從“增量擴張”到“存量優化”：深圳市景觀格局內部動態與優化

李志強,錢雨果,周偉奇,3,*,王 靜,3

1 中國科學院生態環境研究中心城市與區域生態國家重點實驗室, 北京 100085 2 中國科學院大學, 北京 100049 3 中國科學院生態環境研究中心北京城市生態系統研究站, 北京 100085

城市發展過程中,在經歷擴散和聚集的擴張過程的同時[1-2],也伴隨著內部更新[3]。城市發展初期,城市空間增長主要以外部擴張為主,城市化后期,西方發達國家為解決城市無序蔓延、土地利用效率低下等問題,興起了以內部填充和城市更新為主要方式的城市精明增長運動[4-5]。改革開放以來,我國在經歷了40年的城市發展之后,部分城市也逐漸步入城市空間“存量優化”的階段[6- 10]。狹義的存量發展是指在不增加建成區面積的前提下,利用城市更新的方式挖潛存量用地從而實現經濟增長[9,11]。存量優化傾向于對局地土地資源的更新,通過改變景觀格局,影響生態過程,達到提升人居環境質量的目的[12]。因此,定量刻畫存量優化模式下的城市內部動態,是認識其生態環境效應的基礎和前提,可為城市生態規劃與管理提供重要的科學依據[3,12]。

城市景觀格局的定量化研究一直是城市生態學的研究熱點[13-14]。例如, Liu等從形態學角度判斷城市新增建成區與原建成區間的拓撲關系,將城市增長分為邊緣擴張、內部填充、蛙跳式擴張3種模式[15]。Yu等基于多期Landsat中分遙感影像提取土地覆蓋的變化,刻畫城市擴張的過程[16]。近些年,隨著Landsat遙感影像開放免費獲取,長時間序列分析逐漸成為刻畫城市動態變化的趨勢[17- 20]。但是大量的研究主要關注城市擴張及其導致的景觀格局變化[18,20],而對于城市內部存量的再開發關注較少[3],缺乏對城市內部局地尺度上城市更新變化的認知[21]。城市更新等土地開發活動常常以人為劃定的“更新單元”為邊界開展公共服務建設[22- 24]。因此,有必要以地塊為分析單元,探討城市內部的動態變化[25]。

以深圳市為例,利用高空間分辨率遙感影像,識別城市擴張、城市更新以及內部填充三種土地開發模式,比較分析了不同變化類型地塊的景觀格局特征,擬解決以下科學問題：(1)存量背景下,城市發展過程中,增量擴張與存量變化的空間分布特征有何差異；(2)作為存量變化的兩種類型,城市更新和內部填充的空間分布特征有何差異；(3)三種土地開發方式對變化地塊的景觀組成有何影響。以期為存量優化背景下的城市規劃提供科學支撐。

1 研究區概況

深圳市位于廣東省南部,全市面積1997km2,是改革開放政策實施以來設立的第一個經濟特區。40余年來,深圳市經歷了快速的發展。根據深圳市統計年鑒的數據,從1979年到2015年,深圳市常住人口由31.41萬人增長到1137.87萬人,GDP從1.96億元增長為17502.86億元,深圳市人工表面由26.49km2增長到914.10km2[16]。特別是在2010年之前,深圳市人工表面以平均每年26.73km2的速度快速擴張,相當于每一年都會使1979年深圳市的面積增加一倍,深圳市經歷著 “增量擴張”的快速發展階段。與此同時,快速的城市化也使深圳市的城市發展面臨著一系列問題。由于國土空間有限,人口大量涌入,城市發展面臨的人地矛盾尤為突出[10]。為了應對發展中的問題,深圳市率先提出城市發展由“增量擴張”向“存量優化”階段轉變,成為中國城市發展轉型的先行者[11]。因此,深圳市是存量優化背景下,研究城市內部變化與外部擴張土地覆蓋格局的理想地點。

圖1 研究區概況圖Fig.1 The location of Shenzhen

2 數據來源與研究方法

2.1 數據來源

為了反映城市高動態度的特征,研究選取2017、2018相鄰兩年的高分辨率遙感影像及其土地覆蓋分類結果來量化深圳市內部動態與外部擴張土地覆蓋格局。其中,深圳市2017年遙感影像使用多光譜波段分辨率為6m,全色波段分辨率為1.5m的SPOT6數據。 2018年因數據可獲取原因,使用了SPOT6和GF- 1號的高分辨率影像。將深圳市的土地覆蓋分為水體、林地、草地、農田、裸地、建筑、道路、在建用地和其他不透水共9類(表1)。2017和2018年的土地覆蓋分類結果以原始分類影像作為精度驗證數據,分類總體精度分別為89.67%和90.67%。

表1 土地覆蓋類別要素描述表

2.2 研究方法

本研究首先利用2017年土地覆蓋分類結果劃分了深圳市建成區,然后基于2017年和2018年的原始影像提取了深圳市2017—2018土地覆蓋變化的地塊。基于變化地塊與深圳市建成區的空間關系,將變化地塊分為了兩類：“內部存量變化”和“外部增量變化”。根據變化地塊土地覆蓋變化類型特征,進一步將內部存量變化劃分為城市更新、內部填充和其他變化,將外部增量變化劃分為城市擴張和其他變化。最后分析了城市擴張、城市更新以及內部填充三種類型變化地塊的面積、面積比例、數量以及地塊內植被組成的差異,識別了三種類型的在空間上的聚集熱點(圖2)。

圖2 分析流程圖Fig.2 Flowchart of analysis

2.2.1建成區邊界劃分

研究采用Qian等識別建成區的方法[26],進行建成區邊界的劃分。具體方法為：基于2017年土地覆蓋的分類結果(SPOT6,分辨率為1.5m),劃分900m×900m的格網,計算每個格網中不透水面的面積比例。識別不透水面積大于50%的格網作為建成區,并將空間上鄰接的建成區格網合并,形成建成區多邊形。對建成區進行修正：建成區多邊形內部閉合包圍的不透水面小于50%的區域也作為城市建成區域,得到最終的2017年深圳市建成區范圍。

2.2.2土地覆蓋變化地塊提取

城市更新和城市擴張通常以人為劃定的地塊作為邊界進行城市空間改造[23-24]。傳統的分類后變化檢測方法能夠識別發生地類變化的像元,但難以識別實際發生城市開發、建設、改造的完整地塊。因此,本研究采用目視判讀的方法,手動勾畫了深圳市2017—2018年發生改造的變化地塊邊界。目視確定變化地塊邊界的原則為：(1)盡量少的包含未變化區域,只勾畫出變化的區域；(2)沿道路或是小區邊界劃定變化范圍；(3)變化地塊面積至少大于1hm2。結合2017和2018年土地覆蓋分類結果得到地塊的變化特征。

2.2.3城市內部增量與外部存量變化類型的識別

城市外部增量即城市擴張,通常指建成區外部自然透水地表轉變為人工不透水地表的變化過程[15,27]。本研究從土地覆蓋變化的角度出發，即為透水面轉變為不透水面或裸土的比例最大的地塊(圖3中地塊1)。而城市內部存量變化則是指建成區內部的土地覆被變化,且根據土地變化類型的差異可進一步細分為城市更新和內部填充。其中,城市更新代表了城市內部的人居環境提升,表現為地塊中已有不透水地表轉變為其他類型覆蓋的變化面積占比最大(圖3中地塊2),包括不同土地覆蓋間的變化以及城中村改造引起的新舊建筑的變化；而內部填充則代表了城市內部的開發建設,表現為建成區內綠地、水體等不包括裸土的透水地表轉變為不透水地表[15](圖3中地塊3)；對于城市內部和外部其他土地覆蓋類型的轉變則歸為其他變化(圖3中地塊4、5和6))。

圖3 地塊單元變化類型示意圖Fig.3 Four types of change parcels

研究中,將變化地塊中上述四類變化比例最大的類別定義為該地塊的類別。根據已有研究[28-29],對4類地塊進行進一步的處理：(1)對于建成區外部變化,由于其屬于未城市化區域,故認為不存在城市更新過程[28-29]。(2)城市外部的植被轉化為裸地的變化也視為增量式變化；(3)城市內部的裸地轉化為不透水,由于無法確定裸地是城市更新還是內部填充的中間過程,故將其歸并到其他變化中。

2.2.4景觀格局分析

為比較城市擴張、城市更新和內部填充三種變化類型的動態與格局差異,研究統計了不同變化類型地塊的數量、地塊總面積、平均地塊面積,以及地塊內部植被面積比例(表2)。通過Kruskal-Wallis非參數檢驗以及Wilcoxon秩和檢驗,比較不同變化類型格局差異的顯著性。

表2 研究中選用的格局指標

為探究增量與存量在空間上是否有聚集性,研究中使用局部G統計量分別對城市擴張、城市更新和內部填充3種開發模式的空間分布的聚集現象進行探究。局部G統計量定義為：

(1)

其中,xj表示點j處的值,wij(d)為給定距離d條件下的空間權重。

對局部G統計量分析得到的3種開發模式的熱點圖進行二值化處理,這里我們只關心熱點現象,去掉冷點后,將3類變化的熱點圖進行疊置,得到3類變化的熱點分布。

3 結果

3.1 深圳市三種變化類型的空間格局特征

3.1.1建成區內部與外部變化地塊的格局特征

2017年深圳市建成區面積為933.12km2,為深圳全市面積的46.73%(圖4)。2017—2018年深圳市土地覆蓋共發生包括其他變化類別在內的共476處變化,土地覆蓋變化地塊的總面積為45.7km2,占深圳市總面積的2.34%。其中位于建成區外部的變化地塊共有93處,占總變化地塊數量的19.54%。而位于建成區內部的變化地塊有383處,為建成區外部變化地塊數量的4倍。不考慮其他變化類型,深圳市建成區外部增量(城市擴張)與內部存量(城市更新和內部填充)變化地塊的面積分別為9.67km2和21.73km2,占變化地塊總面積的比例分別為21.16%和47.55%(圖5)。內部存量變化的面積是外部增量擴張的2.2倍,可見存量的動態變化已成為城市土地覆蓋變化的主導。

圖4 三種類型變化地塊的空間分布圖Fig.4 The spatial distribution of three types change parcels

圖5 增量、存量及其他變化面積與比例Fig.5 The area and percentage of three types

從變化地塊的數量來看,深圳市內部存量與外部增量的變化地塊數量分別為279和80,內部存量和外部增量變化的地塊數量占總變化地塊數量的比例分別為58.61%和16.81%,前者是后者的3.5倍。深圳市一年間,全市范圍內共出現了包括其他變化類別在內的共476處變化。其中,內部存量的變化為279處,占深圳市變化地塊總數量的59%。表明深圳市土地覆蓋變化具有高度動態性,且這種高動態度主要由內部存量的變化引起。從變化地塊的平均面積來看,外部增量和內部存量變化地塊的平均面積分別為12.09hm2和7.79hm2(圖6),前者的平均面積顯著高于后者(Kruskal-Wallis檢驗,P<0.01)。外部增量地塊面積的分布范圍(1—35hm2)也明顯大于內部存量地塊面積的分布范圍(1—18hm2)。

圖6 變化地塊面積分布圖Fig.6 The size distribution of change patches

3.1.2建成區內部兩種變化地塊的格局特征

對比建成區內部存量兩種類型的變化,建成區內部383處變化中,城市更新的變化有244處,內部填充的變化有35處,城市更新變化的數量是內部填充的7倍,二者占建成區內部變化的比例分別為63.71%和9.14%。城市更新和內部填充的地塊面積分別為19.10km2和2.63km2,二者的面積差異巨大,前者是后者的8倍(圖7)。可見,在2017—2018年城市內部的開發活動中,城市更新是深圳市的內部動態的主導開發形式。而從兩種變化類型地塊的平均面積來看,內部填充與城市更新類型的變化地塊的平均面積分別為7.52hm2和7.83hm2,經過非參數檢驗,二者并無顯著差異(P>0.05)。這也說明城市內部的動態變化,無論是更新還是填充,大部分是小范圍的土地開發活動。但兩種類型的變化在面積分布范圍方面差異較大,城市更新和內部填充的地塊面積分布范圍分別為1—18hm2和1—9hm2,前者面積變化范圍顯著高于后者(圖6)。

圖7 城市更新和內部填充變化地塊面積和其所占內部存量變化比例Fig.7 The area and percentage of urban renewal and infilling parcels

3.2 深圳市三種變化類型的植被組成特征

從景觀格局組成來看,三種土地開發模式對于變化地塊植被比例的影響也存在差異(圖8),表現為城市擴張和內部填充使地塊的植被比例顯著減少(P<0.01),而城市更新則增加了變化地塊的植被比例,但變化前后植被比例的增加并沒有達到統計上的顯著水平(P>0.05)。城市擴張地塊的植被比例從變化前的0.81減少為0.30。內部填充地塊則從0.72減少為0.22,而城市更新地塊的植被比例則從0.09增加為0.12。因此,單從地塊植被比例這一項指標來看,深圳市在城市更新過程中提升了人居環境。

圖8 變化地塊中植被比例的變化Fig.8 Change of vegetation percentage within parcels**表示 P<0.01

圖9 三種變化類型地塊的熱點分布圖Fig.9 Hotspot map for patches of three change types

3.3 深圳市三種變化類型的空間熱點分析

對增量與存量變化的3種類型進行熱點(hotspot)分析,發現城市擴張變化的置信度達95%的熱點區域出現在寶安區的石巖濕地公園周圍,龍崗區與羅湖區鄰接處在建的東部過境高速以及大鵬新區壩光。城市更新的熱點區域主要出現在羅湖區西部以及寶安區與南山區位于前海的區域(圖9)。羅湖區與南山區是深圳市最早進行城市化的區域,其城市化水平高,建筑建成年代最早,因此,是深圳市城市更新的重點區域。而寶安區與龍崗區是深圳市近期開發建設的重點區域,也成為城市擴張的聚集區。此外,城市更新地塊在建成區其他位置也有分布,只是沒有形成統計上顯著的局部聚集現象。而城市內部填充的發生則不存在空間上的聚集熱點,只是相對隨機的發生在建成區的內部。

4 討論

4.1 “增量擴張”到“存量優化”的轉變

2017—2018年深圳市土地覆蓋的動態變化特征表明深圳市已步入“存量優化”的城市發展階段。改革開放以來,深圳市快速的城市擴張為生態環境帶來了巨大的壓力,為實現城市的可持續發展,深圳市于2005年劃定974.5km2范圍的基本生態控制線,頒布實施《深圳市基本生態控制線管理規定》[10]。然而,深圳市國土總面積為1997km2,到2010年深圳市人工地表面積就已達855.15km2,可供開發的增量空間僅為167.35km2。相對于增量空間,深圳市的存量空間卻十分巨大。因此,對于存量空間的再開發是深圳更好發展的必經之路。2010年,《深圳市城市總體規劃(2010—2020)》中提出城市發展由“增量擴張”向“存量優化”轉變,自上而下地確定了城市空間的發展方向[11]。以上政策的實施對于深圳市“存量優化”的城市發展轉型具有巨大的推動作用。

對比深圳市增量與存量的動態特征,發現外部增量變化更傾向于大面積的擴張,而內部存量則傾向于小面積的變動。這一結果證實了隨著城市的發展,土地開發利用方式從“手術刀式”的大拆大建,逐步向“針灸式”的精細調整過渡[30]。其原因可能是城市擴張相較于內部存量的變化為“一次開發”,其大部分是在侵蝕森林等自然覆被的情況下進行的人為活動,周圍地物對其約束相對較小；而內部填充與城市更新是在建成區內部進行的“二次開發”,規劃時多以街區為更新單元進行[23-24],其周圍的建筑本底也對其開發產生了一定的限制作用,使得內部存量變化的地塊面積相對更小。城市更新和內部填充變化的平均地塊面積無顯著差異,但內部填充對植被的侵占比例遠高于城市更新中植被增加的比例,說明城市內部整體綠量在減少。植被作為城市景觀的重要組分,發揮著諸如降溫、滯塵、降噪等不可替代的生態功能。在進行城市更新時,應當質量與數量并重,充分發揮景觀格局對生態過程的作用,使城市植被發揮最大的生態環境效應。

4.2 研究存在的限制

研究中對于城市擴張、城市更新以及內部填充三種變化類型的量化還存在一定局限。城市更新過程中,更新項目所需的時間不一樣,相鄰兩年遙感影像通常無法反映地塊更新的全過程。裸土作為城市更新、城市擴張、內部填充3種開發模式導致土地覆蓋變化的中間過程,而無法判斷相鄰兩年裸土的轉變是何種變化,研究中被定義為其他變化。因此,本研究量化的更新地塊數量偏低。未來可增加長時間序列分析,確定中間過程的裸土變化為何種變化,從而更準確的量化城市內部變化類型。與此同時,城市更新有著很豐富的內涵,深圳市把城市更新分為拆除重建、功能提升、綜合治理三種類型[10],本研究只是從土地覆蓋的角度量化城市更新中拆除重建的部分,未來需要結合社會經濟數據更精準的量化城市更新。此外,城市更新如何影響更新地塊及其周邊社區的社會經濟與生態環境,尤其是生態環境的影響,值得進一步深入的探討。

心肌組織 在ApoE-/-小鼠的心肌組織中，通過免疫組織化學的方法可以清晰地看到特洛細胞的形態結構：不規則的胞體和多條細長的串珠樣、偽足樣結構。特洛細胞存在于心肌細胞之間，根據不同的心肌細胞的走形表現出不同的形態，相鄰特洛細胞之間由細長的Telopodes相聯系，形成類似于網狀結構的分布現象。選取CD34、CD117和CD28 3種免疫組織化學生物指標對心肌細胞進行單標染色后，結果顯示心肌組織內特洛細胞表達CD34+、CD117+、CD28+(圖1～3)。

5 結論

以深圳市為例,基于高空間分辨率遙感影像,以變化地塊為單元,識別城市擴張、城市更新以及內部填充三種土地開發模式,對比分析不同類型變化地塊的景觀格局特征,得到以下結論：(1)深圳市已進入“存量優化”的城市發展階段,外部增量變化傾向于大面積的擴張,而內部存量則傾向于小面積的精細調整。(2)城市更新一定程度上改善了人居環境,表現為變化地塊內部的植被覆蓋比例提高,而城市擴張和內部填充則明顯降低了變化地塊的植被比例。(3)城市擴張和城市更新的地塊具有顯著的聚集特征,內部填充分布卻相對隨機。本研究通過對深圳市“增量擴張”到“存量優化”格局動態的刻畫,將為深入理解城市內部景觀格局的動態變化提供新的視角。

參考文獻(References):

[1] Dietzel C, Herold M, Hemphill J J, Clarke K C. Spatio-temporal dynamics in California′s Central Valley: Empirical links to urban theory. International Journal of Geographical Information Science, 2005, 19(2): 175- 195.

[2] Dietzel C, Oguz H, Hemphill J J, Clarke K C, Gazulis N. Diffusion and coalescence of the Houston Metropolitan Area: evidence supporting a new urban theory. Environment and Planning B: Planning and Design, 2005, 32(2): 231- 246.

[3] Xia C, Zhang A Q, Yeh A G O. Shape-weighted landscape evolution index: an improved approach for simultaneously analyzing urban land expansion and redevelopment. Journal of Cleaner Production, 2020, 244: 118836.

[4] Downs A. Smart growth: why we discuss it more than we do it. Journal of the American Planning Association, 2005, 71(4): 367- 378.

[5] Handy S. Smart growth and the transportation-Land use connection: what does the research tell us? International Regional Science Review, 2005, 28(2): 146- 167.

[6] 劉榮增. 基于存量優化的城市空間治理與再組織——以鄭州市為例. 城市發展研究, 2017, 24(9): 26- 32.

[7] 王皓, 薛虎. 由增量向存量規劃轉型下的城市更新策略——以海口市主城區更新為例. 中外建筑, 2017, (1): 71- 73.

[8] 顏丙金, 袁娟, 蔣伶. 存量型“次新居住片區”特征及提升研究——以南京為例. 現代城市研究, 2016, (6): 94- 98.

[9] 周垠, 龍瀛. 存量、增量之辯下的城鎮用地開發與模擬研究——以成都市為例. 地理與地理信息科學, 2016, 32(5): 45- 51.

[10] 鄒兵. 由“增量擴張”轉向“存量優化”——深圳市城市總體規劃轉型的動因與路徑. 規劃師, 2013, 29(5): 5- 10.

[11] 鄒兵. 存量發展模式的實踐、成效與挑戰——深圳城市更新實施的評估及延伸思考. 城市規劃, 2017, 41(1): 89- 94.

[12] Pan Z K, Wang G X, Hu Y M, Cao B. Characterizing urban redevelopment process by quantifying thermal dynamic and landscape analysis. Habitat International, 2019, 86: 61- 70.

[13] Luck M, Wu J G. A gradient analysis of urban landscape pattern: a case study from the Phoenix metropolitan region, Arizona, USA. Landscape Ecology, 2002, 17(4): 327- 339.

[14] 陳利頂, 孫然好, 劉海蓮. 城市景觀格局演變的生態環境效應研究進展. 生態學報, 2013, 33(4): 1042- 1050.

[15] Liu X P, Li X, Chen Y M, Tan Z Z, Li S Y, Ai B. A new landscape index for quantifying urban expansion using multi-temporal remotely sensed data. Landscape Ecology, 2010, 25(5): 671- 682.

[16] Yu W J, Zhang Y J, Zhou W Q, Wang W M, Tang R. Urban expansion in Shenzhen since 1970s: a retrospect of change from a village to a megacity from the space. Physics and Chemistry of the Earth, Parts A/B/C, 2019, 110: 21- 30.

[17] Yang K, Pan M E, Luo Y, Chen K X, Zhao Y S, Zhou X L. A time-series analysis of urbanization-induced impervious surface area extent in the Dianchi Lake watershed from 1988- 2017. International Journal of Remote Sensing, 2019, 40(2): 573- 592.

[18] Man W, Nie Q, Hua L Z, Wu X W, Li H. Spatio-temporal variations in impervious surface patterns during urban expansion in a coastal city: Xiamen, China. Sustainability, 2019, 11(8): 2404.

[19] Li X C, Zhou Y Y, Zhu Z Y, Liang L, Yu B L, Cao W T. Mapping annual urban dynamics (1985—2015) using time series of Landsat data. Remote Sensing of Environment, 2018, 216: 674- 683.

[20] Fu Y C, Li J F, Weng Q H, Zheng Q M, Li L, Dai S, Guo B Y. Characterizing the spatial pattern of annual urban growth by using time series Landsat imagery. Science of the Total Environment, 2019, 666: 274- 284.

[21] Han Z Y, Long Y, Wang X, Hou J X. Urban redevelopment at the block level: Methodology and its application to all Chinese cities. Environment and Planning B: Urban Analytics and City Science, 2019, doi: 10.1177/2399808319843928.

[22] Zhang H, Jing X M, Chen J Y, Li J J, Schwegler B. Characterizing urban fabric properties and their thermal effect using quickbird image and landsat 8 thermal infrared (TIR) data: the case of downtown Shanghai, China. Remote Sensing, 2016, 8(7): 541.

[23] 嚴若谷, 閆小培, 周素紅. 臺灣城市更新單元規劃和啟示. 國際城市規劃, 2012, 27(1): 99- 105.

[24] 范麗君. 深圳城市更新單元規劃實踐探索與思考//2013中國城市規劃年會論文集. 青島: 中國城市規劃學會, 2013.

[25] Zhou W Q, Cadenasso M L, Schwarz K, Pickett S T A. Quantifying spatial heterogeneity in urban landscapes: integrating visual interpretation and object-based classification. Remote Sensing, 2014, 6(4): 3369- 3386.

[26] Qian Y G, Li Z Q, Zhou W Q, Chen Y Y. Quantifying spatial pattern of urban greenspace from a gradient perspective of built-up age. Physics and Chemistry of the Earth, Parts A/B/C, 2019, 111: 78- 85.

[27] Zhang T, Huang X. Monitoring of urban impervious surfaces using time series of high-resolution remote sensing images in rapidly urbanized areas: a case study of Shenzhen. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(8): 2692- 2708.

[28] Song X P, Sexton J O, Huang C Q, Channan S, Townshend J R. Characterizing the magnitude, timing and duration of urban growth from time series of Landsat-based estimates of impervious cover. Remote Sensing of Environment, 2016, 175: 1- 13.

[29] Li X C, Gong P, Liang L. A 30-year (1984- 2013) record of annual urban dynamics of Beijing City derived from Landsat data. Remote Sensing of Environment, 2015, 166: 78- 90.

[30] 鄒兵. 增量規劃、存量規劃與政策規劃. 城市規劃, 2013, 37(2): 35- 37, 55- 55.