转为生态用地的中国搬迁地时空演变及其分布格局研究

张桂莲,易 扬,张 浪

(上海市园林科学规划研究院,城市困难立地生态园林国家林业和草原局重点实验室,国家林业和草原局城市 困难立地绿化造林国家创新联盟,上海城市困难立地绿化工程技术研究中心,上海 200232)

近年来,城市化发展迅速,2010年世界城市人口占比已经过半。中国城镇化率从2000年的36.22%和2010年的49.90%,增至2020年的63.89%。2030年,中国城市人口将占总人口的3/4左右[1]。快速城市化在满足人民生产生活需求、推动工业化、实现经济社会转型发展等方面做出了重要贡献。但同时,经济转型过程中的产业转移和产业结构调整,使城市中的工业企业陆续搬迁,遗留场地越来越多[2]。我国各大城市出现的大量工业和企业搬迁,主要集中在长三角、珠三角、东北重工业基地等区域[3-4]。

搬迁地作为城市化进程中的一种产物,有别于自然生态演替形成的土地利用类型,往往伴随着环境污染[5-8]。许多学者分析和评估了搬迁地周围土壤、水质和生物多样性的特征[9-13],结果表明,搬迁地的产生伴随着土壤组成和结构的改变,还可能造成重金属污染和盐渍化,导致土壤质量显著低于自然立地条件下的土壤绿化质量,使所在区域地带性植被主要物种适生条件退化[14-16]。利用土壤修复、土壤改良和绿地营建等措施来改善和修复搬迁地对自然地表造成的扰动是城市双修的重要环节之一。而在高密度、土地紧缺的城市发展背景下,生态空间增量压力加剧,园林绿化的优良立地资源日趋减少,许多城市的绿地建设在居民动拆区域、工厂遗址等搬迁地上进行,转化为生态用地的搬迁地数量日益增多。

目前,有学者从区域尺度、片区尺度和地块尺度量化了城市工厂、住宅区等搬迁后转为绿化用地的数量和分布格局[17-20],但从全国尺度统计和分析城市各类搬迁地转化为生态用地的研究尚未见报道。为更好地规划和利用搬迁地,有必要了解近20年来搬迁地的变化过程、空间分布和演变趋势。本研究基于30 m空间分辨率的GlobeLand30全球地表覆盖数据,运用地理空间分析、景观指数分析等方法定量揭示搬迁地的变化及其景观格局演化过程;运用空间统计模型解析2000—2010年、2010—2020年搬迁地空间相关性、冷热点区域和时空移动轨迹,为制定国土空间规划和可持续管理提供数据支撑。

1 数据处理与研究方法

1.1 数据来源与处理

土地利用数据来自我国30 m空间分辨率全球地表覆盖数据(GlobeLand30)(http://www.globallandcover.com/),该数据共发布2000、2010和2020年的土地利用数据,2010年和2020年数据的官方公布数据显示,总体精度分别为83.50%和85.72%。2000年数据经其他学者验证总体精度为87.63%[21]。所使用的分类影像主要是30 m多光谱影像,包括美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像,2020版数据还使用了16 m分辨率高分一号(GF-1)多光谱影像。该数据分类包括耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪10个类型(http://www.globallandcover.com/)。人造地表是由人工建造活动形成的地表,包括城镇等各类居民地、工矿、交通设施等,不包括建设用地内部连片绿地和水体。本研究以人造地表变更为生态用地(主要包括耕地、林地、草地、灌木地、湿地、水体和苔原)作为搬迁地,对2000、2010及2020年的数据进行分析。

1.2 搬迁地的提取

利用等角投影、拼接、裁剪、叠加分析和象元统计等方法,以地级行政区为单位(中国共计333个地级行政区,包括293个地级市、7个地区、30个自治州、3个盟),计算每个行政区内2000—2010年、2010—2020年两个时段内搬迁地的变化情况。

1.3 全局空间自相关

研究采用空间自相关来反映全国搬迁地在空间上的分布特征及对邻域的影响程度,全局空间自相关常用Moran’sI系数来进行衡量,主要是对搬迁地从全局和整体上判定其空间态势[22]。Moran’sI统计量计算公式为:

(1)

(2)

(3)

式中:Z(I)表示指数Moran’sI的统计量得分值。E(I)表示指数Moran’sI的期望值。Var(I)表示指数Moran’sI的方差,当Z(I)大于临界值1.96时,该要素空间分布具有显著相关性。

1.4 局部空间自相关

局部空间自相关指标(LISA)可以表征搬迁地单元变量值与周边搬迁地单元变量值的相近(正相关)或差异(负相关)程度,揭示搬迁地的聚集程度和变化趋势,并可用于识别“热点区域”以及数据的异质检验[23]。

局部自相关的结果有5种类型,分别为HH(高值-高值)聚集、LL(低值-低值)聚集、HL(高值-低值)异常、LH(低值-高值)异常和不存在空间自相关。其中,HH聚集、LL聚集暗示了观测值的相似性,表现为空间正相关;HL异常和LH异常暗示了观测值的异常性,表现为空间负相关,计算式为:

(4)

1.5 空间分布方向性特征

标准差椭圆是揭示空间要素分布及变化的空间统计方法[24]。利用标准差椭圆来识别搬迁地数量相对集聚的区域,综合描述搬迁地的分布方向性特征:

(5)

(6)

(7)

(8)

1.6 空间格局特征

景观指数能定量反映景观的结构组成与空间配置,是浓缩景观格局信息的指标[25-27]。运用Fragstats软件,选取三类景观格局指数,定量探讨搬迁地局部空间自相关的HH、LL、LH、HL 4种聚类模式的空间格局特征。景观格局指数分为三大类:①反映斑块面积和密度特征的景观类型比例(percentage of landscape,PLAND,式中记为PLAND)、最大斑块指数(largest patch index, LPI,式中记为ILP)和斑块平均面积(mean patch size,MPS,式中记为SMP);②反映斑块形状特征的面积周长分维数(area-weighted mean fractal dimension index,PAFRAC,式中记为PAFRAC)和景观形状指数(landscape shpae index,LSI,式中记为ILS);③反映景观斑块聚集程度的聚集度指数(cohesion index,COHESION,式中记为Icohesion)。

100%;

式中:ai为某个斑块i的面积,m为斑块i的周长,n为斑块数目,i为景观斑块类型,aij为斑块i和j的面积,pij为某斑块的周长,E为斑块边缘总长度,N为斑块总数目,A为景观的总面积。

2 结果与分析

2.1 搬迁地时空变化特征

近20年,我国搬迁地产生的区域主要集中在华中、华东和东北地区(图1),面积较大的省/市/区主要有福建、江苏、安徽、浙江、江西、上海及东北三省等。2000—2010年,产生搬迁地24 137.39 km2,占国土面积0.27%,占建成区面积的40.23%。阜阳(514.41 km2)、周口(470.88 km2)、哈尔滨(465.91 km2)、驻马店(426.21 km2)、德州(364.25 km2)等区域的搬迁地数量较多(图2a);大兴安岭(0.00 km2)、山南(0.46 km2)、林芝(0.85 km2)、铜陵市(0.96 km2)、阿里(1.73 km2)等地区的搬迁地数量较少。2010—2020年,产生搬迁地2 6097.95 km2,占国土面积0.27%,占建成区面积43.50%。六安(484.03 km2)、齐齐哈尔(468.18 km2)、长春(463.79 km2)、南阳(453.06 km2)、巴彦淖尔(447.55 km2)、商丘(358.11 km2)、上海等区域的搬迁地数量较多(图2b);大兴安岭(0.00 km2)、内江市(0.60 km2)、神农架林区(0.62 km2)、嘉峪关市(1.07 km2)、鄂州市(1.14 km2)等地区搬迁地数量较少。

底图审图号GS(2016)1600号。下同 The same below。图1 我国地级行政区内搬迁地面积空间分布格局Fig. 1 Spatial distribution pattern of relocation area in prefecture-level administrative regions of China

图2 2000—2010及2010—2020年我国地级行政区搬迁地面积(前30位)Fig. 2 Relocation area of prefecture-level administrative regions in China from 2000 to 2010 and from 2010 to 2020 (top 30)

近20年,搬迁地面积占行政区面积的比例(搬迁地占比)较大的区域主要分布在华中和华东地区(图3),包括河南、安徽、江苏、山东、浙江和上海等省市。2000—2010年,搬迁地占比较大的区域有焦作市(5.58%)、阜阳市(5.04%)、毫州市(4.19%)、周口市(3.87%)、淮北市(3.71%)、连云港市(3.67%)等(图4a),占比较小的地区包括大兴安岭、阿里、那曲、山南和林芝等地(占比接近0);2010—2020年,搬迁地占比较大的区域有上海市(5.09%)、合肥市(4.48%)、许昌市(4.19%)、宿迁市(3.74%)、漯河市(3.72%)等(图4b)。综合20年的搬迁地占比,上海市(4.22%)、石河子市(2.66%)、合肥市(2.37%)、巢湖市(1.82%)、沈阳市(1.77%)等区域的搬迁地占比较大,占比较小的地区包括大兴安岭、阿里、那曲、昌都和玉树藏族自治州等地(占比接近0)。

图3 我国地级行政区内搬迁地比例空间分布格局Fig. 3 Spatial distribution pattern of relocation area proportion in prefecture-level administrative regions of China

图4 2000—2010年和2010—2020年我国地级行政区搬迁地占比(前30位)Fig. 4 Proportion of relocation area of prefecture-level administrative regions in China from 2000 to 2010 and from 2010 to 2020 (top 30)

2.2 搬迁地空间自相关及方向特征

2.2.1 搬迁地全局空间自相关

对2000—2010年和2010—2020年的搬迁地占比数据做全局空间自相关分析,两个时期的统计值Z值均大于1.96,且P值均小于0.01,说明在两个时期内搬迁地的分布具有显著的空间相关性,呈现聚集的态势。2010—2020年搬迁地Moran’sI指数大于2000—2010年,说明近20年间搬迁地的产生越来越具有空间聚集特征(表1)。

表1 2000—2010年、2010—2020年中国搬迁地 利用强度全局Moran’s I 指数

空间热点分析结果表明,2000—2010年和2010—2020年两个时段内,华中、华东和东北大部分地区形成空间热点连片区,主要包含京津冀城市群、山东半岛城市群、太原城市群、中原城市群、江淮城市群和长三角城市群等。2000—2010年,华南北部和西南部分地区形成空间冷点连片区;2010—2020年,华南、西南和西北部分地区形成空间冷点连片区。近20年间,热点区域的长半轴由6.71减小到6.10,短半轴由3.81增加到4.30,扁率减小,说明热点区域的搬迁地逐渐离散化,方向指示性逐渐减弱。而冷点区域长半轴由9.62增加到9.95,短半轴变化不大,扁率增加,说明冷点区域的搬迁地方向指示性逐渐增强。两个时间段热点区域的方位角分别为37.16°和31.93°,说明2010年后搬迁地的产生逐渐向东北部地区移动。冷点区域的方位角为61.54°和60.97°,说明2010年后搬迁地由华南地区向北逐渐减少(图5和表2)。

图5 我国地级行政区内搬迁地冷热点分布及其方向分布Fig. 5 Distribution and direction distribution of cold and hot spots in relocation area of prefecture-level administrative regions in China

表2 中国搬迁地空间轨迹移动方向

2.2.2 搬迁地局部空间自相关

LISA分布图可进一步确定搬迁地局部空间聚集或异常的具体位置。由图6可知,搬迁地分布在空间上出现了HH聚集、LL聚集、HL异常、LH异常4种类型,并且以HH聚集和LL聚集为主,LH异常分布在HH聚集周边。2000—2010年,搬迁地的局部空间自相关以HH聚集、LL聚集和LH异常的形态存在,HH聚集区集中在华中和华东部分地区,主要是山东半岛城市群、中原城市群和江淮城市群等地;LL聚集区分布在贵州、云南和四川等省的山区;LH异常区分布在晋城、随州、麻城和铜陵等地。2010—2020年,搬迁地的局部空间自相关以HH聚集、LL聚集、HL异常和LH异常的形态存在,HH聚集区集中在华中和华东地区以及辽宁和吉林两省的部分区域;LL聚集区分布在贵州、云南、四川、广西、湖南、湖北和甘肃等省;LH异常区分布在随州、麻城、鄂州、黄山、宣州和贵池等地;HL异常区分布在深圳市。

图6 我国地级行政区内搬迁地LISA分布图Fig. 6 LISA distribution of relocation area in prefecture-level administrative regions of China

2.3 中国搬迁地分布格局特征

2000—2010年,HH聚集类型的PLAND(8.93%)、ILP(0.03%)和PAFRAC(1.42)最大,说明HH的搬迁地占比最大,斑块形状最为复杂(表3)。LL聚集类型中PLAND(2.54%)、ILP(0.02%)、Icohesion(49.75%)和SMP(16.60 km2)最小,说明LL搬迁地斑块最小,最为分散。LH聚集类型中ILS(52.12)和PAFRAC(1.37)最小,说明此种类型的斑块形状最为简单。2010—2020年,HH聚集类型的PLAND(12.50%)和ILS(632.80)最大,说明搬迁地占比最大且形状复杂。LH聚集类型的Icohesion(58.43%)最大,说明搬迁地在这种类型中最为聚集。HL聚集类型中SMP(41.80 km2)最大,说明HL聚集类型中的搬迁地面积最大。近20年间,不同种类的聚集类型中搬迁地的PLAND都有一定增加,SMP逐渐减小,说明搬迁地逐渐以小斑块的形式增加。HH和LH类型的Icohesion增加,聚集性增加。LL和LH的ILP增加,说明这两种类型中的大斑块搬迁地增加。

表3 中国搬迁地空间显著性聚集区景观格局特征

3 讨 论

搬迁地作为城市化进程的产物,大多经过开发利用后转变为生态用地,特别是在城市化发展较高的城市[4]。以特大城市上海市为例,2019年,上海市开发边界内(中心城区域)已规未建绿地中城市困难立地占比达到76.2%[18],未来将有大量已规未建绿地项目在搬迁地上实施[10]。我国地级行政区内搬迁地的面积及其所占比例,基本是世界其他较高城市化地区(欧洲、美洲和非洲)搬迁地数量的10倍左右。

将搬迁地转变为生态空间用地是优化城市绿地系统的一种良好途径[28-30],在可持续城市发展中发挥着至关重要的作用。搬迁地绿化和环境修复的生态工程和技术在世界各国已得到广泛应用和证实[16, 31-32]。英国1981年制定的《城乡规划(矿产)法》和1991年的《规划和补偿法》要求对矿物开采和垃圾填埋场回收后的5年“后护理期”的回收成功进行评估和追踪[33-37]。我国政府也发布了一系列重要文件,强调搬迁地环境的独特性和修复的重要性,并制定了相应的标准《土壤环境质量 建设用地土壤污染风险管控标准(试行)》(GB 36600—2018)、《绿化种植土壤》(CJ/T 340—2016)等严控搬迁地生态环境质量。但现阶段,我国搬迁地转化为生态用地后的社会、经济、生态影响有待进一步研究。

我国经历了快速的城市化发展,曾经建设用地的扩张侵占了大量生态用地,尤其是耕地和林地[38-41]。随后,我国开展了一系列包括三北防护林体系建设、退耕还林和天然林保护等在内的生态保护工程,并制定了耕地红线,严格控制耕地面积的减少[42]。随着我国对生态空间的重视,不少建设用地和人造地表逐渐转变为生态用地,例如上海市老港垃圾填埋场转变为生态环保基地,北京市北神树垃圾场转变为生态公园。随着城市政策鼓励,人造地表更变为生态用地,有助于提升生态系统服务功能,增加生物多样性;但这些转变为生态空间的用地,其土壤质量、周围环境影响等是城市精细化管理、生态用地质量提升的关键所在。

我国中部和东部地区城市化发展迅速,出现大量的城市群,随着产业结构和城市规划的调整,这些区域的搬迁地越来越多,且发展趋势逐步向东北地区移动[42-43]。我国西南地区云贵高原和四川盆地属于山地丘陵区,贵州省、云南省和重庆市的山地丘陵占比分别为92.5%、94.0%和75.0%,城市化发展相对缓慢,用地类型变化较少[44-47],搬迁地冷点区域主要集中在西南地区。未来可考虑在搬迁地热点区域制定相关政策,提升搬迁地再利用的针对性,尽量避免搬迁地带来的环境污染。本研究仅分析了地市级行政区内的搬迁地数量和格局,未来可进一步分析搬迁地产生的驱动因素,及不同尺度(粒度和幅度)的时空变化特征。