01 背景介绍
城市系统作为关键的土地系统类型，在全球可持续进程扮演着重要的角色，处于“人类世”的城市系统面临跨时空尺度交互的社会-生态系统可持续性挑战。为了应对城市化进程中带来的挑战，以及解决 SDG 11 指标监测与评估存在的问题，有必要从系统耦合和空间化的视角理解城市社会-经济-环境关键变量的属性状态、空间分布及演化规律。
基于团队在城市建成区扩张监测、工业热排放监测和城市演变密度动态等研究基础，与自然资源部国家基础地理信息中心合作，从城市地理空间视角出发，构建沿不透水面占比增长的城市开发强度梯度；采用两种非线性模型（指数模型和S型曲线模型）衡量城市经济活动、人口密度和空气污染物等多维关键变量在地理空间的分布及变化，评估其“空间聚集度”和“空间背景基线”；并多维空间参数整合到六种典型原型中，从空间聚集-均衡演化的角度分析三种关键要素的地理分布的空间关联关系（权衡与协同）。最新成果发表于国际顶级期刊《Sustainable Cities and Society》。
02 主要内容
基于线性光谱混合分解提取城市地表光谱端元空间下的不透水表面比重表征覆盖形态结构，夜间灯光遥感数据，人口密度数据作为城市经济强度和人类活动压力的特征维度，PM2.5浓度数据作为生态环境响应维度，构建城市系统原型状态空间。采用梯度分析、梯度空间轨迹模型和基于自组织神经映射网络（SOM），分析了32个主要城市的社会-生态系统演化模式。
基于空间轨迹对社会-生态可持续性进行表征，强调地理空间信息的解析作用——从城市地理空间视角出发，采用两种模型（指数模型和S型曲线模型）衡量城市经济活动、人口密度和空气污染物等多方面要素在地理空间的分布状态——“空间聚集度”和“空间背景基线”。
采用SOM自组织聚类，从空间聚集-均衡演化的角度分析三种关键要素的地理分布的空间关联关系（权衡与协同状态），发现了六种典型原型状态。研究发现，在第一聚类的少数城市中观察到了更可持续的轨迹，其中经济增长、人口集中和健康空气质量水平同时高且保持高度正相关；第二聚类城市化高速发展，但是在2000年空气质量下降；第三聚类是失衡态的高速城市化，表现为经济中等发展，但是人口密度和空气质量均呈现下降趋势；第四聚类是社会经济发展和环境正向协调，但是经济发展水平和人口密度中等；第五聚类发展滞后，处于城市化初期，经济发展水平和人口密度较低但是空气质量优越；第六聚类陷入社会经济和环境的恶性反馈圈中，社会经济发展水平和人口密度较低，空气质量恶劣。
本文所呈现状态空间结构，对城市规划者和政策制定者在改善城市的可持续性方面有多种用途。首先，它提供了更好地理解城市经济增长、人口集中和空气质量之间复杂关系的方法。其次，识别出具有不同经济增长、人口集中和空气质量模式的不同城市原型可以帮助政策制定者将他们的干预措施针对特定情境进行调整。最后，本研究所构建多维度的复杂关系原型空间框架，也可借鉴到基于光谱端元空间形态结构支撑下的更多主题维度的城市分析，识别当前城市社会-生态系统面临的具体挑战，对城市内部结构进行空间细化，为城市可持续发展的理想轨迹提供空间管理支撑。
03 第一作者
张平，中国农业大学土地资源管理专业博士，主要研究方向是城市遥感监测及可持续利用，在中国农业大学博士研究期间，围绕“中国近30年城市地表转型与社会-生态系统时空耦合路径研究”的研究主题，先后在Remote Sensing, Environment Science & Technology, Landscape and Urban Planning, Sustainable Cities and Society，Land Use Policy, Remote Sensing of Environment, International Journal of Applied Earth Observation and Geoinformation，农业工程学报等国内外期刊参与并发表文章数十篇，在校期间先后获得北京市优秀毕业生称号（2022），中国农业大学“五四青年标兵”（2021），博士国家奖学金（2020，2019），中国农业大学“三好学生”（2020，2019，2018），中国农业大学“优秀研究生干部”（2017）等奖励和荣誉，目前在国家基础地理信息中心研究开发部（院士工作室）就职。
04 相关文章链接
[1] Zhang P, Wu H, Zhang J., et al. Understanding archetypal spatial gradient patterns in urban economic, population and air quality nexus: new insights from a geographic-process perspective[J].
Sustainable Cities and Society, 2023: 104596.（点击文末“阅读原文”跳转）
https://doi.org/10.1016/j.scs.2023.104596
[2] Zhang, P., Sun, Q., Liu, M., et al. (2017). A strategy of rapid extraction of built-up area using multi-seasonal landsat-8 thermal infrared band 10 images.
Remote Sensing. 9(9): 1126-1144.
https://doi.org/10.3390/rs9111126
[3] Zhang, P., Yuan, C., Sun, Q., et al. (2019). Satellite-based detection and characterization of industrial heat sources in China.
Environment Science & Technology. 53(18): 11031-11042.
https://doi.org/10.1021/acs.est.9b02643
[4] Zhang, P., Kolhi, D., et al. (2020). Remote sensing modeling of urban density dynamics across 36 major cities in China: Fresh insights from hierarchical urbanized space.
Landscape and Urban Planning. 203(2020):103896.
https://doi.org/10.1016/j.landurbplan.2020.103896
