基于灰色关联度的深圳市生态环境与城市扩展时空演化研究

李文慧 ，许剑辉 ，孙彩歌

1.华南师范大学地理科学学院，广东 广州 510631；2.南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210023；3.广东省科学院广州地理研究所，广东 广州 510070；4.南方海洋科学与工程广东省实验室（广州），广东 广州 511458

最早由 Whyte提出的“城市扩展”（urban sprawl）概念，是指城市在空间上的蔓延，是非城市用地转化成为城市用地的过程（Bai et al.，2012；许彦曦等，2007；徐新良等，2014）。城市化发展过程中，建设用地在数量、空间分布方面的变化是最能反应城市扩展实况的外在表现形态（何媛婷等，2020）。城市扩展在推动经济进步和社会繁荣发展的同时，对资源、生态、环境等方面也产生了连环的负面影响，所导致的生态环境退化已日趋严重（Liu et al.，2020）。在景观和环境变化上的重要表现是城市建设用地不断蚕食农田、林地、草地等生态空间，打破了原有的区域生态系统平衡，并削弱其生态服务功能，进一步加剧人地矛盾（白立敏等，2019；杨智威等，2018）。生态环境作为人类赖以生存的基础，日趋受到人们的重视和关注，生态环境质量通常是衡量其优劣水平的指标。生态环境质量的变化与城市发展、扩展密切相关（Rafig et al.，2018），作为区域可持续性发展的重要研究内容，明确城市扩展模式与生态环境之间的关联性（Zhang et al.，2020），有助于定量化地了解生态环境质量受城市扩展的影响程度，对实现城市可持续发展具有重要指导意义（彭云飞，2018；杜霞等，2020）。

深圳市自 1979年建市以来，经历了快速的城市扩展，至 2004年成为没有农民的完全城市化地区（王琳，2017）。作为中国的发达城市之一，随着城市化进程加快，深圳目前可用于建设的用地较少（林伊婷等，2020），已对深圳的社会经济发展产生了刚性束缚（詹庆明等，2007）。而其为实现“现代化的国际性城市”的发展目标，又必须要保证城市生态环境良好，并能提供“宜居生态”的环境。因此研究其城市用地的扩展模式、生态环境质量评价及其之间的关联度具有代表性和借鉴性，对于我国快速城市化背景下的其他区域土地变化调控和管理具有现实理论意义和指导价值（金浩然等，2017）。本文通过对深圳市城市扩展的空间形态以及生态环境质量指数的变化进行研究，并基于灰色关联模型分析两者之间的时空关联性，以期为控制建设用地的非理性扩张、城市建设与生态建设相结合和构建绿色城市等提供依据（邹兵，2013）。

1 研究区概况与研究方法

1.1 研究区域概况

深圳市位于广东省南部沿海地区，东临大鹏湾和大亚湾，与惠州市相连；西濒伶仃洋和珠江口，与中山、珠海市相望；北与东莞市、惠州市接壤；南至深圳河和香港毗邻。它在北回归线以南，属于亚热带地区。全市陆地总面积约1997.30 km2，常住人口1302.66万，人口密度达到6484 person·km−2。目前有10个行政区：宝安区（394.32 km2）、大鹏区（295.57 km2）、福田区（78.78 km2）、光明区（155.7 km2）、龙岗区（428.49 km2）、龙华区（175.84 km2）、罗湖区（78.86 km2）、南山区（185.41 km2）、坪山区（126.69 km2）、盐田区（74.72 km2），如图1所示。自1980年建立经济特区以来，作为珠三角经济圈中的核心城市，在过去 40年的快速城市化进程中，深圳市经历了深刻的土地覆被变化，人类对区域生态的干预作用加强且复杂，使得深圳市生态环境出现了恶化的趋势，而近年来深圳市对于生态文明建设、提升城市环境品质的重视程度日益增强，目前生态恶化得到一定程度的缓解。

图1 深圳市行政区划图Fig.1 Administrative map of Shenzhen

1.2 数据来源与预处理

遥感数据来源于地理空间数据云平台，包括Landsat 8 OLI_TIRS卫星产品（2015、2020年）和Landsat 5 TM卫星产品（2005、2010年），所选择的遥感影像云量较少、质量较好，空间分辨率均为30 m，获取轨道号为P121R44、P122R44每年各两景影像。遥感数据的预处理主要包括辐射定标与大气校正、图像镶嵌与研究区域裁剪、水体掩膜等。数字高程模型（DEM）数据来源于ASTER GDEM的数字高程数据产品，空间分辨率为30 m，投影为UTM/WGS 84，预处理包括镶嵌、裁剪。

辅助数据包括深圳市行政区划矢量数据、土地利用规划图件和统计资料。其中矢量数据来源于国家测绘地理信息局，土地利用规划图件来源于《广东省深圳市土地利用总体规划（2006—2020年）》，统计资料来自《深圳市统计年鉴》和《深圳市土地变更调查主要数据成果公报》，数据覆盖 2005、2010、2015、2020年。

1.3 研究方法

1.3.1 建设用地信息提取

前人研究中建设用地的提取多采用遥感指数的方法（Debashish et al.，2018），本研究采用归一化建筑指数（NDBI）提取城市建设用地。在城市用地、建筑、边界等的变化检测中，查勇等（2003）设计了归一化建筑指数用于提取城市用地，通过增加建设用地灰度、减小其他地类灰度值，从而达到突显城市用地灰度值的效果。在Landsat遥感影像的中红外波段与近红外波段之间，只有建设用地的灰度值为中红外波段大于近红外波段，而其他地类都相反，因此可较好地提取建成区。归一化建筑指数（NDBI）的计算公式如下：

式中，MIR为中红外波段，对应TM/ETM+影像的第5波段、OLI影像的第6波段；NIR为近红外波段，如TM/ETM+的4波段、OLI的5波段。

为避免水体信息对于提取建成区信息时产生干扰，在应用NDBI提取建设用地前先对影像水体信息进行了掩膜剔除，所采用的方法是徐涵秋（2005）提出的改进归一化差异水体指数（MNDWI），计算公式如下：

式中，Green代表绿光波段，对应TM/ETM+影像的第2波段、OLI影像的3波段；MIR如前所述。MNDWI指数的取值范围为[−1, 1]，本研究中通过MNDWI指数直方图法结合目视解译确定水体的取值范围为[0.7, 1]。

根据NDBI结果图，去除异常值，使图的灰度取值范围在[−1, 1]之间，理论上 NDBI取值大于 0为建成区，取值小于0为非建成区。考虑到实际应用中的差异，为提高准确性，对不同时相的遥感影像的提取采用不同的阈值，提取建成区信息。本研究在NDBI指数直方图法的基础上参考现状建设用地分布图采用经验试错法调整阈值，并采用中值滤波消除前述结果中的椒盐噪声，最后将大于上述阈值的部分作为各相应年份的建设用地提取结果。基于谷歌影像随机选择了验证样本，通过建立混淆矩阵，采用总体精度和Kappa系数对建设用地提取结果进行精度验证。

1.3.2 生态环境质量评价

本研究采用广泛应用的综合指数法来评价生态环境质量，借鉴新型遥感生态指数（Niu et al.，2020；徐涵秋，2013），构建了基于植被覆盖度、裸土植被指数和地形坡度为基础的生态环境综合指数模型（王思梦等，2018）。植被覆盖度和裸土植被指数是反映生态环境的核心因子，前者反映植物生长情况和分布特征，后者反映土壤裸露情况。两者均可以从遥感影像上获取，不仅时效性较好，也便于反映生态环境的时空变化。地形是自然地理环境和社会经济发展的基础，影响着气候、河流流向、植被、土壤、地质灾害等，其中坡度因子关乎地表物质流动和能量强度，是制约生态环境的重要因子，其值越高越容易造成滑坡、水土流失、植物难以生长等不利的生态环境状态（林漳，2019）。

植被覆盖度的计算公式如下：

式中，FC表示植被覆盖度；NDVI表示归一化植被指数，其中NDVImax表示区域最大NDVI值，NDVImin表示区域最小的NDVI值。由于图像中不可避免的存在着噪声，导致NDVImax和NDVImin未必是最大NDVI值和最小的NDVI值，可根据直方图分别取两头“拐点处”的值。本文选取累积百分比位于2%—97%区间的值作为有效值（李苗苗，2003）。

裸土植被指数的计算公式如下（杨存建等，2002）：

式中，GRABS表示裸土植被指数；VI和BI分别为缨帽变换的绿度指数和土壤亮度指数。绿度指数与不同植被覆盖有较大的相关性，土壤亮度与生态环境呈负相关，对生态环境的优劣有一定的指示意义（周小成等，2009），裸土信息变化的主要部分是由它们的亮度造成的，故由这两者的线性组合所形成的裸土植被指数能较好地反映土壤的裸露情况（戚涛，2007）。

坡度体现研究区的地形起伏状况，坡度越小，越有利于植被生长和水土保持，坡度越陡，发生滑坡和水土流失的可能性越大。本研究基于DEM数据提取坡度（SLOPE）信息。

由于各项评价因子的量纲不一致，计算得到以上三因子的数据后对它们分别进行归一化处理（0—10）。在此基础上，借鉴前人研究的权重构建生态环境综合指数模型（叶亚平等，2000；牛安逸等，2015）如下：

式中，E表示生态环境综合指数，E值越大表明生态环境的质量越高。应用该模型计算生态环境评价指数后对其结果分等定级，划分为优、良、中等、较差、差5个等级（倪永明，2002）。

1.3.3 关联度分析

本研究利用灰色关联法来探究生态环境综合指数与城市扩展间的关联程度。灰色关联法（邓聚龙，1983）是指依据因素之间发展趋势的相似或相异程度衡量因素间关联程度，通过比较各关联度的大小来判断影响因素对研究对象的影响程度。本研究以2005、2010、2015、2020年的生态综合指数与建设用地所占比重为变量，通过灰色关联度模型以定量的方式计算深圳市全市及各区的生态环境质量所受城市扩展的负向影响大小，即城市扩展程度越高、生态环境质量越低，对应的灰色关联度越高。

灰色关联度模型的计算公式如下：

式中，ζi(k)为关联系数；ri为关联度。y(k)为归一化参数值；xi(k)为归一化比较值，i为比较数列的个数（i=1, 2…n），k为每个比较对象的指标个数（k=1, 2,…m）；ρ为分辨系数，通常取值0.5；基于前人研究结果（孙玉刚，2007；刘思峰等，2013；张凤太等，2008），根据关联度数值的区间划分关联性强弱程度，[1, 0.8]为强，(0.8, 0.6]为较强，(0.6,0.4]为中等，(0.4, 0.2]为较弱，[0.2, 0)为弱。

2 结果与分析

建设用地信息提取过程中2005、2010、2015、2020年的阈值分别为−0.135、−0.145、−0.219和−0.177，总体精度和Kappa系数如表1所示。其中4个年份的总体精度均在90%以上，Kappa系数均在0.8以上，表明建设用地的提取结果总体上较好地表征了真实建设用地的情况。

表1 建设用地提取的精度验证Table1 Accuracy verification of construction land’s extraction

2.1 城市建设用地的扩展分析

深圳市不同时期建设用地分布状况如图 2所示。2005年建设用地的分布主要呈四大板块的形态：西北部呈厚块状分布、西南部呈三角状分布、中部呈多孔团状分布、东北角呈松散块状分布。随着时间推移，东北区域的建设用地分布逐渐增多，其余区域城市建设用地面积也有小幅度增长。2005—2010年，深圳西南部的南山区和宝安区南部为建设用地扩展最为明显的区域，而其他三大板块则由2005年的多孔零散形态扩展为更紧凑的形态，说明这 5年期间建设用地扩展的空间形态较为均匀。2010—2015年，四大板块的建设用地的扩展趋势趋同，均以原板块为中心向外扩展，其中中部偏北的龙华新区板块扩展较为明显，同时进一步转变成更为紧凑的形态，这5年期间建设用地总体明显地向东扩展，这是由于深圳市“东进”发展计划所体现出的成果。2015—2020年，各区域的扩展形态相对较为平均，均有辐射向外扩展的形态，此时是“东进”计划暂缓，而重点建设西部且西部产业聚集，说明这5年间深圳的建设用地扩展相对较强的区域主要分布在西部的南山区和宝安区以及中部的龙华新区和光明新区。

图2 深圳市2005—2020年城市建设用地空间分布图Fig.2 Spatial distribution of urban construction land from 2005 to 2020 of Shenzhen

深圳市2005、2010、2015、2020年建设用地提取面积分别是 872.70、916.55、995.47、1072.53 km2，建设用地变化的情况如表2所示。深圳市的建设用地面积呈现逐年递增的现象，表明建设用地呈不断扩展态势。而扩展速率（UGI，Urbanization Growth Index，描述城市扩张的年平均速度）和扩展强度（UII，Urbanization Intensive Index，指城市用地扩展面积增长率的年平均值）在不同时期有所不同。扩张强度的数值一直是小于1%的水平，说明这15年深圳市城市用地扩展强度总体都属于低强度状态。研究时段内后期（2010—2020年）的城市扩展规模、强度都比前期（2005—2010年）要大；2005—2010城市建设用地的扩张速率和强度分别为 8.77 km2·a−1和 0.44%；2010—2015、2015—2020 年两个时间段内的扩展速率和扩展强度相当，扩展速率分别为每年增加 15.78、15.41 km2，扩展强度分别为0.79%、0.77%，均较前期有大幅提升。2010—2015年期间中国正值“十二五”计划时期，经济、社会等各方面高速发展，城市扩展的规模、强度、速度大大提高，甚至达到峰值；2015年后，在建设“粤港澳大湾区”以及“十三五”规划的推动下，城市扩展的总体规模和发展趋势依然保持相对较高水平，城市扩展依然在推进，但由于城市建设用地的面积基数越来越大，城市建设用地在政府的指引下逐渐进入饱和期，加之土地供需平衡的难度问题，故扩张速率和强度与前一时期相持平而没有呈明显上升的趋势。

表2 深圳市城市建设用地扩展情况Table 2 Urban construction land’s sprawl of Shenzhen

深圳市各行政区建设用地分区统计如表 3所示。数据显示这 15年间各区的建设用地面积相对大小没有变化，建设用地面积最大的两个区是龙岗区和宝安区，最小的两个区是罗湖区和盐田区。而从中建设用地占行政区总面积比例的角度来看，年际之间情况各异。建设用地比例最大的两个区在2005—2015年均是龙华区和宝安区，2020年则是光明区和宝安区，而东南部的大鹏新区一直保持建设用地比例最小的状况。

表3 建设用地分区统计Table 3 Zonal statistical of construction land

2.2 生态环境质量分析

2005—2020年深圳市的生态环境综合评价指数结果分别为6.81、7.34、7.55、6.91。从生态环境评价指数的值来看，2005—2020年期间深圳市平均生态综合指数的变化幅度较小，平均生态环境质量都属于良。其变化曲线呈先上升后下降的“倒U型”态势，2005年及2020年生态综合指数值均低于7，而2010、2015年的生态质量指数值则高于7。

根据生态环境综合评价指数值，采用自然间断点法将生态环境质量划分为 5个等级，即优A+[7.83, 10.00]、良 A−[6.167, 7.83)、中等 B[4.50,6.17)、较差C+[3.17, 4.50)和差C−[3.17, 0)，从而得到生态环境质量分布状况如图3所示，统计结果如表4、5所示。

图3 深圳市2005—2020年生态环境质量空间分布图Fig.3 2005–2020 Spatial distribution map of eco-environmental quality of Shenzhen

表4 生态环境质量指数统计Table 4 Zonal Statistic of Eco-environmental quality index

表5 生态环境质量指数分级Table 5 Eco-environmental quality index classification

从生态环境质量的空间分布来看，4个年份的深圳市生态环境质量存在显著的空间差异。生态环境质量“优（A+）”区多分布在中部偏西地区以及东南部沿海地区，主要以四大分布形态：（1）以厚长条状聚集性分布在东南沿海地区如大鹏新区、盐田区、坪山新区南部、罗湖区东部的莲塘和东湖街道等；（2）以块状分布于西部中间位置的龙华新、宝岗、南山区的3区交界处；（3）以细长条状分布于上述两个分布区之间即深圳的中部偏南地区的罗湖、福田、龙岗、龙华、南山区5区相互接壤处；（4）呈零散分布于东北角的龙岗区的北部、龙华和龙岗交界处、外伶仃岛等区域。

深圳市生态环境质量的分级统计来看，2005—2020年深圳市生态环境质量的结构变化较为明显。不同时期均是“优（A+）”等级的指数占比最大，2010年是“优（A+）”等级占比的峰值，达到63.98%。等级“良（A–）”的区域所占比例平均在10%—20%之间，年际呈现先下降后上升的趋势，等级“中等（B）”的面积占比呈现出波动上升的态势、而等级“较差（C+）”和“差（C–）”的面积占比均呈现出波动下降的态势。

从分区生态环境质量指数来看，每年的最高值均为大鹏区，归因于该区植被覆盖度较高；最低值基本分布在福田区、南山区、宝安区，这些区域分别均是经济发展的核心区域。从年际间各区生态环境质量变化来看，各区 15年间的生态环境质量变化与全市总体的变化趋势一致，均是呈“倒U型”的变化趋势，各区生态环境的现状（2020年）比2015年差，但较2005年稍优，反映出深圳市近年来虽坚持“绿水青山就是金山银山”理念，强化环境管理和环境质量改善，但是在大湾区经济高速高质量发展的大趋势下，生态环境的质量难免受到影响而下滑。

2.3 灰色关联度分析

根据关联系数和关联度的计算公式，得到各行政区生态环境与城市扩展之间的关联系数和整个深圳市的关联度。结果如图4和表6所示。

图4 深圳市城市扩展与生态环境质量的灰色关联系数分区图Fig.4 Grey Correlation Coefficient Map of urban sprawl and eco-environmental quality of Shenzhen

表6 深圳市全区城市扩展与生态环境质量的灰色关联度Table 6 Grey correlation degree between urban sprawl and ecoenvironmental quality of Shenzhen

深圳市的生态环境质量与城市扩展的灰色关联系数在空间上大体上呈现“西高东低”的态势，西部沿海的宝安区在 2005—2020年之间一直属于关联系数较小的区域，说明宝安区在这 15年间生态环境质量受城市建设用地扩展的影响较小；西南角的南山区在这 15年间则一直属于关联系数较高的区域，说明南山区生态环境质量一直受城市建设用地扩展的影响。

2005—2020年灰色关联系数在空间上的变化较为显著。2005—2010年间，龙华区、坪山区和盐田区的灰色关联度系数升高，说明深圳新区在城市建设过程中城市发展对于生态环境的影响逐渐增大；关联系数较高的分布区域在原来的中西部反“C”型基础上，扩展了东部坪山区形成东西两大板块的强关联系数分布态势；中等关联系数的分布区域则由原来东西条状的福田、罗湖、坪山、大鹏延展为东部及南部沿海的倒“U”型分布态势。2010—2015年，高关联系数的整体分布形态没有发生改变，而中等和弱关联系数的分布发生了微小转换。2015—2020年，高关联系数的分布缩减为中东部的纵向条状；中等关联系数的区域有所扩展，东部及南部沿海呈角度更深的倒“U”形态；低关联系数的区域则仍为原来的宝安区、龙岗区东西两大板块。

深圳市的生态环境质量与城市扩展的灰色关联度变化显示深圳市生态环境质量受城市扩展的负向影响较强，4个年份的关联度数值均在0.6以上，但呈现先上升后回落至平稳水平的变化趋势。2010年的灰色关联度最大，达到0.72，其余年份的关联度维持在0.63—0.65之间，说明随着城市社会的发展，生态环境的保护发展或者破坏污染都与城市化进程的快慢有着密不可分的关系。因此，控制城市用地的无序扩张对于提高生态环境质量具有极其重要的意义。

城市系统是一个非常复杂且多样化的动态系统，深入研究需要长期努力，本文通过探究城市建设用地扩展与生态环境质量变化之间的关联性，可为城市可持续发展提供参考。但本文仅从宏观角度分析城市建设用地的扩张，未考虑城市用地类型之间的转化；仅耦合了植被、土壤等方面的环境因子，未考虑生物多样性等其他生态因素。

3 结论

2005—2020年深圳市的城市建成建设用地呈现逐年扩张趋势，但后期的扩展规模、强度较前期大。从空间分布来看，深圳市的建设用地空间分布集中在城市的西部和中北部，2005—2015年的建设用地重心扩展方向整体均向东，2015—2020年的建设用地则明显向西扩展。2005—2020年深圳市的生态环境质量整体趋向“良”等级，全市的生态环境质量指数空间分布不均，年际变化主要体现在“优”等级区域及“差”等级区域的转变上。2005—2020年城市扩展与生态环境质量的负向关联度均在 0.6以上，表明深圳市的生态环境质量和城市扩展之间显著的关联性，各区的关联系数在空间上变化显著，大体上呈现“西高东低”的态势，说明城市扩展会影响生态环境建设，且这种影响在城市人口聚集的地区表现更为明显。