冯 凯，郝洛西，曾 堃
(1.同济大学建筑与城市规划学院，上海 200092；
2.高密度人居环境生态与节能教育部重点实验室，上海 200092；
3.上海市城市更新及其空间优化技术重点实验室，上海 200092)
借助卫星图像进行城市问题的研究得到了广泛关注，也是发现和解决城市问题的有效手段[1-4]。通过城市夜空卫星图像进行等级划分和灰度计算，可用于考查夜空亮度水平与影响范围并建立光环境检测模型[5]。通过遥感数据绘制大面积人造夜间天空亮度和全天空亮度的地图可用于判断不同区域中的光污染情况[6]。而结合夜间灯光影像(OLS)与地理信息系统(GIS)可对光污染进行建模并分析不同区域中的直接、间接光污染[7]。还有学者探讨卫星影像与不同城市发展水平之间的关系[8-10]。但现有方法均涉及较为深入的数理统计分析，在城市尺度的光污染演变分析工作中，此类研究涉及的方法及难度无法供从业设计师或城市管理者方便使用，如何通过相对便捷的方法进行城市层面光污染演变特征初判的诉求长期存在。NASA等机构的卫星数据显示我国城市照明光辐射呈现不断上升特征(表1)[11]，团队已通过上海、北京、深圳、广州4座城市的卫星数据探讨了城市照明光污染(以下简称为“光污染”)的演变特征，并提出对应的管控建议[12]，而更广泛的城市类型中，光污染的演变特征仍需作进一步讨论，以对未来我国城市照明的管控提供科学参考。
表1 近10年我国城市照明光辐射量变化情况
本次研究选择成都、青岛、桂林、三亚4座城市为研究对象，目的在于探讨近年发展速度较快的城市类型中光污染变化特征。由于光污染演变特征在不同城市间存在一定差异性，研究通过逐年影像观察比对方式进行各城市的演变特征初判：a.分析各城市的典型特征，并针对发现的问题(或特征)进行量化验证；
b.分析不同城市间的共性特征并进行量化分析与总结。在初判基础上，进一步完成量化分析，具体指包括以VIIRS卫星的Day-Night Band(DNB)为基础数据，对4座城市的人工照明光污染地图(Light Pollution Map，以下简称为“LPM”)进行分析对比[11]，探讨各城市(2012—2019)的演变特性。操作流程包括：通过Photoshop软件获得LPM中典型色彩的RGB值；
归纳定义Low/Medium/Higher/Highest共4个光污染强度级别，分别对应0.00～0.50，0.50～10.00，10.00～50.00和50以上(单位为10-9W·cm-2·sr-1)共4个光污染辐射量区间(以下简称为L级、M级、H-er级、H-st级)；
通过R语言分析各年份卫星影像中4个级别的图面像素占比(简称为“R方法”)；
讨论各光污染级别的逐年变化规律及各城市中存在的共性特征。
同时考虑到LPM为人工光辐射的年度影像数据，图像数据会受到众多(噪音)干扰，研究在使用R方法进行讨论同时采用Light Trend Analysis(以下简称“LTA”)对结论进行校核[13]，具体指以VIIRS卫星DNB总辐射量影像为基础，赋予2016 vcm-orm-ntl图层进行校正[14]。具体细节可参见团队已有研究[12]。
2.1 成都城市照明光污染变化分析
成都主城区呈现M级上升(13.9%上升至22.9%)、L级下降的特征(80%下降至67.9%)，H-er级(上升1.8%)与H-st级(上升0.5%)均有小比例上升但不明显(图1左)。相较之下更为突出的特征体现在(光辐射范围)与周边城市的联系强化，包括南部的眉山、西北部的都江堰以及东南方向的乐至县，光污染一体化趋势非常明显(图1右)。同时发现三座城市与成都的公路连接线光污染不断增强，特别是与眉山、乐至县之间出现了明显的连续光污染轨迹，初判此区域的城市建设不断加强。分析以上过渡区域LTA，结论与光污染地图评估结论一致(图2)。
图1 成都R方法分析(左)及其与周边城市的光污染关系变化(右)Fig.1 R method analysis and changes of light pollution relationship between Chengdu and surrounding cities
(图中“◆”代表月度光辐射总量，单位为nW/(cm2 sr)；
“--”代表研究年份内的数据趋势线。以下LTA分析同此)图2 成都与乐至县(左)、都江堰(中)、眉山(右)过渡区域LTA变化Fig.2 Changes between Chengdu and Lezhi county (left), Dujiangyan (middle) and Meishan (right)
城区范围内光污染变化以正南方向的线性光污染带最为典型(图3圈出范围)，查询发现此线路与地铁1号线的建设轨迹、运营时间高度吻合，随着地铁线向南扩展，光污染地图发生同步变化，LTA呈现相同结论(图4)，此结论与深圳案例中关于地铁沿线的结论具有相似性[12]。
成都双流机场一直处于高污染状态(图5圈出范围)，而位于市区东南方向的天府国际机场，作为成都第二个机场所在区域自2017年起出现M级光污染且演变迅速，截至2019年已形成局部H-st级污染，且时间进度与机场开工建设具有一致性，同时通过LTA分析结论与观察结论一致(图6)。此特征与北京西泽商务区、上海迪士尼、广州白云机场均具有相似性[12]。
图5 双流机场区域长年处于H-er/H-st级污染状态Fig.5 Shuangliu airport area has been in H-er/H-st level pollution for a long time
图6 天府国际机场光污染变化与LTA分析Fig.6 Variation of light pollution and LTA analysis of Tianfu international airport
综上可知，成都市光污染呈现如下特征：城市外围与周边城市联系的加强会直接引起光污染增强；
光污染与地铁线建设运营具有直接响应关系；
机场一直是高污染片区；
新建区域(如机场)会在光污染地图中有直接体现。
2.2 青岛城市照明光污染变化分析
青岛主城区与周边区域关系不断加强，如西北方向的胶州市、西南的西海岸新区，目前已经形成较强围合感的环胶州湾小型城市圈(图7)，LTA分析呈现类似结论(图8)。
图7 环胶州湾各城市片区间的光污染发展变化Fig.7 Development of light pollution among urban areas around Jiaozhou Bay
图8 青岛主城区与胶州(左)、西海岸新区(中)，西海岸与胶州市(右)过渡区域LTA变化Fig.8 LTA analysisof the transition areas between Qingdao-Jiaozhou (left), Qingdao-the west coast new area (middle), and Jiaozhou-the west coast new area (right)
图9 西海岸新区光污染范围变化(左)与LTA分析(右)Fig.9 Variation of light pollution range (left) and the LTA analysis of the west coast new area (right)
图10 前湾港区域长年处于H-st级污染状态Fig.10 Qianwan harbor area has been in H-st pollution state for years
图11 即墨区与鳌山卫两个区域的光污染范围变化图Fig.11 Variation of light pollution range in Jimo district and Aoshanwei area
图12 即墨区(左)及与主城区过渡区域(中)、鳌山卫地区(右)的LTA分析Fig.12 LTA analysis of Jimo District (left), Jimo district-Qingdao main urban area (middle), Aoshanwei Area (right)
图13 光污染范围不断向海域漫延Fig.13 The light pollution is spreading to the sea
近年西海岸新区光污染范围与强度变化明显，与LTA分析结论一致(图9)。位于西海岸新区东北部的前湾港(图10中圈出位置)一直处于H-st状态，是青岛市区内光污染最严重区域，此特征与深圳、上海等城市的港口区域具有相同特征[12]。
另外，即墨区范围内H-er级范围不断扩大，且与主城区联系持续加强，与之类似的鳌山卫从无到有形成了新的H-er光污染团(图11)，LTA分析呈现相同结论(图12)。查阅相关新闻，此两处区域均是近年青岛市城市建设重点区域，进一步验证城市中快速发展、建设区域会引发明显的光污染这一结论。
而在东部海域范围内，光污染不断向海域延伸且强度不断增强(图13中虚线位置)，此结论与R方法分析结论一致，其中L级由55.9%快速下降至29.6%，M级由29.7%上升至50.8%，针对海域范围内的LTA分析呈现同样结论(图14)。
青岛市光污染呈现如下特征：主城区与周边城市(或地区)联系不断加强；
城市整体光污染水平不断升高；
货运港口是城市内部光污染最严重的区域；
光污染不断向海域拓展，与深圳、上海具有相似性。
2.3 桂林城市照明光污染变化分析
桂林市光污染范围不断扩大(图15)，其中M级变化最为明显，由6.1%上升至9.3%(图16左)，与LTA分析结论一致(图16右)。
机场区域在M级基础上出现更多的H-er和H-st级(图17左)，且辐射范围不断扩大(图17右)。同时，桂林机场与城区的连接线(机场高速—机场路，图17箭头指向位置)则长期处于H-er级污染状态。
在城市外围，从西北至东南方向的铁路线(从江—三江—桂林市—阳朔—贺州)光污染快速减弱(图18箭头指向位置)，2014年后完全消失。与之呈现相反特征的是沿高速路系统的光污染团快速增大，包括北部的桂林—龙胜—三江，西南方向的永福，东南方向的阳朔、恭城，东北方向的兴安、全州等(图19中圆圈位置)。初步判定是由于近年广西旅游业发展带动自驾游成为重要的出行方式，形成了以桂林为中心的多条散射状城市联系带，而沿线配套设施的完善可能是引起夜晚光污染出现并快速扩散的重要原因。
桂林市光污染呈现如下特征：主城区光污染增强明显且不断向外围扩散；
机场及其与城市的连接线是城市内部光污染最严重的区域之一，且呈现逐年增长态势；
城市产业(旅游业)带动自驾游引发沿线配套设施建设，可能是引起城市连接线光污染增强的重要原因。
图14 青岛市区R方法分析(左)与海域范围LTA分析(右)Fig.14 R method analysis of Qingdao (left) and LTA analysis of sea area (right)
图15 桂林市光污染变化Fig.15 Variation of light pollution in Guilin
图16 桂林市R方法分析与LTA分析(2012—2019)Fig.16 R method analysis of Guilin and LTA analysis (2012—2019)
图17 机场及与市区连接区域示意(左)及LTA(右)分析Fig.17 Schematic diagram of airport and urban area (left), LTA (right) analysis
图18 西北—东南方向铁路线光污染逐年递减Fig.18 Light pollution along the railway from northwest to southeast decreases year by year
图19 桂林周边城市光污染变化沿高速路系统展开Fig.19 Light pollution changes in cities around Guilin spread along highway system
2.4 三亚城市照明光污染变化分析
三亚市光污染演变整体呈现由城区向西南方向海域、北向山林区域扩散趋势(图20中虚线位置变化)，R方法分析结论呈现出M级扩大(13.7%上升至29.3%)、L级下降(81.7%下降至62.3%)(图21左)， LTA分析结论类似(图21右)。
城市关系层面，三亚主城区与西部崖州区联系不断增强(图22左图中圈出范围)，光污染不断融合并向外围区域扩散，LTA分析体现出同样结论(图22右)。而东部沿海的陵水湾、海棠湾、亚龙湾以及东北区的陵水县，与三亚主城区联系不断增强，光污染团融合趋势明显(图23)。
与其他城市类似，机场区域同样是三亚城区范围内光污染最严重的区域(H-st级)，且逐年增强特征明显(图24)。
图20 城市外围光污染范围变化Fig.20 Variation of light pollution range in urban periphery
图21 三亚市R方法分析与LTA分析(2012-2019)Fig.21 R method analysis of Sanya and LTA analysis (2012-2019)
图22 三亚主城区与崖州区光污染演变及LTA分析Fig.22 Light pollution evolution and LTA analysis between Sanya main urban area and Yazhou District
图23 三亚主城区与东部区县的光污染关系演变Fig.23 Evolution of light pollution relationship between main urban area and Eastern District of Sanya
图24 机场区域光污染示意(左)与LTA分析(右)Fig.24 Schematic diagram of light pollution in airport area (left) and LTA analysis (right)
三亚市光污染呈现如下特征：主城区与周边县区之间联系不断加强，城市(区)间光污染增强明显，且形成明显以公路为轨迹的线性光污染；
机场是城市内部光污染最严重的区域；
光污染不断向海域、山林地区拓展。
2.5 城市照明光污染演变特征总结
针对研究涉及的4座城市，发现了多项具有相似性的光污染演变特征，具体包括：1)城市范围不断向外扩展的城市(如桂林、三亚等)，光污染范围会显著增大，同时内部污染强度增强；
2)城市与周边区县联系的加强，会直接反映在LPM中，其中沿公路线的变化更为显著(如桂林)；
3)机场体现出长期高污染强度特征，初步判定是由于夜晚时段长时间作业、高亮度要求引起；
4)较大规模的城市建设会引发明显的光污染，如成都地铁1号线二、三期建设、青岛即墨区，此过程中光污染变化与项目开工建设时间具有高度一致性；
5)光污染向海域、山体等周边区域扩散现象依然明显，但此特征可能是由于城市内部光污染增强引起大气环境中的光溢散，也可能是对应位置存在大规模的建设活动，需作深入评估才能确定。
与团队已有研究[12]结论进行比对可知：1)光污染强度在各城市内部均体现出加剧特征；
2)对象城市与周边城市(或地区)的联系加强均会反映在LPM中；
3)特定区域(如机场)的高污染特征在各类城市中均表征明显；
4)城市建设(包含大规模城市建设边界的外扩和特定区域的建设发展两种情况)与光污染加剧的一致性得到了进一步验证。
结合过往研究可知，通过LPM进行城市宏观尺度的光污染分析具有可行性，与传统的研究方法相比具有更好的便利性和信息可读性，能够在大幅降低工作量的同时，获得具有针对性的分析结论，未来可探讨在更广泛城市类型中的应用，同时应对研究方法不断进行优化，以形成更具科学性与实践性的城市光污染研究手段。
城市夜晚环境建设是一项长期且应动态更新的工作，及时发现建设过程中的典型问题并提出相应对策包含管理、设计、建设、运维等多方人员都应该关注并落实的工作。这一过程中各城市的发展模式、建设重点等均存有差异，不宜照搬套用其他城市经验，而应以自身现实情况为前提进行从宏观至微观的分析解读，并提出差异化、精细化的建设管理政策，才能更为有效地促进发展。
本文在过往研究基础上进一步探讨了具有差异性的4座城市，以期在更广泛的城市类型中得出具有参考性的光污染研究结论，并在更大范围内服务更多城市光污染评估。但受研究条件限制仅讨论了LPM为基础的量化分析，此过程中数据的精确度仍有待提高，且关于数据噪音的控制也应做更好地讨论，特别是针对更为精细的中小尺度对象(如街道、建筑)时，本文方法的适用性仍需作进一步验证。
猜你喜欢主城区结论机场由一个简单结论联想到的数论题中等数学(2022年7期)2022-10-24浅析石家庄主城区岩土工程勘察应注意的几点问题河北地质(2021年3期)2021-11-05立体几何中的一个有用结论中学生数理化·高一版(2021年1期)2021-03-19如何避免GSM-R无线通信系统对机场电磁干扰铁道通信信号(2020年3期)2020-09-21用于机场驱鸟的扑翼无人机无人机(2018年1期)2018-07-05航Sir带你逛机场——东京国际机场百科探秘·航空航天(2018年4期)2018-05-14新机场与城市未来商周刊(2017年23期)2017-11-24杭州主城区中职生体质健康水平的现状及对策研究——以2014年抽测数据研究为例运动(2016年7期)2016-12-01重庆主城区首次购房按揭财政补助政策延长5年中国经济周刊(2016年26期)2016-07-23结论小猕猴智力画刊(2016年5期)2016-05-14