北京市生态涵养区生态资产时空格局及驱动因素

杨文杰,巩前文,林 震

1 北京林业大学绿色发展与中国农村土地问题研究中心, 北京 100083 2 北京林业大学马克思主义学院, 北京 100083 3 北京林业大学生态文明研究院, 北京 100083

环境与生态系统被视作一种自然资本,其中有些自然资本是非常重要的、不可替代或无价的,这类自然资本的可持续性正愈来愈受到广泛关注[1],并逐步成为国家政治议程的重中之重[2]。生态涵养区承担着保障首都生态安全和水源保护的重任,是京津冀协同发展格局中西北部生态涵养区的关键地带。然而,随着北京城市化水平的快速提升,中心城区向周边区域扩张的需求不断增强,生态涵养区面临生态环境建设任务重和经济发展滞后等问题,生态保护与经济发展的耦合模式仍不清晰[3]。据北京市财政局统计数据,为减缓生态涵养区的社会经济发展压力,2013—2017年北京市累计向生态涵养区转移支付资金2658亿元,2018年《关于推动生态涵养区生态保护和绿色发展的实施意见》中进一步强调推动生态资产确权生态产品交易,促进生态资源资产化、可量化、可经营,对生态涵养区的生态资产核算是实施生态资源资产化和生态补偿的基本前提。

生态资产被认为是人类从自然环境中获得各种服务福利的价值体现,包括自然资源价值和生态服务功能价值[4],对生态资产的研究,应聚焦于如何揭示区域或全球生态资产变化对生态环境提供给人类福利的影响过程和规律,从而促进形成一个稳态的、满足可持续发展需要的生态环境,生态资产测算理论和方法的研究是基本前提[5-8]。国内外学者就不同尺度的生态资产变化展开了研究[9-12]。如Constanza等估算了1997—2011年间全球生态系统服务价值变化,同时测算出因土地利用变化造成的损失值达到4.3—20.2万亿美元/年[13]。国内的相关研究同样发现,土地利用/覆被变化被认为是不同地区生态资产变化的主要因素[14-15],而引起土地利用变化的因素既包含自然因素又包含人为活动因素[16-17]。另有学者提出人类社会活动对生态系统的干扰是造成生态资产变化的重要原因[18-19]。已有研究表明,生态涵养区在维系和推动北京社会经济可持续发展中发挥着重要作用[20],但不同生态系统的重要程度仍在波动变化,部分地区尚存在严重的水土流失问题[21],驱动这种变化的因素尚未明确。为此,本研究沿用狭义的生态资产概念,以1 km×1 km栅格为评价单元,从北京市生态涵养区2000年、2005年、2010年和2015年4期生态资产时空格局分析出发,识别生态资产演变的主要驱动因素,以期为北京市生态涵养区的绿色发展和生态保护奠定理论基础。

1 研究区概况

北京市生态涵养区自东北逶迤向西南,横跨北部燕山山脉和西部太行山山脉,承担着重要的生态涵养功能。2005年北京市委、市政府出台的《关于区县功能定位及评价指标的指导意见》中首次将怀柔区、平谷区、门头沟区、密云县、延庆县5个山区县定位为生态涵养发展区,面积为8546.64 km2,占全市总面积的53.30%,该区域大多处于山区或浅山区,山区占各辖区面积均在62%以上。据北京市区域统计年鉴数据,2015年该区域林地、园地、草地、耕地和水域面积分别占到区域总面积的比例为65.56%、10.03%、4.16%、7.96%和4.55%,相较于2012年的变化率分别为-0.11%、-1.67%、-0.28%、1.44%和-0.53%。2018年北京市生态涵养发展区正式更名为生态涵养区,其范围增加了昌平区和房山区的山区部分,不再考核GDP,重点承担生态屏障和水源保护的功能。为对比不同时期生态涵养区的生态保护成效演变过程,将原北京市生态涵养发展区的五个区县作为研究区域。

2 数据来源与研究方法

2.1 数据来源

北京市生态涵养区2000年、2005年、2010年和2015年4期土地利用类型、年均降雨量、净初级生产力(Net Primary Productivity,NPP)、土壤保持、年均气温、空间GDP和空间人口分布数据来源于中国科学院资源环境科学数据中心,分辨率为1 km。结合研究区土地利用类型数据和生态资产评估需要,将土地利用类型重归类为6个一级20个二级类型,去除了如农村居民点、工矿用地等无当量因子的二级类型。研究所用数据均是基于1 km×1 km栅格尺度获得,地形因子从数字高程模型(Digital Elevation Model,DEM)中提取。在ArcGIS 10.2中对北京市生态涵养区土地利用类型栅格数据集矢量化后得到8683个像元点数据,并以此为研究单元。为消除价格变动影响,生态资产、空间GDP数据均是以2000年为基期得到的不变价,面板数据处理和计量均在Stata 14.0中运行完成。

2.2 研究方法

2.2.1生态资产估算总模型

本研究将生态资产定义为特定区域内不同生态系统类型提供的有形和隐形服务功能的价值体现,并会随着区域内生态系统类型、面积和质量的变化而变化,同时也将随着空间位置和时间的动态变化而呈现出差异性。某一区域内的生态资产(Ecological Asset,EA)可表示为：

式中,i=1,2,…,n表示生态系统类型,j=1,2,…,m表示生态系统服务功能,本研究中选取食物生产、水资源供给、气体调节等11种服务功能,Fij表示第i类生态系统的第j项生态系统服务功能的调节因子,Si为第i种生态系统的面积,Vij是第i类生态系统的第j项生态系统服务功能的单位面积价值。基于全国尺度的单位面积生态系统服务价值当量表,借鉴谢高地等提出的时空动态变化调节方法[22],根据北京生态涵养区NPP、降雨量、土壤保持数据和全国平均数据,得到北京生态涵养区的单位面积生态系统服务价值当量因子,采用Yang等的计算方法以全国主要粮食作物单产的现金收益作为1个标准当量的经济价值,以2000年为基期,得出4期单位当量因子的价值量分别为2374.07、4650.84、7103.11元/hm2和7039.77元/hm2[23]。

2.2.2人为干扰度分级评估

进入21世纪以来,人类活动对自然系统的需求正在加速,生态系统格局变化的主要驱动力已逐渐由自然驱动向人为干扰驱动转变[24-25]。德国生态学家Sukopp等基于Hemeroby的概念提出了人为干扰度(Degree of Hemeroby/M),并将其用于评价人类活动对生态系统的影响[26]。借鉴已有研究,结合北京市生态涵养区土地利用类型和实际情况[27],对生态涵养区的9种土地利用类型进行人为指数赋值(表1)。一般认为网格的面积应当是土地利用/覆被类型斑块平均面积的2—5倍[28],才能避免计算指数时出现偏差,并综合反映采样地区周围生态系统的格局信息[29]。根据北京市生态涵养区不同生态系统类型斑块的实际大小,确定采样网格为5 km×5 km,得到421个网格,分别计算4期各网格的人为干扰度,再采用Kriging插值对人为干扰度进行插值,得到不同时期北京市生态涵养区的人为干扰度空间分布。

表1 土地利用人为干扰度指数赋值表[28-32]

土地利用人为干扰度指数由已有文献整理所得,河渠指天然形成或人工开挖的河流及主干常年水位以下的土地,因此将河流和水渠干扰度指数调整后得到河渠干扰度指数,北京市生态涵养区无水田,故未列出。

各网格单元的人为干扰度由下式计算得到：

式中,M为某个网格单元的人为干扰度,HIi为第i类土地利用类型的干扰度指数,Si为第i类土地利用类型的面积,S为网格单元的总面积。

2.2.3面板分位数回归模型

分位数回归对于非正态分布或异常值出现时的估计具有较强的耐抗性,回归结果的稳健性强于OLS回归[33-34],具有面板数据模型和截面分位数模型的共同优势。因此,研究利用4期生态资产、人为干扰度、空间GDP、空间人口、年均降雨量和年均气温的面板数据,识别不同分位水平下生态资产时空演变的驱动因素,分位数回归的一般形式为[35]：

3 结果分析

3.1 北京市生态涵养区生态资产分布格局

3.1.14期生态资产呈波动变化趋势

北京市生态涵养区生态资产呈先快速增长后缓慢降低的趋势,2015年生态资产比2000年增加了975.71亿元,但与2010年相比减少了181.10亿元(表2)。按照不同生态系统产生的生态资产来看,除农田生态系统的生态资产持续增长外,其他生态系统的生态资产均在2015年出现小幅下降,不过森林生态系统生态资产长期保持在70%以上,对生态涵养区的生态资产变化起到决定性作用。

表2 北京市生态涵养区不同生态系统类型生态资产年际变化

3.1.2不同生态系统的时空差异逐步显化

从4期生态资产时空分布来看,东北部水域生态系统分布区长期是生态资产的高值聚集区域,而西部农田生态系统分布区则长期处于低生态资产区(图1)。

图1 北京市生态涵养区1 km网格生态资产时空分布

分期来看,2000年1 km网格的生态资产最大值为0.25亿元,单位面积生态资产集中在0—0.10亿元,除密云水库周边,5个区的生态资产分布差异较小。2005年1 km网格的生态资产最大值提升到0.56亿元,标准差为0.10,不同区域的生态资产空间分布差异开始显现,门头沟区单位面积生态资产明显低于其他4个区。2010年单位面积生态资产的空间差异最为突出,标准差达到0.14,各区域的生态系统分布优势逐渐凸显,密云区水域生态系统对生态资产的贡献率最高,而在怀柔区、延庆区森林生态系统的优势显化,对生态资产的贡献率达到最高。到了2015年单位面积生态资产的最大值达到0.90亿元,高值区主要分布于东北部河渠和水库区域,不过2015年单位面积生态资产的低值区和高值区分化,门头沟区的单位面积生态资产变化幅度较小,稳定维持在0—0.30亿元,而怀柔区、延庆区森林生态系统累积生态资产出现小幅下降。

3.1.3各服务功能价值总量提升、增速放缓

北京市生态涵养区4期各生态系统服务功能的价值总量增加明显,但其增长率呈先快速增长后减速降低趋势。如表3所示,2000—2005年土壤保持功能价值量以230.61%的增速反超水文调节功能价值量70.84亿元,但与气候调节差距进一步扩大到74.42亿元,水资源供给的增速远低于其他服务功能类型,仅为44.15%。2005—2010年土壤保持的价值量增速降到最低,其他服务功能价值量增速均保持在50%左右,2010年气候调节的价值量达到最大,为454.87亿元,占生态资产总值的比例为27.68%。2010—2015年除食物生产、水资源供给、水文调节和土壤保持功能价值量缓慢增长外,其他服务功能价值量出现不同程度降低,如净化环境的价值量以-21.92%的速度降低到110.68亿元,美学景观的价值量则以-21.57%的速度降低到63.52亿元。

表3 北京市生态涵养区生态系统服务功能价值量及年际变化

3.2 人为干扰度的时空分布

从人为干扰度总体分布来看,2000—2015年北京市生态涵养区中干扰度区占主导地位,高干扰度区主要集中在城镇化发展区域,低干扰度区则主要分布于密云水库和延庆区滩涂湿地(图2)。分人为干扰类型变化趋势发现,近15年来北京市生态涵养区全干扰类型的总面积从354 km2上升到432 km2；半干扰类型面积从7883 km2下降至7806 km2；而微弱干扰类型面积从277 km2下降至276 km2。分4期人为干扰度的变化幅度发现,中低人为干扰度区基本保持不变,高干扰度区则出现小幅度蔓延式扩展。2000年生态涵养区人为干扰度在0.34—0.85,高人为干扰度区较少,而到了2005年人为干扰度上升范围及变化幅度有所提升,人为干扰度在0.27—0.97。从2005年开始,延庆区水域和湿地所在地人为干扰度大幅度降低,生态涵养区2005—2015年人为干扰度范围变化趋缓,变化范围也主要集中在城镇等生态资产较低区域。

图2 北京市生态涵养区人为干扰度时空分布

3.3 气候条件的分布特征

气候和陆—气间相互作用的变化通过气温、降水机制的改变及周期性波动,对植物的生长和分布具有重要影响[36-37],从而直接影响着生态资产的时空格局。从图3可以看出,北京市生态涵养区各研究单元4期年均降雨量中位数呈上升趋势,但其范围存在较大差异,2005年年均降雨量的最大值和最小值差距拉大到300 mm左右,可能会导致研究单元内生态系统的生长变化进而影响生态资产的变化。2015年年均降雨量范围则稳定在550—610 mm,各研究单元的年均降雨量差异极小。不过从各研究单元范围呈现的先扩大后缩小的趋势来看,其与4期生态资产先快速增长后缓速降低的变化趋势较为一致。从年均气温数据分布特征来看,4期平均气温变化幅度较小,2010年25%的研究单元年均气温下降到8.07—10.50 ℃,2015年这一数据又上升到9.06—11.45 ℃,平均气温的最大值达到了12.85 ℃,2015年各研究单元的平均气温有较明显的上升趋势,而根据生态资产的估算结果,2015年生态资产出现下降趋势,这说明平均气温的上升可能会对生态资产有负向影响。

图3 北京市生态涵养区各研究单元四期气候变化特征

4 北京生态涵养区生态资产的驱动因素分析

4.1 面板分位数估计结果分析

为消除因各驱动因素之间单位的不一致性,分别对各变量进行取自然对数处理,有效抑制了异方差问题,回归中分别测验了加入各解释变量平方项后模型的平稳性和拟合优度,发现加入空间GDP平方项模型的R2和F检验值均有所增加,结论稳健。为对比传统面板数据模型与面板分位数估计结果的差异,同时给出了固定效应和分位数回归结果。在面板分位数回归模型估计中,选择5个有代表性的分位点,剔除无效数据后,回归样本数为31016个,回归结果见表4。

4.1.1人类活动对生态资产的驱动分析

人为干扰度直接反映了人类活动对生态系统的利用程度,而社会经济的发展则间接反映了人类活动对资源和环境开发利用的影响。一般而言,社会经济的发展速度越快,对资源的索取量就越大,导致了生态环境的过度利用和污染,但良性的社会经济发展又可以促进生态环境的改善[38]。根据表4回归结果,2000—2015年北京市生态涵养区人为干扰度、空间GDP均对生态资产有一定程度的促进作用,空间人口则对生态资产起到明显的阻滞作用。

表4 面板数据回归模型的检验结果

(1)人为干扰度对中高分位水平下的生态资产有显著的促进作用,而在10%分位水平下,人为干扰度对生态资产有负向影响,但并不显著,其原因为：①对于中分位水平下生态资产像元空间而言,其土地利用类型以森林为主,北京市生态涵养区中森林生态系统类型占比长期稳定在70%以上,不过长期范围内森林与其他土地利用类型之间存在一定的相互转化,即高干扰级别像元值与低级别像元值之间的转变,这与生态涵养区实施退耕还林还草工程有关,但同时也存在先占用基本农田植树后又因政策规制恢复为基本农田的现象,这也就造成了人为干扰度对生态资产的正向影响；②高分位水平下生态资产像元空间土地利用类型主要为滩涂湿地、河渠和水库坑塘,属于微弱干扰区,由于北京生态涵养区采取了从山西、河北等水库联合调度政策,增加了生态涵养区水库的蓄水量,而水库坑塘干扰度指数相对较高,当人为干扰度稳定在微弱干扰区内,其将对生态资产的增加起到推动作用。③回归分析之前已经将生态资产为0的建设用地剔除,因而会缩小人为干扰度的变动范围。这也说明了人为干扰度对生态资产的影响具有阶段性和区域性特征,且将人为干扰度稳定在一定范围内时,其对生态资产像元值会起到一定的促进作用。

(2)像元单位空间人口分布数越多,对其生态系统服务供给的消耗就越大,从而导致了生态资产的下降。两种模型回归结果均显示空间人口分布对生态资产有显著的阻滞作用,且随着生态资产由低分位数向高分位数的上升,空间人口对生态资产的抑制作用越强。像元单位人口分布密度反映了研究单元人口压力大小,生态涵养区在控制整体人口数量的同时可优先选择在原居民点周边聚集分布,降低人口压力对生态资产富裕区的扩散。

(3)随着生态资产分位水平的提升,空间GDP对生态资产正向促进作用增强,这与已有部分学者研究得出的结论有所不同[39]。北京市自2005年起对生态涵养区实施严格控制并限制重点保护区的经济活动,GDP总体水平偏低,第三产业发展对GDP增加的贡献率不断提升,2015年超过第二产业跃居第1位,生态系统服务功能的经济价值不断体现,这也预示着绿色GDP的发展理念将会带动生态资产的增加。同时社会经济的增加又会反过来推动对生态保护和治理的投入力度,这种生态保护和治理投入又会促进生态系统的修复从而提升其生态服务供给能力,这也说明了GDP与生态保护、治理投入力度之间可能存在内生互动性,抵消了经济增长压力对生态资产的负向影响。不过,不同分位水平下空间GDP平方项对生态资产的影响方向不同,在50%及以上分位水平下空间GDP与生态资产呈显著“倒U”型关系,而在10%分位水平下呈显著的“U”型关系,这表明生态资产高值区仍需把握好产业发展对生态资源的利用强度,而生态资产低值区适宜强化经济发展水平,从而为整个生态涵养区的生态保护提供经济支撑。

4.1.2气候变化对生态资产的驱动分析

在固定效应回归模型中年均气温对北京市生态涵养区生态资产的影响并不显著,而在不同分位水平下年均气温对生态资产的影响方向差异较大,影响系数经历了先下降后上升的“U”型变化过程。年均气温在10%和25%分位水平上均通过了1%显著性水平检验,且影响系数均为负,意味着年均气温对低分位水平下的生态资产有抑制作用；低分位水平生态资产像元空间的土地利用类型以耕地为主,年均气温的变化将改变农作物生长周期,气温的骤升可能会导致农作物产量和质量的下降。在50%分位数水平上,年均气温对生态资产时空格局的影响并不显著；年均气温在75%和90%分位水平上均通过了5%显著性水平检验,且影响系数均为正,这表明年均气温对高分位水平下的生态资产有正向推动作用；高分位水平生态资产像元空间以森林和水域为主,气温的升高可能会增加部分地区空气中水汽含量,会使植被覆盖率有所提升,水域蓄水量也可能会因此增加。由于不同生态系统类型对气温的敏感程度和适应性各异,年均气温变化对不同分位水平下生态资产时空格局存在相反的影响效应。就年均降雨量而言,两种模型回归结果的影响系数均为正,除25%分位水平下不显著外,其他均通过了1%的显著性水平检验,不过各分位数水平下年均降雨量对生态资产的影响程度呈下降趋势,这意味着降雨量的增加对生态资产有显著的推动作用,且对生态资产低值区的推动力度更大。

4.2 不同地形因子的生态资产空间分布情况

北京市生态涵养区的地形地貌在大尺度上决定了研究区景观格局的形成与演变[40]。因此本研究在DEM数据基础上生成坡度、坡向图层(图4),以此反映生态涵养区地形地貌与生态资产时空格局的关系。参照国际地理学会地貌调查与制图委员会对高程的划分标准、中国《第三次全国土地调查技术规程》中耕地坡度分级标准及常用的坡度分级,结合北京生态涵养区地貌特征,得出不同地形因子对生态资产均值、总量及变动幅度的分布情况。

图4 北京市生态涵养区地形地貌分布图

北京市生态涵养区在陡坡地积累生态资产最多(表5),其次是斜坡地,远高于其他坡度的生态资产。6—25°坡地面积占到生态涵养区总面积的55.58%,公益林保护、退耕还林还草等生态保护和修复工程的逐步推进以及生态涵养区禁止开垦坡耕地等政策性规划,使得处于这一范围坡地的生态资产积累较高。不过25°以下坡地的生态资产面均值要低于25°以上坡地,且其生态资产年均值的变化幅度较高,其中缓坡地及平原是土地开发的重点区域,易受人为开发强度的干扰。25°以上坡地的自然优势明显,土壤保持和水源涵养的能力较高,该区域的植被长势要优于其他坡地,从而促进了单位面积生态资产的积累优势。

表5 不同地形因子下的生态资产比较

坡向对于山地生态有较大影响,向光坡和背光坡的温度或植被差异极为显著。北京市生态涵养区南坡面积占比最大,其生态资产积累最高,不过太阳辐射收入较高的区域虽有助于植被生长,但也是山地城市建设住宅的有利区域,导致其单位面积生态资产最低。东北坡的太阳辐射收入虽低于东南坡和西南坡,但不论是生态资产面均值还是年均值,东北坡都明显高于东南坡和西南坡。从土地利用类型来看,位于东北坡的建设用地和农田面积均少于东南坡或西南坡的一半左右,东北坡受人为干扰的可能性要低于东南坡和西南坡。北坡的太阳辐射收入虽低,但其面积占比仅次于南坡和东南坡,其生态资产积累仍然较高。总体来看,北京市生态涵养区的阳坡(南坡)年均生态资产略高于阴坡(北坡)。

低山丘陵地带占北京市生态涵养区总面积的比例高达71.45%,生态资产年均值远高于其他区域。高程在200 m及以下的区域主要是建设用地、耕地和草地,受人类活动的影响较大,其单位面积生态资产最小,不过近年来北京对生态涵养区管理保护政策收紧,其生态资产变化幅度最大,如密云区人民政府印发《加强密云水库水源保护工作实施方案》中指出,2014年密云区对密云水库周边严格按照高程范围划定生态治理界限,对库区实施封闭管理。高程在1000—1500 m的中山区面积较小,该区域的植被类型较为固定,其年均生态资产的变动幅度较小。高程在1500—2500 m的高山区内植被类型主要为郁闭度>30%的天然林和人工林,其占比长期高达70%左右,生态资产年均值变化幅度最小,由于高山区面积占比不到1%,其年均生态资产的总值远低于其他区域。

5 结论与讨论

生态资产是生态涵养成效的一种量化和评价方法,同时也是实施生态保护补偿的基本依据,研究结果表明：

(1)北京市生态涵养区4期生态资产呈现先快速增长后缓慢降低的趋势。森林生态系统积累生态资产占比长期保持在70%以上,是生态涵养保护的重要支撑,不过2015年除农田生态系统的生态资产保持持续增长外,其他生态系统的生态资产均出现负向增长。2000—2015年间气候调节、水文调节和土壤保持所形成的生态资产占比较高,维持养分循环、水资源供给和食物生产的生态资产占比较低,到了2015年除食物生产、水资源供给、水文调节和土壤保持功能价值量缓慢增长外,其他服务功能价值量出现不同程度的降低。

(2)对低分位水平下的生态资产,空间GDP和年均降雨量有显著的促进作用,空间人口分布和年均气温则表现为负向影响；对50%及以上分位水平生态资产,除空间人口分布有显著的抑制作用外,其他解释变量均有正向影响。为此,要在保持生态涵养区人口总量不增加的基础上减少空间人口对生态资产的负向影响,可通过降低该栅格单元内居民点密度或增加森林、水域等高生态资产的面积,以此来减弱空间人口对生态资产的阻滞作用。气候变化中年均气温的提升虽对高分位水平生态资产有较为明显的推动作用,但对低分位水平生态资产具有显著的抑制作用,低分位水平生态资产像元空间正是人类活动密集的区域,也是人类生存依赖度较高的区域,仍需通过生态环境保护政策转变发展方式,缓解年均气温的上升趋势。

(3)地形地貌造成了不同研究单元接收太阳辐射能值的差异,从而影响研究单元的生态资产积累。陡坡地积累生态资产最多,不过其生态资产面均值要低于25°以上坡地。南坡生态资产积累最高,但南坡也易受人为干扰,其单位面积生态资产最低；东北坡年均生态资产值和面均生态资产值均明显高于东南坡和西南坡。低山丘陵地带生态资产的年均值远高于其他区域；中山区面积较小,该区域的植被类型较为固定,其年均生态资产的变动幅度较小。生态涵养区可按照地形因子差异分类限制开发强度。

本研究以栅格为研究单元,更能够精确反映人类活动、气候变化、地形地貌等因素的区域差异[41],进而准确掌握其对生态资产时空格局的驱动方向和力度。但研究中依然存在以下不足：(1)不同时期1个单位当量因子的价值量差异会造成生态资产出现高速增长或降低。研究中虽反映了不同时期各类生态系统或服务功能之间的变化率差异,说明了单位当量因子价值量并不会对生态资产时空格局起到决定性作用,但如何将其纳入到生态资产时空格局的驱动因素,需要在进一步研究中解决。(2)由于数据的可获得性,1 km分辨率获取的土地利用类型数据精度与实际值可能存在偏差,但通过与对应年份的土地利用数据对比发现,本文中的土地利用变化趋势与统计数据基本一致,具有较高的可信度。