我國4個典型城市近30年綠色空間時空演變規(guī)律*

金佳莉 王 成 賈寶全

(中國林業(yè)科學研究院林業(yè)研究所 國家林業(yè)和草原局林木培育重點實驗室 國家林業(yè)和草原局城市森林研究中心 北京 100091)

城市綠色空間是指在城市內(nèi)部及周邊任何有植被覆蓋的區(qū)域，包括森林、公園、社區(qū)林地、濕地、綠色屋頂、城市農(nóng)地和其他自然或半自然的綠色區(qū)域等(Atkinsonetal.， 2010),不僅可為鳥類、蝴蝶、蜜蜂等野生動物提供棲息地和食物，也可為人類提供緩解熱島效應(yīng)、凈化空氣和水質(zhì)以及減噪等服務(wù)，對居民身心健康極其重要(Kongetal.， 2010)。城市土地利用的快速轉(zhuǎn)變會顯著改變城市綠色空間的分布格局，深刻影響城市景觀的結(jié)構(gòu)和生態(tài)服務(wù)功能(Zhaoetal.， 2015)。1980—2012年，我國城鎮(zhèn)化水平從19.4%增至52.16%(Yang， 2013)，因此探究我國城鎮(zhèn)化進程中城市綠色空間的時空變化規(guī)律，對于保護和規(guī)劃城市綠色空間的結(jié)構(gòu)與功能、改善城市和人居環(huán)境具有重要意義。

1998年來，我國學者們對不同規(guī)模和等級的城市(上海、廣州、北京、深圳、南京、鄭州、銅川等)開展了城市綠色空間相關(guān)研究(袁藝等， 2003； 朱明等， 2006； 郁文等， 2007； 楊振山等， 2010； 譚君等， 2012； 張彪等， 2016； 陳康林等， 2016)，研究數(shù)量遠超美國、加拿大等國家(楊振山等， 2015)； 近年來，也有學者對城市群的綠色空間格局和城鄉(xiāng)梯度進行了對比(Setoetal.， 2005)。但以往研究城市的選擇具有隨機性，其影像數(shù)據(jù)、研究時間和空間尺度未統(tǒng)一，且研究時間序列非連續(xù)，無法準確解析我國城市綠色空間的演變規(guī)律。鑒于此，本研究以Lu等(2016)已預(yù)處理的Landsat TM/ETM+合成影像為數(shù)據(jù)源，根據(jù)影像質(zhì)量、城市經(jīng)濟發(fā)展水平、城市植被變化情況、地理位置及已有研究基礎(chǔ)(曾輝等， 2004； 肖建武等， 2013； 胡雪麗等， 2013)等條件，同時考慮各類數(shù)據(jù)的時間匹配性和數(shù)據(jù)可用性，選取北部沿海城市大連、內(nèi)陸城市長沙和南昌以及南部沿海城市深圳，綜合運用遙感和GIS技術(shù)、景觀生態(tài)學及統(tǒng)計學中的相關(guān)原理和方法，探究1985—2011年我國4個典型城市綠色空間格局演變特征及在城鄉(xiāng)梯度水平上的演變規(guī)律，為完善城市景觀生態(tài)學的相關(guān)理論和模型提供數(shù)據(jù)支持，為城市綠色空間管理提升和政策調(diào)整提供參考依據(jù)。

1 研究區(qū)概況

從城市綠色空間數(shù)量變化特點來看： 大連和深圳擁有沿海城市常見的典型線性城市化格局，在西部和北部植被覆蓋度從城市中心向外呈減少趨勢； 南昌和長沙的植被覆蓋度從城市中心至外圍60 km范圍內(nèi)呈減少趨勢(Luetal.， 2016； 2017)。從城市社會經(jīng)濟發(fā)展水平看，深圳是我國第一個經(jīng)濟特區(qū)(1980年設(shè)立)，大連是全國14個沿海開放城市(1984年設(shè)立)之一，過去30多年都經(jīng)歷了快速城鎮(zhèn)化進程； 長沙和南昌為內(nèi)陸省會城市，相比深圳和大連其城市化進程較緩。本研究所選范圍包括城市連續(xù)的建設(shè)用地和城郊地帶(Forman， 2014)，基本情況見表1。

表1 所選城市基本概況Tab.1 Summary of selected cities

2 研究方法

2.1 遙感數(shù)據(jù)搜集與預(yù)處理

搜集1985—2011年共27年的Landsat時間序列合成影像數(shù)據(jù)，其空間分辨率為30 m，4個城市共計108張影像。Landsat系列數(shù)據(jù)的合成與驗證已在Lu等(2016)研究中完成，能充分反映城市植被、城市發(fā)展動態(tài)和城市環(huán)境特征。本研究所用Landsat系列合成數(shù)據(jù)為基于像素級的合成影像，即通過多重標準對一系列圖像進行評分，利用圖像中得分高的像素進行圖像合成(李剛等， 2012； Whiteetal.， 2014)。預(yù)處理操作如下： 1) 從美國地質(zhì)調(diào)查所(USGS, http://espa.cr.usgs.gov)下載各城市1984—2012年(每年)5月1日—9月30日(植被生長主要在該時間段)且云量不超過70%的Landsat TM/ETM+系列L1級數(shù)據(jù)產(chǎn)品； 2) 利用影像處理工具Fmask對影像中的云、陰影和水等進行掩膜處理，排除干擾因素，采用Landsat生態(tài)系統(tǒng)干擾自適應(yīng)處理系統(tǒng)(LEDAPS)進行大氣校正(沈文娟等， 2014)； 3) 基于最佳匹配像素法(best-available-pixel approach)生成每年無間隙合成影像(Hermosillaetal.， 2015)，并運用永久性水體掩膜對合成影像進行處理以排除水體影響(Luetal.， 2017)。最后形成的Landsat合成影像包括藍色、綠色、紅色、近紅外、中紅外和熱紅外6個波段。

2.2 綠色空間分類

歸一化植被指數(shù)(NDVI)為近紅外與紅外波段之差除以二者之和，可用于判別植被密度和數(shù)量，評估植被生長健康狀況，其值介于-1～1之間，越接近1表明植被覆蓋度越高，-1則表明無植被覆蓋(Bannarietal.， 1995)。利用NDVI閾值，可定量分析城市中的綠量(Buyantuyevetal.， 2007； Gasconetal.， 2016)，將NDVI連續(xù)值轉(zhuǎn)化為分類值(Youetal.， 2013)。

選取1984—2012年谷歌高分辨率影像(http://www.google.ca/earth/)作為參照數(shù)據(jù)，判斷4個城市的NDVI閾值(表2)，參照年份因各城市可用高清影像質(zhì)量不同而有所變動。影像數(shù)據(jù)處理時，運用NDVI閾值將綠色空間分為4種類型： 1) 無植被覆蓋地表 包括不透水地表、裸露巖石、沙地和雪地； 2) 低密度植被 包括大多數(shù)人工綠色空間，如園林植物、短期農(nóng)地等； 3) 中密度植被 包括半自然綠色空間，如新造林地和城市社區(qū)林地； 4) 高密度植被 主要指自然綠色空間，如大斑塊森林、林地和公園等(Tayloretal.， 2017)。所有操作均在ENVI 5.2 軟件平臺上進行。

表2 四個城市的NDVI閾值及其參考年份Tab.2 NDVI thresholds and reference years for four selected cities

2.3 景觀格局分析

選取6個常用景觀指數(shù)研究城市綠色空間格局特征： 景觀斑塊面積比例(PLAND)和斑塊數(shù)量(NP)用于確定景觀基底的組分信息； 最大斑塊面積指數(shù)(LPI)用于衡量某一特定綠色空間在面積上的優(yōu)勢性； 面積加權(quán)平均斑塊形狀指數(shù)(AWMSI)用于反映綠色空間景觀斑塊大小對動物活動的重要作用； 平均斑塊面積(MPS)用于測量綠色空間破碎度； 邊緣密度(ED)用于反映不同類別綠色空間的相互作用。所有指數(shù)均在FRAGSTATS 4.2平臺上計算完成。

2.4 距離指數(shù)與城鄉(xiāng)梯度分析

將城市中央商務(wù)區(qū)(CBD)定義為“城市中心”(Luetal.， 2016)，并用綠色空間斑塊與城市中心的歐式距離表示城鄉(xiāng)梯度(Reisetal.， 2015)。為保證城市之間的統(tǒng)一性和可比性，引入歸一化距離指數(shù)(normalized distance index, NDI)，計算每一斑塊距離城市中心的相對距離：

(1)

然后在RStudio 3.3.1平臺上調(diào)用ggplot2軟件包，插入“Loess”統(tǒng)計曲線模型(Alimadadetal.， 2011)形成城鄉(xiāng)梯度軌跡曲線。

2.5 主要影響因素數(shù)據(jù)搜集

參照以往研究(Yangetal.， 2014)，選擇人均國民生產(chǎn)總值、城市居民收入、城市人口比例和市區(qū)面積比例4個指標衡量城市發(fā)展情況，相關(guān)數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》(1984—2012)和研究城市的統(tǒng)計年鑒資料?？紤]溫度、降水會影響植被生長(Olthofetal.， 2016)，選取年均氣溫和年均降水量2個因素，數(shù)據(jù)來自ClimateAP(http://climateap.net/)。

2.6 數(shù)據(jù)統(tǒng)計分析

2.6.1 時間趨勢檢測 運用非參數(shù)Mann-Kendall(M-K)趨勢檢測分析綠色空間格局的時間變化趨勢(Mann， 1945)。為避免數(shù)據(jù)的自相關(guān)，采用改良后的M-K算法(Hamedetal.， 1998)，同時計算Theil-Sen slope分析各景觀指數(shù)1985—2011年的總體單調(diào)變化趨勢(Theiletal.， 1992)。M-K 趨勢監(jiān)測在RStudio 3.3.1平臺的fume軟件包中完成。

2.6.2 動態(tài)時間彎曲 動態(tài)時間彎曲(DTW)常用于比較序列趨勢間的相似或差異性(Giorgino， 2009)。本研究將4個城市兩兩對比，引入DTW模型計算各景觀指數(shù)在連續(xù)時間序列變化上的彎曲距離，比較綠色空間格局時間變化軌跡在不同城市間的差異性。DTW的運算原理： 1)如式(2)所示，假設(shè)已知2個時間序列X=(x1,…,xi)和Y=(y1,…,yj)，序列X和Y的時間長度分別為N(即i=1,…，N)和M(即j=1,…，M)，定義非負函數(shù)f為xi和yj這2點之間的局部距離，則d(i,j)為序列X和Y的距離矩陣，即X和Y中某2個時間點的距離； 2) 如式(3)所示，定義矩陣φ(k)為彎曲路徑，表示序列X中的第φx(k)個元素與序列Y中的第φy(k)個元素相映射，T為彎曲路徑長度； 3) 如式(4)所示，計算2個序列的平均累積距離dφ(X,Y)，mφ為每一點權(quán)重系數(shù)，Mφ為對應(yīng)的歸一化常數(shù)； 4) 從所有平均累計距離中找到最小數(shù)值即最優(yōu)彎曲路徑，D越大，表明X和Y序列差異越大。

d(i,j)=f(xi,yj)≥0；

(2)

φ(k)=[φx(k),φy(k)]，

(3)

(4)

2.6.3 最大信息非參數(shù)勘探法 最大信息非參數(shù)勘探法(maximum information-based non-parametric exploration method，MINE)用于檢測大數(shù)據(jù)中2個因子之間的相關(guān)關(guān)系(Reshefetal.， 2011)。檢測結(jié)果中，最大信息參數(shù)(maximum information coefficient，MIC)介于0～1之間，越接近1表明相關(guān)性越強； MIC和Pearson相關(guān)系數(shù)(ρ)平方的差值用于判斷2個因子之間的線性關(guān)系，越接近0線性相關(guān)越強； 最大不對稱分數(shù)(maximum asymmetry score，MAC)用于檢測2個因子的單調(diào)性，越接近0單調(diào)性越強(Zhangetal.， 2016)。運用MINE對景觀指數(shù)和影響因素指標進行兩兩分析，檢測結(jié)果的顯著性水平根據(jù)MIC大小從Reshef等(2011)研究所得的P值表中查詢(http://www.exploredata.net/Downloads/P-Value-Tables)。MINE檢測在RStudio 3.3.1平臺的MINE.r軟件包中完成。

本研究統(tǒng)計分析顯著性等級統(tǒng)一為：P<0.001(****)；P<0.01(***)；P<0.05(**)；P<0.1(*)。

3 結(jié)果與分析

3.1 綠色空間景觀指數(shù)變化

圖1 1985—2011年城市綠色空間景觀指數(shù)變化Fig.1 Changes of urban greenspace landscape indices from1985 to 2011

由圖1可知，除南昌外，長沙、大連和深圳高密度植被景觀斑塊面積比例(PLAND)分別增加0.07%、0.41%和0.31%(平均0.26%)，無植被覆蓋地表PLAND分別增加0.11%、0.18%和0.63%(平均0.31%)，中密度植被PLAND分別減少0.40%、0.46%和0.35%(平均0.40%)。表明1985—2011年，長沙、大連和深圳高密度植被和無植被覆蓋地表面積比例均呈增加趨勢，而中密度植被面積比例則呈減少趨勢，且減少趨勢總體強于高密度植被增加趨勢，其中，深圳無植被覆蓋地表面積增加幅度最大，可能是因為1980年后城鎮(zhèn)化進程不斷加快，建筑、道路等無植被覆蓋地表面積也相應(yīng)增加。低密度植被面積比例在長沙和南昌均呈增加趨勢，分別增加0.12%和0.23%，而在大連和深圳則呈減少趨勢，分別減少0.22%和0.63%。與中密度植被斑塊相反，高密度植被和無植被覆蓋地表斑塊的LPI在4個城市中均呈上升趨勢，表明其斑塊面積優(yōu)勢性均增加； 與長沙相反，大連、南昌和深圳低密度植被斑塊的LPI呈下降趨勢，表明其斑塊面積優(yōu)勢性降低(圖1)?？傮w來看，高密度植被斑塊數(shù)量及其面積優(yōu)勢性增加對城市生態(tài)環(huán)境具有積極影響(Konijnendijketal.， 2013)，但中密度植被斑塊數(shù)量及其面積優(yōu)勢性降低以及無植被覆蓋地表面積比例及面積優(yōu)勢性增加會給城市生態(tài)系統(tǒng)穩(wěn)定性帶來威脅。

與南昌不同，長沙、大連和深圳高密度植被和無植被覆蓋地表平均斑塊面積(MPS)均呈增加趨勢，分別增加0.11、0.15、0.06 hm2(平均0.11 hm2)和0.02、0.05、0.39 hm2(平均0.15 hm2)，表明長沙、大連和深圳高密度植被和無植被覆蓋地表斑塊的空間分布更集中； 中密度植被MPS在南昌和深圳分別增加0.15和0.04 hm2，說明其斑塊空間分布更集中，破碎度降低，而長沙和大連則不同； 低密度植被MPS在深圳和大連分別減少0.04和0.06，表明其斑塊空間分布更分散，破碎度變大，而長沙和南昌則相反(圖1)?？傮w來看，綠色空間斑塊的破碎度在2個內(nèi)陸城市變低，而在沿海城市則變高，這種變化可能與城市地形有關(guān)，與其經(jīng)濟發(fā)展水平也有一定關(guān)系。

圖2 1985—2011年綠色空間景觀指數(shù)變化軌跡城市間差異Fig.2 Dissimilarity of the trajectories of urban greenspace landscape indicesfrom 1985 to 2011CS： 長沙Changsha； DL： 大連 Dalian； SZ： 深圳Shenzhen； NC： 南昌 Nanchang

邊緣密度(ED)受景觀斑塊面積比例(PLAND)影響，PLAND增加ED也會相應(yīng)增加，反之亦然。在PLAND增加的前提下，長沙高密度植被、低密度植被以及南昌中密度植被ED分別減少1.18、0.45和0.10 m·hm-2，表明幾類綠色空間斑塊之間的連通性變高。長沙的綠色空間布局較其他城市更集中一些，可能與長沙2004年以來創(chuàng)建“國家森林城市”“國家園林城市”等行動中實施的一系列綠化建設(shè)工程有關(guān)。與長沙和大連不同，南昌和深圳高密度植被AWMSI分別增加0.10和0.28，表明其斑塊邊界形狀變得更復雜； 與長沙、大連和深圳不同，南昌中密度植被斑塊AWMSI無明顯變化，僅增加0.02； 與大連和深圳，長沙低密度植被斑塊AWMSI增加1.02，表明其邊界形狀變化幅度大，且趨于復雜，而南昌則基本保持不變。

3.2 綠色空間景觀指數(shù)變化軌跡城市間差異

1985—2011年，長沙與大連、南昌、深圳高密度植被和中密度植被PLAND、ED、AWMSI的變化軌跡差異性較明顯，均大于10； 長沙、南昌與深圳、大連無植被覆蓋地表在面積比例、斑塊面積優(yōu)勢性、斑塊之間連通性以及斑塊邊緣形狀上差異較大，其差異值在4和12之間； 而MPS的時間變化軌跡在城市之間的差異值均小于3，表明4個城市綠色空間斑塊破碎度的過去27年的時間變化軌跡存在一定共性(圖2)。

3.3 城鄉(xiāng)梯度變化軌跡

從高密度植被面積比例的城鄉(xiāng)變化軌跡看，大連和深圳2個沿海城市無明顯變化軌跡； 而長沙和南昌2個內(nèi)陸城市存在明顯差異，其中長沙1992—1997年與南昌1992年以前及2000年以后具有相似變化軌跡，從城市中心到外圍呈“∩”型軌跡，先上升至峰值(NDI在0.5～0.75之間)而后下降，其他年份呈單調(diào)上升軌跡(圖3)。

圖3 城市綠色空間面積比例城鄉(xiāng)梯度變化軌跡Fig.3 Urban-to-rural trajectory of the area percentage of urban greenspace黑色實心點表示相應(yīng)歸一化距離指數(shù)某一綠色空間面積比例數(shù)值，通過loess擬合得到軌跡曲線Black solid dot refers to the value of area percentage of one urban greenspace, which is used to create the trajectory with fitted loess.

從中密度植被面積比例的城鄉(xiāng)梯度變化軌跡看，長沙1998年以后與南昌1989—2002年的變化軌跡相似，均呈先上升后下降的“∩”型軌跡，其他年份從市中心到外圍呈波動上升軌跡； 大連則相對復雜，具有3種變化軌跡，2002年以前的少數(shù)年份，從城市中心到外圍呈緩慢下降軌跡， 2001、2006和2009年呈先增后減的“∩”型軌跡，其轉(zhuǎn)折點在NDI=0.37處，其他年份趨于水平線； 深圳NDI在0～0.5范圍內(nèi)無變化軌跡，而后出現(xiàn)轉(zhuǎn)折，呈先上升后下降的“∩”型軌跡(圖3)。

從低密度植被面積比例的城鄉(xiāng)梯度變化軌跡看，城市可分為3種類型： 1) 長沙和深圳在1985—2011年從城市中心到外圍均單調(diào)遞減； 2) 大連在1995年以前主要呈“∪”型軌跡，其他年份呈波動遞減軌跡； 3) 南昌從城市中心到外圍呈先減后增的“∪”型軌跡(圖3)。此外，無植被覆蓋地表面積比例的城鄉(xiāng)梯度變化可歸為2類： 一是長沙和南昌2個內(nèi)陸城市，從城市中心到外圍呈下降軌跡； 二是大連和深圳2個沿海城市，從城市中心到外圍呈上升軌跡(圖3)。

圖4 1985—2011年城市綠色空間面積比例單調(diào)變化的城鄉(xiāng)梯度軌跡Fig.4 Urban-to-rural trajectory of monotonous changes in percentage of urban greenspace from 1985 to 2011

從圖4可看出， 1985—2011年，綠色空間從城市中心到外國均存在顯著且集中的單調(diào)增加或減少趨勢(圖4中黑色柱狀體)。除大連外，其他城市高密度植被面積比例在城鄉(xiāng)梯度上均以單調(diào)增加趨勢為主，并呈2種梯度軌跡： 1) 長沙、大連和深圳單調(diào)變化幅度從城市中心到外圍呈上升軌跡(深圳比較平緩)； 2) 南昌單調(diào)變化幅度從城市中心到外圍呈下降軌跡。大連中密度植被面積比例在城鄉(xiāng)梯度上以單調(diào)增加為主(占83%)，其他城市則以單調(diào)下降為主，并呈4種梯度軌跡： 1) 長沙呈“∩”型軌跡，在城市中心和外圍呈單調(diào)減少趨勢； 2) 大連呈“—”型平穩(wěn)軌跡，且大多為單調(diào)增加； 3) 南昌呈“∪”型軌跡，在城市中心明顯減少，而外圍則明顯增加； 4) NDI=0～0.65范圍內(nèi)，深圳呈“—”型平穩(wěn)軌跡，而后呈單調(diào)下降軌跡，且在外圍呈顯著單調(diào)減少趨勢。

與南昌不同，長沙和大連低密度植被面積比例在城鄉(xiāng)梯度水平上均以單調(diào)減少趨勢為主，并呈3種梯度軌跡： 1) 長沙和大連呈下降趨勢，但大連在NDI=0.56～1范圍內(nèi)下降幅度較長沙更明顯； 2) NDI=0～0.56范圍內(nèi)，南昌呈“—”型平穩(wěn)軌跡，而后呈“∩”型軌跡； 3) 深圳無明顯變化軌跡。與南昌和深圳相反，長沙和大連無植被覆蓋地表面積比例在城鄉(xiāng)梯度上以單調(diào)增加趨勢為主，除深圳有明顯上升軌跡外，其他城市無明顯變化軌跡。

3.4 綠色空間格局變化的主要影響因素

與大連相比，長沙、南昌和深圳城市綠色空間格局變化與社會發(fā)展因素(包括人均國民生產(chǎn)總值、城市居民人均年收入、城市人口比例和城市市區(qū)面積比例)、年均氣溫和年均降水量具有更強的非線性相關(guān)性(圖5)，且與年均氣溫和年均降水量相比，城鎮(zhèn)居民均年收入和人均國民生產(chǎn)總值等社會發(fā)展因素與綠色空間格局變化的MIC更大，相關(guān)性更強； 而年均氣溫和年均降水量對綠色空間格局的影響在深圳較其他城市更大一些，可能與深圳沿海地理位置有關(guān)。具體來說，城市居民人均年收入、人均國民生產(chǎn)總值與城市綠色空間面積優(yōu)勢性、斑塊空間分布破碎度、連通性以及邊界形狀復雜程度的關(guān)系最強，MIC均達0.30以上。從4個城市不同綠色空間來看，長沙高密度植被斑塊數(shù)量和最大斑塊面積指數(shù)、中密度植被以及低密度植被邊緣密度與城市居民人均年收入、人均國民生產(chǎn)總值和城市人口比例呈顯著非線性相關(guān)(MIC均大于0.5，MIC-ρ2均大于0.4)； 除景觀斑塊面積比例外，南昌高密度和低密度植被其他景觀指數(shù)與城市居民人均年收入、呈較強非線性相關(guān)(MIC和MIC-ρ2均大于0.4)； 深圳中密度植被和無植被覆蓋地表斑塊數(shù)量與城市人口比例和城市市區(qū)面積比例呈較強非線性相關(guān)(MIC和MIC-ρ2均大于0.4)，高密度植被和低密度植被最大斑塊面積指數(shù)、平均斑塊面積和邊緣密度與城市居民人均年收入和人均國民生產(chǎn)總值呈較強非線性相關(guān)(MIC和MIC-ρ2均大于0.5)。

圖5 不同類型綠色空間景觀指數(shù)與主要影響因素的相關(guān)性、非線性及非單調(diào)性指數(shù)Fig.5 MIC, MIC-ρ2 and MAS for landscape indices of different classes greenspace and main impact factors

4 討論

4.1 我國城市綠色空間城鄉(xiāng)梯度軌跡的特殊性

從城市景觀生態(tài)學角度出發(fā)，F(xiàn)orman(2014)總結(jié)了城市建設(shè)用地和綠色空間總體特征，城市中心及其輻射范圍內(nèi)以高密度建設(shè)用地為主，有極少量綠色植被覆蓋； 從城區(qū)到郊區(qū)，人造綠色空間數(shù)量不斷減少，自然綠色空間逐漸增加。本研究發(fā)現(xiàn)，以人造綠色空間為主的低密度植被面積比例從城市中心到外圍呈逐漸遞減軌跡曲線； 而以自然綠色空間(如森林)為主的高密度植被面積比例城鄉(xiāng)軌跡在不同城市存在差異，如長沙高密度植被主要集中在城市邊緣，南昌在城鄉(xiāng)交界處，而大連和深圳則在整個城鄉(xiāng)梯度上均勻分布。Zhao等(2016)研究表明，2000—2012年我國城市植被增量隨著城鎮(zhèn)化強度的增加而減少。而本研究發(fā)現(xiàn)，綠色空間面積比例在時間序列上的城鄉(xiāng)梯度軌跡并不是單一的，根據(jù)城市和綠色空間類型不同可分為3種主要軌跡，即從城市中心到外圍分別呈上升、平穩(wěn)和下降軌跡。這表明，我國城市綠色空間城鄉(xiāng)梯度軌跡具有一定特殊性，基于西方城市景觀生態(tài)研究得到的相關(guān)理論和模型不能直接用于我國，需要根據(jù)我國城市綠色空間變化的基本特征進行適當調(diào)整和完善。

造成城鄉(xiāng)梯度軌跡特殊性的原因之一可能是本研究包含了城市行政區(qū)域內(nèi)的農(nóng)地。為了保證時間匹配性和數(shù)據(jù)可用性，本研究選擇Landsat影像數(shù)據(jù)，受其分辨率影響，再加上缺少歷年土地利用數(shù)據(jù)，無法對每個城市27年歷年影像進行詳細分類解譯，未能將農(nóng)地中NDVI較高的植物與森林等高密度植被區(qū)分出來。此外，與歐美等發(fā)達國家不同，我國是農(nóng)業(yè)大國，城市內(nèi)農(nóng)地占據(jù)綠色空間比例較大，特別是在城郊區(qū)及城鄉(xiāng)交錯帶，隨著城市擴張，大面積農(nóng)地變成荒地或轉(zhuǎn)化為城市建設(shè)用地，因此農(nóng)地在城郊處也有大幅度增加或減少的時間變化趨勢，這可能對綠色空間城鄉(xiāng)軌跡造成影響。

4.2 基于景觀指數(shù)變化差異的城市綠色空間優(yōu)化策略

本研究發(fā)現(xiàn)，不同類型綠色空間景觀指數(shù)的變化趨勢和軌跡在不同城市存在差異，且差異與城市經(jīng)濟發(fā)展水平、居民生活水平和城市擴張均有一定關(guān)聯(lián)，也受城市地理區(qū)位影響(Yangetal.， 2014)。因此，在規(guī)劃和實施區(qū)域性綠色空間戰(zhàn)略時，需充分考慮不同城市之間綠色空間格局變化的差異性(Madsen， 2002)，根據(jù)相應(yīng)城市的變化特征規(guī)律進行調(diào)整，“因城制宜”進行生態(tài)環(huán)境建設(shè)。如與其他城市相比，南昌高密度植被面積比例明顯減少，其斑塊空間分布更破碎化，而長沙、大連和深圳中密度植被面積比例明顯下降，表明南昌綠色空間建設(shè)重點應(yīng)在增加高密度植被數(shù)量及加強其連通性上，而其他3個城市綠色空間建設(shè)重點應(yīng)在中密度植被上。由此可知，綠色空間景觀指數(shù)的變化差異對調(diào)整、優(yōu)化或制定城市綠色空間網(wǎng)絡(luò)系統(tǒng)具有重要影響，可作為相關(guān)政策和規(guī)劃制定的參考依據(jù)(Jim， 2013)。然而，由于本研究未將農(nóng)地單獨從城市綠色空間中提取出來，決策者在制定綠色空間相關(guān)政策時還需考慮各自城市的土地利用現(xiàn)狀。

本研究根據(jù)文獻資料對城市綠色空間格局變化的主要影響因素進行了探索性分析，但因素選擇還不全面，且主要探究的是兩因素相關(guān)關(guān)系，因此在后期的研究中還應(yīng)考慮地形地貌(袁藝等， 2003)、城市規(guī)劃、土地政策(Setoetal.， 2005)和城市綠化策略的影響，同時利用統(tǒng)計回歸模型探究不同影響因子對綠色空間格局變化的協(xié)同作用。

5 結(jié)論

1) 從綠色空間格局變化趨勢看，長沙、大連和深圳高密度植被面積比例增加，斑塊空間分布更集中，而中密度植被則相反； 與沿海城市相反，內(nèi)陸城市低密度植被面積比例增加，且斑塊空間分布趨于集中。

2) 從綠色空間城鄉(xiāng)梯度變化特征看，其軌跡在不同城市無明顯共性，在不同城市發(fā)展階段和不同綠色空間類型間均有明顯差異，主要呈3種規(guī)律： 一是拋物線“∩/∪”型，二是平穩(wěn)“—”型，三是單調(diào)遞增或遞減。此外，過去近30年綠色空間在城市中心或城郊區(qū)均有極其顯著的單調(diào)增加或減少趨勢。

3) 從綠色空間時空變化影響因素看，綠色空間格局變化與城市居民人均年收入、人均國民生產(chǎn)總值和城市人口比例等社會發(fā)展因素相關(guān)性較強，且具有非線性和非單調(diào)性。