奥 勇，毋冰龙，白召弟，王晓峰，陈子娴

(1. 长安大学 土地工程学院，陕西 西安 710054; 2. 长安大学 陕西省土地整治重点实验室，陕西 西安 710054; 3. 长安大学 地球科学与资源学院，陕西 西安 710054; 4. 西南大学 地理科学学院，重庆 400715)

0 引 言

改革开放以来，中国城镇化进程加快，大批人口和资源涌向城市，特别是中国大型城市群的城市建成区增加尤为明显，与之对应的是耕地数量的急剧减少。快速准确地获取城市建成区的信息，分析城市建成区扩张的时空演变特征，对于今后城市发展规划、合理利用土地资源以及保护生态环境具有重大意义。粤港澳大湾区作为中国开放程度最高、经济活力最强的区域之一，与美国纽约湾区、旧金山湾区和日本东京湾区并称为世界四大湾区，其发展速度与潜力一直处于国内领先地位，但湾区内部发展不协调，东西发展差距日渐增大，因此，研究粤港澳大湾区内部的建成区扩张以及城市之间相互联系具有重要的现实意义。

城市建成区的提取是城市扩张时空变化研究的重要部分，传统的城市建成区获取途径主要是通过查阅各地区统计年鉴等统计数据，缺少城市建成区的空间结构信息。随着现代遥感技术的发展，通过遥感数据依据城市不透水面的概念提取城市不透水面，进而提取城市建成区成为主要技术手段。20世纪70年代美国发射Landsat卫星以来，国内外学者通过遥感数据对城市扩张进行了大量的研究。黄昕等研发了一套1972～2019年全球不透水面产品，并对各大洲及其代表性国家的城市扩展格局进行了分析。Frimpong等通过Landsat影像结合随机森林方法对加纳库马西的城市扩张进行了分析。Taubenbock等将面向对象和基于像元的分类方法应用于Landsat和Terra SAR-X数据提取城市扩张信息，对世界上3个特大城市进行了分析。

传统的遥感数据通过提取城市不透水面进而提取建成区，但建成区作为城市发展的活跃地区，单纯通过不透水面很难反映建成区的社会与经济活跃程度；夜间灯光数据的亮度可以很好地反映城市扩张的水平，灯光的强弱反映了城市内部人类活动的活跃程度，因此，夜间灯光数据相较于Landsat影像提取的建成区更有实际意义。Elvidge等通过DMSP-OLS(Defense Meteorological Satellite Program-operational Linescan System)夜间灯光数据提取城市信息，对美国各城市扩张进行了分析。刘源等通过NPP-VIIRS(Npoess Preparatory Project-visible Infrared Imaging Radiometer)夜间灯光数据结合局部等值线树算法提取城市中心，对重庆市中心的发展状况进行了分析。刘权毅等通过珞珈一号夜间灯光数据结合人类居住合成指数提取城市建成区信息，对武汉市城市建成区的扩张进行了分析。

以上研究在城市扩张方面进行了有益的探索，目前常用于城市扩张研究的夜光数据为DMSP-OLS和NPP-VIIRS夜间灯光数据。DMSP-OLS夜间灯光数据仅有1992～2013年的数据，NPP-VIIRS夜间灯光数据则是更新2013年之后的数据。两者之间存在不可比的情况，限制了夜间灯光数据的时间序列研究。虽然有很多研究通过将DMSP-OLS与NPP-VIIRS夜间灯光数据进行整合，以得到连续的时间序列数据集，但是无法克服数据传感器不同造成的误差。余柏蒗教授团队在2021年生产了2000～2018年类NPP-VIIRS夜间灯光数据集，该数据集具有跟NPP-VIIRS夜间灯光数据一致的参数属性，使得夜间灯光数据的长时间序列研究得以实现。

本文以粤港澳大湾区为研究区域，通过2000～2018年5期类NPP-VIIRS夜间灯光数据，结合大尺度不透水面指数(Large-scale Impervious Surface Index,LISI)和统计数据比较法提取目标区域的城市建成区，进而对其建成区扩张的空间特征和时态变化特征进行分析，为粤港澳大湾区整体发展以及大湾区各城市的可持续发展提供科学依据。

1 研究数据与方法

1.1 研究区概况

粤港澳大湾区包括香港特别行政区，澳门特别行政区，广东省广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市、肇庆市(图1)，总面积5.6×10km，2017年末总人口约7 000万人，具有重要战略地位。粤港澳大湾区所处位置为珠江入海口，地势平坦，气候温和，水网密布，交通运输方便，且拥有大面积的耕地、林地和草地。

图1 粤港澳大湾区区位图Fig.1 Overview Map of Guangdong-Hong Kong-Macao Greater Bay Area

1.2 数据获取与预处理

1.2.1 数据获取

(1)类NPP-VIIRS夜间灯光数据集。类NPP-VIIRS夜间灯光数据来源于Harvard Dataverse平台，空间分辨率为500 m。像元辐射值表征灯光强度，灯光辐射值的大小反映灯光的强弱，单位为nW·cm·sr。像元辐射0值及以下视为无光。

(2)MODIS 16 d归一化植被指数(Normalized Difference Vegetation Index,NDVI)产品。2000、2005、2010、2015、2018年归一化植被指数数据来自美国NASA网站的Terra卫星MOD13Q1产品，空间分辨率为250 m。

(3)其他辅助数据。粤港澳大湾区行政区矢量数据来自地理空间数据云网站。广东统计年鉴、香港统计年刊、澳门建成区面积数据分别来自广东省统计局、香港特别行政区政府统计处、澳门特别行政区土地利用数据。

1.2.2 数据预处理

(1)类NPP-VIIRS夜间灯光数据由于杂散光影响导致亮度值过高或出现负值现象，且数值量化级别较高，但其数值大多数集中在0～65。为了将所有数据源保持在0和1之间的相同范围内，对类NPP-VIIRS夜间灯光数据进行归一化。归一化计算公式为

(1)

式中：表示归一化的类NPP-VIIRS数据值(范围为0～1)；为该数据集某一像素的遥感影像像元亮度(DN)；和分别为类NPP-VIIRS数据的最小值和最大值。

(2)将归一化植被指数数据(MOD13Q1)重投影为WGS_1984投影，并在重投影过程中将数据重采样到与夜间灯光数据空间分辨率一致。本研究通过最大值合成法得到年度归一化植被指数图，最大值合成法可进一步消除云、大气、太阳高度角、传感器灵敏度等因素的部分干扰。归一化植被指数最大值()计算公式为

=MAX(,,…,)

(2)

式中：为归一化植被指数数据第个像素的遥感影像像元亮度。

将得到的最大年度归一化植被指数图进行裁剪，得到粤港澳大湾区的年度归一化植被指数数据。

1.3 研究方法

1.3.1 大尺度不透水面指数

Guo等提出的大尺度不透水面指数结合了夜光数据和MODIS NDVI数据的优点。大尺度不透水面指数()计算公式为

(3)

式中：为年度归一化植被指数。

1.3.2 统计数据比较法

大尺度不透水面指数提取的结果仅为不透水面，需进一步处理得到城市建成区。本研究通过统计数据比较法并结合统计年鉴数据再次对大尺度不透水面指数进行处理，得到城市建成区面积。

1.3.3 建成区验证

(1)建成区空间验证

本研究在2018年广州、东莞、香港、深圳4个核心城市的Google Earth影像中选取样本点，采用随机验证的方法对4个城市的建成区提取结果进行验证，以此来验证粤港澳大湾区建成区在空间位置上的提取精度。

(2)建成区数量验证

本研究采用与统计年鉴的建成区面积计算相对误差，对粤港澳大湾区的建成区提取结果进行数量验证。相对误差的计算公式为

(4)

式中：为相对误差；为统计年鉴的建成区面积；′表示建成区提取面积。

1.3.4 建成区扩张的时间变化

(1)城市建成区扩张强度计算公式为

(5)

式中：为城市扩张强度指数;为土地总面积；Δ为两个时期建设用地面积差;Δ为时间间隔。

(2)城市建成区扩张速度()计算公式为

(6)

式中：为基础建成区总面积。

2 结果分析

2.1 建成区提取精度验证

本研究在空间和数量两个方面对粤港澳大湾区建成区的精度进行验证。在空间上，验证结果如表1所示，4个核心城市的2018年建成区提取结果的空间位置精度均在85%以上，东莞的精度达到了94.51%。在数量上，验证结果如表2所示，最大误差为6.06%,相较于陆永权等给出的提取精度最大误差(14%)提高了7%以上；本研究逐个确定每个城市阈值相较于城市群整体提取建成区,提取精度更高。

表1 城市建成区提取结果的空间位置验证结果Table 1 Verification Results of Spatial Position for Extraction Result of Urban Built-up Area

表2 城市建成区提取的数量验证结果Table 2 Verification Results of Quantity Extracted from Urban Built-up Area

2.2 建成区扩张的时间变化特征

图2为2000～2018年建成区面积及其变化直方图。从图2可以看出：粤港澳大湾区的建成区由2000年的1 279.00 km增加到2018年的4 730.25 km，扩张了近3.7倍，2000～2005年是建成区扩张最快的时期，广州、深圳、东莞是2000～2005年建成区增长的前三名，分别为571.50、440.75、251.00 km，其余城市的建成区也在这一时期快速扩张；2005～2010年，东莞、广州、惠州、深圳建成区扩张迅速，惠州也是该时期唯一建成区增加大于2000～2005年的城市，其他城市建成区增加相对缓慢；2010～2015年，广州、中山在这一时期建成区增加大于2005～2010年；2015～2018年，广州建成区增加迅速减小，东莞是这个期间建成区增加最快的城市，增加量为234.5 km；其他城市在2000～2018年建成区扩张逐渐变慢。

图2 2000～2018年城市建成区面积及其变化直方图Fig.2 Histograms of Urban Built-up Areas and Their Change from 2000 to 2018

图3为2000～2018年城市建成区扩张速度与扩张强度直方图。从图3可以看出：粤港澳大湾区在2000～2018年建成区扩张速度整体呈下降趋势，2000～2005年扩张速度达到127.37%，是扩张速度最快的时期，扩张强度则在2000～2015年呈下降趋势，2015～2018年又缓慢回升；深圳、佛山、江门的扩张速度与扩张强度趋势一致，均是在2000～2005年达到最高，之后迅速降低，深圳在这一时期的扩张速度和扩张强度最大，扩张速度达到386.15%，扩张强度为5.72%；广州、肇庆和香港的扩张速度在2000～2018年变化相对较小，整体呈下降趋势，广州的扩张强度在2000～2015年稳定在0.7%左右，在2015～2018年降低到0.31%，肇庆的扩张强度在2000～2015年稳定在0.2%左右，2015～2018年降低到0.09%，香港的扩张强度与扩张速度趋势一致；中山和澳门的扩张速度和扩张强度趋势一致，在2000～2010年呈下降趋势，2010～2015年呈上升趋势，2015～2018年再次下降；东莞的扩张速度与扩张强度均在2000～2015年呈下降趋势，2015～2018年呈上升趋势；惠州的扩张速度与扩张强度在2000～2010年呈上升趋势，2010～2018年迅速下降；珠海的扩张速度在2000～2010年呈下降趋势，2010～2015年出现小幅上升，2015～2018年再次下降，扩张强度在2000～2010年呈下降趋势，2010～2018年缓慢上升，基本维持在0.2%左右。

图3 2000～2018年城市建成区扩张速度与扩张强度直方图Fig.3 Histograms of Expansion Speed and Intensity of Urban Built-up Areas from 2000 to 2018

本文将扩张速度按照小于40%为低速发展阶段，40%～80%为中速发展阶段，大于80%为高速发展阶段进行划分。图4为2000～2018年城市建成区扩张速度空间分布。从图4可以看出：2000～2005年，粤港澳大湾区整体为快速发展阶段；深圳、佛山、江门、惠州、东莞、中山、澳门均为快速发展阶段，广州、珠海、肇庆为中速发展阶段，仅香港为慢速发展阶段；2005～2010年，除肇庆、惠州、东莞为中速发展阶段外，其余城市均为慢速发展阶段；2010～2015年，除中山为中速发展阶段外，其余城市均为慢速发展阶段；2015～2018年，粤港澳大湾区所有城市均为慢速发展阶段。

图4 2000～2018年城市建成区扩张速度空间分布Fig.4 Spatial Distributions of Expansion Speed of Urban Built-up Areas from 2000 to 2018

2.3 建成区扩张的空间特征

图5为2000～2018年城市建成区提取结果。从图5可以看出，2000～2018年粤港澳大湾区的建成区随着城镇化进程不断增加，并且着重发展东部沿海地区，西部地区发展较缓慢。各城市的建成区扩张主要发生在城市之间的交界地带，城市之间的联系日渐增强。2000年粤港澳大湾区的建成区主要分布在广州、香港、澳门，其他城市建成区零散分布，2000～2005年粤港澳大湾区建成区迅速扩张，东部与西部发展差距增大，深圳、东莞建成区增加尤为明显，粤港澳大湾区东南部沿海城市联系逐渐加强，形成佛山—广州—东莞—深圳—香港核心城市建成区，西部城市建成区增加较为缓慢。2005～2010年粤港澳大湾区建成区总体缓慢增长。

图5 2000～2018年城市建成区提取结果Fig.5 Maps of Extraction of Urban Built-up Areas from 2000 to 2018

2010～2018年东部建成区分布在原有基础上更加紧凑，联系更加紧密，西部城市出现了许多零散的建成区，并且这些零散的建成区逐渐相连。

图6为2000～2018年城市建成区提取结果叠加图。从图6可以看出，2000～2018年粤港澳大湾区的东部与西部差距明显，东部建成区扩张明显高于西部。为了加强各城市间的联系，广州—佛山、深圳—香港核心城市建成区以东莞为桥梁形成了佛山—广州—东莞—深圳—香港核心城市建成区。2000～2005年粤港澳大湾区的建成区扩张主要是粤港澳大湾区的东南方向，深圳和东莞的建成区扩张最为迅速，为广州和深圳建立更紧密联系奠定了基础，江门和中山建成区扩张主要发生在两市的交界处。2005～2010年，东莞建成区扩张主要在广州和深圳的交界处，成为了两市联系的纽带；惠州建成区扩张在这一时期主要发生在与深圳的交界地带，加强了与深圳的联系。广州在2000～2010年主要发展南部区域和东部区域，2010～2018年则主要向北部和西北部扩张。肇庆、珠海、澳门、香港在2000～2018年建成区则主要在原有基础上继续边缘式扩张；同时，佛山也在逐渐成为广州和中山—江门的桥梁，形成江门—中山—佛山—广州—东莞—深圳—香港大型城市群。

图6 2000～2018年城市建成区提取结果叠加图Fig.6 Overlay Map of Extraction of Urban Built-up Areas from 2000 to 2018

图7为2000～2018年城市建成区提取结果叠加图。从图7可以看出：粤港澳大湾区各城市2000～2018年建成区扩张的空间特征。佛山、广州、东莞、深圳、香港在2000～2010年快速扩张，并且建成区扩张主要发生在上述城市的交界地带，2010～2018年则重点进行建成区内部优化，广州在2015年之后逐渐偏向西北方向扩张。江门、中山、珠海建成区在2000～2018年逐渐以中山为中心，建成区逐渐连片。惠州建成区扩张在2000～2005年主要发生在与深圳的交界地带以及主城区的西南方向，2005～2010年建成区扩张在主城区附近以及主城区的西南和东部地区，2010～2018年建成区则在原有基础上继续扩张。肇庆主要以主城区为基础向外扩张。澳门由于自身的地理条件限制，在2000～2005年建成区扩张后没有很大变化。

图7 2000～2018年11座城市建成区提取结果叠加图Fig.7 Overlay Maps of Extraction of Urban Built-up Areas of 11 Cities from 2000 to 2018

利用ArcGIS软件计算粤港澳大湾区的建成区重心偏移(图8)。2000年粤港澳大湾区的建成区重心在东莞，2000～2005年重心向西北方向移动了4.73 km，但并未离开东莞，这一时期东莞、深圳的建成区增长远高于其他地区。2005～2010年建成区重心又再次向西北方向移动了9.72 km，由东莞转移到了广州，2010～2015年和2015～2018年分别向东南方向移动了2.77 km和2.81 km，并未离开广州。

图8 2000～2018年城市建成区重心迁移示意图Fig.8 Sketch Map of Gravity Center Shift of Urban Built-up Areas from 2000 to 2018

3 讨 论

以往研究城市扩张大多是通过DMSP-OLS和NPP-VIIRS夜间灯光数据。由于DMSP-OLS和NPP-VIIRS夜间灯光数据来自不同的传感器，其空间分辨率和辐射分辨率都存在很大差异。虽然已有研究融合了DMSP-OLS和NPP-VIIRS夜间灯光数据，但仍不能完全解决两种数据的差异。类NPP-VIIRS夜间灯光数据主要是通过自编码器实现跨传感器校正DMSP-OLS和NPP-VIIRS夜间灯光数据，构建更长时间序列的夜间灯光数据集，且数据质量与NPP-VIIRS夜间灯光数据相一致，解决了上述问题。关于夜间灯光数据的粤港澳大湾区城市扩张研究更多关注于大湾区整体或核心区域。本研究通过类NPP-VIIRS夜间灯光数据提取了粤港澳大湾区的各城市建成区，并且在空间和数量上对其进行验证，符合研究需要，可以为今后粤港澳大湾区城市建设提供一定的借鉴。本研究的部分成果与有关粤港澳大湾区建成区扩张研究成果较为相似。

在建成区扩张的时空特征方面，本研究对粤港澳大湾区整体以及各城市建成区扩张的时空特征进行了全面分析，并探讨了粤港澳大湾区建成区重心的变化。研究表明：2000～2018年，粤港澳大湾区的建成区随着城镇化进程不断增加，并且着重发展东部沿海地区，在这期间各城市的建成区扩张主要发生在城市之间的交界地带，形成了佛山—广州—东莞—深圳—香港大型城市群；2000年中国加入世界贸易组织后，粤港澳大湾区作为中国对外经济开放的窗口，在全球生产、分工以及科技发展方面有了更多的机遇，这一时期经济的快速发展直接影响到城市建成区扩张，加之2004年《中华人民共和国土地管理法》的修正发布，使得房地产行业蓬勃发展，城市建成区的扩张速度进一步得到了提升，这与以往的研究基本相近。粤港澳大湾区在2000～2018年建成区扩张速度整体呈下降趋势，扩张强度则是在2000～2015年呈下降趋势，2015～2018年又缓慢回升，以往的研究也有相似的结论。综上所述，本研究可以为粤港澳大湾区以及各城市今后的城市空间规划与科学决策提供数据支撑。

2015年后，为了更好地实施“十三五”规划、《粤港澳大湾区发展规划纲要》，粤港澳大湾区城市建成区不再像之前“摊大饼”似的进行扩张。佛山—广州—东莞—深圳—香港以及珠海—澳门两个核心城市区的建成区扩张速度与强度放缓，建成区扩张的重点由外延式、边缘式扩张转为了填充式扩张，对建成区的内部进行优化，未来这些城市应继续建成区内部的优化，提升已有建成区的价值，实现更高质量、更可持续的发展。西部地区城市应加快建成区建设：中山应发挥节点城市作用，将广州—佛山和珠海—澳门两个核心城市区连接，在未来形成澳门—珠海—中山—佛山—广州—东莞—深圳—香港大型城市群；惠州、江门和肇庆在原有建成区的基础上，重点发展与相邻城市交界地带的建设，更好地推进粤港澳大湾区城市一体化。粤港澳大湾区建城区的快速扩张使得更多的耕地、林地等转化为建设用地，植被覆盖的减少使得热岛效应进一步加剧，应在今后的发展中采取一定的国土资源规划措施，遏制城市建成区的无序扩张。在“绿水青山就是金山银山”理念指导下，粤港澳大湾区应积极推进城市绿化，保护城市边缘耕地、林地，构建生态屏障体系。

本研究仍存在以下不足：第一，类NPP-VIIRS夜间灯光数据空间分辨率为500 m，无法对建成区内部细节进一步分析；第二，类NPP-VIIRS夜间灯光数据与真实NPP-VIIRS数据仍存在一定差距。因此，对类NPP-VIIRS夜间灯光数据进行优化是未来研究方向之一，同时夜间灯光数据提取城市建成区的方法也应进行提升。随着人工智能和深度学习的发展，运用相关算法训练得到城市建成区的识别模型，应是今后城市建成区提取研究的方向之一。

4 结 语

(1)通过对类NPP-VIIRS夜间灯光数据提取城市建成区，并在空间和数量两方面对其进行验证。结果表明：类NPP-VIIRS夜间灯光数据在克服DMSP-OLS与NPP-VIIRS夜间灯光数据两者差异的情况下，可以实现建成区的高精度提取，为城市长时间序列的时空变化监测提供新的数据基础。

(2)粤港澳大湾区在2000～2018年城市建成区面积不断增加，以广州、深圳、东莞建成区扩张尤为明显，但建成区扩张速度整体呈下降趋势，扩张强度则在2000～2015年呈下降趋势，2015～2018年又缓慢回升。城市用地空间越来越少是粤港澳大湾区建成区扩张下降的重要原因，2010～2018年建成区着重进行内部优化，城市群的内部交通设施不断完善。

(3)粤港澳大湾区城市建成区在2000～2018年随着城镇化进程不断增加，并且着重发展东部沿海地区，建成区扩张主要发生在各城市之间的交界地带，逐步形成了佛山—广州—东莞—深圳—香港大型城市群核心建成区，西部地区零散的城市建成区逐渐相连。粤港澳大湾区城市建成区重心2000～2018年由东莞转移到广州。粤港澳大湾区在今后的城市发展中应鼓励东部城市带动西部城市发展，发挥中山的节点城市作用，在未来形成澳门—珠海—中山—佛山—广州—东莞—深圳—香港大型城市群，促进粤港澳大湾区一体化。

恰逢西安地质调查中心组建六十周年，特撰写此文表达我们的衷心祝贺！在长安大学地球科学与资源学院工作期间，我们长期在西北地区从事遥感、GIS方面的研究，得到了西安地质调查中心遥感和地球化学室的大力支持和帮助。我目前所在的长安大学土地工程学院，与西安地质调查中心在土地领域的科学研究和人才培养等方面开展了很多富有成果的深入合作。祝愿西安地质调查中心在西北地区地质调查与科技创新中取得更大的成绩！