正文
1992—2012年是中国城市化进程最为迅猛的20年,国家实施土地开发战略、城市化步伐加快导致城市大规模扩张。此时间段被专家称为城市的“冒进式”增长状态。而目前利用DMSP/OLS夜间灯光数据针对城市化的研究主要集中于经济发达地区,而对于东三省这样地域辽阔、欠发达且极具潜力的区域,使用长时间序列的夜间灯光数据来监测城市扩张的相关研究却很薄弱。对此,本文采用Elvidge二次多项式模型,校正了东北三省1992—2012年的DMSP/OLS灯光数据,结合统计数据,提出了相对误差最小准则的阈值分割方法,采用景观格局分析方法,分析了1992—2012年东北三省主要城市群的空间发展演变特征。在国家提出复兴东北老工业基地的战略下,此研究具有重要的现实意义。研究成果能为管理部门提供决策参考,也能为规划部门提供科学依据。
1 研究区及数据
1.1 研究区域及数据介绍
本研究主要包括哈尔滨、长春、沈阳、大连、吉林、四平、本溪、抚顺、辽阳、鞍山、营口、齐齐哈尔、大庆、伊春等城市(图1)。东北地区面积为148万km2,人口约1.22亿人。
依据业务型线扫描传感器, 美国国防气象卫星计划提供了获取城市扩展信息的新数据源。传感器能灵敏地探测到包含城市灯光、汽车、船只等发出的灯光,并准确有效地区分城市灯光与黑暗乡村。本文使用的是DMSP/OLS的非辐射定标稳定夜间灯光数据,像元(DN)值为0~63,赤道附近的空间分辨率约为1km。数据下载来源于美国国家地球物理数据中心网站(https:∥www.ngdc.noaa.gov/)。本研究的数据来源于:F10(1992—1993)、F12(1994—1999)、F14(2000—2003)、F15(2004—2007)、F16(2008—2009)和F18(2010—2012)传感器。传感器在获取数据时受成像环境(大气散射、灯光散射、地形等)的影响,未经辐射定标的不同年份数据的DN 值没有连续性, 不具有可比性。因此,要校正来源于不同传感器的数据。1.2 数据校正
文献[11]最早提出了如式(1)所示的经验校正模型,并且针对DMSP/OLS非辐射定标稳定夜间灯光数据(空间范围为西西里岛地区),其他年份数据分别与F12(1999)作数据回归分析拟合,得到了1994—2008年的模型校正参数,而文献[17]以此模型校正了2009—2012年中国区域的数据。结合文献[11,17]1994—2012 年的校正参数,本文采用式(1)所示的校正模型,同样以F12 西西里岛的1999年数据为基准,分别对1992、1993年相同区域的数据进行回归分析拟合(图2),得到1992和1993年数据的校正系数(表1)。最后对相应年份的所有东三省主要城市群数据进行校正,得到校正后的东三省主要城市群1992—2012年的长时间序列数据。
2 灯光数据信息
2.1 城区面积的确定
完成灯光数据的预处理后,下一步是确定城区范围的阈值。阈值的确定方法包括基于突变检测法和经验阈值修正法,考虑到简单性、高精度和可靠性。本文提出一种基于统计数据的相对误差最小准则的阈值分割方法, 提取研究区内各个城市的城区,具体方法如图3所示。
DMSP数据为某城市某一年的灯光校正数据。针对该城市在1992—2012年间,分别设定初始阈值为1,进行迭代递增, 每次的递增值为1, 阈值的终止值为63, 直到找到该城市1992—2012 年每一年的城区最佳阈值。Area为该城市对应年份的面积统计值, 来自于中国城市统计年鉴和吉林、辽宁、黑龙江等年鉴。同理, 依次输入各个城市每年的DMSP 数据, 可以得到研究区内各个城市每年的最佳阈值。采用此方法分别对每个城市逐年进行分割提取, 提取到的沈阳市历年城市建成区面积的相对误差结果如图4 所示。
以沈阳市为例,采用相对误差最小准则的阈值分割方法提取到的城区面积, 年均相对误差约为0.023,标准偏差约为0.018,其中,最大误差的年份是2009年,约为0.1。该方法得到的城区面积与以往的全局最佳阈值为12的经验阈值法提取得到的结果相比,平均相对误差降低了将近2.4倍,且标准偏差更小。由此可见,基于DMSP/OLS 数据,采用相对误差最小准则的阈值分割方法是更加精确、更加简便可行的。2.2 景观指数计算
Fragstats软件能够计算出形状和大小各异的景观要素在空间上变化发展趋势,景观格局指数可以反映出同一性质的景观斑块在空间上的排列组合特点。鉴于由灯光数据提取得到的东三省城市区域数据景观类型单一性特点,能够使用Fragstats软件,结合景观指数, 计算和分析出东三省主要城市群的城区内1992—2012 年的城市化发展变化及扩张趋势。本文的9个典型景观格局指数为:总斑块数量(numberofpatches,NP)、景观总面积(totalarea,TA)、聚集度指数(aggregationindex,AI)、平均斑块面积(meanpatcharea,AREA _MN)、最大斑块面积比(largestpatchindex,LPI)、平均斑块密度(patchdensity,PD)、总边界长度(totaledge,TE)、平均边界密度(edgedensity,ED)和斑块平均回旋半径(mean radius of gyration,GYRATE_MN)。NP值大小与景观破碎度正相关,NP 越大景观越破碎。PD 为单位面积上的斑块数,也可以描述景观破碎度,PD 越小,单位面积内的破碎程度越小,本文单位面积取值为100km2。TA 代表城区的总面积。ED 反映城区的边界密度。TE 反映城区总边界长度。AREA _MN 表示城区的平均面积。AI反映城区边界的连接程度,AI越大,斑块之间的连接范围越大, 在空间上可以宏观的反映出城区合并的程度。LPI反映区域内城市最大的城区与总区域的面积比。GYRATE _MN 反映面积相同的城区形状差异。3 结果分析
3.1 东三省主要城市群的总体城市化进程分析本文选取的研究区域内城市总个数为17 个。在研究区域内城市较少的情况下, 本文采用相对误差最小准则的阈值分割方法对研究区的城市逐年进行分割提取。研究区内主要城市的1992、1997、2002、2007 和2012 年的城区提取结果如图5所示。
图5中,灰度10%的区域表示各个城市1992年的城区范围,灰度30%、灰度50%、灰度70%、纯黑等区域分别表示每个5 年内(1992—1997、1997—2002、2002—2007、2007—2012), 各个城市增加的城区范围。齐齐哈尔和大庆分别涌现了纯黑和灰度70% 小斑块,而最大斑块扩张趋势不明显。说明两个城市的主城区扩张缓慢, 而涌现了众多新兴的小城镇。哈尔滨涌现了一些小城镇,而且其灰度70% 和纯黑代表的主城区范围明显扩大(图5(a))。图5(b)表明长春的主城区在逐渐扩大,1992年环绕在主城区的小城镇,在2012年已经完全融入到长春的主城区内,且长春和四平之间的连通性显著加强。图5(c)和图5(d)均为辽宁省的重要城市,从图中可以看出,以沈阳为中心,城市的密集程度明显加强。沈阳、辽阳、本溪、鞍山之间的连通性增加,2002 年几个城市相互独立,而在2012年几个城市几乎连接成片,形成了密集的城市群。大连的东南部发展较快,内陆地带均发展成城市区域。结合景观指数,东北三省主要城市群的各项指标在1992—2012年变化趋势结果如图6所示。
图6(a)显示1992—2012年间,东北三省主要城市群的总面积在逐渐的增大, 城区总面积增加了约1.17 倍。而且, 东北三省主要城市群在1992—2012年间,城区斑块的AREA _MN 每年以2.34% 的速度逐渐增加, 且城区斑块的GYRATE_MN 年增长率约0.67%,这说明区域内城市用地面积正在逐渐扩张, 且同等规模的城镇扩张形式和方向具有差异性。1992—2006年间,东北三省主要城市群的城区斑块持续的波动起伏,而2006—2012年上升趋势明显,在2012年斑块数量达到最大峰值(图6(b))。图6(g)表明:AREA _MN 在1992—2006 年间上下起伏波动,但整体上呈现上升趋势,而2006—2012年变化趋势则逐年递减。该时间段内本区域AREA _MN 减少率约为2.647%,且主城区面积在呈持续增长趋势。这说明该区域在2006年以前,虽然每年会涌现新兴城镇, 但合并于主要城区,导致了斑块数量的波动变化。而在2006—2012,NP在稳定的增长,说明不断涌现新兴小城镇的速度要大于城镇之间相互合并的速度。在1992—2006年,AI整体上呈现逐步上升的趋势。由此可见,在此时间段内, 东北三省主要城市群的相邻城市之间,连通性逐渐增大, 区域在逐渐的连接成片。在2006—2012年间,AI较为稳定,说明此时间段内,城区合并在稳定进行(图6(h))。以上结果表明,东北三省主要城市群1992—2012年间的城市化过程总体处于发展状态,部分小城镇逐步发展为新城市。但是在1992—2006 年间,原有城市面积的扩张以及合并小城镇是东北三省主要城市群城区面积快速增加的主导因素,而在2006年以后,不断涌现新兴的小城镇和发展城市之间相连成一片是加快东北三省主要城市群城市化进程的主导因素。图6(d)表明:20 年间东北三省主要城市群的LPI虽然在上下起伏波动变化, 但是在2000—2012年变化呈现明显上升趋势, 年均增速约为12.5%。沈阳是本研究区内城区面积最大的城市。
因此,可以看出沈阳市城区面积在该时期逐渐扩大,该现象同时验证了大城市融合周边小城镇,面积逐步扩张是导致东北三省主要城市群的城区面积扩大的这一结论。同时, 在1992—2012 年,总体上,TE 呈现增加趋势,而ED 呈现明显下降趋势,TE 的年均增长率约为1.21%,ED 年均降低约1.37%(图6(e)、图6(f)),这说明研究区的部分斑块逐渐连接在一起。每100km2能够观测到的孤立城区斑块数量以年均2.43%的速度逐年降低,2012年较1992年共降低了约70.43%(图6(c)),说明东北三省主要城市群1992—2012 年城市分布的景观破碎度逐渐降低。这验证了发展中的相邻城市逐渐连接成一片是导致东北三省主要城市群的城市面积扩张另一个因素。3.2 城市群中典型城市城区扩张分析
考虑到一些城市在城市化进程中的典型性、代表性、相似性。本文选取了哈大齐城市群的哈尔滨、大庆、伊春, 辽宁中部城市群的沈阳、鞍山,辽宁沿海城市群的大连, 吉林中部城市群的长春、吉林8个典型城市。图7~ 图11 分别为这8个典型城市1992—2012年的NP、LPI、AREA _MN、PD和TA 指数变化趋势图。
哈尔滨是哈大齐城市群中最主要的城市。20年内,其城区总面积年增长率约为2.3%。图7 表明:NP在有规律的上下起伏波动。这说明哈尔滨每年都涌现一些新的小城镇, 同时伴随着一些城镇的合并。但在1992—2004 年间,NP 在整体上呈下降趋势,而2004—2009 年整体上呈现上升趋势,后三年波动变化。而LPI同样以2004年为转折点,在2004年以前呈现上升趋势,2004—2008年呈下降趋势,2008—2012 年再次上升, 上升速度较快(图8)。在整个长时间序列内AREA _MN 稳定增长,增长率为2.42%(图9)。这说明在2004 年前,影响哈尔滨市城市化进程的主要因素是原有的主城区扩张。而在2004—2008 年间,新兴小城镇的不断涌现是推动哈尔滨市加快城市化步伐的主导因素。而2008—2012 年,新兴小城镇的不断涌现,并且逐步融合在主城区的扩张中, 是哈尔滨近几年的持续扩张主要原因。大庆是重要的石油能源城市。图9表明:1992—2012年间,AREA_MN 在上下起伏波动,且波动的幅度较大,但整体上呈现上升趋势,AREA _MN 在2004年达到峰值。在2004—2009年呈明显下降趋势,平均面积减少率约为12.11%, 在2010 年以后,呈现明显上升趋势。TA 在2000 年以前变化幅度较小,基本稳定,在2000年以后,虽然TA 一直在持续的增长,但年增长率仅为1.36%(图11)。这说明大庆在20世纪90年代推动城市化的进程步伐加快,出现新兴城镇的同时, 伴随着更大规模的大城镇合并。进入21 世纪以后,大城镇发展速度变得缓慢,逐年地涌现了一群小城镇,整体上的城市化步伐变缓。NP 在2002—2012变化趋势,更直接地体现了2002—2009时间段内,大庆在逐年地涌现了一群小城镇,在2010年以后,主城区在逐渐扩张融合小城镇(图7)。图10和图8同时也侧面地验证了其城市化进程的规律,PD 和LPI在20世纪90年代波动振幅较大,在2004 年以后,前者逐年递增,后者呈现先逐年递减而后逐年增加的趋势。伊春是黑龙江省以农业为主的城市, 城市化速度比以工业为主的哈尔滨和以能源为主的大庆更为缓慢。图12 表明:20 年间, 伊春市2012 年较1992年的城区虽然有所增加,但是增加有限。且NP和AREA _MN 等变化趋势不明显,起伏不大(图7和图9),而PD 在呈现下降趋势(图10)。这3个指数共同说明了伊春在20 年间的主城区扩张速度缓慢, 且新兴城镇涌现的数量很少。尽管LPI在逐年增长,但20 年内,LPI范围为11% ~31%,主城区相比于研究区域内的其他城市而言占据全市城区面积的比重较小。新兴城镇很少,主城区扩张缓慢。显然, 以农业为主的城市发展速度远慢于其他城市。
沈阳作为辽宁省中部城市群最大的城市,是整个东北改革开放的率先切入口,对整个东北城市发展起着代表性作用。图7和图10表明:在整个长时间序列内,NP和PD上下起伏波动,整体趋势在呈现下降趋势,而LPI整体上呈上升趋势(图8),且LPI的增长范围为72%~84%。可见,虽然NP和PD 的波动起伏意味着小城镇的涌现和合并,但沈阳的主城区面积占据整个城市区域的面积在逐步扩大,说明了小城镇在持续地融合于发展的主城区内。所以,不断扩大的主城区和对周边小城镇的吞并是沈阳市20 年间城市化发展的主要推动力量。AREA _MN 在整个时间序列内波动起伏较大,但是整体上呈现明显迅速上升趋势,这也侧面印证了虽然涌现少许的新兴城镇,同时又迅速地合并在主城区内,主城区面积在逐渐加大(图9)。正如图5(c)所示,沈阳在1992—2012年间并未涌现众多孤立的小城镇, 而是以主城区为辐射中心,不断加大主城区范围;20 年内,逐渐地形成了以沈阳为中心, 铁岭、抚顺、本溪、辽阳、鞍山的城区连接成片的密集城市群。鞍山是作为辽宁省以煤炭为主的传统能源城市,在1992—2012年间,城市化进程的速度比较缓慢,增长率仅为0.44%,远低于哈大齐城市群中同为能源城市的大庆。且城市化进程明显不同于大庆,NP在长时间序列内,变化趋势趋于稳定,说明并没有出现众多新兴城镇(图7)。而LPI和AREA _MN 在相同的时间段内,变化趋势相同(图8和图9)。说明鞍山城市化发展的主要因素是主城区的发展和扩建。大连市是几大城市群中唯一的沿海城市,图7表明:大连在1992—1996 年不断的涌现新城镇,1996—1999年一些小城镇在逐渐合并,进入21 世纪,涌现新城镇的同时伴随着城市合并,但是整体上呈现上升趋势,说明新兴城镇涌现的速度要大于城镇合并的速度。城市涌现的高峰在2009年,而后3年间,斑块数量迅速减少,且LPI和PD 在整个20年间内,比较平稳。这说明促进大连城市化发展的主要原因是城镇的不断涌现和合并(图8和图10)。如图11所示,在TA 指数上,大连与大庆、鞍山形成鲜明对比,其TA 持续上升,城市化年均增速约为4.4%,是大庆的3倍,鞍山的9倍;而2012年的城区面积较1992年增加了约2.84倍;说明沿海城市的城市化速度明显高于传统的能源城市。长春是吉林省中部城市群最重要的城市。在1992—2012年内,其PD 波动起伏较大,整体上呈现下降趋势(图10),说明每100km2内,涌现新兴城镇的同时,伴随着新兴城镇的合并。图9 表明:AREA _MN 在上下起伏波动,且波动的幅度较大,整体上呈现上升趋势,也意味着众多新兴城镇的出现。而LPI变化稳定增长,但增长幅度较小(图8)。综合来看,新兴城镇的涌现和不断合并,扩大了城区面积,是长春市20年发展的主导因素。吉林是吉林省中部城市群里的第二大城市。其NP 在20 世纪90 年代波动起伏,在2000 年陡然上升,说明在2000 年吉林涌现了众多小城镇;在2001—2007年呈现逐年下降的趋势,说明此后小城镇在逐渐地合并成较大的城镇(图7)。图10的PD 在此时间段内,呈现逐年下降的趋势,说明斑块数量在逐渐减少,这也侧面验证了该时间段内的城市化发展规律。而NP在2009年再次上升达到峰值,2009年以后波动变化,说明在2009年再次涌现一些小城镇。而LPI在20年内比较稳定的波动变化,整体上平稳无上升趋势(图8)。AREA _MN 在波动变化的同时,整体上呈现上升趋势(图9)。以上说明了推动吉林城市化进程的主导因素主要是小城镇的涌现和不断融合成较大规模的中小城镇。4 结束语
本文利用20年的DMSP/OLS数据,基于相对误差最小准则的阈值分割方法,提取到东三省主要城市群1992—2012年间的城区面积,并分析了空间格局变化。本文在一定程度上丰富了东三省主要城市群的研究,但只研究了部分典型城市,如果可以进一步细化东三省的内部范围,将会更为可靠、有力地探讨出研究区内不同城市的发展规律。