中國東海海岸帶地區生態系統健康評估及其尺度依賴性

劉一鳴,徐煖銀,曾 輝

北京大學城市規劃與設計學院, 深圳 518055

自然生態系統為人類的生存提供了多種服務,包括物質生產、氣候調節、娛樂休憩等等[1],因而維持健康的生態系統對實現可持續的社會經濟發展至關重要[2]。生態系統健康是指生態系統滿足人類發展的合理需求的能力,以及自我維護和更新的能力[3]。這一概念提出至今,經歷了從概念內涵和外延的理論探討向定量化評估的演化過程[4—8],被視為宏觀生態研究中生態系統管理的最重要問題之一[9]。由于研究的空間尺度差異關系著對研究對象整體趨勢或是細節規律的反映,因此涉及地理空間現象的研究都需要在特定的空間尺度下進行[10]。目前,生態系統健康研究尺度涉及到全球、區域、景觀和生態系統等多個層次。隨著相關研究的不斷深入,區域被認為是宏觀生態系統管理研究與實踐的最適宜空間尺度,是進行生態系統健康及其評價研究的關鍵尺度,以城市群、行政區為評價單元的研究較為常見[11—14]。但是,生態評估工作大多具有空間尺度效應,不同的尺度能反映出不同的信息甚至可能得到完全相反的結論。因此應進行多尺度生態系統健康評估,以得到不同尺度下的生態健康情況的特征[15],為不同層級的生態管理工作提供多尺度理論依據。

當前關于生態系統健康的研究大都通過建立評估框架和指標體系進行定量化評估。其中包括能值分析模型[16],壓力-狀態-響應模型[17],子系統模型[18],活力-組織-彈性模型以及其他的評估框架[19—20]。其中,活力-組織-彈性模型認為一個健康的生態系統可以用三個主要特征來定義：活力,適應力和組織性,但是該模型更多側重于生態系統本身的完整性和可持續性,無法很好地將自然生態系統與人為社會活動相聯系。Costanza于2012年提出健康的生態系統需要具有可持續地提供一系列有價值的生態系統服務的能力,因此生態系統服務被納入到傳統的區域生態系統健康評估工作中,建立了活力-組織-彈性-服務(Vigor-Organization-Resilience-Services,VORS)生態系統健康評估框架。此模型是具有明確度量標準和充足生態信息的生態系統健康的評估方法,目前被廣泛接受,且在相關的研究中被不斷完善[21]。2015年Peng等將生態系統空間鄰接效應對生態系統服務的影響考慮到了VORS評價框架中[22]。

我國東海海岸帶主要包括廣東省汕頭市南澳島以北、上海以南的區域,經濟發達,自然資源豐富,良港眾多。自改革開放以來,該地區經歷了快速的城鎮化,大型基礎設施建設等工程對地表狀態改變較大,同時,其地理位置位于陸地生態系統與海洋系統的交界處,是生態保護的關鍵區域。進行科學的多尺度生態系統健康評估,可以為該區域各層級生態管理工作提供科學支撐。基于以上現狀,本研究選取我國東海海岸帶11個沿海城市作為研究對象,采用VORS模型作為生態系統健康的基礎評估框架,并對模型中的各維度進行修正和完善,通過多尺度評估單元探究東海海岸帶地區生態系統健康的時空變化特征及尺度效應。

圖1 東海海岸帶地區概況Fig.1 Overview of the coastal region of the East China Sea

1 研究區域與數據來源

1.1研究區概況

研究區包含上海、浙江和福建的11個沿海城市(圖1),總面積96396.39 km2, 占全國總面積的1%,地處24°29′—27°09′N, 117°39′—122°12′E。研究區平均海拔高度318 m,從北向南,海拔逐漸升高,其中上海和嘉興海拔較低,不超過200 m,為典型的平原區域。研究區多年平均氣溫16.21℃,多年平均降水量1634.41 mm,屬于亞熱帶季風氣候,水熱條件好,氣候條件優越,森林覆蓋率為51.4%,耕地占比為23.5%。2019年研究區GDP產值占全國GDP總產值的10.33%,其中有9個城市的城鎮化率高于全國平均水平,是中國經濟發展的關鍵區域。

1.2 數據來源及處理

本研究數據包括土地利用數據、生態系統凈初級生態產力(NPP)遙感數據、人口空間插值數據和地形地貌數據。其中,土地利用數據、人口空間插值數據、地形地貌數據和行政區劃數據來源于中國科學資源環境數據云平臺(http://www.resdc.cn/),NPP遙感數據采用中國科學院地理科學與資源研究在全球變化科學研究數學出版系統發表的數據集[23]。為保證數據的可計算性,利用極差標準化方法對相關數據進行無量綱化處理,使得各項指標值分布在0—1之間。研究中空間數據分析均使用ArcGIS軟件,鄰域變異度修正中主成分分析使用SPSS進行計算,景觀指數利用Fragstats軟件計算得出。

2 研究方法

2.1 修正的生態系統健康評估框架

本文采用VORS綜合評估體系進行生態系統健康評估,由于每一指標對生態系統健康都具有同等重要性,因而賦予每一指標同等權重[24]。將計算得到的生態系統健康值為0—0.40的區域劃分為不健康區域,值為0.40—0.60的區域劃分為較健康區域,值為0.60—1.00的區域劃分為極健康區域[25]。生態系統健康計算公式如下[26]：

式中,EHI表示生態系統健康值,V表示生態系統活力,O表示生態系統組織力,R表示生態系統彈性,S表示生態系統服務。

2.1.1生態系統活力評估

生態系統活力意味著生態系統的新陳代謝或者初級生產力。NPP作為生態功能的基礎,是光合作用所產生的凈有機質總量,也是初級生產者為生態系統其它組分提供的全部能量[27],是衡量生態系統活力的理想指標。以植物光合作用過程和光能利用率為基礎建立的光能利用率模型,雖然對植被的生理過程進行了簡化,但直接利用遙感數據作為輸入參數,計算過程相對簡單,便于大尺度評估。因此,本文選擇NPP作為表征生態系統活力的指標。

2.1.2生態系統組織評估

生態系統組織表征生態系統結構的穩定性,描述生態系統各組成部分之間的相互作用,通常是由景觀格局決定的[28]。其中,景觀異質性和景觀連通性對于生態系統的組織結構尤為重要。景觀異質性越高越有利于景觀穩定,緩解景觀中的劇烈變化,使得景觀的組織力更強[29—30],用Shannon多樣性指數和Shannon均勻度指數表征。越高的景觀連通性越有利于物種之間的遷徙和不同斑塊之間的交流,使得景觀的組織力越強,用景觀連通度指數和景觀分割度指數表征。兩者對生態系統結構穩定發揮有不可相互替代的作用[22],因而將二者設置為同等權重,計算公式如下：

O=0.25×SHDI+0.25×SHEI+0.25×CONTAG+0.25×DIVISION

式中,O表示生態系統組織力,SHDI代表Shannon多樣性指數,SHEI代表Shannon均勻度指數,CONTAG為景觀連通度指數,DIVISION為景觀分割度指數。

景觀格局指數的計算采用移動窗格法。合適的窗格尺度設置能夠避免結果過于破碎化,或波動較大,保證景觀格局的空間異質性分布規律準確表征[31—32]。窗格尺度大小通過試驗確定,以2—10 km為試驗范圍,以200 m為間隔,試驗40個不同尺度移動窗格下的景觀格局指數。通過對比結果的正態性以及異質性,最終確定邊長為4 km的移動窗格作為合適的分析單位,既避免了噪聲又保留了足夠的土地利用信息[33—34]。

2.1.3生態系統彈性評估及修正

生態系統彈性是指生態系統在受到外部干擾后恢復其原始結構和功能的能力,土地利用類型在生態系統恢復中起到重要作用[35]。在遭受外部壓力時,接近自然生態系統的土地利用類型具有較高彈性,如水體和未利用地幾乎不受到外界的干擾,且在外界壓力消失時可以更快恢復原狀,而人為主導的土地利用類型彈性較低[28]。參考相關研究得到不同土地利用類型的彈性系數表[15, 36](表1)。此外,應注意到即使是相同的土地利用類型,由于其鄰近用地類型復雜程度及受到人為干擾度的不同會導致其彈性差異。因而,需要對生態系統彈性進行空間鄰域變異度修正及人為干擾修正,其中人為修正由人口和地形指數表征。

生態系統彈性評估的各項指數權重由Delphi法得到[37],修正后的生態系統彈性評估公式如下：

Ri=ERC×(0.5×N+0.25×P+0.25×T)

式中,Ri代表評價單元的生態系統彈性,ERC代表各土地利用類型的彈性系數,N為鄰域變異度修正系數,P為人口指數,由1減人口密度歸一化值得到,T為地形指數。

圖2 鄰域變異度示意圖Fig.2 Schematic diagram of neighborhood variability 格中數字1,2,3,4,5代表五種不同土地類型

鄰域變異度是指某一用地周圍土地利用類型的復雜程度,變異度差異會對該用地的彈性產生加強或削弱作用,示意圖見圖2,鄰域變異度從變異度1到變異度5逐漸增大。在本研究中,基于土地利用數據,利用ArcGIS “焦點統計”工具統計1990—2015年間發生用地類型變化的土地空間鄰域變異度情況,共分為5種變異類型。利用SPSS對這些變異度數據進行主成分分析,在提取一個主成分時即可達到94.636%的信息累積比。以此時的成分矩陣作為鄰域修正系數的依據,并將系數賦值在-5至5之間：變異度1到5依次對應的生態系統彈性空間鄰域變異度修正系數為3、-3、-5、0、5。

人為干擾主要考慮地形情況和人口密度大小。高海拔和高坡度的地區,不適宜人類定居及耕種活動,受到人為干擾小,反之則受到人為干擾更大[38]。本研究中采用地形指數來表征地形的整體情況,該指數是對高程和坡度綜合描述的地形指數,能夠較為全面的展現出不同位置的地形條件[39]。此外,人口密度的大小也是衡量人為干擾的重要指標,人口密度大的區域受到人為干擾的影響越大,反之則越小,因此將人口插值數據歸一化,作為人口指數。基于以上兩個指數計算得到人為干擾空間修正系數。地形指數計算公式如下：

式中,T為地形指數,E為某點的海拔(m),S為某點的坡度(°),E0和S0分別為研究區的平均海拔(m)和平均坡度(°)。

表1 生態系統彈性系數及生態系統服務系數

2.1.4生態系統服務評估及修正

生態系統服務的計算參照謝高地等[40]的生態系統服務評估模型,得出各類用地的生態系統服務系數(表1)。在量化生態系統服務時也必須考慮土地利用類型的空間鄰接效應。評價單元的周圍是生態用地有助于其生態系統服務價值的提升,其周圍是人工及半人工用地將會對其生態系統服務價值產生一定的削弱。基于此,對生態系統服務的空間分布進行空間鄰域類型差異度修正(表2)。生態系統服務計算公式如下[27]：

式中,ES是空間單元的生態服務指數；RESVi是與像元i相關的土地利用類型對應的生態系統服務系數；CSNEi是4個相鄰像元對像元i生態系統服務的空間鄰近效應系數之和；n是評估區域中的像元數。

表2 生態系統服務空間鄰近性修正系數

2.2 多尺度評估單元構建

生態系統健康評估以及差異性分析等空間評估工作具有空間尺度依賴性[41],采樣單元大小會對分析結果產生一定影響,因而空間尺度依賴性問題是本研究中需要解決的問題。考慮到生態系統健康評估涉及到景觀連通性、破碎化和植被覆蓋等指標,采樣單元不宜過小,否則評估結果將不具備整體性特征。因而,在研究區內構建5 km×5 km、7.5 km×7.5 km、10 km×10 km、12.5 km×12.5 km、15 km×15 km、17.5 km×17.5 km、20 km×20 km、地級行政區共計8個尺度的采樣單元進行重采樣,得到多尺度的生態系統健康時空分布結果。

3 結果與分析

3.1 各維度指標時空變化特征

利用相關數據的原始尺度對研究區1990—2015年六期的生態系統健康各維度指標數據加以分析(表3、圖3)。生態系統活力指數整體呈現下降趨勢,以2000年為折點,生態系統活力指數先劇烈下降后波動上升,在2000年時處于低谷。生態系統組織指數整體呈現上升趨勢,以1995年為節點先下降后上升,在1995年時處于最低值。生態系統彈性指數和生態系統服務指數整體而言下降明顯,以1995年為折點,呈現出先上升后下降的趨勢。

圖3 研究區1990—2015年生態系統健康各項指標時空分布Fig.3 Spatio-temporal distribution of each indicator of ecosystem health in the study area during 1990—2015

表3 研究區1990—2015年生態系統健康平均值結果

在空間分布方面(圖3),生態系統活力指數在寧波以北的上海和嘉興區域一直為最低值區,且低值區的面積在25年間不斷擴大。寧波以南的區域生態系統活力指數波動變化,其中浙江區域內的寧波、溫州、臺州和福建寧德等地區波動下降,而福建境內的福州、廈門、泉州、莆田和漳州等區域呈現波動上升狀態。生態組織指數以寧德和溫州為分界線,南北區域呈現出較大的空間異質性。北面包括的上海和浙江沿海的4個地級市,生態系統組織指數較低；南面包括福建沿海5個地級市,生態系統組織指數較高,六期數據顯示低值區逐漸向高值區轉化。生態系統彈性方面,海岸線區域、上海、嘉興以及寧波北部的指數較低,寧波南部及其以南的大部分區域,主要是遠離海洋的內部山地丘陵區域彈性指數較高,六期數據在空間分布上呈現較高一致性。生態系統服務在上海、嘉興、以及福建省內的泉州、廈門、莆田的沿海區域指數較低,其中上海市的生態服務指數最低。這些區域25年間低指數面積逐漸擴大,其余地區生態系統服務指數均處于較好的水平。

3.2 生態系統健康時空變化

平均值能體現數據的一般分布水平,最大值和最小值分別體現著極值的分布,標準差能表征一組數據的離散程度,標準差越大表明數據趨于離散,越小則反之。

圖4 研究區1990—2015年多尺度生態系統健康統計數據變化結果Fig.4 Results of changes in multi-scale ecosystem health statistics in study area from 1990 to 2015

生態系統健康均值結果見圖4,研究區內生態系統健康呈現“W”型波動,在2000年和2010年為低谷,25年間整體呈下降趨勢。隨著研究尺度的增大,生態系統健康的均值在不斷降低,以地級市為研究尺度的生態系統健康值遠低于其他尺度的同期結果。最高值統計整體呈現出與均值相似的變化趨勢,2000年值最低,但是不同尺度的波動幅度差異較大。最小值整體呈現出下降的趨勢,但采樣尺度為20 km和地級市的兩個研究尺度,則分別以1995年及2005年為時間節點,呈現出先上升后下降的趨勢。標準差統計結果以2000年為時間節點,呈現出先下降后上升的趨勢,意味著研究區內生態系統健康呈現出一個隨時間更加離散的情況。

以上四項統計數據說明,無論在何種尺度上,研究區內的生態系統健康都呈現出先下降后上升的趨勢,自1990起不斷惡化,至2000年以后有所改善。同時,標準差的結果表明研究區的生態系統健康狀態分布更加離散,即出現了健康的生態系統更加健康,惡劣的生態系統不斷惡化的現象。對不同健康類型的區域分區統計結果見表4,可以看出25年間,除地級市尺度外,不健康區域面積比重整體呈現上升趨勢,較健康區域面積比重呈現明顯下降趨勢,極健康區域面積比重雖然波動變化,但是整體趨勢平穩。這表明在研究時間內較健康區域一定程度上向著不健康區域轉變,發生轉變的區域占比大概在2%左右。

表4 研究區1990—2015年多尺度生態系統健康分布比重情況/%

空間上,研究區生態系統健康分布具有較大異質性 (圖5、圖6)。上海、嘉興、寧波北部的生態系統健康狀態較差,特別是上海地區生態系統健康值極低,且低值區范圍逐漸擴大。寧波南部及以南區域,90%以上區域的生態系統處于健康狀態,僅有臺州、溫州、莆田、泉州、廈門的沿海區域存在小面積的不健康區域。不同于以上尺度,地級市尺度結果中嘉興的生態系統健康狀況最差,上海其次,但是在1995年后不斷惡化。溫州的生態系統健康狀況最好,福州的生態系統健康處于改善向好狀態。其他區域生態系統健康保持平穩狀態。

圖5 研究區1990—2015年生態系統健康狀況空間分布圖Fig.5 Spatial distribution of ecosystem health in the study area 1990—2015

圖 6 研究區1990—2015年生態系統健康狀況空間分布圖Fig.6 Spatial distribution of ecosystem health in the study area 1990—2015

3.3 生態系統健康的尺度依賴性

依據以生態系統健康時空變化結果,2000年為生態系統健康值變化折點,因此選取1990年、2000年、2015年3期數據展現研究區內生態系統健康熱點區、冷點區和隨機區域,三個類型的異質性單元的空間特征(圖7)。熱點區是指具有較高水平生態系統健康的單元相鄰分布的聚集區,主要發生在森林覆蓋率高的遠離沿海的山區。冷點區是指具有較低水平生態系統健康單元相鄰分布的聚集區,主要分布在寧波北部及以北的區域、其他城市的沿海區域。隨機區域表示具有不同水平生態系統健康的單元隨機分布的區域,即沒有空間自相關的單元,主要分布在熱點區和冷點區的過渡地帶。隨著研究尺度的增大,熱點區和冷點區比重都顯著降低,隨機區域的比重不斷升高(圖7)。這說明,在研究區內評估尺度越小,生態系統健康的高低值聚類效應越顯著,空間異質性越顯明顯；評估尺度越大,生態系統健康的分布更加平均,極差化情況不斷減弱。因而,尺度越小,生態系統健康的細節刻畫更加清晰,尺度越大,越能顯示趨勢性特征。

表5 研究區1990—2015年多尺度生態系統健康高/低值聚類分布Z得分情況

圖7 研究區1990年、2000年、2015年生態系統健康高/低聚類空間分布圖(地級市尺度由于采樣單元數小于30個,無法進行相關分析)Fig.7 The spatial distribution of ecosystem health Getis-Ord in the study area in 1990, 2000 and 2015 (This analysis was not possible at the prefecture-level city scale due to the number of sampling units being less than 30)

4 討論

4.1 生態系統健康時空分異特征成因討論

過去25年間,研究區以2000年為節點,生態系統健康狀態先下降后上升,但是2015年仍低于1990年健康水平。Sun等針對杭州灣濕地的生態系統健康的研究結果得到了相同的結果,即在1990—2000年期間處于下降的狀態,在2000年后略有恢復[42]。1990年起,由于我國的城鎮化發展主要依托于引進外資和海洋經濟,海岸帶地區的區位優勢性得以顯現,研究區內城鎮化發展較為迅速,隨之而來的是城市建設對生態系統的干擾逐漸增強,對生態系統的破壞得以顯現,因此可以在結果中看到2000年為研究時段內的最低生態健康水平。而21世紀以來,這種快速城鎮化進程使生態環境問題凸顯,引起了建設者的關注,城鎮化發展開始不斷擴散并向內陸地區轉移,政府的城鎮化發展也更加注重可持續發展理念,這也可能是導致在2000年之后生態系統健康波動上升的一大原因。

在空間分布上,無論是各尺度、各評價維度還是總體水平,上海-嘉興-寧波區域以及閩三角區域的生態健康都表現出較差的狀態(圖3,圖7),且呈現出空間上擴散化的趨勢。Xiao等的研究中發現,在2001—2013年間,上海和杭州灣的生態系統健康狀況在城市范圍以及縣級尺度的評估中都持續下降,并且這種下降從中心城市(上海和嘉興)蔓延到周邊地區[15]。分析其中原因,嘉興、上海市中心以及閩三角地區分布著耕地和建設用地,由于這兩個景觀都是規則的,集中且高度人工化,因此容易受到侵蝕,從而削弱了生態系統的內部穩定性,導致其呈現出明顯低于其他區域的結果。這也表明,單一的景觀類型更可能導致生態系統的不穩定,密集的建設用地和單一的用地類型是以上區域生態系統健康狀態較差的主要原因。因而,未來在生態健康維護和景觀格局優化工作中,應著力于城市綠地建設,使景觀多樣化,有利于改善區域生態系統健康狀況。

4.2 生態系統健康尺度依賴性分析

在評估生態系統健康時,大尺度分析易得到整體性趨勢和特征,但研究對象的細節特征會被忽略,小尺度研究有利于針對性的修復和規劃工作,但很容易破壞景觀的完整性[43]。因此,對于生態系統健康空間尺度的選擇,沒有最理想的尺度,只有最合適的尺度[44]。考慮到生態過程和景觀度量標準的變化與尺度有關,因此在許多情況下始終需要采用多尺度方法進行評估[15]。以本研究為例,較小評估尺度得到的結果中(圖5、圖6),生態系統健康較差的區域聚焦于上海市中心,但是在地級市尺度下,嘉興則為生態系統健康狀況最差的區域。不難理解,大尺度的評估結果會將一定區域內的生態狀況平均化,上海除市中心外其他區域的生態健康狀況相對較好,這在尺度放大的過程中,中和了健康問題最為嚴重的市中心。而嘉興雖然沒有極差生態健康區域分布,但是各處水平均不樂觀,因此地級市尺度下變成了生態系統健康問題最嚴重的單元。因此在以生態管理為目的的生態評估工作中,小尺度評估結果中生態系統健康的高低值分區更加明顯,空間異質性更強,可以為有針對性的解決點狀生態問題提供位置指引,便于生態修復項目開展。而大尺度的評估結果中生態系統健康的分布更加平均,有助于為區域規劃工作把控大方向,明確市級生態建設的整體力度。多尺度的評估工作既確保了評估結果的準確性,也揭示了不同尺度水平生態系統健康的變化趨勢以及空間異質性特征。

5 結論

本文基于鄰域變異度和人為干擾修正后的VORS模型,以5 km至地級市8個評估尺度單元,定量化的評估了我國東海海岸地區生態系統健康狀況,并分析了其時序變化特征和空間分異規律,探究了生態系統健康的尺度依賴性效應,得到以下結論：

(1)研究時間內,研究區生態系統健康水平以2000年為節點先下降后上升,整體呈下降趨勢。自2000年起生態系統健康值分布更加離散,健康的生態系統更加健康,惡劣的生態系統不斷惡化。

(2)生態系統健康在空間分布上具有較高的異質性特征。沿海地區、寧波以北地區的生態系統健康值較差,成為了生態系統健康的冷點分布區；遠離海洋部分的山地丘陵山區的生態系統健康值較高,成為了生態系統健康的熱點分布區。小尺度下,上海市中心生態健康最差,地級市尺度下嘉興市健康狀況最差。

(3)生態系統健康評估工作具有一定的空間尺度依賴性。研究尺度變大,生態系統健康分布趨于平均化,易得到變化趨勢空間格局分布。小尺度的評估結果能夠更好的解釋生態系統健康的異常值分布等細節。因而,在生態系統健康的評估中不存在最佳的研究尺度,多尺度的設置有助于全面細致地進行生態系統健康的評估工作。