谢念斯,刘胜华

武汉大学,资源与环境科学学院,武汉 430079

0 前言

城市是现代经济社会最重要的形态和载体，是一个社会-经济-自然复合系统，绿地作为城市地区自然支撑系统的一部分，是城市发展的重要基础。从生态价值来看，城市绿地可以保护生物多样性[1]、缓解热岛效应和城市内涝现象[2]、储存二氧化碳[3]等； 从社会价值来看，城市绿地为市民的休憩、娱乐、体育活动提供了场所，对人们的身心健康有着积极的影响[4]。但是，城市绿地的这种提供生态服务的能力会受到其本身空间格局的影响，如研究表明：绿地斑块平均面积越大、破碎度指数越低、绿化廊道比例高，则其改善城市环境的作用越大[5]；当公园绿地集中分布于城市某一区域时，会增加市民整体的出行成本[6]等等。

目前对城市绿地的研究着重从对绿地在城市规划编制、景观设计中的定位[7]、生态服务价值量化[8]、绿地环境效应[9]、绿地空间格局分析[10]、绿地服务的公平性[11]、以及相关的公众意愿调查[12]等方面开展。其中，在对绿地空间格局进行分析时，最主要的手段就是利用RS 和GIS 技术提取研究区域的绿地空间信息，得到若干景观格局指数[13]，以揭示城市绿地在空间或时间上的变化，从而为城市规划和建设提出政策建议[14]。有的学者还会在此基础上进行延展，如不同绿地空间格局对气温、空气相对湿度、大气污染物、噪声等环境因子的影响[15]，或以多种赋权法评价城市绿地的景观水平[16]，或基于人口分布状况评估绿地的可达性[17]等等，也有将绿地的空间格局变化与几种社会经济的发展指标进行相关分析[18]，但整体来说相对绿地可达性[19-21]等研究要少得多。作为城市经济发展进程的重要体现——土地的集约化利用，必然对城市绿地的空间格局变化产生深刻影响。本研究在RS 和GIS 等常规方法的支持下，分析不同城区划定条件下的研究区域——广州市在1993年—2013年间的绿地空间格局动态变化，再与其土地集约利用指标体系做灰色关联性分析，来分析两个系统之间的联系程度，可以为城市的管理、绿地水平的提高提供相关依据。

1 研究区域概况

广州市位于中国南部沿海、广东省中南部，与香港、澳门毗邻，属于亚热带季风气候，雨水充沛，境内河流水系发达。广州市在过去的几十年中，依靠优越的区位条件、良好的工业基础和国家政策支持，吸纳了大量劳动力，城市化水平快速提高。2016年末，广州市常住人口1404.35 万人，户籍人口870.49 万人，城镇人口比重达到了86.06%。作为一个经历了巨大变化，有着庞大人口规模的城市，广州市在未来仍将持续吸引来自全国各地的人，这一进程对城市绿地的空间格局产生了并且会继续产生巨大影响。1993年—2013年期间，在本文划定的城区内，绿地面积减少51%，而非生态用地翻了一倍，占到整个城区面积的66%。以它为研究区域具有典型性，可以为城市化的后来者提供案例样本。

2 研究方法及数据来源

2.1 数据来源

本研究中使用的landsat5 影像均来自于地理空间数据云(http://www.gscloud.cn/)下载，在考虑数据的可获得性和可解译性的条件下，影像生产时间主要是秋、冬两个季度，平均云量低3%； DMSP/OLS夜间灯光遥感影像全部来自美国国家环境信息中心官网(https://www.ngdc.noaa.gov/)下载，DN值范围为0—63，投影后的像元大小为903 m×903 m；其他广州市人口、土地和社会经济经济数据从《中国城市统计年鉴》、《中国城市年鉴》和《广州市统计年鉴》中获得。

2.2 研究方法

2.2.1 划定城市边界

提取广州市绿地空间信息之前，首先要划定城市区域范围。以往的研究多直接以行政管辖界线作为城市边界，但这种方法确定的范围是行政意义上的，而不是城市功能意义上的。那些罕有人烟的森林、草地实际上对城市居民并无太大意义。本文采取的方法是以阈值提取夜间灯光影像范围。在影像上像元DN值越高，灯光亮度越强，就意味着该像元更有可能属于城市地区[22]。这种方法比以行政界线划分更为科学合理。具体步骤是：首先，利用ArcGIS 的空间分析模块，从原始影像上裁剪下广州市行政区范围内的夜间灯光影像，并进行栅格投影；然后根据广州市建成区面积数据确定一个最佳的DN值，使得提取的影像范围(所有大于等于该DN值的像元面积之和)最接近建成区面积，影像的范围=提取的像元数×像元大小。为了能够更好的提取影像范围，保持前后两次提取之间的差值，本研究从1993年开始，隔一年进行一次提取。同理，对广州市TM 影像进行分类时同城区范围的提取年份保持一致。提取结果如下表所示，平均误差不超过3%。

表1 广州市建成区面积提取表 Table1 Urban areas extracted of Guangzhou

城区范围提取出来后，与TM 影像对照，发现还有部分明显是成片建设用地区域没有被纳入，综合比较下，在每个年份确定的阈值上加5，予以提取作为扩展城区，前者作为核心城区。另外，将研究末期2013年的核心城区和扩展城区固定作为其他年份的城区范围，可以观察到在同一范围内绿地的变化情况。据此，根据不同条件，形成了4 种城区范围：

最后，将提取的全部城区范围的边界矢量化，用于裁剪TM 影像，处理过程中将主要连片区域外的零星像元予以排除。图1为2003年四种城区范围的示意图，除2013年，四种城区的大小关系为B2＞B1＞A2＞A1。

2.2.2 获取绿地空间信息

在ENVI 和ArcGIS 软件中对下载的TM 影像进行几何校正、裁剪、栅格投影等预处理后，采用最大似然法执行监督分类。本研究将绿地看作一个整体，分析其空间格局的变化，揭示其与土地集约利用的联系程度，因此只划分了三个用地类型，即：绿地、水体和非生态用地，不再对绿地系统内部进行划分。

表2 不同条件下提取的城区范围 Table2 Urban areas extracted under different conditions

对1993年—2013年裁取的广州市城区TM 影像监督分类之后，就可以采取景观格局指数法进一步量化城市绿地的空间格局。目前对城市绿地景观格局指数的研究中，主要的考量维度有景观破碎度或聚集度[23]、均匀度、优势性、多样性[24]、形状复杂度[25]等等，在查阅对比相关文献后，本研究从众多的景观格局指数中选取了斑块所占景观面积比例(PLAND)、斑块密度(PD)、斑块平均大小(MPS)、平均面积加权形状指数(AWMSI)、平均最临近距离(MNN)、聚集度(AI)等指数来衡量城市绿地面积比重、破碎度、受人类活动影响强度的变化情况。

2.2.3 土地集约利用指标体系

图1 广州市城区范围提取示意图 Figure1 Urban area extracted of Guangzhou

土地集约利用在以人多地少为基本国情的中国是一条解决人地矛盾、保护生态环境和耕地的重要途径。对于土地集约利用内涵，学者和各地方政府都有着自身的理解，他们从经济、社会、生态等方面 进行阐述[26]。因此，在构建评价指标体系时，存在一些差异，这些体系常常包含增加投入、优化用地结构、适度利用土地、提高土地利用潜力、优先使用存量用地、保护生态环境中的一个或几个目标[27]。本研究采取的是传统的”增加劳动和资本投入以提高土地经济效益”。因为这种价值取向相较其他在获取资料和计算方面最为实用，为诸多学者所采取；二来，土地集约利用的生态内涵包括绿地的空间结构，与绿地空间格局有所重合，为了分析两个系统之间的关联性，本文将两者看作相对独立的两个系统，所以不对土地集约利用内涵作更多拓展。通过对相关文献的总结，土地集约利用的指标体系如下，每个指标对应的数据年份与绿地空间信息提取年份一致，以构成比较数列：

按照本文对“土地集约利用”内涵的界定：其中，S1、S4和S5用于表征广州市的土地利用开发强度，S2可以显示房地产业在单位土地面积的资金投入量，S3则反映政府为完善城市环境，便利市民生活而对单位面积土地的投入，S1—S5均是对“投入”这个维度的描述；S6和S7分别用于说明广州市工业和商业服务业在单位面积土地的生产总值，即“产出”的维度。

2.2.4 灰色关联分析法

在提取绿地空间信息和收集社会经济统计数据工作完成后，对两者进行灰色关联分析。对于绿地空间格局和土地集约利用两个受多因素影响的复杂系统来说，虽然相关、回归分析可以在一定程度上作出回答，但要求数据量较大、数据分布特征也要求比较明显[28]。而灰色关联分析方法用于定量描述事物变化态势之间的关联程度大小，在这个方面要求较低，且原理简单，计算简便。灰色关联度的计算公式为：

式中，ζij(n)为两个比较数列中对应值的关联系数，Δmin、Δmax为两个比较数列中绝对差的最小值和最大值，Δij(n)为两个比较数列中对应值的绝对差，ρ是分辨系数，取值为[0,1]，本文取0.5[29]，R是两个数列之间的关联度，即关联系数的平均值。在计算时，对绿地空间格局的指标和土地集约利用的指标全部进行一对一的灰色关联分析，同一指标在11 个年期上的值构成一个数列。原始数据无量纲化采取均值化的处理方式。

3 分析结果

3.1 广州市城市边界扩张及绿地基本情况

根据上文对城市边界的界定，动态核心城区是根据每年广州市统计数据，利用夜间灯光阈值提取出来的，其他三种都是对动态核心城区的扩展或固定，因而它是最直接反映城市边界扩张情况的，图2是从11 期提取范围中抽取1993、2003 和2013年三期形成的一个示意图。

从图中可以看到，1993年广州市核心城区还是“一大两小”的组团，到2003年已经全部连成一片，且向外扩张了许多，同时在西北方向新增了一个团块，2013年则显示出在原有城区基础上继续向外扩张的趋势。可以预见，以目前中国的城市化率和广州市的地位，随着人口的继续增长，这个扩张过程还会延续。

图2 1993、2003 和2013年广州市核心城区 Figure2 Core Urban Area of GuangZhou in 1993,2003 and 2013

在城市扩张的过程中，从数量上看绿地的变化：以2013年提取的扩展城区为固定边界，1993年绿地面积为1255 km2，占城区面积的61.7%;到2003年为954 km2，减少23.9%；2003—2013年绿地面积持续减少，且幅度更大，达到36.1%，仅占城区 面积的30.0%；非生态用地1993年仅有整个城区面积的33.2%，至2003年已达到48.5%，面积增长幅度接近50%；而2003—2013年，增长幅度有所减少，为36.7%，但面积占比已达到66.3%。可以看到，1993—2013年，非生态用地迅速扩张，并大量侵蚀绿地。这一过程不仅仅体现在总量上，同时会对绿地内部的空间格局产生影响。

3.2 1993—2013年广州市绿地空间格局动态变化

将11 期分类好的影像作为输入图层，在Fragstats 软件中计算所选景观格局指数的值，结果如下：

根据图3广州市绿地景观格局指数从1993— 2013年的变化情况，可知：

(1)在2013年提取的城区范围内，绿地覆盖率呈现不断降低的趋势；虽然动态核心城区1993—2001年出现较大波动，但两种以每年建成区面积为基础提取的动态城区范围内，绿地覆盖率保持在35%和30%上下，说明城市在扩张的过程中侵占了大量的绿地，但城区内部的绿地覆盖情况较为稳定。

(2)在斑块密度(PD)这一指标上，四种城区划定情况下都是表现出总体增加的趋势，并且整体上是B2＞B1＞A2＞A1，也就是越接近建成区，绿地斑块密度越高，从一个方面可以说明绿地破碎度提高的趋势。波动幅度则相反，是A1＞A2＞B1＞B2，原因是城区面积扩张幅度的不一致。

图3 1993—2013年绿地景观格局指数 Figure3 Index of Green landscape pattern

(3)四种城区划定情况下，平均斑块大小(MPS)都是减小的趋势，但动态城区与固定城区相比，降幅要小很多，降幅最大的是固定扩展城区(B2)，说明扩大的城区范围内，原有绿地受到人类土地利用活动的影响，其面积不断缩减，已被纳入城区的绿地则趋于稳定。

(4)平均面积加权的形状指数(AWMSI)在固定城区范围内都呈现总体下降的趋势，说明绿地受到人类活动的影响，如房地产开发、道路铺设，绿地的形状趋于简单、规则化。而动态城区＜固定城区，并且相对变化幅度小说明离建成区越近，绿地形状受到规制的强度就越大，但在达到一定强度后就逐渐趋于稳定。

(5)固定城区和动态城区的绿地平均最临近距离指数(MNN)均是波动上升趋势，其中动态核心城区波动最大。MNN指数越大说明城区内绿地斑块之间的距离越远，同样能够反映城市绿地破碎度的提高。

表4 灰色关联分析结果 Table4 The results of grey correlation analysis

(6)两种固定城区的绿地聚集度(AI)的下降趋势要比动态城区更为明显，说明在2013年划定的城区上，从1993 至2013年，绿地斑块在不断分散和破碎化，但动态城区内则与其他指数变化情况一致，表现相对较为稳定。

总的来说，1993年—2013年，虽然有所波动，但广州市的城市绿地的空间格局呈现出覆盖率下降、破碎化、形状规则化的趋势，说明绿地在城市化过程中受人类活动影响不断加强，且程度高低和变化幅度整体表现出B2-B1-A2-A1 的次序，即在空间上与到建成区距离显著相关。

3.3 绿地空间格局与土地集约利用的关联分析

对绿地空间格局指标和土地集约利用指标进行灰色关联分析后，得到下列结果根据关联度计算得到的结果，可知：

(1)在动态核心城区划定条件下，土地集约利用指标体系中与绿地空间格局的动态变化的关联度平均值排序为：S2＞S7＞S3＞S4＞S5＞S1＞S6，地均房地产开发投资额最高(S2)，达到0.67，地均市政公用设施建设固定资产投资额(S7)和地均社会消费品零售总额(S)次之，都在0.63 左右，地均房屋建筑面积(S4)也达到了0.62，最低为地均工业产值(S6)0.54；两个比较数列关联度最高的是地均房地产开发投资额与绿地覆盖率(PLAND)，数值为0.69。这说明在以建成区面积为参照提取的动态核心城区内，房地产开发活动对绿地空间格局的变化，尤其是绿地占城区面积比重，起到了最重要的影响，零售、服务业和市政设施建设的影响较大，工业作为次要的城市核心区功能，其与绿地空间格局变化关联性最低。

(2)在动态扩展城区中，其关联度排序为S2＞S3＞ S7＞S4＞S5＞S6＞S1，地均房地产开发投资额(S2)和地均市政公用设施建设固定资产投资额(S3)的关联度最高，平均值在0.67 以上，地均社会消费品零售总额(S7)次之，达到额0.65，人口密度(S1)最低，仅为0.54；比较数列关联度最高为S3和斑块平均大小以及面积加权的平均形状指数，均达到了0.75，表明当城区范围从核心城区向外扩展至外围城区时，市政设施建设的影响力得到提升，与房地产开发投资活动共同主导绿地的空间格局变化；而与绿地斑块缩小和形状规则化关联最高的也是房地产开发活动。

(3)在固定核心/扩展城区中，关联度排序均为S3＞S7＞S4＞S6＞S5＞S2＞S1，地均市政公用设施建设固定资产投资额(S1)和地均社会消费品零售总额(S7)的平均值都在0.65上下，而地均房地产开发投资额(S2)降至0.57，说明当城区扩展至2013年提取的范围时，过去20年内是城市基础设施投资和第三产业在主要影响着绿地空间格局的变化，房地产开发的关联度性大大减弱。比较数列关联度最高为0.78(固定扩展城区)——平均斑块大小(MPS)与地均市政公用设施建设固定资产投资额(S3)，以及0.74(固定核心城区)——面积加权的平均形状指数(AWMSI)和地均工业生产总值(S6)。

4 结论与讨论

从上述分析，可以得到结论如下：总体而言房地产开发、政府主导的市政设施建设在本文建立的土地集约利用体系之中与1993—2013 这20年间广州市绿地空间格局变化的关联程度最高，造成了城市绿地的减少、破碎化和形状规则化：房地产项目的增多直接导致了城市绿地面积的减少，而商住小区里的零星小绿地是对城市连片绿地的分割破碎;道路、市民广场、机关办公楼等市政设施的大量建设降低城市绿地覆盖率的同时，使其形状逐渐规则化。这两项活动是广州市城市绿地空间格局变化最直接和主要的因素，与中国住房制度改革以来房地产业快速发展，成为国民经济重要支柱以及地方政府竞争、大量投资基础设施建设的大背景相符合。另外，商业服务业在研究时期内对广州市绿地空间格局的变化显示出仅次一等的重要影响：地均社会消费品零售总额指标在全部城区划定条件下，其关联度均排列前三。一方面，这与广州市悠久强大的商贸历史传统有关；另一方面，随着外来人口流入、消费升级、市民的收入水平逐渐提高，引导沿街商店、步行街，综合性商场等商业性房地产的增多，而政府为了提升消费环境，必然会完善城市的交通设施条件，这些同样影响了城市的绿地空间格局。所有土地集约利用指标中，人口密度和地均工业生产总值的关联度最低，前者可能只是起到了一个背景的作用，对绿地空间格局变化没有直接的影响；而后者反映了工业在广州这样的一线城市中已经居于较为次要的地位，工业对生态环境的消极影响远超过商业服务业，而用地效率又远低于对后者，因此对城市的产业升级和城市生态环境改善是有利的。

在传统土地集约利用“增加地均投入产出”的内涵下，城市绿地空间格局的这种变化不利于城市生态环境的改善，减少了市民享受绿地各种生态服务的机会。因此，根据关联性分析的结论，提出以下建议：(1)有必要在今后的城市规划中更加重视绿地空间的设计和保护，加强规划的科学性和公益性，城市的扩张和建设应该严格受到城市规划的约束，对已有一定面积绿地的改造需要经过合理的论证，先批再建。(2)特别要注重保护好现存的城市森林、公园等成片大面积公共绿地，它们对保持城市物种多样性，减弱热岛效应、承纳雨水、提供休憩娱乐场所等具有重要意义；同时加强对街边绿地，道路两侧防护绿地的管理，增加住宅小区内部的绿地覆盖率。(3)严格把关房地产项目的落地，在满足人口住房需求的同时，尽量不占或少占绿地，充分利用存量建设用地，避免将绿地空间分割进一步破碎化。(4)进一步发展商业服务业，淘汰用地效率低下的工业企业，减少对房地产业的依赖，可以为外来人口提供大量工作岗位的同时，提高土地利用率和效益，从而减少对绿地的占用，改善城市的生存和生态环境。

本文的研究方法比较常规，但较理想的实现了多种方法的结合，包括：夜间灯光阈值法提取动态的城市边界;运用几种软件提取研究区域多期的绿地空间信息；对土地集约利用指标和绿地空间特征指标的灰色关联分析等。最终目的则是分析两个系统之间的关系。本文的局限在于虽然能够定量地描述它们之间的关联程度，但对于以何种方式何种程度地影响则只能够结合实际定性地分析，有待于更深入的研究。