过刊检索
期数   从:
   至:
文章标题:
作者姓名:
关 键 词:
摘  要:
      
互动交流
本期您最喜欢的文章
《城市规划学刊》网站用户调查
您当前的位置: 首页 - 学术动态
08城乡规划方法与技术(钮心毅) 发布时间: 2012-11-27 点击: 2764

综合使用RS、GIS和空间建模技术的交通项目环境影响评价
美国佛罗里达州Okaloosa县在新建公路环境影响评价中运用了一套交通项目环境影响评价的综合分析方法。这一综合方法通过对环境信息和数据分析,评价道路周边环境脆弱性以及道路对环境影响,为决策提供支持。该方法综合使用了GIS和遥感(RS)为技术支持手段。在佛罗里达州的Okaloosa县北部,依据规划预测,至2020年,该区域人口将上升64.29%,就业岗位从也将增加40.70%,相应住房数量也将增加上升64.51%。规划在该区域内拟建一条Crestview支线公路,适应相应的增长需求。规划中的公路是一条四车道公路,已有三个选线方案供环境影响评估。对公路的环境影响评价过程可分为四个工作阶段,分别是问题构建、生成环境脆弱性地图、分配道路影响范围、确定最优方案。
1、问题构建
依据佛罗里达州交通部门对环境评价相应规定,交通项目的环境影响分析必须考虑4个方面影响评价,包括社会经济影响、环境影响、生态影响、其他影响。根据Crestview支线公路途径区域的实际情况,该案例中采用了以上4个方面共10项评价准则。经济影响,采用人口密度评估;历史和古迹、土地使用、水面面积和水质、地质相似性(采用)、湿地、洪泛平原、野生动物、特别水资源、军事用地等。以上10条准则均按影响程度进行定量评定分值。评分分值为0-3,对环境无影响的评为0分,有强烈影响的评为3分。如果某一准则对某一候选区域的影响程度超越了相应规范,则一律将分值确定为100分,以便于在综合评定中排除这一选项。例如,已有规定新建道路不能穿越历史古迹区域,便将该区域的历史古迹评分定位100分,便于综合汇总后将这些区域排除出选址方案考虑范围。使用ArcInfo进行数据维护、数据分析和建模,使用ERDAS进行土地利用类型的识别和分类。4个方面12个准则之间采用权重表达相互之间相对重要性。权重使用成对比较法确定,采用专家打分的方法,在评价准则之间进行两两比较后确定。
2、环境脆弱性分级地图
该案例的环境评价数据包括了遥感影像数据和GIS数据,两者均来源于佛罗里达地理数据库(FGDL)。以上10项评价准则需要的数据由佛罗里达地理数据库现有数据处理后得到。使用ArcInfo为GIS平台,ERDAS为遥感处理平台。影像数据使用了IKONOS卫星影像,使用ArcInfo软件进行遥感影像数据的格式转换,转为ERDAS可以接受的格式。随后使用ERDAS软件进行遥感判读,识别土地使用类型。使用ArcInfo进行投影变换,统一各类数据的空间参考。
环境脆弱性地图分三个步骤得到。第一步,将前一步数据预处理得到各个图层进行影响程度评分,根据评分数值进行重分类。第二步,将重分类后图层进行栅格化,统一输出为分辨率为1m的栅格图层。第三步,叠合以上所有图层并进行加权计算,获得区域环境脆弱性地图。
3、道路影响范围分配
公路建设的环境敏感性评价另有一个重要前提是要明确公路对环境影响的具体范围。在该项案例中使用了四个层次影响范围,分别是公路两侧100英尺(约30.48m)以内、200英尺(约60.96m)以内、500英尺(约152.40m)以内和1英里(约1.61km)之内。使用ArcInfo,依据已有3个选线方案,各自生成4个层次范围的图层。得到3个方案共12个影响范围,再分别与区域环境脆弱性地图进行叠合,得出环境影响评价地图。每一选线方案对应有4个不同影响范围的环境影响地图。
4、确定最优方案
分别汇总计算每一个环境影响范围地图的环境脆弱性得分总和,得出不同选线方案在不同影响范围内的环境影响程度。环境脆弱性得分总和分值越小,就是对环境影响程度越低。在三个选线方案中,方案三在100英尺(约30.48m)、200英尺(约60.96m)、500英尺(约152.40m)、1英里(约1.61km)四个范围内影响数值都是最小,方案三是环境影响最小的选线方案。
佛罗里达州的这一案例主要特点是建立了一套交通项目环境影响评价的决策方法。这一方法根据用户的决策目标,考虑公路建设与自然环境、人工环境影响。在技术上,综合使用的GIS、遥感技术,将其组合成了一个空间决策模型,采用权重反映多种价值观,参与决策各个方面,如专家、各利益相关方等可以输入不同的权重,得出符合各自要求的环境影响评价结果。
来源:EI GAFY M A, ABDELRAZIG Y A, ABDELHAMID T S. Environmental impact assessment for transportation projects: case study using remote sensing technology, geographic information systems and spatial modeling[J]. Journal of Urban Planning and Development, 2011, 137(2): 153-157.

应用Google Earth的卫星影像分析芝加哥的城市农业
美国一些城市近些年来开始关注城市农业的作用,认为城市农业是一种刺激经济发展、增加食品供给安全的有效策略。无论在城市层面或是居民区、社区层面,都在试图推进城市农业发展。要制定有效的政策或是制定相关规划,首先必须进行详细的城市农业调查,搞清楚城市农业现状情况。为此,需要精确地绘制出全市城市农业分布图。以往的调查方法大致有两种。第一种方式是依据相关非政府组织或志愿者的提供实地调查信息。这种方式虽然值得称道,但是问题在于调查得出数据多是位于易于接近达到的场所,公众难以接近场所的状况难以获取。由此获取的城市农业分布图会有数据遗漏。第二种方式是采用遥感影像自动判读的方法。遥感影像自动判读速度较快,但也存在不足。尤其是城市农业涉及的土地使用类型复杂,场地面积往往较小,不适于自动判读方式。相反,如果采用人工判读遥感影像的方式适宜于这一类情况,还能够根据不同时期的影像资料进行对比和推理。为此,2011年的芝加哥城市农业调查中采用了人工判读遥感影像的方法。
在芝加哥,城市农业有较长发展历史。2011年夏天,住房、经济发展、公共卫生、市长办公室等部门合作,提出要制定芝加哥城市农业规划。为此,需要调查清楚芝加哥城市农业发展现状。调查范围覆盖芝加哥全市,总面积606km2。2010人口普查时居住人口约270万人。
需要调查的城市农业用地的场地主要包括,社区园地、城市农场、学校园地、住宅园地等类型土地用途。芝加哥已经有1236个城市农业场地登记在案,城市内各类用于农业用途的场地总量尚不清楚。调查目的包括以下三个。第一,调查城市中有食品生产的农业用途的土地面积,第二,对已经有记录的城市农业用途的场地统计其土地面积、估算用于食品生产的土地面积。第三,调查尚未被发现的各种城市农业场地的面积,估算用于食品生产的土地面积。这一调查采用Google Earth提供2010年卫星遥感影像为基础进行,并且对比2007年、2008年的卫星影像进行分析。调查分析过程分为以下三个阶段。
首先,对于已有记录的城市农业场地,将记录中的地址信息转化为Google Earth的KML文件格式。使用Google Earth打开这些KML文件,在影像图上定位这些场地。在Google Earth中大致使用1:300比例尺,用人工目视判读的方式,依次检查这些园地是否有食品生产。选择有食品生产场地并将其在Google Earth中数字化为多边形要素,输出保存为KMZ文件。
其次,将整个芝加哥划分为10km2左右的若干片区,逐区采用人工检查的方式,判读是否尚有未登记的城市农业场地存在。选出有食品生产迹象的未登记场地,也将其数字化为多边形要素,并输出保存为KMZ文件。
随后,以上两步获取的KMZ文件,分别转换输入ArcMap,生成城市农业图层。在ArcMap中,计算各个场地的面积。然后将其与2010年人口普查图层、77个社区和228个居民区的图层进行空间连接,分社区、分人口普查小区汇总统计各个区内的场地数量、面积,将结果制作成城市农业专题图表达。
调查结果显示,在已经记录在案的1236个场地中,有160处场地有食品生产,合计土地面积58077m2。通过对卫星遥感片的解析判读,又发现了4493处有食品生产的未登记城市农业场地,合计土地面积208.225万m2。
为验证影像解析判读方法的准确性,又选择了部分场地进行实地调查检验。在全市范围内选择了194个场地进行现场确认。现场确认结果,仅有3处场地未有食品生产,属于判读错误。另有5个场地由于无法进入,无法确认是否有食品生产。由于遥感影像比现实情况存在一定滞后,有20个场地在遥感影像有显示有食品生产迹象,但是在实际情况中已经被废弃了。实地调查检验表明上述应用Google Earth卫星影像的分析结果可靠性较高。
这一调查结果显示城市农业是芝加哥城市中较为广泛的土地用途。相当多的城市农业场地并未登记在案。通过GIS专题制图,显示出不同类型的城市农业用地在芝加哥城内空间分布也有不同特点。这些分布上差异与居住人口、文化、经济、基础设施的差异密切的关系。例如,住宅园地分布密度在各个分区之间差异很大。中南部的两个居民区是住宅园地分布最密集的区域。这两个居民区内华裔居民最高,华裔居民习惯在住宅的园地里种植葡萄架、蔬菜等。
来源:TAYLOR J R, LOVELL S T. Mapping public and private spaces of urban agriculture in chicago through the analysis of high-resolution aerial images in google earth[J]. Landscape and Urban Planning, 2012, 108(1): 57-70.

UrbanSim模型在奥斯汀的应用
美国德克萨斯州的奥斯汀是全美增长最快的区域。在过去10年内,该区域人口数量增加了3.5%。伴随着大规模交通项目投资,相应的土地使用政策、环境政策等都会影响到未来土地使用模式。为此,选择了UrbanSim模型用于模拟预测2030年奥斯汀的土地使用状况,模拟相应的土地开发、能源消耗、温室气体的排放状况。
UrbanSim模型是华盛顿州立大学1990年代末开始研发的土地使用模型,适用于模拟较长时期的城市发展,预测土地使用、交通环境之间的相互作用。UrbanSim既是一个开源代码的免费软件,已在美国多个城市土地使用预测模拟得到应用。奥斯汀应用UrbanSim模型进行模拟预测的过程包括了数据准备、模型构建、情景设置、预测分析四个阶段。
UrbanSim模型对输入数据有较高的要求。UrbanSim采用150×150m的栅格数据表示研究区域,以单个住户、单个就业岗位为基本单元。模型需要输入数据包括家庭住房、就业岗位、建筑、交通、能源消耗数据。模型中的家庭住房数据包括了住宅位置、每户人数、户主年龄、种族等等等。这些数据采用2000年人口普查数据为基础进行处理得到。模型需要的就业岗位数据包括就业岗位的空间位置、使用的建筑类型。这些数据由点状的企业位置数据转换得到。依据现有的居住建筑、非居住建筑数据,采用logistic模型和OLS回归计算得出各类建筑比例、面积、建筑年代。以上得到的建筑数据符合模型输入的要求。模型需要的交通数据包括各个交通小区至CBD、至主要机场的网络距离,各个交通小区至主要干线公路的直线距离。这些数据也通过相关计算得到。模型需要的能源数据来自于2001年住宅能源消耗调查数据、2003年商用建筑能源消耗调查。
在UrbanSim模型中,对家庭住宅、就业岗位的选择决定了未来土地使用模式。相关的影响因素包括供给、质量、价格、就业岗位可达性、家庭收入、产业门类等。在UrbanSim中又分为住房位置选择模型、就业位置选择模型、土地价格模型等子模型。这些子模型在奥斯汀应用中都需要进行模型参数校正,以适应案例的应用。在奥斯汀应用中,采用了TransCAD作为配合的出行需求模型。TransCAD和UrbanSim之间的数据交换由手动完成。出行需求预测在TransCAD中进行。由于UrbanSim是以5年为一个阶段进行模拟。为此,共需要分6次预测2001年-2030年需求,依次转入UrbanSim。能源消耗模型使用由住房空间位置、家庭类型、电力和燃气价格、供暖和制冷天数等变量计算得到居住能耗。非居住能耗计算需要事前指定单位就业岗位占用平均建筑面积计算得到。
在奥斯汀2030年的模拟预测中,依据可能出现的政策,设定了6个不同的情景。情景1(NoTDM)中不设出行需求模型,整个模拟过程中出行需求不变。情景2(BAU)是道路网络不变,整个模拟中使用1997年网络。情景3(UGB)是设置城市增长边界,在整个模拟过程中不允许在增长边界以外进行开发。情景4(TCS)将出行费用的敏感性加倍,以降低出行可达性。在情景5(EXPAN)中,对3条主要干线道路容量加倍;在情景6(SH130)中增加49.2英里(约7.92km)的环线公路。
模拟结果得到6个情景对应的预测结果。情景一和情景二中,维持出行需求不变,未来住宅出现相当分散状况,低密度居住开发更加显著。情景三由于设置了城市增加边界,位于增长边界北部地区土地开发较为集中。情景四中,由于出行费用敏感性加倍增加,未来土地使用中居住和就业岗位分布更加接近CBD。在情景五和六中,未来居住、就业均集中在扩展后交通干线周边,密度仍然较低。六种情景比较,能源消耗并无显著的差异,对应的温室气体排放也没有较显著的差异。
奥斯汀案例应用UrbanSim模型预测了6种不同土地使用和交通情景下的奥斯汀2030年土地使用模式。从案例应用经验来看,UrbanSim总体上是一个对数据要求极高的模型。在奥斯汀案例中,数据准备、模型构建、情景设置、预测分析四项工作,对应工作时间大致是60%、20%、5%、15%。整个奥斯汀案例大概耗费了2人1年的工作时间。从案例应用经验表明UrbanSim模型有明显的优点,也有明显的局限。
来源:KAKARAPARTHI S K, KOCKELMAN K M. Application of urban sim to the austin, texas, region: integrated-model forecasts for the year 2030[J]. Journal of Urban Planning and development, 2011, 137(3): 238-247.

应用约束性CA模型和区域敏感性分析从规划方案中获取空间政策参数
清华大学的一个研究小组应用约束性CA模型方法,研究了如何从总体规划的规划方案中获取对应规划政策、规划实现可能性的方法。相关研究成果发表在国际学术期刊《Environment and Planning B: Planning and Design》2012第3期上。
规划方案和规划实施中的空间政策有什么样的关联,实施什么样的政策能确保规划方案实现,这些都是在总体规划方案编制过程中必须考虑的问题。另一方面,元胞自动机(CA)模型是目前广泛使用的土地使用变化模拟方法。如何将CA模型与规划政策、规划实施相对应,也是CA模型研究中一项重要议题。这一研究基于约束性CA模型,结合了区域敏感性分析方法而展开。
与常规的CA模型一样,在本研究中将总体规划阶段的土地使用用途分为建设用地、未建设用地两大类。采用这样的分类方法,研究土地使用变化就是研究城市形态的变化。
首先,引入了一个空间政策参数概念。空间政策参数是指对于既定规划方案的执行力度,反映了规划实施中对各种空间要素的控制力度。当存在若干可行的规划空间政策时,就对应若干个政策参数。一种空间规划政策对应一种CA模型中的空间约束。未来城市形态F是由空间约束A、政策参数X共同影响下,由当前的城市形态Fh演变过去的。空间约束不同,政策参数不同,会演变出不同的未来城市形态。基于以上前提,使用约束性CA模型就可以模拟得到出未来的城市形态。
将模拟获得城市形态F与既有规划方案中的城市形态进行比较,计算两者之间吻合度k。研究中设定了吻合度基准指标为80%。如果模拟的城市形态和规划方案之间吻合度大于80%,就认为模型中的政策参数是有效的。如果模拟的城市形态和规划方案之间吻合度小于80%,就认为模型中的政策参数是无效的。对可选的政策参数逐个进行计算,就能判断出既有规划方案所对应的有效政策参数。
随后,该研究又提出了既有规划方案实现的可能性指标P。P通过计算一个规划方案中有效政策参数占所有政策参数的百分比得到。P值越大,反映了实现该规划的可行政策越多,规划实现的可能性越大,P值越小,说明反映了实现该规划的可行政策越少,规划实现的可能性也就越小。
从既有规划中提出了有效政策参数之后,进一步引入了区域敏感性分析(RSA)方法对每一个政策参数进行敏感性分析。某个政策参数的敏感性较高,说明该参数细小变化,会导致吻合度κ较大变化。反之,某个政策参数的敏感性较低,说明该参数细小变化,相应吻合度κ变化不显著。在规划实施过程中,必须关注敏感性较高政策的落实,才能确保既有规划顺利实现。
在该研究中,使用了北京总体规划的案例对上述方法进行了验证,讨论了不同规划政策与4个规划方案之间对应关系。涉及的7种规划空间政策包括发展中心城、发展新城、发展小城镇、沿河发展、沿交通走廊发展、生态保护和地质灾害保护、耕地保护。依次对4个规划方案进行模拟计算,提取有效了各自的有效政策参数。由此计算得到每一个规划方案实现的可能性指标。4个既有规划方案的P值差异较大,分别在0-61%之间。随后,对三个可能实现的规划方案(P>0)中的各个政策参数进行了区域敏感性分析,提取出了各个方案中敏感性高的政策参数。不同规划方案实施中,要重点关注对应的参数敏感性较高的政策。
该研究首先运用约束性CA模型模拟土地使用变化,提出了将既有规划方案与CA模型的模拟结果进行对比,从而获取每个规划方案对应的空间政策。其次,该研究提出了用区域敏感性分析方法检验政策参数,明确在规划实施中必须高度关注的政策。第三,该研究提出了一个规划实现可能性P指标,可以用于规划编制过程中不同规划方案之间比较。该研究在规划空间政策和规划方案之间建立了定量化的关系,是一项值得关注的研究进展。
来源:LONG Ying, SHEN Zhenjiang, MAO Qizhi. Retrieving spatial policy parameters from an alternative plan using constrained cellular automata and regionalized sensitivity analysis[J]. Environment and Planning B: Planning and Design, 2012, 39(3): 586-605.