劉 璐

(1.哈爾濱工業(yè)大學深圳研究生院城市規(guī)劃與管理學院,深圳 518000；2.深圳市房地產(chǎn)評估發(fā)展中心,深圳 518000)

0 引言

由于人口的快速增長及在城市地區(qū)的集聚，城市蔓延已經(jīng)成為全世界普遍的現(xiàn)象，在衡量城市地區(qū)是否以蔓延的方式進行擴張時，大多數(shù)的實證研究都著眼于城市這一尺度，例如對亞特蘭大[1]和北京[2]的研究。然而沒有一個城市是孤立的，隨著城市的快速擴張，多個在社會經(jīng)濟等方面有著緊密聯(lián)系的相鄰城市發(fā)展聯(lián)結成為城市群。在研究城市群發(fā)展時，不能把當代城市現(xiàn)象當成一個固定的、有明確邊界的、普遍可歸納的城市形態(tài)來理解； 相反，城市是處于持續(xù)變化的、沒有邊界的、不斷城鎮(zhèn)化進程中的。因此，大尺度的城市群是一種重要的表達形式[3]，應作為量化城市蔓延特征的適宜尺度。

城市蔓延現(xiàn)象的定義迄今為止還很模糊，但總體來說，城市蔓延可歸納為5個方面的內(nèi)容： ①低密度的發(fā)展； ②破碎化的土地利用； ③分散的和蛙跳式的發(fā)展； ④區(qū)域功能單一； ⑤不發(fā)達的公共交通[4-7]。城市蔓延對社會、環(huán)境和經(jīng)濟往往會帶來一些負面影響，比如能源利用率低下、農(nóng)田流失及不良城市環(huán)境滋生等[8-9]，因此，對城市蔓延現(xiàn)象的研究顯得十分迫切。

現(xiàn)有文獻中，許多研究使用多種城市蔓延指標量化分析城市蔓延現(xiàn)象[4,7,10-13]。然而，大多數(shù)量化指標都是針對某一個國家或某一個城市，這些指標很依賴于社會經(jīng)濟指數(shù)及土地利用情況，但對該地區(qū)以外的其他地區(qū)適用度并不高。同時，大部分研究針對的是以美國為例的發(fā)達國家，很少有研究將目光放在其他發(fā)展中國家?，F(xiàn)有研究者普遍認為，發(fā)達國家由于城市的郊區(qū)化，城市蔓延現(xiàn)象十分嚴重，并引起了許多已經(jīng)證實的社會及環(huán)境問題； 相比之下，對于中國、非洲各國等發(fā)展中國家來說，城市的密度往往較高，城市蔓延的問題并不突出。然而，隨著城鎮(zhèn)化的不斷推進，發(fā)展中國家的城市范圍也在不斷急速擴張，而城市內(nèi)部的結構卻并沒有及時得到合理地調(diào)整。因此，對中國這樣的發(fā)展中國家研究城市蔓延現(xiàn)象是非常必要且意義重大的。

隨著大數(shù)據(jù)技術的不斷發(fā)展，各種大尺度的空間數(shù)據(jù)庫使得對大區(qū)域的研究成為可能，而從此類空間數(shù)據(jù)中提取合適的定量化指標對于研究城市蔓延現(xiàn)象十分重要。因此，本文基于美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)發(fā)布的全球夜間燈光(night-time light，NTL)數(shù)據(jù)，設計了一系列可以反映城市群密度、發(fā)展分散度、多核心度及向心度的指標，這些指標可以從不同方面描述城市群的蔓延現(xiàn)象。同時，本文將這套指標應用于中國的城市群，并進行相應的比較和分析?；贜TL數(shù)據(jù)構建多維度指標體系，可為度量城市群的城市蔓延現(xiàn)象提供策略,通過設計的指標可研究中國城市群的蔓延現(xiàn)象，并對不同城市群區(qū)域做出對比分析。

1 研究區(qū)概況及數(shù)據(jù)源

本文的NTL數(shù)據(jù)來源于美國軍事氣象衛(wèi)星搭載的線性掃描傳感器[14]的輻射定標NTL圖像，像元值的范圍為0～63。輻射定標NTL數(shù)據(jù)空間分辨率約1 km,可以反映城鎮(zhèn)化地區(qū)人類活動強度的分布[15-16]。該數(shù)據(jù)曾被用于制作世界人口密度圖[17]，而將該數(shù)據(jù)用于研究城市的發(fā)展過程也成為一種新的趨勢。本文的NTL圖像取自Infrastructure of Earth System Science網(wǎng)站上所發(fā)布的免費數(shù)據(jù)。

首先，從NTL圖像中提取出城市群的邊界范圍。NTL數(shù)據(jù)能間接反映地表人類活動的強度，而利用連續(xù)的明亮區(qū)域可以勾勒出城市群的范圍。一般情況下，像元值小于12的燈光來自農(nóng)村區(qū)域，因此，本文以12為閾值，將中國劃分為城市與非城市區(qū)域，并挑選其中面積大于1 000 km2的特大城市區(qū)域為城市群區(qū)域。另外，與這些城市群距離10 km以內(nèi)的城市斑塊將與該城市群合并，并與從TM影像中提取的城市區(qū)域進行對比。采用本文方法，可分辨相互連接的城市區(qū)域，且得到比城市群的行政邊界更為合理的城市群邊界。以京津冀為例的城市群邊界如圖1所示。

圖1 以京津冀為例的城市群邊界

2 城市群蔓延指標

NTL數(shù)據(jù)可從以下4方面描述城市蔓延現(xiàn)象： ①城市群周邊存在密度很低的郊區(qū)； ②城市群中城市的發(fā)展是分散的； ③城市群呈多核心狀態(tài)； ④城市群中城市的發(fā)展并不是向城市中心集中。這幾個方面可由密度(intensity，I)、發(fā)展分散度(coefficient of variation，CV)、多核心度(poly-centers，PC)和向心度(centrality，CT)4個指標描述(表1)。

表1 城市群蔓延指標Tab.1 Urban sprawl metrics

2.1 密度

密度是衡量城市蔓延不可或缺的指標。在以往的研究中，Ewing[18]提出當土地轉(zhuǎn)變成非農(nóng)用地或者非自然用地的速度超過了人口增長的速度，蔓延便會發(fā)生。換言之，城市蔓延可被認為是低密度的開發(fā)，可以是低密度的人口，也可以是低密度的城鎮(zhèn)化地區(qū)。在此研究中，城市的密度可以由NTL的平均值來表示。

然而，筆者認為簡單的用區(qū)域密度來度量整個區(qū)域的密度是不合理的，因為在一些城市群中，城市中心密度非常高，但郊區(qū)卻存在著大范圍的低密度發(fā)展區(qū)，如果對這些城市群計算整體密度，將掩蓋其嚴重的城市蔓延現(xiàn)象。因此在本文中，首先將城市群分為中心城區(qū)和郊區(qū)，并分別對這2個區(qū)域計算密度。低密度的郊區(qū)是評判城市蔓延程度的一個標準。計算密度時，首先使用不同的NTL閾值所對應的明亮面積進行分析，發(fā)現(xiàn)對于中國的城市，NTL為54是面積大小的突變點[19]，因此，該值被用作區(qū)分城市群的中心城區(qū)和郊區(qū)的閾值。圖1中中心城區(qū)和郊區(qū)的區(qū)分結果如圖2所示。

圖2 中心城區(qū)與郊區(qū)界線

2.2 發(fā)展分散度

發(fā)展分散度表示城市發(fā)展趨勢是集中的還是分散的。本文中用NTL像元值的變異系數(shù)計算發(fā)展分散度，即

(1)

式中：CVm為第m個城市群的發(fā)展分散度；n為該城市群中的像元個數(shù)；DNi為第i個像元的像元值；DNu為該城市群的像元平均值。CV越大，表示該城市群中的城市發(fā)展越集中，也代表著城市蔓延程度越低； 相反，CV越小，表示城市發(fā)展越分散，也代表著城市蔓延程度越高。

2.3 多核心度

在現(xiàn)有文獻中，多核心化意味著城市蔓延程度更高[7]。為提取這項指標，首先把NTL數(shù)據(jù)制作成一個三維模型，而這個三維模型的山頂點就是城市群的一個核心。城市核心的數(shù)量和該區(qū)域面積的比值為這個城市群的多核心度，而多核心度越高，代表著城市的蔓延程度越高。ArcGIS的空間分析工具可用于提取多核心度，局部提取結果如圖3所示。

圖3 城市群的城市核心

用ArcGIS提取的多核心度與用TM提取的城市區(qū)域的對比結果表明，這些核心能夠客觀地表示城市中的小中心及大中心所處位置。

2.4 向心度

向心度描述了城市群內(nèi)的城市在多大程度上向城市的中心地區(qū)發(fā)展。這個指標可以利用NTL數(shù)據(jù)的梯度變化來表示，即

(2)

式中Pi為像元值大于i的像元數(shù)所占城市群所有像元數(shù)的比例。

圖4以更直觀的方式對5個示例城市群的向心度的計算做出了描述，弧線下的面積越大，代表向心度越高，也代表城市蔓延的程度越低； 相反，弧線下的面積越小，代表向心度越低，也代表城市蔓延的程度越高。

圖4 向心度的計算

3 中國城市群的城市蔓延

應用上述方法，對中國城市群的城市蔓延狀況進行了研究。在研究中，共提取了50個城市群區(qū)域，包括5個面積超過10 000 km2的特大城市群、8個面積在5 000～10 000 km2之間的大城市群、14個面積在2 000～5 000 km2之間的中等城市群和23個面積在1 000～2 000 km2之間的小城市群，并為每個城市群設定了名稱。利用2010年的NTL數(shù)據(jù)對城市群情況進行了研究。

首先使用這50個城市群對設計的幾個指標進行相關性分析(表2)，結果顯示這幾個指標的值與該城市群的面積(Area)無明顯的相關關系； 而在描述城市蔓延的4個指標中也不存在很強的相關性，說明這4個指標都是不可互相替代的。

表2 指標間的相關系數(shù)①Tab.2 Correlation coefficients of metrics

①顯著性<0.01。

對每個指標正向化(當每個指標值越大時，代表蔓延程度越小)，并采用Z-score進行標準化后，使用相同的權重將其相加，計算出一個整體的城市蔓延指數(shù)——綜合蔓延度(CS)。CS越小，代表城市蔓延的程度越大。表3列出了中國的50個城市群各指標的具體計算結果。

表3 城市蔓延指標計算結果Tab.3 Computation results of urban sprawl metrics

上述4個指標有助于了解每個城市群在城市空間中存在的問題,例如蔓延現(xiàn)象嚴重的湛江城市群，其低I表明該城市群在郊區(qū)的低密度開發(fā)情況十分嚴重； 南寧城市群的低CV表明該城市群的發(fā)展非常分散，缺乏集中性； 大連城市群的低PC表明該城市群的多核心化過于嚴重； 而呂梁城市群的低CT則表明該城市群的發(fā)展沒有向城市中心集中。

進一步以中國最大的3個城市群——長江三角洲、北京—天津—唐山城市群及珠江三角洲為例，珠江三角洲的CS最高，說明空間發(fā)展格局較為緊湊； 北京—天津—唐山城市群的CS最低，說明空間發(fā)展格局蔓延程度最高。具體分析3個城市群的各項指標可以看出，就郊區(qū)密度而言，北京—天津—唐山城市群十分低，說明該地區(qū)的發(fā)展主要以低密度的擴張為主，有非常大范圍的稀疏邊緣帶。相比之下，珠江三角洲和長江三角洲的郊區(qū)密度較高，說明郊區(qū)的土地被合理和有效利用，城市邊緣帶得到了充分發(fā)展。

在CV和PC方面，北京—天津—唐山城市群表現(xiàn)出較高的CV和較低程度的PC，而珠江三角洲和長江三角洲表現(xiàn)出較高的CV及較高程度的PC。此結果與現(xiàn)有文獻中反映的3個城市群的發(fā)展情況基本吻合。北京—天津—唐山城市群的中心城市優(yōu)勢較為明顯； 除中心城市外，其他城市的發(fā)展程度較低，發(fā)展主要集中在幾個大城市中心，小城市中心無法形成與發(fā)展。相比之下，珠江三角洲和長江三角洲的中小城市集群在經(jīng)濟發(fā)展及城鎮(zhèn)化過程中得到了很大發(fā)展，形成了遍地開花的局面，因此城市的發(fā)展并未集中在原有的大城市中心，城市發(fā)展較為分散。

在CT方面，與北京—天津—唐山城市群相比，珠江三角洲和長江三角洲的CT較高，說明北京—天津—唐山城市群的城市中心尚未發(fā)揮出城市中心的帶動作用，發(fā)展沒有向著原有的城市中心集中。

通過以上分析可以看出，本文所設計的城市蔓延指標能夠合理并準確反映出城市群的空間形態(tài)信息，并可用于度量城市群的城市蔓延程度。同時，該套指標能夠從4個方面反映城市群的空間格局特點，其結果與實際情況十分吻合。由此可見，這套指標能夠為城市規(guī)劃和政策制定部門找出城市群發(fā)展所存在的具體問題，并進行有針對性的處理。

4 結論

1)本文通過從夜間燈光(NTL)圖像中提取的4項指標研究城市的擴張現(xiàn)象，這些指標能夠從密度、發(fā)展分散度、多核心度和向心度4個方面反映城市群的城市蔓延水平。實驗證明，這些指標總體上相互獨立，易于計算，并可針對大區(qū)域進行對比研究。

2)然而，這些指標仍然存在著局限性。首先，NTL數(shù)據(jù)的像元值范圍僅在0～63之間，且存在著過飽和現(xiàn)象，因此指標值會受到影響； 其次，這些指標尚無法從更深入的城市功能及社會經(jīng)濟角度去反映城市蔓延現(xiàn)象，例如城市群中的城市混合利用程度及交通交互程度。因此，建議結合此指標集與其他相關指標綜合進行城市蔓延現(xiàn)象的研究。

3)對中國城市群的城市蔓延現(xiàn)象進行研究的結果表明，中國城市群存在不同程度的蔓延現(xiàn)象，并且每個城市群都存在不同的問題。在今后的研究中，可以根據(jù)本文的結果對中國各城市群的城市蔓延現(xiàn)象進行深入探討。

4)本文的研究結果可以為城市規(guī)劃和政策制定部門提供十分重要的信息，以防止城市蔓延現(xiàn)象的持續(xù)發(fā)生，并使城市群能以可持續(xù)的方式發(fā)展。

參考文獻(References)：

[1] Wolman H,Galster G,Hanson R,et al.The fundamental challenge in measuring sprawl:Which land should be considered?[J].The Professional Geographer,2005,57(1):94-105.

[2] Kozlowski G.Framing Dispersal:Urban Strategies for Mexico City’s Sprawl[D].Massachusetts:Massachusetts Institute of Technology,2015.

[3] Brenner N,Schmid C.Towards a new epistemology of the urban?[J].City,2015,19(2/3):151-182.

[4] Angel S,Parent J,Civco D.Urban sprawl metrics:An analysis of global urban expansion using GIS[C]//Proceedings of the ASPRS 2007 Annual Conference.Tampa,FL:ASPRS,2007.

[5] Sudhira H S,Ramachandra T V,Jagadish K S.Urban sprawl:Metrics,dynamics and modelling using GIS[J].International Journal of Applied Earth Observation and Geoinformation,2004,5(1):29-39.

[6] Brueckner J K.Urban sprawl:Diagnosis and remedies[J].International Regional Science Review,2000,23(2):160-171.

[7] Galster G,Hanson R,Ratcliffe M R,et al.Wrestling sprawl to the ground: Defining and measuring an elusive concept[J].Housing Policy Debate,2001,12(4):681-717.

[8] Ewing R,Schmid T,Killingsworth R,et al.Relationship between urban sprawl and physical activity,obesity,and morbidity[J].American Journal of Health Promotion,2003,18(1):47-57.

[9] Lopez R.Urban sprawl and risk for being overweight or obese[J].American Journal of Public Health,2004,94(9):1574-1579.

[10] Ji W,Ma J,Twibell R W,et al.Characterizing urban sprawl using multi-stage remote sensing images and landscape metrics[J].Computers,Environment and Urban Systems,2006,30(6):861-879.

[11] Song Y,Knaap G J.Measuring urban form: Is portland winning the war on sprawl?[J].Journal of the American Planning Association,2004,70(2):210-225.

[12] Yeh A G O,Li X.Measurement and monitoring of urban sprawl in a rapidly growing region using entropy[J].Photogrammetric Engineering and Remote Sensing,2001,67(1):83-90.

[13] Bhatta B,Saraswati S,Bandyopadhyay D.Urban sprawl measurement from remote sensing data[J].Applied Geography,2010,30(4):731-740.

[14] NOAA.DMSP/OLS nighttime light data version 4,National Geophysical Data Center[EB/OL].[2012-07-00].http://www.ngdc.noaa.gov/dmsp/downloadV4composites.html.

[15] Small C,Elvidge C D,Balk D,et al.Spatial scaling of stable night lights[J].Remote Sensing of Environment,2011,115(2):269-280.

[16] Meng L N,Graus W,Worrell E,et al.Estimating CO2(carbon dioxide) emissions at urban scales by DMSP/OLS (defense meteorological satellite program’s operational linescan system) nighttime light imagery:Methodological challenges and a case study for China[J].Energy,2014,71:468-478.

[17] Balk D L,Deichmann U,Yetman G,et al.Determining global population distribution:Methods,applications and data[J].Advances in Parasitology,2006,62:119-156.

[18] Ewing R.Is Los Angeles-style sprawl desirable?[J].Journal of the American Planning Association,1997,63(1):107-126.

[19] Liu L,Leung Y.A study of urban expansion of prefectural-level cities in South China using night-time light images[J].International Journal of Remote Sensing,2015,36(22):5557-5575.