基于夜間燈光數(shù)據(jù)的城市群蔓延指標(biāo)

劉 璐

(1.哈爾濱工業(yè)大學(xué)深圳研究生院城市規(guī)劃與管理學(xué)院,深圳 518000；2.深圳市房地產(chǎn)評(píng)估發(fā)展中心,深圳 518000)

0 引言

由于人口的快速增長及在城市地區(qū)的集聚，城市蔓延已經(jīng)成為全世界普遍的現(xiàn)象，在衡量城市地區(qū)是否以蔓延的方式進(jìn)行擴(kuò)張時(shí)，大多數(shù)的實(shí)證研究都著眼于城市這一尺度，例如對(duì)亞特蘭大[1]和北京[2]的研究。然而沒有一個(gè)城市是孤立的，隨著城市的快速擴(kuò)張，多個(gè)在社會(huì)經(jīng)濟(jì)等方面有著緊密聯(lián)系的相鄰城市發(fā)展聯(lián)結(jié)成為城市群。在研究城市群發(fā)展時(shí)，不能把當(dāng)代城市現(xiàn)象當(dāng)成一個(gè)固定的、有明確邊界的、普遍可歸納的城市形態(tài)來理解； 相反，城市是處于持續(xù)變化的、沒有邊界的、不斷城鎮(zhèn)化進(jìn)程中的。因此，大尺度的城市群是一種重要的表達(dá)形式[3]，應(yīng)作為量化城市蔓延特征的適宜尺度。

城市蔓延現(xiàn)象的定義迄今為止還很模糊，但總體來說，城市蔓延可歸納為5個(gè)方面的內(nèi)容： ①低密度的發(fā)展； ②破碎化的土地利用； ③分散的和蛙跳式的發(fā)展； ④區(qū)域功能單一； ⑤不發(fā)達(dá)的公共交通[4-7]。城市蔓延對(duì)社會(huì)、環(huán)境和經(jīng)濟(jì)往往會(huì)帶來一些負(fù)面影響，比如能源利用率低下、農(nóng)田流失及不良城市環(huán)境滋生等[8-9]，因此，對(duì)城市蔓延現(xiàn)象的研究顯得十分迫切。

現(xiàn)有文獻(xiàn)中，許多研究使用多種城市蔓延指標(biāo)量化分析城市蔓延現(xiàn)象[4,7,10-13]。然而，大多數(shù)量化指標(biāo)都是針對(duì)某一個(gè)國家或某一個(gè)城市，這些指標(biāo)很依賴于社會(huì)經(jīng)濟(jì)指數(shù)及土地利用情況，但對(duì)該地區(qū)以外的其他地區(qū)適用度并不高。同時(shí)，大部分研究針對(duì)的是以美國為例的發(fā)達(dá)國家，很少有研究將目光放在其他發(fā)展中國家。現(xiàn)有研究者普遍認(rèn)為，發(fā)達(dá)國家由于城市的郊區(qū)化，城市蔓延現(xiàn)象十分嚴(yán)重，并引起了許多已經(jīng)證實(shí)的社會(huì)及環(huán)境問題； 相比之下，對(duì)于中國、非洲各國等發(fā)展中國家來說，城市的密度往往較高，城市蔓延的問題并不突出。然而，隨著城鎮(zhèn)化的不斷推進(jìn)，發(fā)展中國家的城市范圍也在不斷急速擴(kuò)張，而城市內(nèi)部的結(jié)構(gòu)卻并沒有及時(shí)得到合理地調(diào)整。因此，對(duì)中國這樣的發(fā)展中國家研究城市蔓延現(xiàn)象是非常必要且意義重大的。

隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，各種大尺度的空間數(shù)據(jù)庫使得對(duì)大區(qū)域的研究成為可能，而從此類空間數(shù)據(jù)中提取合適的定量化指標(biāo)對(duì)于研究城市蔓延現(xiàn)象十分重要。因此，本文基于美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)發(fā)布的全球夜間燈光(night-time light，NTL)數(shù)據(jù)，設(shè)計(jì)了一系列可以反映城市群密度、發(fā)展分散度、多核心度及向心度的指標(biāo)，這些指標(biāo)可以從不同方面描述城市群的蔓延現(xiàn)象。同時(shí)，本文將這套指標(biāo)應(yīng)用于中國的城市群，并進(jìn)行相應(yīng)的比較和分析?；贜TL數(shù)據(jù)構(gòu)建多維度指標(biāo)體系，可為度量城市群的城市蔓延現(xiàn)象提供策略,通過設(shè)計(jì)的指標(biāo)可研究中國城市群的蔓延現(xiàn)象，并對(duì)不同城市群區(qū)域做出對(duì)比分析。

1 研究區(qū)概況及數(shù)據(jù)源

本文的NTL數(shù)據(jù)來源于美國軍事氣象衛(wèi)星搭載的線性掃描傳感器[14]的輻射定標(biāo)NTL圖像，像元值的范圍為0～63。輻射定標(biāo)NTL數(shù)據(jù)空間分辨率約1 km,可以反映城鎮(zhèn)化地區(qū)人類活動(dòng)強(qiáng)度的分布[15-16]。該數(shù)據(jù)曾被用于制作世界人口密度圖[17]，而將該數(shù)據(jù)用于研究城市的發(fā)展過程也成為一種新的趨勢(shì)。本文的NTL圖像取自Infrastructure of Earth System Science網(wǎng)站上所發(fā)布的免費(fèi)數(shù)據(jù)。

首先，從NTL圖像中提取出城市群的邊界范圍。NTL數(shù)據(jù)能間接反映地表人類活動(dòng)的強(qiáng)度，而利用連續(xù)的明亮區(qū)域可以勾勒出城市群的范圍。一般情況下，像元值小于12的燈光來自農(nóng)村區(qū)域，因此，本文以12為閾值，將中國劃分為城市與非城市區(qū)域，并挑選其中面積大于1 000 km2的特大城市區(qū)域?yàn)槌鞘腥簠^(qū)域。另外，與這些城市群距離10 km以內(nèi)的城市斑塊將與該城市群合并，并與從TM影像中提取的城市區(qū)域進(jìn)行對(duì)比。采用本文方法，可分辨相互連接的城市區(qū)域，且得到比城市群的行政邊界更為合理的城市群邊界。以京津冀為例的城市群邊界如圖1所示。

圖1 以京津冀為例的城市群邊界

2 城市群蔓延指標(biāo)

NTL數(shù)據(jù)可從以下4方面描述城市蔓延現(xiàn)象： ①城市群周邊存在密度很低的郊區(qū)； ②城市群中城市的發(fā)展是分散的； ③城市群呈多核心狀態(tài)； ④城市群中城市的發(fā)展并不是向城市中心集中。這幾個(gè)方面可由密度(intensity，I)、發(fā)展分散度(coefficient of variation，CV)、多核心度(poly-centers，PC)和向心度(centrality，CT)4個(gè)指標(biāo)描述(表1)。

表1 城市群蔓延指標(biāo)Tab.1 Urban sprawl metrics

2.1 密度

密度是衡量城市蔓延不可或缺的指標(biāo)。在以往的研究中，Ewing[18]提出當(dāng)土地轉(zhuǎn)變成非農(nóng)用地或者非自然用地的速度超過了人口增長的速度，蔓延便會(huì)發(fā)生。換言之，城市蔓延可被認(rèn)為是低密度的開發(fā)，可以是低密度的人口，也可以是低密度的城鎮(zhèn)化地區(qū)。在此研究中，城市的密度可以由NTL的平均值來表示。

然而，筆者認(rèn)為簡(jiǎn)單的用區(qū)域密度來度量整個(gè)區(qū)域的密度是不合理的，因?yàn)樵谝恍┏鞘腥褐?，城市中心密度非常高，但郊區(qū)卻存在著大范圍的低密度發(fā)展區(qū)，如果對(duì)這些城市群計(jì)算整體密度，將掩蓋其嚴(yán)重的城市蔓延現(xiàn)象。因此在本文中，首先將城市群分為中心城區(qū)和郊區(qū)，并分別對(duì)這2個(gè)區(qū)域計(jì)算密度。低密度的郊區(qū)是評(píng)判城市蔓延程度的一個(gè)標(biāo)準(zhǔn)。計(jì)算密度時(shí)，首先使用不同的NTL閾值所對(duì)應(yīng)的明亮面積進(jìn)行分析，發(fā)現(xiàn)對(duì)于中國的城市，NTL為54是面積大小的突變點(diǎn)[19]，因此，該值被用作區(qū)分城市群的中心城區(qū)和郊區(qū)的閾值。圖1中中心城區(qū)和郊區(qū)的區(qū)分結(jié)果如圖2所示。

圖2 中心城區(qū)與郊區(qū)界線

2.2 發(fā)展分散度

發(fā)展分散度表示城市發(fā)展趨勢(shì)是集中的還是分散的。本文中用NTL像元值的變異系數(shù)計(jì)算發(fā)展分散度，即

(1)

式中：CVm為第m個(gè)城市群的發(fā)展分散度；n為該城市群中的像元個(gè)數(shù)；DNi為第i個(gè)像元的像元值；DNu為該城市群的像元平均值。CV越大，表示該城市群中的城市發(fā)展越集中，也代表著城市蔓延程度越低； 相反，CV越小，表示城市發(fā)展越分散，也代表著城市蔓延程度越高。

2.3 多核心度

在現(xiàn)有文獻(xiàn)中，多核心化意味著城市蔓延程度更高[7]。為提取這項(xiàng)指標(biāo)，首先把NTL數(shù)據(jù)制作成一個(gè)三維模型，而這個(gè)三維模型的山頂點(diǎn)就是城市群的一個(gè)核心。城市核心的數(shù)量和該區(qū)域面積的比值為這個(gè)城市群的多核心度，而多核心度越高，代表著城市的蔓延程度越高。ArcGIS的空間分析工具可用于提取多核心度，局部提取結(jié)果如圖3所示。

圖3 城市群的城市核心

用ArcGIS提取的多核心度與用TM提取的城市區(qū)域的對(duì)比結(jié)果表明，這些核心能夠客觀地表示城市中的小中心及大中心所處位置。

2.4 向心度

向心度描述了城市群內(nèi)的城市在多大程度上向城市的中心地區(qū)發(fā)展。這個(gè)指標(biāo)可以利用NTL數(shù)據(jù)的梯度變化來表示，即

(2)

式中Pi為像元值大于i的像元數(shù)所占城市群所有像元數(shù)的比例。

圖4以更直觀的方式對(duì)5個(gè)示例城市群的向心度的計(jì)算做出了描述，弧線下的面積越大，代表向心度越高，也代表城市蔓延的程度越低； 相反，弧線下的面積越小，代表向心度越低，也代表城市蔓延的程度越高。

圖4 向心度的計(jì)算

3 中國城市群的城市蔓延

應(yīng)用上述方法，對(duì)中國城市群的城市蔓延狀況進(jìn)行了研究。在研究中，共提取了50個(gè)城市群區(qū)域，包括5個(gè)面積超過10 000 km2的特大城市群、8個(gè)面積在5 000～10 000 km2之間的大城市群、14個(gè)面積在2 000～5 000 km2之間的中等城市群和23個(gè)面積在1 000～2 000 km2之間的小城市群，并為每個(gè)城市群設(shè)定了名稱。利用2010年的NTL數(shù)據(jù)對(duì)城市群情況進(jìn)行了研究。

首先使用這50個(gè)城市群對(duì)設(shè)計(jì)的幾個(gè)指標(biāo)進(jìn)行相關(guān)性分析(表2)，結(jié)果顯示這幾個(gè)指標(biāo)的值與該城市群的面積(Area)無明顯的相關(guān)關(guān)系； 而在描述城市蔓延的4個(gè)指標(biāo)中也不存在很強(qiáng)的相關(guān)性，說明這4個(gè)指標(biāo)都是不可互相替代的。

表2 指標(biāo)間的相關(guān)系數(shù)①Tab.2 Correlation coefficients of metrics

①顯著性<0.01。

對(duì)每個(gè)指標(biāo)正向化(當(dāng)每個(gè)指標(biāo)值越大時(shí)，代表蔓延程度越小)，并采用Z-score進(jìn)行標(biāo)準(zhǔn)化后，使用相同的權(quán)重將其相加，計(jì)算出一個(gè)整體的城市蔓延指數(shù)——綜合蔓延度(CS)。CS越小，代表城市蔓延的程度越大。表3列出了中國的50個(gè)城市群各指標(biāo)的具體計(jì)算結(jié)果。

表3 城市蔓延指標(biāo)計(jì)算結(jié)果Tab.3 Computation results of urban sprawl metrics

上述4個(gè)指標(biāo)有助于了解每個(gè)城市群在城市空間中存在的問題,例如蔓延現(xiàn)象嚴(yán)重的湛江城市群，其低I表明該城市群在郊區(qū)的低密度開發(fā)情況十分嚴(yán)重； 南寧城市群的低CV表明該城市群的發(fā)展非常分散，缺乏集中性； 大連城市群的低PC表明該城市群的多核心化過于嚴(yán)重； 而呂梁城市群的低CT則表明該城市群的發(fā)展沒有向城市中心集中。

進(jìn)一步以中國最大的3個(gè)城市群——長江三角洲、北京—天津—唐山城市群及珠江三角洲為例，珠江三角洲的CS最高，說明空間發(fā)展格局較為緊湊； 北京—天津—唐山城市群的CS最低，說明空間發(fā)展格局蔓延程度最高。具體分析3個(gè)城市群的各項(xiàng)指標(biāo)可以看出，就郊區(qū)密度而言，北京—天津—唐山城市群十分低，說明該地區(qū)的發(fā)展主要以低密度的擴(kuò)張為主，有非常大范圍的稀疏邊緣帶。相比之下，珠江三角洲和長江三角洲的郊區(qū)密度較高，說明郊區(qū)的土地被合理和有效利用，城市邊緣帶得到了充分發(fā)展。

在CV和PC方面，北京—天津—唐山城市群表現(xiàn)出較高的CV和較低程度的PC，而珠江三角洲和長江三角洲表現(xiàn)出較高的CV及較高程度的PC。此結(jié)果與現(xiàn)有文獻(xiàn)中反映的3個(gè)城市群的發(fā)展情況基本吻合。北京—天津—唐山城市群的中心城市優(yōu)勢(shì)較為明顯； 除中心城市外，其他城市的發(fā)展程度較低，發(fā)展主要集中在幾個(gè)大城市中心，小城市中心無法形成與發(fā)展。相比之下，珠江三角洲和長江三角洲的中小城市集群在經(jīng)濟(jì)發(fā)展及城鎮(zhèn)化過程中得到了很大發(fā)展，形成了遍地開花的局面，因此城市的發(fā)展并未集中在原有的大城市中心，城市發(fā)展較為分散。

在CT方面，與北京—天津—唐山城市群相比，珠江三角洲和長江三角洲的CT較高，說明北京—天津—唐山城市群的城市中心尚未發(fā)揮出城市中心的帶動(dòng)作用，發(fā)展沒有向著原有的城市中心集中。

通過以上分析可以看出，本文所設(shè)計(jì)的城市蔓延指標(biāo)能夠合理并準(zhǔn)確反映出城市群的空間形態(tài)信息，并可用于度量城市群的城市蔓延程度。同時(shí)，該套指標(biāo)能夠從4個(gè)方面反映城市群的空間格局特點(diǎn)，其結(jié)果與實(shí)際情況十分吻合。由此可見，這套指標(biāo)能夠?yàn)槌鞘幸?guī)劃和政策制定部門找出城市群發(fā)展所存在的具體問題，并進(jìn)行有針對(duì)性的處理。

4 結(jié)論

1)本文通過從夜間燈光(NTL)圖像中提取的4項(xiàng)指標(biāo)研究城市的擴(kuò)張現(xiàn)象，這些指標(biāo)能夠從密度、發(fā)展分散度、多核心度和向心度4個(gè)方面反映城市群的城市蔓延水平。實(shí)驗(yàn)證明，這些指標(biāo)總體上相互獨(dú)立，易于計(jì)算，并可針對(duì)大區(qū)域進(jìn)行對(duì)比研究。

2)然而，這些指標(biāo)仍然存在著局限性。首先，NTL數(shù)據(jù)的像元值范圍僅在0～63之間，且存在著過飽和現(xiàn)象，因此指標(biāo)值會(huì)受到影響； 其次，這些指標(biāo)尚無法從更深入的城市功能及社會(huì)經(jīng)濟(jì)角度去反映城市蔓延現(xiàn)象，例如城市群中的城市混合利用程度及交通交互程度。因此，建議結(jié)合此指標(biāo)集與其他相關(guān)指標(biāo)綜合進(jìn)行城市蔓延現(xiàn)象的研究。

3)對(duì)中國城市群的城市蔓延現(xiàn)象進(jìn)行研究的結(jié)果表明，中國城市群存在不同程度的蔓延現(xiàn)象，并且每個(gè)城市群都存在不同的問題。在今后的研究中，可以根據(jù)本文的結(jié)果對(duì)中國各城市群的城市蔓延現(xiàn)象進(jìn)行深入探討。

4)本文的研究結(jié)果可以為城市規(guī)劃和政策制定部門提供十分重要的信息，以防止城市蔓延現(xiàn)象的持續(xù)發(fā)生，并使城市群能以可持續(xù)的方式發(fā)展。

參考文獻(xiàn)(References)：

[1] Wolman H,Galster G,Hanson R,et al.The fundamental challenge in measuring sprawl:Which land should be considered?[J].The Professional Geographer,2005,57(1):94-105.

[2] Kozlowski G.Framing Dispersal:Urban Strategies for Mexico City’s Sprawl[D].Massachusetts:Massachusetts Institute of Technology,2015.

[3] Brenner N,Schmid C.Towards a new epistemology of the urban?[J].City,2015,19(2/3):151-182.

[4] Angel S,Parent J,Civco D.Urban sprawl metrics:An analysis of global urban expansion using GIS[C]//Proceedings of the ASPRS 2007 Annual Conference.Tampa,FL:ASPRS,2007.

[5] Sudhira H S,Ramachandra T V,Jagadish K S.Urban sprawl:Metrics,dynamics and modelling using GIS[J].International Journal of Applied Earth Observation and Geoinformation,2004,5(1):29-39.

[6] Brueckner J K.Urban sprawl:Diagnosis and remedies[J].International Regional Science Review,2000,23(2):160-171.

[7] Galster G,Hanson R,Ratcliffe M R,et al.Wrestling sprawl to the ground: Defining and measuring an elusive concept[J].Housing Policy Debate,2001,12(4):681-717.

[8] Ewing R,Schmid T,Killingsworth R,et al.Relationship between urban sprawl and physical activity,obesity,and morbidity[J].American Journal of Health Promotion,2003,18(1):47-57.

[9] Lopez R.Urban sprawl and risk for being overweight or obese[J].American Journal of Public Health,2004,94(9):1574-1579.

[10] Ji W,Ma J,Twibell R W,et al.Characterizing urban sprawl using multi-stage remote sensing images and landscape metrics[J].Computers,Environment and Urban Systems,2006,30(6):861-879.

[11] Song Y,Knaap G J.Measuring urban form: Is portland winning the war on sprawl?[J].Journal of the American Planning Association,2004,70(2):210-225.

[12] Yeh A G O,Li X.Measurement and monitoring of urban sprawl in a rapidly growing region using entropy[J].Photogrammetric Engineering and Remote Sensing,2001,67(1):83-90.

[13] Bhatta B,Saraswati S,Bandyopadhyay D.Urban sprawl measurement from remote sensing data[J].Applied Geography,2010,30(4):731-740.

[14] NOAA.DMSP/OLS nighttime light data version 4,National Geophysical Data Center[EB/OL].[2012-07-00].http://www.ngdc.noaa.gov/dmsp/downloadV4composites.html.

[15] Small C,Elvidge C D,Balk D,et al.Spatial scaling of stable night lights[J].Remote Sensing of Environment,2011,115(2):269-280.

[16] Meng L N,Graus W,Worrell E,et al.Estimating CO2(carbon dioxide) emissions at urban scales by DMSP/OLS (defense meteorological satellite program’s operational linescan system) nighttime light imagery:Methodological challenges and a case study for China[J].Energy,2014,71:468-478.

[17] Balk D L,Deichmann U,Yetman G,et al.Determining global population distribution:Methods,applications and data[J].Advances in Parasitology,2006,62:119-156.

[18] Ewing R.Is Los Angeles-style sprawl desirable?[J].Journal of the American Planning Association,1997,63(1):107-126.

[19] Liu L,Leung Y.A study of urban expansion of prefectural-level cities in South China using night-time light images[J].International Journal of Remote Sensing,2015,36(22):5557-5575.