基于夜間燈光遙感的成都市建成區擴張時序演變分析

摘 要：【目的】探究2007—2017年成都市建成區擴張變化及發展趨勢。【方法】以成都市為研究區，基于夜間燈光數據，利用支持向量機法提取2007、2012、2017年成都市建成區，結合城市擴張強度、擴張速度、重心等指標，探討10年間成都市建成區擴張演變趨勢。【結果】結果表明：①2007—2012年，成都市建成區面積擴張了106.87 km2；2012—2017年，成都市建成區面積擴張370.08 km2，10年間建成區面積擴張明顯，城市發展迅速。②2007—2017年，成都市建成區主要以成華、青羊、武侯為中心向四周擴張，各區縣建成區連貫性和面積均有所增加，城市發展重心逐漸往東南方向遷移，整體呈現“中心聚集，環狀向外擴張”特征。【結論】研究結果能夠為成都市城市建設和發展提供參考。

關鍵詞：成都市；夜間燈光數據；城市擴張；重心轉移

中圖分類號：P237" " "文獻標志碼：A" " 文章編號：1003-5168（2024）13-0093-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.13.019

Analysis of the Temporal Evolution of Built-Up Area Expansion in Chengdu Based on Night Light Remote Sensing

LIN Ling WU Mingdong

（Sichuan College of Architectural Technology， Deyang 618000， China）

Abstract： [Purposes] This paper explores the expansion changes and development trends of built-up areas in Chengdu from 2007 to 2017. [Methods] Taking Chengdu as the study area， based on the nighttime light data， the support vector machine method was used to extract the built-up areas of Chengdu in 2007， 2012 and 2017， and the expansion evolution trend of the built-up areas of Chengdu in the past 10 years was discussed by combining the urban expansion intensity， expansion speed and center of gravity. [Findings] The results show that： ① From 2007 to 2012， the built-up area of Chengdu expanded by 106.87 km2， and from 2012 to 2017， the built-up area of Chengdu expanded by 370.08 km2， doubling the built-up area in 10 years. The trend of expansion is obvious， and the city is developing rapidly. ② From 2007 to 2017， the built-up area of Chengdu mainly expanded to the surrounding areas with Chenghua， Qingyang and Wuhou as the center， and the coherence and area of the built-up areas of each district and county increased， and the center of gravity of urban development gradually shifted to the southeast， showing the characteristics of \"central agglomeration and circular outward expansion\". [Conclusions] The research results can provide a reference for the urban construction and development of Chengdu.

Keywords： Chengdu City; night lighting data; urban sprawl; shift in center of gravity

0 引言

近年來，為滿足增長人口的居住和生產活動，城市建成區范圍不斷擴張［1］。城市建成區作為人類生存活動的主要空間，城市空間形態的主要組成部分，探究其擴張演變趨勢，對城市發展規劃和生存環境改善具有重要意義［2］。夜間燈光遙感數據不僅具有遙感可視化的特點，而且具有大范圍、大視角的優勢［3］。已有大量研究者利用夜間燈光遙感探究城市發展、城市空間形態，為城市建設和規劃提供了重要參考［4-5］。Crof［6］基于夜間燈光數據提取城市建成區，并驗證了結果的可靠性；Henderson［7］等結合DMSP/OLS夜間燈光數據和Landsat數據，探究城市建成區發展及空間形態變化趨勢；曹二彪［8］結合多期燈光數據提取江蘇市2001—2017年城市建成區，并結合統計年鑒相關數據驗證結果可靠性，結合主成分分析模型探討了建成區的主要影響因子；葛天弘等［9］結合夜間燈光數據提取建成區，通過計算擴張強度、速率等指標探討浙江省部分城市的擴張趨勢，為政府的城市規劃提供參考數據；羅新晨［10］不僅利用夜間燈光數據探討了贛州市章貢區的城市發展狀況，還結合相關模型分析了影響城市擴張的主要驅動力。

成都市作為中西部重點發展城市，四川省核心發展地區，探究成都市城市空間格局演變進程，對其發展規劃和未來發展格局具有重要意義。本研究利用夜間燈光數據，提取成都市2007—2017年城市建成區，結合擴張強度、重心等指標分析成都市建成區演變特征，探討成都市10年間的城市化進程和發展趨勢。

1 研究區概況及數據來源

1.1 研究區概況

成都市（102°54′E～104°53′E， 30°05′N～31°26′N）地處四川省的中部，坐落于四川盆地西面，地形復雜多樣，以深丘和山地為主。海拔范圍主要在1 000～3 000 m。全市平原面積約占40.1%，丘陵約占27.6%，山區約占32.3%。成都市東部、南部為平原，地勢平坦，獨特的地理位置使得成都在四川省的發展中占據優勢地位，也是往返全國各地乃至全球的重要交通樞紐。

1.2" 數據來源及預處理

本研究使用的DMSP_OLS、NPP_VIIRS夜間遙感燈光數據來自NOAA官網和中國科學院資源環境科學與數據中心。DMSP_OLS、NPP_VIIRS數據受傳感器、環境等因素影響，可能存在異常值和負值，需進行異常值剔除，負值常用0替換。此外，須統一燈光數據和行政區坐標系，將DMSP_OLS數據重采樣為1 km×1 km，將NPP_VIIRS數據重采樣為500 m×500 m，最后裁剪得到研究區的夜間燈光數據。

2 地表溫度反演方法

2.1 支持向量機法

支持向量機法（Support Vector Machine， SVM）是一種基于統計學習的機器學習方法［11］，相較于傳統分類，SVM具有運算快、分類精度高等優勢。通過自動尋找最大區分類向量，將不同類別間隔最大化，從而提高分類結果可靠性。本研究結合成都市夜間燈光數據和Google Earth 影像，選取DN值為45作為建成區和非建成區提取閾值，利用SVM算法提取成都市建成區范圍。

2.2 擴張速度與擴張強度計算

擴張速度用于解釋某區域一段時間區間內的年平均擴張面積，可描述城市的發展和變化速度；擴張強度指在一定時間間隔內擴張面積與總面積之比，用于表征城市擴張狀態。計算公式見式（1）和式（2）［12］。

[v=Sb?Savb?va] （1）

[E=Sb?San?S] （2）

式中：v表示擴張速度；E表示擴張強度；[Sa]與[Sb]表示前一年份[va]和后一個年份[vb]時間段內的建成區面積；S為研究區總面積；[n]表示時間間隔。

2.3 重心計算模型

重心變化可用于解釋城市空間形態變化特征。利用提取的成都市建成區面積計算其重心坐標（[Xi]，[Yi]），計算公式見式（3）和式（4）。

[Xi=i=1nSik×Xk/i=1nSi] （3）

[Yi=i=1nSik×Yk/i=1nSi] （4）

式中：[ Sik]表示第[i]個城市的建成區面積；（[Xk]，[Yk]）是第[i]個城市建成區的幾何中心坐標。

3 研究結果與分析

3.1 成都市建成區提取及擴張分布特征分析

基于夜間燈光數據、統計年鑒等，經過多次試驗和對比分析，得到成都市2007、2012、2017年建成區分布結果，如圖1所示。由圖1可知，建成區主要分布在金牛、武侯、成華、青羊等中心區域，是成都市核心經濟發展區；除中心地區外的區縣建成區分布零散，范圍小，建成區之間缺乏連貫；總體上，成都市建成區空間格局呈 “中心聚集、環狀+放射”擴張模式。

經過10年發展，成都市各區縣建成區均存在一定擴張程度，連貫性有所提高，主要特征仍是以中心城區向四周擴張趨勢為主，各區縣部分地區穩步增長。其中，增長幅度較大的是雙流區和簡陽天府機場附近地區建成區。雙流國際機場和天府國際機場分別位于雙流市和簡陽市內，為兩區域的發展帶來了巨大機遇；增長較明顯區域還有位于東部的龍泉驛區域和東北部的新都區。早期龍泉驛地區建成區分布較少，2012年后建成區范圍逐漸擴張，主要呈塊狀/面狀分布特征。新都區位于中心城區的東北部，與金牛、成華、郫都接壤，交通便利、學校、醫療設施逐漸完善，優越的地理位置也吸引大部分居民在此安家落戶，帶動了新都區的城市建設和經濟發展。

3.2 建成區擴張強度與擴張速度

計算成都市2007—2017年城市建成區擴張面積/擴張速度、擴張強度指標數據，結果見表1。

由表1可知，成都市建成區2007—2017年總面積顯著增加，擴張約476.95 km2，成倍增長，說明成都市10年間建成區擴張明顯，城市發展迅速。其中，2012—2017年建成區擴張面積、速度、強度指標數據較2007—2012年明顯增加，約3倍增長強度，平均年增長面積約為74.12 km2，說明在2012—2017年階段內，成都市建成區擴張更迅速，經濟發展更快，考慮與成都市的相關政策和行政區的重新規劃、交通規劃密切相關。成都市于2014年確立天府新區，2015年初規劃“天府國際機場”，2015年末撤雙流縣并區，簡陽市劃入成都管轄，一系列城市發展規劃，極大程度上改變并提高了城市空間利用和城市空間分布格局，為成都市后續飛速發展奠定堅實基礎。2010年后，成都市道路交通發展迅速，兩個國際機場為城市發展、經濟飛躍提供重要支撐。

3.3 成都市整體城市重心分布格局變化

建成區重心變化反映出城市的發展趨勢，通過計算得出各年份重心坐標，并繪制重心遷移圖（如圖2所示）。整體上，2007—2017年成都市建成區重心空間分布由西北－東南方向遷移，城市發展重心逐漸向東南地區偏移。其中，2007—2012年建成區重心主要往西北方向遷移，該段時間成都市西北方向地區經濟、人口發展較快；2012—2017年建成區重心由西北向東南遷移，約為2007—2012年遷移量的2倍，說明該段時間成都市東南地區發展更迅速，城市擴張更明顯。

4 結論

本研究結合夜間燈光遙感數據提取2007—2017年成都市建成區，并結合重心轉移、擴張強度等指標綜合探討成都市近10年間的建成區演變趨勢，主要結論如下。

①2007—2012年，成都市建成區面積擴張了106.87 km2；2012—2017年，成都市建成區面積擴張了370.08 km2，10年間建成區擴張明顯，城市發展迅速。建成區空間格局主要以成華、青羊、武侯等區域為中心向四周擴張，各區縣建成區范圍增加，呈現“中心聚集，環狀向外擴張”特征。

②結合擴張強度、擴張速度、重心等指標，成都市2012—2017年較于2007—2012年建成區擴張速度更快、強度更大。2007—2012年建成區主要往西北方向遷移，郫都、溫江擴張明顯。2012—2017年，建成區主要往東南方向遷移，擴張較為明顯的是雙流區及簡陽部分地區，主要與成都市行政區重新規劃和交通規劃密切相關。

參考文獻：

［1］汪韜陽，張過，李沛然，等.基于DMSP/OLS夜光遙感影像的城市擴張政策驅動因素分析［J］.測繪學報，2018，47（11）：1466-1473.

［2］王騰波，張英，翟亮，等.夜間燈光視角下京津冀地區協同發展特征研究［J］.測繪科學，2022，47（8）：166-173.

［3］范俊甫，馬廷，周成虎，等. 1992—2010年基于DMSP-OLS圖像的環渤海城市群空間格局變化分析［J］. 地球信息科學學報， 2013（2）：280-288.

［4］李茂. 基于夜間燈光數據的湖南省城鎮擴張時空變化及驅動力因子分析［D］.湘潭：湖南科技大學，2019.

［5］張穎，汪俠，閆藝涵，等.基于夜間燈光數據的西南地區縣域旅游多維減貧效應時空變化研究［J］.地球信息科學學報，2022，24（8）：1541-1557.

［6］CROF T， THOMAS A. Nighttime images of the earth from space［J］. Scientific American，1978.

［7］HENDERSON M， YEH E T， GONG P A. Validation of urban boundaries derived from global night-time satellite imagery［J］.International Journal of Remote Sensing，2003，24（3）：595-609.

［8］曹二彪.基于DMSP/OLS數據的城市建成區擴張分析及驅動研究［D］.徐州：中國礦業大學，2019.

［9］葛天弘，何悅，李璐.基于DMSP/OLS夜間燈光數據的城市建成區時空演化特性及驅動力研究［J］.浙江建筑，2020，37（4）：16-23.

［10］羅新晨. 贛州市章貢區城市擴張時空變化特征及驅動力分析［D］.撫州：東華理工大學，2021.

［11］CORTES C， VAPNIK V. Support-vector networks［J］. Machine Learning，1995，20（3）：273-297.

［12］李冰洋.南陽市區城市建設用地擴張及驅動力分析［D］.開封：河南大學，2015.