EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 3: 443 - 455

DOI: https://doi.org/10.12082/dqxxkx.2021.200195

The Expansion and Gradient Evolution of Impervious Surface within the Guangdong-Hong Kong-Macao Greater Bay Area from 1987 to 2017

  • CHEN Mingfa , 1, 2 ,
  • LIU Fan 1 ,
  • ZHAO Yaolong , 1, * ,
  • YANG Guang 1
Expand
  • 1. School of Geography, South China Normal University, Guangzhou 510631, China
  • 2. GuangDong Urban & Rural Planning and Design Institute Company Limited, Guangzhou 510290, China
*ZHAO Yaolong, E-mail:

Received date: 2020-04-24

  Request revised date: 2020-06-12

  Online published: 2021-05-25

Supported by

National Natural Science Foundation of China(41871292)

the Science and Technology Program of Guangdong Province, China(2018B020207002)

the Science and Technology Program of Guangzhou, China(201803030034)

the Science and Technology Program of Guangzhou, China(201802030008)

Copyright

Copyright reserved © 2021
Fold

Abstract

The impervious surface is considered an important feature to measure the urbanization and its spatial expansion. In the current study, the spatial-temporal expansion characteristics and evolution trends of the impervious surface are explored using gravity center, standard deviation ellipse, and gradient analysis in Guangdong-Hong Kong-Macao (GHM) Greater Bay Area during 1987-2017. The results show that: (1) The impervious surface areas of GHM Greater Bay Area has increased from 1839.34 km2 to 12 385.93 km2 in the past 30 years, with an annual growth area of 351.55 km2. In the 21st century, the urbanization process accelerated, and and each city exhibited different expansion characteristics. Moreover, it formed a spatial expansion pattern driven by core cities such as Guangzhou, Shenzhen, Hong Kong, and Macao, resulting in the formation of various secondary cities, and the development of network structures; (2) Urban construction and expansion are close to the coastal area. The gravity center of the impervious surface of the GHM Greater Bay Area is located near the junction of Panyu, Guangzhou, and Shunde, Foshan. However, the gravity center and urban development trends are from west to the east bank of the Pearl River, and toward Guangzhou, Dongguan, and Foshan. The urban development of Guangzhou, Dongguan, and Foshan promoted the change of gravity center of impervious surface; (3) The urban development of the GHM Greater Bay Area has apparent features of the expansion along the Pearl River and the coastline. Urban construction along both sides of the Pearl River tributary has always occupied a central position. Early urban construction was concentrated in the 70 km area on both sides, and the intensity of urban expansion increased sharply in the 21st century. The area within 50 km of the coastline is an urban high-intensity construction area. The expansion of the core urban and bay area in various places constitutes the development core of the GHM Greater Bay Area. Moreover, the urban construction has formed a coordinated development trend that is dominated by the main urban area and supplemented by the coastline. Furthermore, Although the construction of the GHM Greater Bay Area has become China's national strategy, but there exist problems due to the weak connections between cities. It is necessary to strengthen the interaction of elements in various cities, and make full use of the leading advantages of the core urban area to develop coastal industries, so as to realize the integration of urban and rural areas and economic development in the GHM Greater Bay Area.

Key words： Guangdong-Hong Kong-Macao Greater Bay Area; urban agglomeration; impervious surface; 1987 to 2017; gravity center; SDE; gradient analysis; evolutionary trend

Cite this article

CHEN Mingfa , LIU Fan , ZHAO Yaolong , YANG Guang . The Expansion and Gradient Evolution of Impervious Surface within the Guangdong-Hong Kong-Macao Greater Bay Area from 1987 to 2017[J]. Journal of Geo-information Science, 2021 , 23(3) : 443 -455 . DOI: 10.12082/dqxxkx.2021.200195

1 引言

城市化是20世纪以来最为显著的人类活动过程。至2018年,全球平均城市化率已达到55%,预计于2050年将达到68%[1]。近年来我国的城市化发展迅速,城市化率由1978年改革开放初期的17.90%迅速上升至2019年末的60.60%[2]。快速城市化使得我国地表空间格局发生了显著变化,主要体现在植被等自然景观转化为不透水地表。不透水地表是指由不透水建筑材料覆盖的地物表面,如瓦片、沥青、混凝土等材料构成的建筑物、道路和停车场等,是城市化程度与环境质量的重要指标[3]。由于不透水地表可反映区域空间扩张与景观格局变化,因此对于城市规划与可持续发展具有极为重要的指示意义[4]。
伴随不透水地表的迅速扩张与区域经济一体化,城市群发展已成为现阶段我国京津冀、长江三角洲、珠江三角洲等地区城市化的主要进程之一[5,6]。准确认识这些地区城市群的时空演化特征和规律,有助于城市群可持续发展的科学规划。遥感技术被广泛应用于包括内部相互关系、时空扩张特征等在内的城市群扩张监测研究中[7,8]。早期黎夏[9]、 YE[10]、Weng[11]等将遥感与GIS技术应用于珠三角土地利用扩张监测,表明该地区正经历着极其快速的城市化过程。由于土地利用类型受到遥感数据精度的限制,难以解决像元存在的混合地表覆被现象,而基于亚像元分解的不透水地表为解决此类问题提供了更好的途径[12]。线性光谱分解、回归树、神经网络等技术相继应用于不透水地表遥感提取中,将城市扩张应用研究推向前沿[13]。匡文慧等[14]研究表明,京津冀、珠江三角洲、长江三角洲城市群的不透水地表均经历了快速扩张阶段。之后景观格局指数、重心轨迹、引力模型、扩张指数等方法被应用于不透水地表的时空扩张及驱动力分析,如Fan[15]、Deng[16]等研究表明,珠江三角洲城市群不透水地表由珠江向两侧延伸,经济与政策等因素促进了不透水地表的扩张;Cao等[17]对京津冀与美国东海岸城市群的对比表明,前者呈现出团块状“摊大饼”形态,而后者则为多中心聚集组团的态势;高邵鑫等[18]发现长江三角洲地区的不透水地表呈现以上海、南京、杭州为顶点的三角分布。不透水地表扩张结合空间分析的相关研究揭示了区域城市化扩张过程中的空间形态演变及驱动机制,在城市环境与规划领域得到广泛应用。
粤港澳大湾区作为我国最具经济活力的城市群之一,自2017年3月被列为国家发展战略并写入政府工作报告后,学者引入相关方法进行区域不透水地表扩张研究。如冯珊珊等[19,20]采用景观格局指数与空间统计等方法对大湾区不透水地表的空间格局与驱动力进行了分析,表明内部各城市的发展阶段存在差异,人口与经济对不透水地表扩张具有正向影响。Yang等[21,22]采用人口与经济弹性扩张指数对大湾区不透水地表的时空扩张模式分析表明,多数城市呈现梯度扩张特征,不透水地表逐渐由外围扩张向边缘填充增长模式过渡,并进一步比较了粤港澳大湾区与东京、纽约、旧金山湾区的扩张模式异同点。既有研究从空间格局、扩张模式及驱动力等方面探究大湾区不透水地表的扩张特征与影响机制,对于理解城市化进程及扩张的合理性尤为重要。
由于城乡一体化融合作为城市群的发展主题,城市群内部的空间扩张是局部差异性与整体趋同性的博弈,因此不透水地表的扩张方向与演化趋势对城市的发展重心具有重要指示作用[6,23]。相关研究在把握城市群内部时空演变特征的同时,对于城市化进程的整体性趋势尚缺乏足够的量化方式,针对城市群不透水地表的扩张方向与梯度演化趋势仍有待开展。此外,由于大湾区内部存在两种不同的政治制度,且各城市所处的发展阶段与经济实力差异明显,仍需进一步探究内部各城市在此背景下的城市扩张差异及演化规律。基于上述原因,本文以粤港澳大湾区为研究区,基于1987-2017年30年时间序列下的不透水地表时空分布与扩张特征,采用重心-标准差椭圆与梯度分析等方法,探究大湾区城市群的扩张方向与梯度演化趋势,为大湾区建设与可持续发展提供经验借鉴与决策参考。

2 研究区概况与数据来源

2.1 研究区概况

粤港澳大湾区由广东省9个地级市（广州、深圳、珠海、佛山、惠州、东莞、中山、江门和肇庆）与香港、澳门特别行政区组成（图1）。作为与美国纽约湾区、旧金山湾区和日本东京湾区比肩的世界四大湾区之一,大湾区总面积超过5.6万km2,至2018年末总人口为7000万,GDP超过10万亿,是我国经济活力最强的区域之一。作为参与全球化竞争的重要城市群载体,研究区自20世纪80年代以来经历了快速的城市化过程,其时空扩张演化趋势研究对我国区域一体化与可持续发展具有重要意义。
图1 粤港澳大湾区覆盖范围

Fig. 1 Study area and its administrative divisions

2.2 数据来源

遥感技术具有多时相,覆盖范围广,成本低等优点,被认为是不透水地表估算的重要方法[24]。中等空间分辨率影像具有良好的时间连续性与地物光谱等优势,已广泛应用于大尺度区域的不透水地表扩张监测[25]。为提高不透水地表各扩张时期的易识别性,本文基于5年一期的间隔,采用时间序列为1987、1992、1997、2002、2007、2012、2017年共56景Landsat系列影像进行不透水地表信息提取（表1）,数据来自美国地质勘探局（https://usgs.gov/）。由于研究区位于亚热带季风区,季节性变化对植被等要素影响较小,为保证成像云量低于5%,部分影像存在年际与季节差异。基于ENVI软件平台完成辐射定标、大气校正与拼接裁剪等预处理工作,最终获得研究区内7期不同年份的遥感影像。
表1 Landsat系列影像成像时间

Tab. 1 Landsat series imaging time

传感器
条代号		 TM ETM+ ETM OLI
1987年 1991-1993年 1997年前后 2002年前后 2007年 2012年前后 2017年
121/44 1987-12-17 1991-10-11 1997-01-10 2001-12-31 2007-11-14 2012-10-10 2017-11-01
121/45 1987-12-17 1991-10-11 1997-01-10 2002-02-17 2007-01-30 2013-10-05 2017-12-19
122/43 1987-12-08 1993-10-05 1997-11-01 2002-11-07 2007-10-20 2012-11-02 2017-12-26
122/44 1987-12-08 1993-10-05 1997-11-01 2002-11-07 2007-09-18 2012-11-02 2017-10-23
122/45 1987-12-08 1991-09-14 1997-11-01 2002-01-07 2007-09-18 2013-10-20 2017-10-23
123/43 1987-09-10 1993-10-12 1996-12-23 2001-12-29 2007-01-28 2012-12-25 2017-10-30
123/44 1987-09-10 1991-09-21 1997-09-05 2001-12-29 2007-01-28 2012-12-25 2017-10-30
123/45 1987-09-10 1993-12-31 1997-01-08 2001-12-29 2007-01-28 2012-12-25 2017-10-30

3 研究方法

3.1 不透水地表提取及精度验证

采用Xu等[26]提出的改进线性光谱混合分析（MLSMA）方法提取大湾区1987-2017年的7期不透水地表。MLSMA方法包括以下步骤：① 计算修改后的归一化差异水指数（MNDWI）,并作为掩膜去除水体信息;② 通过常规LSMA方法提取高反照率,低反照率,植被和土壤组分（式（1））;③ 由于低反照率端元中易存在土壤和植被信息导致提取误差,利用归一化植被指数（NDVI）和归一化建筑指数（NDBI）剔除其植被和土壤部分,以获得低反照率不透水地表。将其与高反照率不透水地表叠加得到不透水地表信息。
R i = ∑ j = 1 n a ij x j + e i
式中： R i 为第 i 个波段像元的光谱反射率; j = 1,2 , 3 , … , n (端元数); a ij 是第 i 个波段第 j 个端元组分的反射率; x j 表示像元第 j 个端元组分的占比; e i 为第 i 个波段的残差。
基于Google Earth高分辨率历史影像采用目视解译进行精度验证。由于缺少2007年及之前的历史影像,故采用2012年与2017年结果进行精度验证。分别随机抽取研究区与11个城市的各500个（共计6000个）样本进行验证,平均准确率为88.45%,最高达到94.98%。参考相关研究成果,表明不透水地表提取精度满足需要[10]。认为其他时期不透水地表密度的估算结果与上述结果精度相似[27]。

3.2 重心迁移轨迹与标准差椭圆分析

重心轨迹迁移模型可基于地理要素的加权中心表达其时空迁移规律[28]。标准差椭圆（SDE）则可通过识别地理要素的分布情况及扩张方向,揭示其时空分布方向[29]。二者结合的方式已广泛应用于大区域尺度下的时空格局变化与转移规律分析[30]。采用其定量化计算大湾区城市不透水地表的分布重心与方向,以直观分析其时空扩张中心及演化规律。其中,重心（ X ̅ w , Y ̅ w ）计算如式（2）所示,椭圆方位角 α 计算如式（3）所示。
X ̅ w = ∑ i = 1 n w i x i ∑ i = 1 n w i Y ̅ w = ∑ i = 1 n w i y i ∑ i = 1 n w i
tan α = ∑ i = 1 n w i 2 x ˜ i 2 - ∑ i = 1 n w i 2 y ̅ i 2 + ∑ i = 1 n w i 2 x ˜ i 2 - ∑ i = 1 n w i 2 y ̅ i 2 2 + 4 ∑ i = 1 n w i 2 x ˜ i 2 y ̅ i 2 2 ∑ i = 1 n w i 2 x ˜ i y ̅ i
式中： x i , y i 为对象的空间坐标; w i 是相应的权重; x ˜ i , y ̅ i 是各个对象与椭圆重心（ X ̅ w , Y ̅ w ）的坐标偏差,方位角 α 用于分析不透水地表增量的分布趋势。

3.3 城市扩张梯度分析

城市化建设中,江河走廊的开发往往处于核心位置。沿江走廊因此成为众多城市的建设密集带与产业发展主轴,从而形成沿江集聚规模与流域经济区,如我国的长江经济带、珠江经济带等[31]。同时,由于优异的区位交通与资源条件等禀赋,大陆海岸带周边城市集聚了世界大部分的人口、工业与技术等要素,其城市建设密度与扩张速度远高于其他地区[32]。如在1985-2005年的快速城市化背景下,广东省大陆海岸带周边的城区面积扩张了10倍以上,且形成环珠江口城市群[33]。
作为监测城市扩张的关键指标,大湾区的不透水地表可有效揭示区域内的城市化建设过程[34]。珠江两侧与大陆海岸线周边聚集了大量人口与建筑等要素,区域发展差异显著。不同梯度范围内的不透水地表信息对衡量区域城市扩张特征与趋势具有重要参考价值。因此,本研究基于嵌套缓冲区技术,应用梯度分析方法[35],对沿珠江支流与大陆海岸线（以下简称海岸线）2个梯度带的不透水地表时空扩张特征进行分析,探究大湾区城市化过程中的时空演化趋势及规律。其中,沿珠江支流（纵轴）梯度线由珠江口至广州内部的花都附近,东侧为香港、深圳、东莞等地,西侧为澳门、珠海、中山等地,为粤港澳大湾区的发展轴线;海岸线（横轴）梯度线途经江门、珠海、澳门、深圳、香港、惠州等地;分别沿纵、横轴2个梯度带构建编号为V1-V19、H1-H24,间距为10 km的缓冲区,覆盖全部研究区（图2）;最后分别计算并统计缓冲区内的不透水地表密度均值,如式（4）：
D i = IS A i A i
图2 粤港澳大湾区梯度覆盖区域

Fig. 2 Gradient coverage area of the study area

式中： D i 是第 i 个缓冲区的不透水地表密度; IS A i 是第 i 个缓冲区的总不透水地表面积; A i 是第 i 个缓冲区的总面积。

4 结果与分析

4.1 不透水地表的时空分布格局

采用等间距法将不透水地表估算结果分为极低/低/中/高/极高密度5类,以量化大湾区的时空扩张格局。1987-2017年大湾区的不透水地表扩张显著,各类型不透水地表面积均大幅度增加（图3）。大量透水面（如森林、绿地和耕地等）转为不透水地表,极低和低不透水地表转为中高和高不透水地表,且中、高不透水地表面积增速大于极低和低不透水地表面积（图4）。
图3 1987-2017年粤港澳大湾区不透水地表分级结果

Fig. 3 Impervious surface of Guangdong-Hong Kong-Macao Greater Bay Area from 1987 to 2017

图4 粤港澳大湾区不透水地表面积分级

Fig. 4 Graded area of impervious surface of Guangdong-Hong Kong-Macao Greater Bay Area

从整体上看,大湾区呈现出由广、深、港、澳等中心城市带动、其余次级点城市依托各自核心区集聚扩张,形成多核心区共同发展的特征,并朝着扁平化网络结构的趋势发展。同时,不透水地表以珠江支流与海岸线为轴心分布扩张的特征较为明显。从时间上看,20世纪90年代,不透水地表主要分布于广州、深圳、香港与澳门等核心城市,中密度不透水地表主要分布在珠江三角洲口岸东部,多数地区的不透水地表盖度较低;此后,中高密度不透水地表率先从广州、深圳与江门东部等地开始扩张;随后佛山、东莞、珠海、中山与惠州西部等次级点开始“点-面”状扩张,并于21世纪初期初步形成广佛、澳珠、深莞等区域组团;之后随着中、高密度的不透水地表增加,区域网络状组团连片的趋势愈发明显,肇庆东南部、江门南部沿海地区的不透水地表扩张加速;至2017年,广佛、中江、深莞等地边界已趋于融合。大湾区在城市化过程中,中心城市与次级城市的不透水地表进一步集聚、稳定化,扁平化网络结构初现。

4.2 不透水地表的内部扩张特征

1987-2017年大湾区的不透水地表面积从1839.34 km2增加到12 385.93 km2,年平均增长面积达351.55 km2（表2）。由于广州、佛山、江门城区扩张空间充足,加之地区经济发展驱动力强劲,故整体不透水地表面积总量较高。
表2 1987-2017年粤港澳大湾区内部各城市不透水地表面积

Tab. 2 Impervious surface area of cities within Guangdong-Hong Kong-Macao Greater Bay Area (km2)

地市名称 1987年 1992年 1997年 2002年 2007年 2012年 2017年
东莞 107.87 341.39 435.47 501.57 835.28 1042.12 1193.75
佛山 209.13 293.89 458.28 549.55 931.91 1595.31 1715.62
广州 334.08 437.49 504.60 522.14 723.73 1188.63 1754.50
香港 90.92 120.71 127.87 151.41 179.21 209.60 249.27
惠州 381.83 568.06 614.07 662.09 921.33 1071.61 1464.75
江门 381.33 585.89 610.46 1083.48 1106.33 1863.64 2217.92
澳门 5.00 6.92 10.78 12.71 13.61 15.01 16.00
深圳 94.86 352.01 505.84 528.13 682.27 804.37 829.22
肇庆 120.88 133.33 188.96 368.89 734.95 1084.56 1381.67
中山 55.62 118.85 193.27 306.39 455.39 724.67 888.51
珠海 57.82 188.39 259.14 433.98 513.02 612.08 674.72
大湾区 1839.34 3146.93 3908.74 5120.34 7097.03 10211.60 12385.93
进入21世纪后,不透水地表面积扩张加速,城市化进程明显加快（图5）。其中,香港由于离岛区域、郊野公园等地带限制了城市扩张,不透水地表增长率处于低位。澳门20世纪90年代即进入快速扩张阶段。而内地各城市在进入21世纪后迎来城市建设高峰期,不透水地表迅速扩张,中山、佛山、东莞、广州等地最为显著（表3）。而深圳市由于靠近香港地区,城市建设高峰自1987年后便已开始。至2017年,大湾区不透水地表面积平均占比为25.44%,中山、澳门、东莞、佛山、深圳、珠海等地的不透水地表占比较高,为39.43%~49.81%不等。
图5 不同时期粤港澳大湾区内部各城市的不透水地表面积占比

Fig. 5 Proportion of impervious land surface area of cities within Guangdong-Hong Kong-MacaoGreater Bay Area in different periods

表3 粤港澳大湾区内部各城市不透水地表面积的年均增长率

Tab. 3 Annual average growth rate of impervious surface area of cities within Guangdong-Hong Kong-Macao Greater Bay Area (%)

年均增长率 中山 东莞 佛山 深圳 珠海
1987-2017年 1.56 1.47 1.26 1.23 1.20
2002-2017年 2.18 1.87 1.96 1.01 0.94
江门 广州 香港 惠州 肇庆
1987-2017年 0.64 0.63 0.48 0.31 0.28
2002-2017年 0.80 1.11 0.59 0.46 0.45
为进一步探究大湾区各城市内部的时空扩张特征,以1987年不透水地表为基础进行二值化差值处理（图6）。可以看出,1987-2017年大湾区内部各城市的空间扩张特征存在显著差异。其中：
图6 1987-2017年粤港澳大湾区不透水地表扩张特征

Fig. 6 The characteristics of impervious surface expansion of Guangdong-Hong Kong-Macao Greater Bay Area from 1987 to 2017

香港、澳门的地理环境限制了城市扩张,不透水地表趋于稳定且以内部调整为主。20世纪80年代维多利亚港两岸与大埔、沙田、北区等核心区域已形成了高密度集聚不透水地表;80年代后元朗、新界等地受深圳蛇口影响,不透水地表急剧扩张;进入21世纪后,屯门、元朗与离岛等地的新城建设成为主流。20世纪90年代起,澳门半岛不透水地表扩张已几无可能;90年代后氹仔岛与路环岛的填海工程导致不透水地表扩张;21世纪后不透水地表空间结构稳定。
深圳和珠海的不透水地表前期分布于邻近港澳区域,后呈现多核心发展。其中,深圳前期建设以福田、罗湖、南山等近港区域与龙岗、龙华等核心区为主,之后围绕核心区进行连片扩张;21世纪初光明新区等近莞地区成为建设主流。而珠海建设前期集中于香洲与横琴等近澳区域与斗门、金湾的核心区;20世纪90年代后斗门、金湾等区域不透水地表急剧扩张;香洲则以核心区建设扩张为主。
广州与佛山则呈现出明显以核心点带面的发展趋势。广州的不透水地表早期分布于荔湾、越秀、天河等地,沿珠江北岸分布趋势明显;20世纪90年代后海珠、番禺、白云、黄埔、花都、南沙等地急剧扩张并组团成片;增城、从化等地的不透水地表零星扩张。佛山不透水地表早期集中于禅城、南海与顺德南部等地,西北部不透水地表沿江分布特征明显;之后南海近广区域不透水地表扩张明显;21世纪后围绕核心区的新城建设带动了不透水地表扩张。
东莞的“村镇经济”建设导致不透水地表呈现多次级核心扩张。21世纪后围绕核心区建设成为主流,近深地区城市扩张加速。中山、江门、惠州等地的不透水地表整体呈现已有核心区带动外围新城建设扩张趋势。其中,江门主城区与南部沿海区域扩张迅速;中山南、北部区域依次进行扩张;惠州不透水地表集中于城区中心与西南部近深圳区域。肇庆不透水地表整体扩张较慢,城市建设集中于东南部近广佛区域。

4.3 不透水地表的扩张重心与方向

1987-2017年大湾区的不透水地表重心位于几何中心南偏东约15~30 km处。椭圆的长轴由与海岸线基本平行的东北-西南方向不断顺时针方向偏移至东南-西北方向,最大偏移角度达30°左右,且覆盖范围不断扩大。大湾区的城市整体建设靠近海岸线区域,且建设范围不断扩张（图7）。
图7 不同时期粤港澳大湾区不透水地表标准差椭圆与重心分布

Fig. 7 Standard deviation ellipse and center of gravity distribution of impervious surface of Guangdong-Hong Kong-Macao Greater Bay Area

具体来看,1987年不透水地表重心位于广州番禺西部,由于香港、深圳等珠江东岸地区扩张加速,导致重心点于1992年向东南方向偏移12.58 km;之后佛山、中山、珠海等珠江西岸地区的加速建设使得重心点连续向西部偏移25.08 km至佛山顺德东北部;至2007年后转由广州、东莞、佛山等地带动重心点往北偏移14.92 km至顺德与番禺交界区域。整体城市建设重心与方向呈现先由珠江西岸至珠江东岸,后转至广莞佛等地区主导的趋势,广莞佛等地的城市建设极大带动了不透水地表重心与方向的变化。

4.4 不透水地表的梯度演化趋势

城市扩张梯度分析结果显示,纵轴梯度带的不透水地表占比随珠江两侧距离的增加显著下降（图8）,表明大湾区的城市建设核心主要围绕珠江支流两岸进行。其中,10 km范围内不透水地表占比最高,2017年达到了50%左右。从时间上看,早期的城市建设集中于两侧70 km区域,主要包括香港、澳门、广州、深圳、东莞、佛山、中山、珠海等地,沿江区域已初具规模,但趋势尚不明显;进入21世纪后城市扩张强度急剧增大,珠江支流两侧区域成为建设重点,不透水地表占比迅速增加。此外,在覆盖150~170 km范围内为江门台山与惠州沿海区域,不透水地表扩张强度稍大。整体上看,在大湾区发展过程中,沿珠江支流两侧的城市建设始终占据核心地位,且建设强度随距离递减。该特征符合城市建设与经济发展的普遍规律,也凸显了大湾区建设沿江经济带的政策与市场导向。
图8 1987-2017年粤港澳大湾区纵轴梯度带的不透水地表面积占比

Fig. 8 Proportion of impervious surface area of Guangdong-Hong Kong-Macao Greater Bay Area along the vertical axis from 1987 to 2017

横轴梯度带的不透水地表占比随距离呈现高-低-高波动的趋势（图9）。可知,大湾区城市建设密集集中于海岸线50 km范围内,包括了香港、澳门、深圳、珠海、东莞、中山全市与广州、佛山、江门等部分区域,为大湾区的核心区域;30~40 km范围覆盖了广州、佛山、东莞、中山、江门、惠州等地的主城区。海岸线50 km内的核心区域在20世纪末期不透水地表占比呈现先下降后略微上升的趋势,表明大湾区此时期的建设集中于近海岸线与主城区区域,且近海岸线区域扩张趋势明显;21世纪后主城区建设强度超过海岸线区域,不透水地表占比迅速提升。此外,覆盖了肇庆大部、广州佛山惠州江门北部的50 km范围外,随着离海距离的增加,城市建设强度迅速降低;离海岸线130~180 km范围内,城市建设扩张速度缓慢;180~240 km范围内区域覆盖肇庆城区,表明肇庆的建设于21世纪后开始明显提速。整体上看,海岸线130 km范围内为城市建设发展区域,且形成了主城区为主、海岸线为辅,协同发展的演化趋势。
图9 1987-2017年粤港澳大湾区横轴梯度带的不透水地表面积占比

Fig. 9 Proportion of impervious surface area of Guangdong-Hong Kong-Macao Greater Bay Area along the horizontal axis from 1987 to 2017

5 结论

本文采用重心-标准差椭圆与梯度分析等方法对30年来粤港澳大湾区不透水地表扩张的扩张特征与演化趋势进行分析,得到以下结论：
（1）粤港澳大湾区整体形成了广州、深圳、香港、澳门等中心城市带动,各次级城市依托核心区点-面式组团扩张的特征,区域的扁平化网络结构发展趋势日渐显著。1987-2017年,大湾区不透水地表面积从1839.34 km2持续增长至12 385.93 km2,年均增长量达到351.55 km2。进入21世纪后城市化进程明显加快,各城市扩张特征差异显著。香港和澳门的不透水地表空间扩张基本稳定;深圳与珠海基本形成了围绕核心城区与近港澳地区共同扩张的结构;广州和佛山各自围绕核心区扩张,边界一体化特征明显;东莞、中山则呈现点-面状扩张的连片组团特征;惠州、江门以近深圳、中山区域扩张为主;肇庆东南部近佛山区域扩张明显。
（2）广、莞、佛等地的建设极大带动了不透水地表重心与方向的变化,城市建设范围不断扩大。1987-2017年大湾区不透水地表重心位于广佛交界处附近,城市建设扩张靠近海岸线区域。不透水地表扩张方向由与海岸线基本平行的东北-西南方向顺时针偏移30°至东南-西北方向,城市建设范围不断扩大,呈现先由珠江西岸至珠江东岸、后转至广莞佛等地区主导的趋势。
（3）城市建设以珠江支流与海岸线为轴心扩张的特征明显,各地核心城区与海湾区域的建设扩张共同构成了大湾区的发展核心。从珠江支流梯度带上看,沿珠江支流两侧的城市建设始终占据核心地位。早期城市建设集中于两侧70 km区域,沿江建设规模初现;21世纪后城市扩张强度急剧增大。从大陆海岸线梯度带上看,海岸线130 km范围内的区域为城市建设区域,且密集集中于海岸线50 km范围内。早期近海岸线区域建设强度高于30~40 km范围的主城区;21世纪后,主城区开发强度超过近海岸线区域,整体形成了主城区为主、海岸线为辅的协同发展趋势。
随着粤港澳大湾区建设上升为国家战略,在政治制度与经济基础差异化背景下,如何建设大湾区城市群将对我国经济发展产生深远影响。本研究表明,粤港澳大湾区内部各都市圈的城乡融合趋势明显,区域一体化已初现雏形。但由于内部各城市组团的空间格局与耦合程度不尽相同,导致部分城市的辐射带动作用不强,各中心城市间、次极点间的联结较弱,城乡功能空间缺乏统筹等问题。因此协调区域的城市建设扩张方向与产业布局规划便显得尤为重要。
在国土空间规划与“三区三线”划定的背景下,城市地区由于其发展空间有限,更须推进实施主体功能区战略,加速核心区的结构优化升级与高端功能集聚,进一步提升其辐射作用;另一方面,城镇地区应通过产业升级、集聚建设扩张等方式增强其对乡村的吸引作用,引导农村人口向城镇地区转移,实现差异化城乡融合发展。此外,应进一步推动沿海经济带建设,充分利用既有区位与产业优势,打造湾区经济的重要增长极。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
United Nations. World urbanization prospects: The 2018 Revision[R]. New York: Department of Economic, 2017.

[2]
中华人民共和国国家统计局. 中华人民共和国2019年国民经济和社会发展统计公报[M]. 北京: 中国统计出版社, 2020.

[ Chinese National Bureau of Statistics. Statistical communiqué of the People's Republic of China on 2019 national economic and social development[M]. Beijing: China Statistics Press, 2020. ]

[3]
Weng Q H. Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends[J]. Remote Sensing of Environment, 2012,117(2):34-49.

[4]
徐涵秋. 城市不透水面与相关城市生态要素关系的定量分析[J]. 生态学报, 2009,29(5):2456-2462.

[ Quantitative analysis on the relationship of urban i mpervious surface with other components of the urban ecosystem[J]. Acta Ecologica Sinica, 2009,29(5):2456-2462. ]

[5]
杨保军. 区域协调发展析论[J]. 城市规划, 2004,28(5):20-24.

[ Yang B J. Analysis of regional coordinated development[J]. City Planing Review, 2004,28(5):20-24. ]

[6]
顾朝林. 城市群研究进展与展望[J]. 地理研究, 2011,30(5):771-784.

[ Gu C L. Study on urban agglomeration: Progress and prospects[J]. Geographical Research, 2011,30(5):771-784. ]

[7]
焦利民, 唐欣, 刘小平. 城市群视角下空间联系与城市扩张的关联分析[J]. 地理科学进展, 2016,35(10):1177-1185.

[ Jiao L M, Tang X, Liu X P. Spatial linkage and urban expansion: an urban agglomeration perspective[J]. Progress in Geography, 2016,35(10):1177-1185. ]

[8]
欧阳晓, 朱翔. 中国城市群城市用地扩张时空动态特征[J]. 地理学报, 2020,75(3):571-588.

[ OuYang X, Zhu X. Spatio-temporal characteristics of urban land expansion in Chinese urban agglomerations[J]. Acta Geographica Sinica, 2020,75(3):571-588. ]

[9]
黎夏, 叶嘉安. 利用主成分分析改善土地利用变化的遥感监测精度——以珠江三角洲城市用地扩张为例[J]. 遥感学报, 1997,1(4):282-289.

[ Li X, Ye J A. Accuracy improvement of land use change detection using principal components analysis: A case study in the Pearl River Delta[J]. Journal of Remote Sensing, 1997,1(4):282-289. ]

[10]
Yeh A. Measurement and monitoring of urban sprawl in arapidly growing region using entropy[J]. Photogrammetric Engineering &Remote Sensing, 2001,67(1):83-90.

[11]
Weng Q H. A remote sensing GIS evaluation of urban expansion and its impact on surface temperature in the Zhujiang Delta, China[J]. International Journal of Remote Sensing, 2001,22(10):1999-2014.

[12]
Brabec E, Schulte S, Richards P L. Impervious surfaces and water quality: A review of current literature and its implications for watershed planning[J]. Journal of Planning Literature, 2002,16(4):499-514.

[13]
Weng Q H, Lu D S. A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis, United States[J]. International Journal of Applied Earth Observation and Geoinformation, 2008,10(1):68-83.

[14]
匡文慧, 刘纪远, 张增祥, 等. 21世纪初中国人工建设不透水地表遥感监测与时空分析[J]. 科学通报, 2013(5):465-478.

[ Kuang W H, Liu J Y, Zhang Z X, et al. Remote sensing monitoring and spatio-temporal analysis of artificially constructed impervious surface in China in the early 21st century[J]. Chinese Science Bulletin, 2013(5):465-478. ]

[15]
Fan F L, Fan W. Understanding spatial-temporal urban expansion pattern(1990-2009) using impervious surface data and landscape indexes: A case study in Guangzhou(China)[J]. Journal of Applied Remote Sensing, 2014,8(7):4480-4494.

[16]
Deng Y B, Fan F L, Chen R R. Extraction and analysis of impervious surfaces based on a spectral un-mixing method using Pearl River Delta of China landsat TM/ETM+ imagery from 1998 to 2008[J]. Sensors, 2012,12:1846-1862.

PMID

[17]
Cao S S, Hu D Y, Hu Z W, et al. Comparison of spatial structures of urban agglomerations between the Beijing-Tianjin-Hebei and Boswash based on the subpixel-level impervious surface coverage product[J]. Journal of Geographical Sciences, 2018,28(3):306-322.

[18]
高邵鑫, 陈健, 郑凯端, 等. 长三角地区不透水面多时相遥感提取及变化监测[J]. 科技通报, 2018,34(10):80-92.

[ Gao S X, Chen J, Zheng K D, et al. Extraction and change monitoring of multi-temporal impervious surface in Yangtze River Delta region based on remote sensing[J]. Bulletin of Science and Technology, 2018,34(10):80-92. ]

[19]
冯珊珊, 樊风雷. 2006―2016年粤港澳大湾区城市不透水面时空变化与驱动力分析[J]. 热带地理, 2018,38(4):536-545.

[ Feng S S, Fan F L. Spatial-temporal changes of impervious surface in the Guangdong-Hong Kong-Macao Greater Bay Area during 2006-2016[J]. Tropical Geography, 2018,38(4):536-545. ]

[20]
冯珊珊, 樊风雷. 基于不透水面的粤港澳大湾区景观格局时空变化[J]. 应用生态学报, 2018,29(9):113-120.

[ Feng S S, Fan F L. Spatiotemporal changes of landscape pattern using impervious surface in Guangdong-Hong Kong-Macao Greater Bay Area, China[J]. Chinese Journal of Applied Ecology, 2018,29(9):113-120. ]

[21]
Yang C, Li Q Q, Zhao T H, et al. Detecting spatiotemporal features and rationalities of urban expansions within the Guangdong-Hong Kong-Macau Greater Bay Area of China from 1987 to 2017 using time-series landsat images and socioeconomic data[J]. Remote Sensing, 2019,11(19):2215.

[22]
Yang C, Li Q Q, Hu Z W, et al. Spatiotemporal evolution of urban agglomerations in four major bay areas of US, China and Japan from 1987 to 2017: Evidence from remote sensing images[J]. Science of the Total Environment, 2019,671:232-247.

[23]
Li Z, Jiang W G, Wang W J, et al. Exploring spatial-temporal change and gravity center movement of construction land in the Chang-Zhu-Tan urban agglomeration[J]. Journal of Geographical Sciences, 2019,29(8):1363-1380.

[24]
Slonecker T E, Jennings D B, Garofalo D. Remote sensing of impervious surfaces: A review[J]. Remote Sensing Reviews, 2001,20(3):227-255.

[25]
Sexton J O, Xiao P S, Cheng Q H, et al. Urban growth of the Washington, D.C. Baltimore, MD metropolitan region from 1984 to 2010 by annual, landsat-based estimates of impervious cover[J]. Remote Sensing of Environment, 2013,129(2):42-53.

[26]
Xu J H, Zhao Y, Zhong K W, et al. Coupling modified linear spectral mixture analysis and soil conservation service curve number (SCS-CN) models to simulate surface runoff: Application to the main urban area of Guangzhou, China[J]. Water, 2016,8(12):550.

[27]
Lu D S, Moran E, Hetrick S. Detection of impervious surface change with multitemporal landsat images in an urban-rural frontier[J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2011,66(3):298-306.

PMID

[28]
付强, 诸云强, 孙九林, 等. 中国畜禽养殖的空间格局与重心曲线特征分析[J]. 地理学报, 2012,67(10):89-104.

[ Fu Q, Zhu Y Q, Sun J L, et al. Spatial patterns and gravity centers curve of livestock and poultry breeding in China[J]. Acta Geographica Sinica, 2012,67(10):89-104. ]

[29]
Lefever W D. Measuring geographic concentration by means of the standard deviational ellipse[J]. American Journal of Sociology, 1926,32(1):88-94.

[30]
晁静, 赵新正, 李同昇, 等. 长江经济带三大城市群经济差异演变及影响因素——基于多源灯光数据的比较研究[J]. 经济地理, 2019,39(5):92-100.

[ Cao J, Zhao X Z, Li T S, et al. Spatial-temporal evolution and influencing factors of economic disparities among three urban agglomerations in the Yangtze River economic belt: Acomparative study based on multisource nighttime light data[J]. Economic Geography, 2019,39(5):92-100. ]

[31]
刘有明. 流域经济区产业发展模式比较研究[J]. 学术研究, 2011(3):83-88.

[ Liu Y P. Comparative study on industry development model of basin economic zone[J]. Academic Research, 2011(3):83-88. ]

[32]
魏正波. 中国特色的城市海岸带规划体系初探[C]. 北京:中国城市规划年会, 2008, 3681-3692.

[ Wei Z B. A preliminary study on the urban coastal planning system with Chinese characteristics[C]. Beijing: China Urban Planning Annual Meeting, 2008: 3681-3692. ]

[33]
高义, 苏奋振, 孙晓宇, 等. 近20a广东省海岛海岸带土地利用变化及驱动力分析[J]. 海洋学报:中文版, 2011,33(4):97-195.

[ Gao Y, Su F Z, Sun X Y, et al. A study on driving forces of land use change of Guangdong province coastal zone and islands in recent 20a[J]. Acta Oceanologica Sinica, 2011,33(4):97-195. ]

[34]
Peng J, Liu Y X, Shen H, et al. Using impervious surfaces to detect urban expansion in Beijing of China in 2000s[J]. Chinese Geographical Science, 2016,26(2):103-117.

[35]
Yang G, Zhao Y L, Xing H F, et al. Understanding the changes in spatial fairness of urban greenery using time-series remote sensing images: A case study of Guangdong-Hong Kong-Macao Greater Bay[J]. Science of the Total Environment, 2020,715(1):136763.

Options
Outlines

/

〈 〉