粤港澳大湾区城市群生态保护优先区识别研究

陈康富,吴隽宇,2,3,*

1 华南理工大学建筑学院,广州 510640

2 亚热带建筑科学国家重点实验室,广州 510640

3 广州市景观建筑重点实验室,广州 510640

作为城镇化发展到高级阶段的空间组织模式,城市群是我国推进新型城镇化与优化国土空间发展结构的重要载体[1—2]。针对蔓延式城镇扩张模式,以及当前国土生态问题所呈现的区域性污染、叠加效应、行政边界效应等特点,城市群的可持续发展亟待从宏观角度提出整体性生态保护措施,以保障区域生态安全和人类福祉[3—4]。2019年中共中央国务院正式印发《关于建立国土空间规划体系并监督实施的若干意见》,明确要求遵循生态优先的国土空间规划价值位序[5]。生态保护优先区是根据地区的自然条件和社会经济状况,以保护自然资源和保障区域生态安全为目的划定的生态保护关键区域[6—8]。针对城镇发展过程中不断出现的生态保护缺位问题以及实现整体性生态保护的技术难题,如何在城市群尺度下科学识别生态保护优先区,成为当前国土空间规划必须深入研究的重要课题。

识别城市群生态保护优先区的可行方法主要分为两类,一是整合各类生态保护专项规划,以现有生态管制空间为基础划定生态保护优先区;二是从生态完整性、生态系统健康、生态系统服务等方向进行区域生态环境评价[9—11],并以评价结果作为生态保护等级划分的依据。前者虽易于实际操作,但容易忽略现有生态保护范围外的重要生态空间;后者相关评价结果仅衡量了生态环境整体状况,无法体现生态系统综合特征的空间异质性,抑或是具有空间异质性特征的评价结果用于指导各地区生态保护等级划分的生态机制尚未明晰。国土空间规划背景下提出的资源环境承载能力和国土空间开发适宜性评价(简称“双评价”),是基于对生态环境本底的客观评价进行国土空间的开发与保护的管控性分区。作为双评价中分析区域自然资源禀赋和生态环境条件的基础性工作,生态保护重要性评价目标是在空间上明确各地区生态保护重要程度。生态系统服务指标体现生态系统为人类提供各类生态产品和服务(如提供新鲜的空气和净化水质)的外部功能,而生态脆弱性指标体现生态系统受内外部干扰后生态系统内部要素的稳定程度[12—14],因此基于囊括生态系统服务和生态脆弱性的生态保护重要性评价识别城市群生态保护优先区,有利于保障生态系统服务的供给水平和维持生态系统的稳定性,以及同时从生态系统的外部功能维度和内部稳定维度维持区域生态安全和保障人类福祉。

当前生态保护重要性评价研究大多通过最大值法或者等权叠加法对评价指标进行简单叠加[15— 16],缺乏对指标间权重的重点考量。LIAO等[17]通过结合层次分析法的有序加权平均(Ordered Weighted Averaged,OWA)算子计算准则权重和位序权重,以两类权重为基础聚合生态系统服务指标和生态敏感性指标,进而获取多种情景的区域生态环境综合评价结果。但是OWA算子本质上是一种反映评价者主观风险态度偏好的决策方法,利用层次分析法等主观赋权法和OWA算子进行赋权容易出现的主观臆测和主观色彩过重问题。生态敏感性属于生态脆弱性的构成要素之一[18],当前仍缺乏以综合采纳生态系统服务指标和生态脆弱性指标的生态保护重要性评价为基础,运用结合客观赋权法的OWA算子识别城市群生态保护优先区的方法探索。

粤港澳大湾区(以下简称“大湾区”)是快速城镇化地区人地矛盾突出的典型案例,相关国土空间规划与自然资源管理改革的研究与实践在全国具备先进性和模范作用。随着大湾区建设步伐的加快,高强度的人力营造从根本上降低了其生态系统服务水平和提高了其生态系统脆弱性,导致各类生态问题凸显,严重阻碍大湾区的可持续发展。鉴于此,本文以大湾区为例,试图探索一套适用于城市群的生态保护优先区识别方法,具体目标为:(1)构建一个更加全面合理的生态保护重要性评价指标体系;(2)耦合客观赋权法之一的空间主成分分析法(Spatial Principal Component Analysis,SPCA)和OWA算子,模拟多情景的生态保护重要性评价;(3)基于生态保护重要性评价结果识别生态保护优先区,辅助决策者更全面认知影响城市群生态安全的重要因素,明晰不同决策风险态度下城市群生态保护优先区多情景模拟与择优方法,为城市群的生态保护区划决策等生态管理提供理论依据和技术支持。

1 数据来源与研究方法

1.1 研究区概况

粤港澳大湾区是在深化泛珠三角区域合作和响应国家区域协调发展战略的倡导下于2017年提出规划建设的城市群,陆域国土总面积约5.6 万km2,包括广东省的珠三角九市和香港与澳门特别行政区(图1)。该区以南亚热带季风气候为主,年均降水量在1500—2500 mm之间,具有“三面环山、一面临海、三江汇合”的独特生态本底特点。2020年,大湾区GDP为11.59 万亿元[19],常住人口达8640.24 万人,城镇化率约为78.99%[20]。

图1 研究区地理位置及行政区划图Fig.1 Geographical location and administrative map of the study area

1.2 数据来源与预处理

本文所使用数据的详细信息详见表1。借助ArcGIS 10.8软件,对各数据进行镶嵌、裁剪、空间插值等一系列预处理,然后统一至相同的投影坐标系,并重采样至100 m分辨率的栅格。

表1 数据说明Table 1 The data descriptions

1.3 研究方法

1.3.1生态保护重要性评价指标体系构建

基于《广东省资源环境承载能力和国土空间开发适宜性评价技术指引(试行)》(2020年12月版)[23]的生态保护重要性评价指标体系,结合大湾区生态环境的主要影响因子和面临的核心生态问题,选取17项指标构建大湾区生态保护重要性评价指标体系(表2)。并根据对生态保护重要性的影响,将所选指标分为正向指标和负向指标,其中正向指标本身数值越大,相应生态保护重要性越高;负向指标则相反,其本身数值越小,相应生态保护重要性越高。需要特别说明的是,在生态脆弱性指标中,暴露度侧重衡量人类社会和自然环境对生态系统的胁迫程度,因此选取土地利用强度和暴雨日数分别表征生态脆弱性的社会暴露因子和自然暴露因子;生态系统的敏感源主要是自然因素,因此选取地形、水体、土壤等生态系统内部要素的敏感性指标衡量生态系统稳定性;适应力侧重衡量生态系统遭受自然环境和人类社会干扰之后的恢复能力,选取夜间灯光指数作为表征生态脆弱性的社会适应因子,以及植被净初级生产力和增强型植被指数作为表征生态脆弱性的自然适应因子。

表2 生态保护重要性评价指标体系Table 2 Evaluation indicator system of the ecological conservation importance

1.3.2生态保护重要性评价指标量化

(1)生态系统服务指标评价

本文运用InVEST 3.9.0模型和ArcGIS 10.8软件对各生态系统服务指标进行具体量化评价,各指标的评价方法详见表3。

表3 生态系统服务指标的评价方法及方法说明Table 3 Evaluation methods and descriptions of ecosystem service indicators

(2)生态脆弱性指标评价

本文运用ArcGIS 10.8软件对各生态脆弱性指标进行具体量化评价,各指标的评价方法详见表4。

表4 生态脆弱性指标的评价方法及方法说明Table 4 Evaluation methods and descriptions of ecological vulnerability indicators

1.3.3基于SPCA-OWA的生态保护重要性评价情景模拟

(1)运用SPCA生成主成分并确定准则权重

SPCA以主成分分析法原理和GIS为基础,通过线性组合生成彼此不相关且数量少于原指标的主成分,实质是把原指标对综合评价结果的影响分配至各主成分因子[22—23]。本文利用经过标准化处理后的生态保护重要性指标评价结果进行空间主成分分析,将特征值大于1作为选取主成分的标准,并根据主成分方差贡献率确定和为1的各主成分指标的准则权重。

(2)基于OWA多属性决策的生态保护重要性评价情景模拟

由美国数学家Yager在1988年提出的OWA算子,其核心在于将指标的属性值按照降序排序,并按照排序位次赋予不同的位序权重[24]。基于OWA算子的多属性决策方法则是一种通过聚合准则权重和位序权重,为决策者提供基于不同决策风险系数下多属性决策集,并基于一定的规则对有限个评价结果进行排序或择优的方法[25]。本文运用单调规则递增法计算主成分指标的位序权重,具体计算公式[26—27]如下:

式中,j为某主成分指标相应的位序数;vj为该主成分指标的位序权重,vj∈[0,1];n为主成分指标数量;α为决策风险系数,α∈(0,∞);wk为该主成分指标重要等级;rk为主成分指标的赋值,按照指标值本身的大小对指标进行赋值,最大值赋1,次大值赋2,以此类推,最小值赋值为n。

基于准则权重和位序权重的生态保护重要性评价的计算公式如下:

式中,OWAx为研究区内栅格x的生态保护重要性栅格值;cj为位序权重相应主成分指标的准则权重;zx为准则权重和位序权重两者相应主成分指标栅格值。

此外,在一些仅考虑准则权重的多属性决策中,一些属性值(即栅格值)较高但权重值较低的指标可能会被另一些属性值较低但权重值较高的指标所补偿,作为折中后的决策结果往往失去了决策者想表达的部分高属性值对决策的实际影响作用[28]。因此,为降低由此造成的决策误差,应可能地减小指标间的权衡作用。OWA多属性决策方法中的权衡度(trade-off)表示为不同决策风险系数下指标间的补偿程度[29],具体计算公式[30]如下:

式中,tradeoff为权衡度,且0≤tradeoff≤1;n为主成分指标数量;wk为第k个主成分指标重要等级。

1.3.4生态保护优先区识别

(1)不同情景的生态保护优先区识别

本文将生态保护重要性评价结果进行降序排列,将生态保护重要性累积值前50%中最小栅格值作为生态保护重要性阈值。然后在ArcGIS软件中使用聚合面工具,将大于和等于生态保护重要性阈值的区域中相对聚集或邻近的图斑聚合为相对完整连片图斑,聚合结果作为各情景初步生态保护优先区。

基于所得的生态保护重要性评价情景,将各主成分指标位序权重相等的情景设为情景Q,该情景评价结果相当于不考虑表征主观决策态度的决策风险系数,所得生态保护重要性评价结果相对客观。以2 km2为初始值和2 km2为步长,统计分析情景Q的初步生态保护优先区中面积小于阈值的图斑数量和总面积随面积阈值变化的情况,将图中拐点作为图斑面积阈值,并根据阈值剔除相应独立分散小图斑。在此基础上合并大湾区内国家级和省级的各类生态保护区,并且剔除现有建设用地,从而获得各情景最终生态保护优先区。

(2)最优情景的生态保护优先区识别

计算不同情景最终生态保护优先区对于情景Q的生态保护重要性评价结果的保护效率,保护效率的计算公式如下:

基于上述分析,对比分析各情景的保护效率与权衡度筛选出最优情景,并将相应优先区作为研究区最终的生态保护优先区识别结果。

2 结果分析

2.1 各情景生态保护重要性评价结果分析

本文运用SPCA方法生成了基于生态保护重要性评价指标的5个主成分,各主成分的特征值、方差贡献率和准则权重详见表5。OWA多属性决策方法依据决策风险系数设置情景方案,而决策风险系数可以是大于零的任意数,因此理论上可以设置无数种情景。综合考虑研究效率和不同决策风险系数的代表性,在排除决策风险系数为0和无限大对应的两种在实际决策中几乎不可能出现的极端情景的情况下,本文设置了7种决策风险系数情景,各情景的决策风险系数、权衡度和各主成分指标的位序权重如表6所示。然后使运用TerrSet 2020软件平台的MCE模块进行OWA多属性决策情景模拟,该模拟过程通过聚合主成分指标的位序权重和准则权重得到各情景的生态保护重要性评价结果(图2)。

表5 主成分的特征值、方差贡献率和准则权重Table 5 Eigenvalue,variance contribution rate and criterion weight of principal components

表6 各情景的决策风险系数、权衡度和位序权重Table 6 Decision risk factors,trade-off and ordered weights for different scenarios

图2 各情景生态保护重要性评价结果空间分布图Fig.2 Spatial distribution of ecological conservation importance evaluation results for different scenarios

OWA多属性决策方法中的决策风险并非指决策犯错的可能性,而是指决策者规避风险的态度,因此不同风险系数情景分别代表了在实际决策过程中不同规避风险态度情景。在决策风险系数为1的情景4中,决策者无明显的规避风险或冒险偏好,各指标位序权重相等,但权衡度为最大值1,指标间权衡补偿作用显著,此时各地区生态保护重要性评价结果空间差异较为明显;从情景4到情景1,决策风险系数逐渐降低,代表决策者规避风险的态度越来越强烈,此时位序权重逐渐更多分配给栅格值较小指标,同时权衡度逐渐趋近于0,指标间权衡补偿作用越来越小,最终各地区生态保护重要性评价结果逐渐降低且空间分布差异减小;从情景4到情景7,决策风险系数逐渐升高,代表决策者规避风险的态度越来越微弱,此时位序权重逐渐更多分配给栅格值较大指标,同时指标间权衡补偿作用越来越小,最终各地区生态保护重要性评价结果升高而空间分布差异越来越小。情景4中各地区生态保护重要性评价结果相当于不考虑决策者主观的规避风险态度,只通过由客观赋权法——主成分法得到的准则权重进行主成分指标聚合,所得生态保护重要性评价结果不受主观决策意愿影响,因此该情景相对客观结果适用于作为统一的生态本底来确定生态保护优先区图斑面积阈值和衡量各情景保护优先区的保护效率。

2.2 不同情景和最优情景的生态保护优先区识别结果分析

根据情景4的生态保护重要性评价结果,统计分析该情景初步生态保护优先区中面积小于阈值的图斑数量和总面积随面积阈值变化的情况(图3),确定拐点(最先出现增长率为0的转折点)对应的26 km2为图斑面积阈值。该阈值对应需要剔除的生态保护优先区图斑数量为10086个,占生态保护优先区图斑总数的99.51%;面积为1971.54 km2,占生态保护优先区图斑总面积的7.98%。由此可见,大湾区生态保护优先区图斑的数量关系符合帕累托分布特点,即较少数量的生态保护优先区图斑占有大面积的生态保护优先区域,该现象的主要原因是大湾区快速的城镇化过程中城镇建设用地对高质量生态用地的侵占和分割。根据上述方法确定图斑面积阈值,实际上是为了在尽可能减少生态保护优先区总面积缩减的基础上剔除较多数量的小面积图斑,从而减小生态保护优先区的破碎化程度。

图3 情景5的初步生态保护优先区图斑统计分析图Fig.3 Statistical analysis map of figure spots of the preliminary ecological conservation priority areas for scenario 5

图4 最优情景的生态保护优先区空间分布图 Fig.4 Spatial distribution of ecological conservation priority areas for the optimal scenario

基于所得的图斑面积阈值和各情景生态保护优先区识别方法,获得各情景最终生态保护优先区。然后计算各情景生态保护优先区的保护效率,结果如表7所示,其中情景4对应的整个大湾区的生态保护重要性平均值为0.4069。从保护效率来看,情景3和情景4的保护效率最高,同为1.0553,表明这两种情景的生态保护优先区单位面积生态保护重要性最高,相应区域划定为生态保护优先区的价值度和紧迫性最高。再结合权衡度(表6),情景3相比于情景4在一定程度上弥补了主成分指标间的权衡影响。因此,本研究最终选择情景3的生态保护优先区作为大湾区最终的生态保护优先区识别结果,其空间分布如图5所示。

表7 各情景生态保护优先区的保护效率Table 7 Conservation efficiency of ecological conservation priority areas for different scenarios

图5 最优情景的生态保护优先区土地利用空间分布图 Fig.5 Spatial distribution of land use in ecological conservation priority areas for the optimal scenario

由图4可知,大湾区生态保护优先区面积为26406.04 km2,占大湾区陆域国土总面积的47.69%,平均海拔为231.39 m,主要分布在大湾区中部以外的地区,如肇庆、惠州和香港的大部分地区、广州的北部、江门的周边地区以及深圳东部沿海的区域。该区域实质上在空间上确定了关乎人类福祉最重要区域,应实行最严格的生态管制措施,严禁破坏生态环境的各类开发活动,确保生态系统服务功能不降低和生态脆弱性不提高。在大湾区东南部的东莞、深圳和香港这三个城市范围内,城镇建设用地和生态保护优先区分布较为紧密,可用于城镇建设开发的其余区域面积很小,因此如何加快转变土地利用方式,实行存量优先的集约化发展是这三个城市共同面临的发展难题。

从大湾区生态保护优先区的土地利用数量结构来看,耕地、林地、草地、水域和未利用地的面积分别为215654 hm2、2318945 hm2、60355 hm2、45424 hm2和226 hm2,分别占生态保护优先区总面积的8.17%、87.82%、2.29%、1.72%和0.01%。结合生态保护优先区土地利用空间分布情况(图5)可知,在生态保护优先区内:林地是绝对优势土地利用类型,出现该结果的原因,一是相对于其他用地,林地提供水源涵养、土壤保护、碳储存、生物多样性维持等生态系统服务的能力更强;二是林地主要分布在高程、坡度、地形起伏度等地形因子敏感性较高区域。耕地主要分布在大湾区西北部的肇庆和东部的惠州,这些耕地由于较高的粮食供给服务水平而被纳入优先区;草地大面积出现在大湾区东南部的香港,原因是香港境内草地的水源涵养、土壤保持、碳储存、生物多样性维持等生态系统服务水平较高,以及较高的高程、坡度、地形起伏度等地形因子敏感性导致其生态脆弱性较高。此外,生态保护优先区内耕地、林地、草地、水域和未利用地的面积在整个大湾区陆域范围内相应土地利用类型总面积中的占比为18.07%、77.64%、50.77%、11.26%和31.97%,该占比一定程度反映了各土地利用类型需要被纳入生态保护优先区实行严格保护的强度。其中占比最小的土地利用类型为水域,原因有二,其一是本文的碳储存服务缺乏对水域固碳能力的量化,同时相对于淡水和海洋生态系统,森林、草地、农田等陆地生态系统系统是本文研究的粮食供给、水源涵养和土壤保持等生态系统服务的供给主体;二是水生态系统的脆弱性主要受岸上周边地区的影响[31],而本文选取的生态脆弱性指标更多考虑的是生态系统内部要素稳定性,缺乏针对水域外部干扰因素的关注。

3 讨论

3.1 生态保护重要性评价的内涵与优化建议

以往的多数生态系统评价指标,例如生态足迹、生态完整性、生态环境可持续性、生态系统健康等指数均没有同时从外部功能性和内在稳定性这两个生态系统的核心属性评价生态系统。生态系统服务这一生态系统的外部功能属性从生态系统面向人类社会的众多功能增进了人类福祉角度体现了生态系统的保护价值,生态脆弱性这一生态系统的内在稳定性属性从其表征的潜在不稳定性可能危及人类福祉角度体现了生态系统的保护价值。囊括生态系统服务和生态脆弱性的生态保护重要性从生态系统的外部功能性和内在稳定性体现了各地区生态保护价值差异。本文从生态保护和可持续发展的终极目标——提高人类福祉这一角度出发,将生态保护重要性定义为某个地区在生态系统服务因子和生态脆弱性因子综合影响下对于保障和增进人类福祉的重要程度。生态保护重要性高值区为人类提供了多样的生态系统服务或受到人类或自然干扰时容易失衡而产生生态问题,因此应重点关注其生态保护、建设和管制。

根据生态系统服务内涵和生态脆弱性内涵的完整性,本文在双评价技术指引的生态保护重要性评价指标体系的基础上进行了适当拓展,将更多的从属于生态系统服务的供给服务和调节服务指标以及从属于生态脆弱性的暴露度、敏感性和适应力指标纳入生态保护重要性评价指标体系内,一定程度上弥补了因忽略部分生态系统服务价值或者关乎生态脆弱性的重要因素所导致的评价结果片面性问题。例如,将粮食供给服务纳入评价体系,可以从满足人类粮食需求角度衡量耕地对人类福祉的增进作用,从而体现不同耕地的生态保护价值,有助于生态保护重要性评价结果的作用从保障单一的生态安全拓宽至维系生态安全和粮食安全等多重国土安全。将暴露度和适应力指标纳入评价体系,可以更加全面地评价生态系统在人为因素、生态系统的外部干扰和自身恢复力的综合影响下其生态保护重要程度。未来研究可考虑将文化服务纳入基于生态保护重要性评价体系,衡量生态系统的非物质文化层面的生态保护价值,将有助于在保障物质层面福祉基础上增进人类独有的精神层面福祉。

本文运用结合SPCA的OWA算子进行生态保护重要性的综合评价,该方法属于主客观结合赋权法,一定程度上规避了仅考虑客观赋权法忽略决策者主观决策态度的问题,以及利用主观赋权法和OWA算子进行赋权容易出现的主观臆测和主观色彩过重问题。其局限性在于所谓的客观赋权法之一的主成分分析法是以决策者主观选择侧重于基于指标的信息荷载量确定准则权重为提前,并且通过降维所得主成分的解释性具有模糊性,即较难判断主成分的实际意义,因此优化SPCA使得主成分具备合理的解释性可能是未来相关研究的一大难点。

3.2 生态保护优先区在生态管理层面的现实意义

截止至2022年2月,选取大湾区已对公众公布市域国土空间规划编制成果的四个城市,将这些城市的生态保护红线、一般生态空间和永久基本农田划定结果,与本文最优情景的生态保护优先区识别结果进行对比分析(图6)。对比结果显示,生态保护优先区识别结果不仅基本覆盖生态保护红线,而且囊括了红线周边大部分的一般生态空间,原因是本文用于提取生态保护优先区的生态保护重要性阈值较高,实则代表了本文秉持更加严格的生态保护理念。与惠州相比,广州、深圳等经济较为发达而耕地面积较少的城市的永久基本农田与本文所得生态保护优先区的重合率相对较低,原因是本文仅基于耕地粮食产量计算粮食供给服务进而衡量耕地的生态保护重要性,而广州和深圳的年粮食产量远远低于惠州等粮食供给服务较高的城市,最终造成从整个大湾区来看广州和深圳的高质量耕地的生态保护重要性相对较低。因此,建议在城市群生态系统管理过程中以生态保护优先区为基础,同时结合各城市的生态保护红线和永久基本农田落位实施严格保护措施的生态存量空间,实现更加整体的生态环境保护。由于本文结果为不考虑诸多利益博弈等现实因素下的理想情景结果,各市域和县域生态保护优先区的精准落位仍需结合地方生态保护专项研究。此外,本文剔除破碎化图斑所得生态保护优先区虽便于开展全域管理,但同时也牺牲了少量重要的生态空间,如何权衡生态保护优先区的管理难度和破碎化图斑的覆盖率之间的矛盾,需要进一步的探索研究。

图6 现有国土空间规划编制结果与研究结果对比分析图Fig.6 Comparative analysis of the results of existing territorial spatial planning and the results of the study

4 结论

本文以粤港澳大湾区为例,选取17项指标构建了以生态系统服务和生态脆弱性为准则层,从属于生态系统服务的供给服务、调节服务、支持服务以及从属于生态脆弱性的暴露度、敏感性和适应力为一级指标层的生态保护重要性评价指标体系,并进行了评价指标的量化分析。然后引入耦合空间主成分分析的OWA多属性决策方法进行7种情景的生态保护重要性评价模拟,并以此为基础识别了各情景的生态保护优先区。接着基于保护效率和权衡度双重考虑因素在多个生态保护优先区情景中进行择优,筛选出最优情景4,相应保护效率为1.0553,权衡度为0.6837,该情景的保护效率相对最高且一定程度上弥补了指标间的权衡影响。最终所识别的大湾区生态保护优先区面积为26406.04 km2,占大湾区陆域国土总面积的47.69%,主要分布在大湾区中部以外的肇庆、惠州、香港、广州北部、江门外环以及深圳东部沿海地区。生态保护优先区的识别与划定将有效维护城市群的区域生态安全,同时更好地保障和增进人类福祉。