王美雅，徐涵秋 (.閩南師范大學(xué)歷史地理學(xué)院，福建 漳州 363000；2.福州大學(xué)環(huán)境與資源學(xué)院/ 福州大學(xué)遙感信息工程研究所/ 福建省水土流失遙感監(jiān)測(cè)評(píng)估與災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室，福建 福州 3506)

城市作為復(fù)雜生態(tài)系統(tǒng)，其冠層垂直交互的動(dòng)量通量、熱量通量和濕度與鄉(xiāng)村或者其他區(qū)域大不相同[1]。超大城市規(guī)模之大使得其生態(tài)效應(yīng)遠(yuǎn)大于其他中小城市和鄉(xiāng)村。超大城市建筑和道路極其密集，地表景觀(guān)格局趨于復(fù)雜化和破碎化[2]，加上大量人為活動(dòng)產(chǎn)生了大體量的水、熱和大氣污染等城市代謝[3]，在強(qiáng)大外力干擾下，生態(tài)用地的生態(tài)調(diào)控能力嚴(yán)重不足[4]。對(duì)比評(píng)價(jià)超大城市生態(tài)質(zhì)量差異，有助于提高超大城市建設(shè)與區(qū)域生態(tài)平衡互饋關(guān)系內(nèi)在機(jī)制的認(rèn)知能力，為控制城市發(fā)展規(guī)模及城市生態(tài)規(guī)劃與整治提供科學(xué)參考。

多時(shí)相、多光譜、多平臺(tái)的遙感衛(wèi)星影像能夠在全球范圍內(nèi)提供準(zhǔn)確、一致的數(shù)據(jù)，更綜合、準(zhǔn)確地反映下墊面地物光譜信息和熱信息等生態(tài)指標(biāo)狀況，可以克服傳統(tǒng)地面觀(guān)測(cè)站點(diǎn)資料數(shù)據(jù)極其有限的問(wèn)題，實(shí)現(xiàn)海量“面”數(shù)據(jù)的獲取。近幾十年來(lái)，遙感技術(shù)迅速發(fā)展，在生態(tài)質(zhì)量評(píng)價(jià)研究領(lǐng)域得到廣泛應(yīng)用，大大彌補(bǔ)了傳統(tǒng)半定量監(jiān)測(cè)評(píng)價(jià)方法的缺陷。早期研究?jī)H用單一因子來(lái)體現(xiàn)某個(gè)區(qū)域整體生態(tài)狀況，評(píng)價(jià)結(jié)果過(guò)于片面[5]。為此，我國(guó)發(fā)布并優(yōu)化了生態(tài)環(huán)境指數(shù)(EI)[6]。此外，許多學(xué)者也相繼開(kāi)展了用多指標(biāo)集成進(jìn)行生態(tài)狀況評(píng)價(jià)的研究[7-8]。但這些研究存在評(píng)價(jià)因子過(guò)于繁瑣，評(píng)價(jià)指標(biāo)難以獲取，指標(biāo)權(quán)重主觀(guān)性較強(qiáng)，評(píng)價(jià)結(jié)果不能體現(xiàn)區(qū)域生態(tài)狀況的空間差異等問(wèn)題。針對(duì)以上問(wèn)題，徐涵秋[9]提出了遙感生態(tài)指數(shù)(remote sensing based ecological index，RSEI)，選取綠度、干度、濕度和熱度4個(gè)指標(biāo)，采用不受人為干擾的主成分分析法耦合為一個(gè)評(píng)價(jià)綜合生態(tài)狀況的指數(shù)。賈有余等[10]選取凈初級(jí)生產(chǎn)力、地表溫度、地表裸露度和植被覆蓋度4個(gè)指標(biāo)，利用空間主成分分析方法構(gòu)建生態(tài)評(píng)價(jià)模型分析蘇州吳中區(qū)陸域生態(tài)保護(hù)紅線(xiàn)區(qū)生態(tài)環(huán)境質(zhì)量的時(shí)空變化特征。在超大城市區(qū)域，城市土地覆蓋和地表景觀(guān)格局、發(fā)達(dá)的交通網(wǎng)絡(luò)以及人為活動(dòng)產(chǎn)生的熱島效應(yīng)和空氣污染等多方面因素變化與城市生態(tài)系統(tǒng)間存在復(fù)雜的潛在非線(xiàn)性關(guān)系，這使得城市生態(tài)質(zhì)量客觀(guān)評(píng)估遇到嚴(yán)峻技術(shù)挑戰(zhàn)。而在前人生態(tài)指數(shù)和模型研究中，缺少針對(duì)空氣質(zhì)量、生態(tài)斑塊景觀(guān)格局和道路密度等大城市區(qū)域重要生態(tài)評(píng)價(jià)因子的分析，且這些城市生態(tài)指數(shù)和模型對(duì)超大城市的適用性也有待進(jìn)一步探究。

1978年以來(lái)，中國(guó)城市化水平由17.92%提高到2015年的56.10%[11]。其中，北京、上海和廣州人口數(shù)排名均已躍居世界前25位[12]。中國(guó)超大城市與國(guó)外倫敦、紐約和東京等超大城市在城市建設(shè)模式上呈現(xiàn)出不同特征。從城市空間擴(kuò)展形態(tài)[13]、交通發(fā)展模式[14]、人均公園綠地面積[15]和人均建設(shè)用地面積[16]等指標(biāo)來(lái)看，倫敦城市外圍分布大面積綠帶環(huán)，抑制了城市無(wú)序蔓延，表現(xiàn)出城鄉(xiāng)融合型的多元化發(fā)展模式，城鄉(xiāng)公共交通發(fā)達(dá)。紐約采用分散型發(fā)展模式，建設(shè)用地向外低密度蔓延，構(gòu)建了小汽車(chē)交通主導(dǎo)的道路網(wǎng)絡(luò)模式。東京依托交通線(xiàn)路向外呈帶狀擴(kuò)展，表現(xiàn)出高密度集約化發(fā)展模式，采用公共軌道交通相關(guān)的放射式指狀發(fā)展模式。在人均公園綠地和人均建設(shè)用地方面，2015年，倫敦人均公園綠地和人均建設(shè)用地面積分別為33和210 m2，大于紐約(15和95 m2)和東京(5和73 m2)。北京、上海和廣州城市建設(shè)由中心向外輻射式蔓延擴(kuò)張，城市規(guī)劃方面均采用“多中心、多組團(tuán)”布局模式，交通建設(shè)方面均采用公共交通與小汽車(chē)并重發(fā)展模式。2015年，北京、上海和廣州人均公園綠地面積分別為16、9和22 m2；人均建設(shè)用地面積分別為85、75和57 m2。近幾年超大城市均面臨眾多生態(tài)環(huán)境問(wèn)題。北京、上海和廣州等城市頻發(fā)局地大風(fēng)、高溫和暴雨等極端天氣事件，空氣污染加劇。而倫敦、紐約和東京等國(guó)外超大城市也面臨熱島效應(yīng)問(wèn)題。因此，選取國(guó)內(nèi)北京、上海和廣州以及國(guó)外倫敦、紐約和東京6個(gè)超大城市，建立超大城市生態(tài)評(píng)價(jià)模型，對(duì)比評(píng)價(jià)不同城市建設(shè)模式下城市生態(tài)質(zhì)量差異，以期為未來(lái)生態(tài)城市建設(shè)提供寶貴建議。

1 研究區(qū)概況

北京、上海和廣州為中國(guó)城市規(guī)模排名前3的超大城市；倫敦、紐約和東京為城市規(guī)模居世界前列的3個(gè)超大城市，分別分布在歐洲、北美洲和亞洲。6個(gè)超大城市的城市規(guī)模相當(dāng)，人口眾多，GDP高，但城市發(fā)展軌跡和城市空間格局顯現(xiàn)不同特征，具有對(duì)比性。由于中國(guó)、美國(guó)、英國(guó)和日本等國(guó)家行政區(qū)劃差異較大，以6個(gè)城市建成區(qū)外擴(kuò)5 km緩沖區(qū)范圍作為研究區(qū)(圖1)，以此劃定具有對(duì)比性的城市邊界[17]。

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源與預(yù)處理

遙感衛(wèi)星影像數(shù)據(jù)源的一致保證了研究數(shù)據(jù)的可靠性。主要研究數(shù)據(jù)為L(zhǎng)andsat 8衛(wèi)星影像，北京、上海、廣州、倫敦、紐約和東京的影像獲取日期分別為2015-08-22、2015-08-03、2015-10-18、2015-10-02、2015-08-26和2015-10-09。所選影像季節(jié)相近，基本無(wú)云層覆蓋。參照文獻(xiàn)[18-19]模型和參數(shù)以及Landsat 8網(wǎng)站提供的公式和參數(shù)對(duì)Landsat 8影像進(jìn)行輻射校正，將影像DN值轉(zhuǎn)換為傳感器處反射率。

2.2 城市生態(tài)評(píng)價(jià)遙感指數(shù)(URSEI)

遙感生態(tài)指數(shù)(RSEI)選取綠度、濕度、熱度和干度4個(gè)遙感指標(biāo)，采用主成分分析來(lái)自動(dòng)量化各個(gè)指標(biāo)對(duì)生態(tài)的貢獻(xiàn)度，避免了人為干擾[9]，已被廣泛應(yīng)用于數(shù)十個(gè)城市和地區(qū)[2,20]。所選4個(gè)指標(biāo)均與城市生態(tài)密切相關(guān)，濕度反映地表土壤和植被的濕度；綠度反映城市植被健康和覆蓋度狀況；干度反映地表裸露干化程度；熱度反映地表溫度空間格局。此外，空氣質(zhì)量指數(shù)反映城市空氣污染問(wèn)題；路網(wǎng)密度反映超大城市密集交通網(wǎng)絡(luò)對(duì)城市生態(tài)系統(tǒng)的影響；生態(tài)連接度反映快速城市化過(guò)程中城市生態(tài)用地空間格局的優(yōu)劣[21]。以上3個(gè)指標(biāo)均反映城市快速擴(kuò)張對(duì)城市生態(tài)系統(tǒng)的作用，同樣與超大城市生態(tài)狀況優(yōu)劣密切相關(guān)，因此對(duì)RSEI指數(shù)進(jìn)行改進(jìn)，選取空氣質(zhì)量指數(shù)(AQI)、路網(wǎng)密度(RD)、生態(tài)連接度(ECI)、熱度(Heat)、綠度(Greenness)、干度(Dryness)和濕度(Wetness)7個(gè)指標(biāo)，構(gòu)建基于遙感的城市生態(tài)評(píng)價(jià)模型(urban remote sensing ecological index，URSEI，IURSE)，其計(jì)算公式為

IURSE=f(IAQ,DR,IEC,W,INDV,INDBS,THEA)。

(1)

式(1)中，IAQ為空氣質(zhì)量指數(shù)；DR為路網(wǎng)密度；IEC為生態(tài)連接度；W為濕度；INDV為綠度；INDBS為干度；THEA為熱度。各指標(biāo)計(jì)算方法如下：

(1)空氣質(zhì)量指數(shù)：采用PM2.5值高低表征空氣質(zhì)量指數(shù)高低。研究[22-23]表明，PM2.5濃度與植被、建筑用地分布具有強(qiáng)相關(guān)關(guān)系。因此，通過(guò)建立植被指數(shù)NDVI和不透水面指數(shù)(normalized difference impervious surface index，NDISI)[24]與PM2.5濃度的多元回歸模型反演研究區(qū)30 m分辨率的PM2.5專(zhuān)題影像。具體方法為：首先，通過(guò)6個(gè)城市相關(guān)網(wǎng)站獲取對(duì)應(yīng)地面PM2.5監(jiān)測(cè)數(shù)據(jù)。然后，基于各城市Landsat 8影像，提取各站點(diǎn)NDVI和NDISI指數(shù)值。將地面站點(diǎn)實(shí)測(cè)的PM2.5濃度作為因變量，對(duì)應(yīng)的NDVI(x1)和NDISI(x2)指數(shù)作為自變量，構(gòu)建每個(gè)城市PM2.5多元線(xiàn)性回歸模型。最后，反演得到研究區(qū)30 m分辨率的PM2.5專(zhuān)題影像。

(2)路網(wǎng)密度：數(shù)據(jù)來(lái)源于開(kāi)放街道圖數(shù)據(jù)(open street map，OSM)，基于OSM數(shù)據(jù)提取城市高速公路、主干道、次干道和鐵路等道路矢量信息，并采用核密度(kernel density)計(jì)算城市路網(wǎng)密度空間分布。計(jì)算方法為：以300 m×300 m方形網(wǎng)格作為路網(wǎng)密度圖基本計(jì)算單元，網(wǎng)格內(nèi)道路總長(zhǎng)度與面積之比為路網(wǎng)密度，單位為km·km-2。將反演得到的路網(wǎng)密度專(zhuān)題圖重采樣為30 m分辨率。

(3)生態(tài)連接度：首先，采用隨機(jī)森林(random forests，RF)分類(lèi)算法[25]提取植被、水體、不透水面和其他用地(裸土)4種地表覆蓋類(lèi)型。RF算法生成決策樹(shù)數(shù)量和用于測(cè)試的特征數(shù)目參數(shù)分別設(shè)置為500和2。進(jìn)一步采用NDISI指數(shù)設(shè)定閾值的方法將不透水面劃分為高密度不透水面(0～50%)和低密度不透水面(>50%～100%)。將這5種地表景觀(guān)類(lèi)型分成生態(tài)用地(植被、水體)和障礙面(高密度不透水面、低密度不透水面和其他用地)2大類(lèi)。接著，基于最小耗費(fèi)距離模型，以障礙面為“源”，5種景觀(guān)類(lèi)型為阻力面計(jì)算障礙影響指數(shù)(barrier effect index, BEI,IBE)。然后，以生態(tài)用地為“源”，障礙影響指數(shù)BEI為阻力面，計(jì)算2種生態(tài)用地經(jīng)過(guò)3種障礙類(lèi)型實(shí)現(xiàn)連接所需要克服的阻力[26]，得到各城市生態(tài)連接度ECI評(píng)價(jià)結(jié)果。

BEI指數(shù)反映不透水面等阻礙類(lèi)型對(duì)植被和水體等生態(tài)用地斑塊之間實(shí)現(xiàn)結(jié)構(gòu)聯(lián)系的阻隔程度，某給定障礙物產(chǎn)生的障礙效應(yīng)隨最小耗費(fèi)距離的增加呈對(duì)數(shù)增加[27]，其計(jì)算公式為

Ysi=bs-k1sln [k2s(bs-dsi)+1]，

(2)

(3)

式(2)～(3)中，Ysi為第s種障礙物所產(chǎn)生的障礙效應(yīng)；bs為第s種障礙物類(lèi)型的權(quán)重系數(shù)，其值參照文獻(xiàn)[27]；k1s和k2s分別為不同障礙類(lèi)型指數(shù)遞減函數(shù)的校正系數(shù)；dsi為通過(guò)最小耗費(fèi)距離模型計(jì)算出的最小耗費(fèi)距離，m；n為障礙類(lèi)型的種類(lèi)數(shù)。得到研究區(qū)BEI指數(shù)后，基于最小耗費(fèi)距離模型計(jì)算生態(tài)連接度ECI，其計(jì)算公式為

(4)

(5)

式(4)～(5)中，di為第i個(gè)像元到各生態(tài)用地的總耗費(fèi)距離，m；dri為第i個(gè)像元到第r種生態(tài)用地的耗費(fèi)距離，m；dmax為研究區(qū)內(nèi)像元到各生態(tài)用地總耗費(fèi)距離的最大值，m；IEC,i為第i個(gè)像元的生態(tài)連接度。ECI值越高，表明該區(qū)域生態(tài)用地斑塊間連接程度越好，更有利于發(fā)揮生態(tài)效益。

(4)濕度：采用纓帽變換的濕度分量(W)來(lái)表示[28]，其計(jì)算公式為

W=0.151 1ρ2+0.197 3ρ3+0.328 3ρ4+

0.340 7ρ5-0.711 7ρ6-0.455 9ρ7。

(6)

式(6)中，ρ1、ρ2、ρ3、ρ4、ρ5、ρ6和ρ7分別為L(zhǎng)andsat OLI影像對(duì)應(yīng)波段的反射率。

(5)綠度：選用歸一化植被指數(shù)NDVI來(lái)表示，其計(jì)算公式為

INDV=(RNI-DRE)/(RNI+DRE)。

(7)

式(7)中，RNI和DRE分別為近紅外和紅光波段。

(6)干度：干度指標(biāo)(normalized difference built-up and soil index, NDBSI)采用裸土指數(shù)(SI,IS)與建筑指數(shù)(IBI,IIB)的均值來(lái)綜合代表[29]，其計(jì)算公式為

INDBS=(IS+IIB)/2，

(8)

IS=[(ρ5+ρ3)-(ρ4+ρ1)]/[(ρ5+ρ3)+

(ρ4+ρ1)]，

(9)

IIB=

(10)

式(8)～(10)中，ρ1、ρ2、ρ3、ρ4和ρ5分別為L(zhǎng)andsat OLI影像第2、3、4、5、6波段反射率。

(7)熱度：采用地表溫度(land surface temperature,LST，TLS)表示，地表溫度反演采用單通道算法[30]，其計(jì)算公式為

Tsensor=K2/ln (K1/Lsensor+1)，

(11)

TLS=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ。

(12)

式(11)～(12)中，Tsensor為傳感器處亮溫值，K；K1和K2分別為熱紅外波段定標(biāo)常數(shù)，W·m-2·sr-1·μm-1和K；Lsensor為熱紅外波段輻射值，W·m-2·sr-1·μm-1；γ和δ分別為基于Planck函數(shù)的2個(gè)參數(shù)；ε為地表比輻射率；ψ1、ψ2和ψ3為大氣水汽含量函數(shù)。

模型構(gòu)建：采用主成分分析方法(principal component analysis，PCA)構(gòu)建城市生態(tài)評(píng)價(jià)遙感指數(shù)[31]。第1主成分(PC1)最大程度地集成了各變量信息，可用來(lái)耦合以上7個(gè)指標(biāo)變量，構(gòu)建URSEI模型，其計(jì)算公式為

IURSE=PC1[f(IAQ,DR,IEC,W,INDV,INDBS,THEA)]。

(13)

為使大數(shù)值代表生態(tài)狀況好，先用1減去PC1來(lái)獲得初始生態(tài)指數(shù)IURSE，0，對(duì)IURSE，0結(jié)果進(jìn)行歸一化，使其值介于[0，1]之間。URSEI值越接近1，代表生態(tài)質(zhì)量越好。

3 結(jié)果與分析

3.1 URSEI與RSEI結(jié)果對(duì)比

對(duì)比6個(gè)城市URSEI和RSEI指數(shù)的生態(tài)狀況排名結(jié)果(圖2)，倫敦和廣州城市生態(tài)質(zhì)量排名一致，均分別位列第1和第2位。北京和紐約城市生態(tài)質(zhì)量在URSEI指數(shù)中排名分別位列3和4位，在RSEI指數(shù)中則排名相反，分別為4和3位。上海和東京城市生態(tài)質(zhì)量在URSEI指數(shù)中排名分別位列5和6位，在RSEI指數(shù)中則排名相反，分別為6和5位。進(jìn)一步對(duì)比URSEI和RSEI各指標(biāo)均值統(tǒng)計(jì)結(jié)果(表1～2)，可以看出，生態(tài)質(zhì)量指標(biāo)差異導(dǎo)致了評(píng)價(jià)結(jié)果不同。

表1 6個(gè)超大城市URSEI指數(shù)評(píng)價(jià)情況Table 1 7 ecological indicators and URSEI results of the 6 megacities

表2 6個(gè)超大城市RSEI指數(shù)評(píng)價(jià)情況Table 2 4 ecological indicators and RSEI results of the 6 megacities

相比RSEI指數(shù)，URSEI評(píng)價(jià)指標(biāo)增加了空氣質(zhì)量指數(shù)、路網(wǎng)密度和生態(tài)連接度3個(gè)指標(biāo)，而這3個(gè)指標(biāo)一定程度地影響超大城市生態(tài)質(zhì)量排名。北京起負(fù)向作用的路網(wǎng)密度低于紐約，且起正向作用的生態(tài)連接度高于紐約，雖然其起負(fù)向作用的空氣質(zhì)量指數(shù)高于紐約，但其荷載值較低，受這3個(gè)指標(biāo)綜合影響，北京URSEI評(píng)價(jià)排名較RSEI有所提升，紐約排名有所下降。上海起負(fù)向作用的路網(wǎng)密度低于東京，且起正向作用的生態(tài)連接度高于東京，雖然其起負(fù)向作用的空氣質(zhì)量指數(shù)高于東京，但其荷載值較低，受這3個(gè)指標(biāo)綜合影響，上海URSEI評(píng)價(jià)排名較RSEI有所提升，東京排名則下降。由此可見(jiàn)，URSEI指數(shù)的生態(tài)質(zhì)量評(píng)價(jià)指標(biāo)能更全面地反映城市生態(tài)狀況差異，因此以下選用URSEI指數(shù)對(duì)超大城市生態(tài)進(jìn)行評(píng)價(jià)。

3.2 URSEI指數(shù)7個(gè)指標(biāo)反演結(jié)果

圖3為6個(gè)城市URSEI指數(shù)7個(gè)指標(biāo)反演結(jié)果。表3為利用主成分分析方法計(jì)算得到的指標(biāo)權(quán)重和方差信息。由表3可知，7個(gè)指標(biāo)第1主成分累計(jì)方差貢獻(xiàn)率在70%～85%之間，PC1可以較大程度地集成各變量信息。統(tǒng)計(jì)對(duì)比其他特征分量結(jié)果，第2主成分PC2累積方差貢獻(xiàn)率僅為7%～11%，第3主成分PC3累積方差貢獻(xiàn)率僅為3%～7%，PC4～PC7累積方差貢獻(xiàn)率均小于5%，PC2～PC7累積方差貢獻(xiàn)率之和遠(yuǎn)小于第1主成分，因此，可用PC1來(lái)耦合城市生態(tài)評(píng)價(jià)模型的7個(gè)指標(biāo)變量。對(duì)比不同指標(biāo)的PC1荷載值符號(hào)可以看出，ECI、Wetness和Greenness荷載值均為正值，3者對(duì)生態(tài)質(zhì)量起正向作用，而AQI、RD、Dryness和Heat荷載值均為負(fù)值，它們對(duì)生態(tài)質(zhì)量起負(fù)向作用，這與城市生態(tài)情況相符。對(duì)PC1荷載較高的因子為ECI和Greenness，荷載值均大于0.45。

表3 研究區(qū)URSEI指數(shù)7個(gè)指標(biāo)主成分分析結(jié)果Table 3 PCI results of 7 indices of URSEI

從7個(gè)生態(tài)指標(biāo)空間分布(圖3)看出，6個(gè)城市不同指標(biāo)呈現(xiàn)出不同的空間分布狀況。由圖3可知，對(duì)比各城市AQI指標(biāo)〔圖3(a)〕，城市植被覆蓋率低的區(qū)域空氣污染情況明顯高于綠地集中分布的區(qū)域。對(duì)比RD指標(biāo)〔圖3(b)〕，紐約城市內(nèi)部道路網(wǎng)絡(luò)密度差異較小，均衡性最優(yōu)。相比國(guó)外的3個(gè)城市，北京、上海和廣州城郊路網(wǎng)密度表現(xiàn)出較強(qiáng)的差異性，即路網(wǎng)密度高值集聚性較強(qiáng)，低值區(qū)較多。對(duì)比ECI空間分布〔圖3(c)〕，6個(gè)城市連接度水平最高的區(qū)域主要位于城市周邊區(qū)域，均表現(xiàn)出明顯的孤島狀分布態(tài)勢(shì)；低連接區(qū)域主要位于城市中心不透水面密集的區(qū)域，表現(xiàn)出良好的結(jié)構(gòu)連接性。其中，倫敦具有高連接度的斑塊面積明顯大于其他城市，而紐約低連接區(qū)域分布最廣。對(duì)比Wetness指標(biāo)〔圖3(d)〕，城市綠地集中分布的區(qū)域濕度高于建筑和裸土密集分布區(qū)域，尤其以北京、廣州和紐約對(duì)比最明顯，上海和倫敦濕度指標(biāo)總體偏低。對(duì)比Greenness指標(biāo)〔圖3(e)〕，北京、廣州、倫敦、紐約和東京在城市周邊具有植被覆蓋率高的大型綠地，而在城市中心區(qū)域，倫敦和廣州植被覆蓋度比其他城市高，紐約和東京植被覆蓋率則明顯低于其他城市。對(duì)比Dryness指標(biāo)〔圖3(f)〕，不透水面密集分布的城市中心區(qū)域，干度指標(biāo)明顯高于自然覆蓋地表區(qū)域，尤其東京不透水面覆蓋率明顯高于其他城市，且空間分布上呈連片性。對(duì)比Heat指標(biāo)〔圖3(g)〕，城市建筑密集區(qū)域熱度明顯高于大片綠地和水體分布區(qū)域。6個(gè)城市中，具有較大比例的高溫區(qū)，但是廣州和倫敦高溫斑塊明顯破碎化，東京高溫斑塊連片性最強(qiáng)。

3.3 6個(gè)城市URSEI指數(shù)結(jié)果對(duì)比分析

通過(guò)URSEI模型反演得到6個(gè)超大城市URSEI反演影像(圖4)。URSEI均值數(shù)據(jù)結(jié)果(表1)表明，6個(gè)城市URSEI指數(shù)均值分布在0.445～0.542區(qū)間范圍內(nèi)，生態(tài)指數(shù)等級(jí)均為中等。其中，倫敦URSEI指數(shù)值最高，說(shuō)明其生態(tài)質(zhì)量最好，其次為廣州、北京、紐約和上海，東京URSEI值最低，即東京城市生態(tài)質(zhì)量最差。

對(duì)比生態(tài)質(zhì)量最好的倫敦和廣州與生態(tài)質(zhì)量最差的東京和上海的URSEI指數(shù)各指標(biāo)值發(fā)現(xiàn)，倫敦和廣州URSEI指標(biāo)中，對(duì)生態(tài)質(zhì)量起正向作用的生態(tài)連接度和綠度指標(biāo)值較高，對(duì)生態(tài)質(zhì)量起負(fù)向作用的空氣質(zhì)量指數(shù)、路網(wǎng)密度、干度和熱度指標(biāo)值較低，使得這2個(gè)城市生態(tài)質(zhì)量好于其他城市。雖然倫敦濕度指標(biāo)低于其他城市，但它對(duì)PC1的貢獻(xiàn)度不及其他6個(gè)指標(biāo)。東京URSEI指標(biāo)中，對(duì)生態(tài)質(zhì)量起正向作用的生態(tài)連接度和綠度指標(biāo)相對(duì)較低，對(duì)生態(tài)質(zhì)量起負(fù)向作用的路網(wǎng)密度、干度和熱度指標(biāo)值均高于其他城市，雖然其濕度指標(biāo)值較高，但濕度指標(biāo)對(duì)PC1的貢獻(xiàn)度較小，使得其URSEI指數(shù)值最低。上海URSEI指標(biāo)中，對(duì)生態(tài)質(zhì)量起正向作用的生態(tài)連接度和綠度指標(biāo)相對(duì)較低，對(duì)生態(tài)質(zhì)量起負(fù)向作用的空氣質(zhì)量指數(shù)、干度和熱度指標(biāo)較大，雖然其濕度指標(biāo)值較高，路網(wǎng)密度值較低，但這2個(gè)指標(biāo)對(duì)PC1的貢獻(xiàn)度較小，使得其URSEI值也較低。

為進(jìn)一步分析URSEI指數(shù)的代表性，將6個(gè)超大城市URSEI值以0.2為間隔劃分成5級(jí)，1～5級(jí)分別代表生態(tài)差、較差、中等、良和優(yōu)5個(gè)等級(jí)，統(tǒng)計(jì)各等級(jí)區(qū)域面積所占比例(圖5)?？傮w來(lái)看，各城市生態(tài)等級(jí)為中等、較差和差區(qū)域面積均占各城市總面積的60%以上，最高達(dá)82%；而生態(tài)等級(jí)為優(yōu)和良的區(qū)域面積僅占20%～35%。對(duì)比不同城市的結(jié)果可以看出，東京生態(tài)等級(jí)為中等、差和較差的區(qū)域面積所占比例最高，達(dá)到81.90%，其次為上海(78.66%)，紐約、北京和廣州次之，且都接近70%，最低為倫敦(63.79%)。倫敦生態(tài)等級(jí)為優(yōu)和良的區(qū)域面積占比最高，為36.21%，其后依次為廣州(31.71%)、北京(31.23%)、紐約(29.51%)和上海(21.34%)，東京最低，為18.10%。由此可以看出，東京生態(tài)等級(jí)為中等、差和較差區(qū)域面積占比最高，生態(tài)等級(jí)優(yōu)和良區(qū)域面積占比最低，因而其生態(tài)質(zhì)量評(píng)價(jià)結(jié)果最差。倫敦生態(tài)等級(jí)為優(yōu)和良的區(qū)域面積占比最高，生態(tài)等級(jí)為中等、差和較差的區(qū)域面積占比最少，因而其生態(tài)質(zhì)量評(píng)價(jià)結(jié)果最好。

從空間分布(圖6)上來(lái)看，URSEI等級(jí)為差和較差的區(qū)域主要分布在城市中心和副城市中心高不透水面覆蓋地區(qū)，這些地區(qū)人類(lèi)活動(dòng)頻繁，植被覆蓋度低，空氣質(zhì)量差，建筑、道路等人工地表的阻隔使得生態(tài)用地生態(tài)效益較低，熱島效應(yīng)嚴(yán)重，導(dǎo)致其生態(tài)質(zhì)量差；而生態(tài)等級(jí)為優(yōu)良級(jí)別的區(qū)域主要分布在城市大塊綠地和外圍山體、農(nóng)田等植被覆蓋區(qū)，這些地區(qū)人類(lèi)活動(dòng)較少，其綠度和濕度高，干度和熱度低，空氣質(zhì)量較城區(qū)好，完整連續(xù)的生態(tài)用地發(fā)揮的生態(tài)效益也更高，因而表現(xiàn)出較高的生態(tài)等級(jí)。

從圖6也可以直觀(guān)反映出，代表較差和差生態(tài)等級(jí)的區(qū)域與城市建成區(qū)范圍高度吻合，基本填滿(mǎn)了城市建成區(qū)區(qū)域，代表優(yōu)生態(tài)等級(jí)的區(qū)域則主要分布在建成區(qū)外側(cè)，建成區(qū)內(nèi)只有一些零星分布的公共綠地生態(tài)等級(jí)為優(yōu)。結(jié)合6個(gè)城市規(guī)劃政策實(shí)施情況來(lái)看，上海和東京城市總體規(guī)劃所提出的“多中心多組團(tuán)”布局模式未得到很好實(shí)施，組團(tuán)間無(wú)法形成良好的綠化分隔帶，使得城市不透水面向外蔓延擴(kuò)展的趨勢(shì)未得到有效遏制，加上城市中心區(qū)功能不斷聚集，總體生態(tài)質(zhì)量值較其他城市低。相比而言，倫敦走田園城市組團(tuán)發(fā)展模式，通過(guò)大片綠地來(lái)分割組團(tuán)，避免密集連片發(fā)展，城市綠地生態(tài)效益較好，生態(tài)質(zhì)量評(píng)價(jià)值最高，廣州的“多中心多組團(tuán)”模式在新城區(qū)有較好的生態(tài)分割空間，生態(tài)質(zhì)量評(píng)價(jià)值也相對(duì)較高。

4 結(jié)論

(1)空氣質(zhì)量指數(shù)、路網(wǎng)密度、生態(tài)連接度、熱度、綠度、干度和濕度是超大城市生態(tài)質(zhì)量的重要影響因子，以此建立的城市生態(tài)評(píng)價(jià)遙感指數(shù)URSEI可以綜合反映指標(biāo)信息，定量評(píng)價(jià)超大城市經(jīng)過(guò)不同城市建設(shè)模式后的生態(tài)狀況差異。ECI、Wetness和Greenness指標(biāo)對(duì)生態(tài)質(zhì)量起正向作用，而AQI、RD、Dryness和Heat指標(biāo)對(duì)生態(tài)質(zhì)量起負(fù)向作用。植被和生態(tài)用地空間格局優(yōu)劣是改善城市生態(tài)系統(tǒng)最重要的影響因子，但城市干度、熱度、空氣質(zhì)量和路網(wǎng)密度等指標(biāo)的綜合作用會(huì)導(dǎo)致城市生態(tài)惡化。

(2)URSEI指數(shù)采用遙感和GIS技術(shù)進(jìn)行反演，指標(biāo)集成和閾值設(shè)定采用非人為的方法，既能作為一個(gè)量化指標(biāo)來(lái)刻畫(huà)區(qū)域生態(tài)質(zhì)量，又可以將區(qū)域生態(tài)質(zhì)量可視化，從“點(diǎn)”和“面”上反映城市空間的生態(tài)差異性。URSEI指數(shù)評(píng)價(jià)結(jié)果顯示，北京、上海、廣州、倫敦、紐約和東京6個(gè)超大城市的URSEI均值分布在0.445～0.542之間，倫敦生態(tài)質(zhì)量最好(URSEI為0.542)，其后依次為廣州(0.533)、北京(0.517)、紐約(0.511)和上海(0.495)，東京生態(tài)質(zhì)量最差(0.445)。對(duì)比URSEI指數(shù)的7個(gè)指標(biāo)分量，倫敦和廣州URSEI分量中，對(duì)生態(tài)質(zhì)量起正向作用的生態(tài)連接度和綠度指標(biāo)值較高，對(duì)生態(tài)質(zhì)量起負(fù)向作用的空氣質(zhì)量指數(shù)、路網(wǎng)密度、干度和熱度指標(biāo)值較低，使得這2個(gè)城市生態(tài)質(zhì)量較其他城市好。

(3)生態(tài)質(zhì)量較差的區(qū)域主要分布在城市中心和副城市中心，生態(tài)質(zhì)量較好的區(qū)域主要分布在城市大型綠地覆蓋區(qū)。城市不透水面覆蓋率高，植被覆蓋少，人工地表阻隔使得生態(tài)用地的生態(tài)效益較低，熱島效應(yīng)嚴(yán)重，空氣質(zhì)量差，導(dǎo)致其生態(tài)質(zhì)量差；城市大塊綠地覆蓋區(qū)綠度和濕度高，干度和熱度低，空氣質(zhì)量較好，完整連續(xù)的生態(tài)用地發(fā)揮的生態(tài)效益也更高，因而生態(tài)質(zhì)量較好。城市生態(tài)質(zhì)量與城市合理規(guī)劃建設(shè)密切相關(guān)。在今后城市規(guī)模不斷擴(kuò)展過(guò)程中，更應(yīng)注重生態(tài)理念的實(shí)際貫徹和實(shí)施，使城市健康可持續(xù)發(fā)展。