《Ecological Indicators》：Green space dynamics in a rapidly urbanizing landscape: A multi-temporal remote sensing assessment and CA-Markov modelling of Jashore, Bangladesh
编辑推荐：
2017年至2023年间，贾肖尔（Jashore）绿地面积减少了52.4%，而建成区面积增长了107%。随着植被覆盖的下降，城市热岛（Urban Heat Island, UHI）Z-score异常值从+3.12单位上升至+5.68单位。CA-Markov
2017年至2023年间，贾肖尔（Jashore）绿地面积减少了52.4%，而建成区面积增长了107%。随着植被覆盖的下降，城市热岛（Urban Heat Island, UHI）Z-score异常值从+3.12单位上升至+5.68单位。CA-Markov模型经类级别品质因数（Figure of Merit, FoM）验证：建成区FoM为31.71%，绿地FoM为16.57%。基于情景的预测表明，到2032年将进一步损失1634–2874公顷绿地。绿地损失与城市热岛效应加剧之间存在显著相关性（r = 0.087, p < 0.001）。
**论文解读**
**一、研究背景与问题提出**
21世纪全球城市化进程加速推进，城市区域成为经济机遇与生活改善的核心载体。然而，快速城市化往往以牺牲自然景观为代价，其中绿地与农业用地首当其冲。据文献记载，2001年至2018年间全球城市总面积扩张了168%，亚洲和非洲增长最为迅猛。在南亚地区，城市绿地覆盖率因城市化而显著下降的现象已得到充分记录：例如，孟加拉国达卡北城公司（Dhaka North City Corporation, DNCC）在1992年至2022年间植被覆盖减少了约66%，而城市建成区几乎翻了一番。
绿地丧失引发了一系列环境挑战，包括城市热浪和洪涝频率上升、空气污染加剧及其相关的健康影响。研究表明，绿地存在能够缓解城市热岛效应，植被覆盖与地表温度（Land Surface Temperature, LST）之间存在密切关联。在此背景下，不仅需要对现状进行分析，对未来情景的预测对城市规划者制定长期可持续政策同样至关重要。元胞自动机-马尔可夫链分析（Cellular Automata-Markov, CA-Markov）模型已被广泛用于预测未来土地利用/土地覆盖（Land Use/Land Cover, LULC）变化。尽管南亚城市绿地丧失已有广泛记录，CA-Markov预测在孟加拉国也逐步得到应用，但尚无研究在单一时空框架内定量关联绿地转换与城市热岛效应加剧，且对孟加拉国西南部二级城市的此类分析完全缺失。本研究旨在填补这一空白，聚焦贾肖尔沙达尔乌帕齐拉（Jashore Sadar Upazila）2017年至2023年LULC的时空动态变化，特别关注绿地丧失与建成区扩张，量化绿地转换程度及其环境影响，并通过CA-Markov模型预测未来LULC情景。
**二、研究意义与贡献**
本研究做出了两项贡献：首次为孟加拉国二级城市建立了绿地转换与城市热岛效应加剧之间的定量联系，并提出了"道路廊道牺牲机制"（road-corridor sacrifice mechanism），用以解释农业用地保持稳定而绿地快速丧失并存的现象。孟加拉国60.63%的国土为耕地（全球平均水平仅为14.3%），农业从业人员占总劳动力的44.42%，农业对国内生产总值（Gross Domestic Product, GDP）贡献率为11.19%。这一结构性农业依赖意味着耕地在制度层面受到khatian地权文书的形式保护，转换成本高昂，而城郊绿地多处于非正式或公共产权之下，缺乏等效保护。在贾肖尔，绿地不成比例地聚集在道路廊道沿线，使其成为城市扩张中最易被侵占的对象。
**三、关键技术方法概述**
本研究采用多阶段综合方法。数据获取方面，使用了Sentinel-2 Level-2A地表反射率影像（10米分辨率）进行LULC分类，分别获取2017年、2020年和2023年3月份影像以避免季节性影响；城市热岛分析采用Landsat 8和Landsat 9热红外数据（30米分辨率），选取4月份（一年中最热月份）影像以利于观测热岛变化。LULC分类采用最大似然算法（Maximum Likelihood Classifier, MLC）在ArcGIS Desktop 10.8.2中完成，将地表划分为五类：农业用地（Agricultural Land）、建成区（Built-up Area）、绿地（Greeneries）、未利用地（Unused Area）和水体（Water Bodies），训练样本每类约100–120个。精度评估采用混淆矩阵及Kappa系数。变化检测采用分类后比较法，并通过梯度方向与距离分析（以城市中心为原点绘制16条方向射线和同心圆）以及道路缓冲区分析（500米和1公里缓冲带）揭示绿地的空间转换格局。城市热岛分析通过Top of Atmosphere（TOA）光谱辐射计算、亮度温度（Brightness Temperature, BT）转换、归一化植被指数（Normalized Difference Vegetation Index, NDVI）和植被比例（Proportion of Vegetation, P
v）计算、地表发射率（Land Surface Emissivity, LSE）估算及地表温度反演，最终以Z-score标准化公式计算UHI指数。为解决LULC分类（10米）与热红外数据（30米）分辨率不匹配的问题，将绿地转换比例聚合至30米分辨率，与ΔUHI进行Pearson相关分析。未来LULC预测采用QGIS中的MOLUSCE插件（版本3.0.11），运用CA-Markov模型，以数字高程模型（Digital Elevation Model, DEM）、坡度、距道路距离等变量作为空间协变量，通过人工神经网络（Artificial Neural Network, ANN）过渡潜力模型进行模拟，并通过三图比较框架（three-map comparison framework）计算品质因数（FoM）进行空间验证。
**四、主要研究结果**
**（1）LULC时空特征分析**
LULC分类精度方面，2017年、2020年和2023年的Kappa系数分别为0.867、0.888和0.897，总体精度分别为89.09%、88.15%和88.94%，均超过0.75的合格阈值。定量评估显示，农业用地面积占比基本稳定（从2017年的52.91%微降至2023年的52.80%）；建成区经历了最剧烈的扩张，从2017年的6346.72公顷增至2020年的11,977.95公顷（增长88.73%），到2023年达到13,147.93公顷，六年总增幅达107.16%。绿地则呈现最为显著的退缩趋势，从2017年的12,099.55公顷骤降至2020年的7403.71公顷（三年减少38.81%），至2023年进一步减少到5762.86公顷，六年累计损失6336.81公顷（降幅52.37%）。过渡矩阵（Transition Matrix）分析揭示，2017年至2023年间，5635.85公顷绿地直接转换为建成区，而仅有1149.81公顷农业用地转为建成区，转换比例约为4.9:1，直接证实了"道路廊道牺牲机制"——开发压力绕过了受地权保护的耕地，集中作用于道路沿线绿地。
**（2）多方向梯度分析**
梯度方向与距离分析揭示了绿地转换的空间格局。2017年，建成区高度集中于中央商务区（Central Business District, CBD）周围6公里半径范围内；绿地主要聚集于CBD西北和北部6–12公里范围内。到2023年，建成区进一步向外扩展，绿地遭到严重侵蚀。在16个方向射线中，14个方向（87.5%）的峰值转换发生在距CBD 12公里处，其中西北偏北（NNW）方向损失384.4公顷，东南偏东（ESE）方向损失340.1公顷，远超6公里带的转换量。这一非线性空间模式反映了内环绿地趋于饱和后，开发压力沿道路廊道向外推移的"跳跃式城市化"（leap-frog urbanization）过程。
**（3）道路缓冲区分析**
道路缓冲区分析进一步证实了道路邻近性对绿地脆弱性的影响。2017年至2023年，在主要道路（国道、地区公路和区域公路）1公里缓冲区内，总计2148.31公顷绿地被转换为建成区，约占六年绿地总损失（6336.81公顷）的三分之一。其中国道沿线损失最为严重（935.61公顷），其次为地区公路（657.2公顷）和区域公路（555.5公顷）。500米缓冲区内损失1037.58公顷。这一结果在空间上确认了道路基础设施与绿地侵占之间的显著关联。
**（4）城市热岛效应评估**
城市热岛分析显示，研究期内热岛效应明显加剧。2017年，标准化LST异常（UHI Z-score）范围为+3.12至-1.92，正值对应城市核心区高于空间均值的地表温度，负值对应植被和水体区域。至2023年，热异常加剧，Z-score上界升至+5.68，下界延伸至-2.13。将绿地转换比例（2017–2023）与ΔUHI（UHI???? ? UHI????）在匹配至30米分辨率的统一网格上进行Pearson相关分析（样本量n = 529,401个网格像元），结果表明绿地转换强度与UHI局地加剧之间存在统计上显著的正相关关系（r = 0.087, p < 0.001）。效应量较为温和，说明除植被丧失外，建筑材料、水体邻近度和风场暴露等其他因素同样影响局地热强度。双变量分布图显示，随着绿地转换比例的增加，ΔUHI值呈渐进上升趋势。
**（5）CA-Markov建模与未来LULC情景**
CA-Markov模型通过ANN过渡潜力模型（1000次迭代，验证Kappa = 0.876）进行模拟，空间验证显示K-location = 0.98385、K-histo = 0.98592，总体正确率98.18%，总体Kappa为0.97，表明模拟图与参考图在数量和位置两个维度上均具有较强一致性。基于三图比较框架的空间验证计算了品质因数（FoM）：总体FoM为35.71%，属于已发表土地变化模型文献中FoM值范围（1%–59%）的中等水平。分类别FoM分别为：农业用地39.15%、建成区31.71%、水体32.12%、绿地16.57%、未利用地28.71%。建成区FoM显示正确预测的转换像元集中于现有城市核心区并沿主要道路廊道向外延伸，证实模型成功复现了基础设施驱动的放射状城市扩张机制。绿地FoM较低（16.57%）反映了城郊绿地丧失过程的空间碎片化特征——转换以分散的小斑块清除方式进行，而非连续区块，这对基于邻域规则（neighbourhood-based rules）的元胞自动机模型构成固有挑战。
预测LULC图显示，到2029年建成区预计增长6.15%（增加808.23公顷），绿地预计减少11.95%（损失688.58公顷）；到2032年建成区预计累计增长8.50%（增加1116.97公顷），绿地预计累计减少16.93%（损失975.88公顷）。采用2020–2023年观测的年均绿地损失速率（?7.39%/年）进行复合年均速率外推作为敏感性检验，得到2032年损失估计值为2874.44公顷，高于CA-Markov预测值（1634.77公顷），表明CA-Markov预测相对保守。因此，2032年绿地损失以区间形式报告（1634–2874公顷）。
**五、讨论与结论**
本研究综合运用多时相遥感监督分类、梯度与缓冲区空间分析、UHI Z-score评估及CA-Markov预测建模，揭示了贾肖尔沙达尔乌帕齐拉2017–2023年间绿地面积损失52.4%、建成区面积增长107.16%的显著土地利用变化格局。研究首次在孟加拉国二级城市尺度建立了绿地转换与UHI加剧之间的定量联系，并通过过渡矩阵分析证实了"道路廊道牺牲机制"——农业用地因受khatian地权保护而保持相对稳定（仅减少0.22%），而缺乏制度保护的城郊道路沿线绿地承受了不成比例的开发压力（5635.85公顷绿地转为建成区，为农业用地转换量的4.9倍）。2017–2020年城市增长率（88.7%）显著高于2020–2023年（9.8%），该时段与COVID-19大流行期存在时间上的重合，但直接因果证据不足，应将此视为相关性而非因果归因。城市热岛Z-score异常从+3.12上升至+5.68，分辨率匹配的栅格相关分析确认绿地转换与局地UHI加剧存在统计显著的正相关关系（r = 0.087, p < 0.001）。CA-Markov情景模拟（经FoM空间验证，总体FoM为35.71%）预测到2032年将进一步损失1634–2874公顷绿地，其中北部和东部方向最为脆弱。鉴于绿地类别FoM较低（16.57%），预测的绿地丧失具体空间位置具有较高不确定性，不应作为精确的像元级别空间预报，而应视为探索性情景估计。
**研究结论部分**指出，上述趋势对城市长期环境可持续性和居民生活质量构成严重威胁，迫切需要积极主动的可持续城市规划干预。研究者提出了四项基于证据的政策建议：（1）实施强制性道路植被退缩法规，要求在分类道路100米范围内保留最低冠层覆盖率，并通过年度Sentinel-2 NDVI监测加以执行；（2）将6至12公里城郊带划定为绿地保护缓冲区，要求每个开发地块保留至少20%的植被覆盖；（3）尽管绿地丧失的具体空间位置预测存在不确定性，但方向性趋势足以支持在北部和东部脆弱方向的城郊区域优先开展土地储备和社区林业计划；（4）将本研究记录的UHI加剧正式纳入贾肖尔沙达尔乌帕齐拉所有超过0.5公顷开发项目的环境影响评价（Environmental Impact Assessment, EIA）框架中。通过优先保护绿地和推行可持续发展策略，贾肖尔沙达尔乌帕齐拉有望在城市增长与环境保护之间建立必要的平衡，为居民确保一个更健康、更具韧性的未来。
