基于BRT模型的合肥中心城区蓝绿空间时空演变及驱动因素研究

袁旸洋 汤思琪 郭 蔚 罗尚岑 吕晓倩

（1.东南大学建筑学院，南京 210096；2.江苏省城乡与景观数字技术工程中心，南京 210096；3.合肥工业大学建筑与艺术学院，合肥 230601）

蓝绿空间是城市用地重要组成部分，探究高速城市化进程下蓝绿空间的时空演变及驱动因素，有助于揭示其演化规律，为相关研究及政策制定提供基础。以合肥为例，基于面积变化强度、土地转移矩阵、多阶邻接指数研究中心城区蓝绿空间的时空变化；采用增强回归树模型探讨影响城市蓝绿空间扩张的驱动因子。结果表明：（1）2000-2020年，合肥中心城区蓝绿空间总体规模增长了14.8%，呈现稳步增加的阶段性特征。（2）研究时段内合肥中心城区蓝绿空间扩张模式均以边缘式为主、邻接式为辅；新增蓝绿斑块沿大型自然蓝绿斑块集聚，蓝绿空间扩张由城市边缘转向内部。（3）自然要素因子对蓝绿空间扩张的影响（80.8%）大于社会经济因子（19.2%），其中高程（32.1%）、坡度（26.9%）、坡向（21.8%）、人口密度（13%）、第三产业增加值（6.2%）是主要驱动因子。研究探明了近20年来合肥中心城区蓝绿空间的时空演变特征及驱动因子，可为未来城市蓝绿空间规划管理及可持续发展提供支撑。

城市蓝绿空间；时空演变；驱动因子；多阶邻接度指数；增强回归树；合肥市

过去30年中国经历了高速的城市化进程，硬化地表面积迅速扩张，土地利用类型的变化特征明显，引发了城市热岛[1]、空气污染[2]、生物多样性锐减[3]等一系列城市环境问题。城市蓝绿空间是城市发展过程中留存或新建的绿色空间、蓝色空间的总和，包括所有自然、半自然、人工的绿地以及水体，具有调节气候[4]、减碳增汇[5]、调节雨洪[6]、维持生物多样性[7]等多重功能，是城市生态系统的重要组成部分。城市的演进扩张客观上促进了城镇化水平提高的同时也导致大量蓝绿空间被建设用地侵占，破碎程度不断提高。然而，城市可持续发展需求对蓝绿空间的生态系统服务与社会福祉功能提出了更高要求。在此背景下，系统研究城市建设活动和蓝绿空间的相互作用，阐明城市蓝绿空间在面积规模、空间分布方面的动态演变规律与驱动因子，对揭示高密度城市蓝绿空间的演化规律，优化城市蓝绿斑块的空间布局有重要意义，不仅有助于为城市蓝绿空间规划和相关政策制定提供科学依据，且能够为类似城市蓝绿空间的优化和管理提供借鉴。

当前，针对城市土地利用的时空演变和驱动力的研究较为丰富，相关研究多从景观格局测度[8]、景观连通性优化[9]、演变机制定量分析[10]、情景模拟等展开，聚焦城市群、都市区等大尺度上的区域空间[11]；另一方面，在研究驱动机制方面，相关性分析[12]、主成分分析[13]、多元回归分析[14]、逻辑回归分析[15]以及地理加权回归[16]等被广泛运用，地理探测器[17]也常被用于探究驱动因子之间的交互作用。城市蓝绿空间近年来成为研究热点[18-19]，在时空演变研究上，学者利用格局指数[20]、动态变化模型[21]等方法探究斑块规模、数量以及空间组成上的变化特点，这些研究多基于土地利用的部分类型数据展开分析，或是利用土地转移矩阵[22]、重心迁移法[23]、梯度方向法[24]、扇形分析[25]等探究蓝绿空间变化强度和分布规律。总体看来，当前关于蓝绿空间的研究多集中于景观格局层面的探讨，但城市中心区内蓝绿空间演变模式及驱动机制的研究相对较少。城市蓝绿空间的演变过程极为复杂，其驱动因子的影响往往呈复杂的非线性关系，基于机器学习原理的增强回归树模型由于具有同时处理不同数据类型、数量关系以及数据缺失等情况的优势，可以直观展现出在不同阈值内各个驱动因子对于蓝绿空间变化的影响程度，能够弥补传统统计学方法的不足。

本研究以合肥中心城区为例，基于卫星遥感影像数据，结合土地转移矩阵、多阶邻接度指数、增强回归树等方法，旨在探讨2000-2020年间蓝绿空间的时空演变特征和驱动因子，以期揭示高密度城市蓝绿空间的演化规律，为优化城市蓝绿斑块的空间布局提供参考。

1 研究区概况

合肥市（30°57′-32°32′N，116°41′-117°58′E）地处中国华东地区，长江三角西翼，是安徽省省会，属于亚热带季风气候，自然风貌良好，地貌类型丰富，水系发达。市域总面积为11 445 km2，城镇化建设水平较高，截至2022年末，城镇化率达84.64%，城市建成区绿化覆盖率46%。根据《合肥市国土空间总体规划（2021-2035年）》，市辖区为中心城区，包括蜀山、包河、瑶海、庐阳4个行政区，总面积为1 312.5 km2。

2002年合肥起动编制城市发展战略规划，自此开始了快速发展的黄金20年，城市快速扩张、人口增长迅速，2022年迈入了特大城市行列。2000-2022年，合肥从传统的工业城市转向现代化城市，政府重视城市环境建设，积极响应生态文明建设战略，出台了一系列政策聚焦于城市环境的修复，蓝绿空间在发展中得到保护。这一时期的城市发展速度、格局转变具有鲜明的特点与典型性。据此，本文选择2000-2020年作为研究时段，以每5年为一个时间节点。

2 数据处理与研究方法

本研究技术框架如图1所示。

图1 技术框架Fig.1 Methodology framework

2.1 数据获取与处理

2.1.1 蓝绿空间数据

从地理空间数据云平台（https://www.gscloud.cn/）采集2000年、2005年、2010年Landsat TM及2015年、2020年Landsat OLI共5期遥感影像，空间分辨率30 m。基于Google Earth Engine（GEE）平台，对影像进行辐射定标、大气几何校正、条带修复等处理。根据中国土地利用/土地覆盖遥感监测数据分类系统（LUCC）对处理后的影像进行遥感解译，将其划分为耕地、林地、草地、建设用地、水体、未利用地6类，得到各期合肥市土地利用分类数据。采用Kappa系数对分类后图像精度评估验证，总体的精确度达到85%，高于最低精度要求。利用ArcMap10.8软件将林地、草地重分类成绿色空间，水体重分类成蓝色空间，获得5期合肥中心城区蓝绿空间分布图（图2）。

图2 合肥中心城区蓝绿空间分布图Fig.2 Spatial distribution map of blue-green spaces in central Hefei

2.1.2 潜在驱动因子数据

城市土地利用变化受到自然和人类活动的共同影响，自然要素对蓝绿空间的形成和变化具有重要约束作用，规划建设导向下的社会经济要素会在短期内对蓝绿空间格局变化起到较大影响作用。由此，选取自然要素和社会经济要素构建蓝绿空间演变潜在驱动因子，并构建数据集（表1）。

表1 潜在驱动因子数据集Tab.1 Dataset of potential blue-green space evolution drivers

2.1.3 多重共线性诊断

利用多重共线性诊断对潜在蓝绿空间驱动因子数据集进行初筛，以避免自变量的自相关性影响。采用R studio进行斯皮尔曼相关性分析，通过对比分析剔除高度相关的驱动因子（|R|≥0.7，P<0.05）。根据计算结果，自然要素中保留DEM、坡度、坡向；社会经济要素保留PD和VATI。

2.2 研究方法

2.2.1 面积变化强度指数

面积变化强度指数（K）可以定量描述蓝绿空间的变化程度，用于比较不同发展阶段下的蓝绿空间演变差异，计算见公式（1）。式中：Ua和Ub分别为研究初期及末期某区域某种景观类型的面积；T表示研究时间范围。

2.2.2 土地利用转移矩阵

土地利用转移矩阵反映城市蓝绿空间的变化特征以及不同土地利用类型之间的流向，并将相互转化状况定量化，计算见公式（2）。式中：和分别代表两期地类，Dixj是k时期到k+1时期的地类变化矩阵。

2.2.3 多阶邻接度指数

多阶邻接度指数（Multi-order adjacency index，MAI）由Liu等人[16]提出，该指数可以详细展示出不同时间跨度上新旧斑块间的空间关系（图3），更加直观了解城市蓝绿空间演变的模式特征。MAI扩展类型有内填、边缘、邻近、相间、分离和蔓延式6种（表2），其中内填式刻画的是蓝绿空间在原有斑块内部新增；边缘式则是紧邻着原有蓝绿斑块的扩张；邻近式、相间式、分离式和蔓延式扩张是新增斑块和原有斑块无物理接触下的跳跃式扩张，程度依次加深，体现了新增扩张斑块和原有斑块距离增加的程度。计算见公式（3）。

表2 MAI扩展的类型Tab.2 Types of MAI expansion

图3 多阶邻接度指数模型Fig.3 Multi-order adjacency index model.

式中：N是以城市新增蓝绿斑块为中心划定的缓冲区数量，A0是指的是第N个缓冲区的面积，Ai代表的是第N个缓冲区与原有斑块的交叉部分的面积。MAI值的大小反映了新增斑块和其相邻的原有斑块的空间关系，值越小，表明空间关系越紧密，新增斑块的扩张程度越小；反之，值越大，斑块的扩张程度越高。本研究中的缓冲区距离D与遥感影像分辨率保持一致为30 m，缓冲区个数设为5，根据公式（3），利用ArcGIS Pro Python 3.9环境编写脚本，分别计算4个时段研究区新增蓝绿斑块的MAI值。

2.2.4 增强回归树模型

增强回归树（Boosted Regression Tree，BRT）是一种基于分类回归树算法（Classification and Regression Tree，CART）的自学习方法，擅于处理不同类型的数据，灵活性高。与传统的二元Logistic、多元线性回归等方法相比，其稳定性以及预测性更好，且输出自变量对于因变量的贡献度和反应曲线较为直观[26]。本研究以驱动因子为自变量，以2000年、2020年合肥中心城区蓝绿空间分布图叠加处理后的数据作为因变量。为避免数据受空间自相关性影响，选用随机取样点的方法进行采样，样点个数为一万个。利用R studio的中“dismo”和“gbm”函数包完成BRT模型搭建。学习速率设为0.01，复杂程度为5，分割比率为0.5。选择80%的样本数据为训练集，20%的数据为测试集。为降低不确定性，BRT模型运行了100次。在模型验证上，采用10折交叉验证方法提高模拟精度，利用曲线下面积（Area Under Curve，AUC）评价构建模型的精确度。本研究的AUC为0.786，表明构建的蓝绿空间演变驱动模型精度良好。

3 结果与分析

3.1 蓝绿空间规模演变分析

自2000年以来，研究区蓝绿空间呈现三个阶段性变化特征。第一阶段，2000-2005年、2005-2010年的两个时段内蓝绿空间规模显著增加，增加强度分别达4.9%和4.8%，其中绿色空间规模增加强度显著高于蓝色空间；第二阶段，蓝绿空间规模保持平稳，虽然2010-2015年蓝绿空间整体面积增幅达1.1%，但只有绿色空间面积增加显著，蓝色空间缩减剧烈，规模缩减2.8%；第三阶段，蓝绿空间进入二次“增长期”，2015-2020年蓝绿空间整体面积增加，增幅达4.4%，绿色空间规模增加强度同样高于蓝色空间。

结合图4、图5，可进一步发现董铺—大房郢水库、巢湖、大蜀山等大型自然蓝绿斑块规模变化幅度相对较小，而南部蓝绿空间演变强度大，蓝绿斑块显著增加，建设用地内蓝绿斑块的空间分布更加均匀。除了2000-2005年间新修的大型水库之外，蓝色空间的变动范围主要分布于巢湖沿岸，以及穿城而过的南淝河、十五里河等，中心城区多为新建的湿地公园等蓝色斑块。

3.2 土地利用转移矩阵分析

合肥中心城区蓝绿空间类型流变存在差异性（图6）。2000-2005年，中心城区的林地、水体分别增加97.19 km2和62.96 km2；新增城市建设用地达到216.30 km2，主要从林地和水体流变而来，各占21.3%和10.2%；未利用地减少了0.65 km2，向其他5种用地类型均有转变。2005-2010年，蓝绿空间规模继续增加，绿色空间的增幅达到最高，为0.9%，显著高于蓝色空间，蓝色空间的增幅小于上一时段，为1.7%。其中草地增加了33.12 km2，水体减少了52.74 km2。该时期内，草地剧烈萎缩是导致绿色空间变化的主要原因，同时建设用地迅猛扩张，增加了215.08 km2，林地和草地是主要流入类型，各占29.3%和4.1%。未利用地增加了17.79 km2，其他如林地、草地、水体等均有不同程度的减少，反映出该时间段内研究区的城市化水平发展迅猛。在2010-2015年，蓝色空间开始减少，水体减少了52.74 km2；林地、草地增幅幅度较小；值得一提的是，尽管2010-2015年建设用地面积仍在增加，但是有106.96 km2和15.84 km2的建设用地开始向耕地和林地转变，各占建设用地减幅的46%和6.8%。在2015-2020年期间，建设用地增长速度放缓，5年间建设用地仅增加了193.65 km2，且有124.10 km2的建设用地向蓝绿空间流出；城市中林地显著增加了120.32 km2，主要来自于建设用地的有62.06 km2，占林地增幅的51.6%。这一时期城市蓝色空间面积得到恢复，增加了48.86 km2，主要由建设用地和耕地转化，与图5种所呈现的结果一致。

图6 合肥中心城区土地利用变化转移矩阵Fig.6 Land use change transition matrix in central Hefei

3.3 基于MAI的蓝绿空间演变模式分析

计算合肥中心城区在2000-2005年、2005-2010年、2010-2015年、2015-2020年新增蓝绿斑块的空间分布情况（图7）。计算结果显示，4个时段内研究区蓝绿空间扩张类型以边缘和邻近为主，数量占比均超过50%，这说明中心城区蓝绿空间的扩张主要是依靠原有蓝绿斑块实现。此外，内填式斑块多分布在大蜀山、巢湖、董铺—大房郢水库等自然斑块周边，呈组团状的聚集分布。相间、分离、蔓延式斑块则多集中在高密度城区附近，成点状零星式分布。

图7 4个时段的合肥中心城区MAI空间分布Fig.7 Spatial distribution of MAI in central Hefei during four time periods

本研究计算了4个研究时段内6种扩张类型数量与比例（表3），以直方图表示（图8）。研究显示，2000-2020年间内填型蓝绿斑块数量先增后减；边缘型是4个时间段内最常见的类型，2015年和2020年边缘型占比最高；邻近型斑块相较边缘型，数量少，其中在2000-2015年间的邻近型斑块数量持续减少，但在2015-2020年间数量显著增加。在4个时间段内，相间、分离和蔓延型的数量都相对较少，呈现稳中递减的特点，边缘、邻近型斑块的数量占比仍然较高。这表明合肥中心城区蓝绿斑块的向外扩张程度有所减缓，但蓝绿空间的总量在继续扩大。

表3 6种不同扩张类型数量及占比统计Tab.3 Statistics of the quantity and proportion of different expansion types

图8 6种不同扩张类型斑块数量直方图Fig.8 Histograms depicting the number of patches for expansion types

3.4 驱动因子影响分析

研究区蓝绿空间演变对自然要素和社会经济要素的非线性响应如图9所示。从结果上看，自然要素是主要影响因素，社会经济要素的影响较弱。在自然要素中，DEM影响最大，为32.1%；其次是坡度（26.9%）、坡向（21.8%）。当DEM超过70 m时，其对城市蓝绿空间的增加作用变为0。这主要是由于合肥属于低山丘陵地带，研究区内高程大于70 m的区域都属于绿色斑块的核心区域，人工干扰较小。蓝绿空间演变对坡度的非线性响应主要发生在0～15°的区间范围内，即在城市中随着地形坡度的升高，蓝绿空间面积增加越显著。坡向与蓝绿空间扩张的响应关系比较复杂，呈现出三个促进和三个抑制影响区段。在社会经济类要素中，影响蓝绿空间演变的因子贡献大小分别是：PD（13%）>VATI（6.2%）。随着PD的增加，蓝绿空间规模迅速增加，当超过2 000人/km2时，蓝绿空间非减却增，但保持一段时期的稳定后开始下降。这表明PD的增加一定程度上促进了蓝绿空间面积的扩大，但PD过高会阻碍城市蓝绿空间面积的增加。从蓝绿演变对VATI的非线性响应关系看，起初蓝绿空间的发展随着VATI的升高几乎没有变化，但蓝绿空间规模在820亿元左右迅速扩张，随后在VATI达到900亿元时保持稳定。表明随着VATI的发展，人们对于蓝绿空间的需求水平也逐渐增加。

图9 蓝绿空间演变与自然要素和社会经济要素的非线性关系Fig.9 Nonlinear relationship of UGBS with natural factors and socio-economic factors

4 讨论

4.1 蓝绿空间变化的空间特征和规律

研究区近20年来蓝绿空间规模变化呈现出明显的阶段性特征（图10）。2000-2010年，蓝绿空间显著增加，该时期新增蓝绿斑块集中于分布于董铺—大房郢水库、大蜀山、巢湖等大型蓝绿斑块周围，合肥蓝绿空间主要呈现出“哑铃型”的城市结构性生态空间体系[28]。2005-2015年城市中草地和林地开始被建设用地大量占用，建设面积增加。这一方面是由于《合肥市国土空间规划（2006-2020年）》中提出增大力度推进“滨湖新区”建设等城市发展背景，以满足人口激增带来的建设用地扩展需求；另一方面，城市经济水平不断升高也吸引劳动力人口的增加，刺激了合肥房地产行业的发展。这一时期，住房面积的扩大促进了城市建设用地快速扩增。此外，从产业结构上看，合肥中心城区产业构成主要分为第二和第三产业，发展第二产业需要大量建设用地，导致蓝绿空间减少。据上文，减少明显集中于巢湖沿岸，主要是沿岸养殖、围湖造田等活动侵占了蓝绿空间。

图10 蓝绿空间变化空间分布对比图Fig.10 Spatial distribution comparison of blue-green space changes

2015-2020年是城区内蓝绿空间的“二次增长期”，合肥蓝绿空间开始从过去环城绿地体系发展为面向外围山—水—林—田—湖的蓝绿空间格局。在《合肥市城市绿地系统规划（2014-2020年）》和《合肥市林业和园林发展规划大纲》规划引领下，合肥市新建了大量公园绿地、完善了绿道网络。同时，合肥政府重视巢湖区域生态环境发展，蓝绿空间得以大量修补和保护，城区内蓝绿斑块的分布更加均匀，其中绿色空间的增加幅度显著高于蓝色空间，多从未利用地、建设用地转变而来。得益于2016年出台的《安徽省湿地保护条例》，2015-2020年间研究区的蓝色空间得到明显恢复，围绕“退居还湿、退养还湿”，一批村庄、房屋腾退土地复绿，湿地得到恢复和修复。

4.2 蓝绿空间演变模式的时空分异性

在时间跨度上，边缘、邻近式的蓝绿斑块数量增加，其中2000-2015年时段内蓝绿空间的分离式和蔓延式扩张数量较多，扩张强度明显比2015-2020年时段剧烈，研究认为这与城市建设发展活动的强度也存在一定关系。在空间上，基于MAI的斑块扩展类型的分析结果可知，研究区蓝绿斑块演变扩张的空间分布存在差异，蓝绿空间扩张的发生由城市边缘转向城市内部。2000-2005年期间，研究区内城市建设用地面积较高，呈现“摊大饼”蔓延状，中心城区内部蓝绿斑块较少。2005-2020年，蓝绿空间开始逐渐向城市中心扩张，边缘式类型的斑块成主体，新增斑块依附原有蓝绿斑块向外扩张增长，内填式斑块数量占比较低，这可能是因为处在城市大型蓝绿斑块内部的非蓝绿空间数量较少，城市“补蓝增绿”等政策的颁布使得中心城区内现存的大型自然山体等蓝绿空间的保护得到更多关注，新增蓝绿斑块多聚集于其周围。此外，相间、分离和蔓延式斑块在同一时段内所占比例呈现递减的趋势，意味着蓝绿空间扩张在空间上的渐变性，距离原有蓝绿斑块位置较远的地方，新增的蓝绿斑块出现的频率越小。值得注意的是，呈蔓延型扩张的蓝绿斑块在2015-2020年间数量占比最少，且多零星分布于建设用地，周围大型自然蓝绿斑块资源少，多是独立的小微绿地，蓝绿网络连通性低。整体上看，近20年间研究区蓝绿空间呈紧凑扩展的趋势，新增斑块多依靠于原有蓝绿斑块呈现内填式和边缘式扩张，蓝绿空间扩张强度逐渐减弱，但整体蓝绿空间规模在增加。

4.3 影响城市蓝绿空间演变的驱动因子

城市建成区中的蓝绿空间是人工集约化建设的生态空间，能量流较多依赖于外界人工的输入，景观稳定性差、异质性高。正如本研究结果显示，相较于社会经济要素，自然要素对蓝绿空间演变的影响有限，其中气候因子中仅有AASR存在影响，地形因子对蓝绿空间演变影响主要体现在空间上的限制作用，这与前人的研究结果一致[29]。此外，本研究发现，蓝绿空间扩张和DEM、坡度因子的响应变化关系中存在区间阈值，其中高程在38～60 m之间的蓝绿空间扩张概率高，坡度在0～15°之间的蓝绿空间增加概率更大。这主要是由于城市内蓝绿空间的建设和分布多由政策引导，在以上两类区间分布的蓝绿空间易受到人类活动的干扰。以往的研究认为快速城市化会导致城市自然空间减少。但本研究表明合肥中心区蓝绿空间在过去的20年间呈现规模增加，空间分布扩张。高速城市化后期，中国政府重视城市环境品质提升，鼓励、支持城市蓝绿空间恢复与发展，新增的城市蓝绿空间多从城市中未利用地转化而来，且在经济发展水平地方较高的地区尤甚。

社会经济要素对于城市绿地时空演变有重要影响作用，社会经济要素的时空变化往往会导致绿色空间生态服务的供需发生显著的变化。收入、受教育程度、地区财富水平等社会经济要素的水平较高时[30]，人们对于绿地等生态空间的意愿和需求往往更高。本研究中VATI对蓝绿空间演变的响应也佐证了上述观点。高品质生活水平会导致人们对于蓝绿空间的需求加大。以往关于城市绿地演变的研究中，人均GDP被认为是贡献度最高的因子，绿地面积与城市二、三产增加值、GDP等呈正相关[31]。但本研究发现PD是影响研究区蓝绿空间演变贡献度最高的因子，当PD高于2 000人/km2的阈值时，研究区的蓝绿空间规模非减反增。这与前人的城市PD增长与城市绿色空间面积增加的相关研究结论相近[19]。本研究认为这与城市高质量发展要求有关，其中人均绿化面积、绿地覆盖率等指标的制定促进了城市蓝绿空间规模上的提升。对于合肥这样一个经济发展水平较高的城市，市民对城市蓝绿空间的需求也更为强烈。此外，优越的地理位置、投资等资源也进一步促进蓝绿空间的保护和发展。经济欠发达的西北部地区城市可能更多地面临城市化压力和资源限制。相较于自然要素，社会经济要素对蓝绿空间演变的影响往往呈现内在作用。如区域经济总量的上升会导致一段时期内快速扩张的城市建设用地侵占蓝绿空间，但同时人口总量的增加和高质量环境需求又会促进蓝绿空间的增加，从而使城市蓝绿空间在不同城市发展阶段呈现不同的演化特征，体现了动态驱动作用，因子之间的反馈关联复杂。此外，城市蓝绿空间的演变也离不开国家政府层面规划政策的扶持。政府和城市规划者的决策会直接影响城市中蓝绿空间的存在发展、生态效益发挥等。

4.4 可持续发展理念下蓝绿空间保护与发展途径

长期以来，城市的扩张常与蓝绿空间保护相冲突。在经济发展和建设用地扩张的需求背景下，城市蓝绿空间被挤占现象较为常见。本研究表明，2000-2020年合肥中心城区增设了大量林地等绿色空间以提升城市蓝绿空间总量，未来城市蓝色空间的保护压力较大。蓝绿空间格局的快速变化主要发生在2005-2010年，社会经济要素的影响使得原有的自然蓝绿生态斑块受到侵蚀。在中国城市转型发展的大背景下，环境政策及部门监管在城市环境问题的治理和改善上发挥重要作用，对于城市的经济转型及可持续发展十分重要。当前合肥政府强调城市景观风貌构建，这对于改善城市生态环境、促进绿色转型具有重要意义。

蓝绿空间是城市的生态本底，具有重要生态与社会效益。对于未来城市中心区的蓝绿空间发展，不仅要积极响应碳中和碳达峰、气候适应型城市等国家战略与政策，还需着眼于城市空间结构与蓝绿空间形态的耦合，力争蓝绿空间生态绩效的最大化。在城市蓝绿空间可持续发展途径上，首先要严守政府制定的生态保护红线，加强对大蜀山、紫蓬山、巢湖等自然林地和水体的保护，控制周围建设用地对蓝绿空间的侵占，保护蓝绿空间规模。其次，可以实施蓝绿空间分区保护的政策，一方面针对于沿湖沿河地区，加强岸线保护，增加边缘式斑块如滨江湿地、林地的建设，合理利用巢湖沿岸的蓝绿空间资源；另一方面，在建设用地密度较高的区域侧重内填式，增加点状绿地、人工湖泊、池塘等人工水体景观，并重视新增小微蓝绿斑块与城区内已有蓝绿斑块的联系。面对城市高质量发展和人居环境建设需求，蓝绿空间的保护发展应避免简单的绿量扩增，尽量减少蔓延式斑块的出现，而应促进蓝绿斑块的集聚，形成有机的蓝绿网络体系。此外，从管理政策上，需要合理调整引导中心城区内第二、第三产业结构的布局结构，限制中心城区内的建筑建设和人口密度，探究城市蓝绿空间建设和城市经济发展相结合的新模式、新政策；借助“政府—企业—个人”等多方合作，吸引城市管理者对蓝绿空间保护发展方面的固定资产投入；进一步完善蓝绿融合发展导向下城市蓝绿空间规划和管理实施政策，推动跨部门之间的合作效率。

5 结论

本研究基于遥感数据系统，采用多种方法分析了2000-2020年合肥中心城区蓝绿空间的演变特点和规律，探讨了城市蓝绿空间的时空演变特征与模式，揭示了城市蓝绿空间演变与自然及社会经济驱动因子间的非线性响应关系，不仅有助于为合肥市蓝绿空间规划和相关政策的制定提供科学依据，而且能够为合理科学的城市蓝绿空间发展、保护政策制定提供参考。本文结论如下：

（1）2000-2020年，合肥中心城区蓝绿空间演变和城市发展阶段关系密切，蓝绿规模变化呈现稳步增长阶段性特征，整体规模总量增加，变化幅度剧烈，绿色空间增幅显著高于蓝色空间，蓝色空间面积呈现先增后减再增的趋势。蓝绿空间演变方向由城区边缘向城区内部转移。

（2）研究区蓝绿空间扩张模式以边缘式为主，邻接式次之。新增蓝绿空间多聚集于大型自然蓝绿斑块周围，2000-2020年边缘式蓝绿斑块数量占比为32%、30.5%、48.9%、47.5%。相间型、分离型和蔓延型斑块数量呈递减态势，蓝绿空间的扩张强度减弱。

（3）研究区蓝绿空间演变受到多种因子的共同驱动，自然要素比社会经济要素对蓝绿空间演变驱动的解释力更大。其中DEM、坡度、坡向是主要自然驱动因子，PD、VATI是主要社会经济驱动因子。

受制于所选遥感数据的分辨率，本研究对于城市中心区尺度的蓝绿空间识别存在一定误差，未来研究可以结合高精度的遥感影像，更好地识别小微型蓝绿空间。同时，优化潜在驱动因子类型或探究潜在驱动因子之间的交互作用，有助于进一步揭示高密度城市蓝绿空间演化机制。此外，城市蓝绿空间与建设空间存在此消彼长、互相依存、协调发展等复杂关联，规划政策指导下的建设用地拓展模式对于蓝绿空间的演变存在重要影响，未来可结合蓝绿空间结构、形态进一步探究。本文的研究方法可为类似城市或其他国家及地区的蓝绿空间扩张模式和空间结构演化规律提供参考。由于不同的城市的自然本底具有独特性，城市发展水平与过程各异，在日后的研究中可以增加不同气候带、不同经济发展水平的城市蓝绿空间样本，开展对比性研究。

注：文中图4根据参考文献[27]改绘；其余图表均由作者绘制。