城市化包括人口城市化、经济城市化和土地城市化三大最显著的特征^[1]。在城市化水平快速发展状况下, 以城市化为背景的城市生态环境问题一直是地理学研究的热点。城市化造成了大量农用地被侵占, 环境恶化、资源危机等一系列“城市病”, 严重影响人们的正常生活^[2-6]。面对日益严峻的生态环境问题, 迫切需要国内外学者借助新技术、新手段、新方法深入开展城市化相关问题研究。

城市化在多源、多尺度、主动和被动遥感图像上, 均表现出对资源生态环境系统的影响。事实上, 尽管城市应用通常需要以最佳的地面分辨率获取数据, 但许多宏观的地物特征可以使用低分辨率遥感影像获得(图 1)^[7]。城市遥感应用的主要方向是空间城市化过程及其在这个过程中引发的自然变化和人文变化。在上述研究过程中, “3S”技术是集监测、管理和分析城市化进程及其生态环境响应最有效信息源和研究方法^[8-9]。国家新型城镇化规划(2014—2020)对城市遥感提出了新的挑战, 遥感数据获取技术的快速发展为城市遥感提供了越来越多的数据源, 人工智能、地理时空大数据分析与挖掘技术为城市遥感提供了更为智能、快速的处理和分析工具。现已进入大数据时代, 利用“星—空—地”一体化遥感监测平台和Google Earth Engine(GEE)云遥感数据处理平台, 可为城市及城市群遥感的分析提供坚实的基础, 为城市可持续健康发展提供有力支持。

通过文献检索, 目前国内外对于城市遥感的研究, 多集中在单一领域, 对城市遥感诸多要素的综合性研究较少。很少将城市中遥感所涉及的问题进行统一阐述, 因此, 本文将总结国内外学者在城市地表温度、城市边界扩张、城市不透水表面、城市景观格局和城市生态安全5个方面的研究动态以及发展态势, 较为完整的从理论、方法以及应用几个层面展开讨论, 为城市遥感的深层次研究指明方向。

1 城市遥感研究的主题和主要进展

遥感技术已渗透到城市建设和研究的各个领域, 在城市规划管理中具有重要的作用, 为全面、有效和实时地了解城市的发展变化提供了强有力的技术支持(图 2)。本文通过CNKI和Web of Science数据库共检索出包含基于遥感技术的城市地表温度、城市边界扩张、城市不透水表面、城市景观格局和城市生态安全5个方面的1501篇中文文章和3368篇英文文章, 通过文献梳理, 根据年代发展筛选出国内外城市遥感部分研究主题和主要研究内容, 如表 1所示。

1.1 城市地表温度

地表温度(Land Surface Temperature, LST), 即陆地表面的温度^[31]。地表温度(LST)是研究地表能量预算、陆地表面过程以及城市热岛中最重要的参数之一^{[28, 32]}。通过中国知网数据库, 按照主题为遥感*城市*(“地表温度”+“LST”+“热岛”+“TVDI”+“微气候”)共检索出965篇文献, 通过Web of Science数据库, 按照主题为Remote Sensing* Urban*(“Land Surface Temperature”OR“LST”OR“Heat Island”OR“TVDI”OR“Microclimate”)共检索出798篇文献。图 3揭示了1999—2019年间的中英文发文数量趋势, 图 4揭示了我国不同的研究机构及不同国家/地区发文现状(图 4)。

从图 3可以看出, 关于城市地表温度遥感研究的中英文文章数量虽然在个别年份有回落现象, 但是整体呈现逐年迅速增长的趋势。从图 4中可以看出南京信息工程大学在城市热环境研究中发表中文文章数量最多, 为65篇。发文数量排名前三的高校都来自华东地区, 该地区是我国城市化水平最高、气象观测站点分布最为密集的区域, 非常有利于从事城市地表温度研究。从不同国家/地区发表文章数量来看, 中国发表文章数量最多, 达到了303篇, 其次为美国, 为209篇, 德国为41篇。

目前, 地表温度的研究数据主要利用ASTER和Landsat TM/ETM+等卫星数据以及MODIS地表温度产品数据反演LST^[33]。针对地表温度方法研究, 黄妙芬等^[34]、苌亚平等^[35]采用TM、ETM+和TIRS数据进行了LST算法的精度对比分析, 均发现单窗算法与实测数据的一致性较好。严安等^[36]、周梅等^[37]也利用单窗算法反演了各自研究区夏季地表温度, 发现效果理想。而Yu等^[38]利用实测数据, 比较了多种算法, 发现反演精度为辐射传输方程法>分裂窗算法>普适性单通道算法。之后, 孟翔晨等^[39]利用ASTER数据, Landsat 8地表反射率及实测地表温度数据分析了验证点的空间异质性, 发现普适性单通道算法估计的地表温度(LST)总体精度较高, 可更好的用于城市热岛效应(UHI)、地表蒸散发估算等研究。

改革开放以来, 中国的城镇化进程显著加快。根据《国家新型城镇化发展规划》, 2020年中国的城镇化率将达到60%。快速城镇化带来日益严峻的生态环境问题, 尤其产生城市热岛效应^[40-41]。城市热岛效应(UHI)是由于人类的活动, 大规模改造局部下垫面条件而影响了局部区域的气候环境。Dihkan等^[42]对土耳其不同气候区域的七个城市进行城市热岛效应研究, 得出热岛效应是城市化地区的主要环境问题。Dwivedi等^[43]通过Landsat遥感数据, 研究了印度孟买都市区微观层面的城市热岛现象和室外热环境, 研究表明可以通过控制区域绿化的百分比来减轻城市高温热场的影响。Shafizadeh-Moghadam等^[44]探索了城市LST与环境和人为因素的关系, 并利用随机森林(Random Forests, RF), 增强回归树(Boosting Regression Tree, BRT), 广义加性模型(Generalized Additive Model, GAM)和支持向量机(Support Vector Machines, SVM)模型评价城市LST的模拟精度。国内学者徐涵秋^[45]通过反演福州市地表温度, 分析了城市热岛形成的原因。方刚^[46]采用Landsat 8影像, 分析了苏州城市热岛效应, 初步探讨了城市热岛效应与建筑用地, 水体, 裸土和植被四个不同指标之间的定量关系。黎良财等^[47]运用Landsat 8遥感影像, 引入热岛强度(Heat Island Intensity, HII) 因子, 并与LST反演结果相结合, 分析了柳州市城市热岛效应, 结果表明该研究区热岛效应的轮廓与城市建成区轮廓吻合。上述研究者都是对城市的热岛效应进行了研究, 然而, 还有少部分学者^[48-52]对城市冷岛(Urban Cool Island)效应也进行了深入研究, 其中Rasul等^[53]指出未来的城市研究方向还是应该多集中于城市热岛群的研究。

随着时间的推移, 虽然一些经典的算法依然在使用, 但是这些方法都在不同程度上进行了融合和改进(表 2)。总之, 随着反演算法及遥感技术的发展, 城市地表温度研究还将继续在研究方法以及实际应用中进行探索, 大多数LST研究的空间分辨率都较低, 虽然这些研究可以为热岛带来的环境问题治理提供一定依据, 但是若要制定小范围区域的政策仍需要高空间分辨率影像的支持。另外, LST动态变化是确定城市发展和气候变化对居住场所温度状况影响的一个良好指标。季节及日变化LST会严重影响人们在城市的日常生活。进一步的研究可以考虑对多个热卫星数据进行时间序列分析, 以验证LST值的增长趋势和气候变化以及灯光指数大小等潜在原因。

1.2 城市扩张

随着全球城市化的发展, 城市边界扩张研究逐渐成为学术界关注的焦点^[77-78]。著名学者He等^[79]提出一种全卷积网络(Fully Convolutional Networks, FCN)方法, 并运用该方法来检测1992—2016年全球城市扩张情况, 研究得出全球城市土地面积从27.47×10⁴ km²增加到62.11×10⁴ km², 增加了34.64×10⁴ km²。作者所提出的FCN方法在有效检测全球城市扩张方面具有巨大潜力。通过中国知网数据库, 按照主题为遥感*(“城市边界扩张”+“城市扩展”+“城市形态”+“城市面积增长”+“城市动态变化监测”)共检索出119篇文献, 通过Web of Science数据库, 按照主题为Remote Sensing*(“Urban Boundary Expansion”OR“Urban Expansion”OR“Urban Form”OR“Urban Area Expansion”OR“Urban Dynamic Change monitoring”)共检索出872篇文献。图 5揭示了1999—2019年间的中英文发文数量趋势, 图 6揭示了我国不同的研究机构及不同国家/地区发文现状。

从图 5可以看出, 关于城市扩张遥感研究的中文文章数量虽然在个别年份呈现波动起伏现象, 但是整体上呈现增加的趋势, 而英文文章出现陡增的趋势。由于福州大学在城市研究领域具有一定特色, 所以该校在关于城市扩张遥感研究中发表中文文章数量最多(图 6), 从不同国家/地区发表文章数量来看, 中国发表文章数量最多, 为399篇, 其次为美国, 为161篇, 之后为德国和印度, 都为42篇。

目前, 城市用地扩张空间模式可分为填充性、廊道型、外延型和卫星城型等^[80-81]。Patino和Duque^[82]研究表明有许多方法和措施可用于评估城市发展和蔓延, 而卫星遥感已被证明是获取地面信息以大规模评估规划和政策成果的有用工具。Masek等^[83]基于多期Landsat TM影像, 利用NDVI插值结合地物的纹理特征分析方法, 研究长时间序列华盛顿市域建成区的时空扩张规律。Pesaresi等^[84]以Landsat等卫星数据为主, 辅以其他数据, 向全球免费提供了1975—2014年全球人居环境数据集(GHS), 主要包括建设用地面积与人口空间分布信息, 精确的对城市扩张过程中面积增长与人口聚集情况行了分析。Bilbisi^[27]以约旦安曼市为例, 利用卫星遥感图像进行城市扩展的空间监测。国内学者张晓平等^[85]从城市土地扩张的影响机制方面进行了研究。管驰明等^[86]从空间角度方面总结了我国城市土地扩张规律, 并阐述了城市扩张的形态和模式。张岩等^[87]修改了元胞自动机(SLEUTH)模型并应用于北京城市扩展的模拟和预测中, 深入研究了北京城市发展的模式和成因。此外, 国内一些学者分别以上海、广州等几个城市为研究区, 分析了城市土地扩张过程的空间形态及其影响机制^[88-94]。随着遥感数据的多源化, 新的数据源对城市边界扩张识别有着显著的作用, 夜间灯光数据具有长时间序列及范围广的优势, 利用夜间灯光对城市边界进行提取是一种效率较高的方式。如王翠平等^[95]从空间扩张强度、扩张类型和方向性空间扩张特征角度分析了京津冀-长江三角-珠江三角城市群城市用地的空间扩张特征, 从社会经济角度分析城市群空间扩张的驱动因素。邹欣怡等^[96]在重庆市南岸区1996—2016年建成区扩展的数量及形态研究的基础上, 采用改进的压力-状态-响应模型DPSR综合生态评价模型定量评价了城市用地扩张的生态环境效应, 并识别了城市用地扩张系统与生态环境系统的主要影响因素, 从小尺度、系统、动态的角度对城市扩张/蔓延的生态环境耦合效应进行了研究。邓刘洋等^[97]采用面向对象均值漂移分割方法、构建决策树分类方法和基于土地利用类型的标准差变量信息实现高空间分辨影像建成区提取, 探讨了虞城县2000—2017年城区扩张过程。此外, 学界也积极地将CA模型与其他模型相结合形成混合模型, 来进行城市增长边界研究^[98-99]。城市增长边界(Urban Growth Boundary, UGB)作为空间增长管理的政策工具之一, 以“生态优先”保护城市生态本底, 以“精明增长”提升城市内部空间绩效, 在协调保护与发展需求之间起到了重要作用^[100], 有研究表明UGB也是有效控制城市土地扩张的手段之一^[101]。作者通过文献分析发现UGB的主要划定方法以及研究内容如表 3所示。

与此同时, 国内有部分学者利用遥感技术从国家尺度和全球尺度的角度研究了城市扩张带来了一些生态环境问题。如：He等^[113]通过整合夜间灯光、植被指数和地表温度的数据, 准确地总结1992—2012年中国的城市扩张动态变化情况。分别从国家、生态区域和地方三个尺度对这一时期的自然生境损失进行了评估。结果显示, 1992—2012年, 中国城市发展极为迅速, 年均增长率为8.74%, 而全球平均水平为3.20%。大规模的城市扩张导致中国部分地区的自然生境损失严重。Liu等^[114]使用分辨率为30m的Landsat地表反射率数据, 绘制了1985—2015年的全球年度城市动态图。全球城市范围每年扩大9687 km²。这一速度比以往对全球各个城市的可靠估计高出四倍, 表明全球城市化的速度是前所未有的。城市扩张的速度明显快于人口增长的速度, 说明城市土地面积已经超过了维持人口增长的需要。将这些地图与综合评估模型结合使用, 有助于更好地了解城市化对环境的复杂影响, 并帮助城市规划者避免自然灾害。Liu等^[115]也使用GlobeLand30以及MODIS产品中的土地利用、NDVI和NPP数据集发现在2000年至2010年之间, 全球城市土地的扩张速度远远超过预期。在这10年间, 世界城市面积每年增加5694 km², 占2000年城市总面积的5%左右。但是相反, 快速的城市扩张却减少了全球陆地的净初级生产力(NPP)。Chen等^[116]在共享社会经济路径(SSPs)的框架下, 利用FLUS模型对1 km分辨率下的未来城市土地扩张进行了预测。预测结果显示, 虽然在2040年之前, 全球城市土地继续快速扩张, 但预计2050年之后, 中国和许多其他亚洲国家将面临城市人口减少的巨大压力。预计约有50%—63%新扩张的城市土地将出现在现有的耕地上, 全球农作物产量将下降约1%—4%。因此, 利用现有的遥感产品数据研究城市扩张所引起的生态环境、自然生境、作物产量问题已迫在眉睫。

总之, 城市边界扩张的长时间序列研究中, 多源数据处理中的不确定性是导致误差的重要原因之一, 此外, 还需要考虑不同遥感影像数据之间的尺度问题。城市遥感研究对象从之前以单个城市为核心转向现在的城市群和城市重点区发展为主(如：珠三角城市群、京津冀城市群、成渝城市群、长江三角洲核心区城市群、苏锡常城市群等)。随着多尺度对地观测数据和产品的快速发展, 遥感提供了对不同尺度城市化及其资源环境响应的综合观测, 为开展不同范围的城市遥感研究创造了条件。目前, 已进行了对城镇用地扩展方面的多地域、多尺度的综合性和典型性研究, 如：王惠霞^[117]研究了武汉城市群、长株潭城市圈、中原城市群在不同时间阶段上的城镇扩展规律, 并探讨了不同规模等级城市的城镇扩展模式。Fei等^[118]绘制并量化了1978年至2015年中国六大城市(北京、重庆、广州、上海、深圳、天津)扩张的时空动态。

1.3 城市不透水表面

城市不透水面的信息提取是研究城市化进程的一个重要手段^[119]。城市不透水表面(Urban Impervious Surface, UIS)为城市管理策略、可持续发展和环境变化监测提供有价值的信息^[120-121]。著名学者Gong等^[122]使用Google Earth Engine (GEE)平台上30m分辨率的Landsat图像, 绘制了1985—2018年年均全球人工不透水面分布图。揭示了在过去的30年里, 全球不透水面积发生了相当大的增长。2018年全球人工不透水面的总面积为797, 076km², 与1990年的面积相比增加了1.5倍。在各大洲中, 亚洲的增长最为显著, 尤其是东亚地区。中国和美国是人工不透水面积总量最多的两个国家, 2018年占全球总量约50%。通过中国知网数据库, 按照主题为遥感*城市*(“不透水面”+“不透水层”+“建成区提取”)共检索出171篇文献, 通过Web of Science数据库, 按照主题为Remote Sensing* Urban*(“Impervious Surface”OR“Impervious Layer”OR“Built Area Extraction”)共检索出378篇文献。图 7揭示了1999—2019年间的中英文发文数趋势, 图 8揭示了我国不同的研究机构及不同国家/地区发文现状。

从图 7可以看出, 关于城市不透水表面遥感研究的中文文章数量虽然在个别年份呈现微弱回落现象, 但是整体呈现陡增的趋势, 而英文文章数量呈现阶梯上升的趋势。由于武汉大学等单位已成功完成了“城市不透水面遥感高精度监测关键技术及应用”的项目, 而且全球首次完成了国家尺度的米级不透水面产品, 促使该校在城市不透水面遥感研究中取得了丰硕的成果, 因此, 武汉大学在城市不透水表面遥感研究中发表中文文章数量最多, 为13篇。从不同国家/地区发表文章数量来看, 中国发表文章数量最多, 为148篇, 其次为美国, 为143篇。

近年来, 不透水表面已成为城市化进程的评价指标, 同时也是环境质量的评价指标^[123]。早在1994年, Deguchi等^[124]就已经使用两种方法和多种数据源对日本一个小城市进行城市不透水面的提取。1995年, Ridd^[125]提出了研究城市生态的植被-不透水面-土壤(V—I—S)模型。2000年之后, Ward等^[126]通过遥感提取城市不透水面成功监测了城市动态发展变化和土地利用组成。Phinn^[127]依据V—I—S模型, 应用亚像元分析方法得到了澳大利亚布里斯班市的不透水面分布, 并分析了城市的环境构成情况。Braun等^[128]采用ASTER数据, 以研究德国西部科隆/波恩城市群的不透水面程度, 比较了基于线性光谱分离的植被分数和NDVI的两种方法。国内学者Wu等^[129]通过使用Landsat ETM+数据的完全约束线性光谱混合模型估算不透水表面分布以及植被和土壤覆盖。陈爽等^[130]基于IKONOS数据首次在我国城市中心城区尺度上探索土地利用的不透水性。王俊松等^[131]提取了城市区域尺度上的不透水面信息, 利用监督分类方法得到了绿地、裸地等城市透水面高精度信息。Deng等^[132], Zhang等^[133]利用多时期遥感图像分析了珠三角地区不透水面的变化及城市扩张情况。程熙等^[134]整合夜间灯光遥感与Landsat TM影像中的空间和光谱信息实现了不透水面覆盖范围的自动提取。周玄德等^[135]利用归一化不透水面指数(Normalized Impervious Surface Index, NDISI), 提取了乌鲁木齐市主城区的不透水面。通过文献分析梳理出不透水层表面提取的主要方法如表 4所示。

不透水层分布是城市和区域环境的生态考核指标之一, 对城市和区域的发展规划和生态评估具有重要意义^[151]。因此, 已经有很多学者都开展了此类研究, 城市不透水表面是影响城市生态环境的重要因素。不透水表面信息已被广泛应用土地利用现状、城市环境保护、城市水文模拟和城市专题制图等, 故获取及持续监测不透水层并从中获取更多信息, 用于各个领域的讨论和研究, 从而改变城市面貌, 改善人居环境。但是, 城市遥感研究中不透水面信息的准确提取一直都是需要攻克的难题。如：市区不透水面信息低估和农村不透水面信息高估是典型的问题。这样的问题可以通过结合志愿者地理信息(VGI)^[152-153]来解决。今后可以使用VGI将错误分类的建筑物阴影和水覆盖物纠正到不透水表面。此外, VGI还可以提供有用的土地覆盖信息^[154], 以改善城市不透水的地表分类。

1.4 城市景观格局

景观格局包括景观组成单元的数目、类型以及空间分布与配置^[155]。定量分析景观格局及其变化对于监测和评估城市化的生态后果至关重要^[156], 从景观空间格局角度来理解以及解决城市化问题是景观生态学的一个研究热点^[157]。通过中国知网数据库, 按照主题为遥感*城市* (“景观格局”+“景观”+“LUCC”+“土地利用变化”)共检索出113篇文献, 通过Web of Science数据库, 按照主题为Remote Sensing* Urban*(“Landscape Pattern”OR“Landscape”+“LUCC”+“Land Use Change”)共检索出1290篇文献。图 9揭示了1999—2019年间的中英文发文数量趋势, 图 10揭示了我国不同的研究机构及不同国家/地区发文现状。

从图 9可以看出, 关于城市景观格局遥感研究的中英文文章数量虽然在个别年份出现了明显的回落现象, 但是整体上呈现陡增上升的趋势, 从图 10中可以得知北京林业大学在城市景观格局遥感研究中发表中文文章数量最多, 为35篇。其次为南京林业大学和华东师范大学, 因为这三所高校在景观生态学的研究中都具有一定优势。从不同国家/地区发表文章数量来看, 中国发表文章数量最多, 为463篇, 其次为美国, 为360篇, 之后为德国, 为62篇。

国外学者Batty^[158]在构建细胞自动机模型的基础上, 探讨了该模型与城市格局之间的关系。Luck & Wu^[156]以美国亚利桑那州凤凰城为例, 分析城市景观格局变化与空间幅度大小的关系。Raúl & George^[159]研究了西班牙Encinares城市景观格局变化并进一步解释了产生变化的原因及其生态意义。Kabisch等^[160]利用一种多传感器多时相的遥感方法, 用于检测城市景观格局异质性中的土地利用动态变化。Ramachandra等^[161]利用完善的景观指标和遥感数据量化了城市动态。国内学者徐建华等^[162]通过SPOT全色波段数据和地理信息系统技术, 用空间统计分析方法研究城市景观格局的空间尺度效应。杜秀敏等^[163]基于人工神经网络技术, 建立了厦门市景观格局分析的模型。逯萍等^[164]选取景观破碎度、分维数、分离度等指数进行了延吉市景观格局定量分析。范辰等^[165], 陈文术等^[166]均利用多期遥感数据探讨了城市景观格局的动态变化以及其驱动因素。此外, 付凤杰等^[167]还运用景观格局指数和景观连通性等方法定量分析了建筑景观和绿地景观变化及空间影响, 常用于城市遥感的景观指数有破碎度指数、分离度指数、孔隙度指数和多样性指数等。

总之, 正如潘泓君^[168]在研究中指出：利用景观指数描述景观格局存在一定不足, 如：景观格局指数有几十种, 它们之间存在着一定的联系, 因此, 在研究中应该更多考虑景观指数应用的合理性。其次, 由于景观格局指数具有尺度效应, 从而使研究的难度和不确定性增加。

1.5 城市生态安全

城市生态安全指支持城市经济社会持续发展的基础上, 人类生活的城市自然生态环境条件处于其承载力内的一种城市生态系统状况^[169]。而城市生态安全格局是维持城市自然生命系统正常运行, 保持经济社会可持续发展的关键性格局^[170]。通过中国知网数据库, 按照主题为遥感*城市* (“生态安全”+“生态变化”+“环境承载力”+“生态足迹”+“生态红线”)共检索出133篇文献, 通过Web of Science数据库, 按照主题为Remote Sensing* Urban*("Ecological Security"OR"Ecological Environmental Change"OR"Ecological Carrying Capacity"OR"Ecological Footprint"OR"Ecological Red Line")共检索出30篇文献, 图 11揭示了1999—2019年间的中英文发文数量趋势图, 图 12揭示了我国不同的研究机构及不同国家/地区发文现状。

从图 11可以看出, 关于城市生态安全遥感研究的中英文文章数量都普遍偏低, 两者均存在比较明显的波动现象, 虽然中英文文章数量都呈现增加的趋势, 但是之间的差别不大, 发展较为缓慢。从图 12中可以得知福州大学在城市生态安全遥感研究中发表中文文章数量最多, 通过之前的分析发现福州大学在城市遥感研究的很多领域都是领先的, 说明了这些领域之间存在一定共性。从不同国家/地区发表文章数量来看, 中国发表英文文章数量最多, 为18篇, 其次为美国, 为3篇。从统计中可知, 国内外利用遥感技术评价城市生态安全的文章较少, 这可能是由于很多学者都是采用模型, 算法进行城市生态安全评价。

国外学者Brauch^[171]运用PSR模型作为生态安全的评价模型, 完成了区域的生态安全评价研究。Hodson和Marvin^[172]提出了如何在城市生态安全条件下确保世界城市物质和生态再生产的论点和一系列命题。国内学者张浩等^[173], 郭斌等^[174]对快速城市化下区域开发的生态承载力及生态风险度进行了动态评价, 且提出相应的生态风险调控措施。麻秋玲等^[175]基于压力—状态—响应(P—S—R)模型, 利用突变级数法对福州市2000—2009年生态安全进行综合评价。Lu等^[176]提出了一个滨海旅游城市生态安全系统模型, 该研究所提供的方法可以用于评估潜在的社会经济对沿海旅游城市生态安全系统的影响, 并为科学管理提供有用的信息。黄焕春等^[177]把天津市滨海新区作为研究区, 对其生态安全格局底线运用GIS和大数据技术进行综合分析, 最终得出优化城市扩张模式的合理途径。艾媛巧等^[178]将生态安全等级划分为了5个等级, 然后在PSR模型和熵权法的支持下分别对2007—2016年的长沙市生态安全进行了评价, 并运用无偏GM(1, 1)模型对长沙市2017—2021年的生态安全值进行了预测。通过文献的分析, 作者梳理出生态安全评价的模型框架如表 5所示。

总之, 在城市生态安全及风险评估过程中, 可借助3S技术手段, 将其以空间的形式进行表达。然后对其进行归因分析, 之后再借助相关模型(熵权TOPSIS法、ARIMA模型、人工神经网络模型等)或者改进的模型来开展对生态安全的预测和预警分析。

通过上述的国内外文献梳理, 发现我国学者非常重视在城市地表温度、城市边界扩张、城市不透水面、城市景观以及城市生态安全这个五个主题的研究, 促使我国学者的文章数量呈现出递增的趋势。作者认为虽然这些研究都是单独统计和分析的, 但它们彼此也存在一定的联系(图 13), 城市不透水面和城市扩张变化都会驱使城市地表温度发生改变, 随之城市景观格局也会发生变化, 在此基础上, 可以探讨城市生态安全性。如：Huang等^[192]对2050年的城市土地扩张和热岛强度进行了全球空间精确的预测。研究得出：城市扩张造成的气温升高与温室气体排放造成的气温升高一样严重, 在某些地方甚至更严重。结合温室气体空间变化和社会经济发展, 揭示了一个新的全球极端热风险增加的地理环境。因此, 今后如何更好的开展这五个主题的交互研究, 需要作者以及科研工作者不断的去探索和完善。

2 讨论与结论 2.1 讨论

目前, 城市陆表环境(城市绿度、城市热度、城市湿度、城市灰度、城市亮度以及城市高度)决定城市宜居性, 与人们日常生活密切相关, 其内部作用机理复杂, 已成为重要命题和研究热点。伴随着城市的边界扩展, 不透水面继续扩张, 城市热岛效应加剧, 其中LST受高覆盖的不透水面影响较大。由于植被的降温效果较好, 因此在城市生态环境建设中, 要考虑绿地面积和空间分布, 既可以美化城市, 又可以降低城市热岛效应。通过一些措施, 如优化不透水面的空间格局；降低不透水面的斑块密度等措施, 以便减弱不透水面对地表温度的正相关作用。还可以从道路的材质选择、屋顶绿化等措施, 来优化城市生态环境。

虽然, 有关城市遥感的研究已经取得了丰硕的成果, 学者们也在不断完善研究方法, 但是由于受数据的可获取性和方法的精度性限制, 目前还有许多问题需要进一步分析, 因此, 从目前的研究态势来看, 研究还主要存在以下不足和问题：

(1) 城市地表温度研究方面：遥感图像已被广泛用于估计陆地表面温度(空气温度的主要驱动力)以及绘制LST的空间分布图^[193]。此外, 遥感反演的是地表温度, 而实测的是1.5—2.0m处的气温, 所以两者之间会有一定差异。现有许多地表温度算法的参数已经较少, 而且较为成熟。当前地表温度反演的问题是如何将地表温度与气温进行耦合和关联的问题。针对此问题, 国内外学者^[194-196]已经研究了地温与气温的时空特征, 发现地温和气温相关性极强。目前各种算法的反演结果与实测温度都存在一定差异, 如何提高各算法反演的准确度？如何细化定量评价影响地表温度因子(人为热排放对地表温度的影响)？因此, 有必要开发一种新技术, 通过协同使用红外和微波测量来估计全天候条件下的全球LST。此外, 加强对LST的地面观测会进一步提高全球和区域卫星对LST估计的准确性。

(2) 城市扩张研究方面：目前已经从各个方面研究了城市扩张对生态环境带来的影响, 但仍然存在一些局限性。在研究城市扩张带来的生态环境影响时, 缺乏相对系统, 客观和全面的评估体系。而且, 参与生态环境影响评估的大多数影响因素都来自低分辨率和中等分辨率遥感图像, 有必要采用更高分辨率遥感图像提高其评价准确性。城市地区的扩展通常有助于城市热岛的形成, 从而增加LST的规模。建议今后应考虑夏季和冬季之间的季节性, 开展LST的季节变化研究。总体而言, 必须融合多源遥感图像, 以满足不同规模城市扩展的需求, 而目视判读和自动分类方法的集成已成为当今的趋势。遥感技术在我国城市扩展领域的应用随着数据建设、方法和模型从初始阶段发展到创新阶段而得到了推广。但是, 仍需要从城市扩张过程及其对当地土地利用的长期和高频影响方面着眼于全国城市化趋势和模式。

(3) 城市不透水表面研究方面：由于城市地表覆盖的多样性, 人造地面物体材料的复杂性以及地表成分的异质性, 如何准确地提取城市不透水表面是一个仍需要解决的复杂问题。虽然, Huang等人^[197]提出了基于深度学习和多源遥感数据的城市不透水面自动提取(AEIDLMRS)方法, 但是一方面由于AEIDLMRS方法的复杂性导致提取效率不如传统的方法, 因此, 要提高计算机硬件设备或者采取云计算平台, 另一方面还需要解决由于植被覆盖路面产生阴影后导致的不透水面提取遗漏问题。因此, 不透水表面的精确估计仍然具有挑战性。另外, Wang和Li^[121]提出了一种基于深度压缩的卷积深度置信网络(dc—CDBN)方法和一种用于多源数据融合模型的新颖分类策略, 但是该作者的研究并没有详细探究针对不透水面问题的科学难点和解决方案, 因为在科学研究中会不断出现新的挑战, 所以, 在出现新问题时合理采用最佳方法来解决这些问题是今后要面临的科学难点。城市不透水面监测的准确性直接影响城市管理的决策和环境治理的质量。为了提高城市不透水面监测的准确性, 我们必须清楚还要面临很多的技术挑战。总体来看, 基于多源数据的不透水表面提取是一个研究趋势, 而具体的融合方法也将成为一个研究重点。

(4) 城市景观格局及生态安全方面：景观格局指数之间存在相关性, 在研究中需要更多的考虑景观指数应用的合理性。由于景观格局指数的尺度效应问题, 以至于增加了研究的难度和不确定性。在城市景观格局以及生态安全研究中, 仍然有一些问题需要解决, 如：①传感器图像的空间分辨率必须足够高, 以区分城市土地利用和城市土地覆盖的不同结构；②传感器设计应允许有意义的指标, 如NDVI是最普遍采用的植被指数, 但是, 考虑到城市地区的复杂性和多维性, NDVI可能会低估城市绿色空间中的绿色程度；③城市地区是地物复杂的区域, 复杂的城市结构可能会随着时间的推移而在很小的时间内发生变化；④虽然在景观格局及生态安全研究中, 所采用的遥感图像, 如Landsat, SPOT或IRS之类的卫星已经提供了超过25年的产品, 而Rapid Eye已经提供了10年的图像, 这些图像可用于监测随时间变化的城市状态和结构。然而, 在某种程度上, 不同的光学遥感数据针对小尺度城市区域的复杂性, 异质性的研究具有不确定性。

尽管土地利用/土地覆盖方式对城市小气候的变化有很大的影响, 但是管理者很少关注发展适应气候变化的局部战略。为了在不损害城市环境的情况下应对城市扩张的挑战, 未来的工作应探讨城市扩张对景观格局变化和生态安全变化的影响。

总之, 快速的城市化导致了城市用地扩张时空变化加速^[198-199]。进一步, 城市扩张导致不透水表面空间格局发生变化, 从而引起城市地表温度空间格局发生变化。通过引入景观生态学理论, 可以分析不透水面景观格局的空间变化规律。城市居住环境的迅速蔓延改变了城市生态环境的时空分布^[200-201], 因此, 引发了一系列城市生态安全问题^[202-204]。在未来新型城镇化过程中, 坚持可持续发展的理念, 将生态安全的价值观与现代文明建设置于同一高度^[205], 从上述五个方面, 采取交互研究的方式, 为城市遥感研究发展提供一定理论指导。

2.2 结论

本研究通过梳理国内外研究文献, 对城市遥感的5个主要研究主题进行了归纳和总结。主要得出如下结论：

(1) 从研究对象来看：城市地表温度(LST)的研究以热岛效应研究为主, 但也有学者开展了城市冷岛效应的研究, 此外, LST的反演方法也逐渐得到了改进和提升；城市扩张研究中针对城市增长边界的研究方法逐渐提高和改进, 而且基于城市群的时间序列研究也逐渐成为主流趋势, 但是不同规模的城市以及城市群扩张的特点、扩张强度、扩张类型有待深入研究；虽然城市不透水层的提取方法逐渐改进和提高, 但是, 城乡交接区域不透水层信息提取的精度研究依然是今后的难点。城市景观格局研究方法较为成熟, 但是, 针对不同类型、不同规模城市的景观格局指数选择依据还依然存在一定的不足, 因此, 景观指数的最优化选择是今后的难点。城市生态安全研究中采用的方法是以模型, 算法为主, 而且算法也在不断的改进和完善, 但是借助遥感技术构建适合不同类型城市的生态安全指数的研究较少。

城市遥感的研究目标将不断扩展、深化和聚焦。除了本研究探讨的五个主题以外, 还有很多领域有待探讨, 如：城市水环境、城市微气候、城市绿地生态系统、城市固体废弃物、城市噪声污染、城市地面沉降、城市光污染和电磁污染、城市林业、城市人口以及城市房地产等。作者认为对城市遥感领域之间的交互研究将是今后科学研究的前沿。

(2) 从采用的数据源来看：数据源从单个遥感数据研究走向多源遥感数据融合发展的方向, 多源遥感数据尤其是结合高分辨率数据越来越多的被应用到城市研究的各个领域。如何充分整合和利用更多的遥感派生产品、公开专题信息、行业监测数据等, 将是今后城市遥感数据资料选择的一个重要方向, 不仅可以降低城市遥感数据选择的难度, 还可以提高数据资料综合分析能力, 便于得出更客观、可靠的研究成果。将遥感数据整合到单中心城市空间结构模型中对于在缺乏空间分解数据的发展中国家的应用而言是一个有用的选择；为了实现这种可能性, 需要对城市建模和空间数据采集进行进一步研究。

(3) 从研究内容来看：城市遥感研究已开始了从二维到三维空间的拓展, 如：三维城市地表温度的研究、植被三维结构提取、绿度空间三维分布与配置评价等。此外, 数字城市、智慧城市建设这些领域都要求建立城市三维模型, 加强对三维城市建筑模式与城市热岛效应之间关系的探讨, 有利于合理规划城市建设布局。城市遥感涉及的内容之间相互作用, 相互影响。今后应按照城市形态与构成、城市关键要素、生态环境响应、生态环境评价以及城市扩展与环境预测的体系结构进行综合分析。