郝亮, 張彪, 姚華榮, 謝紫霞, 佘欣璐

基于高分影像的上海城市硬化地表空間格局分析

郝亮1,2, 張彪2,*, 姚華榮1, 謝紫霞2,3, 佘欣璐4

1. 長安大學地球科學與資源學院, 陜西 西安 710054 2. 中國科學院地理科學與資源研究所, 北京 100101 3. 中國科學院大學資源與環(huán)境學院, 北京 100049 4. 中國人民大學, 北京 100872

硬化地表是定量描述城市地表物理特征以及生態(tài)環(huán)境質(zhì)量的重要指標。基于2017 年高分2號衛(wèi)星影像, 反演提取了上海城市硬化地表信息, 對比分析了不同地域硬化地表分布格局及人居環(huán)境風險。結(jié)果表明, 2017 年上海城市硬化地表面積達2100 km2, 硬化地表覆蓋率為45%, 中心城區(qū)高達84%, 且連片分布特征明顯。從行政區(qū)來看, 靜安區(qū)硬化地表比例最高(94%), 且集中連片分布特征明顯, 金山區(qū)最低(30%), 約2/3的行政區(qū)硬化地表覆蓋率高于平均值(66%)。城市硬化地表空間分布由內(nèi)向外遞減, 內(nèi)環(huán)線以里的硬化地表比例高達91%且集中連片, 郊區(qū)線以外硬化地表覆蓋率低于29%, 但破碎化和分離度指數(shù)較高。此外, 城市硬化地表集中于北部, 南部以破碎化硬化地表格局為主, 南北方向的地表硬化率差距高達33%, 但東西方向差異不大。整體來看, 上海城市硬化地表空間格局差異化分布明顯, 約1200萬人口面臨著中度以上的人居環(huán)境風險, 因此應高度重視硬化地表集中區(qū)的生態(tài)環(huán)境效應并適當增加綠色基礎(chǔ)設(shè)施。

城市化; 硬化地表; 空間格局; 上海

0 前言

快速城市化是21 世紀人類面臨的重要挑戰(zhàn)[1]。2018 年全球城市化率已達55%, 2050 年將上升至68%[2], 我國的城市化水平也由改革開發(fā)初期的17.9%提高到59.6%[3]。城市化過程不僅表現(xiàn)為大量人口和產(chǎn)業(yè)向城鎮(zhèn)地區(qū)的集中, 而且大規(guī)模人工建設(shè)區(qū)域的增加使得原有綠色植被為建筑材料所替代, 并形成硬化地表[4], 經(jīng)常引發(fā)城市熱島、暴雨內(nèi)澇等生態(tài)環(huán)境問題[5–8]。因此硬化地表格局及其變化已成為監(jiān)測城市化過程與其生態(tài)環(huán)境效應的重要指標[9–10]。比如, 周玄德等在遙感技術(shù)支持下, 以烏魯木齊市主城區(qū)為例, 分析了不透水面與地表溫度的關(guān)系[11]; 于偉偉等采用氯仿熏蒸浸提法、磷脂脂肪酸法及BIOLOG培養(yǎng)法測定分析了城市硬化地表對土壤微生物群落結(jié)構(gòu)和功能的影響[12]。因此, 如何準確獲取與科學分析硬化地表信息至關(guān)重要, 尤其是隨著現(xiàn)代衛(wèi)星遙感技術(shù)的不斷進步, 城市硬化地表的動態(tài)獲取及多尺度分析受到重視[13]。Ridd利用硬化地表與植被指數(shù)、土壤組分之間的相關(guān)關(guān)系, 構(gòu)建了廣義城市地表概念模型(VIS)來估算地表各組分覆蓋度[14]。Bauer等則基于Landsat影像數(shù)據(jù)分析揭示了Twin大都市1986—2000 年硬化地表變化規(guī)律[15]。Wang等利用全球土地調(diào)查數(shù)據(jù)集, 開發(fā)了迭代運算并預測印度硬化地表的變化情況[16]。岳玉娟等利用Landsat 5TM影像, 分別采用NDVI二元法和線性光譜分解法提取京津唐城市硬化地表信息, 重點比較分析了不同方法的提取結(jié)果[17]; 此外, 李偉峰等[18]、劉珍環(huán)等[19]、聶芹等[20]分別研究了北京市、深圳市和廈門市的硬化地表格局特征。不過以往研究多利用中等分辨率影像來提取硬化地表信息, 對于城市硬化地表的空間格局差異分析及其帶來的人居環(huán)境風險研究較少。

上海是我國人口超千萬的特大城市之一。近年來上海城市化快速推進[21],人工建設(shè)強度高且頻繁[22],生態(tài)環(huán)境問題突出[23–24]。因此, 城市硬化地表特征及其生態(tài)環(huán)境的影響受到關(guān)注。比如, 岳文澤等利用線性光譜分解技術(shù), 提取分析了上海市硬化地表特征及其熱環(huán)境效應[25–26]。劉文淵等采用Landsat ETM+衛(wèi)星遙感影像提取上海市硬化地表、植被和水體, 發(fā)現(xiàn)城市硬化地表面積大幅增加并形成了城市熱島[27]。Nie等分析發(fā)現(xiàn)1997—2010 年上海中心城區(qū)的硬化地表明顯存在多維分形結(jié)構(gòu)特征[28]。徐藝揚等則綜合研究了上海城市建設(shè)用地、人口、降雨等因素對暴雨內(nèi)澇的影響, 發(fā)現(xiàn)中心城區(qū)DEM、硬化地表和人口分布顯著影響暴雨內(nèi)澇發(fā)生率[29]。王美雅等對比分析了上海和紐約城市硬化地表的時空變化及其對生態(tài)質(zhì)量的影響, 發(fā)現(xiàn)大面積的不透水面斑塊以及斑塊內(nèi)部高度連通和聚集的區(qū)域生態(tài)質(zhì)量較差[30]。但是, 這些研究多關(guān)注中心城區(qū)硬化地表格局及其生態(tài)環(huán)境效應, 而對城市內(nèi)部硬化地表的地域差異揭示不足, 且隨著上海城市建成區(qū)邊界不斷向外擴張[31], 探究生態(tài)文明新時代下超大城市的生態(tài)治理途徑迫在眉睫。因此, 本文基于上海市高分衛(wèi)星影像, 反演提取城市硬化地表信息, 并分析揭示不同地域空間的硬化地表分布特征, 可為上海城市生態(tài)環(huán)境治理以及綠色空間格局優(yōu)化提供參考依據(jù)。

本文基于上海市高分衛(wèi)星影像, 反演提取城市硬化地表信息, 并分析揭示不同地域空間的硬化地表分布特征, 可為上海城市生態(tài)環(huán)境治理以及綠色空間格局優(yōu)化提供參考依據(jù)。

1 研究區(qū)概況

上海市地處長江三角洲東南緣(30°40'—31°53' N, 120°51'—122°12' E)、長江和錢塘江入海匯合處。全境除西南部有少數(shù)剝蝕殘丘外, 均為坦蕩低平的長江三角洲平原, 平均海拔4 m左右。2017 年上海市管轄面積6340.50 km2, 包括浦東新區(qū)、黃浦區(qū)、徐匯區(qū)等16 區(qū)(圖1)。截至2017 年末, 上海市常住人口2418.33萬人, 人口密度達到3814人·km-2, 其中黃浦區(qū)、虹口區(qū)、楊浦區(qū)、普陀區(qū)等人口密度均超2萬人·km-2[32]。由于崇明區(qū)主要由崇明、長興和橫沙三島組成, 土地覆被以森林、農(nóng)田、水域為主, 而本文重點關(guān)注城市人工建設(shè)區(qū)域的硬化地表差異, 因此研究區(qū)設(shè)定為崇明區(qū)以外的浦東新區(qū)、閔行區(qū)、嘉定區(qū)、寶山區(qū)、松江區(qū)等15 區(qū)。上海城市空間擴展一定程度上受公路網(wǎng)建設(shè)影響[33], 棋盤式路網(wǎng)、放射狀干道與環(huán)城道路形成了上海市環(huán)形放射式道路網(wǎng)[34], 其中內(nèi)環(huán)高架、外環(huán)高速以及郊區(qū)環(huán)線等經(jīng)常作為劃分研究區(qū)的界線[35–36]。

2 研究方法

2.1 硬化地表提取

城市硬化地表是指各種不透水建筑材料所覆蓋的表面, 包括城鎮(zhèn)用地、農(nóng)村居民用地、工業(yè)用地、采礦用地、交通用地和其他建設(shè)用地等[37–39]。本文首先以中國資源衛(wèi)星應用中心陸地觀測衛(wèi)星數(shù)據(jù)服務平臺的高分2 號衛(wèi)星影像數(shù)據(jù)為基礎(chǔ), 選用2017 年4 月29 日至2018 年3 月10 日的2 m分辨率多光譜影像共38 景, 利用ENVI軟件進行正射校正、輻射定標、圖像融合、大氣校正等, 以上海市行政區(qū)劃為范圍, 以8km*8km為網(wǎng)格共劃分73個單元網(wǎng)格, 分別進行分幅矢量化得到上海市土地覆被數(shù)據(jù)(圖2)。然后采用分層與分類隨機抽取方法進行精度驗證, 在ArcGIS平臺中采用Random模塊, 按照30 m*30 m格網(wǎng)類型分別計算各類型抽樣個數(shù), 根據(jù)設(shè)定類型抽樣數(shù)隨機選取樣本數(shù), 經(jīng)檢驗該影像數(shù)據(jù)解譯精度達到80%以上, 滿足本研究需要。最后對上海市土地覆被矢量數(shù)據(jù)進行重分類和掩膜處理得到研究區(qū)硬化地表數(shù)據(jù), 并重采樣生成柵格數(shù)據(jù)圖層。

圖1 研究區(qū)位置示意圖

Figure 1 Location of study area

圖2 城市硬化地表信息提取流程及單元格網(wǎng)劃分

Figure 2 Extraction process and cell network division of urban impervious surface information

2.2 空間格局分析

為分析揭示上海城市硬化地表的空間格局差異, 借助ArcGIS10.2和Fragstats4.2統(tǒng)計比較不同地域尺度下硬化地表面積及其景觀格局特征, 其中景觀格局指數(shù)選用斑塊密度(Patch density, PD)、最大斑塊指數(shù)(Largest patch index, LPI)、景觀形狀指數(shù)(Landscape shape index, LSI)、同類斑塊鄰接比(Percentage of like adjacencies, PLADJ)和分離度指數(shù)(Splitting index, SPLIT)表示[40–41]。不同地域尺度分別從中心城區(qū)內(nèi)外、15 個行政區(qū)、重要交通環(huán)線以及不同方位進行設(shè)置。依據(jù)上海市道路網(wǎng)的主要交通環(huán)線, 將內(nèi)環(huán)線以里、內(nèi)環(huán)線—外環(huán)線、外環(huán)線—郊區(qū)環(huán)線以及郊區(qū)環(huán)線以外的地區(qū)劃分為四個區(qū)域(圖3), 并將外環(huán)線以內(nèi)地區(qū)作為中心城區(qū)[42]。此外, 以研究區(qū)的幾何空間中心為圓心, 以適當長度為半徑, 畫出八個夾角均為45°的扇形, 轉(zhuǎn)換為面數(shù)據(jù)后, 調(diào)用ArcGIS10.2軟件中的ArcTool box/Spatial Analysis /Extraction/Extract by mask工具, 并將研究區(qū)劃分為代表不同方位象限的八個扇形區(qū)域(圖3)。

2.3 人居環(huán)境影響

城市快速擴張帶來的硬化地表大幅增長及其空間格局變化, 極易伴隨產(chǎn)生城市熱島[17,27–28]、暴雨內(nèi)澇[30,43–44]、土壤退化[13,45]等一系列生態(tài)環(huán)境效應, 從而增加高溫內(nèi)澇災害風險, 降低城市人居環(huán)境質(zhì)量。比如, 2010 年8 月中旬持續(xù)多日的高溫熱浪天氣, 使得上海市日用電負荷屢創(chuàng)新高, 當日中心城區(qū)供水量也達到極值, “中風”、“中暑”和“腹瀉”人數(shù)激增[46]。2013 年10 月6—8 日“菲特”臺風帶來的特大暴雨導致上海嚴重內(nèi)澇, 交通癱瘓, 9.7 萬人受災, 直接經(jīng)濟損失9300 余萬元[47]。由于城市硬化地表集中分布與其生態(tài)環(huán)境問題有一定程度的相關(guān)性[48–50], 為此根據(jù)不同地域硬化地表與人口分布的耦合程度來綜合判斷人居環(huán)境風險級別。其中, 地表硬化程度采用柵格單元內(nèi)(100 m*100 m)硬化地表面積占柵格單元面積的比率表示, 人口規(guī)模則采用上海市第六次人口普查數(shù)據(jù)得到的街道人口密度分布數(shù)據(jù)。首先將地表硬化率(HSR)與人口密度(PD)劃分為不同等級(表1), 并取二者中的最小值作為人居環(huán)境風險等級(ERI)。

3 結(jié)果與分析

3.1 中心城區(qū)差異

根據(jù)高分遙感影像的地表覆被信息提取結(jié)果, 2017 年上海城市硬化地表面積有2100 km2, 幾乎占到研究區(qū)的45%。其中, 26%的硬化地表分布在中心城區(qū), 其面積接近554 km2, 地表硬化率高達84%, 對城市內(nèi)部熱輻射、水循環(huán)、土壤環(huán)境等生態(tài)影響風險極大[45,51–52]。不過, 在中心城區(qū)以外分布有硬化地區(qū)1546 km2, 占到城市硬化地表面積的74%, 但地表硬化率僅為38%, 不及中心城區(qū)地表硬化率的一半(表2)。

圖3 上海地域單元劃分及城市硬化地表空間分布

Figure 3 Zoning and distribution of urban impervious surface in shanghai

表1 基于城市硬化地表與人口密度耦合的人居環(huán)境風險等級

從景觀格局指數(shù)來看, 上海城市硬化地表的斑塊密度(PD)為1.73, 稍低于中心城區(qū)外的斑塊密度(PD=1.84), 接近中心城區(qū)內(nèi)斑塊密度的10 倍(PD=0.17), 同時中心城區(qū)內(nèi)硬化地表的LPI明顯高于中心城區(qū)外部和研究區(qū)均值(表2), 說明中心城區(qū)內(nèi)的硬化地表斑塊數(shù)量少且面積大。上海城市硬化地表景觀形狀復雜(LSI=111.78), 而中心城區(qū)內(nèi)硬化地表的斑塊形狀非常規(guī)則(LSI=18.56), 這與中心城區(qū)健全完善的交通路網(wǎng)與城市建設(shè)規(guī)劃有關(guān)。此外, 上海城市硬化地表斑塊空間分布相對集中, 尤其是中心城區(qū)內(nèi)部的硬化地表斑塊鄰接比(PLADJ)相對較高, 且空間分離度指數(shù)(SPLIT)接近中心城區(qū)外部的一半, 說明中心城區(qū)內(nèi)硬化地表團聚程度較, 硬化地表聚集成片分布特征顯著。

3.2 行政區(qū)間差異

從不同行政區(qū)來看, 分布在浦東新區(qū)、松江區(qū)、嘉定區(qū)等近郊區(qū)的硬化地表面積較大, 而靜安區(qū)、虹口區(qū)、長寧區(qū)等城區(qū)的硬化地表面積均較小。其中, 浦東新區(qū)的硬化地表面積最大(560 km2), 占到研究區(qū)硬化地表總面積的27%, 黃浦區(qū)硬化地表面積最小(14 km2), 僅為上海城市硬化地表面積的0.7%, 這主要與不同行政區(qū)的管轄面積大小有關(guān)。不過, 靜安區(qū)、虹口區(qū)、長寧區(qū)等城區(qū)的地表硬化率明顯高于浦東新區(qū)、松江區(qū)、嘉定區(qū)等近郊區(qū)。其中, 靜安區(qū)硬化地表比例最高(94%), 虹口區(qū)、長寧區(qū)、徐匯區(qū)和普陀區(qū)的地表硬化率均超過90%, 松江區(qū)和浦東新區(qū)的硬化地表比例接近研究區(qū)平均值(45%), 而金山區(qū)的硬化地表比例最低(29.75%)?？梢? 上海城市硬化地表的面積規(guī)模以外部郊區(qū)為主, 而硬化景觀以內(nèi)部城區(qū)為主。

此外, 不同行政區(qū)硬化地表的景觀指數(shù)差異顯著(圖5)。硬化地表的斑塊密度(PD)和分離度指數(shù)(SPLIT)均表現(xiàn)出由城區(qū)向郊區(qū)整體增加的趨勢。其中, 徐匯區(qū)硬化地表斑塊密度最低(PD=0.04), 奉賢區(qū)硬化地表斑塊密度和分離度均最高(PD=3.65; SPLIT=8.39), 而虹口區(qū)分離度指數(shù)最低。上海城市硬化地表形狀也由內(nèi)城相對規(guī)則、郊區(qū)相對復雜的趨勢轉(zhuǎn)變, 其中, 虹口區(qū)硬化地表形狀最為規(guī)則(LSI=3.28), 奉賢區(qū)形狀最為復雜(LSI=51.48)。但是, 硬化地表的最大斑塊面積表現(xiàn)出由城區(qū)向郊區(qū)整體降低的趨勢, 其中靜安區(qū)硬化地表的LPI最高(97), 而奉賢區(qū)最低(LPI=31.42), 說明遠郊區(qū)硬化地表以小面積斑塊分布為主。此外, 各行政區(qū)硬化地表PLADJ比較接近且平均值達97.62%, 其中, 徐匯區(qū)硬化地表PLADJ最大(99.21%), 奉賢區(qū)最低(93.93%), 表明不同行政區(qū)的硬化地表鄰接比例較高。

表2 上海中心城區(qū)內(nèi)外的硬化地表面積差異

表3 上海中心城區(qū)內(nèi)外硬化地表的景觀指數(shù)差異

圖4 上海城市硬化地表的行政區(qū)分布

Figure 4 Area differences of impervious surface among administrative regions in Shanghai

3.3 道路環(huán)線差異

交通道路對城市空間形態(tài)有著重要影響[53–54], 為此結(jié)合上海市主要交通線路分析不同環(huán)線區(qū)硬化地表的分布。結(jié)果發(fā)現(xiàn), 外環(huán)—郊區(qū)線之間的硬化地表面積最大(979 km2), 占到研究區(qū)硬化地表總面積的47%; 其次為郊區(qū)環(huán)線以外的地區(qū)和內(nèi)環(huán)—外環(huán)線之間地區(qū), 分別有硬化地表671 km2和366 km2, 占到硬化地表總面積的32%和17%; 內(nèi)環(huán)線以里的硬化地表面積最小, 僅為不足總面積的4%(圖6)。不過, 城市地表硬化率從內(nèi)環(huán)向外環(huán)依次降低, 其中, 內(nèi)環(huán)線以里地區(qū)的地表硬化率高達91%, 內(nèi)環(huán)—外環(huán)線之間地區(qū)和郊區(qū)環(huán)線以外地區(qū)的地表硬化率分別為82%和53%, 而郊環(huán)線以外的硬化地表比例僅為29%, 不及內(nèi)環(huán)線以里地表硬化率的1/3, 因此, 雖然上海城市硬化地表面積主要集中在外環(huán)線以外的地區(qū), 但外環(huán)線以里地區(qū)表現(xiàn)出高度地表硬化特征。

從景觀格局指數(shù)來看, 硬化地表斑塊密度(PD)、景觀形狀指數(shù)(LSI)和分離度指數(shù)(SPLIT)均表現(xiàn)出由內(nèi)環(huán)向外環(huán)整體增加的趨勢(表4)。其中, 內(nèi)環(huán)線以里硬化地表的PD和LSI與郊區(qū)環(huán)線以外地區(qū)差異巨大, 而分離度指數(shù)(SPLIT)的道路環(huán)線差異相對較小, 表明外環(huán)線以外地區(qū)的硬化地表斑塊相對復雜多變, 這可能與郊區(qū)大面積生態(tài)空間的鑲嵌分隔有關(guān)。同時, 上海城市硬化地表最大斑塊指數(shù)(LPI)和同類斑塊鄰接比(PLADJ)表現(xiàn)出由內(nèi)環(huán)向外環(huán)整體降低的趨勢。其中, 內(nèi)環(huán)線以里硬化地表的LPI要比郊區(qū)環(huán)線以外地區(qū)高24%, 其PLADJ也比外環(huán)—郊區(qū)線之間地區(qū)高2%, 說明外環(huán)線以里硬化地表集聚化分布特征明顯, 而郊區(qū)硬化地表斑塊相對零散分布。

圖5 上海城市硬化地表景觀格局指數(shù)的行政區(qū)分布差異

Figure 5 Landscape index differences of impervious surface among administrative regions in Shanghai

圖注: 1—4分別表示內(nèi)環(huán)線以里、內(nèi)環(huán)—外環(huán)線、外環(huán)—郊環(huán)線和郊環(huán)線以外的區(qū)域。

Figure 6 Area differences of impervious surface among traffic loops in Shanghai

3.4 方位象限差異

上海城市空間格局正由高度聚集的單中心城市向“多心、多核、多組團”結(jié)構(gòu)轉(zhuǎn)變[55], 同心圓式的區(qū)域分析有助于比較不同方位象限內(nèi)硬化地表的分布差異[56]。為此統(tǒng)計不同方位象限內(nèi)硬化地表面積發(fā)現(xiàn), 上海城市硬化地表高度集中于北部地區(qū)且南北差異大, 而東西方向分布相類似(圖7)。其中, 研究區(qū)正北方向(N)分布有硬化地表427 km2, 占到硬化地表總面積的20%, 且地表硬化率高達72%; 而正南方向(S)的硬化地表面積僅有190 km2, 地表硬化率約為39%, 均接近正北方向硬化地表分布的1/2; 但是東西方向硬化地表的占比均為12%, 且地表硬化率分別為34%和39%, 因而硬化地表分布的東西差異不大。

從景觀格局指數(shù)來看, 北部地區(qū)硬化地表斑塊密度(PD)明顯小于南部, 且正東方向PD約為正西方向的兩倍, 但是北部地區(qū)硬化地表的最大斑塊指數(shù)(LPI)顯著高于南部, 而東西方向LPI值比較接近, 說明上海城市硬化地表在北部連片分布特征明顯, 但東西差異不大(表5)。不過, 對于硬化地表形狀指數(shù)(LSI)和分離度指數(shù)(SPLIT)而言, 南部地區(qū)LSI和SPLIT均高于北部地區(qū), 且正東方向高于正西方向, 說明南部地區(qū)硬化地表斑塊形狀復雜且空間距離較大。不過, 硬化地表的同類斑塊鄰接比(PLADJ)的方位差異不顯著, 北部硬化地表團聚程度稍高于南部地區(qū)、東部稍高于西部。總體來看, 上海城市硬化地表以大面積的規(guī)則斑塊分布于北部地區(qū), 南部地區(qū)硬化地表零散分布特征明顯。

表4 上海城市硬化地表景觀指數(shù)的道路環(huán)線差異

圖7 上海城市硬化地表分布的方位象限差異

Figure 7 Area differences of impervious surface among various directions in Shanghai

表5 上海城市硬化地表景觀指數(shù)的方位差異

3.5 人居環(huán)境風險

結(jié)果發(fā)現(xiàn), 上海高人居環(huán)境風險區(qū)主要分布在黃浦江以西的中心城區(qū), 地表硬化率高達95%, 城市北中部人居環(huán)境風險高于南部及東西部地區(qū)(圖8); 一般等級人居環(huán)境風險區(qū)的硬化地表面積最大, 約占研究區(qū)硬化地表總面積的49%, 低、中等和較高等級人居環(huán)境風險區(qū)的硬化地表面積接近, 而高人居環(huán)境風險區(qū)的硬化地表面積最小。但是, 地表硬化率與人口密度變化高度一致, 中等以上人居環(huán)境風險地區(qū)的人口高度集中, 而且其地表硬化率均超過70%, 如果按照現(xiàn)有人口密度估算, 大約1200 萬人遭受著中等以上人居環(huán)境風險等級的影響(表6)。

4 討論與結(jié)論

4.1 討論

城市化過程中硬化地表的快速增加可改變城市內(nèi)部的水、熱、土壤以及能量流[17,45 , 51–52], 因而城市硬化地表的生態(tài)環(huán)境影響評估需要高精度硬化地表數(shù)據(jù)[43–44,53]。目前城市硬化地表信息的提取多是根據(jù)Landsat TM/ETM或MODIS等中等分辨率遙感影像中不透水面的光譜特征[25,28,30], 但混合像元易受具有相似光譜特征的地物影響[57–58], 為此準確獲得城市硬化地表信息需要高分辨率遙感影像(小于10 m)數(shù)據(jù)的支持[59–60]。不過, 李偉峰等[10]對比分析了不同空間分辨率遙感信息對硬化度指數(shù)的影響, 發(fā)現(xiàn)嚴重破碎化的都市區(qū)采用中分辨率(TM)影像提取的硬化地表信息精度要高于SPOT影像, 原因主要在于高分辨率下精細化的地表斑塊信息反而掩蓋了土地利用性質(zhì)的整體趨勢。比如部分地表斑塊(道路中間綠化隔離帶)雖未表現(xiàn)出不透水光譜特征, 但其實際用途是作為硬化地表性質(zhì)所存在的。為此, 本文基于高分2 號衛(wèi)星影像直接提取地表覆被類型, 然后按照土地利用性質(zhì)歸類得到硬化地表覆被信息, 從城市土地利用屬性的角度反映城市硬化地表的空間格局特征。

本研究提取的硬化地表結(jié)果表明, 2017 年上海城市硬化地區(qū)面積為2100 km2, 高于王美雅等[30]得出2015 年上海不透水面積1145 km2的結(jié)論, 原因在于本文研究區(qū)范圍(4703.33 km2)遠大于后者所致(3120.43 km2)。該研究發(fā)現(xiàn)上海中心城區(qū)現(xiàn)有硬化地表面積553.81 km2, 地表硬化率高達83.54%, 高于岳文澤等[35]測算的2002年上海中心城區(qū)不透水面蓋度為65.63%的結(jié)果, 這與2002年以后上海城市化進程的快速推進有關(guān)[60]。此外, 上海市硬化地表由內(nèi)向外遞減的差異化分布特征明顯, 且景觀格局的南北差異明顯高于東西差異, 這與岳文澤等[26]發(fā)現(xiàn)上海中心城區(qū)的不透水面東西變化規(guī)律而南北變化復雜的研究結(jié)論相一致。該研究發(fā)現(xiàn)在上海市中心城區(qū)硬化地表斑塊大, 斑塊連片分布的聚集度極高, 這與王美雅等[30]研究結(jié)論一致。

受城市規(guī)劃、區(qū)域定位發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、交通設(shè)施等諸多因素的影響, 上海城市空間形態(tài)擴張塑造了城市硬化地表的空間格局差異, 而人口規(guī)模的急劇增加和GDP實力的快速增長又是上海城市擴張的主要驅(qū)動力[60]。因此, 合理布局城市生產(chǎn)、生活與生態(tài)空間, 適度控制硬化地表規(guī)模與強度是有效降低城市人居環(huán)境風險的關(guān)鍵。為此, 上海市應高度重視中心城區(qū)硬化地表過度集中且成片分布的問題, 繼續(xù)加強城市人口與生產(chǎn)企業(yè)向郊區(qū)的疏散與疏解, 同時加強老舊小區(qū)改造, 增加立體綠化、人工濕地等綠色基礎(chǔ)設(shè)施, 并預留一定數(shù)量的應急避險用地, 以增強生態(tài)環(huán)境風險的應對能力; 此外, 要推進市域綠色空間格局的整體優(yōu)化, 加強不同交通環(huán)線之間生態(tài)廊道的聯(lián)系, 減弱硬化地表斑塊空間聚集的負面效應, 促進城市內(nèi)部熱量、水文及其能量流的暢通循環(huán), 從而整體增加城市生態(tài)韌性與環(huán)境安全。

圖8 基于城市硬化地表與人口密度耦合的人居環(huán)境風險等級

Figure 8 Risk grades of human settlement based on impervious surface and population density

表6 上海城市硬化地表空間與人口分布的疊加分析

不過, 受遙感衛(wèi)星成像時間、天氣條件以及柵格單元大小的限制, 硬化地表提取精度可能存在一定誤差。同時, 高分影像的地物判斷與覆被信息提取盡管相對準確, 但是占用花費大量人力物力。Shao等[57]研究發(fā)現(xiàn), 采用高分影像(GF–1)與Sentinel–1A融合得到的硬化地表要比單一影像提取的數(shù)據(jù)更精確, 因此, 未來研究可綜合多種光學和衛(wèi)星影像數(shù)據(jù)進一步驗證本文提取的硬化地表信息結(jié)果。但是, 受益于高分衛(wèi)星遙感技術(shù)的快速進步與成像數(shù)據(jù)源愈加豐富, 研究城市硬化地表自動化提取及其生態(tài)環(huán)境影響的時空動態(tài)分析將更加重要。此外, 雖然城市硬化地表集中地區(qū)的生態(tài)環(huán)境問題突出, 不過目前針對地表硬化的生態(tài)效應及其改造方法大多還停留在定性或簡單定量化的階段[50], 加強城市地表硬化生態(tài)效應的定量化監(jiān)測評價, 關(guān)注城市地表硬化的復合生態(tài)效應及生態(tài)化改造的系統(tǒng)研究將是城市生態(tài)學的研究熱點。

4.2 結(jié)論

該研究發(fā)現(xiàn), 2017 年上海城市地表硬化率為45%, 但中心城區(qū)高達84%, 且連片集中分布。15個行政區(qū)中有2/3的地區(qū)硬化地表覆蓋率高于平均值。在城市空間上硬化地表由內(nèi)向外遞減分布, 內(nèi)環(huán)線以里硬化地表比例高達91%且集中連片, 郊區(qū)線以外硬化地表的破碎化和分離度指數(shù)較高。此外, 上海城市硬化地表集中分布于北部, 南北方向差距大, 但東西方向類似。整體來看, 上海城市硬化地表的空間差異化分布明顯, 且與人口分布高度相關(guān), 其生態(tài)環(huán)境風險威脅到1200萬的城市人口, 因此應重點關(guān)注高度硬化地區(qū)的綠色基礎(chǔ)設(shè)施布局與優(yōu)化。

[1] 方創(chuàng)琳. 改革開放30 年來中國的城市化與城鎮(zhèn)發(fā)展[J]. 經(jīng)濟地理, 2009, 29(1): 19–25.

[2] United Nations, Departments of economic and social affairs. 2018 revision of world urbanization prospects[R/OL]. [2018–05–16].https://www.un.org/development/desa/publications/2018-revision-of-world-urbanization-prospects.html.

[3] 方創(chuàng)琳. 改革開放40 年來中國城鎮(zhèn)化與城市群取得的重要進展與展望[J]. 經(jīng)濟地理, 2018, 38(9): 1–9.

[4] HOWARD J. The nature and significance of anthropogenic soils[M]. Berlin: Anthropogenic Soils, Springer Interna-tional Publishing, 2017.

[5] 肖榮波, 歐陽志云, 蔡云楠, 等. 基于亞像元估測的城市硬化地表景觀格局分析[J]. 生態(tài)學報, 2007, 27(8): 3189– 3197.

[6] ANSARI T A, KATPATAL Y B, VASUDEO A D. Spatial evaluation of impacts of increase in impervious surface area on SCS–CN and runoff in Nagpur urban watersheds, India[J]. Arabia Journal of Geosciences, 2016, 9(18): 702–717.

[7] 劉珍環(huán), 李猷, 彭建. 城市不透水表面的水環(huán)境效應研究進展[J].地理科學進展, 2011, 30(3): 275–281.

[8] XU Hangqiu. Analysis of impervious surface and its impact on urban heat environment using the normalized difference impervious surface Index(NDISI)[J]. Photogrammetric Engineering and Remote Sensing, 2010, 76(5): 557–565.

[9] DENG shenglu, Weng Qihao. Use of impervious surface in urban land–use classification[J]. Remote Sensing of Environment, 2006, 102(1): 146–160.

[10] 李偉峰, 王軼. 城市硬化地表格局特征及尺度效應遙感研究[J]. 國土資源遙感, 2010,(1): 69–72.

[11] 周玄德, 郭華東, 孜比布拉·司馬義. 城市擴張過程中不透水面空間格局演變及其對地表溫度的影響——以烏魯木齊市為例[J]. 生態(tài)學報, 2018, 38(20): 7336–7347.

[12] 于偉偉, 陳媛媛, 楊寧, 等. 硬化地表對不同樹種土壤微生物群落結(jié)構(gòu)和功能的影響[J]. 生態(tài)學報, 2019, 39(10): 3575–3585.

[13] TANYA S,UNGER H. Introductory Digital Image Processing: A Remote Sensing Perspective, Third Edition[J]. Environmental and Engineering Geoscience, 2007, 13(1):89–90.

[14] RIDD M K. Exploring a V–I–S (vegetation–impervious surface–soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities[J]. International Journal of Remote Sensing, 1995, 16(12): 2165–2185.

[15] BAUER M E, DOYLE J K, HEINERT N J. Impervious surface mapping using satellite remote sensing[J] Geoscience and Remote Sensing Symposium, 2002, 4: 2334–2336.

[16] WANG Panshi, HUANG Chengquan, ERIC B D C. Mapping 2000–2010 Impervious Surface Change in India Using Global Land Survey Landsat Data[J]. Remote Sensing, 2017, 9(4): 366–384.

[17] 岳玉娟, 周偉奇, 錢雨果, 等. 大尺度不透水面遙感估算方法比較——以京津唐為例[J]. 生態(tài)學報, 2015, 35(13): 4390–4397.

[18] 李偉峰, 歐陽志云, 陳求穩(wěn), 等. 基于遙感信息的北京硬化地表格局特征研究[J]. 遙感學報, 2008,12(4): 603–612.

[19] 劉珍環(huán), 王仰麟, 彭建, 等. 基于不透水表面指數(shù)的城市地表覆被格局特征—— 以深圳市為例[J]. 地理學報, 2011, 66(7): 961–971.

[20] 聶芹, 陳明發(fā), 李暉, 等. 廈門市不透水面的時空演變[J]. 遙感信息, 2019, 34(3): 99–106.

[21] 汪瑩, 陸林, 黃劍鋒, 等. 上海、東京城市化進程及動力因子比較研究[J]. 人文地理, 2017, 32(3): 77–85.

[22] 李瑩瑩, 黃成林, 張玉. 快速城市化背景下上海綠色空間景觀格局梯度及其多樣性時空動態(tài)特征分析[J]. 生態(tài)環(huán)境學報, 2016, 25(7): 1115–1124.

[23] 石憶邵. 中國“城市病”的測度指標體系及其實證分析[J]. 經(jīng)濟地理, 2014, 34(10): 1–6.

[24] 方創(chuàng)琳. 中國城市群研究取得的重要進展與未來發(fā)展方向. 地理學報, 2014, 69(8): 1130–1144.

[25] 岳文澤, 吳次芳. 基于混合光譜分解的城市不透水面分布估算[J]. 遙感學報, 2007, 11(6): 914–922.

[26] 岳文澤, 徐建華. 上海市人類活動對熱環(huán)境的影響[J].地理學報,2008, 63(3):247–256.

[27] 劉文淵, 謝亞楠, 萬智龍, 等. 不同地表參數(shù)變化的上海市熱島效應分析[J]. 遙感技術(shù)與應用. 2012, 27(5): 797–803.

[28] NIE Qin, XU Jianhua, LIU Zuhan. Fractal and multifractal characteristic of spatial pattern of urban impervious surfaces[J]. Earth Science Informatics, 2015, 8(2): 381–392.

[29] 徐藝揚, 李昆, 謝玉靜, 等. 基于GIS的城市內(nèi)澇影響因素及多元回歸模型研究—— 以上海為例[J]. 復旦學報, 2018, 57(2): 182–198.

[30] 王美雅, 徐涵秋. 上海和紐約城市不透水面時空變化及其對生態(tài)質(zhì)量影響的對比[J]. 應用生態(tài)學報, 2018, 29(11): 3735–3746.

[31] 錢敏蕾, 徐藝揚, 李響, 等. 上海市城市化進程中熱環(huán)境響應的空間評價[J]. 中國環(huán)境科學, 2015, 35(2): 624–633.

[32] 上海市統(tǒng)計局. 2018年上海統(tǒng)計年鑒[R]. 北京: 中國統(tǒng)計出版社, 2018.

[33] 朱查松, 王德, 趙倩, 等. 上海市空間擴展與公路網(wǎng)規(guī)劃的協(xié)調(diào)性研究[J]. 城市規(guī)劃學刊, 2014, 214(1): 60–64.

[34] 潘軼鎧, 常沛紋, 杜鵬程. 2009—2014年上海市高/快速路網(wǎng)運行特征分析[J]. 交通與運輸, 2015, 31(2): 19–21.

[35] 岳文澤, 徐麗華. 城市土地利用類型及格局的熱環(huán)境效應研究—— 以上海市中心城區(qū)為例[J]. 地理科學, 2007, 27(2): 243–248.

[36] 高翔偉, 戴詠梅, 韓玉潔, 等. 上海市森林生態(tài)連清體系監(jiān)測布局與網(wǎng)絡(luò)建設(shè)研究[M]. 北京: 中國林業(yè)出版社, 2016.

[37] WU Changshan, MURRAY A T. Estimating impervious surface distribution by spectral mixture analysis[J]. Remote Sensing of Environment, 2003, 84(4): 493–505.

[38] 李偉峰, 歐陽志云, 陳求穩(wěn), 等. 基于遙感信息的北京硬化地表格局特征研究[J]. 遙感學報, 2008, 12(4): 603–612.

[39] 朱明, 徐建剛, 李建龍, 等. 上海市景觀格局梯度分析的空間幅度效應[J].生態(tài)學雜志, 2006, 25(10): 1214–1217.

[40] 李秀珍, 布仁倉, 常禹, 等. 景觀格局指標對不同景觀格局的反應[J]. 生態(tài)學報, 2004, 24(1): 123–134.

[41] 鐘煒菁, 王德, 謝棟燦, 等. 上海市人口分布與空間活動的動態(tài)特征研究——基于手機信令數(shù)據(jù)的探索[J]. 地理研究, 2017, 36(5): 972–984.

[42] XU Hanqiu, LIN Dongfang, TANG Fei. The impact of impervious surface development on land surface temperature in a subtropical city: Xiamen, China[J]. International Journal of Climatology, 2013, 33(8): 1873–1883.

[43] KIM H, JEONG H, JEON J, et al. The impact of impervious surface on water quality and its threshold in Korea[J]. Water, 2016, 8(4): 111–120.

[44] WENG Qihao, HU Xuefei, LIU Hua. Estimating impervious surfaces using linear spectral mixture analysis with multitemporal ASTER images[J]. International Journal of Remote Sensings, 2009, 30(18): 4807–4830.

[45] LEPESKA T. The impact of impervious surfaces on ecohydrology and health in urban ecosystems of Banka Bystrica(slovakia)[J]. Soil and Water Research, 2016, 11(1): 29–36.

[46] 陳敏, 耿福海, 馬雷鳴, 等. 近138年上海地區(qū)高溫熱浪事件分析[J]. 高原氣象, 2013, 32(2): 597–607.

[47] 李海宏, 吳吉東. 2007—2016年上海市暴雨特征及其與內(nèi)澇災情關(guān)系分析[J].自然資源學報, 2018, 33(12): 2136–2148.

[48] XU Hanqiu, WANG Meiya, SHI Tingting, et al. Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based on ecological index(RSEI) [J]. Ecological Indicator, 2018, 93: 730–740.

[49] 韓丹, 張文君, 李強, 等. 成都市不透水面擴張與生態(tài)環(huán)境質(zhì)量變化的關(guān)系[J]. 西南科技大學學報, 2019, 3(4): 34–40.

[50] 趙丹. 城市地表硬化的復合生態(tài)效應及生態(tài)化改造方法[J].中國人口?資源與環(huán)境, 2016, 26(5): 213-217.

[51] YAN Yan, KUANG Wenghui, ZHANG Chi, et al. Impacts of impervious surface expansion on soil organic carbon–A spatially explicit study[J]. Scientific Reports, 2015, 5(17): 905–912.

[52] 趙堅. 城市交通及其塑造城市形態(tài)的功能——以北京市為例[J]. 城市問題, 2008(5): 2–6, 39.

[53] 孫楊, 謝曼平, 尚發(fā)美. 城市道路與空間格局演變研究——以西安市為例[J]. 城鎮(zhèn)化與集約用地, 2019, 7(3): 87–97.

[54] 吳健. 上海城市空間布局調(diào)整的環(huán)境效應分析[J]. 中國人口?資源與環(huán)境, 2010, 20(3): 345–348.

[55] 俞龍生, 符以福, 俞懷義, 等. 快速城市化地區(qū)景觀格局梯度動態(tài)及其城鄉(xiāng)融合區(qū)特征——以廣州市番禺區(qū)為例[J].應用生態(tài)學報, 2011, 22(1): 171–180.

[56] DU Shi qiang, SHI Peijun, VAN ROMPAEY, et al. Quantifying the impact of impervious surface location on flood peak discharge in urban areas[J]. Natural Hazards, 2015, 76(3): 1457–1471.

[57] SHAO Zhenfeng, FU Huyan, FU Peng, et al. Mapping urban impervious surface by fusing optical and SAR data at the decision level[J]. Remote Sensing, 2016, 8(11): 945–956.

[58] LU Dengsheng, HETRICK S, MORAN E. Impervious surface mapping with quickbird imagery[J]. International Journal of Remote Sensing, 2011, 32(9), 2519–2533.

[59] YANG Jian, HE Yuhong. Automated mapping of impervious surfaces in urban and suburban areas: Linear spectral unmixing of high spatial resolution imagery[J]. International Journal of Applied Earth Observations and Geoinformation. 2017, 54: 53–64.

[60] 邵鑫. 基于地理國情數(shù)據(jù)的上海市城區(qū)空間擴展分析評價[J]. 科技資訊, 2019, 17(24): 188–189.

Analysis on the spatial pattern of urban impervious surface in Shanghai

HAO Liang1,2, ZHANG Biao2,*, YAO Huarong1, XIE Zixia2,3, SHE Xinlu4

1. College of Earth Science and Resources, Chang'an University, Xi'an Shanxi 710054, China 2. Institute of Geographical Sciences and Natural Resources, Chinese Academy of Science, Beijing 100101, China 3. University of Chinese Academy of Sciences, Beijing 100049, China 4. Renmin University of China, Beijing 100872, China

Accompanied by the rapid expansion of urban size, the growing impervious surface caused more and more urban crisis, such as heat islands, waterlogging, air pollution, and so on. The impervious surface has become a critical monitor indicator on environmental issue in many large cities. This paper extracted the impervious surfaces in Shanghai by means of GF-2 Satellite Imagery data in 2017, and analyzed their characteristics at various scales and ecological risk. The results showed that, the area of urban impervious surface was 2100 km2in 2017 and covered 45% of the total urban area of Shanghai, whereas the impervious surface reached 84% and distributed in the central region. The area proportion of impervious surface in Jing'an District presented the highest (94%), with the most aggregated distribution, the lowest was in Jinshan District (30%), and the average percentage of impervious surface reached 66% and occurred in nearly 2/3 administrative region. The impervious surface gradually decreased from urban center to the outskirts. The area proportion of impervious surface in the inner ring road reached 91% and highly concentrated, whereas it was less than 29% and separately distributed beyond the suburban road. In addition, the abundant impervious surface concentrated in the northern region in Shanghai, and the area proportion of impervious surface exceeded 33% than that in the southern region, but there was little difference on impervious surface between the eastern and the western regions. Approximately 12 million citizens were living medium and high ecological risk in Shanghai. Therefore, the impervious surface in Shanghai generated obvious spatial heterogeneity, and we should pay attention to the ecological effect of impervious surface and the improvement on urban green infrastructure.

urbanization; impervious surface; spatial pattern; Shanghai

10.14108/j.cnki.1008-8873.2022.02.022

Q149

A

1008-8873(2022)02-184-10

2020-03-19;

2020-04-30

上海市環(huán)保科研項目(滬環(huán)科<2018>第2號)

郝亮(1995—), 男, 碩士, 主要從事城市生態(tài)學研究, E-mail: hl729442704@163.com

通信作者:張彪, 男, 博士, 副研究員, 主要從事生態(tài)服務功能與生態(tài)安全,zhangbiao@igsnrr.ac.cn

郝亮, 張彪, 姚華榮, 等. 基于高分影像的上海城市硬化地表空間格局分析[J]. 生態(tài)科學, 2022, 41(2): 184–193.

HAO Liang, ZHANG Biao, YAO Huarong, et al. Analysis on the spatial pattern of urban impervious surface in Shanghai[J]. Ecological Science, 2022, 41(2): 184–193.