基于夜间灯光数据的甘青宁城市扩展及其建成区植被变化特征

2022-06-28郝媛媛黄祎宸

生态学报 2022年10期

江原,郝媛媛,黄祎宸

1 甘肃农业大学草业学院,草业生态系统教育部重点实验室,兰州 730070 2 兰州大学草地农业科技学院,兰州 730020

城市化是人类生产方式由农村型向城市型转化的历史过程,主要表现为农村人口转化为城市人口及城市不断发展完善的过程[1]。改革开放以来,伴随着人口的持续增长和经济的快速发展,中国的城市化水平有了极大的提高[2],尤其是近30年来,中国的城市化进程处于快速增长阶段[3],与此同时,区域发展不平衡现象也日益凸显。截止到2016 年,除内蒙古自治区、重庆市、陕西省和宁夏回族自治区的城市化率接近全国平均水平外,中国西部地区其他省份的城市化率均远远低于全国平均水平[4]。城市化现象是一个区域经济发展的重要体现,其进程反映了该地区的经济发展水平[3]。

城市化进程的不断加速,催生了一批新兴城市,推动了一些老城区向外扩展,而这些城市建成区面积的大幅激增,一定程度上影响了建成区内外植被的生长状况。赵安周等[5]基于中分辨率成像光谱仪地表温度数据(MODIS-LST)、增强型植被指数(EVI)和土地利用/覆盖数据发现京津冀13个城市主城区生长季及不同季节的城市扩展对植被均存在不利影响；Song Y等[6]基于2000—2019年归一化植被指数(NDVI)和2000—2018年2个土地覆被类型数据,发现快速的城市化进程导致曼谷城市植被覆盖状况变差；Javid K等[7]通过计算新建成区指数(NBUI)和NDVI,发现在2015—2020年间,随着城市建成区的大幅扩展,城市绿地NDVI不断减小。城市建成区植被生长状况不仅能够反映该地区城市建设用地的变化情况,而且是衡量城市化发展健康与否的一项重要指标[8]。NDVI在反映区域生态环境变化方面应用广泛[7,9],目前常用的NDVI数据主要包括GIMMS(Global inventory modelling and mapping studies) NDVI、MODIS(Moderate resolution imaging spectroradiometer)NDVI和SPOT/VEGETATION NDVI,其中MODIS NDVI和SPOT/VEGETATION NDVI应用最为广泛。与MODIS NDVI相比,SPOT/VEGETATION NDVI已经过大气校正、辐射校正、几何校正等[10]预处理,减少了研究过程中不必要的工作量；且拥有专门针对植物生物特征设计的VEGETATION探测器,能更好地反映地表植被的生长状况[11]。

遥感技术具有快速、实时、大范围、低成本监测等优势,不仅被广泛应用于气象观测、资源调查、环境监测等领域,而且在城市扩展研究方面也日益备受青睐[12]。目前,遥感数据在城市扩展方面的应用主要包括：Landsat光谱数据和夜间灯光数据等。冯珊珊等[13]利用Landsat OLI数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,发现两者提取不透水面的总体精度差异不大；刘沼辉等[14]的研究结果表明Landsat影像单独进行归一化建筑指数(NDBI)和NDVI提取时,容易将裸岩等非建成区区域归入建成区,引起提取结果的误差。与Landsat数据相比,美国国防气象卫星(Defense Meteorological Satellite Program, DMSP)搭载的OLS(Operational Linescan System)传感器免费提供的全球夜间灯光数据不依赖高空间分辨率(分辨率通常在1 km左右),因而数据量非常小(不到TM数据的1%),且数据处理更加简便,为大尺度城市化研究创造了可能。该传感器提供的夜间灯光影像能反映综合性信息,涵盖了交通道路、居民地等与人口和城市等因子分布密切相关的信息；此外,还具有很强的光电放大能力,能探测到包括城市灯光甚至是小规模居民地灯光、车流等低强度灯光,并使之区别于黑暗的乡村背景[15]。依据这些特性,DMSP/OLS数据与Landsat数据相比,更能客观的、较好的反映出城市建成区的范围及其发展趋势。当前,国内外学者对于DMSP/OLS的研究多集中在城市建成区的提取[16—17]、城市扩展时空变化特征[18—20]、人口与经济估算[21—22]和碳排放的时空分布特征[23—24]等方面。经验阈值法[25]、中高分辨率影像数据空间比较法[26]、突变检测法[27]和统计数据比较法[28]是当前城市建成区提取的主要方法。李俊峰等[19]、舒松等[29]通过对4种方法的对比研究,证明统计数据比较法具有最小的相对误差和绝对误差以及最高的提取精度。董鹤松等[30]基于统计数据比较法提取了中国三大城市群(京津冀、长三角和珠三角)的城市建成区范围,并对其城市扩展时空变化格局进行了分析；林之强等[31]同样基于统计数据比较法,发现1993—2013年间滇中城市群城市扩展强度总体上呈现出“先降低—后升高—再降低”的动态变化特征。

有中国西北部“国家生态安全屏障”[32]之称的甘青宁三省区位于黄河上游,其城市化水平远远低于东部沿海城市。掌握黄河上游甘青宁三省区城市发展特征可为构建科学合理的城市体系、优化区域城市空间开发格局提供参考依据,同时对促进中国西北地区乃至整个沿黄九省区中心城市及城市群高质量、可持续发展具有一定的现实意义。鉴于此,本研究以DMSP/OLS夜间灯光时间序列数据为基础,采用统计数据比较法[28]提取甘青宁21座地级市(州)的城市建成区边界,在此基础上,引入NDVI作为表征城市建成区植被状况的指标,对研究区2002—2013年城市建成区扩展特征及植被变化进行研究,以期为西北内陆城市可持续发展提供借鉴和参考。

1 数据与方法

1.1 研究区概况

甘青宁三省区地处中国西北内陆,是黄河流域重要的水源涵养区和补给区,包括兰州、银川、西宁等27座地级市(自治州),其中,果洛藏族自治州、海南藏族自治州、黄南藏族自治州、海北藏族自治州、玉树藏族自治州及海东市由于缺乏城市建成区统计数据而未被列入研究区范围(图1)。研究区面积80.08×104km2,占我国陆地国土总面积的8.34%。区域内地形地貌形态复杂,气候类型多样。植被资源种类丰富、分布广泛,但总量有限,覆盖率低,生态环境极其脆弱。2013年,全区总人口约为3500万人,经济较全国相对落后,仅为10400亿元,且区域内发展极不平衡。

图1 研究区地理位置Fig.1 Location of the study areaI白银,II定西，III甘南，IV固原,V海西，VI嘉峪关，VII金昌，VIII酒泉， IX兰州， X临夏, XI陇南,XII平凉,XIII庆阳，XIV石嘴山， XV天水，XVI吴忠，XVII武威，XVIII西宁,XIX银川,XX张掖， XXI中卫，XXII 黄南, XXIII 海北，XXIV 海南, XXV 玉树，XXVI 海东，XXVII 果洛

1.2 数据来源

研究所用到的数据主要有 2002、2006、2010 和 2013 年分辨率为1 km的DMSP/OLS 稳定灯光影像(包括F152002、F162006、F182010及F182013四景,下载自地理国情监测云平台http://www.dsac.cn)及其城市建成区数据(来自《中国城市统计年鉴》)；2002—2013年SPOT/VEGETATION NDVI年度合成产品(分辨率1 km,用最大值合成法由月度数据生成),全国 1∶400万地市行政界线和SRTM 90 m的DEM数据(均来自中国科学院资源环境科学数据中心http://www.resdc.cn)；主要道路和铁路数据(下载自Open Street Map https://download.geofabrik.de/)。

1.3 研究方法

1.3.1城市建成区提取

夜间灯光影像由城市、乡镇的亮值像元及农村或其他背景区域的零值像元所构成[8],其中,城市区域的亮值像元多构成连续的明亮斑块而区别于乡镇或其他背景区域。采用统计数据比较法[28],根据设定的阈值(图2)分别提取各时期相应市(州)城市建成区范围。经验证,除2013年外,其他年份的城市建成区提取误差均小于5%(表1),提取精度较高,可用于后续分析。

表1 基于统计数据比较法的甘青宁地区用地面积

图2 2002—2013年各城市建成区提取阈值Fig.2 Extraction thresholds of built-up areas of cities from 2002 to 20132002年,定西、陇南和中卫缺乏数据

1.3.2城市扩展分析

使用城市扩展速度和扩展动态度两个指标来分析城市扩展情况,选择紧凑度指数来表征外部城市空间扩展形态的变化,引入城市重心变化来揭示研究区城市建成区重心转移趋势。

城市扩展速度是指在一定时期城市建设用地面积的变化快慢,城市扩展动态度表示单位时间内城市建设用地变化的幅度[33]。表达式分别为：

(1)

(2)

式中,V和K分别表示城市扩展速度和扩展动态度；Ai和An+i分别为第i和n+i年的城市建成区斑块面积；n为时间跨度。

紧凑度是反映城市空间形态特征的一项指标,包括城市外部和内部形态紧凑度,城市外部形态紧凑度是表征空间形态的一个重要概念[34—35]。表达式为：

(3)

式中,C表示紧凑度；Ai为第i年的城市建成区斑块面积；Pi表示第i年城市建成区斑块外围周长。一般情况下,值介于0—1,C值越大,城市外部形状就越近似圆形；反之,越狭长。

城市重心转移的变化趋势可以反映出城市空间演化特征。城市建成区重心(x,y)的计算公式为：

(4)

式中,wi为第i个离散目标物权重,由各个离散目标的面积与总面积的比例来确定；xi和yi分别为第i个离散目标物的横、纵坐标。

重心转移距离和平均偏移速度的计算公式分别为：

(5)

(6)

式中,Dn+1为重心转移距离,xn、xn+1和yn、yn+1分别为第n和n+1年城市建成区重心的横、纵坐标；V为平均偏移速度,T为时间周期。

重心转移角度的计算公式为：

(7)

(8)

式中,∂n+1为弧度值,θ为某一时期建成区重心转移方向与正东方向的夹角。

1.3.3建成区植被变化分析

基于提取得到的城市建成区边界,采用年度NDVI均值来表示城市植被变化特征,表达式为：

(9)

式中,CNDVI表示建成区NDVI均值；pi为每一个像元内的NDVI值；n表示像元个数。由于校正后的NDVI值在0—1之间,为便于计算分析,且在不影响原始数据精度的情况下,将原数值乘以10000作为分析值。

将建成区与背景区(需满足人为因素的影响要尽可能小以及和建成区的自然环境尽可能相似2个基本条件)[36]NDVI均值的比值作为衡量城市扩展过程中人为因素影响下植被变化优劣的指标。表达式为[37]：

(10)

式中,Ri表示第i年的NDVI比值；CNDVIi和BNDVIi分别为第i年建成区和背景区内的NDVI均值。

从趋势分析和变化百分率2个方面来分析城市扩展过程中植被的年际变化趋势,计算公式分别为：

(11)

(12)

式中,slope是趋势线的斜率,NDVIi为第i年的NDVI值,n=12。当slope>0时,表示随着时间增加,NDVI呈上升趋势；反之,NDVI呈下降趋势。NDVIc表示NDVI的变化百分率,Mean为12年的平均NDVI。

变异系数是描述数据离散程度的指标,可用于评估NDVI在时间序列上的稳定性。公式为：

(13)

式中,CV为NDVI的变异系数,ST和Mean分别第i年NDVI的标准差和12年的平均NDVI值。若CV≤0.1,NDVI很稳定；CV∈(0.1,0.2]为稳定；(0.2,0.3]为不稳定,>0.3则为很不稳定[38]。

为满足NDVI趋势分析、变化百分率和变异系数的计算要求,利用2006、2010及2013年建成区和背景区的矢量边界分别提取2002—2006、2007—2010及2011—2013年建成区和背景区的NDVI值,以获得2002—2013连续年份的植被NDVI。

2 结果与分析

2.1 城市建成区扩展时空动态特征

2.1.1扩展整体变化特征

2002、2006、2010和2013年甘青宁地区各城市夜间灯光亮值像元呈现明显的空间分布差异(图3)。整体上,研究区城市用地围绕河西走廊及黄河上游地区形成了不连续的“几”字型空间形态,将河西沿线城市(张掖、酒泉、嘉峪关、金昌和武威)与黄河上游重点城市(西宁、兰州和银川)在空间上连接在一起。2002—2013年,各城市建成区发展均是围绕主城区进行扩展的面状分布模式；张掖-酒泉-嘉峪关-金昌-武威-兰州-白银-中卫-吴忠-银川-石嘴山的城市化过程表现为线状模式,其主要依托公路干线(连霍线)和铁路干线(兰新线和包兰线)将各沿线城市连接起来,从而推动城市建成区的扩展；点状模式在海西及庆阳等东南部城市分布比较普遍。

图3 甘青宁地区城市扩展空间形态特征Fig.3 Characteristics of urban expansion spatial morphology in Gan-Qing-Ning region

2.1.2扩展速度变化特征

总的来看,2002—2006年,银川最快,平凉其次,兰州最慢且为负增长；2006—2010年,兰州最快,石嘴山第二,西宁最慢；2010—2013年,银川最快,张掖其次,庆阳最慢(表2)。就年际变化而言,金昌和庆阳呈负增长,城市扩展速度分别由2006—2010年的2.75 km2/a和2.00 km2/a减少到2010—2013年的-0.33 km2/a和-0.67 km2/a；天水、中卫和石嘴山增速趋缓,分别由2002—2010年的1.75 km2/a、2.75 km2/a和7.16 km2/a减少到2010—2013年的0.33 km2/a、2.67 km2/a和2.12 km2/a；兰州和酒泉略有下降但总体稳定；嘉峪关、白银和甘南的城市扩展速度在2002—2013年持续增加。2002—2013年,研究区城市扩展速度整体稳步上升(2.73 km2/a),且2010—2013年扩展速度(4.53 km2/a)是2006—2010年的2倍。

2.1.3扩展动态度变化特征

2002—2006年,除兰州、金昌、白银、临夏和甘南的城市扩展状态呈现萎缩或停滞外,其余各城市均有不同程度的扩展,其中,平凉和银川为中高速扩展,且平凉扩展动态度最大(29.41%),而金昌最小(-5.88%)；2006—2010年,除平凉、临夏、西宁和固原呈负扩展或零扩展外,其余各城市基本呈低速扩展,且扩展动态度较大的两地级市(庆阳和中卫)间差距并不明显,仅为0.42%；2010—2013年,除金昌和庆阳呈负扩展外,研究区基本呈中低速扩展,其中,张掖扩展最快(表2)。从各城市的年际变化来看,2002—2013年城市扩展动态度持续减小的城市为天水,而动态度持续增大的城市有嘉峪关、白银、张掖和甘南。

表2 甘青宁地区各市(州)城市扩展速度及扩展动态度变化

2.1.4扩展紧凑度变化特征

除酒泉、海西、白银、天水、石嘴山和兰州外,研究区其他城市建成区紧凑度指数均较高(图4)。其中,兰州受南北两山的地形所限,建成区多沿黄河两岸呈狭长型连续分布,紧凑度低；天水、石嘴山和白银的建成区由数块不相邻的区域构成,紧凑度均不高。2002—2013年,甘南、临夏及庆阳的紧凑度指数均保持在较高范围,说明其城市发展有序、经济水平稳定；西宁、银川、吴忠和金昌紧凑度指数整体呈增加趋势,表明其城市发展开始由相对无序到相对紧凑的方向发展；而酒泉、张掖、定西、陇南和石嘴山的紧凑度指数则持续递减,其中,陇南紧凑度指数变化最大。

图4 甘青宁地区不同时期紧凑度特征Fig.4 Characteristics of compactness in different periods in Gan-Qing-Ning region

2.1.5重心迁移特征

在重心迁移的3个阶段中(图5),第一阶段(2002—2006年)研究区重心向东北迁移了31.316 km,迁移速度为8.579 km/a,迁移方向与正东方向夹角为49.94°；第二阶段(2006—2010年)城市重心迁移量最小,仅为4.427 km,迁移速度为1.107 km/a,迁移方向与正北方向夹角为6.76°；第三阶段(2010—2013年)城市重心向西南方向大幅迁移44.575 km,迁移速度达到14.858 km/a,其重心迁移距离及速度均远远超过前两个阶段,且重心与正南方向夹角未超过1°偏差(0.56°),近乎垂直。

图5 甘青宁地区城市建成区重心变化 Fig.5 Changes in the center of gravity of urban built-up areas in Gan-Qing-Ning region

图6 建成区NDVI总和与面积Fig.6 Total NDVI and area of built-up area

2.2 城市建成区植被变化特征

2.2.1植被总体变化特征

随着城市建成区的扩展,研究区城市建成区NDVI总和呈上升趋势(图6)。2002—2006年,建成区面积增加12.36 km2,建成区NDVI总和则增加了8213.05；2006—2010和2010—2013年建成区面积及建成区NDVI总和分别增加了333.64 km2、285.42 km2和7139.19、4250.25。

2.2.2NDVI均值

从建成区年均NDVI变化量来看(表3),2002—2006年研究区近一半城市NDVI均值在不断下降,植被变差,且三座省会城市均位列其中；2006—2010年除金昌、武威和临夏NDVI均值下降、植被变差外,其他各城市植被状况均有所改善,其中,酒泉NDVI增加量最大；2010—2013年,近1/3的城市NDVI均值均在不断下降、植被变差,其中,武威植被退化最明显。2002—2013年,除武威、张掖和庆阳的NDVI均值变小外,其他各城市NDVI均值均有不同程度的增加,表明城市建成区植被随时间的变化具有明显的空间差异。结合图7可以看出,城市建成区NDVI均值分布具有明显的地理差异,研究区中西部普遍较东部地区小。

2.2.3NDVI比值及其变化量

从各城市建成区内NDVI比值(表3)可以看出,2002—2013年,除兰州、酒泉和庆阳部分时期NDVI比值大于1外,其他城市NDVI比值均小于1,说明城市扩展对这些城市建成区植被造成不利影响。从年际变化看(图8),2002—2006年研究区东西方向中轴线附近各城市NDVI比值变化量普遍增加,而东南部多数城市的NDVI比值变化量减小,其中甘南、临夏、固原和庆阳减少最明显,反映出城市建成区扩展对这些地区植被的负面影响在增加；2006—2010年,除中部及东南部少数地区NDVI比值变化量在减小外,其他各城市建成区扩展对建成区内植被的不利影响均在减弱；2010—2013年近2/3的城市建成区NDVI比值变化量在减少,说明该时期城市建成区扩展对植被的不利影响在加剧。总体来看,2002—2013年近4/7的城市建成区NDVI比值及其变化量呈下降趋势,表明城市建成区扩展对建成区内的植被状况造成一定的不利影响。

2.2.4趋势分析和变化百分率

从NDVI年际变化率和变化百分率来看(表4),建成区内各城市NDVI的变化均呈向好发展,NDVI的变化百分率均在550%以上,说明甘青宁三省区建成区内植被整体处于良好发展；而建成区外围的背景区,自然植被整体呈下降趋势,其中,中卫、白银、银川和吴忠下降显著,背景区NDVI的变化百分率均处于负增长状态,说明该区域植被生长趋于退化。总体来看,城市建成区NDVI呈向好发展。

表3 2002—2013年研究区各地级市(州)城市建成区内NDVI比值及其变化量

图7 甘青宁地区城市建成区植被变化情况Fig.7 Vegetation changes in urban built-up areas in Gan-Qing-Ning region

图8 甘青宁地区城市建成区NDVI比值变化量Fig.8 Variation of NDVI ratio in urban built-up areas in Gan-Qing-Ning region

2.2.5植被稳定性

研究区城市建成区NDVI的变异系数介于0.000—0.747(表5),其中,海西变异系数最大,属于植被稳定性最差的区域。2002—2006年,变异系数呈增加趋势的城市占一半以上,其中,中卫和吴忠的植被变化最为剧烈,为不稳定区域；2007—2010年,近1/3的城市NDVI变异系数呈上升趋势,但上升幅度普遍较小；2011—2013年,NDVI变异系数呈上升趋势的区域较前一阶段(2007—2010)无明显变化,大多数城市NDVI处于稳定和不稳定区域之间。总体上,除陇南和甘南非常稳定外,近半数以上的城市在2002—2013年间变异系数均有不同程度增加,表明在该时段研究区内植被比较不稳定。

表4 甘青宁地区植被NDVI的年际变化率及变化百分率

3 讨论

3.1 甘青宁地区城市建成区扩展时空变化特征及其驱动机制

城市建成区的扩展往往会受到政府决策和规划的影响[39]。2000年启动实施的西部大开发战略是推动西部地区城市快速扩展的一个重要因素[37]。国务院关于深入实施西部大开发战略的若干意见[40]指出：要坚持以线串点、以点带面,着力培育经济基础好、资源环境承载能力强,发展潜力大的重点经济区,形成西部大开发战略新高地,辐射和带动周边地区发展。此外,城市扩展与其他因素也存在较为密切的联系,如受地形、交通以及经济等多方面因素的影响[19,38]。季顺伟等[39]认为公共财政支出、固定资产投入与城市空间扩展呈正相关的关系,对城市发展也具有显著的促进作用。

从空间扩展特征看,整体上,甘青宁地区城市建成区围绕河西走廊及黄河上游地区形成了不连续的“几”字型空间形态,局部来看,城市建成区则呈现不规则的点状、线状和面状分布。这与何春阳等[41]基于城市群地区城市空间扩展形态得出点状、线状和面状3种城市化模式的结论基本一致。酒泉和嘉峪关由于在空间上接近,呈现向西靠近嘉峪关方向的发展趋势[42]；白银和临夏呈现向区域中心城市兰州聚拢的趋势[19]；兰州南北方向扩张已趋于饱和,城市只能沿黄河东西方向发展[43]。甘青宁三省区内的21座地级市依据经济圈可划分为[44]：关中-天水经济区、西兰银经济区、宁夏沿黄经济区等。各大经济区之间依托交通要道,在充分发挥核心增长极的聚集和辐射效应的基础上,以各类都市经济圈为增长极,形成了覆盖全区域的城市空间发展框架[44]。

从时间扩展特征看,季顺伟等[39]基于宁波、邓昊键等[45]基于粤港澳大湾区和林中立等[46]基于中国东部沿海地区的研究发现2005年以前城市扩展速度较快,此后扩展强度有所缓和,与本文研究结果恰好相反,说明中国西北内陆地区的城市发展明显滞后于东部地区。甘青宁三省区2002—2010年城市发展速度较为缓慢,而在2010—2013年发展则呈骤增趋势。究其原因,在西部大开发开始实施的第一个十年,城市建设的重心主要集中在打通连接各区域的交通干道,建设投资的重点主要在基础建设投资方面[47],城市建成区扩展速度相对较慢；在西部大开发实施后的第一个十年末,中央在关于发展西部大开发的文件中指出“今后十年是深入推进西部大开发承前启后的关键时期”,在这一时期中,力争到2015年,经济总量比2008年翻一番,基础设施更加完善[40],城市建成区发展速度也明显加快。对于甘青宁地区城市扩展更深层次的驱动机制尚需进一步探讨。

3.2 建成区植被时空变化及其影响因素

随着城市建成区的扩展,2002—2013年建成区内植被总体呈好转趋势,这与多年的生态工程建设密切相关[48—49]。研究还发现城市建成区NDVI均值分布呈现中西部小于东部地区的变化趋势,与王治国等[50]对关中平原城市群植被研究得出气候因素是植被覆盖的主导因素的结论基本一致。黄土高原边缘地区(研究区东部地区)受降水的影响最大,在政策保障下植被不断增加[50],而研究区的中西部地区,降水稀少,植被状况往往较差。本文研究区位于中国西北内陆干旱、半干旱地区,植被除受自然因素影响外,人为因素亦有较强的促进或抑制作用[50]。研究发现,甘青宁地区城市建成区内植被生长状况普遍较自然环境下要差,与董晨炜等[8]基于DMSP/OLS和MODIS NDVI数据的环杭州湾地区城市研究得出人为因素不利于城市植被生长的结论基本一致。本文认为甘青宁地区城市扩展过程中建成区内植被变差的原因主要有两个：其一,尽管建成区内有较为完善的植被养护管理措施,但城市扩展过程中不可避免的会占用天然林草地,导致植被覆盖度下降；其二,城市建成区内建筑密度较高、人工不透水表面占比相对较大以及城市“热岛效应”的影响等。同时也应该看到,尽管建成区内植被总体呈向好趋势,但稳定性普遍较弱,说明植被抵御不良环境的能力较差。温晓金等[51]的研究指出植被恢复力与植被恢复是两个不同的概念,研究区现阶段植被恢复良好,并不意味着其恢复力很强。随着城市化进程的发展,人为因素对建成区内植被干扰的加剧,会使建成区内植被对抗不良因素的能力进一步削弱。因此,在看到城市建成区植被生长总体趋于良好的同时也应积极考虑其他影响研究区内植被稳定性的因素,采取科学有效的措施提高建成区内植被的稳定性。

3.3 采用统计数据比较法基于DMSP/OLS数据研究城市建成区的优劣

采用统计数据比较法基于DMSP/OLS数据研究城市建成区具有一定的局限性。首先,基于统计数据比较法提取城市建成区边界,需要统计年鉴数据予以辅助,区域或年份统计数据的缺失会对研究结果的准确性造成影响。其次,DMSP/OLS数据空间分辨率(1 km)过大,时间序列(1992—2013年)较短,不利于进一步研究长时间序列城市建成区内不同类型植被的变化特征。再次,研究采用了何春阳等[28]提出的城市建成区面积基本是连续增加的观点,认为前一年建成区范围会在下一年的建成区中有所体现,然而城市发展是动态的、不确定的,往往与当地政府的决策有关,因此,建成区提取结果与实际相比存在一定误差。最后,在植被变化方面,本研究只选用了NDVI一种参数,对于空间范围广、环境条件复杂的研究区而言,在准确反映建成区植被变化方面尚有不足。但是,本文的可取之处在于,在对甘青宁地区城市建成区范围的提取中,运用统计数据比较法将研究区所涵盖的21座城市以地级市(州)为单位进行逐城市建成区提取(平均误差率2.075%),与林中立等[46]基于阈值法对中国东部沿海地区的提取结果(平均误差率3.133%)相比,显著提高了提取结果的精度。此外,利用NDVI作为表征生态环境植被变化特征的指示因子,在一定程度上反映了区域植被状况的优劣,与刘沁萍等[37]的研究结果基本一致。

在今后的研究中,将从以下几个方面进行完善。其一,尝试通过数学模型来减少统计数据缺失造成的误差；其二,在统计数据比较法的基础上,借助更高分辨率的遥感影像(如Landsat数据)以提高城市建成区边界的提取精度,研究建成区内不同植被类型的生长状况；其三,采用多指标表征城市建成区植被变化特征。