北京部分中心城區(qū)1990—2019年三維建筑形態(tài)變化特征

李楨, 胡聃

北京部分中心城區(qū)1990—2019年三維建筑形態(tài)變化特征

李楨1,2, 胡聃1,*

1. 城市與區(qū)域生態(tài)國家重點實驗室, 中國科學(xué)院生態(tài)環(huán)境研究中心, 北京 100085 2. 中國科學(xué)院大學(xué), 北京 100049

城市三維建筑形態(tài)影響城市近地表能量平衡、微氣候及空氣質(zhì)量?；诙嘣纯臻g數(shù)據(jù)(高分辨率Pléiades遙感影像、高分辨率谷歌影像和建筑輪廓數(shù)據(jù)), 構(gòu)建三維建筑形態(tài)指標(biāo)體系, 并基于網(wǎng)格法分析了各三維建筑形態(tài)指標(biāo)的空間敏感性, 應(yīng)用該指標(biāo)體系評價了1990—2019年北京部分中心城區(qū)的三維建筑形態(tài)特征及其變化。主要結(jié)果如下: (1)整合11個指數(shù)構(gòu)建了一套三維建筑形態(tài)指標(biāo)體系; (2)各指標(biāo)的核密度分布存在差異; 形狀指數(shù)、三維分形維數(shù)、聚集度、鄰近度對網(wǎng)格大小敏感, 其他指標(biāo)對網(wǎng)格大小不敏感; (3)1990—2019年建筑面積占比、加權(quán)面積建筑高度、三維形狀指數(shù)、鄰近度變化顯著, 且主要集中在四環(huán)兩側(cè)及國貿(mào)附近。

城市形態(tài); 三維建筑形態(tài); 空間格局; 空間敏感性

0 前言

高強(qiáng)度的城鎮(zhèn)化導(dǎo)致城市景觀格局、形態(tài)結(jié)構(gòu)發(fā)生改變, 致使其生態(tài)過程改變, 進(jìn)而引發(fā)一系列的生態(tài)環(huán)境問題[1-2], 如熱島效應(yīng)、空氣污染等[3]。因此, 深入理解城市形態(tài)結(jié)構(gòu)及其變化可為城市可持續(xù)發(fā)展和科學(xué)、宜居的城市空間形態(tài)建設(shè)提供支持。

近年來, 城市三維景觀格局研究獲得快速發(fā)展, 主要體現(xiàn)在三維信息獲取方法和三維景觀指數(shù)的擴(kuò)展[4-5]。城市三維信息主要獲取方法: 實地調(diào)查、基于遙感的方法及開源空間信息數(shù)據(jù)。傳統(tǒng)實地調(diào)查精度高, 適宜小面積開展。基于遙感的方法, 可快速獲取大面積多時相的城市形態(tài)信息, 基于光學(xué)影像[6]、基于雷達(dá)影像[7]、高精度數(shù)字表面模型及多源數(shù)據(jù)融合[8]獲取城市形態(tài)信息逐漸得到應(yīng)用。三維指標(biāo)的發(fā)展主要體現(xiàn)在基于二維景觀格局指數(shù)在三維空間的擴(kuò)展, 可分為基本指標(biāo)(如數(shù)量、面積)、高度指標(biāo)、體積指標(biāo)、表面積指標(biāo)、形狀指標(biāo)及綜合指標(biāo)[9]。如Kedron 等發(fā)展了一套基于面積和體積的三維景觀指數(shù)體系并應(yīng)用于新奧爾良城區(qū)的城市三維景觀研究[4]。當(dāng)前, 對三維鄰近度的關(guān)注較少[4]。城市三維景觀格局與近地表能量平衡過程、城市熱環(huán)境、空氣污染的關(guān)系得到開展[10-12], 研究多以城市、功能區(qū)、小區(qū)為分析單元?？臻g尺度敏感性的研究多從空間異質(zhì)性、基于網(wǎng)格法及空間連續(xù)小波變化、小波相干分析來開展。目前, 三維景觀格局指數(shù)在小微尺度下的敏感性關(guān)注較少。基于以上問題, 本文發(fā)展了三維鄰近度并綜合11種景觀指數(shù)構(gòu)建三維建筑形態(tài)指標(biāo)體系, 并基于網(wǎng)格法分析了各景觀指數(shù)在小微尺度上的空間敏感性。

本文研究目的: (1)基于網(wǎng)格法, 發(fā)展了三維鄰近度指數(shù)并整合現(xiàn)有三維建筑景觀指數(shù), 構(gòu)建建筑三維景觀指數(shù)體系。(2)分析各三維建筑形態(tài)指標(biāo)的空間尺度敏感性。(3)評價研究區(qū)建筑三維形態(tài)在1990—2019年的變化特征。

1 材料和方法

1.1 研究區(qū)概況

北京, 中國典型特大型城市, 面積1.68 萬km2, 人口2154.2 萬(2018)(圖1)。該區(qū)屬北溫帶半濕潤大陸性季風(fēng)氣候, 年降雨量600 mm, 年均溫接近14 ℃。研究區(qū)(116°23′20″—116°30′20″E, 39°54′00″—39°59′30″N)分布在東城區(qū)、朝陽區(qū), 屬平原區(qū), 平均海拔44.2 m。城市發(fā)展東擴(kuò)和內(nèi)部更新, 使得區(qū)內(nèi)建筑類型多樣、異質(zhì)性高。北京商務(wù)區(qū)在研究區(qū)內(nèi), 超高層的商業(yè)建筑聚集, 如北京國貿(mào)大廈, 中央電視臺總部大樓, 中國電信大廈。圖1底圖所用地表高程數(shù)據(jù)由2019年10月Pléiades遙感影像生產(chǎn)。

圖1 研究區(qū)示意圖

Figure 1 Location of the study area

1.2 數(shù)據(jù)處理與方法

建筑輪廓數(shù)據(jù)獲取自2019年百度地圖數(shù)據(jù)(map.baidu.com), 建筑輪廓數(shù)據(jù)與Pléiades遙感影像(全色波段空間分辨率0.7 m、多光譜波段分辨率為2.8 m)空間匹配效果較好。Pléiades高分辨率衛(wèi)星星座由2顆衛(wèi)星組成, 分別于2011, 2012年發(fā)射成功并接收數(shù)據(jù)。少量未更新建筑, 經(jīng)目視解譯人工數(shù)字化。1990年建筑輪廓數(shù)據(jù)基于Google Earth影像修訂2019年建筑輪廓數(shù)據(jù)而獲得。以建設(shè)部住房設(shè)計規(guī)范為參考, 假定每層樓高為3 m (GB50368—2005)。利用激光測高儀(Forest550., Nikon, JAPAN)隨機(jī)調(diào)查94棟建筑, 包括48棟低層及多層建筑(樓高<24 m)、46棟高層建筑(樓高>24 m), 2019年的樓高標(biāo)準(zhǔn)誤差分別為1.72 m, 4.84 m, 樓層準(zhǔn)確度85.10%。

1.3 三維建筑形態(tài)指標(biāo)體系

11個建筑形態(tài)指標(biāo)見表1, 并分類成強(qiáng)度、粗糙度、復(fù)雜度、多樣性、優(yōu)勢度、聚集度和鄰近度。其中, 三維分形維數(shù)的計算過程基于計盒法計算[13]。二維景觀擴(kuò)展指數(shù)是基于緩沖區(qū)共享率得來的[14], 本文的三維鄰近度計算過程: 建筑物先做10 m緩沖, 求和重疊區(qū)域面積與緩沖重疊區(qū)所依據(jù)的建筑物高度的乘積, 該求和與網(wǎng)格內(nèi)建筑體積的比值即為三維鄰近度。多樣性指數(shù)的計算, 基于局地氣候分區(qū)[15](Local climate zones, LCZs)將建筑按高度分為三個類別: 高層建筑(>=25 m)、中層建筑(10—25 m)、低層建筑(<10 m)。所有指數(shù)的計算都基于ArcGIS10.4。網(wǎng)格大小分別為240 m、180 m、120 m、100 m、90 m、80 m、70 m、60 m。

表1 城市建筑三維形態(tài)指標(biāo)定義及描述

2 結(jié)果與分析

2.1 三維建筑形態(tài)指標(biāo)的空間敏感性

用核密度分布來表征三維建筑格局分布狀況(圖2)。加權(quán)面積平均高、加權(quán)面積平均高的標(biāo)準(zhǔn)差、容積率、鄰近度和建筑最大表面積呈明顯左偏分布。形狀指數(shù)SAVR、形狀指數(shù)3DSI、三維分形維數(shù)、聚集度呈對稱分布。建筑面積占比、基于表面積的辛普森多樣性指數(shù)則存在兩個波峰。

建筑面積占比在2%、25%呈現(xiàn)兩個波峰?；诒砻娣e的辛普森多樣性指數(shù)在0—0.2則表現(xiàn)出快速下降, 然后緩慢上升, 在0.65附近出現(xiàn)一個波峰。加權(quán)面積平均高在6 m出現(xiàn)峰值, 而加權(quán)面積平均高的標(biāo)準(zhǔn)差在2.5 m出現(xiàn)峰值。當(dāng)網(wǎng)格大小>60 m, 形狀指數(shù)SAVR的峰值出現(xiàn)在0.2; 當(dāng)網(wǎng)格大小為60 m, SAVR的峰值出現(xiàn)在0.9。形狀指數(shù)3DSI在網(wǎng)格大小為100 m時, 峰值明顯大于其他網(wǎng)格大小時的峰值; 而網(wǎng)格大小為60 m時其峰值又明顯低于其他網(wǎng)格大小的峰值; 在網(wǎng)格大小為70 m、80 m、90 m、120 m、180 m、240 m時, 其峰值點逐漸右移。網(wǎng)格大小為70—100 m, 三維分形維數(shù)的峰值出現(xiàn)在2.20左右, 且隨網(wǎng)格大小其峰值點逐漸右移; 當(dāng)網(wǎng)格大小為120—240 m, 三維分形維數(shù)的峰值出現(xiàn)在2.42左右。聚集度隨著網(wǎng)格的增大, 其峰值點逐漸左移。鄰近度在網(wǎng)格大小為60 m, 70—100 m, 120—240 m的核密度分布明顯不同。

形狀指數(shù)SAVR、形狀指數(shù)3DSI、三維分形維數(shù)、聚集度、鄰近度具有尺度依賴性, 對網(wǎng)格大小敏感; 建筑面積占比、加權(quán)面積平均高、加權(quán)面積平均高的標(biāo)準(zhǔn)差、容積率、基于表面積的辛普森多樣性指數(shù)、建筑最大表面積具有尺度穩(wěn)定性, 對網(wǎng)格大小不敏感。

2.2 1990—2019年北京部分中心城區(qū)建筑三維形態(tài)特征及變化

排除spearman相關(guān)性大于0.7的形態(tài)指標(biāo), 以建筑面積占比、建筑加權(quán)面積平均高、三維形狀指數(shù)及鄰近度在網(wǎng)格大小為90 m時具體分析了北京市部分中心城區(qū)1990—2019年建筑三維形態(tài)的變化。

圖2 建筑三維形態(tài)指標(biāo)的核密度分布

Figure 2 Kernel distribution density of 3D architectural form indicators

高密度區(qū)(建筑面積占比>40%), 集中分布在古城區(qū)、國貿(mào)及望京附近, 其原因是古城區(qū)建筑多為低層建筑, 密集分布; 國貿(mào)附近為商業(yè)用地, 用地緊張; 望京附近有工業(yè)基地, 單棟建筑的面積大。低密度區(qū)(建筑面積占比<20%), 主要分布在研究區(qū)外圍, 主要原因是村莊的搬遷, 新建小區(qū)綠化程度高(圖 3)。建筑面積占比發(fā)生變化的區(qū)域集中在主干道附近, 如二環(huán)、建國路、四環(huán)。此外, 建筑面積占比的增加與減少伴隨發(fā)生。

古城區(qū)、研究區(qū)東北部及東南部建筑加權(quán)面積平均高較低; 二環(huán)兩側(cè)、國貿(mào)及望京附近加權(quán)面積平均高較高, 多為高層商業(yè)建筑; 其他加權(quán)面積平均高較高的區(qū)域, 多為高層住宅區(qū), 如奧林匹克公園附近。1990—2019年建筑高度變化明顯, 高層建筑主要分布在商業(yè)區(qū)及主干道附近, 研究區(qū)東部及北部建筑高度的增加主要原因是高層住宅區(qū)的建設(shè)(圖 3)。

2019年三維形狀指數(shù)介于0—2.56, 古城區(qū)的三維形狀指數(shù)較大, 而其他地區(qū)呈現(xiàn)小聚集, 大分散的特點。1990—2019年, 三維形狀指數(shù)變化較大的區(qū)域主要集中在四環(huán)附近及研究區(qū)東部(圖 4)。2019年鄰近度在古城區(qū)及道路兩側(cè)較大, 但其原因不同, 古城區(qū)是建筑間距較小, 而道路兩側(cè)的原因是建筑高度較高。1990—2019年鄰近度增大較大的地方集中在商業(yè)區(qū)及道路兩側(cè)。

圖3 建筑面積占比、加權(quán)面積平均高的分布圖(網(wǎng)格大小為90 m)

Figure 3 Spatial distribution map of building surface fraction and area-weighted mean building height (grid size: 90 m)

圖4 建筑三維形狀指數(shù)、鄰近度的分布圖(網(wǎng)格大小為90 m)

Figure 4 Spatial distribution map of building and adjacency (grid size: 90 m)

3 討論

城市區(qū)域建筑異質(zhì)性高, 建筑形態(tài)分析的尺度至關(guān)重要。相關(guān)城市形態(tài)分析有以功能區(qū)、地塊、居民區(qū)為分析單元, 而以網(wǎng)格為分析單元的網(wǎng)格大小在200—500 m[16-17]。本研究以網(wǎng)格法為基礎(chǔ), 在小微尺度下分析了各三維建筑形態(tài)指標(biāo)的空間敏感性, 在網(wǎng)格大小為<60 m, 60—100 m, >100 m, 建筑三維形態(tài)指數(shù)的核密度分布規(guī)律存在差異, 在建筑三維形態(tài)與地表城市熱島、城市森林碳儲存、水質(zhì)、空氣污染等相關(guān)生態(tài)過程分析中可能有助于發(fā)現(xiàn)更有用的結(jié)論。如地表熱島效應(yīng)與其影響因素存在尺度效應(yīng), 尺度的敏感性分析可以給出更穩(wěn)定的結(jié)論。

1990—2019年, 區(qū)域內(nèi)平均建筑面積占比、平均加權(quán)面積建筑高度、三維形狀指數(shù)和鄰近度變化顯著, 區(qū)域內(nèi)建筑向高密、緊湊、形狀復(fù)雜方向發(fā)展。變化顯著的地方主要集中在四環(huán)兩側(cè)及國貿(mào)附近。已有研究表明城市建筑三維變化的主要原因是政策, 人口增加, 經(jīng)濟(jì)增長, 產(chǎn)業(yè)結(jié)構(gòu)調(diào)整及自然因素[18]。朝陽區(qū)作為首都城市功能擴(kuò)張區(qū), 是城市發(fā)展的主要方向, 國貿(mào)中央商務(wù)區(qū)、奧林匹克公園核心區(qū)是重點打造區(qū)域。東城區(qū)則產(chǎn)業(yè)服務(wù)特征明顯, 另一方面對古建筑保護(hù)完善。經(jīng)濟(jì)和人口的增長是城市發(fā)展的內(nèi)在驅(qū)動力。以朝陽區(qū)為例, 1990—2018年, 常住人口增加178.7 萬; 地區(qū)國內(nèi)生產(chǎn)總值由1995年的43.1 億元增長到2018年底的6093.5 億元。經(jīng)濟(jì)和人口的增長對城市橫向擴(kuò)張和垂直擴(kuò)張影響明顯。產(chǎn)業(yè)結(jié)構(gòu)調(diào)整影響城市垂直方向擴(kuò)張, 北京商務(wù)中心位于研究區(qū)內(nèi), 超高層商業(yè)建筑的建設(shè)推動著建筑高度的不斷增加, 逐漸聚集, 如北京國貿(mào)大廈, 中央電視臺總部大樓, 中國中信大廈等集中在國貿(mào)商務(wù)區(qū)核心地段。奧林匹克公園核心區(qū)將打造成為國家級大型文化體育設(shè)施的集聚地, 也推動著城市垂直方向的擴(kuò)展。

4 結(jié)論

本文結(jié)合多源空間數(shù)據(jù), 構(gòu)建了三維建筑形態(tài)指標(biāo)體系, 基于網(wǎng)格法分析了各建筑三維形態(tài)指標(biāo)在網(wǎng)格大小為60—240 m的核密度分布變化, 并應(yīng)用該指標(biāo)體系評價了1990—2019年北京部分中心城區(qū)的建筑三維形態(tài)變化特征, 主要結(jié)論如下:

(1)各三維建筑形態(tài)指標(biāo)的核密度分布明顯不同, 可分三類, 左偏(如加權(quán)面積平均高、加權(quán)面積平均高的標(biāo)準(zhǔn)差、容積率、鄰近度和建筑最大表面積), 對稱(如形狀指數(shù)SAVR、形狀指數(shù)3DSI、三維分形維數(shù)、聚集度), 和兩次波峰(如建筑面積占比、基于表面積的辛普森多樣性指數(shù))。

(2)在網(wǎng)格大小為60—240 m時, 形狀指數(shù)SAVR、形狀指數(shù)3DSI、三維分形維數(shù)、聚集度、鄰近度對網(wǎng)格大小敏感; 建筑面積占比、加權(quán)面積平均高、加權(quán)面積平均高的標(biāo)準(zhǔn)差、容積率、基于表面積的辛普森多樣性指數(shù)和建筑最大表面積對網(wǎng)格大小不敏感。

(3)1990—2019年, 建筑面積占比、加權(quán)面積平均高、三維形狀指數(shù)和鄰近度變化顯著的區(qū)域集中在二環(huán)兩側(cè)、建國路兩側(cè)、四環(huán)附近及四環(huán)外的區(qū)域, 由超高層的商業(yè)建筑及高層住宅的建設(shè)所導(dǎo)致。

[1] 陳利頂, 孫然好, 劉海蓮, 等. 城市景觀格局演變的生態(tài)環(huán)境效應(yīng)研究進(jìn)展[J]. 生態(tài)學(xué)報, 2013, 33(4): 1042– 1050.

[2] ZHOU Weiqi, HUANG Ganlin, STEWARD T A P, et al. 90 years of forest cover change in an urbanizing watershed: spatial and temporal dynamics[J]. Landscape Ecology, 2011, 26(5): 645–659.

[3] 宮繼萍, 胡遠(yuǎn)滿, 劉淼, 等. 城市景觀三維擴(kuò)張及其大氣環(huán)境效應(yīng)綜述[J]. 生態(tài)學(xué)雜志, 2015, 34(2): 562–570.

[4] KEDRON P, ZHAO Yun, FRA A E, et al. Three dimensional (3D) spatial metrics for objects[J]. Landscape Ecology, 2019, 34(9): 2123–2132.

[5] 張楚宜, 胡遠(yuǎn)滿, 劉淼, 等. 景觀生態(tài)學(xué)三維格局研究進(jìn)展[J]. 應(yīng)用生態(tài)學(xué)報, 2019, 30(12): 4353–4360.

[6] ZHENG Zhong, ZHOU Weiqi, WANG Jia, et al. Sixty-Year Changes in Residential Landscapes in Beijing: A perspective from both the horizontal (2D) and vertical (3D) dimensions[J]. Remote Sensing, 2017, 9(10): 992.

[7] ROTTENSTEINER F, BRIESE C. A new method for building extraction in urban areas from high-resolution LIDAR data[J].International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 2002, 34: 295–301.

[8] XU Yanyan, LIU Miao, HU Yuanman, et al. Analysis of three-dimensional space expansion characteristics in old industrial area renewal using GIS and Barista: a case study of Tiexi sistrict, Shenyang, China[J]. Sustainability, 2019, 11(7): 1860.

[9] 周偉奇, 田韞鈺. 城市三維空間形態(tài)的熱環(huán)境效應(yīng)研究進(jìn)展[J]. 生態(tài)學(xué)報, 2020, 40(2): 416–427.

[10] TIAN Yunyu, ZHOU Weiqi, QIAN Yuguo, et al. The effect of urban 2D and 3D morphology on air temperature in residential neighborhoods[J]. Landscape Ecology, 2019, 34(5): 1161–1178.

[11] LUAN Qingzu, JIANG Wei, LIU Shuo, et al. Impact of Urban 3D Morphology on Particulate Matter 2.5 (PM2.5) Concentrations: Case Study of Beijing, China [J]. Chinese Geographical Science, 2020, 30(2): 294–308.

[12] HONG J W, LEE S D, LEE K, et al. Seasonal variations in the surface energy and CO2flux over a high-rise, high- population, residential urban area in the East Asian monnoon region[J]. International Journal of Climatology, 2020, 40(10): 4384–4407.

[13] 秦靜, 方創(chuàng)琳, 王洋, 等. 基于三維計盒法的城市空間形態(tài)分維計算和分析[J]. 地理研究, 2015, 34(1): 85–96.

[14] 劉稼豐, 焦利民, 董婷, 等. 一種新的城市景觀擴(kuò)張過程測度方法: 多階鄰接度指數(shù)[J]. 地理科學(xué), 2018, 38(11): 1741–1749.

[15] STEWART I D, OKE T R. Local climate zones for urban temperature studies[J]. Bulletin of the American Meteorogical Society, 2012, 93(12): 1879–1900.

[16] HE Sijia, WANG Xiaoyun, DONG Jingru, et al. Three- dimensional urban expansion analysis of valley-type cities: a case study of Chengguan District, Lanzhou, China[J]. Sustainability, 2019, 11(20): 5663.

[17] QIAO Weifeng, WANG Yahua, JI Qingqing, et al. Analysis of the evolution of urban three-dimensional morphology: the case of Nanjing city, China[J]. Journal of Maps, 2019, 24(1): 567–576.

[18] MOREIRA F, REGO F C, FERREIRA P G, et al. Temporal (1958-1995) pattern of change in a cultural landscape of northwestern Portugal: implications for fire occurrence[J]. Landscape Ecology, 2001, 16(6): 557–567.

Characterization of three-dimensional architectural form change of part of Beijing’s central cityfrom 1990 to 2019

LI Zhen1,2, HU Dan1,*

1. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China 2. University of Chinese Academy of Sciences, Beijing 100049, China

Urban three-dimension morphology has an effect on the near surface energy balance, micro-climate, and air quality. Based on multi-source spatial data (high spatial resolution Pléiades image, high spatial resolution Google image, and building footprint data), we introduced a suite of 3D architectural form metrics. We analyzed the spatial sensitivity of the 3D architectural form indicators by adopting grid method. Then, we adopted the 3D architectural form metrics to recognize 3D characteristics of architectural form and examined their changes from 1990 to 2019. The main results were as follows: (1) a set of 3D architectural morphology index system was constructed and proposed. (2) Kernel distribution density of 3D architectural form indicators was different: the 3D shape index, 3D fractal, aggregation, and adjacency were sensitive to grid size change, but other indicators were notsensitive to grid size change. (3) Building surface fraction, area-weighted mean building height, 3D shape index,and adjacency changed significantly from 1990 to 2019, and the changed areas were concentrated on the side of the fourth road and the neighborhood of Guomao.

urban morphology; 3D architectural form; spatial pattern; spatial sensitivity

李楨, 胡聃.北京部分中心城區(qū)1990—2019年三維建筑形態(tài)變化特征[J]. 生態(tài)科學(xué), 2023, 42(1): 49–55.

LI Zhen, HU Dan. Characterization of three-dimensional architectural form change of part of Beijing’s central city from 1990 to 2019[J]. Ecological Science, 2023, 42(1): 49–55.

10.14108/j.cnki.1008-8873.2023.01.006

TU984.12

A

1008-8873(2023)01-049-07

2020-10-26;

2021-01-11

國家自然科學(xué)基金項目(41571482, 42071274)

李楨(1991—), 男, 博士, 主要從事城市生態(tài)學(xué)研究, E-mail: lizhen9106@126.com

胡聃, 男, 博士, 研究員, 主要從事城市生態(tài)學(xué)研究, E-mail: hudan@rcees.ac.cn