杭州市位于杭州湾西端、长江三角洲南翼, 是浙江省政治、经济、文化和科教中心, 有较高的社会经济发展水平, 城镇化水平亦居全国前列。全市丘陵山地占总面积的65.6%, 集中分布在西部、中部和南部; 平原占26.4%, 主要分布在东北部。杭州市辖上城、下城、江干、拱墅、西湖、滨江、萧山和余杭8区, 建德、临安和富阳3市, 桐庐和淳安2县(2014年12月13日, 经国务院批准, 撤销富阳市, 设立杭州市富阳区, 本研究以2013年现状为准)。出于对图像精度及统计数据可获取性的考虑, 本文将研究对象分为主城区、建德、临安、富阳、桐庐和淳安6大区域。

研究数据主要有DMSP/OLS NTL数据、社会经济统计数据及其他辅助数据。

1)DMSP/OLS NTL数据。该数据可由美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration, NOAA)的国家地理数据中心(National Geophysical Data Center, NGDC)直接下载, 空间分辨率约为1 km, 亮度值范围为0~63(63为其饱和亮度值)。本文选取Version 4 Global DMSP/OLS Nighttime Lights Series稳定灯光数据产品(nighttime stable light)进行分析, 该数据包含有多个不同卫星的数据, 即F10(1992— 1994年)、F12(1994— 1999年)、F14(1997— 2003年)、F15(2000— 2007年)、F16(2004— 2009年)和F18(2010— 2013年), 共34景。为了提高不同卫星数据的连续性及可比性, 需要对数据进行校准处理(数据来源: http: //www.ngdc.noaa.gov/dmsp/downloadV4composites.html)。

2)统计数据。杭州市人口、社会和经济统计数据, 来源于《杭州市统计年鉴1993―2014》及《城市统计年鉴1993―2014》。

3)辅助数据。中国基础地理信息矢量图, 包括中国国界矢量数据, 杭州市及其市县界矢量数据, 杭州市主要高速公路、国道、省道和河流矢量数据等。

由于研究区内部分数据是不同传感器在不同时期获取的, 且每一年的数据都由多个卫星图像数据组成, 数据之间缺乏连续性与可比性, 因此需要对原始数据进行校准处理。NTL数据DN统计如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 NTL数据DN统计Fig.1 DN values of NTL data

Elvidge等^[18]通过选取参考影像, 并对参考影像与其他影像进行回归分析实现了不同时期NTL图像间的相互校准; Wu等^[19]则提出一种不变目标区域法的NTL图像校正方法, 并对全球范围图像进行校准, 取得了较为理想的结果。本文采用Wu等^[19]提出的不变目标区域法, 以实现不同年份图像之间的相互校准。运用矢量数据叠置选取感兴趣区(region of interest, ROI)的方法, 生成假彩色图像; 根据假彩色图像中白色部分处于饱和及城市区域的特征, 选定参考区域; 采用式(1)的二次回归模型, 以F12(1997)NTL图像为参考图像, 结合回归系数分布表对初始DMSP/OLS NTL数据进行回归分析, 实现对原始图像的相互校准。

DNcal=a+b·DN+c·DN2, (1)

式中: DN为待校准图像中的像元亮度值; DN_cal为校准后图像的像元亮度值; a, b和c分别为标准图像与其他图像参考区域回归分析得到的系数。回归系数的分布情况如表1所示。

表1

Tab.1

表1(Tab.1)

表1 回归系数分布 Tab.1 Distribution of regression coefficients 卫星编号 年份 a b c R2 F10 1992年 1993年 1994年 -0.019 2 -0.043 9 -0.031 7 0.021 8 0.024 2 0.022 7 -0.000 21 0.000 24 -0.000 22 0.910 0.926 0.949 F12 1994年 1995年 1996年 1997年 1998年 1999年 -0.132 2 -0.067 0 -0.224 4 0 0.085 3 0.027 4 0.139 0 0.111 4 0.147 4 1 0.078 9 0.053 5 -0.000 70 -0.000 30 -0.000 60 0 0.000 30 0.000 50 0.953 0.971 0.981 — 0.992 0.980 F14 1997年 1998年 1999年 2000年 2001年 2002年 2003年 -0.018 0 0.060 0 0.191 4 0.009 2 0.205 2 0.365 8 0.080 8 0.143 2 0.118 8 0.086 0 0.109 2 0.069 2 0.039 9 -0.002 9 -0.000 80 -0.000 40 0.000 10 -0.000 20 0.000 50 0.000 80 0.000 17 0.991 0.979 0.979 0.981 0.980 0.977 0.938 F15 2000年 2001年 2002年 2003年 2004年 2005年 2006年 2007年 0.076 6 0.020 3 0.060 5 0.049 7 0.070 1 0.092 7 0.115 7 0.133 2 0.072 3 0.078 3 -0.000 4 0.001 7 -0.001 6 -0.004 7 -0.007 7 -0.009 9 0.000 30 0.000 30 0.000 15 0.000 11 0.000 16 0.000 21 0.000 25 0.000 27 0.984 0.984 0.961 0.958 0.948 0.951 0.939 0.880 F16 2004年 2005年 2006年 2007年 2008年 2009年 0.085 4 0.097 0 0.161 7 0.212 8 0.230 5 0.110 1 -0.003 7 -0.005 4 -0.012 5 -0.016 4 -0.017 9 -0.007 7 0.000 19 0.000 22 0.000 33 0.000 34 0.000 36 0.000 28 0.954 0.928 0.897 0.807 0.827 0.913 F18 2010年 2011年 2012年 2013年 0.527 7 0.428 6 0.426 7 0.612 9 -0.035 2 -0.029 6 -0.030 2 -0.039 6 0.000 55 0.000 48 0.000 49 0.000 60 0.875 0.791 0.829 0.828

表1 回归系数分布 Tab.1 Distribution of regression coefficients

相互校准处理在一定程度上提高了NTL数据的连续性与可比性。然而, 由于同年数据具有多个卫星来源, 为了充分利用NTL数据, 提高研究的精确度, 本文采用

DN(n, i)=0, DN(n, i)a=0|DN(n, i)b=0(DN(n, i)a+DN(n, i)b)/2, 其他,(2)

计算平均灯光强度, 实现NTL数据的年内合成, 式中: D N(n, i)a和D N(n, i)b分别为不同卫星a和b同一年份NTL数据第i个像元的亮度值; DN_{(n, i)}为经过年内合成后第n年NTL图像第i个像元的亮度值, 其中n=1992, 1993, 1994, ……, 2013。

同时, 为便于数据的比较分析与研究, 对校准后的数据进行归一化处理, 即

DNI=|DN-DNmin|DNmax-DNmin, (3)

式中: DN_I为经过归一化处理的像元亮度值, 其范围为[0, 1], 其中1表示像元亮度值达到饱和; DN_max与DN_min分别为像元亮度最大值与像元亮度最小值。

校准后NTL数据的DN统计结果如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 校准后NTL数据DN统计Fig.2 DN values of calibrated NTL data

利用DMSP/OLS NTL数据进行城镇化研究, 需要确定提取城镇区域的阈值, 从而对城镇区域进行提取。现有阈值确定方法主要有经验阈值法、突变检测法、统计数据法以及较高空间分辨率图像空间比较法等^[20]。本文采用提取准确度相对较高的突变检测法确定城镇区域边界阈值。突变检测法由Imhoff等^[21]提出, 基于城镇边界应为完整多边形的假设, 以多边形发生突变的点作为阈值点, 提取城镇信息。该方法认为, 在NTL图像中, 城镇区域应该保持其几何形状的完整性; 逐渐增加分割阈值, 代表城镇边界的多边形将会沿着边缘逐步缩小; 当阈值达到某一值时, 斑块开始从内部出现破碎, 斑块破碎阈值即为城镇边界的分割阈值。

为了提高研究的科学性及精确度, 本文针对不同研究区域提取不同的分割阈值, 同时选取主城区提取的城镇区域面积进行误差估算^{[22, 23]}(表2)。

表2

Tab.2

表2(Tab.2)

表2 不同年份DMSP/OLS NTL数据分区阈值 Tab.2 Thresholds of DMSP/OLS NTL data in different years 年份 其他区域阈值 主城区阈值 主城区实际面积/km2 主城区估算面积/km2 误差/% 2013年 0.74 0.95 462.48 432.24 -6.538 2012―2008年 0.68 0.93 437.02 423.99 -2.982 2007―2003年 0.64 0.92 344.48 337.27 -2.093 2002―1998年 0.37 0.80 230.72 249.06 7.949 1997―1992年 0.32 0.73 123.31 128.98 4.598

表2 不同年份DMSP/OLS NTL数据分区阈值 Tab.2 Thresholds of DMSP/OLS NTL data in different years

不同区域的分割阈值不同, 主城区分割阈值明显高于其他地区; 同一地区不同年份的阈值不同, 并且随着时间的向后推移, 阈值逐渐增大。采用上述方法提取的城市区域边界与实际统计数据误差较小, 因此上述方法可用来进行城镇区域边界提取。本文根据表2阈值, 提取了杭州市各县、市的城镇区域。

城镇化的发展使城镇在空间规模以及空间形态上出现一定的转变, 而这一现象在DMSP/OLS NTL数据中呈现为亮度面积的变化以及亮度区域形状的改变。基于这一特征, 本文引入景观生态学中景观格局及斑块的概念, 并依据城镇区域图像空间非连续性及内部均质性的特征, 将提取出的城镇区域归纳为城镇斑块, 在此基础上选取典型景观指数来实现对城镇景观空间格局及城镇斑块的评价。

景观指数是指能够高度浓缩景观格局信息, 反映其结构组成和空间配置某些方面特征的简单定量指标, 可用来定量描述和监测景观结构特征随时间的变化^[24]。本文选取斑块周长(patch perimeter, PERIM)、斑块形状指数(shape index, SHAPE)、最大斑块指数(largest patch index, LPI)、边缘总长度(total edge, TE)、边缘密度(edge density, ED)和景观形状指数(landscape shape index, LSI)等6个常用景观指数, 运用Fragstats 4.2软件计算杭州市1992— 2013年间的城镇空间格局特征。

目前常用的城镇化指标及测度方法分为主要指标法和复合指标法。为了能够综合探索NTL强度与城镇化之间的关系, 本文采用复合指标法, 选取非农人口比重、人口密度、人均GDP及第二、三产业占比等反映城镇化水平的指标展开研究。基于1992— 2013年间杭州市DMSP/OLS NTL数据以及相应的社会经济统计数据, 对杭州市NTL总强度与城镇化相关指标进行回归分析, 结果如图3所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 杭州市NTL总强度与城镇化指标回归分析Fig.3 Correlations between NTL overall strength and urbanization indicators in Hangzhou City

由图3可以看出, 杭州市NTL总强度(DN总和)与城镇化各指标的相关系数较高, 表明两者之间具有较强的正相关关系, 即DMSP/OLS NTL数据可以在市域层面上很好反映杭州市的城镇化水平。

城镇化伴随着城市范围的扩张, 城镇扩张是一个动态过程。本文根据城镇化过程中城镇面积的变化特征及相关研究成果^[25], 将城镇扩张模式分为早期扩张型、稳步增长型和后期加速型3类。其中, 早期扩张型城镇在发展初期由于社会经济基础良好, 城镇化发展速度较快, 伴随着城镇规模的不断扩张, 城市发展的制约因素作用凸显, 区域城镇化速度逐步放缓, 呈对数型增长; 稳步增长型城镇区域扩张呈线性, 城镇化增长速率较为稳定; 后期加速型城镇扩张呈指数状态, 城镇化进程主要集中在后期, 呈现出很强的增长后续力。本文利用城镇区域阈值提取出杭州市主城区及其辖区各县、市的城镇面积, 并对其发展趋势进行预测(图4)。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 城镇化扩张模式分区估计Fig.4 Estimations for partitions of urban expansion model

本文对杭州市主城区、富阳、淳安、建德、桐庐及临安共6大区域进行城镇扩张模式研究。通过对其城镇面积变化趋势预测发现, 杭州市仅主城区为稳步增长型城镇扩张模式, 其他县、市皆为后期加速型。杭州市主城区为整个杭州市城镇化发展起步最早、水平最高、增长最稳定的区域, 是杭州市经济、政治和文化中心, 具有较好的城镇化发展基础。富阳、建德、临安、桐庐和淳安等地受地形、区位条件等限制, 社会经济发展水平相对较低, 城镇化发展基础差、起步晚、增速缓; 2000年后, 随着全省城镇化进程的全面推进, 这些地区的城市扩张速度飞速提升, 城镇化水平逐步提高。

研究引入景观生态学中景观格局及斑块的概念, 选取6个典型景观指数, 结合DMSP/OLS NTL影像数据, 对杭州市1992— 2013年间城市空间格局进行分析, 并对其景观指数计算结果进行回归分析, 得到各指数在1992— 2013年间变化趋势(图5)。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 杭州市1992— 2013年间景观指数变化趋势Fig.5 Trend of landscape indexes changes in Hangzhou City from 1992 to 2013

在斑块层面上, PERIM与SHAPE代表了研究区域内斑块的大小、复杂程度以及不规则程度。研究发现, 杭州市1992— 2013年间城市区域斑块规模、复杂程度以及不规则程度都有了一定程度的提升, 城市斑块面积逐步扩大, 且年均增长速度由2000年以前的1.735%提升到了2000年后的2.855%, 表明杭州市整体城镇化水平逐步上升, 且2000年后上升速度明显提高。

在景观层面上, TE, ED以及LSI也呈增长趋势, 表明1992— 2013年间杭州市城市规模逐步提升, 复杂性加大, 一方面是现有城市的自生发展, 使得城市区域在空间范围内扩展; 另一方面新兴中小城市以及卫星城镇的崛起, 使大量的非城镇斑块转变成城镇斑块, 也导致了城镇规模以及内部复杂性的增大。

LPI是指景观中最大斑块面积占景观总面积的比例, 该指数在一定程度上反映了城镇扩张的集中程度。在研究范围内, 杭州市主城区为NTL图像中最大斑块, 但因受到土地资源、区位条件等客观因素的制约, 城市的进一步扩张受到限制, 主城区的扩张速度逐渐变缓, 城镇化的发展逐步扩散到其他区域, 最终导致研究区域LPI降低; 同时也反映了杭州市范围内城镇化发展集中程度降低, 其他县、市城镇化水平逐渐提升, 城镇化发展重心正在由主城区向全市其他范围扩散。

交通是城市的基本骨架, 是城市空间扩展的主要内在适应性因素^[26]。交通通过多种作用机制促进城市形态的发展变化, 直接引导城市空间扩展方向, 决定城市形态的发展, 促使城市区域结构的空间演化和城市形态的发展。

本文利用DMSP/OLS NTL数据探讨城市空间扩展与区域交通之间的关系, 选取杭州市主要河流、高速公路、省道及国道等主要交通线, 从城镇空间扩展方向与城镇化水平2个方面探讨区域综合交通与城镇化的关系。

将通过DMSP/OLS NTL数据提取出的1992— 2013年间城镇区域变化影像与杭州市主要河流矢量数据进行叠置分析, 结果如图6所示。从图6可以看出, 杭州市城镇扩张范围主要集中在钱塘江、富春江和天目溪等河流流域, 同时, 城镇扩张方向也与主要河流走向一致, 主要河流交汇处更易成为区域城镇中心。由此可知, 主要河流的分布对于杭州市城镇化发展的走向与规模具有一定的限制与引导作用。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 1992— 2013年间杭州市城镇扩张情况Fig.6 Urban expansion in Hangzhou City from 1992 to 2013

城镇化的外在直接表现是人流、物流和信息流在空间上的集聚和扩散, 公路交通作为最重要的交通方式是城镇化的必要条件和有效催化剂, 对城镇化的发展具有重大意义。本文选取高速公路、国道和省道等主要道路指标对杭州市2013年主要公路交通与城镇化的关系进行探讨。分别对杭州市主城区、建德、桐庐、临安、富阳和淳安等县、市内高速公路、国道和省道的长度进行统计(图7)。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 杭州市交通分布Fig.7 Traffic map of Hangzhou City

计算公路综合里程及路网密度^[27], 并对其与相应县、市NTL统计相关性进行分析, 结果见表3。

表3

Tab.3

表3(Tab.3)

表3 公路交通与城镇化相关性 Tab.3 Correlation between road traffic and urbanization 道路指标 城镇区域面积 DN总和 DN平均值 公路综合里程 0.878* ① 0.892* 0.844* 路网密度 0.805* 0.812* 0.851* ①* 表示显著相关(置信度5%)。

表3 公路交通与城镇化相关性 Tab.3 Correlation between road traffic and urbanization

表3反映了杭州市各县、市2013年公路综合里程和路网密度与提取的城镇区域面积、DN总和和区域DN平均值的关系。可以看出, 杭州市公路交通能力与城镇区域面积以及区域灯光亮度指标的相关性较高, 即公路交通能力与城镇化水平呈正相关, 公路交通能力较强的县、市也具有相对较高的城镇化水平。结合图7可见, 与其他县、市相比, DMSP/OLS NTL亮度值高的杭州市主城区, 公路交通网络较为密集, 同时也有着较高的城镇化水平; 而中西部其他县、市因受到区位条件、社会经济和地形地貌等因素影响, 公路交通能力及城镇化发展相对较弱。