基于夜間燈光數據的甘青寧城市擴展及其建成區植被變化特征

江 原,郝媛媛,黃祎宸

1 甘肅農業大學草業學院,草業生態系統教育部重點實驗室,蘭州 730070 2 蘭州大學草地農業科技學院,蘭州 730020

城市化是人類生產方式由農村型向城市型轉化的歷史過程,主要表現為農村人口轉化為城市人口及城市不斷發展完善的過程[1]。改革開放以來,伴隨著人口的持續增長和經濟的快速發展,中國的城市化水平有了極大的提高[2],尤其是近30年來,中國的城市化進程處于快速增長階段[3],與此同時,區域發展不平衡現象也日益凸顯。截止到2016 年,除內蒙古自治區、重慶市、陜西省和寧夏回族自治區的城市化率接近全國平均水平外,中國西部地區其他省份的城市化率均遠遠低于全國平均水平[4]。城市化現象是一個區域經濟發展的重要體現,其進程反映了該地區的經濟發展水平[3]。

城市化進程的不斷加速,催生了一批新興城市,推動了一些老城區向外擴展,而這些城市建成區面積的大幅激增,一定程度上影響了建成區內外植被的生長狀況。趙安周等[5]基于中分辨率成像光譜儀地表溫度數據(MODIS-LST)、增強型植被指數(EVI)和土地利用/覆蓋數據發現京津冀13個城市主城區生長季及不同季節的城市擴展對植被均存在不利影響；Song Y等[6]基于2000—2019年歸一化植被指數(NDVI)和2000—2018年2個土地覆被類型數據,發現快速的城市化進程導致曼谷城市植被覆蓋狀況變差；Javid K等[7]通過計算新建成區指數(NBUI)和NDVI,發現在2015—2020年間,隨著城市建成區的大幅擴展,城市綠地NDVI不斷減小。城市建成區植被生長狀況不僅能夠反映該地區城市建設用地的變化情況,而且是衡量城市化發展健康與否的一項重要指標[8]。NDVI在反映區域生態環境變化方面應用廣泛[7,9],目前常用的NDVI數據主要包括GIMMS(Global inventory modelling and mapping studies) NDVI、MODIS(Moderate resolution imaging spectroradiometer)NDVI和SPOT/VEGETATION NDVI,其中MODIS NDVI和SPOT/VEGETATION NDVI應用最為廣泛。與MODIS NDVI相比,SPOT/VEGETATION NDVI已經過大氣校正、輻射校正、幾何校正等[10]預處理,減少了研究過程中不必要的工作量；且擁有專門針對植物生物特征設計的VEGETATION探測器,能更好地反映地表植被的生長狀況[11]。

遙感技術具有快速、實時、大范圍、低成本監測等優勢,不僅被廣泛應用于氣象觀測、資源調查、環境監測等領域,而且在城市擴展研究方面也日益備受青睞[12]。目前,遙感數據在城市擴展方面的應用主要包括：Landsat光譜數據和夜間燈光數據等。馮珊珊等[13]利用Landsat OLI數據和VIIRS/DNB夜間燈光數據分別采用線性光譜混合分析法和大尺度不透水面指數法提取珠江三角洲研究區的不透水面信息,發現兩者提取不透水面的總體精度差異不大；劉沼輝等[14]的研究結果表明Landsat影像單獨進行歸一化建筑指數(NDBI)和NDVI提取時,容易將裸巖等非建成區區域歸入建成區,引起提取結果的誤差。與Landsat數據相比,美國國防氣象衛星(Defense Meteorological Satellite Program, DMSP)搭載的OLS(Operational Linescan System)傳感器免費提供的全球夜間燈光數據不依賴高空間分辨率(分辨率通常在1 km左右),因而數據量非常小(不到TM數據的1%),且數據處理更加簡便,為大尺度城市化研究創造了可能。該傳感器提供的夜間燈光影像能反映綜合性信息,涵蓋了交通道路、居民地等與人口和城市等因子分布密切相關的信息；此外,還具有很強的光電放大能力,能探測到包括城市燈光甚至是小規模居民地燈光、車流等低強度燈光,并使之區別于黑暗的鄉村背景[15]。依據這些特性,DMSP/OLS數據與Landsat數據相比,更能客觀的、較好的反映出城市建成區的范圍及其發展趨勢。當前,國內外學者對于DMSP/OLS的研究多集中在城市建成區的提取[16—17]、城市擴展時空變化特征[18—20]、人口與經濟估算[21—22]和碳排放的時空分布特征[23—24]等方面。經驗閾值法[25]、中高分辨率影像數據空間比較法[26]、突變檢測法[27]和統計數據比較法[28]是當前城市建成區提取的主要方法。李俊峰等[19]、舒松等[29]通過對4種方法的對比研究,證明統計數據比較法具有最小的相對誤差和絕對誤差以及最高的提取精度。董鶴松等[30]基于統計數據比較法提取了中國三大城市群(京津冀、長三角和珠三角)的城市建成區范圍,并對其城市擴展時空變化格局進行了分析；林之強等[31]同樣基于統計數據比較法,發現1993—2013年間滇中城市群城市擴展強度總體上呈現出“先降低—后升高—再降低”的動態變化特征。

有中國西北部“國家生態安全屏障”[32]之稱的甘青寧三省區位于黃河上游,其城市化水平遠遠低于東部沿海城市。掌握黃河上游甘青寧三省區城市發展特征可為構建科學合理的城市體系、優化區域城市空間開發格局提供參考依據,同時對促進中國西北地區乃至整個沿黃九省區中心城市及城市群高質量、可持續發展具有一定的現實意義。鑒于此,本研究以DMSP/OLS夜間燈光時間序列數據為基礎,采用統計數據比較法[28]提取甘青寧21座地級市(州)的城市建成區邊界,在此基礎上,引入NDVI作為表征城市建成區植被狀況的指標,對研究區2002—2013年城市建成區擴展特征及植被變化進行研究,以期為西北內陸城市可持續發展提供借鑒和參考。

1 數據與方法

1.1 研究區概況

甘青寧三省區地處 中國西北內陸,是黃河流域重要的水源涵養區和補給區,包括蘭州、銀川、西寧等27座地級市(自治州),其中,果洛藏族自治州、海南藏族自治州、黃南藏族自治州、海北藏族自治州、玉樹藏族自治州及海東市由于缺乏城市建成區統計數據而未被列入研究區范圍(圖1)。研究區面積80.08×104km2,占我國陸地國土總面積的8.34%。區域內地形地貌形態復雜,氣候類型多樣。植被資源種類豐富、分布廣泛,但總量有限,覆蓋率低,生態環境極其脆弱。2013年,全區總人口約為3500萬人,經濟較全國相對落后,僅為10400億元,且區域內發展極不平衡。

圖1 研究區地理位置Fig.1 Location of the study areaI白銀,II定西，III甘南，IV固原,V海西，VI嘉峪關，VII金昌，VIII酒泉， IX蘭州， X臨夏, XI隴南,XII平涼,XIII慶陽，XIV石嘴山， XV天水，XVI吳忠，XVII武威，XVIII西寧,XIX銀川,XX張掖， XXI中衛，XXII 黃南, XXIII 海北，XXIV 海南, XXV 玉樹，XXVI 海東，XXVII 果洛

1.2 數據來源

研究所用到的數據主要有 2002、2006、2010 和 2013 年分辨率為1 km的DMSP/OLS 穩定燈光影像(包括F152002、F162006、F182010及F182013四景,下載自地理國情監測云平臺http://www.dsac.cn)及其城市建成區數據(來自《中國城市統計年鑒》)；2002—2013年SPOT/VEGETATION NDVI年度合成產品(分辨率1 km,用最大值合成法由月度數據生成),全國 1∶400萬地市行政界線和SRTM 90 m的DEM數據(均來自中國科學院資源環境科學數據中心http://www.resdc.cn)；主要道路和鐵路數據(下載自Open Street Map https://download.geofabrik.de/)。

1.3 研究方法

1.3.1城市建成區提取

夜間燈光影像由城市、鄉鎮的亮值像元及農村或其他背景區域的零值像元所構成[8],其中,城市區域的亮值像元多構成連續的明亮斑塊而區別于鄉鎮或其他背景區域。采用統計數據比較法[28],根據設定的閾值(圖2)分別提取各時期相應市(州)城市建成區范圍。經驗證,除2013年外,其他年份的城市建成區提取誤差均小于5%(表1),提取精度較高,可用于后續分析。

表1 基于統計數據比較法的甘青寧地區用地面積

圖2 2002—2013年各城市建成區提取閾值Fig.2 Extraction thresholds of built-up areas of cities from 2002 to 20132002年,定西、隴南和中衛缺乏數據

1.3.2城市擴展分析

使用城市擴展速度和擴展動態度兩個指標來分析城市擴展情況,選擇緊湊度指數來表征外部城市空間擴展形態的變化,引入城市重心變化來揭示研究區城市建成區重心轉移趨勢。

城市擴展速度是指在一定時期城市建設用地面積的變化快慢,城市擴展動態度表示單位時間內城市建設用地變化的幅度[33]。表達式分別為：

(1)

(2)

式中,V和K分別表示城市擴展速度和擴展動態度；Ai和An+i分別為第i和n+i年的城市建成區斑塊面積；n為時間跨度。

緊湊度是反映城市空間形態特征的一項指標,包括城市外部和內部形態緊湊度,城市外部形態緊湊度是表征空間形態的一個重要概念[34—35]。表達式為：

(3)

式中,C表示緊湊度；Ai為第i年的城市建成區斑塊面積；Pi表示第i年城市建成區斑塊外圍周長。一般情況下,值介于0—1,C值越大,城市外部形狀就越近似圓形；反之,越狹長。

城市重心轉移的變化趨勢可以反映出城市空間演化特征。城市建成區重心(x,y)的計算公式為：

(4)

式中,wi為第i個離散目標物權重,由各個離散目標的面積與總面積的比例來確定；xi和yi分別為第i個離散目標物的橫、縱坐標。

重心轉移距離和平均偏移速度的計算公式分別為：

(5)

(6)

式中,Dn+1為重心轉移距離,xn、xn+1和yn、yn+1分別為第n和n+1年城市建成區重心的橫、縱坐標；V為平均偏移速度,T為時間周期。

重心轉移角度的計算公式為：

(7)

(8)

式中,?n+1為弧度值,θ為某一時期建成區重心轉移方向與正東方向的夾角。

1.3.3建成區植被變化分析

基于提取得到的城市建成區邊界,采用年度NDVI均值來表示城市植被變化特征,表達式為：

(9)

式中,CNDVI表示建成區NDVI均值；pi為每一個像元內的NDVI值；n表示像元個數。由于校正后的NDVI值在0—1之間,為便于計算分析,且在不影響原始數據精度的情況下,將原數值乘以10000作為分析值。

將建成區與背景區(需滿足人為因素的影響要盡可能小以及和建成區的自然環境盡可能相似2個基本條件)[36]NDVI均值的比值作為衡量城市擴展過程中人為因素影響下植被變化優劣的指標。表達式為[37]：

(10)

式中,Ri表示第i年的NDVI比值；CNDVIi和BNDVIi分別為第i年建成區和背景區內的NDVI均值。

從趨勢分析和變化百分率2個方面來分析城市擴展過程中植被的年際變化趨勢,計算公式分別為：

(11)

(12)

式中,slope是趨勢線的斜率,NDVIi為第i年的NDVI值,n=12。當slope>0時,表示隨著時間增加,NDVI呈上升趨勢；反之,NDVI呈下降趨勢。NDVIc表示NDVI的變化百分率,Mean為12年的平均NDVI。

變異系數是描述數據離散程度的指標,可用于評估NDVI在時間序列上的穩定性。公式為：

(13)

式中,CV為NDVI的變異系數,ST和Mean分別第i年NDVI的標準差和12年的平均NDVI值。若CV≤0.1,NDVI很穩定；CV∈(0.1,0.2]為穩定；(0.2,0.3]為不穩定,>0.3則為很不穩定[38]。

為滿足NDVI趨勢分析、變化百分率和變異系數的計算要求,利用2006、2010及2013年建成區和背景區的矢量邊界分別提取2002—2006、2007—2010及2011—2013年建成區和背景區的NDVI值,以獲得2002—2013連續年份的植被NDVI。

2 結果與分析

2.1 城市建成區擴展時空動態特征

2.1.1擴展整體變化特征

2002、2006、2010和2013年甘青寧地區各城市夜間燈光亮值像元呈現明顯的空間分布差異(圖3)。整體上,研究區城市用地圍繞河西走廊及黃河上游地區形成了不連續的“幾”字型空間形態,將河西沿線城市(張掖、酒泉、嘉峪關、金昌和武威)與黃河上游重點城市(西寧、蘭州和銀川)在空間上連接在一起。2002—2013年,各城市建成區發展均是圍繞主城區進行擴展的面狀分布模式；張掖-酒泉-嘉峪關-金昌-武威-蘭州-白銀-中衛-吳忠-銀川-石嘴山的城市化過程表現為線狀模式,其主要依托公路干線(連霍線)和鐵路干線(蘭新線和包蘭線)將各沿線城市連接起來,從而推動城市建成區的擴展；點狀模式在海西及慶陽等東南部城市分布比較普遍。

圖3 甘青寧地區城市擴展空間形態特征Fig.3 Characteristics of urban expansion spatial morphology in Gan-Qing-Ning region

2.1.2擴展速度變化特征

總的來看,2002—2006年,銀川最快,平涼其次,蘭州最慢且為負增長；2006—2010年,蘭州最快,石嘴山第二,西寧最慢；2010—2013年,銀川最快,張掖其次,慶陽最慢(表2)。就年際變化而言,金昌和慶陽呈負增長,城市擴展速度分別由2006—2010年的2.75 km2/a和2.00 km2/a減少到2010—2013年的-0.33 km2/a和-0.67 km2/a；天水、中衛和石嘴山增速趨緩,分別由2002—2010年的1.75 km2/a、2.75 km2/a和7.16 km2/a減少到2010—2013年的0.33 km2/a、2.67 km2/a和2.12 km2/a；蘭州和酒泉略有下降但總體穩定；嘉峪關、白銀和甘南的城市擴展速度在2002—2013年持續增加。2002—2013年,研究區城市擴展速度整體穩步上升(2.73 km2/a),且2010—2013年擴展速度(4.53 km2/a)是2006—2010年的2倍。

2.1.3擴展動態度變化特征

2002—2006年,除蘭州、金昌、白銀、臨夏和甘南的城市擴展狀態呈現萎縮或停滯外,其余各城市均有不同程度的擴展,其中,平涼和銀川為中高速擴展,且平涼擴展動態度最大(29.41%),而金昌最小(-5.88%)；2006—2010年,除平涼、臨夏、西寧和固原呈負擴展或零擴展外,其余各城市基本呈低速擴展,且擴展動態度較大的兩地級市(慶陽和中衛)間差距并不明顯,僅為0.42%；2010—2013年,除金昌和慶陽呈負擴展外,研究區基本呈中低速擴展,其中,張掖擴展最快(表2)。從各城市的年際變化來看,2002—2013年城市擴展動態度持續減小的城市為天水,而動態度持續增大的城市有嘉峪關、白銀、張掖和甘南。

表2 甘青寧地區各市(州)城市擴展速度及擴展動態度變化

2.1.4擴展緊湊度變化特征

除酒泉、海西、白銀、天水、石嘴山和蘭州外,研究區其他城市建成區緊湊度指數均較高(圖4)。其中,蘭州受南北兩山的地形所限,建成區多沿黃河兩岸呈狹長型連續分布,緊湊度低；天水、石嘴山和白銀的建成區由數塊不相鄰的區域構成,緊湊度均不高。2002—2013年,甘南、臨夏及慶陽的緊湊度指數均保持在較高范圍,說明其城市發展有序、經濟水平穩定；西寧、銀川、吳忠和金昌緊湊度指數整體呈增加趨勢,表明其城市發展開始由相對無序到相對緊湊的方向發展；而酒泉、張掖、定西、隴南和石嘴山的緊湊度指數則持續遞減,其中,隴南緊湊度指數變化最大。

圖4 甘青寧地區不同時期緊湊度特征Fig.4 Characteristics of compactness in different periods in Gan-Qing-Ning region

2.1.5重心遷移特征

在重心遷移的3個階段中(圖5),第一階段(2002—2006年)研究區重心向東北遷移了31.316 km,遷移速度為8.579 km/a,遷移方向與正東方向夾角為49.94°；第二階段(2006—2010年)城市重心遷移量最小,僅為4.427 km,遷移速度為1.107 km/a,遷移方向與正北方向夾角為6.76°；第三階段(2010—2013年)城市重心向西南方向大幅遷移44.575 km,遷移速度達到14.858 km/a,其重心遷移距離及速度均遠遠超過前兩個階段,且重心與正南方向夾角未超過1°偏差(0.56°),近乎垂直。

圖5 甘青寧地區城市建成區重心變化 Fig.5 Changes in the center of gravity of urban built-up areas in Gan-Qing-Ning region

圖6 建成區NDVI總和與面積Fig.6 Total NDVI and area of built-up area

2.2 城市建成區植被變化特征

2.2.1植被總體變化特征

隨著城市建成區的擴展,研究區城市建成區NDVI總和呈上升趨勢(圖6)。2002—2006年,建成區面積增加12.36 km2,建成區NDVI總和則增加了8213.05；2006—2010和2010—2013年建成區面積及建成區NDVI總和分別增加了333.64 km2、285.42 km2和7139.19、4250.25。

2.2.2NDVI均值

從建成區年均NDVI變化量來看(表3),2002—2006年研究區近一半城市NDVI均值在不斷下降,植被變差,且三座省會城市均位列其中；2006—2010年除金昌、武威和臨夏NDVI均值下降、植被變差外,其他各城市植被狀況均有所改善,其中,酒泉NDVI增加量最大；2010—2013年,近1/3的城市NDVI均值均在不斷下降、植被變差,其中,武威植被退化最明顯。2002—2013年,除武威、張掖和慶陽的NDVI均值變小外,其他各城市NDVI均值均有不同程度的增加,表明城市建成區植被隨時間的變化具有明顯的空間差異。結合圖7可以看出,城市建成區NDVI均值分布具有明顯的地理差異,研究區中西部普遍較東部地區小。

2.2.3NDVI比值及其變化量

從各城市建成區內NDVI比值(表3)可以看出,2002—2013年,除蘭州、酒泉和慶陽部分時期NDVI比值大于1外,其他城市NDVI比值均小于1,說明城市擴展對這些城市建成區植被造成不利影響。從年際變化看(圖8),2002—2006年研究區東西方向中軸線附近各城市NDVI比值變化量普遍增加,而東南部多數城市的NDVI比值變化量減小,其中甘南、臨夏、固原和慶陽減少最明顯,反映出城市建成區擴展對這些地區植被的負面影響在增加；2006—2010年,除中部及東南部少數地區NDVI比值變化量在減小外,其他各城市建成區擴展對建成區內植被的不利影響均在減弱；2010—2013年近2/3的城市建成區NDVI比值變化量在減少,說明該時期城市建成區擴展對植被的不利影響在加劇?？傮w來看,2002—2013年近4/7的城市建成區NDVI比值及其變化量呈下降趨勢,表明城市建成區擴展對建成區內的植被狀況造成一定的不利影響。

2.2.4趨勢分析和變化百分率

從NDVI年際變化率和變化百分率來看(表4),建成區內各城市NDVI的變化均呈向好發展,NDVI的變化百分率均在550%以上,說明甘青寧三省區建成區內植被整體處于良好發展；而建成區外圍的背景區,自然植被整體呈下降趨勢,其中,中衛、白銀、銀川和吳忠下降顯著,背景區NDVI的變化百分率均處于負增長狀態,說明該區域植被生長趨于退化?？傮w來看,城市建成區NDVI呈向好發展。

表3 2002—2013年研究區各地級市(州)城市建成區內NDVI比值及其變化量

圖7 甘青寧地區城市建成區植被變化情況Fig.7 Vegetation changes in urban built-up areas in Gan-Qing-Ning region

圖8 甘青寧地區城市建成區NDVI比值變化量Fig.8 Variation of NDVI ratio in urban built-up areas in Gan-Qing-Ning region

2.2.5植被穩定性

研究區城市建成區NDVI的變異系數介于0.000—0.747(表5),其中,海西變異系數最大,屬于植被穩定性最差的區域。2002—2006年,變異系數呈增加趨勢的城市占一半以上,其中,中衛和吳忠的植被變化最為劇烈,為不穩定區域；2007—2010年,近1/3的城市NDVI變異系數呈上升趨勢,但上升幅度普遍較??；2011—2013年,NDVI變異系數呈上升趨勢的區域較前一階段(2007—2010)無明顯變化,大多數城市NDVI處于穩定和不穩定區域之間。總體上,除隴南和甘南非常穩定外,近半數以上的城市在2002—2013年間變異系數均有不同程度增加,表明在該時段研究區內植被比較不穩定。

表4 甘青寧地區植被NDVI的年際變化率及變化百分率

3 討論

3.1 甘青寧地區城市建成區擴展時空變化特征及其驅動機制

城市建成區的擴展往往會受到政府決策和規劃的影響[39]。2000年啟動實施的西部大開發戰略是推動西部地區城市快速擴展的一個重要因素[37]。國務院關于深入實施西部大開發戰略的若干意見[40]指出：要堅持以線串點、以點帶面,著力培育經濟基礎好、資源環境承載能力強,發展潛力大的重點經濟區,形成西部大開發戰略新高地,輻射和帶動周邊地區發展。此外,城市擴展與其他因素也存在較為密切的聯系,如受地形、交通以及經濟等多方面因素的影響[19,38]。季順偉等[39]認為公共財政支出、固定資產投入與城市空間擴展呈正相關的關系,對城市發展也具有顯著的促進作用。

從空間擴展特征看,整體上,甘青寧地區城市建成區圍繞河西走廊及黃河上游地區形成了不連續的“幾”字型空間形態,局部來看,城市建成區則呈現不規則的點狀、線狀和面狀分布。這與何春陽等[41]基于城市群地區城市空間擴展形態得出點狀、線狀和面狀3種城市化模式的結論基本一致。酒泉和嘉峪關由于在空間上接近,呈現向西靠近嘉峪關方向的發展趨勢[42]；白銀和臨夏呈現向區域中心城市蘭州聚攏的趨勢[19]；蘭州南北方向擴張已趨于飽和,城市只能沿黃河東西方向發展[43]。甘青寧三省區內的21座地級市依據經濟圈可劃分為[44]：關中-天水經濟區、西蘭銀經濟區、寧夏沿黃經濟區等。各大經濟區之間依托交通要道,在充分發揮核心增長極的聚集和輻射效應的基礎上,以各類都市經濟圈為增長極,形成了覆蓋全區域的城市空間發展框架[44]。

從時間擴展特征看,季順偉等[39]基于寧波、鄧昊鍵等[45]基于粵港澳大灣區和林中立等[46]基于中國東部沿海地區的研究發現2005年以前城市擴展速度較快,此后擴展強度有所緩和,與本文研究結果恰好相反,說明中國西北內陸地區的城市發展明顯滯后于東部地區。甘青寧三省區2002—2010年城市發展速度較為緩慢,而在2010—2013年發展則呈驟增趨勢。究其原因,在西部大開發開始實施的第一個十年,城市建設的重心主要集中在打通連接各區域的交通干道,建設投資的重點主要在基礎建設投資方面[47],城市建成區擴展速度相對較慢；在西部大開發實施后的第一個十年末,中央在關于發展西部大開發的文件中指出“今后十年是深入推進西部大開發承前啟后的關鍵時期”,在這一時期中,力爭到2015年,經濟總量比2008年翻一番,基礎設施更加完善[40],城市建成區發展速度也明顯加快。對于甘青寧地區城市擴展更深層次的驅動機制尚需進一步探討。

3.2 建成區植被時空變化及其影響因素

隨著城市建成區的擴展,2002—2013年建成區內植被總體呈好轉趨勢,這與多年的生態工程建設密切相關[48—49]。研究還發現城市建成區NDVI均值分布呈現中西部小于東部地區的變化趨勢,與王治國等[50]對關中平原城市群植被研究得出氣候因素是植被覆蓋的主導因素的結論基本一致。黃土高原邊緣地區(研究區東部地區)受降水的影響最大,在政策保障下植被不斷增加[50],而研究區的中西部地區,降水稀少,植被狀況往往較差。本文研究區位于中國西北內陸干旱、半干旱地區,植被除受自然因素影響外,人為因素亦有較強的促進或抑制作用[50]。研究發現,甘青寧地區城市建成區內植被生長狀況普遍較自然環境下要差,與董晨煒等[8]基于DMSP/OLS和MODIS NDVI數據的環杭州灣地區城市研究得出人為因素不利于城市植被生長的結論基本一致。本文認為甘青寧地區城市擴展過程中建成區內植被變差的原因主要有兩個：其一,盡管建成區內有較為完善的植被養護管理措施,但城市擴展過程中不可避免的會占用天然林草地,導致植被覆蓋度下降；其二,城市建成區內建筑密度較高、人工不透水表面占比相對較大以及城市“熱島效應”的影響等。同時也應該看到,盡管建成區內植被總體呈向好趨勢,但穩定性普遍較弱,說明植被抵御不良環境的能力較差。溫曉金等[51]的研究指出植被恢復力與植被恢復是兩個不同的概念,研究區現階段植被恢復良好,并不意味著其恢復力很強。隨著城市化進程的發展,人為因素對建成區內植被干擾的加劇,會使建成區內植被對抗不良因素的能力進一步削弱。因此,在看到城市建成區植被生長總體趨于良好的同時也應積極考慮其他影響研究區內植被穩定性的因素,采取科學有效的措施提高建成區內植被的穩定性。

3.3 采用統計數據比較法基于DMSP/OLS數據研究城市建成區的優劣

采用統計數據比較法基于DMSP/OLS數據研究城市建成區具有一定的局限性。首先,基于統計數據比較法提取城市建成區邊界,需要統計年鑒數據予以輔助,區域或年份統計數據的缺失會對研究結果的準確性造成影響。其次,DMSP/OLS數據空間分辨率(1 km)過大,時間序列(1992—2013年)較短,不利于進一步研究長時間序列城市建成區內不同類型植被的變化特征。再次,研究采用了何春陽等[28]提出的城市建成區面積基本是連續增加的觀點,認為前一年建成區范圍會在下一年的建成區中有所體現,然而城市發展是動態的、不確定的,往往與當地政府的決策有關,因此,建成區提取結果與實際相比存在一定誤差。最后,在植被變化方面,本研究只選用了NDVI一種參數,對于空間范圍廣、環境條件復雜的研究區而言,在準確反映建成區植被變化方面尚有不足。但是,本文的可取之處在于,在對甘青寧地區城市建成區范圍的提取中,運用統計數據比較法將研究區所涵蓋的21座城市以地級市(州)為單位進行逐城市建成區提取(平均誤差率2.075%),與林中立等[46]基于閾值法對中國東部沿海地區的提取結果(平均誤差率3.133%)相比,顯著提高了提取結果的精度。此外,利用NDVI作為表征生態環境植被變化特征的指示因子,在一定程度上反映了區域植被狀況的優劣,與劉沁萍等[37]的研究結果基本一致。

在今后的研究中,將從以下幾個方面進行完善。其一,嘗試通過數學模型來減少統計數據缺失造成的誤差；其二,在統計數據比較法的基礎上,借助更高分辨率的遙感影像(如Landsat數據)以提高城市建成區邊界的提取精度,研究建成區內不同植被類型的生長狀況；其三,采用多指標表征城市建成區植被變化特征。

4 結論

(1)甘青寧地區城市建成區圍繞河西走廊及黃河上游地區形成了不連續的“幾”字型空間形態,并具有點狀、線狀和面狀三種不同的擴展模式。

(2)甘青寧地區城市建成區植被狀況在時空分布上總體呈向好趨勢。建成區NDVI總和隨著城市建成區的擴展不斷上升；NDVI均值在2002—2013年間整體呈增加趨勢,且分布具有明顯的空間差異,中西部地區普遍小于東部；NDVI年際變化率和變化百分率均為正向增長。

(3)甘青寧地區城市建成區植被狀況普遍較背景區差。一方面,2002—2013年研究區半數以上的城市建成區NDVI比值及其變化量均呈下降趨勢；另一方面,城市建成區植被穩定性較差,半數以上的地級市(州)在2002—2013年間變異系數均有不同程度增加。