“荒野智慧”下滇南邊境熱帶森林生態(tài)保護空間布局優(yōu)化研究

徐 博，張 云

(西南林業(yè)大學(xué)園林園藝學(xué)院，云南 昆明 650224)

當(dāng)今全球快速城市化和旅游開發(fā)改變了土地利用，從而對生態(tài)環(huán)境產(chǎn)生巨大影響[1]。如何協(xié)調(diào)經(jīng)濟發(fā)展與自然保護之間的關(guān)系成為目前生態(tài)文明建設(shè)的迫切要求。根據(jù)2018年6月29日云南省人民政府發(fā)布的《云南省生態(tài)保護紅線》，云南省南部邊境熱帶森林生態(tài)屏障是維護生物多樣性的重要生態(tài)保護紅線劃定區(qū)域，涉及紅河、文山、普洱、西雙版納和臨滄5個州(市)，該地區(qū)分布著亞洲象、印支虎、白頰長臂猿、桫欏、望天樹和華蓋木等珍稀野生動植物。該區(qū)域同樣是云南省旅游熱點區(qū)域，隨著旅游業(yè)不斷發(fā)展，如何對該地區(qū)進行合理開發(fā)利用已成為重要課題。

近年來荒野景觀研究逐漸走入我國風(fēng)景園林學(xué)科[2]。一方面，從定義上，荒野指自然過程占主導(dǎo)而人類干擾度最低，具有多種生態(tài)價值的野性自然區(qū)域，屬于客觀存在[3]；另一方面，荒野的概念來自于人類文明，人類對荒野的觀念與文明發(fā)展息息相關(guān)，荒野觀決定了人類對自然的態(tài)度[4]。深層生態(tài)學(xué)下的荒野觀[5-6]與中國傳統(tǒng)生態(tài)觀高度一致。首先，深層生態(tài)學(xué)認(rèn)為人與自然是一個整體，人類與自然聯(lián)系緊密，荒野不僅是待開發(fā)的資源，更是具有多重價值的自然文化遺產(chǎn)。這種觀念與中國的“天人合一”思想十分契合[7]，都倡導(dǎo)人類應(yīng)該善待自然、敬畏自然[8-9]。其次，人類文明并非是征服自然，而是文化與荒野互動互惠的過程。人類從荒野而來，在與無數(shù)生物相處的過程中，人類逐漸形成了自己的身體形態(tài)和思維模式，形成了人類文明。這說明人類應(yīng)該敬畏自然，從而學(xué)會欣賞和尊重荒野的多重價值。最后，人類是自然的一部分，荒野是生命共同體之根。保護荒野就是保護人類文明之根，人類應(yīng)與其他生命共享地球資源，應(yīng)有限度地開發(fā)利用地球這棵生命之樹的枝葉，并保護好樹根，人類從而才能與自然和諧相處，人類文明才能得以延續(xù)[4,10]。

由此可見，深層生態(tài)學(xué)下的荒野觀無論是與中國古代解決人與自然關(guān)系這一問題的“天人合一”思想，還是與保護生態(tài)環(huán)境的種種舉措都具有明顯耦合關(guān)系[11]，已有學(xué)者在生態(tài)文明建設(shè)背景下進行了相關(guān)研究[4,11-12]?；囊白鳛槿祟惛蓴_最小的大型完整景觀，具有最為原始和獨特的自然景觀，為各種生物提供棲息地?；囊巴ㄟ^維持相對完整的生態(tài)系統(tǒng)結(jié)構(gòu)、功能和過程，提供了更高的生態(tài)系統(tǒng)服務(wù)價值[13]。因此，該研究將傳統(tǒng)生態(tài)智慧哲學(xué)思想、深層生態(tài)學(xué)下的荒野觀與保護荒野景觀的生態(tài)實踐進行有機融合，對生態(tài)智慧進行擴展，發(fā)掘“荒野智慧”概念。

土地利用變化預(yù)測是土地利用研究的重要內(nèi)容，在此基礎(chǔ)上的土地布局優(yōu)化是協(xié)調(diào)生態(tài)與發(fā)展的重要方法，大量學(xué)者對其開展相關(guān)研究。如，冒許鵬等[14]采用STSM狀態(tài)轉(zhuǎn)換模擬模型對林草交錯帶景觀格局進行研究，周浩等[15]采用CA-Markov模型對撓力河流域土地利用進行動態(tài)模擬研究，李龍等[16]采用CA-Markov模型對惠州市生態(tài)經(jīng)濟協(xié)調(diào)度進行研究，MATLHODI等[17]通過模擬哈博羅內(nèi)大壩流域未來土地覆蓋以分析土地格局對水資源的影響，劉靜怡等[18]采用CLUES模型結(jié)合灰色線性規(guī)劃方法對土地利用優(yōu)化配置進行研究。也有學(xué)者將蟻群算法[19]和人工神經(jīng)網(wǎng)絡(luò)(ANN)[20]等方法引入CA模型以解決更為復(fù)雜的約束條件，如，幸瑞燊等[21]采用人工神經(jīng)網(wǎng)絡(luò)與CA-Markov模型相結(jié)合對重慶市萬州區(qū)生態(tài)空間進行預(yù)測模擬，吳欣昕等[22]采用FLUS-USB模型對珠江三角洲城市增長邊界進行多情景模擬分析，王雪然等[23]采用GeoSOS-FLUS模型對河北省土地利用景觀格局進行預(yù)測分析。綜合來看，GeoSOS-FLUS模型加入了自上而下的自適應(yīng)慣性競爭機制，可有效對土地利用進行多情景模擬分析，且具有較高精度[20]；大多數(shù)土地利用變化預(yù)測研究關(guān)注城市建設(shè)適宜性、生態(tài)敏感性和經(jīng)濟發(fā)展等約束條件對未來土地利用的影響，鮮有學(xué)者從生態(tài)智慧的角度對未來土地利用進行模擬。生態(tài)智慧既是生態(tài)學(xué)知識與生態(tài)實踐有機融合產(chǎn)生的生態(tài)哲學(xué)觀念，又是在人與自然和諧共生基礎(chǔ)上進行生態(tài)實踐的能力[24]。在生態(tài)文明建設(shè)背景下，如何應(yīng)用生態(tài)智慧解決當(dāng)前生態(tài)問題，實現(xiàn)可持續(xù)發(fā)展，有著重要生態(tài)價值和社會意義[25-26]。因此，該研究基于“荒野智慧”概念，采用GeoSOS-FLUS模型對云南省南部邊境熱帶森林生態(tài)保護空間的土地利用進行模擬研究，探討“荒野智慧”下的土地優(yōu)化布局方式(圖1)。

圖1 研究框架Fig.1 Research framework

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)域位于云南省南部，面積約為5.1萬km2，地形地貌以中、低山地為主，山谷眾多。區(qū)域氣候?qū)儆跓釒в炅謿夂騾^(qū)，終年高溫多雨；植被以熱帶雨林、熱帶季雨林、季風(fēng)常綠闊葉林和暖熱性針葉林為主。區(qū)域內(nèi)自然保護區(qū)有云南西雙版納國家級自然保護區(qū)、云南納板河流域國家級自然保護區(qū)、云南金平分水嶺國家級自然保護區(qū)和云南黃連山國家級自然保護區(qū)等(圖2)。由于區(qū)域旅游資源豐富，旅游產(chǎn)業(yè)產(chǎn)值占經(jīng)濟總值比例較大，近年來前往該區(qū)域的旅游人數(shù)逐年增多，產(chǎn)業(yè)增長速度較快。根據(jù)2020年云南省統(tǒng)計年鑒，研究區(qū)所在州(市)總?cè)丝跒? 483.3萬人，城鎮(zhèn)人口為679.3萬人，城鎮(zhèn)化水平為45.8%，相較于2010年城鎮(zhèn)化水平(31.4%)提升較大，但仍低于云南省平均水平，因此，區(qū)域城鎮(zhèn)化發(fā)展空間較大。目前研究區(qū)域城鎮(zhèn)用地面積為364.7 km2，占比為0.7%；耕地面積為15 459.6 km2，占比為30.0%；林地、灌木、草地和水域面積為35 600.4 km2，占比為69.3%，整體而言，其生態(tài)環(huán)境質(zhì)量較好。

以云S(2017)045號標(biāo)準(zhǔn)地圖為底圖進行制作。圖2 研究地區(qū)位與國家級自然保護區(qū)分布Fig.2 Location of the study area and the distribution of national nature reserves

1.2 數(shù)據(jù)來源

所用數(shù)據(jù)來源如下：(1)2010和2020年研究區(qū)土地利用數(shù)據(jù)來源于Globalland 30(http:∥www.globallandcover.com/)，空間分辨率為30 m×30 m，分為農(nóng)田、森林、草地、灌木地、濕地、水域、建成區(qū)、裸地、永久冰川及積雪9種類型，2010和2020年數(shù)據(jù)總體精度分別為83.50%和85.72%，Kappa系數(shù)分別為0.78和0.82。(2)2018年研究區(qū)道路和居民點分布矢量數(shù)據(jù)來源于全國地理信息資源目錄服務(wù)系統(tǒng)(https:∥www.webmap.cn)。(3)數(shù)字高程模型(DEM)空間分辨率為30 m×30 m，來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)。(4)研究區(qū)域鄉(xiāng)鎮(zhèn)(街道)人口矢量數(shù)據(jù)參照毛其智等[27]的相關(guān)研究制作數(shù)據(jù)集，人口資料來源于第六次全國人口普查數(shù)據(jù)。

1.3 數(shù)據(jù)處理

研究區(qū)域土地利用現(xiàn)狀沒有裸地、永久冰川及積雪2種類型；同時，為了避免研究區(qū)河流季節(jié)性變化對水域這一土地類型的影響，將水域與濕地2種類型進行合并。由于研究區(qū)面積較大，為提升模擬效率，將所有柵格數(shù)據(jù)空間分辨率重采樣為60 m×60 m。對矢量數(shù)據(jù)采用歐氏距離進行計算，綜合DEM數(shù)據(jù)得到影響土地利用變化的驅(qū)動因子(表1)。

表1 土地利用變化驅(qū)動因子說明Table 1 Description of driving factors contributing to land use change

2 研究方法

2.1 基于荒野邊界限定的土地利用模擬分析

基于“荒野智慧”設(shè)定不同的荒野保護措施，具體方法為通過荒野制圖計算研究區(qū)域荒野質(zhì)量指數(shù)(WQI)，分別在不同荒野保護情景下對研究區(qū)域土地利用進行模擬分析。根據(jù)荒野質(zhì)量指數(shù)設(shè)置開發(fā)的剛性限制，劃定人工開發(fā)邊界，分別在完全不保護、不嚴(yán)格保護、較嚴(yán)格保護和嚴(yán)格保護4種情景下對土地利用進行模擬分析。

2.2 荒野制圖

根據(jù)已有關(guān)于荒野的研究和界定[3,28-30]，采用經(jīng)典方法進行荒野制圖。選取距離道路遙遠(yuǎn)度、居民點遙遠(yuǎn)度、人口密度和土地覆蓋自然度4項指標(biāo)識別荒野質(zhì)量，計算方法如下：(1)對居民點和道路采用歐氏距離分析工具計算遙遠(yuǎn)度，數(shù)值越高表明距離居民點或道路越遠(yuǎn)。(2)利用核密度分析工具和各鄉(xiāng)鎮(zhèn)人口數(shù)據(jù)計算人口分布核密度指標(biāo)，數(shù)值越高表明人口密度越大。(3)參考中國大陸荒野地識別對土地利用類型的自然度分級[3,29]進行評價，將自然度分為1～5等級，其中，林地為5，灌木地為4，草地為4，耕地為2，水域為4，建設(shè)用地為1，數(shù)值越高表明自然度越高。這4項指標(biāo)可反映荒野遠(yuǎn)離人類活動、自然度較高、受人類干擾較小的特點。

隨后對各項指標(biāo)評價結(jié)果進行歸一化處理，將數(shù)值統(tǒng)一為0～100；并對各項進行等權(quán)疊加，計算得到研究區(qū)荒野質(zhì)量指數(shù)〔式(1)〕；再根據(jù)荒野質(zhì)量指數(shù)將荒野分為1級荒野(0～25)、2級荒野(>25～50)、3級荒野(>50～75)和4級荒野(>75～100)4個等級。

(1)

式(1)中，I為荒野質(zhì)量指數(shù)；N為指標(biāo)數(shù)量，該研究中為4；ei為單指標(biāo)分?jǐn)?shù)。

2.3 GeoSOS-FLUS模型

GeoSOS-FLUS模型是由LIU等[20]提出的結(jié)合人為和自然影響對多種土地利用情景進行仿真的集成模型，可用于模擬土地利用變化和情景分析[22,31-33]。主要包括以下計算模塊：

(1)基于人工神經(jīng)網(wǎng)絡(luò)的適應(yīng)性概率計算(ANN-based probability-of-occurrence estimation)。該模塊可用于建立各驅(qū)動因子與初始土地利用類型在空間上的相互作用關(guān)系，具體計算公式為

(2)

式(2)中，P(p,k,t)為土地類型k在時間t和柵格p上出現(xiàn)的概率；wjk為隱藏層與輸出層之間的自適應(yīng)權(quán)重；net∑j(p,t)為柵格p在時間t上，隱藏層神經(jīng)元j接收的信號；sigmoid為機器學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)的激活函數(shù)。各用地類型出現(xiàn)概率總和為1。

(2)自適應(yīng)慣性競爭機制的元胞自動機(self-adaptive inertia and competition mechanism CA)。當(dāng)前土地利用是否能發(fā)展成其他土地利用類型，不僅取決于發(fā)生概率，還取決于其他可變因素。因此，該模型將發(fā)生概率、轉(zhuǎn)化成本和驅(qū)動因素以及不同土地利用之間的競爭相結(jié)合，其計算公式為

(3)

(4)

(5)

2.4 精度驗證與發(fā)展情景設(shè)定

以2010年為起始年份，以2020年為未來年份，采用GeoSOS-FLUS模型對研究區(qū)域各土地利用總量進行模擬。將模擬結(jié)果與2020年土地利用實際情況(圖3)進行對比，Kappa值為0.77，F(xiàn)oM值為0.22。模型精度較高[34-35]，可以進行后續(xù)模擬。

以荒野質(zhì)量指數(shù)為基礎(chǔ)，分別設(shè)置以下4個情景條件：(1)在不保護荒野情景下，不設(shè)置任何限制因素。(2)在不嚴(yán)格保護荒野情景下，將荒野質(zhì)量指數(shù)大于75的區(qū)域設(shè)置為不得轉(zhuǎn)化。(3)在較嚴(yán)格保護荒野情景下，將荒野質(zhì)量指數(shù)大于50的區(qū)域設(shè)置為不得轉(zhuǎn)化。(4)在嚴(yán)格保護荒野情景下，將荒野質(zhì)量指數(shù)大于25的區(qū)域設(shè)置為不得轉(zhuǎn)化。同時，以2020年土地利用為基礎(chǔ)提取樣本進行訓(xùn)練，模擬時間設(shè)置為2030年，各土地利用總量采用Markov Chain方法結(jié)合專家咨詢進行設(shè)定，并將模擬迭代次數(shù)設(shè)置為2 000，摩爾窗口設(shè)置為3×3。

3 結(jié)果與分析

3.1 荒野分布

如圖4所示，勐?？h、景洪市、金平縣、馬關(guān)縣、西疇縣和麻栗坡縣荒野質(zhì)量較低，滄源縣、江城縣、勐?？h和瀾滄縣荒野質(zhì)量最高，而荒野程度最高的區(qū)域分布在景洪市東北部與勐臘縣交界區(qū)域。研究區(qū)內(nèi)絕大多數(shù)國家級自然保護區(qū)荒野質(zhì)量均較高，只有云南文山國家級自然保護區(qū)荒野程度較低，為2級荒野。研究區(qū)1、2、3和4級荒野面積分別占總面積的5.89%、52.59%、40.92%和0.60%。1級荒野面積占研究區(qū)總面積的5.89%，說明研究區(qū)城鎮(zhèn)用地較少；荒野質(zhì)量較高的3和4級荒野面積分別占總面積的40.92%和0.60%，說明雖然研究區(qū)荒野質(zhì)量較高且面積較大，但大部分地區(qū)都存在一定程度的開發(fā)。

圖4 研究區(qū)荒野分布Fig.4 Distribution of wilderness in the study area

3.2 多情景下土地布局優(yōu)化結(jié)果

(1)不保護荒野情景下，發(fā)展無任何限制。如圖5(a)和表2所示，耕地和城鎮(zhèn)用地面積模擬值分別為15 653.3和581.2 km2，與2020年相比分別增加193.7和216.5 km2。在不保護荒野情境下，耕地和城鎮(zhèn)用地的發(fā)展呈現(xiàn)明顯擴張趨勢，其周邊林地、草地均存在被侵蝕現(xiàn)象。

(2)不嚴(yán)格保護荒野情景下，僅對荒野質(zhì)量指數(shù)大于75的區(qū)域進行保護，而該區(qū)域面積僅占研究區(qū)域面積的0.6%，因此該情景下土地利用發(fā)展趨勢與不保護荒野情景類似〔圖5(b)〕。雖然該情景下耕地和城鎮(zhèn)用地類型轉(zhuǎn)化量有所減少，但意義不大。

(3)較嚴(yán)格保護荒野情景下，區(qū)域內(nèi)有41.25%的國土空間得到保護，耕地和城鎮(zhèn)用地面積模擬值分別為15 639.3和459.9 km2(表2)，相較于不保護荒野情景分別減少14和121.3 km2。如圖5(c)所示，該情景下，耕地和城鎮(zhèn)用地發(fā)展呈現(xiàn)一定集約式增長趨勢，新增耕地和城鎮(zhèn)用地呈現(xiàn)聚合趨勢。

(4)嚴(yán)格保護荒野情景下，研究區(qū)94.11%的區(qū)域得到保護，然而土地類型之間的轉(zhuǎn)化幾乎停滯(表2)，耕地和城鎮(zhèn)用地面積分別為15 463.0和365.2 km2，與2020年相比幾乎無變化〔圖5(d)〕。

表2 多情景下土地類型面積模擬值與轉(zhuǎn)移值Table 2 Simulated values and transfer values of land types under multiple scenarios

圖5 2030年多情景土地利用模擬結(jié)果Fig.5 Results of multi-scenario land use simulation for 2030

3.3 不同情景結(jié)果綜合分析

綜合對比不保護荒野、不嚴(yán)格保護、較嚴(yán)格保護和嚴(yán)格保護4種情景土地利用格局可以發(fā)現(xiàn)，在不保護荒野情景下城市呈無約束狀態(tài)發(fā)展，呈現(xiàn)出“攤大餅”“飛地式”擴展趨勢，林地和草地被侵蝕。隨著荒野保護力度加強，耕地和城鎮(zhèn)用地轉(zhuǎn)化量在不斷降低，且擴張呈現(xiàn)明顯集約化發(fā)展趨勢，在一定程度上避免了發(fā)展破碎化；但同時，耕地和城鎮(zhèn)用地轉(zhuǎn)化量也在不斷降低，說明保護荒野對經(jīng)濟發(fā)展在一定程度上起到限制作用。

對于以上現(xiàn)象究其原因，荒野保護為城市劃定了發(fā)展區(qū)域，限制了城市自然擴張，促使城市集約化發(fā)展。但如果對城市擴張限制過于嚴(yán)格，又會阻礙城市正常發(fā)展。對比多情景模擬結(jié)果，在較嚴(yán)格保護荒野情景下，耕地和城鎮(zhèn)用地擴張與荒野保護之間較為平衡。因此，建議在較嚴(yán)格保護荒野情景下，對城市擴張邊界進行規(guī)劃，優(yōu)化區(qū)域內(nèi)土地利用結(jié)構(gòu)和布局方式，促使耕地和城鄉(xiāng)用地與生態(tài)保護之間協(xié)調(diào)發(fā)展，以實現(xiàn)經(jīng)濟效益和生態(tài)效益最大化。

4 討論

我國目前自然保護地和國土空間規(guī)劃體系中沒有引入荒野概念，但荒野客觀存在于自然中，且具有重要生態(tài)價值[36]。(1)在一些生態(tài)保護實踐中，如建立生物多樣性保護中的棲息地和遷徙廊道時，由于數(shù)據(jù)及相關(guān)研究的不足，難以直接進行界定，荒野可以成為一項重要參考[37]。(2)相較于國土空間規(guī)劃，荒野與生態(tài)紅線雖然有重疊部分，但兩者的范圍仍有所不同，如研究區(qū)內(nèi)生態(tài)保護紅線面積為1.68萬km2，而較嚴(yán)格保護荒野情景下荒野面積為2.15萬km2。盡管在整體趨勢上，荒野與生態(tài)保護紅線約束相比具有一定相似性，但局部空間的擴張?zhí)卣鞑町愝^大[32]。因此，可以將荒野區(qū)域的劃定和保護作為國土空間規(guī)劃的補充。(3)傳統(tǒng)土地利用模擬大多以生態(tài)保護、耕地保護[22,32]或不同效益目標(biāo)為模擬情景[33]，鮮有學(xué)者設(shè)置不同生態(tài)約束程度對土地利用進行模擬。根據(jù)荒野質(zhì)量設(shè)置不同模擬情景可評估不同荒野保護水平下城鎮(zhèn)用地擴張情景，有利于探索生態(tài)保護與城市發(fā)展之間的關(guān)系，為相關(guān)規(guī)劃和政策制定提供理論依據(jù)。綜上所述，將荒野作為自然保護地和國土空間規(guī)劃體系的補充，在進行規(guī)劃設(shè)計時引入“荒野智慧”，有利于緩解保護與發(fā)展之間的矛盾，更好地保護生態(tài)空間。

從荒野智慧角度出發(fā)，基于GeoSOS-FLUS模型對生態(tài)保護空間土地利用進行發(fā)展模擬和土地布局優(yōu)化，綜合考慮了相關(guān)基礎(chǔ)設(shè)施、經(jīng)濟和生態(tài)條件制約，能夠較真實表達多情景下土地利用未來形態(tài)。該模型有效地將生態(tài)智慧思想應(yīng)用于實踐，可協(xié)調(diào)城市發(fā)展與生態(tài)保護之間的矛盾，為土地布局規(guī)劃與管控提供技術(shù)參考。但土地利用變化是多種因素共同驅(qū)動的結(jié)果，其發(fā)展變化不僅僅受到當(dāng)前經(jīng)濟或自然驅(qū)動，更可能受到相關(guān)政策影響。另外，由于基礎(chǔ)數(shù)據(jù)限制和模型本身局限性，該研究設(shè)置的約束條件和空間管控規(guī)則難以完全模擬真實土地利用變化場景。因此，該研究結(jié)果的準(zhǔn)確性和時效性可能存在偏差，只能在一定程度上體現(xiàn)出變化趨勢。在未來研究中，將探索更為準(zhǔn)確的驅(qū)動模型，提升模型模擬準(zhǔn)確度。同時，將研究如何更好地將荒野保護舉措納入模型中，為實際的規(guī)劃提供支撐。

5 結(jié)論

在生態(tài)文明建設(shè)背景下，通過分析中國傳統(tǒng)生態(tài)智慧思想與保護荒野的耦合關(guān)系，提出“荒野智慧”，將保護荒野納入生態(tài)智慧。在經(jīng)濟驅(qū)動慣性發(fā)展基礎(chǔ)上，提出保護荒野的規(guī)劃目標(biāo)，并采用GeoSOS-FLUS模型在不同荒野保護情景下對土地利用布局進行模擬分析。主要結(jié)論如下：

(1)GeoSOS-FLUS模型對研究區(qū)土地利用模擬結(jié)果的Kappa值為0.77，F(xiàn)oM值為0.22，模型適用性良好。模擬結(jié)果表明，加強荒野保護可有效促進耕地和城鎮(zhèn)用地集約發(fā)展。

(2)在模擬土地類型布局變化時，將荒野作為限制因素可較好平衡人與自然的關(guān)系，這體現(xiàn)了傳統(tǒng)生態(tài)智慧中“天人合一”的內(nèi)在思想，而保護荒野又是敬畏自然、順應(yīng)自然、善待自然的外在舉措。