城市景观格局演变及动态特征变化预测仿真
2021-11-17王一波李婷婷
王一波,李婷婷
(1. 河南科技大学建筑学院,河南 洛阳 471003;2. 西安交通大学,陕西 西安 710000)
1 引言
伴随着城市人口的剧增,以及国家经济的持续发展,城市规模在不断地扩张,这对原有的城市形态、功能、景观格局等产生了极大的影响[1]。城市景观格局指的是形状各异、大小不一的景观斑块在空间上的配置,是景观生态过程、形成因素等长期构成的结果。城市景观格局反映的是生态系统的演变过程。依据现有景观生态学理论,认为城市是由住宅、绿地、河流、工业、街道等多种斑块、基质构成的,以此来满足人类生活与生产需求的景观生态系统[2]。在上述系统中,多种生物与非生物因素在空间上的配置,共同形成了城市景观格局。城市景观格局会随着时间进行一定规律的演变,在这个过程中,城市生态功能会弱化,为人类生活与生产带来一定的问题,例如城市垃圾、水资源污染、噪声等环境问题,另外也会引发交通拥挤、景观多样性丧失、住房紧缺等生态与社会问题,直接阻碍城市的发展,进而降低城市居民生活质量[3]。
对于产生上述问题产生的因素,许多专家与学者对其进行了深入的研究,并取得了一定的研究成果。文献[4]提出快速城市化影响下超大型城市景观生态格局演变特征分析,通过多时相遥感变化监测和格网划分技术,利用景观指数定量分析城市景观空间格局及动态变化测定。该方法能够得到精准的城市景观生态格局演变特征,但对景观动态特征变化的预测准确率较差;文献[5]提出2007—2017年三亚城市景观空间格局动态特征及驱动因素分析,从遥感影像数据中提取典型景观格局指数,分析了三亚市景观空间格局变化的驱动因素。结果表明,三亚市同一土地利用类型的空间聚集度降低,空间分布趋于分散,不同土地类型的整合度高,形态趋于复杂,景观类型分布趋势均衡,景观破碎化程度明显景观的复杂性增加,土地利用的丰富性逐渐增强。该方法对城市景观格局演变的分析较为准确,但未对景观格局动态特征变化做出预测。
在城市发展过程中,生态、社会与环境等问题均与城市景观格局的变化息息相关,大众也逐渐意识到了城市景观格局至关重要的作用。因此提出城市景观格局演变及动态特征变化预测仿真研究,为城市可持续发展提供更加精准的数据依据。
2 城市景观格局演变分析
2.1 景观分类体系的确定
为了详细分析城市景观格局演变情况,首要的任务就是确定景观分类体系,依据综合性原则、实用原则、主导因子原则与等级性原则,将城市景观划分八个类别,具体如表1所示。
表1 城市景观分类体系表
2.2 景观格局指数的选择
对城市景观格局演变以及动态特征进行定量化分析,需要依据确定的景观分类情况选取适当的景观格局指数,以此来描述景观格局的时空变换以及生态过程之间的联系。
在传统城市景观格局研究过程中,选取的景观格局指数类别较少,导致传统方法预测结果精准度较差,无法满足现今城市发展的需求,故此研究分别在景观类型与景观水平方面各选取了三类指标,共计12个景观格局指数,其指数定义情况如表2所示。
表2 景观格局指数定义表
2.3 景观格局演变分析方法
城市景观格局演变分析指的是对景观格局变化幅度、动态度以及转移度进行深入研究[6]。其中,景观格局变化幅度与动态度均可以通过公式进行计算,计算公式为
(1)
式中,U表示景观格局变化幅度;Ua与Ub分别表示起始年与终止年某类别景观的面积;T表示时间长度;K表示景观格局动态度。
而景观格局转移度需要通过转移矩阵来描述,其反映的是景观类型结构的变化方向与特征[7]。景观格局转移矩阵公式为
(2)
式中,S表示景观面积;i与j分别表示研究初期与末期的景观类型;n表示景观类型数。
依据式(1)与式(2)所得结果即可对研究城市的景观格局演变过程进行详细分析,可以清晰地确定每个景观分类面积的变化情况,也能明确城市一定时间内的景观格局演变方向[8]。
3 城市景观格局动态特征变化预测
3.1 数据格式转换
在城市景观格局动态特征变化预测过程中,获取的数据格式呈现为多样化,无法直接对其进行应用,故需要对获取数据格式进行统一转换,方便后续过程进行[9]。此研究采用IDRSI软件进行数据格式的转换,具体数据格式转换过程如下所示:
步骤一:采用Spatial Analyst工具对景观类型栅格图进行分类,并设置Nodata值为零,并对其它景观类型进行顺序排序;
步骤二:导出分类后栅格图,检查栅格大小的行、列数量是否保持一致;
步骤三:在IDRSI软件中,采用Import模块将数据格式转换为RST格式,如图1所示。
图1 景观类型RST示意图
如图1所示,0表示背景;1表示城市居住景观;2表示农村居住景观;3表示其它建设用地景观;4表示广场与绿地景观;5表示农业景观;6表示林地景观;7表示水体景观;8表示道路景观[10]。
3.2 转移概率矩阵构建
景观格局特征变化是一个动态的过程,单纯采用景观格局转移矩阵无法描述变化的动态性,故构建转移概率矩阵[11]。
将上述获取的RST数据导入至IDRSI软件中的Markov模块计算个景观类型相互转化的变化量,以此为基础,获取转移概率矩阵[12]。
需要注意的是,要想获取更加精准的转移概率矩阵,比例误差设置为0.15,时间间隔设置为4年。则转移概率矩阵中,“行”指的是前一时期,“列”指的是后一时期。
3.3 适宜性图集制作
适宜性图集指的是某一类别景观转变为其它景观的概率图,是预测城市景观格局动态特征变化的关键。影响适宜性图集制作的因素主要包括地形地貌因素、行政中心因素、水系因素与主要交通因素。依据影响因素分析,规定适宜性图集约束条件,具体如表3所示。
表3 适宜性图集约束表
依据表3规定的约束条件,利用IDRSI软件中MCE模块合并每个景观类型的约束条件,从而获取各种景观类型的适宜性图集。
3.4 景观格局动态特征变化预测
以格式转换后的数据、构建的转移概率矩阵以及制作的适宜性图集,构建景观格局动态特征变化预测模型,将已知数据作为构建模型的输入量,构建模型的输出量即为景观格局动态特征变化预测结果。
景观格局动态特征变化预测模型由五个模块构成,其结构如图2所示。
如图2所示,在空间特征模块中,包含多种景观类型适宜性图集,均由Logistic回归计算获得,Logistic回归表达式为:
(3)
式(3)中,pi表示栅格内景观类型i可能出现的概率;β0表示Logistic回归结果中的常数项;βn表示景观类型驱动因素对应回归系数,n取值范围为[1,+∞];xn,i表示景观类型i涉及的驱动因素。
城市景观格局空间分配具体步骤为:
步骤一:确定城市景观格局空间分配的栅格单元;
步骤二:计算不同类别景观在栅格单元中出现的总概率,计算公式为:
TPROPi,u=Pi,u+ELASu+ITERu
(4)
式(4)中,TPROPi,N表示栅格单元i上景观类型u出现的总概率;Pi,u表示Logistic回归方程计算得到的空间分布概率;ELASu表示景观类型u的转移弹性;ITERu表示景观类型u的迭代变量。
步骤三:依据步骤二得到的景观类型总分布概率初始分配每个栅格的景观,并为其配置相同的迭代变量值ITERu;
步骤四:比较初始分布区域与需求区域。若初始分布区域小于需求区域,提升迭代变量值;若初始分布区域大于需求区域,降低迭代变量值。同时,依据变动的迭代变量值进行第二次分配。
步骤五:对步骤二——步骤四进行重复,直到景观类型分配面积与需求面积一致为止。
景观格局动态特征变化预测模型主要参数文件及其要求如表4所示。
表4 模型参数文件及其要求表
采用kappa系数衡量构建模型的精度,kappa系数计算公式为:
(5)
式(5)中,k表示kappa系数;N表示栅格总像元数;Pc表示模型预测误差;a,b分别表示真实栅格与模拟栅格像元数。
式(5)结果取值范围为[0,1],kappa系数越大,表明构建模型预测精度越好。
通过上述过程实现了城市景观格局演变的分析,及其动态特征变化的预测,为城市生态环境、居民环境的发展提供更加精准的数据支撑。
4 仿真与结果分析
为了验证提出方法的性能,采用MATLAB软件设计仿真,具体实验过程如下所示:
4.1 实验对象选取
实验选取某县级城市作为实验对象,其地理坐标为东经116度,北纬24度,总面积约为2879平方千米,其地形地貌示意图如图3所示。
图3 实验对象地形地貌示意图
4.2 实验数据准备
实验区域数据信息源如表5所示。
表5 实验区域数据信息源表
将获取的城市景观格局影像数据导入ArcGIS10.5软件中,对其进行地理配准以及裁剪预处理,保障后续实验的顺利进行。另外还需要对实验区域中的空白区域进行补充,结合其它的城市景观格局采样数据,对实验数据进行修正与核实。
以卫星影像、无人机航空影像为例,得到预处理后的实验数据如图4所示。
图4 实验数据预处理示意图
(1)卫星影像
(2)无人机航空影像
4.3 实验结果分析
对实验对象数据进行预处理,进行城市景观格局动态特征变化预测仿真。通过预测误差显示提出方法性能,具体实验结果分析过程如下:
通过仿真获得景观格局动态特征变化值预测误差数据如表6所示。
表6 景观格局动态特征变化值预测误差数据表
如表6数据显示,所提方法对其它建设用地景观格局动态特征变化的预测最准确,误差值为0.07;对农村居住景观格局动态特征变化的预测最准确率最低,误差值为5.06,对8种城市景观的平均预测误差为2.91,充分表明所提方法预测结果更加精准。
5 结论
此研究在分析城市景观格局演变基础上,提出了一种新的景观格局动态特征变化预测方法,通过仿真得到,所提方法平均预测误差减小了1.78,能够有效预测城市景观格局动态特征变化,为我国城市景观建设发展提供更多的帮助。