云南省2006—2015年不透水表面时空扩张差异机制
2023-10-23何光熊史亮涛方海东史正涛
徐 瑞,何光熊,,李 婕,史亮涛,方海东,史正涛
(1.云南师范大学 a.地理学部;b.云南省高原地理过程与环境变化重点实验室,昆明 650500;2.云南省农业科学院 a.热区生态农业研究所;b.元谋干热河谷植物园,云南 元谋 651300)
0 引 言
不透水表面是指水难以下渗进入土壤的土地覆盖类型(屋顶、 人行道、 柏油公路等), 是全球最剧烈的土地利用/土地覆盖变化形式[1]。由于不透水表面阻隔了降水等液体进入土壤, 导致地表径流下渗减弱, 短时间的强降雨势必引起城市内涝; 不透水表面改变了下垫面的热力属性, 导致下垫面吸收更多的太阳辐射, 从而引发城市热岛效应, 造成大量污染物聚集在热岛中心, 威胁人们的生命健康; 此外, 不透水表面的扩张占用了大量的耕地、 林地等其他地表覆盖类型, 造成耕地减少、 生物多样性降低, 威胁到国家粮食安全和生态安全[2]。1970—2000年, 全球不透水表面增长了4倍[3], 不透水表面的快速扩张必将影响人类的生存。因此, 研究不透水表面的时空扩张特征, 探索不透水表面扩张的驱动因子, 对深入理解不透水表面扩张的机理、 促进国土空间优化管理以及实现人与自然协调发展具有重要意义。分析不透水表面时空扩张特征及驱动力因子已成为优化国土资源管理、 协调人地关系的重要环节。
近年来, 随着遥感理论与技术的革新以及许多卫星影像的免费获取, 多传感器、 多空间分辨率、 多时间分辨率的不透水表面数据逐渐问世, 极大地促进了人类对不透水表面扩张的时空特征的理解。沈谦等用DMSP和MODIS数据提取我国干旱区城市近20年不透水表面, 将其扩张过程分为高速、 快速、 中速和低速扩张型[4]。张翰超等以高分辨率遥感影像数据提取2000—2015年的中国省会城市不透水表面, 结果表明中国省会城市不透水表面保持了高速增长趋势[5]。钟芳芳等用利Landsat遥感影像反演地表温度和提取地表覆盖信息, 研究了1989—2017年南昌市景观格局的变化对热环境的影响, 结果表明不透水表面景观空间分布越集中, 斑块越紧凑, 密度越大, 将导致地表温度升高, 热岛效应进一步增强[6]。社会因子和自然因子是不透水表面扩张的主要驱动力。近年来, 不透水表面扩张的驱动因子研究方法呈现多元化, 如多元线性回归(MLR)[3,7-8]、 逻辑回归(LG)[9-10]、 增强型回归树(BRT)[11]、 灰色关联[12-14]、 主成分分析法[15]等多种定量分析方法被应用到对不同因子不透水表面扩张贡献量评价中, 但是这些分析方法主要基于数量关系进行单驱动因子贡献分析, 却忽略了不透水表面扩张驱动因子之间的关联性。地理探测器是一种从空间分异性角度来探测其背后驱动力的统计方法, 最初主要应用于公共健康问题的环境因子识别[16-17], 目前适用于土地利用[18-20]、 区域经济[21]、 遥感[22]、 环境[23]、 生态[24]等方面, 它可以从空间分层异质性定性、 定量分析影响不透水表面扩张的驱动因子及各驱动因子之间的交互作用。
云南省以其山地系统复杂、 地形地貌及立体气候特征, 孕育了丰富的能源、 矿产、 动植物等资源, 是我国西南生态安全屏障构建的桥头堡、 全球生物多样性保护关键区、 长江上游经济带建设的战略区域, 亦是我国山地城市发展的核心区域之一。“十一五”(2005—2010年)和“十二五”(2010—2015年)期间, 云南省不透水表面经历了剧烈的扩张过程, 但由于云南多高山峡谷, 立体气候明显, 加之区域多元民族聚集, 经济文化模式多样, 导致对云南省不透水表面扩张空间差异及其影响机制的研究有待完善, 因此本文对2006—2015年云南省不透水表面进行时空扩张特征分析, 并用地理探测器探索不透水表面扩张的驱动因子, 对理解不透水表面扩张的机理和过程提供依据, 为进一步优化我国西南山地区域国土空间优化管理、 促进长江上游经济带高质量发展提供数据支撑。
1 研究区与数据
1.1 研究区概况
云南省(东经97°31′—106°11′, 北纬21°08′—29°15′)地处中国西南边境, 与老挝、 越南和缅甸接壤。总面积39.41万km2, 共包含16个地州市(昆明市、 曲靖市、 玉溪市、 红河哈尼族彝族自治州、 楚雄彝族自治州、 大理白族自治州、 昭通市、 文山壮族苗族自治州、 保山市、 临沧市、 普洱市、 西双版纳傣族自治州、 丽江市、 德宏傣族景颇族自治州、 迪庆藏族自治州、 怒江傈僳族自治州)。云南属山地高原地形, 多山的地形条件, 限制了城市化的进程, 常出现违规乱建房屋的情况, 例如占用耕地建房造成耕地减少, 对耕地红线以及粮食安全造成威胁。在自然保护区内建房, 对环境造成污染、 破坏了保护区的生态系统, 激化人与自然的矛盾[25-26]。
1.2 数据来源及处理
1.2.1 不透水表面数据 不透水表面数据采用清华大学的GAIA(global artificial impervious area)数据(http: //data.ess.tsinghua.edu.cn/gaia.html), 该数据是基于GEE(Google Earth Engine)云计算平台, 以Landsat数据为主, Sentinel-1 SAR和VIIRS NTL数据为辅提取的全球不透水表面数据。GAIA是全球唯一一个跨越30年、 空间分辨率为30 m的年度数据集, 平均总体分类精度高于90%[27]。此外, 从Google Earth上采集验证样本, 对2015年昆明市的GAIA数据进行精度验证, 结果显示总体分类精度为92.38%, Kappa系数为0.849 4, 表明GAIA数据具有可靠性。采用该数据集统计2006、 2010、 2015年云南省的不透水表面面积, 该数据集只具备地理坐标, 不具备投影坐标, 因此在统计面积之前需要对其进行拼接、 投影、 裁剪等操作。
1.2.2 驱动力数据 本文使用的驱动因子数据来源于省级统计数据(本研究所需的驱动因子在国家级的统计数据中不齐全), 而云南省统计局公布的《云南统计年鉴》数据是从2007年开始的, 且所使用的最新数据均来自上年年报, 如《2007云南统计年鉴》所记录的最新数据为2006年的年报数据统计。使用地理探测器对不透水表面扩张进行驱动因子分析。以往的研究表明, 决定中国不透水表面扩张的关键驱动因子可分为自然因子和社会因子[28-30]。其中自然因子包括海拔、 坡度、 降水、 温度, 社会因子包括人均GDP、 人口密度数据、 第二产业值、 第三产业值、 财政收入、 公路里程、 粮食产量[28,31-36]。自然因子中的海拔和坡度数据根据美国航天局提供的航天飞机雷达地形任务(SRTM)的数字高程模型(http: //gdex.cr.usgs.gov/gdex/, 空间分辨率为30 m)计算得到。年均降水(mm)、 年均温度(℃)、 人均GDP(元/人)、 人口密度数据(人/km2)、 第二产业值(万元)、 第三产业值(万元)、 财政收入(万元)、 公路里程(km)、 粮食产量(t)数据均来自于云南省统计年鉴数据(http: //stats.yn.gov.cn/tjsj/tjnj/)。其中, 年均降水、 年均温度、 人均GDP、 人口密度数据、 财政收入、 粮食产量数据属于县级数据, 第二产业值、 第三产业值、 公路里程数据是州级数据。由于海拔和坡度数据以及不透水表面数据均属于栅格数据, 为方便后续的驱动因子分析, 需要将来自《云南统计年鉴》的降水、 温度、 GDP、 人口密度数据、 第二产业值、 第三产业值、 财政收入、 公路里程、 粮食产量数据转换至相应的几何面状数据中, 并将其转换成栅格数据。此外, 地理探测器要求输入数据是离散数据, 还需要将所选驱动因子连续变化量离散化为类型量。
2 研究方法
2.1 不透水表面扩张度量方法
不透水表面扩张度量方法主要从时间或空间两个维度表征城市用地扩张的过程及特征, 因此本文用4个指标对不透水表面的扩张进行度量: AI (annual increase, km/a)用来度量不透水表面的扩张速度; AGR(annual growth rate, %)通过消除城市规模的影响来衡量同一时期不同地区不透水表面的扩张; EI (expansion intensity, %)用来衡量不透水表面的扩张强度; ESI (expansion shape index, 扩展形态指数)指一定时期内不透水表面的扩张速度与上一时期的扩张速度之比, 用来分析不透水表面的扩张类型, 当0
(1)
(2)
(3)
(4)
其中:Astart、Aend表示起始和结束年份的不透水表面面积;n表示年份跨度;AI2、AI1表示某一时段和上一时段不透水表面的扩张速度。
2.2 驱动因子分析方法
地理探测器是探测空间分异性、 揭示其背后驱动力的统计学方法[18], 其包括了4个探测因子: 分异及因子探测、 交互作用探测、 风险区探测、 生态探测。分异及因子探测: 探测因变量之间是否存在空间分异性, 以及自变量对因变量的解释力达到多少(用q值表示); 交互作用探测: 识别不同自变量的交互作用对因变量的解释力是否增强; 风险探测: 判断子区间的属性均值是否存在显著差别; 生态探测: 用于比较不同自变量对因变量的相对重要性。分析了2006—2015年云南省不透水表面的时空扩张特征, 探索不透水表面扩张的驱动因子, 并分析驱动因子之间的交互作用。因此, 选择地理探测器中的分异及因子探测器探测社会因子及自然因子中的11个驱动因子对云南省不透水表面扩张的解释力大小, 用交互作用探测器探测11个驱动因子之间的交互作用对不透水表面扩张的解释力是否增强。
① 分异及因子探测的表达式为
(5)
② 交互作用探测: 识别不同自变量X之间的交互作用。先计算Xi和Xj对Y的q值, 再计算Xi和Xj相交形成新图层对Y的q值, 对q(Xi)、q(Xj)与q(Xi∩Xj)进行比较, 从而判断自变量Xi和Xj共同作用时是否会增加或减弱对因变量Y的解释力, 或这些因子对Y的影响是否是相互独立的。交互作用的判断表达式如表1所示。
表1 自变量Xi和Xj对因变量Y的交互作用类型
3 结果与分析
3.1 云南省不透水表面变化
云南省16个地州市2006、 2010、 2015年的不透水表面面积与面积增量如图1所示, 不透水表面时空分布特征如图2所示。
图1 云南省 16个地州市2006、 2010、 2015年不透水表面面积(a)与面积增量(b)Fig.1 Impervious surface(a) and area increment(b) of 16 prefectures and cities in Yunnan in 2006, 2010 and 2015
图2 16个地州市不透水表面时空分布特征Fig.2 Temporal and spatial distribution characteristics of impervious surfaces in 16 prefectures and cities
2006、 2010、 2015年, 云南省16个地州市不透水表面面积的最大值和最小值分别在昆明市和怒江州, 其不透水表面面积分别为380.23、 518.87、 840.82 km2和9.12、 10.63、 16.08 km2。截至2015年, 不透水表面面积超过200 km2的地州市有4个, 即昆明、 曲靖、 玉溪和红河; 不透水表面面积在100~200 km2的地州市有4个, 即保山、 楚雄、 大理和文山; 不透水表面面积低于100 km2的地州市有8个, 分别是德宏、 迪庆、 丽江、 怒江、 临沧、 普洱、 西双版纳和昭通, 由此可见, 云南省16个地州市不透水表面面积的扩张存在显著差异。
基于不透水表面面积增量(图1b)和不透水表面时空分布特征(图2)可知: 云南省16个地州市2010—2015年不透水表面扩张的幅度较2006—2010年显著增加, 且16个地州市的不透水表面面积扩张主要在原有的不透水表面的基础上进行扩张, 其具体的扩张面积与扩张方向如下: 由图1b、 2a可知昆明市的不透水表面扩张面积最大, 为460.59 km2, 扩张的不透水表面主要集中在昆明市南部、 西南部(官渡区、 呈贡区、 晋宁区以及安宁市), 其他方位不透水表面扩张面积较小; 曲靖市2006—2015年不透水表面增加了180.35 km2, 扩张的不透水表面主要集中在西南方向(麒麟区、 马龙县、 陆良县), 西南方向的扩张面积为78.15 km2, 其他方向的扩张幅度较小(图1b、 2b); 玉溪市不透水表面的扩张主要集中在东北方向(红塔区、 澄江县)和东部(江川区、 通海县、 华宁县)(图1b、 2c), 扩张了113.16 km2; 红河州2006—2015年的不透水表面增加了137.13 km2, 扩张的不透水表面主要在东部(个旧市、 蒙自市, 扩张面积为50.24 km2)、东北方向(开远市、泸西县、弥勒市,扩张面积为35.89 km2)、西北方向(建水县、 石屏县, 扩张面积为41.93 km2)(图1b、 2d)。
保山市的不透水表面增加了49.15 km2, 扩张的不透水表面主要集中在东北方向(隆阳区, 扩张面积为18.51 km2), 其次是西部(腾冲市, 扩张面积为10.41 km2), 其他方位的扩张幅度不大(图1b、 2e); 楚雄州的不透水表面主要集中在南部的楚雄市(图1b、 2f); 大理州的不透水表面在此期间扩张了91.00 km2, 扩张的不透水表面主要集中在东南方向(大理市、 祥云县、 弥渡县、 巍山彝族回族自治县、 南涧彝族自治县, 扩张的面积为50.29 km2), 其他方位的扩张幅度不大(图1b、 2g); 文山州2006—2015年的不透水表面增加了70.28 km2, 扩张的不透水表面主要在西南方向(文山市, 扩张面积为30.94 km2), 其次是西部(砚山县), 其他方位的不透水表面虽有扩张, 但是扩张面积很小(图1b、 2h)。
德宏州不透水表面扩大了30.13 km2, 扩张的不透水表面主要集中在西南方向(瑞丽市, 扩张面积为9.68 km2)和东部地区(芒市, 扩张面积为7.41 km2), 其他方位扩张并不明显(图1b、 2i); 迪庆州的不透水表面扩张主要集中在东南方向 (香格里拉市), 扩张的面积为 3.88 km2, 其他方位的不透水表面扩张幅度非常小 (图1b、 2j); 丽江市2006—2015年的不透水表面扩增24.55 km2, 扩张的不透水表面主要集中在西部地区 (古城区, 扩张面积为15.58 km2) (图1b、 2k); 怒江州的不透水表面扩张主要集中在东南方向 (兰坪县, 扩张面积为3.27 km2), 其他方位的不透水表面扩张幅度非常小(图1b、 2l); 临沧市的不透水表面扩张主要集中在东部 (临翔区, 扩张面积为11.90 km2)、 东北部 (凤庆县、 云县, 扩张面积为8.82 km2) (图1b、 2m); 2006—2015年普洱市的不透水表面增加了49.46 km2, 普洱市的不透水表面扩张主要集中在东南方向 (思茅区、 江城县、 宁洱县, 扩张面积为24.27 km2)和西南方向 (澜沧县、 孟连县、 西盟县, 扩张的面积为10.58 km2) (图1b、 2n); 2006—2015年, 西双版纳州的不透水表面增加了29.86 km2, 扩张的不透水表面主要集中在西部和西北部, 即主要集中在景洪市和勐腊县, 扩张面积分别为12.23 、 10.69 km2(图1b、 2o); 昭通市不透水表面扩张主要集中在西南方向(昭阳区, 扩张面积为23.48 km2) (图1b、 2p)。
AI用于度量不透水表面的扩张速度, AGR通过消除城市规模的影响来衡量同一时期不同地区不透水表面的扩张, EI用来衡量不透水表面的扩张强度, 通过ESI值可分析不透水表面的扩张类型。由图3可知, 2010—2015年云南省16个地州市的AI、 EI、 AGR值均高于2006—2010年。此外, 2006—2015年期间, 昆明市的AI值最高(51.18 km2/a), 其次是曲靖市(20.04 km2/a)、 玉溪市(15.86 km2/a)和红河州(15.24 km2/a), 怒江州的AI值最低(0.77 km2/a); 2006—2015年西双版纳州的AGR和EI值最高(36.29%和41.13%), 德宏州的AGR值和EI值最低(1.46%和1.88%)。16个地州市的ESI值均大于1, 表明2006—2015年期间云南省16个地州市的不透水表面扩张均属于加速型扩张类型(ESI>1时表示不透水表面扩张模式为加速型扩展[39])。
图3 云南省16个地州市不透水表面扩张特征Fig.3 Impermeable surface expansion characteristics of 16 prefectures and cities in Yunnan
综上所述, 2006—2015年, 昆明市的不透水表面扩张面积最大, 扩张速度最快, 其次是曲靖市, 依次是玉溪市和红河州; 怒江州的不透水表面扩张面积最小, 扩张速度最慢, 其次是迪庆州。在消除城市规模的条件下, 2006—2010年, 西双版纳州的年增长率最高(AGR=36.29%), 扩张强度最大(EI=41.13%); 德宏州的年增长率最低、 扩张强度最小(AGR=7.88%,EI=5.12%)。云南省16个地州市的不透水表面均属于加速扩张类型。以上分析结果充分表明: 云南省16个地州市不透水表面扩张存在地域差异、 扩张不均衡的问题。
3.2 云南省不透水表面扩张度量
统计2006、 2010和2015年云南省的不透水表面面积, 再计算云南省2006—2010、 2010—2015、 2006—2015年不透水表面的扩张指数AI、AGR、EI、ESI, 其结果如表2所示。云南省2006年不透水表面面积为1 114.62 km2, 2010年不透水表面面积为1 535.01 km2, 2015年不透水表面面积为2 533.34 km2。2006—2010年云南省不透水表面面积增加了420.39 km2; 2010—2015年云南省不透水表面面积增加了998.33 km2。2010—2015年云南省不透水表面的AI、EI、AGR值均高于2006—2010年(2010—2015年AI、EI、AGR分别为199.67 km2/a、 10.54%、 13.01%, 2006—2010年AI、EI、AGR分别为105.10 km2/a、 6.61%、 9.43%), 结果表明, 2010—2015年是云南省不透水表面扩张速度最快、 年增长率最高、 强度最大的时期。2006—2015年云南省不透水表面一共扩张了1 418.72 km2/a, 扩张类型指数ESI值为1.90, 说明此时云南省不透水表面扩张模式为加速型扩张。
表2 云南省2006—2015年不透水表面扩张情况
对2006—2015年云南省在各个方位的不透水表面面积进行统计分析, 结果如图4所示。云南省近10 年的不透水表面扩张主要集中昆明市、 曲靖市, 其次是玉溪市、 红河州, 其他方位不透水表面也在扩张, 但是扩张幅度没有东部以及东南部强烈。
图4 云南省2006—2015年不透水表面变化情况Fig.4 Changes of impervious surface in Yunnan from 2006 to 2015
3.3 不透水表面扩张差异机制
基于地理探测器, 以不透水表面的扩张速度AI作为Y因子, 选取6个社会因子X1~X6(人均GDP、 人口密度、 第二产业值、 第三产业值、 公路里程、 财政收入)和5个自然因子X7~X11(粮食产量、 年均降水、 年均气温、 海拔、 坡度)作为X因子, 对云南省2006—2015年不透水表面扩张进行驱动因子分析, 依据模型运算, 结果如表3所示。
表3 不透水表面扩张因子的影响力及其显著性检验
社会因子和自然因子对不透水表面扩张的影响达到极显著水平(p<0.001),其影响力大小q在0.009 4~1.000 0。整体而言, 社会因子对不透水表面扩张影响强度大于自然因子,具体排序为:第二产业值X3、第三产业值X4、公路里程X5>年均气温X9>人口密度X2>年均降水X8>粮食产量X7>人均GDPX1>财政收入X6>海拔X10>坡度X11。社会因子中,第二产业值X3、第三产业值X4和公路里程X5数据的影响力最大,q值均为1,代表这3个因子完全控制了不透水表面的扩张;其次是人口密度X2、粮食产量X7、人均GDPX1和财政收入X6(q<0.200 0)。就自然因子而言,年均气温X9对不透水表面的扩张影响力最大,q值为0.333 4;其次是年均降水X8,q值为0.253 8;海拔X10与坡度X11对云南省不透水表面的扩张影响力最小,均低于0.080。
云南省不透水表面扩张的主要因子为第二、 三产业的发展和公路里程的增加。近年来, 在国家政策的推动下, 云南省的产业结构发生变化, 逐步由原来的第一产业主导变成第二、 三产业主导的产业结构[40], 产业结构在逐步的优化, 这种变化对于云南省的发展起到良好的促进作用。第二、 三产业的发展能带动云南省的经济发展、 提高人民收入, 并且改善人民生活质量, 因此不透水表面扩张面积的大小是衡量人民生活水平高低的一个重要指标, 故而第二、 三产业的发展是不透水表面扩张的重要因子。2005—2016年云南省大力发展经济, 不断加强西南与东部沿海城市的贸易沟通, 省内的公路建设有所加强[41], 而随着城市化的不断发展, 城镇用地不断增加, 因此在公路建设的助力下, 云南省的不透水表面围绕着道路扩张, 且交通条件较好的主干道周边剧增。
在大多数生态系统中, 因子间通常是相互关联的, 一个因子的功能可以根据同一系统中其他因素的影响而增强或者减弱[35]。由表4可知, 社会因子和自然因子对不透水表面的扩张均存在交互作用, 不透水表面的扩张是多种驱动因子共同作用的结果, 并且不同驱动因子之间的交互作用对不透水表面扩张均有增强作用(q(Xi∩Xj)>q(Xi)或q(Xj))。除了Rain(年均降水)∩DEM(海拔)和Temp(年均气温)∩DEM属于双因子增强(判断依据:q(Rain∩ DEM)>max(q(Rain)、q(DEM)),q(Temp∩DEM)>max(q(Temp)、q(DEM))), 其他因子两两交互作用均属于非线性增强(q(Xi∩Xj)>q(Xi)+q(Xj)), 说明年均降水和海拔交互作用, 以及年均气温和海拔交互作用对不透水表面的扩张的影响力比其他因子两两交互作用对不透水表面扩张的影响力小。
表4 不透水表面扩张因子的交互探测结果
4 结 论
以云南省为研究区, 分析了2006—2015年不透水表面的时空扩张特征, 基于地理探测器探索影响云南省不透水表面扩张的驱动因子, 得出了以下结论:
(1)云南省16个地州市的不透水表面虽然都经历了前所未有的扩张, 但是存在地域差异、 扩张不均衡等问题, 其中昆明市、 曲靖市、 红河州、 玉溪市扩张强度较大, 扩张面积分别为460.59、 180.35、 137.13和113.16 km2, 扩张速度分别为51.18、 20.04、 15.24和15.86 km2/a。
(2)时间序列上, 云南省不透水表面呈现加速持续扩张的状态。全省不透水表面面积从1 114.62 km2增至2 533.34 km2, 扩张速度为159.64 km2/a, 年均增长率为17.85%, 扩张的强度为14.14%, 扩张形态指数为1.90, 属于加速型扩张; 其中, 2006—2010年的扩张速度为105.10 km2/a, 年增长率为6.61%, 扩张强度为9.43%, 2010—2015年的年增长率更高(10.54%), 扩张速度更快(199.67 km2/a), 扩张强度为13.01%。
(3)影响云南省2006—2015年不透水表面扩张的主要因子是第二产业值、 第三产业值、 公路里程, 且不同因子之间的交互作用对不透水表面的扩张均有增强作用。