基于地理国情数据的城市土地利用变化与地表降雨径流关联分析

张丽平，孙英君*，赵培华，王 琦

（1. 山东建筑大学测绘地理信息学院，山东 济南 250101；2. 济南市房产测绘研究院，山东 济南 250001）

0 引言

近几十年来，我国城市区域不断扩张、人口大量聚集，城市能级显著扩大。与之相伴的是城市土地利用结构发生剧变，高层住宅、商业广场等不透水面逐渐取代林草等自然地表，使得城市透水能力大幅下降，地表径流增加，城市内涝频发。为应对此类问题，国务院办公厅印发《关于推进海绵城市建设的指导意见》，要求统筹推进海绵城市建设。研究土地利用变化与地表径流时空相关性成为“海绵城市”建设和城市规划的热点问题，引起国内外学者广泛关注。如马亚鑫等[1]基于遥感解译landsat 影像获得的土地利用数据分析了西安市主城区1995-2010 年的土地利用变化，进一步探究土地利用变化及其降雨径流变化影响；任才[2]基于SWAT 模型计算了叶尔羌河流域的降雨径流，并利用皮尔森相关系数分析了土地利用变化、气候变化对降雨径流的影响。

本文选取地理国情数据进行研究区土地利用变化分析。该数据综合利用各种高分辨率遥感影像，通过目视解译、踏勘取证得到土地利用数据，与常见遥感解译产品相比，该数据在保证2.5 m 精度的同时，规避了影像分类中同物异谱、同谱异物、样本获取困难及样本点不足等问题。文章选择SCS 模型进行地表降雨径流的模拟，该模型是目前应用最为广泛的产流模型之一。与常见水文模型相比，该模型所需参数较少，结构简单，计算方便，且综合考虑了降雨、土壤类型、土地利用类型、前期土壤湿润度与降雨径流之间的关系[3]，特别是对土地利用类型数据的精细需求与本文使用的地理国情数据高度契合。文章基于2015、2020年两期高精度地理国情数据探究了济南市中心城区的土地利用变化，并结合SCS 模型模拟计算降雨径流、径流系数，利用地理探测器探讨土地利用变化与地表降雨径流变化的相关性，为优化城市土地利用布局、健全疏涝排水治理体系、进一步推进“海绵城市”试点建设提供科学依据。

1 研究区概况与数据源

1.1 研究区概况

济南市位于山东省中西部地区，南依泰山、北傍黄河，属温带季风性气候，雨水充沛，是国务院办公厅“海绵城市”建设的首批试点城市之一，2020 年济南市跻身中国特大城市之列。为响应黄河流域生态保护和高质量发展国家战略，近年来济南高速发展，“东强西兴北齐南美中优”的城市发展布局初步形成。本文以济南市中心城区为研究区，该范围包括玉符河以东、绕城高速公路东环线以西、黄河与南部山体之间的地区，涵盖了槐荫、历下、天桥、历城、市中及长清六个区。

1.2 数据获取

本文主要数据源包括地理国情数据、降雨量数据及土壤类型数据。

由2015、2020 年两期地理国情数据，获取土地利用数据。数据分类包括种植土地、林草覆盖、房屋建筑区、铁路与道路、构筑物、人工堆掘地、水域等地类空间分布，及其类别、面积等属性信息。

降雨量数据源于加州大学欧文分校水文气象学及遥感中心的卫星降雨产品（https://chrsdata.eng.uci.edu）。该数据基于人工神经网络，利用遥感信息红外波段实时估算降水量，空间分辨率为4 km[4]，该产品数据依赖于高频采样红外图像，数据延迟时间短、时效性强[5-8]；为得到较为真实准确的地表降雨径流模拟结果，结合研究区实际情况，本文选取济南市降雨比较集中的8 月份降雨量作为实验数据，日期分别为2015年8 月3 日、2020 年8 月6 日，降雨量均较为充沛，分别为：58～89 mm、23～41 mm。

土壤类型数据选取的是2010-2020 年0～20 cm 表层1 km 格网土壤质地数据集，源于国家地球系统科学数据中心- 土壤分中心（http://soil.geodata.cn）[9]，土壤类型包括粉壤土、壤土两类。

2 研究方法

2.1 土地利用变化分析

首先基于地理国情数据分类体系进行本文土地利用数据的重分类，将表1 中原始地理国情若干地类合并为六大类，具体包括：未利用地、水域、农田、不透水面、草地、林地。然后，利用经典的单一土地类型动态度、转移矩阵指标来探究各土地利用类型的变化情况。

表1 地类重分类标准

2.1.1 单一土地类型动态度变化

土地利用动态度是衡量单一土地利用类型在一段时间内变化速度的重要指标。其表达式为：

式中，K为土地利用类型的动态度；Ua、Ub为研究初始与末尾时间对应的某一土地利用类型面积；T是研究始终的时间跨度，通常以年为单位。

2.1.2 土地利用转移矩阵分析

土地利用类型转移矩阵定性的描述土地利用类型之间的相互转移情况，并定量分析转换面积的多少，直观反映土地利用变化空间特征及演化规律，表达式为：

式中，S为土地利用类型面积；n为类型数；i、j分别为初始时期和末尾时期类型；Sij为研究初期i到末期j土地利用类型的面积变化。

2.2 地表降雨径流计算

2.2.1 SCS 模型

SCS 模型又称径流曲线数法模型，是美国农业水土保持局1954 年根据流域水量平衡原理，在大量实测数据基础上，采用统计归纳推理出来的公式。其计算公式如下：

式中，R为地表径流量，单位mm；P为降雨量，单位mm；Ia为前期损失量，单位mm；S为入渗量，单位mm。前期损失量Ia受土地利用、枝叶截留、下渗、填洼等因素的影响，与土壤饱和储水量（潜在入渗量）成正比关系，即Ia=λS，美国水土保持局提出合适的比例λ=0.2，即：

入渗量S利用经验性参数CN来反映，公式如下：

CN为SCS 模型的核心参数，用于反映区域下垫面单元的产流能力。CN值与土地利用类型、土壤类型、前期土壤湿润程度等下垫面因素密切相关，本文基于美国水土保持局制作的城市区域CN值表，参考大量相关文章资料[10-20]，结合本文地理国情数据分类情况归纳总结出本实验的CN值，如表2 所示。其中，A、B、C、D 代表四个等级的透水性，由土壤类型确定，土壤类型与透水等级对应关系如表3，研究区土壤类型均为B 类。

表2 不同土地利用类型及土壤类型对应CN 值

表3 土壤类型及下渗情况对照表

SCS 模型考虑了前期降雨对径流的影响，引入了前期降雨指数AMC（Antecedent Moisture Condition），其计算公式如下：

式中，Pi为最近五天的总降雨量，单位mm。

根据前期降雨指数AMC，将前期降雨量对土壤湿润程度划分为Ⅰ（干燥）、Ⅱ（中等）、Ⅲ（湿润）三种类型，见表4。

表4 前期土壤湿润程度确定标准

此处，Ⅰ、Ⅲ条件下的CN值分别按下列公式进行计算。

本论文旨在探究土地利用变化对降雨径流的影响，为保证土地利用类型是影响降雨径流的唯一因素，地表降雨径流情景模拟采用控制变量法。在三期土壤类型一致的前提下，假定三期土壤前期湿润度一致，均为Ⅱ（中等）。

2.2.2 径流系数

由于两期降雨量原始数值相差较大，本文引入径流系数相对量来反映研究区域下垫面的产流能力。计算公式如下：

式中，α 为径流系数；R、P分别表示降雨径流量、降雨量，单位均为mm。

2.3 地理探测器

本文选取了地理探测器（GeoDetector） 来探究2015、2020 年济南市中心城区土地利用变化对地表降雨径流变化的影响。该方法通过探测空间分异性来揭示因变量与自变量的驱动关系。将2015 年与2020 年径流系数变化设定为因变量Y，同期各土地利用类型变化面积设定为自变量X，共15 类，见表5。

表5 自变量X 及因变量Y 介绍

地理探测器包括风险探测器、分异及因子探测器、生态探测器和交互探测器四部分，本文主要应用分异及因子探测（Factor detector），探测结果用q值来检验说明，q的表达式为：

式中，(h=1,…,L)为分区情况；Nh和N分别为层h和整个区域的单元数和σ2分别是层h和全区Y值的方差。SSW 和SST 分别表示层内方差之和和全区总方差。q的值域为[0,1]，q值越接近1，Xn越能解释说明Y，即Xn很大程度上影响Y；反之，q值越小，Xn对Y的解释能力越差，二者相关性越小。同时，探测结果p值，p值代表相关的显著性，p值小于0.05 为差异显著，P小于0.01 则差异极显著，即p值越小，X对Y存在影响这一推断的可靠性越高。

3 结果分析

3.1 济南市中心城区土地利用变化分析

3.1.1 土地利用变化动态度分析

通过属性筛选、斑块融合将地理国情数据重分类为不透水面、草地、林地、农田、水域及未利用地六大类，统计两期济南市中心城区各土地利用类型的面积及其占比变化情况如表6 所示。对比两期土地利用类型面积及动态度情况。济南市中心城区在2015-2020 年最主要的两种土地类型分别是不透水面和林地，其中不透水面面积由37.57%小幅增至38.59%，林地面积由29.02%增至30.83%；动态变化度最大的两种类型分别是农田和未利用地，农田面积5 年间减少54.64%, 未利用地增加57.37%,；草地及水域面积均有小幅度增长。

表6 济南市中心城区各土地利用面积及占比、动态度

3.1.2 土地利用变化转移矩阵分析

农田及未利用地的面积和分布变化较为明显，为进一步探究土地利用类型的转换关系，计算整理土地利用类型转移矩阵，见表7。从转移矩阵可以看出，2015-2020 年减少的农田面积主要转为林地和草地，而未利用地的增加主要来自于不透水面和林地。此外未利用地、不透水面、草地、林地之间相互转换，实现动态平衡，水域面积与其他土地类型转移量较少，相对稳定。上述结果揭示了济南市2015-2020 年的城市化布局规律：在“东强西兴南美北起中优”的新布局体系下，济南市由粗犷发展转变为优化提升，进而促使未利用地、不透水面、草地、林地之间频繁转换，并使在建工地、房屋拆迁用地等未利用地短期内形成一定规模存量，此外在退耕还林、生态保护高质量发展等国家战略下，大量宜林农田向生态林地转换，城市功能品质不断优化升级。

表7 济南市中心城区2015-2020 年土地利用类型转移矩阵表（面积：km2）

3.2 地理探测器探测结果

3.2.1 尺度分析及因子分类

文章首先对土地利用及地表降雨径流数据进行了格网化处理的尺度分析，确定最佳格网尺度后对因变量、自变量因子分别进行分类处理，最后利用地理探测器计算各因子对地表降雨径流变化的影响情况。图1 比较分析了不同格网尺度下各土地利用类型q值变化情况：大部分因子的q值随格网尺度的增大而增大，q值一直保持相对较大的均为未利用地不透水面、不透水面林地、不透水面草地、未利用地草地、草地林地、未利用地林地。考虑到研究区面积有限，且部分因子对格网尺度表现并不敏感，较敏感的几个因子q值一直保持相对较大的状态，本文最后选取2 400 m 的格网为最佳尺度。

图1 不同格网尺度下各土地利用类性变化的q 值

地理探测器要求自变量必须为类型量，最佳类别在5～7 之间，故而在2 400 m 的格网尺度上继续做了分类对比。从图2 中可以看出，当自变量因子分为7类时，各因子的q值相对较高，所以最终自变量因子均分为7 类。

图2 不同分类情况下的各土地利用类型变化的q 值

3.2.2 分异及因子探测结果分析

表8 为2 400 m 格网尺度下因子分为7 类后得到的分异及因子探测结果，结果表明：（1）q值较高且统计检验p值为0 的因子依次为：未利用地 不透水面、不透水面林地、不透水面草地、未利用地草地、草地林地、水域林地、未利用地林地。（2）未利用地与不透水面相互转换时对降雨径流变化的影响最大且极为显著，济南市主城区“东强西兴”的发展政策驱使着大量农村拆迁、高楼建筑取而代之，地表的透水性发生了较大的变化。（3）综合来看，不透水面、未利用地、林地、草地四种土地利用类型之间两两转换均会对径流系数变化产生显著的影响。城市扩张征收林地、草地转变为不透水面的同时，生态和环保意识深植民心，积极响应政府植树造林政策的号召，使得林草改建为建筑房屋、废弃建筑及未利用地上种植草木的情况并存，不透水面、未利用地的透水性与林草的透水性相异较甚，故而其对降雨径流变化产生较明显的影响。而草地与林地的根系构造不同、种植密度不同，加之林地有较强的蒸腾作用，因此林草的透水性差异较明显，二者之间的相互转换会对降雨径流系数产生较大的影响。

表8 分异及因子探测结果

4 结论与讨论

文章通过对2015、2020 年两期地理国情数据分类整理，获得研究区域土地利用空间分布及组成结构变化特征；同时，基于精细空间尺度、属性分类的地理国情数据，文章借助SCS 水文模型进行研究区域地表降雨径流及径流系数变化模拟；最后利用地理探测器的分异及因子探测器探究了土地利用类型变化对地表径流变化的影响，得到以下结果：

（1）2015-2020 年济南市中心城区土地利用变化。从地类变化面积分析，农田、未利用地分别是面积减少、增大最多的地类。未利用地多为拆迁、待建、在建的地类合并而成，因此该地类的变化是城市发展扩张的具体表征。从地类组成结构分析，未利用地、不透水面互为主要转入转出对象；林、草互为主要转入转出对象，其次部分林、草转出为不透水面、未利用地，农田主要转出为林地。

（2）地理探测器的分异及因子探测结果表明，对降雨径流变化影响较大且统计检验显著的土地利用类型变化为不透水面、未利用地、林地、草地四种地类之间的相互转换，四类土地利用类型下垫面的下渗能力存在一定差异，受城市扩张发展及生态环保政策意识的驱动，四种土地利用类型存在相互转换，很大程度上影响着地表降雨径流的变化。

（3）本文的研究成果是在情景控制基础上，假定前期土壤湿润度一致得出的。文章对每个时间节点前5 天降水量做了统计分析，结果表明，约70%～80%的前期土壤湿润度类型与现实是一致的，但仍存在剩余区域的不确定性问题。此外，地表降雨径流的变化并非仅与土地利用变化类型相关，地类面积变化、人口密度变化、市政管网排水能力变化，以及实际地表降雨径流数据获取验证，径流系数对不同量级降雨量的代表性等问题，都是本文下一步进行城市地表径流变化精细化研究的方向。