京津冀地區生態用地穩定性格局及其影響因素

李 彤,賈寶全,*,劉文瑞,張秋夢

1 中國林業科學研究院林業研究所北京, 北京 100091 2 國家林業和草原局林木培育重點實驗室, 北京 100091 3 國家林業局城市森林研究中心, 北京 100091

新型城鎮化建設和城市群空間規劃的逐步落實不斷引導著土地資源的轉化[1—2],并隨之帶來諸多生態環境問題[3]。生態用地作為維護生態安全格局的重要屏障與改善人居環境的核心資源[4],逐漸發展成為度量地區生態環境質量的關鍵指標[5—6]。自作為自然環境中具有生態防護功能的空間要素被首次提出,這一概念的發展應用一直都在不斷的摸索與嘗試中前進。隨著城鎮化建設與經濟發展,大量生態用地受到蠶食、開發與破壞,生態環境不斷惡化,生態系統面臨威脅。在此背景下生態用地的動態演進逐漸發展為諸多學者的重要研究課題,在探索實現有限生態用地生態效益最大化方面具有重要意義[1]。而維持生態用地空間位置及其屬性不變的穩定性特征成為這一動態探索中的核心突破,其在維護區域生態系統良性循環方面的重要貢獻不容置否。

景觀穩定性作為度量景觀動態特征的重要因子[7],一直是理論生態學研究中重要且復雜的課題[8]。目前關于景觀穩定性的認識尚未統一,大多沿襲生態系統穩定性的模糊定義展開。然而隨著氣候變化、土地利用轉移、生物多樣性下降和人口驟增等全球問題的演化,生態變化研究逐漸深入,穩定性作為生態系統動態維持的關鍵特征[9—10],具有廣闊的發展前景與需求。

京津冀地區是中國的北部經濟增長極和重點示范區[11],同時也是生態建設亟待優化與完善的重點地區。長期以來,區域內部有限的生態空間與強烈的生態需求之間矛盾突出[12]。開展京津冀地區生態用地穩定性研究,一方面對動態背景下的生態空間維持與優化具有現實意義,另一方面可為地區后續生態建設與規劃工作提供相關科學依據與參考。本文以GLOBELAND30數據為基礎支撐,著眼于2000—2010年和2010—2020年兩個時間序列下的京津冀地區生態用地變化現狀,全面探究不同時段生態用地穩定性的空間異質規律,明晰其驅動與制約因素,從而在一定程度上為后續生態規劃、建設管理與實施工作提供支撐與指導。

1 研究數據與方法

1.1 研究區域

京津冀地區位于中國北部腹地,處東經113°04′—119°53′,北緯36°01′—422°37′,區域面積共計21.73×104km2,占國土地面積總量的2.2%。轄北京市、天津市以及河北省11個地級市,200個縣(區)、2947個鄉鎮(街道)單元,是全國的政治經濟中心、國際交往中心、文化中心和創新中心。區域內部地形呈西北高東南低,西北部為內蒙古草原生態區和燕山-太行山山地林生態區,中南部為京津唐城市生態區和華北坪區生態區(圖1)。京津冀地區為溫帶季風氣候,年平均氣溫為3—15℃,年平均降水量為304—750mm。根據2020年第七次全國人口普查,京津冀地區人口總量共計11036.93×104人,占全國人口的8.05%。截至2020年,京津冀地區國民經濟總產值86393.23×108元。2014年習近平總書記明確了京津冀協同發展作為國家重大戰略的地位,開創了京津冀協同發展的新時代。2018年11月中共中央、國務院明確提出要求以紓解北京非首都功能為“牛鼻子",推動京津冀協同發展。

圖1 行政區劃及生態分區Fig.1 Administrative zones & Ecological zones

1.2 數據來源及處理

論文基于2000、2010、2020年GLOBALAND30土地利用數據展開,數據空間分辨率為30m,總體分類精度85.72%,Kappa系數為0.82,目前已在京津冀等地區生態研究工作中得到廣泛應用并取得較好的效果[13—15]。覆蓋京津冀地區的土地數據包括耕地、林地、灌木林地、草地、水體、濕地,不透水地表和裸土地8類用地,考慮到大尺度數據在小尺度空間分析方面的不確定性,以及本地影像土地利用解譯數據對分析精度驗證的實用意義,本文通過空間抽樣并建立混淆矩陣全面評估研究區產品分類精度,結合Google Earth Engine(GEE)軟件平臺下高分影像目視判別工作,進一步驗證并保障該數據在京津冀地區的精度水平,結果顯示區域數據總體精度為80.63%,Kappa系數為0.72,可見研究地區該產品具備較好的數據質量。地形數據為分辨率30m的NASA數字高程模型產品(DEM),本文基于水文分析與鄰域分析獲取其坡度、坡向與地形起伏度信息,地貌數據來自中國科學院地理空間數據云網站；土壤數據取自世界土壤數據庫HWSD；氣象數據包括京津冀地區及其周邊氣象站點平均氣溫及降雨量年度數據,論文基于ANUSPLIN軟件完成不同時間序列的氣候插值；人口,國內生產總值等社會經濟空間數據來自行政單位統計年鑒以及中國科學院資源與環境科學數據中心提供的空間分布柵格；各城市/農村居民點、公路、鐵路線、國道和省道等交通干線、風景名勝區、自然保護區等交通信息數據基于OpenStreetMap(OSM)網站下載,并通過歐式距離和核密度計算工具進行處理；植被質量指數(NDVI)和植被凈初級生產力(NPP)來自中國科學院資源與環境科學數據中心提供的空間分布柵格數據和MOD17A3HGF Version 6.0產品。為了實現上述數據的統一度量,所有的空間柵格信息將統一轉換為覆蓋京津冀地區且空間分辨率一致的空間柵格數據集以實施后續統計分析工作。

1.3 生態用地穩定性指數

目前的景觀穩定性研究尚未形成統一的度量體系,不同形式下的方法評估多是基于生態系統的動態探索。本文著眼于不同時期生態用地類型的空間位置及其屬性特征,將一定區域內生態用地各要素在時間尺度上保持其屬性不變的特性視作生態用地穩定性的基礎內涵,從土地利用的視角來看,該屬性即是生態用地自身的地類特征。在此基礎上,本文將一定區域內生態用地類型隨時間保持不變的面積比例作為生態用地穩定性指數的度量依據,具體的計算方法如下：

式中, PSI表示生態用地穩定性指數,Ai表示在研究時段內研究區生態用地i類型保持地類屬性不變的面積,這里i分別代表森林、草地、灌木地和濕地,A表示研究區域內生態用地所有類型面積總和,n代表土地類型的總數。生態用地穩定性指數PSI值越大,表明區域生態穩定性越高；反之,穩定性則越低。

表1 數據層的描述

1.4 空間自相關

空間自相關可以直觀地表達地理事物的空間關聯與差異,通常用來衡量空間要素屬性間的聚合或離散程度,包括全局自相關和局部自相關。全局空間自相關可以衡量區域整體的空間關聯與差異程度,全局莫蘭指數(Global Moran′sI)是廣泛用于衡量空間自相關程度的綜合性評價指標,通常用Z值檢驗Moran′s I值的顯著水平。具體計算如下：

式中：x為空間單元i和j的屬性值,wij是空間權重矩陣元素,n為單元數量。Moran′sI范圍為[-1,1],當I=0,全局空間顯著無關；I>0,正相關,空間要素聚合；I<0,負相關,空間要素離散。 當Z值為正且顯著時,表明存在正的空間自相關,也就是說相似的觀測值 (高值或低值) 趨于空間集聚；當Z值為負且顯著時,表明存在負的空間自相關,相似的觀測值趨于分散分布；當Z等于0時,觀測值呈獨立隨機分布。

局部空間自相關分析通過局部莫蘭指數和局部Getis-OrdGi*指數等實現。其中Getis-OrdGi*熱點分析利用距離權重矩陣的局域空間自相關類指標表征研究區域的高低值分布,即熱點和冷點分布。該指標利用加權特征值分析熱點和冷點,在此基礎上得到數據的集聚特征和空間分布。計算公式如下：

式中,Xj為空間區域單元j的屬性值,wij為空間權重矩陣,若第i個和第j個單元之間的距離處于設定距離d時,則空間權重矩陣中的元素為1,否則為0。

1.5 地理探測器

地理探測器模型是一種基于空間異質性理論的空間分析模型,可以定量地檢測和識別空間分布屬性及其解釋因素之間的各種相互作用,由風險探測器、因素探測器、生態探測器和交互探測器組成。本研究主要采用因子檢測和交互探測兩個模塊,對研究區域生態用地穩定性的內在機制進行解釋。因子檢測計算如下：

式中,N和Nh分別為研究區樣本數；σ2和σh2為因素A在樣本h內的離散方差。L為研究區各因素的類型,q為探測因子的探測力值,q∈[0,1],q值越大,表示自變量x對屬性y的解釋力越強,反之則越弱。

交互探測模塊識別不同自變量因子之間的交互作用,即評估因子x1和x2共同作用時是否會增加或減弱對因變量y的解釋力。交互探測類型可以劃分為雙因素增強q(x1∩x2)>Max(q(x1)q(x2)、非線性減弱q(x1∩x2)q(x1)+q(x2)、獨立q(x1∩x2)=q(x1)+q(x2)和單因子非線性減弱Min(q(x1)q(x2))

2 結果與分析

2.1 穩定性生態用地的時空變化

2.1.1生態用地總體變化

2000、2010和2020年京津冀地區生態用地空間分布趨勢一致(表2),集中在內蒙古草原生態區和燕山-太行山山地林生態區,另有極少量散落于京津唐城市生態區和華北坪區生態區內的東部沿海地帶。區域生態用地總量整體先增后降,前期擴增13.46×104hm2,后期縮減5.46×104hm2。生態用地變動主要集中在內蒙古草原生態區,這與該區域內密集的草地覆蓋相關,草原生態系統相對森林具有不穩定、食物網簡單以及人為干擾性更強等特征,因而區域內的生態用地波動更加突出。各時期生態用地構成變化較小,林地和草地均占據最高比重。各類生態用地轉移均以林地和草地的流轉最為顯著,前期林草動態弱于后期。非生態用地組成變化較生態用地更強,主要體現為耕地的持續縮減與建設用地的持續增長(圖2)。

2.1.2穩定性生態用地時空變化

2000—2010和2010—2020年京津冀穩定性生態用地環西北山區聚集,東部海域少量散布(圖3)。前期穩定性生態用地總量共計733.83×104hm2,林草地在其中占絕對主導,比例達99.33%,灌木林地和濕地面積比例僅為0.14%和0.52%；后期穩定性生態用地減少至688.71×104hm2,林草面積優勢占比高達99.23%,灌木林比重相對上一時段有所降低,濕地則相對增加,但二者面積比重仍不足1%。兩時段下穩定性生態用地減少范圍均集中在燕山-太行山山地林生態區范圍內,該分區是京津冀地區生態用地資源的核心源地,因而必然是生態用地動態發生的重點地區(表3)。

表2 不同分區生態用地組成

圖2 2000、2010、2020年用地類型轉移Fig.2 Land use type transfer in 2000、2010、2020

表3 不同分區穩定性生態用地組成

圖3 2000、2010、2020年穩定性生態用地空間分布Fig.3 Spatial distribution of stable ecological land in 2000、2010、2020

2.2 生態用地穩定性指數

2.2.1生態用地穩定性指數時空動態特征

2000—2010年和2010—2020年京津冀地區生態用地穩定性指數分別為90.85%和83.86%。不同生態分區單元顯示在2000—2010年間,內蒙古草原生態區生態用地穩定性指數居高,為92.35%,燕山-太行山山地林生態區次之,京津唐城市生態區最低,為55.26%。2010—2020年間燕山-太行山山地林生態區穩定性指數最高,達85.30%,華北平原生態區最低,為55.13%(表4)。在生態用地內部,不同地類屬性的穩定性特征也極大程度上干預著生態效益的穩定發揮,通過京津冀地區各地類屬性的穩定性指數統計來看,2000—2010年和2010—2020年均呈現林地穩定性指數>草地>濕地>灌木林地(表5)。

表4 不同分區生態用地穩定性指數

表5 不同類型生態用地穩定性指數

圖4 生態用地穩定性指數等級分布Fig.4 Class of ecological land stability index

鑒于空間格局顯示評價與后續影響機制研究的數據需求,在全面保證樣本量全面足夠的基礎上,對京津冀地區5km×5km網格單元生態用地穩定性指數空間關系進行系統分析,結果顯示,燕山-太行山山地林生態區和內蒙古草原生態區生態用地穩定性潛力更高。為進一步探索生態用地穩定性指數時空分異特征,基于自然斷點法劃定統一標準實現對不同時期生態用地穩定性分級(圖4),分級結果顯示(表6)2000—2010年間,極低穩定性和極高穩定性面積占主導比例,分別占比40.76%和44.43%；2010—2020年間極低穩定性面積占比最高,為38.40%,低穩定性、中穩定性、高穩定性和極高穩定性占比分別為3.53%、6.98%、27.44%和23.64%。不同分區生態用地穩定性等級結構顯示,京津唐城市生態區和華北平原生態區顯示出極低穩定性等級的絕對比例優勢特征,燕山-太行山山地林生態區和內蒙古草原生態區在2000—2010年間以極高穩定性面積占主導,在2010—2020年間則呈現高穩定性和極高穩定性面積共同主導。

表6 生態用地穩定性指數等級

2.2.2生態用地穩定性指數空間分異規律

對京津冀生態用地穩定性指數進行空間統計(表7),2000—2010年和2010—2020年生態用地穩定性的全局莫蘭指數分別為0.914和0.889,顯著性較高,可見京津冀地區生態用地穩定性呈現顯著空間自相關,即穩定性高值區和低值區呈聚集分布。

表7 生態用地穩定性指數全局莫蘭指數及顯著性

為了進一步反映生態用地穩定性的空間集散現象,本文對2000—2010年和2010—2020年生態用地穩定性進行Getis-Ord Gi*熱點分析(圖5)?？臻g分異結果顯示京津冀生態用地穩定性具有顯著的冷熱點效應。整體空間分布顯示熱點區匯集在燕山-太行山山地林生態區和內蒙古草原生態區,冷點區集中在京津唐城市生態區和華北坪區生態區。兩個時期生態用地穩定性冷熱點空間動態顯示,冷點區和熱點區面積在2010—2020年均較2000—2010年有所減少,分別縮減42×104hm2和82×104hm2,相對應地非顯著地區范圍有所擴大,可見生態用地穩定性的聚集效應在相對減弱(表8)。

表8 生態用地穩定性指數冷點/熱點

圖5 生態用地穩定性指數冷點/熱點空間分布Fig.5 Cold spots/hot spots of ecological land stability index

2.3 生態用地穩定性影響因素分析

2.3.1影響因素分析

鑒于以往研究理論,本文收集并選取地理因素(高程DEM、坡度SLOPE、坡向ASPECT、地形起伏度LANDFORM、地貌GEOMORPHOLOGY、土壤類型SOIL、水域距離EU_WATER),氣候因素(溫度TEM、降水PREP),社會經濟因素(人口密度POP、國內生產總值GDP、道路密度DE_ROAD、居民點密度DE_SETTLEMEN和景區密度DE_SA)和植被因素(植被凈初級生產力NPP、植被質量指數NDVI)共16個變量對生態用地穩定性指數時空異質性的影響強度進行解釋探索。為保證所選變量與生態用地穩定性的關聯作用,本文通過生態用地穩定性指數與影響因子的皮爾森相關性系數計算剔除與穩定性指數非顯著相關的因子,即植被質量指數,最終形成由15個影響因素構成的指標體系(圖6)。由于地理探測器模型只能處理分類變量,因而在以極差法對數據進行標準化處理后,通過多種分類方法實驗驗證,最終選擇K-MEANS聚類分析法將所有解釋變量離散化為分類變量。

圖6 生態用地穩定性指數及其影響因素的相關性驗證Fig.6 Correlation of ecological land stability index & influencing factorsST0010:2000—2010年生態用地穩定性指數；ST1020:2010—2020年生態用地穩定性指數；DEM:高程；SLOPE:坡度；ASPECT:坡向；LANDFORM:地形起伏度；GEOMORPHOLOGY:地貌；EU_WATER:水域距離；SOIL:土壤類型；DE_ROAD:道路密度；DE_SETTLEMENT:居民點密度；POP:人口密度；GDP:國內生產總值；TEM:溫度；PREP:降水；NDVI:植被質量指數；NPP：植被凈初級生產力

圖7 生態用地穩定性影響因素因子探測結果Fig.7 Influence of ecological land stability index influencing factors *P<0.05；**P<0.01;q: 探測因子的解釋力

本文運用因子探測模塊對生態用地穩定性空間分布的驅動因子進行分析(圖7),從地形地貌,氣候,社會經濟,交通和植被方面揭示不同變量對生態用地穩定性指數的影響機制。研究發現2000—2010年和2010—2020年京津冀地區生態用地穩定性對不同環境變量的總體響應趨勢趨于一致,整體表現為以高程、坡度、地貌和土壤類型為代表的地理要素對生態用地的解釋作用最強,景區密度、人口密度和居民點密度等社會因素影響強度次之,道路密度和植被凈初級生產力因素是滿足0.05顯著水平下影響強度最弱的驅動因子。

生態用地穩定性受到外部因素的多重影響,各影響因素間彼此存在交互關系。從交互探測模塊分析結果來看(圖8),兩兩因素交互作用主要表現為雙因子增強和非線性增強兩種類型。由于地貌和土壤類型要素對生態用地穩定性表現出較強的說服力,因而其與其他因子間的交互作用均表現出極強的解釋率,顯著突出于其他交互變量組合。

圖8 生態用地穩定性影響因素交互探測結果Fig.8 Interaction influence of ecological land stability index influencing factors*P<0.05；**P<0.01

2.3.2影響機制區域差異

不同影響因素的作用強度存在顯著空間異質性,同一解釋因子對不同區域的生態用地穩定性解釋力不同。特別是地理因素表現出較為突出的區域差異,因而本文考慮針對具有顯著地理差異的的平原區和山區分別展開驅動機制探索?；诓煌鷳B單元,本文分別對由京津唐城市生態區和華北平原生態區構成的平原區以及由內蒙古草原生態區和燕山-太行山山地林生態區構成的山區進一步探索內部各要素成因與機制。首先同樣對各分區進行影響因素的篩選與處理,結果顯示平原區范圍內地貌因子呈現出顯著的非相關性,與坡向、水域距離和降水量因子被統一剔除(圖9)。平原區因子探測結果顯示,溫度因子解釋力度最為突出,高程、地形起伏度、人口密度、國內生產總值和景區密度等因子的影響強度同樣顯著,值得注意的是,前期土壤類型因素的突出影響在后期顯著降低。山區范圍內各影響因子的相關性分析結果顯示出景區密度與降水因子與生態用地穩定性不相關。因子探測結果顯示,國內生產總值、人口密度、居民點密度和道路密度等社會經濟因素在該區域的解釋力度最為顯著,地理因子解釋強度的優勢作用被削弱。

圖9 不同分區影響因素與生態用地穩定性指數的相關性驗證Fig.9 Correlation of ecological land stability index & influencing factors in different zones

圖10 不同分區生態用地穩定性影響因素因子探測結果Fig.10 Influence of ecological land stability index influencing factors in different zones*P<0.05；**P<0.01

不同分區影響因素間的交互作用同樣呈現顯著差異性(圖11),各因素交互類型以雙因子增強和非線性增強為主。平原區內景區密度作為解釋作用最強的因子之一,在2000—2010年間因子與高程、溫度和國內生產總值等因子的交互作用最為突出,2010—2020年間景區密度與溫度與高程因子的交互影響同樣顯著。山區范圍內各因子的交互作用重點表現在人口密度、國內生產總值以及居民點密度與其他因子的交互作用。

圖11 不同分區生態用地穩定性影響因素交互探測結果Fig.11 Interaction influence of ecological land stability index influencing factors in different zones*P<0.05；**P<0.01

3 討論

3.1 保障生態用地穩定是京津冀地區實現生態系統穩定與可持續發展目標的基礎工作

生態用地是區域生態系統服務功能的核心來源,其穩定性概念的提出一定程度上是對區域生態評估與規劃建設工作的極大完善。聚焦于此的用地研究著眼于生態用地階段性變量的空間異質性展開,2000、2010、2020年京津冀地區生態用地非穩定空間主要集中在社會經濟更為發達的平原地帶(圖4),由此也進一步引發對于高度城市化背景下生態用地穩定性建設工作必要性的深入思考。對于以京津冀平原為例的高發展、高能耗、高污染以及高生態需求的城市化地區,內部生態空間規模有限,研究顯示京津唐城市生態區和華北坪區生態區內生態用地占比不足5%(表2),然而該地區卻承載了近70%的城市人口,隨著環境建設的推廣以及生態意識的普及,地區生態建設需求日益提升,有限的生態空間與迫切的生態需求矛盾逐漸演化為城市生態發展的瓶頸所在,而穩定性建設是在高度關注與建設用地博弈規律基礎上最大限度保障生態用地功能效益的突破口。兼顧數量與空間結構穩定特征的生態用地一方面保證了生態用地自身功能價值的最大化,有效弱化了非生態空間對生態用地功能效益的掠奪；另一方面也順應了當前城市生態空間規劃的建設浪潮,一定程度上避免了單一層面下對相關生態管理問題的忽視,對于全面推進國土空間規劃實施與生態紅線劃定落實以及“三生”空間管控建設等生態工作具有重要意義,也為探索高度社會承載力背景下的生態開發強度研究做出貢獻。

3.2 生態用地的尺度效應是穩定性建設工作的必要考量

測量多尺度景觀動態是景觀穩定性研究的核心議題[17],缺乏空間或尺度的明確性會導致特定空間穩定性的效益評估變得模棱兩可。為充分檢驗京津冀地區生態用地穩定性的時空異質性特征,本文具體探索穩定性特征最合適和最有意義的分析尺度。在全面保證樣本量充足的基礎上,選取1km網格、5km網格、10km網格和鄉鎮街道單元4個候選尺度進行檢驗,最適宜尺度單元的篩選依據應遵循以下原則：首先前期數據鑒于自身分辨率差異統一調整至1km×1km網格單元,穩定性尺度應在此基礎上擴展以保證數據的全面可用性；其次需保證京津冀地區生態用地穩定性空間格局的顯著性,不同尺度空間規律明顯隨著尺度單元尺寸的增加弱化,即尺度單元越大,顯著性越低；最后基于地理探測器模型的數據量計算限制,1km網格單元由于其龐大的數據量不滿足模型運行范疇,其他尺度單元內的驅動機制探索顯示5km網格條件下顯著性最高且非顯著影響因子最少。綜合上述現狀多方考量,本文以此作為京津冀地區生態用地穩定性研究的分析尺度,一方面在符合顯著性基礎上最大限度提升可操作數據的精細水平,另一方面也在一定程度上避免了行政邊界范圍下相關自然因素準確性的度量失衡。

3.3 生態用地穩定性的聚集效應為后續建設工作開拓思路

京津冀地區生態用地穩定性指數具有顯著的聚集效應,由前文Getis-Ord Gi*熱點分析結果可知(圖5),研究區生態用地穩定性熱點區集中在山區分布,冷點區聚集在平原區,顯然生態用地資源豐富的山區穩定性效益更佳,平原區由于生態用地規模匱乏且穩定性差,因而合理開展冷點區生態用地建設以及維持工作將是后續生態效益穩定提升的關鍵。同時值得注意的是,2000—2010年和2010—2020年研究區生態用地穩定性非顯著區域主要含括環冷熱點交匯帶沿岸以及天津沿海港灣區一帶,參考有關影響因子的地理分布可知,地理要素和社會經濟因子在這一區域均存在顯著的地區差異及動態波動,一方面,區域地處地貌交接沿線,自然地理要素間的強烈差別驅使生態資源的非穩定分散,具體表現為山地-平原過渡帶林草灌木地以及天津沿海濕地間的強烈用地交換；另一方面,嚴格的行政區劃邊界強行將不同地勢統一界定,也在一定程度上加劇了生態用地穩定性的非顯著性,同時我們發現,在生態用地穩定性非顯著聚集地所涉及縣/區級單元內部,人口及國內生產總值等社會經濟要素存在極端交替現象,強烈的社會因素交換必然帶來生態空間的被動“活躍”,由此間接加劇區域生態用地穩定性的非顯著效應。

3.4 影響因素的區域差異直接干預地區生態建設工作重點

由于京津冀地區覆蓋山地和平原地勢結構,涉及強烈的地形對比,因而地理因素對生態用地穩定性的解釋力度更加突出。本文在這一基礎上分別對平原和山區內部影響因素的驅動機制進一步分析,結果顯示不同分區地理要素作用強度的優勢均較研究區整體有所削弱。平原區內,溫度與高程、地形起伏度、人口密度、國內生產總值和景區密度等因子的影響強度均作出突出貢獻；而在山區社會經濟因素的解釋力度更為顯著,地理因子解釋強度進一步弱化(圖11)。由平原向山區,自然因素解釋率的減弱以及社會因素影響力的突出,一方面是由于平原區作為囊括北京市、天津市重要地區的核心地帶,是京津冀地區城市經濟與社會發展的重點地區,持續發展的城市化進程及相關社會經濟影響對區域內生態效益發揮的指導作用毋庸置疑,同時平原整體地勢平緩,以坡度和地形起伏度因子為代表的地理因素仍在該區域扮演著顯著的解釋角色,因而該范圍呈現多因子協同作用的局面,由此后續平原區生態用地穩定性建設工作需建立在此基礎上從多方視角綜合考慮實施；另一方面,21世紀以來在京津冀協同發展的規劃指導下,山區作為生態用地的核心源地,是京津冀重要的生態環境支撐區,承載著生態優先、綠色發展的目標任務,有關部門嚴格落實生態安全建設工作,持續實施“三北”防護林、京津風沙源治理,退耕還草還林、綠色礦山等系列工程,因此區域內部強烈的人為保護力度遠遠高于自然要素本身對于生態用地的穩定保障。

3.5 功能穩定性是后續生態用地穩定性研究的重要突破

在生態用地穩定性影響機制探索中,本文基于植被質量指數(NDVI)和植被凈初級生產力(NPP)兩因子以促進實現生態用地規模與質量的空間鏈接,但顯然在總體影響因素體系中,植被功能的作用效果并不突出。作為體現生態用地功能價值的重要因子,解析其內在機制同樣是探索生態用地景觀穩定性特征的重要環節,生態用地空間結構的穩定與否也極大程度上直接作用于生態質量等功能穩定性維持。后續的生態用地穩定性研究中,基于景觀功能出發的穩定性探索應是重點關注所在[18],需從時間和空間尺度上著眼于生態功能的穩定性能溢出效應,在空間結構與功能層面實現穩定機制的有效鏈接。

4 結論

本研究基于不同時段的生態用地數據基礎對生態用地穩定性特征進行統一量化,系統分析其時空變化特征及空間分異規律,并對生態用地穩定性的具體影響因素驅動機制進行探索。研究發現：

(1)2000—2010年和2010—2020年京津冀地區穩定性生態用地降低,集中分布在內蒙古草原生態區和燕山-太行山山地林生態區。

(2)2000—2010年和2010—2020年京津冀整體生態用地穩定性指數分別為90.85%和83.86%。不同分區單元生態用地穩定性指數呈現“西北高、東南低”,燕山-太行山山地林生態區和內蒙古草原生態區高于其他區域。不同等級生態用地穩定性指數顯示前期極低穩定性和極高穩定性面積占主導,分別占比40.76%和44.43%；后期極低、高和極高穩定性面積共同主導,分別占比38.40%、27.44%和23.64%。生態用地穩定性指數空間聚集特征顯示出顯著的冷熱點效應,熱點區域匯集在燕山-太行山山地林生態區和內蒙古草原生態區,冷點區集中在京津唐城市生態區和華北坪區生態區。

(3)影響因素分析顯示京津冀地區內部高程、坡度、地貌和土壤類型表現出極高的解釋力,地貌類型要素與其他因子的交互作用解釋率較強。在平原區范圍內,溫度因子解釋力度最為突出,地理因素(包括高程、地形起伏度因子)和社會經濟因素(包括人口密度、國內生產總值和景區密度等因子)也較為顯著；景區密度與溫度和高程因子的交互影響更顯著。山區范圍內以國內生產總值、人口密度、居民點密度和道路密度為代表的社會經濟因素影響作用更加突出,地理因子解釋強度的優勢作用被削弱；人口密度、國內生產總值以及居民點密度與其他因子的交互作用更強。