陳曉輝,曾曉瑩,趙超超,邱榮祖,張?zhí)m怡,侯秀英,胡喜生

福建農(nóng)林大學(xué)交通與土木工程學(xué)院, 福州 350002

道路網(wǎng)絡(luò)作為社會(huì)經(jīng)濟(jì)發(fā)展的產(chǎn)物,同時(shí)也對(duì)道路周邊的生態(tài)環(huán)境帶來(lái)一系列負(fù)面的影響。道路網(wǎng)絡(luò)貫穿于各類景觀,分布范圍之廣和發(fā)展速度之快,是其他建設(shè)工程不能比擬的,道路所產(chǎn)生的生態(tài)效應(yīng)越來(lái)越受到重視[1]。關(guān)于道路的生態(tài)影響,最初主要集中研究路旁植被的變化和對(duì)小型野生動(dòng)物活動(dòng)造成的影響[2],進(jìn)入20世紀(jì)90年代,隨著地理信息系統(tǒng)和遙感技術(shù)的發(fā)展,學(xué)者們開(kāi)始關(guān)注道路網(wǎng)對(duì)景觀格局[3]、土地利用[4-5]、生態(tài)風(fēng)險(xiǎn)[6-7]等的影響分析,研究方法側(cè)重于緩沖區(qū)分析、情景分析、疊加分析、構(gòu)建景觀指數(shù)等。如畢愷藝等[3]采用緩沖區(qū)分析和情景分析方法,分別計(jì)算類型層次和景觀層次的景觀指數(shù)分析中國(guó)-中南半島經(jīng)濟(jì)走廊道路網(wǎng)絡(luò)對(duì)景觀格局的影響；趙芳等[4]采用緩沖區(qū)分析、疊加分析以及景觀格局分析方法, 研究道路與兩側(cè)土地利用和景觀格局的關(guān)系；張兆苓等[6]通過(guò)基于景觀格局和過(guò)程的景觀生態(tài)風(fēng)險(xiǎn)指數(shù)計(jì)算, 分析道路網(wǎng)絡(luò)擴(kuò)展影響下的景觀生態(tài)風(fēng)險(xiǎn)規(guī)律。在眾多道路指標(biāo)中,路網(wǎng)密度是研究最廣泛的一個(gè),是衡量一定區(qū)域內(nèi)道路數(shù)量與路網(wǎng)建設(shè)水平的重要指標(biāo)[8]。傳統(tǒng)的計(jì)算方法是在一定區(qū)域內(nèi),道路網(wǎng)的總里程與該區(qū)域面積的比值；而基于ArcGIS軟件的空間分析工具,核密度估算(Kernel Density Estimation,KDE)通過(guò)選擇一個(gè)核函數(shù)進(jìn)行計(jì)算,為道路密度的研究提供方便。如畢愷藝等[7]以中國(guó)-中南半島經(jīng)濟(jì)走廊為例,表明道路網(wǎng)絡(luò)和景觀生態(tài)風(fēng)險(xiǎn)存在一定的相關(guān)性,隨著道路網(wǎng)絡(luò)密度的增加,景觀生態(tài)風(fēng)險(xiǎn)呈現(xiàn)上升趨勢(shì)；莫文波等[9]采用KDE研究北京市道路網(wǎng)絡(luò)的時(shí)空變化,并探討道路網(wǎng)絡(luò)的擴(kuò)展對(duì)城市景觀生態(tài)風(fēng)險(xiǎn)的影響。已有的研究較多采用定性的方法分析道路網(wǎng)絡(luò)對(duì)生態(tài)環(huán)境的影響,而較少定量探究道路網(wǎng)絡(luò)對(duì)生態(tài)環(huán)境的響應(yīng)閾值。

生態(tài)環(huán)境質(zhì)量作為生態(tài)系統(tǒng)結(jié)構(gòu)、功能和要素在一定時(shí)間和空間上的綜合表征,一直是當(dāng)今社會(huì)最受關(guān)注的熱點(diǎn)之一[10]。隨著我國(guó)科技力量的提高,衛(wèi)星遙感已經(jīng)成為動(dòng)態(tài)監(jiān)測(cè)生態(tài)環(huán)境要素和評(píng)估生態(tài)環(huán)境變化有效的技術(shù)手段[11]?；谶b感技術(shù)的發(fā)展,通過(guò)構(gòu)建反應(yīng)生態(tài)系統(tǒng)不同方面的不同指數(shù),可以表征生態(tài)系統(tǒng)的質(zhì)量,如應(yīng)用植被指數(shù)(Normalized Difference Vegetation Index,NDVI)評(píng)價(jià)植被的覆蓋度[12],應(yīng)用不透水面和地表溫度(Land Surface Temperature,LST)評(píng)估城市生態(tài)的熱島效應(yīng)等[13-14],但是這些單一指數(shù)僅能較好地解釋生態(tài)系統(tǒng)某一方面的生態(tài)特征,而生態(tài)系統(tǒng)是受多方面因素影響的。特別是復(fù)雜類型的生態(tài)系統(tǒng),比如濕地、山區(qū)、高原、干旱地區(qū)等,僅使用單一的生態(tài)指數(shù)是無(wú)法全面準(zhǔn)確反映生態(tài)系統(tǒng),難以評(píng)價(jià)其生態(tài)變化的。為了能夠全面的描述和評(píng)價(jià)研究區(qū)的生態(tài)質(zhì)量,徐涵秋基于遙感技術(shù)提出的一種耦合了自然生態(tài)環(huán)境中綠度、熱度、干度和濕度評(píng)價(jià)指標(biāo)的新型遙感綜合指數(shù)(Remote Sensing Ecological Index,RSEI),相比國(guó)家環(huán)境保護(hù)部于2006年頒發(fā)了《生態(tài)環(huán)境狀況評(píng)價(jià)技術(shù)規(guī)范》,推出的生態(tài)環(huán)境狀況指數(shù)(Ecological Index,EI)[15]。該指數(shù)彌補(bǔ)了EI人為主觀權(quán)重設(shè)定、指標(biāo)難獲取性、結(jié)果無(wú)法進(jìn)行可視化的不足,能對(duì)區(qū)域生態(tài)環(huán)境狀況進(jìn)行客觀定量評(píng)價(jià),同時(shí)也能對(duì)生態(tài)環(huán)境的演變進(jìn)行時(shí)空分析以及可視化顯示[16]。該指數(shù)在城市主城區(qū)[17]、水土流失[18]和干旱區(qū)[19]的生態(tài)效應(yīng)評(píng)估已有應(yīng)用,且取得很好的成效。查閱已有的文獻(xiàn)發(fā)現(xiàn),現(xiàn)有相關(guān)研究主要側(cè)重基于遙感生態(tài)指數(shù)的生態(tài)環(huán)境監(jiān)測(cè)和變化分析[18,20]、遙感生態(tài)指數(shù)的驅(qū)動(dòng)力機(jī)制分析[10,17]、遙感生態(tài)指數(shù)的模擬和預(yù)測(cè)分析[21-22],而較少分析遙感生態(tài)指數(shù)的空間分異特征,且多采用簡(jiǎn)單的回歸模型,無(wú)法很好的解釋空間數(shù)據(jù)的非平穩(wěn)性和依賴性。

因此,針對(duì)當(dāng)前研究中存在的不足,本研究以福州市為研究對(duì)象,基于2000年和2016年的Landsat遙感影像和路網(wǎng)數(shù)據(jù),運(yùn)用緩沖區(qū)分析和剖面線分析相結(jié)合的方法,分析2000—2016年福州市的生態(tài)質(zhì)量及其變化,探討不同道路類型對(duì)RSEI的變化規(guī)律及城鄉(xiāng)梯度之間路網(wǎng)密度和生態(tài)環(huán)境之間的變化關(guān)系；從不同尺度劃分空間單元,運(yùn)用全局空間自相關(guān)、地理加權(quán)回歸分析等方法定量分析了RSEI 的空間異質(zhì)性。以期為福州市城市建設(shè)和生態(tài)保護(hù)協(xié)調(diào)發(fā)展提供參考依據(jù)。

1 研究區(qū)域

1.1 研究區(qū)概況

福州市位于臺(tái)灣海峽西岸,閩江下游,地理范圍為25°20′—26°38′N、118°18′—119°59′E,是福建省的省會(huì),也是福建省最大的地級(jí)市(圖1)?，F(xiàn)轄6個(gè)區(qū)和7個(gè)縣(2017年,長(zhǎng)樂(lè)撤市設(shè)區(qū)),147個(gè)城鎮(zhèn)組成,占地面積超過(guò)12153km2。該地區(qū)屬于亞熱帶季風(fēng)氣候,年平均氣溫約20.75℃。研究區(qū)內(nèi)年降水量為796.5—1913.6 mm，變化較大,其中約33%發(fā)生在汛期(5月和6月)。據(jù)報(bào)道,在過(guò)去的20年里,該地區(qū)的景觀發(fā)生了巨大的變化,變得更加破碎和退化[23]。因此,對(duì)城市生態(tài)質(zhì)量時(shí)空格局的研究可以為其他快速發(fā)展的城市提供借鑒。

圖1 研究區(qū)區(qū)位圖Fig.1 Location of the study area

2 研究方法

2.1 數(shù)據(jù)來(lái)源及預(yù)處理

在本研究中,Landsat圖像是在2000年05月04日(ETM+)和2016年06月25日(OLI/TIRS)從USGS (https://glovis.usgs)獲得的。歷時(shí)16年,圖像為1B級(jí),在分析之前系統(tǒng)地對(duì)其進(jìn)行了輻射定標(biāo)、幾何校正和配準(zhǔn)。輻射校正采用 Chander等[24]的模型和參數(shù)將原始影像的灰度值轉(zhuǎn)換為傳感器處反射率,以減少不同年份的影像在地形、光照和大氣等方面的差異；不同時(shí)相影像之間的配準(zhǔn)采用二次多項(xiàng)式和最鄰近象元法,配準(zhǔn)的均方根誤差小于0.5個(gè)象元[25]。此外,基于修正的歸一化水體指數(shù)對(duì)水斑塊進(jìn)行掩膜[26],以減少水域?qū)Y(jié)果的影響。近期的路網(wǎng)數(shù)據(jù)從OpenStreetMap(https：//www.openstreetmap.org/)下載,包含公路和城市道路。

2.2 遙感生態(tài)指數(shù)(RSEI)

基于ENVI軟件平臺(tái)分別提取研究區(qū)2000年、2016年兩期遙感影像的綠度、濕度、熱度、干度四項(xiàng)生態(tài)指標(biāo),采用主成分分析法(Principal Components Analysis, PCA)構(gòu)建RSEI指數(shù)。IBI、SI、NDVI、LST、LSM、MNDWI的詳細(xì)計(jì)算過(guò)程如參考文獻(xiàn)[26-27]。

2.3 核密度分析(KDE)

核密度分析是利用 ArcGIS 計(jì)算移動(dòng)窗口中的點(diǎn)密度或者線密度[28],假設(shè)x1……xn是根據(jù)函數(shù)f獲取的獨(dú)立且相對(duì)分散的采樣點(diǎn),則f(x)代表點(diǎn)x在公式f中的值,其公式如下：

(1)

式中,k(x)代表核密度分析功能；h為帶寬；x-xi代表x與xi之間的距離；n代表采樣點(diǎn)的總數(shù)目。

其中,核函數(shù)采用的是ArcGIS軟件自帶的高斯核函數(shù)進(jìn)行估算,在所有參數(shù)中,h的選取對(duì)計(jì)算結(jié)果的影響最大,當(dāng)h值較大時(shí),密度曲線光滑,反映的結(jié)果模糊抽象；當(dāng)h值較小時(shí),密度曲線更為突變,能詳細(xì)揭示密度的分布特征。在本研究中,采用ArcGIS軟件的默認(rèn)帶寬進(jìn)行估計(jì),在4500 m的默認(rèn)帶寬上,可以清晰分辨路網(wǎng)的密度中心和核心邊界；其像元大小設(shè)置與RSEI柵格圖的大小一致,均為30 m。

2.4 緩沖區(qū)分析

緩沖區(qū)分析已經(jīng)成為辨析人類干擾造成生態(tài)系統(tǒng)變化格局分析的主要方法之一。在ArcGIS軟件的支持下,篩選出國(guó)道、省道、縣道、鄉(xiāng)鎮(zhèn)道路四種類型的道路作為線狀研究對(duì)象,分別以150 m為間隔,共劃分為20個(gè)多環(huán)緩沖帶,定量分析道路影響域內(nèi)的生態(tài)變化閾值；從Google Earth中定位福州市各個(gè)縣區(qū)的經(jīng)緯度坐標(biāo),并在ArcGIS創(chuàng)建各點(diǎn)要素作為行政中心,以合并為整體的所有區(qū)縣、所有區(qū)、所有縣的行政中心為圓心向外擴(kuò)散,構(gòu)建30個(gè) 1 km環(huán)狀緩沖區(qū),作為點(diǎn)狀研究對(duì)象,分析城鄉(xiāng)之間的梯度變化特征,其結(jié)果通過(guò)以表格顯示分區(qū)統(tǒng)計(jì)工具導(dǎo)出。

2.5 剖面線分析

剖面圖可以表示沿表面上某條線前進(jìn)時(shí),自然要素或者社會(huì)要素的變化情況,剖面線是剖面圖所經(jīng)過(guò)區(qū)域的范圍指示[29]。本研究利用ArcGIS的剖面工具(3D Profile),根據(jù)各區(qū)縣行政中心的位置分布,沿西北-東南(NW-SE)、西南-東北(SW-NE)、南-北(S-N)3個(gè)方向設(shè)置剖面線,分析各方向RSEI和KDE的時(shí)空變化關(guān)系。

2.6 空間自相關(guān)分析

采用全局空間自相關(guān)模型分析福州市生態(tài)環(huán)境質(zhì)量的空間聚集性。結(jié)果通過(guò)計(jì)算Moran′sI指數(shù),Z得分,P值得分確定其是否具有顯著性,其公式如下：

(2)

(3)

Moran′sI指數(shù)的值通常介于-1 和 1 之間,若 Moran′sI值大于零,表明空間自相關(guān)程度較高,呈現(xiàn)聚類特征,反之表示其空間自相關(guān)程度較低,呈現(xiàn)離散特征,若為零則表示不相關(guān),呈現(xiàn)隨機(jī)特征[30]。

2.7 地理加權(quán)回歸分析

相比于最小二乘回歸分析(OLS模型),GWR模型將樣點(diǎn)數(shù)據(jù)的空間特性納入到了回歸參數(shù)之中,使變量間的關(guān)系可以隨著空間位置的變化而不同,克服了空間數(shù)據(jù)的非平穩(wěn)性和依賴性[31],是考慮變量空間異質(zhì)性的局部線性回歸模型。其公式如下：

(4)

式中,Yi為第i個(gè)單元格的RSEI值;(ui,vi)為該單元格的中心地理坐標(biāo);βk(ui,vi)為第i個(gè)單元格的回歸系數(shù);εi為隨機(jī)誤差項(xiàng)。

在空間權(quán)重矩陣的確定中,選擇高斯函數(shù)作為空間權(quán)重函數(shù)；GWR模型對(duì)于帶寬的選擇非常敏感,為避免帶寬過(guò)大或者過(guò)小對(duì)模型擬合精度的影響,基于ArcGIS軟件,選擇赤池信息量準(zhǔn)則(Akaile information criterion,AIC)法確定最優(yōu)帶寬,當(dāng)模型的 AIC 值最小時(shí),即可確定最優(yōu)帶寬和 GWR 模型。

3 結(jié)果與分析

3.1 福州市生態(tài)環(huán)境時(shí)空變化動(dòng)態(tài)

根據(jù)RSEI的主成分分析結(jié)果[32],福州市兩景影像的第一主成分(PC1)的貢獻(xiàn)率均達(dá)到98%以上,其中2000年為98.41%,2016年為98.72%,說(shuō)明它已經(jīng)集中了四個(gè)分指標(biāo)的大部分特征,即RSEI能夠作為全面、客觀評(píng)價(jià)區(qū)域生態(tài)環(huán)境質(zhì)量的指標(biāo)。

為了定量化和可視化分析福州市的遙感生態(tài)指數(shù),將2000年和2016年RSEI值以0.2為間隔,劃分為五個(gè)等級(jí),0—0.2、0.2—0.4、0.4—0.6、0.6—0.8和0.8—1.0分別對(duì)應(yīng)差、較差、中等、較好和好。觀察兩年RSEI的時(shí)空變化圖,可以發(fā)現(xiàn)2000年福州市生態(tài)環(huán)境差和較差的區(qū)域主要集中在市中心和沿海區(qū)域一帶,其他大部分區(qū)域均為較好等級(jí)以上。與2000年相比,2016年市中心區(qū)域生態(tài)環(huán)境差的區(qū)域范圍有所擴(kuò)大,表明建設(shè)用地已經(jīng)侵占了生態(tài)用地,導(dǎo)致該區(qū)域的生態(tài)環(huán)境質(zhì)量下降,在福清市的沿海區(qū)域,生態(tài)環(huán)境差的等級(jí)范圍有所縮小,其他區(qū)縣邊緣因?qū)嵭兄矘?shù)造林使得生態(tài)環(huán)境好的區(qū)域面積明顯擴(kuò)大[32]。統(tǒng)計(jì)各等級(jí)生態(tài)質(zhì)量的面積占比,從2000年到2016年,生態(tài)環(huán)境好的區(qū)域面積大幅增加,等級(jí)差的區(qū)域面積也有所增加,等級(jí)中等和較差的區(qū)域下降明顯,而處于較好的區(qū)域幾乎保持穩(wěn)定。

3.2 福州市公路路域生態(tài)環(huán)境變化動(dòng)態(tài)

3.2.1不同類型道路路網(wǎng)的生態(tài)壞境時(shí)空梯度變化規(guī)律

現(xiàn)有的研究較多將公路按照功能性等級(jí)劃分為高速公路、一級(jí)、二級(jí)、三級(jí)、四級(jí)公路,研究路域景觀生態(tài)指數(shù)的變化情況[7,33]。本研究基于福州市的路網(wǎng)數(shù)據(jù),將公路按照行政級(jí)別等級(jí)劃分為國(guó)道、省道、縣道、鄉(xiāng)鎮(zhèn)道路,按照每150 m為一個(gè)間隔,構(gòu)建20個(gè)緩沖區(qū)進(jìn)行分析。當(dāng)對(duì)生態(tài)環(huán)境強(qiáng)度的度量,RSEI平均值是最常采用的指標(biāo)。統(tǒng)計(jì)結(jié)果表明(圖2),沿著20個(gè)緩沖帶,各類型道路的RSEI表現(xiàn)出相似的梯度變化特征,RSEI都是從0 m到3000 m逐漸上升的趨勢(shì),在900 m之前變化較大,900 m之后趨于平緩。從時(shí)間年份看,除了國(guó)道是2000年的RSEI大于2016年,鄉(xiāng)鎮(zhèn)道路和縣道都是2016年的RSEI大于2000年,而省道以750 m為分界點(diǎn),750 m之前2000年的RSEI大于2016年,750 m之后則相反；各等級(jí)道路的RSEI大致為縣道>鄉(xiāng)鎮(zhèn)道路>省道>國(guó)道。道路核密度值呈現(xiàn)與RSEI相反的變化趨勢(shì),隨著緩沖區(qū)的增大,路網(wǎng)密度逐漸下降,其變化的閾值也與RSEI相對(duì)應(yīng)；各等級(jí)道路的KDE大致為國(guó)道>省道>鄉(xiāng)鎮(zhèn)道路>縣道,與RSEI的變化規(guī)律完全相反?？傮w上來(lái)說(shuō),道路等級(jí)越高,生態(tài)環(huán)境質(zhì)量越差,說(shuō)明高等級(jí)道路的建設(shè)對(duì)生態(tài)環(huán)境的破壞更加嚴(yán)重。

圖2 各類型道路不同緩沖區(qū)RSEI變化情況Fig.2 Changes of RSEI in different buffer zones of different types of roads

由于各類型道路的總長(zhǎng)和生態(tài)等級(jí)所占比例的不同,為分析福州市生態(tài)環(huán)境與各類型道路間的相關(guān)性,統(tǒng)計(jì)RSEI各等級(jí)內(nèi)不同類型道路的長(zhǎng)度百分比(圖3)。在2000年,4種類型的道路在生態(tài)環(huán)境差、較差等級(jí)內(nèi)的長(zhǎng)度比例相當(dāng),而縣道和鄉(xiāng)鎮(zhèn)道路在較好、好等級(jí)內(nèi)明顯較高；在2016年,國(guó)道和省道在生態(tài)環(huán)境差、較差等級(jí)內(nèi)均居前兩位,而在較好和好等級(jí)內(nèi)占比均低于縣道和鄉(xiāng)鎮(zhèn)道路；在生態(tài)環(huán)境中等等級(jí)下,兩年中各類型道路的長(zhǎng)度占比均是：國(guó)道>省道>鄉(xiāng)鎮(zhèn)道路>縣道。總體來(lái)說(shuō),在路域的研究范圍內(nèi),道路等級(jí)越高,其對(duì)生態(tài)環(huán)境的影響越大,路域內(nèi)的生態(tài)環(huán)境越差。

圖3 不同生態(tài)等級(jí)內(nèi)道路長(zhǎng)度比例 Fig.3 Proportion of road length in different ecological levels

3.2.2不同類型道路典型路段的生態(tài)環(huán)境時(shí)空變化規(guī)律

為了深入探究不同類型公路路域生態(tài)環(huán)境時(shí)空變化規(guī)律,分別從國(guó)道、省道、縣道、鄉(xiāng)鎮(zhèn)道路選取不同數(shù)量的典型路段作為研究對(duì)象。典型路段的選取原則按照生態(tài)環(huán)境變化程度明顯和路網(wǎng)的均勻分布性,保證所選取的典型路段均勻分布在福州市的各個(gè)方位,同時(shí)保證緩沖區(qū)都能落在福州市的邊界內(nèi)。由于公路網(wǎng)中各等級(jí)道路的數(shù)量各不相同,所選取的典型路段數(shù)量也不同,其中國(guó)道的典型路段選擇了3條,省道的典型路段選擇了7條、縣道的典型路段選擇了12條,鄉(xiāng)鎮(zhèn)道路的典型路段選擇了5條。同樣構(gòu)建緩沖區(qū)分析,各類型道路典型路段的變化情況如下圖所示(圖4)。從選擇的典型路段中,大部分的省道、縣道和鄉(xiāng)鎮(zhèn)道路的2016年的RSEI值比2000年的高,國(guó)道的2000年的RSEI值比2016年的高；而且各類型道路距離道路越近,其RSEI值越低。國(guó)道影響的閾值大概在900 m左右,省道900 m左右,縣道450 m左右,鄉(xiāng)鎮(zhèn)道路750 m左右。過(guò)了一定閾值之后,都會(huì)有不同幅度的上下波動(dòng)。

圖4 不同類型道路典型路段不同緩沖區(qū)的RSEI變化情況Fig.4 Changes of RSEI in different buffer zones of typical sections of different types of roads

3.3 城鄉(xiāng)梯度路網(wǎng)的生態(tài)環(huán)境時(shí)空變化規(guī)律

城鎮(zhèn)化進(jìn)程是中國(guó)21世紀(jì)初經(jīng)濟(jì)發(fā)展重要的驅(qū)動(dòng)力,隨著城鎮(zhèn)化進(jìn)程的推進(jìn),區(qū)域經(jīng)濟(jì)、環(huán)境等各類自然呈現(xiàn)明顯的城鄉(xiāng)空間分布差異,城鄉(xiāng)梯度差異分析逐步成為一種比較常用的空間差異定量分析方法。研究區(qū)包括6區(qū)6縣(無(wú)平潭縣,長(zhǎng)樂(lè)縣后改長(zhǎng)樂(lè)區(qū)),各區(qū)縣對(duì)周邊區(qū)域具有一定的輻射功能。因研究區(qū)包含多個(gè)城市中心,僅對(duì)單個(gè)行政中心進(jìn)行緩沖區(qū)分析無(wú)法有效反映多中心的疊加效應(yīng)[34]?；诖?分別以合并后的福州市各區(qū)縣級(jí)行政中心為圓心向外擴(kuò)散,構(gòu)建30個(gè) 1 km環(huán)狀緩沖區(qū),統(tǒng)計(jì)緩沖區(qū)內(nèi)的RSEI和KDE,探討城鄉(xiāng)之間KDE與RSEI之間的關(guān)系(圖5)。總體來(lái)看,2000年和2016年RSEI曲線的變化規(guī)律都是隨著與行政中心距離的增大而增大,到達(dá)一定閾值后趨于平緩,甚至還有小幅度的下降,且2000年的RSEI大于2016年；而KDE曲線的變化規(guī)律與RSEI剛好相反。從所有區(qū)縣的緩沖區(qū)分析結(jié)果來(lái)看,RSEI增大到距離行政中心11 km左右后,開(kāi)始趨于平緩；所有區(qū)的曲線變化規(guī)律類似“階梯形”,RSEI增大到距離行政中心9 km后出現(xiàn)小幅的下降(圖5),到12 km后,又開(kāi)始上升,達(dá)到20 km后又逐漸下降,KDE曲線的轉(zhuǎn)折點(diǎn)剛好與RSEI的轉(zhuǎn)折點(diǎn)相對(duì)應(yīng)；值得注意的是,所有縣的RSEI曲線從12 km到27 km這段距離內(nèi)處于下降的趨勢(shì),27 m過(guò)后又上升(圖5),原因是各縣的邊緣區(qū)域?qū)嵭兄矘?shù)造林計(jì)劃,使得生態(tài)環(huán)境質(zhì)量出現(xiàn)好轉(zhuǎn)；而KDE在這段距離范圍內(nèi)是先上升后下降。綜上所述,福州市的城鄉(xiāng)生態(tài)環(huán)境質(zhì)量在16年間出現(xiàn)一定程度的下降,距離城市中心越近的地區(qū)具有較高的路網(wǎng)密度和較低的生態(tài)環(huán)境質(zhì)量,在距離城市中心較遠(yuǎn)的農(nóng)村地區(qū),因路網(wǎng)相對(duì)稀疏分散,植被覆蓋面廣,生態(tài)環(huán)境質(zhì)量高于城市。影響整個(gè)福州市的RSEI閾值大概在12 km左右,區(qū)級(jí)的RSEI閾值大概在20 km左右,縣級(jí)的RSEI閾值大概在12 km左右；而影響KDE的閾值與RSEI正好對(duì)應(yīng)。

圖5 城鄉(xiāng)梯度分析圖及不同緩沖區(qū)RSEI與KDE的變化關(guān)系Fig.5 Analysis of urban and rural gradients and the relationship between RSEI and KDE in different buffers

為了更直觀地觀察研究區(qū)的RSEI和KDE在城鄉(xiāng)之間的變化趨勢(shì),本文采用橫穿各區(qū)縣行政中心的剖面線對(duì)研究區(qū)2000、2016年的RSEI和KDE的變化進(jìn)行分析。觀察福州市各區(qū)縣行政中心的位置分布,為使剖面線能夠橫跨各縣區(qū)的行政中心,設(shè)置的剖面線大致沿NW-SE方向(閩清縣-閩侯縣-市中心-馬尾區(qū)-長(zhǎng)樂(lè)區(qū))、SW-NE方向(永泰縣-倉(cāng)山區(qū)-市中心-晉安區(qū)-連江縣)、S-N方向(福清市-馬尾區(qū)-連江縣-羅源縣)(圖6)。結(jié)果表明：三個(gè)方向的剖面線每經(jīng)過(guò)行政中心處,其RSEI均比周圍低,從曲線的變化趨勢(shì)看,西北方向的生態(tài)環(huán)境優(yōu)于東南方向,西南方向的生態(tài)環(huán)境優(yōu)于東北方向,城市的北部?jī)?yōu)于南部,東南、東北、南部方向恰好是東部沿海地區(qū),經(jīng)濟(jì)比較發(fā)達(dá),生態(tài)質(zhì)量更差；另一個(gè)原因是大片的河流會(huì)減少植被對(duì)溫度的積極影響和增加建設(shè)用地對(duì)濕度的消極影響,從而使沿海地區(qū)的RSEI呈低值[35]。觀察橫穿行政中心的KDE剖面圖(圖7),可以發(fā)現(xiàn),福州市城市中心的道路核密度達(dá)到最高值,距離福州市較近的區(qū)縣達(dá)到次高值,遠(yuǎn)離市中心的則為低值,以NW-SE方向和S-N方向的剖面線為例,沿著NW-SE方向剖面線,依次在閩清縣、閩侯縣、市區(qū)中心、長(zhǎng)樂(lè)區(qū)形成4個(gè)波峰,市區(qū)中心的峰值最大,閩清縣的最小；沿著S-N方向剖面線,橫穿的四個(gè)縣區(qū)的行政中心的KDE也處于峰值狀態(tài),福清市的峰值最高。對(duì)比剖面圖各方向的KDE與RSEI可以發(fā)現(xiàn),RSEI與KDE成反比,即道路核密度越大,RSEI越小,生態(tài)環(huán)境質(zhì)量越差,與上文中城鄉(xiāng)梯度間RSEI和KDE之間的關(guān)系基本吻合,說(shuō)明道路密度與生態(tài)環(huán)境質(zhì)量成負(fù)相關(guān)關(guān)系,道路建設(shè)對(duì)生態(tài)環(huán)境起抑制作用。

圖6 RSEI的剖面變化Fig.6 Profile change of RSEI

圖7 KDE的剖面變化 Fig.7 Profile change of KDE

3.4 道路網(wǎng)絡(luò)空間擴(kuò)展與生態(tài)變化之間的定量關(guān)系

生態(tài)環(huán)境質(zhì)量的時(shí)空變化與路網(wǎng)密度的時(shí)空變呈現(xiàn)相反的趨勢(shì),為了定量揭示二者之間的關(guān)系,結(jié)合前面的研究對(duì)象,以點(diǎn)、線、面不同層面的RSEI為因變量,KDE為自變量對(duì)兩者進(jìn)行一元線性回歸分析。從表1可以看出,3個(gè)層面上的RSEI與KDE呈現(xiàn)出極顯著的負(fù)相關(guān)關(guān)系,其中以所有行政中心、六區(qū)、六縣為圓心的回歸擬合度均在0.8以上。表明路網(wǎng)密度越大,生態(tài)環(huán)境質(zhì)量越差。

表1 RSEI與KDE的一元線性回歸參數(shù)

受到地域差異的限制,不同的研究尺度在同一研究區(qū)域或者不同研究區(qū)域會(huì)存在一定程度的空間自相關(guān)性和空間異質(zhì)性[1]。為避免不同空間單元尺度對(duì)研究結(jié)果造成影響,本文按照500 m×500 m、1000 m×1000 m、1500 m×1500 m、2000 m×2000 m、2500 m×2500 m、3000 m×3000 m這6種單元網(wǎng)格分別計(jì)算研究區(qū)生態(tài)環(huán)境的空間相關(guān)性,從表2可以看出：所有尺度下在1%顯著性水平下,都通過(guò)顯著性檢驗(yàn),其中在500 m×500 m、1000 m×1000 m、2000 m×2000 m的Moran′sI均較高,表明福州市生態(tài)質(zhì)量空間格局并非呈現(xiàn)完全的隨機(jī)分布,而是呈現(xiàn)高度的空間聚散特征,即生態(tài)質(zhì)量鄰近的區(qū)域相對(duì)集聚。

表2 各尺度下全局空間自相關(guān)參數(shù)表

地理加權(quán)回歸模型(GWR)在考慮變量空間異質(zhì)性具有很好的優(yōu)勢(shì),不同于最小二乘回歸模型(OLS 模型),GWR模型考慮的是兩個(gè)變量在不同位置的相互異質(zhì)性。在空間自相關(guān)的基礎(chǔ)上,以2000年RSEI、2016年RSEI、ΔRSEI(2016年與2000年的RSEI差值)為因變量,以KDE為自變量,對(duì)比GWR模型和OLS模型,研究不同尺度下的空間差異情況。對(duì)比兩種模型的參數(shù)估計(jì)情況(表3),從模型的精度看,三組OLS模型中調(diào)整后的R2的系數(shù)非常小,變化范圍分別為0—0.016、-0.001—0.068、0—0.012,6個(gè)尺度中最大僅能解釋福州市生態(tài)環(huán)境質(zhì)量不到7%的擬合精度；而GWR模型能解釋擬合精度最低達(dá)47%,最高可達(dá)65%, 遠(yuǎn)大于OLS的模擬效果；這很大程度是由于OLS模型假定是以平穩(wěn)的空間變化為前提,但現(xiàn)實(shí)空間數(shù)據(jù)具有非平穩(wěn)特征,導(dǎo)致回歸估計(jì)的解釋精度降低了。AIC作為統(tǒng)計(jì)模型擬合優(yōu)度的相對(duì)估計(jì)量,在三組模型中,GWR模型的AIC的絕對(duì)值大于OLS模型AIC的絕對(duì)值。另外對(duì)比兩個(gè)模型的殘差平方和和殘差Moran′sI可知,3組模型的6個(gè)尺度中,GWR模型均低于OLS模型,表明GWR模型的殘差呈現(xiàn)隨機(jī)分布的狀態(tài)。綜上所述,地理加權(quán)回歸模型相比于傳統(tǒng)最小二乘回歸模型,具有較高的擬合精度,在處理空間數(shù)據(jù)方面更具優(yōu)勢(shì),能夠克服空間數(shù)據(jù)的非平穩(wěn)性。

表3 GWR與OLS的參數(shù)估計(jì)結(jié)果

基于ArcGIS軟件,對(duì)3組模型的回歸系數(shù)進(jìn)行空間顯示,其中在1500 m×1500 m和2000 m×2000 m兩個(gè)尺度下的擬合精度較高,因此選擇這兩個(gè)尺度反映福州市生態(tài)環(huán)境質(zhì)量與路網(wǎng)密度之間的關(guān)系。從圖8可以看出,總體上,RSEI和KDE呈現(xiàn)負(fù)相關(guān)關(guān)系,且相關(guān)性存在空間分異。在1500 m×1500 m尺度下(圖8),RSEI與KDE的負(fù)回歸系數(shù)分布在研究區(qū)中心的大部分區(qū)域,表明隨著KDE的增加,RSEI逐漸減少,對(duì)比2000年和2016年回歸系數(shù)的空間變化,負(fù)高值主要位于永泰、閩清、閩侯、連江等縣,且2000年分布的區(qū)域大于2016年；2000 m×2000 m尺度下(圖8)的RSEI和KDE的空間分布關(guān)系與1500 m×1500 m尺度相似；在ΔRSEI的回歸系數(shù)空間分布圖中(圖8),兩個(gè)尺度下的負(fù)回歸系數(shù)主要也是分布在研究區(qū)的中心區(qū)域,相比于2000年和2016年的RSEI的分布情況,空間分異性更加明顯。

圖8 GWR模型回歸系數(shù)的空間分布Fig.8 Spatial distribution of regression coefficient of GWR Model

4 結(jié)論和討論

4.1 討論

在探索性空間數(shù)據(jù)分析的基礎(chǔ)上,分別采用OLS模型和GWR模型探討了福州市的路網(wǎng)密度與生態(tài)環(huán)境質(zhì)量之間的關(guān)系。通過(guò)比較兩者的模擬結(jié)果得出,GWR模型在模擬精度和空間特征提取上具有獨(dú)特的優(yōu)勢(shì),能夠更好地刻畫出變量之間關(guān)系的空間異質(zhì)性和尺度依賴性特征。在此基礎(chǔ)上,分別采用1500 m×1500 m和2000 m×2000 m網(wǎng)格貫穿全影像的采樣方法,獲取每幅影像的樣本數(shù)分別為5538個(gè)和3192個(gè)。足夠多的樣本數(shù)和貫穿全影像的采樣方法可以避免少量樣本和局域性地抽樣所帶來(lái)的結(jié)果不確定性[25]。

道路核密度分析是借助一個(gè)移動(dòng)窗口對(duì)路網(wǎng)進(jìn)行估計(jì),雖然可以避免傳統(tǒng)路網(wǎng)密度計(jì)算過(guò)程中人為主觀確定邊界的局限性,但核密度估算的結(jié)果受帶寬大小的影響較大。本研究基于ArcGIS軟件自帶的高斯核函數(shù)進(jìn)行估計(jì),根據(jù)Silverman經(jīng)驗(yàn)法則計(jì)算的默認(rèn)帶寬近似作為帶寬的最優(yōu)選擇,未能探討不同帶寬設(shè)置對(duì)路網(wǎng)核密度估算結(jié)果的影響,這有待今后進(jìn)一步研究。同時(shí)本研究只獲取近期的路網(wǎng)截面數(shù)據(jù)刻畫路網(wǎng)核密度的空間分布特征,未能對(duì)歷史時(shí)期的路網(wǎng)核密度的空間分布特征及其在研究期內(nèi)的時(shí)間動(dòng)態(tài)變化特征進(jìn)行分析。雖然近年來(lái)道路基礎(chǔ)設(shè)施的建設(shè)處在一個(gè)高速發(fā)展的時(shí)期,但考慮到本研究是以整個(gè)路網(wǎng)為研究對(duì)象,近年來(lái)新建的道路相對(duì)于已經(jīng)較發(fā)達(dá)的整個(gè)路網(wǎng)而言影響不大。鑒于此,本研究采用近期的路網(wǎng)分布近似代表整個(gè)研究期間的路網(wǎng),忽略了路網(wǎng)在研究期間的變化。

在構(gòu)建RSEI的指標(biāo)選取上,綠度、熱度、干度、濕度4個(gè)指標(biāo)因其與人類生活緊密相關(guān)且能被人體直觀感知的特點(diǎn),從眾多自然因素中被挑選出來(lái),集成的綜合指數(shù)可以全面評(píng)價(jià)城市生態(tài)質(zhì)量,且可以定量刻畫生態(tài)質(zhì)量的優(yōu)劣程度,比單一指標(biāo)分析更具有優(yōu)勢(shì)。采用主成分分析法構(gòu)建RSEI時(shí),各指標(biāo)權(quán)重的確定是根據(jù)各指標(biāo)對(duì)各主分量的貢獻(xiàn)度來(lái)客觀確定,而不是人為主觀確定,可使得結(jié)果更加準(zhǔn)確可靠[25]。

RSEI作為一個(gè)綜合指數(shù),評(píng)價(jià)結(jié)果受到多方面因素的影響,本研究主要研究路網(wǎng)密度對(duì)生態(tài)環(huán)境的影響,而沒(méi)有對(duì)區(qū)域的氣象因素、地形因素、人文因素等進(jìn)行研究,后續(xù)研究中會(huì)把多年的道路數(shù)據(jù)和其他影響因素一并考慮,以期得到更為全面客觀的分析結(jié)果。

4.2 結(jié)論

在城市生態(tài)環(huán)境質(zhì)量評(píng)價(jià)中,基于遙感影像構(gòu)建RSEI模型可以有效監(jiān)測(cè)和分析區(qū)域生態(tài)環(huán)境變化情況,被廣泛應(yīng)用和推廣。研究中較多還是使用遙感生態(tài)指數(shù)來(lái)分析區(qū)域生態(tài)的時(shí)空變化,對(duì)于定量化區(qū)域內(nèi)部的生態(tài)環(huán)境質(zhì)量與路網(wǎng)密度的關(guān)系,以及自然要素在空間分析中尺度選擇的差異性很少被考慮。因此,本文以福州市為例,基于遙感影像和路網(wǎng)數(shù)據(jù),從道路緩沖區(qū)、城鄉(xiāng)梯度帶、剖面線三種不同取樣方法定量探討RSEI對(duì)路網(wǎng)的響應(yīng)機(jī)制；通過(guò)劃分不同尺度的空間單元,運(yùn)用全局空間自相關(guān)、地理加權(quán)回歸分析等方法分析了RSEI和KDE的空間異質(zhì)性,研究結(jié)果為福州市城市生態(tài)建設(shè)和路網(wǎng)規(guī)劃提供參考依據(jù)。

結(jié)果表明：(1)采用主成分分析技術(shù)集成的 RSEI 具有一定的適用性,可較好的對(duì)福州市生態(tài)環(huán)境質(zhì)量狀況及其時(shí)空變化進(jìn)行監(jiān)測(cè)和評(píng)價(jià)。對(duì)RSEI 進(jìn)行分級(jí)處理后,從2000年到2016年,植樹(shù)造林使各縣邊緣生態(tài)環(huán)境好的區(qū)域面積增加,而市區(qū)中心生態(tài)環(huán)境差的區(qū)域面積也有所增加,原因是生態(tài)用地轉(zhuǎn)化為建設(shè)用地,總體來(lái)說(shuō),福州市生態(tài)環(huán)境質(zhì)量向好的方向發(fā)展；(2)各類型道路的RSEI表現(xiàn)出相似的梯度變化特征,RSEI都是呈從0 m到3000 m逐漸上升的趨勢(shì),國(guó)道、省道、縣道、鄉(xiāng)鎮(zhèn)道路影響的閾值分別在900、900、450、750 m左右,除了國(guó)道外,其余各類型道路在2016年的RESI均高于2000年；(3)在城鄉(xiāng)梯度分析中,RSEI曲線的變化規(guī)律都是隨著與行政中心距離的增大而增大,到達(dá)一定閾值后出現(xiàn)不同程度的波動(dòng),區(qū)級(jí)的影響閾值在20 km左右,縣級(jí)的影響閾值在12 km左右,KDE曲線的變化規(guī)律與RSEI相反,其變化閾值與RSEI正好對(duì)應(yīng)；(4)剖面線所經(jīng)過(guò)的行政中心處,其RSEI為低值,KDE為高值,西北方向的內(nèi)陸地區(qū)RSEI高于東南方向的沿海地區(qū)；(5)在多尺度的地理加權(quán)回歸分析中,1500 m×1500 m和2000 m×2000 m這兩個(gè)網(wǎng)格單元采樣下的空間集聚性較強(qiáng),空間異質(zhì)性明顯,總體上來(lái)看,RSEI與KDE呈現(xiàn)負(fù)相關(guān)關(guān)系,負(fù)回歸系數(shù)主要分布在研究區(qū)的中心區(qū)域,其中ΔRSEI的空間分異特征更加明顯。