1994～2015年蘭州市不透水面變化分析

穆亞超，頡耀文，張玲玲，陳云海

（1.蘭州大學(xué) 資源環(huán)境學(xué)院，甘肅 蘭州 730000；2. 93116部隊(duì)，遼寧 沈陽 110141）

1994～2015年蘭州市不透水面變化分析

穆亞超1，頡耀文1，張玲玲1，陳云海2

（1.蘭州大學(xué) 資源環(huán)境學(xué)院，甘肅 蘭州 730000；2. 93116部隊(duì)，遼寧 沈陽 110141）

不透水面的監(jiān)測與變化分析對于城市化進(jìn)程的了解、城市景觀格局的研究以及生態(tài)環(huán)境的建設(shè)等方面具有重要意義。以蘭州市建成區(qū)為例，基于Landsat遙感影像數(shù)據(jù)，采用線性光譜分解模型獲取了城市不透水面信息，對不透水面的變化進(jìn)行研究，結(jié)果表明，1994～2015年間，蘭州市建成區(qū)的不透水面發(fā)生了較大的變化，但由于發(fā)展空間限制，擴(kuò)張速率和擴(kuò)張強(qiáng)度呈現(xiàn)下降趨勢，在景觀格局上分布越來越集中，形狀也趨于相對簡單化。到2015年，研究區(qū)內(nèi)的不透水面覆蓋度達(dá)到較高水平，對于蘭州城市未來的發(fā)展規(guī)劃提出嚴(yán)峻考驗(yàn)。

不透水面；蘭州；變化；格局

近些年來，城市化進(jìn)程的加快帶來了城市景觀的巨大變化，大量的自然地表轉(zhuǎn)化為不透水面。不透水面（impervious surface）一般是指相對于植被和土壤而言，滲透率較小的人工建筑物表面，如由瀝青、混凝土等物質(zhì)覆蓋的建筑物頂部、道路、廣場等[1-2]。不透水面作為城市的重要組成部分，不僅是城市化程度的指標(biāo)，也是一個(gè)環(huán)境質(zhì)量的指標(biāo)，對于城市的生態(tài)環(huán)境和地表徑流等具有重要的影響，如城市熱島效應(yīng)、城市洪水災(zāi)害。不透水面的發(fā)展變化受到了人們的廣泛關(guān)注與重視，因此，城市不透水面的相關(guān)研究是城市研究的重要方向之一。

目前，遙感技術(shù)由于具有客觀性、高效性和動態(tài)性等特點(diǎn)，已成為不透水面動態(tài)監(jiān)測的有力手段[3-4]。國內(nèi)外不少學(xué)者對城市不透水面進(jìn)行了相關(guān)研究，這些研究主要集中在不透水面的估算方法[5-6]、不透水面對城市熱島的影響[7-10]、不透水面與植被覆蓋度的相關(guān)分析[11-12]、基于不透水面信息的城市擴(kuò)展研究[13-14]等。其中利用線性光譜分解模型（LSMA）對城市地表組分進(jìn)行混合像元分解，獲得城市不透水面信息，進(jìn)而分析不透水面的變化及空間分布特征是城市遙感研究的重要內(nèi)容，對于城市的規(guī)劃建設(shè)具有重要的指導(dǎo)意義[15]。

蘭州市由于其特殊的地理位置，地形復(fù)雜，形成了東西狹長-南北略窄的典型的河谷型城市，其氣候?qū)儆谖鞅眱?nèi)陸干旱氣候，年均降水量較小。近幾十年來，蘭州城市發(fā)展迅速，尤其是進(jìn)入21世紀(jì)后，城市人口迅速增加，城市化進(jìn)程空前加快，大量的自然地表轉(zhuǎn)化為城市不透水面，交通擁堵，建筑密度大；城市綠化率低，城市熱島效應(yīng)明顯，生態(tài)環(huán)境脆弱，城市環(huán)境質(zhì)量受到人們的高度關(guān)注。因此，研究蘭州市不透水面的時(shí)空變化特征，進(jìn)而為蘭州城市的發(fā)展規(guī)劃及生態(tài)建設(shè)提供參考，以及對于了解蘭州的城市化進(jìn)程，分析其景觀格局變化具有重要意義。

1 研究區(qū)概況與數(shù)據(jù)源

蘭州市位于中國西北部，甘肅省中部，作為甘肅省省會是西部地區(qū)重要的中心城市，現(xiàn)轄城關(guān)、七里河、西固、安寧、紅古5個(gè)區(qū)和永登、榆中、皋蘭3個(gè)縣。本研究選取的范圍為蘭州市第三版城市規(guī)劃的中心城區(qū)范圍，該區(qū)域是蘭州城市人口最密集的區(qū)域，也是蘭州市的政治、經(jīng)濟(jì)、文化中心，具有很高的城市化水平（圖1為2015年的Landsat8_OLI影像）。

圖1 研究區(qū)影像圖

本文選取的影像數(shù)據(jù)為Landsat衛(wèi)星系列影像，來源于USGS官網(wǎng)（http://glovis.usgs.gov/）。為反映蘭州城市近20 a的不透水面變化情況以及考慮到影像質(zhì)量問題，本研究從1994～2015年每隔7 a選取一期影像，總共選取了4期影像，影像的基本信息見表1。首先對獲取的影像進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理工作，然后對影像進(jìn)行裁剪，獲得本研究區(qū)的遙感影像數(shù)據(jù)。

表1 遙感影像信息表

2 研究方法

2.1 線性光譜分解

線性光譜混合模型定義為將像元組分在某一波段的反射率分別以各組分所占像元面積比為權(quán)重系數(shù)的線性組合[16]。根據(jù)RIDD[17]提出的V-I-S模型，將城市景觀看成是除水體之外由植被、不透水面以及土壤3種組分有機(jī)組成。利用線性光譜分解模型（linear spectral mixture analysis，LSMA）進(jìn)行城市不透水面信息的提取，一般包括3個(gè)步驟：降低維度、端元選取、線性光譜分解。

本文首先利用最小噪聲分離變換（MNF變換）獲取前3個(gè)主成分，相關(guān)研究表明MNF變換后的前3個(gè)分量構(gòu)成的特征空間已經(jīng)能夠滿足端元的選取需求[18-19]。然后基于V-I-S模型在MNF1、MNF2和MNF3這3個(gè)波段組成的特征空間中分別選取植被、高反照率、低反照率以及土壤4種端元類型的樣本，并且結(jié)合人工目視解譯進(jìn)行樣本修正，獲取較為純凈的端元。最后，利用線性光譜分解模型獲得各個(gè)端元的豐度圖，進(jìn)而獲取不透水面蓋度圖。

2.2 變化分析方法

本研究區(qū)采用定性與定量相結(jié)合的方法對不透水面變化的分布及變化特征進(jìn)行研究，根據(jù)對于蘭州實(shí)際情況的了解以及對照影像進(jìn)行定性分析；在定量分析中選取變化速率、變化強(qiáng)度兩個(gè)指標(biāo)來反映不透水面信息在數(shù)量上的變化，選取分維數(shù)、聚集度指數(shù)這兩個(gè)景觀格局指數(shù)來刻畫不透水面的空間形態(tài)變化。通過上述4個(gè)指標(biāo)可以較好地反映蘭州市不透水面的數(shù)量變化和分布格局特征，變化速率和變化強(qiáng)度這兩個(gè)指標(biāo)由公式計(jì)算獲得，分維數(shù)和聚集度通過Fragstats4.2軟件計(jì)算獲得，指標(biāo)公式如下：

變化速率K反映不透水面面積在一段時(shí)期內(nèi)的年均變化量：

式中，An+i和Ai分別代表n+i年和i年的城市不透水面面積；n是以a為單位的時(shí)間。

變化強(qiáng)度AGR用城市不透水面年均增加面積與基年面積之比來表示：

式中，An+i和Ai分別代表n+i年和i年的城市不透水面面積；n是以a為單位的時(shí)間。

分維數(shù)PAFRAC是反映景觀形狀復(fù)雜程度的指標(biāo)，分維數(shù)的值域范圍為1～2，其值越接近 1，類型景觀斑塊形狀越簡單越有規(guī)律；越接近 2，則越復(fù)雜：

式中，aij為斑塊ij的面積；Pij為斑塊ij的周長；ni為斑塊數(shù)目。

聚集度指數(shù)AI是反映斑塊在景觀中聚集與分散狀態(tài)的指數(shù)，值域范圍為0～100，聚集度指數(shù)值越小則斑塊越分散，其值越大斑塊分布越聚集：

式中，n為斑塊總數(shù)；Pij為斑塊i和j相鄰的概率；Pij=Eij/Nb；Eij為相鄰生態(tài)系統(tǒng)i、j間的共同邊界長度，Nb是景觀中不同生態(tài)系統(tǒng)間邊界的總長度。

3 結(jié)果與分析

圖2 精度評價(jià)結(jié)果圖

3.1 提取精度分析

利用分解后得到的均方根誤差（RMS）結(jié)果以及對照高清影像人工采樣進(jìn)行精度評價(jià)（圖2），每個(gè)采樣點(diǎn)選擇3×3窗口的均值，以2015年為例進(jìn)行精度評價(jià)（其他年份采取相同的評價(jià)方法），其均方根誤差值均很小，誤差低于0.02的像元數(shù)超過90%；最終提取的不透水面蓋度結(jié)果如圖3所示，通過實(shí)測蓋度與線性光譜分解蓋度的線性擬合結(jié)果來看，相關(guān)系數(shù)達(dá)到0.920 3，R2為0.834，結(jié)果較為理想。

不透水面的提取利用不透水面蓋度結(jié)果設(shè)定閾值進(jìn)行二值化處理，閾值的設(shè)定通過對比高清影像并結(jié)合對研究區(qū)的調(diào)查了解，通過多次實(shí)驗(yàn)最終確定ISC大于0.43為提取不透水面的閾值，獲得不透水面的提取結(jié)果。利用ArcGIS隨機(jī)生成300個(gè)驗(yàn)證點(diǎn)進(jìn)行精度驗(yàn)證，基于Landsat衛(wèi)星影像以及Google Earth高清影像人工判別驗(yàn)證點(diǎn)是否為不透水面，然后與不透水面二值化結(jié)果進(jìn)行對照，其準(zhǔn)確率均高于85%，結(jié)果滿足研究要求。

圖3 不透水面蓋度圖

3.2 數(shù)量變化分析

從1994～2015年間，蘭州市不透水面擴(kuò)張顯著，面積從1994年的113.752 km2增加到2015年的200.876 km2（見表2），增加的不透水面主要集中在研究區(qū)東北部的雁灘地區(qū)，中西部地區(qū)的迎門灘、馬灘、崔家大灘等地區(qū)，以及北部的九州開發(fā)區(qū)（圖4）。不透水面的變化由分散向連片發(fā)展，主要為向外部蔓延式為主，有少量的內(nèi)部填充。到2015年，研究區(qū)內(nèi)的可建設(shè)之地已基本被城市侵占完畢，不透水面覆蓋度達(dá)到84.654%，表明研究區(qū)城市化達(dá)到較高水平。

圖4 不透水面提取結(jié)果圖

本文劃分為3個(gè)階段研究城市不透水面的擴(kuò)張：1994～2001年、2001～2008年、2008～2015年。從這3個(gè)階段總的來看（表2），整個(gè)研究區(qū)城市不透水面的變化速率在逐漸下降，其中第一階段最大，為5.168 km2/a；第三階段最小，為2.609 km2/a。變化強(qiáng)度也是呈現(xiàn)不斷降低的趨勢，從第一階段的4.543%降低到第三階段的1.429%?？梢?，隨著城市的不斷發(fā)展，研究區(qū)可利用土地不斷減少，城市擴(kuò)張的進(jìn)程也隨之變慢，表現(xiàn)為城市不透水面的變化速率和變化強(qiáng)度的不斷降低。

表2 不透水面相關(guān)統(tǒng)計(jì)指標(biāo)值

主城四區(qū)的不透水面的變化速率和變化強(qiáng)度如圖5所示，安寧區(qū)由于1990年之后蘭州市大力建設(shè)安寧經(jīng)濟(jì)技術(shù)開發(fā)區(qū)（1993年批準(zhǔn)），城市居住用地、商業(yè)用地以及科研教育用地等不斷擴(kuò)張，表現(xiàn)在第一階段不透水面在該區(qū)的中南部地區(qū)增加較快，變化強(qiáng)度較大；到第二階段變化減慢，增加的不透水面主要在該區(qū)的東部、中部地區(qū)以及南部的迎門灘地區(qū)；第三階段不透水面變化主要發(fā)生在該區(qū)的西部及中部地區(qū)，主要為交通用地、居住用地、工業(yè)用地的擴(kuò)張，還有南部沿濱河路有少量的城市工業(yè)和商業(yè)用地增加，變化較前兩個(gè)階段明顯變慢。

圖5 主城四區(qū)不透水面變化速率與變化強(qiáng)度圖

西固區(qū)在“一五”計(jì)劃期間建設(shè)了蘭煉、蘭化等大型重點(diǎn)骨干企業(yè)，逐步形成了西固石化工業(yè)區(qū)，之后在此基礎(chǔ)上不斷發(fā)展完善，第一階段和第二階段實(shí)現(xiàn)了較為穩(wěn)定的發(fā)展，變化速率和變化強(qiáng)度在主城四區(qū)中相對較低。到第三階段西固區(qū)的發(fā)展基本已經(jīng)定型，變化速率和變化強(qiáng)度較前兩個(gè)階段迅速降低。

七里河區(qū)在第一階段不透水面擴(kuò)張相對較快，到第二階段、第三階段變化減慢，第一個(gè)階段主要是該區(qū)西北部的大灘村以及中北部的馬灘村等村莊的城市化建設(shè)，使得該區(qū)的不透水面擴(kuò)張較為迅速，變化強(qiáng)度相對較大，到第二、三階段主要是蘭州西站的建設(shè)帶動了周圍的發(fā)展，如鄭家莊新村的城市化建設(shè)，使得該區(qū)域的不透水面得到一定程度的擴(kuò)張，但與第一階段相比，變化速率和變化強(qiáng)度降低較多。

城關(guān)區(qū)作為老城區(qū)其城市擴(kuò)張主要發(fā)生在雁灘地區(qū)以及九州開發(fā)區(qū)，隨著雁灘高新開發(fā)區(qū)的大力投資建設(shè)，大量的農(nóng)用地轉(zhuǎn)化為不透水面，在第二階段九州開發(fā)區(qū)開始加快發(fā)展，因此在前兩個(gè)階段的不透水面擴(kuò)張速率較大，而到第三階段該區(qū)可發(fā)展空間變得相當(dāng)有限，變化速率迅速降低，變化強(qiáng)度也變得較小，到2015年城關(guān)區(qū)除黃河外基本被不透水面覆蓋完畢。

從圖5可以看出，城關(guān)區(qū)的變化速率在四區(qū)中一直處于最大狀態(tài)，但變化強(qiáng)度幾乎處于最小狀態(tài)，可見雖然城關(guān)區(qū)在近20 a的時(shí)間內(nèi)實(shí)現(xiàn)了一定的發(fā)展，但作為老城區(qū)其發(fā)展早已定型，變化強(qiáng)度不大。而安寧區(qū)的變化強(qiáng)度一直高于其他三區(qū)，變化速率也相對較高，說明近20 a來由于安寧經(jīng)濟(jì)開發(fā)區(qū)的大力開發(fā)建設(shè)，不透水面實(shí)現(xiàn)了較大的變化。四區(qū)中的西固區(qū)變化速率和變化強(qiáng)度幾乎一直處于較低狀態(tài)，這是由于該區(qū)作為甘肅省和蘭州的核心工業(yè)區(qū)發(fā)展較早，在1994年的城市發(fā)展就基本定型，后期發(fā)展變化不大。

3.3 景觀格局變化分析

從空間形態(tài)變化方面分析（圖6），結(jié)果表明，由于蘭州城市地理位置的特殊性，城市形態(tài)并非規(guī)整的近似圓形或方形發(fā)展，而是呈特殊的“東西長南北窄”的長條形，整個(gè)研究區(qū)的分維值均大于1.41，并且聚集度指數(shù)很高，均在94以上，說明不透水面形狀比較復(fù)雜，并且分布集中程度高。

圖6 景觀指數(shù)統(tǒng)計(jì)圖

1994～2015年間分維數(shù)值的變化呈現(xiàn)出類似“N”型，即不透水面的形狀復(fù)雜程度在這20 a左右的時(shí)間內(nèi)波動變化。1994年的蘭州市建成區(qū)不透水面大體形成分裂的幾大斑塊，城關(guān)-七里河核心斑塊、西固核心斑塊，還有安寧區(qū)相對規(guī)模較小的兩個(gè)斑塊，但各個(gè)斑塊形狀相對比較簡單，分維數(shù)較低。1994～2001年間，不透水面擴(kuò)張較為顯著，在原來的基礎(chǔ)上增加了許多不透水面斑塊，尤其是安寧區(qū)的不透水面發(fā)生了較大變化，整個(gè)研究區(qū)的分維數(shù)值顯著增大。2001～2008年期間不透水面不斷擴(kuò)張，將整個(gè)研究區(qū)連成一片，分維數(shù)明顯降低。到2015年，由于九州開發(fā)區(qū)的建設(shè)以及七里河區(qū)的蘭州西站西南地區(qū)的發(fā)展，使得城市突破原來的形態(tài)，分維數(shù)略有上升。

蘭州城市的不透水面隨著時(shí)間的變化，聚集度指數(shù)基本上處于不斷增加的狀態(tài)，只有在2001年略有下降，這與分維數(shù)的變化相對應(yīng)，2001年城市不透水面在幾個(gè)分裂的斑塊基礎(chǔ)上擴(kuò)張，不僅原來的斑塊增大，還增加了許多零星分布的小斑塊，導(dǎo)致聚集度指數(shù)降低。之后不透水面不斷填充侵占非不透水面，不透水面斑塊不斷聚集，導(dǎo)致聚集度指數(shù)不斷增加，2015年研究區(qū)的聚集度指數(shù)值達(dá)到96.58，可見不透水面的分布已經(jīng)相當(dāng)密集緊湊。

4 結(jié) 語

本文基于線性光譜分解模型實(shí)現(xiàn)了蘭州市建成區(qū)不透水面信息的有效提取，從數(shù)量變化及景觀格局指數(shù)變化兩個(gè)方面分析了蘭州市建成區(qū)近20 a不透水面變化特征，結(jié)果表明：

1）1994～2015年間蘭州城市發(fā)展使得周邊大量的農(nóng)用地、空地等非不透水面轉(zhuǎn)化為城市不透水面，但是由于地形的限制，研究區(qū)不透水面變化的速率和強(qiáng)度越來越小。主城四區(qū)在近20 a的發(fā)展也都呈現(xiàn)出逐漸下降的趨勢，但各個(gè)區(qū)的變化特征不同，其中變化強(qiáng)度最大的為安寧區(qū)，變化速率最大的為城關(guān)區(qū)，這主要是由于政策的影響和不同地區(qū)發(fā)展程度的不同引起的。

2）從景觀格局變化來看，聚集度指數(shù)呈現(xiàn)上升的趨勢，不透水面覆蓋度越來越高，聚集化程度也越來越高。而分維數(shù)呈現(xiàn)波動變化，但總體趨于降低的態(tài)勢。綜上表明，在有限的空間內(nèi)蘭州城市的不斷發(fā)展使得不透水面在景觀格局上空間分布更加聚集，形狀趨于規(guī)整簡單化。

近20 a蘭州城市建成區(qū)不透水面不斷擴(kuò)張，不透水面覆蓋度達(dá)到較高水平，城市綠化率低，生態(tài)環(huán)境質(zhì)量差，城市要想繼續(xù)發(fā)展只能另謀出路，因此像蘭州新區(qū)等城市副中心的出現(xiàn)將是蘭州城市發(fā)展必不可少的產(chǎn)物。

[1] JR CLA,GIBBONS C J.Impervious Surface: The Emergence of a Key Arban Environmental Indicator[J]. Journal of the American Planning Association.1996,62 (2) :243-258

[2] WENG Q. Remote Sensing of Impervious Surfaces in the Urban Areas: Requirements, Methods, and Trends[J]. Remote Sensing of Environment, 2012, 117(2):34-49

[3] SHEN W, WU T, LI M. Mapping Urban Impervious Surfaces of Nanjing from the Dense Landsat Imagery[C]. International Congress on Image and Signal Processing,2012

[4] HU T, YANG J, LI X, et al. Mapping Urban Land Use by Using Landsat Images and Open Social Data[J].Remote Sensing,2016,8(2):151

[5] WENG Q, HU X. Medium Spatial Resolution Satellite Imagery for Estimating and Mapping Urban Impervious Surfaces Using LSMA and ANN[J]. IEEE Transactions on Geoscience & Remote Sensing, 2008, 46(8):2 397-2 406

[6] 崔秋洋,潘云,楊雪.基于Landsat 8遙感影像的北京市平原區(qū)不透水層蓋度估算[J].首都師范大學(xué)學(xué)報(bào)（自然科學(xué)版）, 2015, 36(2):89-92

[7] 楊可明,周玉潔,齊建偉,等.城市不透水面及地表溫度的遙感估算[J].國土資源遙感,2014, 26(2):134-139

[8] 宋毅.基于Landsat影像的滇池流域不透水面變化與城市熱島效應(yīng)關(guān)系研究[D].云南：云南師范大學(xué), 2014

[9] ROY S S, YUAN F. Trends in Extreme Temperatures in Relation to Urbanization in the Twin Cities Metropolitan Area, Minnesota[J]. Journal of Applied Meteorology & Climatology, 2009,48(3):669-679

[10] 陳婉佳,高孝杰,劉蓉蓉,等.基于Landsat 8數(shù)據(jù)的城市不透水面及其與熱環(huán)境的關(guān)系研究[J].測繪與空間地理信息, 2015(4):92-95

[11] 潘竟虎,李曉雪,馮兆東.基于V-I-AP模型的蘭州市不透水面與植被蓋度時(shí)空格局分析[J]. 資源科學(xué), 2010, 32(3):520-527

[12] 謝苗苗,王仰麟,李貴才.基于亞像元分解的不透水表面與植被覆蓋空間分異測度:以深圳市為例[J].資源科學(xué), 2009, 31(2):257-264

[13] 王婷.基于不透水表面信息遙感提取的城市擴(kuò)展研究[D].蘭州：蘭州大學(xué), 2013

[14] 陳亮.基于不透水面的城市建成區(qū)提取及其空間擴(kuò)展過程分析[D].南京：河海大學(xué),2008

[15] 周紀(jì),陳云浩,張錦水,等.北京城市不透水層覆蓋度遙感估算[J].國土資源遙感, 2007(3):13-17

[16] 陶秋香,陶華學(xué),張連蓬.線性混合光譜模型在植被高光譜遙感分類中的應(yīng)用研究[J].勘察科學(xué)技術(shù), 2004(1):21-24

[17] RIDD M K.Exploring a V-I-S (Vegetation-Impervious Surface-Soil) Model for Urban Ecosystem Analysis Through Remote Sensing[J]. International Journal of Remote Sensing, 1995, 16(12):2 165-2 185

[18] 李波,黃敬峰,吳次芳.基于熱紅外遙感數(shù)據(jù)和光譜混合分解模型的城市不透水面估算[J]. 自然資源學(xué)報(bào),2012, 27(9): 1 590-1 600

[19] SMALL C.Estimation of Urban Vegetation Abundance by Spectral Mixture Analysis[J]. International Journal of Remote Sensing, 2010, 33(22):299-307

P208

B

1672-4623（2017）02-0094-04

10.3969/j.issn.1672-4623.2017.02.029

2016-09-08。

項(xiàng)目來源：國家自然科學(xué)基金資助項(xiàng)目（41471163）；甘肅省地理國情監(jiān)測資助項(xiàng)目（GSGP-2014-23-34）。

穆亞超，碩士研究生，主要從事遙感與GIS應(yīng)用研究。