基于GIS-FLUS的漯河市域生态敏感性时空演变特征研究*

白 天，王鑫宇，吴雅文，杨峻明，郑琳琳，何瑞珍，田国行

(1.河南农业大学 风景园林与艺术学院，河南省风景园林国际联合实验室，河南 郑州 450002；2.云南农业大学 园林园艺学院，云南 昆明 650201；3.匈牙利农业与生命科学大学 风景园林和景观生态学博士院，布达佩斯 1114，匈牙利；4.黄河交通学院 艺术设计系，河南 焦作 454950)

生态敏感区通常定义为对区域总体生态环境起决定性作用的大型生态要素和生态区域，或者2种及以上不同生态系统镶嵌耦合的空间[1-3]，也被认为是与文化敏感区、资源生产敏感区和天然灾害敏感区并列的环境敏感区类型[4]。生态敏感区对环境改变和外界干扰具有特殊敏感或潜在反馈，极易受到人类活动干扰而产生负面效应。生态敏感性研究兼具系统性与针对性，国内外学者对生态敏感性进行了大量研究，探究了不同区域生态敏感性空间格局，为生态环境保护与治理提供了科学依据[5-7]。近年来，生态敏感区的研究正逐渐从单一评价向多元数据分析发展，GIS技术为生态敏感区研究提供了平台；同时，随着机器学习的发展，生态敏感区也逐渐从层次分析、聚类分析和主成分分析等静态分析向人工神经网络(artificial neural network，ANN) 和马尔科夫链(Markov chain，MC) 等动态预测发展，结合元胞自动机 (cellular automata，CA)所形成的FLUS (future land use simulation)和GeoSOS (geographical simulation and optimization system) 等模型极大提升了研究的可行性和应用价值[8-11]。

漯河市位于华北平原西南边缘地带，是中国第二、三阶梯地质接合区域，众多河流在此交汇，被誉为“北方水城”[12]。随着20世纪90年代京九线和京港澳高速的开通，漯河逐渐成为中原地区陆路运输和水路运输的重要通道，进而发展成为以食品、造纸和化工为主的轻工业城市。高速城镇化发展导致其城乡生态环境破碎，河流与空气污染。近年来，漯河地区生态环境问题突显，但关于漯河生态敏感性的研究尚未见报道，生态保护红线区域划定与可持续区域生态环境建设还处于初级阶段。本研究基于ArcGIS 10.8平台，从ANN-CA中选择FLUS模型综合分析漯河生态空间分布特征与趋势[13]，以期为城市生态安全建设提供依据。

1 材料与方法

1.1 研究区概况

漯河市位于河南省中南部(图1)，市域面积2 692.02 km2，属暖湿性季风气候；区域内平原广阔，河流纵横，交通发达，地势平坦，由西北向东南缓倾。2021年城镇化水平达到45.7%，传统农业结合轻工业发展的主要经济发展模式制约了漯河地区生态环境的可持续发展。

图1 研究区域示意图Fig.1 Schematic diagram of the study area

1.2 数据来源

将Landsat 8影像进行融合拼接、地理配准和全色锐化处理，获得空间分辨率为15 m的2015和2020年土地覆盖/利用变化 (land use and cover change，LUCC) 卫星影像；采用ALOS (12.5 m，2011年) 与NASA (30 m，2020年) DEM 数据；人口密度数据来源于WorldPop 项目组 (精度100 m)，由第七次人口普查结果校正；人工采样数据点来源于现场调研与Google地图相结合；道路和河流数据来源于《漯河市城市总体规划 (2012—2030)》，生态重要控制区数据来源于《漯河市城市绿地系统规划 (2013—2030)》；土壤类型根据中国土壤数据库和全国第二次土壤普查数据进行分析。以当地土壤、水系和规划区等相关数据构建地理空间分析数据库，并统一精度为15 m，通过“千层饼”法 (over lay) 进行叠加分析。

1.3 研究方法

1.3.1 试验数据预处理

对遥感影像和DEM数据进行地理配准、几何校正与拼接融合。提取卫星光谱数据，使用主成分分析 (principal component analysis，PCA) 模型压缩冗余光谱信息，获得的3个主成分波段作为影像的光谱特征；计算NDVI/NDBI/MNDWI指数作为影像的指数特征，基于第一主成分，采用灰度共生矩阵 (gray level co-occurrence matrix，GLCM) 提取影像纹理特征；将光谱、指数、纹理信息共同输入随机森林分类器 (random forest classifier) 进行监督分类。

将漯河市域LUCC分为水体 (河流、湖泊和湿地等)、林地 (森林、农田林网和城市绿地等)、农田 (农田、果园和园艺栽植区)、未利用土地(裸露土地和城市施工场地)以及建设用地 (城市用地、道路和铁路) 5类[14]，采样点总计637个。2015/2020年分类结果验证显示Kappa=0.83/0.81(>80%)，分类精度符合试验要求[15-16]。

1.3.2 构建生态敏感性评价体系

基于前人研究成果和研究区环境，为避免评价因素的交叉重叠，筛选研究区域自然环境、地形地貌和土地利用等因素，并根据《生态功能区划技术暂行规程》《生态保护红线划定技术指南》《建设项目环境影响评价分类管理名录 (2021年版)》及相关文献，将敏感度划分为5个等级，即极度敏感区、高度敏感区、中度敏感区、低度敏感区和不敏感区[17-19](表1)。

表1 生态敏感性评价指标体系Tab.1 Indicator system of ecological sensitivity

采用层次分析法 (analytic hierarchy process，AHP) 对各景观影响因素进行权重分析，共分为3层，即目标层 (生态敏感性)、标准层 (3因素：地形地貌因子、生态环境因子、建设因子) 和因子层 (11因素：坡度、土壤类型、河流水系、保护单位、土地利用、道路等) (表2)，对各指标进行两两比较，得到判断矩阵，并进行一致性检验(CR=0.092 1<0.1)。根据各单因子敏感性分析结果，采用加权求和法计算漯河城市流域景观的综合生态敏感性分析指数[20-21]。

表2 单因子生态敏感性权重值Tab.2 Weight value of single factor ecological sensitivity grade

1.3.3 构建FLUS生态敏感性预测模型

(1) CA模型是统计时间、空间和状态均离散但空间相互作用与时间存在因果关系的网格动力学模型。相较于传统的静态规划策略，引入CA的动态分析策略更加符合城市系统的“混沌”和多元要素交互影响的特性，以提高对城市生态实时的调控精度。本研究对象为空间上相互嵌合的生态敏感性区域，市域尺度用地斑块突变将会被覆盖，因此，采用FLUS-CA模型能够通过耦合ANN自动确定各因子的仿真权重值，将自上而下的约束因子与自下而上的元胞自动机模型进行结合，在市域尺度实现更高精度模拟分析[22-23]。结合生态敏感性评价选定16个具体的驱动矢量因子(图2)，运用 Eucdistance 函数处理计算返回指定数据源的欧式空间距离，初步处理后利用 Fuzzy Membership 进行函数归一化，确认像元对齐并推演用地时空变化[24]。

图2 城市生态敏感性变化的驱动因子Fig.2 Drivers of urban ecological sensitivity changes

(2) 模型验证。设置邻居变量为3×3，即中心像元周边2像元范围内各属性皆会对此像元的转换产生促进或抑制作用。训练数据基于ANN模型随机采样于2015年，根据16个驱动因子生成5类敏感性土地的用地适宜性栅格，通过多次试验并参考2015—2020年各敏感性用地的变动情况调整转换强度参数，将2020年模拟结果对比实际情况进行精度评估，得到Kappa=0.86，FoM=0.04，模型精度高。后借助MC预测2035年各类型用地像元数量，并输入驱动因子预测土地敏感性的动态变化。本研究设计2种场景进行对比：①维持场景：延续2015—2020年土地敏感性变动情况与各敏感性用地扩张趋势；② 优化场景：根据提出的控制指引意见与各项敏感性保护策略，将极敏感区纳入保护区范围，禁止元胞转换，同时降低不敏感区的扩张强度，增加中度敏感与高度敏感区的扩张强度，通过控制0、1转换矩阵(0为禁止转换，1为允许转换)的方式鼓励低敏感区向高敏感区转换。2种场景的转换参数见表3。

表3 各生态敏感等级用地转换强度表Tab.3 Table of conversion intensity for each ecologically sensitive grade of land

2 结果与分析

2.1 生态敏感性分析

2.1.1 单因子敏感性评价

结合权重提取漯河生态敏感性单因子，总结单一因子条件下不同等级生态敏感性在研究区域的分布规律 (图3、图4)。

图3 漯河市生态敏感因子分布图Fig.3 Distribution of ecological sensitive factors in Luohe district

图4 漯河市2015和2020年各等级生态敏感性单因子面积占比情况Fig.4 Proportion of ecological sensitivity single factor area in each grade in 2015 and 2020 in Luohe City

(1) 地形地貌因子。研究区域内坡度平缓，坡度因子和地形起伏度因子生态敏感性整体较低，2015—2020年地形变化微弱。①高程：地势呈西北—东南走向，西北低东南高，海拔32～105 m。2015年极高和高度敏感区面积为158.97 km2，占研究区的5.90%；中度敏感区面积为1 345.40 km2，约占研究区的50%；2020年极高和高度敏感区面积为154.52 km2，占研究区的5.74%；中度敏感区面积为1 465.27 km2，占研究区的54.43%。总体上，高程因子的生态敏感区集中在漯河西南部，且由西南向东北生态敏感性逐渐降低。② 坡度：漯河平原城市流域坡度主要在0～6°之间，2015年与2020年的不敏感和低度敏感区面积均超过研究区的80%，坡度>15°的极度敏感区域面积占比极少，2015年占研究区的0.31%，而2020年的占比则不超过0.01%。整体敏感性偏低，而高敏感区分布广。③起伏度：研究区起伏度主要在0～15°之间，2015—2020年间不敏感区面积从2 334.43 km2增至2 645.80 km2，占比均超过85%。

(2) 生态环境因子。①河流水系单因子：研究区河流分布较广，面积较大，河流因子为该地区生态敏感性主要影响因素。极度敏感区占研究区的6.96%，中、高度敏感区占研究区的19.36%，且集中于沙、澧、颍河道与其周边2 000 m范围。不敏感区面积1 461.77 km2，占研究区的54.30%，分布在远离河流水域的其他区域。② 土壤单因子：漯河市土壤类型为7类，根据土壤营养及饱和导水率进行分级，整体的生态敏感性相对较高。极敏感区面积296.83 km2，占研究区的11.03%，分布于西北部和东南部。中、高度敏感区面积为1 089.11 km2，占研究区的40.31%，分布于南部。低度敏感和不敏感区占研究区的48.66%。③文物及矿产保护单因子：低度敏感和不敏感区面积为2 324.81 km2，占研究区的86.36%；极敏感区面积为283.54 km2，中、高度敏感区面积为83.67 km2，共占研究区的13.64%。

(3) 交通建设因子。①LUCC：该类型因子是促使漯河市2015—2020年生态敏感性变化的主要驱动力。2015和2020年极度和高度敏感区总面积分别为219.38和173.37 km2，分别占研究区的8.15%和6.45%，分布分散，东部和北部相对集中。低度敏感与不敏感区合计占比稳定在约15%，且集中在城区范围。土地敏感性主要集中在中度敏感区，占比稳定在约75%。② 各交通因子：研究区交通较为便利，市域内外通达性好。各道路敏感性区域相叠加，高度和极度敏感的区域面积为155.11 km2，占研究区的5.76%。

2.1.2 综合敏感性评价

通过上述单因子生态敏感性分析，对各指标因子指数及权重加权求和，利用 GIS 空间加权叠加方法，得出漯河城市流域景观综合生态敏感性(表4)：(1) 总体占比上，研究区域内生态敏感性总体偏低，呈现典型的金字塔结构，不敏感区占比持续超过40%；而极度和高度敏感区占比均不超过10%，且中部和西部高度敏感区相对集中。(2) 变化趋势上，随着城市的建设开发，漯河市整体呈现出从高度敏感向低度敏感发展的趋势，3,5,7,9等级的较高敏感区面积持续降低，而不敏感 (1等级) 的区域面积仍逐渐增加。

表4 漯河市综合生态敏感性Tab.4 Comprehensive ecological sensitivity in Luohe City

2.2 生态保护策略与验证

2.2.1 基于漯河市生态敏感性变化趋势优化策略

研究区域生态敏感性多年呈下降趋势，城市水域及其周边缓冲区受城市规划和发展影响较大，应是重点保护区域，需要保证其河网水系生态系统和生态服务功能的完整性。基于这一思路，以城市基底环境保护为核心，通过对地形地貌、生态环境和建设因子进行生态敏感性分析，并根据不同敏感区建设要求，将5个等级生态敏感性区域整合为生态保护区、生态控制区、生态缓冲区和适宜建设区4个分区进行管理，提出相应政策指引。其中，极度敏感区即河流水系及周围环境，整合为生态保护区，原则上禁止一切与生态保护无关的建设活动，增加保护区域面积，加大城市绿地绿化构建水源生态屏障，在FLUS模型中设定为转换禁止；高度敏感区即水源涵养区、水土保持区、文物矿产保护区以及地形起伏度35～45°和坡度10～15°的区域，整合为生态控制区，以保护为主，封山育林增加森林覆盖率，宗地治理允许少量适度开发建设，在FLUS模型中设定为转换限制；中度敏感区即滨河湿地缓冲区、道路缓冲区、农业用地以及地形起伏度25～35°和坡度6～10°的区域，整合为生态缓冲区，实施因地制宜适度开发，扩大生态廊道建设、保护基本农田、减少面源污染、在水源高敏感区域外围打造绿色长廊建设，进一步在FLUS模型中设定为转换限制；低度敏感和不敏感区即城市已建区域，采取合理更新改造和城市修补，实施集约型生态用地调整和雨水资源循环再生利用管理，在FLUS模型中设定为转换限制。

2.2.2 基于漯河市域生态敏感性分区控制指引策略验证

本研究采用GIS-FLUS模型模拟未来多情景，以期进行定量化分析，并提供确切的空间预测数据。将上述策略转化为具体的定量化策略并设置为“优化场景”，进一步与2015—2020年发展趋势的“维持场景”进行对比(表5、图5)。

表5 多情景模拟中的敏感性变动情况Tab.5 Comparison of sensitivity changes in multi-scenario simulation

图5 多情境模拟结果Fig.5 Multi-situational simulation results

维持场景下，漯河市平均敏感度快速降低至2.03，不敏感区多在原位置继续扩张，面积增长至1 313.43 km2，低度敏感区被其逐渐蚕食，面积降低至597.90 km2并少量吞并中度敏感区，两者占比总体高于70%；高度和极度敏感区面积逐步下降。

相较于维持场景，优化场景敏感区域整体向高度敏感区迁移，不敏感和低度敏感区增长放缓，平均敏感度回升至2.11；不敏感和低度敏感区占比总体回落，降低至70%以下；中度敏感区为391.96 km2，基于给定的转换限制，可以认为有部分不敏感和低度敏感区转换成中度敏感区；极度和高度敏感区面积稍有回升，由于其所在区域主要集中于水域及其周边缓冲地域，受人为规划影响较大，通常仅作为城市发展驱动力而非要素参与城市化进程，因此变动较小。

3 讨论

生态敏感区域研究在生态测绘、应急救灾和国土监测等方面得到广泛应用，明确敏感区域边界及演化过程能够更有效地保护当地环境、减少人类干扰。本研究在传统AHP、MSE和AHP-GIS统计赋值权重等方法基础上增加了区域GIS-FLUS动态演变趋势判断[25-26]。静态评价结果显示：研究区低度敏感和不敏感区开发面积较大，极度敏感区和高度敏感区主要沿河流水系分布，缺少中度敏感过渡区域，低度敏感区和不敏感区主要集中分布在建设区域而在周围农田分散分布，生态敏感性以河流和水系为核心逐级递减，这与黄河流域生态敏感区域分析一致，反映出平原河网城市生态聚集度低和低度敏感区面积大的特征，城市发展严重依靠城市河流等自然空间分布，水资源破坏严重[27-29]。通过FLUS模型验证仿真，可直观、科学地推演研究区域生态发展空间演变过程，实现动态数据的过程性分析，从而进一步实现城市韧性和生态网络弹性时空变化评价[30]，反映出生态研究由数量向质量的重心转移，且更加关注区域空间发展的整体趋势[31]。对比维持与GIS-FLUS优化场景结果发现：不同生态敏感程度通常有相对固定的核心区域，建设用地和耕地多偏向地形平坦区域，受人类活动影响较大，敏感性等级越高的区域越不适宜进行建设活动；极度敏感区和高度敏感区减少与河网水系聚集性和连通性下降有关，反映出城市化发展对城市流域水资源生态系统服务功能的消极影响[32-33]；高度敏感区的部分区域，或与文物保护区域相重合、或具有天然复杂地形，模拟显示对低度敏感区侵蚀有较好的抵抗作用；敏感性较低区域的适度开发与保护能够减缓低度敏感区快速增长和蔓延。因此，恢复小型河流和支流的数量，增加高度敏感区和中度敏感区面积以改善河流水系的生态环境，有利于漯河市生态环境质量的保护和提升。

4 结论

本研究以漯河市域生态敏感性区域空间为研究对象，运用GIS空间分析初步探讨研究区域生态敏感性区域空间分布和等级变化趋势，再根据变化趋势提出生态敏感性分区控制指引，并通过FLUS模型进行动态验证仿真，对维持场景和优化场景进行对比，实现了生态敏感性分区控制指引定量化转换和预测分析，以期为漯河市国土空间生态规划提供科学依据。