[31]。由圖4-4可知，瀘州市主城區(qū)不透水面三個時期密度等級分布圖，能夠有效反映不透水面集中狀況，通過覆蓋顏色變化直觀判斷不透水面增加區(qū)域。三期不透水面等級分布如圖4-4。圖4-4不透水面密度等級分布圖結(jié)合不透水面密度等級分布結(jié)果，計算不透水面2012、2016、2020年各類密度等級覆蓋面積占比情況，能夠比較直觀、清晰的了解不透水面擴張和城市化的時空動態(tài)特征。如表4-4。表4-4平均中心遷移參數(shù)不透水面密度等級占比（%）2012年2016年2020年低密度48.5839.6938.69中低密度33.8431.0429.24中密度10.7114.7716.89中高密度3.847.858.38高密度3.036.656.80由表4-4，2012-2016年低密度、中低密度占比均有所下降，其中低密度占比減少8.89%，中密度、中高密度、高密度均增加4%左右；2016-2020年低密度、中低密度占比均減少1%左右，中密度、中高密度、高密度占比均增加，其中中密度等級占比增加2.12%，為2020年增加最多的密度等級；2012-2020年低密度占比減少最為顯著，為9.89%，中密度增長最為顯著，為6.18%，中高密度與高密度占比均增加5%左右。三期數(shù)據(jù)中低密度至高密度占比呈現(xiàn)逐級減少的規(guī)律，因為瀘州市為盆地邊緣，城市建設(shè)受地形限制，且為省轄地級市，不透水面分布相對集中。總體而言，低密度與中低密度占比減少，更多轉(zhuǎn)換為了中密度、中高密度、高密度等級。瀘州市近八年不透水面增長顯著，呈現(xiàn)聚集分布的特點。第5章不透水面變化驅(qū)動力分析不透水面擴張的原因是城市化進程的加快導(dǎo)致城市建成區(qū)的擴張，城市化進程與當(dāng)?shù)亟?jīng)濟發(fā)展和人口增長密不可分，而交通道路本身作為一種不透水面，既是城市重要基礎(chǔ)設(shè)施，也是吸引城市建筑聚集或沿線修建的關(guān)鍵因素。所以，本文選取交通、經(jīng)濟、人口三要素進行不透水面變化的驅(qū)動力分析。5.1不透水面分布與交通路網(wǎng)的關(guān)系不透水面擴張離不開交通道路建設(shè)，本文選取連續(xù)性強、最具代表性的省道、國道、高速公路三種道路類型進行緩沖區(qū)分析以獲得交通對不透水面擴張的驅(qū)動作用。基于GIS分析方法，獲取不同道路類型不同緩沖區(qū)內(nèi)（0~500、500~1000、1000~2000、2000~3000m）的不透水面面積，獲取結(jié)果見圖5-1。圖5-1道路不同緩沖區(qū)內(nèi)不透水面面積（km2）如圖5-1,在各種道路緩沖帶中，瀘州市中心城區(qū)2020年城市不透水面比2012年均有所提高，交通道路與城市不透水?dāng)U張的速度和方向密切相關(guān)；同時，三期數(shù)據(jù)中，省道在0~500m、500~1000m、1000~2000m緩沖區(qū)不透水面面積均高于其它兩類道路。說明2012-2020年，省道對瀘州市中心城區(qū)不透水區(qū)域的發(fā)展比其他道路影響更為顯著。作為地級市，瀘州市的省道網(wǎng)絡(luò)在交通運輸、經(jīng)濟發(fā)展、基礎(chǔ)設(shè)施建設(shè)及公共服務(wù)設(shè)施布局等方面扮演著關(guān)鍵角色，有力地推動了城市規(guī)模擴大和不透水面的增長。2016與2020年，高速公路在2000~3000m緩沖區(qū)內(nèi)不透水面面積大于其他兩類道路，這是由高速公路本身的性質(zhì)決定的。因為高速公路一般遠(yuǎn)離城市中心地帶，其封閉性強且行車速度快，但因其對周邊環(huán)境影響的瞬時性和局部性，相比于省道與國道對城市建設(shè)的持續(xù)和顯著影響，高速公路對城市擴張和不透水面增長的驅(qū)動作用相對有限且不容易持久顯現(xiàn)。高速公路更多地服務(wù)于遠(yuǎn)距離快速交通，而省道則更直接服務(wù)于地方經(jīng)濟和城市建設(shè)。此外，瀘州市三期不透水面面積在3類道路不同緩沖區(qū)內(nèi)都存在相同的變化規(guī)律。如圖5-2所示。圖5-2各類道路不同緩沖區(qū)內(nèi)不透水面面積變化特征如圖5-2，國道和省道在0~500米緩沖區(qū)內(nèi)，不透水面面積達(dá)到最大值，這可能是由于國道和省道作為城市內(nèi)外交通聯(lián)系的主要通道，它們附近的地塊開發(fā)密度較高，便于商業(yè)、居住和工業(yè)用地的發(fā)展。省道在1000~2000米緩沖區(qū)內(nèi)，不透水面面積再次呈現(xiàn)峰值，這一現(xiàn)象可能與城市次中心區(qū)或者適宜居住帶的形成有關(guān)，這里既享受到了交通便利，又避免了過于臨近道路帶來的噪音、污染等問題，因此成為了居民區(qū)集中建設(shè)的地帶。高速公路和省道在2000~3000米緩沖區(qū)內(nèi)的不透水面面積最大，但高速公路的影響相對較小。高速公路因其高速通行、較少出入口的特點，其周邊的土地開發(fā)利用并不像省道那樣緊密，而且往往設(shè)有較寬的防護綠化地帶，故而不透水面面積最大值并非出現(xiàn)在距離高速公路最近的位置。各類道路在不同距離的緩沖區(qū)所對應(yīng)的不透水面面積變化符合“馬鞍”型，呈現(xiàn)出“高―低―高”的分布規(guī)律，反映出隨著離交通道路距離的增大，城市擴張的影響先減弱后增強，再逐漸減少的過程。高速公路由于其特殊的建設(shè)和管理規(guī)定，如封閉式管理、快速通行等特點，對周邊環(huán)境的影響往往是瞬時且間接的，不像城市主干道那樣容易直接引發(fā)大規(guī)模的城市建設(shè)活動，這也是為何高速公路不是影響城市不透水面分布最為顯著的道路類型?？偨Y(jié)起來，道路與城市不透水面擴張之間的互動關(guān)系取決于多種因素，包括道路的等級、設(shè)計特點、交通流特性以及城市規(guī)劃策略等。這一規(guī)律對于優(yōu)化城市空間布局、合理規(guī)劃交通基礎(chǔ)設(shè)施及其周邊土地利用等方面具有重要指導(dǎo)意義。5.2不透水面擴張與經(jīng)濟發(fā)展水平的關(guān)系相關(guān)性分析關(guān)注的是變量間的統(tǒng)計關(guān)系，即當(dāng)一個變量發(fā)生變化時，另一個或多個變量是否表現(xiàn)出一致的、可預(yù)測的變化趨勢。地區(qū)經(jīng)濟發(fā)展水平直接影響城市化進程，進而影響城市不透水面擴張狀況。瀘州市中心城區(qū)經(jīng)濟發(fā)展速度極快，而中心城區(qū)不透水面面積從2012年的188.76km2增加到2020年的244.516km2。本文將瀘州市中心城區(qū)，即江陽區(qū)與龍馬潭區(qū)的2012年、2016年、2020年三年GDP數(shù)據(jù)與各區(qū)不透水面面積變化進行相關(guān)性分析得到圖5-3。圖5-3不透水面面積于GDP的指數(shù)擬合曲線從圖5-3中可以看到瀘州市中心城區(qū)GDP與不透水面擴張狀況相關(guān)性系數(shù)為0.8457，這說明瀘州市中心城區(qū)不透水面擴張與經(jīng)濟發(fā)展水平具有很強的正相關(guān)性。經(jīng)濟的發(fā)展使得城市基礎(chǔ)設(shè)施建設(shè)不斷完善，吸引更多企業(yè)在此聚集，就業(yè)崗位增多，農(nóng)村人口去往城市就業(yè)，城市建成區(qū)面積隨之?dāng)U張，不透水面面積不斷增加。因此，GDP水平是瀘州市中心城區(qū)不透水面擴張的重要驅(qū)動力，對城市不透水面擴張具有正向作用。5.3不透水面擴張與人口的關(guān)系瀘州市中心城區(qū)人口增長使得原有城市用地緊張，不得不擴張城市用地面積。2012年江陽區(qū)的人口數(shù)為58.6萬人，到2016年增長為65.4萬人，到2020年增長為76.2萬人；龍馬潭區(qū)2012年人口數(shù)為35.8萬人，到2016年增長為40.7萬人，到2020年增長為48萬人，瀘州市人口增長速度快，而中心城區(qū)不透水面面積從2012年的188.76km2增加到2020年的244.516km2。將瀘州市江陽區(qū)與龍馬潭區(qū)2012年、2016年、2020年人口數(shù)據(jù)與不透水面面積變化進行相關(guān)性分析得到圖5-4。圖5-4不透水面面積與人口的指數(shù)擬合曲線從圖5-4可以看到瀘州市中心城區(qū)人口與不透水面面積變化相關(guān)性系數(shù)為0.9615，這說明人口數(shù)量的增加與城市不透水面擴張具有很強的正相關(guān)性，其相關(guān)系數(shù)高于GDP這一重要驅(qū)動力。人口增長要求城市建設(shè)更多的居住建筑物和基礎(chǔ)設(shè)施，如城市道路、街道、商場、停車場等，使得不透水面擴張，是城市不透水面擴張的關(guān)鍵驅(qū)動力。結(jié)論本文以瀘州市中心城區(qū)，基于Landsat衛(wèi)星遙感影像數(shù)據(jù)，采用不透水面指數(shù)法（NDISI）提取2012年、2016年、2020年瀘州市中心城區(qū)不透水面；并將提取結(jié)果利用均方根誤差（RMSE）進行精度驗證得到RMSE為分別為0.256、0.298、0.221，滿足不透水面提取精度要求，基于GIS空間分析相關(guān)思想，利用標(biāo)準(zhǔn)差橢圓與密度等級分布圖進行不透水面時空動態(tài)變化分析，基于緩沖區(qū)分析，統(tǒng)計省道、國道、高速公路不同緩沖區(qū)內(nèi)的不透水面面積，并分析GDP與人口對與不透水面擴張的影響。結(jié)論如下：(1)2012―2020年瀘州市中心城區(qū)不透水面空間變化顯著，總面積從188.76km2增加到244.516km2，不透水面占比由19.22%上升為24.89%；不透水面擴張具有方向性，主體呈由東向西的方向延展；瀘州市中心城區(qū)不透水面2012-2020年低密度占比減少最為顯著，為9.89%，中密度增長最為顯著，為6.18%，中高密度與高密度占比均增加5%左右，2012年到2020年高密度不透水面區(qū)域主要集中在長、沱兩江交匯處，2016年與2020年新增不透水面主要集中在城區(qū)二環(huán)路沿線與城區(qū)東南地帶。(2)交通道路尤其是省道及以上道路，在城市空間拓展和不透水面（如建筑、硬化路面等）的增長過程中扮演著重要角色。省道作為連接城市與城市周邊地區(qū)的主要交通動脈，往往更容易引發(fā)沿線土地開發(fā)和建設(shè)活動的增加，從而導(dǎo)致城市邊界向外延伸，不透水面迅速擴張。由于省道通常穿越城市周邊區(qū)域并與城市內(nèi)部道路網(wǎng)絡(luò)相連，其對城市擴展的影響尤為顯著。GDP的增加對城市不透水面的擴張產(chǎn)生深刻的正向影響，相關(guān)系數(shù)為0.8457。經(jīng)濟的發(fā)展使得城市基礎(chǔ)設(shè)施建設(shè)不斷完善，能夠吸引相關(guān)產(chǎn)業(yè)到此聚集，城市建成區(qū)不斷擴張，不透水面面積也隨之增加。因此，GDP水平是瀘州市中心城區(qū)不透水面擴張的重要驅(qū)動力。瀘州市中心城區(qū)人口數(shù)量與城市不透水面擴張的相關(guān)性系數(shù)為0.9615，是瀘州市不透水面擴張的關(guān)鍵因素。城市人口增加，要求城市建設(shè)更多基礎(chǔ)設(shè)施，導(dǎo)致城市土地利用方式改變，原有綠色景觀被建筑和道路等不透水面占用，是城市不透水面擴張的關(guān)鍵驅(qū)動因子。參考文獻(xiàn)ArnoldLC,GibbonsCJ.ImperviousSurfaceCoverage:TheEmergenceofaKeyEnvironmentalIndicator[J].JournalofTheAmericanPlanningAssociation,1996,62(2):243-258.劉春亭.濟南市不透水面時空格局演化及熱環(huán)境效應(yīng)研究[D].山東建筑大學(xué),2022.RiddMK.ExploringaV-I-S(vegetation-impervioussurface-soil)modelforurbanecosystemanalysisthroughremotesensing:comparativeanatomyforcities?[J].InternationalJournalofRemoteSensing,1995,16(12):2165-2185.翟珂.環(huán)渤海灣不透水面時空格局變化及其景觀生態(tài)效應(yīng)研究[D].煙臺:中國科學(xué)院煙臺海岸帶研究所,2015.WuCS,MurrayAT.Estimatingimpervioussurfacedistributionbyspectralmixtureanalysis[J].RemoteSensingofEnvironment,2003,84(4):493-505.WuCS.NormalizedspectralmixtureanalysisformonitoringurbancompositionusingETM+imagery[J].RemoteSensingofEnvironment,2004,93(4):480-492.趙怡.亞像元尺度下不透水面優(yōu)化提取及其熱環(huán)境效應(yīng)時空分析[D].廣州:中國科學(xué)院大學(xué)(中國科學(xué)院廣州地球化學(xué)研究所),2020.ChenJY,ChenSZ,YangC,etal.AcomparativestudyofimpervioussurfaceextractionusingSentinel-2imagery[J].EuropeanJournalofRemoteSensing,2020,53(1):274-292.馬羽赫，趙牡丹，周鵬，等.基于兩種衛(wèi)星傳感器的不透水面提取指數(shù)比較[J].航天返回與遙感,2021,42(02):139-151.郜燕芳，李俊明，劉東偉，等.基于隨機森林模型的城市不透水面提取研究——以呼和浩特市為例[J].冰川凍土,2018,40(04):828-836.常翔宇，柯長青.基于隨機森林算法的城市不透水面信息提取——以長春市為例[J].測繪通報,2020,11:43-49.GuoXJ,ZhangCC,LuoWR,etal.Urbanimpervioussurfaceextractionbasedonmulti-featuresandrandomforest[J].IEEEACCESS,2020,8:226609-226623.易佳思，胡翔云.基于Grabcut融合多源數(shù)據(jù)提取不透水面[J].國土資源遙感,2018,30(03):174-180.陳姣，黃遠(yuǎn)程，李朋飛.多季相混合像元部分分解特征的不透水面分類[J].測繪科學(xué),2021,46(04):90-99.周鵬.關(guān)中地區(qū)不透水面時空變化及其環(huán)境響應(yīng)[D].西安:西北大學(xué),2021.LongJ,ShelhamerE,DarrellT.Fullyconvolutionalnetworksforsemanticsegmentation[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2015,39(4):640-651.劉文雅，岳安志，季玨，等.基于DeepLabv3+語義分割模型的GF-2影像城市綠地提取[J].國土資源遙感,2020,32(02):120-129.何直蒙，丁海勇，安炳琪.高分辨率遙感影像建筑物提取的空洞卷積E-Unet算法[J].測繪學(xué)報,2022,51(03):457-467.樓宇秦.基于深度學(xué)習(xí)的不透水面提取及時空演變分析應(yīng)用[D].杭州:浙江大學(xué),2021.SunZC,ZhaoXW,WuMF,etal.ExtractingurbanimpervioussurfacefromWorldView-2andairborneLiDARdatausing3Dconvolutionalneuralnetworks[J].JournaloftheIndianSocietyofRemoteSensing,2019,47(03):401-412.楊樂，王慧，李爍，等.結(jié)合DeepLabv3架構(gòu)的多源數(shù)據(jù)建筑物提取方法[J].測繪與空間地理信息,2020,43(06):62-66.龐博，黃祚繼，吳艷蘭，等.基于改進全卷積神經(jīng)網(wǎng)絡(luò)的高分遙感影像不透水面提取制圖[J].遙感信息,2020,35(04):47-55.DengY,FanF,ChenR.2012.ExtractionandAnalysisofImperviousSurfacesBasedonaSpectralUn-MixingMethodUsingPearlRiverDeltaofChinaLandsatTM/ETM+Imageryfrom1998to2008[J].SENSORS,12(2):1846-1862.邵振峰,潘銀,蔡燕寧，等.2018.基于Landsat年際序列影像的武漢市不透水面遙感監(jiān)測[J].地理空間信息,016(001):1-5.向超，朱翔，胡德勇，等.近20年京津唐地區(qū)不透水面變化的遙感監(jiān)測[J].地球信息科學(xué)學(xué)報,2018,20(05):684-693.XuHQ．Analysisofimpervioussurfaceanditsimpactonurbanheatenvironmentusingthenormalizeddifferenceimpe