基于GIS的廣東省建成區(qū)與高溫?zé)崂藭r(shí)空格局變化研究

韋晚秋 余德舉 關(guān)志宇 金相任 蘭猗令 羅世勤

1.廣西現(xiàn)代職業(yè)技術(shù)學(xué)院 廣西 河池 547000 2.廣西壯族自治區(qū)河池水利電力勘測(cè)設(shè)計(jì)研究院 廣西 河池 547000

高溫?zé)崂耸浅鞘鞋F(xiàn)代化發(fā)展進(jìn)程中產(chǎn)生的氣象災(zāi)害之一。隨著廣東省城市規(guī)模的擴(kuò)大，空間上呈現(xiàn)面積不斷增加并集聚的特點(diǎn)，而地理、社會(huì)和經(jīng)濟(jì)等多方面的影響加重了高溫?zé)崂说漠a(chǎn)生的機(jī)率。在國(guó)內(nèi)外城市高溫?zé)崂说难芯可婕坝校豪碚撗芯縖1]，空間分布[2]，等級(jí)評(píng)估[3]，治理與防御[4]等。而國(guó)內(nèi)多以研究地理空間分析法探討城市高溫?zé)崂爽F(xiàn)象。例如，秦蓓蕾等[2]對(duì)全球變暖背景下珠江流域年日最高氣溫時(shí)空變化特征及影響進(jìn)行了研究，馮雷等[5]通過(guò)綜合氣候、社會(huì)經(jīng)濟(jì)、醫(yī)療、地理環(huán)境和人口學(xué)及教育因素等方面信息建構(gòu)脆弱性模型來(lái)反映高溫?zé)崂藢?duì)人類健康的危害?？梢?jiàn)，利用大數(shù)據(jù)分析城市高溫?zé)崂耸侵匾氖侄沃?，但如何選擇合適的模型才能更好的反演高溫?zé)崂说臅r(shí)空分布并進(jìn)行風(fēng)險(xiǎn)評(píng)估具有重要的研究意義。常見(jiàn)的模型有：加權(quán)平均法[6]、猶豫層次分析法[7]、逼近理想解的排序方法[8]等。在大量的反演模型上大多數(shù)未加入時(shí)間因子綜合考量高溫?zé)崂擞绊懸蜃釉跁r(shí)間維度上的演變趨勢(shì)，因此，本文彌補(bǔ)前人的研究不足并作出了相關(guān)延伸研究及創(chuàng)新，針對(duì)廣東省獨(dú)特的地理位置與經(jīng)濟(jì)地位采用地理加權(quán)回歸模型（GWR）以時(shí)空雙維度探討廣東省城市群高溫?zé)崂瞬町惛窬帧Ｓ纱丝梢?jiàn)，GIS進(jìn)行高溫?zé)崂嗽u(píng)估對(duì)氣象災(zāi)害起到了一定的監(jiān)測(cè)作用，這將為廣東城市環(huán)境的空間結(jié)構(gòu)優(yōu)化提供參考。

綜上所述，本文基于GIS以DMSP/OLS夜間燈光數(shù)據(jù)、地表溫度數(shù)據(jù)以及社會(huì)統(tǒng)計(jì)數(shù)據(jù)為主要數(shù)據(jù)源，實(shí)現(xiàn)廣東省建成區(qū)面積提取，計(jì)算燈光指數(shù)、城市復(fù)合水平指標(biāo)、地表溫度指標(biāo)作為評(píng)估因子重構(gòu)GWR模型反演廣東省高溫?zé)崂藭r(shí)空分布并分析，旨在對(duì)廣東省各城市發(fā)展規(guī)劃和預(yù)防高溫?zé)崂藶?zāi)害提供參考與新思路。

1 研究區(qū)及數(shù)據(jù)源

1.1 研究區(qū)概況

廣東省以嶺南東道、廣南東路得名，簡(jiǎn)稱“粵”，省會(huì)廣州，是中國(guó)大陸南端沿海的一個(gè)省份，位于南嶺以南，南海之濱[9]。廣東省下轄21個(gè)地級(jí)市，劃分為珠三角、粵東、粵西和粵北四個(gè)區(qū)域。其位于亞熱帶地區(qū)，氣候溫暖濕潤(rùn)，年平均氣溫達(dá)到25℃，特別是夏季，氣溫高達(dá)35℃以上并連年上升，熱帶氣旋頻繁。與此同時(shí)，廣東省以中國(guó)第一經(jīng)濟(jì)大省的地位不斷發(fā)展，人均生活水平處于全國(guó)上游，因此吸引許多外來(lái)人口，如深圳、廣州、東莞等。其繁盛的經(jīng)濟(jì)、日益增長(zhǎng)的人口數(shù)量都加劇了城市環(huán)境的負(fù)擔(dān)，這將引起強(qiáng)烈的區(qū)域性氣候變化，如熱島效應(yīng)、極端天氣、高溫?zé)崂说龋o人類健康帶來(lái)影響以及經(jīng)濟(jì)財(cái)產(chǎn)損失。因此本文以廣東省為研究區(qū)，重點(diǎn)探討高溫?zé)崂说挠绊懸蜃右约皶r(shí)空格局變化。

1.2 數(shù)據(jù)源概況

（1）DMSP/OLS燈光數(shù)據(jù)。本文選用了2003年（F15衛(wèi)星）、2008年（F16衛(wèi)星）、2013年（F18衛(wèi)星）的非輻射定標(biāo)平均燈光強(qiáng)度圖像產(chǎn)品數(shù)據(jù)，作為廣東省建成區(qū)面積提取與高溫?zé)崂嗽u(píng)估起到基礎(chǔ)數(shù)據(jù)作用，數(shù)據(jù)來(lái)源于美國(guó)國(guó)家海洋氣象局中的數(shù)據(jù)中心。

（2）MODLT1M中國(guó)1KM地表溫度月合成產(chǎn)品。選用了2003、2008、2013年的數(shù)據(jù)進(jìn)行廣東省各個(gè)地級(jí)市分區(qū)求平均地表溫度作為廣東省高溫?zé)崂似ぴu(píng)估模型的重要因子之一，數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云網(wǎng)站。

（3）廣東省行政區(qū)邊界。中國(guó)省級(jí)、市級(jí)、縣級(jí)行政區(qū)劃圖來(lái)自國(guó)家基礎(chǔ)地理信息中心，比例尺為1:200萬(wàn)，坐標(biāo)系為WGS84。

（4）社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)。本文用到的2003、2008、2013年包括人口、經(jīng)濟(jì)以及建成區(qū)面積的廣東統(tǒng)計(jì)數(shù)據(jù)，來(lái)源于廣東省統(tǒng)計(jì)信息網(wǎng)站。

2 研究方法

本文基于GIS利用DMSP/OLS夜間燈光數(shù)據(jù)提取城市建成區(qū)，并以統(tǒng)計(jì)數(shù)據(jù)為標(biāo)準(zhǔn)，進(jìn)行提取精度評(píng)估，在此基礎(chǔ)上得到2003-2013年廣東省建成區(qū)時(shí)空變化特征。結(jié)合廣東省獨(dú)特的地理位置和經(jīng)濟(jì)條件，以城市化復(fù)合水平指標(biāo)和燈光指數(shù)、地表溫度帶入GWR模型計(jì)算，反演得到廣東省高溫?zé)崂藭r(shí)空分布特征，從而對(duì)廣東省建成區(qū)與高溫?zé)崂藭r(shí)空格局變化進(jìn)行分析。

2.1 建成區(qū)面積提取與精度評(píng)估

由于DMSP/OLS 影像數(shù)據(jù)是來(lái)自不同的時(shí)間和不同的衛(wèi)星，因此不同年份的多顆衛(wèi)星獲取的影像缺乏統(tǒng)一性。本文首先對(duì)影像進(jìn)行投影轉(zhuǎn)換、裁剪后，采用影像間相互校正法[10]對(duì)2003、2008、2013年3期夜間燈光影像進(jìn)行校正處理，再采用二分迭代法[11]可以確定燈光閾值從而計(jì)算建成區(qū)面積公式如下：

式中影像最大亮度值為DNmax，最小亮度值為DNmin，該區(qū)域燈光閾值為 DNT。

則在閾值DNT下，燈光圖像中提取的城鎮(zhèn)用地面積S(DNT)為[10]：

式中，DNi表示從夜間燈光影像的灰度值DNT到DNmax之間的某一個(gè)值，Area為像元大小，f(DNi)表示影像灰度值為DNi的像元的總數(shù)。

將得到的面積S(DNT)與統(tǒng)計(jì)數(shù)據(jù)中同期建成區(qū)面積US進(jìn)行比較，如果S(DNT)與US不充分接近，則需要重新設(shè)置閾值，如此循環(huán)比較直到它們幾乎接近為止獲得的DNT，即為最佳閾值。DNT下S(DNT) 與US之間的差值為：

根據(jù)上述提出的燈光數(shù)據(jù)提取建成區(qū)面積的方法計(jì)算，并以統(tǒng)計(jì)數(shù)據(jù)為標(biāo)準(zhǔn)，進(jìn)行誤差比較，得到利用統(tǒng)計(jì)數(shù)據(jù)對(duì)燈光數(shù)據(jù)提取的結(jié)果，即2003-2013年廣東省建成區(qū)面積逐年上升，其中，深圳、廣州、東莞等市建成區(qū)面積最大，增長(zhǎng)速率最快，而珠海、潮州、湛江市建成區(qū)增長(zhǎng)趨勢(shì)平緩。

2.2 高溫?zé)崂酥鲗?dǎo)因子計(jì)算

（1）城市化燈光指數(shù)計(jì)算

燈光指數(shù)，是指研究區(qū)域內(nèi)平均相對(duì)燈光強(qiáng)度與燈光面積占區(qū)域總面積比的乘積，I表示區(qū)域內(nèi)的平均相對(duì)燈光強(qiáng)度，S表示區(qū)域內(nèi)所有燈光像元的總面積AreaN與整個(gè)區(qū)域面積Area之比[12]，其反映了燈光的空間延展特征，如下式：

式中，ni為地區(qū)內(nèi)該灰度級(jí)像元總數(shù)，NL表示該區(qū)域像元總數(shù)，像元要滿足條件DNM≥DN≥1，DNi表示該地區(qū)內(nèi)第i級(jí)像元灰度值，DNM為最大可能灰度值。

（2）城市化水平復(fù)合指標(biāo)計(jì)算

依據(jù)城市化水平復(fù)合指標(biāo)法，結(jié)合考慮本文高溫?zé)崂四Ｐ偷闹鲗?dǎo)因子對(duì)城市化的影響，通過(guò)統(tǒng)一綱量進(jìn)行相關(guān)性系數(shù)計(jì)算，結(jié)果如圖1所示，從a)、b)、c)三幅圖中可以看出，三者之間相關(guān)性系數(shù)較低，具有獨(dú)立性，圖1城市化水平復(fù)合指標(biāo)相關(guān)因子相關(guān)性圖，因此給予相同的權(quán)重，均為1/3，計(jì)算得到廣東各市城市化水平復(fù)合指標(biāo)Cj。城市化水平復(fù)合指標(biāo)包括：人口城市化率（C1）為非農(nóng)業(yè)人口占總?cè)丝诘谋戎兀?jīng)濟(jì)城市化率（C2）為第二、三產(chǎn)業(yè)產(chǎn)值占區(qū)內(nèi)生產(chǎn)總值的比重，空間城市化率（C3）為建成區(qū)面積占整個(gè)區(qū)域面積的比重[12]。則城市化復(fù)合指標(biāo)由這三個(gè)指標(biāo)復(fù)合而成[13]：

圖1 城市化水平復(fù)合指標(biāo)相關(guān)因子相關(guān)性分析

其中，Cj表示區(qū)域j的城市化水平復(fù)合指標(biāo)，Wi表示第i種城市化因子的權(quán)重，Ci表示選取的城市化因子。

（3）地表溫度計(jì)算

本文采用MODLT1M中國(guó) 1KM 地表溫度月合成產(chǎn)品，經(jīng)過(guò)輻射定標(biāo)如下式2-8、幾何校正、裁剪后計(jì)算2003、2008、2013年的廣東省年平均地表溫度。

式中，T為地表溫度值（單位為：℃），value為像元灰度值，0.02為定標(biāo)系數(shù)。

2.3 高溫?zé)崂四Ｐ徒?/h3>

地理加權(quán)回歸模型（GWR）是一種改進(jìn)的空間線性回歸模型，與傳統(tǒng)的回歸模型相比，引入了數(shù)據(jù)的空間地理位置維度。其可以把空間權(quán)重矩陣應(yīng)用到線性回歸計(jì)算中，從而形象地表現(xiàn)出空間結(jié)構(gòu)分異[14-15]，在各領(lǐng)域得到了廣泛的應(yīng)用。本文綜合分析廣東省高溫?zé)崂说挠绊懸蜃樱匆詿艄庵笖?shù)、城市化復(fù)合水平指標(biāo)與地表溫度來(lái)構(gòu)建高溫?zé)崂四Ｐ停肎WR模型反演廣東省城市高溫?zé)崂丝臻g變化規(guī)律，結(jié)果得到，GWR模型的Adjusted R2為0.83，AIC為405.01，表明GWR模型對(duì)反演城市高溫?zé)崂司哂休^高的適用性，模型表達(dá)式為2-9：

式中，式中y為高溫?zé)崂宋ｋU(xiǎn)系數(shù)；xij為高溫?zé)崂说挠绊懸蜃?；pij為高溫?zé)崂酥杏绊懽兞康南禂?shù)；pi0為截距；b為隨機(jī)誤差項(xiàng)。

3 結(jié)果分析

3.1 廣東城市建成區(qū)空間分布

依據(jù)DMSP/OLS數(shù)據(jù)產(chǎn)品特性，采用二分迭代法來(lái)確定閾值，使用閾值分割柵格影像，分別得到2003年、2008年、2013年各市城鎮(zhèn)用地柵格數(shù)據(jù)。在此基礎(chǔ)上，采用統(tǒng)計(jì)比較法以每個(gè)市為研究對(duì)象逐一設(shè)定閾值進(jìn)行城市化信息提取運(yùn)用空間分析法重建廣東十年間城市空間變化過(guò)程如圖2所示。

如圖2所示，2003-2013年廣東省建成區(qū)分布較為集中且逐年不斷增長(zhǎng)，整體擴(kuò)大到2倍左右，呈沿海不斷發(fā)展的趨勢(shì)。其中深圳、珠海、東莞、中山、廣州五市建成區(qū)最為密集，并不斷向外擴(kuò)散，在粵東地區(qū)的汕頭市也呈現(xiàn)建成區(qū)向外擴(kuò)散現(xiàn)象，而接近內(nèi)陸地區(qū)城市建成區(qū)比較離散。

經(jīng)過(guò)統(tǒng)計(jì)分析可得到廣東省2003、2008、2013年城市空間格局特征表，從表1中可以得出：城市斑塊數(shù)量從2003年的67個(gè)到2008年的90個(gè)，5年時(shí)間內(nèi)增加了23個(gè)斑塊，斑塊密度由2003年的0.02676個(gè)/km2減少至2008年的0.0.02576個(gè)/km2，說(shuō)明廣東在2003年到2008年的時(shí)間內(nèi)呈現(xiàn)了破碎度減少的趨勢(shì)；2008年到2013年增加了16個(gè)，斑塊密度由2008年的0.02576個(gè)/km2增加至2013年的0.023531個(gè)/km2，說(shuō)明廣東在2008年到2013年的時(shí)間內(nèi)呈現(xiàn)出破碎度增加的趨勢(shì)。通過(guò)綜合分析可知，2003-2013年間，廣東城市建成區(qū)面積和城市斑塊數(shù)量持續(xù)增加，斑塊密度持續(xù)減小，說(shuō)明廣東城市離散化程度降低。

表1 廣東省2003-2013年城市空間格局特征表

3.2 廣東省高溫?zé)崂孙L(fēng)險(xiǎn)時(shí)空特征分布

根據(jù)上文研究方法中提出的高溫?zé)崂四Ｐ瓦M(jìn)行計(jì)算，同時(shí)參考何等提出的等級(jí)分化方式[19]，將高溫?zé)崂宋ｋU(xiǎn)系數(shù)分成5個(gè)等級(jí)，分別為：0-0.2為低、0.2-0.4為次低、0.4-0.6為中等、0.6-0.8為次高、0.8-1.0為高。結(jié)合高溫?zé)崂孙L(fēng)險(xiǎn)時(shí)空特征、空間格局演變特性，對(duì)聚類結(jié)果進(jìn)行局部修正，形成廣東省21個(gè)單元的高溫?zé)崂孙L(fēng)險(xiǎn)區(qū)劃圖，如下圖3 2003-2013年高溫?zé)崂孙L(fēng)險(xiǎn)空間分布圖。

圖3 2003-2013年高溫?zé)崂孙L(fēng)險(xiǎn)空間分布圖

由圖3里的三幅圖說(shuō)明2003-2013年，廣東省高溫?zé)崂孙L(fēng)險(xiǎn)與建成區(qū)時(shí)空特征分布大體相同，呈現(xiàn)出以深圳為首的高溫風(fēng)險(xiǎn)地區(qū)并向周圍地帶輻射的現(xiàn)象，其外圍的廣州、佛山、東莞、珠海的珠江三角洲地區(qū)形成次高風(fēng)險(xiǎn)區(qū)，將深圳市緊緊包圍，高溫不斷向外擴(kuò)展輻射。同時(shí)粵東地區(qū)以汕頭為中心，不斷向粵東地區(qū)的、潮州、揭陽(yáng)外擴(kuò)，共同形成廣東省高溫?zé)崂酥行南蚱渌貐^(qū)外擴(kuò)的形式?？傮w看來(lái)，廣東省高溫?zé)崂司奂瘏^(qū)保持穩(wěn)定向外擴(kuò)散的趨勢(shì)，低風(fēng)險(xiǎn)區(qū)仍均勻分布在廣東省接壤中國(guó)內(nèi)陸城市，相對(duì)較為穩(wěn)定，受高溫?zé)崂烁g較小。證明廣東省的高溫?zé)崂孙L(fēng)險(xiǎn)區(qū)風(fēng)險(xiǎn)程度與等級(jí)總體增加、風(fēng)險(xiǎn)分布的“中心外擴(kuò)”特征日益明顯，與建成區(qū)分布特征趨勢(shì)大體保持一致。

4 結(jié)論

本文基于GIS平臺(tái)利用燈光數(shù)據(jù)計(jì)算提取廣東省建成區(qū)面積，根據(jù)廣東省獨(dú)特的地理位置與經(jīng)濟(jì)條件，運(yùn)用GWR模型反演廣東省城市高溫?zé)崂丝臻g變化規(guī)律，并探討了2003-2013年廣東省高溫?zé)崂说臅r(shí)空特征，得到以下結(jié)論：

（1）廣東省城市建成區(qū)分布較為集中且逐年不斷增長(zhǎng)，整體擴(kuò)大到2倍左右，城市建成區(qū)斑塊密度持續(xù)減小，離散化程度有所降低。

（2）根據(jù)GWR模型反演廣東省城市間高溫?zé)崂丝臻g分布特征，其風(fēng)險(xiǎn)程度逐年上升，2008、2013年較2003年同比增長(zhǎng)0.046%、0.080%，其分布情況具有顯著“中心外擴(kuò)”特征，分別以深圳市、汕頭市為高溫?zé)崂送鈹U(kuò)兩個(gè)中心點(diǎn)，逐漸向各市輻射，與建成區(qū)分布特征趨勢(shì)大體保持一致。