• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    成都市不透水面擴(kuò)張與生態(tài)環(huán)境質(zhì)量變化的關(guān)系

    2019-12-16 10:45:54張文君劉祥龍鄧云濤周文韜
    關(guān)鍵詞:不透水覆蓋度成都市

    韓 丹 張文君 李 強(qiáng) 劉祥龍 鄧云濤 周文韜

    (西南科技大學(xué)環(huán)境與資源學(xué)院 四川綿陽 621010)

    過去20年,隨著我國中西部經(jīng)濟(jì)建設(shè)的推進(jìn),中西部城市化進(jìn)入快速增長階段,隨之而來的是城市生態(tài)系統(tǒng)健康和人類居住環(huán)境質(zhì)量面臨越來越大的壓力。長期的快速發(fā)展和城市空間的迅速擴(kuò)張使土地利用格局大范圍發(fā)生改變,人工覆蓋地表逐漸取代以植被為主的自然地表[1],從而引發(fā)大氣污染[2]、熱島效應(yīng)[3]等一系列生態(tài)環(huán)境問題。

    在遙感技術(shù)中,通常利用多波段組合計(jì)算的遙感指數(shù)提取不透水面。徐涵秋[4]提出的歸一化不透水面指數(shù)有效抑制了沙土和水體特征,被廣泛用于提取不透水面。不透水面面積、覆蓋度和空間格局與城市生態(tài)系統(tǒng)有著密不可分的關(guān)系。近年來,關(guān)于不透水面與生態(tài)環(huán)境關(guān)系的研究集中在不透水面的動(dòng)態(tài)變化[5]、城市化監(jiān)測[6]、城市熱環(huán)境分析[7]等方面,主要基于不透水面與某一生態(tài)要素間的相互關(guān)系,缺乏不透水面變化對(duì)整體生態(tài)環(huán)境質(zhì)量影響的研究。因此,本文利用Landsat系列衛(wèi)星影像對(duì)成都市進(jìn)行長時(shí)序大范圍觀測,監(jiān)測區(qū)域生態(tài)環(huán)境質(zhì)量,探究不透水面覆蓋變化對(duì)城市生態(tài)系統(tǒng)的影響,以期對(duì)城市的規(guī)劃建設(shè)和發(fā)展提供參考。

    1 研究區(qū)概況和數(shù)據(jù)來源

    1.1 研究區(qū)概況

    成都市位于四川盆地西部,岷江中游,是西部地區(qū)重要的中心城市。成都市市中心地理坐標(biāo)為北緯30°40′12″,東經(jīng)102°3′36″,屬亞熱帶季風(fēng)氣候,年平均溫度16℃,年降水量873~1 265 mm[8]。近20年來,成都市是西部地區(qū)城市化進(jìn)程最為快速的城市之一,城市面積不斷擴(kuò)大,土地覆蓋格局發(fā)生大范圍變化。天府新區(qū)和公園城市等發(fā)展規(guī)劃更是對(duì)城市的擴(kuò)張態(tài)勢產(chǎn)生了較大的影響。本文以成都市市轄區(qū)為研究區(qū),包括金牛區(qū)、成華區(qū)、錦江區(qū)、武侯區(qū)、青羊區(qū)、雙流區(qū)、龍泉驛區(qū)、青白江區(qū)、新都區(qū)、郫都區(qū)和溫江區(qū),該區(qū)域內(nèi)城市化進(jìn)程快,不透水面擴(kuò)張明顯,生態(tài)環(huán)境質(zhì)量變化較大,是研究不透水面時(shí)空變化與生態(tài)環(huán)境關(guān)系的典型區(qū)域。研究區(qū)范圍如圖1所示。

    圖1 研究區(qū)位置示意圖Fig.1 Location of the study area

    1.2 數(shù)據(jù)來源

    本文采用Landsat Level1T影像為研究數(shù)據(jù),選取2000年4月16日、2009年3月24日Landsat-5 TM數(shù)據(jù),2018年5月12日Landsat-8 OLI數(shù)據(jù)(其中2009和2018年數(shù)據(jù)為兩景影像鑲嵌),數(shù)據(jù)獲取自美國地質(zhì)調(diào)查局(USGS,http://glovis.usgs.gov/)。3景影像時(shí)序大致相同,避免了因季節(jié)不同而造成的影響。分別對(duì)影像進(jìn)行預(yù)處理,包括輻射定標(biāo)和大氣校正,把影像的像元亮度灰度值(DN)轉(zhuǎn)換為地面的遙感反射率,消除因大氣等因素對(duì)地物反射的影響。利用研究區(qū)行政區(qū)劃圖數(shù)據(jù)裁剪3景影像。

    2 研究方法

    2.1 城市不透水面信息提取

    不透水面是指人類作用于自然地表形成的諸如建筑、道路等具有不透水性的城市人工地表,是反映城市擴(kuò)張和變化的重要指標(biāo)[9]。選取歸一化不透水面指數(shù)(NDISI)進(jìn)行成都市不透水面的提取。將不透水面影像與原始影像疊加,通過目視判別選擇最佳閾值提取不透水信息,2000年、2009年與2018年不透水面選取閾值分別為:0.17,0.16,0.03。NDISI指數(shù)公式如下:

    式中,ρGreen,ρNir,ρSWIR1和ρTir分別為綠、近紅外、中紅外1和熱紅外波段的反射率,MNDWI為歸一化水體指數(shù)。

    2.2 遙感生態(tài)指數(shù)計(jì)算

    本文選取徐涵秋[10]提出的遙感生態(tài)指數(shù)(RSEI)對(duì)生態(tài)環(huán)境進(jìn)行評(píng)價(jià)。RSEI利用主成分分析集成了綠度指數(shù)、濕度指數(shù)、干度指數(shù)、熱度指數(shù)4個(gè)指標(biāo),各指標(biāo)都通過遙感影像多個(gè)波段計(jì)算得到,計(jì)算過程中沒有人為權(quán)重、閾值的確定,因此結(jié)果具有客觀性。該指數(shù)在眾多城市生態(tài)環(huán)境質(zhì)量的研究中都取得了較好的實(shí)驗(yàn)結(jié)果。主成分分析后的第一主分量保留了4個(gè)因子的主要信息,其方差在所有線性組合中最大,故提取PC1作為RSEI指數(shù)。

    式中:G為綠度指數(shù);W為濕度指數(shù);D為干度指數(shù);H為熱度指數(shù)。

    (1)綠度指數(shù)通過歸一化植被指數(shù)(NDVI)表示,它被廣泛用于植被信息的提取。

    (2)濕度指數(shù)采用纓帽變換中的濕度分量,用以指示植被、水體和土壤中的水分信息。式中,ρBlue,ρRed,ρSWIR2分別為藍(lán)、紅和短波紅外2波段的反射率。

    (3)干度指標(biāo)由裸土指數(shù)(NDSI)確定,表達(dá)式如下:

    (4)熱度指數(shù)通過地表溫度(LST)表示,采用Landsat用戶手冊(cè)模型計(jì)算出傳感器輻射亮度溫度:

    式中:L為熱紅外波段輻射強(qiáng)度值;Q為像元亮度值;gain和offset為增益值和偏置值,可從元數(shù)據(jù)中得知[11];T為傳感器處的輻射亮度溫度;K1和K2為定標(biāo)系數(shù),在Landsat-5中,K1=607.76 W/(m2·sr·μm),K2=1 260.56 K,在Landsat-8中,K1=774.89 W/(m2·sr·μm),K2=1 321.08 K。

    計(jì)算不同地表類型的地表比輻射率,通過比輻射率校正反演地表真實(shí)溫度,單位為℃。計(jì)算公式如下:

    式中,λ為熱紅波段的中心波長,ρ=1.438×10-2m·K,ε為地表比輻射率[12]。

    由于上述4個(gè)指標(biāo)數(shù)值范圍不統(tǒng)一,在進(jìn)行正交線性變換前須對(duì)各個(gè)指標(biāo)進(jìn)行正規(guī)化處理,將其統(tǒng)一轉(zhuǎn)化到[0,1]之間。

    本文總體技術(shù)路線如圖2所示。

    圖2 技術(shù)路線圖Fig.2 Technical road map

    3 結(jié)果與分析

    3.1 不透水面時(shí)空變化分析

    利用NDISI指數(shù)提取2000-2018年3期不透水面信息,選用同時(shí)期Google Earth影像進(jìn)行人機(jī)交互精度驗(yàn)證,提取精度均達(dá)到80%以上。由圖3可知,近20年間,成都市不透水面變化明顯,整體呈現(xiàn)由中心向外輻射的擴(kuò)張趨勢。結(jié)合表1,成都市不透水面面積由2000年的232.76 km2增長到2018年的1 305.47 km2,年均增長速率達(dá)到25.6%,所占研究區(qū)面積比例由6.33%上升到35.52%。2009-2018年間,不透水面面積增加了501.40 km2,增長速率大幅降低,年均增長速率為6.93%,城市中心不透水面密度較2000年有所減少,但整體仍呈現(xiàn)由城市中心向周邊不斷蔓延的態(tài)勢,不透水面比例隨著距城市中心距離的增加而減小。

    圖3 各年份不透水面提取影像Fig.3 Extracted images from impervious surfaces in each year

    表1 2000-2018年間不透水面變化信息Table 1 Impervious surface change information from 2000 to 2018

    空間分布上,2000年成都市不透水面主要集中在中心城區(qū),且周邊也出現(xiàn)了小片的不透水面區(qū)域,這主要是由于城市發(fā)展集中在城市中心,這些區(qū)域人口密度較大,建筑密度較高。2009年不透水面擴(kuò)張明顯,并開始向西南方向蔓延,中心城區(qū)與周圍區(qū)域連接緊密,郫都區(qū)、溫江區(qū)和雙流區(qū)開始出現(xiàn)較大面積的塊狀不透水面,東部龍泉驛區(qū)聚集成片狀,東西方向較南北方向擴(kuò)張更加明顯。2018年由于新興產(chǎn)業(yè)的發(fā)展和工業(yè)園區(qū)的建立,不透水面大幅擴(kuò)張,天府新區(qū)的成立使南部區(qū)域得以大力發(fā)展,大規(guī)模的開發(fā)建設(shè)活動(dòng)導(dǎo)致不透水面向城市南部蔓延明顯。不透水面的空間分布格局和變化規(guī)律總體上與城市規(guī)劃保持一致。

    3.2 遙感生態(tài)指數(shù)時(shí)空變化分析

    通過對(duì)2000年、2009年和2018年各分量數(shù)據(jù)進(jìn)行主成分分析,得到3期成都市RSEI影像如圖4所示,統(tǒng)計(jì)結(jié)果如表2所示。經(jīng)過主成分變換后,第一主成分(PC1)貢獻(xiàn)率較高,最大程度地包含了原影像的信息。由表3可知,成都市近20年RSEI均值逐漸降低,整體降幅為10.28%,研究區(qū)的總體生態(tài)環(huán)境質(zhì)量逐步下降。RSEI均值在2000年最高,為0.603,該年生態(tài)環(huán)境質(zhì)量最好;2009年RSEI均值下降到0.557,降幅為7.62%;2018年RSEI均值為0.541,生態(tài)環(huán)境質(zhì)量最低,降幅為2.87%,生態(tài)環(huán)境質(zhì)量下降速率開始變緩。

    表2 主成分分析結(jié)果Table 2 Principal component analysis results

    表3 各年份4個(gè)指標(biāo)和RSEI的變化Table 3 Changes in 4 indicators and RSEI in each year

    圖4 2000年、2009年、2018年成都市遙感生態(tài)指數(shù)(RSEI)分布Fig.4 Distribution of Chengdu remote sensing ecological index(RSEI)in 2000,2009 and 2018

    空間分布格局上,2000年成都市生態(tài)環(huán)境質(zhì)量整體較好,生態(tài)環(huán)境質(zhì)量差的部分聚集在城市中心建成區(qū)。2000-2009年,城市發(fā)展由中心向外拓張,生態(tài)環(huán)境質(zhì)量較差的區(qū)域也逐漸擴(kuò)大。受城市規(guī)劃的影響,建設(shè)用地逐漸代替了以植被和耕地為主的自然地表,加之城市環(huán)路的修建,使生態(tài)環(huán)境變差區(qū)域逐步向城郊拓展;2009-2018年間,生態(tài)壞境質(zhì)量較差區(qū)域仍有所擴(kuò)大,但市中心生態(tài)環(huán)境質(zhì)量有所回升,表明城市規(guī)劃開始重視生態(tài)環(huán)境保護(hù)與恢復(fù),這也是研究區(qū)整體RSEI均值下降速率變慢的原因,但城市不斷開發(fā)建設(shè)的總體趨勢沒有變,因此,生態(tài)環(huán)境質(zhì)量整體仍呈現(xiàn)下降態(tài)勢。

    將RSEI以0.2為間隔進(jìn)行等間距分級(jí),由低到高劃分為生態(tài)差、較差、中等、良好和優(yōu)5個(gè)級(jí)別,統(tǒng)計(jì)2000年、2009年和2018年各級(jí)別面積比例,如圖5所示。從2000年到2018年,RSEI級(jí)別為差、較差、中等所占面積比例均呈現(xiàn)上升趨勢,且較差級(jí)別從9.2%上升到22.6%,漲幅最大;等級(jí)良好所占面積比例出現(xiàn)大幅下降,從42.7%下降到29.7%;等級(jí)優(yōu)所占面積也呈下降趨勢。RSEI等級(jí)的變化表明,研究區(qū)內(nèi)生態(tài)環(huán)境質(zhì)量較差的區(qū)域擴(kuò)大,而優(yōu)良的區(qū)域變小,近20年間成都市整體生態(tài)環(huán)境質(zhì)量下滑。

    圖5 RSEI面積比例統(tǒng)計(jì)Fig.5 RSEI area ratio statistics

    3.3 不透水面變化對(duì)城市生態(tài)環(huán)境的影響

    3.3.1 不透水面與地表溫度、植被和RSEI的關(guān)系

    為了更直觀地分析2000-2018年不透水面與生態(tài)環(huán)境質(zhì)量在空間上的變化情況,分別將2018年的不透水面(NDISI)與遙感生態(tài)指數(shù)(RSEI)影像與2000年影像進(jìn)行差值計(jì)算,得到近20年間不透水面與生態(tài)環(huán)境質(zhì)量的具體增量,圖6為差值計(jì)算結(jié)果。從圖6可以看出,兩個(gè)指標(biāo)增量信息的空間格局基本一致,主要集中在城市中心圈層式向城郊蔓延的范圍內(nèi),而城市中心不透水面指數(shù)與RSEI指數(shù)均有所下降,因此判斷伴隨不透水面的消長,生態(tài)環(huán)境質(zhì)量出現(xiàn)顯著的變化。為了研究不透水面與生態(tài)環(huán)境質(zhì)量間的定量關(guān)系,本文采用統(tǒng)計(jì)學(xué)方法,選用線性、指數(shù)、對(duì)數(shù)等多種函數(shù)對(duì)不透水面與地表溫度和植被指數(shù)等多個(gè)生態(tài)指標(biāo)進(jìn)行擬合,以分析不透水面與城市生態(tài)環(huán)境的關(guān)系。

    圖6 2000-2018年不透水面與RSEI時(shí)空變化Fig.6 Temporal and spatial changes of impervious surface and RSEI from 2000 to 2018

    本文選取2009年不透水面指數(shù)(NDISI)與歸一化植被指數(shù)(NDVI)、地表溫度(LST)進(jìn)行回歸分析。將NDISI歸一化到0~1,進(jìn)一步轉(zhuǎn)化為百分比,代表不透水面的覆蓋度,然后采用100×100的像元樣區(qū)對(duì)整個(gè)研究區(qū)進(jìn)行均勻采樣,共采樣40 833個(gè),樣本量滿足回歸分析的需求?;貧w分析結(jié)果如圖7、圖8所示。

    由圖7可以發(fā)現(xiàn),不透水面覆蓋度和NDVI的線性關(guān)系較為明顯,高不透水面覆蓋度地區(qū)植被指數(shù)較低。由圖8可以看出,不透水面與溫度呈現(xiàn)顯著正相關(guān)。通過線性、對(duì)數(shù)、指數(shù)模型進(jìn)行擬合,R2分別為0.503,0.506和0.517,其中指數(shù)模型相關(guān)度最高,其擬合公式為:LST=21.28e0.0039NDISI,即隨著不透水面覆蓋度的增大,地表溫度不斷上升,且隨著不透水面聚集性的增加,溫度上升的幅度不斷加大。當(dāng)NDISI小于30%時(shí),不透水面覆蓋度每增加10%,溫度上升0.8℃;在NDISI大于70%時(shí),不透水面覆蓋度每增加10%,溫度上升1.2℃。這一規(guī)律在眾多研究中都得到了驗(yàn)證[13]。

    圖7 不透水面覆蓋度與NDVI的回歸分析Fig.7 Regression analysis ofNDISI and NDVI

    圖8 不透水面覆蓋度與地表溫度的回歸分析Fig.8 Regression analysis of NDISI and surface temperature

    3.3.2 不透水面、地表溫度和植被對(duì)城市生態(tài)環(huán)境的綜合影響

    為進(jìn)一步模擬城市生態(tài)環(huán)境質(zhì)量變化中各因素的影響,以2009年為例,在研究區(qū)內(nèi)選取40 833采樣點(diǎn),提取樣點(diǎn)的各項(xiàng)生態(tài)指標(biāo),將遙感生態(tài)指數(shù)(RSEI)指標(biāo)作為因變量,不透水面覆蓋度(NDISI)、地表溫度(LST)和植被指數(shù)(NDVI)作為自變量,進(jìn)行逐步回歸分析,建立城市生態(tài)環(huán)境質(zhì)量評(píng)價(jià)模型,結(jié)果如下:

    從式(11)可以看出,模型擬合度較高。在逐步回歸分析中3個(gè)指標(biāo)都通過了1%的顯著性檢驗(yàn),說明3個(gè)指標(biāo)都是影響環(huán)境生態(tài)質(zhì)量的重要指標(biāo)。由自變量系數(shù)可以看出,不透水面覆蓋度和地表溫度對(duì)生態(tài)環(huán)境評(píng)價(jià)結(jié)果起負(fù)面影響,而植被指數(shù)對(duì)生態(tài)環(huán)境的影響是正向的。綜合來看,4個(gè)指標(biāo)系數(shù)絕對(duì)值最大的是不透水面覆蓋度,其次是植被指數(shù)和地表溫度。根據(jù)回歸模型預(yù)測,要使研究區(qū)RSEI升高0.100個(gè)單位,需要使NDVI提升0.201單位或使NDISI下降0.237個(gè)單位。因此,在今后的城市規(guī)劃與建設(shè)中,降低不透水面比例、增加植被覆蓋面積可以有效提升區(qū)域生態(tài)環(huán)境質(zhì)量。

    4 結(jié)論

    2000-2018年成都市不透水面面積大幅上升,近20年間不透水面上升了1 072.71 km2,年增長率達(dá)到25.6%,擴(kuò)張形式表現(xiàn)為由城市中心不斷向周邊近郊圈層式連續(xù)擴(kuò)張。不透水面的擴(kuò)張模式和速率很大程度受到城市開發(fā)規(guī)劃與建設(shè)的影響。

    成都市遙感生態(tài)指數(shù)由2000年的0.603下降到2018年0.504,其空間變化格局與不透水面擴(kuò)張格局基本一致。對(duì)提取的不透水面、植被、溫度和遙感生態(tài)指數(shù)4個(gè)城市生態(tài)系統(tǒng)重要指標(biāo)進(jìn)行統(tǒng)計(jì)學(xué)分析表明,不透水面覆蓋度與地表溫度呈現(xiàn)指數(shù)函數(shù)關(guān)系,隨著不透水面的聚集,升溫效應(yīng)逐漸明顯,不透水面覆蓋度與植被覆蓋呈現(xiàn)顯著的線性負(fù)相關(guān)。多元回歸分析結(jié)果表明,植被、地表溫度和不透水面均是影響城市生態(tài)環(huán)境質(zhì)量的主要因素,而不透水面信息起到了決定性的作用。因此,在改善城市生態(tài)環(huán)境方面,主要是合理配置土地資源,抑制不透水面面積的增長,同時(shí)增加城市綠地、森林公園等的規(guī)劃與建設(shè),使城市健康可持續(xù)發(fā)展。

    猜你喜歡
    不透水覆蓋度成都市
    呼和浩特市和林格爾縣植被覆蓋度變化遙感監(jiān)測
    中共成都市第十四屆委員會(huì)常委簡歷
    先鋒(2022年4期)2022-05-07 20:26:31
    基于無人機(jī)可見光影像與OBIA-RF算法的城市不透水面提取
    成都市青羊區(qū):推行“一網(wǎng)通辦”下的“最多跑一次”
    基于NDVI的晉州市植被覆蓋信息提取
    低覆蓋度CO分子在Ni(110)面的吸附研究
    Landsat8不透水面遙感信息提取方法對(duì)比
    2019年1~6月成都市經(jīng)濟(jì)運(yùn)行情況
    先鋒(2019年8期)2019-09-09 06:35:59
    2018年1—12月成都市經(jīng)濟(jì)運(yùn)行情況
    先鋒(2019年2期)2019-03-27 09:31:22
    城市不透水面及地表溫度的遙感估算
    纳雍县| 永宁县| 临安市| 阿克| 左权县| 潞西市| 宜宾市| 沧州市| 邵东县| 自贡市| 宁阳县| 济宁市| 扶风县| 香格里拉县| 西城区| 鄂温| 客服| 汕尾市| 革吉县| 肇州县| 大田县| 瑞丽市| 宁蒗| 南通市| 石河子市| 湘乡市| 哈巴河县| 永兴县| 台东县| 汝州市| 罗甸县| 玉田县| 洛宁县| 陇西县| 扎兰屯市| 民勤县| 汶川县| 友谊县| 游戏| 昌平区| 开原市|