 卜心国, 王仰麟, 吴健生. 深圳快速城市化中地形对景观垂直格局的影响[J]. 地理学报, 2008, 63(1): 75-82. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200801010.htm BU X G, WANG Y L, WU J S. The influence of terrain on vertical landscape pattern in Shenzhen's rapid urbanization[J]. Acta Geographica Sinica, 2008, 63(1): 75-82. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200801010.htm
[14] 臧传富, 卢欣晴. 城市绿地生态系统蒸散的研究进展[J]. 华南师范大学学报(自然科学版), 2020, 52(3): 1-9. doi: 10.6054/j.jscnun.2020036 ZANG C F, LU X Q. Research progress on evapotranspiration of urban green space ecosystems[J]. Journal of South China Normal University(Natural Science Edition), 2020, 52(3): 1-9. doi: 10.6054/j.jscnun.2020036
[15] 陈探, 刘淼, 胡远满, 等. 沈阳城市三维景观空间格局分异特征[J]. 生态学杂志, 2015, 34(9): 2621-2627. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201509032.htm CHEN T, LIU M, HU Y M, et al. Differentiation characteristics of spatial pattern of 3D landscape in Shenyang City[J]. Journal of Ecology, 2015, 34(9): 2621-2627. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201509032.htm
[16] 葛珊珊. 基于Urban DEM的城市三维形态研究——以南京老城区为例[D]. 南京: 南京师范大学, 2009. GE S S. Three-dimensional urban morphology research based on Urban DEM: take the old urban area of Nanjing as an example[D]. Nanjing: Nanjing Normal University, 2009.
[17] 史北祥, 杨俊宴. 基于GIS平台的大尺度空间形态分析方法——以特大城市中心区高度、密度和强度为例[J]. 国际城市规划, 2019, 34(2): 111-117. https://www.cnki.com.cn/Article/CJFDTOTAL-GWCG201902016.htm SHI B X, YANG J Y. Large-scale spatial morphological analysis method based on GIS platform: take the height, density and intensity of megacity central area as an example[J]. Urban Planning International, 2019, 34(2): 111-117. https://www.cnki.com.cn/Article/CJFDTOTAL-GWCG201902016.htm
[18] GRAWE D, THOMPSON H L, SALMOND J A, et al. Modelling the impact of urbanization on regional climate in the Greater London area[J]. International Journal of Climatology, 2013, 33(10): 2388-2401. doi: 10.1002/joc.3589
[19] ASHIE Y, KONO T. Urban-scale CFD analysis in support of a climate-sensitive design for the Tokyo Bay area[J]. International Journal of Climatology, 2011, 31(2): 174-188. doi: 10.1002/joc.2226
[20] BARR J. Skyscraper height[J]. Journal of Real Estate Finance & Economics, 2012, 45(3): 723-753. doi: 10.1007/s11146-010-9274-z
[21] SHI L, SHAO G, CUI S, et al. Urban three-dimensional expansion and its driving forces: a case study of Shanghai, China[J]. Chinese Geographical Science, 2009, 19(4): 291-298. doi: 10.1007/s11769-009-0291-x
[22] RATTI C, DI SABATINO S, BRITTER R, et al. Analysis of 3D urban databases with respect to pollution dispersion for a number of European and American cities[J]. Water, Air and Soil Pollution: Focus, 2002, 2(5/6): 459-469. doi: 10.1023/A:1021380611553
[23] 乔伟峰, 刘彦随, 王亚华, 等. 2000年以来南京城市三维空间扩展特征[J]. 地理研究, 2015, 34(4): 666-676. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201504007.htm QIAO W F, LIU Y S, WANG Y H, et al. The three-dimensional spatial expansion characteristics of Nanjing ci-ties since 2000[J]. Geographical Research, 2015, 34(4): 666-676. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201504007.htm
[24] 张培峰, 胡远满. 不同空间尺度三维建筑景观变化[J]. 生态学杂志, 2013, 32(5): 1319-1325. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201305035.htm ZHANG P F, HU Y M. Three-dimensional architectural landscape changes at different spatial scales[J]. Journal of Ecology, 2013, 32(5): 1319-1325. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201305035.htm
[25] 杨俊, 国安东, 席建超, 等. 城市三维景观格局时空分异特征研究: 以大连市中山区为例[J]. 地理学报, 2017, 72(4): 646-656. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201704008.htm YANG J, GUO A D, XI J C, et al. Study on the spatial and temporal differentiation characteristics of urban three-dimensional landscape pattern: taking Zhongshan area in Dalian as an example[J]. Acta Geographica Sinica, 2017, 72(4): 646-656. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201704008.htm
[26] 乔伟峰, 刘彦随, 王亚华, 等. 城市三维重心算法与实验分析: 以南京市为例[J]. 地球信息科学学报, 2017, 17(3): 268-273. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201503004.htm QIAO W F, LIU Y S, WANG Y H, et al. Urban 3D center of gravity algorithm and experimental analysis: taking Nanjing as an example[J]. Journal of Earth Information Science, 2017, 17(3): 268-273. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201503004.htm
[27] 闫小培, 林彰平. 20世纪90年代中国城市发展空间差异变动分析[J]. 地理学报, 2004, 59(3): 437-445. doi: 10.3321/j.issn:0375-5444.2004.03.014 YAN X P, LIN Z P. The change of spatial disparities of urban development in China, 1990s[J]. Acta Geographica Sinica, 2004, 59(3): 437-445. doi: 10.3321/j.issn:0375-5444.2004.03.014
[28] TIAN G, WU J, YANG Z. Spatial pattern of urban functions in the Beijing metropolitan region[J]. Habitat International, 2010, 34(2): 249-255. doi: 10.1016/j.habitatint.2009.09.010
[29] 黎夏, 叶嘉安. 约束性单元自动演化CA模型及可持续城市发展形态的模拟[J]. 地理学报, 1999, 54(4): 289-298. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB904.000.htm LI X, YE J A. Automated evolution CA model of constrained elements and simulation of sustainable urban development patterns[J]. Acta Geographica Sinica, 1999, 54(4): 289-298. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB904.000.htm
[30] 孙斌栋, 刘倩倩, 张婷麟. 中国市域空间结构的特征及其影响因素[J]. 地理科学, 2018, 38(5): 672-680. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX201805004.htm SUN B D, LIU Q Q, ZHANG T L. Characteristics and influencing factors of the spatial structure of Chinese cities[J]. Scientia Geographica Sinica, 2018, 38(5): 672-680. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX201805004.htm
[31] 魏立华, 丛艳国, 李志刚, 等. 20世纪90年代广州市从业人员的社会空间分异[J]. 地理学报, 2007, 62(4): 407-417. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200704008.htm WEI L H, CONG Y G, LI Z G, et al. Social spatial differen-tiation of employees in Guangzhou in the 1990s[J]. Acta Geographica Sinica, 2007, 62(4): 407-417. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200704008.htm
[32] 杨忍. 广州市城郊典型乡村空间分化过程及机制[J]. 地理学报, 2019, 74(8): 1622-1636. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201908011.htm YANG R. Spatial differentiation process and mechanism of typical rural suburbs in Guangzhou[J]. Acta Geographica Sinica, 2019, 74(8): 1622-1636. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201908011.htm
[33] 何舒慧. 广州市主城区商业空间集聚特征研究[D]. 广州: 华南理工大学, 2019. HE S H. Research on the characteristics of commercial space agglomeration in the main urban area of Guangzhou[D]. Guangzhou: South China University of Technology, 2019.
[34] 张平成. 基于多源数据的广州市主城区多中心空间格局解析[D]. 广州: 华南理工大学, 2017. ZHANG P C. Analysis of the multi-center spatial pattern of the main urban area of Guangzhou based on multi-source data[D]. Guangzhou: South China University of Technology, 2017.
[35] 温锋华, 李立勋. 广州市商务办公空间区划及其功能分异研究[J]. 热带地理, 2010, 30(5): 528-533. doi: 10.3969/j.issn.1001-5221.2010.05.013 WEN F H, LI L X. Research on the division and functional differentiation of commercial office space in Guangzhou[J]. Tropical Geography, 2010, 30(5): 528-533. doi: 10.3969/j.issn.1001-5221.2010.05.013
[36] 周春山, 刘洋, 朱红. 转型时期广州市社会区分析[J]. 地理学报, 2006, 61(10): 1046-1056. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200610005.htm ZHOU C S, LIU Y, ZHU H. Analysis of the social area of Guangzhou during the transition period[J]. Acta Geographica Sinica, 2006, 61(10): 1046-1056. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB200610005.htm
[37] WEI L H, CONG Y G, LI Z G, et al. Socio-spatial diffe-rentiation of professionals of Guangzhou in the 1990s[J]. Acta Geographica Sinica, 2007, 62(4): 407-417. http://www.oalib.com/paper/1563018
[38] 刘望保, 谢智豪. 位置服务大数据下广州市土地利用类型模拟探讨[J]. 华南师范大学学报(自然科学版), 2019, 51(1): 80-88. doi: 10.6054/j.jscnun.2019013 LIU W B, XIE Z H. Inferring land use of Guangzhou from big data of location service[J]. Journal of South China Normal University (Natural Science Edition), 2019, 51(1): 80-88. doi: 10.6054/j.jscnun.2019013
[39] 广州市统计局. 广州统计年鉴[Z/OL]. [2020-10-13]. http://112.94.72.17/portal/queryInfo/statisticsYearbook/index. [40] 广州市规划和自然资源局. 关于公布广州市2018年城镇国有建设用地标定地价成果的通告[EB/OL](2019-06-11)[2020-10-13]. http://ghzyj.gz.gov.cn/ywpd/tdgl/djxx/bddj/content/post_4936111.html. [41] GUTIÉRREZ E, MARTILLI A, SANTIAGO J, et al. A mechanical drag coefficient formulation and urban canopy parameter assimilation technique for complex urban environments[J]. Boundary Layer Meteorology, 2017, 157(2): 333-341. doi: 10.1007/s10546-015-0051-7
[42] SHEKHAR S, HUANG Y. Discovering spatial co-location patterns: a summary of results[C]//Advances in Spatial land Temporal Databases. Berlin: Springer, 2001: 236-256.
[43] 禹文豪, 艾廷华, 周启. 设施POI的局部空间同位模式挖掘及范围界定[J]. 地理与地理信息科学, 2015, 31(4): 6-11. https://www.cnki.com.cn/Article/CJFDTOTAL-DLGT201504002.htm YU W H, AI T H, ZHOU Q. Regional co-location pattern mining and scoping from urban facility POI[J]. Geography and Geo-Information Science, 2015, 31(4): 6-11. https://www.cnki.com.cn/Article/CJFDTOTAL-DLGT201504002.htm
计量
- 文章访问数: 1443
- HTML全文浏览量: 218
- PDF下载量: 71
