◎ 鄭子豪 陳穎彪 吳志峰 胡應龍
基于多源遙感的城市生態(tài)用地識別及生態(tài)風險評價
◎ 鄭子豪 陳穎彪 吳志峰 胡應龍
隨著城市化進程的不斷推進、建設用地不斷擴張,城市生態(tài)空間正處于劇烈變化中。大量具有生態(tài)價值和服務功能的土地不斷被侵占,以滿足暫時的城市建設需求。但從長遠來看,這些生態(tài)用地的“消失”,將不可避免的影響區(qū)域生態(tài)平衡,給區(qū)域經(jīng)濟的健康發(fā)展埋下隱患。廣州作為華南的中心城市,改革開放以來,大量外來人口涌入,土地利用變化頻繁,生態(tài)環(huán)境的保護面臨著巨大壓力。因此,本文基于多源遙感數(shù)據(jù),利用監(jiān)督分類法與綜合指數(shù)法相綜合的復合提取方案對2016年廣州生態(tài)用地進行空間識別,掌握廣州市生態(tài)用地存量現(xiàn)狀。同時,借助生態(tài)風險小區(qū)和生態(tài)風險等景觀指數(shù)對廣州進行了生態(tài)風險評估,結(jié)果顯示,廣州市生態(tài)風險呈現(xiàn)明顯的多核圈層結(jié)構(gòu),由多核心的中心向外部逐漸降低。
生態(tài)用地 多源遙感 生態(tài)風險評價 廣州市
伴隨著社會經(jīng)濟的發(fā)展、城市化進程的加劇,城市空間在擴張過程中引發(fā)了一系列的生態(tài)環(huán)境問題[1-5]。土地作為城市發(fā)展的載體,對城市的健康發(fā)展起著重要的支撐作用。近年來,在市場經(jīng)濟作用下,越來越多的外來人口涌入城市,為城市的建設提供了巨大推動力,但同時也給城市生態(tài)環(huán)境帶了額外的負擔。激增的人口加大了對土地的需求,很多具有生態(tài)價值和服務功能的土地不斷被侵占,雖然新增的建設用地滿足了暫時性的經(jīng)濟建設的需求,但長遠來看,這些生態(tài)用地的“消失”,將不可避免的影響區(qū)域生態(tài)平衡,給區(qū)域經(jīng)濟的健康發(fā)展埋下隱患。2000年,國家計委組織有關(guān)學者編制出臺的《全國生態(tài)環(huán)境建設規(guī)劃》中明確指出,在接下來的城市發(fā)展建設中要從自然生態(tài)環(huán)境保護實際出發(fā),加強落實生態(tài)環(huán)境建設[6]。
作為生態(tài)環(huán)境的基石,“生態(tài)用地”一詞最早是2001年石元春院士提出并詳細闡述。由于在防風固沙、涵養(yǎng)水土、凈化環(huán)境、調(diào)節(jié)氣候、保護生物多樣性及維持生態(tài)系統(tǒng)穩(wěn)定等方面有著突出的作用,生態(tài)用地近年來開始受到學術(shù)界的關(guān)注和研究,其中核心點是生態(tài)用地的概念、分類、空間識別及評估等[7]。在生態(tài)用地的概念界定上,岳健等[8]認為生態(tài)用地從廣義上可以解讀為地球上全部的土地,對于中國則可以將土地利用類型大致劃分為農(nóng)用地、建設用地和生態(tài)用地三大類。其中生態(tài)用地則包括:人類能夠利用但又屬于農(nóng)用和建設之外用途的土地;主要由非人類生物直接利用的土地;被生物(包括人類)間接利用,在維護區(qū)域性或全球性生態(tài)系統(tǒng)多樣性及平衡,保持原生生態(tài)環(huán)境有著重要作用的土地。韓冬梅等[9]則認為生態(tài)用地應當是具有較強自我調(diào)節(jié)、自我修復、自我維持和自我發(fā)展能力的土地。該地類通過調(diào)節(jié)自身系統(tǒng)的結(jié)構(gòu)與功能、維持生態(tài)系統(tǒng)穩(wěn)定性和生物多樣性,從而支撐和保育主體生態(tài)系統(tǒng)的自我修復能力、可持續(xù)性及高生產(chǎn)力。
在生態(tài)空間識別上,得益于遙感技術(shù)的發(fā)展,多源遙感數(shù)據(jù)為提取生態(tài)用地信息開辟了新路徑。翟天林等[10]以Sentinel-1A和Landsat8 OLI影像為數(shù)據(jù)源綜合現(xiàn)有的遙感分類手段,提取了武漢市的生態(tài)用地分布信息。李明玉等[11]借助3S技術(shù),建立生態(tài)重要性空間識別指標體系對“延龍圖”地區(qū)生態(tài)用地的生態(tài)重要性進行了空間識別并分級,掌握了區(qū)域生態(tài)用地的分布狀況。在生態(tài)用地的風險評估中,于化龍等[12]基于景觀損失度指數(shù)和景觀脆弱度指數(shù)構(gòu)建了生態(tài)風險指數(shù),并探討了區(qū)域景觀生態(tài)風險的空間分布和變化特征。
廣州市作為廣東省政治、經(jīng)濟、文化和教育的中心,改革開放以來伴隨著城市化進程加劇,大量外來人口涌入,土地利用變化顯著。2005—2015年間,廣州市常住人口從949.68萬增加到1350.11萬,增幅達到42.16%;房屋建筑面積從272.84km2增加到481.85km2,增幅為76.61%;常用耕地面積從1300.94km2縮減到954.11km2,下降了約26.66%。在如此高強度的人口規(guī)模擴張和城市擴張影響下,廣州市生態(tài)環(huán)境的保護面臨著巨大壓力。因此,基于多源遙感數(shù)據(jù)開展廣州市生態(tài)用地的識別與風險評估研究,能為廣州市社會經(jīng)濟發(fā)展、生態(tài)城市建設規(guī)劃及環(huán)境保護提供一定參考和決策支持。
(一)研究區(qū)概況
廣州地處廣東省中南部,位于112°57′~114°3′E,22°26′~23°56′N之間,珠江三大支流(東江、西江和北江)的交匯處,瀕臨中國南海,與香港、澳門隔海相望,是海上絲綢之路的起點之一。作為廣東省省會,廣州的影響力已經(jīng)輻射了整個華南地區(qū),有著中國的“南大門”美譽。廣州市轄區(qū)總面積7434.4km2,地勢東北高、西南低,背山面海,東北部為中低山地,中部是丘陵盆地,南部為沿海沖積平原[13]。廣州地處亞熱帶沿海,北回歸線橫穿而過,屬于海洋性亞熱帶季風氣候。
(二) 數(shù)據(jù)來源
近年來,隨著現(xiàn)代遙感技術(shù)的發(fā)展,各種對地觀測衛(wèi)星源源不斷地提供不同空間分辨率、時間分辨率和波普分辨率的遙感影像。相比于單源遙感數(shù)據(jù),多源遙感數(shù)據(jù)間能夠互補和合作,極大地提高了目標信息獲取的質(zhì)量精度。因此,本文擬采用多源遙感數(shù)據(jù)作為數(shù)據(jù)源,對廣州市的生態(tài)用地進行空間識別,掌握廣州在高速城市化進程中的城市生態(tài)用地現(xiàn)狀。
本研究所涉及的數(shù)據(jù)主要可以分為三類:多源遙感數(shù)據(jù)、矢量邊界數(shù)據(jù)、輔助數(shù)據(jù)。
1.多源遙感數(shù)據(jù):①Landsat-8 OLI數(shù)據(jù),本文中的數(shù)據(jù)為2016年2月的無云或少云影像,空間分辨率為30m(包含一個15m的全色波段);②GF-1數(shù)據(jù)(2016年1月),高分一號衛(wèi)星是中國高分辨率對地觀測系統(tǒng)的第一顆衛(wèi)星,配置有2臺2米分辨率全色、8米分辨率多光譜相機和4臺16米分辨率多光譜寬幅相機;④NPPVIIRS夜間燈光影像數(shù)據(jù)(2016年);⑤0.1m空間分辨率的機載遙感數(shù)據(jù)(2016年9月)。
2.矢量邊界數(shù)據(jù):主要包括廣州市最新區(qū)劃調(diào)整后的行政區(qū)劃邊界數(shù)據(jù)、部分專題的范圍數(shù)據(jù)等。
3.輔助數(shù)據(jù):主要有市統(tǒng)計部門發(fā)布的公報及統(tǒng)計數(shù)據(jù)、地形高程數(shù)據(jù)等。
(一) 生態(tài)用地提取
在以往的生態(tài)用地提取過程中,基于像元及面向?qū)ο蟮谋O(jiān)督分類方法運用比較廣泛。該方法需要人工進行樣本訓練,過程比較繁瑣。本文為了有效、準確地提取城市生態(tài)用地,在對比總結(jié)現(xiàn)有的遙感影像分類、生態(tài)用地提取技術(shù)方法的基礎上,最終確定了一種監(jiān)督分類法與綜合指數(shù)法相綜合的復合提取方案。
其中綜合指數(shù)法主要借助遙感影像在地物信息識別方向上的研究成果,分別借助相關(guān)地物指數(shù)來提取典型的目標地物。主要包括:
1.高斯歸一化差異水體指數(shù)。
式中,Green為可見光綠色波段地物反射力大小,NIR為近紅外波段地物反射力大小;NDWI為歸一化水體指數(shù);GNDWIi,j為點(i,j)處的高斯歸一化水體指數(shù),NDWIi,j為點(i,j)處的歸一化差異水體指數(shù),代表所有像元的NDWI平均值,σ為所有像元的標準差。在TM影像中,Green和NIR分別為2波段和4波段;在OLI影像中,Green和NIR分別為3波段和5波段。
2.歸一化植被指數(shù)。
在可見光紅色波段有著強吸收特性而在近紅外波段具有強反射特性的植物葉面是對植被遙感監(jiān)測的物理基礎[14]。這兩個波段不同的光譜反射測值進行組合便可以形成多種主題的植被指數(shù) 。作為一種重要參數(shù),歸一化植被指數(shù)(NDVI)可以及時的反映農(nóng)作物長勢與營養(yǎng)狀況,其公式為:
式中:NIR為近紅外波段的地物反射力大小,R為可見光紅色波段的地物反射力大小。
3.歸一化建筑指數(shù)法。
歸一化建筑指數(shù)(Normalized Difference Barren Index,NDBI)是基于仿歸一化植被指數(shù)提出的建筑信息提取方案,能夠有效、準確地提取建設用地信息,數(shù)值越大則表示建筑物和建筑密度比例越高。該指數(shù)提出時針對的是Landsat TM影像,具體計算公式如下:
式中:TM4為近紅外波段,波長范圍0.76~0.90μm,位于植物的高反射區(qū);TM5為短波紅外波段,波長范圍1.55~1.75μm,位于兩個水體吸收帶之間。本文中使用是Landsat~8 OLI傳感器,參考TM4和TM5的波段范圍,重新確定NDBI的計算公式為:
式中:OLI5為近紅外波段,波長范圍0.845~0.885μm;OLI6為短波紅外波段,波長范圍1.56~1.66μm。計算結(jié)果中根據(jù)NDBIOLI值的范圍使用閾值提取法提取研究區(qū)的建設用地范圍。
(二) 生態(tài)風險評估
生態(tài)風險評價最初起源于生態(tài)環(huán)境評價。生態(tài)風險評價是由于一種或多種外界因素引起的潛在或正在發(fā)生對生態(tài)系統(tǒng)可能產(chǎn)生負面影響的過程[15]。區(qū)域內(nèi)生態(tài)風險著重強調(diào)的是區(qū)域生態(tài)系統(tǒng)抵抗外部干擾以及內(nèi)部自我協(xié)調(diào)的能力。由于不同土地利用類型(景觀)在抵抗外界干擾過程中所展現(xiàn)的能力參差不齊,因而在完善整體功能與結(jié)構(gòu)、促進景觀結(jié)構(gòu)的自然演替、維持生物多樣性等方面也存在著差異。
本文以等間距系統(tǒng)采樣法為起點,將研究區(qū)劃分為單位風險單元,以風險單元為單元計算每個單元的綜合生態(tài)風險指數(shù),作為每個單元中心位置的生態(tài)風險值,實現(xiàn)生態(tài)風險指數(shù)的空間化處理。
土地利用生態(tài)風險指數(shù)ERI的計算公式為:
式中:ERIi表示第i個風險單元的土地利用風險指數(shù);N為景觀類型的數(shù)目;Aki是第k個風險單元內(nèi)第i類土地的網(wǎng)格面積;Ak為第k個風險單元的面積;Ri是第i類土地利用景觀類型的損失度指數(shù)。
其中損失度指數(shù):
式中Ei為景觀干擾度指數(shù),Ei=aCi+bNi+cDi(破碎度指數(shù)Ci=ni/Ai;分離度指數(shù)優(yōu)勢度Di則由密度Rd、頻率Rf和景觀比例Lp三個參數(shù)間接得到;a、b、c表示對應景觀指數(shù)的權(quán)重(權(quán)重之和為1),本文在結(jié)合前人研究成果并分析權(quán)衡分別賦以“0.5、0.3、0.2”的權(quán)值);Fi是景觀脆弱度指數(shù),根據(jù)研究區(qū)實際情況,在借鑒他人研究成果的基礎上,針對研究區(qū)實際情況,采用專家打分法分別對五種景觀類型賦值,再對數(shù)值進行歸一化處理。
(一) 生態(tài)用地提取
在利用綜合指數(shù)法提取生態(tài)用地的過程中,地物類型提取的順序上的差異不可避免的會對生態(tài)用地提取的精度產(chǎn)生影響。經(jīng)過多次對比,確定以“水體、植被、建筑”的次序提取生態(tài)用地的精度最高。這是因為水體相對于后者而言,其光譜特征比較明顯,且各類水體間光譜曲線差異不大(相對于后者),因此先將難度最小、準確度最高的水體提取出來作為標準,不斷地迭代后續(xù)分類的結(jié)果,可以最大程度的保持地物分類的準確度。
1.水體識別。在水體的提取過程中,利用高斯歸一化差異水體指數(shù)對Landsat-8 OLI影像進行處理,獲得“水體1”(圖1a是中心城區(qū)的“水體1”情況)?!八w1”中河流、湖泊對象有著較準確的識別率,但是在建成區(qū)還散布者較多的水體斑塊,這些斑塊破碎,面積不足0.02km2。對比0.1m空間分辨率的機載遙感影像,可以發(fā)現(xiàn)這些破碎的斑塊并不是真正的水體,而多為建筑的陰影范圍(圖1b)。需要在“水體1”的基礎上采用GS融合(Gram-Schmidt Pan Sharpening,能夠較好的保持空間紋理信息,尤其是能高保真保持光譜特征[16])方法將8波段30米的多光譜數(shù)據(jù)和15米的全色數(shù)據(jù)進行融合,獲取高分辨率的多光譜影像。經(jīng)多次對比實踐,發(fā)現(xiàn)融合后影像的綠色波段可以采用閾值法識別建成區(qū)的建筑陰影(圖1a-c)。
在將“水體1”與提取的建筑陰影進行去重處理后,水體識別的結(jié)果顯示,廣州市2016年的水體總面積為581.38km2。
2.植被識別。植被作為生態(tài)用地的重要組成部分,在遙感影像上呈現(xiàn)出綠色、深綠色或者淺綠色(真彩色)。下圖是廣州市部分土地利用類型若干樣本點的OLI圖像上的平均光譜曲線,耕地、林地、草地及園林有著極為相近的光譜曲線。因此借助歸一化植被指數(shù),只能初步的識別出植被、水體和建筑等。
為了更準確地識別植被(耕地、林地、園地草地),本文分別針對Landsat-8 OLI和GF-1影像基于NDVI進行了植被識別,然后將二者識別的結(jié)果進行整合,獲取研究區(qū)范圍內(nèi)的植被分布結(jié)果(圖3)。
圖1a “水體1”提取結(jié)果(建成區(qū))
圖1b 建筑陰影斑塊分布
圖1c 閾值法建筑陰影識別結(jié)果
在已有的植被識別結(jié)果中,利用地形高程等輔助數(shù)據(jù),通過設定高程和坡度等閾值,進一步從植被結(jié)果中提取林地和非林地??紤]到廣州的地形特征,利用等高線等數(shù)據(jù)插值形成30m分辨率的DEM高程數(shù)據(jù)并生成廣州市坡度圖,然后選定若干處典型林地與非林地分界點,統(tǒng)計其對應的高程和坡度數(shù)據(jù),最后確定以45m和3°分別作為林地的高程和坡度分界線,以二者的交集作為林地的覆蓋范圍(圖4)。在非林地的植被中,采用“基于樣本的面向?qū)ο蠓诸悺狈椒?,對非林地植被進行對象分割并選擇各類樣本。實現(xiàn)耕地和園地草地(本文中考慮草地的分布面積較少,比較破碎,單獨提取的效果并不理想,故與園地進行整合,統(tǒng)一劃分為園地草地)的識別。
圖2 地類波譜曲線圖
圖3 Landsat-8、GF-1影像及其NDVI提取的植被覆面對比
根據(jù)影像識別的結(jié)果(圖5)統(tǒng)計后發(fā)現(xiàn),2016年廣州市植被覆面共計4313.2km2,占全市面積的58.02%,包括林地2507.83km2(33.73%),園林草地873.01km2(11.74%),耕地932.36km2(12.54%)。其中耕地面積較之2015年的954.11km2減少了約21.75km2,年均下降幅度由原來的2.66%減緩為2.27%,耕地被侵占現(xiàn)象有所緩和。
3.建設用地識別。作為城市生態(tài)系統(tǒng)的載體之一,建設用地(文中建設用地不同于規(guī)劃定義,文中建設用地是從遙感影像紋理特征的角度來劃分)隨著城市擴張、城市化進程正在不斷地由中心城區(qū)向周邊蔓延。根據(jù)有關(guān)統(tǒng)計資料顯示,近10年來,廣州市的房屋建筑面積增加了約75%。這種高速的擴張,一方面雖然滿足了城市經(jīng)濟發(fā)展的需要,但往往也會造成生態(tài)用地的占用等問題。近年來,利用夜間燈光數(shù)據(jù)DMSP/OLS、NPP-VIIRS等數(shù)據(jù)提取的城市空間特征信息,探討城市格局及其變化過程日益成為研究焦點[17-20]。本文利用2016年的NPP-VIIRS燈光數(shù)據(jù)結(jié)合2016年的城市用地面積統(tǒng)計數(shù)據(jù),使用閾值法提取城市建設用地。
圖4 林地與非林地劃分范圍(局部)
圖5 廣州市各類植被遙感識別結(jié)果
具體的,設潛在的閾值(DNGZ)下的城市建設用地面積為SGZ,則:
式中: DNmax和DNmin分別為燈光強度亮度值的最大值和最小值;int表示取整。
在該閾值下的潛在城市建設用地面積SGZ (DNGZ)為:
式 中:DNi為介 于 DNGZ和DNmax之間的某一燈光亮度值;f(DNi)表示DNi亮度下的城市建設用地面積;S為同時期城市建設用地面積統(tǒng)計值;△SGZ(DNGZ)為二者的面積差值。如果△SGZ(DNGZ)>0,則DNmin=DNGZ;若△SGZ(DNGZ)<0,則DNmax=DNGZ。通過不斷地與統(tǒng)計面積進行對比,更新閾值,最終確定一個與統(tǒng)計面積最為接近的燈光強度值作為最優(yōu)提取閾值,提取的結(jié)果如圖6所示。
圖6 NPP VIIRS燈光數(shù)據(jù)提取建設用地范圍
燈光數(shù)據(jù)提取的城市建設用地往往在會掩蓋城市內(nèi)部的細節(jié)特征,降低建設用地識別的準確性。因此,本文在使用燈光數(shù)據(jù)識別建設用地外,考慮到建設用地的遙感影像紋理特征比較復雜,單一的分類方法目前還無法有效、準確地提取城市建設用地,故采用歸一化建筑指數(shù)法NDBI和監(jiān)督分類相結(jié)合的方式對Landsat-8 OLI多光譜影像(30m分辨率)及GS全色融合后的多光譜影像(15m分辨率)進行建筑用地再識別,并將結(jié)果與燈光數(shù)據(jù)識別結(jié)果進行疊加處理(圖7)。結(jié)果顯示,廣州市2016年的建設用地覆蓋面積達到2479.68km2,比2008年廣州建設用地影像識別結(jié)果[21]面積增加了約一倍。城市建設用地的高速擴張勢必對生態(tài)用地產(chǎn)生極大的壓迫。
圖7 不同分辨率影像的NDBI提取效果對比圖
上述提取的各類生態(tài)用地,利用0.1m的高分辨率航拍影像進行分類精度評價。2016年生態(tài)用地分類精度為78.23%,Kappa系數(shù)為0.78,識別結(jié)果基本符合精度要求。
(二) 生態(tài)風險評估
本文以4km×4km為一個樣方,覆蓋整個研究區(qū)范圍并取樣(圖8)。借助ArcGIS的Patch Analyst擴展模塊,分別提取各土地利用類型的斑塊數(shù)目和面積并進行風險指數(shù)的計算,生成廣州市2016年各土地利用類型的生態(tài)風險指數(shù)表(表1)。
表1 廣州市土地利用類型生態(tài)風險指數(shù)
圖8 2016年廣州市生態(tài)風險小區(qū)劃分
通過前文劃定的生態(tài)風險小區(qū)及生態(tài)風險指數(shù)的計算公式,利用ArcGIS對廣州市所劃定的555個風險小區(qū)對2016年生態(tài)用地識別數(shù)據(jù)進行風險指數(shù)的計算。為了便于分析生態(tài)風險空間分布,通過指標法對風險指數(shù)進行等級劃分。具體劃分為5個等級:低生態(tài)風險度分區(qū)(ERI<0.2)、較低生態(tài)風險度分區(qū)(0.2≤ERI<0.4)、中生態(tài)風險度分區(qū)(0.4≤ERI<0.6)、較高生態(tài)風險度分區(qū)(0.6≤ERI<0.8)和高生態(tài)風險度分區(qū)(0.8≤ERI)[22]。從廣州市生態(tài)風險等級空間分布(圖9)可以看出,廣州市生態(tài)風險呈現(xiàn)明顯的多核圈層結(jié)構(gòu),主要有多核心的中心向外部逐漸降低。風險核心區(qū)多集中在東部和南部的南沙、番禺等區(qū)。整體上,風險區(qū)(中、較高及高風險區(qū))占全局的30.99%,低風險區(qū)(低及較低風險區(qū))占69.01%。
圖9 廣州市2016年生態(tài)風險度分區(qū)
從空間分布上來看,廣州市生態(tài)高風險區(qū)主要集中在東部的增城區(qū)南部和中部、從化區(qū)街口鎮(zhèn)、白云區(qū)北部和南沙區(qū)南部。這些區(qū)域是城市擴張最劇烈的區(qū)域,快速的城市化進程,加速了生態(tài)用地的劇烈變動,導致在這些區(qū)域的生態(tài)風險指數(shù)上升,形成了高生態(tài)風險區(qū)。而低風險區(qū)則主要位于廣州北部的從化區(qū)和廣州以越秀、荔灣、海珠為代表的老城區(qū)。從化區(qū)地處廣州市的東北部,東與惠州市、廣州增城區(qū)接壤,南跟白云區(qū)毗鄰,西同清遠市、廣州花都區(qū)相連,北則跟清遠市、韶關(guān)市相接[23]。南端的太平鎮(zhèn)北回歸線橫穿而過,雨水豐富,氣候宜人。以珍稀溫泉聞名于世的從化區(qū),素有“中國溫泉之都”的美稱,甚至有人稱其為“北回歸線上的明珠”。區(qū)內(nèi)坐擁1200km2的青山,森林覆蓋率達到67.2%。境內(nèi)有100多處湖泊水庫,旅游景區(qū)近20處,其中不乏多處國家4A級和3A級旅游景區(qū)。其中流溪河國家森林公園、石門國家森林公園、流溪溫泉旅游度假區(qū)作為重點生態(tài)旅游區(qū)已經(jīng)久負盛名。優(yōu)越的生態(tài)環(huán)境,使得該區(qū)域的生態(tài)風險指數(shù)較低,形成了廣州市北部生態(tài)低風險區(qū)域。與之對應的荔灣、越秀、海珠等老城區(qū)由于早已完成了城市化進程,城區(qū)絕大部分是建筑用地,因此并未納入生態(tài)用地范疇,形成了以老城區(qū)為核心的中心城區(qū)生態(tài)低風險區(qū)域。
本文在綜合多種遙感影像地物信息提取方法的基礎上,基于多源遙感數(shù)據(jù)采用了一種監(jiān)督分類法與綜合指數(shù)法相綜合的復合提取方案,對廣州市2016年的生態(tài)用地進行了空間識別。在識別的過程中,分別利用了Landsat-8 OLI、GF-1、NPP VIIRS及航拍高分辨率影像等多源數(shù)據(jù),并結(jié)合一系列輔助數(shù)據(jù),針對各類生態(tài)用地的特征,按照“水體、植被、建筑”的次序提取生態(tài)用地。結(jié)果顯示,2016年廣州市生態(tài)用地中,植被覆面共計4313.2km2,占全市面積的58.02%,水體覆面約有581.38km2,占全市面積的7.82%。其中耕地較之2015年減少了約21.75km2,年均下降速率由原來的2.66%(2005—2015年)減緩為2.27%,耕地侵占現(xiàn)象有所緩和。而非生態(tài)用地的建設用地面積約占全市總面積的33.35%,比2008年增加了約一倍,城市生態(tài)壓力不容樂觀。
此外,本文還借助生態(tài)風險小區(qū)空間化及生態(tài)風險指數(shù)數(shù)值化方法,對廣州2016年的生態(tài)風險進行了評估。結(jié)果表明,廣州市生態(tài)風險呈現(xiàn)明顯的多核圈層結(jié)構(gòu),由多核心的中心向外部逐漸降低,風險區(qū)(中、較高及高風險區(qū))占全局的30.99%,低風險區(qū)(低及較低風險區(qū))占69.01%。這些風險區(qū)多分布在城市化進程劇烈的南沙區(qū)和增城區(qū),需要格外注意在城市發(fā)展過程中的生態(tài)保護。
雖然本文在生態(tài)用地識別中嘗試了多種遙感數(shù)據(jù),但是在具體的識別過程中,還存在著諸多不足,其中如何平衡影像空間分辨率和地物識別效率的問題就格外突出。高分辨率的影像(例如高分辨率的航拍影像)雖然在地物識別上有著無可比擬的優(yōu)勢,紋理細節(jié)豐富,可判讀性強,但是在自動識別地物過程中,往往存在計算量大、數(shù)據(jù)輸出慢等問題,限制了高分辨率影像在地物識別上的應用。這些問題還需要進一步的進行對比研究,找到一個平衡點,在保證地物識別精度的基礎上,使其處理效率最優(yōu)。
[1]吝濤. 廈門島城市空間擴張?zhí)卣骷捌溆绊懸蛩胤治鯷J]. 地理學報, 2010. 65(6): p715-726.
[2]楊曉娟. 1949-2005年中國大城市空間擴張與用地結(jié)構(gòu)轉(zhuǎn)化研究[D]. 蘭州大學, 2008.
[3]朱學新,段進軍. 中國城市空間擴張與空間轉(zhuǎn)型思考[J]. 蘇州大學學報:哲學社會科學版, 2012. 33(5):p46-51.
[4]岳文澤,汪銳良,范蓓蕾. 城市擴張的空間模式研究——以杭州市為例[J]. 浙江大學學報理學版, 2013.40(5): p596-605.
[5]彭順喜等. 用遙感定量研究城市擴張空間模式對城市生態(tài)環(huán)境影響的初探[J]. 礦產(chǎn)與地質(zhì), 2006.20(6): p659-663.
[6]麥少芝. 基于多源空間數(shù)據(jù)的廣州市生態(tài)環(huán)境綜合評價與分析[D]. 華南師范大學, 2005.
[7]趙微,郭玲霞,黃朝禧. 武漢市生態(tài)用地規(guī)模預測方法研究[C]. 全國中青年農(nóng)業(yè)經(jīng)濟學者年會. 2010.
[8]岳健,張雪梅. 關(guān)于我國土地利用分類問題的討論[J]. 干旱區(qū)地理(漢文版), 2003. 26(1): p78-88.
[9]韓冬梅. 臨沂市生態(tài)用地規(guī)劃布局研究[D]. 河北師范大學, 2007.
[10]翟天林. 基于多源遙感影像融合的武漢市土地利用分類方法研究[J]. 長江流域資源與環(huán)境, 2016.25(10): p1594-1602.
[11]李明玉,田豐昊,董玉芝. 延龍圖地區(qū)城市生態(tài)用地生態(tài)重要性空間識別與保護[J]. 地理科學, 2016.36(12): p1870-1876.
[12]于化龍等. 基于景觀結(jié)構(gòu)的土地利用生態(tài)空間特征及風險評估——以懷來縣為例[J]. 水土保持研究,2016. 23(3): p155-163.
[13]王姣. 珠江三角洲地區(qū)城市建成區(qū)擴展時空過程及影響因素[D]. 中國科學院研究生院(遙感應用研究所), 2006.
[14]王瑞國等. 高分辨率衛(wèi)星遙感數(shù)據(jù)在城市綠地現(xiàn)狀調(diào)查中的應用[C]. 2008中國城市規(guī)劃年會. 2008.
[15]王佳. 內(nèi)黃縣耕地利用生態(tài)風險評價[D]. 河南大學, 2010.
[16]別強,何磊,趙傳燕. 基于影像融合和面向?qū)ο蠹夹g(shù)的植被信息提取研究[J]. 遙感技術(shù)與應用, 2014.29(1): p. 164-171.
[17]楊眉等. DMSP/OLS夜間燈光數(shù)據(jù)應用研究綜述[J]. 遙感技術(shù)與應用, 2011. 26(1): p45-51.
[18]何春陽等. 基于夜間燈光數(shù)據(jù)的環(huán)渤海地區(qū)城市化過程[J]. 地理學報, 2005. 60(3): p409-417.
[19]舒松等. 基于夜間燈光數(shù)據(jù)的城市建成區(qū)提取方法評價與應用[J]. 遙感技術(shù)與應用, 2011. 26(2):p169-176.
[20]徐夢潔等. 基于DMSP/OLS夜間燈光數(shù)據(jù)的長江三角洲地區(qū)城市化格局與過程研究[J]. 國土資源遙感, 2011. 23(3): p106-112.
[21]周倩儀. 基于GIS與RS的近20年廣州市城市建設用地擴展研究[D]. 廣州大學, 2010.
[22]王瑞強. 海岸帶景觀格局變化和生態(tài)風險評價——以海南省陵水縣為例[D]. 海南師范大學, 2011.
[23]趙子亮. 農(nóng)村耕地拋荒的影響因素及治理研究[D]. 暨南大學, 2015.
作者簡介:鄭子豪,碩士研究生,廣州大學地理科學學院、廣東省地理國情監(jiān)測與綜合分析工程技術(shù)研究中心,主要研究方向為遙感與GIS分析應用。陳穎彪(通訊作者),教授,碩士生導師,廣州大學地理科學學院、廣東省地理國情監(jiān)測與綜合分析工程技術(shù)研究中心,主要研究方向為GIS與遙感綜合運用。吳志峰,教授、博導,廣州大學地理學院院長、廣東省地理國情監(jiān)測與綜合分析工程技術(shù)研究中心主任、國際景觀生態(tài)學會中國分會副理事長、廣東省遙感與GIS學會副理事長,主要研究方向為城市生態(tài)與人居環(huán)境、城市遙感與空間分析等。胡應龍,碩士研究生,廣州大學地理科學學院、廣東省地理國情監(jiān)測與綜合分析工程技術(shù)研究中心,主要研究方向為三維GIS。
(責任編輯:李鈞)
The Ecological Land Identification and Ecological Risk Assessment Based on Multi-Source Remote Sensing Image
Zheng Zihao, Chen Yingbiao, Wu Zhifeng, Hu Yinglong
With the continuous advancement of urbanization and the expansion of construction land, the urban ecological space is changing dramatically. A large number of land with ecological value and service function has been occupied to meet the temporary urban construction needs. The disappearance of ecological land will inevitably affect the regional ecological balance and lay a hidden danger for the healthy development of the regional economy in the long term. In Guangzhou, the central city of Southern China, the influx of foreign population has caused frequent changes in land use since the reform and opening up, which has laid great pressure on ecological environment protection. This paper uses the combined method of supervised classification and comprehensive index to identify the ecological land of Guangzhou in 2016 and get the current storage quantity of Guangzhou ecological land based on multisource remote sensing image. Moreover, we evaluate the ecological risks of Guangzhou through the ecological risk community and ecological risk landscape index. The ecological risk of Guangzhou presents obvious multi-core structure which was gradually reducing from the center of the outside.
ecological land; multi-source remote sensing; ecological risk assessment;Guangzhou
F301.2
10.3969/j.issn.1674-7178.2017.03.002
廣東省科技計劃項目“城市不透水面遙感提取技術(shù)系統(tǒng)”,項目編號: 2016A050502065。