WE ARE COMMITTED TO REPORTING THE LATEST FORESTRY ACADEMIC ACHIEVEMENTS

Volume 45 Issue 1
Jan.  2024
Article Contents
Turn off MathJax

XUE F Y, WANG X, QING L X, et al. Urban expansion and vegetation changes in built-up areas in Chengdu-Chongqing area from 2001 to 2020[J]. Journal of Sichuan Forestry Science and Technology, 2024, 45(1): 23−32 doi: 10.12172/202306020002
Citation: XUE F Y, WANG X, QING L X, et al. Urban expansion and vegetation changes in built-up areas in Chengdu-Chongqing area from 2001 to 2020[J]. Journal of Sichuan Forestry Science and Technology, 2024, 45(1): 23−32 doi: 10.12172/202306020002

Urban expansion and vegetation changes in built-up areas in Chengdu-Chongqing area from 2001 to 2020


doi: 10.12172/202306020002
More Information
  • Corresponding author: yangcj2008@126.com
  • Received Date: 2023-06-02
    Available Online: 2023-10-25
  • Publish Date: 2024-02-25
  • Based on DMSP/OLS, NPP/VIRS nighttime lighting data, and SPOT/VEGETATION NDVI data, the spatial development mode and vegetation change characteristics of urban built-up areas in Chengdu-Chongqing area were studied, which provided reference for the optimization of urban layout and the maintenance of regional ecosystem. The boundary of urban built-up area in Chengdu-Chongqing area was extracted by statistical data comparison method, and the urban development was analyzed from the aspects of urban expansion characteristics and speed. Taking NDVI as an indicator of the vegetation status in urban built-up areas, the vegetation changes in Chengdu-Chongqing area from 2001 to 2020 were studied from the aspects of NDVI total, mean, interannual change rate, change percentage, and coefficient of variation. The results showed that the accuracy of the built-up areas extracted using statistical data comparison method was relatively high, and the error rate was less than 2%. The annual average speed of urban expansion was on the rise, and the urban expansion speed from 2015 to 2020 was 12.23 km2·a−1. The total NDVI of urban built-up areas first increased and then decreased with the increase of built-up areas. The vegetation condition improved from 2001 to 2010, but the vegetation began to deteriorate from 2010 to 2020. The vegetation condition in urban built-up areas was generally worse than that in background areas. The vegetation stability in urban built-up areas was poor, and the urban coefficient of variation increased in different degrees over the past 19 years.
  • 加载中
  • [1] 高帆. 中国城市化的逻辑转换:含义及意义[J]. 社会科学,2022(08):109−119.
    [2] 孙中和. 中国城市化基本内涵与动力机制研究[J]. 财经问题研究,2001(11):38−43.
    [3] 许辉熙,杨存建,陈军. 成都市区植被变化的遥感动态监测[J]. 资源开发与市场,2005(01):10−12+16.
    [4] 赵安周,裴韬,曹森,等. 京津冀城市扩张对植被和地表城市热岛的影响[J]. 中国环境科学,2020, 40(04):1825−1833.
    [5] 董晨炜,曹宇,谭永忠. 基于夜间灯光数据的环杭州湾城市扩张及植被变化[J]. 应用生态学报,2017, 28(01):231−238.
    [6] 王静,周伟奇,许开鹏,等. 京津冀地区城市化对植被覆盖度及景观格局的影响[J]. 生态学报,2017,37(21):7019−7029.
    [7] 杨存建,张果,陈军,等. 基于遥感的成都市及其周边城镇的扩展[J]. 地理研究,2008(01):100−108.
    [8] 余柏蒗,王丛笑,宫文康,等. 夜间灯光遥感与城市问题研究:数据、方法、应用和展望[J]. 遥感学报 ,2021,25(01):342−364.
    [9] 依木然孜·艾孜孜,阿里木江·卡斯木,图尔荪阿依·如孜,等. 夜光遥感数据的西部地区城市扩展时空变化[J]. 测绘科学,2022, 47(08):174−185.
    [10] 蔡博峰,张增祥,刘斌,等. 基于遥感和GIS的天津城市空间形态变化分析[J]. 地球信息科学,2007(05):89−93+1.
    [11] 张娜,张会霞,李艾琴. 基于夜间灯光影像的太原市城市扩张特征及驱动力分析[J]. 测绘通报,2022(548):79−83+105.
    [12] 奥勇,毋冰龙,白召弟,等. 基于类NPP-VIIRS夜间灯光数据的粤港澳大湾区城市建成区时空动态特征[J]. 地球科学与环境学报,2022, 44(03):513−523.
    [13] 王文川,薛沛,刘素华. 1999-2018年河南省植被覆盖时空演变分析[J]. 水土保持研究,2022, 29(02):243−248+264.
    [14] 邓兴耀,姚俊强,刘志辉. 基于GIMMS NDVI的中亚干旱区植被覆盖时空变化[J]. 干旱区研究,2017, 34(01):10−19.
    [15] 江原,郝媛媛,黄祎宸. 基于夜间灯光数据的甘青宁城市扩展及其建成区植被变化特征[J]. 生态学报,2022, 42(10):3974−3988.
    [16] 周棱楠,潘安,罗芳.1980—2018年成都市建设用地扩张时空演变及驱动力分析[J].西南林业大学学报(自然科学),2023,43(02):186-194.
    [17] 张秋凤,肖义,唐晓,等. 中国五大城市群生态效率的演变及其影响因素[J]. 经济地理,2022,42(11):54−63.
    [18] 欧阳晓,朱翔. 中国城市群城市用地扩张时空动态特征[J]. 地理学报,2020, 75(03):571−588.
    [19] 陈淑君,许国昌,吕志平,等. 中国植被覆盖度时空演变及其对气候变化和城市化的响应[J/OL]. 干旱区地理:1−10.
    [20] 宋梦来,陈海涛,丁晗,等. 1990-2020年天津市植被覆盖度时空演变特征及影响因素分析[J]. 水土保持研究,2023,30(01):154−163.
    [21] 罗鸿,杨存建. 长江上游近19年植被覆盖度动态变化及驱动力分析[J]. 生态科学,2023, 42(01):234−241.
    [22] 余晨渝,肖作林,刘睿,等. 人类活动对西南山地植被覆盖变化的影响——以重庆市为例[J]. 生态学报,2022,42(17):7177−7186.
  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(7)  / Tables(5)

Article views(136) PDF downloads(97) Cited by()

Related
Proportional views

Urban expansion and vegetation changes in built-up areas in Chengdu-Chongqing area from 2001 to 2020

doi: 10.12172/202306020002
  • 1. Southwest Key Laboratory of Land Resources Evaluation and Monitoring, Chengdu 610068, China
  • 2. The Faculty Geography Resource Sciences, Sichuan Normal University, Chengdu 610068, China
  • Corresponding author: yangcj2008@126.com

Abstract: Based on DMSP/OLS, NPP/VIRS nighttime lighting data, and SPOT/VEGETATION NDVI data, the spatial development mode and vegetation change characteristics of urban built-up areas in Chengdu-Chongqing area were studied, which provided reference for the optimization of urban layout and the maintenance of regional ecosystem. The boundary of urban built-up area in Chengdu-Chongqing area was extracted by statistical data comparison method, and the urban development was analyzed from the aspects of urban expansion characteristics and speed. Taking NDVI as an indicator of the vegetation status in urban built-up areas, the vegetation changes in Chengdu-Chongqing area from 2001 to 2020 were studied from the aspects of NDVI total, mean, interannual change rate, change percentage, and coefficient of variation. The results showed that the accuracy of the built-up areas extracted using statistical data comparison method was relatively high, and the error rate was less than 2%. The annual average speed of urban expansion was on the rise, and the urban expansion speed from 2015 to 2020 was 12.23 km2·a−1. The total NDVI of urban built-up areas first increased and then decreased with the increase of built-up areas. The vegetation condition improved from 2001 to 2010, but the vegetation began to deteriorate from 2010 to 2020. The vegetation condition in urban built-up areas was generally worse than that in background areas. The vegetation stability in urban built-up areas was poor, and the urban coefficient of variation increased in different degrees over the past 19 years.

  • 城市化是现代化进程的重要结构性变迁,对经济社会的发展具有多重作用,是以农业为主的传统乡村型社会向非农产业为主的现代城市社会逐渐转变的历史过程,是人口向城市地区聚集及农村地区或者自然区域转变为城市地区的过程[1]。近年来我国城镇化发展迅速,截至2021年末我国常住人口城镇化率为64.72%。随着经济飞速发展,城市化进程不断加速,城市的发展也受到越来越多的重视[2]

    城市化的飞速发展,大量人口涌入城市,促使一些城市对外进行扩张,而城市建成区的不断扩大,必然影响到建成区内外植被的生长、分布情况[3]。赵安周等[4]分析了2000—2015年京津冀13个城市生长季及不同季节城市扩张对植被和地表城市热岛影响的时间变化趋势以及二者之间的关系,结果表明,京津冀13个城市主城区生长季及不同季节的城市扩张对植被均存在消极影响。董晨炜等[5]基于DMSP/OLS夜间灯光数据和MODIS NDVI数据,研究环杭州湾地区城市扩张和建成区植被变化,结果表明2000—2013年,城市扩张对建成区植被均产生了不利影响。王静等[6]定量研究了2000—2010年,京津冀地区植被覆盖度及其景观格局的动态变化,揭示了城市化进程对植被景观的干扰过程及生态质量的影响。

    夜间灯光遥感数据可以直观反映夜间人类活动差异,具有覆盖范围大、时效快和易获取等优势,可以广泛应用于多尺度长时序的城市问题研究[7]。同时,传统遥感数据在城市社会经济特征的监测中没有有效的直接手段,存在估算准确率不高的问题[8]。成渝地区位于我国西南地区,城市化水平远低于东部沿海城市,对成渝地区的城市发展可以构建科学合理的城市体系,同时对促进整个西南地区城市质量的提升和城市持续发展提供现实意义。因此,本文将采用夜间灯光数据对成渝地区城市扩展及建成区植被变化进行分析。

    • 成渝地区位于我国四川盆地腹地,是我国西部最发达的地区,也是我国重要的城市群之一,成渝地区包括四川省的成都、绵阳、德阳等十五个地级市以及重庆市。该地区总面积为20万km2,人口8724万,分别占中国西南地区的6.6%和35%。成渝地区以亚热带季风气候为主,地形多山地丘陵,河流众多,气候适宜。由于毗邻区域合作不断深化,川渝合作进程逐步加快,一体化发展的趋势日益明显。成渝地区在中国经济区中人口最多,也是西部人口密集度最高的区域,同时也拥有成渝两座国家中心城市和数座大中型城市(见图1)。

      Figure 1.  Geographical location of the study area

    • 数据主要为2001、2006、2010年的DMSP/OLS夜间灯光数据和2015、2020年的NPP/VIRS夜间灯光数据(美国国家海洋和大气管理局https://www.noaa.gov/)及其城市建成区数据(来自《中国城市统计年鉴》);SPOT/VEGETATION NDVI年度合成产品(分辨率1 km,用最大值合成法由月度数据生成),全国1∶400万县级行政界限(均来自中国科学院地理科学与资源研究所https://www.resdc.cn/

    • 分别选取城市扩展速度和扩展动态度两个指标来量化城市扩张的变化程度,城市扩张速度是在一定时期内城市用地面积变化的快慢,城市扩张动态度指数表示单位时间内城市用地面积变化的幅度[9],城市扩展速度与扩展动态度计算公式如下:

      式中,V和K表示城市扩展速度和扩展动态度,$ {\mathrm{A}}_{\mathrm{i}} $$ {\mathrm{A}}_{\mathrm{n}+\mathrm{i}} $分别为第i年和第n+i年的城市建成区斑块面积,n为时间跨度。

      紧凑度可以反映城市外围轮廓在空间上的离散程度[10],以紧凑度的数值变化来分析城市扩展的空间变化特征[11]。形态紧凑度计算公式:

      式中,C表示紧凑度,$ {\mathrm{A}}_{\mathrm{i}} $为第i年城市建成区斑块面积,P为第i年城市建成区斑块外围周长。值介于0-1之间,值越大,表示城市外部的形状越接近圆形,值越小,表示城市外部形状越狭长。

      城市重心转移的变化趋势可以表示城市在演变中的空间变化特征[12]。重心的经纬度坐标计算公式如下:

      式中:$ {\mathrm{w}}_{\mathrm{i}} $为第i个离散目标物权重,由各个离散目标的面积与总面积的比例来确定,$ {\mathrm{x}}_{\mathrm{i}} $$ {\mathrm{y}}_{\mathrm{i}} $分别是第i个离散目标的经、纬度坐标。

      式中:Dn+1为重心偏移距离,($ {x}_{n} $$ {y}_{n} $)和($ {x}_{n+1}$${y}_{n+1} $)分别是第n、n+1年建成区区域的重心坐标。

    • 基于提取到的城市建成区的边界,采用NDVI均值对城市的植被演变特征进行表示。

      式中,CNDVI为NDVI均值,$ {p}_{i} $为每个像元的NDVI值,n为像元个数。由于得出的NDVI值介于0-1之间,为了便于计算,在不影响精度的情况下,对得出的值乘以10000进行分析。

      对建成区与背景区的NDVI均值进行比值分析,来衡量在城市演变过程中人为因素对植被变化的影响。表达式为:

      式中,Ri为第i年NDVI比值,$ {C}_{\mathrm{N}\mathrm{D}\mathrm{V}i} $为第i年建成区NDVI均值,$ {B}_{\mathrm{N}\mathrm{D}\mathrm{V}i} $为第i年背景区NDVI均值。

      趋势分析和变化百分率2个方面来分析城市扩展过程中植被变化趋势[13],表达式为:

      式中,slope为趋势线的斜率,$ {NDVI}_{i} $为第i年的NDVI值,n为5,时间增加,NDVI为上升趋势,反之,则为下降趋势。$ {NDVI}_{C} $为变化百分率,Mean为5年的平均NDVI。

      变异系数可以描述数据的离散程度,可以用于评估NDVI在时间序列上的稳定性[14]。表达式为:

      式中,CV为变异系数,ST和Mean为NDVI标准差和5年的平均NDVI值。若CV0.1,表示NDVI值很稳定,0.1<CV0.2为稳定,0.2<CV0.3为不稳定,>0.3则为很不稳定。

    2.   结果与分析
    • 采用统计数据比较法[15],根据阈值分别提取各时期相应城市建成区范围。首先,分别设定各阈值城市市区用地信息,再将提取到的城市建成区面积与统计年鉴进行比较,修改阈值至二者差距最小为止,最后基于最佳阈值(见图2)提取出16个城市的城市建成区空间范围。对比提取结果与统计结果,提取误差均小于2%(见表1),提取精度较高,可用于后续分析。

      Figure 2.  Extraction threshold of built-up areas in different periods of cities from 2001 to 2020

      年份基于灯光数据的城市建成区面积/km2统计数据的城市建成区面积/km2绝对误差/km2相对误差/%
      20011164.371169.925.550.47
      20061750.401752.281.880.11
      20102366.982353.9213.060.55
      20153265.493307.9242.431.28
      20204244.234246.522.290.05

      Table 1.  Land use area in Chengdu-Chongqing area based on reference comparison method

    • 2001、2006、2010、2015和2020年成渝地区各城市的夜间灯光值呈现出明显的空间分布差异(见图3)。根据提取结果,2001—2020年间研究区各地级市城市建成区面积处于不断增长中,城市规模比较集中分布在成都和重庆,导致大城市的规模比较大,而中小城市规模较小。整体上,2001—2020年中小城市的数量和规模持续增长,成都、重庆城市规模仍保持较快速度增长。

      Figure 3.  Stacked map of extraction results of urban built-up areas from 2001 to 2020

    • 表2可以看出,2001—2006年重庆扩展速度最快,成都次之,乐山为负增长,其他城市之间差距较小;2006年—2010年,重庆快速扩展,成都增速趋缓,雅安最慢;2010—2015年,重庆最快,成都开始快速发展,资阳最慢;2015—2020年,成都最快,重庆速度减缓,乐山最慢。从年际变化来看,成都城市扩展速度在2006—2010年(14.66 km2·a−1)有所减少,但在2010—2020年(32.03 km2·a−1)开始快速发展,到2015—2020年(72.28 km2·a−1)的速度最快;重庆在2010—2020年间城市扩展速度趋缓,由2006—2010年的81.46 km2·a−1减少到2015—2020年的43.66 km2·a−1;南充和宜宾的城市扩展速度在2001—2020年持续增加。总的来看,2001—2020年,成渝地区城市扩展速度整体稳步上升。

      城市 2001—2006年 2006—2010年 2010—2015年 2015—2020年
      扩展速度
      (km2·a−1
      扩展动
      态度/%
      扩展速度
      (km2·a−1
      扩展动
      态度/%
      扩展速度
      (km2·a−1
      扩展动
      态度/%
      扩展速度
      (km2·a−1
      扩展动
      态度/%
      成都市 33.77 14.80 14.66 3.69 32.03 7.03 72.28 11.74
      达州市 0.51 2.92 6.25 31.22 5.83 12.95 11.17 15.07
      德阳市 −1.36 −2.90 3.38 8.44 4.21 7.86 4.15 5.56
      眉山市 0.60 1.69 1.50 3.90 3.58 8.04 1.12 1.79
      乐山市 −4.18 −6.20 1.84 3.96 4.10 7.62 1.11 1.49
      泸州市 3.00 10.34 9.67 21.97 7.48 9.05 10.69 8.90
      绵阳市 6.60 13.89 5.59 6.95 4.43 4.31 8.52 6.81
      广安市 −2.79 −8.14 2.42 11.87 4.01 13.37 3.11 6.21
      南充市 5.11 16.00 5.14 8.95 7.47 9.57 9.03 7.83
      内江市 1.00 4.09 2.74 9.28 6.14 15.17 5.81 8.17
      遂宁市 −1.09 −2.26 1.83 4.28 5.17 10.33 2.30 3.03
      雅安市 0.97 6.77 0.44 2.27 2.43 11.56 1.71 5.15
      宜宾市 1.15 3.89 5.34 15.15 6.13 10.84 16.06 18.40
      重庆市 71.74 15.87 81.46 10.05 78.52 6.91 43.66 2.86
      资阳市 1.75 11.16 2.90 11.89 1.84 5.11 1.46 3.23
      自贡市 0.44 1.04 9.01 20.31 6.34 7.88 3.58 3.20
      研究区 7.33 5.19 9.63 10.89 11.23 9.22 12.23 6.84

      Table 2.  Changes in expansion speed and dynamic degree of expansion in Chengdu-Chongqing area from 2001 to 2020

      从城市扩展动态度来看(见表2),2001—2006年,除德阳、乐山、广安和遂宁的城市扩展速度停滞或萎缩外,其余城市都有不同程度的扩展,其中,重庆和成都都在快速扩张,南充城市扩展动态度最大(16%)而广安最小(−8.14%);2006—2010年,重庆与成都呈中高速扩展,其余城市低速扩展,其中,达州扩展最快;2010—2015年,在扩展速度上,成都快速扩张,而重庆扩展速度减缓,在扩展动态度,重庆和成都间差距并不明显,其中,内江扩展动态度最大;2015—2020年,成都城市扩展速度和扩展动态度超过重庆,其中,宜宾和重庆扩展动态度最大。

    • 除重庆外,研究区其他城市的紧凑度指数较高(见图4)。由于重庆市城区位于四川盆地东部丘陵地区,受南北山地的地形所限,建成区多沿山间盆地呈狭长形分布,紧凑度低。2001—2020年,乐山和资阳的紧凑度指数呈增加趋势,表示其城市发展由相对无序向相对有序发展;成都、绵阳、南充、宜宾和重庆的紧凑度指数持续递减,其中成都的紧凑度指数变化最大;而乐山、内江、遂宁和资阳紧凑度指数相对稳定,表明城市发展有序。

      Figure 4.  Compactness characteristics of different periods in Chengdu-Chongqing area

    • 2001年成渝地区的建成区重心在资阳市(见图5),2001—2006年重心向东北方向移动了15.05 km,但仍在资阳市内,2006—2010年重心向东南方向移动了13.62 km,由资阳转移到了重庆,这一时期,重庆的建成区面积超过其他地区,2010—2015年重心向东南方向迁移了1.10 km,仍在重庆市内,2015—2020年重心向西北方向移动了11.63 km,又由重庆转移到资阳。

      Figure 5.  Changes of gravity center of urban built-up areas in Chengdu-Chongqing area

    • 从建成区面积总和与NDVI总和来看(见图6)。2001—2006年建成区面积增加了586.03 km2,建成区NDVI总和减少了1690.64;2006—2010年建成区面积与建成区NDVI总和分别增加了616.58 km2、8125.12;2010—2015与2015—2020年间建成区面积增加了898.51 km2、978.74 km2,建成区NDVI总和减少了6809.74、6688.66。总的来看,随着城市的扩展,城市建成区面积总和持续增加,在2010-2020年间城市发展速度呈骤增趋势,但城市建成区NDVI总和呈先上升后下降的趋势。

      Figure 6.  The sum of built-up area and NDVI in Chengdu-Chongqing area

    • 从建成区年均NDVI变化情况来看(见图7),2001—2006近一半城市NDVI均值在上升,其中成都和重庆植被情况有所改善,其中绵阳植被增加量最大;2006—2010年有近1/3的城市植被均值持续下降,植被变差,其中达州植被退化最为明显;2010—2015年近1/3的城市植被均值增加,成都NDVI均值增加量最大,而重庆植被退化明显;2015—2020年仅有1/4的城市植被均值增加,成都和重庆NDVI均值有不同程度的增加,表明城市建成区植被情况有所改善。结合表3可以看出,2001—2020年近3/4的城市建成区植被均值持续降低。

      Figure 7.  Vegetation changes in urban built-up areas in Chengdu-Chongqing area

      城市变化量比值
      2001—20062006—20102010—20152015—20202001—202020012006201020152020
      成都137.49193.85705.87−760.89276.320.500.550.610.660.60
      达州−1380.001689.09−825.90−202.30−719.120.870.700.840.740.70
      德阳−775.30−109.27677.09−728.26−935.740.710.570.570.630.60
      广安−518.29513.12−1011.21−30.19−1046.570.910.800.860.700.70
      乐山325.69−336.91525.09−736.49−222.620.790.810.810.790.78
      泸州583.731910.33−1961.99−12.40519.670.620.670.900.730.66
      眉山−828.70−467.45367.93−1179.52−2107.740.850.750.690.710.64
      绵阳694.04−65.42334.28−997.22−34.320.560.670.650.650.58
      南充−225.98940.33−1379.23105.85−559.030.800.740.870.640.67
      内江209.62237.92−355.42−72.0720.040.710.730.750.740.74
      遂宁−279.46−290.9337.06−698.78−1232.110.820.770.710.640.60
      雅安309.68605.94−958.36−735.32−778.060.840.830.920.780.71
      宜宾142.571377.66−1304.94397.28612.570.760.730.890.710.73
      重庆214.201252.47−1018.5536.49484.600.670.690.820.670.68
      资阳−231.00406.23−372.18−416.33−613.280.740.680.710.610.68
      自贡−68.92268.17−269.28−658.51−728.540.790.770.790.800.73

      Table 3.  NDVI ratio and its variation in urban built-up areas in Chengdu-Chongqing area from 2001 to 2020

    • 2001—2020年,各城市建成区NDVI比值均小于1,说明城市扩张对建成区植被均产生不利影响。2001—2006年,成都、乐山、泸州、绵阳、内江和重庆市建成区NDVI比值变大,建成区植被有所改善,其他城市扩张对建成区的不利影响增大;2006—2010年,眉山、绵阳和遂宁市建成区NDVI比值减小,对城市建成区植被不利影响增大,而其他城市的扩张对植被影响减小;2010—2015年,成都、德阳、眉山和自贡市建成区NDVI比值增加,建成区植被改善,而其他城市扩张都对建成区植被不利影响增大;2015—2020年,南充、宜宾、重庆和资阳市的城市扩张对建成区植被的不利影响减小,其他城市的扩张对建成区的植被不利影响增大。总体来看,2001—2020年,除成都、重庆、绵阳、内江和泸州市的城市扩张对建成区植被不利影响下降,其他近2/3的城市扩张对建成区植被状况的不利影响明显增加。

    • 从NDVI年际变化率来看,城市建成区有近2/3的城市自然植被呈下降趋势,其中眉山和遂宁下降显著,建成区内NDVI变化百分率处于负增长,说明成渝地区城市建成区内植被趋于退化;而背景区有近2/3的城市自然植被上升趋势,说明该区域植被处于良好发展。总体来看,城市建成区植被处于退化趋势。

      城市slopeNDVI变化百分率/%
      建成区背景区建成区背景区
      成都0.015−0.01118.654−14.151
      达州−0.0060.023−4.83419.338
      德阳−0.013−0.004−14.916−4.131
      广安−0.0260.017−21.00514.030
      乐山−0.0030.001−2.1970.423
      泸州0.0100.0019.1370.646
      眉山−0.043−0.016−40.653−14.774
      绵阳0.0020.0002.3290.233
      南充−0.0160.014−14.71213.580
      内江−0.001−0.008−0.734−7.519
      遂宁−0.0270.020−26.95419.324
      雅安−0.0190.009−14.4816.672
      宜宾0.0130.02511.62622.447
      重庆0.0120.01711.12115.291
      资阳0.0120.00212.4232.401
      自贡−0.015−0.010−12.561−8.861

      Table 4.  Annual change rate and percentage of NDVI in Chengdu-Chongqing area from 2001 to 2020

    • 从城市建成区NDVI变异系数来看,其中乐山变异系数最大,是植被稳定性最差的城市。2001—2006年,有近1/3的城市变异系数呈增加趋势;2006—2010年,近1/2的城市变异系数增加,呈上升趋势;2010—2015年,近4/5的城市变异系数呈增加趋势;2015—2020年,近2/3的城市变异系数增加。总体来看,在2001—2020年变异系数均有不同程度增加,说明该时段内研究区植被比较不稳定。

      城市20012006201020152020
      成都0.3500.2860.2080.2500.263
      达州0.1390.1170.1600.2220.260
      德阳0.3290.2010.2290.1980.200
      广安0.1480.1190.1180.2240.236
      乐山0.1670.1980.2140.2420.942
      泸州0.1810.1790.1270.2730.253
      眉山0.1910.1650.1970.2300.212
      绵阳0.2500.2560.2160.2150.179
      南充0.2320.2060.1780.2360.284
      内江0.2220.1620.2340.2290.231
      遂宁0.1880.1600.2040.2160.232
      雅安0.1470.1710.1580.2460.251
      宜宾0.2300.2620.1730.2230.330
      重庆0.2650.2240.2200.2770.267
      资阳0.1700.1790.2040.2370.207
      自贡0.1300.1090.1250.2050.207

      Table 5.  Variation coefficient of NDVI in urban built-up areas in Chengdu-Chongqing area

    3.   讨论
    • 城市的扩张是城市发展的必然结果,受到社会经济因素和自然因素的共同影响,尤其是政策、经济与人口的发展[16]。成渝地区城市在2001—2010年间城市发展较为缓慢,但在2010年后保持可观的速度扩展,社会经济活动形势向好。2016年《成渝城市群发展规划》的发布,成渝城市群开始快速发展,目前城市群正处于经济社会发展上升期,但是生态保护与经济发展的平衡尚未建立[17]。欧阳晓等[18]在中国城市群城市用地扩张时空动态特征研究中发现东部地区城市在2005年以前扩张强度达到极大值,2005年之后,扩张强度呈现下降趋势。与本文研究结果恰好相反,说明我国城市群呈现不平衡的发展趋势,东部城市发展明显高于中西部城市。

      随着建成区的扩展,2001—2020年间城市扩张对城市建成区植被产生不利影响。研究区位于四川盆地,植被覆盖的变化不仅与气候因子密切相关,而且也受到人为因素的影响[19]。宋梦来等[20]以天津市为例,得出植被变化受到气候和人类活动因素的共同影响,人类活动因素对植被覆盖度的影响远远超过气候因素[21]。研究发现,成渝地区城市建成区植被生长状况较自然背景区植被较差,与余晨渝等[22]研究得出人类活动对植被覆盖负向影响区域主要集中于人类活动密集、城市化进程较快的城区基本一致。随着建成区的扩展,即使城市内有着完善的植被保护措施,但还是会不可避免的占用或破坏天然林草地,导致植被覆盖度的下降。

      研究还存在一些不足,有待进一步改进。一方面,虽然将DMSP/OLS和NPP/VIRS两种夜间灯光进行拟合,但仍存在误差,而且由于DMSP/OLS的分辨率为1km,空间分辨率过大,不利于进一步研究城市建成区内植被的变化过程。另一方面,比较依赖于统计数据来提取城市建成区的边界,统计年鉴中数据的误差或缺失会对研究结果的准确性产生影响,未来可引入珞珈一号等高分辨率的夜间灯光数据或土地资料数据提取建成区。

    4.   结论
    • 基于2001—2020年整合夜间灯光数据,运用统计数据比较法提取成渝地区城市建成区边界,对城市扩展特征进行分析,并引入SPOT/VEGETATION NDVI数据,以NDVI总和、比值及变化量和稳定性等对城市建成区植被进行分析,得出以下结论。

      (1)成渝地区城市扩展年均速呈上升趋势。2001—2006、2006—2010、2010—2015、2015—2020年城市扩展速度为7.33 km2·a−1、9.63 km2·a−1、11.23 km2·a−1、12.23 km2·a−1

      (2)成渝地区除重庆外,研究区其他城市的紧凑度指数较高。由于重庆市城区受南北山地的地形所限,建成区多沿山间盆地呈狭长形分布,紧凑度较低。

      (3)成渝地区城市重心在2001—2006年重心向东北方向移动,2006—2010年重心向东南方向移动,2010—2015年重心向东南方向迁移,2015—2020年重心向西北方向迁移。

      (4)成渝地区城市建成区植被在时空分布上总体呈退化趋势。NDVI总和在2001—2020年间呈先上升后下降趋势,在2006—2010年间城市建成区植被NDVI总和随着城市扩展不断上升,但在2010—2020年间城市建成区植被随着城市建成区扩展不断退化。

      (5)成渝地区城市建成区植被普遍较背景区差。2001—2020年间半数以上的城市建成区植被的NDVI比值及变化量呈下降趋势,而背景区植被NDVI均值整体超过建成区植被,且半数以上城市呈增加趋势。

      (6)成渝地区城市植被稳定性变差。2001—2020年超过半数城市的变异系数均有不同程度的增加,表示该时段城市植被比较不稳定。

Reference (22)

Catalog

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return