黃詩曼, 胡慶武*, 李海東, 王少華
1.武漢大學遙感信息工程學院, 湖北 武漢 430079
2.生態(tài)環(huán)境部南京環(huán)境科學研究所, 江蘇 南京 210042
近年來,為響應鄉(xiāng)村振興戰(zhàn)略,各地旅游小鎮(zhèn)迎來建設熱潮,積極促進鄉(xiāng)村產(chǎn)業(yè)發(fā)展的同時,也為相應風景區(qū)生態(tài)安全帶來了挑戰(zhàn),威脅了生態(tài)旅游的可持續(xù)發(fā)展[1-3]. 進行區(qū)域生態(tài)風險評價,促進風景區(qū)功能分區(qū),為村鎮(zhèn)建設和風景區(qū)生態(tài)系統(tǒng)健康管理提供參考依據(jù),對風景區(qū)綠色可持續(xù)發(fā)展有重要意義[1-6].
生態(tài)風險評價經(jīng)歷了由單一風險源到多風險源、單一風險受體到多受體、局地到區(qū)域及景觀尺度的發(fā)展歷程,區(qū)域生態(tài)風險評價是生態(tài)風險評價發(fā)展的綜合階段. 區(qū)域生態(tài)風險評價是在區(qū)域尺度上,描述和評估自然因素和人為活動對生態(tài)系統(tǒng)及其各個組分所產(chǎn)生不利影響的可能性和大小的過程[7-9]. RS (Remote Sensing,遙感)具有大范圍、高時效、短周期、綜合性、少約束等特性,GIS (Geographic Information System,地理信息系統(tǒng))具有強大的空間分析和數(shù)據(jù)管理能力,二者相結合能為生態(tài)風險評價提供極大的支持和輔助作用[1,10-11]. 李耀明等[12]基于北京市遙感影像數(shù)據(jù),結合GIS手段,選取多指標并對各指標因素進行打分,最終得到北京市生態(tài)風險評估圖. ZHANG等[13]基于GIS構建了吉林省生態(tài)災害風險評估模型,并繪制吉林省生態(tài)災害風險和生態(tài)災害風險四因素(風險性、暴露度、脆弱性以及應急響應和恢復能力)的區(qū)域分布圖. Bathrellos等[14]通過AHP (層次分析法)結合GIS生成滑坡、洪水和地震災害評估地圖,合并后得到代表研究區(qū)域Xerias流域內(nèi)城市發(fā)展的潛在適宜性地圖,實現(xiàn)了生態(tài)風險評價在城鄉(xiāng)規(guī)劃、功能區(qū)劃方面的應用. Agapiou等[15-16]基于多個遙感影像數(shù)據(jù),選取多個風險源并在GIS環(huán)境中計算,利用AHP確定風險源權重,最后得到塞浦路斯帕福斯區(qū)災害評估圖. LIU等[17]利用2000年、2004年、2008年、2013年、2017年獲得的多時相遙感影像數(shù)據(jù)和GIS構建生態(tài)風險指數(shù),識別2000—2017年江蘇省沿海濕地的生態(tài)風險格局的時空變化. 近年來,人類活動對景觀格局的影響越來越受到重視,景觀分布在遙感中的表現(xiàn)具有直觀性和準確性,它可以準確顯示出各種生態(tài)影響的空間分布和梯度變化特征,使各種空間分析的手段成為可能. 張雅洲等[11]用景觀格局指數(shù)評價生態(tài)系統(tǒng)的地位和受體的易損性,通過計算干旱、洪澇和水體污染的綜合風險概率及生態(tài)綜合損失度得到南四湖的生態(tài)風險值. LI等[18]基于RS、GIS將香格里拉縣分為10種景觀類型,利用景觀格局指數(shù)構建景觀損失指數(shù),綜合考慮風險源范圍、發(fā)生概率和景觀損失指數(shù)得到了1990年和2006年香格里拉縣生態(tài)風險評估的空間分布.
經(jīng)過近20年的研究發(fā)展,生態(tài)風險評價的模型和方法步驟得到了相應完善,但研究尺度多集中在省市、流域等尺度上,對于風景區(qū)的生態(tài)風險評價較少. 綜上,該研究利用峨眉山風景區(qū)土地覆蓋數(shù)據(jù)、DEM數(shù)據(jù)與同期遙感影像數(shù)據(jù),基于RS和GIS技術,綜合考慮自然災害與人類干擾,自然災害采用傳統(tǒng)的因子權重法,人類干擾利用景觀指數(shù)來衡量,進行災害概率和生態(tài)易損性分析,依據(jù)生態(tài)風險度量原理和克里金插值法得到峨眉山風景區(qū)2015年生態(tài)風險空間分布,確定生態(tài)風險高值分布區(qū)域,以期為峨眉山風景區(qū)生態(tài)承載力風險預警提供參考,有助于確定風景區(qū)內(nèi)適應村鎮(zhèn)建設、產(chǎn)業(yè)發(fā)展的區(qū)域,指導風景區(qū)生態(tài)風險管理.
峨眉山風景區(qū)(103°15′E~103°27′E、29°28′N~29°36′N)處于四川省樂山市峨眉山市城郊,位于四川盆地西南邊緣,山體自西向東而臥,素有“峨眉天下秀”之美譽,是世界文化與自然雙重遺產(chǎn)、國家重點風景名勝區(qū)、5A級景區(qū). 峨眉山風景區(qū)位于四川省三大暴雨中心之一的盆地西部,有豐富的降水資源,但降水量時空分布極不均勻,主要集中在4—10月,占全年降水量的91.2%,尤以7—8月為多,期間暴雨頻發(fā),枯水期為11月—翌年3月,期間降雨量占全年降雨量的不到10%. 峨眉山地表水徑流的區(qū)域變化與降水的區(qū)域變化相似,一般6—9月徑流占全年總徑流量的一半以上,10月—翌年2月次之,3—5月再次之,匯集的天然河流均具有坡度陡、流程短,易漲易涸的山溪水特點. 景區(qū)內(nèi)居民人數(shù)為2 369人,主要為景區(qū)工作人員及僧侶. 圖1為峨眉山風景區(qū)地理位置示意圖. 運用RS、GIS技術和生態(tài)風險度量理論對峨眉山風景區(qū)旅游生態(tài)系統(tǒng)進行生態(tài)風險分析,對峨眉山風景區(qū)的可持續(xù)性開發(fā)提供理論支持.
圖1 峨眉山風景區(qū)地理位置示意
2015年地表覆蓋產(chǎn)品源于國家科技基礎條件平臺——國家地球系統(tǒng)科學數(shù)據(jù)共享服務平臺(http:www.geodata.cn). 數(shù)據(jù)集原始數(shù)據(jù)均為廣泛使用的遙感影像數(shù)據(jù)資源,來源可靠,加工后一級類數(shù)據(jù)精度在70%以上,分辨率為30 m. DEM數(shù)據(jù)來源于ASTER GDEM第一版本原始數(shù)據(jù)處理得到的30 m分辨率數(shù)字高程產(chǎn)品. DEM數(shù)據(jù)和2015年10月20日的Landsat8遙感影像數(shù)據(jù)都在中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺(https:www.gscloud.cn)下載得到,對原始遙感影像進行了輻射定標、大氣校正、影像裁剪等預處理;同時,由于研究區(qū)地形起伏較大,基于DEM數(shù)據(jù)對遙感影像進行了地形校正.
風險通常定義為在一定區(qū)域和時期內(nèi)有害事件的發(fā)生概率及其導致后果的乘積,風險值是區(qū)域生態(tài)風險的表征[10,19]. 該研究采用文獻[7]歸納的區(qū)域生態(tài)風險評價步驟,即研究區(qū)的界定與分析、受體分析、風險源分析、暴露與危害分析以及綜合生態(tài)風險評價.
為體現(xiàn)受體和風險源在研究區(qū)內(nèi)的空間異質(zhì)性,首先劃分風險小區(qū),該研究按500 m等間距劃分風險小區(qū),共790個,其中不同風險小區(qū)對應著不同的風險源和風險受體,而每個風險小區(qū)內(nèi)受到不同種類、不同級別風險源的疊加作用而有著一致的綜合風險源. 在進行區(qū)域生態(tài)風險評價時,往往由于生態(tài)風險事件可能造成損失難以計算,得不到較為準確的評價結果. 因此,該研究引入生態(tài)易損性指標來評估風險受體在不同風險源作用下的損失程度,最終用綜合生態(tài)風險值表征區(qū)域生態(tài)風險的相對大小,每一個風險小區(qū)對應一個綜合生態(tài)風險值,即:
Rk=Pk×Tk
(1)
(2)
(3)
式中:Rk、Pk、Tk分別為第k個風險小區(qū)的綜合生態(tài)風險值、綜合風險概率與生態(tài)易損值,取值區(qū)間均為[0,1];βi為第i類生態(tài)風險源的權重;Pki為第k個風險小區(qū)內(nèi)第i類生態(tài)風險源的風險概率;N為風險源數(shù);Ak為第k個風險小區(qū)景觀總面積,km2;Akj為第k個風險小區(qū)的第j類景觀組分的面積,km2;Fj為第j類景觀組分對應的生態(tài)易損值;M為景觀類型數(shù). 其中,Pki根據(jù)風險小區(qū)內(nèi)同一生態(tài)風險源不同風險等級面積占比加權求和得到,即:
(4)
式中:l為風險等級;L為風險等級分級數(shù);Akil為第k個風險小區(qū)內(nèi)第i類生態(tài)風險源中風險等級為l的區(qū)域面積,km2.
對于整個研究區(qū),綜合生態(tài)風險值根據(jù)各風險小區(qū)面積占總面積比例進行加權求和得到,即:
(5)
式中:R為研究區(qū)的綜合生態(tài)風險值;A為研究區(qū)總面積,km2;K為風險小區(qū)個數(shù).
受體即風險承受者,在生態(tài)風險評價中指生態(tài)系統(tǒng)中可能受到來自風險源不利作用的組成部分. 在生態(tài)風險評價中,受體往往是多個生態(tài)系統(tǒng)類型,不同的生態(tài)系統(tǒng)類型在區(qū)域整體的生態(tài)功能方面所發(fā)揮的作用不同. 根據(jù)土地覆蓋數(shù)據(jù),研究區(qū)被分為農(nóng)地、森林、草地、灌叢、水體、不透水層、裸地,該研究將這7種土地覆蓋類型所代表的生態(tài)系統(tǒng)作為自然生態(tài)風險和人文生態(tài)風險二者共同的風險受體.
風險源分析是指對區(qū)域中可能對生態(tài)系統(tǒng)或其組分產(chǎn)生不利作用的干擾進行識別、分析和度量,分為風險識別和風險源描述兩部分. 風險識別是指根據(jù)評價目的找出具有風險的因素,風險源描述是用區(qū)域生態(tài)風險事件所發(fā)生的概率和強度來描述風險源的危害性. 風險源可分為自然災害和人類干擾.
2.2.1自然災害
由于研究區(qū)為山岳型風景區(qū),多高山且坡度大,在暴雨作用下,易發(fā)生崩塌、滑坡、泥石流等地質(zhì)災害,同時區(qū)域內(nèi)降水具有時空分布極不均勻的特征,汛期暴雨頻發(fā)景區(qū)易遭受水力侵蝕,枯水期又給景區(qū)帶來巨大的干旱壓力,因此該研究選擇干旱、土壤侵蝕和地質(zhì)災害作為主要的自然災害.
2.2.1.1干旱
單獨利用地表溫度(Land Surface Temperature, LST)和歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)進行旱情監(jiān)測都具有片面性. 基于NDVI-LST二維特征空間進行分析,是干旱監(jiān)測領域中常見的方法[20-22]. Sandlot等[23]將NDVI-LST二維特征空間簡化處理為三角形并提出溫度植被干旱指數(shù)(Temperature Vegetation Dryness Index,TVDI),定義如下:
TDVI=(Ts-Tsmin)(Tsmax-Tsmin)
(6)
式中:Ts為給定影像像元s對應的地表溫度值,K;Tsmin為影像中與給定影像像元s同等NDVI值對應的最低地表溫度,K;Tsmax為影像中給定影像像元s同等NDVI值對應的最高地表溫度,K.
利用ENVI依次計算研究區(qū)NDVI、LST和TVDI,其中,LST采用輻射傳輸方程法求取,TVDI利用擴展工具中的TVDI工具計算得到,利用自然斷點法將研究區(qū)影像像元的TVDI分為5級,分別賦值1、2、3、4、5,值越大表示干旱等級越高,實現(xiàn)了研究區(qū)的干旱概率確定.
2.2.1.2土壤侵蝕
土壤侵蝕即水土流失,指在風和水等外力作用下,土壤及其母質(zhì)被損壞、侵蝕、移動和堆積的過程[24]. 綜合考慮影響土壤侵蝕的各種因素,選擇地形坡度、土地利用類型、植被覆蓋狀況構建指標交叉表模型來評價土壤侵蝕敏感性. 參照SL 190—2007《土壤侵蝕分類分級標準》[25],研究區(qū)屬于水力侵蝕類型區(qū),水力侵蝕分級標準如表1所示,表中輕度、中度、強度、極強度、劇烈分別賦值為1、2、3、4、5. 其中,坡度數(shù)據(jù)利用ArcGIS從DEM中提取,植被覆蓋度數(shù)據(jù)在2.2.1.1節(jié)計算地表溫度時作為中間數(shù)據(jù)獲取.
表1 土壤侵蝕分級
2.2.1.3地質(zhì)災害
參考《地質(zhì)環(huán)境評價與地質(zhì)災害管理》(2008年出版),地質(zhì)災害的發(fā)育與地形地貌、地質(zhì)構造、地層、水文條件和人類工程活動等有著密切關系[26-29]. 研究[27]指出,地質(zhì)災害易發(fā)性評價因素主要分為兩類,分別為控制因素和影響因素. 峨眉山風景區(qū)屬于建筑管轄區(qū)域,不存在或很少存在礦石開采等工程,且該研究在進行生態(tài)風險評價時將人類干擾和自然災害影響因素分開考慮,故在此不考慮社會屬性因素. 此外,由于降雨柵格數(shù)據(jù)缺失,只獲取到國家級氣象站點數(shù)據(jù),不能利用多個自動站點數(shù)據(jù)插值得到降雨分布圖,因此該研究在計算地質(zhì)災害發(fā)生概率時將降雨因素忽略.
基于此,根據(jù)以往學者研究經(jīng)驗以及研究區(qū)特點,在遵循科學性、代表性和易獲取性原則上,該研究選取了6個指標作為地質(zhì)災害風險性評價指標,各影響因子分級賦值如表2所示,值越大表示風險等級越高. 其中,坡度、坡高、坡向、坡型、河網(wǎng)利用ArcGIS從DEM中提取,NDVI利用遙感影像數(shù)據(jù)計算得到.
表2 地質(zhì)災害影響因子賦值表
該研究利用Yahhp軟件中的AHP確定各影響因子權重. 在構建梯級層次結構模型的基礎上建立判斷矩陣,并通過一致性檢驗,坡度、坡高、坡向、坡型、NDVI和河網(wǎng)對應權重分別為0.45、0.22、0.06、0.12、0.03、0.12. 利用ArcGIS將研究區(qū)各評價因子按對應權重進行信息疊加計算,得到地質(zhì)災害風險概率值,采用自然間斷點法將其分為五級,等級賦值1、2、3、4、5,值越大表示風險等級越高.
2.2.1.4自然災害綜合概率
各風險源對風險受體的作用強度不同,對形成區(qū)域生態(tài)風險的作用大小也有差異,根據(jù)相關研究[11,18]并結合研究區(qū)狀況,將干旱、土壤侵蝕、地質(zhì)災害對應權重分別設為0.35、0.15、0.50. 為使量綱不同數(shù)據(jù)具有可比性,將干旱、土壤侵蝕、地質(zhì)災害風險等級歸一化,再加權求取研究區(qū)的自然災害綜合概率.
2.2.2人類干擾
自20世紀70年代以來,峨眉山風景區(qū)游客量呈爆發(fā)式增長,2015年接待游客量突破330萬. 與此同時,旅游開發(fā)建設、旅游服務業(yè)發(fā)展帶來的廢氣、廢水、噪聲污染等問題給研究區(qū)生態(tài)系統(tǒng)帶來巨大的壓力. 該研究以景觀生態(tài)學理論為基礎,選用景觀干擾度作為研究區(qū)生態(tài)系統(tǒng)受到人為干擾程度的定量表征. 根據(jù)相關研究[11,13,17,19],景觀干擾度由景觀格局指數(shù)破碎度、分離度、周長面積分維數(shù)倒數(shù)加權計算求得. 其中,破碎度指數(shù)用于度量土地利用景觀斑塊空間分布的均勻程度,常用于描述空間異質(zhì)性和人類干擾程度,值越大表示人類干擾程度越大;分離度指數(shù)反映景觀類型在地域上的分布特征以及人類活動對景觀結構的影響;周長面積分維數(shù)表示斑塊周長與面積的關系,是反映形狀復雜程度的指數(shù),取值范圍為1~2,值越靠近2表明斑塊形狀越繁雜,說明人類干擾程度越小、自然度越高,該研究選用周長面積分維數(shù)倒數(shù)作為指標之一,分維數(shù)倒數(shù)值越大表示景觀類型受到的人類干擾越大.
結合已有研究[13,17,30],破碎度、分離度、周長面積分維數(shù)倒數(shù)權重分別設為0.5、0.3、0.2,利用Fragstats軟件求得3個景觀格局指數(shù),加權后歸一化得到景觀干擾度,值越大表示該景觀類型受到的人為干擾程度越大. 經(jīng)計算,研究區(qū)農(nóng)地、森林、草地、灌叢、水體、不透水層、裸地對應的景觀干擾度分別為0.801、0.000、0.988、0.520、1.000、0.156、0.495.
暴露分析研究各風險源在區(qū)域中與風險受體的接觸暴露關系. 與之相關聯(lián)的危害分析則要確定風險源對生態(tài)系統(tǒng)及其風險受體的損害程度. 不同景觀類型代表的不同生態(tài)系統(tǒng)在區(qū)域內(nèi)所處的位置不同,在維護生物多樣性、完善生態(tài)系統(tǒng)的結構和功能、促進景觀結構自然演替等方面的作用有一定差異;面對相同的外來干擾時,不同生態(tài)系統(tǒng)的損失度不同. 該研究用生態(tài)易損性指數(shù)表示不同景觀類型所代表的生態(tài)系統(tǒng)對外部干擾的抵抗能力.
在確定生態(tài)易損性指數(shù)時,常將其與土地覆蓋類型相聯(lián)系,常用的方法是直接賦值歸一化處理和AHP. 直接賦值歸一化處理較AHP有較大的主觀性,因此該研究利用AHP確定各景觀類型的生態(tài)易損性指數(shù). 經(jīng)計算,農(nóng)地、森林、草地、灌叢、水體、不透水層、裸地生態(tài)易損性指數(shù)分別為0.201、0.044、0.065、0.093、0.246、0.027、0.324.
綜合生態(tài)風險評價要結合受體分析、風險源分析、暴露和危害分析,得到區(qū)域范圍生態(tài)風險值,從而為區(qū)域生態(tài)風險管理提供理論依據(jù).
根據(jù)生態(tài)風險值計算原理分別計算研究區(qū)內(nèi)各風險小區(qū)的自然災害風險值、人類干擾風險值,二者之和即為風險小區(qū)對應的綜合生態(tài)風險值,將其作為風險小區(qū)中心點屬性值,利用克里金插值法求得研究區(qū)生態(tài)風險空間分布,利用自然斷點法分為五類,結果如圖2所示. 表3為生態(tài)風險綜合評價表,根據(jù)式(3)~(5)對各風險小區(qū)的風險值加權求和計算得到.
由表3可見,峨眉山風景區(qū)自然災害風險值、人類干擾風險值分別為 0.025 8、0.002 8,綜合生態(tài)風險值為0.028 6. 風景區(qū)主要受自然災害影響,其貢獻率高達89.9%,但人類干擾給其帶來的影響仍不容忽視. 自然災害中,地質(zhì)災害是影響最大的自然災害,其次是干旱,最后是土壤侵蝕,貢獻率依次為49.3%、40.9%、9.7%. 峨眉山風景區(qū)降雨集中,全年降水主要集中在6—9月,該研究計算TVDI所用遙感影像為2015年10月獲取,這可能是導致干旱貢獻率較大的原因之一.
從空間分布上看,峨眉山風景區(qū)綜合生態(tài)風險呈條帶狀分布,越往東風險值越大,高值聚集在報國寺景區(qū)附近(見圖2). 與風景區(qū)規(guī)劃總圖對比發(fā)現(xiàn),低風險區(qū)全部位于峨眉山風景區(qū)的一級(A)保護區(qū)內(nèi),該區(qū)域僅可開展科考和資源管理活動. 高風險區(qū)主要位于風景區(qū)內(nèi)二、三級保護區(qū),其中,二級保護區(qū)包括北部居民點分布較為集中的區(qū)域以及金頂至萬佛頂一線的游覽設施集中的區(qū)域,三級保護區(qū)包括黃灣鎮(zhèn)張壩村平壩地區(qū)、報國村旅游服務設施集中的區(qū)域、西部龍洞村等. 由圖2可見:風景區(qū)的自然災害風險空間分布與綜合生態(tài)風險空間分布基本一致,說明自然災害是導致風景區(qū)綜合生態(tài)風險的主要因素. 研究區(qū)人文風險整體處于低和較低風險區(qū),僅東部地區(qū)有少量較高和高風險區(qū),說明風景區(qū)受人類干擾較小,與表3中結果一致;但人類干擾帶來的風險不容忽視,黃灣鄉(xiāng)旅游鎮(zhèn)附近自然災害風險值低于清音閣景區(qū),但其綜合生態(tài)風險值卻高于清音閣景區(qū),主要原因是該區(qū)域人類干擾風險值較大. 從風景區(qū)綠色可持續(xù)發(fā)展角度來看,研究區(qū)內(nèi)行政村多集中在神水閣、清音閣、萬年寺景區(qū),且植被較稀疏,屬于綜合生態(tài)風險高風險區(qū),因此需要嚴格控制該區(qū)域內(nèi)村莊人口規(guī)模和建設規(guī)模,依規(guī)劃進行環(huán)境整治,加強村莊綠化,條件成熟時可搬遷. 其中,神水閣、萬年寺景區(qū)干旱風險概率較高,清音閣景區(qū)土壤侵蝕和地質(zhì)災害的風險概率較高,故峨眉山自然災害高風險區(qū)多集中在該區(qū)域;四季坪景區(qū)東部干旱風險概率較大導致該區(qū)域內(nèi)存在少量自然災害高風險區(qū). 針對高干旱風險區(qū)域,應增加水源地的涵養(yǎng)能力,加強林草保護;針對清音閣景區(qū),可加大生態(tài)林和經(jīng)濟林建設,可達到保持水土、預防地質(zhì)災害和降低生態(tài)風險的目的. 而峨眉山東部臨近省道,是黃灣鄉(xiāng)旅游鎮(zhèn)所在地,景區(qū)停車場多集中于此,外部為城市發(fā)展區(qū),受人類干擾較大,但自然災害風險值較小使得綜合生態(tài)風險值較小,因此作為旅游服務基地區(qū)域,需要依據(jù)相關規(guī)劃進行游覽設施建設和村莊建設,應統(tǒng)籌規(guī)劃用地,優(yōu)化建設布局.
圖2 峨眉山風景區(qū)生態(tài)風險評價分級
表3 峨眉山風景區(qū)生態(tài)風險綜合評價結果
a) 峨眉山風景區(qū)綜合生態(tài)風險值較小,主要受自然災害影響,其貢獻率為89.9%,人類干擾的貢獻率為10.1%,但人類活動給風景區(qū)帶來的影響同樣不可忽視. 自然災害中,風景區(qū)主要受到地質(zhì)災害、干旱的影響,貢獻率分別為49.3%、40.9%. 峨眉山風景區(qū)綜合生態(tài)風險呈條帶狀分布,越往東綜合生態(tài)風險值越大,自然災害風險空間分布與其基本一致.
b) 為降低風景區(qū)生態(tài)風險、促進綠色可持續(xù)發(fā)展,對于行政村所在區(qū)域,需要嚴格控制區(qū)域內(nèi)村莊人口規(guī)模和建設規(guī)模,依規(guī)劃進行環(huán)境整治,加強村莊綠化. 對于高干旱風險區(qū)域,如神水閣、萬年寺景區(qū),應增加水源地的涵養(yǎng)能力,加強林草保護. 對于清音閣景區(qū),可加大生態(tài)林和經(jīng)濟林建設. 對于景區(qū)東部黃灣鄉(xiāng),在進行游覽設施建設和村莊建設時需要嚴格依據(jù)相關規(guī)劃.