西安市不透水面的變化及其驅動力

周 鵬， 謝元禮， 高志遠， 蔣廣鑫

(西北大學 城市與環境學院， 陜西 西安 710127)

不透水面(impervious surface)是指由瓦片、瀝青、塑料、金屬以及混凝土等不透水性材料構成的道路、停車場、人行道、屋頂和城市景觀等不透水表面的總和[1-3]，由于城市發展，其面積會持續增加，進而對城市防洪減災、生態環境產生威脅。自20世紀后期引起國內外學者關注以來，對其研究的理論和方法已經取得了很大進展。

城市不透水面已經成為城市化過程和環境質量評價的重要指標[4]。隨著經濟社會的發展，中國大量農村人口市民化，截至2016年，全國市區人口7.55×108人，占總人口54.59%，城市化率達57.35%，全國城區面積1.98×105km2，建成區面積5.43×104km2，分別占國土總面積的2.06%和0.57%[5]。城市化過程中不透水面大量增加，不僅改變城市地表結構，而且城市熱島效應[6-7]、城市內澇[8-9]、流域水質[10-11]、植物多樣性[12]等問題都與不透水面息息相關。因此，研究城市不透水面的變化具有重要的現實意義。

遙感技術的發展為全天候、多時序、大面積觀測城市不透水面提供了重要手段。目前利用遙感影像提取不透水面的方法主要有光譜混合分解法[13-15]、指數法[16-17]和分類器模型法，常用的分類器模型有人工神經網絡(ANN)[18]、支持向量機(SVM)[19]、隨機森林(RF)[20]等。使用的數據以光學遙感數據為主，部分研究者使用了SAR數據[21-23]和夜間燈光數據[24-26]。指數法目前應用的較為普遍，但是該方法大部分用到了熱紅外波段，由于熱紅外波段分辨率較低，且大部分遙感影像不具有熱紅外波段，其應用受到了一定的限制；分類器模型法提取精度與所選樣本的質量緊密相關，而且算法復雜，耗時較大；光譜混合分解法是解決中低分辨率影像上存在混合像元問題的有效方法，在遙感信息反演中被廣泛接受[27-28]。它利用線性模型分解出每個像元中不同地物端元所占的比例，從而提高影像的解譯精度。自從Ridd等[29]1995年提出V-I-S模型以來，國內外許多學者基于光譜混合分解法開展對城市不透水面的研究，Yang等[14]、Fan等[30]、金晶等[31]、李苗等[32]分別對多倫多市區、廣州市、上海市中心城區、哈爾濱城鄉結合部的不透水面進行提取分析，得到了較好的效果。但是他們均是選擇特定的小范圍區域進行試驗，對于大范圍不透水面提取的適用性，值得進一步驗證。

因此，本文選擇世界名城、歷史古都，國家中心城市的西安市作為研究區，利用光譜混合分解法進行大范圍的不透水面提取，進而對西安市21 a間不透水面的時空變化情況及驅動力因素進行分析，以期對城市規劃和可持續發展提供一定的參考。

1 研究區概況

西安市位于陜西省中南部，渭河流域中部關中平原，地處107°24′—109°49′E，33°42′—34°45′N之間，北臨渭河和黃土高原，南鄰秦嶺，東以灞源山地為界，轄境東西長約204 km，南北寬約116 km，市域面積1.01×104km2，下轄11區2縣并代管西咸新區。20世紀90年代以后，隨著經濟社會的發展，GDP從1995年的3.30×1010元增長到2016年的6.28×1011元，建成區面積由183 km2增加到566 km2，截至2016年底，常住人口8.83×106人，城鎮化率達73.43%[33]。

2 材料與方法

2.1 數據源及預處理

本研究使用的數據主要為遙感影像數據、西安市行政矢量數據以及中國統計年鑒和西安市統計年鑒。遙感影像數據來源于美國地質調查局(https:∥glovis.usgs.gov/)，主要包括1995，2000，2006，2010年4期Landsat TM數據和2016年Landsat OLI數據。統計年鑒數據分別來自于國家統計局網站(http:∥www.stats.gov.cn/)和西安市統計局網站(http:∥tjj.xa.gov.cn/)，包括人口數據、經濟數據、建成區面積、城市化率數據等。

采用二次多項式對研究區不同時相的遙感影像進行幾何精校正，使配準的均方根誤差小于0.5個像元，同時，為了消除大氣散射和吸收、太陽高度變化和地形起伏等因素對地表輻射產生的影響，對獲取的遙感影像進行大氣校正。對影像進行幾何校正和輻射校正之后，將覆蓋研究區的3景影像進行鑲嵌，最后按西安市邊界矢量對影像進行裁剪，得到5期影像數據。

2.2 研究方法

2.2.1 線性光譜混合分解法 線性光譜混合分解(LSMA)法是把混合像元的光譜反射率模擬為該像元中所有地物端元(endmember)的反射率以及各端元所占像元面積比為權重系數的線性組合，分解出各種地物端元在像元中所占的比例。線性光譜混合模型如公式(1)[34]:

(1)

式中：Rb是影像第b波段反射率；b=1,2,3,…,m為光譜波段數；fi是終端地類i的權重，根據地類i所占像元面積的比例確定；n是終端地類的數目；Rib是終端地類i在b波段的反射率；eb是殘差。而模型的正確性要通過檢驗影像中每個波段殘差ei的均方根來確定。其公式為:

(2)

式中：RMS代表殘差ei的均方根；m是影像中的波段數。

2.2.2 修正歸一化水體指數 徐涵秋[35]在歸一化水體指數(NDWI)的基礎上，分析水體及其他地物的光譜特征，將NDWI中的近紅外波段用中紅外波段替換，提出改進的歸一化水體指數(MNDWI)，該指數提取水體的效果更佳，不僅可以有效消除植被信息，而且還可以快速提取城市范圍內的水體，得到了廣泛的應用。其公式為：

(3)

式中：Band2為綠光波段，Band5為中紅外波段。

2.2.3 不透水面提取 根據線性光譜混合分解法的原理，首先對遙感影像進行最小噪音分離(minimum noise fraction, MNF)變換，其本質是兩次重疊的主成分變換，目的是降低數據維數，分離數據中的噪聲，使最大信息量集中在少數幾個波段。接著，選取MNF變換后的前3個分量兩兩組合構建二維散點圖，選擇散點圖的凸出部分構造地物端元波譜，結合散點圖的特征空間以及端元波譜與研究區影像上主要地物波譜曲線的對比，最終確定4種端元類型，它們是高反照率、低反照率、植被以及土壤。然后，通過線性光譜分解獲得4種端元的分量影像，由于不透水面的光譜響應具有發散性，是低反照分量和高反照分量的線性組合[36]，所以，將兩分量影像相加，得到不透水面豐度圖[31]，利用大津算法[37]得出的豐度閾值基礎上，結合原始影像以及同期的Google Earth高清影像人機交互，確定最終不透水面提取閾值。最后，利用改進的歸一化水體指數將提取結果中的水體進行掩膜。

2.2.4 不透水面擴張等扇方位法 等扇方位法用于定量地描述不透水面擴張在不同方向上的分異性[38]。一般選定城市中心為原點，取適當半徑將研究區劃分成相等的扇面，分別統計不同時期各個扇面內不透水面的面積，從而分析不透水面在不同方向上的擴張情況。

3 結果與分析

3.1 不透水面提取結果

利用線性光譜混合分解法依次提取西安市1995，2000，2006，2010，2016年的不透水面，結果如圖1所示。對所提取的5個年份的不透水面分別隨機取點2000個與同期的Google Earth高分辨率影像(1995年12月31日、2000年3月30日、2006年12月31日、2010年11月13日、2016年8月12日)進行比對，人機交互驗證[39]。經驗證，每個年份的不透水面提取總體精度(OA)都超過82.0%，基本符合本次試驗要求。

圖1 1995-2016年西安市不透水面提取結果

3.2 不透水面變化分析

3.2.1 不透水面時間變化分析 分別對1995，2000，2006，2010，2016年研究區不透水面面積進行統計，結果見圖2。可以看出，西安市21 a間不透水面擴張顯著，面積增加817.98 km2，累計增長437.56%，年均增長21.88%。不透水面面積占西安市域面積的比重由1995年的1.85%增加至2016年的9.93%。為了更直觀地了解西安市各時間段不透水面的變化情況，分階段進行統計(見表1)。結果表明，1995—2000年，不透水面增長率最快，年均增長14.91%，2000—2006年，不透水面增長率最慢，年均增長5.54%，2006年以后，不透水面年均擴張面積最大，達56.92 km2。

圖2 1995-2016年西安市不透水面面積統計結果

表1 西安市各時間段不透水面變化情況

利用 ArcGIS 軟件平臺，以西安市的行政區劃為單位(這里為了說明西安城區不透水面變化的完整性、統一性，將碑林區、蓮湖區、灞橋區、雁塔區、未央區、新城區作為主城區進行統計)，分區統計不透水面的變化情況，見表2。可以看出，西安市21 a間,主城區不透水面面積增加了229.23 km2，年均增加7.91%。不透水面擴張速度最快的是藍田縣，21 a間面積增加了24倍多。為了能夠直觀的看出各區縣不同時間段不透水面的增長情況，分階段進行統計，見圖3。西安市主城區不透水面在2006年至2010年間，年均增加面積最大，為25.42 km2，2010年以后，增長速度迅速下降。長安區和臨潼區的不透水面分別在2006年和2010年以后擴張明顯加快，其他區縣不透水面面積逐年增加，2010年以后則明顯加快。

表2 1995-2016年西安市分區域不透水面面積統計

圖3 1995-2016年西安市不同時間段各區不透水面年均增長面積

3.2.2 不透水面空間變化分析 為了揭示西安市不透水面擴張在空間方位上的變化情況，文章選用等扇方位法，以鐘樓為圓心，以26 km為半徑畫圓，以東偏北22.5°為起點，將圓分成相等的8個扇形，以扇形為單位分別統計不同年份的不透水面面積，分析不同時間段不透水面在各方位上的擴張情況(如圖4所示)?？梢园l現，研究期內不同時間段西安市不透水面擴張的方向存在較大差異，其中，1995—2000年，不透水面主要由主城區向西、西北、西南和北部4個方向擴張；2000—2006年，不透水面向西南部增加較快；2006—2010年，不透水面由主城區向東北、西、西南3個方向均擴張明顯；2010—2016年，不透水面向東北部和南部大幅擴張；總的來看，研究期內西安市不透水面向東北部和西南部擴張最為明顯，東部和東南部增加較少，基本以主城區為圓心呈同心圓式向外擴張為主。

圖4 1995-2016年西安市不同時間段不透水面擴張方位雷達圖

3.2.3 不透水面密度變化分析 為了進一步分析西安市不透水面的密度變化，將整個研究區劃分為1 km×1 km的網格，分別覆蓋5期不透水面提取結果，并統計每個網格內不透水面占比，然后按<15%,15%～30%,30%～45%,45%～60%,>60%這5個等級將不透水面劃分為低密度區、中低密度區、中密度區、中高密度區、高密度區得到5期不透水面密度分布結果(見圖5)。

圖5 1995-2016年西安市不透水面密度分布特征

可以發現，1995—2010年，西安市不透水面以中高密度區為主，主要表現為集聚。2010年以后，開始出現大量中低密度區，主要變現為由集聚向分散轉變。主城核心區不透水面經歷了1995—2010年高強度發展，2010—2016年出現密度下降的趨勢，部分高密度區轉為中高密度區。

3.3 不透水面變化驅動力分析

史培軍等[40]將國內生產總值、人口數量、外資利用額、基本建設投資、三產產值分別占國內生產總值的百分比等幾個因子歸為土地利用變化機制的外在驅動力。李苗等[32]從經濟因素、人口因素和規劃引導因素3個方面對哈爾濱城鄉結合部的不透水面變化進行定性分析。本文參考前人的研究成果，從經濟方面、人口方面，對西安市不透水面擴張進行定量分析，從產業結構、規劃政策方面對不透水面變化進行定性分析。

3.3.1 不透水面變化與經濟的關系 西安市作為中國西北地區唯一的中心城市，在國家“西部大開發”戰略、“一帶一路”建設等政策支持下，經濟社會乘勢發展。GDP由1995年的3.30×1010元，增長到2016年的6.28×1011元，21 a間經濟增長了19倍。為了說明西安市不透水面與GDP的關系，將各區縣1995,2000,2006,2010,2016年的GDP數據與對應年份的不透水面面積進行相關性分析，Pearson系數為0.916，說明GDP規模與不透水面面積有極強的相關性，進一步分析發現不透水面與經濟總量有明顯的正相關性(R2=0.835)，如圖6所示。隨著經濟的快速發展會加速不透水面的擴張，藍田縣21 a間GDP增長15倍，不透水面面積增加24倍多，長安區2006年以后GDP年均增長59.8%，不透水面面積年均增長30.48%。整個研究期內，西安市2000年至2006年GDP年均增長率最低，為11.61%，同期的不透水面擴張速率也較慢。

圖6 西安市不透水面面積與GDP的線性擬合

3.3.2 不透水面變化與人口的關系 人口一直都是城市構成中最活躍的因素，對城市發展有重要的影響[41]。西安市總人口由1995年的6.48×106，增加到2016年的8.83×106，城鎮人口由3.93×106增加到6.49×106，年均增長分別為1.18×105人和1.22×105人。每年大量人口涌入城市，直接帶動圍繞人口增長所帶來的住房需求，道路、水利和電力等基礎設施建設以及教育、就業、醫療和娛樂等公共服務設施建設。這些住房的增加和設施的建設會占用大量土地，增加不透水面面積。為了探討西安市不透水面與人口數量的關系，將各區縣1995,2000,2006,2010,2016年的人口數據與對應年份的不透水面面積進行相關性分析，Pearson系數為0.887，說明人口數量與不透水面面積有極強的相關性，進一步分析發現不透水面與人口數量有顯著的正相關性(R2=0.783)，結果見圖7。因此，人口數量增加是西安城市不透水面擴張的重要因素。

圖7 西安市不透水面面積與人口的線性擬合

3.3.3 不透水面變化與產業結構的關系 西安市作為歷史古都、旅游名城，旅游業和服務業發達。1995年第一、二、三產業比重為12.53∶40.97∶46.5發展到2016年為3.69∶35.02∶61.29。第二、三產業占比由87.47%增加到2016年的96.31%，產值由2.89×1010元，增長到6.05×1011元[33]。第二產業和第三產業的快速發展，一方面使工業用地和服務性設施建設大規模擴張，工業廠房和設施建設使地表硬化，不透水面增加，另一方面又會吸引大量勞動力進入城市到第二、三產業就業，人口的增加直接刺激了住房需求，從而帶動房地產開發和其他基礎設施建設，使不透水面面積進一步增加。

3.3.4 不透水面變化與規劃政策的關系 第三輪西安城市總體規劃指出，到2010年引導城市向多中心的空間模式發展。在此規劃政策引導下，截至2010年，西安市不透水面基本形成以主城區為核心，各區縣城為次核心的一主多次分布格局。第四輪西安城市總體規劃明確到2020年，構建“一城、一軸、一環、多中心”的城市總體空間格局。受到此輪規劃影響，西安市主城區規劃范圍基本保持不變，因此2010年以后，主城區不透水面趨于飽和而增加緩慢；以隴海線為主軸和以關中環線為紐帶的城市規劃布局，極大促進了沿線中小城鎮的發展，使城鎮、村莊不透水面規模擴大，長安區尤為突出；規劃要求高起點規劃和建設臨潼、鄠邑、閻良3個副中心城市，受此驅動，大規模的開發建設使臨潼、鄠邑、閻良三地在2010年以后不透水面擴張速度明顯加快。另外，截至“十二五”期末，西安市城市化率提高到73%，大量人口市民化，使不透水面面積增加。全社會固定資產投資年均增長14.9%，完成86個城中村，63個棚戶區征收搬遷，回遷安置群眾2.60×105人[42]。大規模的棚戶區、城中村改造，安置房建設以及相關配套設施的完善，極大的推動了城市不透水面的擴張。值得注意的是“十二五”期間，西安市新建成綠地廣場678個，開放公園30個，新增城市綠地1.93×107m2，建成區綠化覆蓋率由2010年的37%提高到42.5%，這間接地揭示了2010—2016年主城區部分高密度不透水面區轉變為中高密度區的原因?？傮w上，西安市不透水面的時空演變與規劃格局一致，表明規劃政策對城市擴張有重要影響。

4 結 論

(1) 本文將遙感和GIS相結合，利用線性光譜混合分解法從衛星遙感影像上提取出西安市1995，2000，2006，2010，2016年的不透水面信息，經驗證，該方法總體精度在82%以上，精度較高，并且對于大范圍內不透水面信息的提取，效果較好。因此，線性光譜混合分解法是中低分辨率遙感影像下，較為理想的一種不透水面信息提取方法。

(2) 西安市不透水面在21 a間擴張顯著，不同時間段時空變化和密度變化上存在差異。時間變化上，不透水面面積增加了817.08 km2，其中1995—2000年增加較快，城市擴張明顯；2000—2006年增長較慢，城市擴張進入緩慢期；2006年以后，西安市進入新一輪快速擴張期?？臻g變化上，2006年以前，不透水面主要呈同心圓的模式，以主城區為核心向外輻射擴張，2006年以后，各區縣城和主城區的不透水面均大幅向外擴張，呈現一主多次模式。密度變化上，1995—2010年，西安市不透水面以中高密度區為主，2010年以后，出現大量中低密度區域。

(3) 總的來看，研究期內西安市不透水面的時空變化基本與同期的規劃相吻合，落實規劃力度較大，西安市雖然多輪規劃都強調避免城市“攤大餅式”發展，但實際上并未能跳出由城市中心向四周輻射擴張的傳統城市發展道路，未來應加強城市副中心建設，轉移部分功能和產業至區縣，推動區域協調發展，由此，增加中低密度不透水面區域，減少不透水面高度聚集造成的生態環境問題。

(4) 本文著重從經濟和人口方面進行定量分析，從產業結構、規劃政策方面進行定性分析，結果表明西安市人口規模與經濟發展對不透水面的擴張有顯著的正相關性，隨著城市化進程推進，城市人口增加以及經濟的發展，西安市不透水面會繼續擴張，由此會導致諸如城市熱島、環境污染、生態惡化等城市發展問題，因此，西安市應優化城市設計，大力保護生態環境，處理好城市化和不透水面擴張的關系。