北京部分中心城区1990—2019年三维建筑形态变化特征

李桢, 胡聃

北京部分中心城区1990—2019年三维建筑形态变化特征

李桢1,2, 胡聃1,*

1. 城市与区域生态国家重点实验室, 中国科学院生态环境研究中心, 北京 100085 2. 中国科学院大学, 北京 100049

城市三维建筑形态影响城市近地表能量平衡、微气候及空气质量。基于多源空间数据(高分辨率Pléiades遥感影像、高分辨率谷歌影像和建筑轮廓数据), 构建三维建筑形态指标体系, 并基于网格法分析了各三维建筑形态指标的空间敏感性, 应用该指标体系评价了1990—2019年北京部分中心城区的三维建筑形态特征及其变化。主要结果如下: (1)整合11个指数构建了一套三维建筑形态指标体系; (2)各指标的核密度分布存在差异; 形状指数、三维分形维数、聚集度、邻近度对网格大小敏感, 其他指标对网格大小不敏感; (3)1990—2019年建筑面积占比、加权面积建筑高度、三维形状指数、邻近度变化显著, 且主要集中在四环两侧及国贸附近。

城市形态; 三维建筑形态; 空间格局; 空间敏感性

0 前言

高强度的城镇化导致城市景观格局、形态结构发生改变, 致使其生态过程改变, 进而引发一系列的生态环境问题[1-2], 如热岛效应、空气污染等[3]。因此, 深入理解城市形态结构及其变化可为城市可持续发展和科学、宜居的城市空间形态建设提供支持。

近年来, 城市三维景观格局研究获得快速发展, 主要体现在三维信息获取方法和三维景观指数的扩展[4-5]。城市三维信息主要获取方法: 实地调查、基于遥感的方法及开源空间信息数据。传统实地调查精度高, 适宜小面积开展。基于遥感的方法, 可快速获取大面积多时相的城市形态信息, 基于光学影像[6]、基于雷达影像[7]、高精度数字表面模型及多源数据融合[8]获取城市形态信息逐渐得到应用。三维指标的发展主要体现在基于二维景观格局指数在三维空间的扩展, 可分为基本指标(如数量、面积)、高度指标、体积指标、表面积指标、形状指标及综合指标[9]。如Kedron 等发展了一套基于面积和体积的三维景观指数体系并应用于新奥尔良城区的城市三维景观研究[4]。当前, 对三维邻近度的关注较少[4]。城市三维景观格局与近地表能量平衡过程、城市热环境、空气污染的关系得到开展[10-12], 研究多以城市、功能区、小区为分析单元。空间尺度敏感性的研究多从空间异质性、基于网格法及空间连续小波变化、小波相干分析来开展。目前, 三维景观格局指数在小微尺度下的敏感性关注较少。基于以上问题, 本文发展了三维邻近度并综合11种景观指数构建三维建筑形态指标体系, 并基于网格法分析了各景观指数在小微尺度上的空间敏感性。

本文研究目的: (1)基于网格法, 发展了三维邻近度指数并整合现有三维建筑景观指数, 构建建筑三维景观指数体系。(2)分析各三维建筑形态指标的空间尺度敏感性。(3)评价研究区建筑三维形态在1990—2019年的变化特征。

1 材料和方法

1.1 研究区概况

北京, 中国典型特大型城市, 面积1.68 万km2, 人口2154.2 万(2018)(图1)。该区属北温带半湿润大陆性季风气候, 年降雨量600 mm, 年均温接近14 ℃。研究区(116°23′20″—116°30′20″E, 39°54′00″—39°59′30″N)分布在东城区、朝阳区, 属平原区, 平均海拔44.2 m。城市发展东扩和内部更新, 使得区内建筑类型多样、异质性高。北京商务区在研究区内, 超高层的商业建筑聚集, 如北京国贸大厦, 中央电视台总部大楼, 中国电信大厦。图1底图所用地表高程数据由2019年10月Pléiades遥感影像生产。

图1 研究区示意图

Figure 1 Location of the study area

1.2 数据处理与方法

建筑轮廓数据获取自2019年百度地图数据(map.baidu.com), 建筑轮廓数据与Pléiades遥感影像(全色波段空间分辨率0.7 m、多光谱波段分辨率为2.8 m)空间匹配效果较好。Pléiades高分辨率卫星星座由2颗卫星组成, 分别于2011, 2012年发射成功并接收数据。少量未更新建筑, 经目视解译人工数字化。1990年建筑轮廓数据基于Google Earth影像修订2019年建筑轮廓数据而获得。以建设部住房设计规范为参考, 假定每层楼高为3 m (GB50368—2005)。利用激光测高仪(Forest550., Nikon, JAPAN)随机调查94栋建筑, 包括48栋低层及多层建筑(楼高<24 m)、46栋高层建筑(楼高>24 m), 2019年的楼高标准误差分别为1.72 m, 4.84 m, 楼层准确度85.10%。

1.3 三维建筑形态指标体系

11个建筑形态指标见表1, 并分类成强度、粗糙度、复杂度、多样性、优势度、聚集度和邻近度。其中, 三维分形维数的计算过程基于计盒法计算[13]。二维景观扩展指数是基于缓冲区共享率得来的[14], 本文的三维邻近度计算过程: 建筑物先做10 m缓冲, 求和重叠区域面积与缓冲重叠区所依据的建筑物高度的乘积, 该求和与网格内建筑体积的比值即为三维邻近度。多样性指数的计算, 基于局地气候分区[15](Local climate zones, LCZs)将建筑按高度分为三个类别: 高层建筑(>=25 m)、中层建筑(10—25 m)、低层建筑(<10 m)。所有指数的计算都基于ArcGIS10.4。网格大小分别为240 m、180 m、120 m、100 m、90 m、80 m、70 m、60 m。

表1 城市建筑三维形态指标定义及描述

2 结果与分析

2.1 三维建筑形态指标的空间敏感性

用核密度分布来表征三维建筑格局分布状况(图2)。加权面积平均高、加权面积平均高的标准差、容积率、邻近度和建筑最大表面积呈明显左偏分布。形状指数SAVR、形状指数3DSI、三维分形维数、聚集度呈对称分布。建筑面积占比、基于表面积的辛普森多样性指数则存在两个波峰。

建筑面积占比在2%、25%呈现两个波峰。基于表面积的辛普森多样性指数在0—0.2则表现出快速下降, 然后缓慢上升, 在0.65附近出现一个波峰。加权面积平均高在6 m出现峰值, 而加权面积平均高的标准差在2.5 m出现峰值。当网格大小>60 m, 形状指数SAVR的峰值出现在0.2; 当网格大小为60 m, SAVR的峰值出现在0.9。形状指数3DSI在网格大小为100 m时, 峰值明显大于其他网格大小时的峰值; 而网格大小为60 m时其峰值又明显低于其他网格大小的峰值; 在网格大小为70 m、80 m、90 m、120 m、180 m、240 m时, 其峰值点逐渐右移。网格大小为70—100 m, 三维分形维数的峰值出现在2.20左右, 且随网格大小其峰值点逐渐右移; 当网格大小为120—240 m, 三维分形维数的峰值出现在2.42左右。聚集度随着网格的增大, 其峰值点逐渐左移。邻近度在网格大小为60 m, 70—100 m, 120—240 m的核密度分布明显不同。

形状指数SAVR、形状指数3DSI、三维分形维数、聚集度、邻近度具有尺度依赖性, 对网格大小敏感; 建筑面积占比、加权面积平均高、加权面积平均高的标准差、容积率、基于表面积的辛普森多样性指数、建筑最大表面积具有尺度稳定性, 对网格大小不敏感。

2.2 1990—2019年北京部分中心城区建筑三维形态特征及变化

排除spearman相关性大于0.7的形态指标, 以建筑面积占比、建筑加权面积平均高、三维形状指数及邻近度在网格大小为90 m时具体分析了北京市部分中心城区1990—2019年建筑三维形态的变化。

图2 建筑三维形态指标的核密度分布

Figure 2 Kernel distribution density of 3D architectural form indicators

高密度区(建筑面积占比>40%), 集中分布在古城区、国贸及望京附近, 其原因是古城区建筑多为低层建筑, 密集分布; 国贸附近为商业用地, 用地紧张; 望京附近有工业基地, 单栋建筑的面积大。低密度区(建筑面积占比<20%), 主要分布在研究区外围, 主要原因是村庄的搬迁, 新建小区绿化程度高(图 3)。建筑面积占比发生变化的区域集中在主干道附近, 如二环、建国路、四环。此外, 建筑面积占比的增加与减少伴随发生。

古城区、研究区东北部及东南部建筑加权面积平均高较低; 二环两侧、国贸及望京附近加权面积平均高较高, 多为高层商业建筑; 其他加权面积平均高较高的区域, 多为高层住宅区, 如奥林匹克公园附近。1990—2019年建筑高度变化明显, 高层建筑主要分布在商业区及主干道附近, 研究区东部及北部建筑高度的增加主要原因是高层住宅区的建设(图 3)。

2019年三维形状指数介于0—2.56, 古城区的三维形状指数较大, 而其他地区呈现小聚集, 大分散的特点。1990—2019年, 三维形状指数变化较大的区域主要集中在四环附近及研究区东部(图 4)。2019年邻近度在古城区及道路两侧较大, 但其原因不同, 古城区是建筑间距较小, 而道路两侧的原因是建筑高度较高。1990—2019年邻近度增大较大的地方集中在商业区及道路两侧。

图3 建筑面积占比、加权面积平均高的分布图(网格大小为90 m)

Figure 3 Spatial distribution map of building surface fraction and area-weighted mean building height (grid size: 90 m)

图4 建筑三维形状指数、邻近度的分布图(网格大小为90 m)

Figure 4 Spatial distribution map of building and adjacency (grid size: 90 m)

3 讨论

城市区域建筑异质性高, 建筑形态分析的尺度至关重要。相关城市形态分析有以功能区、地块、居民区为分析单元, 而以网格为分析单元的网格大小在200—500 m[16-17]。本研究以网格法为基础, 在小微尺度下分析了各三维建筑形态指标的空间敏感性, 在网格大小为<60 m, 60—100 m, >100 m, 建筑三维形态指数的核密度分布规律存在差异, 在建筑三维形态与地表城市热岛、城市森林碳储存、水质、空气污染等相关生态过程分析中可能有助于发现更有用的结论。如地表热岛效应与其影响因素存在尺度效应, 尺度的敏感性分析可以给出更稳定的结论。

1990—2019年, 区域内平均建筑面积占比、平均加权面积建筑高度、三维形状指数和邻近度变化显著, 区域内建筑向高密、紧凑、形状复杂方向发展。变化显著的地方主要集中在四环两侧及国贸附近。已有研究表明城市建筑三维变化的主要原因是政策, 人口增加, 经济增长, 产业结构调整及自然因素[18]。朝阳区作为首都城市功能扩张区, 是城市发展的主要方向, 国贸中央商务区、奥林匹克公园核心区是重点打造区域。东城区则产业服务特征明显, 另一方面对古建筑保护完善。经济和人口的增长是城市发展的内在驱动力。以朝阳区为例, 1990—2018年, 常住人口增加178.7 万; 地区国内生产总值由1995年的43.1 亿元增长到2018年底的6093.5 亿元。经济和人口的增长对城市横向扩张和垂直扩张影响明显。产业结构调整影响城市垂直方向扩张, 北京商务中心位于研究区内, 超高层商业建筑的建设推动着建筑高度的不断增加, 逐渐聚集, 如北京国贸大厦, 中央电视台总部大楼, 中国中信大厦等集中在国贸商务区核心地段。奥林匹克公园核心区将打造成为国家级大型文化体育设施的集聚地, 也推动着城市垂直方向的扩展。

4 结论

本文结合多源空间数据, 构建了三维建筑形态指标体系, 基于网格法分析了各建筑三维形态指标在网格大小为60—240 m的核密度分布变化, 并应用该指标体系评价了1990—2019年北京部分中心城区的建筑三维形态变化特征, 主要结论如下:

(1)各三维建筑形态指标的核密度分布明显不同, 可分三类, 左偏(如加权面积平均高、加权面积平均高的标准差、容积率、邻近度和建筑最大表面积), 对称(如形状指数SAVR、形状指数3DSI、三维分形维数、聚集度), 和两次波峰(如建筑面积占比、基于表面积的辛普森多样性指数)。

(2)在网格大小为60—240 m时, 形状指数SAVR、形状指数3DSI、三维分形维数、聚集度、邻近度对网格大小敏感; 建筑面积占比、加权面积平均高、加权面积平均高的标准差、容积率、基于表面积的辛普森多样性指数和建筑最大表面积对网格大小不敏感。

(3)1990—2019年, 建筑面积占比、加权面积平均高、三维形状指数和邻近度变化显著的区域集中在二环两侧、建国路两侧、四环附近及四环外的区域, 由超高层的商业建筑及高层住宅的建设所导致。

[1] 陈利顶, 孙然好, 刘海莲, 等. 城市景观格局演变的生态环境效应研究进展[J]. 生态学报, 2013, 33(4): 1042– 1050.

[2] ZHOU Weiqi, HUANG Ganlin, STEWARD T A P, et al. 90 years of forest cover change in an urbanizing watershed: spatial and temporal dynamics[J]. Landscape Ecology, 2011, 26(5): 645–659.

[3] 宫继萍, 胡远满, 刘淼, 等. 城市景观三维扩张及其大气环境效应综述[J]. 生态学杂志, 2015, 34(2): 562–570.

[4] KEDRON P, ZHAO Yun, FRA A E, et al. Three dimensional (3D) spatial metrics for objects[J]. Landscape Ecology, 2019, 34(9): 2123–2132.

[5] 张楚宜, 胡远满, 刘淼, 等. 景观生态学三维格局研究进展[J]. 应用生态学报, 2019, 30(12): 4353–4360.

[6] ZHENG Zhong, ZHOU Weiqi, WANG Jia, et al. Sixty-Year Changes in Residential Landscapes in Beijing: A perspective from both the horizontal (2D) and vertical (3D) dimensions[J]. Remote Sensing, 2017, 9(10): 992.

[7] ROTTENSTEINER F, BRIESE C. A new method for building extraction in urban areas from high-resolution LIDAR data[J].International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 2002, 34: 295–301.

[8] XU Yanyan, LIU Miao, HU Yuanman, et al. Analysis of three-dimensional space expansion characteristics in old industrial area renewal using GIS and Barista: a case study of Tiexi sistrict, Shenyang, China[J]. Sustainability, 2019, 11(7): 1860.

[9] 周伟奇, 田韫钰. 城市三维空间形态的热环境效应研究进展[J]. 生态学报, 2020, 40(2): 416–427.

[10] TIAN Yunyu, ZHOU Weiqi, QIAN Yuguo, et al. The effect of urban 2D and 3D morphology on air temperature in residential neighborhoods[J]. Landscape Ecology, 2019, 34(5): 1161–1178.

[11] LUAN Qingzu, JIANG Wei, LIU Shuo, et al. Impact of Urban 3D Morphology on Particulate Matter 2.5 (PM2.5) Concentrations: Case Study of Beijing, China [J]. Chinese Geographical Science, 2020, 30(2): 294–308.

[12] HONG J W, LEE S D, LEE K, et al. Seasonal variations in the surface energy and CO2flux over a high-rise, high- population, residential urban area in the East Asian monnoon region[J]. International Journal of Climatology, 2020, 40(10): 4384–4407.

[13] 秦静, 方创琳, 王洋, 等. 基于三维计盒法的城市空间形态分维计算和分析[J]. 地理研究, 2015, 34(1): 85–96.

[14] 刘稼丰, 焦利民, 董婷, 等. 一种新的城市景观扩张过程测度方法: 多阶邻接度指数[J]. 地理科学, 2018, 38(11): 1741–1749.

[15] STEWART I D, OKE T R. Local climate zones for urban temperature studies[J]. Bulletin of the American Meteorogical Society, 2012, 93(12): 1879–1900.

[16] HE Sijia, WANG Xiaoyun, DONG Jingru, et al. Three- dimensional urban expansion analysis of valley-type cities: a case study of Chengguan District, Lanzhou, China[J]. Sustainability, 2019, 11(20): 5663.

[17] QIAO Weifeng, WANG Yahua, JI Qingqing, et al. Analysis of the evolution of urban three-dimensional morphology: the case of Nanjing city, China[J]. Journal of Maps, 2019, 24(1): 567–576.

[18] MOREIRA F, REGO F C, FERREIRA P G, et al. Temporal (1958-1995) pattern of change in a cultural landscape of northwestern Portugal: implications for fire occurrence[J]. Landscape Ecology, 2001, 16(6): 557–567.

Characterization of three-dimensional architectural form change of part of Beijing’s central cityfrom 1990 to 2019

LI Zhen1,2, HU Dan1,*

1. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China 2. University of Chinese Academy of Sciences, Beijing 100049, China

Urban three-dimension morphology has an effect on the near surface energy balance, micro-climate, and air quality. Based on multi-source spatial data (high spatial resolution Pléiades image, high spatial resolution Google image, and building footprint data), we introduced a suite of 3D architectural form metrics. We analyzed the spatial sensitivity of the 3D architectural form indicators by adopting grid method. Then, we adopted the 3D architectural form metrics to recognize 3D characteristics of architectural form and examined their changes from 1990 to 2019. The main results were as follows: (1) a set of 3D architectural morphology index system was constructed and proposed. (2) Kernel distribution density of 3D architectural form indicators was different: the 3D shape index, 3D fractal, aggregation, and adjacency were sensitive to grid size change, but other indicators were notsensitive to grid size change. (3) Building surface fraction, area-weighted mean building height, 3D shape index,and adjacency changed significantly from 1990 to 2019, and the changed areas were concentrated on the side of the fourth road and the neighborhood of Guomao.

urban morphology; 3D architectural form; spatial pattern; spatial sensitivity

李桢, 胡聃.北京部分中心城区1990—2019年三维建筑形态变化特征[J]. 生态科学, 2023, 42(1): 49–55.

LI Zhen, HU Dan. Characterization of three-dimensional architectural form change of part of Beijing’s central city from 1990 to 2019[J]. Ecological Science, 2023, 42(1): 49–55.

10.14108/j.cnki.1008-8873.2023.01.006

TU984.12

A

1008-8873(2023)01-049-07

2020-10-26;

2021-01-11

国家自然科学基金项目(41571482, 42071274)

李桢(1991—), 男, 博士, 主要从事城市生态学研究, E-mail: lizhen9106@126.com

胡聃, 男, 博士, 研究员, 主要从事城市生态学研究, E-mail: hudan@rcees.ac.cn