作 者 信 息
才仁卓玛,周 敏,何青松
( 华中科技大学 公共管理学院,湖北 武汉 430074 )
【摘要】随着快速的城镇化进程,PM2.5带来的污染越来越严重,在一定程度上影响了城市的发展。所以本文从探讨城市扩展模式与PM2.5关系这一视角出发,利用景观扩展指数识别2005—2015年中国城市建设用地的扩展类型,并通过裁剪PM2.5数据,在国家、地区和省级3个尺度内探究PM2.5的分布情况。最后采用OLS模型和GWR模型进一步分析城市扩展模式与PM2.5之间的耦合关系。结果表明:①在3个研究尺度内同时存在3种扩展类型,且边缘型为主要扩展类型,其次是飞地型和内填型。②PM2.5在3种扩展类型上都造成了不同程度的污染,在内填型上污染程度最高,其次是边缘型和飞地型,且内填型在中部地区污染严重,边缘型和飞地型对东部地区造成严重污染。③通过两模型对比发现,GWR模型的拟合度要优于OLS模型,LEI等其他变量对PM2.5的影响同时存在正相关效应和负相关效应。在东北、四川、贵州、重庆、甘肃等地区3种扩展类型的扩张加剧了PM2.5污染,而其他负相关地区城市3种类型的扩张可与PM2.5治理兼得。所以制定国土空间规划时,在坚持生态优先、绿色发展、节约集约的基础上应按不同的空间单元确定政策。
【关键词】城市扩展模式;PM2.5;中国;GWR模型;OLS模型
【中图分类号】TU98 【文献标识码】A 【文章编号】1672-1586(2021)02-0033-07
引文格式:才仁卓玛,周 敏,何青松. 中国城市建设用地扩展模式与PM2.5关系探究[J].地理信息世界,2021,28(2):33-39.
正文
0 引 言
随着我国农村人口不断向城市涌入,城市人口越趋集中,城市数量和城市土地不断增加。突出的空间表现形式是建设用地快速扩展。城镇化是一个国家、地区摆脱贫困,实现工业化、现代化的必由之路。过去的10年,我国经历了全球规模最大、速度最快的城镇化过程。截至2019年末,我国常住人口城镇化率达到60.60%,总体上形成了城市规模不断扩大,大中小城市发展齐头并进的格局。
在快速城镇化的进程中,城市边缘用地向外无序扩张,大量的基本农田被用作建设用地。虽然快速的城市发展在实现现代化的过程中扮演着重要的角色,但是随之而来产生的一系列城市问题,在一定程度上影响了居民的生产、生活方式。城市的不断蔓延因区域差异也会产生不同的城市扩展模式。一般而言,城市扩展模式分为3类:内填型、边缘型和飞地型。内填型是指新增斑块填充于原有斑块,边缘型是指新增斑块沿原有斑块边缘扩张,而飞地型是新增斑块分离于原有斑块。其中,飞地型和边缘型会形成更加松散化、破碎化的城市形态,而内填型会形成相对紧凑的城市形态。
城市化进程的快速推进使得PM2.5造成的污染较为突出。PM2.5即动力学直接小于2.5µm的细颗粒物,又称可入肺颗粒物,其存在增加心肺疾病发病率、死亡率,降低能见度等危害。关于城镇化过程中造成的PM2.5问题研究,多倾向于社会经济影响因素,PM2.5的时空分布研究,PM2.5的来源分析等,但有关城市扩展模式与PM2.5之间存在的间接关系研究还不够深入。所以本文通过探究不同扩展类型中PM2.5的空间分布差异及两者之间的耦合关系,为进一步在国土空间规划中高质量科学布局生产空间、生活空间、生态空间,依据不同扩展类型有针对性地控制和降低PM2.5提供相关决策参考。
1 研究区介绍
本文按照国家、区域(中部、东部、西部、东北4个区域)和省级3个尺度作为分析单元,由于缺乏数据资料,香港、澳门、台湾不在本文研究范围内。其中4个区域是国家为推进区域经济均衡发展,国务院将我国分为中部、东北部、西部、东部4个地区,并提出了中部崛起、东北振兴、西部开发和东部新跨越的战略决策。
2 数据来源和研究方法
2.1 数据来源及处理
2.1.1 城市建设用地数据
城市建设用地从影像中解译提取。用于解译的影像来源于中科院地理所制作的全国土地利用/覆盖数据库 (NLUD-C),共包含2期数据:2005年和2015年,其空间分辨率为30m。
2.1.2 PM2.5数据
PM2.5数据通过申请注册的方式获得。从美国宇航局地球观测系统数据和信息系统(EOSDIS)数据中心下载了Geotiff格式的格网分布数据,网格单元分辨率为0.01°。
2.1.3 其他数据
2015年人口密度数据,来自全球公里格网人口空间分布数据LandScan;2013年夜间灯光,为保证数据时效的一致性用2013年替代2015年;2015年企业密度分别提取建筑建材、石油化工、能源矿产、冶金钢铁相对应的核密度,数据来自百度地图POI;2015年汽车保有量数据来自《2016年中国统计年鉴》;DEM高程数据,空间分辨率为1km;其余还包括《2006年中国城市建设统计年鉴》《2016年中国城市建设统计年鉴》。
2.2 研究方法
2.2.1 评估城市扩展模式
本文基于景观扩展指数来定量描述中国各省级行政区域2005~2015年建设用地扩展的基本情况。它的定义为:
式中,LEI表示某新增建设用地的景观扩展指数;A0表示新增建设用地的缓冲区与已有建设用地相交的面积;AV表示新增建设用地缓冲区与已有建设用地未相交的面积。当LEI=0时,新增建设用地为飞地型;当0<LEI≤50%时,为边缘型;50%<LEI≤100%时,为内填型。本文按照刘小平等人在研究中推荐的1m作为缓冲区距离。
2.2.2 最小二乘法模型(OLS)
最小二乘法模型(OLS)全局性地探讨了因变量和解释变量之间的相互联系。它的定义为:
式中,Yi为因变量第i点的值;β0 为截距;βk为第k个解释变量的斜率;Xik为在第i点上第k个解释变量的值;εi为残差。该模型对数据的空间平移性有较高要求,所以空间平移性好的数据能取得更好的回归结果(表1)。
2.2.3 地理加权回归模型(GWR)
由于地理位置影响在不同位置、不同要素有不同表现形式,为了更好地表达空间特征引用地理加权回归模型(GWR)。它的定义为:
式中,yi为在位置y的因变量值;β0为模型中的常数,(ui,vi)为分析点i在回归模型中的坐标;βj为第i个分析点的第j个回归参数;εi为第i个分析点的残差;β0(ui,vi)为截距项。根据赤池信息量准则确定AICc值最小时为最优带宽。
表1 2005—2015年变量数据描述
Tab.1 2005—2015 variable data description
3 结果分析
3.1 中国城镇建设用地扩展分析
3.1.1 国家尺度
随着社会经济的不断发展,建设用地面积从2005年的26141.00 km2增长到2015年的38488.00 km²。通过统计2005—2015年中国新增建设用地3种扩展类型斑块数量发现,2015年共有新增建设用地斑块5356个(剔除面积小于1 km²),其中边缘型占所有斑块数量的61.05%,内填型占14.97%,飞地型占23.97%。可以看出,边缘型为主要扩展类型,内填型和飞地型为次要扩展类型,且飞地型斑块数量大于内填型。说明我国在这近10年的城市发展中,城市多沿着原有建设用地的外围扩张,同时存在以种子点为中心向四周产生新的发展中心的扩展形式,只有少数城市扩展开始填充原有建设用地的空隙。
3.1.2 地区尺度
从地区尺度展开分析。如图1所示,在东北部、西部、中部、东部4个地区内边缘型依旧占主导地位,内填型和飞地型则为次要的扩展类型,这与前文中国家尺度的统计结果相同。4个地区内3种扩展类型斑块数量呈现出:东部地区>中部地区>西部地区>东北部地区,且都是边缘型>飞地型>内填型。可以说明,东部地区城市扩张速度最快,其次是中部和西部,东北部地区靠后,同时也可说明东北地区的城市发展比西部地区更趋于紧凑。
图1 4个区域中不同扩展类型斑块数量
Fig.1 The number of plaques of different extension types in the four regions
3.1.3 省级尺度
全国31个省级行政区域新增建设用地总斑块数量显示,2005—2015年山东、江苏、河北的新增建设用地总斑块数量最多,数量均大于400个。而青海、海南、福建、宁夏的新增建设用地斑块数量最少,数量都低于40个。如图2所示,边缘型斑块数量在全国各省级行政区域中依旧同前两种研究维度相同且占据主导地位,只有黑龙江和西藏的飞地型斑块数量高于边缘型。飞地型和内填型为次要的扩展类型,只在河南、浙江、湖南、湖北、北京、上海、天津这些人口相对密集、经济相对发达的省份和城市中,内填型的斑块数量明显大于飞地型,这也说明在这些人口密集、土地稀缺的地区中城市建设已经开始趋于紧凑。
图2 省级行政区域内不同扩展类型斑块数量
Fig.2 Plaque number of plaques of different extension types in provincial administrative regions
3.2 中国城镇PM2.5分布分析
3.2.1 国家尺度
本文为重点讨论3种扩展类型与PM2.5间的关系。首先从国家范围内观察PM2.5在不同扩展类型的分布情况,根据前文所述共有新增建设用地斑块5356个,而落在斑块上且含有数值的PM2.5斑块共5049个,所有斑块产生的PM2.5污染总量达246507.75μg/m³,其中最小值为1.8μg/m³,最大值为99.90μg/m³,平均污染值为48.82μg/m³。
PM2.5的平均污染中内填型的污染程度高于边缘型和飞地型,平均污染水平达到53.55μg/m³,而边缘型的平均污染程度又稍高于飞地型。以上结果说明内填型对城市环境造成的污染压力更大,其次是边缘型和飞地型(表2)。
表2 国家尺度内3种扩展类型PM2.5指标统计
Tab.2 Statistics of PM2.5 indicators of three types of expansion within the national scale
3.2.2 地区尺度
在4个区域内探讨3种扩展类型斑块上PM2.5的分布情况。如图3观察可得,在边缘型扩展类型中,东部地区的PM2.5平均污染程度最高,其次是中部地区、东北地区,西部地区污染程度最小。在内填型中,东部、中部、东北部和西部PM2.5的平均值分别为57.60μg/m³、60.43μg/m³、 52.95μg/m³和30.42μg/m³,中部地区的平均污染程度最高,西部地区最低。在飞地型中,东部地区的PM2.5平均污染程度最高,污染程度最低仍为西部地区,与其他两种扩展类型相比,飞地型的PM2.5分布状态与边缘型相类似。
图3 3种扩展类型在不同区域内的PM2.5浓度指标
Fig.3 PM2.5 concentration indexes of three extended types in different areas
3.2.3 省级尺度
在省级尺度内讨论3种扩展类型斑块上PM2.5的分布情况。根据图4a显示,在边缘型扩展类型中,PM2.5的平均污染值天津市最高,根据污染总量,则是江苏、山东、河北、河南最高,其值分别为25481.44μg/m³、22121.27μg/m³、15684.37μg/m³、11037.56μg/m³,均超过了10000μg/m3。在内填型中(图4b),仍是天津的PM2.5平均污染呈现78.24μg/m³的高值。PM2.5污染总量最大的省市与边缘型相同。在飞地型中(图4c),天津平均PM2.5污染均高于其他扩展类型。综上内填型比飞地型和边缘型对城市造成更大的污染。
a 边缘型
b 内填型
c 飞地型
图4 3种扩展类型在省级行政区域内的PM2.5浓度指标
Fig.4 PM2.5 concentration indicators of the three types of expansion in the provincial administrative area
3.3 回归分析与比较
3.3.1 最小二乘法模型(OLS)分析
本文前期通过多次回归实验发现采用中国362个市级单位的LEI值,能够更好地解释PM2.5与3种扩展类型的相互关系,其中LEI值越高表示越紧凑。以2015年362个市级单位平均PM2.5污染浓度为因变量,LEI等(表1)为解释变量建立最小二乘法模型。结果表明(表3),各要素之间不存在明显的共线性影响;PM2.5的污染浓度与LEI值呈现出一定的相关性;所有变量与PM2.5污染浓度的相关性为DEM>汽车保有>LEI>夜间灯光>工企业密度>人口密度。
表3 最小二乘法模型(OLS)回归结果
Tab.3 Least squares model (OLS) regression results
3.3.2 地理加权回归模型(GWR)分析
构建与最小二乘法模型相同变量的地理加权回归模型,最优带宽为5.28。根据模型拟合结果计算可得,其值在[-2,+2]区间内的占比为93.92%,说明模型拟合的效果稳定。模型的拟合优度R²为0.891,拟合效果良好。362个市的拟合优度R²范围在0.216—0.920,说明文中选取的各变量对PM2.5的综合解释能力较好,且中国北方各市的拟合优度R²普遍高于中国南方城市的拟合优度R²。
表4 地理加权回归模型(GWR)回归结果
Tab .4 Geographically weighted regression model (GWR) regression results
根据表4可知,所选变量对中国各市PM2.5污染浓度的影响从高到低依次为:夜间灯光、LEI、DEM、工企业密度、人口密度、车辆保有量。从图5计算可得LEI对各市PM2.5污染浓度存在65.75%的负相关效应,34.25%的正相关效应。LEI回归系数在空间分布上中国东北地区的值为正值且最高,紧接着自东向西依次递减,在中部地区又增高成为第二正峰值。负相关的最高值位于浙江、江苏等沿海地区。这说明在城市发展过程中,不同的扩展类型对PM2.5浓度的影响东北部地区和中部地区要高于其他地区,且边缘型和飞地型对PM2.5浓度的影响更大,有大约65%的比重说明不同的扩张类型有助于缓解PM2.5压力。DEM回归系数在数值上均为负值。夜间灯光回归系数中正相关占主导地位。工企业密度回归系数正相关效应大于负相关效应。人口密度回归系数显正负相关并存。汽车保有量回归系数中78%正相关说明汽车拥有量的增大加大了空气污染。
图5 地理加权回归模型(GWR)影响因子回归系数
Fig.5Geographically weighted regression model (GWR) impact factor regression coefficient
3.3.3 地理加权回归模型(GWR)与最小二乘法模型(OLS)的比较
根据表5可知,GWR模型的拟合优度R²达到了0.891,而OLS模型的拟合优度R²仅为0.477,且GWR模型的修正AIC值比OLS模型低。其次,GWR模型残差平方和较OLS模型大幅度降低。综上,GWR模型的拟合优度明显高于OLS模型,且GWR模型能够更好地说明各变量对样本内各城市PM2.5污染所呈现的空间不均匀性。
表5 GWR模型与OLS模型拟合结果对比
Tab.5 Comparison of fitting results between GWR model
and OLS model
4 结束语
本文利用景观扩展指数识别了2005—2015年中国城市建设用地扩展模式,并统计出边缘型、内填型、飞地型3种扩展类型上PM2.5的分布情况,利用地理加权回归模型探究城市建设用地扩展模式与PM2.5之间的耦合关系,主要结论如下:
1)研究尺度内占主导的都是边缘型,其次是飞地型和内填型。扩展速度东部地区>中部地区>西部地区>东北地区,但东北地区的城市发展较西部更为紧凑。北京、上海、天津等城市发展更趋紧凑,西藏、黑龙江等城市发展更为分散。
2)PM2.5在内填型造成的污染最高,其次是边缘型和飞地型。边缘型和飞地型对东部地区造成更大污染,而内填型对中部地区造成更多污染。3种扩展类型对天津、北京、上海、江苏、河北、河南等东部和中部发达省市造成更大的污染。
3)GWR模型的拟合度要优于OLS模型。地理加权回归结果表明,LEI等其他变量对PM2.5的影响呈正、负相关效应均存在(除DEM呈现负相关)。LEI在东北地区、四川、贵州、重庆、甘肃等呈现正相关效应的地区3种扩展类型的扩张加剧了PM2.5污染,而其他负相关地区3种扩张可与PM2.5治理兼具。
综上,应当减少盲目的内填形布局模式,东部和中部地区应当重视不同城市扩展类型所带来的PM2.5污染,应主动发挥不同扩展类型的疏导作用。研究结果在为新时代国土空间规划提供意见参考时,以实现高质量的空间发展为目标,明确空间单元的主体功能和管控要求,发挥土地用途管制的效能,节约集约利用土地,坚持以人民为中心,让人民从城市发展中获得幸福感、安全感。
作者简介:才仁卓玛(1996—),女,藏族,青海海晏人,土地资源管理专业硕士研究生,主要研究方向为国土空间规划、生态环境规划等
E-mail:dxwan0224@126.com
本期回顾
《地理信息世界》2021年2期速览
地理信息科学一流本科专业建设
· 疫情防控下全国大学生专业技能竞赛的改革创新 ——以地理信息 科学专业为例
理论研究