2000—2030年深港景观格局演变时空分异与趋势对比分析

吴健生,易腾云,王 晗,2

1 北京大学深圳研究生院城市规划与设计学院城市人居环境科学与技术重点实验室, 深圳 518055 2 北京大学城市与环境学院地表过程与模拟教育部重点实验室, 北京 100871

在自然与经济社会因素的交互作用下,城市景观演变呈现复杂的发展趋势。我国深圳和香港均是粤港澳大湾区(Guangdong-Hong Kong-Macao Greater Bay Area,缩写：the Greater Bay Area(GBA))的重要中心城市和国际化都市,两地仅以一河为界,自然环境相似,对比研究两地城市景观格局的演变规律对于全面提升大湾区生态文明建设水平具有重要科学价值。目前,国内外对于城市景观格局的研究主要通过分析形态和大小各异的景观要素在空间上的分布组合[1],来探讨城市景观格局的时空异质性。基于景观要素的空间特征计算景观格局指数[2-3],进而理解和量化评价某地区的景观格局现状,成为分析景观格局的常用方式；同时,应用Logistic回归模型[4]、地理探测器[5]、增强回归树[6]等模型探究经济、政策、文化、自然和科技等[7]诸多因素在内的景观格局演变的驱动机制,也成为协调景观格局发展方向和目标的常用方法；此外,相关学者通过CA-Markov[8]、ANN-CA[9]、CLUE-S[10]等模型进行未来景观格局的预测成为城市景观格局研究的重要内容。

深港两地区位相邻,具有自然禀赋相似、经济发达、人口稠密的共同特点,但是社会与经济制度存在差异。深港两地的城市发展进程也有所不同,发展模式、制度政策和生态观念迥异[11-12]。自粤港澳大湾区的概念提出以来,以深圳或香港为研究区的城市热岛[13]、生态修复[14]、景观破碎化[15]、生态系统服务[16]等城市景观生态问题的研究日渐深入,但是针对两地的景观格局演变规律与趋势系统对比的基础研究还有待进一步加强。城市景观格局的变化能反映出经济发展与城市化水平[17-18],也是对城市发展政策的折射[19-20]。在此背景下,本研究基于深港两地的多期历史土地覆被数据,描述了2000—2030年深圳和香港的景观格局变化；从两地景观格局演变的时空分异特征入手,试图探讨相同类型的驱动因素在两地景观格局演变过程中的不同作用,旨在挖掘两地在城市发展过程中景观格局演变差异化的直接原因与背景政策,将景观格局融入城市规划与环境管理,为协调和指导两地生态文明建设提供参考。

图1 深港在粤港澳大湾区中的地理区位 Fig.1 Location map of Shenzhen and Hong Kong in the Guangdong-Hong Kong-Macao Greater Bay Area (GBA)

1 研究区域与数据来源

1.1 研究区概况

深圳与香港位于珠江三角洲地区东南部(北纬22°8′—22°52′,东经113°44′—114°38′)(图1),处于亚热带季风气候区,两地以深圳河为界,水热条件相似。深圳全境地势东南高,西北低,大部分地区地形为低山、平缓台地和阶地丘陵,而香港三面环海,山地多平地少。2020年,人造地表景观约占深圳国土面积的46%,林地景观占28%；香港主要的景观类型则为林地景观,占其国土面积的54%,人造地表景观排第二,占境域面积的18%。

1980年,深圳被设立为我国第一个经济特区,经过40余年飞速发展,成为全国4个超大城市之一；香港在“一国两制”的基本国策下,于20世纪70年实现了由制造业向服务业的转型,经济长期保持高度繁荣发展。近年来香港经济发展有所放缓,深圳GDP增长规模及速度遥遥领先。尽管目前香港人均GDP依然远超深圳,但二者差距在不断缩小。2018年,深圳GDP首次超过香港,跃居粤港澳大湾区龙头。2000年以来深港人均GDP变化如图2所示,经济数据来源于国家统计局、深圳统计局以及香港特别行政区政府统计处。

图2 2000年以来深港人均GDP、林地占比、人造地表占比变化趋势Fig.2 Change trend of per capita GDP, proportion of forest land and artificial surface in Shenzhen and Hong Kong since 2000

1.2 数据来源

研究选用GlobeLand30(30m全球地表覆盖数据)2000年、2010年、2020年3期土地覆被产品,数据总体精度超过80%[21-22],该数据产品将深港地表覆被划分为耕地、林地、草地、灌木地、湿地、水体、人造地表、裸地、其它等九类景观。

结合深圳与香港的实际情况,参考现有文献研究进展[23-25],分析总结社会经济因素、自然因素、气候条件与区位因素四类驱动因素,选取了包括人口密度(X1)、经济水平(X2)、高程(DEM)(X3)、坡度(X4)、年平均气温(X5)、年平均降水(X6)、距主要铁路距离(X7)、距主要公路距离(X8)、距三级以上水系距离(X9)在内的9个驱动因子。目前已有许多文献证明了夜间灯光数据核算国内生产总值的可行性[26-28],本文选择夜间灯光数据代替GDP统计数据,能够较好表征经济发展的空间异质性。研究中涉及到的相关数据来源见表1。

2 研究方法

2.1 地学信息图谱

土地覆盖的变化影响了景观斑块类型和时空配置,进而引起景观格局的整体改变[29]。地学信息图谱是一种以多维符号与动态可视化技术,通过抽象概括特征表述区域自然过程或社会经济发展时态演进和空间分异的方法[30],也常用于景观类型的转移特征分析[31-33]。景观类型的转移包含转入和转出两个过程,本研究中将景观类型的转入定义为涨势图谱,转出定义为落势图谱,分别表示该类型景观的增加与减少。针对GlobeLand30数据集,利用式(1)在ArcGIS进行地图代数运算,可以得到景观图谱栅格单元。

C=A×100+B

(1)

式中,C为研究时段新的景观图谱栅格单元；A为前一时刻景观图谱栅格单元属性值；B为后一时刻景观图谱栅格单元属性值。图谱空间单元统一按照土地覆被数据集设定为30m,时间单元上分别分析2000—2010年、2010—2020年、2020—2030年3个时间段内的景观转移特征。

2.2 景观格局指数分析

景观格局指数能够量化表示景观格局特征[34],参考相关研究[2, 35-38],从斑块组成、连通性、形状复杂性、聚集与碎裂化程度四个维度选取指标刻画深圳和香港的城市土地覆盖景观格局特征。在斑块类型水平上选取斑块所占景观面积比例、斑块类型面积、平均最近距离3个指标,在景观水平上选取边缘密度、斑块密度、面积加权平均斑块分形、蔓延度、聚集度、Shannon多样性、Shannon均匀度7个指标。相关指数的具体含义见表2。

表2 景观格局指数说明表

PLAND：Percentage of landscape；CA：Total class area；SHDI：Shannon′s diversity index；SHEI：Shannon′s evenness index；ENN_MN：Mean Euclidean nearest neighbor distance；AWMPFD：Area-weighted patch fractal dimension；ED：Edge density；CONTAG：Contagion index；AI：Aggregation index；PD：Patch density

2.3 地理探测器

王劲峰等[39]提出的地理探测器能够用于量化地理要素分层异质性,探究空间上分异地理现象的驱动因子及其作用大小,包含生态探测器、因子探测器、交互作用探测器和风险探测器4个探测器模块。

利用因子探测器可以分析影响深圳与香港整体景观格局变化的各驱动因子的作用大小,而该模型要求输入的自变量X为离散的类型变量。为此,本文基于自然断点法将连续变化的自变量因子进行离散化分为9类。随后,基于q统计量判断2000—2020年时间段内,各驱动因子X对景观类型Y空间变化的解释力度。q的值域为[0,1],其值越大表示驱动因子X对景观类型Y发生空间变化的解释力度越强,其公式为：

(2)

2.4 Logistic回归模型

Logistic回归模型目前已广泛应用于探究景观变化的驱动力研究中[40]。本研究中,以2000—2020年为研究时段,应用Logistic回归模型探究各驱动因子对单一景观类型变化的影响,将各驱动因子连续值作为自变量X,标准化后代入计算公式。针对每一类景观,将发生类型变化的栅格值重设为1,未发生变化的栅格值重设为0,求解特定景观类型发生转化的概率值作为因变量。随后基于最大似然法,分析深圳与香港景观变化过程的依据和因果关系。景观类型i发生转化的概率计算公式如下：

(3)

式中,Pi表示其他景观转化为景观类型i的概率；Xm表示驱动因子；βn为对应回归系数值；α是常数。βn的正负表示该驱动因子能增大或减少转变为景观i的概率的贡献；βn的绝对值越大,则说明该驱动因子对转化为景观类型i的概率贡献越大；反之越小。样本量越大,残差ε越接近于正态分布。使用SPSS进行Logistic回归,采用Omnibus检验P值进行模型系数的综合诊断,P<0.05表示模型总体有意义；以驱动力系数判断其解释力度；利用变量P值判断变量留在模型中是否合适,一般而言P<0.05说明变量显著,具有统计学意义；使用ROC值检验模型预测效果,其范围在[0,1]内,越接近于1表示模型预测效果越好。

2.5 CA-Markov模型

元胞自动机-马尔科夫模型(CA-Markov Model)结合了马尔科夫链(Markov Chain, MC)和元胞自动机(Cellular Automata, CA)[41]的特点,能够基于历史景观格局演变数据对未来情景的景观格局进行数量模拟和空间分配[42-44]。本研究中,分别基于深港2010—2020年的景观类型转移矩阵,计算深圳和香港两个区域内各景观类型的转移概率Pij,应用马尔科夫链对未来各类型景观的数量进行预测,然后在分别分析两个区域各景观类型驱动因子作用大小的基础上,设置CA模型迭代次数为10,每年迭代一次,对预测的景观数量进行空间分配。

(4)

S(t+1)=Pij×St

(5)

式中,Pij为景观类型i转变为类型j的概率矩阵；St、S(t+1)为t、t+1时期的景观现状图。

依据元胞自动机模型,对t+1时刻的各景观类型数量进行空间分配得到其空间分布,S为元胞有限、离散状态的集合,N为元胞的邻域,f为局部空间的元胞转化规则,其公式如下:

S(t,t+1)=f(S(t),N)

(6)

模型精度验证利用IDRISI软件中的CROSSTAB模块进行。以2010年为起始时刻,分别预测得到2020年深港两地的景观类型,与2020年的实际景观类型进行交叉验证。结果显示,深港两地的预测景观类型图的Kappa系数分别为0.8148、0.8530,模型精度较高,能够反映未来时期的景观格局。故研究以2020年为起始时刻,利用通过验证的CA-Markov模型,模拟自然增长情境下2030年深港景观格局。

3 结果与分析

3.1 深港两地景观类型时空演化特征

裸地景观数量太少不便分析,将其合并至其它用地景观类型,故本研究依据地表覆被类型将研究区分为8种景观。根据GlobeLand30土地覆盖数据集以及CA-Markov模型预测结果,得到2000—2030年4期深港景观格局分布图(图3)。

图3 2000—2030年深港土地覆被分类图Fig.3 Landcover map of Shenzhen and Hong Kong from 2000 to 2030

根据4期景观格局分布图,计算得到深港土地利用转移矩阵、制作景观类型转移弦图(图4)与涨落势图谱(图5),分析深圳与香港2000—2010年、2010—2020年两个时间段内景观类型发生的实际演变特征与2020—2030年景观类型的预测变化趋势特征。结果显示,各个时段内深港各类景观面积都发生了程度不一的变化。

2000—2010年期间,深港两地景观类型演变特征各异。深圳境内人造地表面积迅速扩张,主要集中在宝安区、南山区、龙华新区、坪山新区等地区。具体来看,水域和湿地面积大幅度减少,分别约减少至原来面积的59%,49%,主要缩减区域分布在宝安区；草地面积减少至原来的67%左右,主要转变为人造地表和灌木地；耕地面积约减少22%,多转变为人造地表；林地总面积变化不大。由于人为活动的影响,这个时期的深圳人造地表面积大幅增加,经济社会活动逐渐活跃。从涨落势图谱来看,深圳市围湖造田、占用耕地现象仍有发生,但已经初步具有退耕还林的意识。而同时期的香港,景观演变特征有所不同。香港人造地表反而呈斑块收缩的趋势,面积有小幅度减少,分别转变为林地、灌木地等景观类型,分散在各个区内；湿地面积明显增加,集中在天水围；草地、水域、耕地面积均有不同幅度的减少,主要转变为林地；林地的增加集中在香港与深圳接壤的北区以及元朗区。

2010—2020年期间,深圳和香港景观类型演变特征相似,均呈现出人造地表面积大幅度增长,草地、林地、灌木地、湿地等自然景观不同程度的缩减,转出强度大于转入强度的现象。其中,深圳市林地的转移面积最大,其次为耕地,转出比例占原耕地面积的43%左右；人造地表的转入主要集中在宝安区、光明新区、南山区和龙华新区,这些地区的工业化和城市化迅猛发展。香港的人造地表扩张主要发生在香港北部平原地区,林地转入的贡献率最大,占人造地表总转入面积的63%左右。两地景观变化亦存在差异性,具体表现在香港耕地和水体景观面积均有小幅度增加,而深圳则恰恰相反,尤其是耕地,存在大面积缩减的现象。

2020—2030年的预测转变结果表明,深港两地未来十年的景观类型转移依然很活跃。人造地表和林地将依然是深圳的主要景观类型,分别占据总面积的51%和26%左右,在以人口和夜间灯光为表征的社会经济因子驱动下,人造地表的景观优势得到进一步加强。到2030年,深圳市的草地、灌木地等自然景观总面积有所增加,而林地、湿地、水体等景观面积减少。至于香港,尽管其林地面积占比依然超过国土面积的48%,但是其林地面积总量呈现减少趋势,人造地表和耕地景观的数量增加趋势明显,草地、灌木地、水体等低植被覆盖的生态用地面积也将持续扩大。

图4 2000—2030年深港景观类型转移弦图Fig.4 Chord diagram of landscape type transfer in Shenzhen and Hong Kong from 2000 to 2030SZ：深圳 Shenzhen；HK：香港 Hong Kong

图5 2000—2030年深港涨落势图谱Fig.5 Fluctuation map of Shenzhen and Hong Kong from 2000 to 2030

3.2 深港两地景观格局时空分异特征

从斑块类型水平来看(图6),在研究期内,人造地表和林地均是深港两地的优势景观类型,两地人造地表和林地的CA和PLAND指数一直远高于其他景观类型,处于高水平状态。深圳人造地表的CA和PLAND指数持续增加,而香港人造地表的指数则呈现先降低、后上升的趋势,表明深圳人为活动对地表景观的影响不断扩大,香港则存在阶段性变化的特点。同时,深港两地林地的CA和PLAND指数表现出先小幅度上升而后下降的趋势,表明两地的林地景观均是先扩张后减少。深圳人造地表的ENN_MN指数降低,其人造地表景观趋向于团聚分布；而香港则没有明显的变化趋势,但是其平均值略高于深圳,表明香港的人为建设用地相比深圳更加分散。深圳湿地景观的EMM_MN指数明显高于其他景观,说明其湿地斑块相隔较远,深圳市湿地数量少且呈零散分布,而深港两地的灌木地、林地、草地该指数值始终较低,表明两地这三类景观分布密集。

从景观水平来看(图7),研究期内深港两地PD和ED指数均呈现不断下降的趋势,说明两地景观的破碎化程度将会降低,形状趋于简单。与此同时,两地的CONTAG指数和AI指数均不断攀升,说明其景观连通性进一步增强,斑块聚集得更加紧密。同时期深圳的PD和ED指数均高于香港,CONTAG指数和AI指数均低于香港,表明深圳斑块破碎化程度相较于香港更高,斑块分布更加分散,景观蔓延度和延展性能较弱。研究时段内,深港两地景观AWMPFD指数均维持在1.2左右,没有明显的波动趋势,景观整体形状较简单。SHDI指数强调稀有斑块类型对信息的贡献,能反映景观的异质性。深圳市的SHDI指数逐年下降,SHEI指数亦由0.82左右下降至0.67左右,说明深圳市的景观非均衡化分布趋势愈发明显,优势景观愈加突出；而香港的SHDI和SHEI指数均先下降后上升,且数值均略低于深圳。SHDI指数的变化趋势说明香港各斑块景观分布从非均衡向均衡性发展,而SHEI指数的变化则说明景观中斑块优势度先增加后减少,结合上文对面积变化的分析,可以发现是由于林地作为香港的优势景观类型,其面积先增后减,影响了香港SHEI指数的变化。在香港有众多岛屿的前提下,尽管深圳斑块密度与边缘密度逐年降低,但是其景观斑块密度与边缘密度仍然始终高于香港,景观破碎相对较严重。

图7 2000—2030年深港景观水平的景观格局指数Fig.7 Landscape pattern index for landscape levels in Shenzhen and Hong Kong from 2000 to 2030

3.3 深港两地景观格局演变驱动力

①因子探测器

应用q值判断解释各驱动因子对深港整体景观类型发生变化的驱动力,q值大小代表各因子对景观类型变化的解释度强弱,如图8所示。结果发现,深圳和香港景观格局演变的驱动因子解释力排序依次为：X2>X4>X3>X1>X9>X5>X6>X8>X7,X3>X2>X9>X4>X8>X7>X6>X1>X5。反映地表形态的DEM(X3)数据和反映经济发展状况的夜间灯光(X2)数据所表征的驱动因子,对两地景观格局改变的影响都很大。该结果表明,除了地表自身条件高程本身会对景观格局的变化起重要作用外,人类活动干扰程度也对其有显著影响,而年平均气温(X5)和降水(X6)对景观格局变化的解释力度都一般。

从2000年到2020年,深港两地处于城市化高速发展时期,人均GDP显著提升,两地景观受到了大范围的人为活动干扰,人造地表斑块面积不断增加,对两地景观格局产生了影响。比较而言,深圳和香港景观类型整体变化均受到自然因素和人为因素的交互影响,但因子作用解释力排序有所差别。深圳景观类型变化受到夜间灯光(X2)、坡度(X4)、DEM(X5)、人口密度(X1)等人为与自然因素的综合影响更多,与此相比,距主要水系的距离(X9)等地理区位因素也对香港景观类型变化的解释力也很大。

②Logistic回归模型

针对各景观类型分别建立Logit回归变换模型,得到2000—2020年各景观类型变化的解释变量及其重要性(表3)。根据P值判断模型整体拟合效果,所有模型整体均通过拟合优度检验,故有95%的可能性认为该模型是有效的。

根据ROC曲线评价结果,多数模型ROC值>0.8有较高准确性,其余模型ROC处于[0.6,0.8]区间内,表明利用Logistic回归模型对深港单个景观格局变化驱动因子的分析准确可信。由于深圳转换为湿地的景观数量太少,无法采样,故在此不进行分析。

2000—2020年,相同驱动因子对深港两地景观变化的作用力存在共性。如影响两地耕地扩张较为重要的相同解释变量是人口密度(X1)、夜间灯光(X2)和坡度(X4)。人口密度和夜间灯光所表征的人为活动造成对耕地资源的占用,因而对两地耕地扩张均具有显著的负面影响。坡度作为相对重要的解释变量,坡度值增加会抑制影响耕地的产生分布。影响深港两地人造地表变化的共同解释变量为夜间灯光所表征的经济水平(X2),其与两地人造地表的转入概率均具有显著的正相关关系。DEM(X3)、坡度(X4)与年平均气温(X5)等自然因素对深港两地人造地表景观的产生均具有负向作用。除此之外,两地人造地表的景观还受到距主要公路的距离(X8)的影响,从路网分布上可以看出,该因子影响了建设用地表景观扩张的方向和速率。

表3 深港主要景观类型演变驱动力解释力度大小

图8 深港景观格局演变驱动力q值雷达图 Fig.8 q-value radar map of driving forces of landscape pattern evolution in Shenzhen and Hong KongX1: 人口密度;X2: 经济水平;X3: 高程(DEM);X4: 坡度;X5: 年平均气温;X6: 年平均降水;X7: 距主要铁路距离;X8: 距主要公路距离;X9: 距三级以上水系距离

针对林地、草地、灌木地、水体等生态景观,两地景观扩张的部分驱动因子作用方向上存在一致性。结果显示：坡度(X4)对深港两地草地、灌木地、林地等景观的扩张具有积极影响。距主要铁路的距离(X6)与坡度(X4)是制约两地水体的扩张的最重要因子,其值与水体的扩张分布具有显著的负相关关系。

部分驱动因子在两地的景观扩张的作用效果上又存在明显的异质性。年平均降水(X6)对香港耕地的分布具有显著地促进作用,但在深圳则表现为抑制耕地的产生。研究时段内,深圳年平均降水为1293mm,香港为911mm。降水对耕地的影响是多方面的,一方面降水是土地不可或缺的一个因素,充足的水源供应是发展耕地的重要条件,另一方面降水过量会导致水土流失,对农业生产具有负面影响[45]。

4 讨论与结论

4.1 讨论

4.1.1景观格局的形成及驱动分析

景观类型划分的差异对景观格局指数具有显著影响[46],本研究中采用同一个景观类型分类系统,能较好地避免由于分类系统导致的深圳与香港两地的分析误差。2000年后,深圳建设用地大范围扩张,而香港建设用地增长速率缓慢,这与当前许多研究结果一致[17, 47-48]。本文的结果发现两地人造地表的扩张的阶段性特征与两地的人均GDP增长趋势具有耦合关系(图2)。2000—2010年,深圳进入城市化高速发展时期,人均GDP由人均3万增长到10万,新增人造地表面积为140km2,同比增长21%。而同时期的香港城市化进程远超深圳,人均GDP同比增长28%,增长速度放缓,人造地表面积不增反减。2010—2020年,深圳人造地表面积持续扩张,面积同比增长22%,人均GDP增长速率增大。此时香港人造地表面积增加58km2,人均GDP相较于2010年增长44%,增长速率远高于前一阶段。两地人造地表景观与人均GDP的阶段性变化一致,是经济发展的折射表现之一。

城市的扩张特征反映了城市化与经济发展水平,同时也受到社会经济与自然条件的共同驱动。深港两地自然地理条件相似,自然因素如DEM、坡度等共同限定了人造地表扩张的方向与总体格局,而一国两制、改革开放等制度政策因素,主要公路及铁路等基础设施建设情况,则决定了景观的变化细节。随着《粤港澳大湾区发展规划纲要》的颁布印发,两地加强合作,共同推进经济发展与生态文明建设,景观变化在多种因素的作用下具有趋同趋势。

4.1.2景观格局变化的政策启示

一方面,从两地已有的规划政策来看,虽然深圳市在1998年编制法定图则政策的过程中借鉴了香港的经验[12, 49],但两地发展程度不一,制度引领有所区别,实际景观所呈现的政策落地效果存在差异。2000年以来,深圳仍处于经济建设高速发展时期,早期GDP的迅速增长需要大量的土地资源的支撑,人造地表面积的不断增加是当前社会经济发展需求下的必然结果。而同一时期的香港,城市化发展阶段快于深圳,公众的环保利益诉求不断增加[50],GDP增长与发展速度放缓,人造地表面积扩张速度也随之减缓。

另一方面,从两地未来的发展来看,作为沿海城市与岛屿城市,土地资源紧张,如何发展存量、合理利用土地,在较长时间内都将是两个城市未来发展面临的共同挑战。香港人造地表面积在2000—2020年内先降后升,无明显变化趋势,而深圳则处于持续增长的态势。香港作为一个拥有诸多岛屿的岛城,预测未来的景观整体的蔓延度(CONTAG)和聚集度(AI)仍高于深圳,景观连通性和聚集程度较高,城市发展紧凑。而2020年深圳人造地表斑块面积指数(CA)约为2000年的1.5倍,城市仍处于快速扩张状态。建成区的快速扩张造成了巨大的土地资源压力[51],适合发展的土地不断缩减。借鉴香港经验建设发展紧凑城市[11],是深圳未来城市建设一种可能的方式。此外,在进行存量优化时,两地都应同时保证质量与数量[52],通过控制景观格局的有序变化,保持城市景观的多样性与均衡性,促进人与生态和谐发展。

4.2 结论

2020—2030年,深圳和香港景观类型的变化会持续受到自然因素和人为因素的交互影响,但是影响两地景观类型整体发生转变的主要驱动因素及其作用机制不尽相同：(1)夜间灯光表征的经济水平是驱动两地人造地表景观扩张的重要因子；(2)深圳景观类型变化受到夜间灯光、坡度、DEM、人口密度等人为与自然因素的共同驱动；(3)香港景观类型变化的驱动力中距主要水系的距离等地理区位因素占比较大。在上述因素的作用下,深港两地的景观格局演变呈现如下规律：

(1)深港两地的优势景观类型将保持不变。深港两地优势景观人造地表的面积将会持续增加,林地依旧是两地的相对优势景观之一。深港两地景观类型的转移十分频繁,深圳人造地表面积逐年增加,而香港的林地景观则会呈现先增加后减少的趋势,整体上两地林地景观面积均减少,但深港多山多丘陵,除人造地表外,林地仍会保持相对优势。

(2)深港两地的景观格局演变将趋同存异。从景观尺度看,在不同的驱动因子作用下,两地的景观的形状都将保持较低的复杂度,破碎度也进一步降低,但是深圳的景观破碎度仍然大于香港。深圳景观多样性进一步增强的同时,人造地表景观将会进一步呈团聚状分布,而这一景观在香港则不会呈现明显的变化趋势。从政策指引的角度看,在粤港澳大湾区规划建设的引领下,两地景观变化偏向趋同发展。