多伦多市生态用地变化及影响因素分析

石忆邵，王安迪

（同济大学测绘与地理信息学院，上海 200092）

多伦多市生态用地变化及影响因素分析

石忆邵，王安迪

（同济大学测绘与地理信息学院，上海 200092）

基于五年已进行过辐射校正及几何校正的多伦多地区Landsat5-TM影像数据，利用ENVI 5.1软件进行遥感影像处理与土地利用信息提取，分析了1992~2010年间多伦多市的耕地、植被覆盖、水域等生态用地的变化特征及其影响因素，为其他大都市的生态宜居城市建设提供参考和借鉴。

生态用地；变化特点；影响因素；多伦多市

多伦多按照空间尺度可分为两种：大多伦多地区（Greater Toronto Area）是加拿大人口密度最高的都会区，按安大略省政府规划部门的定义，大多伦多地区除了多伦多市之外，还包括皮尔区、约克区、杜林区和荷顿区四个地区自治体（图1）。狭义上的多伦多则指多伦多市（City of Toronto）（图2）。多伦多市是安大略省的省会，坐落在安大略湖西北岸的南安大略地区，是加拿大最大的城市，亦是北美五大湖城市群中的重要城市。多伦多是全球最多元化的都市之一，49%的居民是来自全球各国共100多个民族的移民，140多种语言汇集在这个北美大都市，由于这里有怡人的环境，而且犯罪率极低，多伦多市被评为全球最宜居的城市之一。

近年来，一些学者研究了多伦多地区的土地利用变化。Eric Vaz 等利用1990年、2000年和2010年共3期的TM影像解译出大多伦多地区城市的扩张情况，并利用马尔科夫预测模型对2020-2030年大多伦多地区的城市扩张进行了预测[1]。Tenley Conway等利用1999年ETM+影像计算大多伦多地区的NDVI值，从而得到大多伦多地区的土地覆盖等信息[2]。Ying Zhang等借助卫星影像资料及土地利用变化的历史信息资料，来测度和解析加拿大的城市化过程[3]。国内有关学者对多伦多地区做过一些宏观的分析。高鉴国对加拿大的城市化进程做过总结[4]。尹德挺等对北京、东京和多伦多的城市化、经济发展和人口空间分布进行了比较分析[5]。然而，很少对多伦多市的生态用地进行过独立的分析。

图1 大多伦多地区行政区划Fig.1 The administrative zoning map of greater Toronto area

图2 多伦多市区行政区划Fig.2 The administrative zoning map of city of Toronto

1 数据来源与处理

1.1 数据来源

本文利用五年已进行过辐射校正及几何校正的多伦多地区Landsat5-TM影像数据，作为分类数据源。所选用的TM影像基本参数如表1所示。

1.2 数据处理平台

利用ENVI 5.1软件作为遥感数据处理平台。ENVI(The Environment for Visualizing Images)是美国Exelis Visual Information Solutions公司的旗舰产品。它是采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件，是快速、便捷、准确地从影像中提取信息的首屈一指的软件。目前，ENVI已经广泛应用于科研、遥感工程、水利、海洋、测绘、气象、与区域规划等领域[6~10]。

表1 TM影像基本信息Table 1 Basic information of TM images

1.3 影像预处理

（1）地理配准

土地利用变化的监测需要利用多时相的遥感影像，要得到可靠的土地利用变化结果，则需要对影像进行地理配准。影像配准实质就是使同一地区的不同时相、不同类型的影像具有相同的空间参考和像元大小，从而减少数据间的系统误差。

研究所用的TM影像均已经过辐射校正和几何校正，且具有空间参考。因此以1992年TM影像为基准，利用ENVI 5.1软件分别对其余4幅图进行配准。配准时采用Image to Image模式，使用二次多项式变换模型。通过特征地物点选取两幅影像的同名点。在手动选择5个同名点后，利用自动找点功能，生成30个同名点，并通过手动调整和删除RMS较大的点，使得所有点的RMS小于1个像元。再使用双线性内插法对影像进行重采样。

（2）多光谱彩色合成处理

TM影像的每个波段的图像都为灰度图像，而灰度图像不利于人眼进行识别。因此可根据彩色合成原理，选取3个波段合成一幅彩色图像。从而使图像上的地物信息差别扩大，提高识别效果。

TM影像7个波段中，信息量较大的是第2、3、4、5这四个波段，而其余三个波段所含信息量较少。当4、3、2波段被分别赋予红、绿、蓝颜色进行彩色合成时，这一合成方案即为标准假彩色合成。标准假彩色合成具有地物图像丰富、颜色反差大、层次好的特点，易于进行训练样区的选择，适合进行植被分类、水体识别，其中植被显示为红色，建筑物显示为亮蓝色。因此选择4、3、2波段进行标准假彩色合成。

（3）图像增强

为了改善图像的视觉效果，从图像中获取更有用的信息，应根据需要进行图像增强处理，减弱或丢掉那些不相干的信息特征。将进行标准彩色合成后的TM影像进行拉伸处理，这里选择线性拉伸(linear 2%)。拉伸后的图像各地物间颜色反差更加明显，可以使之后的训练样区选取更加清晰准确，从而保证了分类的精度。

（4）图像裁剪

原始的TM影像范围很大，包括了大多伦多地区及周边城市。大范围的影像对分类速度和精度都有一定的影响。因此，利用多伦多市的边界范围，对原始影像进行裁剪，分别得到多伦多市五年的TM影像（图3）。

图3 多伦多市TM影像Fig.3 TM images of city of Toronto

1.4 影像分类

（1）训练样区选取

根据影像分辨率和研究区状况，对像元进行光谱分析发现，建设用地区存在明暗两种像元，明亮的像元表示为大型建筑、空地或者开阔的道路等，暗像元表示为小型居民房和道路绿化的混合。经测试，如果将暗像元作为建设用地，分类效果很差，大量的城区绿化将错分为建设用地。因此在分类时，将亮的建设用地区划分为建设用地区，将暗的建设用地区划分为建筑物与植被混合类型，混合类型在计算时按照建设用地60%、植被40%的比例进行划分。该比例是利用谷歌地球影像，建立多个小区域的随机样本，在样本区内对建设用地和城市绿化进行人工勾画分区，得到的近似比例。由于1995年、1999年、2005年的TM影像为8、9月份获取的，此时农田上的庄稼已经成熟，所以在影像中无法很好地将农田和植被区分。而且多伦多市的农田只集中于东北角以及西部，面积很小。因此，本文利用目视判读，结合多时段的谷歌地球高分卫星影像，人工在TM影像中勾画出农田区域，再使用ArcGIS进行面积计算，从而得到1995年、1999年、2005年的农田面积。

最终将研究区域的训练样区分为5类：建设用地、小型居民房和道路绿化的混合类型、植被、耕地、水体。其中1995年、1999年、2005年三年的训练样区仅有4类：建设用地、小型居民房和道路绿化的混合类型、植被、水体。

（2）训练样区评价

使用计算ROI可分离性（Compute ROI Separability）工具，可以计算任意类别间的统计距离，这个距离是为了判断任意两个类别间的差异性程度，从而判断各训练样本之间是否可区分。

ENVI将会对每个感兴趣区组合计算Jeffries-Matusita距离和转换分离度（Transformed Divergence），这两个参数值的大小也决定了最终分类的结果。当参数值为1.9~2.0时，说明各训练样本之间的可分离性较好，为合格样本；参数值介于1.0~1.8时，分离度不佳，需要对样本进行重新选择；当参数值介于0.1~1.0时，说明两类样本属于同一类，应将其合并。

本实验所用ROI可分离性计算结果见表2。

表2 训练样本ROI可分离性Table 2 ROI separability of training sample

从表中可以看出：建设用地—植被、建设用地—水体、植被—水体、植被—耕地、混合类型—植被、混合类型—耕地的Jeffries-Matusita距离和转换分离度的值均在1.9~2.0，样本的可分离性好。而建设用地—耕地、建设用地—混合类型和2005年的混合类型—水体的分离度在1.8~1.9之间，这是由于建设用地和耕地、混合类型的像素特征较为接近，存在着同谱异物现象，因此较难区分。

（3）执行监督分类

对研究区遥感影像采用最大似然法进行监督分类，进行土地利用信息提取。5年的分类结果如图4所示。

（4）精度评定

影像分类后，需要对分类结果进行精度评定。分类精度是指分类图像中的像元被正确分类的程度。为了评价分类试验精度，对5年的影像进行目视判读，选取样本点作为真实地表ROI区域，使用利用真实地表ROI建立混淆矩阵(Confusion Matrix Using Ground Truth ROIs)工具，计算每年的混淆矩阵，从而得到其总体精度及Kappa系数。由表3可知，kappa系数均大于最低允许判别精度0.70。

图4 多伦多市土地利用分类结果Fig.4 Land use classification results of city of Toronto

表3 精度评定Table 3 Accuracy assessment

2 多伦多市生态用地变化特征

狭义的生态用地是指生产性用地和承载性用地以外，以提供生态产品、环境调节和生物保育等生态服务功能为主要用途，对维持区域生态平衡和可持续发展具有重要作用的土地利用类型[11]。广义的生态用地则是指除建设用地以外的非建设用地。根据影像分类数据，本文主要分析耕地、植被面积、水域等生态用地的变化特征。

2.1 耕地变化

近20年来，多伦多市区的耕地面积呈现出不断减少的趋势，由1992年的10.19km2减少为2010年的4.95km2，共减少了5.24km2，减少了51.4%，年平均减少率为2.57%；人均耕地面积由1992年的4.48m2减至2010年的1.89m2（表4）。事实上，多伦多市的耕地面积已经很少，仅在市区的东北角有一些耕地；且随着城市化进程，城市边缘不断向外扩张，耕地也在不断被占用。虽然近年来耕地总面积与人均耕地面积减少的速度有所变慢，但多伦多市的城市化进程仍在缓慢进行中。

表4 多伦多市耕地面积变化Table 4 Changes in cultivated land area of city of Toronto

2.2 植被覆盖率变化

1992~2005年间，多伦多市的植被面积一直呈现小幅增长的趋势，由1992年的292.6km2增加到2005年的303.7km2，共增加11.1km2，增加了3.7%，年平均增长率为0.3%（表5）。2005~2010年间植被面积有所减少，一方面是由于市区建设用地增加导致部分林地和草地被占用；另一方面是由于2010年的影像获取时间为5月，可能部分植被还未完全生长茂盛，导致分类时产生错分现象。总体来说，多伦多市的植被覆盖率已经较高，对植被保护也一直很重视，出台了很多法律、法规用以保护树木不被破坏。

表5 多伦多市植被面积及覆盖率变化Table 5 Changes in vegetation area and coverage of city of Toronto

2.3 水域面积变化

多伦多市的水域面积在近20年呈现一个较为平稳的趋势，总体在5~7km2间浮动（表6）。通过再对5年的TM影像进行目视判读，多伦多的水域面积基本没有变化。高地公园的Grenadier Pond，面积有些缩小。西部的亨伯河、东部的唐河以及多伦多内港的面积则没有明显的变化。

表6 多伦多市水体面积及占比变化Table 6 Changes in water area and its percentage of city of Toronto

3 多伦多市生态用地变化的影响因素

3.1 人口因素

人口因素是导致农业和生态用地变化的基本因素。当人口数量不断增大时，一方面增加了对粮食的需求量，另一方面要求城市建造更多的房屋和基础设施用以满足人们的日常活动需求，因此建设用地的需求量也会增大，从而导致农业用地或生态用地面积萎缩。

第二次世界大战以来，加拿大大都市地区的人口增长率超过全国的人口增长率。1970年代以后，加拿大城市与乡村人口比重趋于稳定，但大都市地区人口继续增长。1961~1991年，大多伦多地区的人口增加了一倍。1991~2011年大多伦多地区人口从389.89万增至583.88万，多伦多市的人口也从227.58万增至261.51万（表7）。随着人口的增长，城市用地不断扩张，进而对生态用地产生了一定的影响。

表7 大多伦多地区和多伦多市历年土地面积和人口密度变化Table 7 Changes in land area and population density of great Toronto area and city of Toronto

3.2 政策因素

多伦多市在城市建设和经济发展过程中，一直重视生态环境保护。多伦多市制定的城市规划处处体现人与自然的和谐，城市规划一经确定，即产生法律效力，并持之以恒地贯彻执行，不因政府领导人的变更而改变。如多伦多市通常采取跳越式发展方式，在城市扩展的同时预留大片的空地，这些土地全部用于建设公园、绿地等。多伦多有1500多个开放的公园，占地约8000公顷，包括了近600km的公园步行道。这些公园改善了城市的环境质量，并为人们提供休息和娱乐场所。

多伦多健全的环保机构和完善的环境保护法律法规，为生态环境保护管理提供了坚实的保障。加拿大政府的环境保护采取四级管理，即：联邦政府、省政府、市政府和区政府（或流域管理局），各级之间职责分工明确，工作经费由政府拨发。环保机构根据环境保护法设立，负责人由政府任命，但其工作不受控于政府，享有独立的执法权，环境保护部门将环境保护状况及时向社会公布，让社会来共同参与监督。安大略省除设有省环保部门外，还设有环境专员办公室，其专员由省议会任命，专员办公室平衡省内各个部门的关系，评估、观察环境保护工作，享有知情权、调查权、申诉权、诉讼权和举报权等多项权利。这种相互独立，又相互监督的管理机制，保证了各项环境保护政策的有效实施。同时，加拿大政府制定严格的环境质量标准和污染物排放标准，各项环境保护法律法规健全。正是因为这样严格的生态保护规定，使得多伦多的生态用地一直保持很高的占有量。

3.3 居民环保意识因素

多伦多人十分热爱大自然，保护动物和植物，已成为人们的社会公德和自觉行动。国民人人动手载种树木，并十分注重培植和保护。加拿大全国有近半数的国土为林木所覆盖。居民楼和别墅都很注重绿化的设计。几乎每栋住宅周围都有大量的草地、树木等。多伦多大约有1020万棵树，拥有占地约18000公顷的城市森林。其中大约有60万棵的树木在多伦多的街道上，约350万棵的树木在公园内[12]。在多伦多，城市的生态空间十分充足，大量的草坪在城市的中心区域，建筑物以花草树木作为屏障，现代化的城市设施与自然风光相互辉映。这种格局，归根到底还是加拿大人强烈的“环境意识”，以及世代培养起来的“环境文化”。全社会自觉参与生态环境保护工作，形成了人与自然和谐相处的氛围。多伦多人从小就受到良好的教育，国民的环境保护意识很强。如多伦多大学就有一个自发的公众环境保护组织，一方面向公众提供环境保护教育服务，另一方面积极参与环保研究和对生态环境检测活动，并就环境保护工作向政府提出意见和建议。加拿大法律和政策研究所也向公众开放，该机构就有大学生和高中学生参与其研究和管理，并且富有成效。

4 结语

一般来说，处于后工业化时期的国际大都市，其生态用地总规模及其比重趋于基本稳定。其中：森林资源和城市园林绿地面积均大体保持不变，并达到较高水平；农业用地在经历了持续下降态势之后，也逐渐趋于基本稳定；农业生产功能地位下降，但农业生态功能地位显著上升。

目前多伦多市的耕地面积不仅总量很少，而且耕地总面积与人均耕地面积仍在减少。虽然近年来减少的速度有所变慢，但其城市化进程仍在缓慢进行中。

多伦多市的植被覆盖率虽有波动，但已经达到较高水平，既有严格的法律保障，又有完善的政策实施机制，还有健全的管理和监督机制及良好的居民环保意识。

多伦多市不仅公园数量多、分布广、质量高，而且水域面积广阔且稳定，为其赢得宜居城市美誉奠定了良好基础。

References)

[1] Vaz E, Arsanjani J J. Predicting urban growth of the greater Toronto area: Coupling a markov cellular automata with document metaanalysis[J]. Journal of Environmental Informatics, 2015. doi: 10.3808/jei.201500299.

[2] Conway T, Hackworth J. Urban pattern and land cover variation in the greater Toronto area[J]. The Canadian Geographer, 2007, 51(1):43-57.

[3] Zhang Y, Guindon B, Sun K. Spatial-temporal-thematic assimilation of Landsat-based and archived historical information for measuring urbanization processes[J]. Journal of Land Use Science, 2015,10(4):369-387.

[4] 高鉴国. 加拿大城市化的历史进程与特点[J]. 文史哲, 2000, (6): 95-126.

Gao J G. Historical phases and characteristics of Canada’s urbanization[J]. Journal of Literature, History and Philosophy, 2000,(6):95-126.

[5] 尹德挺,史毅,卢镱逢. 经济发展 城市化与人口空间分布——基于北京 东京和多伦多的比较分析[J]. 北京行政学院学报,2015, (6):83-91.

Yin D T, Shi Y, Lu Y F. Economic development, urbanization and spatial distribution of population: Based on the comparative analysis of Beijing, Tokyo and Toronto[J]. Journal of Beijing Administrative College, 2015,(6):83-91.

[6] 徐丽华,王欢欢,张结存,等. 近15年来杭州市土地利用结构的时空演变[J]. 经济地理, 2014,34(7):135-142.

Xu L H, Wang H H, Zhang J C, et al. Spatial-temporal dynamics of land use in the Hangzhou city during the recent 15 years[J]. Economic Geography, 2014,34(7):135-142.

[7] 何春阳,史培军,陈晋,等. 北京地区土地利用/覆盖变化研究[J]. 地理研究,2001,20(6):679-687.

He C Y, Shi P J, Chen J, et al. Land use / cover change research in the Beijing area[J]. Geographical Research, 2001,20(6):679-687.

[8] 王玲, 吕新. GIS 和 RS 技术在土地利用动态监测中的应用[J]. 湖北农业科学,2008,47(1):47-51.

Wang L, Lü X. The application of GIS and RS technology in dynamic monitoring of land use[J]. Hubei Agricultural Sciences, 2008,47(1):47-51.

[9] 林浩嘉,赵耀龙. 城市快速扩张驱动下的耕地演化模拟与预测——以广东省东莞市为例[J]. 地球信息科学学报,2016,18(4): 493-505.

Lin H J, Zhao Y L. Simulation and forecast of cultivated land evolution under rapid urban expansion: A case study of Dongguan city in Guangdong province[J]. Journal of Geo-information Science, 2016,18(4):493-505.

[10] 张中浩. 城乡统筹视角下的城市化时空格局与过程[D]. 杭州:浙江大学, 2014.

Zhang Z H. Spatial-temporal patterns and processes of urbanization under the perspective of urban and rural integration[D]. Hangzhou: Zhejiang University, 2014.

[11] 喻锋,李晓波,张丽君,等. 中国生态用地研究:内涵、分类与时空格局[J]. 生态学报,2015,35(14):4931-4943.

Yu F, Li X B, Zhang LJ. Study of ecological land in China: conception, classification, and spatial-temporal pattern[J]. Acta Ecologica Sinica, 2015,35(14) :4931-4943.

[12] Olive A. Urban awareness and attitudes toward conservation: A first look at Canada's cities[J]. Applied Geography, 2014,54:160-168.

Analysis of ecological land use change and impacting factors in Toronto

SHI Yi-Shao, WANG An-Di
(College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China)

This study uses Landsat5-TM image data for Toronto, which was corrected for both radiation and geometry, and ENVI 5.1 software for remote image processing and extracting information regarding land use. Using this technology, the study analyzes the variations of cultivated land, vegetation cover, water, and other ecological land and the reasons for this variation in Toronto during 1992–2010. The data provides a resource for other metropolises engaging in livable city construction.

ecological land use; characteristic of change; impacting factors; city of Toronto

F293.22

A

2095-1329(2017)01-0065-05

10.3969/j.issn.2095-1329.2017.01.015

2016-10-07

修回日期: 2016-11-28

石忆邵(1963-),男,博士,教授,博士生导师,主要从事城市与区域经济及土地资源管理等研究.

电子邮箱: shiyishao@tongji.edu.cn

联系电话: 021-65981085基金项目: 上海市规划和国土资源管理局资助项目(课题编号: 2015(D)-002(F)-03)