粵港澳大灣區地表水體經濟社會驅動要素

楊振華,趙銅鐵鋼,田 雨,楊 芳,鄭炎輝,陳曉宏

粵港澳大灣區地表水體經濟社會驅動要素

楊振華1,趙銅鐵鋼2*,田 雨3,楊 芳4,鄭炎輝5,陳曉宏2

(1.生態環境部珠江流域南海海域生態環境監督管理局生態環境監測與科學研究中心,廣東 廣州 510610；2.中山大學水資源與環境研究中心,廣東 廣州 510275；3.中國水利水電科學研究院水資源研究所,北京 100038；4.珠江水利科學研究院,廣東 廣州 510611；5.南方科技大學環境學院,廣東 深圳 518055)

采用水體解譯—環境庫茲涅茨曲線識別—驅動關系分析的研究思路,基于Landsat影像提取粵港澳大灣區長序列地表水體動態,將環境庫茲涅茨曲線應用于土地利用/覆被變化分析,辨析地表水體長期均衡與短期波動的經濟社會驅動要素.結果表明:近30a大灣區城市地表水體總體上呈先升后降的非線性特征,且取決于水體與耕地、不透水面之間的轉化特征,1990～2000年地表水體面積增長了1323.14km2,2000年以后呈波動下降;粵港澳大灣區地表水面率與單位面積GDP的EKC總體呈快速上升—快速下降—平緩回升的N型特征,體現出人為覆被對水體擠占與生態修復/水庫擴容工程對水體的擴張;DARDL-UECM模型明確了模擬結果的準確性(2>0.7,<0.000)和各因子的貢獻率,無論短期波動階段還是長期均衡階段,不透水面、林地和耕地面積比重均為城市地表水體的主要驅動要素,三者累計貢獻率均值為0.96和0.93.

粵港澳大灣區；地表水體；環境庫茲涅茨曲線；土地利用/覆被變化；經濟社會驅動要素

地表水體是區域生態環境和生產、生活、生態用水主要載體,也是土地資源開發重要藍色空間[1-2].在我國快速城市化進程中,水資源開發利用(生產、生活、生態用水供給)和城市景觀擴張(工商業用地、基礎設施和農田開墾)成為影響地表水體分布的主要要素[3].在多種要素的共同作用下,地表水體面積呈現出非線性變化特征,直接影響城市生態環境安全和生態系統服務維持[4-5].2019 年國務院頒布[粵港澳大灣區規劃綱要]提出打造生態防護屏障和加強環境保護和治理的要求.探究大灣區地表水體變化特征及其驅動要素,對城市水生態環境研究具有重要意義.

近年來,資源環境模型被廣泛用于地表水體變化的驅動分析與模擬[6-7].在驅動要素方面,已有研究主要從景觀擴張[8]、產業與環境政策[9]、氣候變化[10]等方面選取影響要素,并從多元線性回歸的角度發現,人口增加、城市用地擴展是導致河流、湖泊和坑塘萎縮的主要要素.在驅動模型方面,已有研究應用環境庫茲涅茨曲線(EKC)[11]、面板模型[12]、多元回歸模型[10]等模型,分析經濟發展與資源環境要素(如水域、水環境和水足跡)的耦合關系,識別EKC特征及主要驅動要素.地表水體作為土地資源之一,兼具資源與環境要素雙重屬性,目前鮮有研究其非線性變化EKC特征與經濟社會發展之間的驅動關系[13-14].

為揭示粵港澳大灣區經濟社會發展對地表水體非線性變化的驅動關系,辨析其主要驅動要素,本文首先梳理Landsat、Google Earth遙感影像和土地利用/覆被變化數據、經濟社會資料;其次基于水體指數和EKC模型識別大灣區近30a來地表水體時空動態及其EKC特征,生成1990～2020年大灣區逐年地表水體數據集; 最后構建動態自回歸分布滯后與非約束誤差修正模型(DARDL-UECM)[15]分析城市經濟社會的主要驅動要素及其對地表水體的長期均衡與短期波動的影響,以期為地表水體范圍的科學管控提供決策參考.

1 研究方法與數據來源

1.1 研究區域

粵港澳大灣區(簡稱:大灣區)由廣州、深圳、珠海、佛山、惠州、東莞、中山、江門、肇慶 9 個地級市(研究區域)和香港、澳門特別行政區組成,是中國開放程度最高、經濟活力最強的華南城市群之一.2019年大灣區人口數達7267萬,地區生產總值為11.59萬億元,占地面積5.59萬km2[16].改革開放以來,在快速城市化進程中,人類活動通過改變地表覆被等方式,導致大灣區水體面積減少、水環境質量退化[4],影響了城市水資源與水環境的保護.

1.2 數據來源

表1 驅動要素選取依據及其數據來源

注:解譯影像來源于Landsat 30m地表反射率數據產品;驗證數據來源于逐年CLCD數據集和高清Google Earth影像.經濟社會要素來源于1990～2020年《中國城市統計年鑒》、《廣東省統計年鑒》以及各個城市的統計年鑒等.

本文涉及數據包括長序列遙感影像、土地利用/覆被驗證數據和經濟社會統計指標(表1).考慮到長序列Landsat 影像在地物監測的優勢[17],本文采用1990～2020年Landsat TM/ETM/OLI系列的地表反射率產品(https://code.earthengine.google.com/)提取水體動態特征.土地利用/覆被驗證數據來源于1985～2020年中國土地覆被數據集(CLCD)[18]和高清Google Earth平臺影像(https://earth.google.com/ web/).經濟社會統計指標來源于各城市相關統計年鑒.參考已有研究關于地表水體變化分析的驅動要素和EKC模型分析變量[2,19],從經濟水平、產業結構、人口特征、土地覆被4個方面選取12個經濟社會要素,分析地表水體非線性變化的主要驅動要素[17],并對其進行共線性分析.數據以1990年為基期,并通過通貨膨脹率修正得到歷年可比價格.

1.3 研究方法

1.3.1 研究思路 為探究地表水體時空動態及其驅動要素,本文構建水體解譯—環境庫茲涅茨曲線識別—驅動關系分析的研究思路,制定驅動要素分析技術流程(圖1),主要包括以下環節:水體指數解譯與驗證(水體頻率和水體指數驗證)、環境庫茲涅茨曲線識別和DARDL-UECM模型構建.

圖1 地表水體驅動要素分析的技術路線

1.3.2 水體指數解譯與驗證 (1) 水體頻率計算 針對不同水體指數模型與算法的優勢[22-23],本文采用典型水體指數計算出區域水體頻率特征.為提取研究區地表水體動態特征,本文通過Quality Assessment(QA)波段去除云霧陰影[24]、山體陰影、條帶噪聲(圖2),然后,選取典型水體指數(NDWI、MNDWI、WI2020)[25]比較各指數在長時序水體提取中的精度差異.3種指數計算公式如下:

式中:

式中:NDWI、MNDWI、WI2020、NDVI和EVI分別代表水體指數NDWI、MNDWI、WI2020、NDVI和EVI;、、1依次表示Landsat地表反射率影像的藍波段、綠波段、紅波段、近紅外波段和短波紅外波段1.鑒于水體頻率閾值可有效過濾低置信度的水體和隨機噪聲(如薄云霧、建筑陰影、椒鹽噪聲等),使逐年水體指數解譯結果更加合理、準確[25],本文在分割出單幅影像水體像元(經驗性閾值)的基礎上,累計年內水體觀測次數obs和有效觀測像元次數obs,計算出年度水體頻率freq(公式(6)).

(2)水體指數驗證 水體指數精度驗證由基于混淆矩陣的分類精度指標計算得到[18,25].為建立逐年水體頻率與提取精度的閾值關系,本文依據1990～2020年逐年土地利用/覆被變化數據集CLCD和Google Earth高清影像,對不同水體頻率的分層隨機驗證點進行目視校正,通過水體與非水體像元的混淆矩陣,計算出總體精度、用戶精度、生產者精度和Kappa系數(公式(7)～(10)),評價出不同水體指數的提取精度.

式中:O、U、P和K分別代表總體精度、用戶精度和生產者精度和Kappa系數等精度要素;T代表樣本點總數;TP,TN,FP,FN分別代表解譯實際均為真,解譯實際均為假,解譯為真實際為假和解譯為假實際為真的樣本點數量.本文選取3種水體指數的年內水體頻率,通過頻率閾值敏感性分析(圖2),驗證不同水體指數最佳閾值的解譯精度,發現MNDWI水體頻率(0.54)精度均優于NDWI(0.17)和WI2020 (0.12),可作為逐年水體提取的依據.

1.3.3 環境庫茲涅茨曲線識別 環境庫茲涅茨曲線EKC模型[26]認為人均收入與環境污染程度之間存在倒U型或N型非線性關系特征.近年來,學者們將EKC模型擴展到資源消耗和生態足跡等領域[13,27],分析不同資源環境要素與經濟社會發展的耦合關系,發現隨著經濟發展水平的提升,不同資源環境要素呈倒U型、N型、U型等多種特征[28-29].為剔除城市規模對水體面積和GDP總量的影響,本文采用單位面積地表水體(地表水面率(%))和單位面積GDP衡量兩者的EKC特征,其表達式[26]如下:

圖2 水體頻率閾值敏感性分析與精度驗證

1.3.4 DARDL-UECM模型構建 為識別水體動態變化的主要經濟社會驅動要素,本文參考已有研究[2-3,10],初步選取經濟、產業、人口集聚特征和景觀等方面12個經濟社會變量(表1).考慮變量可能存在非平穩序列和信息冗余的問題,本文對各變量進行單位根和方差膨脹要素(VIF)檢驗.結果表明,經一階或二級差分后,單位面積GDP、第一產業比重、總人口、林地面積比重、耕地面積比重、不透水面面積比和固定資產投資7個要素拒絕了“存在單位根”的原假設,且均通過了共線性檢驗,故將其作為模型輸入變量.

地表水體動態是當期經濟社會要素和自身滯后效應共同驅動的結果,其與驅動要素的長期均衡關系是短期波動關系不斷調整后形成的[14].為檢驗經濟社會要素與地表水體的動態驅動關系,本文應用動態自回歸分布滯后與無約束誤差修正模型(DARDL-UECM)[15]模擬地表水面率與經濟社會要素之間的驅動關系.具體步驟包括:(1)優選各對數變量的差分項和滯后項;(2)采用Pesaran bounds檢驗方法判斷變量之間是否存在協整關系;(3)在變量協整的前提下,應用DARDL-UECM模型分別估計長期均衡和短期波動情景的模型參數,兩者表達式[15]如下:

2 結果與討論

2.1 地表水體動態

近30a來,整個大灣區地表水體范圍呈現出先上升后下降的趨勢(圖3).1990～2000年三角洲地區新增水體面積840.55km2,以養殖坑塘水面和灌溉水面擴張為主,分布于珠江三角洲邊緣城市,集中在佛山、惠州、中山等區域(圖4a～b);2000～2005年則出現了郊區坑塘、水田擴張與市區坑塘萎縮并存的特征,廣州、佛山、東莞中心城區小型水體開始消失(圖4c);2005～2015年郊區坑塘保持小幅度上升,但市區和濱岸帶小型湖泊、河涌等水體萎縮劇烈,僅2010～2015年間的水體萎縮就達到393.28km2,水體總面積快速下降(圖4d～e);2015～2020年受《中華人民共和國防洪法》、《中華人民共和國水法》及《廣東省河口灘涂管理條例》的頒布,城市水體與海岸線占補制度逐步建立,養殖坑塘、岸線水體占用速度下降,隨著“河湖長制”以及“南粵河更美”專項行動的落實,水生態功能區水體得到保護,水體空間格局趨于穩定,城市水體主干網絡基本成型(圖4f).

圖3 1990～2020年大灣區城市地表水體時序變化

圖4 1990～2020年大灣區水體空間動態(5a間隔)

從大灣區城市地表水體轉化特征(表2和圖5)可以看出,地表水體時空動態變化取決于耕地、不透水面對水體的擠占.1990～2020年期間,水體轉化成不透水面累計面積1720.60km2,水體轉化耕地總面積2272.18km2,兩者占歷年水體擠占水體總面積的82.11%,而非水體轉化成水體的總面積僅648.77km2.除深圳外,其余城市地表水體轉化路徑基本一致(圖5).深圳地表水體面積整體呈持續下降趨勢,但2015～2020年間出現小幅度上升特征,各類水體累計轉化成建設用地55.34km2和35.77km2,其轉化規模在2000～2005年期間達到最大值.各城市水體轉化成耕地的時段集中于1990～2010年,轉化成不透水面的時段集中于1995～2010年,其余時段三者轉化關系較弱, 2010～2020年間僅珠海地表水體向不透水面的轉化速度達到最大值,其轉化速度達到7.9km2/a,高于1995～2010年的轉化速度.整體而言,1990～2010年地表水體擴張的原因在于耕地轉化為養殖坑塘、不透水面,2010～2020年地表水體萎縮主要在于坑塘細小水體轉化成耕地,且水體與非水體轉化趨勢與地表水體變化特征基本一致(圖3和圖5),說明城市地表水體的萎縮與擴張是水體與人工覆被(耕地、不透水面)的結果.

表2 1990～2020年大灣區水體與非水體轉移矩陣

注:逐5a統計.

圖5 1990～2020年大灣區城市地表水體的轉化過程

2.2 地表水體EKC特征

盡管AIC、BIC、-stats、值等多個評價指標可用于模型選擇,但當次數升高,而各指標提升較小或不顯著時,則可采用低次項模型反映關系趨勢[6-7,30].通過二次與三次EKC模型的2和AIC值對比可知(圖7),三次模型能有效識別城市地表水面率與單位面積GDP的EKC形狀和轉折點.大灣區除深圳、東莞、佛山(圖6a, d, e)的EKC形狀為持續下降趨勢外(二次曲線),其余城市EKC形狀均為N型,即兩者關系呈現出“快速上升—快速下降—平緩回升”的特征.東莞、佛山的地表水面率分別在單位面積GDP為0.40′108和0.30′108元/km2處達到最大值,出現了小幅度上升到快速下降的轉折點,隨后在2.62′108和3.58′108元/km2時趨于平緩,但深圳卻出現小幅度回升(2016～2020年),其可能原因是生態修復和水庫擴容工程導致水體面積增加[4,9],具體原因有待進一步分析.

由N型城市的EKC拐點(圖7)可知,EKC可劃分為快速上升(I)、快速下降(II)和平緩回升(III)3個階段.結合圖7可知,階段I EKC曲線上升的原因在于20世紀90年代勞動密集型產業吸收大量勞動力,居民生活水平提升促使漁類產品需求增加,大量養殖坑塘水體面積提升[9];階段II出現第一個拐點原因為城市養殖坑塘等小型水體逐漸被高經濟密度的不透水面代替[13],主要包括工商業用地和基礎設施的擴張;階段III的第二個拐點表明城市EKC在經濟水平提升后普遍出現平緩上升趨勢,因為發達經濟社會背景下,地表濕地水體生態服務功能得到重視,生態紅線、公園綠地、自然保護區有效保護城市水體.但是,由于階段III歷時短,不確定性大,未來變化趨勢是否會變還需深入分析.綜上所述,因經濟水平差異,不同城市的EKC拐點無明顯經濟閾值,但出現的時間在2000年和2016左右,表明政策措施導向可能是影響EKC趨勢的重要因素.由此說明,不同城市的經濟社會發展水平空間差異,導致城市EKC拐點無閾值的一致性,但有時間相似性,水體“占補平衡、增減掛鉤”等制度成為水體范圍保持的關鍵[16].

圖6 1990～2020年大灣區城市水體EKC特征

實線、虛線分別為二次、三次模型,其陰影部分為95%置信區間

2.3 地表水體驅動要素分析

為辨析經濟社會要素對地表水體的驅動關系,本文利用DARDL-UECM模型分析長期協調與短期波動情景下的因素差異.從長期均衡(同期變量)與短期波動(同期變量和滯后項)情景的模擬結果可知,DARDL-UECM模型有效的模擬出不同城市的因變量變化(取對數后),說明7個經濟社會要素有效表征出地表水面率變化過程.以短期模型模擬結果(圖7)為例,各城市地表水面率在優選滯后項和差分項條件下模擬精度較高.大灣區模型擬合2均大于0.724,-value小于0.000,其中廣州、肇慶的2甚至達到0.9以上,表明綜合考慮長期與短期的動態參數模擬有助于保證模擬的整體精度[30],但對于變化劇烈的年份,其模擬精度還有待于進一步提升.

圖7 大灣區地表水面率短期波動模擬

實線為實際值,虛線為模擬值

為區分各經濟社會驅動要素的重要性,本文利用彈性系數法[2]得到短期波動與長期均衡情景下的相對貢獻率(無量綱),其值越趨向于0,代表自變量對因變量的貢獻率越低,反之,則越高.從圖8可知,短期波動和長期均衡情景下,不透水面、林地和耕地面積比重均為城市地表水體的主要驅動要素,三者累計貢獻率均值為0.96和0.93,共同決定了地表水體的擴張或萎縮[8],尤其是建設用地大幅擴展的深圳、惠州和中山,其不透水面比重的貢獻率分別為0.46、0.44和0.42,說明兩個城市不透水面建設對地表水體的干預程度最強,其余城市的貢獻率均不足0.4.另外,林地和耕地在廣州、佛山、珠海等區域占用重要作用,兩者累計貢獻率達到0.6以上.其余要素貢獻率低可能原因為人口、GDP、產業對地表水體起間接作用,經濟發展通過建設用地、耕地的轉化實現對地表水體范圍的影響[3,8],其中介效益需在未來研究中進一步分析.

各要素在長期均衡與短期波動情景下的貢獻率相似,但長、短期貢獻率結構存在一定差異.由圖8可知,長期均衡情景下,深圳、肇慶的不透水面面積比重為主導因素,江門以耕地和林地面積比重為主,中山以林地面積比重和第三產業比重為主,廣州、佛山、東莞、惠州、珠海的不透水面、耕地和林地面積比重貢獻率基本一致,其余要素貢獻率較低(<0.2).上述說明,人工土地覆被(建設用地、耕地)對水體的占用方式主要有兩種:一是建成區的林地(人工林)和坑塘與耕地對小型水體的擠占;二是建設用地對坑塘水體的直接占用(圖5).因此,未來控制人工土地覆被對水體的擠占作用,依然是避免地表水體消失最重要的方式.其次,應當從占補平衡的角度管控地表水體面積.最后,控制人口規模和優化產業結構可輔助于地表水體保護.

圖8 經濟社會要素對地表水面率的貢獻率

3 結論

3,1 近30a大灣區城市地表水體總體上呈“先升后降”的非線性特征,1990～2000年地表水體總面積增長了1323.14km2,2000年以后水體呈波動下降,尤其是2012～2020年水體急速下降,年均水體面積萎縮143.52km2.相比于其他非水體覆被類型,以水體與耕地、不透水面之間相互轉化路徑決定了地表水體動態.

3.2 粵港澳大灣區地表水面率與單位面積GDP的EKC總體呈“快速上升—快速下降—平緩回升”的N型特征,尤其是東莞、佛山,兩者由升到降的轉折點分別為0.40′108元/km2和0.30′108元/km2,但由降到升的轉折點分別為2.62′108元/km2和3.58′108元 /km2,體現出人為覆被對水體擠占與生態修復和水庫擴容工程對水體的擴張兩種階段,其具體原因有待進一步分析.

3.2 DARDL-UECM模型模擬結果表明,該模型明確了模擬結果的準確性(2>0.7,<0.000)和各因子的貢獻率,無論短期波動階段還是長期均衡階段,不透水面、林地和耕地面積比重均為城市地表水體的主要驅動要素,三者累計貢獻率均值為0.96和0.93,但不同城市的要素貢獻率結構存在差異.為緩和未來城市發展與水體保護的矛盾,各城市應當重點控制人為土地覆被對水體的擠占作用,從占補平衡的角度管控地表水面率與經濟社會的EKC關系.

[1] 劉年磊,蔣洪強,吳文俊.基于不確定性的水資源優化配置模型及其實證研究 [J]. 中國環境科學, 2014,34(6):1607-1613.

Liu N L, Jiang H Q, Wu W J. Empirical research of optimal allocation model of water resources under uncertainties [J]. China Environmental Science, 2014,34(6):1607-1613.

[2] 李崇巍,王志慧,湯秋鴻,等.1986～2019年黃河流域地表水體動態變化及其影響因素[J]. 地理學報, 2022,77(5):1153-1168.

Li C W, Wang Z H, Tang Q H, et al. Dynamics of surface water area in the Yellow River Basin and its influencing mechanism during 1986～ 2019 based on Google Earth Engine [J]. Acta Geographica Sinica, 2022,77(5):1153-1168.

[3] 付 穎,徐新良,通拉嘎,等.近百年來北京市地表水體時空變化特征及驅動力分析[J]. 資源科學, 2014,36(1):75-83.

Fu Y, Xu X L, Tong L G, et al. Analysis on spatiotemporal variation characteristics and driving forces of surface water bodies in Beijing in recent 100years [J]. Resource Science, 2014,36(1):75-83.

[4] 王海云,匡耀求,文薪薦,等.粵港澳大灣區生態網絡構建及廊道優化 [J]. 中國環境科學, 2022,42(5):2289-2298.

Wang H Y, Kuang Y Q, Wen X J, et al. Ecological network construction and corridor optimization in the Greater Bay Area of Guangdong, Hong Kong and Macao [J]. China Environmental Science, 2022,42(5):2289-2298.

[5] 任南琪,張建云,王秀蘅.全域推進海綿城市建設,消除城市內澇,打造宜居環境[J]. 環境科學學報, 2020,40(10):3481-3483.

Ren N Q, Zhang J Y, Wang X H. Promoting the sponge city construction widely to eliminate urban waterlogging and create livable environment [J] Journal of Environmental Science, 2020,40(10):3481-3483.

[6] 馮 琳,張婉婷,張鈞珂,等.三峽庫區面源污染的時空特征及EKC分析[J]. 中國環境科學, 2022,42(7):3325-3333.

Feng L, Zhang W T, Zhang J K, et al. Spatial and temporal characteristics and EKC analysis of non-point source pollution in the Three Gorges Reservoir Area [J]. China Environmental Science, 2022, 42(7):3325-3333.

[7] Pata U K, Aydin M. Testing the EKC hypothesis for the top six hydropower energy-consuming countries: Evidence from Fourier Bootstrap ARDL procedure [J]. Journal of Cleaner Production, 2020, 264:121699.

[8] 何媛婷,王石英,袁再健,等.珠江三角洲土地利用變化及其對城市化發展的響應[J]. 生態環境學報, 2020,29(2):303-310.

He Y T, Wang S Y, Yuan Z J, et al. Land use change and its response to urbanization in the Pearl River Delta [J]. Journal of Ecological Environment, 2020,29(2):303-310.

[9] 程子浩,劉先鋒,林港特,等.近40年粵港澳大灣區?；~塘演變監測和分析[J]. 濕地科學與管理, 2021,17(3):29-35.

Cheng Z H, Liu X F, Lin G T, et al. Changes in fish ponds in the Guangdong-Hong Kong-Macao Greater Bay Area over the past 40 years [J]. Wetland science and management, 2021,17(3):29-35.

[10] Huang W J, Duan W L, Nover D, et al. An integrated assessment of surface water dynamics in the Irtysh River Basin during 1990～2019 and exploratory factor analyses [J]. Journal of Hydrology, 2021,593.

[11] Grossman G M, Krueger A B. Economic growth and the environment [J]. The quarterly journal of economics, 1995,110(2):353-377.

[12] 孫博文,程志強.市場一體化的工業污染排放機制:長江經濟帶例證[J]. 中國環境科學, 2019,39(2):868-878.

Sun B W, Cheng Z Q. Research on industrial pollution discharge mechanism of market integration: Taking the Yangtze River Economic Belt as an example [J]. China Environmental Science, 2019,39(2):868-878.

[13] 袁凱華,甘臣林,楊慧琳,等.建設用地擴張與碳排放增長的EKC驗證及特征分解研究——以武漢市為例[J]. 中國土地科學, 2019,33(1):56-64.

Yuan K H, Gan C L, Yang H L, et al. Validation of the EKC and characteristics decomposition between construction land expansion and carbon emission: A case study of Wuhan City [J]. China Land Science, 2019,33(1):56-64.

[14] 陳操操,張 妍,劉春蘭,等.北京市能源消費與經濟增長關系的協整檢驗分析[J]. 環境科學, 2012,33(6):2139-2144.

Chen C C, Zhang Y, Liu C L, et al. Energy consumption and GDP growth in Beijing: Cointegration and causality analysis [J] Environmental Science, 2012,33(6):2139-2144.

[15] Sarkodie S A. How to apply the novel dynamic ARDL simulations (dynardl) and Kernel-based regularized least squares (krls) [J]. method X, 2020:11.

[16] 粵港澳大灣區城市群年鑒編纂委員會.粵港澳大灣區城市年鑒[M]. 北京:方志出版社, 2020.

Compilation Committee of the Yearbook of Guangdong-Hong Kong- Macao Greater Bay urban agglomeration. Yearbook of Guangdong- Hong Kong-Macao Greater Bay [M]. Beijing: Local chronicles press, 2019.

[17] 馮凱東,毛德華,王宗明,等.基于GEE和遙感大數據的1986—2015年全球城鎮用地擴張占用水體時空特征[J]. 地理科學, 2022,42(1): 143-151.

Feng K D, Mao D H, Wang Z M, et al. Spatial and temporal characteristics of water bodies occupied by global urban land expansion from 1986 to 2015 based on Gee and remote sensing big data [J]. Science GeographicaSinica, 2022,42(1):143-151.

[18] Yang J, Huang X. 30m annual land cover and its dynamics in China from 1990 to 2019 [J]. Earth Syst. Sci. Data Discuss., 2021[2022-02-08].

[19] 魯曉東,許羅丹,熊 瑩.水資源環境與經濟增長:EKC假說在中國八大流域的表現[J]. 經濟管理, 2016,38(1):20-29.

Lu X D, Xu L D, Xiong Y. Water resources environment and economic growth: Performance of EKC hypothesis in China's eight major basins [J] Economic Management, 2016,38(1):20-29.

[20] 郭嘉銘,金 良,董鎖成.呼和浩特市環境庫茲涅茨曲線與環境影響因素分析[J]. 干旱區資源與環境, 2015,29(4):143-148.

Guo J M, Jin L, Dong S C. The environmental Kuznets curve and the environmental influencing factors in Hohhot [J]. Resources and Environment in Arid Areas, 2015,29(4):143-148.

[21] Zhou C, Wang S, Wang J. Examining the influences of urbanization on carbon dioxide emissions in the Yangtze River Delta, China: Kuznets curve relationship [J]. Science of The Total Environment, 2019,675: 472-482.

[22] Mcfeeters. S. K. The use of the normalized difference water index (NDWI) in the delineation of open water features [J]. International Journal of Remote Sensing, 1996,17(7):1425-1432.

[23] 徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究[J]. 遙感學報, 2005,9(5):79-85.

Xu H Q. Research on extracting water information using improved normalized difference water index (MNDWI) [J]. Journal of remote sensing, 2005,9(5):79-85.

[24] Steve F, Pat L. S, Song G, et al. Cloud detection algorithm comparison and validation for operational Landsat data products [J]. Remote sensing of environment, 2017,194:379-390.

[25] Wang X, Xiao X, Zou Z, et al. Gainers and losers of surface and terrestrial water resources in China during 1989-2016 [J]. Nat Commun, 2020,11(1):3471.

[26] Kaika D, Zervas E. The Environmental Kuznets Curve (EKC) theory—Part A: Concept, causes and the CO2emissions case [J]. Energy Policy, 2013, 62: 1392-1402.

[27] 樊勝岳,麻亮亮.中國大陸足跡家族的環境庫茲涅茨曲線分析[J]. 自然資源學報, 2016,31(9):1452-1462.

Fan S Y, Ma L H. Environmental Kuznets curve analysis of footprint family in Chinese Mainland [J]. Journal of Natural Resources, 2016, 31(9):1452-1462.

[28] 王 芳,曹一鳴,陳 碩.反思環境庫茲涅茨曲線假說[J]. 經濟學(季刊), 2020,19(1):81-100.

Wang F, Cao Y M, Chen S. Reflection on the environmental kuznets curve hypothesis [J] Economics (Quarterly), 2020,19(1):81-100.

[29] 徐建偉,傅澤強,謝園園,等.基于EKC假說的經濟增長與資源和環境協調性分析——以鐵嶺市為例[J]. 環境工程技術學報, 2016,6(3): 290-294.

XU J W, FU Z Q, XIE Y Y, et al. Coordination analysis on economic growth and resources and environment based on EKC: a case study on Tieling City [J]. Journal of Environmental Engineering Technology, 2016,6(3):290-294.

[30] 張茹倩,李鵬輝,徐麗萍.城鎮化對新疆土地利用碳排放的影響及其耦合關系[J]. 生態學報, 2022,42(13):5226-5242.

Zhang R Q, Li P H, Xu L P. Effects of urbanization on carbon emission from land use in Xinjiang and their coupling relationship. Acta Ecologica Sinica, 2022,42(13):5226-5242.

Socio-economic drivers of surface water bodies in the Guangdong-Hong Kong-Macao Greater Bay Area.

YANG Zhen-hua1, ZHAO Tong-tie-gang2*, TIAN Yu3, YANG Fang4, ZHENG Yan-hui5, CHEN Xiao-hong2

(1.Eco-Environmental Monitoring and Scientific Research Center, Bureau of Eco-Environmental Supervision of the South China Sea Waters of the Pearl River Basin, Ministry of Ecology and Environment, Guangzhou 510610, China；2.Water Resources and Environment Research Center, Sun Yat-sen University, Guangzhou 510275, China；3.Water Resources Research Institute, Chinese Academy of Water Resources and Hydropower, Beijing 100038, China；4.Pearl River Hydraulic Research Institute, Guangzhou 520611, China；5.School of Environment, South University of Science and Technology, Shenzhen 518055, China)., 2023,43(12)：6778～6787

Focusing on the Great Bay Area of Guangdong-Hong Kong-Macao (GBA), the Environmental Kuznets Curve (EKC) of surface water and its socio-economic drivers were identified in the paper.Specifically, the Landsat images were utilized to extract the long-term sequence of surface water dynamics, the EKC was obtained through land use/cover change analysis and the driving factors of long-term equilibrium and short-term fluctuation were illustrated. The results shown that the urban surface water bodies in the GBA generally showed a nonlinear characteristic of first rise and then fall, and depended on the transformation characteristics between water bodies and cropland and impervious surfaces in the past 30a, with the surface water body area increasing by 1323.14km2from 1990 to 2000, and then fluctuating and decreasing from 2000 onwards; the EKC of the surface water rate and GDP per unit area generally showed a N-type characteristics of rapid decline and gentle rebound reflect the loss/gain of water bodies by anthropogenic cover and ecological restoration/reservoir expansion projects; the DARDL-UECM model clarifies the accuracy of the simulation results (2>0.7,<0.000) and the contribution of factors. Regardless of the short-term fluctuation stage or long-term equilibrium stage, ratios of impervious surface, forested land and cropland area share are the main driving factors for urban surface water bodies, and the mean values of the cumulative contributions of the three factors are 0.96 and 0.93.

Guangdong-Hong Kong-Macao Greater Bay Area；surface water body；Environmental Kuznets Curve；land use/cover change；socio-economic drivers

X196

A

1000-6923(2023)12-6778-10

楊振華,趙銅鐵鋼,田 雨,等.粵港澳大灣區地表水體經濟社會驅動要素研究 [J]. 中國環境科學, 2023,43(12):6778-6787.

Yang Z H, Zhao T T G, Tian Y, et al. Study on Socio-economic Drivers of Surface Water Bodies in the Guangdong-Hong Kong-Macao Greater Bay Area [J]. China Enviornmental Science, 2023,43(12):6778-6787.

楊振華(1991-),男,江西贛州人,博士.主要從事遙感水文和水環境調查評價研究.發表論文10余篇.yangzhh63@mail2.sysu.edu.cn.