城市尺度下城市物质空间形态演变特征研究*——以南京市为例

吴子豪，童滋雨

引言

改革开放以来，中国经历了城镇化水平的快速发展阶段。作为一个空间过程[1]，城镇化带来了城市物质空间形态的巨大改变，在城市尺度下建成区及其周边范围内的形态演变特征成为了反映城市发展最显著的指标[2]。这一宏观层面下形态的改变一方面使得土地得到更为高水平、集约化的利用[3]，城市人民的生活水平和住房条件得以改善[4]；而另一方面，这一空间过程也引发了诸如城市热岛加剧[5]、空气污染严重[6]、能源消耗增加[7]、生态韧性降低[8]等一系列的城市气候环境问题。为了应对此类问题，加深对城镇化背景下城市物质空间形态演变特征的认识，已然成为当下城市发展的迫切需求。

针对城市尺度下物质空间形态演变特征，已有许多学者做出了研究，从传统意义上讲，这些研究主要可以分为两个类别。其中发展于德英的历史地理学科中的城市形态学，以具有层次分级的形态区域为基础，划定形态周期以结构性地表达城市形态的演变规律[9]；而源于意法建筑学科中的类型学研究，则将建筑、城市或区域等要素视作为一种基本类型，注重讨论其发展变化的类型过程与历史特性[10]。在上述经典理论的基础上，陈飞等针对中国城市的实际情况，整合两者进一步提出了形态-类型的研究框架，将城市整体分为了城市总平面、天际线等7 大要素进行分析，丰富了形态学研究的内涵[11，12]。而随着计算机技术和遥感技术的不断发展，针对城市形态的建成环境信息量化手段也不断涌现[13]。相关学者在获取土地覆盖信息的基础上，通过设定如分形维数、紧凑度、扩展强度、景观格局指数等特定指标[14-17]，或进一步结合转移矩阵、标准差椭圆、密度分析等空间分析手段[18，19]，对城市尺度下的形态演变特征进行刻画，城市形态的研究从传统的定性分析逐步转向了可操作的量化描述。上述研究从理论和方法层面均做出了突出的贡献，但也存在一定的不足：以上研究主要将城市建成区视作为一个整体分析其类型演变，而基本忽略了其内部存在的丰富形态特征的变化（如建筑高度、开发强度等）。如何将精细化的降尺度形态特征纳入到城市尺度整体形态分析的框架中仍有一定的可发展之处。

根据形态特征划分类型，并将其作为构成城市整体的基本单元进行分析将是一个可行的思路，而在城市气象学领域中对城市进行分类的方法为实现这一目标提供了具体的操作途径。其中局地气候分区（Local Climate Zone，简称LCZ）分类框架是目前最为主流的一种针对城市气候进行形态分类的理论框架[20]。该方法以街区为基本单元，以热环境性能为导向，根据与性能具有关联的地表物质空间形态特征来对城市环境进行分类，其结果能够将精细化的降尺度的形态类型嵌入到城市整体，表达出不同类型在城市范围内的数量配置与空间分布状况，并进一步被用于判断微观气候的差异[21]，在城市研究中具有广泛的应用价值，例如城市形态量化与比较[22]、城市微气候效应[23]等。而在城市物质空间形态演变方面也有了一些利用LCZ 开展的初步研究，但进行时间较短，且均集中在部分城市或地区[24-27]，有待进一步探索。

基于上述背景，本研究以南京市为案例，在城市尺度下基于LCZ 分类框架进行精细化、降尺度的城市物质空间形态量化，并进一步分析其在特定时间段内的演变特征，以此加强对城镇化背景下城市物质空间形态演变的理解，并为城市未来规划与形态发展提供一定的参考。

1 研究对象与数据来源

1.1 研究对象

南京市是江苏省的省会，也是我国重要的中心城市之一。在经历了快速的城镇化过程后，其城市形态丰富而复杂，具有一定的典型性和代表性，故本研究选取其主城区及其周边区域作为研究对象。具体的范围是以南京市政府为中心，向外辐射25km 的方形区域（图1），包含了鼓楼区、玄武区、秦淮区、建邺区、雨花台区全境及栖霞区、浦口区、江宁区、六合区等周边部分区域。选择这一区域作为研究范围，既保证大部分的城市建成环境均能被纳入研究，也省去了过多的自然环境要素对数据处理与分析的影响，能够较好表征南京市的城市物质空间形态演变特征。

图1 研究对象范围

1.2 数据来源

本研究所使用的数据来源于分辨率为30m 的Landsat 7 多光谱卫星遥感影像，这是目前提取城市信息最常用的数据源之一，它提供了自2003 年以来的影像数据产品（SLC-OFF），相关数据可以从地理空间数据云网站中下载（http://www.gscloud.cn/）。研究选择其中第1 至第5 波段，及第7 波段（蓝绿红三色波段和近红外、中红外波段）作为基础数据进行输入。为了保证分类结果的准确性，并避免因植被在秋冬季枯黄所带来的识别误差，遥感影像的采集时间被限制为春夏季节，云量则要求少于10%。

2 研究方法

2.1 城市物质空间形态分类识别

本研究采用基于世界城市数据库和访问门户工具（World Urban Database Access Portal Tools，简 称WUDAPT）的LCZ 分类框架对城市物质空间形态进行分类识别。WUDAPT 工具是一种结合可用遥感数据源和现场调研信息，采用监督式机器学习构建LCZ 地图的数据处理方法[28-30]，其在0 级的工作流程通过以传统城市设计意义上的形态参数为依据构建训练样本集，并结合机器学习将遥感影像转化为不同形态的类型网格，以此识别城市尺度下的物质空间形态，具有采样识别便捷，适用范围广的特点。

具体的过程主要包含五个步骤：（1）对获取的遥感影像进行处理，通过SAGA GIS 软件对基础影像数据其进行重采样，将分辨率由30 m 调整为100 m，以获取局地尺度下城市特征的光谱信号；（2）构建训练样本，首先基于LCZ 分类框架和实际情况，对其分区类型进行修正；而后将LCZ 框架中的形态参数范围为参考依据，通过视觉辨认的方法创建矢量化的训练样本。由于Landsat只能提供30 m 分辨率的影像精度，因此在此步骤中需要使用同期的Google Earth 中的高分辨率影像作为采样依据；（3）运用监督式机器学习中的随机森林分类法[31]，以训练样本为依据，遥感波段为数据源，对整体的城市物质空间形态进行初步识别；（4）采用众数滤波的方式（滤波半径=2 像素）对初始结果进行平滑处理；（5）将训练结果重新载入软件与遥感图像进行人工对比，对差异较大地区样本重新训练，直至识别结果与观察的实际情况相吻合时，将其作为地图栅格数据进行输出。

在LCZ 分类框架下，包括了10 种建成环境类型（LCZ 1-LCZ 10）和7 种自然环境类型（LCZ A-LCZ G），并在研究中可以根据研究对象和研究目的，对类型划分进行地域适宜性的调整，这一解决措施在成都[32]、北京[33]、广州[34]等相关案例研究中均得到了广泛的应用。考虑到在南京市范围内部分类型存在数量较少，因而对其合并处理。最终保留10 种形态类型，并参考LCZ 分类框架中提供的形态参数范围，以相应数值赋予合并后的类型作为其识别依据。本研究中的LCZ 类型及其所对应的样本图例和形态参数如表1 所示。

表1 LCZ 类型样本图例及形态参数

2.2 形态演变特征分析

在获取经识别的城市物质空间形态栅格数据后，下一个重要的步骤是对其演变特征进行分析。目前而言，数量变化、类型转变和空间格局演变等是城镇化分析的三个主流维度[17-19，27]，其反映了城市物质空间形态的变化结果和动态演变过程。因此本研究从上述维度对南京市的形态演变特征展开分析。

数量变化特征反映了形态演变的结果，在本研究中通过对不同时期的形态类型栅格数量进行统计，并采用柱状图的方式分析其演变。而类型转变特征则进一步从数量角度上反映出形态演变的动态过程，在本研究中主要通过转变流向图对其进行可视化分析。

空间格局演变特征反映了城市物质空间形态在位置关系上的动态变化，在本研究中，首先将利用景观格局指数对形态空间格局进行量化，这是一种源于生态学领域中的概念，但由于其能够有效量化类型要素的空间格局特征，目前已被广泛应用于对城市形态和土地利用的量化研究中[35]。而后对多个时期下的指标计算结果进行比对，以分析其空间格局演变特征。在本研究中，选取了部分具有明确形态学意义，且与环境性能存在部分关联的指标[35-37]，分别用于反映类型斑块的个体特征和城市整体的格局特征。其中包括集聚度（AI），反映了某一形态类型斑块的集聚程度；平均斑块面积（AREA_MN），反映了某一形态类型斑块的平均面积；蔓延度（CONTAG），反映了城市整体的形态类型集聚或破碎程度，香农均匀度指数（SHEI）则反映了研究范围内形态类型的多样性和均匀度。具体指标的计算公式、含义、取值范围及单位如表2 所示。

表2 空间格局指标计算公式、含义、取值范围及单位

3 研究结果

3.1 形态识别与数量变化特征

图2 展示了2005 年、2010 年、2015 年和2020 年的南京市物质空间形态识别结果，图3 则进一步说明了其数量特征。结果显示，在研究范围内的自然环境类型的数量明显高于建成环境。其中，LCZ 4、LCZ 5 和LCZ8 是构成建成环境部分的主要类型，而自然环境则主要由LCZ A 和LCZ D 等构成。

图2 不同时期的南京市城市物质空间形态识别结果

图3 南京市城市物质空间形态类型数量统计

进一步对图3 中不同时期的类型数量进行对比，可以发现其城市物质空间形态的演变主要可以分为两个阶段。第一阶段为2005-2010 年，在此阶段中以LCZ 5和LCZ 8 等中低层建成环境类型的增长为主，其所占比例分别从2005 年的8.32%和8.00%上升至2010 年的11.48%和13.72%。第二阶段为2010-2020 年，在此阶段高层的两种类型（LCZ 1 和LCZ 4）的增长速度显著，分别从2010 年的0.02%和0.59%上升至2020 年的0.06%和6.78%。而在两个阶段中，LCZ 3 和LCZ D 则均出现了明显的下降，分别从2005 年的1.93%和51.07%下降至2020 年的0.31%和38.79%。其余类型未反映出显著演变趋势。

3.2 类型转换特征

图4 展现了2005～2020 年间南京市城市形态转变的总体流向，可以进一步用于对南京市城市物质空间形态演变的两个阶段进行描述。可以看出，在第一阶段（2005-2010 年）中，形态演变以自然环境向建成环境类型转变为主。城市周边的LCZ D 和LCZ E，被大量地转变为以LCZ 5 和LCZ 8 为主体的中低层建成环境类型，整体的城市物质空间形态呈现出增量扩张的趋势。而在城市建成区内部也同时发生着小部分的形态更替，主要表现为LCZ 3 类型的数量减少，并大多被转换为LCZ 5，从而在一定程度上提升了城市的整体高度。城市规划政策是影响这一阶段城市物质空间形态演变的主导因素。在《南京市城市总体规划(2000-2010)》中将东山、仙林和江北等主城区外的三个新区作为城市建设的重点[38]。在总体规划的指导下，城市建成区得以向外扩展。

图4 2005～2020 年间南京市城市物质空间形态类型转变流向图

在第二阶段（2010～2020 年）内，形态演变表现为存量更新和增量扩张等两种演变路径并存，且其演变目标均转向了能够集约化利用土地的高层建筑。其中存量更新表现为既有的LCZ 5 和LCZ 8 等两类建成环境类型向LCZ 4 发生转移，进一步导致城市建成区内部的建筑高度显著上升。而增量扩张则主要表现为两类自然环境类型LCZ D 和LCZ E 直接向LCZ 4 的转移，但相较于上一阶段，其扩张速度有所减弱，且土地集约化利用特性明显增强。对照图1 可以看出，南京市主城区位于地势低平的平原地区，周边环绕的山脉和永久基本农田成为了阻碍城市发展的自然屏障，导致其用地趋于饱和，从而在一定程度上导致了限制早期的向外增量扩张模式，同时规划管控政策在这一阶段也进一步加强，采取的主体功能区规划、土地利用总体规划、城市总体规划和生态红线保护规划等“多规”管控对建成区规模与布局控制产生了显著的成效[39]。

3.3 空间格局演变特征

空间格局演变特征在不同的形态演变阶段内也存在差异。表3 展示了不同时期下城市形态类型的空间格局指数计算结果。从中可以看出，在第一阶段中（2005-2010年），南京市城市物质空间形态分布格局变化微弱，从总体上看蔓延度（CONTAG）和香农均匀度指数（SHEI）仅呈现出小幅度的下降和上升。这说明在以城市扩张为主要特征的第一阶段中，整体的形态特征基本维持了原有布局模式，城市扩张并未改变整体的空间格局。

具体分类型看，作为该阶段增长主体之一的LCZ 5的空间格局指标也并没有发生明显的改变，仅有LCZ 1和LCZ 8 的集聚度和平均斑块面积有所上升。而在该阶段内类型数量减少的LCZ 3、LCZ 6 等低层形态类型与LCZ D、LCZ E 等自然环境形态类型的相关指标则呈现出下降趋势，类型斑块的面积和离散程度增大，整体性得到削弱。

而在第二阶段中，城市物质空间形态空间格局的变化趋势显著。在此阶段蔓延度（CONTAG）的数值持续下降，而香农均匀度指数（SHEI）总体呈上升趋势，说明了原有存在优势的类型斑块破裂且空间优势降低，类型均质程度上升，城市整体的破碎程度和丰富度均显著增加。在这一阶段中城市物质空间形态存量更新和增量扩张并存，此过程中的城市并非是整体性的集中开发，而是渐进式、碎片化在局部进行更新迭代，从而导致了整体形态呈现出越发丰富而混合的空间分布格局。

表3 不同时期城市形态类型的空间格局指标计算结果

进一步针对各个形态类型的指标进行比较，可以发现高层形态类型的集聚程度和斑块范围正不断扩大，显著地影响了该阶段中各类形态的分布格局。就其本身而言，LCZ 1 和LCZ 4 的集聚度和平均斑块面积均有大幅度的上升，提升幅度分别为17.17%、10.94%和118.97%、106.66%。与此同时，中低层建成环境形态类型和部分自然环境形态类型则呈现出平均斑块面积缩减，集聚程度小幅度下降的现象，并对应了这一阶段中类型数量的下降，其中包括了LCZ 5、LCZ 8 和LCZ D 等。这一过程的产生主要是由于高层形态类型在数量增长的同时将原有斑块的周边区域发生同化，以增强其在城市建成区中形成的集聚核心，使其内部相互聚合，更加紧凑。

4 结论与讨论

4.1 研究主要结论

本研究基于LCZ 分类框架，采用类型化的方式对建成区内部降尺度形态特征进行了精细化刻画，并将其作为基本单元纳入至城市尺度整体形态演变的分析中，为理解城市尺度下的城市形态演变提供了一个新的可用视角。

以南京市为案例，研究从数量变化、类型转换和空间格局演变等三个维度分析了其演变特征。结果表明，南京市城市物质空间形态演变可以主要分为两个阶段：第一阶段为2005～2010 年，在此期间中受到规划政策的影响，形态演变主要表现为以自然环境向中低层形态为主体的建成环境类型发生转变，但在空间格局上仍基本维持了原有的类型布局模式。第二阶段为2010～2020 年，由于规划政策发生改变，同时受到自然环境的限制，形态演变表现为存量更新和增量扩张等两种演变路径并存，城市整体类型的空间格局更为丰富而混合。同时，该阶段内的演变目标均转向了能够集约化利用土地的高层形态类型，其集聚程度和斑块范围均显著扩大，对形态空间格局也产生了重要的影响。这一分析结果可以为南京市未来城市发展提供一定的参考。

4.2 未来研究展望

研究尚有一定的可提升之处：在方法层面上，主要体现为对遥感数据的处理：目前基于WUDAPT 方法的遥感影像分类虽然能够总体上较为准确地表征出城市形态的空间分布情况和数量特征，但就单个栅格而言，其对于遥感图像的识别精度并不高[40]，在未来可结合多源数据[40，41]、机器学习[42]或提升训练集数量和对类型地图的后期滤波处理[43]，以增加分类结果的准确性和分析的可操作性。

在内容层面上，一方面本研究仅考虑了城市物质空间形态演变的情况，没有考虑与城镇化相关的其他指标（如人口、经济、功能类型等），在未来关联性有待进一步明确。另一方面，目前城市形态已被证明与环境性能存在较强的耦合关系[44-46]，而LCZ 框架其本身也正适用于对于城市环境性能的分析[23]，因此在未来可以结合多个时间下的LCZ 地图，进一步从数量特征、空间格局等角度，去分析物质空间形态演变和其所对应的环境性能特征之间的关联性，并以此为依据对演变的合理程度进行评价，为城市环境性能的优化提出适宜性的空间规划建议。

图、表来源

本文图、表均由作者绘制。