2024, Vol. 36 
(2: 中国矿业大学环境与测绘学院, 徐州 221000)
(3: 中国科学院南京地理与湖泊研究所流域地理学重点实验室, 南京 210008)
(4: 重庆师范大学地理与旅游学院, 重庆 401331)
(5: 南京信息工程大学长望学院, 南京 210044)
(2: School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou 221000, P.R. China)
(3: Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, P.R. China)
(4: School of Geography and Tourism, Chongqing Normal University, Chongqing 401331, P.R. China)
(5: School of Changwang, Nanjing University of Information Science and Technology, Nangjing 210044, P.R. China)
湖泊是地球水循环和全球生态系统物质循环的重要组成部分，承载着水资源储存和供给、气候调节、生物多样性维系等服务功能[1-4]。几十年来，气候变化和人类活动干扰对全球湖泊产生了显著影响，同时湖泊变化反过来也影响人类的生存环境[5-8]。城市湖泊通常指位于城市建成区或城市近郊的湖泊，相比其他类型湖泊，城市湖泊水域面积较小、水深较浅，接触它们的人更多[9-11]，因此也可能受到更高强度的人类活动干扰。人们可以直接享受城市湖泊提供的多种生态服务功能，如供水、灌溉、捕鱼、防洪抗旱、降温增湿、生物栖居、微气候调节及文旅休闲等[12-17]。已有研究表明，在较温暖季节，城市湖泊表面温度低于其他城市用地，形成城市环境中的“冷岛”[18]。湖泊表面的水气交换，随着空气流动扩散到周边环境，增加空气湿度，进而调节城市微气候[19-20]。此外，城市湖泊具有一定程度的自净能力，水生植物健全的水体对比开敞水体总氮、总磷的含量分别下降了59.4%、57.0% [21]。
城市是人类活动的核心区域，人们生产生活等行为大多发生在城市。2020年全球城市化率约为56.2%，随着城市化水平的不断攀升，到2050年全球城市化率(通常指城镇人口占总人口的比例)将到达68% 左右[22-25]。中国是全球城市化发展进程最快的国家之一，据国家统计局数据显示，截止2020年全国城市化率为63.9%，预计2035年将达到75% 左右[26-27]。快速城市化进程极大地改变城市湖泊分布和环境，不仅会导致湖泊数量和面积的变化，还会造成湖泊水质恶化、湖泊生态环境退化、生物多样性丧失以及湖泊原真景观的破坏[28-31]。目前，对于我国城市湖泊的研究多集中在单个城市或热点湖泊，更多关注面积变化、湖泊水质、湖泊生态等[32-38]。少数研究关注全国范围的城市湖泊变化，如Xie等分析1990—2015年我国主要省会城市的城市湖泊时空变化[39]。其研究结果表明，城市湖泊景观破碎度明显增加，水域面积显著减少，城市扩张是主要因素。尽管已有文献对我国个别或大型城市的城市湖泊的时空变化、环境演变、综合治理等进行了不同方面的研究，但缺乏对我国城市湖泊的空间分布进行全面精细化调查和摸底。近期，Song等利用2020年前后的Sentinel-2卫星影像提取并发布了全国面积大于0.001 km2的高空间分辨率城市湖泊分布数据集，但未对城市湖泊的分布格局及空间特征背后的机制进行剖析[40]。基于该数据集，本研究将从地理本底视角下探讨我国城市湖泊分布的空间分异特征，揭示城市湖泊的空间分布规律与气象要素、地形要素和人类活动的潜在联系，为进一步探究城市化进程与城市湖泊之间的相互关系以及在城市化进程中合理的保护和管理城市湖泊提供科学依据。
本研究基于中国城市湖泊分布数据，以城市湖泊的数量、面积、丰度、密度为统计指标，以县(区)为评价基本单元，分析了中国城市湖泊在不同地域单元、不同行政等级、不同城市规模的分布格局，综合考虑地貌格局、气候特点和城市化对城市湖泊分布格局的影响，采用相关性分析和多元回归统计描述城市湖泊与各影响因素之间的关系。
1 数据与方法 1.1 研究数据 1.1.1 中国城市湖泊数据本研究的基础数据是论文作者团队前期已完成并公开发布的中国城市湖泊数据集[40]。该数据集基于2019—2021年所有无云Sentinel-2影像通过中值合成获得高质量覆盖数据，并采用两步城市水体指数法(TSUWI)筛选阈值大于0的影像像元[41]，通过谷歌地球引擎(GEE)，生成初步水体提取结果；转换矢量后，根据城市区域边界的空间关系对水体提取结果进行筛选，排除非城市水体，再结合World Image Wayback亚米级高分辨率影像进行人工解译，剔除城市范围内非湖泊类型水体，保留城市范围内面积大于0.001 km2的湖泊。该数据集通过与高分辨率影像的手工数字化数据、全球和国家湖泊数据比对，交叉评估数据集中城市湖泊数量和面积的精度。该数据集参照全球城市边界(GUB)数据[42]，根据城市边界与湖泊的空间关系将三类水体定为城市湖泊，类型一：在GUB内的湖泊；类型二：与GUB边界相交湖泊；类型三：湖泊与GUB不相交，但被公认为城市湖泊的少量城市邻近的大型湖泊，如太湖、滇池、洱海等。由于类型三湖泊不在城市范围内，本文主要针对类型一和类型二的城市湖泊开展分析，如图 1所示，其中红色虚线代表城市边界。中国城市湖泊数据集的其他技术细节可参考文献[40]，数据访问下载地址见 https://zenodo.org/record/6569049。
1.1.2 中国城市边界数据
本研究使用的城市边界源于从全球人工不透水面(GAIA)数据[43]生成的全球城市边界(GUB)数据集[42]。该数据集首先采用核密度估计法生成不透水面核密度图，将核密度超过20% 的区域视为城市区域[44]，其次采用11×11摩尔邻居的元细胞自动机模型填充遗漏的城市中心/周围的斑块，并将窗口中城市像素占比超过20% 的窗口区域视为城市[45]，运行3次后绘制出初始城市边界；再次使用形态学方法(膨胀和腐蚀)改进城市边界[46]，去除紧凑度低、小而分散的城市斑块。最后填充一些城市边界内遗漏的水体或绿地空洞，生成全球主要城市群和周边较小城市的城市边界。由于本研究的基础数据为该数据集界定的城市湖泊数据[42]，所以统计该数据集中国区域的城市边界作为城市面积要素数据，其中全国城市总面积为187, 551 km2。
1.1.3 主要地理要素数据为了分析我国城市湖泊分布的地理规律，研究考虑人口、社会经济、地形、水文气象等多方面地理要素。本文采用相关数据包括自然环境数据、人口和社会经济数据、行政边界数据等。具体而言，2020年全国年均温度、年降水量数据是基于全国2400多个气象站点日观测年合成数据，通过Anuspline软件生成的空间插值数据，数据来源于中国科学院资源环境和科学与数据中心(https://www.resdc.cn)，其空间分辨率为1 km；数字高程模型(DEM)数据采用中国科学院资源环境和科学与数据中心(https://www.resdc.cn)提供的SRTM V4.1版本(Shuttle Radar Topography Mission Version 4.1)，空间分辨率为90 m；河流水系分布数据源于HydroRivers[47](https://www.hydrosheds.org)；全国人口分布数据(100 m)从WorldPop(https://hub.worldpop.org)获取；全国GDP分布栅格数据(1 km)源于中国科学院资源环境和科学与数据中心(https://www.resdc.cn)；2020年全国省、市、县行政边界数据从国家基础地理信息中心(http://www.ngcc.cn/ngcc)获取。
1.2 研究方法 1.2.1 城市湖泊分布度量指标利用ArcGIS中“TabulateIntersection”工具模块对中国城市湖泊数据集提取各评价单元内城市湖泊数量和面积，分别计算各单元的湖泊丰度和密度。城市湖泊丰度(ULA，个/km2)为城市湖泊数量与城市建城区面积的比值，反映了城市湖泊资源的分布丰富程度，计算公式如下：
| $ \mathrm{ULA}=\frac{\mathrm{LN}}{\mathrm{UA}} $ | (1) |
式中，LN为评价单元湖泊数量(个)；UA为评价单元GUB面积(km2)。
城市湖泊密度(ULD，%)为城市湖泊面积在城市建城区范围内中的占比，反映了城市湖泊的空间覆盖度，计算公式如下：
| $ \mathrm{ULD}=\frac{\mathrm{LA}}{\mathrm{UA}} \times 100 \% $ | (2) |
式中，LA为评价单元湖泊面积(km2)；UA为评价单元GUB面积(km2)。
1.2.2 地理要素提取利用ArcGIS中“Zonal Statistic”工具模块，分区统计地理要素数据在各评价单元内的平均值或累计值，包括年均温度、年降雨量、平均高程、人口数量、GDP、城市面积。此外，利用“Raster Calculator”工具计算地形起伏度/m(地形起伏度=评价单元最大高程值-评价单元最小高程值)。将分区统计获得的河流长度除以城市面积转换为河网密度。
1.2.3 城市湖泊分布与各地理要素的关系利用SPSS软件分析城市湖泊分布与各因素的相关关系，县(区)作为单元，以与城市湖泊分布存在潜在关联的各地理要素为输入变量、湖泊分布(分布丰度和密度)为输出变量进行Pearson相关性分析，探讨我国城市湖泊分布随各地理要素条件的分异规律；再以城市湖泊分布对各因素进行逐步回归，构建统计回归方程，确定影响城市湖泊分布的主导因素。
2 结果与分析 2.1 全国城市湖泊空间分布总体格局中国地理范围广阔、地形复杂、气候多样，不同地区和行政级别的城市发展水平不均衡。受到各类自然或人文地理要素本底条件的制约，中国城市湖泊分布呈现出东、南多，西、北少的空间格局。在中国三大城市群——粤港澳大湾区、长三角地区和京津翼地区，城市湖泊分布最为密集。从总体上看，全国目前有1.1×105个城市湖泊(>0.001 km2)，总面积超过2.11×103 km2，占全国城市面积的1.13%。基于全国西高东低的地貌格局和南湿北干的气候条件将全国划分为五大湖区[37]，统计分析不同湖区的城市湖泊(图 2)。东部平原湖区拥有最多的城市湖泊(96320个)和最大的面积分布(1735.9 km2)，占全国城市湖泊总数量和总面积87.0%、82.2%。同时，其自然湖泊(>1 km2)的数量和面积仅次于青藏高原湖区。这由于东部平原湖区地势平坦、气候湿润、降水丰沛，有利于自然湖泊的形成和维持，高城市化水平和城市边界快速扩张又促使大量的自然湖泊或人造洼地转变为城市湖泊。青藏高原湖区自然湖泊最多，湖泊面积占全国湖泊的一半以上[37]，然而该高原湖区的城市湖泊数量最少(154个)、面积最小(1.87 km2)，仅占全国的0.10%、0.09%。青藏高原湖区在数百万年的地质演化过程中，雪水、冰川融水以及降水汇集，形成丰富的自然湖泊，但是由于相对较低人口密度和城市规模降低了城市湖泊的需求，同时，寒冷干燥的气候条件，不利用人工湖泊的构建，造成该湖区自然湖泊和城市湖泊空间分布格局的显著差异。
|
图 2 中国城市湖泊分布格局 (该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作，底图无修改) Fig.2 Spatial distribution pattern of urban lakes in China |
从水系流域统计结果来看(图 2)，拥有城市湖泊数量最多的3个一级流域单元是长江流域片(36307个)、珠江流域片(21711个)、海河流域片(16290个)，分别占全国总数的32.8%、19.6%、14.7%；其次分别是淮河(13977个)、东南诸河(9623个)、松辽河(6625个)、黄河(4893个)、内陆河(873个)、西南诸河(399个)流域。各流域城市湖泊总面积排名顺序略有不同，依次为长江(占总面积的35.5%) >海河(15.0%) >珠江(14.8%) >淮河(12.4%) >黄河(8.5%) >松辽河(6.7%) >东南诸河(5.1%) >内陆河(1.6%) >西南诸河(0.4%)流域。
2.2 不同行政级别单元城市湖泊分布 2.2.1 不同地域单元城市湖泊分布的总体特征全国城市湖泊分布丰度和密度特点在不同行政级别的城市上存在差异。在本研究中，将全国分为7个区域：西北、西南、东北、华中、华北、华南和华东，分别计算了全国和各个区域不同行政级别城市湖泊数量和面积，以及相应的湖泊丰度和密度(图 3)。从不同分区来看，华东地区城市湖泊最多、面积最大，分别为48219个、869.1 km2，占全国城市湖泊总数量和总面积的43.6%、41.1%；西北地区城市湖泊数量最少、面积最小，分别为2117个、94.7 km2，占全国城市湖泊总数量和总面积的1.9%、4.5% (图 3a、3b)。湖泊丰度最高的3个区域是华南、华东和华中，分别为1.0、0.7和0.6个/km2(图 3c)；湖泊密度最大的3个区域是华中、华南和华东，分别为1.6%、1.4% 和1.2% (图 3d)。
|
图 3 不同行政级别的城市湖泊分布特征 Fig.3 Distribution characteristics of urban lakes at different administrative levels |
从五类行政级别来看，地级市(仅包括该城市下辖城区)城市湖泊数量和面积远高于另外行政等级的城市(图 3a、3b), 分别占全国总数量和总面积的39.0% 与39.8%。其次，34个省会城市(仅包括该城市下辖城区)拥有24903个城市湖泊，面积合计634.3 km2，分别占全国总量的22.5%、30.0%，这可能与其区域社会经济发展水平和高城镇化率关系密切(图 3a、3b)。全国范围内，湖泊丰度最高的是地级市(0.7个/km2)，其次分别是省会城市(0.6个/km2)、县级市(0.54个/km2)、县(0.5个/km2)和其他类别(0.3个/km2)(图 3c)；湖泊密度的排名稍有不同，省会城市(1.6%)湖泊密度最大，其次是地级市(1.3%)、县(0.8%)、县级市(0.7%)和其他类别(0.4%)(图 3d)。城市湖泊在各个行政等级的城市中呈现出明显的空间分异特征，较高行政级别的城市通常拥有更丰富的城市湖泊资源，地级市和省会城市尤其明显, 而行政等级较低的城市湖泊资源相对较弱。这一趋势可能受到城市规模、经济发展水平、土地利用政策和人口密度等多种因素的影响。
从不同分区来看，地级市城市湖泊数量和面积占比相对较高，特别是华南地区，地级市湖泊数量和面积占比分别为67.6% 和76.2% (图 3a、3b)，华北地区城市湖泊主要集中在省会城市，湖泊数量和湖泊面积占比分别为50.6% 和47.5%。这是由于华南地区气候温润、水系丰度、城市湖泊分布相对分散，汕头市、汕尾市等地级市拥有大量城市湖泊。而华北地区气候相对干燥，自然湖泊较少，城市湖泊主要依赖于城市规划和人工建设，北京、天津等城市化程度较高的省会城市，有利于城市湖泊的形成与维持。县和县级市的城市湖泊数量占比最多的区域分别为华东(24.2%)和东北(21.1%)，湖泊面积占比最多的区域分别为东北(31.3%)和西南(37.3%)(图 3a、3b)。华中和华北地区省会城市的湖泊丰度最高，分别为0.9和0.7个/km2；东北和西北地区地级市的城市湖泊丰度最高，分别为0.5和0.2个/km2；华南和西南地区县级市的城市湖泊丰度最高，分别为1.2和0.4个/km2；华东地区县级城市湖泊丰度最高(0.7个/km2)(图 3c)。省会城市中华中地区湖泊密度远高于其他区域(5.9%)，华南地区地级市的城市湖泊密度最大(1.7%)。县级市、县和其他类别中湖泊密度最大的区域分别为：西南(1.9%)、东北(1.4%)和华南(1.1%)(图 3d)。
2.2.2 不同行政级别单元城市湖泊分布的空间分异特征本研究分析了不同行政等级的城市单元内的城市湖泊分布丰度和规模特征。就湖泊数量而言，拥有城市湖泊最多的地区是广东省(17787个)、江苏省(10761个)及山东省(9344个)，分别占全国城市湖泊总数的16.1%、9.7% 和8.4% (图 4a)。就湖泊面积而言，最突出的是广东省(248.8 km2)、山东省(236.4 km2)、湖北省(225.6 km2)，这些省份的湖泊面积分别占全国城市湖泊总面积的11.8%、11.2%、10.7% (图 4b)。澳门特别行政区、宁夏回族自治区和湖北省是湖泊分布密度最高的三个省/自治/特区，分别为10.1%、4.0%、3.9% (图 4d)。湖泊丰度排名前三的省份是天津市(1.6个/km2)、湖北省(1.2个/km2)和安徽省(1.1个/km2)，排名第四至第十依次是广东省、江西省、海南省、江苏省、广西壮族自治区、澳门特别行政区、浙江省(图 4c)。
|
图 4 省级行政单元的城市湖泊分布特征 (该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改) Fig.4 Distribution characteristics of urban lakes in provincial administrative units |
在市级行政单元分级中，拥有城市湖泊最多的地级市是佛山市(3580个)、杭州市(2758个)、沧州市(2680个)，分别占全国城市湖泊总数的3.2%、2.5%、2.4% (图 5a)；湖泊丰度排名前三的分别是衡阳市(2.1个/km2)、茂名市(2.06个/km2)、黄冈市(2.0个/km2)(图 5c)。武汉市被称为“百湖之城”，城市湖泊面积最大(167.7 km2)、湖泊最密(10.1%)，湖泊面积排名第二和第三的分别是苏州市(66.0 km2)和东莞市(53.9 km2)，湖泊密度排名第二和第三的城市分别是岳阳市(9.6%)和红河哈尼族彝族自治州(9.5%)(图 5b、5d)。
|
图 5 市级行政单元的城市湖泊分布特征 (该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改) Fig.5 Distribution characteristics of urban lakes in municipal administrative units |
城市湖泊广泛分布在全国2846个县(区)级行政区(不包含香港、澳门和台湾)，18.9% 的县(区)级行政单元(538个)拥有全国数量78.5% 的城市湖泊，但与此同时约21% 的县(区)级行政单元(如四川省的黑水县和红原县)几乎没有城市湖泊的分布(图 6a)。3.0% 县(区)级行政单元湖泊总面积超过5 km2，城市湖泊面积在0.05~0.50 km2县(区)级行政单元占32.0% (图 6b)。拥有城市湖泊最多的是天津市滨海新区(1846个)，城市湖泊面积最大的是武汉市洪山区(67.2 km2)(图 6a、6b)。351个县(区)级行政单元的湖泊丰度超过1个/km2，湖泊丰度在0.2~0.5个/km2县(区)级行政单元占比最大(25.7%)(图 6c)。湖泊密度超过1.5% 的县(区)级共有321个，这些区域主要分布在广东省、浙江省、安徽省等省份(图 6d)。
|
图 6 县(区)级行政单元的城市湖泊分布特征 (该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改) Fig.6 Distribution characteristics of urban lakes incounty(district) level administrative units |
根据国务院印发的《关于调整城市规模划分标准的通知》和国家统计局公布的第七次人口普查数据，将全国城市按照城区常驻人口划分为五类七档(表 1)[48]。由于县级和县级以下行政区并不在城区范围内，所以将它们单独归为其他等级城市这一类。目前，我国共有7个超大城市和14个特大城市，超大城市分别包括北京、上海、广州、深圳、重庆、天津和成都；特大城市包括武汉、东莞、西安、杭州、佛山、南京、沈阳、青岛、济南、长沙、哈尔滨、郑州、昆明和大连。
|
表 1 我国城市规模分类的总体情况 Tab. 1 Classification of city size in China |
本研究进一步分析了不同规模的城市湖泊在上述城市规模的分布特征。根据湖泊面积将城市湖泊划分为大湖泊(面积大于1 km2)、中等湖泊(面积在0.01~1 km2之间)和小湖泊(面积在0.001~0.01 km2之间)。小湖泊数量在不同城市规模中占绝对优势，其中其他等级城市小湖泊数量最多(18801个)，其次是中等城市(15733个)，再次是特大城市(12770个)，但是特大城市在大湖泊数量方面最多，占大湖泊总数量21.4% (图 7a)。各类型城市的湖泊丰度在大、中、小湖泊方面均呈现出小湖泊丰度最高，大湖泊丰度最低的特点(图 7c)。虽然其他等级城市在中、小湖泊数量方面最多，但是其他等级城市范围较大，湖泊分布相对稀疏，所以其他等级城市在中、小湖泊丰度方面均相对较低(0.1、0.4个/km2)(图 7c)。不同规模的城市湖泊分布差异显著，在大湖泊方面，特大城市拥有最大的湖泊面积(204.0 km2)，占大湖泊总面积的26.0%，其次为超大城(140.7 m2)，最小的是Ⅱ型小城市(3.7 km2)；在中等湖泊方面，其他等级城市拥有最大的湖泊面积(208.4 km2)，占中等湖泊总面积的20.0%，其次为中等城市(170.3 km2)，最小的是Ⅱ型小城市(29.2 km2)；在小湖泊方面，其他等级城市拥有最大的面积(60.3 km2)，占小湖泊总面积的21.0%，其次为中等城市(48.7 km2)，最小的是Ⅱ型小城市(8.6 km2)(图 7b)。超大城市和特大城市大湖泊的密度最高(0.7%、1.0%)，这是由于超大城市和特大城市的大湖泊的面积占比较高，在剩余城市规模中，中等湖泊的湖泊密度最高，Ⅱ型小城市在大、中、小湖泊密度方面均最低(图 7d)。
|
图 7 不同城市规模的城市湖泊分布特征：(a)城市湖泊数量，(b)城市湖泊面积，(c)城市湖泊丰度，(d)城市湖泊密度 Fig.7 Distribution characteristics of urban lakes in different urban sizes: (a)number of urban lakes, (b) urban lakes area, (c) abundance of urban lakes, and (d) density of urban lakes |
我国城市的快速扩张对城市湖泊的环境产生了显著影响。现有的区域大尺度湖泊的遥感制图与变化监测研究大多针对自然湖泊，而位于复杂下垫面的城市区域的中小型城市湖泊受到的关注较少[49]。根据以往的少量涉及城市湖泊的研究，研究学者主要从两方面定义城市湖泊。一是从湖泊自身的属性特征来定义城市湖泊，有学者认为城市湖泊一般具有以下特征：(1)城市湖泊的面积一般不超过26 km2；(2)城市湖泊的平均深度不超过6 m；(3)城市湖泊的流域面积至少是汇水面积的10倍以上。(4)湖泊流域必须包含至少5% 的不透水面；(5)不管是天然湖泊还是人工建造的湖泊，通常用于供水、娱乐、防洪或其他直接的人类用途[49]。二是从遥感的角度来定义城市湖泊，城市边界是区分城市湖泊和自然湖泊的关键要素，城市湖泊通常位于城市边界内部或与城市边界相交[40]，它们往往与连片的不透水面相邻或接触。本研究从遥感的角度来定义城市湖泊，因此，如何界定城市范围是研究城市湖泊的前提。
城市范围的定义因采用不同的数据集和分类方法稍有差异[42]。人口是城市化的重要指标，全球人类居住区(GHS)数据集中的城市中心由人口数量(每平方公里大于1500)和城市范围数据共同界定[50]；夜间灯光(NTL)数据也广泛用于绘制城市边界，具有高NTL强度的连续不透水面区域被定义为城市区域[51]；此外，城市道路、土地覆盖等地理信息常用于改进城市分类，Zhang等以高分辨率遥感影像为主要数据源，综合航拍数据、路网数据和行政区划等辅助数据提取全国337个城市的城市边界[52]。在我国，城市边界通常指的是城市增长边界，它是为了控制城市无序蔓延而划定的区域界限[53]。本研究使用GUB数据集[42]，其城市边界被定义为城市土地和其他非城市区域之间的真实边界[54]，它通常包括密集且连续的水无法渗透的人造结构(不透水面)，例如道路、住宅和工业建筑等，以及位于不透水面周边及邻近区域的植被和水体[55]。选择该数据集作为城市范围的参考主要考虑两个方面的因素：其一是GUB城市边界是在基于遥感提取的城市不透水层范围基础上通过制图综合进行处理，最终边界范围内包括城市水体与绿地等要素；另一方面，该数据集包含中小型城镇的范围信息，可以为本研究分析不同行政级别城镇范围内城市湖泊的分布特征提供城市边界信息。
3.2 城市湖泊和城市边界数据集精度验证 3.2.1 城市湖泊精度验证为了评估城市湖泊数据集的准确性，分别与人工数字化城市湖泊数据(>0.001 km2)、HydroLAKES湖泊数据和全国规模湖泊(>1 km2)数据集进行比较[56-57]。与人工数字化城市湖泊数据(>0.001 km2)相比，城市湖泊数量和面积平均准确率分别为93.35% 和81.85%；与HydroLAKES湖泊数据相比，HydroLAKES数据在大型城市湖泊边界存在明显的错分和漏分误差，精度远低于城市湖泊数据集；与全国规模湖泊(>1 km2)数据相比，虽然在绘制大于1 km2的城市湖泊方面两者的精度相近，但城市湖泊数据集的湖泊边界更加精确[40]。
由于城市湖泊的变化和不确定性受城市快速发展、城市土地变更、气候变化等因素的影响，该数据集采用2020年前后(2019—2021年)所有无云的Sentinel-2影像进行中值合成后的影像数据提取湖泊边界。虽然经过严格的去云处理和人工检查，但是因为GUB城市边界数据无法准确反映城市区域范围的变化，城市边界蔓延可能导致新兴城市湖泊丢失[40]。
3.2.2 城市边界数据集精度验证为了评估GUB数据在国家尺度下的精度，将GUB数据集与中国城市边界数据进行对比，中国城市边界数据主要依靠人工解译1990、2000和2010年Landsat影像生成[58]。全国尺度下，1990—2010年GUB数据和中国城市边界数据的城市规模(km2)相关系数分别为：0.87、0.86和0.82，GUB数据城市规模略高于中国城市边界数据。但是GUB数据可以绘制更精细化的城市边缘细节，更好地反映城市的边界范围[42]。
3.3 城市湖泊分布特征的影响要素分析全国各地区和行政级别的城市单元内湖泊分布存在显著的差异。这些差异可能受到多种因素的影响，包括地理位置、气候条件、地形特征以及社会经济发展水平等。为了深入了解这些差异的成因，本研究综合考虑以下3种影响因素：(1)地貌格局：选取DEM、地形起伏度和河网密度等地形指标；(2)气候条件：选取年均温度和年降水量等气候指标；(3)城市化发展：选取人口数量、GDP以及城市面积等城市化指标。通过对这些因素和城市湖泊属性(湖泊数量、面积、丰度和密度)进行相关性分析，更全面地解释不同地区和行政级别城市单元内湖泊分布差异的原因(表 2)。由表 2可知，年均温度和年降水量与湖泊数量、湖泊面积、湖泊丰度和湖泊密度呈统计显著的正相关关系，其中湖泊丰度与年均温度和年降水量的相关系数分别为0.62和0.66(表 2)。这表明气候条件对我国湖泊分布和形态具有较重要的影响，湿暖和湿润的气候条件可能有利于湖泊的形成和维持[59-61]，在城市地区也不例外。DEM高程和地形起伏度与湖泊属性呈显著负相关(表 2)，这意味着在地势较低且平坦的地区，湖泊数量和面积可能更多，这与地形对水体分布和流动的影响相符，低洼地形有助于水体汇聚，从而形成湖泊[62]。河网密度与湖泊数量呈显著正相关关系，但与湖泊面积呈显著负相关关系(表 2)，可能由于河流交汇地区有利于形成较多的湖泊，但湖泊面积可能受到河流水量和地形的限制，导致湖泊面积整体偏小[63]。
|
|
表 2 湖泊属性与影响因子相关性分析 Tab. 2 Correlation analysis between lake attributes and influencing factors |
在人类活动方面，人口数量和GDP与湖泊数量和湖泊面积呈现显著正相关，而与湖泊丰度和湖泊密度呈现较弱的正相关。这可能是因为人口密集和经济发达的地区，水资源的需求较大，可能会采取人工干预的方式新建城市湖泊和扩充湖泊面积。但是，随着人口数量和GDP的增加，人类活动和工业发展对城市湖泊的挤占和破坏会进一步增大，湖泊丰度和密度也会相对降低(表 2)。在城市发展方面，城市面积与湖泊数量和湖泊面积呈显著强相关，相关系数分别为0.82和0.77(表 2)，这表明在城市发展过程中，随着城市面积的增加，城市湖泊的数量和面积也会相应增加，一方面由于城市扩张会囊括原本位于城市外围的自然湖泊，另一方面为满足人们对城市湖泊生态系统服务的需求，在城市扩张的过程中会建造更多的人工湖泊[64](表 2)。城市面积与湖泊丰度呈显著正相关，这可能是因为随着城市用地的扩张，原有的自然水体可能被切割、围填或人为改造，从而形成一些较小的城市湖泊。同时，城市面积与湖泊密度呈显著负相关，这可能是因为随着城市用地需求的增加，湖泊可能会被填平或被其他用地类型所取代，导致湖泊密度降低(表 2)。
3.4 城市湖泊与相关因素逐步回归分析全国城市湖泊分布与自然和人文因素的逐步回归分析结果见表 3。由表 3可知，影响城市湖泊属性的因子主要包括城市面积(UA)、年降水量(PRE)、GDP和地形起伏度(RDLS)。其中湖泊数量主要与城市面积、年降水量和GDP有关，回归方程复相关系数为0.792(n=754，P < 0.001)，说明城市面积、年降水量和GDP可以在一定程度上解释自然和人文因素对湖泊数量的影响；湖泊面积同湖泊数量一样，同样受到城市面积、年降水量和GDP的显著影响，这些因素和湖泊面积较强相关性，复相关系数为0.800(n=816，P < 0.001) (表 3)。湖泊丰度主要受到自然因素影响，包括年降水量、年均温度(TEM)和地形起伏度，复相关系数为0.735(n=742，P < 0.001)。湖泊密度与年降水量、河网密度(Dd)和地形起伏度具有较强相关性，复相关系数为0.586(n=837，P=0.001)，其中河网密度和地形起伏度与湖泊密度负相关，这与相关性分析的结果吻合，在河网密度较大的区域，尽管小型湖泊较多，湖泊密度也相对较低(表 2, 表 3)。此外，统计显著性检验均小于0.05，逐步回归显著性良好(表 3)。
|
|
表 3 城市湖泊属性与影响因子的回归方程 Tab. 3 Regression equation of urban lake properties and influencing factors |
本研究探讨了自然因素和人为因素对全国城市湖泊分布的影响，初步分析了这些因素与城市湖泊分布特征的关系。然而造成城市湖泊分布现状的原因众多，机制复杂，并不局限于地貌特征、气候特点和城市发展等因素。比如，一些城市建设商品住宅，会在周边修建人工湖泊，以此来提高住宅的环境品质[65-66]；一些城市湖泊是由于城市发展规划建造用于满足城市居民休闲娱乐需求，如长沙市的松雅湖[67]，这类城市湖泊的形成机制与该城市的经济活动和政策规划密切相关。
由于数据的可获得性和文章篇幅的限制，本文无法分析自然因素和人类活动对城市湖泊分布特征综合定量影响。在后续的研究中，将针对典型地区收集更多的潜在影响因素的定量表达数据，进一步揭示自然环境和人类活动对城市湖泊形成和变化的影响机制。
4 结论本文基于中国城市湖泊数据集，结合多方面自然与人文地理要素，分析了全国城市湖泊属性分布的空间分异特征，探讨了不同地理要素对城市湖泊分布的可能影响，主要结论如下：
1) 全国分布有110698个0.001 km2以上城市湖泊，总面积达2112.4 km2，广泛分布在全国各地区和不同级别城市单元。但其分布存在显著空间分异和行政级别差异，总体呈现出东、南多，西、北少的空间格局。具体来看，东部平原湖区占据了全国80% 以上的城市湖泊；城市湖泊数量最多和面积最大的一级流域均为长江流域。
2) 地级市级别城市湖泊数量和湖泊面积在全国占比最高(39.0%、39.8%)、湖泊丰度最大(0.7个/km2)，而湖泊密度最大的是省会城市(1.6%)；华南地区的地级市城市湖泊数量和面积占比高达67.6% 和76.2%，而华北和华中地区的省会城市分别拥有最多的城市湖泊(50.6%)和最大的湖泊面积(53.2%)。
3) 在省级行政单元中，广东省拥有最多数量(17787个)和最高面积(248.8 km2)的城市湖泊分布，而湖泊密度和湖泊丰度最突出的分别是澳门特别行政区(10.1%)和天津市(1.6个/km2)；在市级行政单元中，佛山市、杭州市和沧州市城市湖泊数量最多，而衡阳市、茂名市和黄冈市的城市湖泊丰度最高；武汉市是城市湖泊面积最大、最密的城市；全国不到20% 的县(区)级行政单元拥有全国70% 以上的城市湖泊，但仍有21% 的县(区)级行政单元几乎没有城市湖泊。
4) 小湖泊的数量和丰度在全国不同的城市规模中均占绝对优势；在超大城市和特大城市中，大型城市湖泊的面积最大且密度最高；其他城市规模中，中等湖泊面积占比最高。
5) 人类活动和自然环境的差异造就了全国城市湖泊的分布空间分异，多要素相关性分析表明：城市湖泊数量和面积与气候条件(降水、温度等)存在显著的相关关系，地形平坦、温度适宜、降水充沛的城市单元往往拥有较多的城市湖泊。城市发展(人口增长、城市扩张等)也是重要的影响因素，如城市扩张会形成更多的新城市湖泊，同时规划修建人工湖泊湿地用以满足公众的滨水栖息需求；城市面积、年降水量和GDP对城市湖泊属性具有统计显著影响，可以在一定程度上解释城市湖泊分布特征。
| [1] |
Carroll ML, Loboda TV. Multi-decadal surface water dynamics in North American tundra. Remote Sensing, 2017, 9(5): 497. DOI:10.3390/rs9050497 |
| [2] |
Tranvik LJ, Downing JA, Cotner JB et al. Lakes and reservoirs as regulators of carbon cycling and climate. Limnology and Oceanography, 2009, 54(6part2): 2298-2314. DOI:10.4319/lo.2009.54.6_part_2.2298 |
| [3] |
Feng M, Sexton JO, Channan S et al. A global, high-resolution (30-m) inland water body dataset for 2000: First results of a topographic-spectral classification algorithm. International Journal of Digital Earth, 2016, 9(2): 113-133. DOI:10.1080/17538947.2015.1026420 |
| [4] |
Oki T, Kanae S. Global hydrological cycles and world water resources. Science, 2006, 313(5790): 1068-1072. DOI:10.1126/science.1128845 |
| [5] |
Wang JD, Song CQ, Reager JT et al. Recent global decline in endorheic basin water storages. Nature Geoscience, 2018, 11(12): 926-932. DOI:10.1038/s41561-018-0265-7 |
| [6] |
Gao H, Bohn TJ, Podest E et al. On the causes of the shrinking of Lake Chad. Environmental Research Letters, 2011, 6(3): 034021. DOI:10.1088/1748-9326/6/3/034021 |
| [7] |
Liao JJ, Shen GZ, Li YK. Lake variations in response to climate change in the Tibetan Plateau in the past 40 years. International Journal of Digital Earth, 2013, 6(6): 534-549. DOI:10.1080/17538947.2012.656290 |
| [8] |
Ma RH, Duan HT, Hu CM et al. A half-century of changes in China's Lakes: Global warming or human influence?. Geophysical Research Letters, 2010, 37(24). DOI:10.1029/2010gl045514 |
| [9] |
Birch S, McCaskie J. Shallow urban lakes: A challenge for lake management. Hydrobiologia, 1999, 395: 365-378. DOI:10.1023/A:1017099030774 |
| [10] |
Peng JJ, Li CH, Huang XH. Causes and characteristics of eutrophication in urban lakes. Ecologic Science, 2004, 23(4): 370-373. [彭俊杰, 李传红, 黄细花. 城市湖泊富营养化成因和特征. 生态科学, 2004, 23(4): 370-373.] |
| [11] |
Wang J, Xu WP, Ma FK. Thoughts and suggestions on treatment of urban lakes. Yangtze River, 2022, 53(2): 41-47. [王健, 徐望朋, 马方凯等. 城市湖泊治理思考与建议. 人民长江, 2022, 53(2): 41-47.] |
| [12] |
Martínez-Arroyo A, Jáuregui E. On the environmental role of urban lakes in Mexico City. Urban Ecosystems, 2000, 4(2): 145-166. DOI:10.1023/A:1011355110475 |
| [13] |
Hamer AJ, Parris KM. Local and landscape determinants of amphibian communities in urban ponds. Ecological Applications, 2011, 21(2): 378-390. DOI:10.1890/10-0390.1 |
| [14] |
Zeng ZW, Zhou XQ, Li L. The impact of water on microclimate in Lingnan area. Procedia Engineering, 2017, 205: 2034-2040. DOI:10.1016/j.proeng.2017.10.082 |
| [15] |
Sun RH, Chen LD. How can urban water bodies be designed for climate adaptation?. Landscape and Urban Planning, 2012, 105(1/2): 27-33. DOI:10.1016/j.landurbplan.2011.11.018 |
| [16] |
Zheng HM. On function to the city from urban lake. Journal of Nanpinc Teachers College, 2007(2): 132-135. [郑华敏. 论城市湖泊对城市的作用. 南平师专学报, 2007(2): 132-135.] |
| [17] |
Sun NT, Li JT. Ecosystem service function and protection of urban lakes. Journal of Anhui Agricultural Sciences, 2007, 35(22): 6885-6886. [孙宁涛, 李俊涛. 城市湖泊的生态系统服务功能及其保护. 安徽农业科学, 2007, 35(22): 6885-6886. DOI:10.3969/j.issn.0517-6611.2007.22.097] |
| [18] |
Zhang W, Jiang JG, Zhu YB. Change in urban wetlands and their cold island effects in response to rapid urbanization. Chinese Geographical Science, 2015, 25(4): 462-471. DOI:10.1007/s11769-015-0764-z |
| [19] |
Du HY, Song XJ, Jiang H et al. Research on the cooling island effects of water body: A case study of Shanghai, China. Ecological Indicators, 2016, 67: 31-38. DOI:10.1016/j.ecolind.2016.02.040 |
| [20] |
Wang YS, Zhan QM, Ouyang WL. How to quantify the relationship between spatial distribution of urban waterbodies and land surface temperature?. Science of the Total Environment, 2019, 671: 1-9. DOI:10.1016/j.scitotenv.2019.03.377 |
| [21] |
Cheng XY, Wang GX, Pu PM et al. Restoration and purification of macrophytes in an eutrophic lake during autumn and winter. J Lake Sci, 2002, 14(2): 139-144. [成小英, 王国祥, 濮培民等. 冬季富营养化湖泊中水生植物的恢复及净化作用. 湖泊科学, 2002, 14(2): 139-144. DOI:10.18307/2002.0207] |
| [22] |
Ritchie H, Roser M. Urbanization. Our World in Data, 2018. |
| [23] |
Wurm M. Global urbanization—Perspective from space. In: Brünner C, Königsberger G, Mayer H eds. Satellite-based earth observation. Cham: Springer, 2018: 107-117. DOI: 10.1007/978-3-319-74805-4_11
|
| [24] |
Chen MX, Zhang H, Liu WD et al. The global pattern of urbanization and economic growth: Evidence from the last three decades. PLoS One, 2014, 9(8): e103799. DOI:10.1371/journal.pone.0103799 |
| [25] |
UNDESA. World Urbanization Prospects: The 2014 Revision. New York, 2014. https://www.un.org/en/development/desa/publications/2014-revision-world-urbanization-prospects.html.
|
| [26] |
Chen MX, Liu WD, Tao XL. Evolution and assessment on China's urbanization 1960-2010: Under-urbanization or over-urbanization?. Habitat International, 2013, 38: 25-33. DOI:10.1016/j.habitatint.2012.09.007 |
| [27] |
Chen J. Rapid urbanization in China: A real challenge to soil protection and food security. CATENA, 2007, 69(1): 1-15. DOI:10.1016/j.catena.2006.04.0 |
| [28] |
Henny C, Meutia AA. Urban lake management strategy: Effect of distinct types of lake surroundings and shoreline landscape development on water quality of urban lakes in Megacity Jakarta. Lakes: The Mirrors of the Earth, 2014, 275-278. |
| [29] |
Du NR, Ottens H, Sliuzas R. Spatial impact of urban expansion on surface water bodies—a case study of Wuhan, China. Landscape and Urban Planning, 2010, 94(3/4): 175-185. DOI:10.1016/j.landurbplan.2009.10.002 |
| [30] |
Dunalska JA, Grochowska J, Wi÷niewski G et al. Can we restore badly degraded urban lakes?. Ecological Engineering, 2015, 82: 432-441. DOI:10.1016/j.ecoleng.2015.05.037 |
| [31] |
Liu C, Zhong JC, Wang JJ et al. Fifteen-year study of environmental dredging effect on variation of nitrogen and phosphorus exchange across the sediment-water interface of an urban lake. Environmental Pollution, 2016, 219: 639-648. DOI:10.1016/j.envpol.2016.06.040 |
| [32] |
Yang XK, Lu XX. Drastic change in China's Lakes and reservoirs over the past decades. Scientific Reports, 2014, 4: 6041. DOI:10.1038/srep06041 |
| [33] |
Ma XH, Yang H, Huang CC et al. One-century sedimentary record, sources, and ecological risk of polycyclic aromatic hydrocarbons in Dianchi Lake, China. Environmental Science and Pollution Research International, 2022, 29(22): 33427-33442. DOI:10.1007/s11356-022-18497-4 |
| [34] |
Lin SS, Shen SL, Zhou AN et al. Assessment and management of lake eutrophication: A case study in Lake Erhai, China. Science of the Total Environment, 2021, 751: 141618. DOI:10.1016/j.scitotenv.2020.141618 |
| [35] |
Gao Y, Xie YH, Zou DS. Hydrological regime change and its ecological responses in East Dongting Lake, China. Ecohydrology & Hydrobiology, 2020, 20(1): 142-150. DOI:10.1016/j.ecohyd.2019.07.003 |
| [36] |
Song CQ, Fan CY, Zhu JY et al. A comprehensive geospatial database of nearly 100 000 reservoirs in China. Earth System Science Data, 2022, 14(9): 4017-4034. DOI:10.5194/essd-14-4017-2022 |
| [37] |
Ma RH, Yang GS, Duan HT et al. China's Lakes at present: Number, area and spatial distribution. Science China: Earth Sciences, 2011, 54(2): 283-289. DOI:10.1007/s11430-010-4052-6 |
| [38] |
Cheng YF, Wang JD, Yu TF et al. Analysis of lakes area change and their influencing factors in Gansu Province in recent 30 years. Plateau Meteorology, 2023, 42(1): 150-162. [程玉菲, 王军德, 鱼腾飞等. 近30年甘肃省主要湖泊面积变化及其影响因素分析. 高原气象, 2023, 42(1): 150-162.] |
| [39] |
Xie C, Huang X, Wang LG et al. Spatiotemporal change patterns of urban lakes in China's major cities between 1990 and 2015. International Journal of Digital Earth, 2018, 11(11): 1085-1102. DOI:10.1080/17538947.2017.1374476 |
| [40] |
Song CQ, Jiang XA, Fan CY et al. High-resolution circa-2020 map of urban lakes in China. Scientific Data, 2022, 9(1): 747. DOI:10.1038/s41597-022-01874-6 |
| [41] |
Wu W, Li QZ, Zhang YA et al. Two-step urban water index (TSUWI): A new technique for high-resolution mapping of urban surface water. Remote Sensing, 2018, 10(11): 1704. DOI:10.3390/rs10111704 |
| [42] |
Li XC, Gong P, Zhou YY et al. Mapping global urban boundaries from the global artificial impervious area (GAIA) data. Environmental Research Letters, 2020, 15(9): 094044. DOI:10.1088/1748-9326/ab9be3 |
| [43] |
Gong P, Li XC, Wang J et al. Annual maps of global artificial impervious area (GAIA) between 1985 and 2018. Remote Sensing of Environment, 2020, 236: 111510. DOI:10.1016/j.rse.2019.111510 |
| [44] |
Homer C, Dewitz J, Yang LM et al. Completion of the 2011 national land cover database for the conterminous United States - representing a decade of land cover change information. Photogrammetric Engineering & Remote Sensing, 2015, 81(5): 345-354. DOI:10.1016/S0099-1112(15)30100-2 |
| [45] |
Kocabas V, Dragicevic S. Assessing cellular automata model behaviour using a sensitivity analysis approach. Computers, Environment and Urban Systems, 2006, 30(6): 921-953. DOI:10.1016/j.compenvurbsys.2006.01.001 |
| [46] |
Narayanan A. Fast binary dilation/erosion algorithm using kernel subdivision. Proceedings of the 7th Asian conference on Computer Vision—Volume Part Ⅱ. New York: ACM, 2006: 335-342. DOI: 10.1007/11612704_34.
|
| [47] |
Lehner B, Grill G. Global river hydrography and network routing: Baseline data and new approaches to study the world's large river systems. Hydrological Processes, 2013, 27(15): 2171-2186. DOI:10.1002/hyp.9740 |
| [48] |
中国国务院. 国务院关于调整城市规模划分标准的通知. 山西政报, 2014(22): 3. |
| [49] |
Schueler T, Simpson J. Introduction: Why urban lakes are different. Watershed Protection Techniques, 2001, 3(4): 747. |
| [50] |
Florczyk A, Melchiorri M, Corban C et al. Description of the GHS urban centre database 2015. Public Release, 2019, 1: 1-75. DOI:10.2760/037310 |
| [51] |
Xue XY, Yu ZL, Zhu SC et al. Delineating urban boundaries using landsat 8 multispectral data and VⅡRS nighttime light data. Remote Sensing, 2018, 10(5): 799. DOI:10.3390/rs10050799 |
| [52] |
Zhang HC, Ning XG, ShaoZF et al. Spatiotemporal pattern analysis of China's cities based on high-resolution imagery from 2000 to 2015. ISPRS International Journal of Geo-Information, 2019, 8(5): 241. DOI:10.3390/ijgi8050241 |
| [53] |
Han HY, Lai SK, Dang AR et al. Effectiveness of urban construction boundaries in Beijing: An assessment. Journal of Zhejiang University-Science A, 2009, 10(9): 1285-1295. DOI:10.1631/jzus.A0920317 |
| [54] |
Hu SG, Tong LY, Frazier AE et al. Urban boundary extraction and sprawl analysis using Landsat images: A case study in Wuhan, China. Habitat International, 2015, 47: 183-195. DOI:10.1016/j.habitatint.2015.01.017 |
| [55] |
Weber C, Puissant A. Urbanization pressure and modeling of urban growth: Example of the Tunis Metropolitan Area. Remote Sensing of Environment, 2003, 86(3): 341-52. DOI:10.1016/S0034-4257(03)00077-4 |
| [56] |
Zhang GQ, Yao TD, Chen WF et al. Regional differences of lake evolution across China during 1960s-2015 and its natural and anthropogenic causes. Remote Sensing of Environment, 2019, 221: 386-404. DOI:10.1016/j.rse.2018.11.038 |
| [57] |
Messager ML, Lehner B, Grill G et al. Estimating the volume and age of water stored in global lakes using a geo-statistical approach. Nature Communications, 2016, 7: 13603. DOI:10.1038/ncomms13603 |
| [58] |
Wang L, Li CC, Ying Q et al. China's urban expansion from 1990 to 2010 determined with satellite remote sensing. Chinese Science Bulletin, 2012, 57(22): 2802-2812. DOI:10.1007/s11434-012-5235-7 |
| [59] |
Davraz A, Sener EH, Sener S. Evaluation of climate and human effects on the hydrology and water quality of Burdur Lake, Turkey. Journal of African Earth Sciences, 2019, 158: 103569. DOI:10.1016/j.jafrearsci.2019.103569 |
| [60] |
Coppens J, Trolle D, Jeppesen E et al. The impact of climate change on a Mediterranean shallow lake: Insights based on catchment and lake modelling. Regional Environmental Change, 2020, 20(2): 1-13. DOI:10.1007/s10113-020-01641-6 |
| [61] |
Liu JL, Zhou TC, Yu H et al. Lake changes and driving forces in Tibet during the last 25 years. Journal of Yangtze River Scientific Research Institute, 2018, 35(2): 145-150. [刘佳丽, 周天财, 于欢等. 西藏近25a湖泊变迁及其驱动力分析. 长江科学院院报, 2018, 35(2): 145-150. DOI:10.11988/ckyyb.20160828] |
| [62] |
Abrams M, Crippen R, Fujisada H. ASTER global digital elevation model (GDEM) and ASTER global water body dataset (ASTWBD). Remote Sensing, 2020, 12(7): 1156. DOI:10.3390/rs12071156 |
| [63] |
Gardner JR, Pavelsky TM, Doyle MW. The abundance, size, and spacing of lakes and reservoirs connected to river networks. Geophysical Research Letters, 2019, 46(5): 2592-2601. DOI:10.1029/2018GL080841 |
| [64] |
Hough M. Cities and natural process. London: Routledge, 2004. DOI:10.4324/9780203643471
|
| [65] |
Chen KL, Qi M, Wang X et al. Study of urban lake landscape ecological security pattern evolution in Wuhan, 1995-2015. Acta Ecologica Sinica, 2019, 39(5): 1725-1734. [陈昆仑, 齐漫, 王旭等. 1995—2015年武汉城市湖泊景观生态安全格局演化. 生态学报, 2019, 39(5): 1725-1734.] |
| [66] |
Luttik J. The value of trees, water and open space as reflected by house prices in the Netherlands. Landscape and Urban Planning, 2000, 48(3/4): 161-167. DOI:10.1016/S0169-2046(00)00039-6 |
| [67] |
Li MH, Gong YB, Zhong C. Ecological function analysis of Songya Lake National Wetland Park. Journal of Central South University of Forestry & Technology, 2012, 32(12): 38-41. [李明惠, 恭映璧, 钟淳. 松雅湖国家湿地公园生态功能分析. 中南林业科技大学学报, 2012, 32(12): 38-41.] |