基于多源数据评估空间破碎化——以中国西安城乡结合部(Urban Fringe)为例分析

《ISPRS International Journal of Geo-Information》：Assessing Spatial Fragmentation: An Analysis Utilizing Multi-Source Data in Xi’an, China

　　

城市边缘带（urban fringe，城市与乡村之间的关键过渡地带）表现出最剧烈的土地利用冲突和最活跃的空间重构过程。其景观破碎化（spatial fragmentation）不仅降低空间土地利用效率，且威胁生态系统稳定性，对城市可持续发展构成挑战。本研究旨在考察西安城市边缘带空间破碎化的特征与未来趋势。研究人员利用多源数据集——包括夜间灯光影像（nighttime light imagery）、土地利用数据（land use data）及建筑矢量数据（building vector data）——基于灯光梯度阈值法（light gradient threshold method）划定城市边缘带边界。通过结合景观指标（landscape metrics）与空间叠加分析（spatial overlay analysis），评估2000—2020年土地利用变化与空间破碎化模式，并模拟预测2030年、2040年及2050年土地利用状况。结果表明，2000—2020年间耕地因建设用地扩张而日益破碎化，林地则在生态修复政策下持续增加，不透水面（impervious surfaces）呈现填充聚合（infill aggregation）特征。夜间灯光强度快速升高与破碎化程度加剧呈显著正相关（R2= 0.65, p < 0.01），证实城市扩张是破碎化的主导驱动因子。预测显示耕地占比将降至0.51，接近"临界预警阈值（critical warning threshold）"。

论文解读：西安城市边缘带空间破碎化的多源数据评估与分析

本文发表于《ISPRS International Journal of Geo-Information》。城市快速扩张引发的空间破碎化已成为影响区域可持续发展的关键议题，城市边缘带（urban fringe，城市建成区与乡村腹地间的过渡区）作为城乡用地交错、变化最活跃的区域，其破碎化削弱土地利用效率并威胁生态系统稳定。既有研究存在四方面不足：方法上多依赖单一数据源或技术，缺乏整合；驱动力分析偏重地形道路等物理因子，忽视政策与经济等社会经济驱动；生态后果评估缺物种水平响应数据与长时序预测，难以支撑前瞻管理；区域案例多聚焦城市核心或纯乡村，对破碎化最剧烈的城乡过渡带关注不足。西安作为西北唯一国家中心城市和"一带一路"节点城市，近二十年快速城镇化使其边缘带耕地被建设用地大量蚕食，亟需针对性研究。为此，研究人员以西安为实证案例，集成多源遥感与空间分析技术划定边缘带边界，量化2000—2020年景观破碎化时空演变并耦合夜间灯光探测驱动机制，进而模拟2030—2050年土地利用变化，提出耕地保护临界预警阈值，为快速城市化地区空间规划与生态保护提供科学依据。

主要关键技术方法：

研究人员选取西安市为研究区，采用融合DMSP-OLS与SNPP-VIIRS的1992—2024年时序类DMSP夜间灯光数据（Harvard Dataverse）、全球30 m分辨率GLC_FCS30D土地利用数据、OpenStreetMap路网及GEBCO DEM Slope数据，统一至Krasovsky_1940_Albers投影并以30 m重采样配准。①以灯光梯度阈值法（light gradient threshold method）计算像元光梯度并依DN值划分核心区—边缘带—乡村腹地，经多阈值比对确定DN=36为最优边缘带界线；②运用Fragstats 4.2计算五类景观格局指数——斑块密度（Patch Density, PD）、最大斑块指数（Largest Patch Index, LPI）、景观形状指数（Landscape Shape Index, LSI）、斑块凝聚度（Patch Cohesion Index, COHESION）及分裂指数（Splitting Index, SPLIT），并构建静态与动态土地破碎化指数（Land Fragmentation Index, LFI / ΔLFI＝LFI₂₀₂₀－LFI₂₀₀₀），由归一化边缘密度（Edge Density, ED）、PD及平均斑块面积（Mean Patch Area, MPA）等权加权计算；③以人工神经网络—自适应惯性竞争元胞自动机—马尔可夫链（Artificial Neural Network-CA-Markov, ANN-CA-Markov）耦合模型（GeoSOS-FLUS），纳入DEM、坡度、距路网距离等驱动因子模拟未来土地利用，Kappa=0.823验证精度；④采用普通最小二乘法（Ordinary Least Squares, OLS）与地理加权回归（Geographically Weighted Regression, GWR）分析夜间灯光增量与ΔLFI的空间耦合关系。

研究结果

3.1. Delineation of the Urban Fringe Boundary in Xi'an（西安城市边缘带边界划定）

研究人员依夜间灯光强度"稳定—波动—稳定"衰减特征划分核心区、边缘带与乡村腹地三带。2020年核心区建设用地占71.69%、耕地22.05%；边缘带建设用地27.26%、耕地68.65%；乡村腹地建设用地仅1.05%（林地为主致耕地占比仅9.30%）。以此锁定后续分析聚焦于核心区与划定的城市边缘带。

3.2. Analysis of Urban Land Landscape Pattern Index Values（城市土地景观格局指数分析）

Fragstats计算显示2000—2020年边缘带内各类用地破碎化异质：耕地面积锐减、PD上升0.2241、LPI下降17.4479，呈高速破碎与集中收缩；林地缓慢扩张且COHESION略升，呈低破碎连片强化；灌丛、草地、水体面积变动不大但COHESION分别降13.2192、23.4130、41.2865，出现"潜在破碎化（latent fragmentation）"——面积稳定而连通性显著下降；不透水面PD微降(?0.0069)、LPI升8.8432，呈填充式聚合。土地利用转移矩阵表明耕地主要转为不透水面，林地净增主要来自耕地与草地转入。

3.3. Differences in Static and Dynamic Land Fragmentation Index Values（静/动态土地破碎化指数差异）

静态LFI（LFI₂₀₀₀、LFI₂₀₂₀）显示耕地与不透水面LFI>0.3（高破碎），林地、水体、荒地、灌丛LFI<0.1（低破碎）。动态ΔLFI揭示50.1%区域ΔLFI<0（破碎缓解，主要为林地与草地），不透水面ΔLFI>0（破碎加剧），灌丛/水体/荒地ΔLFI≈0。GWR分析夜间灯光增幅与ΔLFI>0区域空间耦合显著（R²=0.65, p<0.01；Moran's I=0.985提示OLS残差存空间自相关故改用GWR），确认城市扩张主导破碎化。

3.4. Land Use Prediction Analysis（土地利用预测分析）

ANN-CA-Markov模拟2030、2040、2050年土地利用（Kappa=0.823, FoM=0.750）。以2010年为基线（耕地占比0.71，LFI=0.4683）：2010—2030年耕地占比降至0.56，LFI升至0.4851；约2040年耕地占比约0.51（较基线降≥20%，触《耕地安全预警技术规程》TD/T 1080–2023红警）、LFI达峰值0.4839，为临界预警节点；此后LFI微降但仍高位。西咸新区开发是不透水面扩张主因，导致边缘带耕地持续转建设用地。

讨论与结论翻译

讨论指出西安边缘带破碎化由城市扩张与生态政策（如退耕还林、秦岭保护）双向驱动，耕地"高速破碎—集中收缩"、林地"慢扩连片"、不透水面"填注聚合"，灌丛草地水体存潜在破碎化风险；夜间灯光—ΔLFI耦合验证城市扩张为核心驱动力；模拟提出的耕地占比0.51临界预警阈填补了定量预警空白。局限含LFI等权构造简化景观异质性响应、景观指标未直接量化生物多样性等服务损失、数据时序分辨率与分类误差影响及驱动因子空间异质性未细分，未来拟耦合生态系统服务模型与空间回归并开展跨国比较。

结论：研究人员集成夜间灯光影像、土地利用及建筑矢量等多源数据研究西安城市边缘带，以灯光梯度阈值法划定边界，借景观指标与空间耦合分析评估2000—2020年空间破碎化特征并模拟2030—2050年土地利用。结果显示2000—2020年耕地因转不透水面快速破碎萎缩，林地扩张且连通性改善，不透水面填充聚合，灌丛等生态用地破碎化加剧；城市扩张为主导驱动因子（R²=0.65, p<0.01）。预测耕地占比将由2010年0.71降至约0.51，LFI升至0.4839，触及预设"临界预警阈值"。该框架为西安及中国西部快速城市化城市平衡城市增长与生态保护、制定耕地保护与空间管控策略提供科学基础。