我国4个典型城市近30年绿色空间时空演变规律*

金佳莉 王 成 贾宝全

(中国林业科学研究院林业研究所 国家林业和草原局林木培育重点实验室 国家林业和草原局城市森林研究中心 北京 100091)

城市绿色空间是指在城市内部及周边任何有植被覆盖的区域，包括森林、公园、社区林地、湿地、绿色屋顶、城市农地和其他自然或半自然的绿色区域等(Atkinsonetal.， 2010),不仅可为鸟类、蝴蝶、蜜蜂等野生动物提供栖息地和食物，也可为人类提供缓解热岛效应、净化空气和水质以及减噪等服务，对居民身心健康极其重要(Kongetal.， 2010)。城市土地利用的快速转变会显著改变城市绿色空间的分布格局，深刻影响城市景观的结构和生态服务功能(Zhaoetal.， 2015)。1980—2012年，我国城镇化水平从19.4%增至52.16%(Yang， 2013)，因此探究我国城镇化进程中城市绿色空间的时空变化规律，对于保护和规划城市绿色空间的结构与功能、改善城市和人居环境具有重要意义。

1998年来，我国学者们对不同规模和等级的城市(上海、广州、北京、深圳、南京、郑州、铜川等)开展了城市绿色空间相关研究(袁艺等， 2003； 朱明等， 2006； 郁文等， 2007； 杨振山等， 2010； 谭君等， 2012； 张彪等， 2016； 陈康林等， 2016)，研究数量远超美国、加拿大等国家(杨振山等， 2015)； 近年来，也有学者对城市群的绿色空间格局和城乡梯度进行了对比(Setoetal.， 2005)。但以往研究城市的选择具有随机性，其影像数据、研究时间和空间尺度未统一，且研究时间序列非连续，无法准确解析我国城市绿色空间的演变规律。鉴于此，本研究以Lu等(2016)已预处理的Landsat TM/ETM+合成影像为数据源，根据影像质量、城市经济发展水平、城市植被变化情况、地理位置及已有研究基础(曾辉等， 2004； 肖建武等， 2013； 胡雪丽等， 2013)等条件，同时考虑各类数据的时间匹配性和数据可用性，选取北部沿海城市大连、内陆城市长沙和南昌以及南部沿海城市深圳，综合运用遥感和GIS技术、景观生态学及统计学中的相关原理和方法，探究1985—2011年我国4个典型城市绿色空间格局演变特征及在城乡梯度水平上的演变规律，为完善城市景观生态学的相关理论和模型提供数据支持，为城市绿色空间管理提升和政策调整提供参考依据。

1 研究区概况

从城市绿色空间数量变化特点来看： 大连和深圳拥有沿海城市常见的典型线性城市化格局，在西部和北部植被覆盖度从城市中心向外呈减少趋势； 南昌和长沙的植被覆盖度从城市中心至外围60 km范围内呈减少趋势(Luetal.， 2016； 2017)。从城市社会经济发展水平看，深圳是我国第一个经济特区(1980年设立)，大连是全国14个沿海开放城市(1984年设立)之一，过去30多年都经历了快速城镇化进程； 长沙和南昌为内陆省会城市，相比深圳和大连其城市化进程较缓。本研究所选范围包括城市连续的建设用地和城郊地带(Forman， 2014)，基本情况见表1。

表1 所选城市基本概况Tab.1 Summary of selected cities

2 研究方法

2.1 遥感数据搜集与预处理

搜集1985—2011年共27年的Landsat时间序列合成影像数据，其空间分辨率为30 m，4个城市共计108张影像。Landsat系列数据的合成与验证已在Lu等(2016)研究中完成，能充分反映城市植被、城市发展动态和城市环境特征。本研究所用Landsat系列合成数据为基于像素级的合成影像，即通过多重标准对一系列图像进行评分，利用图像中得分高的像素进行图像合成(李刚等， 2012； Whiteetal.， 2014)。预处理操作如下： 1) 从美国地质调查所(USGS, http://espa.cr.usgs.gov)下载各城市1984—2012年(每年)5月1日—9月30日(植被生长主要在该时间段)且云量不超过70%的Landsat TM/ETM+系列L1级数据产品； 2) 利用影像处理工具Fmask对影像中的云、阴影和水等进行掩膜处理，排除干扰因素，采用Landsat生态系统干扰自适应处理系统(LEDAPS)进行大气校正(沈文娟等， 2014)； 3) 基于最佳匹配像素法(best-available-pixel approach)生成每年无间隙合成影像(Hermosillaetal.， 2015)，并运用永久性水体掩膜对合成影像进行处理以排除水体影响(Luetal.， 2017)。最后形成的Landsat合成影像包括蓝色、绿色、红色、近红外、中红外和热红外6个波段。

2.2 绿色空间分类

归一化植被指数(NDVI)为近红外与红外波段之差除以二者之和，可用于判别植被密度和数量，评估植被生长健康状况，其值介于-1～1之间，越接近1表明植被覆盖度越高，-1则表明无植被覆盖(Bannarietal.， 1995)。利用NDVI阈值，可定量分析城市中的绿量(Buyantuyevetal.， 2007； Gasconetal.， 2016)，将NDVI连续值转化为分类值(Youetal.， 2013)。

选取1984—2012年谷歌高分辨率影像(http://www.google.ca/earth/)作为参照数据，判断4个城市的NDVI阈值(表2)，参照年份因各城市可用高清影像质量不同而有所变动。影像数据处理时，运用NDVI阈值将绿色空间分为4种类型： 1) 无植被覆盖地表 包括不透水地表、裸露岩石、沙地和雪地； 2) 低密度植被 包括大多数人工绿色空间，如园林植物、短期农地等； 3) 中密度植被 包括半自然绿色空间，如新造林地和城市社区林地； 4) 高密度植被 主要指自然绿色空间，如大斑块森林、林地和公园等(Tayloretal.， 2017)。所有操作均在ENVI 5.2 软件平台上进行。

表2 四个城市的NDVI阈值及其参考年份Tab.2 NDVI thresholds and reference years for four selected cities

2.3 景观格局分析

选取6个常用景观指数研究城市绿色空间格局特征： 景观斑块面积比例(PLAND)和斑块数量(NP)用于确定景观基底的组分信息； 最大斑块面积指数(LPI)用于衡量某一特定绿色空间在面积上的优势性； 面积加权平均斑块形状指数(AWMSI)用于反映绿色空间景观斑块大小对动物活动的重要作用； 平均斑块面积(MPS)用于测量绿色空间破碎度； 边缘密度(ED)用于反映不同类别绿色空间的相互作用。所有指数均在FRAGSTATS 4.2平台上计算完成。

2.4 距离指数与城乡梯度分析

将城市中央商务区(CBD)定义为“城市中心”(Luetal.， 2016)，并用绿色空间斑块与城市中心的欧式距离表示城乡梯度(Reisetal.， 2015)。为保证城市之间的统一性和可比性，引入归一化距离指数(normalized distance index, NDI)，计算每一斑块距离城市中心的相对距离：

(1)

然后在RStudio 3.3.1平台上调用ggplot2软件包，插入“Loess”统计曲线模型(Alimadadetal.， 2011)形成城乡梯度轨迹曲线。

2.5 主要影响因素数据搜集

参照以往研究(Yangetal.， 2014)，选择人均国民生产总值、城市居民收入、城市人口比例和市区面积比例4个指标衡量城市发展情况，相关数据来自《中国城市统计年鉴》(1984—2012)和研究城市的统计年鉴资料。考虑温度、降水会影响植被生长(Olthofetal.， 2016)，选取年均气温和年均降水量2个因素，数据来自ClimateAP(http://climateap.net/)。

2.6 数据统计分析

2.6.1 时间趋势检测 运用非参数Mann-Kendall(M-K)趋势检测分析绿色空间格局的时间变化趋势(Mann， 1945)。为避免数据的自相关，采用改良后的M-K算法(Hamedetal.， 1998)，同时计算Theil-Sen slope分析各景观指数1985—2011年的总体单调变化趋势(Theiletal.， 1992)。M-K 趋势监测在RStudio 3.3.1平台的fume软件包中完成。

2.6.2 动态时间弯曲 动态时间弯曲(DTW)常用于比较序列趋势间的相似或差异性(Giorgino， 2009)。本研究将4个城市两两对比，引入DTW模型计算各景观指数在连续时间序列变化上的弯曲距离，比较绿色空间格局时间变化轨迹在不同城市间的差异性。DTW的运算原理： 1)如式(2)所示，假设已知2个时间序列X=(x1,…,xi)和Y=(y1,…,yj)，序列X和Y的时间长度分别为N(即i=1,…，N)和M(即j=1,…，M)，定义非负函数f为xi和yj这2点之间的局部距离，则d(i,j)为序列X和Y的距离矩阵，即X和Y中某2个时间点的距离； 2) 如式(3)所示，定义矩阵φ(k)为弯曲路径，表示序列X中的第φx(k)个元素与序列Y中的第φy(k)个元素相映射，T为弯曲路径长度； 3) 如式(4)所示，计算2个序列的平均累积距离dφ(X,Y)，mφ为每一点权重系数，Mφ为对应的归一化常数； 4) 从所有平均累计距离中找到最小数值即最优弯曲路径，D越大，表明X和Y序列差异越大。

d(i,j)=f(xi,yj)≥0；

(2)

φ(k)=[φx(k),φy(k)]，

(3)

(4)

2.6.3 最大信息非参数勘探法 最大信息非参数勘探法(maximum information-based non-parametric exploration method，MINE)用于检测大数据中2个因子之间的相关关系(Reshefetal.， 2011)。检测结果中，最大信息参数(maximum information coefficient，MIC)介于0～1之间，越接近1表明相关性越强； MIC和Pearson相关系数(ρ)平方的差值用于判断2个因子之间的线性关系，越接近0线性相关越强； 最大不对称分数(maximum asymmetry score，MAC)用于检测2个因子的单调性，越接近0单调性越强(Zhangetal.， 2016)。运用MINE对景观指数和影响因素指标进行两两分析，检测结果的显著性水平根据MIC大小从Reshef等(2011)研究所得的P值表中查询(http://www.exploredata.net/Downloads/P-Value-Tables)。MINE检测在RStudio 3.3.1平台的MINE.r软件包中完成。

本研究统计分析显著性等级统一为：P<0.001(****)；P<0.01(***)；P<0.05(**)；P<0.1(*)。

3 结果与分析

3.1 绿色空间景观指数变化

图1 1985—2011年城市绿色空间景观指数变化Fig.1 Changes of urban greenspace landscape indices from1985 to 2011

由图1可知，除南昌外，长沙、大连和深圳高密度植被景观斑块面积比例(PLAND)分别增加0.07%、0.41%和0.31%(平均0.26%)，无植被覆盖地表PLAND分别增加0.11%、0.18%和0.63%(平均0.31%)，中密度植被PLAND分别减少0.40%、0.46%和0.35%(平均0.40%)。表明1985—2011年，长沙、大连和深圳高密度植被和无植被覆盖地表面积比例均呈增加趋势，而中密度植被面积比例则呈减少趋势，且减少趋势总体强于高密度植被增加趋势，其中，深圳无植被覆盖地表面积增加幅度最大，可能是因为1980年后城镇化进程不断加快，建筑、道路等无植被覆盖地表面积也相应增加。低密度植被面积比例在长沙和南昌均呈增加趋势，分别增加0.12%和0.23%，而在大连和深圳则呈减少趋势，分别减少0.22%和0.63%。与中密度植被斑块相反，高密度植被和无植被覆盖地表斑块的LPI在4个城市中均呈上升趋势，表明其斑块面积优势性均增加； 与长沙相反，大连、南昌和深圳低密度植被斑块的LPI呈下降趋势，表明其斑块面积优势性降低(图1)。总体来看，高密度植被斑块数量及其面积优势性增加对城市生态环境具有积极影响(Konijnendijketal.， 2013)，但中密度植被斑块数量及其面积优势性降低以及无植被覆盖地表面积比例及面积优势性增加会给城市生态系统稳定性带来威胁。

与南昌不同，长沙、大连和深圳高密度植被和无植被覆盖地表平均斑块面积(MPS)均呈增加趋势，分别增加0.11、0.15、0.06 hm2(平均0.11 hm2)和0.02、0.05、0.39 hm2(平均0.15 hm2)，表明长沙、大连和深圳高密度植被和无植被覆盖地表斑块的空间分布更集中； 中密度植被MPS在南昌和深圳分别增加0.15和0.04 hm2，说明其斑块空间分布更集中，破碎度降低，而长沙和大连则不同； 低密度植被MPS在深圳和大连分别减少0.04和0.06，表明其斑块空间分布更分散，破碎度变大，而长沙和南昌则相反(图1)。总体来看，绿色空间斑块的破碎度在2个内陆城市变低，而在沿海城市则变高，这种变化可能与城市地形有关，与其经济发展水平也有一定关系。

图2 1985—2011年绿色空间景观指数变化轨迹城市间差异Fig.2 Dissimilarity of the trajectories of urban greenspace landscape indicesfrom 1985 to 2011CS： 长沙Changsha； DL： 大连 Dalian； SZ： 深圳Shenzhen； NC： 南昌 Nanchang

边缘密度(ED)受景观斑块面积比例(PLAND)影响，PLAND增加ED也会相应增加，反之亦然。在PLAND增加的前提下，长沙高密度植被、低密度植被以及南昌中密度植被ED分别减少1.18、0.45和0.10 m·hm-2，表明几类绿色空间斑块之间的连通性变高。长沙的绿色空间布局较其他城市更集中一些，可能与长沙2004年以来创建“国家森林城市”“国家园林城市”等行动中实施的一系列绿化建设工程有关。与长沙和大连不同，南昌和深圳高密度植被AWMSI分别增加0.10和0.28，表明其斑块边界形状变得更复杂； 与长沙、大连和深圳不同，南昌中密度植被斑块AWMSI无明显变化，仅增加0.02； 与大连和深圳，长沙低密度植被斑块AWMSI增加1.02，表明其边界形状变化幅度大，且趋于复杂，而南昌则基本保持不变。

3.2 绿色空间景观指数变化轨迹城市间差异

1985—2011年，长沙与大连、南昌、深圳高密度植被和中密度植被PLAND、ED、AWMSI的变化轨迹差异性较明显，均大于10； 长沙、南昌与深圳、大连无植被覆盖地表在面积比例、斑块面积优势性、斑块之间连通性以及斑块边缘形状上差异较大，其差异值在4和12之间； 而MPS的时间变化轨迹在城市之间的差异值均小于3，表明4个城市绿色空间斑块破碎度的过去27年的时间变化轨迹存在一定共性(图2)。

3.3 城乡梯度变化轨迹

从高密度植被面积比例的城乡变化轨迹看，大连和深圳2个沿海城市无明显变化轨迹； 而长沙和南昌2个内陆城市存在明显差异，其中长沙1992—1997年与南昌1992年以前及2000年以后具有相似变化轨迹，从城市中心到外围呈“∩”型轨迹，先上升至峰值(NDI在0.5～0.75之间)而后下降，其他年份呈单调上升轨迹(图3)。

图3 城市绿色空间面积比例城乡梯度变化轨迹Fig.3 Urban-to-rural trajectory of the area percentage of urban greenspace黑色实心点表示相应归一化距离指数某一绿色空间面积比例数值，通过loess拟合得到轨迹曲线Black solid dot refers to the value of area percentage of one urban greenspace, which is used to create the trajectory with fitted loess.

从中密度植被面积比例的城乡梯度变化轨迹看，长沙1998年以后与南昌1989—2002年的变化轨迹相似，均呈先上升后下降的“∩”型轨迹，其他年份从市中心到外围呈波动上升轨迹； 大连则相对复杂，具有3种变化轨迹，2002年以前的少数年份，从城市中心到外围呈缓慢下降轨迹， 2001、2006和2009年呈先增后减的“∩”型轨迹，其转折点在NDI=0.37处，其他年份趋于水平线； 深圳NDI在0～0.5范围内无变化轨迹，而后出现转折，呈先上升后下降的“∩”型轨迹(图3)。

从低密度植被面积比例的城乡梯度变化轨迹看，城市可分为3种类型： 1) 长沙和深圳在1985—2011年从城市中心到外围均单调递减； 2) 大连在1995年以前主要呈“∪”型轨迹，其他年份呈波动递减轨迹； 3) 南昌从城市中心到外围呈先减后增的“∪”型轨迹(图3)。此外，无植被覆盖地表面积比例的城乡梯度变化可归为2类： 一是长沙和南昌2个内陆城市，从城市中心到外围呈下降轨迹； 二是大连和深圳2个沿海城市，从城市中心到外围呈上升轨迹(图3)。

图4 1985—2011年城市绿色空间面积比例单调变化的城乡梯度轨迹Fig.4 Urban-to-rural trajectory of monotonous changes in percentage of urban greenspace from 1985 to 2011

从图4可看出， 1985—2011年，绿色空间从城市中心到外国均存在显著且集中的单调增加或减少趋势(图4中黑色柱状体)。除大连外，其他城市高密度植被面积比例在城乡梯度上均以单调增加趋势为主，并呈2种梯度轨迹： 1) 长沙、大连和深圳单调变化幅度从城市中心到外围呈上升轨迹(深圳比较平缓)； 2) 南昌单调变化幅度从城市中心到外围呈下降轨迹。大连中密度植被面积比例在城乡梯度上以单调增加为主(占83%)，其他城市则以单调下降为主，并呈4种梯度轨迹： 1) 长沙呈“∩”型轨迹，在城市中心和外围呈单调减少趋势； 2) 大连呈“—”型平稳轨迹，且大多为单调增加； 3) 南昌呈“∪”型轨迹，在城市中心明显减少，而外围则明显增加； 4) NDI=0～0.65范围内，深圳呈“—”型平稳轨迹，而后呈单调下降轨迹，且在外围呈显著单调减少趋势。

与南昌不同，长沙和大连低密度植被面积比例在城乡梯度水平上均以单调减少趋势为主，并呈3种梯度轨迹： 1) 长沙和大连呈下降趋势，但大连在NDI=0.56～1范围内下降幅度较长沙更明显； 2) NDI=0～0.56范围内，南昌呈“—”型平稳轨迹，而后呈“∩”型轨迹； 3) 深圳无明显变化轨迹。与南昌和深圳相反，长沙和大连无植被覆盖地表面积比例在城乡梯度上以单调增加趋势为主，除深圳有明显上升轨迹外，其他城市无明显变化轨迹。

3.4 绿色空间格局变化的主要影响因素

与大连相比，长沙、南昌和深圳城市绿色空间格局变化与社会发展因素(包括人均国民生产总值、城市居民人均年收入、城市人口比例和城市市区面积比例)、年均气温和年均降水量具有更强的非线性相关性(图5)，且与年均气温和年均降水量相比，城镇居民均年收入和人均国民生产总值等社会发展因素与绿色空间格局变化的MIC更大，相关性更强； 而年均气温和年均降水量对绿色空间格局的影响在深圳较其他城市更大一些，可能与深圳沿海地理位置有关。具体来说，城市居民人均年收入、人均国民生产总值与城市绿色空间面积优势性、斑块空间分布破碎度、连通性以及边界形状复杂程度的关系最强，MIC均达0.30以上。从4个城市不同绿色空间来看，长沙高密度植被斑块数量和最大斑块面积指数、中密度植被以及低密度植被边缘密度与城市居民人均年收入、人均国民生产总值和城市人口比例呈显著非线性相关(MIC均大于0.5，MIC-ρ2均大于0.4)； 除景观斑块面积比例外，南昌高密度和低密度植被其他景观指数与城市居民人均年收入、呈较强非线性相关(MIC和MIC-ρ2均大于0.4)； 深圳中密度植被和无植被覆盖地表斑块数量与城市人口比例和城市市区面积比例呈较强非线性相关(MIC和MIC-ρ2均大于0.4)，高密度植被和低密度植被最大斑块面积指数、平均斑块面积和边缘密度与城市居民人均年收入和人均国民生产总值呈较强非线性相关(MIC和MIC-ρ2均大于0.5)。

图5 不同类型绿色空间景观指数与主要影响因素的相关性、非线性及非单调性指数Fig.5 MIC, MIC-ρ2 and MAS for landscape indices of different classes greenspace and main impact factors

4 讨论

4.1 我国城市绿色空间城乡梯度轨迹的特殊性

从城市景观生态学角度出发，Forman(2014)总结了城市建设用地和绿色空间总体特征，城市中心及其辐射范围内以高密度建设用地为主，有极少量绿色植被覆盖； 从城区到郊区，人造绿色空间数量不断减少，自然绿色空间逐渐增加。本研究发现，以人造绿色空间为主的低密度植被面积比例从城市中心到外围呈逐渐递减轨迹曲线； 而以自然绿色空间(如森林)为主的高密度植被面积比例城乡轨迹在不同城市存在差异，如长沙高密度植被主要集中在城市边缘，南昌在城乡交界处，而大连和深圳则在整个城乡梯度上均匀分布。Zhao等(2016)研究表明，2000—2012年我国城市植被增量随着城镇化强度的增加而减少。而本研究发现，绿色空间面积比例在时间序列上的城乡梯度轨迹并不是单一的，根据城市和绿色空间类型不同可分为3种主要轨迹，即从城市中心到外围分别呈上升、平稳和下降轨迹。这表明，我国城市绿色空间城乡梯度轨迹具有一定特殊性，基于西方城市景观生态研究得到的相关理论和模型不能直接用于我国，需要根据我国城市绿色空间变化的基本特征进行适当调整和完善。

造成城乡梯度轨迹特殊性的原因之一可能是本研究包含了城市行政区域内的农地。为了保证时间匹配性和数据可用性，本研究选择Landsat影像数据，受其分辨率影响，再加上缺少历年土地利用数据，无法对每个城市27年历年影像进行详细分类解译，未能将农地中NDVI较高的植物与森林等高密度植被区分出来。此外，与欧美等发达国家不同，我国是农业大国，城市内农地占据绿色空间比例较大，特别是在城郊区及城乡交错带，随着城市扩张，大面积农地变成荒地或转化为城市建设用地，因此农地在城郊处也有大幅度增加或减少的时间变化趋势，这可能对绿色空间城乡轨迹造成影响。

4.2 基于景观指数变化差异的城市绿色空间优化策略

本研究发现，不同类型绿色空间景观指数的变化趋势和轨迹在不同城市存在差异，且差异与城市经济发展水平、居民生活水平和城市扩张均有一定关联，也受城市地理区位影响(Yangetal.， 2014)。因此，在规划和实施区域性绿色空间战略时，需充分考虑不同城市之间绿色空间格局变化的差异性(Madsen， 2002)，根据相应城市的变化特征规律进行调整，“因城制宜”进行生态环境建设。如与其他城市相比，南昌高密度植被面积比例明显减少，其斑块空间分布更破碎化，而长沙、大连和深圳中密度植被面积比例明显下降，表明南昌绿色空间建设重点应在增加高密度植被数量及加强其连通性上，而其他3个城市绿色空间建设重点应在中密度植被上。由此可知，绿色空间景观指数的变化差异对调整、优化或制定城市绿色空间网络系统具有重要影响，可作为相关政策和规划制定的参考依据(Jim， 2013)。然而，由于本研究未将农地单独从城市绿色空间中提取出来，决策者在制定绿色空间相关政策时还需考虑各自城市的土地利用现状。

本研究根据文献资料对城市绿色空间格局变化的主要影响因素进行了探索性分析，但因素选择还不全面，且主要探究的是两因素相关关系，因此在后期的研究中还应考虑地形地貌(袁艺等， 2003)、城市规划、土地政策(Setoetal.， 2005)和城市绿化策略的影响，同时利用统计回归模型探究不同影响因子对绿色空间格局变化的协同作用。

5 结论

1) 从绿色空间格局变化趋势看，长沙、大连和深圳高密度植被面积比例增加，斑块空间分布更集中，而中密度植被则相反； 与沿海城市相反，内陆城市低密度植被面积比例增加，且斑块空间分布趋于集中。

2) 从绿色空间城乡梯度变化特征看，其轨迹在不同城市无明显共性，在不同城市发展阶段和不同绿色空间类型间均有明显差异，主要呈3种规律： 一是抛物线“∩/∪”型，二是平稳“—”型，三是单调递增或递减。此外，过去近30年绿色空间在城市中心或城郊区均有极其显著的单调增加或减少趋势。

3) 从绿色空间时空变化影响因素看，绿色空间格局变化与城市居民人均年收入、人均国民生产总值和城市人口比例等社会发展因素相关性较强，且具有非线性和非单调性。