浙江大灣區生態安全預警及障礙因子分析

李瑞發，崔旺來，司凌涵，鮑聲望，楊帆

浙江海洋大學經濟與管理學院，浙江 舟山 316022

生態安全是國家安全的重要組成部分（應凌霄等，2022），區域生態安全是構成國家生態安全的個體（王如松等，2007）。城市作為區域的核心（Shu et al.，2022），城市生態安全是區域生態安全的基礎和核心（賈良清等，2004），也是城市永續發展的基石（蘇小霞等，2022）。城市是由社會、經濟、自然共同組成的復合生態系統（張中浩等，2022），其生態安全預警研究在生態安全研究領域具有典型性和代表性（柯小玲等，2020）。近年來，由于城市化的快速推進引起的城市人口密度劇增、用地結構失衡、生態空間蠶食問題已經影響到城市的可持續發展（王焰新，2022）。城市生態安全預警集中研究城市生態安全狀態的逆向變化（即退回、惡化）的過程和規律，做出及時的警告和對策（鄧淏丹等，2022）。如何全方位開展城市生態安全預警預報，提前發出生態警報、及時避免生態風險、防止生態環境惡化，使得城市生態安全預警研究具有非常強的現實需求和研究的緊迫性（Ke et al.，2021）。

生態安全預警是基于生態安全評價指標體系，對未來生態安全狀況進行預測和提前對受威脅狀態進行預警的方法（傅伯杰，1993；秦海旭等，2020；Jiao et al.，2023）。目前，國內外學者以耕地、湖泊等各類生態系統（柯小玲等，2021；蘇迎慶等，2021；魏小襯等，2021；霍文敏等，2022；Zou et al.，2022；Du et al.，2023；茍露峰等，2023；Liu et al.，2023；Xiong et al.，2023）為研究對象，在指標選取（吳朋等，2016；馬艷等，2018；Wang et al.，2021a；Wang et al.，2022a）、模型構建（高宇等，2015；馮琰瑋等，2018；向文等，2018；陳林等，2019；金蘭等，2019；Chen et al.，2020；Wang et al.，2021b；譚術魁等，2022；Sun et al.，2023）、預警方法（傅伯杰，1992；曹新向，2006；鄭澤娜等，2013；易武英等，2017）等方面取得了一批重要研究成果（趙鵬宇等，2020），為區域生態保護決策提供支持。但現有研究中對灣區進行生態安全預警研究的成果幾乎沒有。且大都利用單一的社會經濟統計數據進行研究，忽略了土地利用景觀生態方面的影響，本文綜合利用社會經濟統計數據、土地利用遙感數據、景觀格局指數等多元化指標，預警結果更為全面、系統、科學。此外，大多數研究停滯于對預警結果的闡釋，而沒有在此基礎之上對其具體的障礙因子做進一步分析，導致所提對策缺乏理論依據，研究成果缺乏現實意義。

浙江大灣區作為中國城市化進程最為猛烈、過程最為劇烈的地區，多重國家級戰略疊加聯動，人地矛盾、用地方式與生態變化非常具有典型性（崔旺來等，2023）。浙江省第十五次黨代會提出“要加快建設世界級大灣區”。伴隨著浙江大灣區快速推進引起的城市大量人口遷入、土地利用結構失衡、生態空間不斷被侵蝕等嚴重生態安全問題，生態安全預警研究有助于及時發現威脅生態安全的因素，并對未來生態安全發展趨勢進行預測預警，做到“事前控制”（柯小玲等，2021）。本研究以浙江大灣區為例，基于DPSIR 模型構建生態安全評價指標體系，采用灰色模型從縣域層面模擬預測浙江大灣區2025、2030、2035 年的生態安全狀況，同時利用障礙度模型診斷制約浙江大灣區生態安全的障礙性因素，以期為灣區未來生態安全的調控和管理提供決策參考。

1 內容與方法

1.1 研究區域概況

浙江大灣區地處長三角南翼，界于119°03′—123°10′E，27°02′—31°11′N 之間（圖1），包括杭州、湖州、嘉興、紹興、寧波、舟山、溫州、臺州8 個地市，共65 個縣（市、區）。區域占地面積約為65 104 km2，地形復雜，地勢自西向東呈階梯狀傾斜。屬亞熱帶季風氣候，氣溫適中，光照充足，雨量豐沛。浙江大灣區據有豐富的海港資源、發達的民營經濟、靈活的體制機制等多重優勢，不僅是浙江高質量發展的主要陣地，也是長三角乃至輻射東部地區發展的關鍵平臺。截至2022 年底，浙江大灣區國內生產總值和常住人口數分別占浙江省的87.84%和81.77%。然而，經濟的高速發展和人口的急劇增長給大灣區生態安全帶來了嚴重的威脅。

1.2 數據來源及處理

2000、2005、2010、2015 和2020 年浙江大灣區土地利用類型數據（30 m×30 m）來自武漢大學遙感信息處理研究所公開數據集（http://doi.org/10.5281/zenodo.4417809）。2000、2005、2010、2015和2020 年植被歸一化指數數據（30 m×30 m）來自國家生態科學數據中心（http://www.nesdc.org.cn/）。高程數據（30 m×30 m）來自地理空間數據云（https://www.gscloud.cn/），基于最新的 ASTER GDEM 30M 分辨率數字高程數據整理拼接而成。2000、2005、2010、2015 和2020 年經濟社會統計數據來自《浙江統計年鑒》浙江各地市統計年鑒、浙江各縣（市、區）國民經濟和社會發展統計公報。

由于數據的類型和來源多樣，本文將所有柵格數據都投影至GCS_WGS_1984 坐標系，并重采樣為900 m×900 m 分辨率，最后通過分區統計工具分配到每個縣區。對于統計數據本文從統計年鑒中進行搜集整理，并將其鏈接至研究區域的行政區劃矢量圖進行計算。

1.3 生態安全評價指標體系

灣區生態安全是灣區生態系統健康和穩定的整體反映（崔旺來等，2022），與灣區的自然條件、人類活動、生態景觀等息息相關（胡志仁等，2018），評價灣區生態安全時應綜合考慮上述因素，并按一定的邏輯關系進行研究（黃烈佳，2019）。DPSIR 模型將經濟、社會、資源、環境等多種因素聯系起來，為灣區生態安全評價提供了基本框架（Zhang et al.，2021）。具體而言，“驅動力”（D）是指對區域發展及生態環境變化的潛在影響，“壓力”（P）是直接影響區域生態安全的資源和環境問題，“狀態”（S）是指區域日常生產生活或向周邊區域提供資源、服務的狀態，“影響”（I）是指生態系統的各種變化對經濟、社會、環境等方面的影響，“響應”（R）是指地方為應對生態問題、促進經濟社會可持續發展而采取的積極行動。該模型揭示出經濟發展等驅動力有效促進了區域資源的開發，但人口密度的增加及大量污染物的排放給生態系統帶來了巨大壓力，導致生態系統的狀態也產生一定的變化，繼而對景觀格局、生態服務等方面產生影響，這些變化和影響迫使人類采取適當措施應對這些問題。因此，本文基于DPSIR 模型，在參考多方相關文獻的指標構建（蔡文博等，2020；何曄宇等，2020；Wang et al.，2021c；Chen et al.，2022；Gao et al.，2022；孫傳諄等，2023）和咨詢專家意見的基礎上，結合浙江大灣區的自然條件、人類活動和生態景觀狀況，選定21 個指標構建了浙江大灣區生態安全評價指標體系（表1）。指標分為正向指標和負向指標，正向指標與生態安全呈正相關，指標值越大表示生態安全狀況越好；負向指標與生態安全呈負相關，指標值越大表示生態安全狀況越差。

表1 浙江大灣區生態安全評價指標體系Table 1 Evaluation index system of ecological security in Zhejiang Greater Bay Area

指標體系中國民生產總值、人口密度、政府環保投資等表征人類活動對生態安全的影響。年平均氣溫、年降水量、坡度用以表示自然條件對生態安全的作用。在生態景觀方面，植被歸一化指數可衡量地區植被面積占有情況及植被資源豐富程度，生態系統服務價值是指人類從自然生態系統中直接或間接獲得的惠益，生態系統彈性是生態系統吸收外來干擾并保持其原有狀態的能力反映，生態系統服務價值和生態系統彈性基于土地利用類型計算而得，土地利用類型的判定依據是遙感影像，各系數的設定參照（Li et al.，2020；崔旺來等，2022）等研究。最大斑塊指數用以確定景觀中的優勢斑塊類型，香濃均勻度指數可比較不同景觀或同一景觀不同時期多樣性變化，蔓延度指數表征不同斑塊類型的團聚程度或延展趨勢，上述景觀格局指數是利用Fragstats 軟件計算所得。計算公式如下：

式中：

YESV——生態系統服務價值；

YECO——生態系統彈性；

X1——耕地面積（m2）；

X2——林地面積（m2）；

X3——草地面積（m2）；

X4——水域面積（m2）；

X5——建筑用地面積（m2）；

X6——未利用地面積（m2）；

X7——總面積（m2）。

式中：

YLPI——最大斑塊指數；

YSHEI——香濃均勻度指數；

YCONTAG——蔓延度指數；

amax——景觀或某一種斑塊類型中最大斑塊的面積（m2）；

Pi——i類型斑塊所占面積百分比；

gik——i類型斑塊和k類型斑塊毗鄰的數目；

m——景觀中斑塊類型的總數目。

1.4 方法

1.4.1 生態安全評價方法

生態安全評價是基于自然、社會、經濟等多方面因素的相互作用關系，對生態系統整體及影響區域生態安全的各個因素進行生態安全評估，從而為區域生態環境預警、決策提供科學的依據。

1）因指標涉及多個維度，無法直接進行比較與計算，本文采用最大差異標準化方法對數據進行標準化處理。

正向指標：

負向指標：

2）為使結果更為客觀，本文采用熵值法確定指標權重。過程如下：

①計算指標信息熵Hj

②計算第j項指標的差異性系數Gj

③計算指標權重Wj

3）本文采用多層次加權綜合指數法進行綜合評價，評價過程通過ArcGIS 10.8 的疊加分析和計算完成。

式中：

YESEI——生態安全預警指數（值越大代表生態安全狀況越好，即生態安全預警等級越低）；

Xj——指標j的標準值；

Wj——指標j的權重；

n——指標個數。

1.4.2 生態安全預警方法

灰色系統理論因其主要研究“小樣本”“貧信息”的不確定性系統，可通過研究“已知”信息，認知“未知”信息，實現不確定系統的科學評價和預測，被廣泛應用于資源環境、社會經濟等領域（馬艷等，2018）。灰色預測模型是小樣本、信息量少的預測模型，因其計算過程相對比較簡單、預測比較精確（余文波等，2018），被廣泛應用于城市擴張（胡靜等，2005）、人口預測（吳華安等，2018）、碳排放預測（Wang et al.，2022b）、土地利用模擬（孫儀陽等，2016）和生態環境評價（Qiu et al.，2021）等。因此，本文選用灰色模型進行生態安全預測，其基本思想是通過累積或減去離散的歷史數據，生成一系列連續的、規則的數據序列，建立時間—目標序列的微分方程，繼而利用數學方法計算模型參數，實現對目標的預測。建模步驟如下：

1）構建原始時間數據序列x(0)(i)。為減少原始數據的隨機性和波動性，x(1)(m)由x(0)(i)累積所得。

式中：

i、m和n——時間序列。

2）計算x(1)(m)的鄰域均值等效權重矩陣B和常數項向量Y。

3）得到模型的白化微分方程。

式中，t為時間序列。

4）由方程計算出參數a和u，并構建矩陣z。

式中，BT為B的轉置矩陣。

5）將a和u代入方程，得到預測值累積序列的時間響應函數。

式中：

1.4.3 生態安全預警等級劃分

目前，對生態安全預警等級劃分還沒有統一的標準。為使評估結果更具可比性，本文參考相關文獻（崔旺來等，2022）和專家意見，基于浙江大灣區的生態安全預警指數，利用ArcGIS 軟件中自然斷點法將預警情況分為如下4 個等級（表2）。

表2 浙江大灣區生態安全預警等級的分級標準Table 2 Early warning grade standard for ecological security in Zhejiang Greater Bay Area

1.4.4 障礙度診斷模型

障礙度模型是識別影響區域生態安全主要障礙因子及其障礙程度的有效方法。障礙度表示指標對生態安全的障礙程度，取值范圍為0—1，值越大代表該因子障礙程度越高，即對生態安全的負面作用越大（王冠孝等，2023）。精準甄別障礙因子可為區域生態安全預警提供針對性的決策依據。目前通常利用貢獻度和偏差度來計算指標的障礙度，進而分析單個指標對生態安全的障礙影響。計算公式如下：

式中：

Ii——指標偏離度；

Dij——指標標準化值；

Wi——貢獻度；

Pij——指標層各指標障礙度；

Qi——準則層障礙度。

2 結果及分析

2.1 生態安全評價結果分析

如圖2 所示，2000、2005、2010、2015 和2020年生態安全預警指數的平均值分別為0.496、0.496、0.507、0.519 和0.518。時間上看，浙江大灣區的生態安全預警指數呈波動上升趨勢，表明其生態安全狀況在逐漸改善。但上升趨勢并不穩定，且2000—2020 年浙江大灣區生態安全狀況大多集中于“一般”與“差”的區間，表明浙江大灣區的整體生態安全水平仍有較大的提升空間。空間上看，浙江大灣區生態安全水平整體呈西高東低的格局。其中，生態安全狀況較差的區域主要分布在灣區的東北部及南部地區，而西部地區的生態安全狀況較好，處于“好”區間的安吉、淳安、余杭3 個縣（市、區）均分布于此。

圖2 浙江大灣區的生態安全狀況變化Figure 2 Variation of ecological security in Zhejiang Greater Bay Area

2.2 生態安全預警結果

2.2.1 精確度驗證

為保證預測結果的準確性，必須對模型的準確性進行評估。本文利用相對精度驗證模型的精確度，將樣本分為校準集和驗證集，即利用2000、2005、2010、2015 年的數據建立模型，利用2020 年的數據驗證模型，預測誤差的統計結果如表3 所示。由表可知，預警模型的相對誤差以0—3%為主，平均相對誤差為1.91%。因此，該預警模型具有良好的精確度，可用于生態安全預警研究。

表3 預警模型的誤差統計數據Table 3 Error statistics of early warning model

2.2.2 生態安全預警結果分析

如圖3 所示，2025、2030 和2035 年生態安全預警指數的平均值分別為0.523、0.533 和0.545。其中，余杭、富陽、象山等43 個縣（市、區）的生態安全預警指數一直上升，表明這些地區的生態安全狀況穩定好轉，未來一段時期要發揮現有優勢，保障區域生態安全持續向好；北侖、南潯、文成等16個縣（市、區）的生態安全預警指數呈波動變化狀態，表明這些地區的生態安全狀況變化不太穩定，應重視造成波動的障礙因素并予以解決，避免區域生態安全回落；海曙、南湖、嘉善等6 個縣（市、區）的生態安全預警指數呈下降趨勢，表明這些地區的生態安全狀況在不斷變差，必須加大生態保護力度，防止區域生態安全狀況進一步惡化。

圖3 浙江大灣區生態安全預警指數值的變化Figure 3 Changes in the value of ecological security early-warning index in Zhejiang Greater Bay Area

據浙江大灣區的生態安全預警等級分布圖顯示（圖4），未來一段時期內，浙江大灣區生態安全狀況的總體形勢好轉，但生態安全預警壓力仍不可小覷。2025 年，只有余杭、淳安、安吉、蕭山、富陽5 個縣（市、區）為無預警，16 個縣為嚴重預警，23 個縣（市、區）為中度預警，21 個縣（市、區）為輕度預警。與2025 年相比，2030 年無預警的縣（市、區）數量將增加5 個，而有嚴重預警的縣（市、區）數量將減少2 個。到2035 年，無預警、輕度預警、中度預警、嚴重預警的縣（市、區）數分別為17、14、19、15 個。此外，可以看出浙江大灣區生態安全的預警等級分布與2000—2020 的評價結果是相吻合的。因此，浙江大灣區在發展規劃時要把經濟發展和生態保護協同推進，密切關注生態安全預警等級不降反升的區域，保障灣區的綠色高質量發展。

圖4 浙江大灣區生態安全預警等級分布圖Figure 4 Distribution of ecological security early warning levels in Zhejiang Greater Bay Area

2.3 生態安全障礙度分析

2.3.1 準則層障礙度

從圖5 可知，各準則層對浙江大灣區生態安全的障礙度差距在逐漸縮小且整體上有所降低。響應、狀態、驅動層的障礙度相對較高，其中，響應、驅動層障礙度從2000—2020 年處于持續下降的態勢；狀態層障礙度在2015 年以前緩慢上升，2015年達到最高值19.017%后開始呈下降趨勢；壓力、影響層障礙度相對較低，但是二者都表現有上升的趨勢，尤其是壓力層在2015 年后迅速增長，對此應當予以重視。

圖5 準則層主要障礙因子障礙度Figure 5 Obstacle degree of main obstacle factor in the criteria layer

2.3.2 指標層障礙度

因指標層研究指標數量較多，本文選取障礙度排名前五的指標進行分析（表4）。時間上看，2000—2015 年障礙度排名前五的障礙因子包括R1（環保投資）、D4（城鎮化率）、S4（生態系統服務價值）、R4（政府科技投入）、D1（國民生產總值）。其中，S4 的排名從2000 年的第三位上升至2005 年的第一位，且在后面十年中始終保持首位，其余障礙因子排名基本沒有發生變化。到2020 年，S4、D4、R1 和D1 仍然是浙江大灣區生態安全的主要障礙因子，而R4 則大幅下降，相比之下，P1（人口密度）的排名迅速上升。

表4 指標層主要障礙因子障礙度Table 4 Obstacle degree of main obstacle factor in the index layer

2.3.3 重點區域障礙度

受文章篇幅影響，本文選取了生態安全預警中生態狀況持續下降的6 個重點關注縣區進行具體的障礙度測算。據表5 顯示，濱江區的首要障礙因子是P1（人口密度），隨著人口不斷涌入市區，導致當地資源緊張及污染排放的生態問題愈發突出。其余5 個縣區的首要障礙因子均為S4（生態系統服務價值），這表明快速的城市發展與急劇擴張的建設用地嚴重干擾了原有的景觀格局，生態用地的面積被大幅度蠶食，生態系統向周邊地區提供服務的水平不斷降低。此外，6 個縣區的首要障礙因子障礙度均高于研究區域整體的障礙度，這也表明影響這些縣區的相關生態問題十分突出，亟需對癥下藥進行治理。

表5 重點區域的主要障礙因子障礙度Table 5 Obstacle degree of main obstacle factor in the key areas

3 結論

浙江大灣區具備獨特的地理、資源和經濟發展條件，對其進行生態安全預警研究具有非常強的現實需求和研究的緊迫性。本文基于DPSIR 模型，構建了浙江大灣區生態安全評價指標體系，對其2000、2005、2010、2015 和2020 年的生態安全狀況進行綜合評價，采用灰色預警模型從縣域層面模擬預測浙江大灣區2025、2030、2035 年的生態安全狀況，同時利用障礙度模型診斷制約浙江大灣區生態安全的障礙性因素。結果表明，1）2000—2020 年灣區的生態安全狀況在逐步改善，平均生態安全預警指數從0.496 提升至0.518。但區域間存在差異，中西部地區生態安全狀況較好，而東北部和南部地區生態狀況不佳，應加強生態安全管理和監管。2）用灰色模型預測灣區2025—2035 年生態狀況將不斷提升，到2035 年，平均生態安全預警指數將從0.523 增加到0.545，將有47.7%的縣（區、市）達到輕度預警及無預警狀態。但生態安全形勢依然嚴峻，部分地區的生態安全預警指數值呈波動和下降趨勢，表明其生態環境存在不穩定甚至惡化的情況，必須加大生態保護力度，防止這些區域的生態狀況進一步惡化。3）準則層障礙度方面障礙度差距在逐漸縮小且整體上有所降低，指標層障礙度方面制約大灣區生態安全的主要障礙因子包括R1（環保投資）、D4（城鎮化率）、S4（生態系統服務價值）、R4（政府科技投入）、D1（國民生產總值）、P1（人口密度），應針對上述障礙因子采取針對性措施予以解決。綜上所述，研究可為浙江大灣區未來生態安全的調控和管理提供決策參考，并為其他地區的生態安全研究提供借鑒。

4 討論

4.1 研究的可靠性及局限性

浙江大灣區是長三角世界級城市群的“金南翼”，浙江省第十五次黨代會明確提出要建設綠色智慧和諧美麗的世界級大灣區，該區域未來的生態安全狀況是這一目標能否達成的關鍵閥門。本文避免了單一社會統計數據具有不確定性的弊端，綜合利用社會統計數據、自然地理數據和景觀格局指標等多種數據源對浙江大灣區生態安全進行預警研究，結果更為全面、準確。此外，本文預測平均相對誤差為1.91%。與現有研究相比，預警結果能夠更為準確的反映浙江大灣區生態安全的發展趨勢。

然而，研究仍有部分待完善之處。首先，生態安全預警等級的劃分尚沒有權威的定量標準，這對研究結果有一定的影響，需盡快確立一套科學權威的劃分標準。其次，灰色模型雖然基本滿足了未來生態安全變化預測的需求，但是其更適用于短期或中期預測，對長期預測的適應性還有待進一步提高。再次，本文以縣域為尺度開展生態安全預警，對于遙感數據利用ArcGIS 10.8 中的分區統計工具將其分配到縣域尺度進行空間分析，無法進一步描述縣域內不同地區的生態安全狀況。最后，區域生態安全狀況是復雜、動態的，受多因素共同作用的影響，在后續研究中，應逐步完善評價指標體系，利用多源、細化、長期的序列指標數據，構建一個科學、穩定、普適的生態安全預警機制。

4.2 生態安全狀況的影響因素

2000—2020 年浙江大灣區的生態安全狀況持續改善，且在未來一段時期內還將保持上升態勢。這主要得益于灣區各地轉變經濟發展方式、加大生態保護投入等多種響應措施。但在空間上仍存在較大差異，灣區的東北部和南部地區存在較大的生態風險，這與前人研究基本一致（崔旺來等，2023）。溫州、寧波等地生態安全狀況較差主要是由于急速城市擴張導致的大量人口涌入和數量較多的工業污染物排放。各地市主城區生態安全預警指數較低也可反映出人口急劇增長和城市高強度發展所帶來的生態壓力和生境破碎化對生態安全有著很大影響。

指標體系中指標層障礙度較大的障礙因子包括R1（環保投資）、D4（城鎮化率）、S4（生態系統服務價值）、R4（政府科技投入）、D1（國民生產總值）、P1（人口密度）。2000—2015 年障礙度較大的障礙因子排名基本穩定，只有S4 的障礙度排名有所提升，期間浙江大灣區處于快速發展階段，大量的耕地、林地被建設用地所擠占，使得生態系統服務價值指數持續降低，對生態安全的負面影響持續增加。2020 年R4 的障礙度排名降低，這反映出隨著政府科技投入的力度加大，其障礙作用逐漸降低，而近年來過量的城市人口需要消耗的資源及排放的污染物也更多，導致P1 的障礙度排名有所提升。

4.3 政策路徑

浙江大灣區作為支撐浙江高質量、現代化的重大戰略平臺，必須要持之以恒推進綠色低碳發展，努力建設人與自然和諧共生的現代化先行示范區。首先，加強污染防治與生態保護。尤其是溫州、寧波等工業分布數量較多的地區要堅決遏制高污染、高排放工業盲目發展，根除工業廢水的無序排放問題，并從污染治理向生態修復、生物多樣性保護升級，通過增加區域內綠化覆蓋率，提高生態系統的質量和穩定性。其次，推動產業結構低碳調整。浙江大灣區要加大對數字經濟、新材料等戰略性新興產業和未來產業的扶持力度，通過產業結構轉型從根源上解決污染物，以科技創新促進生態環境質量有質的提升。再次，優化土地利用方式。浙江大灣區土地面積十分有限，快速的城市化發展占據了大量生態空間，應適當增加生態用地的比重，進一步提高生態系統服務的供給水平。最后，針對主要障礙因子精準發力。通過加大環保投資力度、通過疏通非必要社會功能控制人口聚集和城市擴張等措施解決這些關乎灣區生態安全的“堵點痛點”，扎實有效推進綠色美麗大灣區建設。