江蘇省景觀生態(tài)風險評估及其與城鎮(zhèn)化的動態(tài)響應

馬穎憶，劉志峰

(金陵科技學院建筑工程學院，江蘇 南京 211169)

城鎮(zhèn)化的快速推進，深刻改變著自然生態(tài)系統(tǒng)和人類社會系統(tǒng)，由此帶來的資源約束趨緊、生態(tài)環(huán)境惡化、空間利用無序、區(qū)域發(fā)展不充分或不平衡等問題，嚴重制約了美麗中國的建設步伐[1-3]。今后一段時期，中國社會經濟進入高速度向高質量發(fā)展的轉型期，城鎮(zhèn)化發(fā)展和生態(tài)環(huán)境保護均面臨新形勢、新挑戰(zhàn)，如何改善生態(tài)環(huán)境、協(xié)同推進高質量發(fā)展，成為面向國家戰(zhàn)略需求的現(xiàn)實問題。區(qū)域生態(tài)風險評估，以及城鎮(zhèn)化與生態(tài)環(huán)境的響應格局研究能夠為高水平的生態(tài)環(huán)境保護和高質量的城鎮(zhèn)化發(fā)展提供科學依據。

景觀生態(tài)風險及其與城鎮(zhèn)化之間的復雜關系探討是可持續(xù)發(fā)展的熱點論題。國外學者熱衷于研究城市化與生態(tài)環(huán)境變化及資源要素之間的互動關系[4-7]，揭示不同尺度上的城市化對氣候及生態(tài)系統(tǒng)變化的影響機理[8-10]。國內學者多探討景觀生態(tài)安全的敏感性及壓力評估[11-13]、城鎮(zhèn)化帶來的生態(tài)負效應[14-15]、城鎮(zhèn)化與生態(tài)環(huán)境的耦合[16-18]，分析自然本底要素和人文地理要素對景觀生態(tài)環(huán)境的影響。通過針對東南沿海、長江沿岸和環(huán)湖地區(qū)及各大城市群的生態(tài)環(huán)境與城鎮(zhèn)化的互動關系探討[19-22]，系統(tǒng)評估了生態(tài)環(huán)境效應，解析了互動機理，凝練了耦合模式與理論框架，提出促進兩者協(xié)調發(fā)展的技術方法和決策建議[23-24]。但現(xiàn)有研究多局限于景觀格局變化的單一方面或與城鎮(zhèn)化整體水平的關系探討，而從土地、人口、經濟等不同內涵城鎮(zhèn)化的分解入手，基于“增量”角度分析其與景觀生態(tài)風險的響應關系，能夠使高質量發(fā)展中生態(tài)系統(tǒng)壓力與城鎮(zhèn)化的科學調控更加聚焦。因此，筆者基于遙感影像數(shù)據和多方法技術的支持，以2010年、2018年江蘇省景觀生態(tài)風險評估為主線，厘清景觀格局變化規(guī)律，梳理生態(tài)風險的特征，揭示其與不同內涵城鎮(zhèn)化的響應關系，以期科學認知工業(yè)化后期增速放緩背景下，景觀生態(tài)壓力與城鎮(zhèn)化水平“增量”的復雜關系，為調控城鎮(zhèn)空間擴張與環(huán)境保護矛盾、實現(xiàn)高質量發(fā)展提供理論支撐。

1 材料與方法

1.1 研究區(qū)概況

江蘇省地處東南沿海中部(116°21′～121°56′E,30°45′～35°08′N)，東瀕黃海，地跨長江、淮河兩大水系，湖泊眾多，地勢平坦，由平原、水域、低山丘陵構成。現(xiàn)轄13個設區(qū)市，分別為南京(寧)、蘇州(蘇)、無錫(錫)、常州(常)、鎮(zhèn)江(鎮(zhèn))蘇南5市，南通(通)、揚州(揚)、泰州(泰)蘇中3市，徐州(徐)、鹽城(鹽)、連云港(連)、宿遷(宿)、淮安(淮)蘇北5市。2019年末，實現(xiàn)地區(qū)生產總值9.96萬億元，人均地區(qū)生產總值12.36萬元，常住人口8 070萬人(http://www.jiangsu.gov.cn/col/c0131364/index.html)，是中國人口密度第一大省，經濟實力位于全國前列。

1.2 數(shù)據來源與處理

江蘇省2010年Landsat TM和2018年Landsat OLI遙感影像數(shù)據來源于地理國情監(jiān)測云平臺，空間分辨率30 m。利用ENVI 5.3軟件進行輻射定標、大氣校正、裁剪和鑲嵌。根據國家標準《土地利用現(xiàn)狀分類》(GB/T 21010—2017)，按一級類設定土地利用類型的分類體系，結合研究目標，將其劃分為耕地、林地、草地、灌木叢、濕地、水域、建設用地和未利用地。對照Google Earth高分影像，選取均勻分布在研究區(qū)的各土地利用類型的樣本點，使用最大似然法對2010年、2018年2個時期的江蘇省土地利用類型進行信息提取。選擇合適的波段先獲得初次監(jiān)督分類結果，再通過目視解譯對出現(xiàn)的錯分、漏分和混淆的斑塊進行刪除和補充，最終完成不同類型用地斑塊的提取。采用部分樣本點作為驗證樣本點，對分類結果進行精度驗證，分類精度均大于85%，符合研究需求。

1.3 研究方法

1.3.1 景觀格局指數(shù)

景觀格局是指景觀的組分構成及空間分布形式，景觀格局指數(shù)可以定量反映濃縮后的土地利用景觀格局，呈現(xiàn)類型特征、分布格局及景觀性狀[25]。綜合考慮研究區(qū)的自然地理情況和各景觀格局指數(shù)代表的生態(tài)學含義，篩選了斑塊密度(PD,式中記為IPD)、最大斑塊指數(shù)(LPI,式中記為ILP)、周長-面積分維數(shù)(PAFRAC,式中記為IPAF)、香農多樣性指數(shù)(SHDI,式中記為ISHD)、蔓延度指數(shù)(CONTAG,式中記為IC)、聚集度指數(shù)(AI,式中記為IA)等指標來反映景觀格局變化[26-27]。公式為：

IPD=Nf/A；

(1)

ILP=max(a1,a2,…，an)/A×100；

(2)

lnA(t)=2/IPAF×lnP(t)+C；

(3)

(4)

(5)

(6)

式中：Nf為某景觀類型的斑塊數(shù)目，max(a1,a2,…,an)為最大面積，hm2;A為總面積，hm2；A(t)為該類景觀類型面積,hm2;P(t)為斑塊周長,m;C為截距;m與n為斑塊類型總數(shù)(m≠n);Pij為隨機選擇的兩個相鄰柵格屬于i與j的概率;Pi代表i類型斑塊所占比重；gij表示相應景觀類型的相似鄰接斑塊數(shù)量。其中，IPD用于表征景觀的破碎化程度，其值越大表示景觀越破碎，景觀的異質性越強；ILP用于確定主要景觀類型，其動態(tài)變化可揭示人類作用的強弱；IPAF值的變動可反映某種景觀類型的空間擴張方式，其值變大表明該類景觀以外部擴張為主，值變小則以內部填充為主，值不變說明進入相對穩(wěn)定期；ISHD用于反映各類型景觀的整體鑲嵌分布及優(yōu)勢度情況，其值越大表明各類斑塊的結構復雜，多樣性高；IC用于描述不同斑塊類型的團聚程度或延展趨勢，其值越大表明景觀斑塊之間連接越好，存在優(yōu)勢景觀類型；IA反映不同斑塊之間的聚集度，其值趨于100時，表明景觀斑塊為結構緊湊的聚合形態(tài)，值趨于0時，則為最大程度分散。

1.3.2 景觀生態(tài)風險指數(shù)

景觀生態(tài)風險指數(shù)(ERI,記為IER)用于建立景觀類型與區(qū)域生態(tài)風險之間的聯(lián)系，可定量地反映景觀格局變化帶來的生態(tài)壓力[28]，公式為：

(7)

式中：Ai為第i種景觀類型的面積，A為總面積，Wi為第i種景觀的生態(tài)風險強度。采用熵值法結合層次分析法(AHP)確定各類型Wi的值為：耕地0.104 2、林地0.044 3、草地0.062 4、灌木叢0.052 7、濕地0.063 0、水域0.049 9、建設用地0.410 6、未利用地0.069 2。

1.3.3 動態(tài)度模型

動態(tài)度D描述了景觀生態(tài)風險指數(shù)(IER)、城鎮(zhèn)化水平(IUR)、建設用地面積比(Ap)、城鎮(zhèn)人口占比(Pp)、非農產業(yè)占比(Gp)等指標在一定時期內的變動速度[29]，公式為：

(8)

式中：Ut和U0分別代表研究時段末期和初期的測度指標，t為時長。

1.3.4 耦合度模型

借鑒物理學中容量耦合系數(shù)模型，構建景觀生態(tài)風險與城鎮(zhèn)化水平兩者變化速度的耦合性(C)測度模型[30]，公式為：

(9)

式中：DIER和DIUR分別表示景觀生態(tài)風險指數(shù)和城鎮(zhèn)化水平的動態(tài)度。C∈[0,1]；C值越大，表明兩系統(tǒng)間要素的互動情況越好。

2 結果與分析

2.1 景觀格局指數(shù)分析

2.1.1 江蘇省土地利用景觀格局演變

綜合利用ENVI 5.3和ArcGIS 10.2軟件，將2010年、2018年2個時期省域層面的景觀指數(shù)統(tǒng)計于表1，并通過圖1展示不同景觀類型的分布格局。分析可知，江蘇省現(xiàn)狀主要的景觀類型是耕地、建設用地和水域。其中，占比最高的景觀類型是耕地，2018年的耕地面積為672.64萬 hm2，面積比為65.43%，廣泛分布于建成區(qū)外圍；建設用地面積170.23萬 hm2(16.56%)，在各市、區(qū)、縣的建成區(qū)形成明顯的中心；水域面積132.24萬 hm2(12.86%)，以湖、河、江為主，面積較大的水體為洪澤湖、太湖、長江、淮河等。林地、草地、灌木叢面積相對較小，成片分布于淮安、南京、無錫的低山丘陵，多為風景區(qū)和森林公園。濕地面積小，多見于南通、鹽城、連云港的海岸線附近。未利用地占比很少，散布于市、區(qū)、縣的建成區(qū)外圍。

表1 江蘇省土地利用景觀指數(shù)Table 1 Landscape indices of land-use type in Jiangsu Province

審圖號：蘇S(2018)012號。下同。The same below.圖1 江蘇省土地利用景觀分布格局Fig.1 Landscape pattern distribution of land-use type in Jiangsu Province

從景觀格局指數(shù)看，江蘇省各類型景觀變化明顯。2010年，最大斑塊指數(shù)(ILP)由大到小依次是：耕地>水域>林地>建設用地>濕地>未利用地>草地>灌木叢。耕地的ILP值為50.36，且面積比最大，因此耕地是基質景觀；水域的ILP值為4.08，說明區(qū)內湖、河、江等水系相通，景觀斑塊連通性好。2018年，耕地、水域的ILP值有所下降但仍高于其他景觀類型，分別為9.40和3.90，且斑塊密度(IPD)分別由0.11、0.42升至1.92、1.99，說明耕地景觀的異質性增強，但耕地和水域仍然占據主導地位。2010—2018年，建設用地的ILP值由0.24提升至1.20，增幅高達400%，面積也增長了89.55%；IPD值由0.24增至4.17，說明建設用地景觀擴張明顯，較為分散地分布在研究區(qū)內，破碎程度升高。林地的ILP值由0.33升至0.42，IPD值由0.26升至2.04，面積增加了34.11%，說明造林成效明顯，呈分散分布。濕地、未利用地、草地均存在ILP值不同程度的降低而IPD值增加現(xiàn)象，反映了這些景觀類型的分布較為分散，在研究區(qū)內呈現(xiàn)不連續(xù)分布。從周長-面積分維數(shù)(IPAF)來看，建設用地的變化幅度最大，增幅為11.25%，體現(xiàn)了建設用地以外部擴張為主；草地、濕地、未利用地、灌木叢的少量增長以內部填充為主。耕地、水域、建設用地、林地的聚集度指數(shù)(IA)均超過90，總體表現(xiàn)為團聚狀分布，草地、灌木叢、濕地的IA值下降明顯，表明經濟社會發(fā)展對這3類景觀的擾動較大。

2.1.2 各市土地利用景觀格局演變

從整體格局看，各市土地利用景觀的分布更離散，破碎程度更高。具體可由香農多樣性指數(shù)(ISHD)和蔓延度指數(shù)(IC)的變化體現(xiàn)，如表2所示。研究時段內，ISHD值總體呈上升趨勢，表明各市土地利用景觀的總體分布呈均勻化發(fā)展趨勢，景觀破碎度提升。其中，揚州、泰州、鎮(zhèn)江、徐州4市的增長最為明顯，增幅均超過30%，而連云港、淮安、宿遷3市表現(xiàn)為降低趨勢。IC值全部表現(xiàn)為下降趨勢，表明各市不同景觀類型斑塊之間的團聚程度降低，呈延展分布。揚州、泰州、鎮(zhèn)江、常州、南京、南通6市的IC值降幅超過全省平均水平，反映了這些地區(qū)的城鎮(zhèn)化進程對土地利用景觀的擾動較大。

表2 江蘇省13市整體和主要用地類型的景觀指數(shù)Table 2 Landscape indices of whole land-use type and main land-use type of thirteen cities in Jiangsu Province

進一步分析不同景觀類型的分布格局可知(表2)：各市主要景觀類型的空間分布更加離散，耕地經過整理后斑塊結構更加緊湊，建設用地則以較為分散的斑塊向建成區(qū)外圍擴張。具體是：耕地的IPD和IPAF值升高，面積比降低，IA值均高于80，表明整理和置換后的耕地多是以外部擴張的形式聚合為形狀規(guī)整、結構緊湊的斑塊，反映了城鎮(zhèn)化進程中村莊整治的成效顯著，耕地景觀的空間分布更加離散則是因城郊散布多個小塊耕地斑塊所致。建設用地的IPD和IPAF值升高而IA值下降至70左右，面積增加明顯，說明建設用地更加破碎，多以結構離散的小斑塊向建成區(qū)外圍擴張，鑲嵌于城市景觀中。相對而言，水域的相應指數(shù)變化幅度小，面積略有增加，說明水域多以人工湖、景觀溪流等形式離散分布于城市景觀中。蘇南5市和南通的建設用地增加明顯，面積增幅均超過10%，并且IPD值增幅較大，反映了蘇南地區(qū)和南通在這8年間土地城鎮(zhèn)化發(fā)展迅速，建成區(qū)以“攤大餅式”擴張為主，城鄉(xiāng)過渡帶和小城鎮(zhèn)的城鎮(zhèn)化進程也成效突出。相反，蘇北地區(qū)建設用地增幅較小，僅5%左右，除鹽城外，其余4市建設用地的IPD值相對較低，城鎮(zhèn)化進程相對緩慢。

2.2 景觀生態(tài)風險評估

根據公式(7)計算得到2010年、2018年各地景觀生態(tài)風險指數(shù)(IER)，為了便于比較，將其歸一化至[1,100]，得到景觀生態(tài)風險得分(FIER)并排序(sort)，如表3所示。采用Jenks自然斷裂點模型[31]將研究區(qū)景觀生態(tài)風險劃分為高風險、較高風險、較低風險、低風險4個層級(圖2)。結果顯示，中低風險區(qū)位于蘇北地區(qū)，中高風險區(qū)主要為蘇南地區(qū)，8年來，各地景觀生態(tài)風險均上升，中高風險區(qū)逐步向東南方向推移?，F(xiàn)狀(2018年)景觀生態(tài)風險的等級結構是：高風險區(qū)，IER≥0.171 6，為蘇錫常3市；中高風險區(qū)，0.155 1≤IER<0.171 6，包括寧鎮(zhèn)通泰4市；中低風險區(qū)，0.135 4≤IER<0.155 1，包括揚徐連3市；低風險區(qū)，IER≤0.126 1，為鹽宿淮3市。

表3 江蘇省13市景觀生態(tài)風險指數(shù)Table 3 Indices of landscape ecological risk of thirteen cities in Jiangsu Province

圖2 江蘇省景觀生態(tài)風險分級Fig.2 Level of landscape ecological risk in Jiangsu Province

同時可梳理出如下信息：①2010—2018年，江蘇省13個市的IER平均值由0.123 6升至0.149 9，因此整體景觀生態(tài)風險提升，蘇南和蘇中地區(qū)的景觀生態(tài)安全壓力增加明顯。②不同城市之間的景觀生態(tài)風險差距拉大。IER值的變異系數(shù)由0.092 1升至0.159 3，2010年，景觀生態(tài)風險最高的(無錫0.145 4)是最低的(淮安0.105 6)1.38倍；2018年，最高的仍是無錫(0.184 3)，增幅為26.75%，最低的仍是淮安(0.110 8)，增幅僅4.92%，前者是后者的1.66倍。③景觀生態(tài)風險自北向南逐漸升高，集聚態(tài)勢更加明顯。景觀生態(tài)風險TOP3城市由無錫、泰州、常州變?yōu)闊o錫、蘇州、常州，高風險區(qū)由無錫變?yōu)樘K州、無錫、常州，景觀生態(tài)高風險和較高風險區(qū)域由離散分布轉變?yōu)闂l塊狀的團聚分布，表現(xiàn)出似由經濟發(fā)展牽引所致的現(xiàn)象。

2.3 景觀生態(tài)風險與不同內涵城鎮(zhèn)化的動態(tài)響應

2.3.1 基于“增量”視角的響應類型

根據公式(8)、(9)，求得景觀生態(tài)風險的動態(tài)度(DIER)和城鎮(zhèn)化水平的動態(tài)度(DIUR)及兩者耦合程度(C)(表4)，并繪制兩者比率(Q=DIER/DIUR)的空間分布格局(圖3)。則江蘇省景觀生態(tài)風險與城鎮(zhèn)化水平呈現(xiàn)同向提升的動態(tài)響應格局，表現(xiàn)為兩者的動態(tài)度均大于0，絕大多數(shù)城市的耦合度大于0.9，最低的淮安也大于0.8，蘇南5市均接近1。反映了景觀生態(tài)風險與城鎮(zhèn)化水平的“增量”之間高度耦合、緊密關聯(lián)。

表4 江蘇省13市景觀生態(tài)風險與城鎮(zhèn)化水平動態(tài)度及其耦合度Table 4 Coupling degree between dynamic degree of landscape ecological risk and urbanization of thirteen cities in Jiangsu Province

圖3 江蘇省景觀生態(tài)風險與城鎮(zhèn)化“增量”的響應類型Fig.3 Response types of increments of landscape ecological risk and urbanization in Jiangsu Province

Q值的大小反映了生態(tài)壓力增速與城鎮(zhèn)化增速的響應關系。動態(tài)響應類型可分為如下3類：①低敏感型，Q≤0.5，包括蘇北的大片區(qū)域和揚州，景觀生態(tài)風險與城鎮(zhèn)化的絕對水平均較低，城鎮(zhèn)化大幅提升而景觀生態(tài)惡化表現(xiàn)為小幅反應，屬于低度響應區(qū)，在未來的高質量發(fā)展中，還有較為廣闊的城鎮(zhèn)化拓展空間；②中敏感型，0.51，包括蘇州、無錫兩市，屬于高景觀生態(tài)風險高城鎮(zhèn)化水平區(qū)域，生態(tài)惡化速度快于城鎮(zhèn)化增速，是景觀生態(tài)風險對城鎮(zhèn)化的高度響應區(qū)，城市建設的后備空間有限，土地城鎮(zhèn)化發(fā)展需謹慎。

2.3.2 基于“增量”視角的相關關系

表5 地理加權回歸(GWR)的相關參數(shù)Table 5 Relevant parameters of GWR

圖4 地理加權回歸模型的觀測值與擬合值Fig.4 Observed value and predicted value by GWR

地理加權回歸模型參數(shù)及解釋變量的系數(shù)和常數(shù)項見表5、表6。觀察可知，江蘇省13個市的解釋變量的系數(shù)和截距在數(shù)值上高度統(tǒng)一，反映了各地景觀生態(tài)風險的動態(tài)提升與土地、人口變動的關系存在空間上的相似性。因此，回歸模型可構建為DIER=0.827 243DAp-0.485 045DPp+0.484 247。其中，建設用地面積比動態(tài)度對于景觀生態(tài)風險“增量”的貢獻較高，系數(shù)C1均大于0.8，表現(xiàn)為較強的正向相關關系，DAp每提升1個單位，相應的DIER的值就會提升約0.83，使得景觀生態(tài)風險的增速提升明顯；城鎮(zhèn)人口占比動態(tài)度對景觀生態(tài)風險“增量”表現(xiàn)為反向貢獻，系數(shù)C2均小于-0.4，DPp每提升1個單位，DIER的值反而會降低約0.48，使景觀生態(tài)風險的增速降下來。反映了土地城鎮(zhèn)化是造成景觀生態(tài)壓力的重要因素，而相應的城市建設用地上加速人口城鎮(zhèn)化，會在一定程度上對快速惡化的景觀生態(tài)環(huán)境進行緩沖。中國普遍存在著人口城鎮(zhèn)化滯后于土地城鎮(zhèn)化的客觀事實，這一研究結果與新型城鎮(zhèn)化中強調人口城鎮(zhèn)化的理念吻合。

表6 解釋變量的系數(shù)和常數(shù)Table 6 Intercepts and coefficients of explanatory variables

3 結 論

1)江蘇省主要的景觀類型現(xiàn)狀是耕地、建設用地和水域，面積比分別為65.43%、16.56%和12.86%。耕地是基質景觀，水域的連通性好，建設用地、林地景觀較破碎。經過8年的發(fā)展，用地景觀的破碎程度升高，耕地景觀的異質性增強，建設用地以外部擴張為主，水域基本不變，草地、濕地、未利用地以內部填充為主。耕地經過整理和置換后形成更多結構緊湊的規(guī)整斑塊。建設用地以結構離散的小斑塊向建成區(qū)外圍擴張和鑲嵌于城市景觀中。水域多以人工湖、景觀溪流等形式散布于城市景觀中。蘇南5市和南通的土地城市化發(fā)展迅速，建成區(qū)以“攤大餅式”擴張為主，蘇北地區(qū)的土地城鎮(zhèn)化進程相對緩慢。

2)江蘇省現(xiàn)狀景觀生態(tài)風險TOP3城市為無錫、蘇州、常州，風險指數(shù)分別為0.184 3、0.180 9和0.171 6。研究時段內，景觀生態(tài)風險提升明顯，風險指數(shù)均值由0.123 6升至0.149 9。低風險區(qū)位于蘇北，高風險區(qū)位于蘇南，隨時間推移，景觀生態(tài)風險自北向南逐漸升高，在空間上表現(xiàn)出集聚分布和經濟指向趨勢。

3)江蘇省景觀生態(tài)風險與城鎮(zhèn)化水平呈現(xiàn)同向提升、高度耦合的響應格局，兩者“增量”的耦合度均大于0.8。動態(tài)響應類型區(qū)包括：蘇北和揚州構成的低敏感區(qū)、沿江地區(qū)和連云港構成的中敏感區(qū)、蘇錫構成的高敏感區(qū)。從城鎮(zhèn)化的不同內涵看，城市建設用地快速擴張對景觀生態(tài)風險快速上升的貢獻度高，正向相關系數(shù)高達0.83，土地城鎮(zhèn)化進程會加速生態(tài)惡化，相應的人口城鎮(zhèn)化進程會延緩生態(tài)惡化，經濟結構的轉變影響式微。

2010—2018年間，江蘇省景觀格局變化顯著，景觀生態(tài)風險提升明顯，并與城鎮(zhèn)化進程存在密切關聯(lián)。本研究從景觀生態(tài)學視角，展開用地景觀的空間異質性及景觀格局-景觀生態(tài)風險-城鎮(zhèn)化生態(tài)過程互饋研究，為區(qū)域生態(tài)風險評估提供了一種評價框架，也為江蘇省省域及分市層面的快速城市化和土地利用/覆被變化與生態(tài)系統(tǒng)的調控及適應性風險減緩策略的制定提供科學支撐。由于遙感影像的時相差異、信息提取分辨率差異及混合像元的存在，提取的各類土地利用景觀信息及其變化可能與現(xiàn)實情況存在誤差。在今后的研究中，將通過更加科學精確的數(shù)據選擇和更加完善的處理方法予以解決。同時，景觀生態(tài)風險的預測以及分類型景觀的進一步探討將是后續(xù)研究的方向。