基于遙感生態(tài)指數(shù)的道路網(wǎng)絡(luò)生態(tài)效應(yīng)分析
——以福州市為例

陳曉輝,曾曉瑩,趙超超,邱榮祖,張?zhí)m怡,侯秀英,胡喜生

福建農(nóng)林大學(xué)交通與土木工程學(xué)院, 福州 350002

道路網(wǎng)絡(luò)作為社會經(jīng)濟(jì)發(fā)展的產(chǎn)物,同時也對道路周邊的生態(tài)環(huán)境帶來一系列負(fù)面的影響。道路網(wǎng)絡(luò)貫穿于各類景觀,分布范圍之廣和發(fā)展速度之快,是其他建設(shè)工程不能比擬的,道路所產(chǎn)生的生態(tài)效應(yīng)越來越受到重視[1]。關(guān)于道路的生態(tài)影響,最初主要集中研究路旁植被的變化和對小型野生動物活動造成的影響[2],進(jìn)入20世紀(jì)90年代,隨著地理信息系統(tǒng)和遙感技術(shù)的發(fā)展,學(xué)者們開始關(guān)注道路網(wǎng)對景觀格局[3]、土地利用[4-5]、生態(tài)風(fēng)險[6-7]等的影響分析,研究方法側(cè)重于緩沖區(qū)分析、情景分析、疊加分析、構(gòu)建景觀指數(shù)等。如畢愷藝等[3]采用緩沖區(qū)分析和情景分析方法,分別計算類型層次和景觀層次的景觀指數(shù)分析中國-中南半島經(jīng)濟(jì)走廊道路網(wǎng)絡(luò)對景觀格局的影響；趙芳等[4]采用緩沖區(qū)分析、疊加分析以及景觀格局分析方法, 研究道路與兩側(cè)土地利用和景觀格局的關(guān)系；張兆苓等[6]通過基于景觀格局和過程的景觀生態(tài)風(fēng)險指數(shù)計算, 分析道路網(wǎng)絡(luò)擴(kuò)展影響下的景觀生態(tài)風(fēng)險規(guī)律。在眾多道路指標(biāo)中,路網(wǎng)密度是研究最廣泛的一個,是衡量一定區(qū)域內(nèi)道路數(shù)量與路網(wǎng)建設(shè)水平的重要指標(biāo)[8]。傳統(tǒng)的計算方法是在一定區(qū)域內(nèi),道路網(wǎng)的總里程與該區(qū)域面積的比值；而基于ArcGIS軟件的空間分析工具,核密度估算(Kernel Density Estimation,KDE)通過選擇一個核函數(shù)進(jìn)行計算,為道路密度的研究提供方便。如畢愷藝等[7]以中國-中南半島經(jīng)濟(jì)走廊為例,表明道路網(wǎng)絡(luò)和景觀生態(tài)風(fēng)險存在一定的相關(guān)性,隨著道路網(wǎng)絡(luò)密度的增加,景觀生態(tài)風(fēng)險呈現(xiàn)上升趨勢；莫文波等[9]采用KDE研究北京市道路網(wǎng)絡(luò)的時空變化,并探討道路網(wǎng)絡(luò)的擴(kuò)展對城市景觀生態(tài)風(fēng)險的影響。已有的研究較多采用定性的方法分析道路網(wǎng)絡(luò)對生態(tài)環(huán)境的影響,而較少定量探究道路網(wǎng)絡(luò)對生態(tài)環(huán)境的響應(yīng)閾值。

生態(tài)環(huán)境質(zhì)量作為生態(tài)系統(tǒng)結(jié)構(gòu)、功能和要素在一定時間和空間上的綜合表征,一直是當(dāng)今社會最受關(guān)注的熱點(diǎn)之一[10]。隨著我國科技力量的提高,衛(wèi)星遙感已經(jīng)成為動態(tài)監(jiān)測生態(tài)環(huán)境要素和評估生態(tài)環(huán)境變化有效的技術(shù)手段[11]?；谶b感技術(shù)的發(fā)展,通過構(gòu)建反應(yīng)生態(tài)系統(tǒng)不同方面的不同指數(shù),可以表征生態(tài)系統(tǒng)的質(zhì)量,如應(yīng)用植被指數(shù)(Normalized Difference Vegetation Index,NDVI)評價植被的覆蓋度[12],應(yīng)用不透水面和地表溫度(Land Surface Temperature,LST)評估城市生態(tài)的熱島效應(yīng)等[13-14],但是這些單一指數(shù)僅能較好地解釋生態(tài)系統(tǒng)某一方面的生態(tài)特征,而生態(tài)系統(tǒng)是受多方面因素影響的。特別是復(fù)雜類型的生態(tài)系統(tǒng),比如濕地、山區(qū)、高原、干旱地區(qū)等,僅使用單一的生態(tài)指數(shù)是無法全面準(zhǔn)確反映生態(tài)系統(tǒng),難以評價其生態(tài)變化的。為了能夠全面的描述和評價研究區(qū)的生態(tài)質(zhì)量,徐涵秋基于遙感技術(shù)提出的一種耦合了自然生態(tài)環(huán)境中綠度、熱度、干度和濕度評價指標(biāo)的新型遙感綜合指數(shù)(Remote Sensing Ecological Index,RSEI),相比國家環(huán)境保護(hù)部于2006年頒發(fā)了《生態(tài)環(huán)境狀況評價技術(shù)規(guī)范》,推出的生態(tài)環(huán)境狀況指數(shù)(Ecological Index,EI)[15]。該指數(shù)彌補(bǔ)了EI人為主觀權(quán)重設(shè)定、指標(biāo)難獲取性、結(jié)果無法進(jìn)行可視化的不足,能對區(qū)域生態(tài)環(huán)境狀況進(jìn)行客觀定量評價,同時也能對生態(tài)環(huán)境的演變進(jìn)行時空分析以及可視化顯示[16]。該指數(shù)在城市主城區(qū)[17]、水土流失[18]和干旱區(qū)[19]的生態(tài)效應(yīng)評估已有應(yīng)用,且取得很好的成效。查閱已有的文獻(xiàn)發(fā)現(xiàn),現(xiàn)有相關(guān)研究主要側(cè)重基于遙感生態(tài)指數(shù)的生態(tài)環(huán)境監(jiān)測和變化分析[18,20]、遙感生態(tài)指數(shù)的驅(qū)動力機(jī)制分析[10,17]、遙感生態(tài)指數(shù)的模擬和預(yù)測分析[21-22],而較少分析遙感生態(tài)指數(shù)的空間分異特征,且多采用簡單的回歸模型,無法很好的解釋空間數(shù)據(jù)的非平穩(wěn)性和依賴性。

因此,針對當(dāng)前研究中存在的不足,本研究以福州市為研究對象,基于2000年和2016年的Landsat遙感影像和路網(wǎng)數(shù)據(jù),運(yùn)用緩沖區(qū)分析和剖面線分析相結(jié)合的方法,分析2000—2016年福州市的生態(tài)質(zhì)量及其變化,探討不同道路類型對RSEI的變化規(guī)律及城鄉(xiāng)梯度之間路網(wǎng)密度和生態(tài)環(huán)境之間的變化關(guān)系；從不同尺度劃分空間單元,運(yùn)用全局空間自相關(guān)、地理加權(quán)回歸分析等方法定量分析了RSEI 的空間異質(zhì)性。以期為福州市城市建設(shè)和生態(tài)保護(hù)協(xié)調(diào)發(fā)展提供參考依據(jù)。

1 研究區(qū)域

1.1 研究區(qū)概況

福州市位于臺灣海峽西岸,閩江下游,地理范圍為25°20′—26°38′N、118°18′—119°59′E,是福建省的省會,也是福建省最大的地級市(圖1)?，F(xiàn)轄6個區(qū)和7個縣(2017年,長樂撤市設(shè)區(qū)),147個城鎮(zhèn)組成,占地面積超過12153km2。該地區(qū)屬于亞熱帶季風(fēng)氣候,年平均氣溫約20.75℃。研究區(qū)內(nèi)年降水量為796.5—1913.6 mm，變化較大,其中約33%發(fā)生在汛期(5月和6月)。據(jù)報道,在過去的20年里,該地區(qū)的景觀發(fā)生了巨大的變化,變得更加破碎和退化[23]。因此,對城市生態(tài)質(zhì)量時空格局的研究可以為其他快速發(fā)展的城市提供借鑒。

圖1 研究區(qū)區(qū)位圖Fig.1 Location of the study area

2 研究方法

2.1 數(shù)據(jù)來源及預(yù)處理

在本研究中,Landsat圖像是在2000年05月04日(ETM+)和2016年06月25日(OLI/TIRS)從USGS (https://glovis.usgs)獲得的。歷時16年,圖像為1B級,在分析之前系統(tǒng)地對其進(jìn)行了輻射定標(biāo)、幾何校正和配準(zhǔn)。輻射校正采用 Chander等[24]的模型和參數(shù)將原始影像的灰度值轉(zhuǎn)換為傳感器處反射率,以減少不同年份的影像在地形、光照和大氣等方面的差異；不同時相影像之間的配準(zhǔn)采用二次多項式和最鄰近象元法,配準(zhǔn)的均方根誤差小于0.5個象元[25]。此外,基于修正的歸一化水體指數(shù)對水斑塊進(jìn)行掩膜[26],以減少水域?qū)Y(jié)果的影響。近期的路網(wǎng)數(shù)據(jù)從OpenStreetMap(https：//www.openstreetmap.org/)下載,包含公路和城市道路。

2.2 遙感生態(tài)指數(shù)(RSEI)

基于ENVI軟件平臺分別提取研究區(qū)2000年、2016年兩期遙感影像的綠度、濕度、熱度、干度四項生態(tài)指標(biāo),采用主成分分析法(Principal Components Analysis, PCA)構(gòu)建RSEI指數(shù)。IBI、SI、NDVI、LST、LSM、MNDWI的詳細(xì)計算過程如參考文獻(xiàn)[26-27]。

2.3 核密度分析(KDE)

核密度分析是利用 ArcGIS 計算移動窗口中的點(diǎn)密度或者線密度[28],假設(shè)x1……xn是根據(jù)函數(shù)f獲取的獨(dú)立且相對分散的采樣點(diǎn),則f(x)代表點(diǎn)x在公式f中的值,其公式如下：

(1)

式中,k(x)代表核密度分析功能；h為帶寬；x-xi代表x與xi之間的距離；n代表采樣點(diǎn)的總數(shù)目。

其中,核函數(shù)采用的是ArcGIS軟件自帶的高斯核函數(shù)進(jìn)行估算,在所有參數(shù)中,h的選取對計算結(jié)果的影響最大,當(dāng)h值較大時,密度曲線光滑,反映的結(jié)果模糊抽象；當(dāng)h值較小時,密度曲線更為突變,能詳細(xì)揭示密度的分布特征。在本研究中,采用ArcGIS軟件的默認(rèn)帶寬進(jìn)行估計,在4500 m的默認(rèn)帶寬上,可以清晰分辨路網(wǎng)的密度中心和核心邊界；其像元大小設(shè)置與RSEI柵格圖的大小一致,均為30 m。

2.4 緩沖區(qū)分析

緩沖區(qū)分析已經(jīng)成為辨析人類干擾造成生態(tài)系統(tǒng)變化格局分析的主要方法之一。在ArcGIS軟件的支持下,篩選出國道、省道、縣道、鄉(xiāng)鎮(zhèn)道路四種類型的道路作為線狀研究對象,分別以150 m為間隔,共劃分為20個多環(huán)緩沖帶,定量分析道路影響域內(nèi)的生態(tài)變化閾值；從Google Earth中定位福州市各個縣區(qū)的經(jīng)緯度坐標(biāo),并在ArcGIS創(chuàng)建各點(diǎn)要素作為行政中心,以合并為整體的所有區(qū)縣、所有區(qū)、所有縣的行政中心為圓心向外擴(kuò)散,構(gòu)建30個 1 km環(huán)狀緩沖區(qū),作為點(diǎn)狀研究對象,分析城鄉(xiāng)之間的梯度變化特征,其結(jié)果通過以表格顯示分區(qū)統(tǒng)計工具導(dǎo)出。

2.5 剖面線分析

剖面圖可以表示沿表面上某條線前進(jìn)時,自然要素或者社會要素的變化情況,剖面線是剖面圖所經(jīng)過區(qū)域的范圍指示[29]。本研究利用ArcGIS的剖面工具(3D Profile),根據(jù)各區(qū)縣行政中心的位置分布,沿西北-東南(NW-SE)、西南-東北(SW-NE)、南-北(S-N)3個方向設(shè)置剖面線,分析各方向RSEI和KDE的時空變化關(guān)系。

2.6 空間自相關(guān)分析

采用全局空間自相關(guān)模型分析福州市生態(tài)環(huán)境質(zhì)量的空間聚集性。結(jié)果通過計算Moran′sI指數(shù),Z得分,P值得分確定其是否具有顯著性,其公式如下：

(2)

(3)

Moran′sI指數(shù)的值通常介于-1 和 1 之間,若 Moran′sI值大于零,表明空間自相關(guān)程度較高,呈現(xiàn)聚類特征,反之表示其空間自相關(guān)程度較低,呈現(xiàn)離散特征,若為零則表示不相關(guān),呈現(xiàn)隨機(jī)特征[30]。

2.7 地理加權(quán)回歸分析

相比于最小二乘回歸分析(OLS模型),GWR模型將樣點(diǎn)數(shù)據(jù)的空間特性納入到了回歸參數(shù)之中,使變量間的關(guān)系可以隨著空間位置的變化而不同,克服了空間數(shù)據(jù)的非平穩(wěn)性和依賴性[31],是考慮變量空間異質(zhì)性的局部線性回歸模型。其公式如下：

(4)

式中,Yi為第i個單元格的RSEI值;(ui,vi)為該單元格的中心地理坐標(biāo);βk(ui,vi)為第i個單元格的回歸系數(shù);εi為隨機(jī)誤差項。

在空間權(quán)重矩陣的確定中,選擇高斯函數(shù)作為空間權(quán)重函數(shù)；GWR模型對于帶寬的選擇非常敏感,為避免帶寬過大或者過小對模型擬合精度的影響,基于ArcGIS軟件,選擇赤池信息量準(zhǔn)則(Akaile information criterion,AIC)法確定最優(yōu)帶寬,當(dāng)模型的 AIC 值最小時,即可確定最優(yōu)帶寬和 GWR 模型。

3 結(jié)果與分析

3.1 福州市生態(tài)環(huán)境時空變化動態(tài)

根據(jù)RSEI的主成分分析結(jié)果[32],福州市兩景影像的第一主成分(PC1)的貢獻(xiàn)率均達(dá)到98%以上,其中2000年為98.41%,2016年為98.72%,說明它已經(jīng)集中了四個分指標(biāo)的大部分特征,即RSEI能夠作為全面、客觀評價區(qū)域生態(tài)環(huán)境質(zhì)量的指標(biāo)。

為了定量化和可視化分析福州市的遙感生態(tài)指數(shù),將2000年和2016年RSEI值以0.2為間隔,劃分為五個等級,0—0.2、0.2—0.4、0.4—0.6、0.6—0.8和0.8—1.0分別對應(yīng)差、較差、中等、較好和好。觀察兩年RSEI的時空變化圖,可以發(fā)現(xiàn)2000年福州市生態(tài)環(huán)境差和較差的區(qū)域主要集中在市中心和沿海區(qū)域一帶,其他大部分區(qū)域均為較好等級以上。與2000年相比,2016年市中心區(qū)域生態(tài)環(huán)境差的區(qū)域范圍有所擴(kuò)大,表明建設(shè)用地已經(jīng)侵占了生態(tài)用地,導(dǎo)致該區(qū)域的生態(tài)環(huán)境質(zhì)量下降,在福清市的沿海區(qū)域,生態(tài)環(huán)境差的等級范圍有所縮小,其他區(qū)縣邊緣因?qū)嵭兄矘湓炝质沟蒙鷳B(tài)環(huán)境好的區(qū)域面積明顯擴(kuò)大[32]。統(tǒng)計各等級生態(tài)質(zhì)量的面積占比,從2000年到2016年,生態(tài)環(huán)境好的區(qū)域面積大幅增加,等級差的區(qū)域面積也有所增加,等級中等和較差的區(qū)域下降明顯,而處于較好的區(qū)域幾乎保持穩(wěn)定。

3.2 福州市公路路域生態(tài)環(huán)境變化動態(tài)

3.2.1不同類型道路路網(wǎng)的生態(tài)壞境時空梯度變化規(guī)律

現(xiàn)有的研究較多將公路按照功能性等級劃分為高速公路、一級、二級、三級、四級公路,研究路域景觀生態(tài)指數(shù)的變化情況[7,33]。本研究基于福州市的路網(wǎng)數(shù)據(jù),將公路按照行政級別等級劃分為國道、省道、縣道、鄉(xiāng)鎮(zhèn)道路,按照每150 m為一個間隔,構(gòu)建20個緩沖區(qū)進(jìn)行分析。當(dāng)對生態(tài)環(huán)境強(qiáng)度的度量,RSEI平均值是最常采用的指標(biāo)。統(tǒng)計結(jié)果表明(圖2),沿著20個緩沖帶,各類型道路的RSEI表現(xiàn)出相似的梯度變化特征,RSEI都是從0 m到3000 m逐漸上升的趨勢,在900 m之前變化較大,900 m之后趨于平緩。從時間年份看,除了國道是2000年的RSEI大于2016年,鄉(xiāng)鎮(zhèn)道路和縣道都是2016年的RSEI大于2000年,而省道以750 m為分界點(diǎn),750 m之前2000年的RSEI大于2016年,750 m之后則相反；各等級道路的RSEI大致為縣道>鄉(xiāng)鎮(zhèn)道路>省道>國道。道路核密度值呈現(xiàn)與RSEI相反的變化趨勢,隨著緩沖區(qū)的增大,路網(wǎng)密度逐漸下降,其變化的閾值也與RSEI相對應(yīng)；各等級道路的KDE大致為國道>省道>鄉(xiāng)鎮(zhèn)道路>縣道,與RSEI的變化規(guī)律完全相反。總體上來說,道路等級越高,生態(tài)環(huán)境質(zhì)量越差,說明高等級道路的建設(shè)對生態(tài)環(huán)境的破壞更加嚴(yán)重。

圖2 各類型道路不同緩沖區(qū)RSEI變化情況Fig.2 Changes of RSEI in different buffer zones of different types of roads

由于各類型道路的總長和生態(tài)等級所占比例的不同,為分析福州市生態(tài)環(huán)境與各類型道路間的相關(guān)性,統(tǒng)計RSEI各等級內(nèi)不同類型道路的長度百分比(圖3)。在2000年,4種類型的道路在生態(tài)環(huán)境差、較差等級內(nèi)的長度比例相當(dāng),而縣道和鄉(xiāng)鎮(zhèn)道路在較好、好等級內(nèi)明顯較高；在2016年,國道和省道在生態(tài)環(huán)境差、較差等級內(nèi)均居前兩位,而在較好和好等級內(nèi)占比均低于縣道和鄉(xiāng)鎮(zhèn)道路；在生態(tài)環(huán)境中等等級下,兩年中各類型道路的長度占比均是：國道>省道>鄉(xiāng)鎮(zhèn)道路>縣道?？傮w來說,在路域的研究范圍內(nèi),道路等級越高,其對生態(tài)環(huán)境的影響越大,路域內(nèi)的生態(tài)環(huán)境越差。

圖3 不同生態(tài)等級內(nèi)道路長度比例 Fig.3 Proportion of road length in different ecological levels

3.2.2不同類型道路典型路段的生態(tài)環(huán)境時空變化規(guī)律

為了深入探究不同類型公路路域生態(tài)環(huán)境時空變化規(guī)律,分別從國道、省道、縣道、鄉(xiāng)鎮(zhèn)道路選取不同數(shù)量的典型路段作為研究對象。典型路段的選取原則按照生態(tài)環(huán)境變化程度明顯和路網(wǎng)的均勻分布性,保證所選取的典型路段均勻分布在福州市的各個方位,同時保證緩沖區(qū)都能落在福州市的邊界內(nèi)。由于公路網(wǎng)中各等級道路的數(shù)量各不相同,所選取的典型路段數(shù)量也不同,其中國道的典型路段選擇了3條,省道的典型路段選擇了7條、縣道的典型路段選擇了12條,鄉(xiāng)鎮(zhèn)道路的典型路段選擇了5條。同樣構(gòu)建緩沖區(qū)分析,各類型道路典型路段的變化情況如下圖所示(圖4)。從選擇的典型路段中,大部分的省道、縣道和鄉(xiāng)鎮(zhèn)道路的2016年的RSEI值比2000年的高,國道的2000年的RSEI值比2016年的高；而且各類型道路距離道路越近,其RSEI值越低。國道影響的閾值大概在900 m左右,省道900 m左右,縣道450 m左右,鄉(xiāng)鎮(zhèn)道路750 m左右。過了一定閾值之后,都會有不同幅度的上下波動。

圖4 不同類型道路典型路段不同緩沖區(qū)的RSEI變化情況Fig.4 Changes of RSEI in different buffer zones of typical sections of different types of roads

3.3 城鄉(xiāng)梯度路網(wǎng)的生態(tài)環(huán)境時空變化規(guī)律

城鎮(zhèn)化進(jìn)程是中國21世紀(jì)初經(jīng)濟(jì)發(fā)展重要的驅(qū)動力,隨著城鎮(zhèn)化進(jìn)程的推進(jìn),區(qū)域經(jīng)濟(jì)、環(huán)境等各類自然呈現(xiàn)明顯的城鄉(xiāng)空間分布差異,城鄉(xiāng)梯度差異分析逐步成為一種比較常用的空間差異定量分析方法。研究區(qū)包括6區(qū)6縣(無平潭縣,長樂縣后改長樂區(qū)),各區(qū)縣對周邊區(qū)域具有一定的輻射功能。因研究區(qū)包含多個城市中心,僅對單個行政中心進(jìn)行緩沖區(qū)分析無法有效反映多中心的疊加效應(yīng)[34]。基于此,分別以合并后的福州市各區(qū)縣級行政中心為圓心向外擴(kuò)散,構(gòu)建30個 1 km環(huán)狀緩沖區(qū),統(tǒng)計緩沖區(qū)內(nèi)的RSEI和KDE,探討城鄉(xiāng)之間KDE與RSEI之間的關(guān)系(圖5)?？傮w來看,2000年和2016年RSEI曲線的變化規(guī)律都是隨著與行政中心距離的增大而增大,到達(dá)一定閾值后趨于平緩,甚至還有小幅度的下降,且2000年的RSEI大于2016年；而KDE曲線的變化規(guī)律與RSEI剛好相反。從所有區(qū)縣的緩沖區(qū)分析結(jié)果來看,RSEI增大到距離行政中心11 km左右后,開始趨于平緩；所有區(qū)的曲線變化規(guī)律類似“階梯形”,RSEI增大到距離行政中心9 km后出現(xiàn)小幅的下降(圖5),到12 km后,又開始上升,達(dá)到20 km后又逐漸下降,KDE曲線的轉(zhuǎn)折點(diǎn)剛好與RSEI的轉(zhuǎn)折點(diǎn)相對應(yīng)；值得注意的是,所有縣的RSEI曲線從12 km到27 km這段距離內(nèi)處于下降的趨勢,27 m過后又上升(圖5),原因是各縣的邊緣區(qū)域?qū)嵭兄矘湓炝钟媱?使得生態(tài)環(huán)境質(zhì)量出現(xiàn)好轉(zhuǎn)；而KDE在這段距離范圍內(nèi)是先上升后下降。綜上所述,福州市的城鄉(xiāng)生態(tài)環(huán)境質(zhì)量在16年間出現(xiàn)一定程度的下降,距離城市中心越近的地區(qū)具有較高的路網(wǎng)密度和較低的生態(tài)環(huán)境質(zhì)量,在距離城市中心較遠(yuǎn)的農(nóng)村地區(qū),因路網(wǎng)相對稀疏分散,植被覆蓋面廣,生態(tài)環(huán)境質(zhì)量高于城市。影響整個福州市的RSEI閾值大概在12 km左右,區(qū)級的RSEI閾值大概在20 km左右,縣級的RSEI閾值大概在12 km左右；而影響KDE的閾值與RSEI正好對應(yīng)。

圖5 城鄉(xiāng)梯度分析圖及不同緩沖區(qū)RSEI與KDE的變化關(guān)系Fig.5 Analysis of urban and rural gradients and the relationship between RSEI and KDE in different buffers

為了更直觀地觀察研究區(qū)的RSEI和KDE在城鄉(xiāng)之間的變化趨勢,本文采用橫穿各區(qū)縣行政中心的剖面線對研究區(qū)2000、2016年的RSEI和KDE的變化進(jìn)行分析。觀察福州市各區(qū)縣行政中心的位置分布,為使剖面線能夠橫跨各縣區(qū)的行政中心,設(shè)置的剖面線大致沿NW-SE方向(閩清縣-閩侯縣-市中心-馬尾區(qū)-長樂區(qū))、SW-NE方向(永泰縣-倉山區(qū)-市中心-晉安區(qū)-連江縣)、S-N方向(福清市-馬尾區(qū)-連江縣-羅源縣)(圖6)。結(jié)果表明：三個方向的剖面線每經(jīng)過行政中心處,其RSEI均比周圍低,從曲線的變化趨勢看,西北方向的生態(tài)環(huán)境優(yōu)于東南方向,西南方向的生態(tài)環(huán)境優(yōu)于東北方向,城市的北部優(yōu)于南部,東南、東北、南部方向恰好是東部沿海地區(qū),經(jīng)濟(jì)比較發(fā)達(dá),生態(tài)質(zhì)量更差；另一個原因是大片的河流會減少植被對溫度的積極影響和增加建設(shè)用地對濕度的消極影響,從而使沿海地區(qū)的RSEI呈低值[35]。觀察橫穿行政中心的KDE剖面圖(圖7),可以發(fā)現(xiàn),福州市城市中心的道路核密度達(dá)到最高值,距離福州市較近的區(qū)縣達(dá)到次高值,遠(yuǎn)離市中心的則為低值,以NW-SE方向和S-N方向的剖面線為例,沿著NW-SE方向剖面線,依次在閩清縣、閩侯縣、市區(qū)中心、長樂區(qū)形成4個波峰,市區(qū)中心的峰值最大,閩清縣的最小；沿著S-N方向剖面線,橫穿的四個縣區(qū)的行政中心的KDE也處于峰值狀態(tài),福清市的峰值最高。對比剖面圖各方向的KDE與RSEI可以發(fā)現(xiàn),RSEI與KDE成反比,即道路核密度越大,RSEI越小,生態(tài)環(huán)境質(zhì)量越差,與上文中城鄉(xiāng)梯度間RSEI和KDE之間的關(guān)系基本吻合,說明道路密度與生態(tài)環(huán)境質(zhì)量成負(fù)相關(guān)關(guān)系,道路建設(shè)對生態(tài)環(huán)境起抑制作用。

圖6 RSEI的剖面變化Fig.6 Profile change of RSEI

圖7 KDE的剖面變化 Fig.7 Profile change of KDE

3.4 道路網(wǎng)絡(luò)空間擴(kuò)展與生態(tài)變化之間的定量關(guān)系

生態(tài)環(huán)境質(zhì)量的時空變化與路網(wǎng)密度的時空變呈現(xiàn)相反的趨勢,為了定量揭示二者之間的關(guān)系,結(jié)合前面的研究對象,以點(diǎn)、線、面不同層面的RSEI為因變量,KDE為自變量對兩者進(jìn)行一元線性回歸分析。從表1可以看出,3個層面上的RSEI與KDE呈現(xiàn)出極顯著的負(fù)相關(guān)關(guān)系,其中以所有行政中心、六區(qū)、六縣為圓心的回歸擬合度均在0.8以上。表明路網(wǎng)密度越大,生態(tài)環(huán)境質(zhì)量越差。

表1 RSEI與KDE的一元線性回歸參數(shù)

受到地域差異的限制,不同的研究尺度在同一研究區(qū)域或者不同研究區(qū)域會存在一定程度的空間自相關(guān)性和空間異質(zhì)性[1]。為避免不同空間單元尺度對研究結(jié)果造成影響,本文按照500 m×500 m、1000 m×1000 m、1500 m×1500 m、2000 m×2000 m、2500 m×2500 m、3000 m×3000 m這6種單元網(wǎng)格分別計算研究區(qū)生態(tài)環(huán)境的空間相關(guān)性,從表2可以看出：所有尺度下在1%顯著性水平下,都通過顯著性檢驗,其中在500 m×500 m、1000 m×1000 m、2000 m×2000 m的Moran′sI均較高,表明福州市生態(tài)質(zhì)量空間格局并非呈現(xiàn)完全的隨機(jī)分布,而是呈現(xiàn)高度的空間聚散特征,即生態(tài)質(zhì)量鄰近的區(qū)域相對集聚。

表2 各尺度下全局空間自相關(guān)參數(shù)表

地理加權(quán)回歸模型(GWR)在考慮變量空間異質(zhì)性具有很好的優(yōu)勢,不同于最小二乘回歸模型(OLS 模型),GWR模型考慮的是兩個變量在不同位置的相互異質(zhì)性。在空間自相關(guān)的基礎(chǔ)上,以2000年RSEI、2016年RSEI、ΔRSEI(2016年與2000年的RSEI差值)為因變量,以KDE為自變量,對比GWR模型和OLS模型,研究不同尺度下的空間差異情況。對比兩種模型的參數(shù)估計情況(表3),從模型的精度看,三組OLS模型中調(diào)整后的R2的系數(shù)非常小,變化范圍分別為0—0.016、-0.001—0.068、0—0.012,6個尺度中最大僅能解釋福州市生態(tài)環(huán)境質(zhì)量不到7%的擬合精度；而GWR模型能解釋擬合精度最低達(dá)47%,最高可達(dá)65%, 遠(yuǎn)大于OLS的模擬效果；這很大程度是由于OLS模型假定是以平穩(wěn)的空間變化為前提,但現(xiàn)實空間數(shù)據(jù)具有非平穩(wěn)特征,導(dǎo)致回歸估計的解釋精度降低了。AIC作為統(tǒng)計模型擬合優(yōu)度的相對估計量,在三組模型中,GWR模型的AIC的絕對值大于OLS模型AIC的絕對值。另外對比兩個模型的殘差平方和和殘差Moran′sI可知,3組模型的6個尺度中,GWR模型均低于OLS模型,表明GWR模型的殘差呈現(xiàn)隨機(jī)分布的狀態(tài)。綜上所述,地理加權(quán)回歸模型相比于傳統(tǒng)最小二乘回歸模型,具有較高的擬合精度,在處理空間數(shù)據(jù)方面更具優(yōu)勢,能夠克服空間數(shù)據(jù)的非平穩(wěn)性。

表3 GWR與OLS的參數(shù)估計結(jié)果

基于ArcGIS軟件,對3組模型的回歸系數(shù)進(jìn)行空間顯示,其中在1500 m×1500 m和2000 m×2000 m兩個尺度下的擬合精度較高,因此選擇這兩個尺度反映福州市生態(tài)環(huán)境質(zhì)量與路網(wǎng)密度之間的關(guān)系。從圖8可以看出,總體上,RSEI和KDE呈現(xiàn)負(fù)相關(guān)關(guān)系,且相關(guān)性存在空間分異。在1500 m×1500 m尺度下(圖8),RSEI與KDE的負(fù)回歸系數(shù)分布在研究區(qū)中心的大部分區(qū)域,表明隨著KDE的增加,RSEI逐漸減少,對比2000年和2016年回歸系數(shù)的空間變化,負(fù)高值主要位于永泰、閩清、閩侯、連江等縣,且2000年分布的區(qū)域大于2016年；2000 m×2000 m尺度下(圖8)的RSEI和KDE的空間分布關(guān)系與1500 m×1500 m尺度相似；在ΔRSEI的回歸系數(shù)空間分布圖中(圖8),兩個尺度下的負(fù)回歸系數(shù)主要也是分布在研究區(qū)的中心區(qū)域,相比于2000年和2016年的RSEI的分布情況,空間分異性更加明顯。

圖8 GWR模型回歸系數(shù)的空間分布Fig.8 Spatial distribution of regression coefficient of GWR Model

4 結(jié)論和討論

4.1 討論

在探索性空間數(shù)據(jù)分析的基礎(chǔ)上,分別采用OLS模型和GWR模型探討了福州市的路網(wǎng)密度與生態(tài)環(huán)境質(zhì)量之間的關(guān)系。通過比較兩者的模擬結(jié)果得出,GWR模型在模擬精度和空間特征提取上具有獨(dú)特的優(yōu)勢,能夠更好地刻畫出變量之間關(guān)系的空間異質(zhì)性和尺度依賴性特征。在此基礎(chǔ)上,分別采用1500 m×1500 m和2000 m×2000 m網(wǎng)格貫穿全影像的采樣方法,獲取每幅影像的樣本數(shù)分別為5538個和3192個。足夠多的樣本數(shù)和貫穿全影像的采樣方法可以避免少量樣本和局域性地抽樣所帶來的結(jié)果不確定性[25]。

道路核密度分析是借助一個移動窗口對路網(wǎng)進(jìn)行估計,雖然可以避免傳統(tǒng)路網(wǎng)密度計算過程中人為主觀確定邊界的局限性,但核密度估算的結(jié)果受帶寬大小的影響較大。本研究基于ArcGIS軟件自帶的高斯核函數(shù)進(jìn)行估計,根據(jù)Silverman經(jīng)驗法則計算的默認(rèn)帶寬近似作為帶寬的最優(yōu)選擇,未能探討不同帶寬設(shè)置對路網(wǎng)核密度估算結(jié)果的影響,這有待今后進(jìn)一步研究。同時本研究只獲取近期的路網(wǎng)截面數(shù)據(jù)刻畫路網(wǎng)核密度的空間分布特征,未能對歷史時期的路網(wǎng)核密度的空間分布特征及其在研究期內(nèi)的時間動態(tài)變化特征進(jìn)行分析。雖然近年來道路基礎(chǔ)設(shè)施的建設(shè)處在一個高速發(fā)展的時期,但考慮到本研究是以整個路網(wǎng)為研究對象,近年來新建的道路相對于已經(jīng)較發(fā)達(dá)的整個路網(wǎng)而言影響不大。鑒于此,本研究采用近期的路網(wǎng)分布近似代表整個研究期間的路網(wǎng),忽略了路網(wǎng)在研究期間的變化。

在構(gòu)建RSEI的指標(biāo)選取上,綠度、熱度、干度、濕度4個指標(biāo)因其與人類生活緊密相關(guān)且能被人體直觀感知的特點(diǎn),從眾多自然因素中被挑選出來,集成的綜合指數(shù)可以全面評價城市生態(tài)質(zhì)量,且可以定量刻畫生態(tài)質(zhì)量的優(yōu)劣程度,比單一指標(biāo)分析更具有優(yōu)勢。采用主成分分析法構(gòu)建RSEI時,各指標(biāo)權(quán)重的確定是根據(jù)各指標(biāo)對各主分量的貢獻(xiàn)度來客觀確定,而不是人為主觀確定,可使得結(jié)果更加準(zhǔn)確可靠[25]。

RSEI作為一個綜合指數(shù),評價結(jié)果受到多方面因素的影響,本研究主要研究路網(wǎng)密度對生態(tài)環(huán)境的影響,而沒有對區(qū)域的氣象因素、地形因素、人文因素等進(jìn)行研究,后續(xù)研究中會把多年的道路數(shù)據(jù)和其他影響因素一并考慮,以期得到更為全面客觀的分析結(jié)果。

4.2 結(jié)論

在城市生態(tài)環(huán)境質(zhì)量評價中,基于遙感影像構(gòu)建RSEI模型可以有效監(jiān)測和分析區(qū)域生態(tài)環(huán)境變化情況,被廣泛應(yīng)用和推廣。研究中較多還是使用遙感生態(tài)指數(shù)來分析區(qū)域生態(tài)的時空變化,對于定量化區(qū)域內(nèi)部的生態(tài)環(huán)境質(zhì)量與路網(wǎng)密度的關(guān)系,以及自然要素在空間分析中尺度選擇的差異性很少被考慮。因此,本文以福州市為例,基于遙感影像和路網(wǎng)數(shù)據(jù),從道路緩沖區(qū)、城鄉(xiāng)梯度帶、剖面線三種不同取樣方法定量探討RSEI對路網(wǎng)的響應(yīng)機(jī)制；通過劃分不同尺度的空間單元,運(yùn)用全局空間自相關(guān)、地理加權(quán)回歸分析等方法分析了RSEI和KDE的空間異質(zhì)性,研究結(jié)果為福州市城市生態(tài)建設(shè)和路網(wǎng)規(guī)劃提供參考依據(jù)。

結(jié)果表明：(1)采用主成分分析技術(shù)集成的 RSEI 具有一定的適用性,可較好的對福州市生態(tài)環(huán)境質(zhì)量狀況及其時空變化進(jìn)行監(jiān)測和評價。對RSEI 進(jìn)行分級處理后,從2000年到2016年,植樹造林使各縣邊緣生態(tài)環(huán)境好的區(qū)域面積增加,而市區(qū)中心生態(tài)環(huán)境差的區(qū)域面積也有所增加,原因是生態(tài)用地轉(zhuǎn)化為建設(shè)用地,總體來說,福州市生態(tài)環(huán)境質(zhì)量向好的方向發(fā)展；(2)各類型道路的RSEI表現(xiàn)出相似的梯度變化特征,RSEI都是呈從0 m到3000 m逐漸上升的趨勢,國道、省道、縣道、鄉(xiāng)鎮(zhèn)道路影響的閾值分別在900、900、450、750 m左右,除了國道外,其余各類型道路在2016年的RESI均高于2000年；(3)在城鄉(xiāng)梯度分析中,RSEI曲線的變化規(guī)律都是隨著與行政中心距離的增大而增大,到達(dá)一定閾值后出現(xiàn)不同程度的波動,區(qū)級的影響閾值在20 km左右,縣級的影響閾值在12 km左右,KDE曲線的變化規(guī)律與RSEI相反,其變化閾值與RSEI正好對應(yīng)；(4)剖面線所經(jīng)過的行政中心處,其RSEI為低值,KDE為高值,西北方向的內(nèi)陸地區(qū)RSEI高于東南方向的沿海地區(qū)；(5)在多尺度的地理加權(quán)回歸分析中,1500 m×1500 m和2000 m×2000 m這兩個網(wǎng)格單元采樣下的空間集聚性較強(qiáng),空間異質(zhì)性明顯,總體上來看,RSEI與KDE呈現(xiàn)負(fù)相關(guān)關(guān)系,負(fù)回歸系數(shù)主要分布在研究區(qū)的中心區(qū)域,其中ΔRSEI的空間分異特征更加明顯。