GIS和遥感在城市环境质量模糊评价中应用的关键问题探讨

GIS和遥感在城市环境质量模糊评价中应用的关键问题探讨

窦凯丽　詹庆明

【摘要】城市环境质量评价是城市环境规划和管理的重要基础之一，环境质量评价为城市总体规划提供有用的环境质量信息，以作为规划的依据之一。作为空间数据描述、分析、储存的有效工具，GIS技术为支持环境质量评价中空间信息的表达提供了一个有力的技术支撑，遥感技术作为一种信息获取的手段，在环境评价中主要是为环境评价提供多方面的基础地理信息。GIS和遥感与模糊评价方法的结合为城市环境质量的定位评价提供了有效的方法。本文探讨了将GIS和遥感技术应用于城市环境质量模糊评价方法的几个关键问题，并以武汉市为例探讨了该方法的应用。

【关键词】城市环境质量评价　环境质量模糊评价　地理信息系统(GIS)　遥感(Remote Sensing)

1.前　　言

城市环境规划既是城市总体规划中的主要组成部分之一，也是城市建设中的一项独立规划。城市环境规划与城市总体规划互为参照和基础。城市环境规划目标是城市总体规划的目标之一，并参与城市总体规划目标的综合平衡^［1］。城市是人与环境的矛盾最为突出和尖锐的地方，所以在城市总体规划中必须包括城市环境规划和保护这一重要篇章。城市环境质量评价作为城市规划中的评价活动之一，是获取城市环境质量信息的重要途径，通过评价，可以明确城市环境中的主要问题，确定需优先考虑的区域。有效的规划是在完全和正确掌握城市环境质量状况也就是在对城市环境质量准确评价的基础之上进行的。

传统城市环境质量评价方法对评价因子的不连续分类和不能有效处理模糊信息的诸多限制使得这一基于传统集合理论的评价方法不能准确反映城市环境的真实情况，而模糊集合理论为城市规划者提供了一个更有效地进行城市环境质量评价的理论框架，模糊集合理论在环境评价中也有较多的应用^{［2］［3］}。遥感(RS)和地理信息系统(GIS)技术为我们进行城市环境质量的定量评价提供了行之有效的研究手段。将这三者结合来进行针对城市规划的城市环境质量综合评价方法也越来越受到重视，本文将着重介绍基于GIS和遥感的城市环境质量模糊综合评价的关键技术问题。该研究是以地理信息系统理论和环境质量评价相关理论为基础，在现有GIS与环境质量模糊综合评价相关研究的基础上，应用GIS软件如Arcview，Arc/INFO以及遥感图像处理软件ERDAS IMAGE，结合城市环境规划相关知识进行城市环境质量评价的探讨，在此基础上选择一个实验区进行实例研究。

2.基于GIS和遥感的城市环境质量模糊评价概述

信息的密集、不完备、不准确和难以获取是城市环境规划所面临的一大难题^［1］。在环境规划的过程中，最终的规划能否达到预期的效果，很大程度上取决于信息的收集是否完备，同时还取决于对这些数据的处理和信息的组织是否有效。大多数环境信息具有明显的空间特征，在城市环境质量评价中这些数据可以用GIS进行描述、分析和处理。GIS的一个重要特征是它能够综合已有的多种数据以产生新的信息。在GIS中，评价因子可以用GIS中的多个图层来表达，这些层也可以按照不同的方式综合在一起，也就是层与层的叠加，因此它是综合不同空间评价因子的有效工具。从技术上来说，GIS提供了一个支持环境评价中空间环境信息表达的有力工具^［4］。

遥感技术作为一种信息获取的手段，集中了航天、航空、电子学、计算机、通信、现代光学等学科发展的最新成果，现已渗透到国民经济的各个部门。遥感技术在环境评价中的应用主要是为环境评价提供多方面的基础地理信息。城市遥感调查与传统的城市调查相比，既省时又省钱，且效率高，因而具有广阔的应用前景和发展前景^［5］。

在环境质量评价中，由于环境系统本身的复杂性和不确定性，模糊数学方法越来越广泛应用于环境质量评价中，这使得在给评价对象分类的过程中保持了分类的连续性，从而使分类结果更准确，评价结果更可靠。当前在对城市环境质量的评价中，单纯非空间性的模糊综合评价占大多数，而基于GIS和遥感的针对城市环境空间分布状况的模糊综合评价相对较少。

本文探索基于GIS和遥感技术的城市环境质量模糊评价方法的关键问题，主要包括评价单元的确定，评价因子的选取和指标体系的建立，环境评价因子数据的空间分析与处理，基于模糊数学的多因子叠加分析等。本文所研究的基于GIS和遥感的城市环境质量模糊综合评价是作为城市环境保护和环境规划的一部分，为城市环境规划和管理决策提供参考技术和理论支持。

3.模糊评价模型在GIS中的实现

3.1　空间评价单元

本文研究的目的之一是在GIS中应用模糊评价模型来进行城市环境质量的综合评价。要实现这一目的，重要的工作之一是怎样在GIS中综合不同类别、不同来源的数据来完成模糊评价。考虑到在不同图层间进行叠加操作的方便性，选取栅格数据模型来完成数据层之间的模糊叠加。这是因为，若选取栅格数据模型，每个栅格单元可看做是矩阵中的一个元素，进行矩阵运算就很方便，并且容易理解。这样的话，模糊评价过程中的典型运算，两个矩阵之间的模糊运算就转换为两个栅格图层之间的模糊运算^［6］，这也是本研究中选择栅格数据模型的重要原因之一。

在环境质量的模糊综合评价中，各个评价因子的数据来源不同，进行叠加操作时必须把这些数据统一到同样的评价单元上，因此，在综合评价中要确定统一的空间评价单元。每个栅格图层中栅格单元的大小与空间评价单元一致。评价单元的大小依评价范围的大小、评价结果的精度要求以及已有的环境相关数据的统计单元的大小而定。在本研究中，将整个研究区域划分为143×140的栅格区域，每个栅格代表空间上一个100m×100m的区域，通过对评价因子数据层进行基于栅格单元(评价单元)的分析，最终生成环境质量栅格图。图1所表示的是在同一层次因子之间的模糊评价过程。同样地，综合评价过程也可用类似的方法来完成。

图1　基于栅格数据结构的模糊叠加运算

3.2　模糊评价的软件平台——ArcGIS GRID

当使用栅格数据结构来进行模糊评价时，评价中的每个指标被视为模糊叠加操作中的一个单独图层。图1显示了基于栅格分析的模糊叠加操作过程，在这一过程中，每个评价因子都用一个栅格数据层来表示，每个栅格的值代表评价指标的原始值，根据所选定的隶属函数计算每个栅格的隶属度值(0～1之间的连续数值)并存储在新的栅格图层中，这样对于一个评价因子图层就生成几个子图层(含有隶属度值的图层)，通过对这些栅格子图层进行模糊叠加操作，逐步得到评价结果。可想而知，评价过程中的栅格数据处理量会很大，同时又由于隶属度是介于0～1之间的连续数值，为了在评价过程中准确表达这些数据，本研究中选取Arc/INFO中的GRIDmodule来完成模糊叠加过程。

GRID是一个功能强大的栅格分析、处理模块。它可对栅格数据进行输入、编辑、显示、分析、输出，同时也可对图像进行简单处理、分析。它包含一整套栅格算子、分析工具和地表建模工具，在GRID内可以使用所有AML(Arc/INFO宏语言)和菜单。此外GRID有一整套数学算子，可直接接受Raster文件输入，支持连续和分类数据，可对一个或多个数据集同时操作。模糊评价方法优于传统非模糊评价方法的优点就在于它允许对现实评价对象的连续分类，它用隶属度来描述一个因子隶属于某一评价等级的程度，这一隶属度值是［0，1］之间连续变化的数值。在GIS环境下，对评价因子图层计算隶属度后生成许多子层，子层中每个栅格单元的值分别代表相应空间位置上评价因子值隶属于某一评价等级的隶属函数值，这是一系列连续的数值，可以将其看做地理空间中的连续表面，而Grid模块的特点使得它适合用以表达和存储模糊评价过程中的这些信息，这是本研究中选择GRID模块作为模糊叠加操作执行环境的主要原因。

模糊评价在GIS中的实现包括几个阶段。当评价因子包括三个层次的指标时，它的实现分为三个阶段。首先是评价因子层次结构中最底层的因子之间的模糊叠加操作;其次是二层因子之间的模糊叠加操作;最后是最上层因子之间的模糊叠加操作，然后根据最大隶属原则得到模糊评价结果。这一过程可以通过AML语言(Arc/INFO宏语言)编程来实现。

3.3　评价因子和指标的选取

本文选取影响城市环境质量的6个环境要素包含10个因子构造评价因子体系来进行综合评价(表1)，建立一个基于GIS的城市环境质量模糊评价模型，并在Arc/INFO GRID模块中实现不同栅格图层之间的模糊叠加操作，分别选择两种不同的模糊算子来产生综合的叠加结果。

由于收集数据的时间限制和研究区域缺乏较为详尽的环境数据等原因，在评价指标选取时应当考虑数据是否容易获取。因此，从可操作的角度出发，在本文的实例研究中，仅选取了10个数据较易得到的指标作为评价研究区域环境质量的指标，并用一个层次结构图来描述评价中所涉及的因子和指标，对评价问题进行分解。这一层次结构图分为四个层次:第一层是总目标即城市环境质量评价;第二层是评价因子层，包括城市环境污染和城市社会环境两个方面;第三层是子因子层;位于图2所示的评价因子层次结构图最底层的是指标层，即对评价因子进行量化的指标。在本研究中，评价标准划分为五个等级，对应的城市环境质量等级分为五类:非常好，好，一般，差，很差。

表1　评价因子、子因子、评价指标

图2　评价因子层次结构图

U₁，U₂，U₃，U₄，U₅，U₆分别代表评价子因子空气污染、水污染、固体垃圾污染、噪声污染、城市人口和城市绿地空间，而对应下一级就是评价指标，这些评价因子可以描述为图2所示的评价因子层次结构图。

3.4　数据处理和空间数据分析

在本研究中，用于城市环境质量分析的主要数据包括城市绿地空间、道路网络、街道行政边界和噪声(监测点)分布、城区人口等。人口统计数据的基本单元为街道。武汉市区域平均噪声监测是根据1∶10000地形图上的公里格网来进行的。另一个衡量城市噪声污染的指标是城市道路交通噪声，这一指标对环境质量的影响不能够忽视。通过对道路线状实体进行缓冲区分析，按照武昌区主要道路两侧噪声监测的数据对不同道路生成缓冲区，从而分析道路交通噪声及其影响范围内的噪声污染情况。

3.4.1　遥感图像的监督分类

覆盖整个武汉市的SPOT卫星图像是武昌区城市绿化覆盖信息的数据来源。图像处理操作用ERDAS IMAGE软件来完成。图像监督分类是从遥感图像中提取定量信息的主要途径。在监督分类中，常采用最大似然法对采样点进行训练。为了保证分类结果的质量，在本研究中，同时也用目视判读法对监督分类结果进行检验和校正。最终的分类结果如图3所示。

图3　SPOT图像监督分类结果

3.4.2　基于SPOT卫星图像的绿化覆盖率统计

城市绿地空间数据可通过城市遥感图像获取较为准确的绿地覆盖信息，这需要对遥感图像进行监督分类，ERDAS IMAGE软件是较为常用的对遥感图像进行分类的软件。分类后，可提取出城市范围内的绿地信息。在本研究中，将整个研究范围划分为143×140的方格区域(辅助层)，每个方格大小为100m×100m，用这样一个方格网将整个研究范围覆盖(图4)，然后基于这一方格网来统计每个方格内的绿化覆盖率。首先，用ERDAS IMAGE对SPOT卫星图像进行监督分类，提取出城市绿地信息。然后，在Arcview3.3中进行重采样，重采样后的栅格单元为1m。最后，在Arcview3.3中对重采样后的栅格图层和辅助层(矢量形式)进行“tabulate area”操作得到每个100m×100m的方格中的绿地面积。

图4　辅助评价格网

3.4.3　对社会经济统计数据的分解处理

在许多大城市，因为缺乏有效的环境基础设施，城市人口也是环境恶化的一个重要驱动因素。城市环境评价中，城市人口密度是影响城市环境质量的重要社会因素，在我国许多城市如武汉市，从统计局所得到的人口统计数据是以街道为单位的，这是所能够得到的最小统计单元的人口数据。这一人口统计单元以街道为边界，而街道通常都是不规则的多边形，在许多与人口相关的空间分析问题中，尤其是采用栅格数据模型时，这一统计单元往往与空间评价中的评价单元不一致。在环境评价中，为了对不同来源的数据进行空间分析，也常常根据评价的具体要求和需要选取一定大小的栅格(正方形)作为环境评价的空间评价单元。因此，在评价过程中还有一个空间评价单元统一的问题，即把现有的人口统计数据通过某种方式统一到既定的空间评价单元上去，才能保证评价因子评价单元的统一，这样得到的人口密度才是统一评价单元上的人口密度。这就涉及对人口进行分解处理，把人口从现实统计单元分散到评价单元内。

在城市范围内，不同用地类型如居住用地、商业用地、工业用地等内的人口密度是不同的。在对人口进行分解处理的过程中，空间评价单元内不同用地类型对人口密度的影响不容忽视。如果城市现状土地利用类型已知，常用的方法是根据用地类型的不同赋予它不同的权重，用现实统计单元中的人口作为分子，用现实统计单元中各用地类型的面积乘以它的权重之和为分母计算出基准密度，再用用地类型的权重(代表某一用地类型对人口密度分布的影响大小或重要性，高权重用地类型具有较高的人口密度)乘基准密度，得到现实统计单元内某一用地类型上的人口密度。其中，不同用地类型的权重可以依据现有数据进行回归分析得到。用类似的方法得到每一用地类型上的人口密度，然后用它乘以同一评价单元里所对应的用地类型的土地面积，即得到一个评价单元里的人口。用这样获取的人口除以评价单元的面积即是评价单元里的人口密度。这一人口密度是将现实统计得到的人口密度根据不同的权重分配在不同的用地类型上之后得到的，它是根据一个较大的统计单元的人口数据内插产生较小统计单元人口的一种有效方法，但是这种方法在土地利用数据可获取的情况下才能使用^［7］。此外，在环境评价中还可以通过现状调查得到人口密度^［8］，即将评价范围按照一定的评价单元划分成正方形格网，分别调查每一个格网内的人口数可得到每个网格里的人口密度，但这种方法比较耗时。

由于土地利用数据不易获取，同时数据收集的时间有限，因此本研究在计算人口密度时并没有采取上述两种方法，而是采取通过卫星遥感图像分类获取城市用地的信息并从中除去水域及城市建成区的农田、菜地等，以剩余建成区面积作为分母来计算各街道的人口密度，这是一种比较粗略的估计城市人口密度的方法，在无法获取城市现状土地利用分类信息的情况下，可采用此方法。本研究中，为计算人口密度，第一步将以街道为统计单元的人口统计数据分散到既定的空间分析单元(栅格)中，第二步是用各个评价单元内的人口数除以栅格的面积，求得各个栅格内的人口密度。具体来说，首先，对SPOT图像进行分类，在分类时，参考现场踏勘的结果将城市建成区内的农田、菜地、山体等信息单独作为一类，与城市建成区内的其他绿化用地分离开，同时也要提取出水域信息。从街道行政边界图中减去上述两类用地并在Arcview中重采样为栅格单元为1m×1m的栅格图层，计算各个街道内1m×1m栅格单元中的人口密度(用街道总人数除以各街道行政边界内的栅格总数，即为各栅格内的人口数，因为栅格面积为1m²，因此各个栅格内的人口数也即各个栅格的人口密度)。其次，计算空间评价单元(100m×100m的方格单元)内属于不同街道的1m×1m栅格的数量(这可以在Arcview中通过analysis菜单中的“tabulate area”功能来实现)，用这个数量乘以各1m×1m栅格单元中的人口，将相乘的结果加起来就得到各评价单元内的人口数，再除以评价单元的面积就是各评价单元内的人口密度。这种方法计算出的人口密度不如前两种方法准确，但是考虑到实际情况，这种方法是比较可行的。

在城市环境质量的综合评价中，所有与空间信息相关的评价因子都以专题图层的形式来表示，即评价因子图层。在GIS环境下，每一个评价因子图层是GIS中的一个层，每个层的属性表包含了与这一评价因子相关的空间和非空间信息。因此，在得到各个评价因子的数据之后要将这些数据进行处理生成评价因子图层。

3.4.4　基于样点数据的栅格内插处理

内插方法是从测量的样本中推出表面来预测每个位置的值。反距离加权插值法(Inverse Distance Weighted interpolator，IDW)是常用的栅格表面插值方法之一。IDW通过对每个单元附近的采样点计算平均值来估计单元的值。反距离加权内插基于这样的假设，采样点距离被估计的单元中心越近，影响越大。即用于内插的每个样本点对周围区域的影响随距离增加而递减，对于与被估计点距离近的点赋较大权重，与被估计点距离较远的点赋较小权重，用一组指定的点或以固定半径圆内的所有点为依据计算每个需内插点的值。IDW方法的优点使得它适合于模拟空间位置上地物的某种特性对周围区域的影响随距离增加而减弱的情况。本研究中，空气污染和区域噪声污染属于这种情况，根据收集的样本点采用IDW内插方法生成整个研究范围内区域噪声污染分布和空气污染分布的栅格图层。

内插生成的栅格图层的栅格单元大小为100m×100m，这与环境质量评价的评价单元大小保持一致。在研究中，描述空气污染的指标有3个(如表1所示)，每个指标通过内插方法各自生成一个专题图层。内插过程、栅格图层的空间叠加分析等分别在ArcviewGIS3.3和ArcGIS 8.2 GRID模块中实现。

在武昌区，能够收集到的空气污染和区域噪声数据大多来自于地面监测，在整个武昌区分布了许多监测点以获取这些数据，区域噪声监测的网点是一系列方格网，这些方格网可以和栅格数据的栅格相对应。每个栅格代表一个1000m×1000m的方格，栅格内的监测噪声值就是它的区域噪声值，每个监测格网的区域噪声值作为各个栅格中心点的属性(数据)，然后再以这些点为采样点进行栅格内插生成一个栅格图层，该图层栅格大小为100m×100m，该操作可在ArcviewGIS 3.3中完成。

4.实例分析及结果

按照上述确定的评价因子来进行评价，并将环境质量评价等级划分为5个等级，分别为非常好、好、一般、差、很差，评价因子隶属函数采用梯形函数。对于因子的权重确定，本文选择AHP(层次分析法)来确定各个因子的权重。具体来说就是先采用问卷形式调查相关领域专家对环境评价中各因子相对重要程度的排序，包括环保部门、城市规划和管理、科研院所等领域20位专家参与调查。依据调查结果用AHP法确定各因子权重。

此次评价选取两个模糊算子来实现模糊评价，(×，＋)均衡型算子和(×，V)主要因素决定型算子^［9］。

评价结果如图5所示。其中图5(a)是(×，V)算子的评价结果，图5(b)是(×，＋)算子的评价结果。图中颜色由浅到深，环境质量等级由“非常好”到“很差”。从图5可看出综合型算子得出的评价结果较为细腻，因为在模糊变换中它综合考虑了各因子的影响，而主要因素决定型算子主要考虑对环境影响最大的因子，因此会出现较大面积的区域同属同一等级的情况。

5.结　　论

城市环境质量评价是城市规划、城市环境规划和管理的基础之一，因此要求城市环境质量评价结果不仅定性、定量，还能定位地反映城市环境质量的状况。本文所涉及的这些问题都是在实践中影响分析评价结果的关键问题，尤其是评价因子的选择、指标的确定、数据处理和分析，等等。本文还以武汉市武昌区为例进行了初步尝试，这其中仍有很多问题需进行深入地探讨，如评价因子的选取、评价单元的大小确定等。基于GIS和遥感的模糊评价方法从理论上来讲比一般评价方法更直观、更准确，但是实际应用比较复杂，如果能结合规划开发相关的软件将会使评价更方便易行。

图5　城市环境质量模糊综合评价结果

【参考文献】

［1］郭怀成，尚金城，张天柱.环境规划学［M］.北京:高等教育出版社，2001

［2］劳期团.城市总体环境质量的模糊综合评价［J］.中国环境科学，1990(2):93～87

［3］Liu Kanglan，Yuan Hao.The Application of Fuzzy Comprehensive Assessment to Environmental Quality Assessment［J］.Environmental Engineering，2000，18(36):pp.55-57

［4］Dai F C，C F Lee，et al.GIS-based Geo-environmental Evaluation for Urban Land-use Planning:a case study［J］.Engineering Geolgy，2001，61(4):pp.257-271

［5］赵红红，王成芳，阎瑾.将GIS和RS技术引入城市总体规划教学的尝试［J］.规划师，2005(4):65～67

［6］Jiang Bin.Fuzzy Overlay Analysis and Visualization in Geographical Information System［M］.Enschede:Geo-information Science and Earth Observation(ITC)，1996

［7］Huang Zhengdong.Data Integration for Urban Transport Planning［M］.Enschede:Geo-information Science and Earth Observation(ITC)，2003

［8］段仲远.城市环境质量指标体系研究［J］.经济地理，1992(2):87～89

［9］程建权.城市系统工程［M］.武汉:武汉测绘科技大学出版社，1999