东莞市近30年不透水面时空演变研究

◎ 黄 燕 陈明辉 谢卓君

东莞市近30年不透水面时空演变研究

◎ 黄 燕 陈明辉 谢卓君

城市不透水面作为城市化生态影响评价的重要因素受到社会的广泛关注，掌握不透水面的空间分布和动态变化信息，对生态环境保护和“海绵城市”建设具有重要的意义。本研究以东莞市为研究区，选取1988年、1994年、2005年和2015年四期TM/OLI遥感影像作为数据源，采用不透水面指数法提取研究区的不透水面信息，并结合景观格局指数分析探究东莞市近30年不透水面分布的时空演变规律。研究结果表明：ENDISI指数法可以有效消除山体阴影噪音信息引起的不透水面信息误判，具有较高的提取精度，能较好地反映城市扩张趋势，可为城市内涝治理和“海绵城市”建设提供数据基础；东莞市近30年来不透水面景观格局变化极其显著，面积增长近25.4倍，呈“主－副多中心、轴线延伸式”快速发展，不透水面优势度大幅提升，其连通性和聚集度在1994年之后逐渐加强。

不透水面 景观格局 时空演变 东莞市

一、引言

城市化是一个城市实现现代化的必经之路，是20世纪以来最显著的人类活动过程，其突出特征就是大量不透水面逐渐取代植被和水体等自然景观。根据《中国统计年鉴—2016》[1]显示，2015年我国城市化水平达到56.10%，进入城市化快速发展阶段。日益加剧的城市化进程推动了社会进步和繁荣，也引发了一系列严重的生态环境问题。不透水面是阻止水渗入土壤的土地覆盖表面，主要包括屋顶、沥青或水泥道路、停车场等具有不透水性的地表面[2]，是衡量城市化水平和生态环境质量的重要指标[3]。大面积增加的不透水面阻止地表水的下渗作用，影响地表径流数量、强度和持续时间，加剧城市内涝[2，4]，增强非点源污染物的扩散[5]；同时改变地面导热率和温度，引发城市热岛效应[6]。因此，及时准确掌握不透水面分布信息对城市排水系统和“海绵城市”建设规划、洪涝治理、非点源污染控制和生态环境保护具有重要意义。

随着遥感技术的发展和数据源的多样化，多种不透水面估算方法相继提出并日趋成熟[7，8]，为大范围城市不透水面信息的获取提供成本低廉、快速有效的手段，得到国内外学者的广泛关注和应用。近年来，不少学者将景观生态分析方法引入城市空间发展研究中[9]，利用景观格局指数定量研究城市化区域的时空动态变化特征和挖掘城市化进程机制[10，11]。随着城市化进程的加速推进，东莞市的下垫面发生了剧烈变化，本文借助遥感技术，提取东莞市近30年的不透水面信息，从景观格局角度定量分析不透水面时空变化，以期为东莞市“海绵城市”建设规划及生态文明城市建设提供参考。

二、研究区概况与数据

（一）研究区概况

东莞市位于广东省中南部、珠江三角洲东北部，东江下游地带，地理位置为22°39′～23°09′N，113°31′～114°15′E ，全市总面积为2465km2。地势西北低东南高，西北部是冲积平原，地势低平、水网纵横；东南部为丘陵台地, 山体庞大、分割强烈、集中连片，海拔多在200～600m，坡度30°左右，地势起伏较大；属于亚热带季风气候，日照充足，雨量充沛，水系发达，常受台风、暴雨的侵袭。改革开放以来，东莞市依托其地缘优势和投资环境，成为珠三角地区外商投资中心之一，迅速实现从农村到城市化的蜕变，成为享誉国内外的国际制造业名城，工业的飞速发展带动了东莞市经济高速增长和城市迅速扩展，同时导致东莞市土地利用类型和景观格局发生巨大变化，是中国快速城市化的典型样本。

（二）研究数据及预处理

考虑云、季相变化、传感器等因素的影响，尽可能减少遥感影像的误差，需要选用月份比较一致、研究区内图像质量良好且无云和条带影响的遥感影像，保证各时相遥感数据具有较强的可比性。本研究选取了4期Landsat系列遥感影像作为数据源（数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)，是已经过系统辐射校正、几何校正和地形校正的L1T级数据产品），轨道号为path122/row44，影像获取时间分别为1988年11月24日(TM)、1994年10月24日（TM）、2005年10月22日(TM)、2015年10月18日(OLI)，其大地坐标系为WGS－84 ，投影坐标系为UTM（Zone 49N），空间分辨率均重采样为30m。

其他辅助数据为东莞市行政边界矢量图，经地图投影转换为UTM/WGS84 投影坐标系数据。借助ENVI5.2软件对遥感影像进行波段合成、图像裁剪等预处理工作，得到本研究的基础数据，图1为东莞市1988年Landsat TM 数据7、4、1波段假彩色合成影像。

三、研究方法

本文借助遥感技术提取东莞市不透水面信息，结合景观格局指数分析，定量分析1988—2015年东莞市不透水面时空演变规律，主要方法如下：

图1 东莞市1988年Landsat TM数据7、4、1波段假彩色合成图

（一）归一化植被指数(NDVI)

Rouse等人提出的归一化植被指数（NDVI）是植被信息的最佳指示因子[12]，是目前应用最广泛的一种遥感植被指数，比用单波段探测植被更具有灵敏性，能在很大程度上消除地形起伏和地物阴影对地物波谱信息的影响[13-15]，其计算公式为：

式中，NIR和Red分别为近红外波段和红光波段的像元亮度值，对应TM影像的4和3波段（或OLI影像的5和4波段）。

（二）改进的归一化水体指数（MNDWI）

徐涵秋[16]在Mcfeeters创建的归一化水体指数(NDWI)[17]基础上修正指数的波段组合，提出改进的归一化差异水体指数（MNDWI），有效去除建筑物和阴影等噪音信息[16]，其数学表达式为：

式中，Green和MIR1分别为绿光波段和中红外波段的像元亮度值，对应TM影像的2和5波段（或OLI影像的3和6波段）。

（三）增强的归一化不透水面指数（ENDISI）

徐涵秋[18，19]研究发现不透水面普遍具有在热红外波段辐射率高，而在近红外波段反射率低的特征；但植被在近红外波段具有远高于不透水面地类的反射率，土壤和沙地在中红外波段和可见光波段普遍具有高于不透水材料的反射率，水体在可见光波段处的反射率可高于或低于不透水材料，进一步加入中红外波段和可见光波段，与近红外波段共同构成不透水面地类的弱反射组，采用复合波段比值法构建归一化不透水面指数（NDISI），可以较好地区分不透水面与沙土、水体等信息[20，21]，可以应用于大面积地区的快速计算，被称为高效且计算相对简单的方法[7]，该指数表达式为：

式中，TIR、VIS1、NIR和MIR1分别为热红外波段、任一可见光波段、近红外波段、中红外波段的像元亮度值。

当水体在可见光波段的反射率低于不透水面时，用MNDWI水体指数替换可见光波段[22]，扩大水体和不透水面的反差，消除不透水面信息中的水体噪音，其表达式为：

式中，TIR、NIR和MIR1分别为热红外波段、近红外波段、中红外波段的像元亮度值，对应TM影像的6、4和5波段（或OLI影像的10、5和6波段）；MNDWI为改进型归一化水体指数。TIR波段和MNDWI必须按多光谱波段的数值范围进行线性拉伸[8]，以转换为和其他波段一致的8位灰度值[18]或16位灰度值，其中TM影像作0～255级的线性拉伸，OLI影像作0～65535级的线性拉伸。

东莞市东南部多大型成片山体，坡度高达30°左右，山体阴影显著，植被在近红外波段反射率甚至低于不透水面，因此，本研究使用NDVI植被指数替代近红外波段来消除地形起伏和阴影的影响，构建增强的归一化不透水面指数（ENDISI），其表达式为：

同样，也必须将NDVI作0～255（或0～65535）级的线性拉伸，以统一各波段的量化级数。

（四）景观格局指数选取

景观格局指景观的空间格局，是大小、形状、属性不一的斑块在空间上的分布与组合规律[23]。景观格局指数用于概括景观格局信息，反映其结构组成和空间配置某些方面特征的定量指标[23，24]，侧重景观空间格局特征分析[25，26]，是研究景观格局变化的重要工具。景观格局指数包括斑块水平、类型水平和景观水平3个层次指数[23]，本研究仅分为不透水面和可透水面两类，为了减少指数的冗余性，从类型水平选取斑块面积（CA）、斑块数量（NP）、最大斑块指数（LPI）、景观形状指数（LSI）、聚集度指数（AI）、斑块结合度指数(COHESION)等6个指数；从景观水平上选取香农多样性指数（SHDI）和香农均度指数（SHEI）2个指数。然后借助Fragstats4.2景观分析软件计算各景观格局指数（各指数生态学意义如表1），分析东莞市不透水面的景观格局演变特征。

表1 景观格局指数的生态学意义

四、结果与分析

（一）不透水面提取结果与精度评价

借助ENVI5.2软件计算东莞市4个时相影像的ENDISI指数，对不透水面信息进行增强显示（图2），并选择合适的阈值提取不透水面专题信息（图3）。

图2 4个时相东莞市ENDISI不透水面信息增强图像

分别从4个时相遥感影像上随机抽取验证样本（1988年抽取480个验证点，1994年抽取481个验证点，2005年抽取457个验证点，2015年抽取564个验证点），采用混淆矩阵方法对不透水面提取结果进行精度验证，各期的总精度分别为95.42%（1988年）、95.63%（1994年）、98.25%（2005年）、96.28%（2015年），kappa系数分别为0.900、 0.900 、0.965、0.925，说明采用此方法的提取结果比较理想。

（二）不透水面动态变化分析

单一土地利用动态度常用于表示研究区一定时间范围内某种土地利用类型的数量变化情况[28-30]，其表达式为：

式中，U1、U2分别为研究期初与期末某种土地利用类型的面积，T为研究时段长，当T设定为年时，K的值为研究区某一时间段某种土地利用类型的年变化率。

根据公式计算可得1988－2015年间东莞市不透水面面积、比重及单一土地利用动态度（表2）。

图3 4个时相东莞市不透水面提取结果

表2 1988－2015年东莞市不透水面动态变化情况

结果表明, 1988－2015年期间东莞市不透水面增长极其显著，面积由1988年的45.79 km2（1.86%）增长到2015年的1208.76km2（49.04%），增长近25.4倍，东莞市城市化达到较高水平。其中，1988－1994年间，年均扩展面积为7.98km2，1994－2005年间，年均扩展面积为51.22km2，2005－2015年间，年均扩展面积为55.13km2，年均增长量不断增加，东莞市城市化进程不断加剧。3个阶段不透水面单一动态度随着城市发展呈现先增加后减少的趋势，各阶段变化幅度不尽相同，其中1994－2005年是不透水面增长最快时期，单一动态度达到54.68%。

表3 各时期东莞市不透水面景观格局指数

（三）不透水面空间格局演变分析

由图3可见，东莞市不透水面的空间形态以粗放的“摊大饼”方式扩张，表现出以主城区为中心、镇为卫星、主要交通干线为增长轴的快速蔓延态势。1988年东莞市不透水面的分布非常集中，主要分布在莞城，1988－1994年不透水面的扩张主要集中在靠近莞城的东莞西北部城镇，表现出城市化初期的“辐射式”扩张模式；1994－2005年以中心城区及长安、厚街、塘厦等镇为基础向外扩张较为显著，进入城市扩张的快速成长期，呈现“圈层式”加速扩张模式；2005－2015为东莞市城市扩张的成熟期，在现有城市用地为基础向外扩张外，新增了大量“飞地”型不透水面，以“圈层式”和“跳跃式”复合模式向外扩张。城市格局在不同阶段呈现不同的特点，交通因素深刻地影响着不透水面时空格局变化，交通路网的逐渐完善，带动不透水面沿交通干线呈现廊式轴向扩张。

从东莞市不透水面景观格局指数来看(表3、图4)，1988－2015年不透水面斑块数量（NP）先增加后减少，1994年之前以每年约1209个斑块数量的速率急剧增加，从1988年的6902个增加到1994年的14154个，之后21年不透水面积迅速增长但斑块数量持续减少，2015年仅余8119个，说明不透水面景观异质性先增加后减少，1994年之前不透水面破碎化趋势明显，1994年之后新增的不透水面斑块多在原有不透水面基础上向外蔓延式扩张并逐渐连通，破碎化趋势逐渐降低；聚集度指数（AI）先减少后增加，说明1994年之前不透水面主要呈分散式扩展，1994年之后不透水面格局演变逐渐由分散式向聚合式增长，以向外部蔓延式扩张为主。近30年来，不透水面最大斑块指数（LPI）和斑块结合度指数（COHESION）逐渐增加，其优势度不断上升，自然连通性逐渐加强，1994－2005年间变化尤其显著；景观形状指数（LSI）先增加后减少，整体较大，在2005年达到最大，说明不透水面空间形状在2005年之前趋向不规则化和复杂化，而从2005年之后开始趋于规则化。

1994-2005年香农多样性指数（SHDI）和香农均度指数（SHEI）增加趋势显著，分别增加了0.6和0.86，说明自然干扰和人类活动增多，快速城市化使得景观破碎度不断加大，东莞市不透水面和透水面结构复杂性逐渐提高，异质性增强，优势组分的支配地位显著降低。SHDI普遍较小，1994-2005年变化最大，与城市快速扩张密切相关；1988年SHEI仅为0.13，2015年SHEI接近于1，说明研究初期景观优势组地位突出，但是不透水面面积随着城市化水平的提高而显著增加，不断蚕食农田及水域等透水面，导致透水面对景观控制作用减弱，景观格局趋于均匀化。

图4 1988－2015年东莞市不透水面景观格局指数变化情况

五、结语

本研究基于1988、1994、2005和2015年Landsat影像数据，采用ENDISI指数法提取东莞市不透水面信息，有效解决了山体阴影噪音信息对不透水面影响的问题，提高了不透水面估算精度，总体精度超过95%，kappa系数可达0.90。结合RS技术与景观生态学方法，分析了东莞市近30年不透水面时空格局变化特征。结果发现，在城市化进程推动下东莞市不透水面景观格局变化极其显著，主要表现为：总体来看，1988-2015年东莞市不透水面面积由45.79km2增长到1208.76km2，年增加量达43.07km2/a，不透水面呈现快速递增的发展趋势，3个阶段不透水面的年均增长量逐渐上升。1988-2015年，东莞市不透水面以外部蔓延式扩张为主，内部填充为辅，1994年之前不透水面破碎化程度显著，1994年之后不透水面格局在交通路网建设下呈现“主－副多中心、轴线延伸式”快速发展态势，不透水面优势度大幅提升，景观格局逐渐趋于连通。不透水面的扩张得益于经济发展和城市建设，早期的“三来一补”大量吸纳海外资本与技术，迅速带动了东莞市经济的发展，大量土地转变为城市用地；随着宏观调控政策和城市规划的介入，引导经济发展和城市转型升级，进而影响不透水面格局的变化，因此规划好城市发展对不透水面格局分布具有重要指导意义。

21世纪以来，不透水面遥感估算广泛应用于城市生态环境监测、城市热岛效应、水文研究及城市规划等领域[7，8]。不透水面准确快速提取及空间格局变化定量分析助于以后探讨不透水面变化对流域径流量和城市热环境影响的研究，可为“海绵城市”建设规划和城市内涝治理提供重要的基础数据，进而为更好地推进新型城市化建设提供可靠的决策参考。随着生态城市建设理念的加强，东莞市在未来发展中应协调好不透水面与植被、水体资源的比例配置，避免过高不透水面带来生态环境负面效应，把东莞建设成为“国际制造名城，现代生态都市”。

参考文献：

[1]国家统计局. 中国统计年鉴—2016[J]. 北京:中国统计出版社, 2016. http://www. stats. gov. cn/tjsj/ndsj/2016/indexch. htm

[2]Arnold C L, Gibbons C J. Impervious Surface Coverage: The Emergence of a Key Environmental Indicator[J]. Journal of the American Planning Association, 1996, 62(2):243-258.

[3]刘珍环,王仰麟,彭建. 不透水表面遥感监测及其应用研究进展[J]. 地理科学进展, 2010,29(9):1143-1152.

[4]Moscrip A L, Montgomery D R. Urbanization, Flood Frequency, and Salmon Abundance in Puget Lowland Streams[J]. Jawra Journal of the American Water Resources Association, 1997, 33(6):1289-1297.

[5]Brabec E, Schulte S, Richards P L. Impervious Surfaces and Water Quality: A Review of Current Literature and Its Implications for Watershed Planning[J]. Journal of Planning Literature: Incorporating The CPL Bibliographies, 2002, 16(4):499-514.

[6]Yuan F, Bauer M E. Comparison of Impervious Surface Area and Normalized Difference Vegetation Index as Indicators of Surface Urban Heat Island Effects in Landsat Imagery[J]. Remote Sensing of Environment,2007, 106(3):375-386.

[7]李德仁,罗晖,邵振峰. 遥感技术在不透水层提取中的应用与展望[J]. 武汉大学学报(信息科学版),2016, 41(5):569-577.

[8]徐涵秋,王美雅. 地表不透水面信息遥感的主要方法分析[J]. 遥感学报, 2016, 20(5):1270-1289.

[9]刘沁萍,杨永春,田洪阵. 基于景观生态视角的兰州市城市化空间模式定量研究[J]. 干旱区资源与环境,2013, 27(1):47-52.

[10]Cook E A. Landscape Structure Indices for Assessing Urban Ecological Networks[J]. Landscape and Urban Planning, 2002, 58(2):269-280.

[11]宋明明,都金康,郑文龙等. 秦淮河流域近30年不透水面景观格局时空演变研究[J]. 地球信息科学学报, 2017, 19(2):238-247.

[12]孙家抦. 遥感原理与应用(第三版)[M]. 武汉：武汉大学出版社, 2013.

[13]田庆久,闵祥军. 植被指数研究进展[J]. 地球科学进展, 1998, 13(4):327-333.

[14]Gutman G, Ignatov A.The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models[J]. International Journal of Remote Sensing, 1998,19(8):1533-1543.

[15]朱高龙,柳艺博,居为民, 等. 4种常用植被指数的地形效应评估[J]. 遥感学报, 2013, 17(1):210-234.

[16]徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005,9(5):589-595.

[17]Mcfeeters S K. The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features[J]. International Journal of Remote Sensing, 1996, 17(7):1425-1432.

[18]徐涵秋. 一种快速提取不透水面的新型遥感指数[J]. 武汉大学学报(信息科学版), 2008,33(11):1150-1153.

[19]XU Hanqiu. Analysis of Impervious Surface and its Impact on Urban Heat Environment using the Normalized Difference Impervious Surface Index (NDISI)[J]. Photogrammetric Engineering and Remote Sensing, 2010, 76(5):557-565.

[20]Ma Ya, Kuang Yaoqiu, Huang Ningsheng. Coupling Urbanization Analyses for Studying Urban Thermal Environment and Its Interplay with Biophysical Parameters Based on TM/ETM+ Imagery[J]. International Journal of Applied Earth Observation and Geoinformation, 2010, 12(2):110-118.

[21]林蔚,杨仲元,蒋金亮,徐建刚. 县域城镇用地信息提取研究——以福建省长汀县为例[J]. 遥感信息,2015, 30(2):120-125.

[22]XU Hanqiu. Modification of Normalised Difference Water Index(NDWI) to Enhance Open Water Features in Remotely Sensed Imagery[J]. International Journal of Remote Sensing. 2006, 27(14):3025-3033.

[23]邬建国. 景观生态学:格局、过程、尺度与等级 (第二版)[M]. 北京:高等教育出版社, 2007.

[24]Riitters K H, O’Neill R V, Hunsaker C T et al. A Factor Analysis of Landscape Pattern and Structure Metrics[J]. Landscape Ecology, 1995, 10(1):23-39.

[25]赵清,郑国强,黄巧华. 南京城市森林景观格局特征与空间结构优化[J].地理学报,2007,62(8):870-878.

[26]刘小平,黎夏,陈逸敏, 等. 景观扩张指数及其在城市扩展分析中的应用[J].地理学报,2009,64(12):1430-1438.

[27]唐礼俊. 佘山风景区景观空间格局分析及其规划初探[J]. 地理学报, 1998, 53(5):429-437.

[28]刘纪远. 中国资源环境遥感宏观调查与动态研究[M]. 北京:中国科学技术出版社, 1996.

[29]王秀兰,包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 1999, 18(1):81-87.

[30]朱会义,李秀彬. 关于区域土地利用变化指数模型方法的讨论[J]. 地理学报, 2003, 58(5):643-650.

The Evolution of Impervious Surface during the Past Three Decades in Dongguan

Huang Yan, Chen Minghui, Xie Zhuojun

Impervious surfaces receive extensive social attention because of its importance to evaluation of ecological impact of urbanization. Its spatial distribution and dynamic variation is key to the protection of ecological environment and the construction of sponge cities. Taking the city of Dongguan as an example, we select TM/OLI remote-sensing images from 1988, 1994,2005 and 2015 as our data sources, extract information of impervious surfaces through index and analyze its rule of evolvement during the past three decades. Results show that the ENDISI index method is more precise in reflecting the trend of urban expansion, preventing urban rainstorm disasters, and providing basic data for the construction of sponge cities. The impervious surface landscape patterns in Dongguan has improved remarkably by 25.4 times and been experiencing multi-core rapid development, with better connectivity and convergence since 1994.

impervious surface; landscape pattern; evolvement; Dongguan

P901

10.3969/j.issn.1674-7178.2017.03.006

黄燕，东莞市地理信息与规划编制研究中心测绘工程师，主要从事GIS、遥感及城市规划的研究与应用工作。陈明辉（通讯作者），博士，东莞市地理信息与规划编制研究中心教授级高级工程师，主要从事GIS、遥感及城市规划的研究与应用工作。谢卓君，广州城市信息研究所有限公司，主要从事GIS、遥感的研究与应用工作。

（责任编辑：李钧）