基于地理國情數(shù)據(jù)的城市土地利用變化與地表降雨徑流關聯(lián)分析

張麗平，孫英君*，趙培華，王 琦

（1. 山東建筑大學測繪地理信息學院，山東 濟南 250101；2. 濟南市房產測繪研究院，山東 濟南 250001）

0 引言

近幾十年來，我國城市區(qū)域不斷擴張、人口大量聚集，城市能級顯著擴大。與之相伴的是城市土地利用結構發(fā)生劇變，高層住宅、商業(yè)廣場等不透水面逐漸取代林草等自然地表，使得城市透水能力大幅下降，地表徑流增加，城市內澇頻發(fā)。為應對此類問題，國務院辦公廳印發(fā)《關于推進海綿城市建設的指導意見》，要求統(tǒng)籌推進海綿城市建設。研究土地利用變化與地表徑流時空相關性成為“海綿城市”建設和城市規(guī)劃的熱點問題，引起國內外學者廣泛關注。如馬亞鑫等[1]基于遙感解譯landsat 影像獲得的土地利用數(shù)據(jù)分析了西安市主城區(qū)1995-2010 年的土地利用變化，進一步探究土地利用變化及其降雨徑流變化影響；任才[2]基于SWAT 模型計算了葉爾羌河流域的降雨徑流，并利用皮爾森相關系數(shù)分析了土地利用變化、氣候變化對降雨徑流的影響。

本文選取地理國情數(shù)據(jù)進行研究區(qū)土地利用變化分析。該數(shù)據(jù)綜合利用各種高分辨率遙感影像，通過目視解譯、踏勘取證得到土地利用數(shù)據(jù)，與常見遙感解譯產品相比，該數(shù)據(jù)在保證2.5 m 精度的同時，規(guī)避了影像分類中同物異譜、同譜異物、樣本獲取困難及樣本點不足等問題。文章選擇SCS 模型進行地表降雨徑流的模擬，該模型是目前應用最為廣泛的產流模型之一。與常見水文模型相比，該模型所需參數(shù)較少，結構簡單，計算方便，且綜合考慮了降雨、土壤類型、土地利用類型、前期土壤濕潤度與降雨徑流之間的關系[3]，特別是對土地利用類型數(shù)據(jù)的精細需求與本文使用的地理國情數(shù)據(jù)高度契合。文章基于2015、2020年兩期高精度地理國情數(shù)據(jù)探究了濟南市中心城區(qū)的土地利用變化，并結合SCS 模型模擬計算降雨徑流、徑流系數(shù)，利用地理探測器探討土地利用變化與地表降雨徑流變化的相關性，為優(yōu)化城市土地利用布局、健全疏澇排水治理體系、進一步推進“海綿城市”試點建設提供科學依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

濟南市位于山東省中西部地區(qū)，南依泰山、北傍黃河，屬溫帶季風性氣候，雨水充沛，是國務院辦公廳“海綿城市”建設的首批試點城市之一，2020 年濟南市躋身中國特大城市之列。為響應黃河流域生態(tài)保護和高質量發(fā)展國家戰(zhàn)略，近年來濟南高速發(fā)展，“東強西興北齊南美中優(yōu)”的城市發(fā)展布局初步形成。本文以濟南市中心城區(qū)為研究區(qū)，該范圍包括玉符河以東、繞城高速公路東環(huán)線以西、黃河與南部山體之間的地區(qū)，涵蓋了槐蔭、歷下、天橋、歷城、市中及長清六個區(qū)。

1.2 數(shù)據(jù)獲取

本文主要數(shù)據(jù)源包括地理國情數(shù)據(jù)、降雨量數(shù)據(jù)及土壤類型數(shù)據(jù)。

由2015、2020 年兩期地理國情數(shù)據(jù)，獲取土地利用數(shù)據(jù)。數(shù)據(jù)分類包括種植土地、林草覆蓋、房屋建筑區(qū)、鐵路與道路、構筑物、人工堆掘地、水域等地類空間分布，及其類別、面積等屬性信息。

降雨量數(shù)據(jù)源于加州大學歐文分校水文氣象學及遙感中心的衛(wèi)星降雨產品（https://chrsdata.eng.uci.edu）。該數(shù)據(jù)基于人工神經網(wǎng)絡，利用遙感信息紅外波段實時估算降水量，空間分辨率為4 km[4]，該產品數(shù)據(jù)依賴于高頻采樣紅外圖像，數(shù)據(jù)延遲時間短、時效性強[5-8]；為得到較為真實準確的地表降雨徑流模擬結果，結合研究區(qū)實際情況，本文選取濟南市降雨比較集中的8 月份降雨量作為實驗數(shù)據(jù)，日期分別為2015年8 月3 日、2020 年8 月6 日，降雨量均較為充沛，分別為：58～89 mm、23～41 mm。

土壤類型數(shù)據(jù)選取的是2010-2020 年0～20 cm 表層1 km 格網(wǎng)土壤質地數(shù)據(jù)集，源于國家地球系統(tǒng)科學數(shù)據(jù)中心- 土壤分中心（http://soil.geodata.cn）[9]，土壤類型包括粉壤土、壤土兩類。

2 研究方法

2.1 土地利用變化分析

首先基于地理國情數(shù)據(jù)分類體系進行本文土地利用數(shù)據(jù)的重分類，將表1 中原始地理國情若干地類合并為六大類，具體包括：未利用地、水域、農田、不透水面、草地、林地。然后，利用經典的單一土地類型動態(tài)度、轉移矩陣指標來探究各土地利用類型的變化情況。

表1 地類重分類標準

2.1.1 單一土地類型動態(tài)度變化

土地利用動態(tài)度是衡量單一土地利用類型在一段時間內變化速度的重要指標。其表達式為：

式中，K為土地利用類型的動態(tài)度；Ua、Ub為研究初始與末尾時間對應的某一土地利用類型面積；T是研究始終的時間跨度，通常以年為單位。

2.1.2 土地利用轉移矩陣分析

土地利用類型轉移矩陣定性的描述土地利用類型之間的相互轉移情況，并定量分析轉換面積的多少，直觀反映土地利用變化空間特征及演化規(guī)律，表達式為：

式中，S為土地利用類型面積；n為類型數(shù)；i、j分別為初始時期和末尾時期類型；Sij為研究初期i到末期j土地利用類型的面積變化。

2.2 地表降雨徑流計算

2.2.1 SCS 模型

SCS 模型又稱徑流曲線數(shù)法模型，是美國農業(yè)水土保持局1954 年根據(jù)流域水量平衡原理，在大量實測數(shù)據(jù)基礎上，采用統(tǒng)計歸納推理出來的公式。其計算公式如下：

式中，R為地表徑流量，單位mm；P為降雨量，單位mm；Ia為前期損失量，單位mm；S為入滲量，單位mm。前期損失量Ia受土地利用、枝葉截留、下滲、填洼等因素的影響，與土壤飽和儲水量（潛在入滲量）成正比關系，即Ia=λS，美國水土保持局提出合適的比例λ=0.2，即：

入滲量S利用經驗性參數(shù)CN來反映，公式如下：

CN為SCS 模型的核心參數(shù)，用于反映區(qū)域下墊面單元的產流能力。CN值與土地利用類型、土壤類型、前期土壤濕潤程度等下墊面因素密切相關，本文基于美國水土保持局制作的城市區(qū)域CN值表，參考大量相關文章資料[10-20]，結合本文地理國情數(shù)據(jù)分類情況歸納總結出本實驗的CN值，如表2 所示。其中，A、B、C、D 代表四個等級的透水性，由土壤類型確定，土壤類型與透水等級對應關系如表3，研究區(qū)土壤類型均為B 類。

表2 不同土地利用類型及土壤類型對應CN 值

表3 土壤類型及下滲情況對照表

SCS 模型考慮了前期降雨對徑流的影響，引入了前期降雨指數(shù)AMC（Antecedent Moisture Condition），其計算公式如下：

式中，Pi為最近五天的總降雨量，單位mm。

根據(jù)前期降雨指數(shù)AMC，將前期降雨量對土壤濕潤程度劃分為Ⅰ（干燥）、Ⅱ（中等）、Ⅲ（濕潤）三種類型，見表4。

表4 前期土壤濕潤程度確定標準

此處，Ⅰ、Ⅲ條件下的CN值分別按下列公式進行計算。

本論文旨在探究土地利用變化對降雨徑流的影響，為保證土地利用類型是影響降雨徑流的唯一因素，地表降雨徑流情景模擬采用控制變量法。在三期土壤類型一致的前提下，假定三期土壤前期濕潤度一致，均為Ⅱ（中等）。

2.2.2 徑流系數(shù)

由于兩期降雨量原始數(shù)值相差較大，本文引入徑流系數(shù)相對量來反映研究區(qū)域下墊面的產流能力。計算公式如下：

式中，α 為徑流系數(shù)；R、P分別表示降雨徑流量、降雨量，單位均為mm。

2.3 地理探測器

本文選取了地理探測器（GeoDetector） 來探究2015、2020 年濟南市中心城區(qū)土地利用變化對地表降雨徑流變化的影響。該方法通過探測空間分異性來揭示因變量與自變量的驅動關系。將2015 年與2020 年徑流系數(shù)變化設定為因變量Y，同期各土地利用類型變化面積設定為自變量X，共15 類，見表5。

表5 自變量X 及因變量Y 介紹

地理探測器包括風險探測器、分異及因子探測器、生態(tài)探測器和交互探測器四部分，本文主要應用分異及因子探測（Factor detector），探測結果用q值來檢驗說明，q的表達式為：

式中，(h=1,…,L)為分區(qū)情況；Nh和N分別為層h和整個區(qū)域的單元數(shù)和σ2分別是層h和全區(qū)Y值的方差。SSW 和SST 分別表示層內方差之和和全區(qū)總方差。q的值域為[0,1]，q值越接近1，Xn越能解釋說明Y，即Xn很大程度上影響Y；反之，q值越小，Xn對Y的解釋能力越差，二者相關性越小。同時，探測結果p值，p值代表相關的顯著性，p值小于0.05 為差異顯著，P小于0.01 則差異極顯著，即p值越小，X對Y存在影響這一推斷的可靠性越高。

3 結果分析

3.1 濟南市中心城區(qū)土地利用變化分析

3.1.1 土地利用變化動態(tài)度分析

通過屬性篩選、斑塊融合將地理國情數(shù)據(jù)重分類為不透水面、草地、林地、農田、水域及未利用地六大類，統(tǒng)計兩期濟南市中心城區(qū)各土地利用類型的面積及其占比變化情況如表6 所示。對比兩期土地利用類型面積及動態(tài)度情況。濟南市中心城區(qū)在2015-2020 年最主要的兩種土地類型分別是不透水面和林地，其中不透水面面積由37.57%小幅增至38.59%，林地面積由29.02%增至30.83%；動態(tài)變化度最大的兩種類型分別是農田和未利用地，農田面積5 年間減少54.64%, 未利用地增加57.37%,；草地及水域面積均有小幅度增長。

表6 濟南市中心城區(qū)各土地利用面積及占比、動態(tài)度

3.1.2 土地利用變化轉移矩陣分析

農田及未利用地的面積和分布變化較為明顯，為進一步探究土地利用類型的轉換關系，計算整理土地利用類型轉移矩陣，見表7。從轉移矩陣可以看出，2015-2020 年減少的農田面積主要轉為林地和草地，而未利用地的增加主要來自于不透水面和林地。此外未利用地、不透水面、草地、林地之間相互轉換，實現(xiàn)動態(tài)平衡，水域面積與其他土地類型轉移量較少，相對穩(wěn)定。上述結果揭示了濟南市2015-2020 年的城市化布局規(guī)律：在“東強西興南美北起中優(yōu)”的新布局體系下，濟南市由粗獷發(fā)展轉變?yōu)閮?yōu)化提升，進而促使未利用地、不透水面、草地、林地之間頻繁轉換，并使在建工地、房屋拆遷用地等未利用地短期內形成一定規(guī)模存量，此外在退耕還林、生態(tài)保護高質量發(fā)展等國家戰(zhàn)略下，大量宜林農田向生態(tài)林地轉換，城市功能品質不斷優(yōu)化升級。

表7 濟南市中心城區(qū)2015-2020 年土地利用類型轉移矩陣表（面積：km2）

3.2 地理探測器探測結果

3.2.1 尺度分析及因子分類

文章首先對土地利用及地表降雨徑流數(shù)據(jù)進行了格網(wǎng)化處理的尺度分析，確定最佳格網(wǎng)尺度后對因變量、自變量因子分別進行分類處理，最后利用地理探測器計算各因子對地表降雨徑流變化的影響情況。圖1 比較分析了不同格網(wǎng)尺度下各土地利用類型q值變化情況：大部分因子的q值隨格網(wǎng)尺度的增大而增大，q值一直保持相對較大的均為未利用地不透水面、不透水面林地、不透水面草地、未利用地草地、草地林地、未利用地林地。考慮到研究區(qū)面積有限，且部分因子對格網(wǎng)尺度表現(xiàn)并不敏感，較敏感的幾個因子q值一直保持相對較大的狀態(tài)，本文最后選取2 400 m 的格網(wǎng)為最佳尺度。

圖1 不同格網(wǎng)尺度下各土地利用類性變化的q 值

地理探測器要求自變量必須為類型量，最佳類別在5～7 之間，故而在2 400 m 的格網(wǎng)尺度上繼續(xù)做了分類對比。從圖2 中可以看出，當自變量因子分為7類時，各因子的q值相對較高，所以最終自變量因子均分為7 類。

圖2 不同分類情況下的各土地利用類型變化的q 值

3.2.2 分異及因子探測結果分析

表8 為2 400 m 格網(wǎng)尺度下因子分為7 類后得到的分異及因子探測結果，結果表明：（1）q值較高且統(tǒng)計檢驗p值為0 的因子依次為：未利用地 不透水面、不透水面林地、不透水面草地、未利用地草地、草地林地、水域林地、未利用地林地。（2）未利用地與不透水面相互轉換時對降雨徑流變化的影響最大且極為顯著，濟南市主城區(qū)“東強西興”的發(fā)展政策驅使著大量農村拆遷、高樓建筑取而代之，地表的透水性發(fā)生了較大的變化。（3）綜合來看，不透水面、未利用地、林地、草地四種土地利用類型之間兩兩轉換均會對徑流系數(shù)變化產生顯著的影響。城市擴張征收林地、草地轉變?yōu)椴煌杆娴耐瑫r，生態(tài)和環(huán)保意識深植民心，積極響應政府植樹造林政策的號召，使得林草改建為建筑房屋、廢棄建筑及未利用地上種植草木的情況并存，不透水面、未利用地的透水性與林草的透水性相異較甚，故而其對降雨徑流變化產生較明顯的影響。而草地與林地的根系構造不同、種植密度不同，加之林地有較強的蒸騰作用，因此林草的透水性差異較明顯，二者之間的相互轉換會對降雨徑流系數(shù)產生較大的影響。

表8 分異及因子探測結果

4 結論與討論

文章通過對2015、2020 年兩期地理國情數(shù)據(jù)分類整理，獲得研究區(qū)域土地利用空間分布及組成結構變化特征；同時，基于精細空間尺度、屬性分類的地理國情數(shù)據(jù)，文章借助SCS 水文模型進行研究區(qū)域地表降雨徑流及徑流系數(shù)變化模擬；最后利用地理探測器的分異及因子探測器探究了土地利用類型變化對地表徑流變化的影響，得到以下結果：

（1）2015-2020 年濟南市中心城區(qū)土地利用變化。從地類變化面積分析，農田、未利用地分別是面積減少、增大最多的地類。未利用地多為拆遷、待建、在建的地類合并而成，因此該地類的變化是城市發(fā)展擴張的具體表征。從地類組成結構分析，未利用地、不透水面互為主要轉入轉出對象；林、草互為主要轉入轉出對象，其次部分林、草轉出為不透水面、未利用地，農田主要轉出為林地。

（2）地理探測器的分異及因子探測結果表明，對降雨徑流變化影響較大且統(tǒng)計檢驗顯著的土地利用類型變化為不透水面、未利用地、林地、草地四種地類之間的相互轉換，四類土地利用類型下墊面的下滲能力存在一定差異，受城市擴張發(fā)展及生態(tài)環(huán)保政策意識的驅動，四種土地利用類型存在相互轉換，很大程度上影響著地表降雨徑流的變化。

（3）本文的研究成果是在情景控制基礎上，假定前期土壤濕潤度一致得出的。文章對每個時間節(jié)點前5 天降水量做了統(tǒng)計分析，結果表明，約70%～80%的前期土壤濕潤度類型與現(xiàn)實是一致的，但仍存在剩余區(qū)域的不確定性問題。此外，地表降雨徑流的變化并非僅與土地利用變化類型相關，地類面積變化、人口密度變化、市政管網(wǎng)排水能力變化，以及實際地表降雨徑流數(shù)據(jù)獲取驗證，徑流系數(shù)對不同量級降雨量的代表性等問題，都是本文下一步進行城市地表徑流變化精細化研究的方向。