重庆市生态风险预警等级划分及演化趋势模拟

曹佳梦,官冬杰,黄大楠,殷博灵,和秀娟

重庆交通大学建筑与城市规划学院, 重庆 400074

随着城市化进程的深入推进,一系列生态环境问题带来的负面效应不断显现,如何评估、管控和预测生态风险变化趋势成为当前生态风险研究的热点话题[1—2]。生态风险是指一个种群、生态系统或整个景观的正常功能受到外界胁迫,从而在目前和未来减小该系统健康、生产力、遗传结构、经济价值和美学价值的一种状况[3]。生态风险评价是从社会、经济和自然等不同视角将定性化的风险因子转化为定量的生态灾害发生概率的评估过程,综合考虑不同影响因素对环境造成的负面影响,因而在环境保护中引起广泛关注[4—5]。

目前,国内外学者对生态风险问题研究主要集中以下几个方面：(1)风险受体和研究尺度选择。早期生态风险以单一风险受体为研究对象[6],研究尺度局限于对物种的风险评价[7—8],但生态系统层次结构多样复杂,风险受体不仅局限于某一圈层,所以后期研究尺度逐渐从物种扩展到流域[9—12]和区域[13—16]尺度；(2)风险源分析。由于生态风险的复杂性,风险源的范围逐渐多元化[17],部分学者从景观格局[18]、土地利用[19]、社会经济[20]等视角出发分析风险来源；(3)生态风险评价方法探索。评价方法由定性评价发展为GIS技术[21]、空间分析法[22]和模糊评价法[23]等定量分析法,使得抽象的生态风险更加数值化和定量化；(4)生态风险预警模拟。未来生态风险警情的可预见性是人为预防生态风险的前提,但深入探究未来风险警情及演化趋势的研究较少[24],如：藏淑英等从土地利用类型视角建立了大庆市生态风险预警模型[25]；李杨帆等提出了景观生态风险预警模型,并在景观生态安全格局调控中进行应用[26]；李振兴等建立了城镇化动态生态风险预警指标数据库,但缺少社会经济因素对生态风险的影响分析[27]。

综上,尽管已有研究在生态风险评估上取得了丰富的成果,但仍有以下三个方面的问题需要进一步探索：(1)缺乏多维度、多风险源、多风险受体的综合生态风险预警分析。生态风险的风险源和评价终点往往只选择生态系统的某一层次或过程,不能综合地反映区域整体生态风险警情；(2)部分研究方法无法同时满足生态风险影响因素的不确定性和复杂性。区域的生态风险往往受到自然、经济发展和城市规划等因素影响,各种影响因子相互转换、相互联系；(3)预测未来的生态风险演化趋势较少。生态风险评价的目的是根据现有的生态风险态势通过人为调节手段来降低和预防灾害风险,但只评价历史趋势下的生态风险现状难以为生态环境的保护及风险调控提供有效参考。

重庆市作为西部大开发的重要战略支点,处于一带一路和长江经济带的连接点上。城市化进程的推进导致自然生态系统和社会经济系统失衡,诱发重庆生态风险的加剧,进行生态风险预警等级划分和演化趋势分析迫在眉睫。本文以重庆市为研究区域,基于驱动力-压力-状态-影响-响应模型,从社会、经济、自然和景观多角度选取生态风险预警指标,采用正态云模型对2013—2019年重庆市生态风险指数和时空变化特征分析的基础上,利用集对分析预测未来生态风险演化趋势,为重庆市生态风险的管控和城市可持续健康发展以及环境管理提供参考依据和决策支持。

1 研究区概况与数据

1.1 研究区域概况

重庆作为四大直辖市之一,位于东经105°11′—110°11′和北纬28°10′—32°13′之间,是推动共建“一带一路”国际循环的重要战略支点。由于其独特的经济区位优势,经济迅猛发展的同时,城市化进程不断加快,2013—2019年间,重庆市建成区面积从1395.86km2扩张到1680.52km2,是2013年面积的1.2倍；城镇人口由2013年的1732.76万人增加到2019年的2086.99万人,2019年的城镇化率高达66.8%,是2013年的1.2倍,城镇化水平持续提高达到新高度。重庆具有大城市、大农村和大库区的特殊市情,随着乡村的发展和城市化进程的不断推进,引发了热岛效应增强,人地关系紧张,生态系统稳定性降低等一系列生境问题。重庆地处长江上游,降低生态风险对生态环境的改善和推动长江经济带绿色发展有重大意义。

1.2 数据来源与处理

本文以2013—2019年为研究年限,土地利用数据用来计算景观格局指数和提取耕地面积及建成区面积,由于无法获取2016年和2019年土地利用数据,且2015年和2020年土地利用数据较2016年和2019年数据变化相差较小,所以用2015年数据替代2016年数据,2020年数据替代2019年数据。2013、2015、2020年3期重庆市土地利用数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),其空间分辨率为1000m。土地利用类型采用中国科学院土地资源分类系统,数据包括25个二级类型和6个一级类型,本次研究主要对一级分类体系下的6种土地利用类型进行研究。社会经济数据来源于《重庆市统计年鉴》(2014—2020)、《重庆市环境状况公报》(2013—2019)和《重庆市水资源统计公报》(2013—2019),部分区县缺失指标数据通过平滑法进行预测。

2 研究方法

2.1 重庆市生态风险预警指标体系构建

图1 DPSIR模型结构示意图Fig.1 A schematic diagram for DPSIR model structure

生态风险具有多风险源、多风险受体等特征,全面综合的生态风险评估需建立科学完整的指标体系。驱动力-压力-状态-影响-响应模型(DPSIR)是将“驱动力”施加的社会环境“压力”与相应的环境“状态”的改变和人类生活质量等的“影响”及人类社会通过政策调整做出的“响应”进行有机整合,有效监测因素之间的相互影响和反馈(图1)[28—29]。遵循科学性、全面性及数据可得性等原则,结合重庆市发展现状及生态环境变化特征,通过DPSIR模型,以降低生态风险和增进人类福祉为目标,将人地关系与生态系统、政府决策及人类干扰活动有机的融合在一起,综合确定生态风险预警指标体系(表1)。模型中,驱动力指标是人类对经济发展和社会文化的需求刺激生态系统变化的原因,故本文选取与经济和社会文化相关指标代替。经济和社会文化驱动力对生态风险的压力主要反映在其与生态环境保护的竞争,如造成的环境污染和能源消耗压力等。状态指标是在压力和驱动力的相互作用下,处于当前生态风险程度时重庆市的状态表现,包括社会资源状况、人类生活质量和环境现状几个方面。影响指标反映生态风险等级变化下重庆市的生态环境效果,主要体现在自然或人为干扰导致生态系统功能或生物多样性的变化,景观格局指数是生态多样性和人类干扰定量化的表征。响应指标表示为降低生态风险等级,增进人类福祉,对“压力”和“影响”人类社会做出的决策和调整,如提高城乡服务能力及灾害防范能力、改善产业结构、加强环境建设等[30]。

参考相关文献的基础上[31—32],在ArcGIS中使用自然断点法,将各预警指标值划分为五个等级,分别为无警、轻警、中警、重警和巨警,如表2所示。

表1 重庆市生态风险预警指标体系

表2 生态风险预警指标标准

2.2 正态云模型

生态风险是自然、社会经济和政府决策等多因素的综合体,其演化趋势、风险程度和影响机制等具有不确定性。故生态风险的评价需要具有处理不确定性因素和克服主观偏差的能力。正态云模型同时兼顾了数据的模糊性和评价等级的不确定性,可以客观的分析出各个指标因子的隶属等级[33—34]。正态云模型的定义由期望(Ex)、熵(En)、超熵(He)来构成,如下：

(1)

假设U为数值表示的定量论域,且X属于U的子集,T是U的定性概念。若论域A中的元素x对应T中的隶属度μx满足μx—N(Ex,En2),则T从U到隶属度区间在属于空间中的分布,就定义为云模型。当En′满足En′—N(En,He2),则该云模型为正态云模型。其具体建模过程如下：

(1)建立生态风险预警指标集合

A={a1,a2,a3,…,a22}

(2)

(2)建立预警指标生态风险等级的隶属关系

设定生态风险警情的上下限,由于指标在隶属等级的划分存在不确定性,由此：

(3)

式中：i为不同预警指标、j为指标i所处的生态风险等级,Exij为指标i所处风险等级的期望,Xij上和Xij下为每个预警指标所处生态风险等级的临界值。由于指标i的临界值隶属于两种生态风险等级,由此：

(4)

(5)

式中：Enij表示该指标在对应生态风险等级下的熵。

超熵He表示云滴汇集成云层的分散程度,在可视化云图上呈现为云的厚度。超熵依据可视化云图的离散程度取值,本文定义He=0.01。根据表2中各预警指标等级,通过式(3)和式(5)确定各指标的期望和熵,计算结果见表3。

表3 生态风险预警指标正态云模型的期望和熵

(3)计算各个指标隶属度

将表3中的期望、超熵和熵代入Python 2.7编写的正向云发生器,求取生态风险各指标相应警情等级的隶属度,见图2,但受篇幅影响,仅以万州各生态风险预警指标为例来展示。为提高隶属度结果的精确性,将循环参数N设置为3000次,取得的平均值为各指标对应下的不同警情下的最终隶属度。

(6)

式中：Yij表示将指标i计算N次后所处的生态风险等级j的平均隶属度；yijm表示通过Python 2.7计算m次的指标i在不同生态风险等级下的隶属度。根据最大隶属度原则判定该指标对应的生态风险警情。

(4)结合指标权重求取综合生态风险值

通过每个指标对应下的生态风险等级的隶属度和与之相应的指标权重相乘求取重庆市各个区县的综合生态风险值。

图2 万州各生态风险预警指标正态云模型Fig.2 Normal cloud model for each ecological risk warning index in Wanzhou county

2.3 集对分析

生态风险演化趋势的研究有利于市政部门对风险警情的掌握,对不同预警程度采取不同的措施。然而生态风险的影响因素之间相互作用,增加了预警的复杂性和不确定性。集对分析从辩证思维的角度出发,将多种不确定因素之间的联系和转化定量化,在特定的生态风险背景下更为科学地描述了风险演化趋势。集对分析的核心是为具有不确定性的集合构造集合对,然后分析集对中特定属性的同一性,差异性和对立性,并用联系度来描述这一集对的同一性、差异性和对立性的关系[35],其表达式为：

μ2=a+b×i+c×j

(7)

式中,μ2为联系度,μ2∈[-1,1]；a表示具有相同属性的程度,即同一度；b为差异度；c为对立度；a、b、c同为正数且满足a+b+c=1；i为差异度系数且i∈[-1,1]；j为对立度系数；根据具体情境选择相应的值。具体评价过程如下：

(1)评价等级的确定

根据生态风险的联系度,所以本文采用均分原则将其划分为5个等级,无警：[1,0.6]；轻警：[0.6,0.2]；中警：[0.2,-0.2]；重警：[-0.2,-0.6]；巨警：[-0.6,-1]。

(2)指标联系度的计算

在评价等级划分的基础上,为了深入探究重庆市生态风险未来趋势演化,将联系度函数更加细化,将式(7)进一步扩展为μ2=a+b1×i1+b2×i2+b3×i3+c×j,并确定单个指标因子的联系度。对于负向指标,四元联系度计算公式为：

(8)

对于正向指标,四元联系度计算公式为：

(9)

式中,b1、b2、b3为差异度分量,a表示属于a等级的可能性,即a、b1、b2、b3、c分别表示各个区县属于无警、轻警、中警、重警和巨警的可能性。Xi表示不同指标,Si1、Si2、Si3、Si4和Si5分别表示该指标下的预警等级标准。

加入指标的权重后,同一、对立和差异性的联系度变为：

(10)

式中WK为i项指标的权重。

(3)集对势计算分析

集对势反映两个集合的同异反联系程度。无警与巨警联系度的比值即为重庆市生态风险的集对势,其表达式为：

PH=a/c

(11)

集对悲观势指从悲观的角度来分析重庆市未来生态风险的变化趋势,将所有的差异项即重警、中警和轻警全部转化为巨警,将转换后无警与转化后的所有巨警的比值来研究重庆生态风险的势态,以最消极的角度进行分析,其表达式为:

PB=a/(b+c)

(12)

集对乐观势指从乐观的角度来分析重庆市未来生态方向的变化趋势,与悲观势相反,将所有重警、中警和轻警全部转化为无警,将转换后的无警与巨警的比值来研究重庆生态风险的势态,以最积极的角度进行分析,其表达式为：

Po=(a+b)/c

(13)

3 结果与分析

3.1 重庆市生态风险预警整体变化分析

图3 2013—2019年重庆市生态风险预警等级变化图Fig.3 Change of ecological risk warning level in Chongqing from 2013 to 2019

由图3可知,重庆市生态风险总体处于重警风险水平,风险等级有先减弱后上升的趋势,中警、轻警和无警隶属度都呈现增加趋势,说明研究期内整体风险等级都有相对减缓趋势。2013—2016年重庆市整体生态风险等级大幅降低,主要以中警和轻警等级为主,重警风险等级次之,巨警风险等级数量占比最低。巨警和重警风险区数量减少,占比分别从11%、55%降到3%、24%,中警和轻警风险区呈现不断扩展趋势,占比分别从15%、11%增加到26%、39%。综合生态风险值由重警的0.295逐年降低到轻警的0.280,轻警隶属度值增加了0.053,风险等级由重警演变为轻警。但是在2016—2019年间,重庆市整体生态风险等级有小范围的恶化,主要以重警等级为主,中警风险等级次之,无警风险区呈增加趋势。巨警、重警和无警风险区增加,占比分别上升到2019年的8%、31%、11%,中警和轻警风险区下降到24%、26%。轻警和无警隶属度值分别下降了0.036和0.023,中警及以上风险等级隶属度逐年增加,生态风险等级面临整体上升趋势。综上,研究期间重庆市生态环境有较大程度的改善,但是部分区县生态环境的恶化导致2019年整体生态风险等级较2016年有所提高。

3.2 重庆市生态风险预警空间差异化分析

生态风险等级从空间上看呈条带状分布,风险值整体空间分异性强,并在局部呈现高-高聚集和低-低聚集现象。2013—2016年,重庆市生态风险等级呈现由中心向边缘减弱的趋势,轻警和无警风险区不断向东南、东北和西部地区扩展,中警风险区聚集分布在西部地区,重警风险区零星分布在东北部,巨警风险区分布在主城区内,重庆市重警风险区显著下降,生态环境质量改善明显；2016—2019年,总体呈现重警风险区向南蔓延,风险值逐年扩大趋势,中警风险区聚集在西北和南部地区,轻警风险等级不断由中部向西部呈线状转移,无警风险等级向重庆主城区和东北部转移,且分布零散。

(1)渝东北地区

图4 渝东北生态风险变化程度Fig.4 Degree of ecological risk change in northeast Chongqing

由图4可知：2013—2019年渝东北地区生态风险等级大幅下降,生态风险演变呈风险程度降低、风险程度不变和风险程度降低后增加三种趋势。55%的区县风险程度降低,主要为重警风险等级向轻警和中警风险等级转移,其中城口甚至由重警转为无警风险区。27%的区县风险程度不变,垫江和忠县一直维持在重警风险等级,应加大力度对其进行风险管控,只有万州区一直为轻警风险等级。18%的区县风险程度降低后增加,丰都由2013年的中警下降到2016年的轻警,到2019年陡然上升到重警,应当引起重视。

(2)渝东南地区

由图5可知：2013—2019年渝东南地区生态风险等级有轻微上升。生态风险演变呈风险程度不变、风险程度降低后增加和风险程度径直增加三种趋势。石柱的风险程度不变,在研究期内风险等级一直处于重警风险区的稳定状态。66%的区县风险程度先降低后增加,主要为重警风险等级降低到中警后又转移到重警风险等级,其中酉阳从2013年的巨警风险区下降到2016年的无警风险区,虽然到2019年有轻微恶化上升到轻警风险区,但是总体而言其生态风险管控很好。彭水风险等级由无警上升到巨警,风险程度逐年增加,应加大生态工程建设。

图5 渝东南生态风险变化程度Fig.5 Degree of ecological risk change in southeast Chongqing

(3)渝西南地区

由图6可知：渝西南的生态风险变化多样,风险等级下降明显。生态风险演变呈风险程度降低、风险程度不变、风险程度先增加后降低、风险程度先降低后增加和风险程度增加五种趋势。57%的区县生态风险等级有不同程度的降低,主要为中警向轻警风险等级转移。10%的区县生态风险程度维持不变,其中渝中因为人口密度大、人类干扰活动加剧等因素,导致其生态风险等级一直处于巨警状态。1%的区县生态风险程度先增加后降低,江北和渝北的生态风险都在轻警和无警风险等级内轻微波动。14%的区县生态风险程度先降低后增加,合川虽然波动范围最小,但是综合生态风险等级最高。19%的区县生态风险等级升高,主要向重警风险等级转化。

图6 渝西南生态风险变化程度Fig.6 Degree of ecological risk change in southwest Chongqing

3.3 生态风险演化趋势模拟分析

为预测和分析重庆市未来生态风险压力的时空分布和演化趋势,本文对重庆市生态风险演化趋势进行集对势、乐观势和悲观势计算分析。如图7,生态风险等级下降区县占比36%,主要分布在渝西南地区,渝东北次之,渝东南最低；生态风险等级上升区县占比64%,主要分布在渝西南地区,渝东北和渝东南持平。从集对势角度分析,包含黔江、渝中和江北等36%的区县属于同趋势,加强生态管控和环境保护等措施,生态风险等级有向好的方向发展的趋势,甚至于达到无警等级；包括万州、涪陵和渝中在内的64%的区县集对势都小于1,属于反趋势,即未来这些区县的生态风险等级有上升趋势。从集对势的距离角度分析,重庆市38个区县的集对势都距悲观势较近,恶化空间较小,同时,集对势与乐观势的距离较远,具备较大的改善空间。局部上,渝东北生态风险等级呈上升态势的区县占比为64%,呈下降态势的区县占比为36%。其中垫江的集对势变化范围最大,虽然垫江生态环境有变好趋势,但是政府仍应当积极地采取有利管控措施,防止盲目乐观导致生态风险向重警等级发展；忠县的集对势波动范围最小,虽然整体上有恶化趋势,但是生态风险变化程度相对稳定。渝东北是主要生态涵养区,应落实生态补偿政策,优化植被结构；加大旅游业的管控,遏制其无序发展现象。渝东南生态风险等级呈上升态势的区县占比为33%,呈下降态势的区县占比为67%。其中彭水的集对势变化范围最小,黔江的变化范围最大。渝东南作为生态保护发展区,应协调产业发展新结构和城市发展新目标,对其生态用地进行修复,以增强生态景观整体性、连通性,促进生态物质循环。渝西南生态风险等级呈上升态势的区县占比为77%,呈下降态势的区县占比为23%,其中九龙坡的集对势变化范围最小,风险等级最为稳定,巴南的变化范围最大。渝西南区位条件优越,经济最为活跃,应当合理规划城乡土地利用结构,提高城市空间利用率,扩大自然保护区规模,增加城市绿化面积。

图7 重庆市生态风险演化趋势模拟分析Fig.7 Simulation analysis of ecological risk evolutionary trends in Chongqing

4 讨论

科学的生态风险预警指标体系是评价生态风险现状和演化趋势分析的基础。但是目前,对于生态风险预警指标体系构建没有统一的、明确的标准。本文对不同生态风险评价和预警指标进行相关总结与对比发现(表4)：从研究方法来看,GIS技术、相关分析法等较为传统的方法虽然能满足评价系统的复杂性特点,但是无法同时兼顾系统的不确定性和复杂性及数据的模糊性。灰色预测法虽然有处理不确定信息和模拟预测的优点,但是适用于小样本模拟。从指标选取来看,主要从土地利用和景观格局视角出发,围绕自然灾害风险源和社会经济驱动力影响因子等进行选取,指标选取不够全面或者不能反映研究区特性。生态环境的变化不仅受到自然因素、人为因素和经济发展等影响,要通过自然与人类社会的响应和反馈进行生态状况评估。本文针对重庆面临的各种生态风险因素,通过DPSIR模型从社会、经济、自然和景观格局指数构建复杂生态风险预警指标体系,对重庆市生态风险进行预警分析,以期为重庆市的生态环境管理提供一种科学有效的方法。从风险预警上看,基本是基于过去或者当下的生态风险的评估监测,缺少未来生态风险的预测。而预测生态风险变化趋势已然成为生态环境保护和生态文明建设的重要依据。生态风险的评价往往以优化风险管控为目的,本文通过正态云模型对生态风险进行综合评价,明确了重庆市生态风险的现状,并基于目前的态势,利用集对分析将生态风险演化趋势定量化,掌握未来生态风险变化动态,预警结果有利于管控人员提前采取预防措施避免生态风险的加剧,为风险管控的优化提供依据。

尽管构建的生态风险预警指标体系和评估模型可以揭示生态风险综合隶属等级及未来演化趋势,但本研究仍存在部分局限性。指标因子的选取上,虽然包含的维度较多,但缺少具有区域性特点的指标,不同研究区应选取不同区域性的风险因子。以高分辨率影像为基础,囊括区域性特征指标,构建更为完善的预警指标体系是未来的研究重点。正态云模型和集对分析虽然能兼顾评价系统的不确定性和模糊性,但是对于研究尺度较大、生态风险更为复杂的区域而言,存在工作量大等不足,且仅通过部分时间段对重庆市进行预警分析,揭露未来的演变趋势具有局限性。因此在后续的研究中,应结合其他方法综合考虑生态风险演变趋势,提高预警结果精确度。

表4 不同生态风险评价和预警指标分析

5 结论

生态环境保护和社会经济发展的竞争下,重庆市生态风险加剧。本文构建的生态风险预警指标体系能全面综合的反映重庆的生境状况,在此基础上利用正态云模型对风险预警等级划分,通过集对分析预测未来生态风险演化方向,为正确处理环境保护和社会发展关系及风险管控提供科学依据。得到以下结论：

(1)2013—2019年,重庆市综合生态风险隶属于重警等级,风险值由2013年的0.295下降到2019年的0.278。2013—2016年重庆市整体生态风险以中警和轻警等级为主,重警风险等级次之,巨警风险等级数量占比最低；2016—2019年重庆市整体生态风险等级有小范围的恶化,主要以重警等级为主,中警风险等级次之,无警风险区呈增加趋势。

(2)2013—2019年重庆市生态风险空间差异显著。2013—2016年间重警风险等级以石柱-忠县-梁平为中心向两侧递减,以重警向中警等级转化为主,中警风险等级呈面状和线状分别分布在西北和中部地区,轻警风险等级呈半圆状分布在重警风险区周围,无警风险区零星分布在东南和东北地区；2016—2019年,重警风险区增多,以忠县为分界区不断向南扩增,中警风险等级大多向轻警风险等级转化,聚集在西北和南部地区,轻警风险等级不断由中部向西部呈线状转移,无警风险等级向重庆主城区和东北部转移,且分布零散。

(3)重庆市生态风险变化是社会、经济、自然等多层面综合的结果。黔江、渝中和江北等在内的34%的区县生态环境有向好发展的趋势；万州和涪陵等66%的区县的生态环境有恶化趋势,但恶化程度较低。

(4)重庆市生态风险的演变具有一定的差异性,因根据风险演变趋势,科学合理地规划土地利用的布局和结构,因地制宜建立科学可行的政策扶持并加强生态风险监测和评估系统的建立。