成都市2015—2020年生態敏感性變化分析

康森源

(上海同濟城市規劃設計研究院有限公司,上海 200092)

生態環境是人類生存發展的物質基礎與必要條件。生態敏感性是指生態系統對區域內自然環境變化和人類活動干擾的敏感程度分析,反映區域生態系統在受到人為或自然干擾時,發生生態環境問題的難易程度以及概率大小,同時用來說明外界干擾對生態環境可能造成的后果[1-2]。因此生態敏感性分析對保護生態系統有極為重要的作用[3]。

近年來,隨著城市化進程的加快、人口的增長,人地關系也越來越緊張。隨著人類活動不斷增強,城市的生態環境也發生了重大變化,區域生態受到了巨大的挑戰[4]。城市化進程的加快以及城市經濟開發過程都帶來了許多生態問題,如生態功能衰退、水土流失、過度開發導致的土地荒漠化等[5],這些問題都給我國生態安全與發展帶來了極大的挑戰,并影響城市區域間經濟開發的可持續發展[6]。研究城市生態敏感性可以對城市未來生態文明建設以及可持續發展提供重要支持,并在城市經濟發展的同時起到緩解城市發展與生態之間矛盾的作用[7]。成都市是西南地區重要的發展中心,是西南地區的經濟核心城市,也是城市化進程高速進行的主要城市之一。因此,對成都市進行生態敏感性分析有助于城市內部經濟、社會、生態、文化的和諧發展,對城市下一步發展建設有重大意義。

目前生態環境的變化研究引起了國內外學者的高度關注,且取得了一定的研究成果。生態敏感性的概念最早提出于1960年,后期對評價方法進行了數學因素、經濟因素與環境因素的結合。現大多研究多聚焦于以下幾個方面:①對單一環境問題的敏感性分析,包括景觀格局生態敏感性和城市區域生態敏感性研究,如Biek等[8]分析了2種敏感性對物種棲息衰退的影響,肖榮波等[9]、谷花云等[10]分別對石漠化與城市酸沉降進行生態功能分析;②隨著3S技術的發展,生態敏感性分析也由單因子向多元化因子分析進行轉變,研究內容更多元化,如從土地利用角度出發進行生態網絡構建,對不同土地區域分別進行生態敏感性分析[11-13];③針對不同尺度對區域進行生態敏感性分析[14],如Eggermont等[15]對山脈湖泊的氣候變化生態敏感性分析,劉歡等[16]通過生態敏感性分析劃分都市農業區域;④采用定量與定性結合,并使用數學模型對多尺度多方法的研究[17],研究方法有空間疊置法、主成分分析法、層次分析法(AHP)等[18],這也是目前對生態敏感性評價分析的主要研究方向之一,如劉迪等[19]運用重力模型結合地貌分析,對陜南秦巴地區進行生態敏感性分析;王麗霞等[20-21]采用AHP法對秦巴山區的生態環境與生態環境狀況進行了分析。由此可見生態敏感性在城市環境研究中的重要性,但針對生態環境敏感性的評價方法仍然處于發展階段,對生態敏感性指標體系的選擇尚沒有統一標準。針對沒有統一評價標準的指標體系,筆者結合前人研究,綜合選取了7類指標建立生態敏感性AHP評價指標,并對結果進行空間變化分析,以期為成都市生態文明環境的建設與合理開發提供參考價值,也為城市生態保持與土地開發提供基礎。

1 資料與方法

1.1 研究區概況成都市位于四川省中部,地處四川盆地西部地區,地理位置為102°54′～104°53′E、30°05′～31°26′N,北接德陽市,東鄰資陽市,南部與眉山市接壤,西部則與雅安相鄰,全市總面積為14 335 km2。地勢西北高、東南低,東部屬于四川平原地帶,土地肥沃,適合農業發展,西部地區則多山地與丘陵,海拔為1 000～5 000 m,主要地貌為平原、丘陵、山地、臺地。因此全市地貌豐富,垂直落差大,最大落差可達5 000 m。氣候屬亞熱帶濕潤季風氣候區,年降雨量約為1 000 mm,平均氣溫在16 ℃左右。全年降水豐富,位于河網交匯處,水資源豐富,地下水儲量多,且水質優良,足以滿足人民日常生活用水。多樣的地貌構成了豐富的生態環境,使得區域內生物資源豐富。

1.2 數據來源與處理該研究選取2015、2020年的遙感影像進行土地利用分類,并進行生態敏感性分析,根據分析結果進行各敏感性重心轉移分析以及生態敏感性空間格局分析。遙感影像來源于地理空間數據云(http://www.gscloud.cn/)中的Landsat 8 OLI_TIRS數據,選取月份為5—9月,云量控制在15%以下以減少分類誤差。分類結果補充數據來自Open Street Map(OSM)開源矢量數據。通過在ENVI 5.3中先對遙感影像進行輻射定標、大氣校正等基礎操作,然后使用隨機森林的監督分類方法對兩年數據進行分類,分類體系采用中國科學院資源環境數據庫中的土地利用分類體系[22],主要為建設用地、林地、草地、水體、耕地、未利用地6類。對分類后結果使用OSM數據進行補充,得到最后的分類結果數據。

構建AHP分析法時除土地利用數據外還需DEM數據、道路、水域、坡度、坡向以及植被歸一化(NDVI)數據。DEM數據來源于地理空間數據云,該研究選取GDEMV3 30 m分辨率數據作為研究數據。獲取數據后,對DEM數據進行拼接裁剪操作并計算分析指標體系中所需的坡度、坡向等數據。NDVI通過使用遙感影像進行波段計算所得。而道路和水域數據均來自OSM的開源數據集,其中道路選取條件為主要道路與高速公路,水域選取河流與湖泊要素。

1.3 研究方法該研究分為2個部分進行:第一部分進行生態敏感性分析,第二部分對生態敏感性數據進行重心轉移與空間自相關性分析。第一部分首先使用AHP分析法結合NDVI、DEM、坡度、坡向、道路、水域以及土地利用分類數據對成都市生態敏感性進行分析。研究方法:首先構建AHP評價矩陣,得出各影響因子的權重;其次對道路、水域數據進行緩沖區生成;然后對各因子數據進行重分類與疊加分析,得到符合生態敏感性分級[23-26]的分類數據;最后對各因子進行空間疊加分析,得到最后的生態敏感性數據。第二部分通過ArcGIS進行重心轉移計算,隨后對各縣區的生態敏感性數據在ArcGIS中進行空間自相關性分析。

1.3.1AHP模型。層次分析法(analytic hierarchy process,AHP)是一種定量分析與定性分析的決策方法[27],原理是通過構建多層次結構,通過構建每一層次的判斷矩陣,求得每一層不同因素的權重,最終獲得各因素的影響權重,求出權重后還需對權重結果進行一致性檢驗。

1.3.1.1構建判斷矩陣。各指標之間需要兩兩進行比較,將因子間重要性依據前人的研究進行重要性打分[24-25],給定量化值1、3、5、7、9依次表示同樣重要、較為重要、較強重要、重要、非常重要。按照各因子性質進行等級評定,并構建判斷矩陣,判斷矩陣為對稱陣,形式如下:

aij=1/aji

(1)

式中,ij表示第i類指標對第j類指標的重要性,ji表示第j類指標對第i類指標的重要性。

1.3.1.2一致性檢驗。根據判斷矩陣可以計算出每個因子的權重,為檢驗各權重是否具有一定的科學性,需對判斷矩陣進行一致性檢驗,公式如下:

(2)

CI=(λ-n)/(n-1)

(3)

CR=CI/RI

(4)

式中,λmax為最大特征值,A為判斷矩陣,ωi為特征向量,n為矩陣階數,CI為一致性指標,CR為檢驗系數,RI為平均隨機一致性指標。若CR<0.1,則認為判斷矩陣通過一致性檢驗,且其數值越接近0,判斷矩陣質量越高,反之則認為未通過一致性檢驗。

1.3.2生態敏感性分析。該研究針對成都市地理環境特征進行評價指標的選取并構建評價指標體系,最終篩選出NDVI、DEM、坡度、坡向、道路緩沖區、水域緩沖區、土地利用7個指標進行生態敏感性分析。對各指標構建結果如表1所示。對生態敏感性有重要意義的是NDVI、坡度、坡向以及林地、耕地等方面。其中坡度可以反映地表在該點的陡緩程度[28],坡向表示表面某點的切平面法線,可以用坡度和坡向2個指標反映山區生態環境[29]。

表1 生態敏感性評價因子指標體系

1.3.3重心轉移分析。重心轉移模型可以很好地反映出某一地理現象的空間變化,多用于研究經濟發展與人口轉移等方面。該研究將重心模型用于生態敏感性變化分析中,通過構建生態敏感性重心轉移距離[30]可更加直觀地顯示研究區生態敏感性的時空演變。生態敏感性重心轉移距離是通過計算不同時期生態敏感性重心的轉移距離,以此來分析生態敏感性的時空變化特征,具體公式如下:

(5)

式中:(Xi-1,Yi-1)是i-1時間點的生態敏感性重心;(Xi,Yi)是i時間點的生態敏感性重心。

1.3.4空間自相關性分析。空間自相關分析是對要素位置與要素值之間的綜合分析,用于分析要素在空間中的聚集程度。可以通過空間自相關指數的計算對地理數據的空間自相關性描述進行定量分析[30]。其中莫蘭指數是主要的空間自相關指數之一,計算公式如下:

(6)

式中:zi與zj分別為變量在空間i和j處的數值,其中i≠j;Wij表示zi與zj之間的權重。I為[-1,1],當I越接近1,表示正相關性越強,反之,負相關性越強。

通過使用GetisOrd Gi*指數進行高低聚類情況分析,即Gi*值相當于統計中的z值,當z值越高表明高值聚類越明顯,越低表明低值聚類越明顯,計算公式如下:

(7)

(8)

(9)

式中,xj是要素j的屬性值,ωi,j是要素i與j之間的空間權重,n為要素總數。

2 結果與分析

2.1 AHP模型構建參考生態敏感性相關研究[23-26],結合該研究區特殊的地理位置等特征,以科學性為原則,選取的主要因子以生態為主。在城市化進程中人地矛盾是一直存在的突出問題,因此土地利用分類數據是必不可少的,對城市生態有直接作用。成都市地勢垂直落差大,地形、坡向、坡度的分布不僅會影響植被分布,還會影響人類活動。道路和水域是城市中必不可少的組成部分之一,是影響人類活動的重要因素。植被覆蓋可以反映土壤侵蝕程度,同樣也是一個重要的評價指標。因此該研究最終選取了高程、坡度、坡向、道路緩沖區、水域緩沖區、土地利用、NDVI 7個指標因子構建評價指標體系。將其單因子生態敏感性進行兩兩比較,將指標分為1、3、5、7、9五級,等級依次增強。

將確定好的指標體系運用AHP分析法進行判斷矩陣構造,判斷矩陣如表2所示。為減少各因素的關聯性,該研究僅包含目標層與指標層,目標層為最終的生態敏感性結果,指標層為以上7個因子。通過R語言進行AHP模型計算,得到各因子權重,結果見表3;再通過計算得出CR=0.041 0<0.1,說明該權重結果是可靠的;最后將7個因子按照權重進行空間疊加分析,得到生態敏感性結果數據。

表2 指標評價因子判斷矩陣

表3 指標評價因子權重

2.2 生態敏感性分析

2.2.1單因子生態敏感性分析。該研究選取的單因子均是生態敏感性分析的重要因素,各因子生態敏感性分析結果如圖1所示。高程是生態環境中基礎部分,高程的變化會引起氣候的變化,隨著海拔的上升溫度隨之降低,溫度的降低會引起生物在高程處的垂直分布特征,即海拔越高,生物多樣性越差。從圖1a可以看出,城市大部分處于高程不敏感區,高度敏感區多集中于西部山地地區。坡度和坡向也是生態環境的基礎部分,坡度反映地表的傾斜程度,會直接影響地表物質的活動范圍與規模;坡向則是區域氣候的重要形成條件之一,我國地處北半球,南坡的太陽輻射和時間均大于北坡,使得南坡的植物多于北坡,因此北坡生態較為脆弱。從圖1b、c可以看出,成都市坡度生態敏感性分布與高程相似,中部地區生態敏感性較弱,西部與山地地區生態敏感性高;坡向則以西南、東南、西北、東北向為主,因此城市坡向生態敏感性分布中輕度敏感和高度敏感均為主要分布。

圖1 高程(a)、坡度(b)、坡向(c)生態敏感性分布Fig.1 Ecological sensitivity distribution of elevation(a),slope(b)and aspect(c)

除地形等基本因子外,人類活動對生態敏感性變化也起到重要作用。其中道路緩沖區、水域緩沖區、土地利用和NDVI均是以人類活動為主的影響因子。從圖2b可以看出,水域緩沖區生態敏感性分布多集中在城市中心,無論是2015年還是2020年,成都市兩期水域緩沖區敏感性分布較為相似,這是因為成都市處于河網交匯處,且河網變動不大,因此集中于城區中心地區且不敏感性區域位于四周遠離水域的地區。道路緩沖區生態敏感性則發生了較大變化,從圖2a可以看出,道路在這兩年內有所擴展,但主要區域仍然是城市中心區域,城市邊緣地區則是道路生態不敏感區。

注:a1、b1、c1、d1為2015年;a2、b2、c2、d2為2020年。圖2 2015和2020年道路緩沖區(a)、水域緩沖區(b)、NDVI(c)和土地利用(d)生態敏感性分布Fig.2 Ecological sensitivity distribution of road buffer zone(a),water buffer zone(b),NDVI(c)and land use(d)in 2015 and 2020

NDVI與土地利用數據則主要反映城市人類活動對城市區域帶來的生態敏感性變化分布。從圖2c可以看出,2015和2020年NDVI的生態敏感性分布中不敏感區域分布于東南地區,高度敏感區位于城市中心區域,這是因為城市中心區域為人類活動主要區域,而東南地區鮮有人類活動,因此呈現出中部極敏感、四周不敏感的分布特征。土地利用生態敏感性分布(圖2d)顯示,在2015和2020年隨著城市化進程的推動,城市中心區域的生態輕度敏感范圍有所擴大,這是由于人類活動導致土地利用發生了變化,影響了土地利用的生態敏感性分布。

2.2.2整體生態敏感性分析。從圖3可以看出,2015和2020年成都市整體生態敏感性分布特征是成都市城區以生態中度敏感為主,全區均有分布,高度敏感區域主要集中在山地林地區域,其余分級敏感區在成都市內均有分布,整體呈放射狀分布。其中生態敏感性為中度敏感的區域是城市中心區域,形成這種現象的原因是在該區域交通、水系以及人類活動均為主要區域,因此該區域多處于中度敏感分布,在未來需注意開發使用,避免生態環境出現不協調發展。而極敏感區域則多處于山地、林地區域,這些地方人類活動少,土地利用分類的占比較大,不利于開發。

圖3 2015年(a)和2020年(b)整體生態敏感性分布Fig.3 Distribution of overall ecological sensitivity in 2015(a)and 2020(b)

2.3 生態敏感性重心轉移分析為進一步了解成都市生態敏感性的時空變化特征,對成都市2015和2020年各等級生態敏感性重心進行轉移計算與分析,結果如圖4所示。從圖4可以看出,不敏感、極敏感的生態敏感性重心向西南偏移,而中度敏感、輕度敏感的生態敏感性重心向西北偏移,高度敏感則是向東南偏移;其中以高度敏感偏移量最大,偏移量為9.92 km。從整體來看,成都市除不敏感以外各級生態敏感性重心均處于城市中心地區,說明城市生態分布較為均勻合理,這是因為成都市的自然地形以及發展區域處于區域的中部地區,西部地區多高山林地,東部有大面積耕地,且地勢西高東低,不利于人類活動與發展,因此除不敏感以外各級生態敏感性重心均處于城市中心地區。

2.4 空間相關性分析為對成都市生態敏感性進行更為詳細的空間格局分析,該研究使用ArcGIS進行空間自相關分析,通過計算各縣域間整體莫蘭指數來分析生態敏感性在各縣域層面的空間關聯性,并通過GetisOrd Gi*指數來測度生態敏感性全局與局部的空間關聯度。

該研究通過對成都市2015和2020年兩期生態敏感性數據在全域內進行劃分,劃分標準按照各級生態敏感性面積在縣域內的占比為主,面積占比最大的定義為該縣域主要生態敏感性。經計算,2015和2020年全局空間自相關莫蘭指數分別為0.262、0.395,且均通過P<0.01的檢驗,說明在此期間各縣域地理位置與生態敏感性分布存在聚集效應。并通過計算GetisOrd Gi*指數得到兩期生態敏感性分布顯著區均集中在城市中心地區,通過冷熱點分布(圖5)發現,2015、2020年的熱點區域均處于西南地區,該區域多為山地、林地密集區,受地形與自然環境的影響,使該區域成為生態敏感性高聚集區;而冷點區域則處于城市中部地區,該區域處于城市中心地帶,交通便利,人類活動頻繁,城市建設區集中,因此形成了生態敏感性低聚集區。

圖5 2015年(a)和2020年(b)成都市生態敏感性冷熱點區域格局Fig.5 The pattern of ecologically sensitive cold and hot spots in Chengdu in 2015(a)and 2020(b)

3 討論

該研究利用ArcGIS空間技術對成都市生態敏感性進行分析,綜合考慮高程、坡度、坡向、NDVI、土地利用、道路緩沖區、水域緩沖區7個影響因素進行評價指標體系的構建;使用AHP分析方法構建判斷矩陣,對成都市整體進行生態敏感性分析。一方面所選的7個因子可以較為科學準確地反映成都市整體的生態問題,另一方面使用ArcGIS的空間分析方法較為成熟,可為分析提供重要的技術手段。因此所得生態敏感性分析結果具有一定可靠性,便于后續分析。使用重心轉移分析方法研究城市生態敏感性的空間格局整體變化;通過空間自相關分析,將縣域與生態敏感性分區相連,得出中心區域的縣區在生態敏感性上具有一定空間自相關性,便于進行后續縣域層級的生態分析,方便對各區縣進行分級管理。該研究選取的因子不包括如土壤流失等具體的研究指標數據,因此未來可以通過使用具體的生態基礎數據,如水土流失、土壤酸堿性數據等,對城市區域進行生態敏感性的主要變化原因與結果分析。

4 結論

該研究使用AHP方法構建評價指標體系對成都市生態敏感性進行分析,并針對結果進行重心轉移分析與生態敏感性的空間自相關分析。結果表明,成都市城區以生態中度敏感為主,全區均有分布,高度敏感區域主要集中在山地林地區域,其余分級敏感區在成都市內均有分布,整體呈放射狀分布。各敏感性區域的重心轉移分析表明,成都市生態敏感性分區除不敏感區域外其余各級分類在區域內分布均勻,且各級重心位置處于城市重心周圍。各縣域生態敏感性空間自相關分析表明,成都市西南地區為熱點區域,該區域多山地、林地;城市中部地區則為冷點區域,人類活動頻繁,符合成都市整體發展現狀。