赣州市人地关系的耦合响应研究

缑少伟 刘昭华 顾盼盼

(江西理工大学 土木与测绘工程学院, 江西 赣州 341099)

0 引言

生态环境是自然、经济、社会等要素相互作用、相互影响的有机整体,是人类赖以生存和发展的基础。21世纪以来,人类活动对自然环境的作用不断增强,人文过程逐渐成为驱动地表各类生态环境和环境演变的主要力量[1],随着科技水平的进步和环保理念的加深,使得人类活动在生态环境的发展中占据主导地位[2]。新时期中国生态文明建设、新型城镇化与乡村振兴战略持续推进,人地系统与国土空间治理格局正在经历着历史性变革,人地系统协调与区域发展面临的问题愈加复杂[3],以牺牲资源、环境为代价的粗放式经济增长将导致发展模式的不可持续和逐步恶化。充分认识人类活动对生态环境重要驱动影响,以可持续发展为目标,实现自然资源空间配置的优化协调,具有重要的研究意义[4]。

卫星遥感对地观测技术具有大面积同步观测、综合性、时效性、周期性等优势,已在城市生态环境监测方面被广泛地应用[5],为区域尺度的生态环境监测和人类活动评估提供了新的方向[6]。2013年,徐涵秋提出一种基于遥感的生态质量评估模型——遥感生态指数(remote sensing based ecological index, RSEI)[7],其通过主成分变换,将绿度、湿度、干度与热度进行耦合,计算无须人工干预,避免了多指标评价中人为确定权重的主观性,能够较为全面地反映某一地区的生态环境质量水平[8],被广泛应用与区域生态环境质量监测和质量评价中。

近年来各种形式的人类活动直接或间接地改造着生态环境,是除了气候变化以外影响生态环境的一个主要因素。人类活动强度的定量化和空间化是研究人类活动和生态环境相互作用的基础[9]。目前主要的量化研究方法有以下四种：净初级生产力人类占用法、土地类型变化法、全球干扰指数法和人类足迹指数法,人类足迹指数法一经提出,便在全球范围内不同尺度下得到应用和修正[10]。慕号伟[11]等采用反映人类压力的8个变量(建筑环境,人口密度,夜间灯光,耕地,牧场,道路,铁路和通航水路),开发了长时间跨度内具有时空一致性的人类足迹数据集(human footprint dataset ,HFP),为定量化分析长时间跨度内的人类活动强度提供了机会。

本文以徐涵秋提出的RSEI模型为基础,对赣州市生态环境质量进行量化评估并分析其变化趋势;此外,本研究使用慕号伟等人开发的人类足迹数据集,以赣州市2001—2015年15年的数据为基础,通过耦合协调度模型,分析赣州市人类活动和生态环境的耦合响应关系。

1 研究区与数据来源

1.1 研究区域

赣州市位于江西省的南端,陆地面积约为3.9×104km2,是江西省面积最大、人口最多的城市。地势四周高、中间低,南高于北,中部丘陵起伏,小盆地散布,河流汇聚,山多地少。矿产资源丰富,素有“世界钨都”“稀土王国”的美誉。赣州市属于亚热带丘陵山区湿润季风气候,水资源丰富,生态环境良好,是“中国优秀旅游城市”之一。

1.2 数据来源与预处理

本研究使用的数据包括行政区划数据、Modis影像数据、人类足迹数据集,如表1所示。本研究中的数据处理过程包括对Modis影像数据的拼接、裁剪,处理过程是在谷歌地球引擎(Google Earth Engine,GEE)平台进行。

表1 数据源详细说明

2 研究方法

2.1 遥感生态指数

遥感生态指数选取了常用的绿度、热度、干度和湿度这4个人类能够直观感受生态优劣的指标,具有良好的代表性[7]。RSEI采用主成分变换对4个指标进行集成,由第一主成分(PC1)来构建RSEI,各指标的权重通过他们对PC1的贡献度来客观确定,贡献度又取决于研究区数据的特性,而不是人为的主观因素,因此模型具有较强的鲁棒性,可以适用于各种不同地理条件的地区[12]。

RSEI值RSEI的构建方法如下：

RSEI=PCA(NDVI,Lst,NDBSI,Wet)

(1)

式中,PCA为主成分分析法(principal component analysis，PCA)；NDVI为归一化植被指数(norma-lized difference vegetation index，NDVI)；Lst为热度指数LST;NDBSI为干度指标，即归一化差异裸土指数(normalized difference bare soil index，NDBSI)；Wet为湿度指标WET,全部可由遥感数据计算获得,计算平台为GEE。

2.2 人类活动评价

人类活动评价往往通过其引发的相关效应进行间接评估。中国农业大学使用表征人类压力的八个变量(即建筑环境、人口密度、夜间灯光、农田、牧场、道路、铁路和通航水道),开发了2000—2018年全球人类足迹数据集。该数据集在长时间跨度内具有较强的时空一致性,为表征全球和区域范围内的人类活动强度提供了机会。因此,文章选用人类足迹数据集来表征2001—2015年赣州市人类活动。

2.3 趋势分析

本研究利用一元线性回归分析法研究像元尺度上赣州市2001—2015年人类活动强度和生态环境质量的时空变化趋势。

计算公式如下：

(2)

式中,Slope为x指标在某一时间段内的变化趋势;n总的研究年数;i为年份;xi为指标x在第i年的值。

2.4 耦合协调度

运用耦合协调度模型分析人类活动强度与生态环境质量之间的关系。耦合协调度常用来测度不同系统的协调发展程度,广泛应用于城镇化、经济发展和生态环境等系统。耦合度反映了双方相互作用的强弱程度,不分利弊;协调度反映双方耦合关系的良性程度,可以表征各系统之间是在高水平上相互促进还是低水平上相互制约。耦合度高说明双方存在较强的相互作用关系,而协调度高则说明两者存在良性的、高水平的相互促进作用。

国内耦合度模型应用广泛,相关文献研究中存在多个类似但略有差异的公式。本研究采用双系统的耦合度模型,计算公式如下：

(3)

式中,S1、S2分别为人类活动强度与生态环境质量;C为人类活强度与生态环境质量的耦合度,C越大,子系统间离散程度越小,说明人类活动与生态环境相互作用越强。

耦合协调度计算方法为

(4)

式中,R为耦合协调度;T为系统间综合协调指数;α、β为特定权重且α+β=1。根据已有研究,权重α、β的相对大小值对耦合协调度的总体趋势不会产生影响[15],并且人类活动和生态环境在系统中的地位平等,本文选取α=β=0.5

3 结果及分析

3.1 主成分分析结果

四个时相的主成分分析结果如表2所示,对生态有益的绿度和湿度在第一主成分PC1中的载荷值具有相同的符号且均为正值,对生态不利的干度和热度的载荷值则具有与绿度和湿度相反的符号,这表明第一主成分PC1具有明确的生态意义。但4个指标在PC2和PC3的在载荷符号没有明显的规律变化,说明其没有明显的生态意义,这与现有的研究结果一致。

表2 各指标主成分分析结果

3.2 生态环境质量和人类活动强度时空变化分析

在2001—2015年这15年间,赣州市的年平均RSEI数值由2001年的0.657上升为2015年的0.67,而具体到各年份可以看出,数值变化表现为4个阶段。如图1(a)所示,2001—2005年,RSEI值先下降而后稳步上升,而在 2005—2007年RSEI的值又呈现出下降趋势,在2007—2013年,RSEI值先是由2007年的0.554震荡上升到2010年的0.733,而后又呈现出震荡下降的趋势,下降到2013年的0.558,2013—2015年又呈现出稳步上升趋势。通过拟合得到2001—2015年赣州市RESI的年际变化趋势线,由拟合曲线的斜率发现2001—2015年赣州市的年平均RSEI整体呈现上升趋势,这表明近15年间赣州市的生态环境质量在不断提高。

为进一步探究赣州市行政区划内RSEI的时空变化差异,本研究统计了2001—2015年赣州市各市县的年均RSEI的变化情况，见图1(b)。结果表明,各区县的RSEI在时间上的变化趋势不明显,而在空间上却存在着显著的差异。赣州市中西部和南部的三个区县全南县、龙南县和崇义县多年平均RSEI值最高。其中全南县多年平均值为0.694(标准差为0.067),龙南县为0.686(标准差为0.056),崇义县为0.659(标准差为0.081)。这三个区县森林覆盖率均在80%以上,区域内受人类活动影响较小,从多年RSEI均值可以反映出这三个地区的生态环境保持在较优的水平,但近年来建成区的不断扩张,对该地区的生态环境质量造成了负面影响。

(a)RSEI年均值变化趋势

利用趋势分析法计算赣州市15年内的RSEI时空变化趋势图2(a),结果表明赣州市大部分区域RSEI呈增长趋势,较为明显的增长主要集中在大余县、上犹县、兴国县、信丰县和赣县;但在赣州市中部和南部地区,RSEI呈现出了下降趋势,其中深色区域如全南县、龙南县、南康区、章贡区、安远与寻乌县交界处RSEI降低趋势较为明显。

注：本图基于自然资源部标准地图服务系统下载的标准地图制作

人类活动强度(HFP)的增长主要分布在各市县的中心城区,图2(b)显示,章贡区、南康区和瑞金市的人类足迹指数呈现出大面积增加趋势,兴国县、信丰县、于都县、宁都县、石城县、信丰县、寻乌县的中心城区也表现出明显的增加趋势。赣州是全国著名的革命老区,近年来国家一系列帮扶赣南中央苏区振兴发展的政策,为赣州吸引了大量投资,带动了区域内的经济增长,也为城市化带来了动力和资源。同时,区域内的经济活动对生态环境质量也造成了极大的影响,如经济活跃度较高的章贡区,多年RSEI平均值最低,为0.518(标准差为0.125)。作为赣州市的中心城区,章贡区近年来发展迅速,人类活动强度不断增加,辖区内生态环境质量受人类活动影响较为明显。

3.2 生态环境与人类活动之间的耦合响应

3.2.1 耦合度时空变化分析(特征)

利用式(3)、式(4),本研究从像元尺度分析了RSEI与人类活动强度之间的耦合度,并从县域尺度进行分析。研究表明,赣州市中心城区章贡区、南康区以及于都县三个地区的耦合度较高,年平均电荷耦合器件(charge coupled device，CCD)在0.45～0.58之间。其他各县域的耦合协调度较低,处于磨合阶段。崇义县和全南县两地耦合度最低,表明这两个地区受人类活动影响较小,这与其多年RSEI年平均值最高相一致。章贡区等其他中心城区虽然生态环境质量受人类活动影响较大,但其仍旧相对处于高水平耦合阶段,这表明现阶段的人类活动并没有对该区域的耦合协调发展造成重大影响。由图2(c)可以发现,市中心经济活跃度较高的区域耦合协调度呈下降趋势,表明人类活动的提高不会一直对区域的协调发展产生积极影响;市中心周边区域的耦合协调度呈上升趋势,表明赣州市正在由中心向外发展。

3.2.2RSEI、HFP与耦合协调度之间的关系

由人类活动强度和生态环境质量的拟合关系图3(a)～图3(c)可以看出,人类活动强度和生态环境质量之间呈线性负相关,人类活动强度的不断增加,会在一定程度上导致地区生态环境质量降低,随着经济的快速发展和城市规模的不断扩大,越来越多的建设用地占据了城市中的生态用地,导致植被覆盖度下降,区域蓄水能力降低,地表温度升高,对生态环境产生了很大的影响,这与现实情况一致;从图3(d)～图3(f)可以发现,人类活动强度对耦合协调度的影响分为2个阶段,人类活动强度的增加先是促进了地区耦合协调度的发展,表明城市化在一定程度上会促进区域的协调发展,为区域人地关系的协调产生积极影响。而过度的城市化则对耦合协调度的发展不利,在城市发展的过程中忽视对生态环境的保护,会对地区的协调发展产生极为不利的影响。因此,在发展的过程中,应重视对生态环境的保护,在考虑区域环境承载能力的前提下,促进区域的协调发展。

图3 人类活动强度与生态环境质量、耦合协调度的散点拟合图

4 结论

本研究以赣州市为例,将遥感数据与多源时空数据结合,进行城市生态环境质量和人类活动强度时空变化分析,并对生态环境质量和人类活动强度之间的耦合机制进行探讨,结论如下：

(1)在2001—2015年,赣州市的总体生态环境质量呈明显上升趋势,但在经济活跃度较高的中心城区则有所下降。

(2)区域内的人类活动强度和耦合协调度呈现由中心向四周扩散的趋势,表明人类活动的区域正在不断向外扩张。

(3)人类活动强度与生态环境质量之间表现出负相关关系,而人类活动的持续增强,使得耦合协调度呈现出先增后减的趋势,表明人类活动强度的提高不会对区域环境一直产生积极影响。因此,在城市发展的过程中需要协调好生态环境与人类活动之间的关系,在不破坏生态环境的前提下,实现地区的科学可持续发展。