重慶市生態風險預警等級劃分及演化趨勢模擬

曹佳夢,官冬杰,黃大楠,殷博靈,和秀娟

重慶交通大學建筑與城市規劃學院, 重慶 400074

隨著城市化進程的深入推進,一系列生態環境問題帶來的負面效應不斷顯現,如何評估、管控和預測生態風險變化趨勢成為當前生態風險研究的熱點話題[1—2]。生態風險是指一個種群、生態系統或整個景觀的正常功能受到外界脅迫,從而在目前和未來減小該系統健康、生產力、遺傳結構、經濟價值和美學價值的一種狀況[3]。生態風險評價是從社會、經濟和自然等不同視角將定性化的風險因子轉化為定量的生態災害發生概率的評估過程,綜合考慮不同影響因素對環境造成的負面影響,因而在環境保護中引起廣泛關注[4—5]。

目前,國內外學者對生態風險問題研究主要集中以下幾個方面：(1)風險受體和研究尺度選擇。早期生態風險以單一風險受體為研究對象[6],研究尺度局限于對物種的風險評價[7—8],但生態系統層次結構多樣復雜,風險受體不僅局限于某一圈層,所以后期研究尺度逐漸從物種擴展到流域[9—12]和區域[13—16]尺度；(2)風險源分析。由于生態風險的復雜性,風險源的范圍逐漸多元化[17],部分學者從景觀格局[18]、土地利用[19]、社會經濟[20]等視角出發分析風險來源；(3)生態風險評價方法探索。評價方法由定性評價發展為GIS技術[21]、空間分析法[22]和模糊評價法[23]等定量分析法,使得抽象的生態風險更加數值化和定量化；(4)生態風險預警模擬。未來生態風險警情的可預見性是人為預防生態風險的前提,但深入探究未來風險警情及演化趨勢的研究較少[24],如：藏淑英等從土地利用類型視角建立了大慶市生態風險預警模型[25]；李楊帆等提出了景觀生態風險預警模型,并在景觀生態安全格局調控中進行應用[26]；李振興等建立了城鎮化動態生態風險預警指標數據庫,但缺少社會經濟因素對生態風險的影響分析[27]。

綜上,盡管已有研究在生態風險評估上取得了豐富的成果,但仍有以下三個方面的問題需要進一步探索：(1)缺乏多維度、多風險源、多風險受體的綜合生態風險預警分析。生態風險的風險源和評價終點往往只選擇生態系統的某一層次或過程,不能綜合地反映區域整體生態風險警情；(2)部分研究方法無法同時滿足生態風險影響因素的不確定性和復雜性。區域的生態風險往往受到自然、經濟發展和城市規劃等因素影響,各種影響因子相互轉換、相互聯系；(3)預測未來的生態風險演化趨勢較少。生態風險評價的目的是根據現有的生態風險態勢通過人為調節手段來降低和預防災害風險,但只評價歷史趨勢下的生態風險現狀難以為生態環境的保護及風險調控提供有效參考。

重慶市作為西部大開發的重要戰略支點,處于一帶一路和長江經濟帶的連接點上。城市化進程的推進導致自然生態系統和社會經濟系統失衡,誘發重慶生態風險的加劇,進行生態風險預警等級劃分和演化趨勢分析迫在眉睫。本文以重慶市為研究區域,基于驅動力-壓力-狀態-影響-響應模型,從社會、經濟、自然和景觀多角度選取生態風險預警指標,采用正態云模型對2013—2019年重慶市生態風險指數和時空變化特征分析的基礎上,利用集對分析預測未來生態風險演化趨勢,為重慶市生態風險的管控和城市可持續健康發展以及環境管理提供參考依據和決策支持。

1 研究區概況與數據

1.1 研究區域概況

重慶作為四大直轄市之一,位于東經105°11′—110°11′和北緯28°10′—32°13′之間,是推動共建“一帶一路”國際循環的重要戰略支點。由于其獨特的經濟區位優勢,經濟迅猛發展的同時,城市化進程不斷加快,2013—2019年間,重慶市建成區面積從1395.86km2擴張到1680.52km2,是2013年面積的1.2倍；城鎮人口由2013年的1732.76萬人增加到2019年的2086.99萬人,2019年的城鎮化率高達66.8%,是2013年的1.2倍,城鎮化水平持續提高達到新高度。重慶具有大城市、大農村和大庫區的特殊市情,隨著鄉村的發展和城市化進程的不斷推進,引發了熱島效應增強,人地關系緊張,生態系統穩定性降低等一系列生境問題。重慶地處長江上游,降低生態風險對生態環境的改善和推動長江經濟帶綠色發展有重大意義。

1.2 數據來源與處理

本文以2013—2019年為研究年限,土地利用數據用來計算景觀格局指數和提取耕地面積及建成區面積,由于無法獲取2016年和2019年土地利用數據,且2015年和2020年土地利用數據較2016年和2019年數據變化相差較小,所以用2015年數據替代2016年數據,2020年數據替代2019年數據。2013、2015、2020年3期重慶市土地利用數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn),其空間分辨率為1000m。土地利用類型采用中國科學院土地資源分類系統,數據包括25個二級類型和6個一級類型,本次研究主要對一級分類體系下的6種土地利用類型進行研究。社會經濟數據來源于《重慶市統計年鑒》(2014—2020)、《重慶市環境狀況公報》(2013—2019)和《重慶市水資源統計公報》(2013—2019),部分區縣缺失指標數據通過平滑法進行預測。

2 研究方法

2.1 重慶市生態風險預警指標體系構建

圖1 DPSIR模型結構示意圖Fig.1 A schematic diagram for DPSIR model structure

生態風險具有多風險源、多風險受體等特征,全面綜合的生態風險評估需建立科學完整的指標體系。驅動力-壓力-狀態-影響-響應模型(DPSIR)是將“驅動力”施加的社會環境“壓力”與相應的環境“狀態”的改變和人類生活質量等的“影響”及人類社會通過政策調整做出的“響應”進行有機整合,有效監測因素之間的相互影響和反饋(圖1)[28—29]。遵循科學性、全面性及數據可得性等原則,結合重慶市發展現狀及生態環境變化特征,通過DPSIR模型,以降低生態風險和增進人類福祉為目標,將人地關系與生態系統、政府決策及人類干擾活動有機的融合在一起,綜合確定生態風險預警指標體系(表1)。模型中,驅動力指標是人類對經濟發展和社會文化的需求刺激生態系統變化的原因,故本文選取與經濟和社會文化相關指標代替。經濟和社會文化驅動力對生態風險的壓力主要反映在其與生態環境保護的競爭,如造成的環境污染和能源消耗壓力等。狀態指標是在壓力和驅動力的相互作用下,處于當前生態風險程度時重慶市的狀態表現,包括社會資源狀況、人類生活質量和環境現狀幾個方面。影響指標反映生態風險等級變化下重慶市的生態環境效果,主要體現在自然或人為干擾導致生態系統功能或生物多樣性的變化,景觀格局指數是生態多樣性和人類干擾定量化的表征。響應指標表示為降低生態風險等級,增進人類福祉,對“壓力”和“影響”人類社會做出的決策和調整,如提高城鄉服務能力及災害防范能力、改善產業結構、加強環境建設等[30]。

參考相關文獻的基礎上[31—32],在ArcGIS中使用自然斷點法,將各預警指標值劃分為五個等級,分別為無警、輕警、中警、重警和巨警,如表2所示。

表1 重慶市生態風險預警指標體系

表2 生態風險預警指標標準

2.2 正態云模型

生態風險是自然、社會經濟和政府決策等多因素的綜合體,其演化趨勢、風險程度和影響機制等具有不確定性。故生態風險的評價需要具有處理不確定性因素和克服主觀偏差的能力。正態云模型同時兼顧了數據的模糊性和評價等級的不確定性,可以客觀的分析出各個指標因子的隸屬等級[33—34]。正態云模型的定義由期望(Ex)、熵(En)、超熵(He)來構成,如下：

(1)

假設U為數值表示的定量論域,且X屬于U的子集,T是U的定性概念。若論域A中的元素x對應T中的隸屬度μx滿足μx—N(Ex,En2),則T從U到隸屬度區間在屬于空間中的分布,就定義為云模型。當En′滿足En′—N(En,He2),則該云模型為正態云模型。其具體建模過程如下：

(1)建立生態風險預警指標集合

A={a1,a2,a3,…,a22}

(2)

(2)建立預警指標生態風險等級的隸屬關系

設定生態風險警情的上下限,由于指標在隸屬等級的劃分存在不確定性,由此：

(3)

式中：i為不同預警指標、j為指標i所處的生態風險等級,Exij為指標i所處風險等級的期望,Xij上和Xij下為每個預警指標所處生態風險等級的臨界值。由于指標i的臨界值隸屬于兩種生態風險等級,由此：

(4)

(5)

式中：Enij表示該指標在對應生態風險等級下的熵。

超熵He表示云滴匯集成云層的分散程度,在可視化云圖上呈現為云的厚度。超熵依據可視化云圖的離散程度取值,本文定義He=0.01。根據表2中各預警指標等級,通過式(3)和式(5)確定各指標的期望和熵,計算結果見表3。

表3 生態風險預警指標正態云模型的期望和熵

(3)計算各個指標隸屬度

將表3中的期望、超熵和熵代入Python 2.7編寫的正向云發生器,求取生態風險各指標相應警情等級的隸屬度,見圖2,但受篇幅影響,僅以萬州各生態風險預警指標為例來展示。為提高隸屬度結果的精確性,將循環參數N設置為3000次,取得的平均值為各指標對應下的不同警情下的最終隸屬度。

(6)

式中：Yij表示將指標i計算N次后所處的生態風險等級j的平均隸屬度；yijm表示通過Python 2.7計算m次的指標i在不同生態風險等級下的隸屬度。根據最大隸屬度原則判定該指標對應的生態風險警情。

(4)結合指標權重求取綜合生態風險值

通過每個指標對應下的生態風險等級的隸屬度和與之相應的指標權重相乘求取重慶市各個區縣的綜合生態風險值。

圖2 萬州各生態風險預警指標正態云模型Fig.2 Normal cloud model for each ecological risk warning index in Wanzhou county

2.3 集對分析

生態風險演化趨勢的研究有利于市政部門對風險警情的掌握,對不同預警程度采取不同的措施。然而生態風險的影響因素之間相互作用,增加了預警的復雜性和不確定性。集對分析從辯證思維的角度出發,將多種不確定因素之間的聯系和轉化定量化,在特定的生態風險背景下更為科學地描述了風險演化趨勢。集對分析的核心是為具有不確定性的集合構造集合對,然后分析集對中特定屬性的同一性,差異性和對立性,并用聯系度來描述這一集對的同一性、差異性和對立性的關系[35],其表達式為：

μ2=a+b×i+c×j

(7)

式中,μ2為聯系度,μ2∈[-1,1]；a表示具有相同屬性的程度,即同一度；b為差異度；c為對立度；a、b、c同為正數且滿足a+b+c=1；i為差異度系數且i∈[-1,1]；j為對立度系數；根據具體情境選擇相應的值。具體評價過程如下：

(1)評價等級的確定

根據生態風險的聯系度,所以本文采用均分原則將其劃分為5個等級,無警：[1,0.6]；輕警：[0.6,0.2]；中警：[0.2,-0.2]；重警：[-0.2,-0.6]；巨警：[-0.6,-1]。

(2)指標聯系度的計算

在評價等級劃分的基礎上,為了深入探究重慶市生態風險未來趨勢演化,將聯系度函數更加細化,將式(7)進一步擴展為μ2=a+b1×i1+b2×i2+b3×i3+c×j,并確定單個指標因子的聯系度。對于負向指標,四元聯系度計算公式為：

(8)

對于正向指標,四元聯系度計算公式為：

(9)

式中,b1、b2、b3為差異度分量,a表示屬于a等級的可能性,即a、b1、b2、b3、c分別表示各個區縣屬于無警、輕警、中警、重警和巨警的可能性。Xi表示不同指標,Si1、Si2、Si3、Si4和Si5分別表示該指標下的預警等級標準。

加入指標的權重后,同一、對立和差異性的聯系度變為：

(10)

式中WK為i項指標的權重。

(3)集對勢計算分析

集對勢反映兩個集合的同異反聯系程度。無警與巨警聯系度的比值即為重慶市生態風險的集對勢,其表達式為：

PH=a/c

(11)

集對悲觀勢指從悲觀的角度來分析重慶市未來生態風險的變化趨勢,將所有的差異項即重警、中警和輕警全部轉化為巨警,將轉換后無警與轉化后的所有巨警的比值來研究重慶生態風險的勢態,以最消極的角度進行分析,其表達式為:

PB=a/(b+c)

(12)

集對樂觀勢指從樂觀的角度來分析重慶市未來生態方向的變化趨勢,與悲觀勢相反,將所有重警、中警和輕警全部轉化為無警,將轉換后的無警與巨警的比值來研究重慶生態風險的勢態,以最積極的角度進行分析,其表達式為：

Po=(a+b)/c

(13)

3 結果與分析

3.1 重慶市生態風險預警整體變化分析

圖3 2013—2019年重慶市生態風險預警等級變化圖Fig.3 Change of ecological risk warning level in Chongqing from 2013 to 2019

由圖3可知,重慶市生態風險總體處于重警風險水平,風險等級有先減弱后上升的趨勢,中警、輕警和無警隸屬度都呈現增加趨勢,說明研究期內整體風險等級都有相對減緩趨勢。2013—2016年重慶市整體生態風險等級大幅降低,主要以中警和輕警等級為主,重警風險等級次之,巨警風險等級數量占比最低。巨警和重警風險區數量減少,占比分別從11%、55%降到3%、24%,中警和輕警風險區呈現不斷擴展趨勢,占比分別從15%、11%增加到26%、39%。綜合生態風險值由重警的0.295逐年降低到輕警的0.280,輕警隸屬度值增加了0.053,風險等級由重警演變為輕警。但是在2016—2019年間,重慶市整體生態風險等級有小范圍的惡化,主要以重警等級為主,中警風險等級次之,無警風險區呈增加趨勢。巨警、重警和無警風險區增加,占比分別上升到2019年的8%、31%、11%,中警和輕警風險區下降到24%、26%。輕警和無警隸屬度值分別下降了0.036和0.023,中警及以上風險等級隸屬度逐年增加,生態風險等級面臨整體上升趨勢。綜上,研究期間重慶市生態環境有較大程度的改善,但是部分區縣生態環境的惡化導致2019年整體生態風險等級較2016年有所提高。

3.2 重慶市生態風險預警空間差異化分析

生態風險等級從空間上看呈條帶狀分布,風險值整體空間分異性強,并在局部呈現高-高聚集和低-低聚集現象。2013—2016年,重慶市生態風險等級呈現由中心向邊緣減弱的趨勢,輕警和無警風險區不斷向東南、東北和西部地區擴展,中警風險區聚集分布在西部地區,重警風險區零星分布在東北部,巨警風險區分布在主城區內,重慶市重警風險區顯著下降,生態環境質量改善明顯；2016—2019年,總體呈現重警風險區向南蔓延,風險值逐年擴大趨勢,中警風險區聚集在西北和南部地區,輕警風險等級不斷由中部向西部呈線狀轉移,無警風險等級向重慶主城區和東北部轉移,且分布零散。

(1)渝東北地區

圖4 渝東北生態風險變化程度Fig.4 Degree of ecological risk change in northeast Chongqing

由圖4可知：2013—2019年渝東北地區生態風險等級大幅下降,生態風險演變呈風險程度降低、風險程度不變和風險程度降低后增加三種趨勢。55%的區縣風險程度降低,主要為重警風險等級向輕警和中警風險等級轉移,其中城口甚至由重警轉為無警風險區。27%的區縣風險程度不變,墊江和忠縣一直維持在重警風險等級,應加大力度對其進行風險管控,只有萬州區一直為輕警風險等級。18%的區縣風險程度降低后增加,豐都由2013年的中警下降到2016年的輕警,到2019年陡然上升到重警,應當引起重視。

(2)渝東南地區

由圖5可知：2013—2019年渝東南地區生態風險等級有輕微上升。生態風險演變呈風險程度不變、風險程度降低后增加和風險程度徑直增加三種趨勢。石柱的風險程度不變,在研究期內風險等級一直處于重警風險區的穩定狀態。66%的區縣風險程度先降低后增加,主要為重警風險等級降低到中警后又轉移到重警風險等級,其中酉陽從2013年的巨警風險區下降到2016年的無警風險區,雖然到2019年有輕微惡化上升到輕警風險區,但是總體而言其生態風險管控很好。彭水風險等級由無警上升到巨警,風險程度逐年增加,應加大生態工程建設。

圖5 渝東南生態風險變化程度Fig.5 Degree of ecological risk change in southeast Chongqing

(3)渝西南地區

由圖6可知：渝西南的生態風險變化多樣,風險等級下降明顯。生態風險演變呈風險程度降低、風險程度不變、風險程度先增加后降低、風險程度先降低后增加和風險程度增加五種趨勢。57%的區縣生態風險等級有不同程度的降低,主要為中警向輕警風險等級轉移。10%的區縣生態風險程度維持不變,其中渝中因為人口密度大、人類干擾活動加劇等因素,導致其生態風險等級一直處于巨警狀態。1%的區縣生態風險程度先增加后降低,江北和渝北的生態風險都在輕警和無警風險等級內輕微波動。14%的區縣生態風險程度先降低后增加,合川雖然波動范圍最小,但是綜合生態風險等級最高。19%的區縣生態風險等級升高,主要向重警風險等級轉化。

圖6 渝西南生態風險變化程度Fig.6 Degree of ecological risk change in southwest Chongqing

3.3 生態風險演化趨勢模擬分析

為預測和分析重慶市未來生態風險壓力的時空分布和演化趨勢,本文對重慶市生態風險演化趨勢進行集對勢、樂觀勢和悲觀勢計算分析。如圖7,生態風險等級下降區縣占比36%,主要分布在渝西南地區,渝東北次之,渝東南最低；生態風險等級上升區縣占比64%,主要分布在渝西南地區,渝東北和渝東南持平。從集對勢角度分析,包含黔江、渝中和江北等36%的區縣屬于同趨勢,加強生態管控和環境保護等措施,生態風險等級有向好的方向發展的趨勢,甚至于達到無警等級；包括萬州、涪陵和渝中在內的64%的區縣集對勢都小于1,屬于反趨勢,即未來這些區縣的生態風險等級有上升趨勢。從集對勢的距離角度分析,重慶市38個區縣的集對勢都距悲觀勢較近,惡化空間較小,同時,集對勢與樂觀勢的距離較遠,具備較大的改善空間。局部上,渝東北生態風險等級呈上升態勢的區縣占比為64%,呈下降態勢的區縣占比為36%。其中墊江的集對勢變化范圍最大,雖然墊江生態環境有變好趨勢,但是政府仍應當積極地采取有利管控措施,防止盲目樂觀導致生態風險向重警等級發展；忠縣的集對勢波動范圍最小,雖然整體上有惡化趨勢,但是生態風險變化程度相對穩定。渝東北是主要生態涵養區,應落實生態補償政策,優化植被結構；加大旅游業的管控,遏制其無序發展現象。渝東南生態風險等級呈上升態勢的區縣占比為33%,呈下降態勢的區縣占比為67%。其中彭水的集對勢變化范圍最小,黔江的變化范圍最大。渝東南作為生態保護發展區,應協調產業發展新結構和城市發展新目標,對其生態用地進行修復,以增強生態景觀整體性、連通性,促進生態物質循環。渝西南生態風險等級呈上升態勢的區縣占比為77%,呈下降態勢的區縣占比為23%,其中九龍坡的集對勢變化范圍最小,風險等級最為穩定,巴南的變化范圍最大。渝西南區位條件優越,經濟最為活躍,應當合理規劃城鄉土地利用結構,提高城市空間利用率,擴大自然保護區規模,增加城市綠化面積。

圖7 重慶市生態風險演化趨勢模擬分析Fig.7 Simulation analysis of ecological risk evolutionary trends in Chongqing

4 討論

科學的生態風險預警指標體系是評價生態風險現狀和演化趨勢分析的基礎。但是目前,對于生態風險預警指標體系構建沒有統一的、明確的標準。本文對不同生態風險評價和預警指標進行相關總結與對比發現(表4)：從研究方法來看,GIS技術、相關分析法等較為傳統的方法雖然能滿足評價系統的復雜性特點,但是無法同時兼顧系統的不確定性和復雜性及數據的模糊性。灰色預測法雖然有處理不確定信息和模擬預測的優點,但是適用于小樣本模擬。從指標選取來看,主要從土地利用和景觀格局視角出發,圍繞自然災害風險源和社會經濟驅動力影響因子等進行選取,指標選取不夠全面或者不能反映研究區特性。生態環境的變化不僅受到自然因素、人為因素和經濟發展等影響,要通過自然與人類社會的響應和反饋進行生態狀況評估。本文針對重慶面臨的各種生態風險因素,通過DPSIR模型從社會、經濟、自然和景觀格局指數構建復雜生態風險預警指標體系,對重慶市生態風險進行預警分析,以期為重慶市的生態環境管理提供一種科學有效的方法。從風險預警上看,基本是基于過去或者當下的生態風險的評估監測,缺少未來生態風險的預測。而預測生態風險變化趨勢已然成為生態環境保護和生態文明建設的重要依據。生態風險的評價往往以優化風險管控為目的,本文通過正態云模型對生態風險進行綜合評價,明確了重慶市生態風險的現狀,并基于目前的態勢,利用集對分析將生態風險演化趨勢定量化,掌握未來生態風險變化動態,預警結果有利于管控人員提前采取預防措施避免生態風險的加劇,為風險管控的優化提供依據。

盡管構建的生態風險預警指標體系和評估模型可以揭示生態風險綜合隸屬等級及未來演化趨勢,但本研究仍存在部分局限性。指標因子的選取上,雖然包含的維度較多,但缺少具有區域性特點的指標,不同研究區應選取不同區域性的風險因子。以高分辨率影像為基礎,囊括區域性特征指標,構建更為完善的預警指標體系是未來的研究重點。正態云模型和集對分析雖然能兼顧評價系統的不確定性和模糊性,但是對于研究尺度較大、生態風險更為復雜的區域而言,存在工作量大等不足,且僅通過部分時間段對重慶市進行預警分析,揭露未來的演變趨勢具有局限性。因此在后續的研究中,應結合其他方法綜合考慮生態風險演變趨勢,提高預警結果精確度。

表4 不同生態風險評價和預警指標分析

5 結論

生態環境保護和社會經濟發展的競爭下,重慶市生態風險加劇。本文構建的生態風險預警指標體系能全面綜合的反映重慶的生境狀況,在此基礎上利用正態云模型對風險預警等級劃分,通過集對分析預測未來生態風險演化方向,為正確處理環境保護和社會發展關系及風險管控提供科學依據。得到以下結論：

(1)2013—2019年,重慶市綜合生態風險隸屬于重警等級,風險值由2013年的0.295下降到2019年的0.278。2013—2016年重慶市整體生態風險以中警和輕警等級為主,重警風險等級次之,巨警風險等級數量占比最低；2016—2019年重慶市整體生態風險等級有小范圍的惡化,主要以重警等級為主,中警風險等級次之,無警風險區呈增加趨勢。

(2)2013—2019年重慶市生態風險空間差異顯著。2013—2016年間重警風險等級以石柱-忠縣-梁平為中心向兩側遞減,以重警向中警等級轉化為主,中警風險等級呈面狀和線狀分別分布在西北和中部地區,輕警風險等級呈半圓狀分布在重警風險區周圍,無警風險區零星分布在東南和東北地區；2016—2019年,重警風險區增多,以忠縣為分界區不斷向南擴增,中警風險等級大多向輕警風險等級轉化,聚集在西北和南部地區,輕警風險等級不斷由中部向西部呈線狀轉移,無警風險等級向重慶主城區和東北部轉移,且分布零散。

(3)重慶市生態風險變化是社會、經濟、自然等多層面綜合的結果。黔江、渝中和江北等在內的34%的區縣生態環境有向好發展的趨勢；萬州和涪陵等66%的區縣的生態環境有惡化趨勢,但惡化程度較低。

(4)重慶市生態風險的演變具有一定的差異性,因根據風險演變趨勢,科學合理地規劃土地利用的布局和結構,因地制宜建立科學可行的政策扶持并加強生態風險監測和評估系統的建立。