Spatio-temporal dynamic characterization of impervious surface in the Jiaozhou Bay based on Landsat imagery
WUXi1, GUOBin1,, CHENZhongsheng2, SHIWenjiao3 1. College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China2. School of Land and Resources, China West Normal University, Nanchong 637002, China3. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China 通讯作者:通讯作者:郭斌,E-mail: guobin121@126.com 收稿日期:2018-06-12 修回日期:2018-08-24 网络出版日期:2018-11-20 版权声明:2018《资源科学》编辑部《资源科学》编辑部 基金资助:国家自然科学基金项目(41807170)山东省自然科学基金项目(ZR2017BD021) 作者简介: -->作者简介:吴溪,女,江苏徐州人,硕士生,主要从事遥感水文研究。E-mail: wux@lreis.ac.cn
关键词:发展重心;不透水面;Landsat;时空分布;环胶州湾 Abstract Impervious surface areas (ISA) are key factor of affecting urban ecological environments. Information on ISA distribution and dynamics was useful for the planning and development of cities. This study explored a hybrid method consisting of linear spectral mixture analysis (LSMA) on the basis of vegetation-high albedo-low albedo-soil model (V-H-L-S), and regression tree (RT) for estimation of ISA in the Jiaozhou Bay. Medium-resolution remote sensing data (Landsat TM images in 1990, 1995, 2000, 2005, 2011, and Landsat OLI images in 2016) were used as basic data. Then the spatial and temporal distributions of ISA from 1990 to 2016 were identified in the Jiaozhou Bay based on the estimation of ISA. In addition, the regional development center of gravity was located by the extended index and buffer zone. The results demonstrated that the coefficients of determination (R2) of ISA in 1990, 1995, 2000, 2005, 2011, and 2016 were greater than 0.70 and their root mean square error (RMSE) were less than 16.70%. It is noted that the hybrid method consisting of LSMA and RT for estimation of ISA is feasible. The ISA increased from 105.17 km2 in 1990 to 620.02 km2 in 2016 in the Jiaozhou Bay. The expansion trend was from south to north, east to west. The area of ISA was increasing, but the increasing rate of ISA did show a little change. From 1990 to 1995, the expansion intensity of ISA was the largest, which was much larger than other periods. Downtown has always been the center of urban development, then Chengyang has become the focus of auxiliary urban since 1990. However, the trend was from Chengyang to Laoshan in 1993, Jiaozhou and Jimo in 2005, and Huangdao in 2011. This study will provide scientific foundation for the development and construction of sponge city in the Jiaozhou Bay.
Keywords:development center;impervious surface areas;Landsat;spatio-temporal distribution;the Jiaozhou Bay -->0 PDF (11114KB)元数据多维度评价相关文章收藏文章 本文引用格式导出EndNoteRisBibtex收藏本文--> 吴溪, 郭斌, 陈忠升, 史文娇. 基于Landsat影像的环胶州湾不透水面格局演变过程[J]. 资源科学, 2018, 40(11): 2260-2269 https://doi.org/10.18402/resci.2018.11.12 WUXi, GUOBin, CHENZhongsheng, SHIWenjiao. Spatio-temporal dynamic characterization of impervious surface in the Jiaozhou Bay based on Landsat imagery[J]. RESOURCES SCIENCE, 2018, 40(11): 2260-2269 https://doi.org/10.18402/resci.2018.11.12
胶州湾位于山东半岛南部,又称胶澳。目前胶州湾全境由青岛市管辖,沿岸行政区分别为青岛市的市南区、市北区、李沧区、城阳区、崂山区、即墨区(原即墨市)、胶州市、黄岛区。青岛地处北温带季风区域,属温带季风气候,空气湿润,雨量充沛,温度适中,四季分明。青岛是中国东部沿海重要的经济中心城市和港口城市,与世界130多个国家和地区的450多个港口有贸易往来。2016年青岛入选中国“海绵城市”试点,由于政策和地理位置的支持,青岛城市化进程加快,而环胶州湾地区被列为青岛主要发展规划区,故本文选择环胶州湾为研究区(图1)。沿岸有洋河、大沽河、墨水河、白沙河、李村河和海泊河等十几条河流注入胶州湾[19]。1995—2015年城市建设面积急聚扩展,且2000年后年均人口增加1.52%,人为无度地围填海使得胶州湾2012年的纳潮量只有约7亿m3。城市建设用地和人口的增加使不透水面持续增加,对胶州湾生态环境造成了严重的破坏。 显示原图|下载原图ZIP|生成PPT 图1研究区位置[20] -->Figure 1Location of the study area -->
2.2 数据来源
本文采用美国地质调查局(United States Geological Survey,USGS)[21]提供的Landsat 5 TM和Landsat 8 OLI 影像(表1),影像云覆盖率均为0,空间分辨率为30m。考虑到裸露土壤对不透水面提取精度的影响,选择遥感影像的获取时间集中于6—10月[22]。 Table 1 表1 表1本研究所采用的遥感数据源 Table 1Remote sensing data applied in this study
4.1.1 环胶州湾不透水面时空格局变化 1990—2016年环胶州湾不透水面面积由105.17km2增长到620.02km2,总的扩展方向为由沿海向内陆,由南向北呈带状发展,并向东扩展、向西移动,具体为沿着胶州湾东岸、北岸和西岸发展(图2)。东岸城区包括市南区、市北区、崂山区、李沧区;北岸城区包括城阳区、即墨区;西岸城区包括黄岛区、胶州市。 显示原图|下载原图ZIP|生成PPT 图21990—2016年环胶州湾不透水面空间分布格局 -->Figure 2The spatial distribution characteristics of ISA in the Jiaozhou Bay from 1990 to 2016 -->
东岸城区中,市中心(市南区、市北区和李沧区)的不透水面发展比较成熟。近26年市南区变化较小,市北区向东扩展,李沧区以工业发展为主,向东部和北部扩展。由于1993年市政府东迁,崂山区成为城市发展的热点区域[36],向北部和东部快速扩展。北岸城区中,城阳区快速向东部扩展,红岛经济区位于城阳区西部,向北部扩展,是青岛市重要的战略储备空间。即墨区沿着城区中心向南与城阳区连接,尤其是在2011—2016年期间,即墨区东部的鳌山卫新建科研基地,交通区位优势明显,靠近青岛流亭国际机场,周边优势和政策支持使鳌山卫快速发展,不透水面快速增加。西岸城区,胶州市沿着城区中心向北、西部及东北方向发展,尤其是2013年青岛胶东国际机场批复后发展更为迅速。黄岛区沿海岸发展,之前青岛和黄岛交通只能通过轮渡,所以发展中心沿轮渡站点,确定修建隧道后,隧道点在黄岛南部,便向黄岛南部发展,2011年隧道开通后发展更快,2014年6月,青岛西海岸新区获国务院批复设立,成为第九个国家级新区,使得西海岸新区不透水面快速扩散。 4.1.2 环胶州湾不透水面空间扩散动态 根据1990—2016年不透水面扩散结果得到1990—2000年、2000—2011年、2011—2016年3个时段不透水面动态变化(图3)。1990—2000年时段(图3a),市中心(市南区、市北区、李沧区)为主要不透水面扩散区域,方向由南向北扩散,城阳区扩散也较广,主要是南北方向扩散,崂山区向北部扩散,且不透水面增加比例较大,即墨区和胶州市沿着区域中心向四周扩散,即墨区主要向南扩散,与城阳区连接,黄岛区主要由轮渡港口向南部扩散,黄岛区范围较小,并未与胶南市合并,中部沿海扩散的区域为当时的胶南市。2000—2011年时段(图3b),不透水面主要沿着胶州湾扩散,各个区扩散范围变大,该时段市中心扩散明显比1990—2000年扩散比例减小,崂山区向东北部扩散,城阳区主要扩散区域为红岛经济开发区,即墨区向南扩散趋势明显,与城阳区相接,胶州市向东部扩散,黄岛区依然向南部扩散。2011—2016年时段(图3c),不透水面扩散方向更为分散,乡村不透水面增加,这可以从侧面反映乡村在不断发展,城乡差距逐渐减小,鳌山卫和红岛南部不透水面也有明显的增加。 显示原图|下载原图ZIP|生成PPT 图3不同时段环胶州湾不透水面动态变化 -->Figure 3Dynamic changes of ISA in the Jiaozhou Bay during different periods -->
4.2 环胶州湾不透水面扩展指标分析
4.2.1 环胶州湾不透水面扩展指标 1990—2016年环胶州湾不透水面面积和密度不断增加(图4、表3),环胶州湾各时段不透水面扩展速度相差较小,均在(14.54~24.60)km2/a之间,其中1990—1995年扩展速度最大为24.60km2/a,此时扩展强度也最大,高达23.39%,而其余时段扩展强度均在5%左右浮动。 显示原图|下载原图ZIP|生成PPT 图41990—2016年环胶州湾不透水面面积与密度变化 -->Figure 4The area and density of ISA in the Jiaozhou Bay from 1990 to 2016 -->
4.2.2 环胶州湾各区域不透水面扩展指标 将胶州湾根据行政区域划分为6个区域,分别是市中心(包括市南区、市北区和李沧区)、城阳区、崂山区、即墨区、胶州市、黄岛区。1990—2016年,各区域不透水面面积均呈增加趋势,但增加程度差异较大,其中市中心增加较为平缓,1990年市中心不透水面面积比其他区域大,但是增加面积较少(图5a),市中心的密度在各个时段都远大于其他区域,并且不断增加(图5b)。1990—2000年,崂山区不透水面面积增加较多,主要由于1993年青岛市政府东迁,崂山区成为城市发展的热点区域。1990—2011年,城阳区不透水面面积迅速增加,几乎呈线性趋势,主要是重工业较发达,但2011年后不透水面增加较少,因为政府正积极引导城阳区从现有工业向现代服务业和居住社区相融合的方向转化,为人才公寓的建设预留好空间。1995—2000年,即墨区不透水面面积增加较少,其余时间增加较多,但不透水面密度均较小,主要由于即墨区面积较大。2005—2011年胶州市不透水面面积增加较多,其余时段增加较少,不透水面密度也较小,而黄岛区不透水面面积在各个时段均增加较多,这缘于黄岛区是青岛重点发展区域,胶州湾跨海大桥和海底隧道建成后,发展潜力得到释放。 显示原图|下载原图ZIP|生成PPT 图51990—2016年环胶州湾各区域不透水面面积和密度变化 -->Figure 5The area and density of ISA in each region in the Jiaozhou Bay from 1990 to 2016 -->
环胶州湾各区域在不同时段不透水面扩展速度和扩展强度相差较大。1990—1995年,不透水面扩展强度均大于其余时段(市中心除外),主要由于该时期城市建设力度较大。1990—2000年,市中心不透水面积扩展速度加快,但2000年后扩展速度减缓且变化较小,均小于0.97km2/a(图6a),与此相应,市中心不透水面扩展强度亦较小,均在3.76%以下,说明市中心可开发的建设用地较少,不透水面面积已趋于饱和(图6b)。1990—2011年,崂山区不透水面扩展速度一直处于减小状态,2011—2016年期间扩展速度有所增加,扩展强度在1990—2000年期间较大,但均呈减小趋势,2011年扩展强度有所增强。1990—2011年城阳区不透水面扩展速度在(3.06~5.38)km2/a之间波动。即墨区不透水面扩展速度波动较大,1990—1995年期间扩展速度和扩展强度均最大,扩展速度在5个时段成“W”状,而不透水面扩展强度急速下降后略有波动。2005—2011年胶州市不透水面扩展速度达到最大值,其余时段均在(1.49~4.51)km2/a之间波动,1990—1995年期间扩展强度最大,其余时段扩展强度均不大。2011—2016年黄岛区不透水面扩展速度达到最大值,为9.88 km2/a,黄岛区扩展强度与崂山区相似,即1990—2000年期间较强,2000年之后的扩展强度远远小于2000年之前的扩展强度。 显示原图|下载原图ZIP|生成PPT 图61990—2016年环胶州湾各区域不透水面面积扩展速度和强度变化 -->Figure 6The speed and intensity of ISA in each region in the Jiaozhou Bay from 1990 to 2016 -->
4.3 环胶州湾发展重心变化
1990年城阳区成为环胶州湾发展的重心,重点发展重工业,1990—1995年期间不透水面密度增加最大为13.00%,2005年后由于转型不透水面增速有所减缓。1993年市政府迁移后,崂山区成为发展重心,虽然崂山区不透水面密度变化小于6.75%,但不透水面密度均呈增加趋势,特别是2005年以后。由于胶州市和即墨区有足够的发展空间,2005年胶州市和即墨区成为环胶州湾的发展重心,2005—2011年胶州市不透水面密度增加最快,虽然即墨区密度变化小于胶州市,但变化依然很大。2011年胶州湾跨海大桥和海底隧道建成并投入使用后,黄岛区不透水面面积表现出明显的快速增加趋势,2014年中央同意建设西海岸国家级新区,从而黄岛区成为重点发展区域,即2011年后黄岛区逐渐成为环胶州湾发展重心(图7a,图7b)。 显示原图|下载原图ZIP|生成PPT 图71990—2016年缓冲区不透水面密度和密度变化 -->Figure 7The density and density changes of ISA in buffer from 1990 to 2016 -->
5 结论与讨论
本研究基于线性光谱混合模型和决策树相结合的方法提取了1990—2016年环胶州湾的不透水面面积,分析了其时空格局变化特征,并采用扩展指数和缓冲区探讨了区域发展重心。得到如下结论: (1)通过线性光谱混合分析与决策树结合的方法得到的不透水面面积决定系数R2均达到0.70以上,均方根误差RMSE均小于16.70%,由此说明该方法在提取不透水面中是可行的。 (2)1990—2016年环胶州湾不透水面面积不断增加,不透水面所占比例不断增大,但增长速度变化较小,总的扩展方向为由南向北呈带状发展、东扩西移。1990—1995年扩展强度较大,其余时段均小于该时段且变化较小。 (3)1990年开始城阳区重工业发展迅速,许多工厂落户该区,使得城阳区成为环胶州湾发展重心;1993年市政府迁移后崂山区成为环胶州湾发展重心;2005后胶州市和即墨区成为环胶州湾发展重心;2011年后胶州湾跨海大桥和海底隧道建成后使得青岛和黄岛连接通畅,黄岛有大片未开发区域,成为环胶州湾发展重心。 本文应用了决策树与线性光谱混合分析模型相结合的方法提取环胶州湾不透水面丰度,提取精度在可取范围内。但端元提取的精度在一定程度上影响不透水面的提取精度[37],Li等[38]和Wu等[39]利用混合像元分解分别提取上海市和美国Columbus市不透水面,上海市提取不透水面验证结果表示RMSE和SE分别低于16.1%和3.7%,美国Columbus市不透水面提取验证结果的RMSE为10.6%。此外,不透水面信息与裸土信息混淆也是降低不透水面反演精度的重要原因之一[40, 41],即使本文的影像选择在土壤裸露面积减少的季节,依然很难彻底解决这一问题。接下来研究中还需要进一步探讨如何提高不透水面提取精度及影响环胶州湾不透水面扩展的主要影响因素。 The authors have declared that no competing interests exist.
[WangJ, Su GC, Kuang WH, et al. Spatial and temporal patterns analysis of impervious surface in megacity: a case study of Beijing [J]. , 2014, (4): 90-94.] [本文引用: 1]
[5]
Haustein MD.The Urban-Rural Environment: Effects of Impervious Surface Land Cover on Lake Ecosystems [D]. , 2010. [本文引用: 1]
[6]
Chithra SV, Nair MH, AmarnathA, et al. Impacts of impervious surfaces on the environment [J]. , 2015, 4(5): 2319-6726. [本文引用: 1]
[7]
ZhangL, Weng QH.Annual dynamics of impervious surface in the Pearl River Delta, China, from 1988 to 2013, using time series Landsat imagery [J]. , 2016, 113(3): 86-96. [本文引用: 1]
[Wang JS, Yang FL, HeB, et al. Study on reducing shadow impact in the extraction impervious surface coverage of urban based on Quick Bird image [J]. , 2008, (3): 69-73.] [本文引用: 1]
[11]
Zhang YS, Odeh I OA, Han CF. Bi-temporal characterization of land surface temperature in relation to impervious surface area, NDVI and NDBI, using a sub-pixel image analysis [J]. , 2009, 11(4): 256-264. [本文引用: 1]
[HuS, Xiong HG, Zhu ZP.Dynamic characteristics of the impervious surface changing in different districts in Beijing [J]. , 2015, 43(7): 237-240.] [本文引用: 1]
[WangH, Lu SL, Wu BF, et al. Advances in remote sensing of impervious surfaces extraction and its applications [J]. , 2013, 28(3): 327-336.] [本文引用: 1]
[16]
Yue WZ.Improvement of urban impervious surface estimation in shanghai using Landsat 7 ETM+ data [J]. , 2009, 19(3): 283-290. [本文引用: 2]
[17]
Hu XF, Weng QH.Estimation of impervious surfaces of Beijing, China, with spectral normalized images using linear spectral mixture analysis and artificial neural network [J]. , 2010, 25(3): 231-253. [本文引用: 2]
[Resource and Environment Data Cloud Platform. Remote Sensing Monitoring Database of Land Use Status in China [EB/OL]. (2016-02-01) [2018-06-12]. .]URL [本文引用: 1]
[21]
United States Geological Survey. Landsat 5 TM and Landsat 8OLI[EB/OL]. (2016-06-16) [2018-06-12]. URL [本文引用: 1]
[ZhaiK, Wu XQ, Qin YW, et al. Extraction and spatial analysis of impervious surfaces in the Bohai Bay region based on OLI imagery [J]. , 2015, 37(10): 1920-1928.] [本文引用: 1]
[23]
WangW, Yao XF, Zai JP, et al. A tetrahedron-based endmember selection approach for urban impervious surface mapping [J]. , 2014, 9(6): e93479. [本文引用: 1]
[Cui TX, Gong ZN, Zhao WJ, et al. Research on estimating wetland vegetation abundance based on spectral mixture analysis with different endmember model: a case study in Wild Duck Lake wetland, Beijing [J]. , 2013, 33(4): 1160-1171.] [本文引用: 1]
[25]
Smith MO, Johnson PE, Adams JB.Quantitative determination of mineral types and abundances from reflectance spectra using principal components analysis [J]. , 1985, 90(S2): 797-804. [本文引用: 1]
[26]
Van Der MeerF, De Jong SM. Improving the results of spectral unmixing of Landsat Thematic Mapper imagery by enhancing the orthogonality of end-members [J]. , 2000, 21(15): 2781-2797. [本文引用: 1]
[27]
Lu DS, Weng QH.Use of impervious surface in urban land use classification [J]. , 2006, 102(1): 146-160. [本文引用: 1]
[28]
Roberts DA, Smith MO, Adams JB.Green vegetation, nonphotosynthetic vegetation, and soil in AVIRIS data [J]. , 1993, 44(2-3): 255-269. [本文引用: 1]
[Jiang WB, Sun QQ, QuW, et al. Land use classification in arid region based on multi-seasonal linear spectral mixture analysis and decision tree method [J]. , 2016, 32(19): 1-8.] [本文引用: 1]
[32]
ZhangC, Chen YL, Lu DS.Mapping the land-cover distribution in arid and semiarid urban landscapes with Landsat thematic mapper imagery [J]. , 2015, 36(17): 4483-4500. [本文引用: 1]
[33]
Lu DS, Weng QH.Extraction of urban impervious surfaces from an IKONOS image [J]. , 2009, 30(5): 1297-1311. [本文引用: 1]
[DengL, Zhao XF, Wang HN, et al. Pure pixel collection methods for soil and impervious surface in urban spectral mixture comparative analysis [J]. , 2013, 28(6): 1039-1045.] [本文引用: 1]
[38]
LiJ, SongC, CaoL, et al. Impacts of landscape structure on surface urban heat islands: a case study of shanghai, China [J]. , 2011, 115(12): 3249-3263. [本文引用: 1]
[39]
WuC, Murray AT.Estimating impervious surface distribution by spectral mixture analysis [J]. , 2003, 84(4): 493-505. [本文引用: 1]