城市扩张背景下生态用地格局与生态效率的多尺度关联分析

马才学, 杨蓉萱, 柯新利,*, 马智宇, 张超正, 唐兰萍

城市扩张背景下生态用地格局与生态效率的多尺度关联分析

马才学1, 杨蓉萱1, 柯新利1,*, 马智宇2, 张超正1, 唐兰萍1

1. 华中农业大学公共管理学院, 湖北武汉 430070 2. 广东海洋大学管理学院, 广东湛江 524088

探寻生态用地景观格局演变对生态效率的影响规律对于合理配置生态用地、促进城市可持续发展具有重要的指导意义。运用生态效率度量模型、空间自相关分析和景观指数, 分别探讨2005—2015年三大城市群生态效率时空分布特征及生态景观格局演变规律, 并基于空间杜宾模型实证分析行政区和主城区不同尺度下的生态用地景观格局对生态效率的影响。研究结果表明: (1)城市扩张使生态用地面临较高的转化风险, 绿地作为优势生态用地, 是建设用地蚕食的主要用地类型; (2)主城区尺度下的生态用地景观格局对生态效率的影响比行政区尺度更为显著, 对主城区内的生态用地景观格局进行调控更能发挥效果; (3)绿地景观格局对生态效率的影响比水域更为突出, 降低主城区绿地破碎度, 提高单个斑块优势度比提高绿地总面积更有利于促进城市生态效率。由此可认为主城区尺度下的绿地优化调控在城市规划中应给予重视, 在无法避免蚕食绿地时, 应尽可能侵占小斑块绿地, 以确保自然生态保护区等大斑块绿地的生态优势地位。

生态效率; 生态用地景观格局; 多尺度分析; 空间杜宾模型; 三大城市群

0 前言

快速城市化加剧了建设用地需求与生态用地保护的矛盾, 为满足经济发展对建设用地的刚性需求, 生态用地被大量挤占[1], 高度城市化区域面临生境斑块减少、景观格局破碎、生态功能减退等诸多环境问题[2], 日益恶化的生态环境将会提高城市生态安全风险, 影响城市的可持续发展。如何有效减缓城市发展对生态环境的负面影响正逐渐引起国内外学者的广泛关注[3-4]。人类经济开发活动主要是在景观层次上进行, 基于景观生态学的角度探讨景观空间结构与生态过程的相互作用, 有利于科学地认识城市发展与生态环境的影响机制[5]。目前大量研究探索了景观格局变化对大气污染[6-8]、热岛效应[9-11]、水质净化[12-13]、土壤保持[14-15]等不同生态效应的影响, 相关研究证明了生态景观的内部结构和空间布局对城市生态系统功能发挥的重要性。然而当前研究更多聚焦于生态用地景观格局变化及其所引起的生态效应, 缺乏对生态环境影响与经济社会效益的综合考量, 在权衡经济发展与生态保护上的研究略显不足。生态效率是同时兼顾生态环境影响和经济效益的测度指标, 核心思想是以最小的资源环境损耗获得最大的经济效益, 是资源环境利用与经济发展关系的集中反映[16]。通过研究城市生态用地景观格局变化对生态效率的影响机制, 将有助于协调经济发展与生态保护的关系, 促进城市可持续发展。在生态效率的测度上, 常采用WBCSD 提出的生态效率定义下的核算方法, 具体指产品或服务价值与生态环境影响之比, 其中GDP常用来衡量产品或服务价值, 但传统GDP忽略了资源损耗成本和污染治理成本, 高估了国民经济净收益[17]。生态足迹能较为全面地评价人类对资源环境的利用程度[18], 但传统生态足迹模型由于均衡因子和产量因子的区域差异性, 导致测算结果不稳定; 能值生态足迹改进模型引入能值理论, 弥补了传统生态足迹模型的部分缺陷, 更具科学性和准确性[19]。因此以考虑资源消耗和环境破坏的绿色GDP与能值生态足迹之比来测算生态效率, 更能科学准确地反映城市经济、资源、环境与生态的协调发展程度。

既有研究通常以行政区为研究尺度, 但主城区作为近年来生态流失的热点区受到诸多学者的关注[20];综合考虑行政尺度和主城区尺度的生态用地景观格局演变有利于认清整体与局部变化对生态效率的影响, 从而制定出更具针对性、科学性的政策措施。三大城市群作为中国经济发展最具活力的地区, 在实现经济快速增长的同时, 面临着生态系统功能退化、环境恶化等生态问题; 因此本文将以三大城市群为研究区域, 探讨行政区与主城区两个不同尺度下生态用地景观格局对生态效率的影响, 并试图回答以下几个问题: ①生态用地景观格局与生态效率之间是否存在显著相关性? ②不同尺度下生态用地景观格局对生态效率的影响是否有明显差异性? ③生态用地景观格局如何优化才能有效提高生态效率？通过回答这三个问题, 为区域经济增长与环境保护的平衡发展提供参考。

1 研究区域与数据来源

1.1 研究区域

京津冀城市群、长三角城市群和珠三角城市群三大国家级城市群是我国经济发展的重要增长极, 亦是资源短缺、环境污染、生态破坏等问题的高度集中区[21], 有效权衡经济发展与生态保护的关系是实施城市群可持续发展战略的现实需求。京津冀城市群以北京、天津为核心城市, 辐射带动石家庄、唐山、保定、秦皇岛、廊坊、沧州、承德和张家口8个地级市[22]。长三角城市群以上海为主核心, 南京与杭州为次核心, 辐射带动无锡、苏州、常州、镇江、扬州、泰州、南通、宁波、绍兴、嘉兴、台州、湖州和舟山13个地级市[22]。珠三角城市群以广州、深圳为核心城市, 辐射带动珠海、惠州、东莞、肇庆、佛山、中山和江门7个地级市[22]。考虑到舟山与珠海岛屿众多且分散, 部分景观指数可比性不高, 故本文的研究区域不将其包含在内。

1.2 数据来源及相关说明

本文所用2005、2010、2015三期土地利用覆盖数据和2013年夜灯光数据均来源于中国科学院资源环境数据中心(http://www.resdc.cn/), 土地利用数据的空间分辨率为30m; 受数据获取的限制, 本文主城区的提取基于2013年夜光灯数据, 并以2015年土地利用覆盖数据进行修正。本文所涉及的社会经济数据均来源于对应年份的《中国城市统计年鉴》、《中国城市建设统计年鉴》、《中国农村统计年鉴》、《中国环境年鉴》以及各省市对应的统计年鉴。所有的经济数据按照所在省份的GDP指数折算为基于2005年的可比价格。

2 研究方法

2. 1 景观指数法

目前生态用地划分最为流行的两种观点分别是“生态功能决定论”和“主体功能决定论”[23]。“生态功能决定论”单纯从土地生态功能角度来界定生态用地, 认为只要是具备生态功能的土地类型就可将其划分为生态用地;“主体功能决定论”则从土地主体功能角度来界定生态用地, 将发挥自然生态功能为主的土地类型划分为生态用地, 而以经济产出为核心目的的农用地不予考虑。耕地因农药、化肥的投入存在较大的生态隐患, 故本文基于“主体功能决定论”, 将林地、草地和水域划分为生态用地。考虑到部分城市草地面积较小, 统一将草地与林地划分为绿地[24]。基于景观格局指标冗余度低、能较好反映景观格局变化的原则, 选取景观面积比()、斑块密度()、最大斑块指数()、边缘密度()4个类型水平上景观指数来反映行政区和主城区的景观结构组分和空间配置特征, 其中主城区的提取参考黄隆杨等[24]的做法, 选取值大于35的连片区域为主城区。指标含义见表1, 利用Fragstats 4.2计算各景观指数。此外, 本文构建城市扩张强度指数反映不同时期城市群用地扩张进程。计算公式如下[25]:

式中:表示城市扩张强度指数;表示研究区总面积;U、U分别表示研究初期和末期建设用地面积;表示研究时段。

2.2 生态效率测度模型

基于WBCSD 界定生态效率的概念, 其值为产品或服务价值与环境影响之比; 本文以绿色GDP来衡量产品或服务价值, 以能值生态足迹指标反映人类对资源环境的影响。

(1) 能值生态足迹

能值生态足迹是基于能值分析理论对传统生态足迹进行改进的计算方法, 其基本思想是: 利用能值转化率将生态足迹账户的消费项目(表2)折算成太阳能值, 再通过引入能值密度概念, 实现能值与生物生产面积的转换, 以此计算能值生态足迹。其中能量折算系数和能值转换率参考文献[26-27]。计算步骤为:

表1 景观指数选取及其描述

①计算资源消耗的人均能值

c=e××/(2)

式中:c为第种资源的人均能值;e为第种资源的实物量;为能量折算系数;为能值转换率;为区域人口数量。

②计算能值生态足迹

式中:为能值生态足迹;为区域人口数量;为人均能值生态足迹;c为第种资源的人均能值;为全球平均能值密度, 根据WCED的报告, 取值为3.10×1014sej·hm–2。

(2)绿色GDP及生态效率核算

绿色GDP是以绿色投入产出核算理论为基础, 综合考虑自然资源消耗成本和环境污染治理成本, 即绿色GDP = GDP – (资源耗减成本 + 环境污染治理成本)[28], 其中资源耗减成本主要考虑重要的地下资源: 煤、石油、天然气; 环境污染治理成本主要考虑: 废水、废气、固体废弃物; 具体成本价格参考雷明[29]的研究成果。生态效率为产品或服务价值与环境影响之比, 本研究以绿色GDP代表产品或服务价值测度指标, 以能值生态足迹代表环境影响测度指标, 生态效率度量公式为:

2.3 自然间断点分级法

自然间断点分级法(Jenks)是基于数据中固有的自然分组, 采用迭代组合的方式识别最佳分类间隔的分类方法, 可使各类之间的差异最大化[30]。本文为了揭示研究区生态效率的空间分布特征, 基于ArcGIS 10.2软件, 运用自然间断点分级法划定分级范围, 绘制生态效率空间分布图。

表2 生态足迹账户及指标

2.4 空间自相关检验

空间自相关用于分析空间数据的关联性和集聚性, 其中全局空间自相关可揭示空间数据的整体关联特征, 全局自相关指数公式如下[31]:

局部空间自相关可进一步检验研究单元及邻近单元的空间异质性和集聚分布特征。局部指数的计算公式如下:

局部莫兰指数I的含义与全局莫兰指数相似, 局部莫兰指数I显著大于0, 表明区域单元周围相似值集聚; 显著小于0, 则与之相反。

2.5 空间面板计量模型

空间计量模型与传统计量模型最大的差异就是将空间效应纳入到模型, 空间数据普遍具有空间依赖性或自相关性, 忽略其固有的空间溢出效应可能会造成结果有偏误。空间杜宾模型作为空间计量模型的标准起点, 是捕捉各类空间溢出效应的标准框架[32], 对不同来源的空间相关性予以很好的反映[33]。因此, 本文采用空间杜宾模型开展实证研究, 其基本形式如下:

式中:为被解释变量;为解释变量;为回归系数;为空间权重矩阵;为来自邻近自变量的影响;为相应的系数向量;为空间滞后项系数;为空间误差项。

空间权重矩阵是空间计量模型的应用前提, 本文借助GeoDa软件, 基于各地级市之间的邻接关系, 构建评价单元的空间权重矩阵, 邻接性常用0和1表示, 各地级市之间相邻赋值为1, 否则赋值为0, 即:

根据研究目的, 本文将生态效率作为被解释变量, 生态用地景观指数作为核心解释变量带入空间杜宾模型进行回归。在回归之前, 需通过Hausman检验判定空间杜宾模型中的固定效应和随机效应, 如果Hausman统计量值显著, 则应拒绝随机效应, 选择固定效应。

3 结果与分析

3.1 城市生态用地格局演变分析

表3展示了三大城市群生态用地景观格局指数, 由景观面积比()可知, 2005—2015年, 三大城市群生态用地总体上以绿地为主; 相较于水域面积的变化, 京津冀和长三角城市群绿地面积的下降趋势更为明显, 分别下降了0.70%和0.34%, 表明在快速城市化过程中绿地是被建设用地所侵占的主要生态用地; 珠三角绿地与水域面积变化则相对均衡。由最大斑块指数()可知, 三大城市群绿地的最大斑块指数均大于水域, 说明绿地是优势生态用地类型, 这种优势性在京津冀和珠三角地区尤为明显; 从时间尺度来看, 绿地的最大斑块指数在2005—2010年呈现明显的下降趋势, 而2010—2015下降速率略有减缓, 绿地的最大斑块指数下降意味着绿地的生态景观优势地位在逐渐减弱; 三大城市群水域的最大斑块指数的总体趋势与绿地一致, 但不同时期变化各有差异。斑块密度()常用以描述景观格局破碎度, 在景观面积比持续性下降的趋势下, 长三角与珠三角地区的绿地斑块密度却有所增加, 这表明绿地的破碎化程度在不断提高, 水域则与之相反; 边缘密度()常用以描述景观形状的规则性, 长三角与珠三角地区绿地边缘密度呈现上升趋势, 说明绿地景观边缘形状趋向于复杂化; 京津冀地区绿地与水域的边缘密度在研究期内均有所下降, 表征该地区生态用地景观边缘形状由复杂往简单演变, 这可能是人类活动对其干预与改造的结果。总体而言, 三大城市群生态用地面积均呈现出下降的趋势, 但格局演变存在一定空间差异性。

3.2 城市生态效率测算与分析

基于公式(2)—(4), 测算三大城市群三期的生态效率, 为能够科学地反映生态效率空间分异特征, 借助ArcGIS 10.2软件, 绘制生态效率空间分布图, 结果如图1所示。从城市群整体来看, 三大城市群生态效率在研究期内总体呈现上升趋势, 但由于资源禀赋与经济结构的差异化, 生态效率变化存在明显的区域差异, 珠三角生态效率均值一直处于领先地位, 长三角次之; 珠三角生态效率均值由2005年2 252. 80元·hm–2上涨至2015年7 375. 37元·hm–2, 提升了2. 27倍, 上升幅度远超于京津冀(1. 82倍)和长三角(1. 23倍), 由此可见, 珠三角更接近于高资源利用率与高产出的可持续发展模式。从城市群内部来看, 城市群核心城市的生态效率位于高值区, 其一可能是核心的城市吸纳了更多优质资源, 具有规模经济优势, 资源利用率高, 对环境影响相对较小, 其二可能是政府部门对产业结构的调整, 高资源消耗与高污染产业的外迁[34]; 京津冀的生态效率呈现出明显的 “双核心—外围”空间分布格局, 城市群内部的生态效率水平差异较大, 这可能是因为高能耗与高污染产业在城市群内部定向迁移, 没有形成良性的绿色循环发展机制[35]。长三角的生态效率水平较为均衡, 2005—2010年生态效率高值区沿“沪宁—杭甬”交通线分布, 这一结果与张英浩等[36]测算的长三角城市土地利用效率具有一致性。2015年城市群内部已形成以上海、南京、杭州三大核心城市引领带动, 周边城市密切配合的绿色发展模式。珠三角在空间上亦呈现“核心—外围”的格局, 不过相比于京津冀, 珠三角核心城市广州与深圳的溢出效应更为明显, 在提高自身生态效率水平的同时, 充分带动周边城市的发展, 使珠三角整体的生态效率处于较高水平。

从图1可知, 三大城市群生态效率具有明显的空间分异特征, 为进一步验证生态效率在空间上的关联性与集聚性, 本文遵循Rook相邻判断规则构建空间权重矩阵, 基于GeoDa平台, 对其进行全局自相关和局部自相关分析。表4显示:指数均为正值, 但数值越来越小, 2015年的指数未通过5%的显著性检验, 表明在研究期内, 三大城市群生态效率存在正的空间相关性, 表现为高值集聚和低值集聚, 但这种空间集聚特征随时间的推移愈发不明显。由图2可知, 局部呈现出空间异质性增强, 同质性减弱的趋势(“H-H”、“L-L”与“H-L”、“L-H”的比例由2005年的4: 1变为2015年的2: 2)。京津冀包含“H-L”和“L-L”两种集聚类型, 北京位于“H-L”类型, 表明其与其他城市两级分化严重, 城市溢出效应不明显; 秦皇岛始终位于“L-L”类型, 毗邻生态效率低值区, 生态效率提升空间较小; 长三角生态效率水平趋同, 并无显著的集聚效应; 珠三角包含“H-H”和“L-H”两种聚集类型, 东莞一直位于 “H-H”类型, 表明东莞市处在生态效率高值区, 且对周边城市有较强的辐射带动效应; 惠州市在2010年跃迁为“L-H”类型, 毗邻生态效率高值区, 具有明显的“被带动”区位优势。

表3 三大城市群生态用地景观指数年际变化

图1 研究区生态效率空间分布

Figure 1 The spatial distribution of eco-efficiency in the study area

表4 研究区生态效率的全局自相关Moran’s I指数

注:**表示在5%的置信度下显著。

3.3 生态效率与生态用地格局的多尺度关联分析

已有研究表明生态环境问题与城市用地扩张特征具有相关性[22], 本文引入城市扩张强度指数对三大城市群的用地扩张进行分析, 结果显示2005—2010年三大城市群整体城市扩张强度为0.59%, 远超于2010—2015年的0.19%; 为了避免可能存在的交互影响, 将研究期划分为城市用地快速扩张(2005—2010)和减速扩张(2010—2015)两个时期, 探讨不同时期城市生态用地格局演变对生态效率的影响差异。影响生态效率的因素众多, 本文参考付丽娜等的研究成果[37], 考虑区域生态效率之间的差异性, 选取产业结构(第三产业占总产业的比重)和科技支持度(科技支出占总财政支出比重)两个控制变量来控制影响城市生态效率的变化。由前文的分析可知, 城市群生态效率具有空间关联与集聚特征, 传统的计量模型会导致结果有所偏误, 故本文选取空间杜宾模型来分析生态效率与生态用地景观格局演变的关联性。在进行回归之前, 需对模型形式进行豪斯曼检验(Hausman Test), 以确定是选择固定效应模型还是随机效应模型, 由Hausman 检验可知, 固定效应模型优于随机效应模型, 本文采用极大似然法对模型进行估计[31], 结果见表5。结果显示, 模型2值均在0.9以上, 模型拟合效果较为理想。

从行政区尺度来看, 生态用地对生态效率的影响在城市用地快速扩张时期更为显著, 这可能是因为该阶段城市的发展主要体现在建设用地扩张上, 生态用地格局变动较为明显, 而在城市用地扩张减速时期, 城市的发展更多聚焦于城市内部用地结构的调整, 行政区尺度上的生态用地格局对生态效率的影响也相对被弱化。在类型水平上, 绿地的回归系数在城市快速扩张时期显著为正, 在减速扩张时期显著为负, 产生差异性的原因可能是城市从“蔓延式“转变为”紧凑“发展, 经济增长不再依赖于城市扩张, 由扩张引起的绿地破碎化所带来的经济效益将不足以抵消生态负面影响; 绿地在城市快速扩张时期对生态效率影响显著为正, 表明在城市扩张蚕食绿地时, 应尽可能侵占小斑块, 保护大面积绿地斑块, 这更有利于提高城市生态效率。水域和生态效率呈显著负相关, 可能原因是研究区所涉及的水域长江、太湖、珠江等在城市快速扩张时期水质污染较为严重[38-40], 水域面积愈大, 治理成本反而愈高, 从而影响生态效率。水域在城市快速扩张时期对生态效率有显著的正向影响, 扩大水域与城市建设用地的接触面可显著提高生态效率, 这体现了人类生产活动的亲水性。

图2 研究区生态效率LISA集聚空间格局分布

Figure 2 LISA cluster map of eco-efficiency in the study area

表5 空间杜宾模型回归结果

注: 括号内为检验值;***、**、*分别为1%、5%、10%的置信度下显著;代表绿地,代表水域。

从主城区尺度来看, 主城区的生态用地格局对生态效率具有显著影响, 这种影响在城市扩张减速时期尤为突出, 表明当城市发展不再一味追求空间范围上的扩展时, 建设用地增长与生态用地保护的矛盾会集中体现在主城区, 合理规划与调整生态用地景观格局对于城市的绿色可持续发展显得尤为重要。在类型水平上, 绿地与对生态效率分别有显著负向影响和正向影响, 这二者并不矛盾, 提高区域内的绿地总面积在一定程度上能提高区域生态环境, 但对于人口集聚、土地短缺、经济活动活跃度高的主城区而言, 过分强调扩大绿地面积会制约城市经济规模与发展速度, 由此所产生的正向生态效益不足以补偿其带来的经济损失; 对于用地紧张的主城区而言, 如何让有限的生态用地发挥其最大的生态价值是值得探讨的; 绿地最大斑块面积在吸收雾霾, 抑制大气污染上发挥着重要作用[7], 它对生态效率的正向影响表明主城区提高单个连片的绿地斑块面积比提高总体绿地面积更能发挥其生态优势, 绿地破碎度指标()在扩张减速时期对生态效率的显著负向作用也与该指标反映的内容相吻合。对生态效率有显著影响的水域景观指数只有呈现正向关系, 其它指数均为负, 这反映了主城区水域对城市绿色发展的弹性影响, 人类社会经济活动的亲水性让城市发展依赖于水域资源, 但经济活动造成的水域污染会制约城市的可持续发展。对比绿地和水域两类生态用地的显著性和回归系数, 可见主城区绿地对于生态效率的影响更为突出, 在城市可持续发展中应当优先考虑绿地的优化调控。

4 讨论

在城市发展过程中, 为满足日益增长的城市用地需求, 大量的生态用地被建设用地蚕食, 城市在形态上表现出往外扩张的趋势, 原本整体连续的自然生境被分割成破碎程度高的混合斑块镶嵌体[41], 阻碍城市生态系统重要服务功能的发挥, 给城市生态系统的可持续发展带来了严峻挑战。通过探讨了行政区与主城区两种尺度下生态用地景观格局对生态效率的影响, 有助于清晰认识城市内部生态用地的功能差异, 制定不同目标导向的生态规划。主城区是建设用地高需求、生态用地高转化的地区, 经济发展与生态保护之间存在严重的矛盾冲突, 生态用地的规划与调整需充分衡量经济与生态的双重效益; 根据主城区生态用地景观格局指数与生态效率的相互关系, 可知主城区的生态用地规划重点在于提高绿地景观的连通性与优势度, 在无法避免建设用地“蚕食”周边生态用地, 应尽可能侵占分散的小绿地斑块, 保证生态自然保护区等大绿地斑块充分发挥其生态优势。而城市郊区的生态用地无需承担过重的经济发展压力, 在规划中应以生态效益最大化为目标, 通过构建生态廊道降低自然生境的破碎度, 弥补主城区因“蚕食”生态用地而减少的城市生态系统能流与物质流的供应。协调主城区与郊区不同目标导向的生态规划, 对维持城市生态系统服务功能, 保障城市可持续发展具有重要意义。

本文基于空间杜宾模型探讨了城市扩张背景下不同尺度生态用地景观格局对生态效率的影响机制, 相关成果可为城市生态用地的优化调控提供参考。需要指出的是, 本研究仍存在一定局限性, 其一空间分辨率为30 m的土地利用数据对于主城区尺度而言, 分辨率较低, 一些街道和居住区的小斑块绿地被忽略, 可能会对结果造成一定误差, 后期可基于高分辨率遥感影像研究二者关系, 探讨多尺度空间分辨率下的规律差异。其二本文并未探讨生态用地景观格局对生态效率的影响是否具有阈值效应, 即不同生态用地景观指数在怎样的阈值区间内能发挥其最大生态优势, 阈值的确定对于权衡区域经济发展与生态用地保护具有重要的指导意义, 是后续研究的重点。

5 结论

本研究基于三大城市群2005—2015年的三期面板数据和土地利用数据, 实证测算了城市生态效率和两种尺度下的生态用地景观指数, 通过空间统计分析检验出城市生态效率存在空间关联与集聚特征, 并基于空间杜宾模型探讨城市扩张背景下不同尺度生态用地景观格局对生态效率的影响, 结果验证二者之间存在关联, 生态用地景观格局的优化调控在提高区域生态效率上发挥着重要的作用。具体研究结论如下:

(1)生态用地面积在城市化扩张过程中呈现出下降趋势, 日益增长的建设用地需求使生态用地面临着较高的转化风险; 绿地作为优势生态景观, 资源占用尤为明显, 破碎化程度加剧, 生态优势性被削弱。

(2)生态用地景观格局与城市生态效率具有显著的相关关系, 不同尺度下的生态用地景观格局对生态效率的影响程度不同; 随着城市发展不再一味追求空间扩张而是聚焦于城市内部用地结构的调整, 主城区尺度下的生态用地景观格局对城市生态效率的影响更为显著。

(3)不同生态用地类型对城市生态效率的影响存在差异, 水域对城市生态效率的影响程度不如绿地, 且经济活动导致的水域污染致使其产生一定负面环境效应, 在一定程度上制约了城市的可持续发展。应加强水域污染的防控治理, 保证水域正的生态效应得以充分发挥。

(4)主城区绿地的优化调控是提升城市生态效率的关键, 降低绿地破碎度, 提高单个绿地斑块面积有利于促进城市生态效率, 而扩大绿地总面积却产生抑制作用, 这说明城市生态效率的提升不依赖于绿地景观整体规模的扩大, 而取决于其连通性与优势度; 因此建立城市绿地廊道连接分离绿地斑块, 提高单个绿地斑块的优势度是提升城市生态效率的有效途径。

[1] 张继平, 乔青, 刘春兰, 等. 基于最小累积阻力模型的北京市生态用地规划研究[J]. 生态学报, 2017, 37(19): 6313–6321.

[2] 甄江红, 王亚丰, 田圆圆, 等. 城市空间扩展的生态环境效应研究—以内蒙古呼和浩特市为例[J]. 地理研究, 2019, 38(5): 1080–1091.

[3] 梁龙武, 王振波, 方创琳, 等. 京津冀城市群城市化与生态环境时空分异及协同发展格局[J]. 生态学报, 2019, 39(4): 1212–1225.

[4] 马世发, 艾彬. 基于地理模型与优化的城市扩张与生态保护二元空间协调优化[J]. 生态学报, 2015, 35(17): 5874–5883.

[5] 何珍珍, 王宏卫, 杨胜天, 等. 渭干河—库车河绿洲景观生态安全时空分异及格局优化[J]. 生态学报, 2019, 39(15): 5473–5482.

[6] 欧维新, 张振, 陶宇. 长三角城市土地利用格局与PM_(2.5)浓度的多尺度关联分析[J]. 中国人口·资源与环境, 2019, 29(7): 11–18.

[7] 韩晔, 周忠学. 西安市绿地景观吸收雾霾生态系统服务测算及空间格局[J]. 地理研究, 2015, 34(7): 1247–1258.

[8] 邵天一, 周志翔, 王鹏程, 等. 宜昌城区绿地景观格局与大气污染的关系[J]. 应用生态学报, 2004, 15(4): 691– 696.

[9] RINNER C, HUSSAIN M. Toronto’s urban heat island— Exploring the relationship between land use and surface temperature[J]. Remote Sensing, 2011, 3(6): 1251–1265.

[10] 王耀斌, 赵永华, 韩磊, 等. 西安市景观格局与城市热岛效应的耦合关系[J]. 应用生态学报, 2017, 28(8): 2621– 2628.

[11] 边晓辉, 刘燕, 丁倩倩, 等. 浙江省湖州市土地利用和覆被变化对热岛效应的响应[J]. 水土保持通报, 2019, 39(3): 263–269.

[12] CHOTPANTARAT S, BOONKAEWWAN S. Impacts of land-use changes on watershed discharge and water quality in a large intensive agricultural area in Thailand[J]. Hydrological Sciences Journal, 2018, 63(9): 1386–1407.

[13] 刘怡娜, 孔令桥, 肖燚, 等. 长江流域景观格局与生态系统水质净化服务的关系[J]. 生态学报, 2019, 39(3): 844– 852.

[14] 康磊, 刘世荣, 刘宪钊. 岷江上游景观格局与土壤侵蚀变化—以杂古脑流域为例[J]. 水土保持通报, 2019, 39(1): 23–28+325.

[15] 张金茜, 柳冬青, 巩杰, 等. 流域景观破碎化对土壤保持服务的影响研究—以甘肃白龙江流域为例[J]. 资源科学, 2018, 40(9): 1866–1877.

[16] 彭薇, 熊科. 环境压力视角的广东省市域生态效率综合评价[J]. 经济地理, 2018, 38(8): 179–186.

[17] 黄和平, 胡晴, 乔学忠. 基于绿色GDP和生态足迹的江西省生态效率动态变化研究[J]. 生态学报, 2018, 38(15): 5473–5484.

[18] 杨灿, 朱玉林. 基于能值生态足迹改进模型的湖南省生态赤字研究[J]. 中国人口·资源与环境, 2016, 26(7): 37– 45.

[19] 杨灿, 朱玉林. 绿色发展视阈下湖南省生态足迹的驱动力因素分析[J]. 经济地理, 2020, 40(4): 195–203.

[20] 郑涛, 陈爽, 张童. 城市滨江地区生态用地演变及驱动因素分析—以长江南京段为例[J]. 长江流域资源与环境, 2019, 28(5): 1049–1058.

[21] 刘晓丽, 方创琳. 城市群资源环境承载力研究进展及展望[J]. 地理科学进展, 2008, 27(5): 35–42.

[22] 王翠平, 丁黎. 城市扩张背景下城市群环境问题的区域性特征分析[J]. 生态学报, 2017, 37(23): 8058–8066.

[23] 喻锋, 李晓波, 张丽君, 等. 中国生态用地研究: 内涵、分类与时空格局[J]. 生态学报, 2015, 35(14): 4931–4943.

[24] 黄隆杨, 刘胜华, 李健. 城市生态用地时空动态及其相关驱动力—以武汉市为例[J]. 长江流域资源与环境, 2019, 28(5): 1059–1069.

[25] 焦利民, 肖丰涛, 许刚, 等. 武汉都市区绿地破碎化格局对城市扩张的时空响应[J]. 资源科学, 2015, 37(8): 1650– 1660.

[26] 周慧. 基于能值—生态足迹模型的济南市生态安全研究[D]. 济南: 山东师范大学, 2015.

[27] 朱玉林, 李明杰, 龙雨孜, 等. 基于能值分析的环洞庭湖区农业生态系统结构功能和效率[J]. 生态学杂志, 2012, 31(12): 3086–3093.

[28] 刘德智, 左桂鄂, 秦华. 河北省绿色GDP核算实证研究[J].石家庄经济学院学报, 2006, 29(5): 620–623.

[29] 雷明. 中国资源·经济·环境绿色核算综合分析: 1992—2002[M]. 北京: 北京大学出版社, 2011.

[30] 李乃强, 徐贵阳. 基于自然间断点分级法的土地利用数据网格化分析[J]. 测绘通报, 2020(4): 106–110.

[31] 陈强. 高级计量经济学及Stata应用[M]. 北京: 高等教育出版社, 2014.

[32] 邵帅, 张可, 豆建民. 经济集聚的节能减排效应:理论与中国经验[J]. 管理世界, 2019, 35(1): 36–60+226.

[33] ELHORST J P. Spatial Econometrics: from Cross-Sectional Data to Spatial Panels[M]. Heidelberg: Springer, 2014.

[34] 杨勇, 邓祥征. 中国城市生态效率时空演变及影响因素的区域差异[J]. 地理科学, 2019, 39(7): 1111–1118.

[35] 刘杨, 杨建梁, 梁媛. 中国城市群绿色发展效率评价及均衡特征[J]. 经济地理, 2019, 39(2): 110–117.

[36] 张英浩, 陈江龙, 高金龙, 等. 经济转型视角下长三角城市土地利用效率影响机制[J]. 自然资源学报, 2019, 34(6): 1157–1170.

[37] 付丽娜, 陈晓红, 冷智花. 基于超效率DEA模型的城市群生态效率研究—以长株潭“3+5”城市群为例[J]. 中国人口·资源与环境, 2013, 23(4): 169–175.

[38] 沈乐. 长江南京段水污染现状及限排总量[J]. 水资源保护, 2013, 29(1): 55–60.

[39] 和丽萍, 张兴, 陈晟. 珠江流域水污染现状与主要问题成因分析[J]. 环境科学导刊, 2012, 31(3): 24–28.

[40] 燕姝雯, 余辉, 张璐璐, 等. 2009年环太湖入出湖河流水量及污染负荷通量[J]. 湖泊科学, 2011, 23(6): 855–862.

[41] 仇江啸, 王效科, 逯非, 等. 城市景观破碎化格局与城市化及社会经济发展水平的关系—以北京城区为例[J]. 生态学报, 2012, 32(9): 2659–2669.

Multi-scale correlation analysis of ecological land use pattern and ecological efficiency under urban expansion

MA Caixue1, YANG Rongxuan1, KE Xinli1,*, MA Zhiyu2, ZHANG Chaozheng1, TANG Lanping1

1. College of Public Administration, Huazhong Agricultural University, Wuhan 430070, China 2. College of Management, Guangdong Ocean University, Zhanjiang 524088, China

Exploring the impacts of ecological-landscape dynamics on eco-efficiency can provide guides to rational allocation of ecological land and sustainable urban development. Firstly, based on the methods of eco-efficiency model, spatial autocorrelation analysis, and landscape indices, the spatial-temporal patterns of eco-efficiency and the ecological-landscape dynamics were shown in the three major urban agglomerations of China between 2005 and 2015. Then, we assessed the impacts of ecological-landscape dynamics on eco-efficiency at scales of the administrative area and the main urban area by the spatial Durbin model. The results show that: 1) there is a higher risk of ecological land conversions due to urban expansion. Green land, as a dominant type of ecological land, is the main type that is encroached by construction land. 2) Compared with the administrative scale, the ecological-landscape pattern has more significant impacts on eco-efficiency at the scale of the main urban area. This means regulating the ecological-landscape pattern within the main urban area can be more effective. 3) The influence of green land patterns on eco-efficiency is more significant than that of the water body pattern. Furthermore, compared with increasing the total area of green land in main urban areas, reducing the landscape fragmentation of green land and increasing the dominance of a single patch is more conducive to improving eco-efficiency. In conclusion, attention should be paid to the optimization of green land at the scale of the main urban area in urban planning. When the encroachment on green land cannot be avoided, it is more reasonable for occupying small patches of green land to ensure the ecological superiority of large patches of green land such as the natural environment protection area.

eco-efficiency; landscape pattern of ecological land; multi-scale analysis; spatial Dubin model; three major urban agglomerations

马才学, 杨蓉萱, 柯新利, 等. 城市扩张背景下生态用地格局与生态效率的多尺度关联分析[J]. 生态科学, 2022, 41(5):1–10.

MA Caixue, YANG Rongxuan, KE Xinli, et al. Multi-scale correlation analysis of ecological land use pattern and ecological efficiency under urban expansion[J]. Ecological Science, 2022, 41(5): 1–10.

10.14108/j.cnki.1008-8873.2022.05.001

X24

A

1008-8873(2022)05-001-10

2020-08-31;

2020-10-18

国家自然科学基金项目(41971240, 42101307)

马才学(1961―), 男, 湖北天门人, 博士, 教授, 主要研究方向为空间信息技术在土地资源管理中的应用, E-mail: macaixue@mail.hzau.edu.cn

柯新利, 男, 博士, 教授, 主要研究方向为土地利用与管理, E-mail: kexl@mail.hzau.edu.cn