基于GEE的長三角城市群城市化與生態環境的動態研究

王仁義，蘇 濤*，徐良泉，邸俊楠

(1.安徽理工大學 空間信息與測繪工程學院，安徽 淮南232001；2.安徽理工大學 礦山采動災害空天地協同監測與預警安徽普通高校重點實驗室，安徽 淮南232001)

0 引言

生態環境質量與人類的生存和社會經濟發展密切相關[1]。在中國高速城市化進程的背景下,城市群成為經濟協調發展的核心區域,也是環境問題日趨嚴重的敏感區域。由于城市化的加速發展,人類活動密度不斷上升,環境污染[2]、土地退化[3]等一系列生態環境問題日益突出。因此,持續監測和分析城市群城市化與生態環境變化的耦合協調具有重要的意義。

遙感技術能夠方便、及時、大面積、客觀地反映地表相關信息。一方面,夜間燈光數據結合了傳統遙感的特性,同時具有能夠直接表征人類活動強度的優勢。因此,夜間燈光數據被眾多學者們應用于城市相關領域的研究[4-5]。此外,陳晉等[6]構建了綜合夜間燈光指數(Compounded Night Light Index,CNLI),并驗證該指數與表征城市化的復合指數具有較高的相關性,表明該指數可用于表征區域城市化水平。近年來,研究證實,基于夜間燈光數據提取的燈光指數能夠準確反映區域城市化水平[7-9],并且與植被覆蓋度(Fractional Vegetation Cover,FVC)呈現負相關[10]。另一方面,徐涵秋[11]利用新型遙感生態指數(Remote Sensing Ecological Index,RSEI)對生態系統的總體狀況及其復雜程度進行全面而準確的分析,以此來反映生態環境的狀況。近年來,學者們通過運用遙感影像數據計算FVC,并與RSEI相結合評估生態環境質量,已在保護區[12]、城市[13]和流域[14]等各個領域得到廣泛應用。

我國城市化與生態環境之間的耦合協調關系已經引起了眾多學者的關注[15-16]。其中,梁龍武等[17]選取京津冀城市群13個地級市為研究對象,采用系統指數評估模型以及耦合協調度模型對城市化與生態環境系統進行綜合評價。賀清云等[18]以長江中游城市群28個城市為研究對象,基于統計數據并運用耦合協調模型定量分析了研究區域的城市化與生態環境時空演變規律。黃莘絨等[19]探究了長三角城市群26個城市城鎮化與生態環境的時空演變特征以及城鎮化對生態環境的影響程度。盡管以上研究已深入探討城市化和生態環境之間的相互作用和協同發展,但研究對象集中在省、地級市等,忽略了將區(縣)作為基礎,限制了對其進行更加深入和全局范圍內的探討。此外,許多學者采取了基于統計數據的復合指標法,可以有效減少主觀因素,從而提高研究結果的準確性,但卻無法滿足廣泛的需求。

綜上所述,本文以長江三角洲城市群203個區(縣)為基本研究單元,選用“類 DMSP-OLS ”夜間燈光數據和MODIS遙感數據,利用表征城市化水平的CNLI指數、表征生態環境質量的RSEI指數與表征地表植被覆蓋的FVC指數,通過分析20年間該城市群的城市化水平、生態環境質量和植被覆蓋水平的變化特征,構建表征城市化與生態環境之間耦合程度的城市化與生態環境耦合協調指數(Urbanized and Ecological Coupling Index,UECI),以期為城市群發展與生態環境建設提供決策和依據。

1 研究區與數據源

1.1 研究區概況

本文選擇研究區為長江三角洲城市群(簡稱長三角城市群)屬于長江三角洲地區區域內,橫跨三省一市,由上海市、江蘇省9市、浙江省8市與安徽省8市,共計26個城市組成,總面積21.17萬km2[20]。截止2021年,長三角城市群人口已達1.658億,生產總值(GDP)約為23.08萬億元。長三角城市群是中國東南沿海重點建設的國家級城市群之一,憑借著自身的優越地理位置和國家政策支持,其人口聚集程度、經濟發展水平等綜合實力在全國城市群中居最高等級,是引領中國經濟發展的重要力量。

1.2 數據源與預處理

本文使用數據以時間跨度5年為間隔,選用2002、2007、2012、2017、2021年長三角城市群的MODIS數據和夜間燈光遙感數據。

1.2.1 MODIS數據

選用由美國國家航空航天局(http:∥modis.gsfc.nasa.gov/)提供的地表反射率產品(MODIS 09A1)、地表溫度產品(MODIS 11A2)與植被指數產品(MODIS 13A1)。所有MODIS產品均由GEE云平臺[21]數據庫(https:∥developers.google.com/earth-engine/datasets/catalog/modis)提供,可以直接調用。為此,在GEE云平臺上調用MODIS地表反射產品的云掩膜算法,對目標時序內地表反射產品進行去云處理,并且對經過去云處理后的MODIS 09A1以及MODIS 11A2與MODIS 13A1進行均值擬合[22]得到研究區內目標年份的最優MODIS影像數據。

1.2.2 夜間燈光遙感數據

夜間燈光數據來源于中國“類DMSP-OLS”夜間燈光遙感數據集[23]。該數據集空間分辨率為1 km,時間為1992—2021年,大大延長了夜間燈光數據的可用性,為相關研究領域提供了新的數據來源。

2 研究方法

2.1 構建CNLI

本文選用“類 DMSP-OLS”夜間燈光數據構建夜間燈光指數CNLI評價長三角城市群的城市化發展水平。CNLI為某一區域內平均燈光強度(MLI)與燈光面積占該區域面積比例(LAP)的乘積,定義為[24]:

CNLI=MLI×LAP,

(1)

(2)

(3)

式中:DNi為第i級建成區燈光像元的灰度值,ni為第i級建成區燈光像元的數量,DNM為該區域內燈光像元的最大灰度值,NL、AreaN分別為該區域(1≤DN≤DNM)內燈光像元總數和占據總面積,Area為該區域總面積。

為便于分析研究區域內部城市化的發展,本文參考文獻[25-26],將CNLI劃分為高[0.64,1]、較高[0.32,0.64)、中等[0.16,0.32)、較低[0.08,0.16)和低[0,0.08)五個等級。

2.2 構建RSEI

首先利用GEE平臺采用主成分分析(Principal Components Analysis,PCA)法將綠度(用歸一化植被指數(NDVI)表征[27])、濕度(用纓帽變換產生的濕度分量(WET)表征[28-29])、熱度(用地表溫度(LST)表征[30])和干度(用裸土指數(SI)、建筑指數(IBI)構建NDBSI表征[31])四個分量指標進行合成,各級分量指標運算如表1所示。

表1 各分量指標運算公式和說明

由于上述4個分量指標的量綱不統一,將4個分量指標歸一化處理后再進行PCA,然后將第一主成分(PC1)的結果再次歸一化處理并建立RSEI,其值越接近0,表示生態環境質量越差;反之,其值越接近1,表示生態環境質量越好,即:

RSEI=f(NDVI,WET,LST,NDBSI)。

(4)

為了更好地進行量化評價,采用普遍使用的等間距分級法對RSEI進行分級[32],以數值0.2為間隔,將RSEI劃分為優[0.8,1]、良[0.6,0.8)、中等[0.4,0.6)、較差[0.2,0.4)和差[0,0.2)五個等級。

2.3 構建FVC指數

FVC是衡量生態綠化程度的量化指標[33]。FVC和 NDVI之間存在極顯著的線性相關關系,通過建立二者之間的轉換關系,可以用NDVI直接提取FVC信息[14],計算如下[34]:

(5)

式中:FVC為植被覆蓋度,NDVI為歸一化植被指數,NDVIsoil為土壤部分的NDVI值,取0.05;NDVIveg為植被部分的NDVI值,取0.95。

為了便于分析,將FVC劃分為5個等級[35]:高植被覆蓋度[0.75,1]、中高植被覆蓋度[0.6,0.75)、中等植被覆蓋度[0.45,0.6)、中低植被覆蓋度[0.3,0.45)和低植被覆蓋度[0,0.3)。

FVC與RSEI中用NDVI表征綠度分量均可以評價植被狀況,但二者之間并未重復[12]。RSEI是通過耦合4個次級分量指標構建的一個綜合性評價生態環境質量好壞的指數,而FVC是直接衡量地表植被綠化狀況的重要指標。因此,RSEI與FVC是2個相對獨立評價區域生態環境系統變化的重要數據[13]。

2.4 構建UECI

為了快速、便捷地評價長三角城市群城市化發展水平與生態環境變化的耦合協調程度,本文在耦合模型[36-38]的基礎上,構建了一個基于“生態環境-植被覆蓋-城市化水平”的相關評估指標。由于標準化后RSEI、FVC與CNLI三項指數值為0～1。因此,構建一個UECI,由RSEI、FVC與CNLI組成,并在“X-Y-Z”平面上建立函數,以 RSEI為X軸,FVC為Y軸,CNLI為Z軸。在“X-Y-Z”坐標系中設點Nmax為(1,1,1),點Nmax到原點O(0,0,0)的距離為ONmax;將RSEI、FVC、CNLI在坐標系中表示為點N(RSEI,FVC,CNLI),點O到點N的距離為ON;將ON與ONmax之比視為UECI。當RSEI、FVC和CNLI均為1時,表明該地區城市化發展與生態環境的耦合協調程度最好;反之,當RSEI、FVC和CNLI均為0時,表明該地區城市化發展與生態環境的耦合協調程度最差。UECI計算如下:

(6)

式中:t為時間節點。

3 結果與分析

3.1 長三角城市群城市化時空變化分析

根據式(1)～式(3),對2002—2021年長三角城市群進行評定,統計結果如圖1所示。由圖1(a)和圖1(b)的MLI與LAP指數變化可以看出:① 長三角城市群整體與局部均呈現穩定上浮趨勢。② 夜間燈光亮度可以直接反映城市化強度與人類社會經濟活動總量[39-40],長三角城市群較高燈光亮度區域空間擴張趨勢為從沿海城市不斷向內陸城市進行擴張。2002年燈光亮度較高的區域主要分布于直轄市與省會城市的主城區,其他區(縣)的燈光亮度明顯較低;到2021年,上海市整體上燈光明亮,主城區基本上連為一體,甚至蔓延至近滬地區與蘇錫常都市圈,東部沿海城市得到了高速發展。另外,內陸地區南京都市圈、杭州都市圈也基本連為一體。由圖1(c)的CNLI變化可以反映出,在20年間長三角城市群的城市化水平均呈現穩定上升的趨勢,由2002年的0.11升至2021年的0.35,增長了約2.2倍。

(a)MLI均值變化

(b)LAP均值變化

(c)CNLI均值變化

此外,根據構建各區(縣)CNLI以等間距分級法劃分為高城市化水平[0.8,1]、較高城市化水平[0.6,0.8)、中等城市化水平[0.4,0.6)、較低城市化水平[0.2,0.4)和低城市化水平[0,0.2)五個等級,以及經過20年城市高速發展,利用自然間斷點分級法[41],將2002—2021年CNLI變化值劃分為4類。其中,城市化發展水平以及發展變化的區(縣)數量及占比,如圖2所示。相較于2002年,2021年長三角城市群所有區(縣)的CNLI均得到提升。其中,低速增長區(縣)共計59個,占總區(縣)的29.06%;較低增速發展的區(縣)共計41個,占20.20%;而較高增速發展與高速發展的區(縣)共計103個,占長三角城市群區(縣)的50%以上。

(a)CNLI等級劃分區(縣)數量

(b)CNLI變化值劃分區(縣)數量及比例

經過20年的不斷發展可以看出,長三角城市群區(縣)城市群內部高速發展區域主要分為2類: ① 省會城市和直轄市主城區;② 沿海城市區(縣)。根據中國統計局發布的相關數據可知,上海、南京等城市國內生產總值與年末人口常住數量排名均位于前列,擁有良好的社會經濟基礎和穩定的流入人口,能更好地帶動周邊地區以及該城市群城市化的高速發展,使其城市化水平處于一直增長狀態。而位于沿海城市,上海、寧波等是中國改革開放的前沿地區,其招商引資與人才引進為長三角城市群的城市化帶來豐厚資源與巨大動力;作為中國經濟最活躍、人口密度最大的長三角城市群,其梯次結構和成群特色更加鮮明。

3.2 長三角城市群生態指數與植被覆蓋的時空變化分析

3.2.1 長三角城市群生態指數時空變化分析

2002—2021年長三角城市群PCA中第一主成分結果及各年RSEI均值如表2所示。可以看出: ① 各年第一主成分(PC1)的貢獻率均可達到60%,其20年的平均貢獻率超過70%,說明PC1整合了4個指標的大部分特征信息。② 從各指標對PC1的特征值向量來看,NDVI和WET始終為正,LST和NDBSI始終為負,說明RSEI可以有效地保證NDVI和WET對研究區生態質量具有正影響,而LST和NDBSI具有負影響,這也與實際情況相符。綜上所述,PC1有效地整合了各指標的特征,可用于構建RSEI模型。

長三角城市群的RSEI平均值為0.6,表明20年間長三角城市群平均生態環境處于良好水平階段。其次,RSEI從2002年的0.601上升至2007年的0.629,上升了4.66%;在2007—2017年呈現下降趨勢,下降了8.59%,2017—2021年又逐漸上升,形成“N”字趨勢,2002—2021年總體上升幅度約為2%;整體上呈現出內陸城市區(縣)生態環境優于沿海城市區(縣)的空間分布特征。其中,過去20年間RSEI退化區域主要集中于近滬地區(蘇錫常都市圈、嘉興等)與蘇北地區(鹽城、揚州、泰州和南通),而杭州主城區外各區(縣)與安徽區域內(除合肥外)的生態環境質量明顯提高。

表2 2002—2021年長三角城市群主成分分析中第一主成分的結果及均值

2002—2021年長三角城市群RSEI等級面積及占比與RSEI等級轉移矩陣桑基圖如圖3所示。20年間,RSEI等級為優的區域面積呈現先增長后下降再增長的趨勢。等級較高(優和良好)區域面積上升幅度約為3.46%,等級較低(較差和差)區域面積共上升1.91%,但該區域面積占比主要等級為優與良好,意味著長三角城市群生態總體狀況良好。

(a)RSEI面積及占比

(b)RSEI轉移矩陣桑基圖

此外,2000年, RSEI較低(差和較差)的區(縣)共有21個,主要位于上海、蘇錫地區以及南京、杭州的主城區;RSEI較高(良好和優)的區(縣)共有68個,主要集中在長三角城市群南部區域。2012年,RSEI均值較低的區(縣)較2002年增加12個,共有33個,在原有基礎上不斷向各主城區的近郊以及長三角城市群北部城市的主城區擴展;高RSEI的區(縣)數量出現下降,共有58個。2021年,差RSEI的區(縣)相較于2002年、2012年減少至0,較差RSEI的區(縣)數量相較于2012年,也呈現輕微下降趨勢;高RESI的區(縣)相較于2012年得到一定恢復,呈現上升趨勢,共計70個區(縣),但環境壓力仍然不容樂觀,生態環境壓力依舊向中心城市主城區輻射。

3.2.2 長三角城市群植被覆蓋時空變化分析

長三角城市群FVC均值變化如圖4(a)所示,形成“W”型趨勢,總體上處于下降趨勢,總體下降幅度約為6.80%。2002—2021年FVC的平均值為0.651 ,表明長三角城市群在20年內植被覆蓋水平處于中高植被覆蓋。在過去20年,FVC改善和退化區域與RSEI變化基本一致,主要集中區域均以上海區(縣)為核心,不斷向近郊以及外圍區域輻射,使得區域內生態環境質量和植被覆蓋水平發生相對退化;隨著近年來長三角城市群加強區域環境協同治理,持續深化區域生態環境共保聯治,使得區域生態環境質量與植被覆蓋水平得到逐步改善,但人口密度、經濟發展與資源環境之間的矛盾仍要十分關注。

長三角城市群FVC等級面積及占比與FVC等級轉移矩陣桑基圖如圖4(b)和圖4(c)所示。高植被覆蓋區域面積變化的趨勢同長三角城市群整體植被覆蓋的變化趨勢,在各年份中其所占比例均遠高于低與中低植被覆蓋;中高植被覆蓋度的區域面積雖呈現下降趨勢,從2002年的40.19%降至2021年的31.71%,但仍是長三角城市群主要的植被覆蓋等級;等級較低(中等、中低和低)區域面積上升11.35%。

(b)FVC面積及占比

(c)FVC轉移矩陣桑基圖

長三角城市群FVC較低的區域主要分布于上海、南京、杭州的中心地區及其近郊等人類活動強度較大的區域;高植被覆蓋的區域主要集中于長三角城市群南部區域,其中,2002年主要集中在安徽與浙江境內,隨著城市范圍不斷向周圍地區擴張,2021年長三角城市群南部區域的高植被覆蓋區(縣)減少至31個。

3.3 長三角城市群城市化水平與生態環境質量、植被覆蓋水平的耦合協調分析

根據式(6)計算了2002—2021年長三角城市群的UECI指數并進行耦合程度分析。2002—2021年,長三角城市群總體UECI呈現上升態勢,從2002年的0.540上升至2021年的0.559,總體上升幅度約為3.52%,表明20年間長三角城市群城市化與生態環境耦合協調發展處于改善狀況。

為了進一步分析長三角城市群UECI指數特征,將UECI劃分為三級耦合協調程度:低級耦合協調程度(0

圖5 長三角城市群UECI分級城市數量及占比Fig.5 Quantity and proportion of UECI classified cities in YRDUA

長三角城市群20年間UECI不僅在數值上發生變化,其空間分布特征也有著明顯差異。為了探索長三角城市群耦合變化的空間特征,采用1 km×1 km網格對2002—2021年長三角城市群UECI指數及其20年間變化影像進行重采樣,得到197 938個樣本點,進行全局和局部空間自相關分析。研究時期長三角城市群UECI全局Moran’I均為正值,通過99.9%置信度下的顯著性檢驗(P=0.001),說明長三角城市群UECI從區縣尺度來看,存在明顯的空間正相關特征。

為了進一步分析長三角城市群區縣尺度UECI局部空間自相關性,將表現出空間局部自相關特征的地級單元分為4類:低-低值(L-L)、高-高值(H-H)、低-高值(L-H)和高-低值(H-L)集聚區。其中,2002—2021年長三角城市群UECI呈現以H-H集聚區和L-L集聚區為主的空間分布格局,L-H集聚區和H-L集聚區較少出現。其中,2002年H-H類型區域即UECI熱點區域,主要分布在長三角城市群南部區域,如安慶岳西縣、池州各區縣、宣城和杭州等南部區縣,隨著周邊地區UECI變化不均勻(南部升高、中部下降),之后熱點區域消失。相較于2002年,2012年在其空間分布基礎上增加了安慶潛山市和太湖縣;2021年中部區域(南京、常州和蘇州等區縣)呈現出斑塊狀的H-H型區域,說明在城市建設發展的同時,生態環境得到改善,中部區域的UECI受到一定積極影響,呈現好轉態勢,憑借城市化與生態環境積極協調發展的優勢,未來仍能實現H-H區域恢復;2002年,L-L型區域即UECI冷點區域,主要出現在長三角城市群長江沿岸區縣以及蘇錫常城市群,2012年增加了杭州、湖州和紹興三市交界的區縣,2021年冷點區域逐漸向北移動,形成了鹽城、南通等沿海港口區域連成一片的格局。

此外,長三角城市群UECI變化的樣本點主要分布于第一、三象限,表明長三角城市群城市化與生態環境之間耦合變化存在明顯的空間正相關性。其中,Moran’I指數為0.671,表明長三角城市群UECI變化的空間分布呈聚集性而非隨機性。其次,可以看出,H-H集聚區域,即UECI改善區域,主要分為2類:一類是擁有城市化水平較高增速發展與生態環境質量和植被覆蓋水平改善并存的城市,主要分布于杭州、紹興、寧波和金華的主城區,這與杭州等地政府完善公共服務、提高城市生活質量以及其擁有良好的生態環境基礎息息相關;另一類是城市化進程有較高增速的城市,其生態環境質量和植被覆蓋水平出現較低退化,但在整體上經濟、社會和生態協同治理取得積極進展,如上海近郊、蘇錫常都市圈,以及南京與合肥等區域;而L-L集聚區域,即UECI降低區域,主要集中于長三角城市群北部區縣,如鹽城、南通和揚州等。

4 結論

本文基于GEE云計算平臺,以長三角城市群為研究區,通過多源衛星數據建立CNLI、RSEI與FVC等指數,分析該區域的城市化發展水平和生態環境狀況,并基于相關統計數據支撐,構建UECI對城市群20年間城市群的城市化水平、生態環境質量和植被覆蓋水平進行區域耦合協調分析。結論如下:

① 在20年間,長三角城市群CNLI從2002年的0.11上升至2021年的0.35,不論從整體上還是各區縣的城市化水平均有所提升。其中,城市化進程高速發展的區域主要是省會城市與沿海城市的主城區縣。

② 長三角城市群20年間平均RSEI為0.6,表明生態環境質量處于良好水平階段且平均FVC為0.651,植被覆蓋水平也處于中高覆蓋水平,即RSEI與FVC在區域生態環境研究中的結果較為一致。

③ 基于構建UECI,可以快速便捷地識別出長三角城市群總體以及各區縣的城市化水平與生態環境的耦合協調狀況。其中,長三角城市群整體上從2002年的0.540上升至2021年的0.559,上升幅度約為3.52%;此外,2021年高級耦合協調程度的城市數量逐漸增加,表明城市化與生態環境耦合狀態總體穩定且逐漸改善。