桃園地區土地利用變遷與影響因素之空間分析

全文

(1)國立臺灣師範大學地理學系第四十二屆碩士論文. 指導教授：張國楨研究生：張文菘. 中華民國一Ο二年六月.

(2) 國立臺灣師範大學地理研究所碩士論文摘要研究所別：地理學系碩士班論文名稱：桃園地區土地利用變遷影響因素之空間分析 A Spatial Analysis of Landuse Change and Influencing Factors in Taoyuan Area 指導教授：張國楨研究生：張文菘論文內容：共一冊，文約四萬餘字，分五章十四節，以七百字摘要扼要說明。. 摘要工業區開發與交通建設吸引大量人口移入，使桃園縣近年發展迅速，並帶動土地利用變遷。受歷史、政治脈絡影響，呈現北桃園、南中壢的雙元發展特性。然而過往土地利用變遷研究多忽略地理分布現象所具有的空間特性，使模式推導產生偏誤，對此空間統計方法的創新有助於處理此類空間效應問題。本研究目的在於瞭解桃園地區建成地變遷的分布型態與影響因素，並檢視空間效應的影響。先以空間自相關指標偵測建成地分布與變遷的空間型態；進一步利用空間延遲模型與地理加權迴歸探討建成地變遷之影響因素，以及空間延遲相依、空間異質性的作用效力。研究結果顯示，桃園地區於 1995-2006 年間建成地大量增加，相對的農業用地流失迅速。建成地分布以桃園市、中壢市為核心，近年在中壢平鎮市區外圍、桃園市區外圍、龜山公西地區發展最快。整體上鄰近村里建成地發展較快、人口與工商業員工成長、位於市區外圍、近交流道、位於都市計畫區或工業區內，工業用地比例較少，空置地及農業用地比例較多的村里，有較高的建成地開發可能性。在空間效應方面，多元線性迴歸中存在空間延遲相依與空間異質性，分別能夠過空間延遲模型與半參數地理加權迴歸有效地修正二者衍生的模型偏誤，並提升模型適配度。由半參數地理加權迴歸的局部迴歸係數得知，人口密度變遷與三級產業員工成長在桃園市北區、蘆竹鄉、龜山鄉、大園鄉等地對建成地變遷有較高的影響性；二級產業員工成長的效應侷限於沿海地區；原工業用地比例於桃園市、八德市負向效應最大；與交流道距離僅在林口、中壢、內壢、大湳等特定交流道周邊有較高影響性；與火車站距離、原農業用地比例、原空置地比例三者在 i.

(3) 桃園市區、八德市、中壢平鎮市區等核心區域佔關鍵。總體而言，桃園地區建成地變遷因素具有明顯的南北、城鄉差異性。. 關鍵字：桃園、土地利用變遷、空間效應、空間延遲模型、地理加權迴歸. ii.

(4) Abstract A large amount of immigration attracted by the development of industrial areas and transportation construction causes Taoyuan County to develop rapidly, and leads landuse changes. Influenced by historical and political context, it shows dual developmental traits of Taoyuan City in the north and Chungli City in the south. However, most research on the landuse changes in the past neglects spatial traits of phenomena of geographical distribution, which causes bias against derivation of patterns. The innovation in ways of the spatial statistics helps to handle such problem of spatial effects. The purpose of this research is to help everyone understand the distribution patterns and the influencing factors of the changes of the build-up areas in Taoyuan district, and examine the influence the spatial effects have. This study used spatial autocorrelation index to detect the distribution of the build-up areas and the changes of the spatial patterns; furthermore, we used Spatial Lag Model and Geographically Weighted Regression to probe into the influencing factors of the changes of the build-up areas, and the effectiveness of spatial lag dependence and spatial heterogeneity. The result of the research shows that the build-up areas increased dramatically in Taoyuan area from 1995 to 2006, and the agricultural land of the counterparts eroded fast. Taoyuan City and Chungli City are the cores of the distribution of the build-up areas, and in recent years the districts have developed fastest in peri-urban areas of Chulgli-Pingzhen as well as in peri-urban areas of Taoyuan City, and Gongsi, Guishan. Overall, the villages listed below have stronger possibility of developing the build-up areas: villages of the build-up areas developing faster neighbour villages, of population and employee growth of business, in peri-urban areas, near interchanges, and in urban planning areas or industrial areas; villages of smaller proportion of industrial land; villages of more vacant land and agricultural land. In the spatial effects, the spatial lag dependence and spatial heterogeneity exist in multiple linear regressions, which can effectively correct the derivative bias in pattern respectively with the Spatial Lag Models and Semiparametric Geographically Weighted Regression, and elevate iii.

(5) goodness of fit of models. We can know from local regression coefficient of Semiparametric Geographically Weighted Regression that, the changes of population density and growth of employees of tertiary sector in such areas as the northern part of Taoyuan City, Luzhu Township, Guishan Township, Dayuan Township, have higher impact to the changes of built-up area; effects of growth of employees of secondary sector are confined to coastal districts; the proportion of negative effects is the largest in original industrial land of Taoyuan City and Bade City; the changes of build-up areas have higher impact on the distance from interchanges—only around specific interchanges, such as Linkou, Chungli, Neili, Danan—; the distance form train stations, the proportion of original agricultural land, and the proportion of original vacant land, these three in such core areas as Taoyuan City, Bade City, Chulgli-Pingzhen City, are key to the changes of the build-up areas. In totality, the factors of the changes of buildup areas in Taoyuan area show great differences between the north and south, as well as urban and rural.. Keywords: Taoyuan, landuse change, spatial effects, Spatila Lag Model, Geographically Weighted Regression. iv.

(6) 目次第一章緒論 ................................................................................................................. 1 第一節研究動機與目的 .......................................................................................... 1 第二節研究範圍 ...................................................................................................... 3 第二章文獻回顧 ....................................................................................................... 10 第一節桃園地方發展 ............................................................................................ 10 第二節土地利用變遷 ............................................................................................ 13 第三節空間統計理論與方法 ................................................................................ 18 第四節小結 ............................................................................................................ 24 第三章研究方法 ....................................................................................................... 25 第一節研究設計與流程 ........................................................................................ 25 第二節資料蒐集與建置 ........................................................................................ 34 第四章實證分析 ....................................................................................................... 39 第一節土地利用變遷分析 .................................................................................... 39 第二節建成地變遷因素描述分析 ........................................................................ 47 第三節全域迴歸模式 ............................................................................................ 66 第四節地理加權迴歸 ............................................................................................ 71 第五章結論 ............................................................................................................... 87 第一節研究成果 .................................................................................................... 87 第二節研究限制與建議 ........................................................................................ 90 參考文獻...................................................................................................................... 91 附錄一：桃園地區村里增刪修表 ............................................................................. 99 附錄二：BCI 與潛在影響因素相關係數表 ............................................................ 102 附錄三：GEODA MLR 報表 .................................................................................. 103 附錄四：GEODA SLM 報表 .................................................................................. 104 附錄五：GWR4 S-GWR 報表 ................................................................................ 105 附錄六：GWR4 S-GWR 係數估計與診斷表 ........................................................ 109. v.

(7) 圖次圖 1-1 研究區範圍圖 ................................................................................................... 3 圖 1-2 台灣本島 1995-2006 年各縣市人口成長率 .................................................... 4 圖 1-3 台灣本島 1996-2006 年各縣市工商場所單位數成長率 ................................ 4 圖 1-4 桃園市、八德市村里單元分布圖 ................................................................... 5 圖 1-5 中壢市、平鎮市村里單元分布圖 ................................................................... 6 圖 1-6 觀音鄉、新屋鄉、楊梅市村里單元分布圖 ................................................... 7 圖 1-7 大園鄉、蘆竹鄉、龜山鄉村里單元分布圖 ................................................... 8 圖 1-8 龍潭鄉、大溪鎮村里單元分布圖 ................................................................... 9 圖 3-1 空間核函數示意圖 ......................................................................................... 30 圖 3-2 固定核心示意圖 ............................................................................................. 31 圖 3-3 調適核心示意圖 ............................................................................................. 31 圖 3-4 研究流程圖 ..................................................................................................... 33 圖 4-1 桃園地區 1995 年土地利用分布圖 ............................................................... 40 圖 4-2 桃園地區 2006 年土地利用分布圖 ............................................................... 40 圖 4-3 桃園地區建成地變遷分布圖 ......................................................................... 42 圖 4-4 桃園地區 1995 年村里建成地比例圖 ........................................................... 44 圖 4-5 桃園地區 1995-2006 年村里建成地變遷指數 .............................................. 44 圖 4-6 桃園地區 1995 年建成地分布空間聚集區 ................................................... 46 圖 4-7 桃園地區 1995-2006 年建成地變遷空間聚集區 .......................................... 46 圖 4-8 桃園地區坡度圖 ............................................................................................. 48 圖 4-9 桃園地區村里平均坡度圖 ............................................................................. 48 圖 4-10 1995 年人口密度圖 ....................................................................................... 50 圖 4-11 1995-2006 年人口密度變遷圖 ...................................................................... 50 圖 4-12 1995 年二級產業員工分布圖 ....................................................................... 50 圖 4-13 1996-2006 年二級產業員工變遷圖 .............................................................. 50 圖 4-14 1995 年三級產業員工分布圖 ....................................................................... 50 圖 4-15 1995-2006 年三級產業員工變遷圖 .............................................................. 50 圖 4-16 桃園地區鐵路車站與國道交流道分布圖 ................................................... 52 圖 4-17 桃園地區村里中心與火車站距離圖 ........................................................... 55 vi.

(8) 圖 4-18 桃園地區村里中心與交流道距離圖 ........................................................... 55 圖 4-19 桃園地區主要道路 (省道、縣道) 分布圖................................................. 57 圖 4-20 桃園地區村里中心與主要道路距離圖 ....................................................... 57 圖 4-21 桃園地區各村里路網密度圖 ....................................................................... 58 圖 4-22 桃園地區都市計畫區與編定工業區分布圖 ............................................... 59 圖 4-23 桃園地區村里土地使用計畫比例圖 ........................................................... 61 圖 4-24 桃園地區禁止開發區分布圖 ....................................................................... 62 圖 4-25 桃園地區條件開發區分布圖 ....................................................................... 62 圖 4-26 桃園地區限制發展區分布圖 ....................................................................... 62 圖 4-27 桃園地區村里限制發展區加權比例圖 ....................................................... 62 圖 4-28 1995 年工業用地分布圖 ............................................................................... 64 圖 4-29 1995 年村里工業用地比例圖 ....................................................................... 64 圖 4-30 1995 年空置地分布圖 ................................................................................... 64 圖 4-31 1995 年村里空置地比例圖 ........................................................................... 64 圖 4-32 1995 年農業用地分布圖 ............................................................................... 64 圖 4-33 1995 年村里農業用地比例圖 ....................................................................... 64 圖 4-34 LOCAL R2 分布圖 ......................................................................................... 72 圖 4-35 人口密度變遷係數分布圖 ........................................................................... 75 圖 4-36 三級產業員工成長係數分布圖 ................................................................... 75 圖 4-37 二級產業員工成長係數分布圖 ................................................................... 77 圖 4-38 原工業用地比例係數分布圖 ....................................................................... 77 圖 4-39 與交流道距離係數分布圖 ........................................................................... 79 圖 4-40 與火車站距離係數分布圖 ........................................................................... 79 圖 4-41 原空置地比例係數分布圖 ........................................................................... 81 圖 4-42 原農業用地比例係數分布圖 ....................................................................... 81 圖 4-43 S-GWR 局部迴歸係數集群分布圖 .............................................................. 82 圖 4-44 標準化殘差分布圖 ....................................................................................... 85 圖 5-1 四大分區特性示意圖 ..................................................................................... 89. vii.

(9) 表次表 3-1 土地利用分類標準表 ..................................................................................... 34 表 3-2 二、三級產業分類標準 ................................................................................. 36 表 3-3 限制發展區因子選取 ..................................................................................... 37 表 3-4 潛在影響因素說明 ......................................................................................... 38 表 4-1 桃園地區 1995-2006 年各類型土地利用面積變化 ...................................... 39 表 4-2 桃園地區 1995-2006 年土地利用面積轉移矩陣表 ...................................... 41 表 4-3 桃園地區各鄉鎮建成地變遷統計表 ............................................................. 43 表 4-4 桃園地區各鄉鎮市人口統計表 ..................................................................... 49 表 4-5 桃園地區二、三級產業從業員工數統計表 ................................................. 52 表 4-6 桃園地區鐵路運輸概況表 ............................................................................. 53 表 4-7 桃園地區國道交流道概況一覽表 ................................................................. 54 表 4-8 桃園地區編定工業區概況一覽表 ................................................................. 60 表 4-9 建成地變遷潛在因素描述統計表 ................................................................. 65 表 4-10 投入變項相關係數矩陣 ............................................................................... 66 表 4-11 迴歸模型投入變項表 ................................................................................... 67 表 4-12 多元線性迴歸分析結果 ............................................................................... 68 表 4-13 多元線性迴歸殘差檢定 ............................................................................... 69 表 4-14 多元線性迴歸與空間延遲模型分析結果彙整表 ....................................... 70 表 4-15 自變項係數地理變異性檢定 ....................................................................... 71 表 4-16 MLR、GWR、S-GWR 模式配適度比較 .................................................... 72 表 4-17 MLR 與 S-GWR 全域迴歸係數統計............................................................ 73 表 4-18 MLR 與 S-GWR 局部迴歸係數統計............................................................ 73 表 4-19 S-GWR 局部迴歸係數集群後 ANOVA 分析表 .......................................... 83 表 5-1 MLR, SLM, S-GWR 模式配適度比較 ........................................................... 87 表 5-2 MLR, SLM, S-GWR 模式係數值與顯著性比較 ........................................... 88. viii.

(10) 第一章緒論第一節研究動機與目的台灣在戰後數十年間經濟迅速發展，在工業化過程中眾多人口自鄉村移入都市尋求工作機會，歷經了一段快速的工業化與都市化歷程。桃園縣因位處台北都會區外緣，隨著台北盆地土地開發日益飽和，為舒緩盆地內工業用地不足的壓力，政府遂於 1960 年代起有計畫地於桃園廣設工業區，帶動了桃園的經濟發展並提供大量就業機會，吸引眾多外來人口移入。加上桃園國際機場、中山高速公路、鐵路電氣化等重大交通建設陸續完工，交通路網漸趨完備，至今已發展成一個以桃園市、中壢市為核心的大都會區。人口成長與工商業發展意味著對城鄉建設用地需求的提升，造成土地利用變遷，而土地利用變遷的型態與過程正是地理學研究「人─地傳統」的重要課題。再則由於土地資源有限，不當與過度的開發會加速生態資源的耗竭和經濟資源的浪費，是故充分瞭解一地的土地利用變遷情形，以作為探討城鄉發展與環境、社經、交通等因素關係的基礎，並提供規畫與管理之依據，實屬必要。不同地區相異的土地利用方式與土地利用變遷過程，反映各地特有歷史脈絡、地理意涵及文化背景，這些作用機制是受到多方因素交互作用的結果 (丁志堅， 2002)。在歷史脈絡、族群、交通、政治因素的影響下，桃園縣除了屬於山地鄉的復興鄉外，其餘鄉鎮市自清代以降即概分為南、北桃園二區1，分別以中壢市、桃園市為核心都市，二區在生活機能上長久以來即分屬兩個都市影響圈2 (鍾志章， 1979；簡志雄，1985；賴如崧，1987；曾繁浩，1995；唐菁萍，2005)。在各異的發展背景下，土地利用變遷情形與影響因素之異同，亦為值得探討之議題。. 1. 桃園南北分區係以清代南北陸路交通的相對概念定義，由於往新莊為北上、至竹塹城為南下，. 故以桃園市為主的六鄉鎮市為北桃園、以中壢市為主的六鄉鎮市為南桃園，實際地理位置上桃園市及龜山鄉在東、中壢市及楊梅市在西。 2. 北桃園以桃園市為核心，另包括八德市、大溪鎮、龜山鄉、蘆竹鄉、大園鄉五鄉鎮；南桃園以. 中壢市為核心，另包括平鎮市、楊梅市、龍潭鄉、觀音鄉、新屋鄉五鄉鎮。. 1.

(11) 關於土地利用等空間分布現象之特性，Tobler 於 1970 年即提出地理學第一定律「任何事物皆與其他事物相關，然而鄰近的事物比遠的事物相關程度更高」，指出了地理分布現象具有空間關聯性的特質，違反古典統計中樣本獨立的假設；且地理分布現象的空間差異，亦違背了古典統計要求所有樣本來自同一母體的假設 (Anselin, 1988a)。因此一系列用以分析空間資料的統計與計量方法自 1970 年代起逐漸被發展，對原有的古典統計方法加以修正，使其能適用於空間資料的分析。基於此背景，本研究嘗試將空間效應的影響力亦納入土地利用變遷模式加以討論，期能更真實地呈現桃園地區的土地利用變遷脈絡。基於前述動機，本研究主要目的為：一、掌握桃園地區土地利用變遷的空間分布及聚集型態。二、分析桃園地區建成地變遷的各類影響因素。三、探討桃園地區建成地變遷模式中的空間效應。. 2.

(12) 第二節研究範圍桃園縣位於台灣本島西北部，西北鄰台灣海峽，東北倚林口台地與新北市分隔，南邊以大漢溪為大溪鎮與復興鄉之界，東南則以銅鑼圈台地與新竹縣接壤。考量研究區整體性及資料取得與處理成本，本研究將桃園縣內面積最大 (350.77 平方公里，佔全縣面積 28.73%) 但建成地及人口稀少，且與主要建成地分布無接連的復興鄉排除；同屬桃園中壢都會區的新北市鶯歌區、地形上同為桃園台地的新竹縣湖口鄉、新豐鄉，皆因分屬不同縣 (直轄市) 級行政區而不納入探討。故本文定義之「桃園地區」實為扣除復興鄉後的桃園市、中壢市、平鎮市、八德市、楊梅市3、大溪鎮、蘆竹鄉、龜山鄉、龍潭鄉、大園鄉、觀音鄉、新屋鄉等 12 個鄉鎮市，面積 871.96 平方公里、人口 2,030,161 人 (2012/12/31)。(圖 1-1). 圖 1-1 研究區範圍圖由於土地利用圖資採用 1995 年與 2006 年二次「國土利用現況調查」之成果，故時間範圍配合資料取得訂為 1995 年至 2006 年，如此亦能配合 1996 年、 2006 年二次工商及服務業普查資料的使用。自研究動機視之，1995 年至 2006 年 3. 2012 年 8 月 1 日由楊梅鎮改制為楊梅市。. 3.

(13) 的資料能反映近 20 年來桃園地區土地利用的大致變遷趨勢，且其間桃園無論在人口成長率、工商業發展上皆為全台最迅速的地區之一 (圖 1-2、圖 1-3)，而人口增加與工商產業發展勢必帶動建成地需求增加，是故以 1995 年至 2006 年為研究時間是具有代表性的。 30% 25% 20% 15% 10% 5% 0% -5% -10%. 宜基台台桃新新苗台台彰南雲嘉嘉台台高高屏澎花台蘭隆北北園竹竹栗中中化投林義義南南雄雄東湖蓮東縣市市縣縣市縣縣市縣縣縣縣市縣市縣市縣縣縣縣縣. 圖 1-2 台灣本島 1995 年至 2006 年各縣市人口成長率資料來源：內政部戶政司 60% 50% 40% 30% 20% 10%. 0%. 宜基台台桃新新苗台台彰南雲嘉嘉台台高高屏澎花台蘭隆北北園竹竹栗中中化投林義義南南雄雄東湖蓮東縣市市縣縣市縣縣市縣縣縣縣市縣市縣市縣縣縣縣縣. 圖 1-3 台灣本島 1996 年至 2006 年各縣市工商場所單位數成長率資料來源：行政院主計處工商及服務業普查. 在考量研究目的、資料品質及軟硬體限制下，以村里作為分析的最小空間單元。由於村里行政區界不斷增修調整之故，1995 年桃園地區 12 個鄉鎮市中僅有 359 個村里，2006 年增加到 461 個，為了建置跨時期的變遷資料，因此根據行政院統計處公布的「中華民國行政區域及村里代碼增刪修訂表」，將村里單元進行整併後留下 357 個村里做為研究基本單元4，與二年度的村里個數皆不相同。各鄉鎮市村里單元名稱及分布呈現如圖 1-4、圖 1-5、圖 1-6、圖 1-7、圖 1-8。. 4. 詳細資料見附錄一：桃園地區村里增修表. 4.

(14) 圖 1-4 桃園市、八德市村里單元分布圖 5.

(15) 圖 1-5 中壢市、平鎮市村里單元分布圖 6.

(16) 圖 1-6 觀音鄉、新屋鄉、楊梅市村里單元分布圖 7.

(17) 圖 1-7 大園鄉、蘆竹鄉、龜山鄉村里單元分布圖 8.

(18) 圖 1-8 龍潭鄉、大溪鎮村里單元分布圖 9.

(19) 第二章文獻回顧第一節桃園地方發展透過桃園地方相關研究的閱讀與整理，釐清所欲研究的課題，並提升對桃園地區土地利用變遷現象的觀察敏銳度，使能更細膩的捕捉現有研究及理論基礎無法解釋的事實。此外藉由對既有文獻的掌握，以此為基礎做為建成地變遷影響因子選取、以及空間分佈特徵解釋上之依據。各領域相關研究整理如下：一、計量地理學鍾志章 (1979) 以周圍調查法分析桃園地區 (桃園縣加上新竹縣湖口鄉、新豐鄉) 各鄉鎮市的社經依存關係，進行購物圈、通勤圈等的繪製，並以分級評點法劃分各行政區的都市階層，探討 1973 年至 1978 年間區域內都市階層與都市影響圈的變化。簡志雄 (1985) 以都市影響圈及中心都市階層來探討桃園縣的都市體系。首先透過問卷調查抽樣桃園縣民的購物、通勤資料，劃出各主要都市的影響範圍，再以所選定的中心性都市化指標劃分縣內各行政區的都市階層，建構桃園縣的都市體系，並進行時序上的變化比較。結果顯示無論在 1970 年代或 1980 年代，全縣之發展重心皆為桃園市、中壢市二市，兩地人口集中、工商發達且都市機能最高，並帶動著其餘鄉鎮的發展。賴如崧 (1987) 從經濟與政治的角度比較桃園縣及宜蘭縣的雙核心發展。其中就桃園縣的部分，發現不論購物、通勤、醫療、娛樂，皆呈現北桃園以桃園市、南桃園以中壢市為主要活動中心都市。而就發展歷程可歸納出雙中心發展的原因有南北開墾路線差異、祖籍南北分布差異、農耕水源三者形成地域意識，而後交通建設與經濟發展更促進了雙中心發展趨勢。曾繁浩 (1995) 自人口、交通路網、產業活動、土地利用面向探討桃園各鄉鎮市機能的分化情形。透過問卷調查將桃園劃為桃園、中壢、大溪三個都市影響圈，最後用因子分析將十三鄉鎮市分為六種型態的群落，以此劃分桃園都市體系，並探討區域特性。此類型研究多強調都市階層體系的確立，與界定都市影響圈範圍。以克里斯 10.

(20) 徒勒 (Walter Christaller, 1893-1969) 的中地理論為基礎，藉由問卷調查與分級評點方法，解析都市發展的結構，並呈現地方生活圈的範圍。透過這些文獻，再次確定了桃園縣南北二元發展的事實，而區域差異勢必將造成全域模式不適用。二、歷史地理觀點陳雪玉 (2003) 從閩客族群與地方政治關係探討桃園縣的歷史發展脈絡。文中指出自桃園台地自清代以降即因粵閔移民同籍聚居形成了北桃園以閔籍漳州人為主、以今桃園市為發展中心；南桃園以粵籍嘉應州客家人為主、以今中壢市為中心的南北桃園分區現象，二地的對立表現於分類械鬥上。1950 年代實施地方自治後，南北區人士的競爭更加白熱化，形成了閩客二元的地方派系，以及縣長南北輪政的特殊情況。這樣的對立展現於縣政公務上常出現南北爭執情形，即於重大建設上常需考量南北平衡問題而出現南北各一的情形，如文化中心、體育館、交通建設、都市計畫區、工業區的設立等，皆是政治力影響資源分配的結果，使桃園發展一直呈現出南北雙核心的雙元局面。唐菁萍 (2005) 以歷史地理觀點探討桃園市、中壢市早期市街發展，從長時期的變遷過程中了解兩都市的形成與擴張情形；再以區位商數與人口組成分析兩市都市機能的轉變。發現桃園─中壢生活圈呈現雙核心都市，北桃園以桃園市為中心、南桃園以中壢市為中心，沿著縣內主要省縣道呈雙十字向外輻射發展；此外戰後工業化時期兩市都市機能上主要輸出部門皆為第二級產業，但在後工業時期中壢市維持不變，桃園市的都市機能則趨於多元，以三級產業為主。林雅雯 (2012) 以城鄉邊緣區的角度，探討在中心都市─桃園市的都市擴張過程中，周圍八德市、蘆竹鄉、龜山鄉三地於人口、產業、土地利用上的異同。研究發現自然環境的差異與交通建設的影響是導致三地發展有別的主因。八德與蘆竹皆擁有大面積的平地可供開發，龜山境內則因地形崎嶇阻礙了都市擴張；交通方面龜山及八德皆距離桃園火車站 (市中心) 十分近，因此較早受到桃園市都市擴張影響，蘆竹的發展則始於晚近。此類研究乃透過文獻分析及田野調查，從族群、政治、歷史、城鄉等各種角度切入進行實證分析，釐清了桃園地方發展的歷史脈絡，以及族群關係與地方政治所扮演的角色。對於地方特性及區域差異的成因，提供良好的解釋依據，但缺少了對土地利用變遷數量與分布的精確描述。 11.

(21) 三、地政與都市計畫劉其輝 (2005) 利用多時期衛星影像進行土地覆蓋分類，取得桃園縣 (復興鄉除外) 的土地覆蓋地圖，並配合都市計畫圖資與人口統計資料，呈現桃園縣 (復興鄉除外) 都市發展的過程與規律。發現 1986 年至 2004 年間桃園縣 (復興鄉除外) 主要是以桃園市與中壢市為雙核心，形成東北、西南方向的發展軸線，並沿此軸線擴張；此外從桃園市往北至蘆竹、往南至八德亦構成一條南北向的發展軸線。宓群英 (2007) 利用 1994 年與 2002 年 Landsat 衛星影像，透過影像分類辨識桃園地區 1994 年至 2002 年間的土地覆蓋變遷，並建立土地覆蓋由植被轉為建成地的 Logit 迴歸模式來探討變遷因子。發現 1994 年至 2002 年間建成地明顯增加，影響因子主要有坡度、與交流道、高鐵站、一般道路、縣道、省道、計畫道路之距離、人口密度、工業區及都市計畫區分布等，且指出民眾對政府交通建設的預期心態亦會帶動土地開發。 Huang et al. (2009) 使用 1990 年和 2006 年的 SPOT 衛星影像與 1971 年的土地覆蓋圖比較，研究台北─桃園地區土地轉換的空間型態。文章先以常態化差異植生指標 (normalized difference vegetation index, NDVI) 比較 1990 年與 2006 年衛星影像的植生綠度，再以景觀生態指標 (landscape metric) 分析地景型態的時空變遷。結果指出 1971 年至 2006 年間建成地大幅增加 130%，且都市蔓延情形在非都市計畫區較為明顯，使其地景呈現出高度破碎化 (fragmented)，亦發現都市計畫區內建成地分佈較受空間自相關性的影響。陳惠玲 (2010) 應用空間分析與空間迴歸方法，分別就桃園縣農業用地建立全區、分區及 1995 年至 2006 年間的變遷模型，探討農業用地於空間分布上的特性及影響農業用地變遷的相關因素。發現無論全區、分區或變遷模型皆顯示，除土地本身自然條件限制外，人口密度、距市中心距離、都市發展用地面積比例為影響桃園縣農業用地面積變化的最主要因子。這類研究多以量化方法來建構桃園地區土地利用/覆蓋變遷模型，其模型設定、影響因素選取、以及分析成果都是本研究重要的參考依據。然而這些研究仍片面地將桃園地區視為單一整體，忽略了地理現象發展的局部空間差異。. 12.

(22) 第二節土地利用變遷一、土地利用變遷的研究近況 Clawson and Stewart (1965) 將土地利用定義為「人類於土地上所從事的與其直接相關之活動」。換言之，土地利用乃指人類為了特定目的，對土地資源利用方式進行選擇，進行開發、保育、改造等活動，形成都市發展用地、水利用地、農業用地等各類土地用途 (丁志堅，2002)。由於科技發展迅速，人類對於地表大規模的開發使得大面積土地經歷了去森林化及都市化的歷程。於此背景下，「國際地圈生物圈計畫」 (International Geosphere-Biosphere Programme, IGBP) 與「全球環境變遷人文面向研究」 (Human Dimensions of Global Envirnmental Change Programme, HDP) 在 1996 年於西班牙成立了「土地利用及覆蓋變遷」 (Land-Use and Land-Cover Change, LUCC) 計畫，藉由跨學科的整合性研究，達成下述目的 (Turner II et al., 1995；丁志堅，2002；蔡博文，2005)： 1. 過去 300 年以來，人類土地利用如何影響土地覆蓋的變遷？ 2. 不同的地理及歷史脈絡下，人類土地利用方式改變的主因是甚麼？ 3. 未來 50-100 年間，人類土地利用方式的改變將如何影響土地覆蓋的變遷？ 4. 當前的人類與生物物理動態將如何影響特定土地利用型態的永續性？ 5. 氣候與全球生物地球化學的改變將如何影響土地利用/覆蓋，反之亦然？在 2005 年接續前述 LUCC 計畫的「全球土地研究計畫」(Global Land Project, GLP) 進一步整合了土地利用/覆蓋變遷及「全球變遷與陸地生態系統」(Global Change and Terrestrial Ecosystems, GCTE) 研究，主要目的為量度、模式化、以及理解人類與環境的互動系統 (human-environment systems) (劉佳玲，2007) 從 IGBP 及 HDP 推動的各類土地利用/覆蓋變遷計畫中可發現，若為建構一個跨尺度的土地利用變遷模式，最基本的工作乃進行各區域的土地利用變遷機制研究，以作為個案比較及全球整合之基礎。以此觀點而視，建構一套探討個案土地利用變遷機制之模式與掌握造成變遷的驅動力因子，是為本研究之意義與貢獻性。. 13.

(23) 二、土地利用變遷的研究類型 (一) 變遷型態的度量從事土地利用變遷研究的第一步需先掌握變遷的實際情況，即透過各種度量方法取得土地利用的相關資訊，以作為後續分析的基礎。丁志堅 (2002) 將度量的類型歸納整理成：量的度量、空間型態的度量、衍生資訊的度量三類。量的度量又可分為「各類型土地數量的時間變化」，和「時序上各土地類型轉換為其他類型數量」二種，是土地利用變遷研究的根基。相關研究如周天穎等 (2003) 運用面積轉移矩陣分析台中市都市地區土地利用變遷情形，並應用集群分析 (cluster analysis) 探討各行政區間的發展特性與相互關係。空間型態的度量則以空間型態與結構變遷的計量方法描述土地利用變遷，分析斑塊 (patch) 於時序上的幾何變化，透過指標的計算將變化程度予以量化呈現。如 Huang et al. (2009) 以景觀生態指標分析台北─桃園地區 1971 年至 2006 年間的地景型態的變遷，指出都市蔓延的情形在非都市計畫區較明顯，使地景呈現出高度破碎化型態；吳振發、林裕彬 (2006) 應用景觀生態指標分析新北市汐止區的都市計畫區、鄉村區、一般農業區、山坡地保育區、森林區等土地使用分區內整體土地利用、建成地、草地、林地等土地利用的變遷趨勢，藉以探討土地使用分區對土地利用空間結構變遷的管制效力。衍生資訊的度量則是利用空間分析的計量方法，將複雜的土地利用變遷資料轉換為系統性的空間資訊，相關研究如周天穎等 (2003)、連美綺 (2011)、 Kamusoko et al. (2009) 皆為利用馬可夫鏈 (Markov chains) 度量方法，獲得各時期土地利用變遷資料，並計算各類別土地利用比例於時序上的增減，建置轉移機率矩陣，作為後續模擬、預測等分析之用。. 14.

(24) (二) 變遷模式的建構另一類研究為對土地利用變遷的情形，透過模式的建立來進行預測或解釋。 Lambin et al. (1999) 將其歸納成文字敘述法 (narrative)、行為者基礎模型 (agentbased model)、系統/結構模型 (systems/structure perspectives) 三類 (鄒克萬、張曜麟，2004)。其中文字敘述法乃藉由觀察、描述及解析，呈現土地利用變遷的事實，以了解土地利用變遷情形，大多藉由文獻回顧、田野調查、訪談等方式重建過往土地利用實況，並討論土地利用的數量及型態在時序上的演變。行為者基礎模型由下而上地探討每一個作用於土地利用變遷的行為者 (agent)，其個體本質 (年齡、性別、教育程度等)、理性選擇、認知意象、偏好等來瞭解土地利用行為的決策過程。如 Ligtenberg et al. (2004) 使用多主體系統 (multi-agent system) 模擬政府當局、農民組織、環境組織三者在三種情節下，如何發展出荷蘭馬斯垂克 (Maastricht) 地區不同的土地使用型態。顏子揚 (2006) 以多主體系統為基礎，利用多元羅吉特模式 (multinomial logit model) 建立土地利用轉換規則，建構台北捷運新店線沿線的土地利用變遷模式。系統/結構模型主要從社經結構、政策制度、自然環境等面向剖析結構性因素對土地利用變遷的影響，以及不同時空尺度層級下的土地利用變遷機制，是近年土地利用變遷研究的主流，其可依據欲探討的土地種類數分成單一土地利用變遷模型與多種土地利用變遷模型二種。單一土地利用變遷模型常被用來探討都市擴張、林地退化等現象。相關研究如 Cheng and Masser (2003) 以 logistic 迴歸呈現武漢市 1993 年至 2000 年間的都市成長模型，發現道路建設及鄰近開發區域為武漢都市發展的主要決定因素，然而政府的政策規劃則失去其引導效力；Long (2010) 利用約束性細胞自動機 (constrained CA)，透過對建成地擴張的模擬，制定北京市內中心都市、新市鎮、鄉鎮三個層級的都市增長邊界 (urban growth boundaries, UGBs)，亦發現北京市城市總體規劃的原有 UGBs 空間配置並未能符合實際的都市用地需求。多種土地利用變遷模型透過計量方法，計算每一空間單元內各種土地利用變遷之機率。如 Kamusoko et al. (2009) 以辛巴威為例，利用多準則評估 (multicriteria evaluation, MCE) 方法建構轉移機率地圖，並經由多目標土地利用配置 (multi-objective land allocation, MOLA) 程序實行轉移機率的動態校正，再以馬可夫─細胞自動機 (Markov-cellular automata) 來模擬當地至 2030 年間的土 15.

(25) 地利用/覆蓋變遷。預測顯示辛巴威 Masembura 和 Musana 地區的林地將持續衰減，相對地裸露地則有成長的趨勢，若不改變當前的土地利用趨勢並朝向永續發展，則各種土地退化問題將接踵而至。此外亦有研究以不同準則，將土地利用變遷模型進行各種分類。如 Parker et al. (2003) 將土地利用變遷模型分為方程式基礎模型 (equation-based models)、計量經濟模型 (econometrics models)、統計模型 (statistical models)、空間系統模型 (spatial system models)、專家模型 (expert models)、演化模型 (evolutionary models)、細胞自動機 (cellular automata) (Clarke and Gaydos, 1998; Piyathamrongchai and Batty, 2007)、行為者基礎模型 (agemt-based models)、混合模型 (hybrid models) (Kamusoko et al., 2009) 等九類。由於不同研究對於土地利用變遷的關心層次各異，因此選用何種變遷模式端視研究目的而定，如系統模型僅以區域間的結構性差異推導土地利用變遷影響因素，相對地，行為者基礎模型則忽略了大環境對土地利用的影響及限制。然整體而言土地利用變遷模型的內涵必包括了「土地利用於何處改變」及「土地利用如何改變」二者，使空間外顯 (spatial explicit) 形式得以彰顯。. 16.

(26) 三、土地利用變遷的影響因素 Briassoulis (2000) 認為「什麼驅動了土地利用變遷」與「土地利用變遷的環境及社經影響力為何」是探討土地利用變遷的核心問題，唯有辨明這些驅動力因子，才得以描述及了解土地利用變遷後複雜的互動機制 (楊書婷，2008)。然而土地利用變遷為一複雜的系統，因此往往無法全然掌握所有影響因素，唯能透過前人文獻的回顧及整理，配合對於研究區特性的了解，以實證方法找出具代表性的關鍵因素。 Fox et al. (2003) 將土地利用 / 覆蓋變遷的作用力區分為直接作用因子 (proximate cause) 與潛在驅動力 (more distal forces) 二類，直接作用因子係指人類活動直接影響土地利用者，通常直接於地方尺度下進行操作，如家戶決策、聚落特性等；潛在驅動力包含社會、政治、經濟、技術、文化等人文社經因素，可直接於地方尺度操作，並可透過資料的整合連結國家及全球尺度 (謝啟賢，2007)。丁志堅 (2002) 將土地利用變遷的驅動力分為社會作用力、個體決定因子、空間決定因子三面向。社會作用力為非空間的結構性因素，又分為經濟、政策、技術因子三類；個體決定因子探討人的決策行為對土地利用的影響；而個人的決策行為會受到某些基本屬性所制約，如年齡、教育、性別等；空間決策因子分為自然環境、區位條件二種，亦為結構性的因素。張曜麟 (2005) 歸納出七大類都市土地利用變遷的影響因素，分別為自然環境、社經環境、個體特質、鄰里特質與空間互動、基地條件、計畫環境、其他 (主觀決策、不可逆性、空間不穩定性等)。眾多研究進一步指出在相異的空間尺度下能觀察到的土地利用類型不盡相同，各種驅動力的影響性也會各異其趣，故土地利用變遷影響因素的選取尚須考量其在不同尺度下的適用性。(Veldkamp et al., 2001; Briassoulis, 2001) 藉由對桃園地方發展與土地利用變遷相關文獻的爬梳，本研究將桃園地區建成地變遷的潛在影響因素分為自然環境、社會經濟條件、交通區位、政策規劃、初始土地利用五個面向，各面向潛在影響因素之選取與建置將於 3-2 節再行詳述。. 17.

(27) 第三節空間統計理論與方法空間統計是一種基於地理關係 (geo-referenced) 的統計方法，將空間關聯加入統計中對變項進行分析，以獲取事物於空間中的分布規律及結構，並處理空間相依性 (spatial dependence) 與空間異質性 (spatial heterogeneity) 二類空間效應 (Anselin, 1998)。地理學探討「人─地互動」關係勢必對於空間的互動特別關注，因此利用空間統計得以更有效地挖掘地理現象背後隱含的意義，其分析方法可分為探索式空間資料分析 (exploratory spatial data analysis, ESDA) 及空間迴歸模型二類。. 一、空間效應空間相依性係指空間中存在的現象並非獨立或隨機發生，相鄰的空間單元會產生相同現象群聚的空間關聯情形，是地理分布現象和空間過程的本質特徵，依形成原因可分為空間延遲相依 (spatial lag dependence) 與空間誤差相依 (spatial error dependence)。空間延遲相依指涉地理現象本身會與鄰近區域跨邊界地互動，產生擴散或外溢作用，使鄰近區域有相似特性。空間誤差相依成因有二：一為因空間單元劃設不當，無法正確體現地理現象潛在的分布本質，形成的冗餘空間相依；二為未納入模式的關鍵性因子具結構相似，使空間結構反映到殘差項。實際應用上，空間延遲相依與空間誤差相依兩者的效果往往同時存在且相互影響。 (Anselin and Rey, 1991; 陳菁瑤、洪志明，2009) 空間效應的另一種型態為空間異質性，表示在空間分析中函數型態或係數受到個人愛好與態度、管理制度、政府政策、環境等條件差異的影響，會隨著地理位置不同而產生變數間關係的改變或飄移 (drift) ，形成空間不穩定 (nonstationarity)。由於傳統線性迴歸視影響因素為靜態，對依變項的作用為全區均值，並假定誤差項為變異相等，這些假設前提使固定的迴歸係數無法表現空間局部差異，並使迴歸模型產生偏誤。(Fortheringham et al., 1997; 2002). 18.

(28) 二、探索式空間資料分析探索式空間資料分析是一種由資料驅動的探索過程，通過資料分析來發現問題、辨識異常區位、偵測空間聚集型態或其他形式的空間異質性 (Anselin, 1998)。依研究尺度可分為全域型空間自相關 (global spatial autocorrelation) 與區域型空間自相關 (local spatial autocorrelation) 方法。全域型空間自相關可測量全區整體的空間自相關性，常被使用的有 Moran’s I, Geary’s C, Join count 等指標，其中最具代表性的度量指標為 Moran’s I (Cliff and Ord, 1973)。由於全域空間自相關無法度量數值在空間中的聚集特性，對此需以區域型空間自相關指標來衡量區域內的局部性空間關聯特性，找出空間聚集的型態。常用者有 Anselin (1995) 發表的區域型空間關聯指標 (local indicators of spatial association, LISA) 和 Getis and Ord (1992) 提出的 Getis-Ord Gi (Gi∗ ) 統計指標等方法。探索式空間資料分析於土地利用變遷研究上可具體描述土地利用的空間分布、辨識特異區、呈現土地利用的空間聚集性與暗示空間體制 (spatial regimes)，此外亦可用於檢驗土地利用變遷模式中殘差值的空間分布特性。相關研究如朱建銘 (2000) 以全域型 Moran’s I 及 Getis 指標度量雲林沿海地區水產養殖業於 1982 年、1988 年、1994 年的空間聚集強度，再透過 Getis-Ord Gi*法找出水產養殖業的聚集區，並分析各時期空間聚集區的變遷情形。賴進貴等人 (2004) 運用全域型 Moran’s I 指標與區域型 Getis-Ord Gi*(d)方法分析百年來空間相依性對台北盆地聚落變遷趨勢之影響。結果顯示非聚落發展成聚落的傾向往往伴隨著高度的空間自相關性，此外於鄰近區範圍的界定上，發現以半徑 500 公尺所界定的鄰近區對聚落變遷趨勢的影響最顯著。. 19.

(29) 三、空間迴歸模型 (一) 對空間相依性的修正 Anselin (1988a) 提出了空間線性模型的通用形式，用來處理橫斷面空間資料因空間相依性所造成的線性迴歸模型偏誤，可表示為： y = ρ𝑊1 𝑦 + 𝑋𝛽 + ε ε = λ𝑊2 𝜀 + 𝜇 𝜇 ~ 𝑁(0, 𝜎 2 𝐼). (1). 當中 y 為依變項向量，ρ為空間延遲係數，λ為空間誤差係數，𝑊1 , 𝑊2 分別為依變項及誤差項的空間加權平均向量，X 為自變項矩陣，β為自變項的迴歸係數向量。從通用形式可依使用需求衍伸出特定模型，如ρ = 0, λ = 0即為一般線性迴歸；λ = 0為空間延遲模型 (spatial lag model, SLM)；ρ = 0為空間誤差模型 (spatial error model, SEM)。當中空間延遲模型用於處理因空間延遲相依所造成的線性迴歸模型偏誤，利用ρWy項將依變項的部分變化解釋為每個觀察值與其鄰近觀察值的相關性 (沈體雁等，2010)，亦可被視為空間過濾依變項(I − ρWy)y對原有自變項的迴歸 (Anselin, 1988a)，此模型在理論上適合用於已知依變項 (如建成地變遷) 有空間結構上的互動依據時，用以看出空間延遲係數的強度，並在顧及依變項空間相關下，看出其他變項的真實影響效果；空間誤差模型則是用來處理具空間自相關型態的遺漏變項，或空間單元劃分不當造成的干擾，意義上較接近強化統計技巧 (洪志明，2011)。空間延遲/誤差模型今已廣泛應用於各研究領域，如胡立諄、賴進貴 (2006) 透過空間延遲模型，在考慮到空間誤差相依所造成的干擾下，探討台灣本島人口組成、社經地位、教育程度等因素與乳癌發生率的關係。紀玉臨等 (2009) 採用時間延遲之空間模型 (spatial-temporal lag model) 分析影響台灣本島外籍新娘空間分布的因素，並探討模式的鄰近效應。陳菁瑤、洪志明 (2009) 利用空間延遲模型與空間誤差模型從事台灣鄉鎮市層級的租稅競爭估計。犯罪學領域者 Baller et al. (2001) 利用空間延遲模型與空間誤差模型探討美國郡級行政區於 1960 年至 1990 年間殺人犯罪的結構因素與空間效應。發現鄰郡間的結構相似無法全然解釋殺人犯罪的空間聚集，且結構因素的影響力具區域差異，並證實了在美國南方殺人犯罪具空間延遲相依，不過有逐年漸減的趨勢。國 20.

(30) 內則有李瑞陽、陳勝義 (2010) 透過社會解組論與日常生活理論選取相關變項，以多元線性迴歸建構台中市 2004 年至 2005 年的搶奪犯罪區位模型，並尋求最適之空間模式。驗證了搶奪犯罪率與相關變項間確有空間變異性存在，而此個案研究中空間延遲模型較空間誤差模型更為適用。應用於土地利用變遷的相關研究如黃國慶、詹士樑 (2009) 以台北都會區為例，利用空間自相關分析檢視土地使用/覆蓋變遷的分布及聚集型態，並透過空間誤差模型建構土地使用/覆蓋變遷的驅動力校估模型，從而探討台北都會區於 1991 年至 2001 年間土地使用/覆蓋變遷的驅動力因子及鄰近效應。結果顯示相較於土地覆蓋變遷的驅動力涵蓋最廣，住宅土地使用變遷偏重於社會經濟面向，工業土地使用變遷主要受到土地政策影響，商業土地使用變遷則同時受到社會經濟與土地政策所決定。空間分布型態上，土地覆蓋變遷與住宅土地使用變遷具空間聚集性，同時鄰近效應亦為此二變遷模式的顯著驅動力之一。陳惠玲 (2010) 亦發現相較於全域方法，空間迴歸能更有效地分析桃園縣農地的分布與變遷情形。. (二) 對空間異質性的修正空間異質性在迴歸模型中以變異數異質的形式表現結構的不穩定性 (陳斐， 2008)，多可藉傳統迴歸解決，但當結構不穩定具特定空間型態時，空間異質性會與空間自相關共同出現，此時傳統迴歸將產生偏誤而不再適用 (Anselin and Griffith, 1988)，這時可以用非線性模式或局部迴歸來改進。非線性模式者如分類與迴歸樹 (classification and regression tree, CART) 及類神經網路 (neural nets)，得以對函數進行較具彈性的估計。如 McDonald and Urban (2006) 即以 CART 及 logistic 迴歸分別對美國北卡羅萊納州萊利─都林 (Raleigh-Durham) 建構的森林砍伐機率模式，並證實 CART 確實較 logistic 迴歸有更佳的準確度及相對均勻的殘差分布。另一種處理空間異質性的方法為局部迴歸模型，如 Casetti (1972) 提出的空間擴張方法 (spatial expansion method)，此模型將係數視為自身地理座標位置的特定函數，讓每個觀察點皆具有獨自的迴歸係數，使係數分布的空間變化可被度量。鄒克萬、張曜麟 (2004) 即利用空間擴張方法，建立台南市5在 1984 年至 1904 年間的土地使用變遷 logit 模式，讓重要變數擁有較全域方法更佳的解釋力。但 5. 為 2005 年 12 月 25 日改制前省轄市時期的台南市. 21.

(31) 由於空間擴張模型的係數變化取決於 X,Y 座標位置，因此只能呈現單一的變化趨勢，對於分析較複雜的空間現象有其侷限性。此外，隨機係數模型 (random coefficient model) 將迴歸係數的異質性視為隨機變量，但未能考慮到係數分布的空間結構 (Swamy, 1971)。空間調適濾波 (spatial adaptive filtering) 則是透過對臨近觀察點間係數「估計─修正」的迭代運算來適應迴歸係數的空間漂移，然而缺點為係數無法進行統計檢定 (Foster and Gorr, 1986)。多層次模型 (multilevel model) 中迴歸係數為已知區域變數的函數，使同一迴歸式的係數在不同地理位置有不同的值，然而區域之劃分需為先驗存在，且係數分布在區域邊界將具不連續性 (Goldstein, 1987)。在上述眾多局部迴歸方法研究的基礎上，Fortheringham et al. (1996) 發展出的地理加權迴歸 (geographically weighted regression, GWR)，是近年來探討空間異質性問題常用的模式，通過讓係數估計值隨空間位置變化，捕捉因結構不穩定所導致的殘差空間聚集現象。Fotheringham et al. (1998) 應用空間擴張模型與地理加權迴歸二種方法探討英格蘭東北部四郡 605 個人口普查區內人口分布與諸種重大疾病間關係的空間不穩定性，即證實了相對於空間擴張模型中單一的係數變異趨勢，地理加權迴歸的局部係數估計能呈現較高的變異自由度與較複雜的空間型態，獲得較佳的模型解釋能力。應用地理加權迴歸於土地利用變遷研究者如 Luo and Wei (2009) 利用 1988 年及 2000 年 SPOT 衛星影像以監督式分類取得南京地區土地覆蓋資料，再分別用全域 Logistic 迴歸及 Logistic GWR 模型來分析南京地區都市用地的空間型態與變遷因素。結果顯示相較於中國沿海大城市，南京的都市擴張型態較為緊湊 (compact) 且擴張速度較慢，影響因素以「與地區幹道距離」最重要。此外 Logistic GWR 能有效地提升全域 Logistic 迴歸的配適度，降低迴歸殘差的空間自相關性，並視覺化呈現各變項影響力的空間差異。Clement et al. (2009) 藉助遙測和統計資料，以地理加權迴歸分析越南 Hoa Binh 省於 1993 年至 2000 年間的林地轉變的驅動力。發現「鄰近林業工廠」、「與高速公路距離」、「每戶土地分派」三者是影響一地造林比例的主要因子，且彼此皆具顯著的空間變異性。研究認為對於 GWR 分析成果的解讀，須具備對研究區環境及政治脈絡的深厚知識，在此段時間內， Hoa Binh 省的造林多為地方政府為保護國有林地所推動，與家戶經濟活動較無關。 22.

(32) 地理加權迴歸亦常被用於醫療地理的研究，如 Lin and Wen (2011) 以 GWR 模式分析高雄─鳳山地區幼蚊及人口密度對登革熱發生率之空間關係與空間異質性。研究發現病媒蚊和登革熱患者的關係具顯著的空間不穩定性，意味在部分地區高登革熱發生率伴隨著高媒介/寄主密度，但在另一些區域高登革熱發生率則與低媒介/寄主密度同時出現，並證實 GWR 模式確實能區辨登革熱發生率與幼蚊、人口密度間的地理關係。張國楨等人 (2011) 透過地理加權迴歸分析台北市醫療資源分布與老年人口比、土地利用型態間的關係，結果顯示地理加權迴歸較傳統全域線性迴歸更能解釋基層醫療資源之空間分布，大致上台北市的基層醫療診所傾向於設立在住商混合比例高且路網密集之處，然而未能呼應到老年人較高的需求，其中陽明山區、萬華區為亟需補強注意老年人基層醫療資源需求的區域。其餘領域研究者如 Partridge et al. (2006) 利用地理加權迴歸研究美國非都位區各郡於 1990 年至 2004 年間就業成長動態的空間變異性。Bitter et al. (2007) 比較空間擴張模型與地理加權迴歸在解釋亞歷桑納州圖森市 (Tucson) 房屋特徵價格之空間異質性上的效力。該研究證實了當地房屋邊際價格與特徵屬性的關係普遍存在變異性，且地理加權迴歸較空間擴張模式擁有更佳的解釋及預測力。部分研究對地理加權迴歸模式進行了擴展。如 Brunsdon et al. (1999) 以英國肯特郡 (Kent) 的房價與樓地板面積之關係為例，引入驗證係數空間漂移的檢定方法，提出混合地理加權迴歸 (mixed GWR)，將變數分為全域與局部二類，使模式具有更加的解釋力。此研究考慮到並非所有變項都存在空間異質性之論點，引發本研究進行半參數地理加權迴歸分析的構想。亦有針對空間變異關係的尺度效應進行探討者，如 Su et al. (2012) 利用地理加權迴歸闡釋都市化指數 (都市化密度、距離都會中心、距離道路) 與農業地景型態指標 (總面積、斑塊密度、周率、聚集度) 在二種空間單元尺度下的空間變異關係。結果指出 GWR 分析的成果具顯著的尺度依賴，且尺度效應體現於核函數帶寬、空間單元大小及局部迴歸樣本多寡上，然而 Su 等人的研究亦發現，地理加權迴歸的結果可能在各種尺度下皆有其適用性。. 23.

(33) 第四節小結綜納前述之文獻，可得知早期地理學者對於桃園地方發展的研究多採都市階層體系及都市影響圈等傳統計量地理觀點探討，其貢獻為提供後人對於桃園都市發展結構及地方生活圈的劃分依據。此外亦有自歷史地理觀點切入者，探究移民祖籍、生活空間、政治力量於歷史脈絡上如何影響桃園地區的發展特性，藉由文獻分析、田野調查與訪談，對桃園地區過往發展及區域特性做了極佳的闡釋。然而上述二類研究在土地利用分布及變遷的空間型態描述上皆較顯薄弱。近年來陸續有研究以量化的土地利用變遷研究方法分析都市發展對於土地利用型態的影響。其利用衛星影像、國土利用調查等各類圖資取得土地利用或土地覆蓋資料，並透過各種方式，對各類土地利用 (特別是建成地) 進行數量、空間型態與衍生資訊的度量，或建立解釋/預測模型。然而這些研究多為空間同質假設，即因素間的相關性在整體研究區中恆定不變，但這種假設在地理現象研究中並不成立，故有需要使用以新的方法來捕捉現象關係的空間變異性。空間關聯性為土地利用變遷的本質特徵，相似的土地利用型態會有群聚現象，主要是受到結構相似的影響因素交互作用而成。本研究選取相關建成地變遷因素，以線性迴歸方程式建立建成地變遷解釋模型，並藉由引入空間自迴歸項，得以解析建成地變遷群聚現象的空間延遲效應。然而空間延遲模型的解釋仍是空間穩態的，故進一步採用能捕捉空間不穩定性的地理加權迴歸模型，透過其半參數形式，可以驗證並區別各建成地變遷因素是否具空間異質性，亦能得知空間異質的因素在不同區域的影響力，藉以達成本研究之目的。. 24.

(34) 第三章研究方法第一節研究設計與流程一、土地利用變遷分析將 1995 年及 2006 年「國土利用現況調查」成果依研究需求重新分類，取得各類土地利用空間分布，並將二年度交差比對，以面積轉移矩陣掌握土地利用類別間的變遷情形，再於鄉鎮市與村里層級呈現建成地變遷，初步掌握建成地分布與變遷趨勢。村里單元的建成地變遷趨勢參考 Tian (2005) 的方法，使用建成地變遷指數 (built-up area change index, BCI) 呈現時間內建成地比例的變化，表達形式為： BCI =. 𝐵𝐴2006 − B𝐴1995 × 100% 𝑇𝐴. (2). 其中 BCI 表示村里單元在 1995 年至 2006 年間建成地面積百分比的變動量， BA2006 為 2006 年村里建成地面積，BA1995 為 1995 年村里建成地面積，TA 是村里總面積，單位皆為平方公里。進一步以探索式空間資料分析偵測建成地的空間聚集型態。為簡化空間關係及增加實用性，本研究所有空間權重矩陣 (spatial weighted matrix) 皆以最廣泛被使用的一階相鄰后矩陣𝑊𝑖𝑗 (1st contiguity order queen matrix) 定義之，即當村里單元共線或共邊即為相鄰𝑊𝑖𝑗 = 1，反之無相鄰𝑊𝑖𝑗 = 0。先使用 Moran’s I 統計量確定建成地分布與變遷的空間自相關性，Moran’s I 可視為觀測值與其空間延遲間的相關係數，反映空間接鄰村里屬性值的相似程度，形式為： ∑𝑛𝑖=1 ∑𝑛𝑗=1 𝑊𝑖𝑗 (𝑥𝑖 − 𝑥̅ )(𝑥𝑗 − 𝑥̅ ) 𝑛 I= 𝑛 × ∑𝑖=1 ∑𝑛𝑗=1 𝑊𝑖𝑗 ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2. (3). 式中表區域內有 n 個村里單元，每個單元內皆有觀測值𝑥，𝑥̅ 為觀測值平均，村里單元 i,j 的接鄰與否構成𝑊𝑖𝑗 矩陣。檢驗形式可由 I 值的期望值𝐸(𝐼)與變異數 𝑉𝑎𝑟(𝐼)推導： 25.

(35) Z(𝐼) =. [𝐼 − 𝐸(𝐼)] (4). √𝑉𝑎𝑟(𝐼). Moran’s I 值收斂於 1 與-1 之間，愈趨近於 1 代表空間聚集程度愈高，愈趨近於-1 表示空間離散程度愈強，趨近於 0 則表示空間過程隨機。對 Moran’s I 值進行顯著性檢定時，在顯著水準 p=0.05 下當Z(I) ≥ 1.96代表區域內空間單元具有空間自相關性，Z(I)值介於 1.96 至-1.96 間代表空間單元相關不顯著，Z(I) ≤ −1.96代表空間單元數值呈現負相關。接著透過 Getis-Ord Gi*方法尋找建成地分布及變遷的空間冷、熱點，以了解建成地分布與變遷的空間型態。其對每一個空間單元賦予一個指標值，代表該空間單元與鄰近空間單元間屬性特徵的空間聚集程度，形式如下： 𝐺𝑖∗. ∑𝑛𝑗=1 𝑤𝑖𝑗 𝑥𝑗 = , ∑𝑛𝑗=1 𝑥𝑗. ∀𝑗. (5). 式中𝑤𝑖𝑗 所建構的接鄰關係亦包含了位置 i 與其本身的接連 (𝑖 = 𝑗)，𝐺𝑖∗ 的標準化統計量為： Z(𝐺𝑖∗ ). =. [𝐺𝑖∗ − 𝐸(𝐺𝑖∗ )]. (6). √𝑉𝑎𝑟(𝐺𝑖∗ ). 若空間單元內𝐺𝑖∗ 為正值，表示該空間單元與鄰近單元的觀察值皆為高值，是空間熱點 (hot spots) 所在，反之負值則為空間冷點 (cold spots)。在顯著水準 p=0.05 之下，當Z(𝐺𝑖∗ ) ≥ 1.96代表區域內空間單元為顯著的空間熱點；Z(𝐺𝑖∗ ) ≤ −1.96代表為顯著的空間冷點。. 二、建成地變遷因素描述分析透過桃園地區地方發展相關研究及土地利用變遷文獻的回顧，配合考量研究區特性，歸納出建成地變遷的潛在影響因素，使用 ESRI 推出的地理資訊軟體 ArcGIS Desktop 9.3.1 將蒐集到的各類圖資與社經資料建置到村里空間單元內，並進行初步的描述分析，做為後續建立模式之用。. 26.

(36) 三、多元線性迴歸 (Multiple Linear Regression, MLR) 空間迴歸是自傳統線性迴歸為基礎進行擴展，以處理空間效應問題，因此需由基本的多元線性迴歸出發，推估村里建成地變遷的影響因素。設一組隨機抽樣依變項 y 與固定自變項𝑥𝑘 的 MLR 模型為： 𝑦𝑖 = 𝛽0 + ∑𝑘 𝛽𝑘 𝑥𝑖𝑘 + 𝜀𝑖. ε ~ 𝑁(0, 𝜎 2 𝐼). (7). 當中𝛽0為常數，𝛽𝑘 為係數向量，𝜀𝑖 為殘差，一般以普通最小平方法 (ordinary least square) 估計係數，故亦稱「OLS 迴歸」。為使模式為最佳線性不偏估計 (best linear unbiased estimator, BLUE) ，誤差項須符合獨立同分配 (independently identical distribution, iid)，即殘差需具有下列性質： 1. 殘差期望值為零：E(𝜇) = 0 2. 殘差具變異數同質性：var(𝜇) = 𝜎 2 3. 殘差獨立性：cov(𝜇𝑖 , 𝜇𝑗 ) = 𝜎 2 且 cov(𝑥, 𝜇) = 𝜎 2 4. 殘差為常態分佈。對多元線性迴歸係數進行統計推論前，首先須確定模式的設定是否恰當。第一步先檢視各變項是否符合 OLS 迴歸基本假設，包括：依變項與自變項間呈現線性關係、自變項間不存在嚴重多元共線性 (multicollinearity)，以此原則對投入的變項進行篩選或數值轉換。確認無誤後方進行係數估計。使用 F 檢定、adjusted R2 檢視整體模式之配適度 (goodness of fit)，並以 t 檢定辨識個別迴歸係數的顯著性。最後是對殘差進行診斷，確認殘差是否符合上述線性迴歸假設。最小平方法為求取殘差的平方和最小化，期望盡可能符合多數樣本資訊，然而實際上土地利用單元間並非獨立，且背後的自然環境、社經因素亦非均質，使得 OLS 迴歸的估測常發生平均化效應與誤差項自相關問題 (McDonald and Urban, 2006; 楊書婷，2008)，誤差項自相關將導致標準誤產生偏誤而使 F 檢定與 t 檢定失效，R2 也會不精確。在給定的空間加權矩陣下，OLS 迴歸的殘差可應用拉格朗日乘數 (Lagrange Multiplier, LM) 原則進行檢定。Burridge (1980) 首先提出空間誤差相依的 LMerror 檢定，而後 Anselin (1988b) 提出空間延遲相依的 LM-lag 檢定。然而 LMlag 與 LM-error 檢定無法明確區分殘差空間自相關之源 (Anselin and Florax, 1995)，是故 Anselin et al. (1996) 進一步提出了二種修正後的穩健檢定：robust LM-lag 與 27.

(37) robust LM-error 檢定量，可區別空間相依性的來源，自空間延遲與空間誤差的混合中評估何者更為重要，以此確認空間相依是在空間過程中具實質作用，或僅是對遺漏變項空間結構的反應。因此殘差診斷的意義不單僅是偵測線性迴歸的偏誤，更能進一步指出合宜的修正方法。本研究先以 Moran’s I 統計量檢定殘差是否具有空間自相關，若有則以 robust LM-lag 及 robust LM-error 檢定區別空間自相關的來源，評估空間延遲相依及空間誤差相依何者更為重要。如 robust LM-lag 顯著但 robust LM-error 不顯著，即適合使用空間延遲模型進行修正；反之若 robust LM-error 顯著但 robust LM-lag 不顯著，代表模式極可能遺漏了關鍵自變項，或村里為不合宜的基本空間單元，須對模式進行重新設定。 OLS 迴歸殘差違反變異數同質性假設的結果將使統計檢定失效，無法建構信賴區間。本文藉由 Breusch-Pagan 法檢定殘差變異數是否同質，如檢定結果顯著表示殘差具有變異數不穩定性，違反線性迴歸假設。當殘差變異數不穩定與空間自相關同時出現時，即適合使用地理加權迴歸修正。最後殘差須服從常態分配，本研究以單樣本 Kolmogorov-Smirnov 進行檢定。. 四、空間延遲模型空間延遲模型將空間延遲效應納入多元線性迴歸，反映出「村里單元內建成地變遷影響鄰近村里單元建成地變遷，並同時受到鄰近村里單元建成地變遷的影響」，函數形式為： 𝜀 ~ 𝑁(0, 𝜎 2 𝐼). 𝑦𝑖 = 𝜌 ∑𝑖≠𝑗 𝑤𝑖𝑗 𝑦𝑖 + ∑𝑘 𝛽𝑘 𝑥𝑖𝑘 + 𝜀𝑖. (8). 式中表示村里 i 的建成地變遷比例𝑦𝑖 同時決定於相鄰村里的建成地變遷指數及一組影響因素，當中𝜌為空間自迴歸係數，𝑤𝑖𝑗 為村里的一階相鄰后矩陣。由於空間自迴歸項是依變項空間自相關形成的內生聯立解，因此無法使用普通最小平方法做係數估計，須改採其他可以解釋此種內生性的估計方法。本研究使用由 Luc Anselin 領導開發的空間資料分析軟體 GeodaTM 1.4.0 進行空間權重矩陣的定義及運算空間延遲模型，GeodaTM 1.4.0 以最大概似法估計 (maximum likelihood, ML) 進行係數估計，此時模型的整體配適度不能以 R2 衡量，需以 Log Likelihood、. 28.

(38) 赤池信息量準則 (Akaike’s information criterion, AIC)、施瓦茲準則 (Schwarz criterion, SC) 等非線性原則的適配性檢定來衡量。本文以 AIC 法比較多元線性迴歸與空間延遲模型的配適性差異，AIC 為一種從模式配適度與自由度間衡量最適模型的方法，AIC 值愈小表示該模式愈接近真實分布。設𝐴𝐼𝐶𝑀𝐿𝑅 為多元線性迴歸的 AIC 值、𝐴𝐼𝐶𝑆𝐿𝑀 為空間延遲模型的 AIC 值，若 (𝐴𝐼𝐶𝑀𝐿𝑅 − 𝐴𝐼𝐶𝑆𝐿𝑀 ) > 3，即可判斷空間延遲模型較多元線性迴歸更接近真實模型。. 五、地理加權迴歸本研究使用由 Tomoki Nakaya 人組成的開發團隊所製作之 GWR4 軟體來進行地理加權迴歸的校估。此軟體特色在於能利用地理加權廣義線性模式 (geographically weighted generalised linear modelling, GWGLM) 的架構進行 Poisson GWR 及 logistic GWR 建模，以處理二元或計數資料。此外尚能建立 GWR 與 GWGLM 的半參數型式模型，減少模式的複雜度並提升預測能力。地理加權迴歸延伸自傳統迴歸理論的分析方法，加入空間座標作為加權變項，允許自變項係數隨空間呈現連續變化，能體現空間不穩定性。其將多元線性迴歸方程式修改如下： 𝑦𝑖 = 𝛽0 (𝑢𝑖 , 𝑣𝑖 ) + ∑𝑘 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 )𝑥𝑖𝑘 + 𝜀𝑖. 𝜀 ~ 𝑁(0, 𝜎 2 𝐼). (9). 當中(𝑢𝑖 , 𝑣𝑖 )為空間點 i 的座標，𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 )為點 i 的迴歸係數，𝜀𝑖 為各空間點誤差項，模式中每個觀察值皆賦予一個權重𝛽𝑘，𝛽𝑘 為𝑑𝑖𝑗 的單調遞減函數，以加權最小平方法 (weighted least square, WLS) 進行參數估計，點 i 的係數𝛽𝑖 為： 𝛽̂𝑖 = (𝑋 𝑇 𝑊𝑖 𝑋)−1 𝑋 𝑇 𝑊𝑖 𝑦. (10). 其中𝑊𝑖 為n × n的空間權重矩陣，且只有對角線為非 0 數字，透過不同的空間核函數定義之。一般常用的空間核函數有高斯 (Gaussian) 函數與雙平方 (bisquare) 函數二種。高斯函數為一連續單調遞減函數，在迴歸點 x 上權重值為 1，隨著距離迴歸點愈遠權重愈小，當 i , j 二點漸遠時 Wij 將漸趨近於 0，使遠方的樣本點對迴歸點幾無影響力 (圖 3-1)，其形式如下：. 29.

(39) 2 −𝑑𝑖𝑗 𝑊𝑖𝑗 = exp ( 2 ) 𝜃. (11). 式中𝜃為描述權重與距離間關係的非負參數，此處稱之為帶寬 (bandwidth)。與高斯函數不同，雙平方函數在帶寬內以高斯函數計算權重，帶寬外權重則全數為 0，將上式修正如下： 2 ⁄𝜃 2 ) (1 − 𝑑𝑖𝑗 𝑊𝑖𝑗 = { 0. 2. 𝑑𝑖𝑗 ≤ 𝜃 𝑑𝑖𝑗 > 𝜃. (12). 圖 3-1 空間核函數示意圖資料來源：Fotheringham et al. (2002). 空間核函數的帶寬分別可以固定核心 (fixed kernal) 及調適核心 (adaptive kernal) 二種方式採樣。固定核心對於局部迴歸的帶寬設定以距離遠近為標準 (圖 3-2)，適用於樣本點分布均勻的條件下；調適核心則以距離內樣本點數量為考量，其帶寬會隨著樣本點疏密程度而改變，在樣本密集區帶寬較小、樣本稀疏區帶寬較大 (圖 3-3)。空間核函數類型與帶寬採樣方式的選用上視研究區樣本多寡及分布型態而定，不同權重函數的選擇對係數估計影響並不大，然而特定函數的帶寬則對係數估計十分敏感 (Fortheringham et al., 2002)。. 30.

(40) 圖 3-2 固定核心示意圖資料來源：Fotheringham et al. (2002). 圖 3-3 調適核心示意圖資料來源：Fotheringham et al. (2002). 最適帶寬的選取常採用交叉驗證法 (cross validation, CV)、赤池信息量準則 (AIC) 及貝氏信息量準則 (Bayesian information criterion, BIC) 等方法，當中以又以小樣本修正赤池信息量準則 (AICc) 法的應用最為廣泛 (Hurvich et al., 1998)， AICc 表達形式如下： 𝐴𝐼𝐶𝑐 = 2𝑛 log 𝑒 (𝜎̂) + 𝑛 log 𝑒 (2𝜋) + 𝑛 {. 𝑛 + 𝑡𝑟(𝑆) } 𝑛 − 2 − 𝑡𝑟(𝑆). (13). 其中𝜎̂為誤差項標準差、𝑡𝑟(𝑆)是帽子矩陣 (hat matrix) 的痕跡 (trace)，特定帶寬下模式有最小 AICc 值時，此即為最佳帶寬。然而實際上模式中往往並非所有迴歸係數都具空間變異性，可能有部份係數空間穩定，或空間變化並不顯著 (Brunsdon et al., 1999)。對此一種讓模型中部份係數隨空間座標變化、部分係數全域定值的擴展型地理加權迴歸被發展出來，依其結構被稱為半參數地理加權迴歸 (semiparametric geographically weighted 31.

(41) regression, S-GWR)，此外尚有混合地理加權迴歸 (mixed geographically weighted regression, mixed GWR)、部分線性模型 (partial linear model) 等別稱。半參數地理加權迴歸的形式描述如下： 𝑦𝑖 = ∑𝑘 𝛽𝑘 (𝑢𝑖 , 𝑣𝑖 )𝑥𝑖𝑘 + ∑𝜄 γ𝜄 𝑧𝑖𝑙 + 𝜀𝑖. 𝜀 ~ 𝑁(0, 𝜎 2 𝐼). (14). 式中𝑧𝑖𝑙 為具全域固定係數γ𝜄 的自變項，常數可以是局部係數𝛽0 (𝑢𝑖 , 𝑣𝑖 )或全域係數γ0。GWR4 中使用地理變異性檢定 (geographical variability test) 辨識係數特性，若 Diff of Criterion 為正值，表示該變項無顯著空間變異性。然而由於此種檢定法未考慮到相異設定下最佳帶寬亦會有所調整的問題，因此檢定結果稍趨保守，但在帶寬變動不大的情況下影響小仍適用。(Nakaya, 2012) 由於本研究以村里為最小分析單元，村里單元面積大小及分布並不均勻，因此在空間權重函數的選取上採用高斯調適核心 (Gaussian adaptive kernal)，其帶寬會隨樣本疏密而變動，可確保每一個局部迴歸式都具足夠的樣本，形式如下： 2 −𝑑𝑖𝑗 𝑊𝑖𝑗 = exp ( 2 ) 𝜃𝑖(𝑘). (15). 式中𝜃𝑖(𝑘) 為調適帶寬樣本數量，以 k 個最近鄰單元定義之。最適空間帶寬以 AICc 法決定，並設定下限為局部迴歸的自由度不低於 30。初步迴歸結果再透過地理變異性檢定，判別各迴歸係數屬於局部變係數或全域固定係數，以此建構半參數地理加權迴歸。. 32.

(42) 六、研究流程研究動機、目的. 研究範圍. 文獻回顧. 桃園地方發展. 土地利用變遷. 空間統計. 研究設計. 土地利用重分類. 土地利用分布與空間移轉. 影響因素選取及處理. 影響因素分析. 建成地分布與變遷. 多元線性迴歸空間聚集分析空間延遲模型. 建成地變遷空間型態. 地理加權迴歸. 影響因素與空間效應探討. 結論與建議圖 3-4 研究流程圖. 33.