本文选取东莞市主城区作为研究区域，东莞市是广东省辖地级市、特大城市，国务院批复确定的珠江三角洲东岸中心城市。从地理位置上看，东莞市位于珠江口东岸，北与广州、惠州两市接壤，南接深圳市，是粤港澳大湾区的重要节点城市，下辖4个街道(莞城、南城、东城和万江)、28个镇，总面积达2465 Km²。东莞作为粤港澳大湾区最中心的位置，东莞的一小时生活圈可以到达粤港澳大湾区的任何一个城市，东莞正好是处在广东省内两大城市广州与深圳之间。从城市发展看，在2021年度全国城市人口吸引力TOP300榜单中，除北上广深以外，东莞市位居第五，城市化程度较高。在《2021城市商业魅力排行榜》中，作为15个新一线城市之一的东莞市，城市人口活跃度较高。

本文主要使用数据包括基础地理数据与网络开源数据两种类型数据，基础地理数据包括行政区划数据、东莞市路网、东莞市哨兵2号遥感影像、东莞市夜间灯光遥感数据 [ 20 ] ，本文将数据投影为WGS_1984_UTM_Zone_49N投影坐标系；网络开源数据如表1，包括百度热力图、POI数据、土地利用数据、合成孔径雷达数据等。考虑到周期相似性，本文选取2021年2月2日(工作日)和2021年4月17日(休息日)两天分别代表工作日和休息日，通过爬虫程序对热力图数据进行获取，截取时间为一天的7点至24点，间隔为1小时。该时间内未发生公共卫生事件或极端天气等影响人群活动的重大事件，数据具有一定的代表性。

表1. 数据来源

本文获取2021年东莞市主城区POI数据用于POI的密度与功能混合度计算。根据高德开发平台上正式发布的POI分类对照表以及城市用地分类与规划建设用地标准(GB50137-2011)，对POI数据进行重分类，分为公共服务类、风景名胜类、餐饮服务类、生活服务类、居住类、商务类、学校、医院、休闲娱乐类等9类，总计47,826条数据。

Sentinel-1A星载合成孔径雷达影像数据用于提取建筑区数据，影像的成像模式为干涉测量宽幅模式(IW)，分辨率为5 m × 20 m，极化方式为VV极化，成像时间分别为2020年6月12日与2020年6月24日。使用不同时间、同一地区的2幅SAR影像进行干涉测量，可以对地表变化进行检测。在城市中，区域内相干值越高，说明该区域地物状况越稳定，则存在着稳定的建筑区域；越低，则代表着该区域地物变化较大，可能为车道、岩石草木、水域等 [ 21 ] 。先使用对2幅影像进行干涉计算，再对干涉图进行去平，去除平地效应造成的影像(图1(a))；接着对相干值γ使用ANLS (Adaptive Non Local SAR Filtering, ANLS)滤波进行处理(图1(b))，加权去噪的迭代次数为3次，去除斑点噪声，得到完成滤波的相干值γ，代表着该区域的建成程度。设定相干值γ阈值 = TV_γ为0.5，γ > 0.5的区域为建成区，得到了二值化的相干值γ_b(图1c)，其中黑

γ b = { 1 ,   γ ≥ T V γ 0 ,   γ < T V γ (1)

图1. 利用哨兵1号数据提取建筑区；(a) Goldstein；(b) ANLS；(c) 二值化建成区

图2. 东莞主城区建筑区提取结果图

色区域代表水体和非建筑区，白色代表建筑。东莞主城区建筑区提取结果如图2。

已有研究表明，城市中居民不仅一日之内，而且在一周的工作日与休息日之间的时空行为存在差异 [ 22 ] [ 23 ] [ 24 ] ，人口活力的差异性主要体现在时间维度与空间维度上。

从时间维度上看，工作日的白天与夜间，休息日的白天与夜间四个时段的人口活力具有差异性；从空间维度上看，受到通勤等人口维持生计与进行户外活动的地点与居住地点之间的位置不同影响，同一时间内不同的城市功能区的人口活力具有差异性。为综合考虑城市人口活力的时空尺度差异性，本文构建时空加权人口指数来定量分析城市人口活力强度，进行人口的时空活力探测。

根据前人研究，本文选取了15个人口活力影响因子指标，见表3。

数据格网化处理是一种较为常见的数据离散化方法，地理格网作为一种统计分析的基础单元，将各类自然、人文要素信息集中到统一的单元中，实现多源、多尺度信息的融合与分析 [ 32 ] 。本文采用矩形规则格网作为基本格网单元，对数据进行格网化处理后，再放入地理探测器模型与多尺度地理加权回归模型中进行分析，且为研究MAUP问题，模拟在多尺度下影响人口活力的影响因子的影响力变化做了铺垫。

地理探测器是中国科学院地理科学与资源研究所王劲峰研究团队开发的，是探测地理要素的空间分异性及其解释影响因子的驱动机理的一种空间统计学方法 [ 33 ] 。使用模型包括：

1) 因子探测：用于探测城市中人口活力的各类潜在因子X对时空加权人口活力指数Y的解释力度，用q值来度量，计算公式见公式15：

q = 1 − ∑ h = 1 L N h σ h 2 N σ 2 (15)

S S W = ∑ h = 1 L N h σ h 2 ,     S S T = N σ 2

式中，q的值域为[0,1]，q值越大，则表示该影响因子对城市研究区内人口活力的空间格局的影响力越大，解释力越强，反之则弱，q = 0则说明两者无任何关联； h = 1 , ⋯ , L 为潜在因子的子区域数量；N_h和N分别为子区域样本数与全区域样本总数；SSW和SST则分别代表子区域的方差之和与全区域的总方差。

2) 风险区探测：用于评估两个不同人口活力潜在影响因子的子区域间的属性均值是否存在差异，用t值进行检验(公式16)：

t y ¯ h = 1 − y ¯ h = 2 = Y ¯ h = 1 − Y ¯ h = 2 [ Var ( Y ¯ h = 1 ) n h = 1 + Var ( Y ¯ h = 2 ) n h = 2 ] 1 / 2 (16)

式中， Y ¯ h 代表子区域 内人口活力强度属性均值， n h 为子区域h的样本个数，Var则为方差。地理探测器要求输入变量为分类变量，即需对输入的连续型数据进行离散化处理。基于王劲峰等提出的数据离散化方法，本研究采用自然断点法对各影响因子的连续型数据进行离散化处理，将其分为8类。使用ArcGIS Pro 2.8中的Create Fishnet功能生成间隔为100~1000 m的渔网点数据，采样后提取变量数据至点，使用因子探测器与风险探测器模型对时空加权人口活力及其影响因子进行分析。

1997年，Fotheringham等提出地理加权回归模型，是处理空间异质性的主要方法之一，但是该方法具有一定的局限性，故Fotheringham等在2017年基于广义加性模型提出了多尺度地理加权回归，该方法不同于地理加权回归对于各个变量采用的最优带宽是相同的，而是对于不同自变量采用各自最优的带宽进行回归分析，从不同的空间尺度上解决问题 [ 34 ] 。

多尺度地理加权回归模型，如下公式17：

y i = ∑ j = 1 k β b ω j ( u i , v i ) x i j + ε i (17)

式中， b ω j 代表了第j个变量回归系数使用的带宽。

城市环境是人类活动的基础，城市环境对人类活动的吸引力和能力是决定城市活力质量和程度的关键因素 [ 36 ] 。复杂多样的环境变量影响人口活力的变化，因此人口活力的影响因子研究是分析人口活力时空格局演变、完善城市更新规划、激活城市活力的基础。根据国内外有关研究成果 [ 14 ] [ 27 ] [ 28 ] [ 37 ] [ 38 ] [ 39 ] 与东莞市城市特点，本文共选取了15个自然和人文因素方面(一级指标)的指标，分别从植被环境、社会经济活动、土地利用混合度、交通特性、建成环境、公共设施方面(二级指标)，计算结果见图6。

本文选用100~1000 m的格网大小分别对影响因子进行分析，说明在不同空间尺度下15个影响因子对人口活力的解释力有所不同，结果可视化如图7所示。本文通过地理探测器的因子探测器分析在MAUP

图6. 影响因子分级结果图

尺度效应下东莞市主城区不同影响因子对人口活力强度的影响，由图7与表6中可以看出，从整体上看，影响因子的解释力q值有随着网格尺度的增大而增大的趋势。但是，随着格网尺度的增大，影响因子的解释力开始逐渐呈现不稳定的趋势 [ 17 ] 。小于500 m尺度下，影响因子解释力排序较为稳定，但大于500 m尺度下影响因子的解释力排序波动较大。其中POI密度、POI混合度和距离公交车站的距离排序较为稳定，对人口活力影响力较强。

表6. 100m和1000m格网尺度下解释力q值大小与增长率

图7. 在不同尺度下影响因子的解释力结果(a)及其排序(b)

各影响因子对于人口活力影响力的尺度敏感性如图7所示，地理探测器的q值大小表示的是因子对人口活力的影响力大小，值越大，则表明影响力越大，反之则小；q值的大小排序表示的是因子对于人口活力影响的相对重要性，排序越靠前，则表明该因子相对其他因子来说更重要；q值的大小排序波动大小表示的是因子的影响力的相对稳定性。

因子探测器500 × 500 m的空间尺度下的结果见表7，在500 × 500 m的尺度下，各影响因子对人口活力分布格局的解释力排序为：

POI密度(0.4632) > POI功能混合度(0.3577) > BUS(0.2728) > NLI (0.2149) > Parking (0.1964) > METRO (0.1933) > PR(0.1698) > Parks (0.1400) > SIDI (0.1220) > NQPDA (0.11188) > NDVI (0.1186) > TPB (0.0942) > CONTAG (0.0844) > PD (0.0639) > AI (0.0392)。POI点密度具有最高的q值0.4632，说明在14个变量里面POI点的密度是决定人口活力的最重要的因子，其次是POI点的功能混合度与离最近公交车站的距离两个因子。而AI具有最低的q值0.0392，说明对时空加权人口活力指数的影响小。每个指标q值对应的p值代表了这个指标的显著性，小于0.1代表显著，14个指标结果都为接近于0，说明指标均较显著。

表7. 空间分层异质性及因子探测器结果(500m × 500m)

风险探测器揭示了各影响因子内部不同类别分区间的显著性差异，风险区探测结果见表8，根据风险区探测器的结果结合MGWR多尺度回归分析结果，研究发现：

植被覆盖度(X1)、POI密度(X2)、POI功能混合度(X3)、夜间灯光亮度(X4)、蔓延度指数(X6)、路网整合度(X9)、穿行度(X10)、建筑斑块密度(X13)因子对于人口活力强度的影响为正向影响；在有植被覆盖的情况下，NDVI正值，即级别越高植被覆盖率越大；云层、水体等使得NDVI值为负值，即级别越小植被覆盖率越小；在有岩石、裸地等的情况下，NDVI为0值，即处于级别Ⅲ，此时的人口活力强度最大，说明植被覆盖率(X1)高或者低的区域人口活力强度都不高，而在不透水面上的人口活力较高，植被环境并不是影响人口活力的主要原因。建筑斑块密度指数(X13)的级别越高，其值越大，即建筑密度越大，人口活力强度相对越大，反之，人口活力强度越小。说明建筑越密集的区域，人口活力强度越大，反之则越小。随着POI密度(X2)、POI功能混合度(X3)、夜间灯光亮度(X4)、土地利用斑块蔓延度(X6)与聚集度(X7)5个影响因子的级别越高，数值越大，人口活力强度都有随之增大的趋势。交通可达性中整合度(X9)、穿行度(X10)的值越小，等级越低，则人口活力强度相对越低，反之，值越大，等级越高，则人口活力强度相对越高。说明社会经济活动强度越高、土地利用的混合度越低、交通可达性与流通性越大的区域，人口活力强度越大。而本文时空分异特征分析出来的东城地铁站口附近商圈(图5-A区域)、莞太路与鸿福路交接路口附近商圈(图5-B区域)、鸿富路地铁站口附近商圈(图5-C区域)三个区域正是符合以上条件的区域，所以人口活力强度较大。而斑块丰富度指数(X5)、斑块聚集度指数(X7)、辛普森多样性指数(X8)、距离公交车站距离(X11)、距离地铁站距离(X12)、距离公园距离(X14)这6个因子对于人口活力强度的影响为负向影响。土地利用混合度指数中斑块丰富度指数(X5)的级别越高，丰富度指数其值越大，即斑块类型数量越多，人口活力强度有随之下降的趋势，当斑块丰富度指数(X5)为Ⅲ级时，人口活力强度最大；为Ⅰ级与Ⅱ级时，人口活力强度最小。

辛普森多样性指数(X8)级别越高，即其值越大，人口活力强度也有随之下降的趋势，当其为Ⅱ级时，土地利用类型分布越不均匀，复杂性越小，人口活力强度最大；为Ⅷ级(最高级)时，即其值越大，土地利用类型分布越均匀，复杂性越大时，人口活力强度反而越小。说明土地利用类型分布越不均匀且复杂性小、即土地利用类型较少且不单一，人口活力强度较大；土地利用类型越单一或者土地利用类型数量越多，分布均匀且复杂性越大时，人口活力强度越小。距离公交车站(X11)、地铁站(X12)、公园(X14)与停车场(X15)的距离越近，即其值越小，级别越低，则人口活力强度越大；反之随着距离越远，级别越高，人口活力强度越小。这些指标都说明交通设施、公园与停车场等公共服务设施的距离对人口活力强度有着一定的影响，且距离越近人口活力强度越大。

表8. 影响因子在不同类别下的人口活力与均值(500 × 500 m)

注：带有下划线数据“ ”代表最小值，倾斜数据代表最大值，“-”代表空值。

1) 对比图3(a)及图3(b)可以看出，东莞市主城区内，同一日内大部分区域早上8点的人口活动强度低于下午15时的人口活动强度。人群的行为活动的发生与活动的路径是存在规律的，如大部分人的工作通勤行为发生在晨间，休息行为发生在夜间。这种规律会导致同一区域内的人口活力随着时间的变化而发生波动 [ 40 ] 。在一座城市中，假设人口的数量是固定的，一个区域内人群集聚程度上升的同时会导致另一个区域的人群集聚程度下降；这是由于不同的功能区所承载的城市机能不同，如居住区主要承担居住、休息功能；商业区主要承担居民的购物、休闲娱乐、健身等功能，部分承担工作功能；中心商务区主要承担工作功能。

2) 各影响因子在不同格网尺度下的q值大小均发生改变，各影响因子均有尺度敏感性，表明城市人口活力的影响因子的MAUP问题具有研究意义；而POI密度、POI混合度、离公交车站的距离三个因子是较为稳定的因子，其q值的大小及其排序变化幅度较小，其他因子随着格网尺度变化幅度较大，特别是在大于500 m的格网尺度的时候，包括植被覆盖度、土地利用辛普森多样性、路网整合度、穿行度和夜间灯光亮度等，说明这些因子对于格网尺度变化更为敏感。在植被环境(X1：植被覆盖度)、建成环境(X13：建筑斑块密度)、公共服务设施类别(X12：距离地铁站距离)中，当格网尺度大于500 m时，其相对重要性随格网尺度的变大而变大，说明想要提高远距离的人口活力(格网尺度大于500 m时)，应该要重视植被、建成环境因素及公共服务设施的建设；在社会经济活动类别中(X2：POI密度、X3：POI混合度、X4：夜间灯光亮度)，当格网尺度大于500 m时，q值大小有降低的趋势，在这些尺度下，社会经济活动的影响力逐渐减少，对于人口活力的吸引力也由于距离原因而降低，说明想要提高近距离的人口活力(格网尺度小于500 m时)，应该重视社会经济活动POI的建设。

综上所述，综合考虑各影响因子对人口活力影响力的相对重要性和相对稳定性，因为：① 当格网尺度小于500 m时，各影响因子q值大小排序趋于相对稳定(图7-b)，当格网尺度大于500 m时，q值大小排序变化幅度较大；② 当格网尺度等于500 m尺度时，对于部分影响因子的q值增长率较高，当格网尺度大于500 m时不同的影响因子的q值大小呈现多次波动(图7-a)；③ 人口活力解释的是人的活动，人口活力作为个体时空行为进行研究，为更准确地分析人口活力及其影响因子之间的关系应该选择尽可能精细的尺度进行分析。

最终选择500 m为较适合本研究的空间格网尺度，并基于该尺度进行因子探测器和风险区探测器分析。

本研究构建了一种既考虑时间尺度又考虑空间尺度的时空加权人口活力评价模型，更精确地测量人口活动强度，减弱了人群中个体行为的“潮汐效应”的影响，利用热点分析方法从全局与局部对时空加权人口活力进行时空特征分析；其次，基于地理探测器与多尺度地理加权回归模型，量化分析人口活力及本文选取的影响人口活力强度的15个影响因子之间的关系，并且考虑因子在不同尺度下对人口活力的影响力情况，用多尺度格网进行空间尺度模拟，最后得出主要的结论如下：

1) 东莞市主城区的人口活力呈现出“中间高，四周低，西北高，东南低”的集聚分布特征。人口活力高值较为明显且集聚的区域包括东城地铁站口附近商圈(图6-A区域)、莞太路与鸿福路交接路口附近商圈(图6-B区域)和鸿富路地铁站口附近商圈(图6-C区域)。

2) 本研究探讨了15个影响人口活力强度的因素对人口活力的尺度效应和划区效应的影响。通过综合比较，选择了500 m和自然断点法作为最适宜的格网尺度和划区方法。研究结果表明，POI密度、POI功能混合度和离公交车站的距离是影响人口活力强度的重要因素。而植被、土地利用多样性、交通便利和社会经济活动强度等因素在不同空间尺度下对人口活力的影响具有敏感性。

本研究的不足之处在于：第一，部分影响人口活力的环境因素、交通等级等因素由于研究区域的局限，在本研究中并未纳入分析，可在日后研究中进一步分析。第二，数据的精度问题。由于本文采用多源数据，受到时间与研究区域的局限，如土地利用类型等数据精度可能存在不足。第三，数据的时间匹配问题，由于数据来源不同，受到时间差异的影响，在时间匹配上可能存在不足。综上，城市规划人员应在城市规划设计中考虑通过建设社会经济活动区域，从而提高近距离尺度的空间活力；增加公共设施服务与完善建成区域从而提高远距离的尺度的空间活力。