邓文慧,温小乐,徐涵秋,*,段伟芳,李春强
1 福州大学环境与安全工程学院,福建省水土流失遥感监测评价重点实验室,福州 350116 2 福州大学遥感信息工程研究所, 福州 350116
2017年4月1日雄安新区被设立为国家级新区,它是继深圳经济特区和上海浦东新区之后又一具有重要意义的新区,其主要目的在于疏散北京市的非首都功能,优化京津冀地区城市空间布局和结构。新区的规划明确提出严守生态保护红线,稳定70%的蓝绿空间占比的要求[1]。因此,在新区建设的过程中,对新区的建设及其产生的生态效应进行及时监测和评价具有重要的意义。
在生态环境监测的各种技术方法中,遥感技术以其快速、客观、大范围实时监测等优点得到越来越广泛的应用。目前遥感应用于区域生态环境的评价方法主要可分单一指标评价法和综合评价法。单一指标法通常采用单一的遥感指标来评价区域生态环境[2—3],因此存在评价结果片面,难以充分解释区域生态变化这一复杂的综合性问题。为此,徐涵秋[4—5]提出了遥感生态指数(RSEI),采用4个指标来综合评价区域生态状况,较好地解决了单一指标评价方法的片面性问题,因此自提出以来已广泛应用于我国的各省(市、自治区),应用范围遍及城市[6]、山地[7]、流域[8—9]、自然保护区[10]等各种不同生态条件的地区。
雄安新区设立以来,已有许多学者利用遥感技术对新区进行了研究。徐涵秋等[11—13]对雄安新区建设前的地表覆盖和生态本底进行了研究,结果表明新区建设前的总体开发强度和生态质量变化都不大。Liu等[14]研究了1975—2017年雄安新区的城市扩展情况,结果发现研究期间新区城市面积增长显著。贾玉娜等[15]对新区2016—2019年地表覆盖变化进行了研究,结果表明,2019年新区道路面积比2016年增长了近2倍。刘丽香等[3]研究了雄安新区2019年的城市热岛效应,发现新区的热岛呈现北高南低的特点。许多对白洋淀湿地生态变化的研究表明[16—19],自20世纪70年代以来,白洋淀生态景观空间格局发生了显著变化,湿地呈减少趋势,植被覆盖率低,生态景观破碎加剧,湿地生态处于不健康状态。
从现有对雄安新区的研究来看,主要集中在新区建设前的生态状况评价,以及新区建设初期的土地利用、湿地和热环境变化,尚无对新区2017年开发建设以来所产生的生态变化进行的研究。因此,本文将采用遥感对地观测技术,重点评价2017—2020年间雄安新区在生态优先理念指导下的开发建设及其所产生的生态效应,这一研究对雄安新区今后的进一步发展和建设具有重要的意义。
1.1 研究区与研究数据
雄安新区主要包含河北省保定市的雄县、安新县和容城县及其周边部分地区,其地理位置为:38°43′—39°10′N,115°38′—116°20′E[11]。雄安新区属于暖温带季风型大陆性气候,年平均气温12.87 ℃,年平均降雨量474.12 mm。雄安新区现有人口120.5万人,规划至2029年常住人口达500万人,研究区面积为1577.54 km2(图1)。
本研究选用2017年9月28日的Landsat 8影像代表新区刚成立尚未建设的时期,选用2020年9月4日Landsat 8影像代表新区成立3年后的建设情况。影像下载于美国地质调查局官方网站(https://earthexplorer.usgs.gov)。
图1 2017和2020年雄安新区Landsat 8 影像(红绿蓝:7、5、2波段)Fig.1 Landsat 8 images of the Xiong′an New Area in 2017 and 2020 (RGB: bands 7, 5, 2)
1.2 影像预处理
所下载的影像为Landsat 8 Level 1T产品,已经过几何校正。影像预处理主要进行大气校正,采用的是Landsat用户手册的模型和日照大气综合校正模型(IACM)[20—21],公式为:
ρ= [M(Q-Qh)+A]/cosθz
(1)
式中:M和A分别为调整因子和调整参数,θz为太阳高度角,均可从影像头文件中获得；
Qh为大气影响修正值,通过最暗像元法获得。
1.3 主要地表覆盖类型提取
本研究将新区的主要地表覆盖类型分为水体、植被和建筑用地三类,分别采用改进归一化水体指数(MNDWI)[22]、归一化植被指数(NDVI)[23]和建筑用地指数(IBI)[24]3个广为应用的遥感专题指数对这3类主要地表覆盖类型进行提取。各指数公式如下:
MNDWI = (Green-MIR1)/(Green+MIR1)
(2)
NDVI = (NIR-Red)/(NIR+Red)
(3)
IBI = [NDBI-(NDVI+MNDWI)/2]/[NDBI+(NDVI+MNDWI)/2]
(4)
式中Green、Red、NIR、MIR1和MIR2分别代表影像的绿光、红光、近红外、中红外1波段和2波段的反射率。其中,NDBI[25]是归一化建筑指数,公式为:
NDBI = (MIR1-NIR)/(MIR1+NIR)
(5)
1.4 遥感生态指数计算
遥感生态指数RSEI选择了热度、干度、湿度、绿度4个指标来综合反映区域的生态环境,并通过主成分变换来集成各指标,在克服了单一指标不足的同时,又使得多指标的权重分配和集成更为合理。RSEI中的热度、干度、绿度、湿度指标分别由地表温度(LST)、土壤指数(NDSI)、植被指数(NDVI)、缨帽变换的湿度分量(Wet)代表。
(1)热度指标:将Landsat TIRS 10波段的像元灰度值(DN)值转换为光谱辐射值,然后根据地物的比辐射率将求出的亮温转换为地表温度[26]。计算公式如下:
L= gain ×DN+bias
(6)
T=K2× ln[(K1/L)+1]
(7)
LST =T/[1+(λT/ρ) lnε]
(8)
式中,L为像元在传感器处的辐射值；
DN为像元灰度值；
gain和bias分别为的增益值和偏置值,T为亮温；
K1和K2为定标参数,gain、bias、K1和K2均可通过影像头文件获得。LST为地表温度；
λ为TIRS 10波段的中心波长10.895 μm；
ρ=h×c/σ=1.438×10-2mK[27]；
ε为地物的比辐射率。根据MODIS光谱库和Nichol[28]的研究成果,水体取0.9908,植被取0.9816,建筑用地取0.9212。
(2)干度指标:在本研究的区域环境中,土壤是造成地表的“干化”的重要原因,因此干度指标使用土壤指数NDSI代表:
NDSI = (MIR1-NIR)/(MIR1+NIR)
(9)
(3)湿度指标:以能够反映植被和土壤湿度状况的缨帽变换的湿度分量为代表:
（五）落实信贷支持 结合国家建立现代农村金融制度的要求，建立政府扶持、多方参与、市场运作的农村信贷担保机制，大力发展小额信贷，建立新形势下的信用评估方式，扩大农村有效担保范围，开辟支持生猪标准化规模化养殖的信贷“绿色通道”，解决投入不足的“瓶颈”问题。
Wet = a × Blue+b × Green+c × Red+d × NIR+e × MIR1+f × MIR2
(10)
其中Blue代表影像中的蓝光波段处的反射率。对于Landsat 8影像,其a—f对应的系数分别为0.1511,0.1973,0.3283,0.3407,-0.7117,-0.4559[29]。
(4)绿度指标:采用归一化植被指数NDVI来代表,具体计算见公式(3)。
由于各指标的量纲不统一,因此,需要对求得的4个指标进行归一化,使各指标值转化成无量纲且范围统一在0—1之间,然后再进行主成分分析。RSEI使用第一主成分(PC1)来耦合上述4个指标,即:
RSEI = PC1[f(LST, NDSI, NDVI, Wet)]
(11)
为了方便不同年份和不同地区的比较,可以对所求的RSEI进行归一化,使RSEI的值介于0到1之间,RSEI值越接近于1表示生态质量越好,反之,生态质量越差。
2.1 主要地表覆盖类型变化
图2 2017和2020年雄安新区主要地表覆盖类型提取结果Fig.2 Main land cover maps of the Xiong′an New Area in 2017 and 2020
采用以上方法分别对研究区的水体、植被和建筑用地信息进行提取。由于研究区面积较大,所以部分指数无法用单一阈值来准确提取全区的信息,需要采用多个分区阈值来进行提取。提取植被的阈值范围为:0.25—0.5(2017年)、0.25—0.67(2020年)；
提取水体的阈值范围为-0.4—-0.2(2017年)、-0.2—0(2020年)；
提取建筑用地的阈值为-0.15(2017年)、-0.18(2020年)。最后对所提取的结果进行人工修正(图2)。分别随机选取777个和760个样本点对2017和2020年的各地类提取结果进行精度验证(表1),参考数据选择近同期的Google Earth高分影像。验证结果表明,2017和2020年提取结果的总精度都高于90%,Kappa系数值都大于0.9,各类别的生产者精度和使用者精度也都大于85%,符合精度要求。
表1 2017和2020年雄安新区主要地表覆盖类型提取结果精度验证Table 1 Accuracy assessment of main land cover extraction in the Xiong′an New Area in 2017 and 2020
对提取的3类地表覆盖类型进行统计(表2),结果表明,2017—2020年雄安新区经过3年建设,主要地表覆盖类型发生了一定的变化,最明显的是建筑用地面积增加了60 km2,达到了366 km2,水体也增加了近9 km2,而植被减少了约69 km2。
表2 2017—2020年雄安新区主要地表覆盖及变化情况Table 2 The area and changes of the main land covers in the Xiong′an New Area during 2017—2020
对图2中两年的提取结果影像进行差值变化检测,得到2017—2020年雄安新区地表覆盖的转变情况图(图3a)。从表2和图3可以看出2017—2020年间雄安新区建筑用地增加的面积主要来自植被,来自水体的并不多,可见雄安新区建筑用地的增加很少占用水体。由于植被大面积转为建筑用地,因此虽有部分水体转变为植被,但新区的植被仍以减少为主要特征。研究期内新区的水体面积增加了约9 km2,这主要由植被转变而来。
从变化检测图(图3a)可知,2017至2020年间,新区建设导致的地表覆盖变化主要集中在新区北部的容城和雄县两地,新增的建筑用地主要集中在容城县的容东片区和雄县的昝岗组团等地,而新区西南部的安新县大规模开发相对较少。另外,新区内的道路、铁路等交通基础设施也明显增多,这一点和新区规划中要求到2020年雄安新区对外骨干交通路网需基本成型的目标相符合。
图3b—g为雄安新区地表覆盖发生显著变化的典型区域。位于容城县的容东片区,是研究期间建筑用地增加最多的区域,主要表现为大面积的植被转变为建筑用地。根据雄安新区编制的《河北雄安新区容东片区控制性详细规划》,该区以生活居住功能为主,为雄安新区的起步区和启动区建设提供支撑和配套服务,容东片区也因此成为新区最先开始建设和建设规模最大的区域。图3c为雄县昝岗的雄安站枢纽片区,同样表现为大片植被转变为建筑用地。根据雄安站枢纽片区控制性规划,雄安站是雄县的重点建设项目,承担新区对接京津冀、联系全国的重要作用,因此也是新区最先开始建设的地区之一。图3d为雄安新区的启动区,地表覆盖类型的变化主要表现为建筑用地向植被转换,从影像中仍可以发现这些迁移的遗留痕迹。图3e为羊角淀,表现为大片植被转变为水体。图3f、g分别为藻苲淀生态池和烧车淀,同样表现为以植被向水体转变为主。
图3 2017—2020年雄安新区主要地表覆盖类型变化情况Fig.3 Land cover changes in the Xiong′an New Area from 2017 to 2020.a: 变化检测图; b: 容东片区,植被转变为建筑用地; c: 雄安站枢纽片区,植被转变为建筑用地; d: 启动区,建筑用地转变为植被; e: 羊角淀,植被转变为水体; f: 藻苲淀生态池,植被转变为水体; g: 烧车淀,水体和植被互为转换
2.2 生态质量变化
2017年和2020年遥感生态指数RSEI的计算结果见表3。主成分分析表明,第一主成分(PC1)的特征值贡献率都大于等于75%,表明以PC1为代表的RSEI能够综合代表4个指标变量。而在4个变量对PC1的贡献度中,绿度和湿度对生态的贡献度均为正值,热度和干度均为负值,符合实际情况。表3表明,无论是2017年或者2020年,4个指标对RSEI贡献度的排序都是:热度>绿度>干度>湿度,说明2017年、2020年4个指标对新区生态质量影响的重要程度没有明显改变。且在2017年至2020年间,对生态质量起正面影响的绿度和湿度值分别上升了11.4%和44.2%,对生态质量起负面影响的干度值下降了37.3%,热度值上升了8.8%。由于绿度、湿度的上升和干度的下降对新区的生态质量产生正向的作用,而且它们的变化幅度都大于热度,抵消了热度上升的负面效应,因此新区的RSEI值从2017年的0.668上升到2020年的0.677。
表3 雄安新区2017和2020年4个指标的主成分分析Table 3 Principal component analysis of four indicators in the Xiong′an New Area in 2017 and 2020
就3个县的具体变化情况来看,它们的生态状况变化有所不同。在这3年间,容城县开发规模最大,因此其RSEI呈现下降趋势,从0.628下降到0.612。雄县虽然也有大规模开发,但其规模和强度都小于容城县,加上雄安新区的造林计划(“千年秀林”工程)大部分分布在雄县,有力地保障了该县生态质量,因此其RSEI值从0.617上升到了0.639。安新县的开发规模是三个县中最小的,因此其RSEI值稳中略升,由0.722上升到0.736。三个县的生态质量变化总体上和三个县的规划、建设和生态保护情况相对应。
进一步将RSEI值按0.2为间距划分成5个等级,从1至5级分别代表生态差、较差、中等、良、优5个等级(图4)。可以发现(图5),2017—2020年间,代表生态优的第5级面积增加最多,增加了210 km2,增幅达46%,而代表生态差的第1级的面积没有明显变化,其它等级互有增减。3年期间,雄安新区生态良好等级以上的面积略有提升,占比由71.4%上升至72%,因此2020年的生态质量总体略优于2017年。
图4 雄安新区2017、2020年遥感生态指数(RSEI)生态分级图Fig.4 Leveled-RSEI images of the Xiong′an New Area in 2017 and 2020
图5 雄安新区2017、2020年遥感生态指数(RSEI)生态等级面积和变化统计Fig.5 Area and change of each RSEI level of the Xiong′an New Area in 2017 and 2020
将图4中两年的RSEI分级结果影像相减,得到2017—2020年的RSEI等级变化检测图(图6a),并统计其等级变化(图6b,其中5级→1级表示RSEI等级由2017年的5级转变为2020的1级,此变化的级差为-4级,其它以此类推)。结果表明2017—2020年,雄安新区生态改善主要出现在植被覆盖区域；
生态退化则在3种地表覆盖类型中都有存在,其中较严重退化(RSEI级差为 -2—-3级)主要发生在新增的建筑用地区域。总体来看,雄安新区生态改善区域的面积大于生态退化区域,生态改善(RSEI级差为正)的面积为477.36 km2,占研究区面积为30.3%,生态退化(RSEI级差为负)的面积为332.99 km2,占21.1%,另有约一半的面积(767.19 km2)生态等级保持不变(RSEI级差为0)。从图6b中可以看出,退化的等级(负极差)主要都是-1级,而改善的等级(正级差)主要是+1和+2级,并以RSEI的3和4级向5级的转变为主。说明新区生态改善的强度要大于退化的强度。
图6 雄安新区2017—2020年RSEI等级变化情况Fig.6 Changes of RSEI levels in the Xiong′an New Area between 2017 and 2020a: RSEI等级变化图; b: RSEI等级变化面积; c—f: “千年秀林”工程部分规划地的生态等级改善情况; g: 容东片区规划新增的生态绿地
长期以来,大面积的开发建设通常伴随着相关区域生态质量的下降。雄安新区在2017—2020年的开发建设期间,也出现了建筑用地面积增加、植被面积减少的情况,但是,该区的生态质量却没有下降,反而略有上升,这主要得益于该区实施的以下生态保障工程和措施:
(1)“千年秀林”工程:该工程的目的是促使一部分农田向森林转变。新区设立之前,雄安新区的植被以农田为主,林地仅133 km2左右。由于农田生态明显受季节影响,作物一旦收割后生态会明显下降[11],而以树木为主的森林生态则可以维持较好且稳定的水平。因此,雄安新区的规划坚持生态优先、绿色发展的理念,以“千年秀林”工程开篇,在新区的城市建设未启动时便首先开始造林,到2019年底新造林面积超过133 km2[30],从农田到森林的转变提升了生态质量,使得雄安新区的生态没有受到开发建设的明显影响。图6c—f为4处“千年秀林”工程规划和实施的例子。图中不同的绿色调代表工程实施后生态改善的等级。可以看出,“千年秀林”工程实施后,相应区域的RSEI生态等级提升了1—3级。
(2)规划片区增加绿地:除了“千年秀林”工程外,雄安新区各个片区的规划都注重对原有生态的保护并加入新的绿地和绿带。如容东片区的规划新增了生态绿带和城市公园(图6g),雄安站枢纽片区的规划新增了城市公园带和绿化生活环,雄东片区也规划了多条景观绿带。
(3)生态补水工程:许多研究表明近几十年来白洋淀的地下水开采、水体污染和湿地景观破碎化都很严重[16—19,31]。因此各级政府为治理白洋淀采取了一系列生态修复工程,如退耕还淀、南水北调、黑臭水体治理、水系联通和生态池建设等。羊角淀和藻苲淀生态池的建设增加了白洋淀的主体蓄水功能(图3e、f),据相关报道2020年到11月白洋淀生态补水的入淀水量已近5亿m3。本次研究也发现2017—2020年新区水体面积增加了近9 km2,这对生态的改善起了积极的作用。
以上绿地质量提升和生态补水的实施直接导致了对生态质量起正面影响的绿度和湿度指标的提升,绿度值(NDVI)从2017年的0.595提升到2020年的0.663(表3),湿度值(Wet)在这期间也上升了0.023(绝对值)。
生态状况的变化除了受人类活动影响外,气候等自然条件也是影响生态状况的重要因子,特别是植被的生长状况容易受气候季节性变化的影响。因此,本次研究特意选择了两年份同样为9月份的影像以避免这一影响。同时,本文进一步分析了所采用影像的当日及其前一周的温度和降水情况(表4),以考察新区生态质量的上升是否得益于气候条件的变化。从表4可以看出,无论是影像当日的降水量或者前一周的降水量,2017年和2020年并没有明显区别,因此新区湿度的提升并不是得益于降水量。从两年份影像当日的气温和前一周的气温来看,2020年比2017年高了3—3.7 ℃。这也直接反映在地表温度上,2020年当日的地表温度(LST)要比2017年高2.3 ℃(表3)。由于LST所代表的热度是对生态产生负面影响的指标,该指标的提升只能降低RSEI值,而不是提升RSEI值。综上,新区生态质量的上升并不是得益于气候因子的变化。
表4 雄安新区研究期间的气温和降水量Table 4 Air temperature and precipitation data of the Xiong′an New Area in the study period
本次研究表明,2017—2020年间雄安新区的开发建设总体与其规划方案相吻合。到2020年,新区的蓝绿比仍保持在75%以上(表2),符合规划不小于70%的要求[1]。Xu等[13]基于雄安新区开发前的地表覆盖和生态状况本底对即将开展的雄安新区建设可能诱发的生态变化进行了预测,他们认为新区的生态变化与建筑不透水地表人口密度密切相关,并将不透水面面积433.11 km2作为预测生态变化的平衡点,即当雄安新区的不透水面面积超过433.11 km2时,该区的生态质量才会发生下降。本研究发现2020年雄安新区的建筑不透水面面积为366.33 km2,仍小于433.11 km2,因此新区的生态质量并未发生下降,符合预测情况。
本研究利用遥感对地观测技术研究了雄安新区建设3年之后的主要地表覆盖变化及其引发的生态变化状况,研究发现:
(1)2017—2020年间,雄安新区的主要地表覆盖类型发生了一定的变化。3年间新增建筑用地面积60.01 km2、水体面积8.95 km2,但植被面积减少了69.29 km2。新增的建筑用地主要在容城县的容东片区、雄县的雄安站枢纽片区和雄东片区,以及新增的道路等交通基础设施。新增的建筑用地主要从植被转变而来,导致了植被面积的显著减少。从总体上看,雄安新区的容城县和雄县两地的开发建设的强度和规模都较大,而安新县的开发强度和规模则较小。雄安新区地表覆盖的总体变化和新区建设的规划基本吻合。
(2)2017—2020年间,雄安新区的生态质量并没有因为新区的开发建设而出现下降。2020年的生态指数RSEI值比2017年略上升了0.009,其中生态改善的面积(477.36 km2)大于退化的面积(332.99 km2),而且生态等级为优的面积增加了46.2%。但3个县的表现不尽相同,雄县和安新县的生态有所上升,而容城县则略有下降。
(3)2017—2020年间,雄安新区在植被面积减少,建筑用地面积增加的情况下,生态质量反而略有提升,其原因在于规划理念的改变。雄安新区的规划坚持生态优先、绿色可持续发展的理念,在新区建设的一开始就实施了“千年秀林”工程,并开展退耕还淀、南水北调等增加水体、改善生态的措施,这些举措避免了长期以来大规模开发建设导致区域生态下降的问题。
猜你喜欢建筑用片区新区雄安新区设立五周年座谈会召开经济与管理(2022年3期)2022-05-20建筑用成型钢筋制品加工与配送技术建材发展导向(2021年18期)2021-11-05高密度电法在建筑用石料勘查区遴选中的应用建材发展导向(2021年18期)2021-11-05建筑用硅酮密封胶及其市场观察上海建材(2020年5期)2020-12-15片区综合开发的投资模式探讨现代经济信息(2020年34期)2020-06-08中国自由贸易试验区再迎扩容建材发展导向(2019年20期)2019-12-09展望临港新片区金融改革与创新中国外汇(2019年18期)2019-11-25青岛新片区打造人才聚集高地商周刊(2019年19期)2019-10-17JG/T492—2016建筑用光伏构件通用技术要求中国建筑金属结构(2018年4期)2018-05-23雄安新区的期许商周刊(2017年10期)2017-08-23