城市擴張過程中建設用地景觀格局演變特征及其驅動力

車 通,李 成,羅云建, 2,*

1 揚州大學園藝與植物保護學院 / 生物科學與技術學院, 揚州 225009 2 中國科學院生態環境研究中心城市與區域國家重點實驗室, 北京 100085

城市化是全球社會經濟發展的必然趨勢,城市更被視為人類的未來[1- 2]。快速城市化帶來了城市熱島效應加劇、生物多樣性下降、生態系統退化、環境污染加重等諸多城市病,直接影響了城市人居環境質量和城市可持續發展[3]。這些問題的出現均與區域土地利用結構和景觀格局的改變密切相關[4]。因此,剖析城市擴張過程中城市景觀格局演變特征及其驅動力,不僅是解決這些城市病的基礎,而且為城市用地結構優化、城市景觀規劃等工作提供科學依據。其中,建設用地擴張是城市擴張最直觀的表征,也是衡量城市生態環境壓力的重要指標[5]。

圍繞著城市景觀格局,國內外學者開展了大量研究,涵蓋了國家[6]、城市群[7-9]、省級區域[10]、單個城市(如市、縣和區)[11]等不同尺度,呈現出從靜態研究到動態分析[12]、從過程認知到機制探索[9]、從定性描述到定量解析[13]的發展。不少研究表明,城市擴張會階段性地增加城市景觀的多樣性、破碎化和結構復雜性,在一定程度上支持集聚-擴散假說[14- 15],但也有研究發現城市化也能造成城市中心的景觀多樣性和破碎化程度降低,符合景觀同質化假說[16]。不斷積累的研究表明,城市景觀格局受到地理、社會、經濟、政策等多重因子的共同制約[17],但是一些學者認為地理因子(如到道路的距離和到縣市中心的距離)對景觀格局的影響最大[18],也有學者認為社會因子[19]或經濟因子[12,20]更為重要。由此可見,目前尚未明晰城市化過程中建設用地景觀格局的演化特征及驅動機制。此外,有關驅動機制的研究大多采用相關分析、回歸分析等傳統統計方法[8- 9, 12]。由于受到數據類型(如分類數據和連續數據)、數量關系(線性和非線性關系)、數據分布(如正態分布)等假設前提的限制,這類方法一定程度上影響了對驅動機制的認知。近年來,基于決策樹的集成學習方法(Tree-based ensemble learning),如增強回歸樹(Boosted regression trees)和隨機森林(Random forest),突破了傳統統計方法的局限性[21],成功應用于多重因子影響的定量研究[22- 23],為深入剖析景觀格局的驅動機制提供了有力工具。

隨著我國經濟社會的不斷深化及發展重點的逐漸轉移,中小城市已成為促進國民經濟增長、推進城市化進程的中堅力量[24]。由于受城市發展規模、經濟水平、交通條件、資源環境等因素的影響,中小城市的城市化過程可能會呈現一些不同于大型城市的特征[25]。但是,目前的研究相對集中于北京、上海、廣州等大型城市,對快速城市化的中小城市缺乏足夠的關注。揚州,地處江蘇中部,是承接蘇南經濟轉移、輻射蘇北的過渡區,還是長三角城市群、大運河文化帶和南京都市圈的節點城市。在江蘇乃至長三角城市群全面推進城市化的關鍵期,開展揚州建設用地擴張研究,不僅可以增強中小城市擴張規律和機制的理解,而且對類似區域中小城市建設用地的調控具有指導意義。因此,本文以揚州市為例,利用多期(1995、2000、2005、2010年和2015年)Landsat衛星影像、鄉鎮水平的揚州統計年鑒等數據,運用景觀格局分析、增強回歸樹等方法,研究建設用地的擴張模式、形態及景觀格局,定量探究地理、社會、經濟多重因子對景觀格局的影響機制,從而揭示建設用地景觀格局及其驅動力的演變特征。

1 數據與方法

圖1 揚州市區位和行政區劃圖Fig.1 Location and administrative divisions of Yangzhou City in China

揚州市(32°15′—33°25′ N、119°01′—119°54′ E),現轄3個市轄區(邗江、廣陵和江都)、2個縣級市(高郵和儀征)和1個縣(寶應)(圖1),共77個鄉鎮、14個街道、1125個行政村。全市總面積6591.21 km2,常住人口450.82萬(2017年)。地處北亞熱帶濕潤氣候區的北緣,氣候溫和,四季分明,年均氣溫16℃左右,年均降水量1046 mm,全年日照時數平均為2176.7 h,土壤主要為水稻土、潮土、沼澤土和黃棕壤。

1.1 數據來源

衛星影像為空間分辨率30 m的1995、2000、2005、2010年和2015年揚州市Landsat數據(2015年為Landsat 8 OLI影像,其余年份為Landsat 5 TM影像),影像級別為經過輻射校正和幾何校正的L1T級。選用的影像數據成像質量較好,研究區內晴朗無云,大氣可見度高。在對影像進行預處理的基礎上,使用監督分類(最大似然法)和目視解譯,將土地利用分為建設用地、林地、耕地、草地和水體五類。采用揚州市土地利用現狀圖和GPS實測數據,隨機設立200個解譯標志,利用誤差矩陣進行精度評價。1995、2000、2005、2010年和2015年的總體分類精度分別為88.4%、81.6%、86.7%、85.2%和90.0%,能夠滿足研究的精度要求。

本文從地理、社會、經濟方面,探究城市化過程中建設用地景觀格局的驅動力及其演變特征。地理因子選用海拔和到縣市中心的距離,用于反映物理空間的影響,社會因子選用人口數量和人口密度,用于反映人類活動的強度；經濟因子選用人均GDP和第二產業占比,用于反映經濟發展的規模和質量。社會經濟數據來自于揚州市歷年統計年鑒(鄉鎮水平),地理因子數據從DEM數字高程數據(空間分辨率30 m)和各時期土地利用圖中提取。

1.2 研究方法

1.2.1建設用地的空間擴張

為定量描述建設用地的空間擴張過程,選用景觀擴張指數(Landscape expansion index, LEI)來識別建設用地的擴張模式；使用面積加權擴張指數(Area-weighted mean expansion index, AWMEI)來描述建設用地的形態[14]。

式中,A0是新增建設用地斑塊的緩沖區(本文緩沖距離設為1 m)與原建設用地的交點,AV是該緩沖區與非建設用地的交點。根據LEI值,建設用地的擴張模式分為3種類型：跳躍式(Leapfrog,LEI=0)、邊緣式(Edge-expansion,0

式中,Ai是新增建設用地斑塊i的面積,A是新增建設用地斑塊的總面積。AWMEI值越大,建設用地景觀越緊湊；AWMEI值越小,建設用地景觀越分散。

1.2.2建設用地的景觀格局

借鑒現有的城市景觀研究[12,26],本文選取斑塊密度(Patch density, PD)、邊緣密度(Edge density, ED)、景觀形狀指數(Landscape shape index, LSI)和聚合度(Aggregation index, AI)(表1)來刻畫建設用地的景觀格局。

表1 選取的景觀格局指數

*計算公式詳見McGarigal等[27-28]

1.2.3驅動力分析

選取大小為1、2、3 km和4 km的移動窗口,在FRAGSTATS 4.2中分別計算不同窗口大小的各景觀指數值,進行比較,從而篩選出最佳的景觀分析尺度。經多次試驗,景觀分析尺度設定為2 km,既可以消除一定的噪聲,又能保留足夠的空間信息。運用大小為2 km的移動窗口,獲得各景觀指數的柵格圖。為實現社會經濟數據與景觀格局信息在空間上的匹配,本文以鄉鎮(含街道)為統計單元,計算每個鄉鎮各景觀指數的平均值,以便在鄉鎮水平上探究建設用地的景觀格局及其驅動力。

增強回歸樹方法是一種基于分類回歸樹算法(Classification and regression trees)的自學習方法,整合了分類回歸樹算法和增強算法(Boosting),顯著提高了結果的穩定性和預測精度[21]。在運算過程中,利用重抽樣方法從訓練數據集里隨機抽取數據,得到一系列新的訓練數據集,對每個新訓練數據集構建一個分類回歸樹,分析自變量對因變量的影響程度,剩余的數據則對結果進行交叉驗證,最后對生成的多重回歸樹取均值并輸出。與傳統統計方法相比,增強回歸樹方法具有同時處理多種數據類型(如分類數據和連續數據)、復雜的非線性關系、缺失數據、變量之間的相互關系等諸多優勢,可以通過兩種方式來量化多重因子的影響：①各自變量對因變量的相對影響(各自變量對因變量可解釋變異的貢獻,所有自變量的相對影響之和為100%)；②在其他自變量不變(或者取均值)的情況下,某一特定自變量與因變量的相互關系(通過加權樹遍歷法(Weighted tree traversal)整合其他自變量對因變量的影響,利用生成的多重回歸樹取均值,獲得某一特定自變量對因變量的邊際效應)。因此,本文利用增強回歸樹方法,運用R語言(3.5.0)的“gbm”包,分析地理、社會、經濟多重因子對建設用地景觀格局的影響。根據Elith等[29]的建議,學習速率(Learning rate)設置為0.01,樹的復雜性(Tree complexity)為4。

2 結果與分析

2.1 建設用地的空間擴張

建設用地面積從1995年的725.4 km2持續增加到2015年的1076.5 km2。3種擴張模式(跳躍式、邊緣式和填充式)在4個研究時段(1995—2000、2000—2005、2005—2010年和2010—2015年)均有出現(圖2),但是它們的優勢度呈現較大差異(圖3)。從斑塊數量的比例來看,邊緣式擴張一直處于主導地位,其優勢度遠大于其他擴張模式。除2005—2010年外,填充式的優勢度均高于跳躍式(圖3)。3種擴張模式在不同縣市間的優勢度基本相同,與全市的情況相一致。然而,從斑塊面積的比例來看,邊緣式擴張在初期(1995—2000年)和后期(2010—2015年)處于主導地位,填充式在中期(2000—2010年)處于主導地位,跳躍式則始終最低(圖3)。3種擴張模式在不同縣市間的優勢度呈現較大差異,與全市的情況并不吻合,尤其是2000—2005年。

圖2 1995—2015年揚州建設用地擴張模式的空間分布Fig.2 Spatial distribution of sprawl modes of built-up land in Yangzhou City from 1995 to 2015

圖3 1995—2015年揚州建設用地擴張模式的相對優勢度Fig.3 Relative dominance of sprawl modes of built-up land in Yangzhou City from 1995 to 2015

從1995年到2015年,全市建設用地的面積加權擴張指數(AWMEI)呈現先增加、后減小、再增加的變化,意味著城市化過程中建設用地景觀出現了“集聚→擴散→集聚”的現象(圖4)。與全市的變化趨勢相同,邗江區、廣陵區、儀征市和高郵縣的建設用地景觀也出現了“集聚→擴散→集聚”的變化特征。然而,江都區和寶應縣的變化存在較大不同,即江都區呈現“擴散→集聚”的變化,寶應縣則為“擴散→集聚→擴散”的變化。

圖4 1995—2015年揚州市建設用地面積加權擴張指數的變化Fig.4 Changes in the area-weighted mean expansion index of built-up land in Yangzhou City from 1995to 2015

2.2 建設用地的景觀格局演變

從1995年到2015年,建設用地的斑塊密度(PD)和景觀形狀指數(LSI)呈減少之勢,邊緣密度(ED)和聚合度(AI)增加(圖5),這表明斑塊數量增加、景觀形狀趨向簡單,但斑塊的邊緣長度更大,分布更集聚。除老城區(邗江和廣陵)的ED出現減小之外,各縣市區的景觀格局指數隨著城市的發展都呈現類似于全市的變化規律。各鄉鎮的景觀格局從縣市行政中心到縣市邊界,整體上呈現破碎化上升、聚合度下降的變化特征,即PD、ED和LSI均呈增加之勢,AI呈減小趨勢(圖6)。

圖5 1995—2015年揚州市建設用地景觀格局指數的變化Fig.5 Changes in landscape metrics of the built-up land in Yangzhou City from 1995 to 2015

圖6 1995—2015年揚州各鄉鎮建設用地景觀格局指數的變化Fig.6 Changes in landscape metrics of built-up land per town in Yangzhou City from 1995 to 2015PD：斑塊密度,patch density；ED：邊緣密度,edge density；LSI：景觀形狀指數,landscape shape index；AI：聚合度,aggregation index

2.3 驅動力分析

運用增強回歸樹方法,探究了不同時期(1995、2000、2005、2010年和2015)地理、社會、經濟等多重因子對景觀格局的影響。結果發現,地理(海拔和到縣市中心的距離)、社會(人口數量和人口密度)和經濟因子(人均GDP和第二產業占比)能夠解釋不同景觀指數變異的34%—67%(R2=0.34—0.67),但是這些因子在不同時期和對不同指數的綜合影響存在很大差異(表2)。

表2 景觀格局指數與地理、社會和經濟因子的分析結果*

*R2：決定系數,coefficient of determination；RMSE：均方根誤差,root mean squared error；PD：斑塊密度,patch density；ED：邊緣密度,edge density；LSI：景觀形狀指數,landscape shape index；AI：聚合度,aggregation index

隨著城市的發展,地理因子(海拔和到縣市中心的距離)對景觀格局的綜合影響呈現下降趨勢(圖7)。地理因子中,海拔的影響(11.4%—27.7%)通常高于到縣市中心距離(14.2%—18.2%)。隨著城市的發展,海拔對景觀格局的影響整體呈現削弱之勢,而且到縣市中心距離的影響也具有明顯的時間特征。海拔對景觀破碎化(PD、ED和LSI)的影響(19.2%—27.7%)高于對聚合度(AI)的影響(11.4%—16.6%)。海拔的增加對PD、ED和LSI表現為促進作用,對AI則表現為抑制作用(圖8)。在1995—2005年,隨著到縣市中心距離的增加,其對PD、ED和LSI的作用表現為先抑制后促進,對AI卻沒有明顯的影響；在2010—2015年,到縣市中心距離對PD、ED和LSI的影響轉變為促進作用或無明顯作用,而對AI開始表現為抑制(圖8)。

與地理因子相比,社會經濟的影響較為復雜。從1995年到2015年,社會因子(人口數量和人口密度)對景觀破碎化(PD、ED和LSI)的影響相對穩定,但對聚合度(AI)的影響整體呈增加態勢；經濟因子(人均GDP和第二產業占比)對景觀破碎化(PD、ED和LSI)的影響呈現增加之勢,但對AI的影響呈減小態勢。在社會因子中,人口數量和人口密度的相對影響基本相同(圖7)。隨著城市的發展,人口數量的影響呈現先減小后增強的特點；人口密度對PD、ED和LSI的影響呈削弱之勢,但對AI的影響卻逐漸增強。人口數量的增加對PD、ED和LSI有抑制作用,對AI表現為促進作用(圖8)。然而,人口密度的增加對PD、ED、LSI和AI整體表現為促進作用,雖然在個別年份(如2015年)對PD和LSI出現了一定的抑制(圖8)。對經濟因子而言,人均GDP的影響(10.0%—18.3%)通常小于第二產業占比(11.9%—24.4%)(圖7)。隨著城市的發展,人均GDP的影響呈現先減小后增強的特征；第二產業對ED和LSI的影響呈增加之勢,但其對PD和AI的影響卻表現為先增強后減小。與地理和社會因子相比,人均GDP和第二產業占比對景觀格局的影響可分為兩個階段。①1995—2005年,人均GDP的增加對PD、ED和LSI整體表現出一定的促進作用,但其對AI的影響很小；第二產業的發展抑制了PD、ED和LSI,卻促進了景觀聚合度AI。②2010—2015年,人均GDP的增加對PD、ED和LSI有抑制作用,第二產業的發展卻起到了促進作用,但它們對AI的作用并不一致,即人均GDP的增加對AI有促進作用,但第二產業的發展對AI沒有明顯作用。

圖7 地理、社會和經濟因子對不同景觀指數的相對影響Fig.7 Relative influence of geographic, social and economic factors on landscape metrics of the built-up land相對影響是指各因子對不同景觀指數可解釋變異的貢獻率,所有因子的相對影響之和為100%。地理因子的影響是指海拔和到縣市中心距離的綜合影響；社會因子的影響是指人口數量和人口密度的綜合影響；經濟因子的影響是指人均GDP和第二產業占比的綜合影響

某一特定自變量與景觀指數的相互關系是指通過加權樹遍歷法(Weighted tree traversal)來整合其他自變量對景觀指數的影響(即其他自變量的影響保持不變的情況下),利用生成的多重回歸樹取均值,獲得此特定自變量對景觀指數的邊際效應。

3 討論

本文運用景觀擴張指數(LEI)和面積加權擴張指數(AWMEI)對建設用地的擴張模式及形態進行了研究。從LEI來看,跳躍式、邊緣式和填充式3種擴張模式在各時段內均有出現,但它們的優勢度隨著城市發展而改變(圖3)。從AWMEI來看,揚州的建設用地景觀出現了“集聚”和“擴散”交替現象(圖4)。揚州下轄縣市區的LEI和AWMEI也出現了類似的交替變化。集聚-擴散交替出現的現象在東莞市[14]、南京市[7]、湖北省黃陂區[15]等城市也有出現。然而,從景觀格局的角度來看,建設用地的景觀格局隨著城市的發展出現了破碎化程度較低的情況,這又在一定程度上支持景觀同質化假說。

通過深入研究景觀格局演變的驅動力,我們發現地理因子的相對影響通常最大(27.6%—43.7%),社會因子(29.3%—43.7%)略高于經濟因子(23.9%—38.9%),而且這些因子的重要性隨著城市的發展而變化,如地理因子對景觀格局的影響呈現下降趨勢(圖7)。隨著海拔的增加,建設用地的分布受到地形的制約,斑塊在較平坦地區更加分散,PD、ED和LSI的增大、AI的減小,就說明了這一點。建設用地的景觀格局還受到城市中心的輻射作用,整體表現為到縣市中心的距離越近,受到城市中心的輻射作用越大,建設用地斑塊越趨于集聚,破碎化開始下降。然而,Feng等[18]對上海的研究發現,到市中心的距離對景觀破碎化的作用表現為先促進后抑制。一個可能的原因是城市的發展差異,揚州尚處于快速城市化階段,而上海已基本完成了快速城市化過程,更多地表現為景觀的重組。

與地理因子相比,社會經濟對景觀格局的影響較為復雜。我們發現人口數量的增加會降低建設用地的景觀破碎化,增強景觀的集聚。究其原因可能與揚州的人口分布特征和城市發展歷史有關[30]。由于城市發展歷史的原因,揚州生活聚居區大多建在老城區(特別是邗江和廣陵兩區),建設用地面積較大,可開發利用的土地很少,加之城市規劃部門處于對老城區的保護,限制這些地方的建設用地繼續擴張,從而出現人口數量越多的鄉鎮越難產生新的建設用地。與人口數量的影響不同,在人口數量保持不變的情況下,人口密度的增大也能夠促進建設用地斑塊的形成和景觀聚合度的增強,這與Feng等[18]的研究結果相同。此外,一些大城市(如北京、上海)的研究表明,經濟的快速增長顯著改變了城市景觀格局[12,19]。我們的研究不僅證實了這一點,還發現經濟的作用具有明顯的階段性。隨著城市的發展,人均GDP和第二產業也隨之增長,城市擴張速度加快,從而引起了建設用地的擴張和重組。城市化早期,人均GDP的增長促進了城市擴張,使得景觀破碎化程度加劇(PD、ED和LSI增加),而到了城市化中期,城市擴張受到嚴格的規劃與控制,人均GDP更多的是發揮建設用地的重組,促進了斑塊的集聚和破碎化的下降。第二產業增加值占比處于低位時,產業多為勞動密集型,資金相對匱乏,擴大再生產的能力弱,對建設用地擴張的促進作用很小,在出現虧損和困境后甚至會抑制新建設用地的形成,更多地表現為景觀的重組[30]。隨著第二產業的繼續發展,其擴大再生產的能力增強,生產規模也逐漸擴大,促進了“工業區”、“開發區”的形成,從而對建設用地擴張表現為明顯的促進作用,使得景觀破碎化有所增加。考慮到社會經濟活動的復雜性,本研究選取的因子之間可能存在復雜的交互作用,其作用強度及機理仍需進一步探索。

4 結論

綜合考慮地理、社會和經濟因子,本文通過研究1995—2015年揚州建設用地的擴張模式、形態及景觀格局,深入探究了景觀破碎化及其驅動力的演變特征。從1995年到2015年,填充式、邊緣式和跳躍式3種擴張模式均有出現,但其優勢度隨著城市發展而改變。建設用地的形態在城市擴張的過程中經歷著“集聚”和“擴散”的交替變化,景觀格局則出現了景觀破碎化下降、聚合度增加的現象,即景觀有同質化的傾向。隨著城市的發展,地理因子(海拔和到縣市中心的距離)對景觀格局的綜合影響呈現下降趨勢,社會經濟的作用逐漸增強。海拔和人口密度的增加會促進景觀的破碎化(PD、ED和LSI增加)、抑制景觀的集聚(AI下降)；人口數量的增加會促進景觀的集聚(AI增加)、降低景觀的破碎化；其余因子(到縣市中心的距離、人均GDP和第二產業占比)的作用則隨城市的發展而發生轉變。此外,研究還表明,增強回歸樹方法不僅可以直觀地辨識出景觀格局的關鍵驅動力及其演變特征,而且可以明確某一驅動因子與景觀格局的相互關系以及這種關系的演變過程。