城市中心识别工具（ArcGIS Pro）

识别城市中心是研究城市空间结构、开展相关定量分析的前提。在所谓的“形态”视角下，城市中心指的是某种要素（如就业、人口、活动或者功能业态）相对聚集分布的区位。

传统识别方法包括McMillen的非参数法、局部自相关（LISA）、地理加权回归（GWR）、阈值法等。然而这些方法都或多或少存在一些问题，使得识别结果不准确、不稳健、甚至与常见规划中的城市中心相去甚远。

我们于 2023年在IJGIS发表的论文 ， 提出了一种创新的识别方法（LDM），采用局部加权回归这一数学工具 对局部峰值（从中心向外衰减的形态）进行统计识别。 数值模拟检验表明我们的方法在理论上具有更高的识别准确。实际数据应用结果也证明，无论是针对不同尺度的矢量单元还是栅格、无论是在市中心还是在郊区，都可以比较稳健的识别城市中心。

基于该方法，我们开发了这一可以复用的ArcGIS Pro工具。

针对矢量面单元的工具界面如下：

Input_Polygon： 输入面要素图层，请保证图层名称无中文、采用投影坐标系，否则可能报错。 识别结果将存储在Input_Polygon的CenterPrb字段，其值表示各单元拒绝原假设（不是中心）的概率，CenterPrb越小则越符合中心的定义。 可根据CenterPrb结果自定义中心阈值，例如将CenterPrb < 0.05作为最终识别结果

Attribute：输入用于识别中心的字段，例如就业密度、人口密度、POI密度等。

Bandwidth Ratio：输入分析采用的Bandwidth Ratio R，取值范围0-1。如果面单元数量共有N个，则每个单元周边最邻近的N*R个单元将参与局部回归。
一般来说，R越大，则参与回归的单元越多，识别结果越稳健，但识别结果越粗糙；R越小，则参与回归的单元越少，识别结果越精细，但识别结果越不稳健。
Bandwidth Ratio一般没有固定的合理取值，可以多次尝试已获得更好的效果。

针对栅格的工具界面如下：

Workspace： 选择工作空间，请保证该文件夹名称及其路径无中文，否则可能报错。 将会在工作空间中输出P值栅格，供灵活分析，输出栅格名称默认为centerPvalues，其值表示各单元拒绝原假设（不是中心）的概率，值越小则越符合中心的定义。 可基于centerPvalues栅格自定义中心阈值，例如将centerPvalues < 0.05作为最终识别结果

Input_Raster：输入栅格图层，请保证栅格图层名称无中文、采用投影坐标系，否则可能报错。

Search_Radius(meter)：输入分析采用的搜索半径，经验上可设置为略大于中心之间通常的间距，如1000-3000米左右。

Confidence_Level：输入分析采用的显著性水平，默认为5%。将根据这一显著性水平，自动提取centerPvalues像元并生成矢量面的中心识别结果。

Output_Center_Shapefile：输出中心识别结果shp的保存路径。

使用建议：可以先使用某一搜索半径运行一次，然后根据centerPvalues栅格的值域进行可视化，找到合适的显著性水平。当合适的搜索半径、显著性水平阈值确定后，再运行一次，以生成矢量的中心识别结果。
注意：当像元很小、空间范围很大时，工具运行速度会显著变慢！