模拟情景下环长株潭“3+5”城市群生态安全格局研究

2022-11-10巩雅博戈健宅吴秋彤周宸帆李涛

湖南生态科学学报 2022年3期

巩雅博，戈健宅，吴秋彤，周宸帆，李涛

(南华大学松霖建筑与设计艺术学院，湖南衡阳 421001)

维护区域生态安全是城市群发展规划的主要目标之一。“双循环”背景下，城市群逐渐成为参与国际竞争和实现区域高质量发展的重要空间载体。优化生态安全格局，对于促进城市群生态品质提升和区域生态环境持续改善，具有重要现实意义[1]。作为人类活动影响的主要呈现形式，各类用地的增减转换贯穿了城市群的发展进程。合理的规划方案有利于实现土地资源集约高效利用，并促进区域生态安全水平的提高。因此，以对生态安全格局的优化效果作为评价标准，如何区别不同规划策略的优劣，成为国土空间规划及区域生态规划研究的工作重点之一。

生态安全格局研究与国土空间的开发利用和生态保护紧密相关，并作为区域生态规划的重要研究方向得到了广泛的认识与应用。目前，关于生态安全格局的模拟研究根据工作框架基本可以分为两大类，一类是基于土地利用与覆被变化(LUCC)的模拟，涵盖了对于不同时期的纵向对比和不同情景模式下的横向比较，模拟实现的途径主要包括CA-Markov模型[2-4]、CLUE-S模型[5-7]、SLEUTH模型[8]和FLUS模型[9,10]等，研究对象的空间尺度、数据获取精度及模拟运算量等因素影响了研究人员对于具体模型的选择。其中FLUS模型改进自元胞自动机(CA)，并内置了Markov模型，FLUS的随机采样和自适应竞争机制，可以有效提高模拟精度，使成果更契合现实土地利用分布情况。另一类是基于权衡决策模型的模拟，有序加权平均(OWA)是其中较为成熟的手段，并在一些研究中得到了验证[11,12]。OWA可以通过控制因子权重对各项指标(生态系统服务类型)加权聚合，进而识别出优先保护区[11]，但这种方法不能对区域连通性作出分析，因此通常还需要叠加电路理论连通性模型、最小累积阻力模型(MCR)[13,14]等工具，进一步识别具体的生态路径。由于模拟情景下的城市群生态安全格局变化特征，涉及了多种用地类型的转换概率及时空演变模拟，采用FLUS模型和电路理论共同构建生态安全格局，可以使模拟结果更接近现实的土地利用分布和物种扩散过程。

作为中部地区最重要的地域单元之一，环长株潭“3+5”城市群在湖南省经济社会发展中占据了头部地位，是长江中游城市群的主要经济增长极。随着长株潭一体化与环长株潭“3+5”城市群的建设进程不断推进，对于实现国土空间资源的高效利用和可持续发展的诉求也与日俱增。如何在经济社会发展与生态安全保障之间取得平衡，逐渐成为了区域发展战略的重要议题[15,16]。以环长株潭“3+5”城市群所属8个城市的行政边界为研究范围，对规划情景下的土地利用变化情况进行模拟，选取水源涵养、土壤保持等重要生态系统服务功能，构建生态安全格局，并分析空间连通性的优化效果，为国土空间规划和区域生态规划研究提供理论参考。

1 研究区域概况

环长株潭“3+5”城市群，位于中国湖南省中东部，包括长沙、株洲、湘潭三个核心城市，以及涵盖岳阳、常德、益阳、衡阳、娄底五市[17]。整个城市群的核心区域是沿湘江紧密分布的长沙、株洲、湘潭三市，其核心城区每两者间直线距离不到40 km，同时又由绿心区域分隔开来，这种独特的地理空间分布关系在众多大都市带或都市连绵区中都极为罕见，具备优秀的协同发展基础条件。本研究涵盖8个城市行政边界的地域范围，面积为96 819.8 km2。

图1 长株潭“3+5”城市群地理区位及2020年土地利用概况Figure 1 Geographical location and land use profile of Chang-Zhu-Tan “3+5” Urban Agglomeration in 2020

2 数据来源与研究方法

2.1 数据来源

采用开源数据，经处理转换为1 000 m分辨率的栅格数据，相关基础数据信息与来源详见表1。关于未来年份的预测数据，降水量使用近20年降水量数据平均值，土壤结构数据相对稳定，因此沿袭现有数据。另外，参考谭德明等[18]的研究成果，NPP、NDVI等数据采用IUEMS平台(www.iuems.ac.cn)的数据增强工具，结合LUCC预测结果进行模拟测算。

表1 数据类型及来源信息表Table 1 Data type and source information table

2.2 研究方法

2.2.1 FLUS模型

FLUS模型即未来城市用地模拟模型。FLUS模型通过模拟人类活动对于自然环境的影响，以用地类型变化为载体，来反映未来一定时期的土地开发利用情况[19-21]。FLUS模型在传统元胞自动机的基础上，首先对分期土地利用空间数据进行采样，预测研究范围内土地利用类型的目标值；其次通过耦合神经网络算法(ANN)进行迭代运算，得到预设驱动力因子(降水、土壤、道路等)作用下的用地类型演变概率，最后采用自适应惯性竞争机制，处理自然演变与人类活动影响的冲突，得到与现实情况相似的高精度模拟结果。

与城市群用地变化相关的驱动因素包括人口、地形条件、交通可达性及其他环境条件限制等。其中，地形条件主要指高程、坡度和坡向，交通可达性包含距行政中心距离、距各类道路(铁路、高速、国道、城市干道)距离，其他环境条件限制涵盖了自然保护区、大型水体等。

邻域权重代表土地利用类型的扩张潜能，采用2000、2020年LUCC数据计算得到邻域权重参数(表2)。

表2 邻域权重参数Table 2 Neighborhood weight parameters

2.2.2 电路理论连通性模型

电路理论借助物理学中的电路概念模拟生态进程，将物种或者基因型视为电子，使用电阻值反映物种迁移扩散时面临的生态阻力大小，使用电流和电压量化分析生态源地之间的连通性，电流代表物种或基因型的迁移数量和概率，电压代表源地间的内部差异性。由于电子具有随机游走的特性，因此使用电路理论预测物种扩散迁移规律更贴近于真实情况，具有一定的模拟优势。

使用电路理论模拟分析空间连通性主要通过开源软件Circuitscape 4.0和依托ArcGIS平台的Linkage Mapper插件，其运作原理基本相同，均是使用电阻面(Resistance Map)的概念替代景观阻力面，将生境质量较好的斑块视为节点(Node)替代生态源地，生境质量越高、越有利于物种迁移，节点间的电流值也就越大，根据节点间的电流值可以筛选出具体的生态廊道路径。与基于最小累积阻力模型(MCR)的最小成本路径(LCP)识别流程有所不同的是，电路理论可以根据成本加权距离将若干个邻近节点(生态源地)组成集群，通过模拟集群之间的空间联系从而得到研究范围内的“潜在生态廊道”，这一路径可能会穿越生态源地范围。

生态阻力主要由植被覆盖率、植被类型、人为干扰强度等因素造成。电阻面的构建过程与传统阻力面基本相同。参考相关研究结果[22-24]，根据土地利用覆被类型设置相应的电阻值(表3)。利用开放街区地图(OSM)提取铁路、快速路、干路、支路等道路信息，同样采用OSM提取研究范围内的建筑物和建设用地信息，并结合各地市统计年鉴和国民经济和社会发展统计公报进行修正，用容积率(R)和建筑密度(C)的建筑强度综合评分P反映城乡建设用地的开发建设强度(表3)，经计算取值区间为1.0～4.5。根据分级赋予相关要素不同的电阻值(表4)，通过裁剪、转换栅格文件等，得到基础电阻面。

表3 各级开发建设强度综合评分Table 3 Comprehensive score of development and construction intensity at all levels

表4 不同土地利用覆被类型的基础电阻值Table 4 Base resistance values for different land use and land cover change types

2.2.3 生态系统服务评估方法

参考《陆地生态系统生产总值(GEP)核算技术指南》，首先采用模型法计算所选生态系统服务类型的功能量，然后将各类生态系统服务功能量乘以单价计算得到对应的价值量[25]。

(1)水源涵养。水源涵养是指生态环境对降水有截流、停滞和储藏作用，并用于人类日常活动所需的能力。本文采用InVEST模型WaterYield模块，通过水量平衡方程计算得到，具体公式为：

(1)

式中，Sw为总水源涵养量(m3)，i代表第i类生态系统类型，j为研究区生态系统类型数，Pi为降水量(mm)，Ri为地表径流量(mm)，ETi为蒸散发量(mm)，Ai为第i类生态系统面积(km2)。

价格采用替代工程法进行转换，按照水库单位库容造价每立方米6.1元进行计算。

(2)减少泥沙淤积。减少泥沙淤积是指生态环境中植被利用自身枝叶根系等防止土壤受到淋溶冲蚀，从而减少水体中泥沙淤积量的能力。本文采用修正通用水土流失方程(RUSLE模型)计算得到减少的泥沙淤积量，具体公式为：

Sr=SEp-SEa=R×K×L×S×(1-C)

(2)

式中，Sr为减少泥沙淤积量(t/(hm2·a)),SEp为潜在土壤侵蚀量，SEa为实际际土壤侵蚀量，R为降雨侵蚀力因子(MJ·mm/(hm2·h·a))，K为土壤可蚀性因子(t·hm2·h/(hm2·MJ·mm))，L为坡长因子，S为坡度因子，C为植被覆盖因子。

植被覆盖因子(表5)参考《陆地生态系统生产总值(GEP)核算技术指南》及李安超等[26]相关研究成果确定。价格采用替代工程法进行转换，经咨询专家意见，按照湖南省2020年挖取和运输单位体积土方所需费用每立方米11.7元进行计算。

表5 不同LUCC类型的植被覆盖因子Table 5 Vegetation cover factors of different land use and land cover change types

(3)气候调节。气候调节是指通过发生在植被和水面的蒸腾和蒸发作用对气温进行调节，以期改善环境舒适度的能力。本文选择生态系统蒸腾蒸发耗能公式进行计算，具体公式为：

(3)

式中，Scr为生态系统蒸腾蒸发消耗能量(kWh/a)，GPPi为不同生态系统类型单位蒸腾消耗能量(kJ/(m2·d))(表6)，Si为第i种生态系统类型面积(km2)，R为空调效能比：3.0，D为空调开放天数(d)，i为研究区第i种生态系统类型，Ew为水面蒸发量(m3/a)，q为水面蒸发热量，取2 453.2 J/g，ρ为水的密度，取1 g/cm3，γ为加湿器将1 m3水转化为蒸汽的耗电量，取120 kWh。

表6 不同生态系统类型单位蒸腾消耗能量Table 6 Energy consumption per unit of transpiration in different ecosystem types

由于蒸腾作用消耗能量的过程仅发生在植被表面，参考专家意见和现有研究得到不同植被覆盖类型的GPP。结合长株潭地区往年气象数据，空调开放天数取97 d，电价按照湖南省电网销售电价表规定的居民生活用电基准电价约每千瓦时0.6元计算。

(4)碳固持。碳固持指绿色植物经光合作用将二氧化碳转化为固态碳的能力，采用净初级生产力(NPP)并结合光合作用方程进行折算，植物的有机物干重中碳元素占据了45%，每增加1 g有机物干重可以固定1.63 g CO2，同时释放1.2 g O2，因此得到相关方程：

(4)

式中，Sc为二氧化碳固定量(t/hm2)，NPP为植物净初级生产力(植物扣除本身呼吸消耗后剩余的有机碳)，单位为吨(t)。

价格采用2020年湖北省碳市场交易均价23.5元/吨进行计算。

3 结果与分析

3.1 土地利用变化特征

结合严格保护耕地和生态用地的规划目标，设定不干预、耕地保护优先与生态保护优先三种情景，构建三种情景下的用地类型转换成本矩阵(表7)，并采用FLUS模型进行模拟。不干预情景下，依据2000—2020年土地利用变化情况(表8)，不考虑新增干预条件，采用Markov模型对2040年的土地利用情况进行模拟(表9)，经验证Kappa系数为0.82，总体精度为89.5%，FoM系数为0.12，模拟精度较高，满足实验要求；耕地保护优先情景下，主要考虑保障粮食生产安全的要求，严格限制耕地向其他用地类型的转换[27]；生态保护优先情景下，重点限制长株潭绿心区域、自然保护区与主要河流水域范围内的用地类型改变。由此得到模拟结果：

表7 2020—2030年情景模拟转换成本矩阵Table 7 Scenario simulation conversion cost matrix from 2020 to 2030

表8 2000—2020年土地利用转移矩阵(单位：km2)Table 8 Land use transfer matrix from 2000 to 2020(Unit:km2)

表9 2040年模拟情景下各类用地面积统计(单位：km2)Table 9 Area statistics of various types of land under the simulation scenario in 2040(Unit:km2)

在不干预情景下(图2a)，2040年建设用地面积为3 984 km2，相较于2020年增加了330.1 km2，增幅为9%，考虑环长株潭“3+5”城市群中部分成员的城市化率尚未超过50%，依旧存在一定的扩张空间，因此这个模拟结果符合城市群的客观发展规律。在耕地保护优先情景下(图2b)，2040年建设用地面积为3 702.6 km2，相较于不干预情景减少了281.4 km2，同时耕地面积增加了717.1 km2，改变幅度最大的用地类型是草地，面积减少了166.3 km2，降幅达11.4%。在生态保护优先情景下(图2c)，2040年建设用地面积为3 693.7 km2，相较于不干预情景减少了290.4 km2，林地是面积数值变动最明显的用地类型，增加了1 018.9 km2，此外草地面积变化幅度较大，减少了148.9 km2，降幅达10.2%。此外，后两种情景下水域面积减少了1.5%和0.6%。

图2 2040年模拟情景下土地利用情况Figure 2 Land use simulation scenario in 2040

3.2 电流值模拟结果

采用Circuitscape 4.0软件Pairwise和All to One模式进行电流值模拟，使用电流值模拟结果量化评价空间连通性，电流值数值越大，即空间连通性相对越高，同时，电流分布密度越大的区域成为重要生态廊道的几率越大。参考相关研究设置基础电阻值(表3)，根据土地利用与覆被类型构建基础电阻面(图3)，并使用夜间灯光数据和坡度数据进行修正[28]，最后得到模拟电流的空间分布情况(图4)。可以发现，成对模式中，相较于不干预情景，耕地保护优先情景下最大电流值减少了56.6 A，而生态保护优先情景下最大电流值增加了36.7 A；多对一模式中，相较于不干预情景，耕地保护优先情景下最大电流值减少了24.6 A，而生态保护优先情景下最大电流值增加了31.6 A。

图3 电阻面Figure 3 Resistance surface

图4 电路理论成对和多对一模式电流值模拟结果Figure 4 Simulation results of circuit theory paired and multi-pair mode current values

3.3 生态安全格局构建

将电流值阈值设置为前15%和30%，提取生态源地和重要功能性廊道，依次构建不干预、耕地保护优先、生态保护优先三种情景下的生态安全格局(图5)。根据电路理论用户手册[29]，使用Linkage Mapper插件进行类似最小成本路径的连通性模拟，通过计算成本加权距离对重要功能性廊道进行修正，最终得到生态廊道和潜在生态廊道两种路径类型。分析结果发现，不干预情景下，生态廊道数量为179条，潜在生态廊道为88条。相较于此，耕地保护优先情景下生态廊道减少了17条，潜在生态廊道减少了9条；生态保护优先情景下生态廊道增加了12条，潜在生态廊道增加了11条。

图5 不同模拟情景下的生态安全格局Figure 5 Ecological security patterns under different simulation scenarios

生态源地之间的连通性可以使用成本加权距离与廊道长度(Least cost path length，LCPL)的比值(CWD/LCPL)反映，比值越大表示该路径相对阻力越大，也即两个源地之间的连通性越低，因此可以用来反映生态廊道中心度和潜在生态廊道相对阻力。CWD/LCPL值越高，即生态廊道中心度越高，证明该条生态廊道越重要，同时也表示潜在生态廊道相对阻力越大，即打通该条潜在生态廊道对于区域连通性的优化效果越明显。不干预情景下，生态廊道中心度数值范围为1～8.3，潜在生态廊道相对阻力数值范围为1～3.7；耕地保护优先情景下，生态廊道中心度数值范围为1～4.3，潜在生态廊道相对阻力数值范围为1～2.9；生态保护优先情景下，生态廊道中心度数值范围为1～9.5，潜在生态廊道相对阻力数值范围为1～7.2。

3.4 生态系统服务价值变化特征

参考相关研究[18]对不同用地情景下的生态系统服务价值(ESV)进行了核算(表10)，并将其作为评价指标，以不干预情景下的ESV作为基准，分别计算出耕地保护优先和生态保护优先两种情景下的ESV差额(图6)，进而对比不同模拟情景下的ESV变化情况[26]。

图6 不同用地情景下的生态系统服务价值差额Figure 6 Difference in ecosystem services value under different land use scenarios

表10 各类情景下的生态系统服务价值*Table 10 Ecosystem services value in various scenarios

统计结果发现，与不干预情景相比，耕地保护优先情景下，水源涵养价值减少了3.7亿元，是唯一一个价值量相对减少的服务类型，减少泥沙淤积、气候调节和碳固持价值则小幅上升，分别为1.1、0.7和0.1亿元；生态保护优先情景下，水源涵养、减少泥沙淤积、气候调节和碳固持等生态系统服务价值均有明显上升，分别为4.5、6.4、4.7和7.0亿元。

除不干预以外的两种情景下，大多数生态系统服务类型的价值量都有所增加。从整体来看，生态保护优先情景下生态系统服务价值一共增加了22.6亿元，而耕地保护优先情景下则是减少了1.9亿元，由于选择的生态系统服务类型数量有限，仅从数值上判断不同规划方案的优劣缺乏说服力，因此不能作出耕地保护优先的策略会导致城市群整体生态安全水平下降的简单判断。

3.5 空间连通性分析

影响区域空间连通性的瓶颈部位被称为夹点区域，可利用Pinchpoint模块多对一模式对夹点区域进行识别。选择每个生态源地的质心作为节点，采用Pinchpoint模块将某一节点接地，其他所有节点分别输入1 A电流，通过迭代计算得到累计电流值，电流值最高的区域即为夹点区域(图7)。经统计和叠加分析，不干预、耕地保护优先、生态保护优先三种情景下的夹点面积分别为887.4、1 023.8、1 072.1 km2，耕地保护优先背景下，夹点区域明显朝长株潭绿心区域和益阳市中部聚集；生态保护优先背景下，夹点的空间位置变动不明显，但分布密度有所提高。

图7 夹点和障碍点识别结果Figure 7 Pinch point and obstacle point identification results

使用Linkage Mapper插件的Barrier Mapper模块进行生态障碍点模拟，搜索半径设置为1 000、3 000、5 000 m进行移动窗口法的识别。以相对于走廊原始最小成本路径(成本加权长度)的改善百分比作为改善分数，来反映消除障碍点后的优化程度。不干预、耕地保护优先、生态保护优先三种情景下的优化程度峰值分别为53.8%、49.5%和59.8%。使用自然断点法进行分类，选择数值最高的三类作为对比依据，三种情景下的障碍点面积分别为1 027.1、857.9、1 045.9 km2。

4 讨论与结论

4.1 讨论

目前将电路理论应用于构建生态安全格局的相关研究尚不够充分，可以从应用范围和作用机制两个方面进行区分。应用范围方面，基本涵盖了多个空间层级，包括都市区[22,30]、城区[23,24,31]、特定物种栖息地[32]、人工拟合景观[33]等不同空间尺度下的生态安全格局及类似概念(绿色基础设施、生态网络)的构建研究；作用机制方面，覆盖了基础的空间连通性分析[30,32]、重要生态要素识别[23,31,33]和空间管控策略区分[24,30,31]等方面，一些研究对相关空间模型的优缺点进行了对比[32,33]。总的来说，多数研究充分利用了后发优势，不仅仅是停留在概念层面的细分和探讨，而是将其作为具有独特模拟优势的空间连通性模型，以研究工具的形式融入相关生态安全议题中。

电路理论连通性模型通过不同配对模式下的模拟电流值筛选生态源地和廊道，不仅可以识别出路径的空间位置，也可以计算出廊道宽度，由于研究旨在面向生物多样性保护，不同物种对于廊道宽度的要求有所差异，因此并未根据廊道宽度对廊道展开进一步筛选。识别夹点和障碍点是电路理论的模拟优势之一。通过分析生态夹点和障碍点，可以更直观地进行空间落位，即划定生物保护核心范围与需调整用地类型的区域，不仅有利于优化区域生态安全格局，同时也可以为国土空间规划中三区三线的空间范围划定提供帮助。环长株潭“3+5”城市群作为重要的地域实体，采用不同的规划策略将对其生态安全格局产生显著的影响。总体而言，生态保护优先情景下，生态廊道与潜在生态廊道数量明显增加，同时生态廊道的重要程度和潜在生态廊道相对阻力也有所提升，说明在此情景下，城市群内部的生态交换过程的效率得到了正向改善；而与此相反，耕地保护优先的规划方案会对生态廊道连通性产生负面影响。研究发现实施生态保护优先的规划策略，可以有效促进环长株潭“3+5”城市群生态品质提升和区域生态安全水平的提高，这对于相关层级国土空间规划方案的制定提供了科学依据，也对以城市群为尺度的生态规划研究进行了有益补充。

本文使用生态系统服务价值量作为量化评估工具，用以评价规划方案的实施效果，与不干预情景相比，耕地保护优先情景下，水源涵养价值明显减少，主要是由于林地起到了相对较大的截流和停滞作用，同时水域是蓄积水源的主要载体，林地、草地和少量水域向耕地转换导致了水源涵养能力的降低；减少泥沙淤积、气候调节和碳固持价值则小幅上升，说明耕地作为准生态环境也具备一定的生态供给能力；生态保护优先情景下，水源涵养、减少泥沙淤积、气候调节和碳固持等生态系统服务价值均有明显上升，原因在于生态保护优先情景下林地面积大幅增加，新增面积达1 018.9 km2，林木在植被类型中对气候调节作用较强，复杂的根系也有效遏制了潜在的水土流失风险，对降水产生了有效的截流和停滞作用，同时，有机物干重的个体含量高，将大量的二氧化碳通过光合作用转化为了生物质，有效发挥了碳固持功能。

本研究并未对区域内生态系统服务的供需水平及空间分布特征展开进一步讨论，未来可以将其融入区域生态安全水平的评估过程中，结合空间自相关分析判断是否具有空间显著性，并依据生态供需空间分布情况，制定差异化的生态安全策略，为改善区域生态安全水平提供参考和依据。