EN中文

Economic geography >

2020 , Vol. 40 >Issue 6: 174 - 184

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.06.019

Urbanization Process and Its Ecological Environment Response Pattern on the Loess Plateau，China

  • SONG Yongyong , 1 ,
  • XUE Dongqian 1 ,
  • MA Beibei , 1, ※ ,
  • YANG Kaiyue 1 ,
  • MI Wenbao 2
Expand
  • 1. School of Geography and Tourism，Shaanxi Normal University，Xi'an 710119，Shaanxi，China
  • 2. College of Resources and Environmental Science，Ningxia University，Yinchuan 750021，Ningxia，China

Received date: 2019-12-13

  Revised date: 2020-03-26

  Online published: 2025-05-14

Fold

Abstract

The scientific cognition of the urbanization process and its ecological environment response pattern of the Loess Plateau is an urgent need in building a sustainable urbanization and ecological environment protection pattern and implementing the ecological protection and high-quality development strategy of the Yellow River Basin. Based on the data of DMSP/OLS and NPP/VIIRS and the data of ecological environment factor from 1992 to 2015,the thesis studies the evolution process of urbanization spatial pattern and its ecological environment response pattern on the Loess Plateau through statistical analysis and GIS spatial analysis. The results show that: 1) From 1992 to 2015,the spatial expansion of urbanization on the Loess Plateau was significant. The density of social and economic activities in the core and peripheral areas of urbanization was gradually increasing,and the overall degree of intensification showed continuous increase. The county urbanization presents the spatial structure of "core-periphery" in geographical space;the urbanization hotspot and sub-hotspot areas are concentrated in the south and the east of the Loess Plateau. 2) The synchronous rise of regional light intensity,NDVI and ecological value is the dominant trend of urbanization and ecological environment evolution on the Loess Plateau. However, the NDVI and ecological value of urban agglomeration areas and energy development zones with significant rise in regional light intensity are declining,and the contradiction between urbanization and ecological environment is increasingly prominent. 3) The objective demand for a better ecological environment in the urbanization process on the Loess Plateau may promote the ecological environment construction in cities and towns and their vicinity,and form a new pattern of benign interaction between urbanization development and ecological environment protection.

Key words： urbanization; light intensity; Normalized Difference Vigetation Index(NDVI); ecological value; landscape pattern; ecological environment response; Loess Plateau

Cite this article

SONG Yongyong , XUE Dongqian , MA Beibei , YANG Kaiyue , MI Wenbao . Urbanization Process and Its Ecological Environment Response Pattern on the Loess Plateau，China[J]. Economic geography, 2020 , 40(6) : 174 -184 . DOI: 10.15957/j.cnki.jjdl.2020.06.019

21世纪以来，全球城镇化发展引起的区域生态环境问题日益严重，受到各国政府和多个国际组织的广泛关注[1-2]。城镇化过程及其生态环境响应问题已成为国际可持续性科学与地球系统科学研究的热点和前沿领域[3-5]。改革开放40年来，中国城镇化和工业化取得辉煌成就，城镇人口由1.72亿人增加为8.13亿人，经济产出密度由1.56×104美元/km2增加为1.25×106美元/km2[6]。城镇化发展格局的剧烈变化深刻改变着地表自然生态系统和人类社会系统结构，与此相伴的生态破坏、环境污染、资源浪费、空间利用无序，以及区域发展不平衡不充分等问题，严重制约了中国健康城镇化进程和美丽中国建设步伐[7-8]。在国家城镇化发展由高速度迈向高质量的关键转型期，研究城镇化过程与生态环境响应格局，是面向国家战略需求为区域高质量发展和生态环境保护提供科学依据的迫切需要。
城镇化与生态环境之间存在复杂的交互耦合关系[9]，如何调控城镇化与生态环境关系已成为世界性科学难题和全球性战略问题[2,10]。国外学者从全球尺度的可持续发展出发，重点探讨了城镇化与全球变化及区域资源环境之间的关系[11-12]，揭示了不同空间尺度上城镇化对自然生态系统变化与全球气候变化的影响[13-14]，以及提升城镇应对全球变化的适应能力等[15-17]；国内学者结合国家城镇化发展的战略需求，集中研究了城镇化过程及其驱动机制[18]、快速城镇化的资源环境效应[19-20]、城镇化与生态环境耦合机理[21-22]，系统评估了长三角、珠三角、京津冀、长株潭、武汉5个典型城市群城镇化进程及其生态环境效应[23]。特别是在推动城市群上升为新型城镇化主体形态过程中，东部特大城市群地区城镇化与生态环境耦合关系成为学界关注的焦点，学者们先后提出了城镇化与生态环境耦合圈理论与技术图谱[10,24]、城镇化与生态环境耦合“魔方”解析框架[25]、城镇化与生态环境高质量发展的渐进模式等[26]，丰富了城镇化与生态环境关系研究的理论、方法和技术体系。然而，在城镇化空间格局及其生态环境响应研究中，大量研究多局限于用时间断面的遥感影像解译成果分析城镇化空间格局拓展过程[27-29]，较少对城镇化空间格局的连续性变化进行精确表达，同时也忽略了城镇人口、产业和景观格局等维度的时空变化过程，以及由此引发的生态环境空间格局响应状态。对于我国中西部生态脆弱区而言，生态系统演替与环境质量演变对城镇化空间格局变化极为敏感[22,30]，厘清生态脆弱区城镇化时空过程及其生态环境格局响应机制，是从地域功能角度科学认知和调控未来区域城镇化高质量发展的前提[6,31]，但西部典型生态脆弱区城镇化的生态环境响应格局研究依然薄弱。
黄土高原作为国家生态安全战略格局的重要组成部分，是落实黄河流域生态保护和高质量发展战略的主体区域[32]。西部大开发战略实施以来，黄土高原城镇化取得快速发展，城镇数量和城镇规模显著扩大，中心城镇辐射带动能力逐渐增强，有效支撑了区域经济的持续增长，初步形成了以关中平原城市群、兰西城市群和呼包鄂榆城市群等为主体的新型城镇化战略格局，为当前及未来黄土高原社会经济高质量发展奠定了基础。但是，现阶段黄土高原城镇化正处于加速发展期，各种资源环境问题和发展不平衡不充分问题尤为突出，造成区域城镇化质量整体偏低[22,33]。目前，如何在落实新型城镇化战略和生态文明战略过程中，统筹推进新型城镇化建设和生态环境保育，是实现区域城镇化发展高质量和生态环境“高颜值”目标亟待解决的问题。
因此，本文在多源数据和多方法技术支持下，研究1992—2015年黄土高原城镇化空间格局演变过程与动态变化强度，总结城镇化作用下区域植被覆盖度和生态价值的时空变化规律，揭示城镇化与生态环境空间耦合关系，以期科学认知黄土高原城镇化规律与生态环境演变规律，为调控黄土高原地区城镇化发展与生态环境保护矛盾，实现区域高质量发展提供科学依据。

1 研究区概况

黄土高原地区位于107ºE~114ºE，32ºN~41ºN之间，是连接黄河上下游流域的关键区域（图1）。在行政单元上涉及青海、甘肃、陕西、山西、河南及宁夏和内蒙古7个省（自治区）。本文综合考虑行政单元的完整性和统计数据的可得性，依据《黄土高原地区综合治理规划大纲（2010—2030）》和《黄土高原地区综合治理开发分区研究》[34]，按县级行政单元边界确定黄土高原区域范围。全区共辖341个县（区），总面积64.87×104 km2，占全国国土面积的6.76%，海拔高度81~4 985 m。区域自然地理要素和社会经济结构地域差异大，平原、丘陵、高原和山地等地貌单元广泛分布，是黄河流域水土流失综合防治与生态环境重点保护地区[32]。全区以温带季风气候为主，年平均降水量446 mm，年平均气温10 ℃。2015年，全区总人口11 421.53×104人，GDP为53 789.17×108元，三次产业结构比为6.85∶48.07∶45.08，城镇化率54.33%，建成区面积为4 335.22 km2。生态环境脆弱、能源资源富集、经济发展滞后和贫困人口集聚是该区主要特征。
图1 黄土高原地理区位

Fig.1 Location of the Loess Plateau

2 数据来源与研究方法

2.1 数据来源及处理

①夜间灯光数据。夜间灯光影像是监测人类社会经济活动的主要数据源。1992—2013年DMSP/OLS（Version4）和2013—2015年NPP/VIIRS（Day/Night Band，DNB）数据来源于美国国家海洋和大气管理局（https://www.ngdc.noaa.gov/ngdc.html）。数据处理步骤包括：①在ArcGIS10.2软件支持下，采用平均值法将NPP/VIIRS月数据进行合成得到年度影像，并进行重采样处理得到与DMSP/OLS空间分辨率一致的夜间灯光数据集。②采用最大阈值法去除火光和废弃物燃烧等暂时性灯光和背景噪声。根据经济发展水平与夜间灯光亮度存在显著的正相关关系[35]，以上海和北京夜间灯光DN（Digital Number）最大值作为阈值，剔除大于该阈值的异常值。③采用不变目标区域法对灯光数据进行辐射定标处理[36]。④模拟2013年DMSP/OLS与NPP/VIIRS两种数据之间的回归关系，利用回归方程对2014和2015年的VIIRS数据进行校正，实现两种数据的一致性和可比性（表1）。
表1 2013年DMSP/OLS与NPP/VIIRS拟合结果和关键参数

Tab.1 Fitting results and corresponding parameter values of DMSP/OLS and NPP/VIIRS in 2013

函数类型 模型表达 R2
线性函数 Y=2.0818X+3.192 0.3476
对数函数 Y=8.277lnX+16.747 0.8459
多项式 Y=（-8E-09）X6+（3E-06）X5-0.0004X4+
0.0287X3-0.0684X2+11.372X+0.0486		 0.6384
通过比较不同回归模型的拟合优度，本文选择对数模型对DMSP/OLS与NPP/VIIRS进行相互校正，最终得到以DMSP/OLS为基准的1992—2015年的夜间灯光影像数据集。计算公式如下：
Y = a × l n X + b
式中： Y为NPP/VIIRS数据经过尺度转换至DMSP/OLS尺度上的像元DN值； X为NPP/VIIRS影像的像元DN值；a、b为回归模型的校正参数。
②NDVI数据。植被指数（Normalized Difference Vigetation Index，NDVI）用于反映城镇化过程中的植被覆盖状况。2000—2015年黄土高原NDVI数据来源于中国年度植被指数（NDVI）空间分布数据集（1998—2015）[37]。
③NPP数据。净初级生产力（Net Primary Productivity，NPP）用于分析地表碳循环过程，评估区域陆地生态系统可持续发展。黄土高原NPP数据来源于《全球变化数据学报》发布的“北纬18º以北中国陆地生态系统逐月净初级生产力1 km栅格数据集（1985—2015）”[38]。
④其它数据。黄土高原河流水系与行政边界数据来源于国家基础地理信息中心（http://ngcc.sbsm.gov.cn）；社会经济数据来源于“1990—2015年黄土高原地区城镇化与城市发展数据集”[39]；DEM数据（分辨率90 m）来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）。

2.2 研究方法

2.2.1 城镇空间格局测算方法

①城镇化空间信息提取。通过夜间灯光数据提取城镇化空间范围与形态的关键在于确定最佳阈值。本文综合已有研究成果[40-41]，通过与建成区统计数据和遥感影像解译数据进行比较验证，选择DN值1和22为阈值设定标准，划分出城镇化核心区（DN≥22）、城镇化边缘区（1≤DN<22）和城镇化外围区（DN<1），其中核心区已经出现城镇建成区；边缘区在城镇化作用下出现城镇化迹象；外围区距离中心城镇远，未出现城镇化迹象。
②城镇空间扩展强度测度。常采用灯光总强度（SN）和平均灯光强度（AN）2个指标综合刻画城镇化的空间过程，解析城镇扩展强度与扩展趋势。其中，灯光总强度：
S N j = ∑ i = m i n ( D N ) m a x ( D N ) D N i × n i
式中： S N j表示j地区灯光总强度； D N i表示i单元的灰度值； n i为i单元的像元总数。 S N j值越大，说明区域人类活动越频繁，城镇化强度越大。
平均灯光强度：
A N j = ∑ i = 1 63 D N i × n i / N
式中： A N j表示区域平均灯光强度；N表示区域内灯光像元总数。
③城镇空间形态测度。采用紧凑度和分形维数指标刻画城镇空间格局形态[42]。其中，紧凑度变化反映城镇空间扩张变化的形态特征；城镇分形维数表征城镇空间形态变化规律及其受干扰程度。计算公式如下：
C = 2 π A t / P t
式中： C为紧凑度，反映斑块形状的紧密性； A t和 P t分别表示第t年所有斑块总面积（km2）和周长（km）。
S t = 21 n P i 4 / l n A t
式中： S t为第t年城镇化斑块分形维数； P t为第t年斑块面积（km2）； A t为第t年斑块周长（km）。 S t∈[1,2]，当 S t>1.5时，城镇化斑块趋于复杂； S t值越大，斑块形状越复杂。

2.2.2 空间自相关模型

空间自相关模型用于分析黄土高原县域城镇化空间集聚格局与关联模式，包括全局空间自相关和局部空间自相关两种模型。本文运用全局空间自相关Moran's I指数分析县域城镇化总体集聚格局，采用局部空间自相关Gits-Ord Gi*指数解析县域城镇化的局部关联模式。模型各参数的含义及计算公式详见相关参考文献[43]。

2.2.3 生态价值估算模型

本文选择NPP数据，根据光合作用方程： 6 C O 2 + 6 H 2 O = C 6 H 12 O 2 + 6 O 2，从植被生产有机物、固定CO2和释放O2三方面估算生态价值，分析镇化过程中区域生态价值响应格局[44]。
①生产有机物价值。生产有机物价值是生态系统服务价值的重要组成部分。以标准煤为基准计算植被生产有机物价值。计算公式如下：
O V i t = N P P i t / C × P
式中： O V i t为区域i第t年生产的有机物价值量； C为 N P P含碳系数（ C=0.45）[45]； P为标准煤的市场价格，取2015年中国商品煤的平均售价466.34元/t[46]。
②固碳和释氧价值。按照光合作用方程定量测算植被吸收CO2量和释放O2量，根据碳税法和制氧成本法定量核算二者的价值。本文释氧成本取400元/t，固碳成本取702.95元/t[44]。
③生态价值计算。将植被生产有机物、固定CO2和释放O2的价值进行综合，评估黄土高原地区生态价值[44]。计算公式如下：
E V i t = N P P i t × P C + 702.95 + 400
式中： E V i t为植被生态价值（元）； N P P i t表示第t年区域i生产的有机物数量。

2.2.4 变化趋势模拟分析

采用一元线性回归分析方法模拟时间序列每个像元的变化趋势。本文选择灯光强度、NDVI和植被生态价值为自变量，时间为因变量，根据最小二乘法拟合回归方程y=kx+b中的斜率k，用于分析灯光强度、NDVI和植被生态价值的变化趋势[41]。计算公式为：
k = n × ∑ i = 1 n i × S i - ∑ i = 1 n ∑ i = 1 n S i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2
式中：k为斜率； S i为各像元的统计量；i为时间；n为截面数据数量。本文在ArcGIS10.2软件支持下，分别对2000—2015年黄土高原NDVI、生态价值和夜间灯光强度作线性趋势分析，并选取0和趋势平均值为阈值，则趋势变化小于0的区域为下降区，大于0小于平均值为缓慢上升区，大于平均值小于2倍平均值为上升区，大于2倍平均值为快速上升区。

3 研究结果与分析

3.1 城镇化空间时序变化特征

3.1.1 城镇化空间演化态势

1992—2015年黄土高原地区灯光强度逐渐增强，经济社会取得了快速发展，城镇化空间拓展明显。全区灯光总强度和平均灯光强度分别由1992年的810 050和4.79上升为2015年的3 450 422和11.98。相应地，全区县域非农人口数和非农人口比重分别由1990年的1 891.23万人和23.83%上升为2015年的6 192.18万人和54.33%。无论是在区域整体，还是在城镇化核心区与边缘区，黄土高原各县区均表现出明显的城镇化趋势。
①全区灯光总强度变化。1992—2015年全区灯光总强度和平均灯光强度均呈波动上升趋势（图2）。1998年受住房市场化改革政策的刺激，县域灯光总强度和平均灯光强度在2000—2002年呈现快速上升态势，城镇化空间显著扩展。2003年在世界整体经济发展疲软的大环境下，国内城镇经济社会发展又面临全国性的非典疫情提出的诸多挑战，区域城镇化和社会经济发展趋缓，全区灯光总强度和平均灯光强度均出现下降趋势。2008年国际金融危机后期，城镇灯光强度出现波动上升态势，主要原因可能是各级政府为应对金融危机，加大了城镇基础设施建设和房地产开发投资力度，推动城镇化空间呈现出加速扩张趋势，2010年底中国政府实施的4万亿投资计划基本完成后，黄土高原城镇空间拓展态势趋缓。这与区域城镇化发展的实际情况和灯光强度的时序变化过程相吻合。
图2 黄土高原城镇化灯光强度时序变化

Fig.2 Changes of urbanization light intensity on the Loess Plateau

②城镇化分区灯光总强度变化。1992—2015年黄土高原城镇化核心区和边缘区的灯光总强度均呈波动上升态势（图3a），这与黄土高原城镇灯光总强度和平均灯光强度的时序变化过程相一致。说明在过去23年间，黄土高原地区城镇人口数量不断上升，经济规模显著扩大，建成区面积明显增加，城镇化发展快速推进。值得注意的是，23年间黄土高原城镇化核心区和边缘区灯光总强度的差距呈现缩小趋势，2013年以后二者基本持平，说明在城镇化核心区社会经济快速发展的同时，城镇化边缘区社会经济也取得了较快发展。
图3 黄土高原城镇化核心区与边缘区灯光强度时序变化

Fig.3 Changes of light intensity of the core and marginal areas of urbanization on the Loess Plateau

③单位面积平均灯光强度变化。黄土高原城镇化核心区与边缘区平均灯光强度呈现波动变化特征（图3b），区域城镇化集约性演化规律比较复杂。23年间，城镇化核心区与边缘区的社会经济活动密度不断增大，总体集约化程度显著提升。其中，核心区日益集约化的城镇化过程体现了城镇作为区域经济增长极，对周边及乡村地区人口、经济和资源要素的空间集聚作用，特别是2003年以后，随着城镇化进程加快，这种核心带动作用不断显现。2013年以后，受经济下行压力加大和产能过剩的影响，区域经济尤其是能源资源型城镇经济发展趋缓，城镇社会经济活动密度下降，部分地区“鬼城化”问题愈演愈烈，城镇出现收缩现象，造成核心区城镇平均灯光强度出现大幅下降。边缘区城镇化集约性的波动变化与大规模新城新区建设和能源矿产资源开发密切相关。在黄土高原城镇化过程中，政府主导下的新城新区建设促使老城区的社会经济要素出现外流，大中型能源开采加工企业在矿区布局引起劳动力在空间上分散，这种核心向边缘的推力和核心区本身的集聚力相互作用，使得人口和经济在空间分布上具有不稳定性。从长远发展来看，随着经济发展、产业结构转型和基础设施完善，城镇用地空间扩展会趋于稳定，在中心城市的极化带动作用下，人口和经济要素向城镇化核心区集聚依然是黄土高原地区城镇化发展的主导态势。

3.1.2 景观格局变化态势

1992—2015年黄土高原城镇化核心区和边缘区的景观紧凑度均呈波动下降趋势（图4a），说明区域城镇化斑块表现出复杂化和分散化趋势。以2005年为时间节点，县域城镇景观紧凑度变化在1992—2005年和2006—2015年表现出两种不同的变化趋势。其中，1992—2005年，城镇化核心区与边缘区紧凑度分别由0.145和0.076波动下降为0.119和0.053，说明两种区域城镇化斑块边缘逐渐复杂，空间分布出现分散趋势；2006—2015年，城镇化核心区景观紧凑度由0.119波动下降为0.028，而城镇化边缘区景观紧凑度则维持在0.054左右，说明边缘区城镇化斑块复杂性和斑块分布的广泛性处于稳定状态，而核心区则表现出与之相反的变化态势，特别是2013年以来，核心区城镇景观紧凑度出现快速下降态势。这表明城镇化核心区与受城镇化扩散影响的边缘区的空间形态演变过程具有较大的差异性。
图4 黄土高原城镇化斑块紧凑度与分形维数时序变化

Fig.4 Changes of urbanization plaque compactness and fractal dimension on the Loess Plateau

1992—2015年黄土高原城镇化核心区和边缘区斑块分形维数呈现出相反的演进态势（图4b）。核心区城镇化斑块分形维数呈现波动上升趋势，分形维数由1992年的1.55上升为2015年的1.81，表明随着社会经济发展和城镇化水平提升，核心区城镇化斑块形状越来越复杂；而受城镇化扩散作用影响的边缘区斑块分形维数则表现出波动下降态势，分形维数由1992年的1.72下降为2015年的1.67，说明边缘区城镇化斑块形状出现简单化趋势，但斑块复杂程度依然较高。黄土高原地区城镇化整体依然处于较低水平，核心区城镇化正处于内部填充和外部扩张的演变阶段，城镇化斑块形状仍将处于波动变化之中；边缘区城镇化发展主要得益于核心区的辐射带动作用和能源矿产资源开采活动，能源开采与加工企业的分散化布局和核心城市辐射作用的不稳定性往往导致城镇化斑块形状长期处于复杂状态。

3.2 城镇化空间格局变化特征

3.2.1 城镇化空间分异格局

根据城镇化空间扩展过程，黄土高原地区城镇化呈现明显的内部填充与外部扩张并存的空间特征（图5）。1992—2000年，黄土高原地区各省会城市西安、兰州、银川、呼和浩特、太原、西宁和区域中心城市包头、大同、洛阳等城市城镇化空间呈片状分布，其余地区主要呈点状分布格局。2000年以后，随着社会经济的快速发展和能源矿产资源开发，省会城市和区域中心城市依托老城区不断向外拓展，交通干线沿线和能源开发区城镇逐渐兴起，先后形成了关中平原城市群、晋中城市群、兰—西城市群、宁夏沿黄城市群和呼包鄂榆城市群等国家级和区域性城市群。但受地形地貌和水土资源约束，以及基本农田保护限制，内部填充成为黄土高原城镇扩展的主要方式，这也是城镇化核心区和边缘区单位面积灯光强度上升的关键动因。
图5 黄土高原城镇化灯光强度时空格局

Fig.5 Spatio-temporal pattern of urbanization light intensity on the Loess Plateau

根据城镇景观格局演变过程，黄土高原城镇化可以概括为点状、线状和面状三种空间模式（图5）。①点状城镇化模式，指在中心城市、副中心城市和交通廊道以外地域内出现的新兴城市。在黄土高原地区，点状城镇化主要位于远离中心城市和主要交通廊道的广大区域，这些区域生态环境脆弱，经济社会发展水平低，城镇规模小，辐射带动能力弱，如吕梁山山区、六盘山山区和陕北黄土丘陵沟壑区等地区。②线状城镇化模式，指在中心或次级中心城市之间沿主要交通廊道进行扩展的城镇化区域。在黄土高原地区，线状城镇化主要沿铁路和公路等交通干线呈带状或串珠状分布，如包兰铁路、西兰铁路、西银铁路和大同到西安铁路，以及110、210、310和312国道等沿线地区。同时受水土资源约束，黄土高原地区城镇沿河分布特征明显，在宏观上呈现出以黄河为轴线的“几”字型地域组合结构。③面状城镇化模式，指在中心城市的极化带动作用下，城镇用地以中心城镇为核心向外扩展。黄土高原地区的面状城镇化主要分布于省会城市及区域中心城市周围地区。

3.2.2 城镇化空间集聚格局

在ArcGIS10.2空间分析技术支持下，计算1992—2015年县域平均灯光强度Global Moran's I指数，从全局考察黄土高原县域城镇化的空间集聚格局。发现：1992—2015年，黄土高原县域城镇化的Global Moran's I指数均大于0，且通过1%的显著性检验，表明黄土高原较高城镇化水平与较低城镇化水平县（区）在空间上趋于相邻分布，城镇化扩展强度呈现显著的空间集聚格局。23年间，县域城镇化Global Moran's I值由1990年的0.3876波动上升至2015年的0.4080，表明黄土高原县域城镇化空间相关性和趋同性逐渐增强，空间差异趋于缩小。
通过ArcGIS10.2软件计算黄土高原县域城镇化的局部空间自相关Gits-Ord Gi*指数，选择自然断点法（Natural Breaks）将其划分为冷点区、次冷点区、次热点区和热点区4种城镇化类型区（图6），揭示区域城镇化的空间关联模式。
图6 黄土高原县域城镇平均灯光强度冷热区

Fig.6 Cold and hot area of average light intensity of the county towns on Loess Plateau

由图6可知，黄土高原城镇化冷点区和次冷点区主要分布于高原中西部地区，热点区和次热点区集聚分布于高原南部和东部地区。具体呈现出三大特征：
第一，县域城镇化呈现“核心—边缘”空间结构。西安市是黄土高原地区的经济重心和交通枢纽，区位优势明显，城镇平均灯光强度大，城镇化水平高，而其外围的陇东高原、陕北高原等地区则是典型的城镇化边缘区和外围区，城镇平均灯光强度小，社会经济与城镇化水平整体偏低。研究期内，这种空间结构表现出明显的稳定性和延续性，并未因区域开发政策的实施而发生根本性的变化。
第二，县域城镇化“两极”分化严重。黄土高原县域城镇化空间格局的“俱乐部”趋同趋势和极化趋势明显，即高灯光强度县区同周边县域的灯光强度都高，低灯光强度县区同周边县域灯光强度都低的态势，说明中心城镇的辐射带动作用深刻影响着区域城镇化的总体水平和发展进程。
第三，县域城镇化局部关联格局相对较稳定。1992—2015年，黄土高原县域城镇化冷热点格局维持了相对稳定的变化态势。城镇化热点区和次热点区围绕西安、太原、洛阳等中心城市集聚分布于黄土高原的南部和东部地区，城镇化冷点区和次冷点区则集中连片分布于六盘山山区、陕北黄土高原、鄂尔多斯高原周边，以及晋陕接壤区。全区平均灯光强度热点区县域与高城镇化率集中区空间分布大体相符。

3.3 城镇化的生态环境响应格局

黄土高原高强度的城镇化和大规模的生态保护与修复均开始于2000年西部大开发战略的实施和退耕（牧）还林（草）工程的大范围推广。为了集中揭示快速城镇化过程中黄土高原生态环境响应规律，本文重点分析了2000年以来黄土高原城镇化过程中NDVI和生态价值的响应格局。

3.3.1 城镇化与NDVI变化格局

2000—2015年，黄土高原NDVI值由0.45上升为0.54。其中，城镇化核心区NDVI由2000年的0.44波动上升为2015年的0.49；城镇化边缘区植被覆盖度总体较高，NDVI值由2000年的0.52波动上升为2015年的0.58；城镇化外围区NDVI值由2000年的0.44波动上升为2015年的0.53，2011—2013年上升最为显著。在地理空间上，黄土高原大部分县（区）植被生长良好，NDVI呈现上升趋势，陕北黄土高原及其周边地区NDVI上升最为明显。各县级行政单元内部均存在NDVI下降区域，城区和镇区下降最为明显（图7a），说明城镇化核心区存在明显的植被减少趋势。
图7 黄土高原灯光强度与NDVI变化趋势

Fig.7 Change rend of light intensity and NDVI on the Loess Plateau

2000年以来，黄土高原城镇灯光强度总体呈现上升趋势，城市群地区升高速度最快（图7b）。关中平原城市群、兰西城市群、呼包鄂榆城市群、宁夏沿黄城市群和晋中城市群是黄土高原地区城镇化的主体区域，城镇灯光强度上升最为迅速，而下降或缓慢上升区域主要位于城镇化边缘区域，大范围的灯光强度下降或缓慢上升说明城镇化对边缘区域的影响具有不稳定性，主要是因为在广大城镇化边缘地区尚未形成稳定的城镇用地，受中心城市的中心性作用，居民长期定居在城镇化边缘区的可能性较小，造成灯光强度在较低范围内长期波动。
黄土高原灯光强度与NDVI同步增加是区域发展的主导趋势（图7c）。在退耕（牧）还林（草）、水土保持和城市绿化等工程的持续实施下，灯光强度与植被覆盖度同步增加成为县域城镇化与生态环境发展的主导趋势。灯光强度与NDVI同步下降区分布零散，主要位于城镇化核心区与边缘区的过渡地带，以及资源环境比较恶劣的荒漠区，灯光强度和植被覆盖度波动较大。灯光强度增加与NDVI减少的区域主要位于城镇化核心区，说明城镇化过程会对城镇局部地区的生态环境产生负效应。灯光强度减小与NDVI增加分布面积最广，说明该区域的人类社会经济活动强度在逐步减小，这主要是因为城镇化引起人口和社会经济要素向城镇化地区集聚，减轻了边缘区的人类活动压力，同时生态恢复工程与城镇绿化工程改善了区域生态环境，提高了植被覆盖度。

3.3.2 城镇化与生态价值变化格局

2000—2015年，黄土高原植被生态价值由2000年的2 210.63亿元上升为2015年的3 036.75亿元。其中，城镇化核心区植被生态价值上升最为明显，由2000年的20.02亿元上升为2015年173.31亿元；其次是城镇化边缘区，植被生态价值由2000年的541.71亿元上升为2015年的775.78亿元；城镇化外围区植被生态价值上升幅度较小，由2000年的1 648.90亿元上升为2015年的2 087.66亿元。从单位面积生态价值看，2000年以来黄土高原及各城镇化区单位面积生态价值介于20~50万元/km2，生态价值总体趋势依然表现为波动增加。16年间，黄土高原地区、城镇化边缘区和城镇化外围区单位面积生态价值相差不大，而城镇化核心区单位面积生态价值约为前三者的1/2，主要原因是城镇化核心区包含有大量的城市建成区，建设用地是其主要的土地利用类型，生态价值低。
2000年以来，黄土高原生态价值上升最为明显的区域位于晋陕交界处（图8a）。2000年以来，随着退耕还林（草）等工程的相继实施，黄土高原总体植被显著恢复，植被生态价值不断上升。除宁夏中宁县、沙坡头区和内蒙古鄂托克前旗、鄂托克旗、杭锦旗，以及贺兰山东麓等地区受干旱气候和荒漠化影响，生态价值出现下降外，黄土高原各县级行政单元内部也均存在下降区域，特别是灯光强度不断上升的关中平原城市群、兰西城市群、呼包鄂榆城市群、宁夏沿黄城市群和晋中城市群等城市群地区，以及能源矿产资源开发区（图8b），植被生态价值下降最为明显，这体现了城镇化地区和能源矿产资源开发区高强度的人类社会经济活动对生态系统存在负向影响。但是，对比分析黄土高原生态价值与灯光强度变化趋势可以发现，灯光强度快速上升区面积显著高于植被生态价值下降区面积，这表明在生态环境脆弱的黄土高原地区，城镇化进程并未完全降低区域整体生态价值。
图8 黄土高原灯光强度与生态价值变化趋势

Fig.8 Change rend of light intensity and ecological value on the Loess Plateau

16年间，黄土高原灯光强度与植被生态价值同步增加是区域城镇化与生态环境演变的主导趋势（图8c）。随着退耕还林（草）工程的实施和城市绿化工程的持续推进，灯光强度与植被生态价值同步增加成为区域主要发展趋势。灯光强度减小与生态价值增加区主要位于城镇化边缘区和部分矿产资源开发区，由于中心城市的吸引和矿产资源的枯竭，该类地区的人类社会经济活动在逐步减少，植被恢复较快；灯光强度增加与生态价值减少区除荒漠区外，主要位于城镇化核心区，该区域人类活动强度大，经济密度高，土地利用以建设用地为主，生态价值下降较为明显；灯光强度与生态价值同步下降的区域面积小，分布零散，主要位于城镇化核心区与边缘区的过渡地带，该区域灯光随机性大，土地利用以农业用地为主，人类活动与植被生态价值在较低范围内波动。

4 结论与讨论

4.1 结论

本文基于1992—2015年黄土高原夜间灯光数据和生态环境要素数据，采用统计分析与GIS空间分析方法，研究了黄土高原城镇化时空过程与生态环境响应格局。主要得出以下结论：
①1992—2015年黄土高原城镇化空间拓展明显，城镇化发展总体处于较低水平。城镇化核心区与边缘区社会经济活动密度逐渐增大，城镇化集约性程度逐渐提升。受中心城市的极化带动作用，人口和经济要素向城镇化核心区集聚依然是黄土高原地区城镇化发展的主导态势。
②黄土高原地区城镇化呈现出明显的内部填充与外部扩张并存的空间特征，城镇化景观格局演化表现出点状、线状和面状三种空间模式。县域城镇化在地理空间上呈现出“核心—边缘”空间结构，城镇化热点区和次热点区集聚分布于黄土高原南部和东部地区，中西部县区是城镇化冷点区和次冷点的主要集中区。
③黄土高原城镇灯光强度与NDVI和生态价值同步上升是区域城镇化与生态环境演变的主导趋势。但受人类活动影响，各县（区）内部均存在NDVI和生态价值下降的区域，尤其是灯光强度不断上升的关中平原城市群、兰西城市群、呼包鄂榆城市群、宁夏沿黄城市群和晋中城市群等城市群地区，以及能源矿产资源开发区，NDVI和生态价值下降最为明显，城镇化与生态环境之间的矛盾日渐突出。
④黄土高原城镇化发展与生态环境保护矛盾有解。黄土高原城镇灯光强度与植被生态价值总体呈现同步上升趋势，地处自然条件恶劣的高原风沙区和干旱荒漠区的城镇上升最为明显。说明城镇化过程中对美好生态环境的客观需求，可能推动区域加大城镇及其周边地区生态环境保护与建设力度，形成城镇化发展与生态环境保护良性互动的新格局。

4.2 讨论

①黄土高原地区作为落实黄河流域生态保护和高质量发展战略的主体区域，城镇化发展与生态环境保护关系复杂，具有系统性、动态性和相对稳定性特征[22,25,32]。一方面，城镇开发建设和能源矿产资源开发，极大地改变了下垫面物质组成和结构特征，引起区域绿地减少、景观破碎和自然生态退化，由此产生的植被破坏和区域性的生态系统服务功能下降等问题，严重影响了居民生活和城镇可持续发展；另一方面，城镇化过程中积累了大量的资金、财富和科学技术用于生态修复，如退耕（牧）还林（草）等生态工程和相应生态补偿措施的实施，推动了生态系统恢复与环境质量改善，提高了区域自然承载能力。因此，从辩证的和系统的角度科学认知城镇化生态环境响应阶段性和地域差异性规律，是推动区域生态环境有效保护和经济社会高质量发展的关键。
②黄土高原城镇化边缘区单位面积生态价值长期高于城镇化外围区和全区平均水平，这与黄土高原主体区域地处干旱半干旱区的土地利用特征密切相关[22,32]。特别是地处高原风沙区的城镇，自然条件恶劣，建成区周围人类活动频繁区域的植被覆盖度和生态价值较高，而人类活动较少的外围区域植被覆盖度和生态价值反而较低，说明外围区不会因为人类活动少而显现出较高的植被覆盖度和生态价值。相反，城镇化过程中对美好生态环境的客观需求，可能会促使人类加大生态环境恢复与保护投入力度，通过实施环城镇生态防护林带建设等措施，推进城镇及其周边地区生态环境修复和保护，提高区域生态系统服务供给能力和自然承载能力。刘焱序等也认为晋陕蒙能源区良好生态环境的客观需求和发展积累的大量资金在短期内可能对城镇化区域的生态建设具有重要的推动作用[41]。但是，受自然条件特别是水资源的约束，自然条件恶劣区的城镇化发展与生态建设速度很难长期保持一致，造成城镇化对生态环境的正向影响存在逆转风险，这就需要在挖掘区域水资源利用潜力、保障生态用水安全基础上，根据区域水资源承载能力和调度能力，科学规划城镇人口规模、用地规模和产业规模，制定生态环境保护和恢复预案，有效维护城镇化与生态环境良性互动发展格局。
③本文将夜间灯光数据表达的城镇化过程与NDVI和生态价值反映的生态环境状况相结合，研究了黄土高原城镇化时空过程及其生态环境响应格局，揭示了城镇化与生态环境空间耦合关系。但是，受研究资料所限，本文主要分析了城镇化对植被覆盖度和生态价值的影响，可能无法全面表达城镇化过程中生态环境响应格局状况，同时生态环境演变受到自然因素和社会经济因素的多重影响，不同地区存在较大差异。在今后的研究中，可拓展城镇化生态环境响应的分析指标，加强揭示城镇化的生态环境格局响应机制，厘清城镇化活动与自然因素变化对区域生态环境的影响程度及其差异性，开展城镇化的生态环境响应格局监测、模拟和预警研究，为构建黄土高原可持续城镇化格局与生态环境保护格局提供科学支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中国科学院可持续发展战略研究组. 2015中国可持续发展报告—重塑生态环境治理体系[M]. 北京: 科学出版社, 2015.

[2]
邱国玉, 张晓楠. 21世纪中国的城市化特点及其生态环境挑战[J]. 地球科学进展, 2019, 34(6):640-649.

DOI

[3]
Future Earth. Future earth initial design:report of the transition team[R/OL]. http://www.icsu.org/future-earth/media-centre/relevant_publications,2013-04-17.

[4]
未来地球计划过渡小组. 未来地球计划初步设计[M]. 曲建升,译. 北京: 科学出版社, 2015.

[5]
美国国家科学院国家研究理事会. 地球科学新的研究机遇[M]. 张志强,郑军卫,等译. 北京: 科学出版社, 2014.

[6]
樊杰, 王亚飞, 梁博. 中国区域发展格局演变过程与调控[J]. 地理学报, 2019, 74(12):2437-2 454.

[7]
陆大道, 陈明星. 关于“国家新型城镇化规划(2014—2020)”编制大背景的几点认识[J]. 地理学报, 2015, 70(2):179-185.

DOI

[8]
陈明星, 叶超, 陆大道, 等. 中国特色新型城镇化理论内涵的认知与建构[J]. 地理学报, 2019, 74(4):633-647.

DOI

[9]
Fang Chuanglin, Zhou Chenghu, Gu Chaolin, et al. A proposal for the theoretical analysis of the interactive coupled effects between urbanization and the eco-environment in mega-urban agglomerations[J]. Journal of Geographical Sciences, 2017, 27(12):1431-1 449.

[10]
方创琳, 崔学刚, 梁龙武. 城镇化与生态环境耦合圈理论及耦合器调控[J]. 地理学报, 2019, 74(12):2529-2 546.

[11]
McDonald R I, Mansur A V, Ascensão F, et al. Research gaps in knowledge of the impact of urban growth on biodiversity[J]. Nature Sustainability,2019,doi:10.1038/s41893-019-0436-6.

[12]
Nathaniel S P. Modelling urbanization,trade flow,economic growth and energy consumption with regards to the environment in Nigeria[J]. GeoJournal,2019,doi:10.1007/s10708-019-10034-0.

[13]
Grimm N B, Faeth S H, Golubiewski N E, et al. Global change and the ecology of cities[J]. Science, 2008,319:756-760.

[14]
Seto K C, Satterthwaite D. Interactions between urbanization and global environmental change[J]. Current Opinion in Environmental Sustainability, 2010, 2(3):127-128.

[15]
Owrangi A M, Lannigan R, Simonovic S P. Mapping climate change-caused health risk for integrated city resilience modeling[J]. Natural Hazards, 2015, 77(1):67-88.

[16]
Ryan B D, Gao S. Plan implementation challenges in a shrink-ing city:a conformance evaluation of Youngstown’s(OH)comprehensive plan with a subsequent zoning code[J]. Journal of the American Planning Association, 2019(2):1-21.

[17]
郁鸿胜. 城市化研究国际理论前沿[M]. 上海: 上海社会科学出版社, 2017.

[18]
宋永永, 马蓓蓓, 李武斌, 等. 黄土高原县域城镇化的地域分异与动因机制[J]. 陕西师范大学学报:自然科学版, 2019, 47(4):9-21.

[19]
李双成, 赵志强, 王仰麟. 中国城市化过程及其资源与生态环境效应机制[J]. 地理科学进展, 2009, 28(1):63-71.

DOI

[20]
刘世梁, 朱家蓠, 许经纬, 等. 城市化对区域生态足迹的影响及其耦合关系[J]. 生态学报 2018, 38(24):8888-8 900.

[21]
孙黄平, 黄震方, 徐冬冬, 等. 泛长三角城市群城镇化与生态环境耦合的空间特征与驱动机制[J]. 经济地理, 2017, 37(2):163-170,186.

[22]
宋永永. 黄土高原城镇化过程及其生态环境响应[D]. 西安: 陕西师范大学, 2019.

[23]
周伟奇, 钱雨果, 等. 中国典型区域城市化过程及其生态环境效应[M]. 北京: 科学出版社, 2017.

[24]
方创琳, 鲍超, 黄金川, 等. 中国城镇化发展的地理学贡献与责任使命[J]. 地理科学, 2018, 38(3):321-331.

DOI

[25]
刘海猛, 方创琳, 李咏红. 城镇化与生态环境“耦合魔方”的基本概念及框架[J]. 地理学报, 2019, 74(8):1489-1 507.

[26]
方创琳. 中国新型城镇化高质量发展的规律性与重点方向[J]. 地理研究, 2019, 38(1):13-22.

DOI

[27]
施利锋, 张增祥, 刘芳, 等. 1973年—2013年经济特区城市空间扩展遥感监测[J]. 遥感学报, 2015, 19(6):1030-1 039.

[28]
杜军, 宁晓刚, 刘纪平, 等. 基于遥感监测的北京市城市空间扩展格局与形态特征分析[J]. 地域研究与开发, 2019, 38(2):73-78.

[29]
王莉红, 张军民. 基于地理探测器的绿洲城镇空间扩张驱动力分析——以新疆石河子市为例[J]. 地域研究与开发, 2019, 38(4):68-74.

[30]
World Development Report 2009:Reshaping Economic Geog-raphy[M]. Washing,D.C.: The World Bank, 2009.

[31]
樊杰. 地域功能—结构的空间组织途径—对国土空间规划实施主体功能区战略的讨论[J]. 地理研究 2019, 38(10):2373-2 387.

[32]
Song Yongyong, Xue Dongqian, Dai Lanhai, et al. Land cover change and eco-environmental quality response of different geomorphic units on the Chinese Loess Plateau[J]. Journal of Arid Land, 2020, 12(1):29-43.

DOI

[33]
方创琳. 改革开放40年来中国城镇化与城市群取得的重要进展与展望[J]. 经济地理, 2018, 38(9):1-9.

DOI

[34]
中国科学院黄土高原综合科学考察队. 黄土高原综合治理开发分区研究[M]. 北京: 中国经济出版社,1990.

[35]
徐康宁, 陈丰龙, 刘修岩. 中国经济增长的真实性:基于全球夜间灯光数据的检验[J]. 经济研究, 2015(9):17-29.

[36]
梁丽, 边金虎, 李爱农, 等. 中巴经济走廊DMSP/OLS与NPP/VIIRS夜间灯光数据辐射一致性校正研究[J]. 遥感学报, 2020, 24(1):1993-2 002.

[37]
徐新良. 中国年度植被指数(NDVI)空间分布数据集[DB/OL]. 中国科学院资源环境科学数据中心数据注册与出版系统(http://www.resdc.cn/DOI),2018,DOI:10.12078/2018060601.

[38]
陈鹏飞. 北纬18°以北中国陆地生态系统逐月净初级生产力1公里栅格数据集(1985—2015)[J]. 全球变数数据学报, 2019, 3(1):35-42.

[39]
李武斌, 宋永永, 薛东前, 等. 1990—2015年黄土高原地区城镇化与城市发展数据集[DB/OL]. 西安:陕西师范大学, 2018, http://loess.geodata.cn/index.html.]

[40]
Henderson M, Yeh E T, Gong P, et al. Validation of urban boundaries derived from global night-time satellite imagery[J]. International Journal of Remote Sensing, 2003, 24(3):595-609.

[41]
刘焱序, 吴文恒, 温晓金, 等. 晋陕蒙能源区城镇化过程及其对生态环境的影响[J]. 地理研究, 2013, 22(11):2009-2 020.

[42]
陈星星. 基于夜间灯光数据的武汉市城镇用地扩张识别与空间分布特征研究[J]. 西南师范大学学报:自然科学版, 2019, 44(1):70-78.

[43]
宋永永, 薛东前, 代兰海, 等. 陕北能源开发区县域社会剥夺的空间差异与形成机制[J]. 地理与地理信息科学, 2019, 35(1):109-117.

[44]
乔旭宁, 王林峰, 牛海鹏, 等. 基于NPP数据的河南省淮河流域生态经济协调性分析[J]. 经济地理, 2016, 36(7):173-189.

[45]
朱先进, 王秋凤, 郑涵, 等. 2001—2010年中国陆地生态系统农林产品利用的碳消耗的时空变异研究[J]. 第四纪研究, 2014, 34(4):762-768.

[46]
张同功, 赵得志. 我国煤炭价格波动影响因素实证研究[J]. 中国能源, 2018, 40(3):16-21.

Options
Outlines

/

〈 〉