粵港澳大灣區(qū)地表水體經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素

楊振華,趙銅鐵鋼,田 雨,楊 芳,鄭炎輝,陳曉宏

粵港澳大灣區(qū)地表水體經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素

楊振華1,趙銅鐵鋼2*,田 雨3,楊 芳4,鄭炎輝5,陳曉宏2

(1.生態(tài)環(huán)境部珠江流域南海海域生態(tài)環(huán)境監(jiān)督管理局生態(tài)環(huán)境監(jiān)測(cè)與科學(xué)研究中心,廣東 廣州 510610；2.中山大學(xué)水資源與環(huán)境研究中心,廣東 廣州 510275；3.中國(guó)水利水電科學(xué)研究院水資源研究所,北京 100038；4.珠江水利科學(xué)研究院,廣東 廣州 510611；5.南方科技大學(xué)環(huán)境學(xué)院,廣東 深圳 518055)

采用水體解譯—環(huán)境庫(kù)茲涅茨曲線識(shí)別—驅(qū)動(dòng)關(guān)系分析的研究思路,基于Landsat影像提取粵港澳大灣區(qū)長(zhǎng)序列地表水體動(dòng)態(tài),將環(huán)境庫(kù)茲涅茨曲線應(yīng)用于土地利用/覆被變化分析,辨析地表水體長(zhǎng)期均衡與短期波動(dòng)的經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素.結(jié)果表明:近30a大灣區(qū)城市地表水體總體上呈先升后降的非線性特征,且取決于水體與耕地、不透水面之間的轉(zhuǎn)化特征,1990～2000年地表水體面積增長(zhǎng)了1323.14km2,2000年以后呈波動(dòng)下降;粵港澳大灣區(qū)地表水面率與單位面積GDP的EKC總體呈快速上升—快速下降—平緩回升的N型特征,體現(xiàn)出人為覆被對(duì)水體擠占與生態(tài)修復(fù)/水庫(kù)擴(kuò)容工程對(duì)水體的擴(kuò)張;DARDL-UECM模型明確了模擬結(jié)果的準(zhǔn)確性(2>0.7,<0.000)和各因子的貢獻(xiàn)率,無(wú)論短期波動(dòng)階段還是長(zhǎng)期均衡階段,不透水面、林地和耕地面積比重均為城市地表水體的主要驅(qū)動(dòng)要素,三者累計(jì)貢獻(xiàn)率均值為0.96和0.93.

粵港澳大灣區(qū)；地表水體；環(huán)境庫(kù)茲涅茨曲線；土地利用/覆被變化；經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素

地表水體是區(qū)域生態(tài)環(huán)境和生產(chǎn)、生活、生態(tài)用水主要載體,也是土地資源開(kāi)發(fā)重要藍(lán)色空間[1-2].在我國(guó)快速城市化進(jìn)程中,水資源開(kāi)發(fā)利用(生產(chǎn)、生活、生態(tài)用水供給)和城市景觀擴(kuò)張(工商業(yè)用地、基礎(chǔ)設(shè)施和農(nóng)田開(kāi)墾)成為影響地表水體分布的主要要素[3].在多種要素的共同作用下,地表水體面積呈現(xiàn)出非線性變化特征,直接影響城市生態(tài)環(huán)境安全和生態(tài)系統(tǒng)服務(wù)維持[4-5].2019 年國(guó)務(wù)院頒布[粵港澳大灣區(qū)規(guī)劃綱要]提出打造生態(tài)防護(hù)屏障和加強(qiáng)環(huán)境保護(hù)和治理的要求.探究大灣區(qū)地表水體變化特征及其驅(qū)動(dòng)要素,對(duì)城市水生態(tài)環(huán)境研究具有重要意義.

近年來(lái),資源環(huán)境模型被廣泛用于地表水體變化的驅(qū)動(dòng)分析與模擬[6-7].在驅(qū)動(dòng)要素方面,已有研究主要從景觀擴(kuò)張[8]、產(chǎn)業(yè)與環(huán)境政策[9]、氣候變化[10]等方面選取影響要素,并從多元線性回歸的角度發(fā)現(xiàn),人口增加、城市用地?cái)U(kuò)展是導(dǎo)致河流、湖泊和坑塘萎縮的主要要素.在驅(qū)動(dòng)模型方面,已有研究應(yīng)用環(huán)境庫(kù)茲涅茨曲線(EKC)[11]、面板模型[12]、多元回歸模型[10]等模型,分析經(jīng)濟(jì)發(fā)展與資源環(huán)境要素(如水域、水環(huán)境和水足跡)的耦合關(guān)系,識(shí)別EKC特征及主要驅(qū)動(dòng)要素.地表水體作為土地資源之一,兼具資源與環(huán)境要素雙重屬性,目前鮮有研究其非線性變化EKC特征與經(jīng)濟(jì)社會(huì)發(fā)展之間的驅(qū)動(dòng)關(guān)系[13-14].

為揭示粵港澳大灣區(qū)經(jīng)濟(jì)社會(huì)發(fā)展對(duì)地表水體非線性變化的驅(qū)動(dòng)關(guān)系,辨析其主要驅(qū)動(dòng)要素,本文首先梳理Landsat、Google Earth遙感影像和土地利用/覆被變化數(shù)據(jù)、經(jīng)濟(jì)社會(huì)資料;其次基于水體指數(shù)和EKC模型識(shí)別大灣區(qū)近30a來(lái)地表水體時(shí)空動(dòng)態(tài)及其EKC特征,生成1990～2020年大灣區(qū)逐年地表水體數(shù)據(jù)集; 最后構(gòu)建動(dòng)態(tài)自回歸分布滯后與非約束誤差修正模型(DARDL-UECM)[15]分析城市經(jīng)濟(jì)社會(huì)的主要驅(qū)動(dòng)要素及其對(duì)地表水體的長(zhǎng)期均衡與短期波動(dòng)的影響,以期為地表水體范圍的科學(xué)管控提供決策參考.

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究區(qū)域

粵港澳大灣區(qū)(簡(jiǎn)稱:大灣區(qū))由廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶 9 個(gè)地級(jí)市(研究區(qū)域)和香港、澳門特別行政區(qū)組成,是中國(guó)開(kāi)放程度最高、經(jīng)濟(jì)活力最強(qiáng)的華南城市群之一.2019年大灣區(qū)人口數(shù)達(dá)7267萬(wàn),地區(qū)生產(chǎn)總值為11.59萬(wàn)億元,占地面積5.59萬(wàn)km2[16].改革開(kāi)放以來(lái),在快速城市化進(jìn)程中,人類活動(dòng)通過(guò)改變地表覆被等方式,導(dǎo)致大灣區(qū)水體面積減少、水環(huán)境質(zhì)量退化[4],影響了城市水資源與水環(huán)境的保護(hù).

1.2 數(shù)據(jù)來(lái)源

表1 驅(qū)動(dòng)要素選取依據(jù)及其數(shù)據(jù)來(lái)源

注:解譯影像來(lái)源于Landsat 30m地表反射率數(shù)據(jù)產(chǎn)品;驗(yàn)證數(shù)據(jù)來(lái)源于逐年CLCD數(shù)據(jù)集和高清Google Earth影像.經(jīng)濟(jì)社會(huì)要素來(lái)源于1990～2020年《中國(guó)城市統(tǒng)計(jì)年鑒》、《廣東省統(tǒng)計(jì)年鑒》以及各個(gè)城市的統(tǒng)計(jì)年鑒等.

本文涉及數(shù)據(jù)包括長(zhǎng)序列遙感影像、土地利用/覆被驗(yàn)證數(shù)據(jù)和經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)指標(biāo)(表1).考慮到長(zhǎng)序列Landsat 影像在地物監(jiān)測(cè)的優(yōu)勢(shì)[17],本文采用1990～2020年Landsat TM/ETM/OLI系列的地表反射率產(chǎn)品(https://code.earthengine.google.com/)提取水體動(dòng)態(tài)特征.土地利用/覆被驗(yàn)證數(shù)據(jù)來(lái)源于1985～2020年中國(guó)土地覆被數(shù)據(jù)集(CLCD)[18]和高清Google Earth平臺(tái)影像(https://earth.google.com/ web/).經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)指標(biāo)來(lái)源于各城市相關(guān)統(tǒng)計(jì)年鑒.參考已有研究關(guān)于地表水體變化分析的驅(qū)動(dòng)要素和EKC模型分析變量[2,19],從經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、人口特征、土地覆被4個(gè)方面選取12個(gè)經(jīng)濟(jì)社會(huì)要素,分析地表水體非線性變化的主要驅(qū)動(dòng)要素[17],并對(duì)其進(jìn)行共線性分析.數(shù)據(jù)以1990年為基期,并通過(guò)通貨膨脹率修正得到歷年可比價(jià)格.

1.3 研究方法

1.3.1 研究思路 為探究地表水體時(shí)空動(dòng)態(tài)及其驅(qū)動(dòng)要素,本文構(gòu)建水體解譯—環(huán)境庫(kù)茲涅茨曲線識(shí)別—驅(qū)動(dòng)關(guān)系分析的研究思路,制定驅(qū)動(dòng)要素分析技術(shù)流程(圖1),主要包括以下環(huán)節(jié):水體指數(shù)解譯與驗(yàn)證(水體頻率和水體指數(shù)驗(yàn)證)、環(huán)境庫(kù)茲涅茨曲線識(shí)別和DARDL-UECM模型構(gòu)建.

圖1 地表水體驅(qū)動(dòng)要素分析的技術(shù)路線

1.3.2 水體指數(shù)解譯與驗(yàn)證 (1) 水體頻率計(jì)算 針對(duì)不同水體指數(shù)模型與算法的優(yōu)勢(shì)[22-23],本文采用典型水體指數(shù)計(jì)算出區(qū)域水體頻率特征.為提取研究區(qū)地表水體動(dòng)態(tài)特征,本文通過(guò)Quality Assessment(QA)波段去除云霧陰影[24]、山體陰影、條帶噪聲(圖2),然后,選取典型水體指數(shù)(NDWI、MNDWI、WI2020)[25]比較各指數(shù)在長(zhǎng)時(shí)序水體提取中的精度差異.3種指數(shù)計(jì)算公式如下:

式中:

式中:NDWI、MNDWI、WI2020、NDVI和EVI分別代表水體指數(shù)NDWI、MNDWI、WI2020、NDVI和EVI;、、1依次表示Landsat地表反射率影像的藍(lán)波段、綠波段、紅波段、近紅外波段和短波紅外波段1.鑒于水體頻率閾值可有效過(guò)濾低置信度的水體和隨機(jī)噪聲(如薄云霧、建筑陰影、椒鹽噪聲等),使逐年水體指數(shù)解譯結(jié)果更加合理、準(zhǔn)確[25],本文在分割出單幅影像水體像元(經(jīng)驗(yàn)性閾值)的基礎(chǔ)上,累計(jì)年內(nèi)水體觀測(cè)次數(shù)obs和有效觀測(cè)像元次數(shù)obs,計(jì)算出年度水體頻率freq(公式(6)).

(2)水體指數(shù)驗(yàn)證 水體指數(shù)精度驗(yàn)證由基于混淆矩陣的分類精度指標(biāo)計(jì)算得到[18,25].為建立逐年水體頻率與提取精度的閾值關(guān)系,本文依據(jù)1990～2020年逐年土地利用/覆被變化數(shù)據(jù)集CLCD和Google Earth高清影像,對(duì)不同水體頻率的分層隨機(jī)驗(yàn)證點(diǎn)進(jìn)行目視校正,通過(guò)水體與非水體像元的混淆矩陣,計(jì)算出總體精度、用戶精度、生產(chǎn)者精度和Kappa系數(shù)(公式(7)～(10)),評(píng)價(jià)出不同水體指數(shù)的提取精度.

式中:O、U、P和K分別代表總體精度、用戶精度和生產(chǎn)者精度和Kappa系數(shù)等精度要素;T代表樣本點(diǎn)總數(shù);TP,TN,FP,FN分別代表解譯實(shí)際均為真,解譯實(shí)際均為假,解譯為真實(shí)際為假和解譯為假實(shí)際為真的樣本點(diǎn)數(shù)量.本文選取3種水體指數(shù)的年內(nèi)水體頻率,通過(guò)頻率閾值敏感性分析(圖2),驗(yàn)證不同水體指數(shù)最佳閾值的解譯精度,發(fā)現(xiàn)MNDWI水體頻率(0.54)精度均優(yōu)于NDWI(0.17)和WI2020 (0.12),可作為逐年水體提取的依據(jù).

1.3.3 環(huán)境庫(kù)茲涅茨曲線識(shí)別 環(huán)境庫(kù)茲涅茨曲線EKC模型[26]認(rèn)為人均收入與環(huán)境污染程度之間存在倒U型或N型非線性關(guān)系特征.近年來(lái),學(xué)者們將EKC模型擴(kuò)展到資源消耗和生態(tài)足跡等領(lǐng)域[13,27],分析不同資源環(huán)境要素與經(jīng)濟(jì)社會(huì)發(fā)展的耦合關(guān)系,發(fā)現(xiàn)隨著經(jīng)濟(jì)發(fā)展水平的提升,不同資源環(huán)境要素呈倒U型、N型、U型等多種特征[28-29].為剔除城市規(guī)模對(duì)水體面積和GDP總量的影響,本文采用單位面積地表水體(地表水面率(%))和單位面積GDP衡量?jī)烧叩腅KC特征,其表達(dá)式[26]如下:

圖2 水體頻率閾值敏感性分析與精度驗(yàn)證

1.3.4 DARDL-UECM模型構(gòu)建 為識(shí)別水體動(dòng)態(tài)變化的主要經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素,本文參考已有研究[2-3,10],初步選取經(jīng)濟(jì)、產(chǎn)業(yè)、人口集聚特征和景觀等方面12個(gè)經(jīng)濟(jì)社會(huì)變量(表1).考慮變量可能存在非平穩(wěn)序列和信息冗余的問(wèn)題,本文對(duì)各變量進(jìn)行單位根和方差膨脹要素(VIF)檢驗(yàn).結(jié)果表明,經(jīng)一階或二級(jí)差分后,單位面積GDP、第一產(chǎn)業(yè)比重、總?cè)丝?、林地面積比重、耕地面積比重、不透水面面積比和固定資產(chǎn)投資7個(gè)要素拒絕了“存在單位根”的原假設(shè),且均通過(guò)了共線性檢驗(yàn),故將其作為模型輸入變量.

地表水體動(dòng)態(tài)是當(dāng)期經(jīng)濟(jì)社會(huì)要素和自身滯后效應(yīng)共同驅(qū)動(dòng)的結(jié)果,其與驅(qū)動(dòng)要素的長(zhǎng)期均衡關(guān)系是短期波動(dòng)關(guān)系不斷調(diào)整后形成的[14].為檢驗(yàn)經(jīng)濟(jì)社會(huì)要素與地表水體的動(dòng)態(tài)驅(qū)動(dòng)關(guān)系,本文應(yīng)用動(dòng)態(tài)自回歸分布滯后與無(wú)約束誤差修正模型(DARDL-UECM)[15]模擬地表水面率與經(jīng)濟(jì)社會(huì)要素之間的驅(qū)動(dòng)關(guān)系.具體步驟包括:(1)優(yōu)選各對(duì)數(shù)變量的差分項(xiàng)和滯后項(xiàng);(2)采用Pesaran bounds檢驗(yàn)方法判斷變量之間是否存在協(xié)整關(guān)系;(3)在變量協(xié)整的前提下,應(yīng)用DARDL-UECM模型分別估計(jì)長(zhǎng)期均衡和短期波動(dòng)情景的模型參數(shù),兩者表達(dá)式[15]如下:

2 結(jié)果與討論

2.1 地表水體動(dòng)態(tài)

近30a來(lái),整個(gè)大灣區(qū)地表水體范圍呈現(xiàn)出先上升后下降的趨勢(shì)(圖3).1990～2000年三角洲地區(qū)新增水體面積840.55km2,以養(yǎng)殖坑塘水面和灌溉水面擴(kuò)張為主,分布于珠江三角洲邊緣城市,集中在佛山、惠州、中山等區(qū)域(圖4a～b);2000～2005年則出現(xiàn)了郊區(qū)坑塘、水田擴(kuò)張與市區(qū)坑塘萎縮并存的特征,廣州、佛山、東莞中心城區(qū)小型水體開(kāi)始消失(圖4c);2005～2015年郊區(qū)坑塘保持小幅度上升,但市區(qū)和濱岸帶小型湖泊、河涌等水體萎縮劇烈,僅2010～2015年間的水體萎縮就達(dá)到393.28km2,水體總面積快速下降(圖4d～e);2015～2020年受《中華人民共和國(guó)防洪法》、《中華人民共和國(guó)水法》及《廣東省河口灘涂管理?xiàng)l例》的頒布,城市水體與海岸線占補(bǔ)制度逐步建立,養(yǎng)殖坑塘、岸線水體占用速度下降,隨著“河湖長(zhǎng)制”以及“南粵河更美”專項(xiàng)行動(dòng)的落實(shí),水生態(tài)功能區(qū)水體得到保護(hù),水體空間格局趨于穩(wěn)定,城市水體主干網(wǎng)絡(luò)基本成型(圖4f).

圖3 1990～2020年大灣區(qū)城市地表水體時(shí)序變化

圖4 1990～2020年大灣區(qū)水體空間動(dòng)態(tài)(5a間隔)

從大灣區(qū)城市地表水體轉(zhuǎn)化特征(表2和圖5)可以看出,地表水體時(shí)空動(dòng)態(tài)變化取決于耕地、不透水面對(duì)水體的擠占.1990～2020年期間,水體轉(zhuǎn)化成不透水面累計(jì)面積1720.60km2,水體轉(zhuǎn)化耕地總面積2272.18km2,兩者占?xì)v年水體擠占水體總面積的82.11%,而非水體轉(zhuǎn)化成水體的總面積僅648.77km2.除深圳外,其余城市地表水體轉(zhuǎn)化路徑基本一致(圖5).深圳地表水體面積整體呈持續(xù)下降趨勢(shì),但2015～2020年間出現(xiàn)小幅度上升特征,各類水體累計(jì)轉(zhuǎn)化成建設(shè)用地55.34km2和35.77km2,其轉(zhuǎn)化規(guī)模在2000～2005年期間達(dá)到最大值.各城市水體轉(zhuǎn)化成耕地的時(shí)段集中于1990～2010年,轉(zhuǎn)化成不透水面的時(shí)段集中于1995～2010年,其余時(shí)段三者轉(zhuǎn)化關(guān)系較弱, 2010～2020年間僅珠海地表水體向不透水面的轉(zhuǎn)化速度達(dá)到最大值,其轉(zhuǎn)化速度達(dá)到7.9km2/a,高于1995～2010年的轉(zhuǎn)化速度.整體而言,1990～2010年地表水體擴(kuò)張的原因在于耕地轉(zhuǎn)化為養(yǎng)殖坑塘、不透水面,2010～2020年地表水體萎縮主要在于坑塘細(xì)小水體轉(zhuǎn)化成耕地,且水體與非水體轉(zhuǎn)化趨勢(shì)與地表水體變化特征基本一致(圖3和圖5),說(shuō)明城市地表水體的萎縮與擴(kuò)張是水體與人工覆被(耕地、不透水面)的結(jié)果.

表2 1990～2020年大灣區(qū)水體與非水體轉(zhuǎn)移矩陣

注:逐5a統(tǒng)計(jì).

圖5 1990～2020年大灣區(qū)城市地表水體的轉(zhuǎn)化過(guò)程

2.2 地表水體EKC特征

盡管AIC、BIC、-stats、值等多個(gè)評(píng)價(jià)指標(biāo)可用于模型選擇,但當(dāng)次數(shù)升高,而各指標(biāo)提升較小或不顯著時(shí),則可采用低次項(xiàng)模型反映關(guān)系趨勢(shì)[6-7,30].通過(guò)二次與三次EKC模型的2和AIC值對(duì)比可知(圖7),三次模型能有效識(shí)別城市地表水面率與單位面積GDP的EKC形狀和轉(zhuǎn)折點(diǎn).大灣區(qū)除深圳、東莞、佛山(圖6a, d, e)的EKC形狀為持續(xù)下降趨勢(shì)外(二次曲線),其余城市EKC形狀均為N型,即兩者關(guān)系呈現(xiàn)出“快速上升—快速下降—平緩回升”的特征.東莞、佛山的地表水面率分別在單位面積GDP為0.40′108和0.30′108元/km2處達(dá)到最大值,出現(xiàn)了小幅度上升到快速下降的轉(zhuǎn)折點(diǎn),隨后在2.62′108和3.58′108元/km2時(shí)趨于平緩,但深圳卻出現(xiàn)小幅度回升(2016～2020年),其可能原因是生態(tài)修復(fù)和水庫(kù)擴(kuò)容工程導(dǎo)致水體面積增加[4,9],具體原因有待進(jìn)一步分析.

由N型城市的EKC拐點(diǎn)(圖7)可知,EKC可劃分為快速上升(I)、快速下降(II)和平緩回升(III)3個(gè)階段.結(jié)合圖7可知,階段I EKC曲線上升的原因在于20世紀(jì)90年代勞動(dòng)密集型產(chǎn)業(yè)吸收大量勞動(dòng)力,居民生活水平提升促使?jié)O類產(chǎn)品需求增加,大量養(yǎng)殖坑塘水體面積提升[9];階段II出現(xiàn)第一個(gè)拐點(diǎn)原因?yàn)槌鞘叙B(yǎng)殖坑塘等小型水體逐漸被高經(jīng)濟(jì)密度的不透水面代替[13],主要包括工商業(yè)用地和基礎(chǔ)設(shè)施的擴(kuò)張;階段III的第二個(gè)拐點(diǎn)表明城市EKC在經(jīng)濟(jì)水平提升后普遍出現(xiàn)平緩上升趨勢(shì),因?yàn)榘l(fā)達(dá)經(jīng)濟(jì)社會(huì)背景下,地表濕地水體生態(tài)服務(wù)功能得到重視,生態(tài)紅線、公園綠地、自然保護(hù)區(qū)有效保護(hù)城市水體.但是,由于階段III歷時(shí)短,不確定性大,未來(lái)變化趨勢(shì)是否會(huì)變還需深入分析.綜上所述,因經(jīng)濟(jì)水平差異,不同城市的EKC拐點(diǎn)無(wú)明顯經(jīng)濟(jì)閾值,但出現(xiàn)的時(shí)間在2000年和2016左右,表明政策措施導(dǎo)向可能是影響EKC趨勢(shì)的重要因素.由此說(shuō)明,不同城市的經(jīng)濟(jì)社會(huì)發(fā)展水平空間差異,導(dǎo)致城市EKC拐點(diǎn)無(wú)閾值的一致性,但有時(shí)間相似性,水體“占補(bǔ)平衡、增減掛鉤”等制度成為水體范圍保持的關(guān)鍵[16].

圖6 1990～2020年大灣區(qū)城市水體EKC特征

實(shí)線、虛線分別為二次、三次模型,其陰影部分為95%置信區(qū)間

2.3 地表水體驅(qū)動(dòng)要素分析

為辨析經(jīng)濟(jì)社會(huì)要素對(duì)地表水體的驅(qū)動(dòng)關(guān)系,本文利用DARDL-UECM模型分析長(zhǎng)期協(xié)調(diào)與短期波動(dòng)情景下的因素差異.從長(zhǎng)期均衡(同期變量)與短期波動(dòng)(同期變量和滯后項(xiàng))情景的模擬結(jié)果可知,DARDL-UECM模型有效的模擬出不同城市的因變量變化(取對(duì)數(shù)后),說(shuō)明7個(gè)經(jīng)濟(jì)社會(huì)要素有效表征出地表水面率變化過(guò)程.以短期模型模擬結(jié)果(圖7)為例,各城市地表水面率在優(yōu)選滯后項(xiàng)和差分項(xiàng)條件下模擬精度較高.大灣區(qū)模型擬合2均大于0.724,-value小于0.000,其中廣州、肇慶的2甚至達(dá)到0.9以上,表明綜合考慮長(zhǎng)期與短期的動(dòng)態(tài)參數(shù)模擬有助于保證模擬的整體精度[30],但對(duì)于變化劇烈的年份,其模擬精度還有待于進(jìn)一步提升.

圖7 大灣區(qū)地表水面率短期波動(dòng)模擬

實(shí)線為實(shí)際值,虛線為模擬值

為區(qū)分各經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素的重要性,本文利用彈性系數(shù)法[2]得到短期波動(dòng)與長(zhǎng)期均衡情景下的相對(duì)貢獻(xiàn)率(無(wú)量綱),其值越趨向于0,代表自變量對(duì)因變量的貢獻(xiàn)率越低,反之,則越高.從圖8可知,短期波動(dòng)和長(zhǎng)期均衡情景下,不透水面、林地和耕地面積比重均為城市地表水體的主要驅(qū)動(dòng)要素,三者累計(jì)貢獻(xiàn)率均值為0.96和0.93,共同決定了地表水體的擴(kuò)張或萎縮[8],尤其是建設(shè)用地大幅擴(kuò)展的深圳、惠州和中山,其不透水面比重的貢獻(xiàn)率分別為0.46、0.44和0.42,說(shuō)明兩個(gè)城市不透水面建設(shè)對(duì)地表水體的干預(yù)程度最強(qiáng),其余城市的貢獻(xiàn)率均不足0.4.另外,林地和耕地在廣州、佛山、珠海等區(qū)域占用重要作用,兩者累計(jì)貢獻(xiàn)率達(dá)到0.6以上.其余要素貢獻(xiàn)率低可能原因?yàn)槿丝?、GDP、產(chǎn)業(yè)對(duì)地表水體起間接作用,經(jīng)濟(jì)發(fā)展通過(guò)建設(shè)用地、耕地的轉(zhuǎn)化實(shí)現(xiàn)對(duì)地表水體范圍的影響[3,8],其中介效益需在未來(lái)研究中進(jìn)一步分析.

各要素在長(zhǎng)期均衡與短期波動(dòng)情景下的貢獻(xiàn)率相似,但長(zhǎng)、短期貢獻(xiàn)率結(jié)構(gòu)存在一定差異.由圖8可知,長(zhǎng)期均衡情景下,深圳、肇慶的不透水面面積比重為主導(dǎo)因素,江門以耕地和林地面積比重為主,中山以林地面積比重和第三產(chǎn)業(yè)比重為主,廣州、佛山、東莞、惠州、珠海的不透水面、耕地和林地面積比重貢獻(xiàn)率基本一致,其余要素貢獻(xiàn)率較低(<0.2).上述說(shuō)明,人工土地覆被(建設(shè)用地、耕地)對(duì)水體的占用方式主要有兩種:一是建成區(qū)的林地(人工林)和坑塘與耕地對(duì)小型水體的擠占;二是建設(shè)用地對(duì)坑塘水體的直接占用(圖5).因此,未來(lái)控制人工土地覆被對(duì)水體的擠占作用,依然是避免地表水體消失最重要的方式.其次,應(yīng)當(dāng)從占補(bǔ)平衡的角度管控地表水體面積.最后,控制人口規(guī)模和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)可輔助于地表水體保護(hù).

圖8 經(jīng)濟(jì)社會(huì)要素對(duì)地表水面率的貢獻(xiàn)率

3 結(jié)論

3,1 近30a大灣區(qū)城市地表水體總體上呈“先升后降”的非線性特征,1990～2000年地表水體總面積增長(zhǎng)了1323.14km2,2000年以后水體呈波動(dòng)下降,尤其是2012～2020年水體急速下降,年均水體面積萎縮143.52km2.相比于其他非水體覆被類型,以水體與耕地、不透水面之間相互轉(zhuǎn)化路徑?jīng)Q定了地表水體動(dòng)態(tài).

3.2 粵港澳大灣區(qū)地表水面率與單位面積GDP的EKC總體呈“快速上升—快速下降—平緩回升”的N型特征,尤其是東莞、佛山,兩者由升到降的轉(zhuǎn)折點(diǎn)分別為0.40′108元/km2和0.30′108元/km2,但由降到升的轉(zhuǎn)折點(diǎn)分別為2.62′108元/km2和3.58′108元 /km2,體現(xiàn)出人為覆被對(duì)水體擠占與生態(tài)修復(fù)和水庫(kù)擴(kuò)容工程對(duì)水體的擴(kuò)張兩種階段,其具體原因有待進(jìn)一步分析.

3.2 DARDL-UECM模型模擬結(jié)果表明,該模型明確了模擬結(jié)果的準(zhǔn)確性(2>0.7,<0.000)和各因子的貢獻(xiàn)率,無(wú)論短期波動(dòng)階段還是長(zhǎng)期均衡階段,不透水面、林地和耕地面積比重均為城市地表水體的主要驅(qū)動(dòng)要素,三者累計(jì)貢獻(xiàn)率均值為0.96和0.93,但不同城市的要素貢獻(xiàn)率結(jié)構(gòu)存在差異.為緩和未來(lái)城市發(fā)展與水體保護(hù)的矛盾,各城市應(yīng)當(dāng)重點(diǎn)控制人為土地覆被對(duì)水體的擠占作用,從占補(bǔ)平衡的角度管控地表水面率與經(jīng)濟(jì)社會(huì)的EKC關(guān)系.

[1] 劉年磊,蔣洪強(qiáng),吳文俊.基于不確定性的水資源優(yōu)化配置模型及其實(shí)證研究 [J]. 中國(guó)環(huán)境科學(xué), 2014,34(6):1607-1613.

Liu N L, Jiang H Q, Wu W J. Empirical research of optimal allocation model of water resources under uncertainties [J]. China Environmental Science, 2014,34(6):1607-1613.

[2] 李崇巍,王志慧,湯秋鴻,等.1986～2019年黃河流域地表水體動(dòng)態(tài)變化及其影響因素[J]. 地理學(xué)報(bào), 2022,77(5):1153-1168.

Li C W, Wang Z H, Tang Q H, et al. Dynamics of surface water area in the Yellow River Basin and its influencing mechanism during 1986～ 2019 based on Google Earth Engine [J]. Acta Geographica Sinica, 2022,77(5):1153-1168.

[3] 付 穎,徐新良,通拉嘎,等.近百年來(lái)北京市地表水體時(shí)空變化特征及驅(qū)動(dòng)力分析[J]. 資源科學(xué), 2014,36(1):75-83.

Fu Y, Xu X L, Tong L G, et al. Analysis on spatiotemporal variation characteristics and driving forces of surface water bodies in Beijing in recent 100years [J]. Resource Science, 2014,36(1):75-83.

[4] 王海云,匡耀求,文薪薦,等.粵港澳大灣區(qū)生態(tài)網(wǎng)絡(luò)構(gòu)建及廊道優(yōu)化 [J]. 中國(guó)環(huán)境科學(xué), 2022,42(5):2289-2298.

Wang H Y, Kuang Y Q, Wen X J, et al. Ecological network construction and corridor optimization in the Greater Bay Area of Guangdong, Hong Kong and Macao [J]. China Environmental Science, 2022,42(5):2289-2298.

[5] 任南琪,張建云,王秀蘅.全域推進(jìn)海綿城市建設(shè),消除城市內(nèi)澇,打造宜居環(huán)境[J]. 環(huán)境科學(xué)學(xué)報(bào), 2020,40(10):3481-3483.

Ren N Q, Zhang J Y, Wang X H. Promoting the sponge city construction widely to eliminate urban waterlogging and create livable environment [J] Journal of Environmental Science, 2020,40(10):3481-3483.

[6] 馮 琳,張婉婷,張鈞珂,等.三峽庫(kù)區(qū)面源污染的時(shí)空特征及EKC分析[J]. 中國(guó)環(huán)境科學(xué), 2022,42(7):3325-3333.

Feng L, Zhang W T, Zhang J K, et al. Spatial and temporal characteristics and EKC analysis of non-point source pollution in the Three Gorges Reservoir Area [J]. China Environmental Science, 2022, 42(7):3325-3333.

[7] Pata U K, Aydin M. Testing the EKC hypothesis for the top six hydropower energy-consuming countries: Evidence from Fourier Bootstrap ARDL procedure [J]. Journal of Cleaner Production, 2020, 264:121699.

[8] 何媛婷,王石英,袁再健,等.珠江三角洲土地利用變化及其對(duì)城市化發(fā)展的響應(yīng)[J]. 生態(tài)環(huán)境學(xué)報(bào), 2020,29(2):303-310.

He Y T, Wang S Y, Yuan Z J, et al. Land use change and its response to urbanization in the Pearl River Delta [J]. Journal of Ecological Environment, 2020,29(2):303-310.

[9] 程子浩,劉先鋒,林港特,等.近40年粵港澳大灣區(qū)?；~塘演變監(jiān)測(cè)和分析[J]. 濕地科學(xué)與管理, 2021,17(3):29-35.

Cheng Z H, Liu X F, Lin G T, et al. Changes in fish ponds in the Guangdong-Hong Kong-Macao Greater Bay Area over the past 40 years [J]. Wetland science and management, 2021,17(3):29-35.

[10] Huang W J, Duan W L, Nover D, et al. An integrated assessment of surface water dynamics in the Irtysh River Basin during 1990～2019 and exploratory factor analyses [J]. Journal of Hydrology, 2021,593.

[11] Grossman G M, Krueger A B. Economic growth and the environment [J]. The quarterly journal of economics, 1995,110(2):353-377.

[12] 孫博文,程志強(qiáng).市場(chǎng)一體化的工業(yè)污染排放機(jī)制:長(zhǎng)江經(jīng)濟(jì)帶例證[J]. 中國(guó)環(huán)境科學(xué), 2019,39(2):868-878.

Sun B W, Cheng Z Q. Research on industrial pollution discharge mechanism of market integration: Taking the Yangtze River Economic Belt as an example [J]. China Environmental Science, 2019,39(2):868-878.

[13] 袁凱華,甘臣林,楊慧琳,等.建設(shè)用地?cái)U(kuò)張與碳排放增長(zhǎng)的EKC驗(yàn)證及特征分解研究——以武漢市為例[J]. 中國(guó)土地科學(xué), 2019,33(1):56-64.

Yuan K H, Gan C L, Yang H L, et al. Validation of the EKC and characteristics decomposition between construction land expansion and carbon emission: A case study of Wuhan City [J]. China Land Science, 2019,33(1):56-64.

[14] 陳操操,張 妍,劉春蘭,等.北京市能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)關(guān)系的協(xié)整檢驗(yàn)分析[J]. 環(huán)境科學(xué), 2012,33(6):2139-2144.

Chen C C, Zhang Y, Liu C L, et al. Energy consumption and GDP growth in Beijing: Cointegration and causality analysis [J] Environmental Science, 2012,33(6):2139-2144.

[15] Sarkodie S A. How to apply the novel dynamic ARDL simulations (dynardl) and Kernel-based regularized least squares (krls) [J]. method X, 2020:11.

[16] 粵港澳大灣區(qū)城市群年鑒編纂委員會(huì).粵港澳大灣區(qū)城市年鑒[M]. 北京:方志出版社, 2020.

Compilation Committee of the Yearbook of Guangdong-Hong Kong- Macao Greater Bay urban agglomeration. Yearbook of Guangdong- Hong Kong-Macao Greater Bay [M]. Beijing: Local chronicles press, 2019.

[17] 馮凱東,毛德華,王宗明,等.基于GEE和遙感大數(shù)據(jù)的1986—2015年全球城鎮(zhèn)用地?cái)U(kuò)張占用水體時(shí)空特征[J]. 地理科學(xué), 2022,42(1): 143-151.

Feng K D, Mao D H, Wang Z M, et al. Spatial and temporal characteristics of water bodies occupied by global urban land expansion from 1986 to 2015 based on Gee and remote sensing big data [J]. Science GeographicaSinica, 2022,42(1):143-151.

[18] Yang J, Huang X. 30m annual land cover and its dynamics in China from 1990 to 2019 [J]. Earth Syst. Sci. Data Discuss., 2021[2022-02-08].

[19] 魯曉東,許羅丹,熊 瑩.水資源環(huán)境與經(jīng)濟(jì)增長(zhǎng):EKC假說(shuō)在中國(guó)八大流域的表現(xiàn)[J]. 經(jīng)濟(jì)管理, 2016,38(1):20-29.

Lu X D, Xu L D, Xiong Y. Water resources environment and economic growth: Performance of EKC hypothesis in China's eight major basins [J] Economic Management, 2016,38(1):20-29.

[20] 郭嘉銘,金 良,董鎖成.呼和浩特市環(huán)境庫(kù)茲涅茨曲線與環(huán)境影響因素分析[J]. 干旱區(qū)資源與環(huán)境, 2015,29(4):143-148.

Guo J M, Jin L, Dong S C. The environmental Kuznets curve and the environmental influencing factors in Hohhot [J]. Resources and Environment in Arid Areas, 2015,29(4):143-148.

[21] Zhou C, Wang S, Wang J. Examining the influences of urbanization on carbon dioxide emissions in the Yangtze River Delta, China: Kuznets curve relationship [J]. Science of The Total Environment, 2019,675: 472-482.

[22] Mcfeeters. S. K. The use of the normalized difference water index (NDWI) in the delineation of open water features [J]. International Journal of Remote Sensing, 1996,17(7):1425-1432.

[23] 徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J]. 遙感學(xué)報(bào), 2005,9(5):79-85.

Xu H Q. Research on extracting water information using improved normalized difference water index (MNDWI) [J]. Journal of remote sensing, 2005,9(5):79-85.

[24] Steve F, Pat L. S, Song G, et al. Cloud detection algorithm comparison and validation for operational Landsat data products [J]. Remote sensing of environment, 2017,194:379-390.

[25] Wang X, Xiao X, Zou Z, et al. Gainers and losers of surface and terrestrial water resources in China during 1989-2016 [J]. Nat Commun, 2020,11(1):3471.

[26] Kaika D, Zervas E. The Environmental Kuznets Curve (EKC) theory—Part A: Concept, causes and the CO2emissions case [J]. Energy Policy, 2013, 62: 1392-1402.

[27] 樊勝岳,麻亮亮.中國(guó)大陸足跡家族的環(huán)境庫(kù)茲涅茨曲線分析[J]. 自然資源學(xué)報(bào), 2016,31(9):1452-1462.

Fan S Y, Ma L H. Environmental Kuznets curve analysis of footprint family in Chinese Mainland [J]. Journal of Natural Resources, 2016, 31(9):1452-1462.

[28] 王 芳,曹一鳴,陳 碩.反思環(huán)境庫(kù)茲涅茨曲線假說(shuō)[J]. 經(jīng)濟(jì)學(xué)(季刊), 2020,19(1):81-100.

Wang F, Cao Y M, Chen S. Reflection on the environmental kuznets curve hypothesis [J] Economics (Quarterly), 2020,19(1):81-100.

[29] 徐建偉,傅澤強(qiáng),謝園園,等.基于EKC假說(shuō)的經(jīng)濟(jì)增長(zhǎng)與資源和環(huán)境協(xié)調(diào)性分析——以鐵嶺市為例[J]. 環(huán)境工程技術(shù)學(xué)報(bào), 2016,6(3): 290-294.

XU J W, FU Z Q, XIE Y Y, et al. Coordination analysis on economic growth and resources and environment based on EKC: a case study on Tieling City [J]. Journal of Environmental Engineering Technology, 2016,6(3):290-294.

[30] 張茹倩,李鵬輝,徐麗萍.城鎮(zhèn)化對(duì)新疆土地利用碳排放的影響及其耦合關(guān)系[J]. 生態(tài)學(xué)報(bào), 2022,42(13):5226-5242.

Zhang R Q, Li P H, Xu L P. Effects of urbanization on carbon emission from land use in Xinjiang and their coupling relationship. Acta Ecologica Sinica, 2022,42(13):5226-5242.

Socio-economic drivers of surface water bodies in the Guangdong-Hong Kong-Macao Greater Bay Area.

YANG Zhen-hua1, ZHAO Tong-tie-gang2*, TIAN Yu3, YANG Fang4, ZHENG Yan-hui5, CHEN Xiao-hong2

(1.Eco-Environmental Monitoring and Scientific Research Center, Bureau of Eco-Environmental Supervision of the South China Sea Waters of the Pearl River Basin, Ministry of Ecology and Environment, Guangzhou 510610, China；2.Water Resources and Environment Research Center, Sun Yat-sen University, Guangzhou 510275, China；3.Water Resources Research Institute, Chinese Academy of Water Resources and Hydropower, Beijing 100038, China；4.Pearl River Hydraulic Research Institute, Guangzhou 520611, China；5.School of Environment, South University of Science and Technology, Shenzhen 518055, China)., 2023,43(12)：6778～6787

Focusing on the Great Bay Area of Guangdong-Hong Kong-Macao (GBA), the Environmental Kuznets Curve (EKC) of surface water and its socio-economic drivers were identified in the paper.Specifically, the Landsat images were utilized to extract the long-term sequence of surface water dynamics, the EKC was obtained through land use/cover change analysis and the driving factors of long-term equilibrium and short-term fluctuation were illustrated. The results shown that the urban surface water bodies in the GBA generally showed a nonlinear characteristic of first rise and then fall, and depended on the transformation characteristics between water bodies and cropland and impervious surfaces in the past 30a, with the surface water body area increasing by 1323.14km2from 1990 to 2000, and then fluctuating and decreasing from 2000 onwards; the EKC of the surface water rate and GDP per unit area generally showed a N-type characteristics of rapid decline and gentle rebound reflect the loss/gain of water bodies by anthropogenic cover and ecological restoration/reservoir expansion projects; the DARDL-UECM model clarifies the accuracy of the simulation results (2>0.7,<0.000) and the contribution of factors. Regardless of the short-term fluctuation stage or long-term equilibrium stage, ratios of impervious surface, forested land and cropland area share are the main driving factors for urban surface water bodies, and the mean values of the cumulative contributions of the three factors are 0.96 and 0.93.

Guangdong-Hong Kong-Macao Greater Bay Area；surface water body；Environmental Kuznets Curve；land use/cover change；socio-economic drivers

X196

A

1000-6923(2023)12-6778-10

楊振華,趙銅鐵鋼,田 雨,等.粵港澳大灣區(qū)地表水體經(jīng)濟(jì)社會(huì)驅(qū)動(dòng)要素研究 [J]. 中國(guó)環(huán)境科學(xué), 2023,43(12):6778-6787.

Yang Z H, Zhao T T G, Tian Y, et al. Study on Socio-economic Drivers of Surface Water Bodies in the Guangdong-Hong Kong-Macao Greater Bay Area [J]. China Enviornmental Science, 2023,43(12):6778-6787.

楊振華(1991-),男,江西贛州人,博士.主要從事遙感水文和水環(huán)境調(diào)查評(píng)價(jià)研究.發(fā)表論文10余篇.yangzhh63@mail2.sysu.edu.cn.