解开一座发展中城市25年城市绿地变化的谜团：将基于NDVI的城市绿地动态变化与赫尔辛基的城市化进程联系起来

《Urban Forestry & Urban Greening》：Unravelling 25 years of urban green space change in a growing city: Linking NDVI-based urban green space dynamics to urbanization in Helsinki

　　

摘要：城市绿地（UGSs）正面临着城市化和城市人口增长带来的日益加剧的压力，这些影响在不同区域背景下各不相同。因此，理解城市绿地动态的本地量级、轨迹和驱动因素需要进行城市特定的评估。本研究探讨了1999年至2024年间赫尔辛基市城市绿地覆盖的变化及其与城市人口动态的关联，同时考虑了建成环境的变化。本研究利用基于归一化植被指数（NDVI）的分类方法检测了跨数十年的城市绿地覆盖变化，随后运用统计和空间方法将其与城市化进程相关联。研究结果表明，1999年至2024年间城市绿地覆盖总体略有下降，这似乎与人口增长部分相关，但与非住宅建筑开发更为密切。相比之下，住宅建筑数量的增加被发现与城市绿地覆盖的增加相关，表明绿化措施已融入新的住宅区域。然而，在工业和商业开发区域以及小规模填充开发区域，即便人口增长不显著，城市绿地的损失仍然存在。总体而言，本研究突显了城市化进程如何在不断增长的城市中于精细空间尺度上塑造本地城市绿地动态，从而为可持续城市规划提供了有价值的见解。

引言：城市绿地（UGSs）被定义为城市肌理中的任何植被表面（WHO, 2017），是城市环境中不可或缺的组成部分。其众多益处包括提供基本的生态系统服务，如温度调节（Lindberg等，2016年）、空气和噪声污染缓解（Lanki等，2017年）以及生物多样性保护（Schwarz等，2017年）。此外，城市绿地还提供文化生态系统服务，如休闲娱乐和社交互动的空间，这些服务可以增强其社会效益，从而支持城市居民的心理健康、社会健康和身体健康（leBrasseur，2022年）。鉴于城市绿地对城市宜居性的关键贡献，理解其时空动态对于推进可持续城市规划具有重要价值。

由于城市化这一全球性大趋势，城市绿地的存在正面临日益加剧的压力。城市化是一个多面现象，通常表现为城市内人类人口的增长以及建成区域的物理扩张（Bille等，2023年，Chen等，2025年，Tian等，2022年）。城市化主要通过两种进程体现，每种进程都对城市绿地造成压力。城市蔓延，即城市区域向外物理扩张，减少了城市外围未开发的植被土地（Behnisch等，2022年，Tiitu，2018年）。相比之下，城市集约化通过在现有城市肌理内集中开发来促进紧凑的城市形态（Hautam?ki，2022年，Wellmann等，2020年），从而通过填充开发威胁城市绿地（Haaland和van Den Bosch，2015年）。

城市化对城市绿地的影响在不同地区有所不同。跨数十年的全球分析表明，全球北方的城市由于人口密度较低和社会经济能力较高，往往经历更为稳定甚至增加的植被水平，而全球南方的城市则通常经历更为显著的城市绿地损失（Chen等，2025年，Derdouri等，2025年，Tian等，2022年，Zhang等，2021年）。这些对比模式强调了区域背景在塑造城市绿地动态中的重要性。

为了增进对城市化进程与城市绿地变化之间特定情境下交互作用的理解，区域级和城市级研究通过在更精细的空间尺度上捕捉这些关联，提供了更为细致的视角。此类研究对于识别人口增长与植被增加并存的区域特别有用，为可持续城市增长提供了见解。例如，Wellmann等（2020年）考察了1991年至2018年间柏林人口密度和植被覆盖的变化，发现大多数街区在这两个变量上都经历了增长，这归因于对绿地需求增加和集约化策略，如棕地再开发。Samuelsson等（2021年）在丹麦全国研究中报告了类似的结果，在1995年至2016年间，大多数分析地址点同时观察到人口和植被水平的增加。然而，观察到的绿化主要归因于气候变化，这一趋势在北半球尤为明显（Zhang等，2021年），而非规划实践。虽然这些研究说明了城市绿地和城市化动态如何随时间在城市区域中展开，但它们并未量化两者之间关联的强度。相比之下，Wang等（2023年）考察了2001年至2019年间的主要中国城市，通过统计评估城市绿地与城市化进程之间的关系，发现人口增长与2006年之前的城市绿地损失相关，但此后与城市绿地增加相关。综合来看，上述研究说明了城市绿地动态与城市增长之间的关联如何因时空背景而异，强调了本地特定分析的需要。

鉴于城市化的渐进性质，城市绿地动态应使用具有足够长期时间覆盖的一致性空间数据进行评估。卫星影像为此提供了宝贵的数据资源，得益于Landsat等开放获取影像档案的日益可用性，这些档案提供跨越数十年的时间覆盖（Wulder等，2022年）。然而，将此类数据转化为可解释的土地覆盖分类可能耗时且成本高昂，因为常用的监督分类和机器学习方法往往缺乏泛化能力，并且需要大量的实地数据采集和其他人工输入（Karan等，2025年）。

一种更为简便的替代方法是仅依赖植被指数，如归一化植被指数（NDVI），它提供植被状态的直接测量（Huang等，2021年）。一些研究使用连续NDVI合成影像评估植被动态，其中NDVI值被作为连续数值变量处理（Cortinovis等，2023年，Persson等，2018年，Samuelsson等，2021年）。然而，如果没有高级分类算法，区分NDVI变化是反映气候驱动的植被生长还是实际城市绿地扩张可能具有挑战性（Cortinovis等，2023年）。另一种替代方案是，基于NDVI的分类方法通过使用阈值将连续NDVI数据转换为离散植被类别来促进城市绿地覆盖的界定和变化检测，通常基于植被高度（Karan等，2025年）。然而，这些阈值的选取需要谨慎的本地化考虑（Davis等，2023年，Jin等，2020年），但许多研究对阈值选取的方法论论证有限或依赖预设值（Aryal等，2022年，Davis等，2023年，Jin等，2020年）。此外，使用NDVI阈值区分城市绿地类别（如草地与以树木为主的区域）的证据在某些地区仍然有限，包括北方寒温带城市。

尽管关于城市化下城市绿地动态的文献日益丰富，但实证证据仍然存在地理上的碎片化，且往往在空间分辨率上有限。此外，在更精细的城市内部尺度上，城市绿地变化与城市化进程之间的统计和空间关联也较少受到关注。然而，考察这些关联对于城市规划具有特殊价值，因为它可以揭示城市绿地动态的局部变化及其面临的压力。此外，在北方城市背景下，可复制的基于NDVI的分类方法以促进此类分析仍有待深入探索。

基于这些差距，本研究提出了一个可扩展且成本效益高的框架，用于考察城市绿地变化与城市化进程之间的精细关联，主要关注城市人口，同时也考虑建成环境。该框架应用于芬兰赫尔辛基，这是一个以持续人口增长和广泛的植被覆盖为特征的北欧首都。虽然之前的研究已经考察了赫尔辛基纵向城市化引起的植被变化，但它们主要关注住宅区、多城市分析或使用不太近期的数据，而未在精细空间尺度上明确将城市绿地动态与人口增长或其他城市化因素联系起来（Bagan和Yamagata，2014年，Lepp?nen等，2024年，Tiitu，2018年）。本研究旨在通过以下研究问题弥补这一差距：

1. 使用分类的NDVI合成影像，1999年至2024年间赫尔辛基可以识别出哪些城市绿地覆盖的变化？
2. 同期城市绿地覆盖的变化与城市人口动态以及住宅和非住宅建筑开发有何关联？
3. 城市绿地覆盖和人口的变化如何在精细空间尺度上相互作用？

**研究区域**

赫尔辛基是芬兰首都，位于该国南部海岸（图1）。该市分为八个主要区，总面积为719平方公里，其中大部分为海洋区域，而陆地和内陆水域面积为217平方公里（赫尔辛基市，2024a）。赫尔辛基超过一半的陆地面积被植被覆盖，森林是主要的植被类型（HSY，2021年）。根据柯本-盖格分类法，赫尔辛基属于湿润大陆性气候。

**NDVI分类和城市绿地覆盖变化**

三类城市绿地，包括非植被（NV）、低植被（LV）和树木与灌木（TS），在自然簇数（k）设置为10时区分效果最佳，最终分类的NDVI阈值为0.231和0.395（见表S1和图S1）。对不同自然簇配置（4≤k≤15）的分类输出进行目视解译表明，较高的NDVI值通常与低植被表面相关，而区域……

**讨论**

本研究考察了1999年至2024年间赫尔辛基城市绿地覆盖的变化及其与城市人口动态的关联，以及建成环境的变化，从而为这些变量之间的城市内部交互作用提供了见解。研究结果显示，在整个研究期间城市绿地覆盖总体略有下降，与人口增长存在明显但有限的统计关联，与非住宅建筑……

**结论**

本研究为关于城市绿地和城市化进程时空动态的日益增长的研究领域做出了贡献，特别关注它们在精细空间尺度上的交互作用。从分类的NDVI合成影像中得出的研究结果表明，1999年至2024年间赫尔辛基城市绿地覆盖总体略有下降。虽然城市人口增长与此下降部分相关，但非住宅建筑开发似乎与城市绿地损失更为密切地相关。

**资金来源**

本研究未获得公共、商业或非营利部门任何资助机构的专项拨款。

**CRediT作者贡献声明**

Sanna Ala-Mantila：撰写——初稿，方法论，概念构思。Ulriika Kaarna：撰写——初稿，可视化，方法论，形式分析，数据管理，概念构思。Tarmo Virtanen：撰写——初稿，方法论，概念构思。

**生成式人工智能及AI辅助技术在写作过程中的声明**

在准备原稿过程中，使用了生成式人工智能（AI）工具ChatGPT（v. GPT-4）进行语法检查和句子格式调整。生成式人工智能的输出经过仔细审阅和重新表述，以反映作者的预期含义和写作风格。作者对已发表文章的内容承担全部责任。

**利益冲突声明**

作者声明不存在已知的可能影响本论文中报告工作的竞争性财务利益或个人关系。

Ulriika Kaarna | Tarmo Virtanen | Sanna Ala-Mantila
芬兰赫尔辛基大学生物与环境科学学院，邮编00014，芬兰