基于多源数据的滇中地区生态韧性度研究

成 钊,王金亮*,何苏玲,祁兰兰

(1.云南师范大学 地理学部,云南 昆明 650500,2.云南师范大学 资源与环境遥感实验室,云南 昆明 650500)

0 引言

伴随着工业化和城镇化的不断推进,国家经济的不断发展,城市生态风险问题呈现出多发高发的态势,其风险形式也变得更加复杂和难以预测。与过去相比,城市建设的风险性和脆弱性更大。面对全球化、快速发展等各种风险,城市韧性的理念便应运而生[1]。

韧性这一词最早源于生态系统学,指的是系统遭受破坏后恢复其原有状态的能力。学者在后来的研究中便将韧性这一概念纳入了城市的研究范围[2]。国外早在1973年就开始有学者在研究和城市规划有关的韧性概念,当时研究的中心大致是两点:一是韧性的概念,另一是有关城市规划设施的概念改善[3-4]。国内学者们在城市韧性的理论、评估、影响因素等方面成果丰硕,比如邵亦文等探讨城市韧性的概念界定[5-6],张明斗等评价了城市韧性的测度及体系[7-8],叶堂林等研究城市韧性的空间特征及影响因素等[9-10]。虽然目前没有统一的定义,但大多学者认为,韧性城市是指具有在吸收未来的发展对其社会,经济,科技体系和基础设施的冲击与压力后,仍能保持基本的功能、结构、体系与特色的地区城市[11]。

城市的生态韧性作为城市韧性的重要组成部分,旨在积极探索一条克服城市化进程所带来的生态破坏的最优途径。增强城市的生态韧性,是推动城市群发展、形成生态安全格局的必要措施。近年来,生态韧性的评估与研究也得到了国内外众多学者的关注[12]。Chen等将研究视角进一步聚焦至城市水生态韧性,进行评估后探索出生态韧性视角下水环境导向的城市发展道路[13]。Andre等将城市治理绩效与生态韧性相结合,构建了城市复杂系统的规划体系[14]。在评估思路方面,毕军和王华东提出要对“自然—社会—经济”复合系统进行环境风险评估[15];沈洁等从生态系统的“防御能力”“响应能力”“学习能力”着手测度云南省16个市(州)的城市生态韧性[16]。就城市风险抵抗而言,夏楚瑜等从抵抗能力、适应能力和恢复能力3个方面构建了杭州市城市生态韧性评估模型,分析其时空变化格局[17]。纵观国内外已有的关于城市生态韧性的研究,一方面研究尺度上较偏重全国及全省层面,缺少对市域或县域尺度下研究区的深入研究[18];另一方面研究主要停留于截面数值的对比分析上,缺少长时间序列下的时空演变分析。

鉴于上述研究现状,本文选取滇中地区作为研究对象,基于DPSIR模型框架,选取NPP、NDVI、植被干旱指数等生态指标,采用主客观结合的方法赋予各年份综合动态权重,深入研究滇中地区1999-2019生态韧性的时空变化,并运用灰色预测模型预测滇中地区2024年的生态韧性,为滇中城市群建设提供科学依据。

1 研究区与数据来源

1.1 研究区概况

滇中地区即中国西南的云南省中部地区,位于100°43′E～104°50′E、23°19′N～27°03′N(图1),不仅是云南省生产力布置和工业生产蓬勃发展的重要核心地区,也是中国“两横三纵”城市化发展战略规划格局的组成部分。其包含昆明市、曲靖市、玉溪市和楚雄州,共42个县(区、县),国土面积约9.6×104km2,占云南省国土面积的约1/4。第七次全国人口普查统计结果表明,滇中地区人口数量约为1 889.2万,占云南省人口的40.01%。随着滇中地区的蓬勃发展,该地区正不断加强以昆明市为中心的发展建设,同时承载着昆明市大部分的产业经济蓬勃发展与工业技术转移,以及借助资源发展工矿产业、建设休闲胜地,地区城镇化进程也日益加速,在一定程度上也影响着地区生态环境质量的可持续健康发展。另外,随着《全省主体功能区规划》[19]和《滇中城市群计划》[20]的实施,必将面临城市生态问题。因此,通过对滇中区域的生态韧性时空变化评价研究,全面掌握滇中区域生态韧性的时空演变过程,可为在滇中区域打造高原生态宜居城市群,为实施国家社会主义生态文明建设理想、树立云南省生态文明建设排头兵提供参考。

图1 滇中地区位置示意图

1.2 数据来源及预处理

(1)数据来源

研究所用数据主要包括滇中42个县(市、区)1999-2019年的社会经济、基础设施、资源环境等基础数据。社会经济和基础设施数据主要来源于1999-2019年《中国城市统计年鉴》《中国县域统计年鉴》《云南省统计年鉴》及各县(市、区)

统计年鉴和公报,空气质量数据来源于各市生态环保局;资源环境数据主要来源于地理空间数据云平台的遥感数据(表1)。有些年份缺失的部分数据,本文采用插值法、相邻年份均值法和自回归拟合方法来补全。

表1 研究区基本数据

(2)数据预处理

为消除指标量纲、数量级和正负趋向的差异,从而实现数据的可比性,需要对原始数据进行标准化处理,本文采用“极差标准化”对数据进行标准化处理。

2 研究方法

2.1 层次分析法

层次分析法是把一个复杂的问题分割成若干与此相关的因子,再根据各因子间的相互关联程度与隶属关系进行聚合,构成一种层次结构,并在此基础上对不同层次的不同因子赋予不一样的权重值,从而将复杂事物简单化[21-22]。自从美国学者T L Saaty提出了层次分析法,层次分析法在生态敏感性评价中得到了广泛的应用,如2006年闵婕在城市生态环境敏感度分析调查中就使用了层次分析法[23]。陶星名在杭州市2007年的生态敏感性评价中也运用了层次分析法[24]。对评价指标赋予权重是本研究的核心,本研究选取了影响滇中地区生态韧性度的20余个因子,建立科学合理的评价指标体系,按照层次分析法确定各因素的权重,其基本步骤包括:

(1)建立层次分析模型

矩阵中的aij,表示相对Aj,Ai的重要程度,要是前者更为重要,那么aij>1,要是两者同样重要,则aij=1。

(2)矩阵元素重要性判断

(3)计算指标的权重向量

向量积正规化法的步骤:

第一借助正规化处置矩阵,利用以下公式:

(1)

第二将矩阵当中的元素相加:

(2)

(3)

2.2 熵值法赋权

在开始评估前,就必须要将数据分析实现无量纲化,并且对再检测的指数加以赋权[25]。为能获得更加客观准确的权重,在科学研究中,指数的客观准确权重可以采用熵值法加以计量,可有效减少主观因素的影响。

2.3 组合赋权法

主观赋权方法通常会使得对权重结果产生了很大的主观方面化,而客观赋权法虽然能减少对权重结果的主观化,但其结果有时也会和现实矛盾不符[26]。为防止以上二种情形,本研究采用主客观组合赋权法,将层次分析法和熵值法结果相结合:

Wi=0.5×(Wai+Wbi)

(4)

式中:Wi表示某指标i的综合权重;Wai表示层次分析法确定的指标i的权重;Wbi表示熵值法确定的指标i权重。

2.4 灰色预测模型

灰色系统论是由华中理工大学邓聚龙博士在1982年创建的,这是一个渗透率高、应用面极广的新概念横断学科[27]。灰色预测模型以微分方程的形式展示了灰色信息系统快速发展的连续过程,它利用了原始数据序列的有序性和有界性,并着重阐明了各种数据组合中所具有的潜在规律性,而不需要对整个系统信息充分了解[28]。本研究将基于1999-2019年滇中地区生态韧性的数据基础,运用灰色模型预测其2024年的生态韧性值。

2.5 指标体系构建及权重确定

DPSIR模式是一个在环境系统中普遍采用的评价系统概念模型[29-30]。本研究从生态环境角度入手,按照评价指标体系的独立度、全面化、切实可行性这3个选取准则,在DPSIR模型的基础上,建立了驱动力、压力、状态、影响和响应的指标体系[31-33]。基于相关研究,综合考虑滇中地区特点和数据的可获得性,在GIS和RS等理论体系与技术的支持下,根据滇中地区1999-2019年的多源数据,选取了评判滇中地区城市群生态韧性度的具有代表性意义的重要指标如NPP、碳排放量、NDVI、植被干旱指数等23个指标(表2)。通过层次分析法和熵值法分别从主观和客观方面为各指标赋予权重并得出各指标各年份的动态综合权重,最后基于权重结果和生态韧性度评价模型,得出实验结论,提出针对性的改善措施。

表2 滇中地区生态韧性度指标体系及其权重结果

2.6 生态韧性度评价模型

生态韧性度作为评价城市生态环境状况和发展趋势的重要理论依据,其评价模型如下:

(5)

式中:S表示生态韧性度评价值;Wi表示第i个指标的综合权重值;Pi表示第i个指标标准化后的值。

3 结果与分析

3.1 滇中地区生态韧性度时空变化分析

3.1.1 滇中地区生态韧性度时间变化分析

1999—2019年,滇中地区各州市的生态韧性值如表3所示,整体上呈逐年增加的变化趋势,从1999年生态韧性值平均为0.707增加到2019年的0.858。1999—2019年,昆明市各区县的生态韧性值范围是0.639～0.931,平均最大值为西山区,最小值为禄劝县(图2);曲靖市各区县的生态韧性值范围为0.624～0.919,平均最大值为麒麟区,最小值为会泽县(图3);玉溪市各区县的生态韧性值为0.640～0.887,平均最大值为红塔区,最小值为元江县(图4);楚雄州各区县的生态韧性值为0.616～0.945,平均最大值为楚雄市,最小值为永仁县(图5)。整体上看,20年间滇中地区的生态韧性值呈上升趋势,但区域发展存在不均衡性,昆明市各区县的城市生态韧性一直处于领先地位,曲靖市和楚雄市各区县的生态韧性值整体偏低,以上结论与沈洁[16]、吴菊平[20]以及万统帅[21]等学者的研究结论一致,实验结果与结论具有可靠性。

表3 滇中地区1999-2019年生态韧性值

图2 滇中地区昆明市生态韧性度时间变化图

图3 滇中地区曲靖市生态韧性度时间变化图

图4 滇中地区玉溪市生态韧性度时间变化图

图5 滇中地区楚雄市生态韧性度时间变化图

1999-2019年,生态韧性最大值与最小值所处区域没有稳定变化,说明生态韧性是一个动态概念,在各区域发展过程当中,随着资源禀赋和城市经济发展速度的变化而变化,存在差异化和不稳定性。

3.1.2滇中地区生态韧性度空间变化分析

本研究应用ArcGIS软件将滇中地区生态韧性度空间分布情况可视化,并采用自然断点法将滇中地区42个区县的城市生态韧性划分为了低韧性、较低韧性、中等韧性、较高韧性和高韧性5种类型(图6)。在滇中地区42个区县的城市生态韧度情况上,从图中可看出是呈现浮动的状态,究其原因,主要在于随着资源禀赋和城市经济发展速度的变化,城市的生态韧性随之动态变化着。如玉溪市借助宜人的自然风光,较早地启动了生态旅游产业的开发和提升,城市生态也随之由中度韧性区向高度韧性区范围提升。生态高韧性的区域数量不断增多,侧面反映出滇中地区生态韧性具有良好的发展趋势。从城市生态韧性来看,1999年78.75%的滇中区县属于中低韧性区域,2019年,中低韧性区域面积占41.25%,20年间减少37.5%。本文对滇中地区1999年、2004年、2009年、2014年和2019年的42个区县生态韧性水平归属区域动态路径进行划分,即退步型、平稳型和进步型。那么,城市生态韧性水平“退步型”涉及楚雄北部及南部部分区域;“平稳型”涉及昆明市和玉溪市大部分区域;“进步型”涉及曲靖东南部地区。整体上看,滇中地区的生态韧性空间上呈现出由西北向东南方向韧性变好的趋势。

图6 滇中地区1999-2019年生态韧性度空间分布图

3.1.3 滇中地区生态韧性度预测

根据滇中地区1999-2019年的生态韧性结果,运用灰色预测模型预测了其2024年的生态韧性值。结果显示:2024年,滇中地区各县域的生态韧性度为0.758～0.953,最大值为楚雄市,最小值为禄劝县。在空间分布上,符合1999-2019年的变化趋势,呈现出由西北向东南方向韧性变好的趋势,生态韧性度区间划分呈现波动状态,滇中地区大部分区县(近80%的区域)进入中高度韧性区域范围(图7)。2024年,滇中地区的生态韧性平均值与2019年接近,约为0.859(图8),说明滇中地区城市生态环境保护与治理工作取得显著成效。

图7 滇中地区2024年生态韧性度空间分布图

图8 1999-2024年滇中地区生态韧性平均值变化图

4 结论与讨论

4.1 结论

基于1999-2019年滇中地区42个县(市、区)的统计数据和遥感数据等,构建DPSIR模型,在数据标准化与主客观方法结合赋权的基础上,计算各县域的生态韧性时空变化情况,并根据1999-2019的20年数据,借助灰色预测模型得出了滇中地区2024年的生态韧性值,通过对所有数据的分析,得出结论如下:

(1)1999-2024年滇中地区42个县(市、区)的生态韧性整体上逐年提高,整体上看,20年间滇中地区的生态韧性值呈上升趋势,但区域发展存在不均衡性,昆明市各区县的城市生态韧性一直处于领先地位,曲靖市和楚雄市各区县的生态韧性值整体偏低。

(2)从空间分布上看,1999-2024年滇中地区的生态韧性空间上呈现出由西北向东南方向韧性变好的趋势。但生态韧性度区间划分呈现波动状态。

主要原因在于城市生态韧性是动态性,随着资源禀赋和城市经济发展速度的变化而变化。

(3)加强生态补助的保护,提高植被覆盖率,减少水土流失,石漠化,淘汰高能耗、高污染产业,积极发展高端、绿色的新兴科技行业,重视工业优化升级,使得东川等地区因生态环境条件差而引起的生态韧性落后得以解决。加强经济的生态保护,发展经济,主要集中在寻甸县、禄劝县等经济和社会状况落后,资源环境承载水平低下的地区。在生态韧性等级较高的区域(例如中心城区)中,土地资源和水资源依然是制约其发展的一个主要因素,而政府工作的重点是优化土地利用模式,加大污水的废气排放管理,提高土地资源和水资源利用率。

4.2 讨论

“生态韧性度”是衡量一个区域综合能力的重要指标之一,其评价结果对于区域的发展规划非常重要。了解各县域生态韧性的同时,可以为区域内人地资源协调发展、土地资源管理和可持续利用提供理论和数据支撑。滇中地区生态韧性度的增长速度比较慢,在未来的学习工作中,需要对如何提高生态环境的保护力度、展现生态优势进行更深层次的探究和分析。

基于数据具有的可获得性、物理量计算方法的可行性和该区域具有的特点,继而选择出合适的指标构建了滇中地区的生态韧性度评价模型,这些指标对生态韧性的判断都有着至关重要的作用。然而因为研究的时间序列跨度较大,部分指标数据缺失量大,因此有一些重要的指标都未被纳入到研究范围内,仅使用了能够通过年鉴查到的可替代的指标代替。在统计不充分的情况下,本文选择借助计算的方式获得补充数据,然而这必然会影响到最终结果的准确性。因此,指标体系和核算方法还需在今后的研究中进一步改进和完善。

希望后续在关于地区生态韧性度的研究中,能再加入一些关于评价指标体系中驱动力因素的分析,能在定性分析的角度外再增加定量分析,使实验结果能更具有科学性和说服力。