贛江上游流域景觀生態(tài)風險的時空分異
——從生產(chǎn)-生活-生態(tài)空間的視角

趙 越,羅志軍,*,李雅婷,郭佳瀅,賴夏華,宋 聚

1 江西農(nóng)業(yè)大學國土資源與環(huán)境學院,南昌 330045 2 西北大學城市與環(huán)境學院,西安 710127 3 北京師范大學環(huán)境學院,北京 100875

生態(tài)風險評價是基于一種或者多種外界因素導致的可能會發(fā)生的或者正在發(fā)生的對生態(tài)環(huán)境產(chǎn)生不良影響的評價方法,其重點為評價人類活動在生態(tài)環(huán)境中產(chǎn)生的不良影響[1]。景觀格局表示景觀組分的空間分布特點與組合規(guī)律,體現(xiàn)著景觀的異質(zhì)性與各類生態(tài)過程在不同尺度上的作用結(jié)果[2],通過研究景觀格局的變化及演替規(guī)律可獲知地區(qū)生態(tài)空間結(jié)構(gòu)的變化特點,可用于對地區(qū)潛在的生態(tài)風險的綜合評估[3- 4]。土地利用/覆被變化是全球環(huán)境變化的重要組成部分,在人類活動占優(yōu)的景觀內(nèi),土地利用的方式和強度的變化對生態(tài)產(chǎn)生區(qū)域性和累積性影響,并且較為直觀的反應在生態(tài)系統(tǒng)的組織和結(jié)構(gòu)上,可以根據(jù)土地類型結(jié)構(gòu)進行區(qū)域生態(tài)風險評價,以綜合評估各生態(tài)影響的類型和程度[5- 6]。中共十八大報告中明確指出國土生態(tài)-生產(chǎn)-生活空間的發(fā)展目標：“生產(chǎn)空間集約高效、生活空間宜居適度、生態(tài)空間山清水秀”。這一空間劃分方法與國內(nèi)外認可的生態(tài)-生產(chǎn)-生活“三支柱”理念不謀而合[7]。但當前對于三生空間的研究探討還處于初步階段,基于“三生”與土地利用主導功能的視角將三生空間理念與區(qū)域生態(tài)風險進行結(jié)合的研究較為缺乏。

流域生態(tài)風險評價與其他區(qū)域生態(tài)風險相比具有獨特的流域特征[8],在現(xiàn)有研究中主要采用景觀分析法對流域生態(tài)風險進行分析[9]。如許妍等[10]根據(jù)危險度、脆弱度、損失度3個層次構(gòu)建流域生態(tài)風險評價模型對太湖流域生態(tài)風險進行評價;Paukert等[11]將土地利用與景觀結(jié)構(gòu)進行結(jié)合,利用生態(tài)威脅指數(shù)對科羅拉多河流域的生態(tài)風險狀況進行評估;謝小平等[12]根據(jù)景觀脆弱度、景觀結(jié)構(gòu)指數(shù)與景觀組分面積構(gòu)建生態(tài)風險評價體系對太湖流域生態(tài)風險進行評價。以上研究成果對國內(nèi)外流域生態(tài)規(guī)劃、景觀結(jié)構(gòu)調(diào)整與優(yōu)化、社會經(jīng)濟可持續(xù)發(fā)展等提供了理論依據(jù)。本文采用由景觀干擾度及景觀類型脆弱度指數(shù)共同構(gòu)建的景觀生態(tài)風險指數(shù),并將“三生空間”的理念納入生態(tài)風險評價過程對流域生態(tài)風險的時空分布特征及空間關(guān)聯(lián)特征進行評估,通過空間自相關(guān)和半方差方法的研究生態(tài)風險的時空分布。以期為贛江上游流域土地資源的合理配置與高效利用提供理論依據(jù)和參考。

1 研究區(qū)域概況

贛江上游流域位于江西省南部(113°54′—116°38′E, 24°29′—27°09′N),處于中國東南沿海向中部內(nèi)陸延伸的過渡地帶,也是內(nèi)地通向東南沿海的重要通道之一(圖1)。流域均位于贛州市境內(nèi),總面積約為35699 km2,占贛州市全域面積的90.65%,由章貢區(qū)、安遠縣等16個區(qū)縣構(gòu)成。贛江上游地形復雜多樣,山地、丘陵廣布,地勢起伏較大。屬亞熱帶氣候區(qū),降水充沛,熱量豐富,年平均降水為1573 mm,年平均氣溫為18.9 ℃,成土母巖主要為第四季紅色黏土、花崗巖等。土壤以紅壤為主、還有黃壤和紫色土等土類分布。由于近年來人地矛盾突出,各類開發(fā)建設項目增多,人類活動范圍擴大,導致水土流失等一系列生態(tài)環(huán)境問題。

圖1 研究區(qū)范圍Fig.1 Study area

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源及處理

1995年、2005年和2015年數(shù)據(jù)均采用監(jiān)督分類與人工目視解譯相結(jié)合的方法對不同時期遙感影像數(shù)據(jù)進行解譯,采用隨機采樣的方式,將采樣隨機點分別與其實際類型進行比對,得出解譯精度結(jié)果,各期影像總體精度均大于83%,滿足本研究需要[13]。地形等相關(guān)因子由分辨率為30 m×30 m的規(guī)則格網(wǎng)數(shù)字高程模型(DEM)提取。根據(jù)土地利用現(xiàn)狀分類標準(GB/T21010—2007),并結(jié)合研究區(qū)土地利用的特點,將土地利用分類系統(tǒng)分為6個一級土地利用類型,分別為耕地、林地、草地、水域、建設用地及未利用地等,和25個二級土地利用類型。土地利用功能可根據(jù)各自特點,結(jié)合土地利用類型劃分為農(nóng)業(yè)生產(chǎn)空間、城鄉(xiāng)生活空間、林地生態(tài)空間、牧草生態(tài)空間、水域生態(tài)空間、其他生態(tài)空間六大類[14],如表1所示。

表1 土地利用主導功能分類

2.2 生態(tài)風險評價模型構(gòu)建

景觀生態(tài)風險指數(shù)構(gòu)建取決于區(qū)域生態(tài)系統(tǒng)受到外部干擾的強弱和內(nèi)部抵抗力的大小。不同的景觀類型在維持區(qū)域生態(tài)穩(wěn)定、維護生物多樣性、促進景觀格局自然演化方面的作用往往有所差異[15]。景觀格局指數(shù)將景觀格局信息進行了高度的濃縮,用于表現(xiàn)其結(jié)構(gòu)組成和空間配置某些方面特征的簡單定量指標。結(jié)合前人研究成果[16],根據(jù)生態(tài)系統(tǒng)的景觀格局與生態(tài)風險之間的聯(lián)系,利用景觀結(jié)構(gòu)指數(shù)、景觀脆弱指數(shù)建立生態(tài)風險指數(shù)的計算模型(表2)。基于網(wǎng)格采樣法,將研究區(qū)土地利用景觀格局進行5 km×5 km的網(wǎng)格劃分,得到采樣區(qū)1542個,并在此基礎上通過計算每個樣區(qū)的生態(tài)風險,以此作為每個樣區(qū)中心點的土地利用生態(tài)風險值。

表2 景觀格局指數(shù)構(gòu)建方法

2.3 空間自相關(guān)分析方法

本研究采用GeoDa 5.1i軟件進行生態(tài)風險指數(shù)空間自相關(guān)分析,通過空間權(quán)重計算與Moran′s I指數(shù)計算,以得出研究區(qū)生態(tài)風險的空間自相關(guān)性。空間自相關(guān)分析用來檢驗某些空間變量在特定位置的屬性值是否與鄰近位置的屬性值顯著相關(guān)的算法,可以分為全局空間自相關(guān)與局部空間自相關(guān)[23],全局空間自相關(guān)用來研究變量屬性的空間相關(guān)性與規(guī)律性,而局部空間自相關(guān)更能展示生態(tài)風險的空間聚集,可以通過圖形的形式展現(xiàn)生態(tài)風險的空間聚集情況,通過空間關(guān)聯(lián)局域指標(LISA)分析生態(tài)風險空間格局,可分為高-高聚集、高-低聚集、低-低聚集、低-高聚集[24],全局自相關(guān)(式1)與局部自相關(guān)(式2)分別表示為：

(1)

(2)

式中,xi代表樣本i標準化后的單元標準值;xj代表樣本j標準化后的單元標準值。通過Geoda軟件進行Moran′s值的計算,并采用ArcGIS 10.2軟件進行LISA圖的制作。

2.4 半變異函數(shù)分析方法

地統(tǒng)計學與GIS相關(guān)技術(shù)的結(jié)合在空間分析的領域內(nèi)的使用也越來越廣泛,本文采用GS+7.0軟件進行半變異函數(shù)擬合,并建立擬合模型,反映不同距離觀測值的變化[25],假設采樣點數(shù)據(jù)變量符合二階平穩(wěn)和本征假設,則半變異函數(shù)可以表示為：

(3)

2.5 主成分分析方法

生態(tài)風險演變的機理與其生態(tài)過程較為復雜,土地景觀格局的變化對生態(tài)風險的演變具有重要影響[27]。演變的主要因素包括自然、生活、經(jīng)濟等,常見的土地利用在人文方面的驅(qū)動因素有：人口、經(jīng)濟發(fā)展水平、政治結(jié)構(gòu)等[28]。結(jié)合相關(guān)研究成果[29- 30]與本研究實際需要,從人口、經(jīng)濟、城市方面選取了與生態(tài)風險演變可能存在聯(lián)系的總?cè)丝?X1)、糧食總產(chǎn)量(X2)、第三產(chǎn)業(yè)比重(X3)、第二產(chǎn)業(yè)比重(X4)、人均GDP(X5)、社會固定資產(chǎn)投資(X6)、公路里程(X7)、城鎮(zhèn)化率(X8)8個因子對其進行主成分分析,以獲知對研究區(qū)帶來較大影響的驅(qū)動因素。

3 結(jié)果與分析

3.1 土地利用類型演變

從各地類增減變化來看(表3),城鄉(xiāng)生活空間面積擴張迅速,其面積由1995年354.89 km2增加至2015年的546.26 km2,面積增加191.37 km2,增幅達到53.92%。農(nóng)業(yè)生產(chǎn)空間面積減少,凈減少面積為121.76 km2,減少1.89%。牧草生態(tài)空間、林地生態(tài)空間面積逐漸較少,分別減少42.92、49.22 km2,占比分別為2.00%與0.19%,水域生態(tài)空間面積有小幅度的增加,由1995年的352.62 km2增加至2015年的375.42 km2,增加6.47%。其他生態(tài)空間面積較小,僅于1995年至2005年期間減少0.27 km2,減少10.93%,于2005年至2015年期間無變化。從轉(zhuǎn)移類型來看(表4),城鄉(xiāng)生活空間主要由農(nóng)業(yè)生產(chǎn)空間、林地生態(tài)空間轉(zhuǎn)入;水域生態(tài)空間主要由農(nóng)業(yè)生產(chǎn)空間轉(zhuǎn)入;林地生態(tài)空間中減少面積主要轉(zhuǎn)為農(nóng)業(yè)生產(chǎn)空間、城鄉(xiāng)生活空間。

3.2 生態(tài)風險空間分析

空間自相關(guān)分析常常用來檢驗某些空間變量在特定位置的屬性值是否與鄰近位置的屬性值顯著相關(guān),而在此基礎上的局部自相關(guān)研究更能體現(xiàn)生態(tài)風險的聚集特征,本研究以前文所得歷年生態(tài)風險指數(shù)為基礎,運用GeoDa 5.1軟件進行空間局部自相關(guān)分析。莫蘭指數(shù)常能用來研究區(qū)域的整體分布和空間聚集情況,但并不能展現(xiàn)空間上的相互聯(lián)系,故采用局部自相關(guān)LISA分析來探討研究區(qū)生態(tài)風險的相關(guān)程度和研究其是否具有空間聚集性。根據(jù)自相關(guān)分析,得到研究區(qū)1542個樣區(qū)1995年、2005年和2015年的生態(tài)風險局部自相關(guān)LISA結(jié)果(圖2)。

由圖2可知,贛江上游流域生態(tài)風險高的地區(qū)明顯集中于章貢區(qū)、南康區(qū)、信豐縣、興國縣、于都縣等地區(qū)的中心城區(qū)附近,形成高-高聚集,這主要是因為此區(qū)域海拔較低,城鎮(zhèn)化建設速度較快,工業(yè)化水平較高,交通較為便捷,景觀破碎化程度高。生態(tài)風險的低值區(qū)主要聚集于崇義縣、安遠縣、龍南縣等地區(qū),形成低-低聚集,此區(qū)域海拔普遍較高,土地利用類型多為林地生態(tài)空間和牧草生態(tài)空間且分布集中,景觀破碎程度較低。1995—2015年,章貢區(qū)、南康區(qū)、信豐縣、寧都縣等地區(qū)高風險區(qū)分布范圍逐漸擴大,主要是由于城市化進程的加快,城鄉(xiāng)生活空間面積的擴大,景觀分離程度、景觀優(yōu)勢度增大導致的。低風險區(qū)的范圍逐漸縮小,崇義縣、安遠縣、會昌縣等縣市的低風險區(qū)范圍變化最為明顯。主要由于人類活動范圍擴大,對林地生態(tài)空間、農(nóng)業(yè)生產(chǎn)空間等分布區(qū)開發(fā)活動增多,景觀破碎程度提高,造成了低生態(tài)風險區(qū)面積的減少。

表3 1995—2015年贛江上游流域土地利用變化/km2

表4 1995—2015年土地利用轉(zhuǎn)移矩陣/km2

圖2 研究區(qū)生態(tài)風險局部自相關(guān)圖Fig.2 Local autocorrelation map of ecological risk in the research area

通過半變異函數(shù)的擬合來探討土地利用生態(tài)風險的空間變異特征,以更好地研究贛江上游流域的生態(tài)風險的空間屬性。通過對贛江上游流域生態(tài)評價指數(shù)進行半變異函數(shù)模型擬合(表5),結(jié)果表明1995年、2015年生態(tài)風險指數(shù)最適宜模型為高斯模型,其決定系數(shù)(R2)分別為0.982和0.963,2010年生態(tài)風險指數(shù)最適宜模型為指數(shù)模型,其決定系數(shù)(R2)為0.997,擬合效果均較好。塊金值(C0)用來表示隨機部分的空間異質(zhì)性,而3期半變異擬合模型中塊金值均較小,分別為0.0020、0.0016與0.0023,表明在較小的尺度上,某種過程可以忽略。3期模型的基臺值(C+C0)呈現(xiàn)逐年上升的趨勢,1995年、2005年、2015年基臺值分別為0.011、0.012、0.013,表明研究區(qū)生態(tài)風險最大變異程度穩(wěn)中有升。1995年、2005年、2015年C0/(C+C0)分別為18.38%、13.59%、17.74%,表明說明在所選擇的5 km采樣間距以內(nèi),還存在一些小尺度的非結(jié)構(gòu)性因素(如人類活動等)影響著該區(qū)生態(tài)環(huán)境的質(zhì)量,但結(jié)構(gòu)性因素(如地形、土壤等)仍然是該區(qū)生態(tài)風險指數(shù)空間分異的主導因素。

表5 土地利用生態(tài)風險指數(shù)半變異擬合參數(shù)

根據(jù)生態(tài)風險指數(shù)計算結(jié)果,通過密度分割法對其進行標準化處理和生態(tài)風險等級劃分,可將研究區(qū)劃分為5個等級[21,25- 26],分別為：低風險區(qū)(<0.3)、較低風險區(qū)(0.3—0.5)、中風險區(qū)(0.5—0.6)、較高風險區(qū)(0.6—0.7)和高風險區(qū)(>0.7)。以每個采樣范圍的中心點屬性值為基礎,借助ArcGIS 10.2中的地統(tǒng)計功能,進行普通克里格插值,形成4期贛江上游流域的生態(tài)風險空間插值圖。

由圖3、表6可知,高風險區(qū)的分布范圍與前文中高—高聚集區(qū)空間分布具有較高的一致性,主要集中分布于南康區(qū)、信豐縣、于都縣等區(qū)域;低風險區(qū)集中分布于崇義縣、安遠縣等低風險區(qū)。而1995—2015年間贛江上游流域高風險區(qū)、較高風險區(qū)與中風險區(qū)面積逐漸擴大,低風險區(qū)與較低風險區(qū)面積逐漸縮小,表明研究區(qū)生態(tài)風險逐漸提高。

3.3 “三生空間”用地轉(zhuǎn)型對生態(tài)風險的影響

區(qū)域的生態(tài)風險程度往往同時發(fā)生著改善和加劇兩種相反的趨勢,而“三生空間”的發(fā)展變化,影響著區(qū)域的生態(tài)安全格局。由表7可知,研究區(qū)“生態(tài)-生活-生產(chǎn)”空間呈現(xiàn)出顯著的生態(tài)、生活空間向生產(chǎn)空間轉(zhuǎn)移、生態(tài)空間向生產(chǎn)空間轉(zhuǎn)移的趨勢,而其轉(zhuǎn)移過程中必然發(fā)生景觀生態(tài)格局的轉(zhuǎn)變,從而影響引起區(qū)域的生態(tài)風險變化。根據(jù)研究區(qū)實際特點,并在借鑒相關(guān)研究的基礎上[14],采用土地利用轉(zhuǎn)型生態(tài)貢獻率獲知某一土地利用類型變化所引起的區(qū)域生態(tài)風險等級的改變,從各類用地功能轉(zhuǎn)型的類別中選取轉(zhuǎn)型面積較大,轉(zhuǎn)

圖3 贛江上游流域生態(tài)風險等級空間分布圖Fig.3 Spatial distribution map of ecological risk grade in the upper reaches of Ganjiang River Basin

生態(tài)風險等級Ecological risk grade199520052015面積 Area/km2比例 Percent/%面積 Area/km2比例 Percent/%面積 Area/km2比例 Percent/%高風險區(qū)High risk area1806.375.061902.765.332299.026.44較高風險區(qū)Higher risk area3462.809.703398.549.523798.3710.64中風險區(qū)Middle risk area6793.5219.036932.7519.426936.3219.43較低風險區(qū)Lower risk area11605.7432.5111273.7431.5811313.0131.69低風險區(qū)Low risk area12030.5633.7012191.2134.1511353.8531.81

表7 影響生態(tài)風險程度的主要用地轉(zhuǎn)型及貢獻率

型特征明顯的八類,用于研究其指數(shù)變化與貢獻比率。結(jié)果顯示：用地功能的轉(zhuǎn)型普遍造成區(qū)域生態(tài)風險的提高,其中城鄉(xiāng)生活空間轉(zhuǎn)為林地生態(tài)空間導致的生態(tài)風險等級提升的效果最為明顯,林地生態(tài)空間轉(zhuǎn)為城鄉(xiāng)生活空間,導致生態(tài)風險等級降低。林地生態(tài)空間轉(zhuǎn)為農(nóng)業(yè)生產(chǎn)空間、農(nóng)業(yè)生產(chǎn)空間轉(zhuǎn)為林地生態(tài)空間的貢獻比率較高,分別為17.90%與17.59%,土地利用類型的轉(zhuǎn)變導致景觀結(jié)構(gòu)指數(shù)、景觀脆弱指數(shù)發(fā)生變化,使得原有較完整的景觀變得破碎,景觀生態(tài)風險增加,尤其是不規(guī)則的景觀結(jié)構(gòu)變化最容易引起生態(tài)風險等級的提高。結(jié)合前文中半變異分析結(jié)果,結(jié)構(gòu)性因素是引起區(qū)域生態(tài)風險的主導因素,非結(jié)構(gòu)性因素則影響較弱,用地功能的轉(zhuǎn)型均為結(jié)構(gòu)性因素與非結(jié)構(gòu)性因素作用的體現(xiàn)。

3.4 流域土地利用變化驅(qū)動力分析

為了增強數(shù)據(jù)的準確性和科學性,更好的反映生態(tài)風險與各類驅(qū)動因素之間的協(xié)調(diào)性,將指標數(shù)據(jù)經(jīng)過標準化處理后用以主成分分析研究,旋轉(zhuǎn)前后各因子的特征值、貢獻率和累積貢獻率如表8所示：當驅(qū)動因素特征值大于1時表明該因素主成分影響力足夠大,反之則表明其主成分影響力較弱。存在三類因子特征值均大于1,對應的累計貢獻率為84.598,由此可知,這三類因子應為研究區(qū)土地利用變化的主要驅(qū)動力。提取的3個因子代表著8類因子的綜合信息,需要對其進行旋轉(zhuǎn)分析確定其代表因子,使因子載荷值向兩極端趨近,以明確各因子代表的含義。由表9可知,旋轉(zhuǎn)使因子載荷值向兩極端趨近更為明顯,可以用以綜合因子的命名。第一主成分代表總?cè)丝凇⒐防锍獭⒊擎?zhèn)化率、糧食總產(chǎn)量與第一主成分呈最大正相關(guān),表明以上因素是研究區(qū)土地利用類型變化的主要驅(qū)動因素;人均GDP、社會固定資產(chǎn)投資與第二主成分具有較大正相關(guān)關(guān)系;第三產(chǎn)業(yè)比重與第三主成分正相關(guān)作用較強,第二產(chǎn)業(yè)比重負相關(guān)作用較強。上述分析表明,研究區(qū)土地利用類型變化受總?cè)丝凇⒐防锍獭⒊擎?zhèn)化率影響較大,人類活動對土地利用格局的影響力度范圍不斷增強。

表8 驅(qū)動因子主成分特征值與貢獻率

表9 旋轉(zhuǎn)因子載荷矩陣

4 結(jié)論與討論

本文以1995、2005、2015年3期景觀類型數(shù)據(jù),構(gòu)建基于景觀格局與生態(tài)學過程的景觀生態(tài)風險指數(shù),借助半變異分析與自相關(guān)分析方法對流域生態(tài)風險空間變化特征及驅(qū)動因素進行研究,以揭示研究區(qū)生態(tài)風險時空演變特征與規(guī)律,結(jié)果表明：

1995—2015年間通過對贛江上游土地利用類型的統(tǒng)計分析,可知贛江上游地區(qū)土地利用類型中農(nóng)業(yè)生產(chǎn)空間面積逐漸縮小,城鄉(xiāng)生活用地面積逐年增加,農(nóng)業(yè)生產(chǎn)空間分離程度變大,城鄉(xiāng)生活用地分離程度與破碎度減小。表明贛江上游土地利用類型主要由生產(chǎn)空間和生態(tài)空間向城鄉(xiāng)生活空間轉(zhuǎn)化,土地利用程度提高。根據(jù)貢獻率分析結(jié)果顯示用地功能的轉(zhuǎn)型會引起區(qū)域生態(tài)風險的變化,不同的轉(zhuǎn)移類型貢獻率大小不一。通過空間自相關(guān)分析與半變異分析可知,高值-高值(H-H)聚集類型主要分布于章貢區(qū)、南康區(qū)、信豐縣等附近,低值-低值(L-L)型聚類多分布于安遠縣、崇義縣等附近,其高—高聚集區(qū)和低—低聚集區(qū)與高風險區(qū)和低風險區(qū)的分布范圍有較高的一致性。根據(jù)土地利用變化驅(qū)動力分析結(jié)果顯示,人口的增長與社會經(jīng)濟的快速發(fā)展是驅(qū)動著土地利用類型變化的根本因子,總?cè)丝凇⒐防锍獭⒊擎?zhèn)化率因素對土地利用格局的影響力度范圍不斷增強,而土地利用類格局的變化影響著區(qū)域的景觀格局變化,進而影響區(qū)域的生態(tài)風險。需要在未來的發(fā)展中注重對“三生空間”的協(xié)調(diào)和優(yōu)化,科學規(guī)劃,避免土地利用類型和景觀格局的無序發(fā)展。