基于多源遥感数据的城市扩张测度研究——以厦门市为例

占 昕，潘文斌，蔡芫镔，郑 鹏

(福州大学环境与资源学院，福建 福州 350116)



基于多源遥感数据的城市扩张测度研究
——以厦门市为例

占 昕，潘文斌，蔡芫镔，郑 鹏

(福州大学环境与资源学院，福建 福州 350116)

以2000、 2005、 2009、 2013年的Landsat遥感影像数据和相应年份的DMSP/OLS夜间灯光数据为基础，结合厦门市的社会经济数据，运用GIS和RS分析手段，通过引入紧凑度、 城市重心、 城市扩张速度、 城市扩张强度、 全域空间自相关系数、 弹性系数等指标，对城市扩展过程中的时空特征、 形态演变及其与经济发展之间的协调性进行测度. 结果表明, 厦门城市扩展空间形态变化呈现明显的阶段性，城市扩张过程中空间形态趋向稳定，土地开发利用和城市功能配置还处于较低水平.

夜间灯光数据； 城市扩张； 遥感； 厦门市

0 引言

我国城市化进程从改革开放以后开始加速[1]，中国城市建成区从1981年的7 438 km2增长到了2005年的32 520.7 km2[2]. 2014年，中国的城市化率为 54.77%，2015年，这一数字达到56.1%，与世界平均水平相当，预计到2030年，中国的城市化率将达到60%[3]. 城市化进程的推进引发了人口膨胀、 生态失衡、 环境恶化、 资源短缺等城市问题[4]. 由于我国地域幅员辽阔，不同地区的城市化进程差异较大，建立的城市扩张模型较难具有普遍使用性. 因此，我国学者多用指标来定量评估特定区域的城市化水平，而不是像国外学者使用模型来模拟城市化进程[5-6]. 随着经济的快速增长，早期的研究中以传统行政区划为基准统计的GDP相较真实城市区域的GDP偏高，不宜作为统计口径. 目前美国国防气象卫星计划提供一种探测夜间微弱灯光象元的灯光数据，能够探测地面上的小型聚居地，车辆灯光，火灾等，反映城市空间扩张、 人口迁移以及经济活动情况[7-8]. 因此，可以通过DMSP/OLS数据来获取城市社会数据，从而在普查数据有缺漏和遗失的情况下完成城市测度分析.

1 研究区域及数据来源

对厦门市建成区扩张监测时间为2000-2013年，分2000-2005年、 2005-2009年、 2009-2013年三个时间段. 至2013年末，厦门市土地面积为1 573.16 km2，常住人口达373万，地区生产总值为3 018亿元.

1.1 遥感数据

1) DMSP/OLS夜间灯光数据. 数据采用美国国家地理数据中心发布的非辐射定标的夜间稳定灯光数据[9]，排除了偶然火光干扰和噪声. 目前，DMSP卫星上搭载的OLI传感器已从1976年的F1更新至2010年的F18[10]. 由刘志峰等[11]对中国区DMSP/OLS数据统计分析可知，不同DMSP卫星所得数据间存在明显差异，因此选择突变数据较少的年份作为研究对象.

2) Landsat遥感影像数据. 本次研究统一采用Landsat系列的遥感影像以减小不同遥感数据源影像带来的误差. 所选影像级别为L1T，空间分辨率为30 m×30 m，经过系统辐射校正，几何精校正和地形校正，数据来源于地理空间数据云网站[12].

1.2 统计辅助数据

本研究使用的统计辅助数据主要包括来自厦门市人民政府发布的《厦门经济特区年鉴(2000-2014年)》[13]和厦门市统计局发布的《厦门市国民经济和社会发展统计公报(2000-2013年)》[14]. 此外还参照了来自厦门市规划局的《厦门市总体规划说明书(1995-2010年)》[15]、 《厦门市总体规划说明书(2004-2020年)》[16]、 《厦门市近期建设规划(2011-2015年)说明书》[17]、 《中国统计年鉴》(2015年)[3]等资料.

2 研究方法

2.1 GDP空间化

1) 计算每个区县的CNLI指数. 在卓莉等[15]研究的基础上，简化误差阈值排除技术，选取DMSP/OLS夜间灯光数据中DN值大于0的像元作为有效亮度(该数据产品DN值为0～63, 0为无灯光数据，63为饱和灯光数值)，进而计算出CNLI指数. 公式如下：

式中： CNLIj表示各区县的CNLI指数； DMDMSP为区域内像元灰度值； DNM为灯光数据最大值；N为有效灯光像元数量.

2) 将厦门市各区GDP密度分别与CNLI指数进行回归分析，采用对数线性模型进行拟合. 由此得到GDP密度与CNLI指数的函数关系. 公式如下：

ln(GDPdens j)=2.645

3) 参照式(3)、 (4)，对拟合结果进行线性修正和换算，计算出厦门市不同年份各区的GDP密度.

2.2 城市范围及社会数据获取

城市范围指在城市中已经发展起来的非农业生产区域，包括城市、 城市近郊和远郊[16]，即城市建成区. 在遥感影像上表现连成一片以及与城市关系紧密的建设用地、 水体、 草地等构成的闭合区域. 应当注意到城市扩张事实本身与我国建成区划分在时间上是不同步的，使用遥感影像获取的城市建成区面积作为城市扩张测度的表征时，应当选取研究年份年末的影像数据.

城市范围的界定是研究城市扩张的基础，不同的界定方法有其自身的特点： 目视解译直观和简单，但主观性较强，边界不够精确； 信息提取能更客观和准确地反映了地表的土地覆盖类型，但其表达尺度是象元级别的，且难以判断城市范围的边界[17]. 本研究结合信息提取和目视解译两种方法来界定城市范围. ① 利用IBI指数法[18]从经过大气校正的遥感影像中提取城市建设用地，并将提取结果转换为二值影像. ② 利用GIS软件Boundary Clean功能，对二值影像进行两次的扩展-收缩处理，去除细小毛刺和斑块. ③ 使用GIS软件的Delineate Built-up Areas 功能描绘城市范围. ④ 对相关年份的地图进行矢量化，并结合影像判读和目视解译来获得各年份城市范围的矢量边界图. 获取厦门市城市范围后，结合厦门市GDP空间化数据，可以得到城市区域的社会数据.

2.3 空间自相关分析

以正方形网格空间单元作为研究基本单元，为了比较不同格网大小对空间自相关分析的影响，分别设计了1 km×1 km，2 km×2 km，3 km×3 km，4 km×4 km，5 km×5 km，6 km×6 km，7 km×7 km的不同格网(8 km×8 km格网数目小于30，无法进行空间自相关分析)，并将这些格网叠加于所要分析的要素上. 然后利用ArcGIS 10.2软件中的空间统计模块对计算GDP密度的空间自相关指数，并进行显著性检验. 采用Moran’s I检验作为全局自相关的测度指标来检验GDP密度的空间自相关性，Moran’s I指数公式如下：

式中：I代表厦门市GDP密度的Moran’s I指数；是GDP密度的平均值；n为研究单元的数量；Xi和Xj表示相邻配对空间单元的GDP密度；Wij表示空间权重矩阵，采用邻接标准构建，当两个空间单元有非零公共边界时，对应矩阵中的元素取值为1，反之为0.

2.4 城市扩张测度指标选定

1) 城市紧凑度. 紧凑度是反映城市空间形态和功能布局的一个重要指标，用以测度城市建成区用地的紧凑与饱满程度.

式中：C表示城市的紧凑度指数；A表示城市建成区面积；P表示建成区轮廓周长.

2) 城市重心. 城市重心是描述城市空间分布最具代表意义的量算指标，可以看作是该城市的平均位置和保持均匀分布的平衡点[19]. 本研究将城市建成区内部视为均匀介质，运用ArcGIS10.2平台求出其重心位置，以2000年厦门市城市重心所在位置为原点，并在图上标示出厦门市中心的迁移过程.

3) 城市扩张速度指数和强度指数. 城市扩张速度指数[20](urbanization speed index ，USI)是指城市在不同阶段的扩张面积的绝对增量. 由于原始建成区面积不同，USI指数无法对城市扩张的程度进行定量化比较，引入城市扩张强度指数(urbanization intensive index, UII)来反映城市扩张的强弱快慢，使得不同时期的城市扩张速度具有可比性[21]. 计算公式如下：

式中： UAn+i和UAi分别为n+i年和n年的城市面积，n以年为单位.

4) 城市面积-GDP弹性系数. 城市面积-GDP弹性系数则反映城市用地扩张与经济发展二者之间的关系，用城市建成区的年均增长率和城市GDP的年均增长率之比表示[22]. 计算方法如下:

式中：G为城市面积-GDP弹性系数； UAn+i和UAi和n含义同上； GDPn+i和GDPi分别为n+i年和n年的城市GDP总量.

3 结果与分析

3.1 厦门城市空间形态演变

厦门市2000-2013年城市建成区范围如图1所示，精度检验结果见表1. 2000-2013年厦门市的紧凑度指数表现为先降后升的态势，从2000年的0.134持续降低到2009年的0.108，到2013年紧凑度指数回升到0.111. 城市紧凑度越低，表示城市内部人口流动和社会经济活动的成本越高，资源利用效率越低，表明城市区域离散程度越大； 反之，则说明城市人、 产业、 交通、 资金密度越大，人口流动成本越低，资源利用效率越高，形状越紧凑[23].

图1 厦门市区位图Fig.1 Location of the whole Xiamen municipality

图2 厦门市建成区空间范围变化Fig.2 Urban built-up area of Xiamen in 2000-2013

厦门市城市建成区的空间变化见图2，从图2可知，在2000-2009年期间，厦门市城市发展有序性较低，结构松散，扩张形态呈现不规则. 这一时期，厦门市城市扩张已从岛内向岛外转变，城市蔓延迅速，表现为组团分散式的扩张形态. 2009-2013年这一时期，紧凑度指数增大，说明在城市向外扩张的同时，同时也向内蔓延填充，城市扩张趋于有序和稳定. 但总体上来说，厦门市土地开发利用和城市功能配置还处于较低水平，还未达到紧凑城市的发展目标.

表1 建成区精度统计及紧凑度

厦门市三维景观图见图3，可以看出，厦门市城市空间形态的演变与其多山临海的地理环境紧密相关，厦门岛内是典型的岛屿城市，厦门岛外呈现山地城市的特征. 城市扩张面积受海岸线制约，扩大城市面积的方式主要依靠人工填海造陆. 这种方法造价高昂，并且对原始生境破坏较大，事实上，岛内可以获得的土地资源极为有限. 结合图2和3，可知厦门市的城市建成区已覆盖岛内除了山地和陡坡的大部分地区，海岸线成为岛内城市扩张的重要制约因素. 岛外城市扩张多沿山势蔓延，与平原城市相比，城市扩张的方向和面积都受到山地的掣肘. 尽管厦门市受其多山环海的地理环境制约，城市紧凑水平难以达到平原城市的水准，但城市内部仍有很大的挖掘潜力，可以通过高强度的土地开发，合理的城市资源配置，优化城市功能结构，提升城市空间饱和度来实现城市紧凑发展.

厦门市城市重心迁移结果如图4所示，2000-2005年城市重心向东北方向移动，2005-2009年城市重心向正北方向移动，2009-2013年城市重心向西北方向移动. 从总体上看，在2000-2013年期间，厦门市城市重心表现出从岛内向岛外，一直向北移动的趋势，偏移距离为5 km. 重心移动原因如下： 厦门市主城区是位于岛内的思明区、 湖里区，城市发展由岛内向岛外辐射. 2010年，厦门经济特区范围由岛内扩张到全市，市政府正式启动岛内外一体化建设战略，这些政策导向也加快了厦门市城市重心向岛外迁移的过程.

图3 厦门市三维景观图Fig.3 3D perspective view of Xiamen y

图4 厦门市城市重心迁移特征Fig.4 Barycenter migration characteristics of Xiamen

表2 厦门市2000-2013年USI和UII指数变化

3.2 厦门城市扩张时空特征

从遥感影像解译分析得到的USI和UII指数见表2. 由表2可知，厦门市城市面积扩张迅速，由2000年的85.1 km2增加到2013年的294.4 km2，13年间城市面积增加了2.5倍，平均每年扩张面积为16.1 km2，可以看到厦门市城市扩张速度经历了慢速发展(<10 km2·a-1)、 高速发展(10～20 km2·a-1)、 快速发展(>20 km2·a-1)三个阶段.

2000-2005年厦门市建成区面积慢速增长，城市建设主要集中在厦门岛内的主城区. 厦门市城市用地扩张强度较大，表明城市发展较快，但由于原始建成区面积较小，扩张速度缓慢. 至2005年，厦门市建成区面积为126.5 km2，而城市常住人口已经超过200万人，使得城市越来越拥挤，居民居住环境质量下降. 这一时期厦门城市扩张主要受到政策、 人口、 经济的影响，厦门人口和经济规模较小，执行的城市总体规划对建设用地总量进行严格控制.

2005-2009年厦门市建成区扩张速度最快，扩张强度最大. 这一时期，厦门呈现飞跃式的发展，城市扩张速度较2000-2005年提高了一倍多. 从国家宏观经济看，这一时期国家GDP高速增长，整体经济态势良好； 从厦门本地发展看，厦门市实施新的城市规划，调整建设用地规模，推动城市建成区快速发展.

2009-2013年城市扩张强度开始下降，城市扩张年均增速为18.1 km2. 厦门市人均耕地不足，土地资源匮乏，也在制约它的扩张[26]. 2012年厦门市人均耕地面积仅为113 m2，远低于全国人均耕地面积900 m2. 随着厦门市城市扩张对耕地红线的不断逼近，厦门市城市扩张强度开始下降.

3.3 厦门城市经济发展现状

图5 GDP密度与CNLI拟合函数Fig.5 Regression function of GDP density and CNLI

厦门市GDP密度与CNLI指数的对数线性模型拟合结果如图5所示，反演的GDP密度分布结果见图6，结果表明，在研究期限内，城市GDP密度呈现上升态势，并以厦门岛为中心向岛外区域辐射.

厦门市GDP密度空间分布进行全域空间自相关系数的计算结果表明，GDP密度的空间自相关指数均为正值，标准化检验Z值均大于2.58，达到p=0.01的显著水平. 不同格网尺度下的全域空间自相关系数如图7所示.

图6 厦门市2000-2013年GDP密度分布Fig.6 GDP density distribution of Xiamen from 2000 to 2013

图7 不同格网尺度下的全域空间自相关系数Fig.7 Values of global spatial autocorrelation indices with different grid sizes

从空间尺度来看，随着格网大小的增加，Moran’s I指数在不同的年份均呈现下降趋势，表示GDP密度的空间自相关性均随着格网尺寸的增大而减小. 原因是格网尺度较小时，密度相近的地区包含的格网数目较多，更容易出现聚集的现象，造成空间自相关指数升高，反之，格网尺度较大时，一个格网可能包含较多的不同密度分布范围，和邻近格网之间数值差异减小，空间自相关指数降低. 从总体上来看，在小尺度的空间格网中更能体现GDP密度的空间异质性特征.

从时间序列上看，2000-2009年间，厦门市GDP密度Moran’s I指数相近，在时间尺度上没有表现出明显的空间聚集程度的变化，2009-2013年Moran’s I指数在不同格网尺度上均出现下降，表明2009年之后厦门GDP密度均呈现显著的空间聚集性，GDP密度的空间聚集程度出现下降. 说明随着厦门市经济的高速发展，区域经济分布趋于均衡化.

城市面积-GDP弹性系数G值越大，表明单位城市面积上产出的GDP越少，单位经济增长带动的城市用地增量越多(见表3). 由表3可知，在2000-2005年、 2005-2009年、 2009-2013年三个时期，G值从0.33增长到0.89又减少到0.44，表明厦门市城市用地的经济效益大幅下降后又开始回升，城市土地利用趋于集约化，单位经济增长对城市面积扩张的带动作用开始减缓. 从总体上看，各阶段G值始终小于1，表明厦门经济发展增速均在城市面积增速之上，这也和厦门市自2000年之后的经济快速发展趋势符合，说明城市面积扩张与经济发展总体是协调合理的.

表3 建成区面积和GDP的关系

4 结语

1) 2000-2013年间，厦门城市扩张空间形态变化呈现明显的阶段性, 2000-2005年厦门城市面积慢速增长，2005-2009年城市面积高速扩张，2009-2013年城市面积快速扩张.

2) 厦门市GDP密度均呈现显著的空间聚集性，2009年之后GDP密度的空间聚集程度出现下降，说明随着厦门市经济的高速发展，区域经济分布趋于均衡化.

3) 厦门市城市扩张过程中紧凑度数值先降低后稍有增加, 空间形态由向着趋于不稳定状态发展而趋向稳定，土地开发利用和城市功能配置还处于较低水平. 城市重心在近十年间向北移动，由岛内移向岛外.

4) 总体上看，厦门市城市扩张与经济增长的关系是协调合理的，但近年来经济增速对城市扩张的促进作用开始减缓，城市土地利用趋于集约，城市用地经济效益提升.

[1] 王雷, 李丛丛, 应清, 等. 中国1990-2010年城市扩张卫星遥感制图[J]. 科学通报, 2012(16): 1 388-1 403.

[2] 方创琳. 改革开放30年来中国的城市化与城镇发展[J]. 经济地理, 2009, 29(1): 19-25.

[3] 国家统计局. 中国统计年鉴[M]. 北京： 中国统计出版社, 2015.

[4] IMHOFF M L, BOUNOUA L, DEFRIES R,etal. The consequences of urban land transformation on net primary productivity in the United States[J]. Remote Sensing of Environment, 2004, 89(4): 434-443.

[5] XU X, MIN X. Quantifying spatiotemporal patterns of urban expansion in China using remote sensing data[J]. Cities, 2013, 35(4): 104-113.

[6] SCHNEIDER A, CHANG C, PAULSEN K. The changing spatial form of cities in Western China[J]. Landscape and Urban Planning, 2015, 135: 40-61.

[7] HE C, SHI P, LI J,etal. Restoring urbanization process in China in the 1990s by using non-radiance-calibrated DMSP/OLS nighttime light imagery and statistical data[J]. Chinese Science Bulletin, 2006, 51(13): 1 614-1 620.

[8] 王鹤饶, 郑新奇, 袁涛. DMSP/OLS 数据应用研究综述[J]. 地理科学进展, 2012, 31(1): 11-19.

[9] National Oceanic and Atmospheric Administration, National Geophysical Data Center. DMSP-OLS stable lights product，version 4(2013) [EB/OL].[2015-5-15]. http://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html.

[10] 郝蕊芳, 于德永, 刘宇鹏, 等. DMSP/OLS 灯光数据在城市化监测中的应用[J]. 北京师范大学学报 (自然科学版), 2014, 50(4): 407-413.

[11] LIU Z, HE C, ZHANG Q,etal. Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J]. Landscape and Urban Planning, 2012, 106(1): 62-72.

[12] 中国科学院计算机网络信息中心. Landsat数据集[EB/OL].[2015-05-15]. http://www.gscloud.cn/sources/?cdataid=263&pdataid=10.

[13] 厦门市统计局国家统计局厦门调查队,《厦门经济特区年鉴》编委会. 厦门经济特区年鉴(2000-2014年)[EB/OL]. [2015-07-15]. http://www.xm.gov.cn/zwgk/tqjj/xmjjtqnj/.

[14] 厦门市统计局国家统计局厦门调查队. 厦门市国民经济和社会发展统计公报(2000-2013年)[EB/OL]. [2015-07-15]. http://www.stats-xm.gov.cn/tjzl/tjgb/ndgb/.

[15] 卓莉, 史培军, 陈晋, 等. 20世纪90年代中国城市时空变化特征： 基于灯光指数CNLI方法的探讨[J]. 地理学报, 2003, 58(6): 893-902.

[16] SMALL C, POZZI F, ELVIDGE C D. Spatial analysis of global urban extent from DMSP-OLS night lights[J]. Remote Sensing of Environment, 2005, 96(3): 277-291.

[17] 穆晓东, 刘慧平, 薛晓娟. 基于遥感监测的北京1984-2007年城市扩展研究[J]. 北京师范大学学报(自然科学版), 2012, 48(1) : 81-85.

[18] 徐涵秋, 杜丽萍, 孙小丹. 基于遥感指数的城市建城区界定与自动提取[J]. 福州大学学报(自然科学版), 2011, 39(5): 707-712.

[19] 吴健生, 赫胜彬, 彭建, 等. 基于DMSP-OLS数据的城市发展空间特征研究[J]. 地理与地理信息科学, 2014, 30(2): 20-25.

[20] 阿斯耶姆·图尔迪, 阿里木江·卡斯木. 基于多源遥感数据的奎屯市城市扩展分析[J]. 水土保持研究, 2013, 20(2): 233-237.

[21] 刘盛和, 吴传钧, 沈洪泉. 基于GIS的北京城市土地利用扩展模式[J]. 地理学报, 2000, 55(4): 407-416.

[22] 李一曼, 修春亮, 魏冶, 等. 长春城市蔓延时空特征及其机理分析[J]. 经济地理, 2012, 32(5): 59-64.

[23] 赵景柱, 宋瑜, 石龙宇, 等. 城市空间形态紧凑度模型构建方法研究[J]. 生态学报, 2011, 31(21): 6 338-6 343.

(责任编辑： 蒋培玉)

Research of urban expansion measures based on multi-source remote sensing data——a case study of Xiamen City

ZHAN Xin, PAN Wenbin, CAI Yuanbin, ZHENG Peng

(College of Environment and Resources，Fuzhou University，Fuzhou，Fujian 350116，China)

In order to quantitatively measure the spatio-temporal characteristics and morphological evolution of urban expansion in Xiamen City, some indexes such as compact ratio, center coordinate, urbanization speed index, urbanization intensive index, global spatial autocorrelation indices and elasticity coefficient were calculated by GIS and RS analysis methods. The relationship of urban built-up area and GDP in different periods was studied based on the remote sensing interpretation of Landsat images and the DMSP/OLS nighttime light images in 2000, 2005, 2009 and 2013. The results revealed that the rate of urban expansion in Xiamen City obviously changed from 2000 to 2013. In other words, the area of the existing districts had a slow growth rate from 2000 to 2005, a high-speed growth rate from 2005 to 2009, a rapid growth rate from 2009 to 2013. Generally, spatial patterns of urban expansion in Xiamen City tends to be stable, and land development and utilization of urban function allocation is still in a low level.

nighttime lighting data； urban spatial expansion; remote sensing; Xiamen City

10.7631/issn.1000-2243.2017.03.0355

1000-2243(2017)03-0355-07

2016-01-16

潘文斌(1973-)，副教授，主要从事流域环境管理与规划以及流域生态学研究，WenbinPan@fzu.edu.cn

福建省自然科学基金资助项目(2012J011719); 福州大学科技发展基金资助项目(2013-XY-10); 福州大学科研启动项目(0060510028)

F293.2

A