·9·
—以南京市江宁区为例
陈大钊，李国志，田晓晖
（国家林业和草原局华东调查规划设计院，浙江 杭州 310019）
摘 要：城市人口的不断增加以及城镇化进程的不断加快产生了城市社会与生态环境方面的问题，对城市化引起的包括不透水层在内的土地资源变化进行监测，并对其内在驱动因素进行分析是制定区域生态规划的前提。以南京市江宁区为研究对象，以1993—2013年Landsat 遥感影像数据为主要信息源，在提取研究区域不透水层信息的基础上，进行研究区域不透水层时间系列分析、空间分布中心变化分析、面积变化驱动因素分析。研究表明：11993—2013年研究区域的不透水层面积增加20.3%；2不透水层的空间分布呈现出以1993年为中心的放射状发展趋势；3不透水层面积比例与城镇化指数的相关系数为0.97，表明人口从农村到城市的流动是推动城市化进程的第一动力。
关键词：不透水层；时间系列分析；生物物理成分指数；江宁区
中图分类号：P237 文献标志码：B 文章编号：1008-701X （2021）02-0009-05DOI ：10.13641/j ki .33-1162/tv .2021.02.003
收稿日期：2020-06-03
作者简介：陈大钊（1962—），男，高级工程师，大学本科，主要从事林业、园林规划设计等工作。
E -mail ：****************
1 问题的提出
20世纪90年代以来，城市化的不断推进不仅影响城市中心地区，同时也改变了城市郊区土地资源的利用，其变化甚至比城市中心更为显著，最直接的影响就是不透水层面积比例。不透水层是指无法使水通过下渗到地表以下的人工地貌物质，常见的不透水层有房屋、道路、停车场等[1]。不透水层的发展扩张造成土地资源结构的变化，而这种变化不仅意味着城市人口的增加、经济的发展，同时也表示该区域原有生态系统被改变甚至破坏。在这样的背景下，如何科学有效地规划城市发展已成为不得不考虑的问题。
在不透水层动态监测方面，国外学者Ridd [2]
在1955年提出V -I -S 模型（V egetation -Imperious -Soil ）之后开始利用遥感工具研究不透水层。之后的学者在此基础上不断研究和总结新的研究方法，其中Slonecker 等[3] 和Brabec 等[4]分别研究总结不透水层遥感提取的3种主要方法以及1970—1980年用
于不透水层研究的4种方法。国内对不透水层的研究起步较晚，但在前人研究成果的启发下，国内学者也取得了较多成果，其中以周存林[5]创建的归一化差值不透水层指数在之后的研究工作中应用最为广泛，但此方法具有局限性，只能应用于特定的区域，而且只适用于中、低分辨率的不透水层制图。骆成凤[6] 与李明杰[7]提出估算和提取不透水层的新方法。
传统不透水层地面勘测与制图主要依靠人工，成本高而且消耗大量的人力物力，不具备大范围测绘的能力，与基于遥感观测的城市特征相比效率较低[8]。近些年来国内外针对不透水层的研究工作将侧重点放在不透水层图像利用与开发新的不透水层提取方法上，大量的论文着眼于利用不透水层来表征城镇化的进程。不少论文立足于国外主要城市不透水层的提取并结合各种资料进行对比分析，以此验证不透水层对表示城市化进程的重要作用，但是并未对研究区域进行较大时间跨度的研究。陈晋[9]等虽对研究区域1984—2010年的数据进行研究，其侧重点是提供一个更为有效的数据处理方法。郝
立仁[10]等对美国四大城市的不透水层面积变化进行时间分析，研究其是否能够用于城市政策制定，是否适用于现有的景观指标量化等，对不透水层面
第 2期 总第 234 期
2021 年 3 月
浙江水利科技
Zhejiang Hydrotechnics No . 2 Total No . 234
Mar. 2021
陈大钊，等：城市郊区不透水层变化时间系列分析—以南京市江宁区为例
积变化驱动因子的分析和其在空间上的变化进行动态监测的研究仍处于相对空白状态。本文对研究区域进行较大时间跨度的研究，对其空间分布与时间序列变化进行动态监测，并分析引起不透水层面积变化的驱动因子。
利用南京市江宁区Landsat TM/ETM+数据在ENVI 5.0及ArcGIS 9.3平台上进行大气校正及辐射定标，利用生物物理成分指数（Biophysical Composition Index，简称BCI）提取不透水层，这种方法相较于利用线性光谱混合模型更为快速、易于操作。同时BCI指数相较于NDVI、NDBI、NDISI等指数能更有效地反映不透水层面积变化情况[11]，而且BCI指数不存在NDVI等指数在空间和分辨率上的局限性。本次研究
使用的Landsat TM/ETM+数据属于中等分辨率数据，满足本次研究对数据精度的要求，同时Landsat TM/ETM+数据是免费数据，在原始数据方面没有资金限制，可以在较大的时间范围内使用。
2 研究区域概况
江宁区位于南京市中南部，从东西南三面围绕南京市主城，其地理位置为北纬30°38′~32°13′，东经118°31′~119°04′，全区土地总面积约1 577.75 km2，水域总面积约186.00 km2。江宁区属北亚热带季风气候区，气候温和，四季分明。光照充足，全年日照总时数达1 723~1 948 h，年平均无霜期为224 d；雨水充沛，全区历年平均降水量为1 072.9 mm，年平均相对湿度76%；年平均气温15.7 ℃，年极端最低气温-13.3 ℃，年极端最高气温为40.4 ℃，气候条件比较优越。
中华人民共和国成立后，江宁县被划入镇江专区，之后经过2次改划于1971年3月划归南京市。2000年12月，经国务院批准，江宁撤县设区，至此江宁区的区域范围基本稳定。到2015年底，江宁区总户籍数35.53万户，总人口数达99.36万，城镇人口比重71.52%。此外，江宁区交通体系健全，汇集航空、港口、铁路、公路等交通方式，是南京市对外交通的重要纽带。
3资料来源与研究方法
3.1 数据来源与预处理
数据源主要包括：1地理空间数据云网站（www.gscloud/）下载的江宁区1993—2013年Landsat TM、ETM+时间系列数据影像，云覆盖率＜10%，多光谱波段空间分辨率为30 m×30 m，全波段空间分辨率为15 m×15 m，影像数据时相选择为每年5—10月；2南京统计年鉴提供的江宁区1993—2013年气象、人文及社会经济资料（具体包括江宁区第二、第三产业GDP占总GDP 百分比、非农业人口占总人口百分比以及建成区面积）；3江宁区1:50万边界地形图、江宁区行政区域图（乡镇图）。
由于获取的1993—2013年江宁区LTSS系LIT 产品，已经经过几何精校正、正射校正，因此图像预处理主要包括辐射校正、云检测、条带去除。采用基于光谱规则的ACCA 算法对云及阴影进行自动识别并掩膜。在辐射定标基础上，利用FLASSH 方法对定标及云掩膜后的影像进行大气校正，将影像的光谱值转化为地表反射率值，形成相应的地表反射率产品。对于2003年5月31日后获取的Landsat-7 ETM+ SLC OFF产品的数据条带丢失情况，采用ENVI的Destrip补丁进行条带修复。3.2 研究方法
3.2.1 不透水层提取方法
生物物理成分指数（简称BCI）是通过把城市地表看作由植被、不透水层及土壤3种基本成分组成，并以此来区分城市地物的城市环境指数[12]。BCI由DENG C B[13]首次提出，其思想来源是1955年Ridd提出V-I-S模型，不透水层的BCI指数灰度值大于0，植被与其他土地覆盖类型灰度值均小于0，土壤的灰度值接近于0。将经过BCI指数运算的图像与进行水体掩膜的研究区域图像进行叠加，再根据不同覆盖类型的不同灰度值即可提取不透水层，此法与端元提取法相比更为简便，而且提取精度较高。
根据DENG C B的算法进行BCI运算，公式如下：
BCI=（（H+L） ∕ 2-V） ∕ （（H+L） ∕ 2+V）（1）式中：H表示高反射率，是归一化的TC1值；V是植被，是归一化的TC2值；L表示低反射率，是归一化的TC3值。TC1、TC2和TC3分别为TC的3个分量，对应遥感影像缨帽变换后形成的亮度、绿度、湿度3个分量。
·10·
陈大钊，等：城市郊区不透水层变化时间系列分析—以南京市江宁区为例
3.2.2 城镇化指数计算
城镇化对于不同学科有不同的意义：人口学
中的城镇化指的是农业人口转化为非农业人口的过
程，是一种历史过程，其特征是农村人口向城市不
断迁移和聚集；在地理学中城镇化代表农村地貌向
城市景观转化的过程；经济学中则把城镇化定义为
农村传统的自然经济向城市社会化大生产转变的
过程。由此可见，城镇化并不是一个单一的变化过
程，不仅代表人口从农村向城市迁移的过程，同时
也表现为地域景观的改变与产业结构的转变。城镇
化是人口、地域、社会经济组织形式从落后的乡村
型社会向先进的城市社会转化的过程，是多方面内
容的综合统一，是反应一个国家或地区经济社会发
展进步的重要标志。目前城镇化水平一般用城镇化
率来表示，城镇化率由国家统计局规定，其计算方
法为城镇人口与总人口的比值。虽然城镇化率在一
定程度上可以反映城镇化的进程，但是单纯的城镇
化率提高，只能反映城镇化在人口方面从农村向城
市转化，并不代表城市建设程度得到进一步发展。
不同于城镇化率只计算城镇人口的比例，城镇化指
数综合考虑人口、地域及社会经济组织形式对城市
发展的影响，能够较为全面地反映城镇化这一综合
过程。将建成区面积占总面积百分比，非农业人口
占总人口百分比，第二、第三产业GDP占总GDP
的百分比三者的等权平均数作为城镇化指数，综合
考虑影响城镇化进程的几种主要因素，而非传统单
一的人口因素，计算方法见公式（2）。
城镇化指数=
+ +
建成区
面积
总面积
第二产业GDP+
第三产业GDP
总GDP
3
非农业
人口
总人口
（2）
3.2.3 时间序列分析方法
时间序列分析的目的在于揭示某一事件发展变化的时间规律。时间系列数据与一般统计数据的不同之处在于数据之间有严格的先后顺序，大多数情况下时间系列数据往往存在某种前后相承的关系，而非互相独立。对于随机性波动较频繁的非稳态的植被覆盖度等时间序列的模拟和短期预测，常采用自回归移动平均（Autoregressive Moving Average，简称ARMA）模型[13]。ARMA模型的主要特点是设法将自回归过程AR和移动平均过程MA结合起来，共同模拟产生具有时间序列样本数据随机过程的模型。模型表达式如下：
yt=φ1yt-1+φ2yt-2+……+φpyt-p+εt-θ1εt-1-θ2εt-2-……-θpεt-p （3）式中：yt是平稳、正态、零均值的时间序列；p和q是模型的自回归阶数和移动平均阶数；φ和θ是不为零的待定系数；εt独立的误差项。
3.2.4 相关性分析方法
相关性分析是指对2个或多个具备相关性的变量元素进行分析，从而衡量2个变量因素的相关密切程度。相关元素之间需要存在一定的联系或者概率才可以进行相关性分析。相关系数是描述2个变量间线性关
系程度和方向的统计量，相关系数的正负符号说明相关性的方向，大小则表示相关程度的强弱。若相关系数r=1或-1， 2个变量之间是函数关系；若-1＜r＜1，2个变量之间是统计关系。当r＞0时，2变量为正相关；当r＜0时，2变量为负相关；当r=0时，2变量无线性相关。通常情况，∣r∣＞0.95存在显著性相关；0.80＜∣r∣＜0.95，高度相关；0.50＜∣r∣＜ 0.80，中度相关；
0.30＜∣r∣＜0.50，低度相关。
4结果与分析
4.1 不透水层面积比例时间系列分析
在获得不透水层信息之后，利用SPSS 22.0 时间序列预测模块的专家建模器选择模型ARIMA （0，0，0），对研究区不透水层面积比例时间系列变化数据进行模型拟合（见图1）。
Ϙ
ՋϘ
ʿ
͊
南京有几个区
300
200
100
1
9
9
3
1
9
9
4
1
9
9
5
1
9
9
6
1
9
9
7
1
9
9
8
1
9
9
9
2
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
2
1
2
1
1
2
1
2
2
1
3图1 不透水层面积比例时间序列分析图在上述的时间系列分析结果中，得到拟合模型的R2=0.974，表示模型的拟合精度较高，观测值在拟合曲线周围轻微波动。从图1可以得出，1993—2013年研究区不透水层的面积呈逐渐上升趋势，1999—2007年的观测值低于拟合值，其他
·11·
年份呈现出观测值高于拟合值的情况。1999年开始，在经过改革开放最初几年城市经济的迅速发展之后，政府注意到快速的经济发展虽然加速了城市的发展扩大，但是消耗了大量资源，增加城市生态系统的恢复负担。1999年之后政府制定的江宁区城市规划方案重点是在城市发展与环境保护之间寻平衡点。由于在此期间，江宁区的城市发展根据政府的规划严格在生态红线内进行建设，并在建设过程中对
历史文化与风景资源进行保护，因此房屋、道路、停车场等不透水层的建设受到一定限制，增长速度减缓，低于模型计算的拟合值，1999年之前受到改革开放的影响，江宁区的经济发展迅速，工厂、道路等一系列基础设施的建设速度也在不断加快，因此不透水层的增长速度也较快，从而高于模型计算的拟合值。2007年之后，生态环境有所恢复，城市建设速度也逐渐恢复，不透水层的增长速度加快，因此观测到的真实值高于预测值。
4.2 不透水层空间分布动态分析
在提取1993—2013年各年度研究区不透水层信息的基础上，采用ArcGIS 9.3度量空间分布工具箱中的中心要素工具，提取每个年度的不透水层分布中心，叠加生成不透水层分布中心变化图（见图2）。
从图2可以得出，江宁区不透水层的空间分布呈现放射状的变化特征，以1993年为中心逐渐向外层扩张，但并不是向每一方向上进行扩展，而是整体向北偏移。主要原因是江宁区的城镇发展主要集中在中部偏北区域。自然条件方面，此区域人文古迹和自然风景较少，不适合作为旅游用地；地理条件上，此区域远离长江，不适合作为农业用地；资源条件上，此区域具有丰富的淡水资源，适合作为城市用地。
不透水层的发展虽呈放射状但其发展并不均衡，而是偏向于北方，也得出大部分不透水层分布中心位于秣陵街道。秣陵街道自然资源丰富，属亚热带季风气候区，温暖湿润，四季分明，农渔业产品丰富。秣陵街道位置优越，拥有高效、便捷的立体交通网，物流运输畅通全国各地。适宜的自然条件与便捷的交通使这一区域适合居民生活，随着城市发展向这一区域迁移的人口较多，不断增加的人口促进秣陵街道住房、道路、停车场等基础设施的建设，不透水层的面积比其他地区大，不透水层的分布中心主要集中在这一街道。
4.3 不透水层时间变化驱动因素分析
城市郊区不透水层的变化过程主要受人为干扰因子的影响，人为因子主要包括非农业人口数量、经济发展水平、建筑面积等与城市化进程紧密相关的因子。由于温度高低、降水量多少对城市建设存在一定的影响，本文将气候因子纳入影响因子范畴。在气候因子中选取年平均气温，年平均降水量，人为干扰因子选取建成区面积比例，第二、三产业GDP占总GDP比例（简称二、三产业比例），非农业人口比例，共计5个变量，采用Pearson相关系数进行不透水层变化驱动因素分析（见表1）。
根据表1可以得出，不透水层面积比例与城镇化指数相关系数接近0.97，可认为两者有较大相关性，因此城镇化指数的不断上升与不透水层面积的增加有密不可分的关系，但是城镇化指数作为一个有多种影响因素的数值并不能直接作为不透水层时间变化的驱动因素。
将不透水层面积比例与非农业人口比例，建成区面积比例和二、三产业比例的相关系数结合起来，在这三者中，不透水层面积比例与非农业人口比例具有最高的相关性，与建成区面积比例相关性位于第二，与二、三产业比例相关性最低。因此，不透水层的时间变化不是单一的因素驱动，而是由影响力不同的几个因素共同作用的结果。其中非农
陈大钊，等：城市郊区不透水层变化时间系列分析—以南京市江宁区为例
·12·
业人口比例是影响最高的驱动因素，它的增长意味着城市人口增加，不断增长的人口需要城市提供更多的生存空间和工作岗位，刺激城市不断建设居民区和工厂，直接影响着不透水层面积比例；建成区面积比例位于第二，主要原因是建成区面积比例的增加受到政府决策的影响，在现有建成区的基础上增加建筑面积，无疑会增加不透水层的面积；二、三产业比例同样对不透水层的时间变化起到驱动作用，因为二、三产业的发展离不开工厂等基础设施建设，设施同样属于不透水层的范畴，其结果也使不透水层面积比例上升；年平均温度、年平均降水量与不透水层面积比例呈现较差的正相关，如不出现长期的极端
性天气，温度和降水对不透水层面积比例变化基本无影响。
5 结 语
经过对不透水层的时空变化及其驱动因子的分析，本次研究可以得到以下几个结论：不透水层面积比例随时间呈现不断增加的趋势，其中不同年份的增长幅度不同；不透水层因受到地区自然因素的限制和政府政策的影响，在空间上呈放射状分布，其动态变化则是以1993年不透水层空间分布中心为基准点向北偏移；造成不透水层面积比例不断增加的驱动因素主要为非农业人口比例，建成区面积比例和二、三产业比例，驱动因素通过直接或间接地影响研究区域各种建筑物以及道路等建设而影响不透水层的时间变化。
根据研究结论可以得出研究区域不透水层在时间和空间的发展规律，结合驱动因子分析可为城市建设规划以及人为控制不透水层增长提供依据。如：政府对农业人口的财政补贴，减少乡村人口向城市流动；减少建成区的扩建，保证不透水层的增长速度保持在一个较低的水平；控制二、三产业的发展，达到降低不透水层增长的目的。3个因素综合考虑以便更为有效地控制不透水层的增长速度。
本文虽然在一定程度上得出不透水层在时间和空间上的变化规律，但是选取的研究区域是否具有代表性并没有得到证实，因此得到的结论并不能延伸到所有的城市郊区。选择的Landsat数据属于中等精度数据，提取不透水层面积的阈值选择过程由人工完成，因此得到的结果精度有限，无法对其进行较高精度
的分析。
参考文献：
[1]项宏亮，吕成文，刘晓舟，等.基于SVM和线性光谱混合模
型的城市不透水面丰度提取[J].安徽师范大学学报，2013，36（1）：64-68.
[2] RIDD M K. Exploring a V-I-S（Vegetation-Impervious Surface-
Soil）model for urban ecosystem analysis throughremote sensing：comparative anatomy for cities[J].InternationalJournal of Remote Sensing，1995，16（12）：2165-2185.
[3] SLONECKER E T, JENNINGS D, GAROFALO D. Remote sensing of impervious surface：A review[J]. Remote Sensing Reviews，2001（20）：227-255.
[4] BRABEC E，SCHULTE S，RICHARDS P L. Impervious surface and water quality：A review of current literature and its implications for watershed planning[J]. Journal of Planning Literature，2002（16）： 499-514.
[5]周存林，徐涵秋.福州城区不透水面的光谱混合分析与识别制 图[J].中国图象图形学报，2007，12（5）：875-881.
[6]骆成凤.遗传算法优化的BP神经网络城市不透水层百分比估 [J].测绘科学，2011，36（1）：48-51.
（下转第19页）
表1 不透水层面积变化驱动因子分析表
驱动因子不透水层面积
比例
城镇化指数
非农业人口
比例
建成区面积
比例
二、三产业
比例
年平均温度
年平均
降水量
不透水层面积比例1
城镇化指数0.969 0121
非农业人口比例0.981 9960.988 5191
建成区面积比例0.949 4220.974 5690.978 1771
二、三产业比例0.816 1320.903 5480.830 9880.816 2371
年平均温度0.401 5620.435 1270.424 8210.430 0030.402 0761
年平均降水量0.159 6340.196 2070.189 5270.170 8050.199 716-0.157 7401
陈大钊，等：城市郊区不透水层变化时间系列分析—以南京市江宁区为例
·13·
发布评论