近20年城市遙感研究現狀及其發展趨勢

張 飛,邵 媛,黃 暉,朱帕爾·巴合提拜

1 新疆大學資源與環境科學學院/智慧城市與環境建模自治區普通高校重點實驗室, 烏魯木齊 830046 2 新疆大學綠洲生態教育部重點實驗室, 烏魯木齊 830046 3 CSIRO,Land & Water,Canberra ACT 2601,Australia 4 新疆大學圖書館, 烏魯木齊 830046

城市化包括人口城市化、經濟城市化和土地城市化三大最顯著的特征[1]。在城市化水平快速發展狀況下,以城市化為背景的城市生態環境問題一直是地理學研究的熱點。城市化造成了大量農用地被侵占,環境惡化、資源危機等一系列“城市病”,嚴重影響人們的正常生活[2- 6]。面對日益嚴峻的生態環境問題,迫切需要國內外學者借助新技術、新手段、新方法深入開展城市化相關問題研究。

城市化在多源、多尺度、主動和被動遙感圖像上,均表現出對資源生態環境系統的影響。事實上,盡管城市應用通常需要以最佳的地面分辨率獲取數據,但許多宏觀的地物特征可以使用低分辨率遙感影像獲得(圖1)[7]。城市遙感應用的主要方向是空間城市化過程及其在這個過程中引發的自然變化和人文變化。在上述研究過程中,“3S”技術是集監測、管理和分析城市化進程及其生態環境響應最有效信息源和研究方法[8-9]。國家新型城鎮化規劃(2014—2020)對城市遙感提出了新的挑戰,遙感數據獲取技術的快速發展為城市遙感提供了越來越多的數據源,人工智能、地理時空大數據分析與挖掘技術為城市遙感提供了更為智能、快速的處理和分析工具。現已進入大數據時代,利用“星—空—地”一體化遙感監測平臺和Google Earth Engine(GEE)云遙感數據處理平臺,可為城市及城市群遙感的分析提供堅實的基礎,為城市可持續健康發展提供有力支持。

圖1 城市區域數據融合方法(改自[7])Fig.1 Data fusion method in urban area

通過文獻檢索,目前國內外對于城市遙感的研究,多集中在單一領域,對城市遙感諸多要素的綜合性研究較少。很少將城市中遙感所涉及的問題進行統一闡述,因此,本文將總結國內外學者在城市地表溫度、城市邊界擴張、城市不透水表面、城市景觀格局和城市生態安全5個方面的研究動態以及發展態勢,較為完整的從理論、方法以及應用幾個層面展開討論,為城市遙感的深層次研究指明方向。

1 城市遙感研究的主題和主要進展

遙感技術已滲透到城市建設和研究的各個領域,在城市規劃管理中具有重要的作用,為全面、有效和實時地了解城市的發展變化提供了強有力的技術支持(圖2)。本文通過CNKI和Web of Science數據庫共檢索出包含基于遙感技術的城市地表溫度、城市邊界擴張、城市不透水表面、城市景觀格局和城市生態安全5個方面的1501篇中文文章和3368篇英文文章,通過文獻梳理,根據年代發展篩選出國內外城市遙感部分研究主題和主要研究內容,如表1所示。

表1 國內外城市遙感部分研究主題和主要研究內容

圖2 不同衛星在城市細節、特征識別、地方規劃上的比較(改自[10])Fig.2 A comparison of satellite generations in terms of detail, feature recognition and planning requirements

1.1 城市地表溫度

地表溫度(Land Surface Temperature,LST),即陸地表面的溫度[31]。地表溫度(LST)是研究地表能量預算、陸地表面過程以及城市熱島中最重要的參數之一[28,32]。通過中國知網數據庫,按照主題為遙感*城市*(“地表溫度”+“LST”+“熱島”+“TVDI”+“微氣候”)共檢索出965篇文獻,通過Web of Science數據庫,按照主題為Remote Sensing* Urban*(“Land Surface Temperature”OR“LST”OR“Heat Island”OR“TVDI”OR“Microclimate”)共檢索出798篇文獻。圖3揭示了1999—2019年間的中英文發文數量趨勢,圖4揭示了我國不同的研究機構及不同國家/地區發文現狀(圖4)。

圖3 近20年中英文發表文章數量趨勢圖Fig.3 Trend chart of publishing article number in Chinese and English about twenty years

圖4 近20年國內不同機構及不同國家/地區發表文章現狀Fig.4 The status of publishing article in different domestic institution and different countries/regions about twenty years

從圖3可以看出,關于城市地表溫度遙感研究的中英文文章數量雖然在個別年份有回落現象,但是整體呈現逐年迅速增長的趨勢。從圖4中可以看出南京信息工程大學在城市熱環境研究中發表中文文章數量最多,為65篇。發文數量排名前三的高校都來自華東地區,該地區是我國城市化水平最高、氣象觀測站點分布最為密集的區域,非常有利于從事城市地表溫度研究。從不同國家/地區發表文章數量來看,中國發表文章數量最多,達到了303篇,其次為美國,為209篇,德國為41篇。

目前,地表溫度的研究數據主要利用ASTER和Landsat TM/ETM+等衛星數據以及MODIS地表溫度產品數據反演LST[33]。針對地表溫度方法研究,黃妙芬等[34]、萇亞平等[35]采用TM、ETM+和TIRS數據進行了LST算法的精度對比分析,均發現單窗算法與實測數據的一致性較好。嚴安等[36]、周梅等[37]也利用單窗算法反演了各自研究區夏季地表溫度,發現效果理想。而Yu等[38]利用實測數據,比較了多種算法,發現反演精度為輻射傳輸方程法>分裂窗算法>普適性單通道算法。之后,孟翔晨等[39]利用ASTER數據,Landsat 8地表反射率及實測地表溫度數據分析了驗證點的空間異質性,發現普適性單通道算法估計的地表溫度(LST)總體精度較高,可更好的用于城市熱島效應(UHI)、地表蒸散發估算等研究。

改革開放以來,中國的城鎮化進程顯著加快。根據《國家新型城鎮化發展規劃》,2020年中國的城鎮化率將達到60%。快速城鎮化帶來日益嚴峻的生態環境問題,尤其產生城市熱島效應[40- 41]。城市熱島效應(UHI)是由于人類的活動,大規模改造局部下墊面條件而影響了局部區域的氣候環境。Dihkan等[42]對土耳其不同氣候區域的七個城市進行城市熱島效應研究,得出熱島效應是城市化地區的主要環境問題。Dwivedi等[43]通過Landsat遙感數據,研究了印度孟買都市區微觀層面的城市熱島現象和室外熱環境,研究表明可以通過控制區域綠化的百分比來減輕城市高溫熱場的影響。Shafizadeh-Moghadam等[44]探索了城市LST與環境和人為因素的關系,并利用隨機森林(Random Forests, RF),增強回歸樹(Boosting Regression Tree, BRT),廣義加性模型(Generalized Additive Model, GAM)和支持向量機(Support Vector Machines, SVM)模型評價城市LST的模擬精度。國內學者徐涵秋[45]通過反演福州市地表溫度,分析了城市熱島形成的原因。方剛[46]采用Landsat 8影像,分析了蘇州城市熱島效應,初步探討了城市熱島效應與建筑用地,水體,裸土和植被四個不同指標之間的定量關系。黎良財等[47]運用Landsat 8遙感影像,引入熱島強度(Heat Island Intensity,HII) 因子,并與LST反演結果相結合,分析了柳州市城市熱島效應,結果表明該研究區熱島效應的輪廓與城市建成區輪廓吻合。上述研究者都是對城市的熱島效應進行了研究,然而,還有少部分學者[48- 52]對城市冷島(Urban Cool Island)效應也進行了深入研究,其中Rasul等[53]指出未來的城市研究方向還是應該多集中于城市熱島群的研究。

隨著時間的推移,雖然一些經典的算法依然在使用,但是這些方法都在不同程度上進行了融合和改進(表2)。總之,隨著反演算法及遙感技術的發展,城市地表溫度研究還將繼續在研究方法以及實際應用中進行探索,大多數LST研究的空間分辨率都較低,雖然這些研究可以為熱島帶來的環境問題治理提供一定依據,但是若要制定小范圍區域的政策仍需要高空間分辨率影像的支持。另外,LST動態變化是確定城市發展和氣候變化對居住場所溫度狀況影響的一個良好指標。季節及日變化LST會嚴重影響人們在城市的日常生活。進一步的研究可以考慮對多個熱衛星數據進行時間序列分析,以驗證LST值的增長趨勢和氣候變化以及燈光指數大小等潛在原因。

表2 常用的LST反演算法

1.2 城市擴張

隨著全球城市化的發展,城市邊界擴張研究逐漸成為學術界關注的焦點[77- 78]。著名學者He等[79]提出一種全卷積網絡(Fully Convolutional Networks, FCN)方法,并運用該方法來檢測1992—2016年全球城市擴張情況,研究得出全球城市土地面積從27.47×104km2增加到62.11×104km2,增加了34.64×104km2。作者所提出的FCN方法在有效檢測全球城市擴張方面具有巨大潛力。通過中國知網數據庫,按照主題為遙感*(“城市邊界擴張”+“城市擴展”+“城市形態”+“城市面積增長”+“城市動態變化監測”)共檢索出119篇文獻,通過Web of Science數據庫,按照主題為Remote Sensing*(“Urban Boundary Expansion”OR“Urban Expansion”OR“Urban Form”OR“Urban Area Expansion”OR“Urban Dynamic Change monitoring”)共檢索出872篇文獻。圖5揭示了1999—2019年間的中英文發文數量趨勢,圖6揭示了我國不同的研究機構及不同國家/地區發文現狀。

圖5 近20年中英文發表文章數量趨勢圖Fig.5 Trend chart of publishing article number in Chinese and English about twenty years

圖6 近20年國內不同機構及不同國家/地區發表文章現狀Fig.6 The status of publishing article in different domestic institution and different countries/regions about twenty years

從圖5可以看出,關于城市擴張遙感研究的中文文章數量雖然在個別年份呈現波動起伏現象,但是整體上呈現增加的趨勢,而英文文章出現陡增的趨勢。由于福州大學在城市研究領域具有一定特色,所以該校在關于城市擴張遙感研究中發表中文文章數量最多(圖6),從不同國家/地區發表文章數量來看,中國發表文章數量最多,為399篇,其次為美國,為161篇,之后為德國和印度,都為42篇。

目前,城市用地擴張空間模式可分為填充性、廊道型、外延型和衛星城型等[80- 81]。Patino和Duque[82]研究表明有許多方法和措施可用于評估城市發展和蔓延,而衛星遙感已被證明是獲取地面信息以大規模評估規劃和政策成果的有用工具。Masek等[83]基于多期Landsat TM影像,利用NDVI插值結合地物的紋理特征分析方法,研究長時間序列華盛頓市域建成區的時空擴張規律。Pesaresi等[84]以Landsat等衛星數據為主,輔以其他數據,向全球免費提供了1975—2014年全球人居環境數據集(GHS),主要包括建設用地面積與人口空間分布信息,精確的對城市擴張過程中面積增長與人口聚集情況行了分析。Bilbisi[27]以約旦安曼市為例,利用衛星遙感圖像進行城市擴展的空間監測。國內學者張曉平等[85]從城市土地擴張的影響機制方面進行了研究。管馳明等[86]從空間角度方面總結了我國城市土地擴張規律,并闡述了城市擴張的形態和模式。張巖等[87]修改了元胞自動機(SLEUTH)模型并應用于北京城市擴展的模擬和預測中,深入研究了北京城市發展的模式和成因。此外,國內一些學者分別以上海、廣州等幾個城市為研究區,分析了城市土地擴張過程的空間形態及其影響機制[88- 94]。隨著遙感數據的多源化,新的數據源對城市邊界擴張識別有著顯著的作用,夜間燈光數據具有長時間序列及范圍廣的優勢,利用夜間燈光對城市邊界進行提取是一種效率較高的方式。如王翠平等[95]從空間擴張強度、擴張類型和方向性空間擴張特征角度分析了京津冀-長江三角-珠江三角城市群城市用地的空間擴張特征,從社會經濟角度分析城市群空間擴張的驅動因素。鄒欣怡等[96]在重慶市南岸區1996—2016年建成區擴展的數量及形態研究的基礎上,采用改進的壓力-狀態-響應模型DPSR綜合生態評價模型定量評價了城市用地擴張的生態環境效應,并識別了城市用地擴張系統與生態環境系統的主要影響因素,從小尺度、系統、動態的角度對城市擴張/蔓延的生態環境耦合效應進行了研究。鄧劉洋等[97]采用面向對象均值漂移分割方法、構建決策樹分類方法和基于土地利用類型的標準差變量信息實現高空間分辨影像建成區提取,探討了虞城縣2000—2017年城區擴張過程。此外,學界也積極地將CA 模型與其他模型相結合形成混合模型,來進行城市增長邊界研究[98- 99]。城市增長邊界(Urban Growth Boundary,UGB)作為空間增長管理的政策工具之一,以“生態優先”保護城市生態本底,以“精明增長”提升城市內部空間績效,在協調保護與發展需求之間起到了重要作用[100],有研究表明UGB也是有效控制城市土地擴張的手段之一[101]。作者通過文獻分析發現UGB的主要劃定方法以及研究內容如表3所示。

與此同時,國內有部分學者利用遙感技術從國家尺度和全球尺度的角度研究了城市擴張帶來了一些生態環境問題。如：He等[113]通過整合夜間燈光、植被指數和地表溫度的數據,準確地總結1992—2012年中國的城市擴張動態變化情況。分別從國家、生態區域和地方三個尺度對這一時期的自然生境損失進行了評估。結果顯示,1992—2012年,中國城市發展極為迅速,年均增長率為8.74%,而全球平均水平為3.20%。大規模的城市擴張導致中國部分地區的自然生境損失嚴重。Liu等[114]使用分辨率為30m的Landsat地表反射率數據,繪制了1985—2015年的全球年度城市動態圖。全球城市范圍每年擴大9687 km2。這一速度比以往對全球各個城市的可靠估計高出四倍,表明全球城市化的速度是前所未有的。城市擴張的速度明顯快于人口增長的速度,說明城市土地面積已經超過了維持人口增長的需要。將這些地圖與綜合評估模型結合使用,有助于更好地了解城市化對環境的復雜影響,并幫助城市規劃者避免自然災害。Liu等[115]也使用GlobeLand30以及MODIS產品中的土地利用、NDVI和NPP數據集發現在2000年至2010年之間,全球城市土地的擴張速度遠遠超過預期。在這10年間,世界城市面積每年增加5694 km2,占2000年城市總面積的5%左右。但是相反,快速的城市擴張卻減少了全球陸地的凈初級生產力(NPP)。Chen等[116]在共享社會經濟路徑(SSPs)的框架下,利用FLUS模型對1 km分辨率下的未來城市土地擴張進行了預測。預測結果顯示,雖然在2040年之前,全球城市土地繼續快速擴張,但預計2050年之后,中國和許多其他亞洲國家將面臨城市人口減少的巨大壓力。預計約有50%—63%新擴張的城市土地將出現在現有的耕地上,全球農作物產量將下降約1%—4%。因此,利用現有的遙感產品數據研究城市擴張所引起的生態環境、自然生境、作物產量問題已迫在眉睫。

總之,城市邊界擴張的長時間序列研究中,多源數據處理中的不確定性是導致誤差的重要原因之一,此外,還需要考慮不同遙感影像數據之間的尺度問題。城市遙感研究對象從之前以單個城市為核心轉向現在的城市群和城市重點區發展為主(如：珠三角城市群、京津冀城市群、成渝城市群、長江三角洲核心區城市群、蘇錫常城市群等)。隨著多尺度對地觀測數據和產品的快速發展,遙感提供了對不同尺度城市化及其資源環境響應的綜合觀測,為開展不同范圍的城市遙感研究創造了條件。目前,已進行了對城鎮用地擴展方面的多地域、多尺度的綜合性和典型性研究,如：王惠霞[117]研究了武漢城市群、長株潭城市圈、中原城市群在不同時間階段上的城鎮擴展規律,并探討了不同規模等級城市的城鎮擴展模式。Fei 等[118]繪制并量化了1978年至2015年中國六大城市(北京、重慶、廣州、上海、深圳、天津)擴張的時空動態。

1.3 城市不透水表面

城市不透水面的信息提取是研究城市化進程的一個重要手段[119]。城市不透水表面(Urban Impervious Surface,UIS)為城市管理策略、可持續發展和環境變化監測提供有價值的信息[120- 121]。著名學者Gong等[122]使用Google Earth Engine (GEE)平臺上30m分辨率的Landsat圖像,繪制了1985—2018年年均全球人工不透水面分布圖。揭示了在過去的30年里,全球不透水面積發生了相當大的增長。2018年全球人工不透水面的總面積為797, 076km2,與1990年的面積相比增加了1.5倍。在各大洲中,亞洲的增長最為顯著,尤其是東亞地區。中國和美國是人工不透水面積總量最多的兩個國家,2018年占全球總量約50%。通過中國知網數據庫,按照主題為遙感*城市*(“不透水面”+“不透水層”+“建成區提取”)共檢索出171篇文獻,通過Web of Science數據庫,按照主題為Remote Sensing* Urban*(“Impervious Surface”OR“Impervious Layer”OR“Built Area Extraction”)共檢索出378篇文獻。圖7揭示了1999—2019年間的中英文發文數趨勢,圖8揭示了我國不同的研究機構及不同國家/地區發文現狀。

圖7 近20年中英文發表文章數量趨勢圖Fig.7 Trend chart of publishing article number in Chinese and English about twenty years

圖8 近20年國內不同機構及不同國家/地區發表文章現狀Fig.8 The status of publishing article in different domestic institution and different countries/regions about twenty years

從圖7可以看出,關于城市不透水表面遙感研究的中文文章數量雖然在個別年份呈現微弱回落現象,但是整體呈現陡增的趨勢,而英文文章數量呈現階梯上升的趨勢。由于武漢大學等單位已成功完成了“城市不透水面遙感高精度監測關鍵技術及應用”的項目,而且全球首次完成了國家尺度的米級不透水面產品,促使該校在城市不透水面遙感研究中取得了豐碩的成果,因此,武漢大學在城市不透水表面遙感研究中發表中文文章數量最多,為13篇。從不同國家/地區發表文章數量來看,中國發表文章數量最多,為148篇,其次為美國,為143篇。

近年來,不透水表面已成為城市化進程的評價指標,同時也是環境質量的評價指標[123]。早在1994年,Deguchi等[124]就已經使用兩種方法和多種數據源對日本一個小城市進行城市不透水面的提取。1995年,Ridd[125]提出了研究城市生態的植被-不透水面-土壤(V—I—S)模型。2000年之后,Ward等[126]通過遙感提取城市不透水面成功監測了城市動態發展變化和土地利用組成。Phinn[127]依據V—I—S模型,應用亞像元分析方法得到了澳大利亞布里斯班市的不透水面分布,并分析了城市的環境構成情況。Braun 等[128]采用ASTER數據,以研究德國西部科隆/波恩城市群的不透水面程度,比較了基于線性光譜分離的植被分數和NDVI的兩種方法。國內學者Wu 等[129]通過使用Landsat ETM+數據的完全約束線性光譜混合模型估算不透水表面分布以及植被和土壤覆蓋。陳爽等[130]基于IKONOS數據首次在我國城市中心城區尺度上探索土地利用的不透水性。王俊松等[131]提取了城市區域尺度上的不透水面信息,利用監督分類方法得到了綠地、裸地等城市透水面高精度信息。Deng等[132],Zhang等[133]利用多時期遙感圖像分析了珠三角地區不透水面的變化及城市擴張情況。程熙等[134]整合夜間燈光遙感與Landsat TM影像中的空間和光譜信息實現了不透水面覆蓋范圍的自動提取。周玄德等[135]利用歸一化不透水面指數(Normalized Impervious Surface Index,NDISI),提取了烏魯木齊市主城區的不透水面。通過文獻分析梳理出不透水層表面提取的主要方法如表4所示。

表4 不透水層提取的主要方法

不透水層分布是城市和區域環境的生態考核指標之一,對城市和區域的發展規劃和生態評估具有重要意義[151]。因此,已經有很多學者都開展了此類研究,城市不透水表面是影響城市生態環境的重要因素。不透水表面信息已被廣泛應用土地利用現狀、城市環境保護、城市水文模擬和城市專題制圖等,故獲取及持續監測不透水層并從中獲取更多信息,用于各個領域的討論和研究,從而改變城市面貌,改善人居環境。但是,城市遙感研究中不透水面信息的準確提取一直都是需要攻克的難題。如：市區不透水面信息低估和農村不透水面信息高估是典型的問題。這樣的問題可以通過結合志愿者地理信息(VGI)[152- 153]來解決。今后可以使用VGI將錯誤分類的建筑物陰影和水覆蓋物糾正到不透水表面。此外,VGI還可以提供有用的土地覆蓋信息[154],以改善城市不透水的地表分類。

1.4 城市景觀格局

景觀格局包括景觀組成單元的數目、類型以及空間分布與配置[155]。定量分析景觀格局及其變化對于監測和評估城市化的生態后果至關重要[156],從景觀空間格局角度來理解以及解決城市化問題是景觀生態學的一個研究熱點[157]。通過中國知網數據庫,按照主題為遙感*城市* (“景觀格局”+“景觀”+“LUCC”+“土地利用變化”)共檢索出113篇文獻,通過Web of Science數據庫,按照主題為Remote Sensing* Urban*(“Landscape Pattern”OR“Landscape”+“LUCC”+“Land Use Change”)共檢索出1290篇文獻。圖9揭示了1999—2019年間的中英文發文數量趨勢,圖10揭示了我國不同的研究機構及不同國家/地區發文現狀。

圖9 近20年中英文發表文章數量趨勢圖Fig.9 Trend chart of publishing article number in Chinese and English about twenty years

圖10 近20年國內不同機構及不同國家/地區發表文章現狀Fig.10 The status of publishing article in different domestic institution and different countries/regions about twenty years

從圖9可以看出,關于城市景觀格局遙感研究的中英文文章數量雖然在個別年份出現了明顯的回落現象,但是整體上呈現陡增上升的趨勢,從圖10中可以得知北京林業大學在城市景觀格局遙感研究中發表中文文章數量最多,為35篇。其次為南京林業大學和華東師范大學,因為這三所高校在景觀生態學的研究中都具有一定優勢。從不同國家/地區發表文章數量來看,中國發表文章數量最多,為463篇,其次為美國,為360篇,之后為德國,為62篇。

國外學者Batty[158]在構建細胞自動機模型的基礎上,探討了該模型與城市格局之間的關系。Luck & Wu[156]以美國亞利桑那州鳳凰城為例,分析城市景觀格局變化與空間幅度大小的關系。Raúl & George[159]研究了西班牙Encinares城市景觀格局變化并進一步解釋了產生變化的原因及其生態意義。Kabisch等[160]利用一種多傳感器多時相的遙感方法,用于檢測城市景觀格局異質性中的土地利用動態變化。Ramachandra等[161]利用完善的景觀指標和遙感數據量化了城市動態。國內學者徐建華等[162]通過SPOT全色波段數據和地理信息系統技術,用空間統計分析方法研究城市景觀格局的空間尺度效應。杜秀敏等[163]基于人工神經網絡技術,建立了廈門市景觀格局分析的模型。逯萍等[164]選取景觀破碎度、分維數、分離度等指數進行了延吉市景觀格局定量分析。范辰等[165],陳文術等[166]均利用多期遙感數據探討了城市景觀格局的動態變化以及其驅動因素。此外,付鳳杰等[167]還運用景觀格局指數和景觀連通性等方法定量分析了建筑景觀和綠地景觀變化及空間影響,常用于城市遙感的景觀指數有破碎度指數、分離度指數、孔隙度指數和多樣性指數等。

總之,正如潘泓君[168]在研究中指出：利用景觀指數描述景觀格局存在一定不足,如：景觀格局指數有幾十種,它們之間存在著一定的聯系,因此,在研究中應該更多考慮景觀指數應用的合理性。其次,由于景觀格局指數具有尺度效應,從而使研究的難度和不確定性增加。

1.5 城市生態安全

城市生態安全指支持城市經濟社會持續發展的基礎上,人類生活的城市自然生態環境條件處于其承載力內的一種城市生態系統狀況[169]。而城市生態安全格局是維持城市自然生命系統正常運行,保持經濟社會可持續發展的關鍵性格局[170]。通過中國知網數據庫,按照主題為遙感*城市* (“生態安全”+“生態變化”+“環境承載力”+“生態足跡”+“生態紅線”)共檢索出133篇文獻,通過Web of Science數據庫,按照主題為Remote Sensing* Urban*("Ecological Security"OR"Ecological Environmental Change"OR"Ecological Carrying Capacity"OR"Ecological Footprint"OR"Ecological Red Line")共檢索出30篇文獻,圖11揭示了1999—2019年間的中英文發文數量趨勢圖,圖12揭示了我國不同的研究機構及不同國家/地區發文現狀。

圖11 近20年中英文發表文章數量趨勢圖Fig.11 Trend chart of publishing article number in Chinese and English about twenty years

圖12 近20年國內不同機構及不同國家/地區發表文章現狀Fig.12 The status of publishing article in different domestic institution and different countries/regions about twenty years

從圖11可以看出,關于城市生態安全遙感研究的中英文文章數量都普遍偏低,兩者均存在比較明顯的波動現象,雖然中英文文章數量都呈現增加的趨勢,但是之間的差別不大,發展較為緩慢。從圖12中可以得知福州大學在城市生態安全遙感研究中發表中文文章數量最多,通過之前的分析發現福州大學在城市遙感研究的很多領域都是領先的,說明了這些領域之間存在一定共性。從不同國家/地區發表文章數量來看,中國發表英文文章數量最多,為18篇,其次為美國,為3篇。從統計中可知,國內外利用遙感技術評價城市生態安全的文章較少,這可能是由于很多學者都是采用模型,算法進行城市生態安全評價。

國外學者Brauch[171]運用PSR模型作為生態安全的評價模型,完成了區域的生態安全評價研究。Hodson和Marvin[172]提出了如何在城市生態安全條件下確保世界城市物質和生態再生產的論點和一系列命題。國內學者張浩等[173],郭斌等[174]對快速城市化下區域開發的生態承載力及生態風險度進行了動態評價,且提出相應的生態風險調控措施。麻秋玲等[175]基于壓力—狀態—響應(P—S—R)模型,利用突變級數法對福州市2000—2009年生態安全進行綜合評價。Lu 等[176]提出了一個濱海旅游城市生態安全系統模型,該研究所提供的方法可以用于評估潛在的社會經濟對沿海旅游城市生態安全系統的影響,并為科學管理提供有用的信息。黃煥春等[177]把天津市濱海新區作為研究區,對其生態安全格局底線運用GIS和大數據技術進行綜合分析,最終得出優化城市擴張模式的合理途徑。艾媛巧等[178]將生態安全等級劃分為了5個等級,然后在PSR模型和熵權法的支持下分別對2007—2016年的長沙市生態安全進行了評價,并運用無偏GM(1,1)模型對長沙市2017—2021年的生態安全值進行了預測。通過文獻的分析,作者梳理出生態安全評價的模型框架如表5所示。

表5 生態安全評價的模型框架

總之,在城市生態安全及風險評估過程中,可借助3S技術手段,將其以空間的形式進行表達。然后對其進行歸因分析,之后再借助相關模型(熵權TOPSIS法、ARIMA模型、人工神經網絡模型等)或者改進的模型來開展對生態安全的預測和預警分析。

通過上述的國內外文獻梳理,發現我國學者非常重視在城市地表溫度、城市邊界擴張、城市不透水面、城市景觀以及城市生態安全這個五個主題的研究,促使我國學者的文章數量呈現出遞增的趨勢。作者認為雖然這些研究都是單獨統計和分析的,但它們彼此也存在一定的聯系(圖13),城市不透水面和城市擴張變化都會驅使城市地表溫度發生改變,隨之城市景觀格局也會發生變化,在此基礎上,可以探討城市生態安全性。如：Huang等[192]對2050年的城市土地擴張和熱島強度進行了全球空間精確的預測。研究得出：城市擴張造成的氣溫升高與溫室氣體排放造成的氣溫升高一樣嚴重,在某些地方甚至更嚴重。結合溫室氣體空間變化和社會經濟發展,揭示了一個新的全球極端熱風險增加的地理環境。因此,今后如何更好的開展這五個主題的交互研究,需要作者以及科研工作者不斷的去探索和完善。

圖13 本研究主題的關系圖Fig.13 Relationship map of research subject in the paper

2 討論與結論

2.1 討論

目前,城市陸表環境(城市綠度、城市熱度、城市濕度、城市灰度、城市亮度以及城市高度)決定城市宜居性,與人們日常生活密切相關,其內部作用機理復雜,已成為重要命題和研究熱點。伴隨著城市的邊界擴展,不透水面繼續擴張,城市熱島效應加劇,其中LST受高覆蓋的不透水面影響較大。由于植被的降溫效果較好,因此在城市生態環境建設中,要考慮綠地面積和空間分布,既可以美化城市,又可以降低城市熱島效應。通過一些措施,如優化不透水面的空間格局；降低不透水面的斑塊密度等措施,以便減弱不透水面對地表溫度的正相關作用。還可以從道路的材質選擇、屋頂綠化等措施,來優化城市生態環境。

雖然,有關城市遙感的研究已經取得了豐碩的成果,學者們也在不斷完善研究方法,但是由于受數據的可獲取性和方法的精度性限制,目前還有許多問題需要進一步分析,因此,從目前的研究態勢來看,研究還主要存在以下不足和問題：

(1)城市地表溫度研究方面：遙感圖像已被廣泛用于估計陸地表面溫度(空氣溫度的主要驅動力)以及繪制LST的空間分布圖[193]。此外,遙感反演的是地表溫度,而實測的是1.5—2.0m處的氣溫,所以兩者之間會有一定差異。現有許多地表溫度算法的參數已經較少,而且較為成熟。當前地表溫度反演的問題是如何將地表溫度與氣溫進行耦合和關聯的問題。針對此問題,國內外學者[194- 196]已經研究了地溫與氣溫的時空特征,發現地溫和氣溫相關性極強。目前各種算法的反演結果與實測溫度都存在一定差異,如何提高各算法反演的準確度？如何細化定量評價影響地表溫度因子(人為熱排放對地表溫度的影響)？因此,有必要開發一種新技術,通過協同使用紅外和微波測量來估計全天候條件下的全球LST。此外,加強對LST的地面觀測會進一步提高全球和區域衛星對LST估計的準確性。

(2)城市擴張研究方面：目前已經從各個方面研究了城市擴張對生態環境帶來的影響,但仍然存在一些局限性。在研究城市擴張帶來的生態環境影響時,缺乏相對系統,客觀和全面的評估體系。而且,參與生態環境影響評估的大多數影響因素都來自低分辨率和中等分辨率遙感圖像,有必要采用更高分辨率遙感圖像提高其評價準確性。城市地區的擴展通常有助于城市熱島的形成,從而增加LST的規模。建議今后應考慮夏季和冬季之間的季節性,開展LST的季節變化研究。總體而言,必須融合多源遙感圖像,以滿足不同規模城市擴展的需求,而目視判讀和自動分類方法的集成已成為當今的趨勢。遙感技術在我國城市擴展領域的應用隨著數據建設、方法和模型從初始階段發展到創新階段而得到了推廣。但是,仍需要從城市擴張過程及其對當地土地利用的長期和高頻影響方面著眼于全國城市化趨勢和模式。

(3)城市不透水表面研究方面：由于城市地表覆蓋的多樣性,人造地面物體材料的復雜性以及地表成分的異質性,如何準確地提取城市不透水表面是一個仍需要解決的復雜問題。雖然,Huang等人[197]提出了基于深度學習和多源遙感數據的城市不透水面自動提取(AEIDLMRS)方法,但是一方面由于AEIDLMRS方法的復雜性導致提取效率不如傳統的方法,因此,要提高計算機硬件設備或者采取云計算平臺,另一方面還需要解決由于植被覆蓋路面產生陰影后導致的不透水面提取遺漏問題。因此,不透水表面的精確估計仍然具有挑戰性。另外,Wang和Li[121]提出了一種基于深度壓縮的卷積深度置信網絡(dc—CDBN)方法和一種用于多源數據融合模型的新穎分類策略,但是該作者的研究并沒有詳細探究針對不透水面問題的科學難點和解決方案,因為在科學研究中會不斷出現新的挑戰,所以,在出現新問題時合理采用最佳方法來解決這些問題是今后要面臨的科學難點。城市不透水面監測的準確性直接影響城市管理的決策和環境治理的質量。為了提高城市不透水面監測的準確性,我們必須清楚還要面臨很多的技術挑戰。總體來看,基于多源數據的不透水表面提取是一個研究趨勢,而具體的融合方法也將成為一個研究重點。

(4)城市景觀格局及生態安全方面：景觀格局指數之間存在相關性,在研究中需要更多的考慮景觀指數應用的合理性。由于景觀格局指數的尺度效應問題,以至于增加了研究的難度和不確定性。在城市景觀格局以及生態安全研究中,仍然有一些問題需要解決,如：①傳感器圖像的空間分辨率必須足夠高,以區分城市土地利用和城市土地覆蓋的不同結構；②傳感器設計應允許有意義的指標,如NDVI是最普遍采用的植被指數,但是,考慮到城市地區的復雜性和多維性,NDVI可能會低估城市綠色空間中的綠色程度；③城市地區是地物復雜的區域,復雜的城市結構可能會隨著時間的推移而在很小的時間內發生變化；④雖然在景觀格局及生態安全研究中,所采用的遙感圖像,如Landsat,SPOT或IRS之類的衛星已經提供了超過25年的產品,而Rapid Eye已經提供了10年的圖像,這些圖像可用于監測隨時間變化的城市狀態和結構。然而,在某種程度上,不同的光學遙感數據針對小尺度城市區域的復雜性,異質性的研究具有不確定性。

盡管土地利用/土地覆蓋方式對城市小氣候的變化有很大的影響,但是管理者很少關注發展適應氣候變化的局部戰略。為了在不損害城市環境的情況下應對城市擴張的挑戰,未來的工作應探討城市擴張對景觀格局變化和生態安全變化的影響。

總之,快速的城市化導致了城市用地擴張時空變化加速[198- 199]。進一步,城市擴張導致不透水表面空間格局發生變化,從而引起城市地表溫度空間格局發生變化。通過引入景觀生態學理論,可以分析不透水面景觀格局的空間變化規律。城市居住環境的迅速蔓延改變了城市生態環境的時空分布[200-201],因此,引發了一系列城市生態安全問題[202- 204]。在未來新型城鎮化過程中,堅持可持續發展的理念,將生態安全的價值觀與現代文明建設置于同一高度[205],從上述五個方面,采取交互研究的方式,為城市遙感研究發展提供一定理論指導。

2.2 結論

本研究通過梳理國內外研究文獻,對城市遙感的5個主要研究主題進行了歸納和總結。主要得出如下結論：

(1)從研究對象來看：城市地表溫度(LST)的研究以熱島效應研究為主,但也有學者開展了城市冷島效應的研究,此外,LST的反演方法也逐漸得到了改進和提升；城市擴張研究中針對城市增長邊界的研究方法逐漸提高和改進,而且基于城市群的時間序列研究也逐漸成為主流趨勢,但是不同規模的城市以及城市群擴張的特點、擴張強度、擴張類型有待深入研究；雖然城市不透水層的提取方法逐漸改進和提高,但是,城鄉交接區域不透水層信息提取的精度研究依然是今后的難點。城市景觀格局研究方法較為成熟,但是,針對不同類型、不同規模城市的景觀格局指數選擇依據還依然存在一定的不足,因此,景觀指數的最優化選擇是今后的難點。城市生態安全研究中采用的方法是以模型,算法為主,而且算法也在不斷的改進和完善,但是借助遙感技術構建適合不同類型城市的生態安全指數的研究較少。

城市遙感的研究目標將不斷擴展、深化和聚焦。除了本研究探討的五個主題以外,還有很多領域有待探討,如：城市水環境、城市微氣候、城市綠地生態系統、城市固體廢棄物、城市噪聲污染、城市地面沉降、城市光污染和電磁污染、城市林業、城市人口以及城市房地產等。作者認為對城市遙感領域之間的交互研究將是今后科學研究的前沿。

(2)從采用的數據源來看：數據源從單個遙感數據研究走向多源遙感數據融合發展的方向,多源遙感數據尤其是結合高分辨率數據越來越多的被應用到城市研究的各個領域。如何充分整合和利用更多的遙感派生產品、公開專題信息、行業監測數據等,將是今后城市遙感數據資料選擇的一個重要方向,不僅可以降低城市遙感數據選擇的難度,還可以提高數據資料綜合分析能力,便于得出更客觀、可靠的研究成果。將遙感數據整合到單中心城市空間結構模型中對于在缺乏空間分解數據的發展中國家的應用而言是一個有用的選擇；為了實現這種可能性,需要對城市建模和空間數據采集進行進一步研究。

(3)從研究內容來看：城市遙感研究已開始了從二維到三維空間的拓展,如：三維城市地表溫度的研究、植被三維結構提取、綠度空間三維分布與配置評價等。此外,數字城市、智慧城市建設這些領域都要求建立城市三維模型,加強對三維城市建筑模式與城市熱島效應之間關系的探討,有利于合理規劃城市建設布局。城市遙感涉及的內容之間相互作用,相互影響。今后應按照城市形態與構成、城市關鍵要素、生態環境響應、生態環境評價以及城市擴展與環境預測的體系結構進行綜合分析。