1. 引言
城市是一个综合的地理实体,它是社会资源、区域经济、人口的自然社会环境等多种要素在地理上的直观表现,彰显了城市空间形态的转变规律和城市发展过程中的动态演化形式,监测城市扩张的动态变化,探索城市演化的动态规律,是研究城市发展过程中不可缺少的一部分 [1] [2] 。城市的不断发展会推动城市空间的规模持续增大,从而导致水土流失、植被破坏和耕地减少等现象出现。因此,监测城市发展过程中的变化状态十分必要,通过遥感监测手段来监测城市用地的动态转变状况,对从整体上来掌控城市土地利用类型的变化模式是十分有利的,且能够为科学规划城市空间、制定相关的方针政策等方面提供一些借鉴 [3] 。
传统的通过人工测量来进行土地利用监测的方法俨然已很难满足城市空间快速扩张的监测需要,在没有GIS辅助的情况下,通常是通过计算机相关的分类方法来获取城市的用地信息,精度不够且费时费力,并不适用于实时监测城市的用地信息。而GIS与RS的结合,拥有传统监测方法所无法达到的精度,它具有数据精度高、投入成本不高、速度快等特点,能够清晰准确地反映出城市空间结构、空间形态的动态变化,是用来分析城市空间动态变化的一种重要手段 [4] 。
近年来,许多国内外优秀的学者投入到了对于城市空间变化监测方面的研究。例如:贺振等 [5] 利用面向对象的分类方法和影像等所需资料,探究了时间跨度为21年的郑州市区所发生变化的城市建设用地相关信息,以此为基础获取城市扩展的相关规律和影响因素;冉慧等 [6] 通过将RS和GIS技术相结合提取出长春市主城区的土地利用信息、分析了长春市城区的土地利用时空动态变化的各项指标以及驱动因素,并对城镇化监测数据管理系统进行分析、研究与建设等;DMSLB Dissanayake [7] 研究调查了斯里兰卡加勒市政委员会区域(GMCA)土地利用土地覆被(LULC)在时空上的变化以及其对地表温度的影响,分析建成区变化;张晓楠 [8] 将邯郸市、周边部分县区作为主要研究,通过热红外波段数据反演邯郸市的地表温度,并得到热岛分级,在此基础上分析了城市化的原因;Bagan等 [9] 和Weng [10] 运用遥感指数来研究提取城市的建设用地面积。Shota IINO [11] 分析了土地利用/土地覆盖、地表温度和植被变化,以此评估了城市未来可控规划和扩张的进程,从而根据两个不同年份的分类图像来监测兰契市过去25年中城市扩张的变化;Verbesselt J [12] 通过NDVI和非监督分类方法对华盛顿地区近23年的城市扩张信息进行了提取。因此,结合遥感热红外影像波段特征和计算机目视解译方法去实现基于遥感影像的建设用地提取,进而通过相关扩展特征城市指数计算去实现城市的空间变化监测是一种快速、客观、准确的方法。
2. 研究区与数据源
2.1. 研究区概况
昆明市是云南省的省会城市,市中心位于北纬25˚02'11,东经102˚42'31,是典型的亚热带季风气候,极易受到来自西南方向的南亚暖湿气流的影响,年平均气温较为稳定,在16℃左右。昆明市包括7个市辖区、1个县级市、7个县,城区温度区间为0℃~29℃。数十年来,昆明的城市化进程是十分迅速的,人口大量增加,城市用地大规模增加。根据官方的数据可知,上世纪80年代以来,昆明市中心城区的用地面积扩张了将近8倍,从当初的53平方公里迅速增长到了如今的425平方公里,并将持续向南北扩张,具有典型的代表性。因此,本文选择昆明市的主城区,即五华区、西山区、官渡区、盘龙区和呈贡区作为研究区域,研究区总面积2752.06平方千米,对其在2006~2019年间的城市空间扩张情况进行遥感监测与分析。
2.2. 数据源
研究所采用的数据源为:2期分辨率为30 m的Landsat TM/OLI影像资料(129/43),时间为2006年5月19日和2019年5月21日。以及该区域1:5万的地形图,《昆明市统计年鉴(2006~2019年)》以及其他辅助性地图。从影像质量要求上来看,研究区上空应不受云层遮挡,地面的特征准确清晰,图像受到较少的干扰。
3. 城市建设用地信息提取
基于典型地物谱间特性的分析,基于热红外遥感波段特征,对昆明市主城区进行地表温度反演,然后根据各地物反演温度差异选择合适阈值,并结合计算机目视解译方法准确提取出建设用地。
3.1. 地表温度反演
热红外遥感探测技术是获取大片区域面积的温度值、时间和空间的分布特征的重要途径 [13] ,其热动力温度的反演是一种基于地表物体所特有的发射率特性来获取表面热红外光谱的辐射能量的技术手段。而Landsat系列卫星具有以高空间分辨率提供LST估计的潜力,特别适合于本地或小规模研究 [14] 。本文主要采用的反演算法是大气校正法,其基础的作用原理是预先估计地表热辐射被大气所影响的程度,再将被大气因素所影响部分的热辐射强度转换为与此相对应的地表温度 [15] 。其中,主要通过利用TM/OLI的红外、近红外和热红外波段进行地温反演,具体流程如图1所示。
![](//html.hanspub.org/file/5-2420663x7_hanspub.png?20240428093518805)
Figure 1. Flow chart of ground temperature inversion processing
图1. 地温反演处理流程图
3.1.1. 数据预处理
反演的相关参数需要通过遥感图像的反射率来确定,因此,对遥感影像做辐射定标和大气校正的相关处理是必要的,并且将原始的遥感图像DN值通过上述手段,转换成较为确切的地物反射率,为进行温度反演提供条件。数据预处理主要是指对Landsat影像进行相关的初步处理,包括每一期遥感影像的几何校正、辐射定标、大气校正、配准剪裁等相关操作。
3.1.2. NDVI计算
NDVI指的是通过利用植被在红外波段有一个陡变的性质,利用两个波段进行相关运算来达到放大植被这一特性,从而突出植被的某一特性或细节 [16] ,来提取出植被信息的计算指数,计算公式为:
(1)
其中,NIR表示遥感影像在近红外波段的反射值,Red表示遥感影像在红光波段的反射值。且当NDVI的取值愈大,地表距离完全的植被覆盖愈近;当NDVI的值越小时,地表距离完全的裸土越近;而当NDVI的值介于完全植被与完全裸土之间时,说明植被覆盖占一定的比例,裸地占一定的比例。计算研究区范围内的植被覆盖度Hv,主要采用混合像元分解法来进行计算。因此,可以用以下的公式来计算各个像元的植被覆盖度。
(2)
其中,NDVI表示归一化差异型植被指数,NDVIS表示像素单元中完全被裸土或者没有被植被所覆盖的区域的NDVI值,NDVIV表示像素单元中被植被所覆盖的区域的NDVI值。据相关经验可知,取值为NDVIV = 0.7和NDVIS = 0.05来进行计算,即当Hv在某个像素单元的NDVI取值大于0.7时取1;在某个像素单元的NDVI取值小于0.05时,取0 [17] 。
3.1.3. 地表比辐射率计算
地表比辐射率LSE的取值与地表面的构成成分、粗糙程度、地物的波长等原因相关。地表发射率的变化受到地表面特性和结构的影响。通过ENVI的波段计算工具,处理DN值大于1的像元,输入表达式:
(3)
计算可得到植被覆盖度图像,继续通过波段计算器,计算地表的比辐射率。主要通过Sobrino的NDVI阈值法来进行计算:
(4)
其中,Hv表示植被覆盖度,计算可得到地表比辐射率图像。
3.1.4. 黑体辐射度计算
通过辐射传导方程式,可以计算得到黑体辐射亮度值,通过波段计算工具,输入表达式:
(5)
式中,Bf表示地表的比辐射率图像;fl表示第十波段的辐射亮度图像,Hf表示黑体辐射亮度值。计算可得到相同温度下的黑体辐射亮度图像。
通过Planck的反函数,运用所求得的黑体辐射亮度值,来求取得到实际的地表温度区间的分布数据。同样,在波段运算工具中加入Landsat 5数据的计算公式(6)和Landsat 8数据计算公式(7),来求取地物实际的地温,并分别获取2006年和2019年昆明市的地表温度图像,计算后的结果如图2和图3所示。
Landsat 5:
(6)
Landsat 8:
(7)
其中,Hf表示相同温度下的黑体辐射亮度值,Wd表示地物实际的地温。单位是摄氏度。
![](//html.hanspub.org/file/5-2420663x15_hanspub.png?20240428093518805)
Figure 2. Surface inversion results in 2006
图2. 2006年地表反演结果
![](//html.hanspub.org/file/5-2420663x16_hanspub.png?20240428093518805)
Figure 3. Surface inversion results in 2019
图3. 2019年地表反演结果
3.2. 城市建设用地信息提取及精度评价
3.2.1. 建设用地提取
根据上述地温反演所得结果,结合研究区遥感影像,可看出各地类温度情况,水域 < 植被 < 建设用地。根据此特点,结合现实情况,选取合适阈值提取出建设用地。但无法避免的是,裸地和建设用地温度相近,不易区分,会导致部分裸地没有与建设用地区分开,被归入其中。因此,需要进一步结合计算机目视解译方法来剔除错分的裸地,提高建设用地的提取精度,以便更加准确地提取出昆明市城市建设用地,在此基础上再进行空间的监测与分析。基于上述方法,分别提取2006~2019年昆明市建设用地,提取得到的结果如图4和图5所示。为了更清晰地看到城市扩张情况,将2006~2019年的提取结果进行叠加,如图6所示,昆明市建设用地变化明显,进行其城市空间变化遥感监测是十分必要的。
![](//html.hanspub.org/file/5-2420663x17_hanspub.png?20240428093518805)
Figure 4. Change of construction land in 2006
图4. 2006建设用地变化
![](//html.hanspub.org/file/5-2420663x18_hanspub.png?20240428093518805)
Figure 5. Change of construction land in 2019
图5. 2019建设用地变化
![](//html.hanspub.org/file/5-2420663x19_hanspub.png?20240428093518805)
Figure 6. Change of construction land from 2006 to 2019
图6. 2006~2019年建设用地变化
3.2.2. 精度评价
精度评价是通过将实地测量所得到的数据和已经做好的分类结果进行比较,来确定分类结果的准确性。本文采用Kappa系数根据其计算模式和运算规则来验证提取精度,Kappa系数的主要作用是对各地类分类结果进行精度评价,它表示完全随机分类结果产生的错分部分,比经过评价的分类结果所增加占比 [18] [19] [20] ,公式为:
(8)
其中,
表示Kappa系数,a表示误差矩阵行数,ybb表示指第b行第b列(即主对角线)的值,yb+表示第b行的和,y+b表示第b列的和,M表示样点总数。计算得到两期分类结果的Kappa系数分别为84.6%和81.3%,所得精度较高,评价结果较好,达到分类精度要求,可用于分析研究区建设用地变化。
4. 城市空间扩展特征分析
空间城市化最为明显的呈现方式就是由城市扩张而导致城市的空间构成的变更,分析空间组成架构和形态的动态变化,有益于了解城市扩张的机理、驱动因素和变化规律;合理地规划城市,有助于城市的可持续发展。在研究城市空间扩展时可使用许多指标,本篇文章主要使用几何中心、扩展速度、扩展强度、城区扩展动态度和面积扩展度五个指标来定量比较和分析城市时空扩展功能和差异。
4.1. 城市几何中心
城市的几何中心是指城市地理坐标的中心位置,在区域城市的形态上,空间中心与区域内的中心城市相重合,在城市的内部,空间中心则与区域内所说的市中心相重合,集中了城市大部分的活动,像商品销售、物品交换、政府办公、交通、娱乐、教育等。空间中心的位置通常是和城市最初的样子息息相关的,换言之,与城市的生长的点位有关,而这些点通常就是那时的市中心 [21] 。因此,城市几何中心的偏移代表着一段时间内城市扩展重心的转移,重心的变化也代表着一段时间内城市的发展重点的转移,可用于监测一定时期内的城市空间动态变化趋势。
由图7可看出,昆明市主城区的几何中心变化明显,呈现出“整体向东偏移”的变化趋势,2006~2019年间,向东偏北方向移动4.9806 km,用全面发展的眼光来看,符合昆明市空间拓展整体规律,即昆明市的空间扩展主要以向东边扩展为主,其中,东南和东北为主要方向,从长远的角度来看,呈现出由滇池流域向外不断拓展空间的趋势。
![](//html.hanspub.org/file/5-2420663x22_hanspub.png?20240428093518805)
Figure 7. Geometric center change diagram
图7. 几何中心变化图
4.2. 扩展速度
扩展速度可对不同的时段内的研究区单元城市建成区面积的增长的快慢和趋势进行比较 [22] 。
(9)
其中,A(On)表示开始监测年份On的城市建设用地面积(单位:km2);A(On + 1)表示结束监测年份On + 1的城市建设用地面积(单位:km2)。划分城市年均扩展速度的标准为:低速扩张阶段(0~3 km2/a)、中速扩张阶段(3~6 km2/a)、中高速扩张阶段(6~10 km2/a)、高速扩张阶段(10 km2/a以上)。
根据表1可看出,2006~2019的13年间的扩张扩展速度为15.24 km2/a,扩展类型为高速扩展,其中,东北、东南方向扩展相当明显,这主要归因于东北方向的空港新区和东南方向的呈贡新区的大力建设与发展。其中,空港新区伟大工程的开发建设,以及在2010年建设起来的长水国际机场,使得昆明城区的东北方向变为一个全新的航空物流中转中心,昆明市成为面向东南亚、南亚以及欧亚的交通枢纽,东北方向的城市建设依靠空港新区逐步形成一定的建设规模;呈贡新区的大规模建设得益于政府行政办公用地的调整和教育设施的大量集中,呈贡片区集中了大量的高校及设施资源,高铁站的通车也带来大量的人流,以此带动区域的经济发展。
4.3. 扩展强度
扩展强度指数表示在确定的时间范围内,城市的土地面积变化度。
(10)
式中,ΔA表示监测时段内城区扩展面积(单位:km2),A表示研究区内的城市用地总面积(单位:km2),On表示起始年份,On+1表示监测结束年份 [23] 。
根据表1可看出,2006~2019的13年间的扩展强度为0.79,属于中速扩张。主城区建设用地分布的密度增大,建设用地扩张区域明显,整体扩展强度呈现出均衡的特征,是市级行政中心向南迁移和呈贡片区大学城加速建设的时期。值得注意的是,呈贡新区和空港新区的建设已经具备了一定的规模,但目前来说,还没有产生一个良好的集聚效应。城市将发展到东北部和东南部,并将形成一个更加紧凑的建设规模。
4.4. 城区扩展动态度
城区扩展动态度表示在一定的时间范围中,某一种土地类型数量的变化情况。一般来说,动态度越大,城市扩展变化越剧烈。
(11)
其中,ΔA表示监测时段内城区扩展面积(单位:km2),A(On)表示开始监测的年份On的城市的用地面积(单位:km2),On表示起始年份,On+1表示监测结束年份。
根据表1可看出,2006~2019的13年间的空间扩展动态度为4.17%,属于缓慢扩展。从一个角度来说,是因为已经开发建设的城市用地已达到了一定的规模,建设用地的面积原始基数较大;另一个角度来说,是由于主城区可利用的城市建设用地剩余量不够,可以扩展范围有限,因而导致空间扩展动态度较低。
4.5. 面积变化度
面积变化度可在一段时间内衡量研究区内土地类型的整体变化,能对土地扩展形态进行定量分析。
(12)
式中,ΔA表示监测时段内城区扩展面积(单位:km2),A(On)表示监测的起始年份On的城市建设用地面积(单位:km2)。
根据表1可看出,2006~2019的13年间的面积变化度为54%,变化较为明显,年均扩大面积为15.24 km2/a。其中,东北、东南方向面积扩展最为明显,主要以东北方向的空港新区和东南方向的呈贡新区面积快速扩展为主要标志,这得益于政府政策的大力支持;正南方向的面积扩展速度一般,主要是由于滇池附近地基不稳,容易塌陷,不利于高层建筑的建设;西北、西南、正西等方向扩展不太明显,主要受限于地形。
作为引领城市发展的主体部分,政府在城市建设和管理方面具有更大的主动性。昆明市区的向南扩张主要依赖于政策的部署以及规划的实行,主城区拥有巨大的建设压力,为解决此问题,昆明市政府提出了建设一个东南副中心的构想,构建集物流仓储、政府办公、教育培育为一体的综合功能区,昆明市行政中心往东南面的呈贡移动,省级行政办公区域,主要集中布局在主城区南部的广福路与滇池路的交汇处;市级行政办公区域,集中布局在东南部的呈贡新区的吴家营街道,新建、改造的区级行政办公用地及配套设施布局,在城市配套设施建设中,起到了辅助作用,为进一步推动南下城市建设发展,进一步推动形成由主城区、呈贡新区和空港新区组成核心区域的城市建设用地扩张模式提供了巨大的动力。面积变化最为明显的区域是城市的经济、交通和科技等区域,为城市的发展注入动力,以位于南部的马金铺科技园和东北部的空港新区、经济开发区等区域为典型代表,面积变化接近119平方公里;城市生活与休闲度假片区变化也较大,主要包括主城北部的盘龙山水新城,滇池北岸的半岛地区,呈贡的斗南和大渔片区等区域,面积达到71平方公里。
![](Images/Table_Tmp.jpg)
Table 1. Calculation results of each index
表1. 各指标计算结果
5. 结论和讨论
本文为探讨城市化发展对城市热岛效应演变的影响,选取2006~2019年Landsat影像,基于热红外遥感波段特征,对昆明市主城区进行地表温度反演,根据各地物反演温度差异选择合适阈值,并结合计算机目视解译方法准确提取出建设用地,在此基础上选取几何中心、扩展速度、扩展强度、城区扩展动态度和面积扩展度五个指标实现对城市空间变化的监测与分析。得出结论如下:
1) 结合遥感影像和GIS技术,能够有效监测城市的空间变化。根据地温反演结果,得到各地类温度情况为:水域 < 植被 < 建设用地。
2) 昆明核心区域主要拓展方向为东南、东北。其中,主城区的几何中心变化明显,呈现出“向东偏移”的变化趋势;扩展速度为15.24 km2/a,属于高速扩展;扩展强度为0.79,属于中速扩张。主城区建设用地密度增大,整体扩展强度均衡;空间扩展动态度为4.17%,属于缓慢扩展;面积变化度达到了54%,变化较为明显。
3) 2006~2019的13年间,城市建设用地扩张明显,滇池流域内的纯粹集群式开发模式转变为同时在流域外进行开发的“轴向多集群”开发模式,以推动昆明市形成沿主要交通路线有序扩张的多中心网络城市。