Spatio-temporal evolution of Nanjing’s urban green space pattern and its influencing factors

南京市地处长江三角洲西端(31°14′~32°37′N，118°22′~119°14′E)，市域总面积为6 586.02 km²。气候类型为北亚热带湿润气候，四季分明，雨水充沛。位于宁镇扬丘陵地区，低山缓岗(图1)。栖霞山、牛首山、幕府山、狮子山、清凉山、鸡笼山环峙城区。市域内江河湖泊遍布，长江穿城而过，主要河流有秦淮河、滁河等，玄武湖、石臼湖、金牛湖等湖泊星罗棋布，造就以山、水、城、林为大格局的奇致景观。

Figure 1.  Elevation distribution map of Nanjing City

本研究所用遥感影像数据来源自美国地质勘探局[USGS，https://earthexplorer.usgs.gov/ (Earth Explorer)]，采用2000、2005、2010、2015、2020年5个时间节点的Landsat TM/OIL遥感影像，影像分辨率为30 m×30 m，云量皆小于5%。使用中国科学院资源环境科学数据中心(https://www.resdc.cn/)提供的2015年中国地市行政边界数据对遥感影像进行裁剪。对通过ENVI 5.3预处理后的数据进行目视解译，参照国际地圈生物圈计划(IGBP)的土地利用及覆盖变化(LUCC)分类系统，结合南京实际和研究目的，将土地利用类型分为河流、湖泊、建设用地、林地、草地、耕地和裸地7类(图2)，最终通过总体分类精度以及混淆矩阵对分类准确度验证(表1)。

Figure 2.  Land use classification map in Nanjing from 2000 to 2020

将南京市域绿地演变的影响因子分为自然因素和社会经济要素两大类。首先，对自然因素的考虑缘于其在大尺度空间上和较长时间范围内对绿地格局变化的影响。其次，政府在城市化进程当中会通过改变用地性质来指引社会未来发展方向，故社会经济因素的变化会在较小尺度空间上和短时间范围内引起绿地格局的变化^[18]。影响机制研究中涉及的数据主要来源于相应年份的《江苏省统计年鉴》和《南京市统计年鉴》。此外，年份久远的个别缺失数据根据当年各区县统计数据进行计算补充。考虑到数据的可获取性以及可定量化，具体影响因子选取如表2所示。

使用动态度表达研究范围内某种类型的绿地数量在一定时间段内的变化速率。其计算公式为：

其中：I_R表示研究区在该时间段内单一绿地类型的变化速率，即动态度；S_a为该类绿地在研究时间段起点的面积；S_b为该类绿地在研究时间段终点的面积；T为时间间隔年份。

综合土地动态度反映研究区内绿地总数量在一定时段内的变化速率。其计算公式为：

其中：R表示研究区在该时间段内所有绿地类型的变化速率即绿地综合动态度；j为某种绿地类型，S_i为研究起始时间第i类绿地的面积；$ \Delta S_{i-j}$为研究时段内第i类绿地转化为第j类绿地的面积绝对值；T为时间间隔年份。

景观格局指数是能够高度浓缩景观格局信息，反映其结构组成和空间配置某些方面特征的简单定量指标，景观格局指数分析方法能够揭示市域绿地格局的时空演变特征^[19−22]。为了全面系统地对南京市域绿地景观格局结构、特点、动态进行描述，采用斑块数量(NP)、边缘密度(ED)、景观形状指数(LSI)、连接度指数(CONHESION)以及香农多样性指标(SHDI)表明绿地景观格局的水平。基于Fragstats 4.2软件计算各个景观指数，计算方法见参考文献[23]。

PLSR作为一种多元统计回归模型，具有广泛适用性，近年来被大量运用到土地覆被变化的影响机制研究当中^{[18, 24]}。PLSR模型具有以下优点：首先，它可以同时实现主成分分析、相关分析和线性回归分析；其次，它能够排除自变量或因变量指标之间的多重共线性问题，同时适用于样本容量较小的情况。

在PLSR模型中，交叉有效性(Q²)表示模型的预测能力，当Q²＞0.097时，模型具有较强的预测能力。解释能力($R_{\rm{Y}}^2 $)表示模型的稳健性，当$R_{\rm{Y}}^2 $＞0.5时，模型具有较好的稳健性。变量投影重要性(V_IP)表示各个解释变量的相对重要性，当V_IP＜0.5时，变量对于绿地格局演变不重要；当0.5＜V_IP＜1.0时，变量对绿地格局演变比较重要；当V_IP＞1.0时，变量对绿地格局演变具有较为明显的解释能力，V_IP越大，自变量对因变量的解释性越强^[25]。回归系数(R_C)表示各解释变量与绿地格局演变的正负相关性，当R_C＞0时，变量与绿地格局演变呈正相关；当R_C＜0时，变量与绿地格局演变呈负相关。使用SIMCA-P软件进行回归模型的构建以及绿地演变影响机制研究。

南京市土地利用类型总体上呈现以耕地、建设用地为主，河流、湖泊、林地、草地及裸地为辅的格局。2000—2020年，研究区域内水域及裸地变化较小，建设用地占比持续大幅度增加，耕地面积不断缩减转移，市域绿地面积变化起伏较为明显(图3)。

Figure 3.  Comparison of land use area changes in Nanjing City area from 2000 to 2020

2000—2020年，南京市域绿地面积总体呈先减后增的状态。其中，作为市域绿地组成部分的林地与草地在面积上呈现出的变化趋势具有一定的差异性(表3)。2000—2005年，林地和草地的面积均呈减少状态，分别减少了72.47和86.77 km²，两者的变化动态度分别为−2.10%·a⁻¹和−11.46%·a⁻¹，最终市域绿地面积整体减少了159.24 km²，整体面积的变化动态度为−3.78%·a⁻¹。2005年之后，林地面积一直呈现正增长的状态，但与持续下降的草地面积进行综合计算后发现：研究期间市域绿地面积仅增加了11.96 km²，变化动态度为0.07%·a⁻¹。

根据斑块数量指数可知：在2000—2020年南京市域绿地斑块趋于破碎化。结合边缘密度指数和景观形状指数的变化可以看出：绿地景观形状复杂度逐步升高。在景观系统中，土地利用越丰富，破碎化程度越高，其不定性的信息含量也越大，香农多样性指数也就越高。2000—2005年香农多样性指数明显下降，说明这5 a间，市域绿地各斑块类型减少且并呈不均衡化趋势分布，绿地破碎化有一定的缓和。2005—2020年，香农多样性指数稳步上升，说明后期南京市域内部土地利用类型更加丰富，景观破碎度也随之升高。另外，2000—2005年，连接度指数稍有提高，但2005年之后，由于景观破碎度升高，其连接度也持续降低(表4)。

以8项社会经济指标和4项自然影响因素为自变量，以南京市域绿地面积为因变量构建回归模型，对影响市域绿地规模演变的主要因素进行主成分提取。以Q²＞0.097和$R_{\rm{Y}}^2 $＞0.5作为PLSR模型主成分提取的终止条件，市域绿地的总体面积最终以$R_{\rm{Y}}^2 $=0.808和Q²=0.534在第2主成分处达到模型终止条件。南京市域绿地规模变化的重要解释变量如表5和图4所示。

Figure 4.  PLSR analysis of each influencing factor on the green space area of Nanjing

通过市域绿地面积与各影响因素的PLSR结果分析可知：社会经济指标的变化与自然环境的演变在不同程度上影响着市域绿地面积的演变，其中主要因素(V_IP＞1)为年平均气温、总水资源量、第一产业产值比例以及建成区绿化面积。由回归系数可知：与市域绿地面积演变呈正相关(R_C＞0)的因素为年平均气温、年降水量、地区生产总值、人均GDP、第一产业产值比例、第三产业产值比例、农林牧渔业总产值以及常住人口数量。除此之外，其余因素均与市域绿地面积变化呈负相关。

其中，第一产业产值比例为市域绿地面积演变最相关的因子，且为正相关，说明以种植业、林业等自然物为生产对象的第一产业规模与城市绿地规模密不可分。同时，这也体现出产业关系转变在城市绿地格局演变中的重要地位。另外，建成区绿化面积指标作为市域绿地面积演变的次相关因子，反而呈现负相关关系，说明相关城市规划政策的制定仍旧只聚焦于城市建成区内的绿地修复，而在城市扩张区域初始发展阶段并不注重绿化建设，体现出城市生态发展地域间的不平衡问题。除此之外，通过对自然条件相关性的评估可以看出，适宜的温度环境以及水资源环境对植物生长有长期性的影响，因此也是城市绿地发展的重要先决条件。

将景观格局指数作为因变量，将社会经济指标以及自然影响因素作为自变量进行PLSR分析。以Q²＞0.097和$R_{\rm{Y}}^2 $＞0.5作为PLSR模型主成分提取的终止条件，南京市域绿地总体斑块数量、边缘密度、景观形状指数、连接度指数在第1主成分处已满足模型终止条件，$R_{\rm{Y}}^2 $分别为0.781、0.731、0.687、0.891，Q²分别为0.729、0.457、0.380、0.829；香农多样性指数以$R_{\rm{Y}}^2 $=0.796及Q²=0.525在第2主成分处达到了模型终止条件(表6和图5)。

Figure 5.  PLSR analysis of each influencing factor on the landscape pattern index of Nanjing’s urban green space

通过南京市域绿地景观格局指数与各影响因素的PLSR结果分析可知：影响南京市域内绿地斑块数量演变的主要影响因子(V_IP＞1)为总水资源量、地区生产总值、人均GDP、第三产业产值比例、农林牧渔业总产值、建成区绿化面积以及常住人口数量。大部分的社会经济指标均对绿地斑块数量有重要影响，且除了第一产业产值比例以及第二产业产值比例外，其余因子均与绿地斑块数量呈正相关。其中，常住人口数量具有最大相关性，缘于城市人口增加后必然对于生活环境产生要求，市域内的绿地配置也一定会随人民需求及人口流动产生斑块转移。另外，自然环境条件下的总水资源量有较明显相关性，全年日照时长呈负相关性，可以看出城市的旱涝环境以及日照条件对植物生长存在一定影响，从而导致绿地斑块数量的变化。

影响绿地边缘密度和景观形状指数的主要影响因子(V_IP＞1)为年平均气温、年降水量、全年日照时长、地区生产总值、人均GDP、第二产业产值比例、第三产业产值比例以及常驻人口数量。由回归系数可知：全年日照时长、第一产业产值比例以及第二产业产值比例等3个影响因子与边缘密度和景观形状指数演变呈负相关(R_C＜0)。值得一提的是，该2项指标均与自然因素有明显相关性，推测为自然环境对植被生长产生影响所致。根据卫星图像识别提取，俯视视角下的树冠形状也是影响市域绿地边缘密度和景观形状指数的重要因素。社会经济指标中的地区生产总值和第二产业产值比例为最相关因子，这说明人类的经济建设活动，尤其是工业生产活动，在带来城市飞速发展的同时，所导致的市域绿地边界的啃食是不可忽视的问题。

影响南京市域绿地连接度水平变化的主要影响因子(V_IP＞1)为年降水量、全年日照时长、地区生产总值、人均GDP、第二产业产值比例、第三产业产值比例、农林牧渔业总产值以及常住人口数量。由回归系数可知：全年日照时长、第一产业产值比例以及第二产业产值比例与南京市域绿地连接度变化呈正相关(R_C＞0)。大部分社会经济指标因子均与绿地连接度水平有显著相关性，且多呈负相关，说明人类发展活动所带来的城市建设会降低绿地连接性，使绿地更趋破碎化，这将启发规划者在城市当中找到重要生态源点，通过城市添绿工程打通生态廊道，提高市域绿地连通性。

影响南京市域绿地香农多样性指数产生演变的主要影响因子(V_IP＞1)为年平均气温、总水资源量、第一产业产值比例以及建成区绿化面积。由回归系数可知：除了全年日照时长、总水资源量、第二产业产值比例以及建成区绿化面积4项影响因子与南京市域绿地香农多样性指数变化呈负相关(R_C＜0)外，其余8项影响因子均与其演变呈正相关。

南京市域绿地空间格局受到社会经济因素的影响，产业结构转型、人口流动、交通道路拓展以及城镇空间扩展削弱了市域绿地斑块的整体性。因此，在发展过程中应加强“见缝插针”式的小微绿地建设，加强生态修复治理。同时，亟需重视建成区外围的绿带、绿廊、绿网的构建，整合市域各类绿地的破碎斑块并构成有机网络体系，提升市域绿地的生态效益。

本研究在数据处理阶段采用了IGBP的LUCC分类系统，与《国土空间调查、规划、用途管制用地用海分类指南(试行)》^[26]中的土地分类标准相比较，该分类体系中一级类型为耕地、林地、草地、水域、城乡工矿居民用地、未利用土地共6类，其中林地又包含有林地、灌木林、疏林地及其他林地(指未成林造林地、迹地、苗圃及各类园地)，使用LUCC分类体系可以很好地识别出以林地为主的城乡绿色空间状态^[27]。国土空间视角下，城镇化发展与生态空间的矛盾是南京城乡建设的主要矛盾之一^[28]。本研究所采用的Landsat数据精度为30 m，能够较好地识别市域绿地的变化情况，但是，随着郊区、非建成区的建设行为管控和土地的精细化管理要求不断提高^{[3, 29]}，今后还需要针对城市外围生态敏感区域提高数据提取精度，对市域绿地的景观连通性与格局优化进行进一步探讨，为城乡生态系统修复、尤其是非建成区生态问题的识别与诊断提出参考性意见。