珠江三角洲土地利用變化模擬與景觀格局脆弱性分析

張經(jīng)度

（廣東省城鄉(xiāng)規(guī)劃設計研究院有限責任公司，廣東 廣州 510220）

0 引言

景觀格局指景觀的空間結(jié)構(gòu)特征，是景觀組成單元的類型、數(shù)目及空間分布與配置，是景觀異質(zhì)性在空間上的綜合表現(xiàn)［1］。一般利用有生態(tài)學意義的景觀格局指數(shù)描述景觀格局的空間配置特征，景觀格局的時空動態(tài)變化研究能夠揭示景觀格局與生態(tài)過程的相互作用關(guān)系［2］。因此，基于景觀格局的時空演化過程研究，不僅能反映區(qū)域生態(tài)環(huán)境變化狀況，也能有效預測生態(tài)過程的特征，進而有效指引區(qū)域景觀格局優(yōu)化和管理［3］。

隨著社會經(jīng)濟的迅速發(fā)展，人類對土地資源的開發(fā)不斷加重，生態(tài)環(huán)境受到的壓力和脅迫不斷增加。這加劇了景觀結(jié)構(gòu)和組成的變化，由此產(chǎn)生的生態(tài)問題屢見不鮮［4］。在這一背景下開展景觀格局脆弱性研究尤其必要。景觀格局脆弱性是指景觀格局在受到外界擾動時其結(jié)構(gòu)、功能和特性容易發(fā)生改變的屬性［5］，體現(xiàn)了景觀系統(tǒng)對外界干擾的敏感程度及適應能力［6］。任志遠等［7］和梁佳欣等［8］分別利用景觀脆弱度指數(shù)對銀川盆地和山東省南四湖濕地景觀格局脆弱度進行時空分異特征研究，認為景觀脆弱度指數(shù)能夠直觀反映研究區(qū)脆弱度狀況，揭示人為活動與景觀脆弱性的關(guān)系。

當前，學者對景觀格局脆弱性的研究主要包括景觀格局脆弱性時空分異研究［9-10］、景觀格局脆弱性的時空分異成因研究［11-12］等方面，針對景觀格局脆弱性的預測性研究還有所欠缺。曾永年等［13］和楊陽等［14］分別利用CLUE-S模型，以青海高原東部和福建省平潭縣海壇島為例進行土地利用變化多情景模擬，并利用景觀生態(tài)風險指數(shù)進行區(qū)域生態(tài)風險評價，研究結(jié)果有助于決策者判斷不同情境的優(yōu)劣程度，從而支撐土地利用科學規(guī)劃。然而，有研究指出CLUE-S模型存在一定的不足［15］。而FLUS模型作為一種新型土地利用變化模擬模型能夠克服CLUE-S模型存在的缺陷，獲得更好的土地利用模擬效果［16-17］。因此，有必要在利用FLUS模型模擬土地利用多情景變化的基礎上，對模擬結(jié)果進行景觀格局脆弱性評價。所以，筆者以珠江三角洲地區(qū)為例，使用系統(tǒng)動力學（System Dynamics，SD）模型，依據(jù)對研究區(qū)未來發(fā)展的不同預計構(gòu)建3種不同的土地利用變化路徑，在此基礎上利用FLUS模型模擬2035年土地利用變化狀況（以2020年為基期），再使用景觀格局脆弱性指數(shù)分析研究區(qū)不同情景下面臨的景觀風險，從而為研究區(qū)土地利用規(guī)劃提供決策依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

珠江三角洲地區(qū)位于廣東省中南部（21°40′～111°20′～115°30′E），是我國重要的經(jīng)濟中心，當?shù)睾＿\便利、交通通達，總面積5.54萬km2（見圖1）。2020年，珠江三角洲地區(qū)人口為7 801.43萬人，生產(chǎn)總值為89 523.93億元，城市化率為86.28%。隨著城鎮(zhèn)化的快速發(fā)展，珠江三角洲地區(qū)土地利用出現(xiàn)了劇烈變化，耕地、水體面積明顯減小，建設用地面積顯著增加，區(qū)域生態(tài)環(huán)境受到的脅迫明顯增加，可持續(xù)發(fā)展進程受到嚴峻挑戰(zhàn)。

注：該圖基于國家基礎地理信息中心標準地圖服務網(wǎng)站下載的審圖號為GS（2019）4342號的標準地圖制作，底圖無修改，圖3和圖4同。

1.2 數(shù)據(jù)來源及處理過程

筆者所使用數(shù)據(jù)包括土地利用數(shù)據(jù)和土地利用驅(qū)動因子數(shù)據(jù)，其中驅(qū)動因子數(shù)據(jù)包括基礎地理數(shù)據(jù)、自然環(huán)境數(shù)據(jù)、社會經(jīng)濟數(shù)據(jù)。土地利用數(shù)據(jù)來自全球30 m地表覆蓋數(shù)據(jù)集（GlobeLand30），從中提取研究區(qū)2020年土地利用數(shù)據(jù)，并根據(jù)研究區(qū)實際情況，將土地利用數(shù)據(jù)劃分為耕地、林地、草地、水體、建設用地和未利用地六類。參考以往研究［18］，選取13個影響土地利用變化的驅(qū)動因子（見表1），再根據(jù)先前研究結(jié)論將所有數(shù)據(jù)重采樣為100 m［17］，同時將所有數(shù)據(jù)統(tǒng)一為UTM投影坐標系。表1中，共有13個土地利用變化驅(qū)動因子，余下為指標因子，在系統(tǒng)動力學模型中使用。

表1 研究所使用的數(shù)據(jù)

2 研究方法

2.1 FLUS模型

FLUS模型由基于SD模型的土地利用數(shù)量預測模塊和基于元胞自動機（Cellular Automaton，CA）的地類分配模塊兩部分組成。首先，利用SD模型根據(jù)研究區(qū)社會經(jīng)濟發(fā)展、開發(fā)政策導向的不同預期推演研究區(qū)未來土地利用數(shù)量變化。其次，使用人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN）基于土地利用變化驅(qū)動因子估計不同地類轉(zhuǎn)化概率，接著將地類轉(zhuǎn)化概率、元胞間相互作用、地類變化趨勢等因素結(jié)合起來計算元胞轉(zhuǎn)化總概率。最后，利用輪盤賭來確定元胞是否發(fā)生類型轉(zhuǎn)化，從而實現(xiàn)土地利用變化模擬。FLUS模型總體結(jié)構(gòu)詳見張經(jīng)度等和Liu等研究［17-18］。

2.2 SD模型

筆者使用Vensim軟件構(gòu)建研究區(qū)未來土地利用需求的SD模型（見圖2）。模型包括社會經(jīng)濟和土地利用兩個子系統(tǒng)，前者以人口增長率和地區(qū)生產(chǎn)總值增長率為主導因素，主要模擬人口增長對糧食需求的影響及地區(qū)生產(chǎn)總值增長對固定資產(chǎn)投資的影響；后者包括6種土地利用類型，重點模擬社會經(jīng)濟因素及地類間相互作用對土地利用的影響，另選用城鎮(zhèn)化率、技術(shù)進步（以糧食單位面積產(chǎn)量衡量）及退耕還林政策作為輔助因素。

2.3 景觀脆弱度指數(shù)

景觀脆弱度指數(shù)（Landscape Vulnerability Index，LVI）是生態(tài)系統(tǒng)對外界干擾的敏感性及受到干擾后自我恢復能力的表征［19］，由景觀敏感度指數(shù)（Landscape Sensitivity Index，LSI）和景觀適應度指數(shù)（Landscape Adaptation Index，LAI）組成。其計算公式為

景觀敏感度指數(shù)體現(xiàn)了景觀受到外界干擾時自身的反映程度，取決于外界干擾因素的強弱及景觀變化的方向。其計算公式為

式（2）中：n為景觀類型數(shù)量；i為用地類型；Vi為景觀易損度指數(shù)，指景觀在外界干擾下的損害程度［6］，參考前人研究和研究區(qū)實際，設定耕地、林地、草地、水體、建設用地和未利用土地的景觀類型易損度分別為0.14、0.23、0.23、0.04、0.04和0.32，實際計算時若某一單元格網(wǎng)內(nèi)不包含某種地類，則其余地類的易損度值按比例擴大；Ui為景觀干擾度指數(shù)，指景觀受到外界干擾時，景觀內(nèi)部由單一、規(guī)則、均值和連續(xù)的整體向破碎、零散、異質(zhì)和不連續(xù)的破碎斑塊變化［5］，其計算公式為

式（3）中：FNi為景觀破碎度指數(shù)，值越低表示景觀破碎程度越低，反之則越高；FDi為分形維數(shù)，值越接近1說明景觀形狀越簡單，反之則越復雜，自然度越強；DOi為景觀類型優(yōu)勢度，該指數(shù)表示景觀內(nèi)部某種景觀的優(yōu)勢程度，值越大則景觀優(yōu)勢程度越大，值越小則景觀優(yōu)勢程度越小。

景觀適應度指數(shù)是景觀在外界干擾下的適應和恢復能力，與景觀的結(jié)構(gòu)、功能、多樣性和分布均勻程度密切相關(guān)，其計算公式為

式（4）中：PRD為斑塊豐度密度指數(shù)，表示斑塊內(nèi)物種的豐度；SHDI為香農(nóng)多樣性指數(shù)，表示斑塊內(nèi)物種多樣性；SHEI為香農(nóng)均勻度指數(shù)，表示不同生態(tài)系統(tǒng)的分配均勻度，值越高表明景觀格局越均勻，系統(tǒng)越穩(wěn)定。

2.4 空間變異理論

空間變異理論研究對象為區(qū)域化變量，即在空間上分布的變量。通常，空間上分布的變量具有2個性質(zhì)：①隨機性，即在局部某一點，空間變量的取值是隨機的；②結(jié)構(gòu)性，即對整個區(qū)域而言，存在一個總體或平均的結(jié)構(gòu)，相鄰變量的取值具有相關(guān)關(guān)系［20］。由于土地利用數(shù)據(jù)為空間變量，針對土地利用數(shù)據(jù)中存在的隨機性和結(jié)構(gòu)性特征，可以利用半變異函數(shù)描述其性質(zhì)［21］。筆者使用GS+7.0軟件對研究區(qū)景觀脆弱性分布進行半變異函數(shù)擬合。半變異函數(shù)公式為

式（5）中：γ（h）為間距為h的半方差，N（h）是以h為間距的所有觀測點的成對數(shù)目，Z（xi）和Z（xi+h）為不同距離的觀測值。

3 實證研究

3.1 2020—2035年土地利用情景模擬與分析

根據(jù)對研究區(qū)未來發(fā)展的不同預計，通過設置不同模型參數(shù)及約束條件，構(gòu)建基準情景、經(jīng)濟擴張情景、協(xié)調(diào)發(fā)展情景，利用FLUS模型分別模擬各情景下2035年研究區(qū)土地利用分布格局。

基準情景表示研究區(qū)人口、經(jīng)濟發(fā)展與技術(shù)進步速度延續(xù)現(xiàn)有趨勢，土地利用需求由2010—2020年土地利用變化量線性擬合得到。該情景體現(xiàn)了研究區(qū)土地利用無約束發(fā)展情況。系統(tǒng)動力學模型預測得到該情景下研究區(qū)2035年耕地、林地、草地、水體、建設用地和未利用土地的面積分別為8 026.41、24 524.79、2 470.72、4 341.90、13 031.51 km2和26.07 km2。

經(jīng)濟擴張情景表示研究區(qū)實行經(jīng)濟主導的發(fā)展政策，當?shù)卣疄榻?jīng)濟發(fā)展提供充足的土地供應。該情景展現(xiàn)了在較快經(jīng)濟增速的背景下，滿足建設用地擴張需求的研究區(qū)土地利用變化情況。研究預測得到該情景下研究區(qū)2035年耕地、林地、草地、水體、建設用地和未利用土地的面積分別為7 529.50、24 432.77、1 576.30、3 960.79、14 879.45 km2和42.60 km2。

《廣東省國土空間規(guī)劃（2020—2035年）》要求嚴格落實耕地和永久基本農(nóng)田保護任務［22］，據(jù)此在協(xié)調(diào)發(fā)展情景中引入耕地面積反饋調(diào)節(jié)機制，使研究區(qū)耕地面積維持在基準水平之上，同時以《廣東省國土空間規(guī)劃（2020—2035年）》中珠江三角洲陸域生態(tài)屏障為土地利用變化限制區(qū)域。該情景體現(xiàn)了在保證研究區(qū)生態(tài)屏障完整及控制耕地面積前提下的研究區(qū)土地利用變化情況。研究預測得到該情景下研究區(qū)2035年耕地、林地、草地、水體、建設用地和未利用土地的面積分別為8 778.65、24 783.62、2 671.74、3 803.93、12 357.27 km2和26.19 km2。

基于不同情景預測得到的地類數(shù)量，模擬得到研究區(qū)3種情景下土地利用分布格局（見圖3）。在3種情景下，地類轉(zhuǎn)化的主導過程均為耕地向建設用地轉(zhuǎn)移，其中經(jīng)濟擴張情景下建設用地擴張最為劇烈，侵占了城郊大片耕地。從各土地利用類型變化情況來看，3種情景中耕地均呈現(xiàn)減少趨勢且減少的空間分布接近。在基準情景中，佛山市耕地面積減少近600 km2，是研究區(qū)耕地減少幅度最大的地級市，東莞市、廣州市、中山市耕地也出現(xiàn)明顯減少；在經(jīng)濟擴張情景中，佛山市耕地面積流失近700 km2，而廣州市、東莞市、深圳市耕地面積大幅減少，減少幅度超過基準情景；在協(xié)調(diào)發(fā)展情景中，佛山市、廣州市、東莞市依然是耕地面積減少幅度最大的城市，但減少幅度小于前兩種情景。3種情景的林地變化幅度均較小，但變化的空間差異較大。3種情景建設用地均出現(xiàn)增長且空間分布類似，都呈現(xiàn)中心劇烈、外圍緩和的增長趨勢，但經(jīng)濟擴張情景下建設用地增長幅度明顯高于其他兩種情景，其中佛山市建設用地增長量達762 km2，其他兩種情景建設用地增幅較接近，但協(xié)調(diào)發(fā)展情景下建設用地增幅略小。

3.2 研究區(qū)2020—2035年景觀格局變化分析

3.2.1 空間結(jié)構(gòu)變異性分析。為了更好地分析研究區(qū)景觀格局脆弱性分布特征，對研究區(qū)基期及3種情景模擬結(jié)果進行空間結(jié)構(gòu)變異性分析，得到最佳擬合模型及參數(shù)如表2所示。基期及3種情景模擬結(jié)果的最佳擬合模型均為指數(shù)模型，基期的變程值遠高于情景模擬結(jié)果的變程值，表明基期數(shù)據(jù)中空間自相關(guān)效應的作用范圍最大。3種情景中，經(jīng)濟擴張情景的塊金值（C0）最大，塊金效應最弱，表明該情景隨機部分造成的空間異質(zhì)性較多；基準情景的塊金值最小，塊金效應最強，說明該情景下結(jié)構(gòu)性因素對空間異質(zhì)性影響最大?；诩?035年模擬結(jié)果的決定系數(shù)及殘差平方和均表現(xiàn)較好，表明所選擬合模型能正確描述研究區(qū)景觀格局脆弱性的空間結(jié)構(gòu)特征。

表2 研究區(qū)基期及2035年3種情景景觀脆弱度分布的半變異函數(shù)的擬合參數(shù)

3.2.2 景觀格局脆弱性的時空演化分析?；?.2.1得到的最佳擬合模型和參數(shù)，分析得到研究區(qū)各情景下景觀格局脆弱性分布圖（見圖4）。為了更好地比較2020年基期與2035年各情景模擬結(jié)果的差異，使用等間距法將研究區(qū)景觀格局脆弱性分布圖分為低脆弱度（0.013 5～0.235 6）、較低脆弱度（0.235 7～0.321 9）、中脆弱度（0.322 0～0.389 2）、較高脆弱度（0.389 3～0.452 6）和高脆弱度（0.452 7～0.502 9）5個等級。

先利用格網(wǎng)均值評估研究區(qū)景觀格局脆弱性整體水平，計算得到2020年基期、2035年基準情景下、2035年經(jīng)濟擴張情景下、2035年協(xié)調(diào)發(fā)展情景下的景觀格局脆弱度指數(shù)均值分別為0.332 5、0.356 1、0.394 6、0.349 7，可以看到相對2020年基期，3種情景下研究區(qū)脆弱性整體水平均有所上升。這說明隨著社會經(jīng)濟的發(fā)展，研究區(qū)面臨的生態(tài)風險將不斷增加，而快速擴張情景面臨的景觀風險最大，協(xié)調(diào)發(fā)展情景面臨的景觀風險最小。

從空間分布來看，研究區(qū)2020年基期和2035年情景模擬結(jié)果的景觀脆弱性分布由內(nèi)向外呈現(xiàn)高、低、高的特征，高脆弱度區(qū)域主要分布在研究區(qū)東部、西北、南部及研究區(qū)中部的城市連綿區(qū)，低脆弱度區(qū)域則主要分布在研究中部建成區(qū)的外圍。如圖4（a）所示，2020年基期較高和高脆弱度區(qū)域主要分布在研究區(qū)東北的惠東縣、博羅縣，西北的廣寧縣、封開縣及中部的廣州市。圖4（b）為基準情景下研究區(qū)景觀格局脆弱性分布情況，與基期相比，研究區(qū)中部較高和高脆弱度區(qū)域面積明顯增加，表明建設用地擴張將造成區(qū)域景觀脆弱度上升，區(qū)域面臨的景觀風險將增加，研究區(qū)西北部分高脆弱度區(qū)域增幅明顯。圖4（c）顯示了經(jīng)濟擴張情景下研究區(qū)的景觀格局脆弱性分布情況，與基準情景相比，研究區(qū)中部建成區(qū)較高和高脆弱度分布范圍明顯更廣，研究區(qū)南部的深圳市高脆弱度區(qū)域大量增加，研究區(qū)內(nèi)低景觀脆弱度區(qū)域明顯減少。圖4（d）展示了協(xié)調(diào)發(fā)展情景下研究區(qū)景觀格局脆弱性分布狀況，與其他兩種情景相比，該情景研究區(qū)中部建成區(qū)較高和高景觀脆弱度范圍最小，全域較低和低景觀脆弱度面積最大。

4 討論與建議

筆者基于FLUS模型模擬了2035年珠江三角洲地區(qū)3種情景下土地利用變化狀況，在此基礎上利用景觀脆弱度指數(shù)評價基期及各模擬情景下景觀格局脆弱度分布狀況，并借助空間統(tǒng)計分析方法揭示其分異規(guī)律，展現(xiàn)了在不同社會經(jīng)濟發(fā)展模式和政策的影響下研究區(qū)未來土地利用變化情況及對應的景觀格局脆弱性變化特征。

在3種情景下，2020—2035年研究區(qū)耕地均呈減少趨勢，建設用地均呈增長趨勢，但不同情景間存在差異。在經(jīng)濟擴張情景下，研究區(qū)中部尤其是佛山市、廣州市建設用地迅速增加，耕地、水體等較高生態(tài)價值地類被大量侵占，生態(tài)環(huán)境急速惡化。在基準情景下，建設用地擴張幅度仍然較大，無約束的建設用地擴張將導致研究區(qū)生態(tài)屏障被破壞，人居環(huán)境質(zhì)量下降。在協(xié)調(diào)發(fā)展情景下，相應約束條件的設置使得耕地、水體得到較好保護，建設用地布局趨向合理，研究區(qū)土地利用的可持續(xù)性在3種模擬情景中最好。

此研究的基期及情景模擬結(jié)果均顯示，研究區(qū)景觀格局脆弱性從內(nèi)向外呈現(xiàn)高、低、高的特征，高脆弱度區(qū)域主要分布在研究區(qū)東北、西北和中部建成區(qū)，低脆弱度區(qū)域主要分布在研究區(qū)中部建成區(qū)的外圍地區(qū)。與基期相比，經(jīng)濟擴張情景下研究區(qū)中部高脆弱度區(qū)域面積明顯增加，表明建設用地的蔓延式擴張將導致區(qū)域生態(tài)風險加重；基準情景下研究區(qū)中部高脆弱度區(qū)域面積增幅依然明顯；協(xié)調(diào)發(fā)展情景下中部建成區(qū)脆弱性與基準情景類似，但研究區(qū)西北和東部脆弱性分布范圍較小，同時該情景下全域景觀格局脆弱性最低，表明該情景下研究區(qū)面臨的生態(tài)風險最小，土地利用布局最合理。

該研究結(jié)果表明，3種情景都顯示未來研究區(qū)中部城市連綿區(qū)將隨著建設用地增加而擴張，研究區(qū)西北林地連綿區(qū)將持續(xù)存在。這表明這些區(qū)域?qū)㈤L期處于高景觀脆弱性狀態(tài)，針對因城市連綿出現(xiàn)的高景觀脆弱性狀態(tài)，未來應加強風險防御體系建設，降低自然災害、人為活動可能造成的生態(tài)風險；針對林地連綿出現(xiàn)的高景觀脆弱性狀態(tài)，未來應增加土地利用的空間異質(zhì)性，以降低區(qū)域景觀脆弱性水平。

筆者在土地利用多情景模擬的基礎上，使用景觀脆弱性指數(shù)探究研究區(qū)未來生態(tài)風險的演變狀況，實現(xiàn)了區(qū)域生態(tài)風險的表征和可視化。然而，盡管景觀脆弱性指數(shù)能表征景觀面臨的生態(tài)風險，但是無法解釋研究區(qū)生態(tài)系統(tǒng)演化的前因后果，因而對生態(tài)風險預測缺乏指向性，所以接下來應針對特定生態(tài)災害過程展開模擬，從而加深對景觀脆弱性指數(shù)生態(tài)內(nèi)涵的理解。