徐涵秋,施婷婷,王美雅,林中立

1 福州大學環(huán)境與資源學院,福州 350116 2 空間數據挖掘與信息共享教育部重點實驗室,福州 350116 3 福州大學遙感信息工程研究所,福州 350116

雄安新區(qū)地表覆蓋變化及其新區(qū)規(guī)劃的生態(tài)響應預測

徐涵秋1,2,3,*,施婷婷1,3,王美雅1,3,林中立1,3

1 福州大學環(huán)境與資源學院,福州 350116 2 空間數據挖掘與信息共享教育部重點實驗室,福州 350116 3 福州大學遙感信息工程研究所,福州 350116

雄安新區(qū)是新近設立的國家級新區(qū),如何在新區(qū)建設中堅持生態(tài)優(yōu)先、綠色發(fā)展,是即將開展的新區(qū)規(guī)劃必須考慮的問題。綠色生態(tài)規(guī)劃離不開對規(guī)劃區(qū)生態(tài)本底的清楚認識,離不開對規(guī)劃結果的準確預判。因此基于2004、2015年的Landsat影像,采用遙感信息反演技術和RSEI遙感生態(tài)指數,評估了該區(qū)近11年來的地表不透水面、植被和水體三大覆蓋類型的變化,并預測新區(qū)建設的生態(tài)效應及其對熱環(huán)境的影響。結果表明,雄安新區(qū)近11年地表不透水面、植被和水體的面積雖互有增減,但變化強度都小于5%,總體開發(fā)強度不大,本底生態(tài)質量較好,穩(wěn)中略升。定量分析表明,在該區(qū)的三大地表覆蓋類型中,不透水面對區(qū)域生態(tài)和地表溫度的影響最大。根據所獲得的關系模型預測,新區(qū)的人口規(guī)劃和面積方案將對區(qū)域生態(tài)質量和熱環(huán)境產生影響，如果按新增不透水面面積占新區(qū)面積25%的比例來預測，它將使生態(tài)質量下降10%，地表溫度上升1.1℃；但如果將不透水面比例控制在20%，則新區(qū)的生態(tài)質量反而上升3.6%，地表溫度下降0.3℃。

雄安新區(qū)；遙感生態(tài)指數；地表覆蓋；區(qū)域規(guī)劃；預測

河北省保定市的雄縣、安新和容城3個縣及其周邊部分地區(qū)于2017年4月1日被設立為國家級新區(qū)——雄安新區(qū)。該區(qū)地處北京、天津、保定三城市腹地,它的成立將為疏解北京市的非首都功能,優(yōu)化京津冀地區(qū)城市空間布局和結構做出重大貢獻。

由于中國早期的城市規(guī)劃往往缺乏生態(tài)環(huán)境理念,因此,中國的城市經過幾十年的發(fā)展,已暴露出原有規(guī)劃的不合理性。當前我國城市普遍存在著嚴重的城市病,城市擁堵、城市內澇、城市熱島效應、城市空氣污染已成為各大城市的常見問題。因此,在雄安新區(qū)建設中堅持生態(tài)優(yōu)先、綠色發(fā)展已被國家擺在首要位置,是即將開展的新區(qū)規(guī)劃必須考慮的首要問題。而綠色生態(tài)規(guī)劃離不開對規(guī)劃區(qū)生態(tài)本底的清楚認識,離不開對規(guī)劃結果的準確預判。因此有必要對雄安新區(qū)的基本生態(tài)狀況開展調查,并籍此對即將進行的新區(qū)規(guī)劃所產生的生態(tài)效應進行預測,這對保障雄安新區(qū)的綠色生態(tài)建設具有重要的現實意義,對我國城市的綠色規(guī)劃具有重要的科學意義。

當前,以遙感對地觀測技術為代表的空間信息技術已被廣泛應用于生態(tài)環(huán)境領域[1],無論是國際或國內,遙感技術都被應用于各種尺度的生態(tài)調查和評價中。如美國的全美自然保護區(qū)生態(tài)動態(tài)監(jiān)測[2]、我國環(huán)保部開展的“全國生態(tài)環(huán)境十年變化(2000—2010)遙感調查與評估”,以及目前正在開展的國家生態(tài)保護紅線劃定工作,都是以遙感作為重要的支撐技術。近年來,也有越來越多的遙感技術被應用于區(qū)域[3-4]和城市[5-8]規(guī)劃建設的生態(tài)監(jiān)測與評估中,應用遙感生態(tài)指數來評價生態(tài)效應也逐漸增多[3,7]。

由于規(guī)劃質量的優(yōu)劣將直接影響區(qū)域的生態(tài)環(huán)境,因此能否對規(guī)劃所產生的生態(tài)效應進行科學的預測就顯得非常重要。但是當前無論是傳統(tǒng)方法或者是遙感技術,都缺乏對規(guī)劃所產生的潛在生態(tài)影響進行預測的有效方法,迄今仍未見相關的研究報道。因此本文將利用遙感信息技術對雄安新區(qū)近年來的地表覆蓋類型和生態(tài)質量變化進行調查,并結合新區(qū)的規(guī)劃建設目標對其潛在的地表覆蓋變化及其生態(tài)響應進行預測,研究結果將為即將到來的新區(qū)規(guī)劃提供重要的決策支持。

1 技術方法

1.1 研究區(qū)

圖1 雄安新區(qū)位置圖Fig.1 Location map of Xiong′an New Area

雄安新區(qū)主要包含河北省保定市的雄縣、安新縣和容城縣,地理位置為：38°43′—39°10′ N,115°38′—116°20′ E (圖1)。該區(qū)距北京、天津、保定三城市的距離僅為數十至百余公里,因此具有明顯的區(qū)位優(yōu)勢。區(qū)內地勢基本平坦,土壤肥沃,地表覆蓋以農田為主,其中耕地占農用地的93%,林地占3.4%[9],境內分布有華北平原最大的湖泊——白洋淀。該區(qū)屬暖溫帶大陸季風型氣候,四季分明,年平均氣溫12.1℃,年平均降雨量560mm,無霜期173 d。雄安新區(qū)3個縣的總面積為1566km2,總人口113.09萬人,城鎮(zhèn)化率42.74%,人均地區(qū)GDP 1.88萬元[9]。

1.2 遙感數據源及其預處理

研究采用Landsat系列衛(wèi)星遙感影像以保持數據源的一致性,選用了2004年9月8日的Landsat 5 TM影像和2015年8月22日的Landsat 8 OLI/TIRS影像。影像季相相近,無云,質量完好(圖2)。

圖2 研究區(qū)Landsat遙感影像 (RGB: 752波段)Fig.2 Landsat images of the study area (RGB: bands 7, 5, 2)

影像下載于美國地質調查局(USGS) Landsat官方網站的Level 1T產品。該產品已經過幾何校正,經檢查,2景影像疊加準確,因此無需幾何校正。影像的預處理主要為輻射校正,采用Landsat用戶手冊的模型和Chavez的COST大氣校正模型[10]將2幅影像的亮度值(DN)轉換為傳感器處反射率(at-sensor reflectance)。

對于2004年的TM影像,采用以下公式進行輻射校正：

L=gain·Q+ bias

(1)

ρ=[π(L-Lh)d2]/ (ESUN ·cosθZ.τ)

(2)

式中：Q為DN值；gain和bias分別為增益與偏置值；Lh為大氣影響修正值,可以通過最暗像元法獲得[10]；ESUN為大氣頂部平均太陽輻照度；d為日-地天文單位距離；θZ為影像中心的太陽天頂角。以上參數可以從Landsat用戶手冊或影像頭文件中獲得。τ為基于θZ估算的大氣透射率,可用下式計算[10]：

τ= cos [(90-θZ)π/ 180]

(3)

但由于這種計算經常造成τ的高估,特別是在晴空無云、太陽天頂角很大或北方高緯度地區(qū)這3種情況,因此在實際應用中τ常被忽略[11]。

對于2015年的OLI影像,采用以下公式進行輻射校正：

ρ=[M(Q-Qh) +A]/ (cosθZ.τ)

(4)

式中：M和A分別為調整因子和調整參數,可以從影像頭文件中獲得；Qh為大氣影響修正值,同樣通過最暗像元法獲得。

1.3 地表溫度反演

Landsat 5 TM傳感器具有1個熱紅外波段(TM 6), Landsat 8 TIRS傳感器則具有2個熱紅外波段(TIRS 10、11)。但由于TIRS 11波段定標參數誤差迄今未能解決,Landsat 8官方網站建議只用TIRS 10單波段來反演地表溫度[12]。因此,采用Jiménez-Muoz等的單通道算法[13-14]來反演TM 6波段和TIRS 10波段的地表溫度。該方法在大氣水汽含量小于3g/cm2時,可以獲得小于1.5K的精度[12],因此被廣泛應用。本次使用的2幅影像當天的大氣水汽含量分別為1.32g/cm2和2.89g/cm2,因此可以采用該算法來反演地表溫度,其主要公式為：

LST=γ[ε-1(ψ1L+ψ2) +ψ3]+δ

(5)

(6)

式中：LST為地表溫度；對于TM 6波段和TIRS 10波段,參數bγ分別為1256和1324；ε為地表比輻射率,對于TM 6波段采用Sobrino等提出的基于植被覆蓋度的算法[15],對于TIRS 10波段,可通過ASTER光譜庫和Nichol的研究成果[16]計算出林、草、土壤、建筑物和水體在TIRS 10波段的比輻射率,分別為：0.9813、0.9823、0.9722、0.9212和0.9908；ψ1、ψ2、ψ3可用下式計算：

ψ1= 1/τ,ψ2=-L↓-L↑/τ,ψ3=L↓

(7)

式中：τ為大氣透過率,L↑和L↓為大氣上行和下行輻射強度,可根據影像的時間以及所處地理位置和季相,通過MODTRAN模擬得到；T為傳感器處的亮溫,公式為：

T=K2/ln(K1/L+ 1)

(8)

式中：K1和K2分別為TM 6波段或TIRS 10波段的定標常數(可從影像的頭文件中獲得)。L為TM 6波段或TIRS 10波段的傳感器處光譜輻射值,對于TM 6波段,L可以從公式(1)求取,對于TIRS 10波段；L可以用下式求?。?/p>

L=ML·Q+AL

(9)

式中：ML和AL分別為TIRS 10波段的調整因子和調整參數(可從影像的頭文件中獲得)。

1.4 地表主要參數反演

雄安新區(qū)的地表主要覆蓋物有以不透水面為代表的建筑用地,以農田為主的植被和以白洋淀為代表的水體,因此本文重點討論這3種主要地表覆蓋類型。

1.4.1 不透水面反演

不透水面是指阻止水流下滲的地表,通常由屋頂、鋪設路面和停車場等組成。大面積的不透水面會誘發(fā)一系列生態(tài)負效應,如造成流域水質污染、城市熱島效應、破壞自然生境、阻斷生物遷徙等,因此早在1990年代就被作為反映生態(tài)環(huán)境的重要指標。研究采用歸一化不透水面指數NDISI[17]來反演不透水面信息,其公式為：

NDISI=[TIR-(VIS1+NIR+MIR1)/3] / [TIR+(VIS1+NIR+MIR1)/3]

(10)

式中: TIR、NIR、MIR1和VIS1分別為影像的熱紅外、近紅外、中紅外1波段和可見光3個波段中的某一波段。當水體較混濁時,也可采用MNDWI水體指數[18](見公式12)替代VIS1。

由于NDISI能較好地區(qū)別不透水面和裸土信息,且不必預先掩膜水體,同時還可以量化象元的不透水面比例[17,19],因此被評價為創(chuàng)新技術[20-21],或相對簡便高效的技術[22]。

1.4.2 植被和水體信息反演

植被和水體信息的反演采用NDVI植被指數和MNDWI水體指數,公式為：

NDVI=(NIR-Red) / (NIR + Red)

(11)

MNDWI=(Green-MIR1)/(Green + MIR1)

(12)

式中: Red和Green分別為影像的紅光和綠光波段。

1.5 遙感生態(tài)指數反演

遙感生態(tài)指數RSEI (Remote Sensing-based Ecological Index)[23]是近年提出的完全基于遙感信息的生態(tài)評價指數。該指數耦合了與生態(tài)密切相關, 且人類能夠直接感知的綠度、濕度、熱度和干度4大指標。該指數不采用人為主觀賦值的加權求和來集成指數,而是采用主成分分析來自動量化各個指標對生態(tài)的貢獻度,據此集成的指數的計算結果與國家環(huán)保部提出的生態(tài)狀況指數EI具有很好的可比性[24-25],并具有可視化功能,因此提出以來已被應用于數十個城市與地區(qū)[24-30]。RSEI指數可表示為以上4個指標的函數,即:

RSEI=f(Greenness, Wetness, Heat, Dryness)

(13)

式中：Greenness為綠度,Wetness為濕度,Heat為熱度, Dryness為干度。它們分別由NDVI植被指數、纓帽變換的Wet濕度分量、地表溫度LST和裸土指數NDSI來代表。NDVI和LST的公式見公式(5)、(11),Wet和NDSI的公式分別為[31-32]：

Wet=w1Blue+w2Green+w3Red+w4NIR+w5MIR1+w6MIR2

(14)

NDSI=(MIR1-NIR) / (MIR1 + NIR)

(15)

式中,Blue為藍光波段,MIR2為中紅外2波段,wi(i= 1,...,6)為纓帽變換中Wet分量各波段的系數,TM影像和OLI影像的系數可分別在文獻[31]和[33]中查到。采用NDSI指數代表干度是因為該指數可以增強包括裸土和建筑在內的裸露地表信息,而正是這些裸露地表造成了地表的“干化”。由于以上4個指標的量綱不盡相同,因此在計算RSEI之前,必須對它們進行歸一化,將它們的值都統(tǒng)一到[0, 1]之間。

RSEI采用主成分分析來集成以上4個指標,而不是采用傳統(tǒng)的方法將4個指標加權求和。主成分分析最大的優(yōu)點就是各指標的權重不是人為確定,而是根據各指標對各主成分分量的貢獻度來客觀確定,從而避免了因人而異的權重設定所造成的誤差。在主成分分析中,第一主成分(PC1)最大程度地集成了各變量的信息,因此,可用PC1來耦合以上4個指標變量,構建RSEI指數,即：

RSEI= PC1[f(NDVI, Wet, LST, NDSI)]

(16)

為了便于比較,可將RSEI進行歸一化,使其值介于[0, 1]之間。為了使大的值代表好的生態(tài)狀況,在歸一化之前,可先用1減去RSEI。這樣RSEI值越接近1,生態(tài)越好,反之,越差。

2 結果與分析

圖3 雄安新區(qū)不透水面、植被、水體分布圖Fig.3 Maps showing distribution of impervious surface, vegetation and water in Xiong′an New Area

采用以上方法分別反演出雄安新區(qū)2004和2015年的不透水面、植被和水體3個專題信息,然后采用人工調試閾值的方法進行提取。由于研究區(qū)面積較大,每個專題都無法只用1個閾值來提取,而是采用分區(qū)閾值來提取。對各專題提取結果再進行適當的人工修改(圖3)。利用同期的Google Earth高分影像,采用535個隨機樣點對反演出的不透水面、植被和水體信息進行精度驗證,結果表明所提取的信息具有很高的精度(表1)。同時利用同日的MODIS地表日溫度產品(MOD11A1), 獲得研究區(qū)的地表溫度均值,然后與本文反演出的地表溫度均值對比。以均值對比可以最大限度地避免二者空間分辨率不同引起的差異。對比結果表明二者比較接近(表2),有一定差距的原因可能是由于兩種衛(wèi)星的過空時間不完全相同所致。

表1 精度驗證表

表2 地表溫度反演精度對比

2.1 地表主要參數變化

對所提取的不透水面、植被和水體信息進行統(tǒng)計獲得研究區(qū)地表主要覆蓋類型在近11年的變化情況。結果表明,雄安新區(qū)近11年地表主要覆蓋類型的變化強度不大,大致在5%以內(表3)。其中不透水面和水體表現為增加,以農用地為主的植被表現為減少。11年間不透水面增加了65.2km2,水體增加了38.47km2,而植被則減少了46.55km2。

表3 雄安新區(qū)2004—2015年地表主要覆蓋類型變化/km2

變化強度(%)=(A2-A1)/(A1·Y)100; 其中A1為起始年面積,A2為結束年面積,Y為年數

通過屏幕矢量化繪制出研究區(qū)內3個縣的建成區(qū),并統(tǒng)計其面積。結果表明,3個縣的建成區(qū)在這11年內變化不大,面積增加最多的雄縣也才增加了2.54km2,增加最少的容城縣只有1.53km2。但3個縣的不透水面比例都很高,基本都大于70% (表4)。

表4 雄縣、安新縣、容城縣2004—2015年建成區(qū)及不透水面變化/km2

2.2 生態(tài)環(huán)境變化

表5是RSEI遙感生態(tài)指數的主成分分析數據。從中可知,在4個主成分分量中,PC1的特征值最大,其所占比例(貢獻度)在兩年份中都超過了85%,說明用PC1可以很好地代表4個指標變量。4個指標對PC1的貢獻根據符號可以分為2組,濕度和綠度為同一符號,干度和熱度為同一符號,說明這兩組指標對生態(tài)的貢獻是相反的,濕度與綠度起正向作用,干度和熱度則相反,這完全符合自然生態(tài)情況。

表5 主成分分析數據

表6是基于RSEI的相關統(tǒng)計數據。從表中可知,雄安新區(qū)兩年份的RSEI均值都在0.63左右,表明生態(tài)狀況較為穩(wěn)定,生態(tài)質量以良好為主。這主要是該區(qū)的植被以耕地為主,林地僅占3.4%[9],且耕地常因收割、休耕而造成地表裸露,直接影響了生態(tài)質量。從兩年份來看,2015年的RSEI均值略高于2004年,說明這11年間,該區(qū)的生態(tài)有一定改善。從表6來看,這主要得益于濕度的增加,干度和熱度的下降,而綠度雖有降低但幅度很小。

表6 研究區(qū)RSEI指數和4個指標分量的均值

圖4為基于RSEI生態(tài)指數反演的研究區(qū)2004、2015年生態(tài)狀況圖,圖中顏色從藍到紅代表生態(tài)從差到優(yōu)。不透水面主要呈藍色調,農用地為主的植被呈紅色調,水體根據渾濁程度呈綠黃到橙色調,休耕地、裸地等呈藍綠色調。RSEI圖客觀顯示了研究區(qū)生態(tài)狀況的空間分布差異,這一可視化優(yōu)點是其它生態(tài)評價指標所不具備的,因為它們都是以一個籠統(tǒng)的數值來抽象地代表一個區(qū)的生態(tài)狀況,不直觀且難以理解[25]。

圖4 雄安新區(qū)2004、2015年RSEI生態(tài)狀況圖Fig.4 RSEI maps of Xiong′an New Area in 2004 and 2015

兩個研究年份的生態(tài)差異在圖4中也可以清楚地體現出來。與2015年相比,2004年RSEI圖的黃綠色調較多,直觀表現出其生態(tài)質量不及2015年。究其原因有二：(1) 2004年影像的日期為9月8日,比2015年的8月22日的影像遲了半個多月,因此在該區(qū)中北部有許多耕地已收割,地表裸露(圖2),在圖4中多呈黃綠色調；(2) 中部的白洋淀在2004年被大量占用,水體大面積消失,淤積嚴重,水質較差,因此生態(tài)不佳。2015年經環(huán)保部約談限期治理后,水體面積增多,水質明顯改善,從而提高了淀區(qū)的生態(tài)質量。圖5是利用Kloiber等[34]和徐涵秋[35]的模型反演的白洋淀水質圖,從圖中可以看出,2015年水質圖的顏色以藍色為主,而2004年則有許多綠黃色,甚至紅色出現,這說明白洋淀在2004年無論是水體的懸浮物和葉綠素含量都明顯高于2015年,這與當地的環(huán)境年報公布的結果是一致的[36]。

圖5 白洋淀水體懸浮物、葉綠素含量圖Fig.5 Maps showing suspended sediment and chlorophyll concentrations in Baiyangdian Lake

2.3 地表參數與生態(tài)環(huán)境的互動關系分析

研究地表覆蓋類型與生態(tài)環(huán)境的互動關系是預測雄安新區(qū)開發(fā)對生態(tài)環(huán)境影響的重要前提。本研究基于最新的2015年提取數據,采用統(tǒng)計回歸方法,通過定量分析地表覆蓋類型與生態(tài)環(huán)境的互動關系來預測即將開展的新區(qū)建設可能對區(qū)域生態(tài)與熱環(huán)境產生的影響。

首先對2015年的遙感生態(tài)指數、地表溫度以及經歸一化的不透水面、植被、水體專題影像采用1010的網格進行采樣,共獲得32319個樣點。將遙感生態(tài)指數(RSEI)作為因變量,并與三大地表覆蓋類型——不透水面(NDISI)、植被(NDVI)和水體(MNDWI)進行逐步回歸分析,獲得以下關系方程：

RSEI=-0.011NDISI + 0.006NDVI + 0.002MNDWI + 0.524 (R=0.999)

(17)

以上方程表明,3個地表覆蓋類型在逐步回歸分析中都通過了P<0.001的顯著性檢驗,保留了下來,說明它們都是影響區(qū)域生態(tài)質量的重要因子,整個方程也具有高度的吻合性(R接近1)。

從各因子系數的符號來看,NDISI為負號,說明不透水面對生態(tài)起負作用,而NDVI和MNDWI為正號,說明植被和水體對生態(tài)起正面影響。從各變量系數的絕對值來看,NDISI為0.011大于NDVI和MNDWI之和(0.006+0.002),說明不透水面對生態(tài)的影響最明顯,其影響力大于植被和水體之和。將遙感生態(tài)指數和對其影響最大的不透水面、植被的采樣點構成三維散點圖(圖6),可以發(fā)現散點聚集性高,不分散,說明各因子高度相關。散點粗細相對均一,呈上細下粗的棒狀形態(tài),但沒有像其它地區(qū)出現顯著的楔形形態(tài)[17],這說明整個地區(qū)生態(tài)相對均衡。散點圖下部較粗,說明生態(tài)差的地區(qū)略多于生態(tài)優(yōu)的地區(qū)。

圖6 三維特征散點圖Fig.6 3D scatter plot

圖7 不透水面(NDISI)和地表溫度(LST)的回歸分析 Fig.7 Relationship of NDISI with LST

根據公式(17)推算,當不透水面的面積比例每增加10%,植被和水體的面積按9:1的比例做相應減少(因為研究區(qū)的植被面積大大超過水體,不透水面的增加將主要占用植被),則RSEI指數將會下降24.76%,也就是說,在新區(qū)的開發(fā)中,當不透水面比例上升10%,即由2015年的21%上升到31%,其生態(tài)指數會從原來的0.639大幅下降到0.481。

區(qū)域地表開發(fā)建設會引起區(qū)域的熱環(huán)境變化,大范圍的城市擴張誘發(fā)的城市熱島效應已引起了全世界的廣泛關注。國家環(huán)保部在2015年正式頒發(fā)的國家環(huán)保標準《生態(tài)環(huán)境狀況評價技術規(guī)范》中,首次引入城市熱環(huán)境指標,將其與水質、空氣、噪聲等一起作為評價城市生態(tài)環(huán)境質量的重要指標。許多研究表明,不透水面是增加地表溫度的最重要因子[37-39],因此進一步采用回歸分析研究了不透水面和地表溫度的關系,結果發(fā)現,該區(qū)不透水面和地表溫度并不是簡單的線性關系,而是二次多項式關系(圖7)。這表明高比例不透水面地區(qū)的升溫幅度會明顯大于低比例不透水面地區(qū),根據圖7中的二次多項式方程(P<0.001)計算,在不透水面比例小于30%的地區(qū),每增加10%的不透水面,其升溫幅度小于1℃,但在不透水面大于60%的高比例地區(qū),其升溫幅度可達2—3℃ (表7)。因此高比例不透水面地區(qū)的升溫效應必須引起足夠的重視。雄安新區(qū)3個縣建成區(qū)的不透水面比例在2015年都大于70% (表4),在8月22日10點54分衛(wèi)星過空時,3個建成區(qū)的地表平均溫度達到37.51℃,高出當時該區(qū)地表平均溫度(31.36℃)達5.15℃之多,因此夏季的熱島效應不容小覷。

由于溫度是受地表三大覆蓋類型的綜合影響,因此為考察它們對地表溫度的綜合影響,進一步將地表溫度與不透水面、植被和水體進行逐步回歸分析,獲得以下關系方程：

LST=0.176NDISI-0.108NDVI-0.021MNDWI+33.528 (R=0.828)

(18)

式中,NDISI和NDVI通過了P<0.001的檢驗,MNDWI通過了P<0.003的檢驗,說明它們都是影響地表溫度的重要參數。從各因子的系數來看,NDVI和MNDWI為負號,說明植被和水體起降溫作用,而NDISI為正號,代表不透水面起著升溫作用。從系數的絕對值來看,不透水面對地表溫度的影響同樣大于植被和水體之和。顯然,不透水面是導致地表溫度上升的最重要因子。

根據公式(18)推算,當不透水面的面積比例增加10%,植被和水體的面積同樣按9:1作相應減少,則地表溫度會上升2.78℃,因此新區(qū)的開發(fā)同樣會面臨嚴峻的區(qū)域升溫挑戰(zhàn)。

3 雄安新區(qū)規(guī)劃的生態(tài)與熱環(huán)境效應預測

即將開展的新區(qū)建設,將使該區(qū)的地表發(fā)生重大變化,并由此對區(qū)域生態(tài)環(huán)境產生影響。因此在規(guī)劃中融入生態(tài)環(huán)境理念,是未來新區(qū)規(guī)劃的重要前提。而采用遙感空間信息技術對新區(qū)的規(guī)劃影響進行預測,將為新區(qū)的綠色生態(tài)規(guī)劃建設提供科學的依據。

由于目前雄安新區(qū)尚在規(guī)劃階段，媒體披露的新區(qū)規(guī)劃方案只有人口指標和新區(qū)面積，因此本文主要通過人口指標和新區(qū)面積來間接估算不透水面增加面積來進行預測。根據方案，新區(qū)的規(guī)劃人口最高將達到250萬人，人口密度達到1250人/km2，遠景規(guī)劃面積達到2000 km2。而該區(qū)現有人口為113.09萬人，人口密度為728人/km2[9]?？梢?，新區(qū)的建設將使得該區(qū)的人口和密度都大幅上升，這勢必給該區(qū)的生態(tài)環(huán)境帶來影響。為此，本節(jié)以該區(qū)2015年的人口、人口密度、以及本次研究查明的生態(tài)現狀、地表溫度均值和不透水面面積為基準，根據新區(qū)面積和預計不透水面比例來計算出可能增加的不透水面面積，然后分別利用公式(17)和(18)對新增不透水面面積所產生的生態(tài)與熱環(huán)境效應進行預測，表8為預測結果。

從表8的預測結果來看，如果按新區(qū)不透水面面積占總面積25%的比例來預測，則新區(qū)的不透水面面積將大幅上升至500km2，凈升170 km2，升幅達52%，這勢必對該區(qū)的生態(tài)和熱環(huán)境產生明顯的影響。預測結果表明，這將導致該區(qū)的生態(tài)質量下降10%，RSEI從現有的0.639下降到0.576，即生態(tài)質量等級從良好降為中等[23]；而地表平均溫度則會上升1.1℃，從現有的31.4℃上升到32.5℃。如果不透水面占新區(qū)的面積比例進一步升高，生態(tài)下降和地表溫度上升的幅度還會進一步加大。近期，中國社科院預測了該區(qū)的人口上限為500萬[40]，比現有規(guī)劃方案的250萬人口上限高了1倍，這勢必造成該區(qū)不透水面面積的更進一步上升，并對生態(tài)質量和地表溫度產生更大的負面影響。反之，如果將新區(qū)不透水面面積占總面積的比例控制在20%，加大舊城改造，集約利用土地資源，則新區(qū)的生態(tài)質量反而有所上升，地表溫度有所下降。按此方案，生態(tài)質量將上升2.5%，溫度下降0.3℃，這主要得益于20%的不透水面比例低于3縣現有的21.04%的比例(表3)。

以上預測是在該區(qū)現有的地表覆蓋分布格局上進行的,從2015年影像上看,該區(qū)無論是城市建成區(qū)或農村居民地,其不透水面密度都很高。由此可見,如果要改善模型預測的結果,雄安新區(qū)可采用低影響度的綠色生態(tài)技術來進行科學的規(guī)劃。

表7 不透水面升溫幅度

表8雄安新區(qū)規(guī)劃人口目標的生態(tài)與熱環(huán)境效應預測

Table8PredictionofecologicalqualityandthermalenvironmentchangesrespondingtothepotentialpopulationgrowthinXiong′anNewArea

人口Population/萬人人口密度Populationdensity/(人/km2)預增不透水面面積Increasedareaofimpervioussurface/km2RSEILST/℃預測值Predictedvalue下降Decline下降比例/%Percentage預測值/℃Predictedvalue上升/℃Increse上升比例/%Percentage25012505000.576-0.063-9.7932.481.123.5825012504000.6550.0162.4931.06-0.30-0.94

*：按照當前面積計算；**：按照遠景規(guī)劃面積計算

4 結論

雄安新區(qū)的建設是國家的重大舉措,合理規(guī)劃和建設綠色生態(tài)新區(qū),是新區(qū)建設成功與否的重要標志。本次研究表明,雄安新區(qū)近11年地表三大覆蓋類型的面積雖然互有消長,但變化強度不大。雄安新區(qū)的生態(tài)狀況總體也較穩(wěn)定,11年來穩(wěn)中略升。因此,該區(qū)總體開發(fā)強度不大,生態(tài)質量較好。但由于區(qū)內地表綠被主要以耕地為主,少有林地,因此生態(tài)狀況易受農作物季節(jié)變化的影響。另外, 區(qū)內建設用地的不透水面比例很高,3個縣城的不透水面比例都超過70%,導致建成區(qū)地表平均溫度超過整個研究區(qū)地表平均溫度達5.2℃之多,城市熱環(huán)境不容樂觀。

雄安新區(qū)地表三大覆蓋類型都是影響區(qū)域生態(tài)質量和熱環(huán)境的主要因子,其中尤以不透水面影響最大, 其影響力超過植被和水體之和,且表現為負面影響。由于新區(qū)的建設將會有大量不透水面增加,因此控制不透水面的比例和密度將是新區(qū)規(guī)劃需要考慮的首要問題。本研究揭示了該區(qū)不透水面與地表溫度呈二次多項式關系,高不透水面比例地區(qū)的升溫會數倍高于低不透水面比例地區(qū),因此新區(qū)的規(guī)劃要嚴控高不透水面比例地區(qū)。

根據研究所獲得的地表三大覆蓋類型與區(qū)域生態(tài)質量和熱環(huán)境的定量關系模型預測，新區(qū)規(guī)劃的人口規(guī)模與新增面積將會對該區(qū)的生態(tài)質量和熱環(huán)境產生影響，如果按新增不透水面面積占新區(qū)面積25%的比例來預測，它將導致該區(qū)的生態(tài)質量下降10%，地表溫度上升1.1℃。但如果將不透水面比例控制在20%，則新區(qū)的生態(tài)質量反而上升3.6%，地表溫度下降0.3℃。

[1] Kennedy R E, Andréfou?t S, Cohen W B, Gómez C, Griffiths P, Hais M, Healey S P, Helmer E H, Hostert P, Lyons M B, Meigs G W, Pflugmacher D, Phinn S R, Powell S L, Scarth P, Sen S, Schroeder T A, Schneider A, Sonnenschein R, Vogelmann J E, Wulder M A, Zhu Z. Bringing an ecological view of change to Landsat-based remote sensing. Frontiers in Ecology and the Environment, 2014, 12(6): 339-346.

[2] Willis K S. Remote sensing change detection for ecological monitoring in United States protected areas. Biological Conservation, 2015, 182: 233-242.

[3] 溫小樂, 林征峰, 唐菲. 新興海島型城市建設引發(fā)的生態(tài)變化的遙感分析——以福建平潭綜合實驗區(qū)為例. 應用生態(tài)學報, 2015, 26(2): 541-547.

[4] Mensah F, Adanu S K, Adanu D K. Remote sensing and GIS based assessment of land degradation and implications for Ghana′s ecological zones. Environmental Practice, 2015, 17(1): 3-15.

[5] Du P J, Xia J S, Du Q, Luo Y, Tan K. Evaluation of the spatio-temporal pattern of urban ecological security using remote sensing and GIS. International Journal of Remote Sensing, 2013, 34(3): 848-863.

[6] 徐涵秋. 基于城市地表參數變化的城市熱島效應分析. 生態(tài)學報, 2011, 31(14): 3890-3901.

[7] Behling R, Bochow M, Foerster S, Roessner S, Kaufmann H. Automated GIS-based derivation of urban ecological indicators using hyperspectral remote sensing and height information. Ecological Indicators, 2015, 48: 218-234.

[8] Xu H Q, Lin D F, Tang F. The impact of impervious surface development on land surface temperature in a subtropical city: Xiamen, China. International Journal of Climatology, 2013, 33(8): 1873-1883.

[9] 保定市統(tǒng)計局. 保定經濟統(tǒng)計年鑒2016. (2016-11-01) [2017-05-16]. http://navi.cnki.net/KNavi/YearbookDetail?pcode=CYFD&pykm=YBDJJ&bh=.

[10] Chavez P S Jr. Image-based atmospheric corrections-Revisited and improved. Photogrammetric Engineering & Remote Sensing, 1996, 62(9): 1025-1036.

[11] Ramsey R D, Wright Jr D L, McGinty C. Evaluating the use of Landsat 30m Enhanced Thematic Mapper to monitor vegetation cover in shrub-steppe environments. Geocarto International, 2004, 19(2): 39-47.

[12] Barsi J A, Schott J R, Hook S J, Raqueno N G, Markham B L, Radocinski R G. Landsat-8 thermal infrared sensor (TIRS) vicarious radiometric calibration. Remote Sensing, 2014, 6(11): 11607-11626.

[13] Jiménez-Muoz J C, Cristóbal J, Sobrino J A, Sòria G, Ninyerola M, Pons X. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transactions on Geoscience & Remote Sensing, 2009, 47(1): 339-349.

[14] Jiménez-Muoz J C, Sobrino J A, SkokoviD, Mattar C, Cristóbal J. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data. IEEE Geoscience & Remote Sensing Letters, 2014, 11(10): 1840-1843.

[15] Sobrino J A, Jiménez-Muoz J C, Soria G, Romaguera M, Guanter L, Moreno J, Plaza A, Martínez P. Land surface emissivity retrieval from different VNIR and TIR sensors. IEEE Transactions on Geoscience & Remote Sensing, 2008, 46(2): 316-327.

[16] Nichol J. An emissivity modulation method for spatial enhancement of thermal satellite images in urban heat island analysis. Photogrammetric Engineering & Remote Sensing, 2009, 75(5): 547-556.

[17] Xu H Q. Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface Index (NDISI). Photogrammetric Engineering & Remote Sensing, 2010, 76(5): 557-565.

[18] Xu H Q. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 2006, 27(14): 3025-3033.

[19] Wentz E A, Anderson S, Fragkias M, Netzband M, Mesev V, Myint S W, Quattrochi D, Rahman A, Seto K C. Supporting global environmental change research: A review of trends and knowledge gaps in urban remote sensing. Remote Sensing, 2014, 6(5): 3879-3905.

[20] Tullis J A, Jensen J R, Raber G T, Filippi A M. Spatial scale management experiments using optical aerial imagery and LIDAR data synergy. GIScience & Remote Sensing, 2010, 47(3): 338-359.

[21] Zhang X P, Pan D L, Chen J Y, Zhan Y Z, Mao Z H. Using long time series of Landsat data to monitor impervious surface dynamics: a case study in the Zhoushan Islands. Journal of Applied Remote Sensing, 2013, 7(1): 073515.

[22] 李德仁, 羅暉, 邵振峰. 遙感技術在不透水層提取中的應用與展望. 武漢大學學報: 信息科學版, 2016, 41(5): 569-577, 703-703.

[23] 徐涵秋. 城市遙感生態(tài)指數的創(chuàng)建及其應用. 生態(tài)學報, 2013, 33(24): 7853-7862.

[24] 王士遠, 張學霞, 朱彤, 楊維, 趙靜瑤. 長白山自然保護區(qū)生態(tài)環(huán)境質量的遙感評價. 地理科學進展, 2016, 35(10): 1269-1278.

[25] 徐涵秋. 區(qū)域生態(tài)環(huán)境變化的遙感評價指數. 中國環(huán)境科學, 2013, 33(5): 889-897.

[26] 宋慧敏, 薛亮. 基于遙感生態(tài)指數模型的渭南市生態(tài)環(huán)境質量動態(tài)監(jiān)測與分析. 應用生態(tài)學報, 2016, 27(12): 3913-3919.

[27] 張浩, 杜培軍, 羅潔瓊, 李二珠. 基于遙感生態(tài)指數的南京市生態(tài)變化分析. 地理空間信息, 2017, 15(2): 58-62.

[28] 吳志杰, 王猛猛, 陳紹杰, 鄒丹. 基于遙感生態(tài)指數的永定礦區(qū)生態(tài)變化監(jiān)測與評價. 生態(tài)科學, 2016, 35(5): 200-207.

[29] 張燦, 徐涵秋, 張好, 唐菲, 林中立. 南方紅壤典型水土流失區(qū)植被覆蓋度變化及其生態(tài)效應評估——以福建省長汀縣為例. 自然資源學報, 2015, 30(6): 917-928.

[30] 羅春, 劉輝, 戚陸越. 基于遙感指數的生態(tài)變化評估——以常寧市為例. 國土資源遙感, 2014, 26(4): 145-150.

[31] Crist E P. A TM tasseled cap equivalent transformation for reflectance factor data. Remote Sensing of Environment, 1985, 17(3): 301-306.

[32] Kearney M S, Rogers A S, Townshend J R G. Developing a model for determining coastal marsh health//Third Thematic Conference on Remote Sensing for Marine and Coastal Environments. Seattle, Washington: Environmental Research Institute of Michigan, 1995: 527-537.

[33] Baig M H A, Zhang L F, Shuai T, Tong Q X. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance. Remote Sensing Letters, 2014, 5(5): 423-431.

[34] Kloiber S M, Brezonik P L, Olmanson L G, Bauer M E. A procedure for regional lake water clarity assessment using Landsat multispectral data. Remote Sensing of Environment, 2002, 82(1): 38-47.

[35] 徐涵秋. 環(huán)廈門海域水色變化的多光譜多時相遙感分析. 環(huán)境科學學報, 2006, 26(7): 1209-1218.

[36] 保定市人民政府. 2015年保定市環(huán)境質量公報發(fā)布. (2016-06-03) [2017-05-16]. http://bd.hebnews.cn/2016-06/03/content_5547899.htm.

[37] 徐涵秋. 城市不透水面與相關城市生態(tài)要素關系的定量分析. 生態(tài)學報, 2009, 29(5): 2456-2462.

[38] 唐澤, 鄭海峰, 任志彬, 崔明星, 何興元. 城市地表熱力景觀格局時空演變——以長春市為例. 生態(tài)學報, 2017, 37(10): 3264-3273.

[39] 徐永明, 劉勇洪. 基于TM影像的北京市熱環(huán)境及其與不透水面的關系研究. 生態(tài)環(huán)境學報, 2013, 22(4): 639-643.

[40] 網易新聞. 社科院：雄安新區(qū)人口應不超過500萬. (2017/8/12) [2017-8-23]. http://news.163.com/17/0812/14/CRL5KQ6B00018AOR.html.

LandcoverchangesintheXiong′anNewAreaandapredictionofecologicalresponsetoforthcomingregionalplanning

XU Hanqiu1,2,3, *, SHI Tingting1,3, WANG Meiya1,3, LIN Zhongli1,3

1CollegeofEnvironmentandResources,FuzhouUniversity,Fuzhou350116,China2KeyLaboratoryofSpatialDataMining&InformationSharingofMinistryofEducation,FuzhouUniversity,Fuzhou350116,China3InstituteofRemoteSensingInformationEngineering,FuzhouUniversity,Fuzhou350116,China

The Xiong′an New Area is a recently established state-level new area in Baoding, Hebei province, China. Green construction and development are the most important issues to be considered and must be given priority by area planners during forthcoming construction of the new area. Green ecological planning cannot be implemented without a clear understanding of an area′s ecological status and an accurate prediction of an area′s ecological status responding to forthcoming regional planning. Therefore, using Landsat images of 2004 and 2015, feature inversion and extraction techniques, and the remote sensing-based ecological index (RSEI), this study investigated changes in three main land cover types (impervious surface, vegetation, and water) in the Xiong′an New Area over the last 11 years from 2004 to 2015 and predicted the ecological and thermal effects responding to the upcoming regional construction on the new area. The results show that the areas of impervious surface, vegetation, and water covers have changed over the 11-year study period, but the change intensity was less than 5%. In addition, the ecological status was stable during the study period as the RSEI increased only slightly from 0.629 in 2004 to 0.639 in 2015. Therefore, the overall development intensity was relatively low, and the area′s current ecological quality is good. Quantitative analysis indicates that the area of impervious surface has the strongest influence on both ecological quality and land surface temperature among the three main land cover types of the area. The area′s ecological responses to upcoming regional planning were predicted using regression relationship models of RSEI and land surface temperature with the three main land cover types. The prediction, based on the known goal of population and area development, revealed that the increase of population to 2.5 million with a 25% of impervious surface cover in the new area would have noteworthy effects on regional ecological conditions, potentially decreasing the area′s RSEI by 10 % and increasing land surface temperature by 1.1 ℃. Alternatively, if the proportion of impervious surface could be controlled within 20%, the area's RSEI would increase by 3.6%, and land surface temperature would decrease by 0.3 ℃.

Xiong′an New Area; Remote Sensing-based Ecological Index (RSEI); land cover; regional planning; model prediction

國家自然科學基金項目 (41501469)

2017- 05- 21;

2017- 07- 17

*通訊作者Corresponding author.E-mail: hxu@fzu.edu.cn

10.5846/stxb201705210941

徐涵秋,施婷婷,王美雅,林中立.雄安新區(qū)地表覆蓋變化及其新區(qū)規(guī)劃的生態(tài)響應預測.生態(tài)學報,2017,37(19):6289- 6301.

Xu H Q, Shi T T, Wang M Y, Lin Z L.Land cover changes in the Xiong′an New Area and a prediction of ecological response to forthcoming regional planning.Acta Ecologica Sinica,2017,37(19):6289- 6301.