长株潭城市群生态环境质量时空演变及影响因素分析
2023-12-28李光哲王浩曹银璇张晓宇宁晓刚
李光哲, 王浩, 曹银璇, 张晓宇, 宁晓刚
(1.山东科技大学测绘与空间信息学院,青岛 266590; 2.中国测绘科学研究院,北京 100036)
0 引言
随着全球城市化进程的加快,城市群已经成为人类定居和经济发展的核心[1]。在人地关系矛盾日益加重的背景下,社会经济与生态环境作为城市群可持续发展的重点一直深受关注[2]。目前我国城市群发展取得了显著成就[3],但伴随而来的是大气污染[4]、热岛效应加强[5]和生态用地被城市用地大规模侵占[6]等一系列的生态环境问题,制约了城市群的可持续发展[7]。针对上述问题,许多学者开展了相关研究,对城市群社会经济与生态环境发展现状进行评价,如梁龙武等[8]、李平星等[9]和王渊等[10]分别针对京津冀、长三角和珠三角开展相关研究。已有研究多聚焦于探究上述一线城市群[11]生态环境质量,但随着国内新型城市群的飞速崛起,长株潭、山东半岛和呼包鄂榆等城市群为我国经济发展提供巨大贡献,因此掌握此类城市群的生态环境质量对可持续性发展同样具有指导意义。
目前评价生态环境质量的方法主要有: “压力—状态—响应”(pressure-state-response)模型[12-14]以及生态环境状况指数[15,16](ecological index)。上述评价方法涉及的大量指标体系和数据,在地市级以下尺度获取难度大。其次,上述评价结果多为数值形式,难以体现空间分布状况,不利于后续开展针对性治理。相比于上述方法,徐涵秋[17]提出的遥感生态指数(remote sensing ecological index, RSEI),充分利用遥感技术,克服了地市级以下尺度数据获取难的问题,同时能够实现数据的空间化和可视化展示,从而动态观测生态环境变化。自此,RSEI指数被广泛运用。宋慧敏等[18]、李妍等[19]、王士远等[20]采用Landsat卫星数据,分别对城市、乡镇、自然保护区3个级别地区测算RSEI,证明了RSEI在不同尺度的可靠性。但RSEI应用于较大区域时,面临庞大数据量带来的繁杂数据预处理和指标计算工作[21]。Google Earth Engine(GEE)云平台是近年来全球使用高频的云处理平台[22],该平台处理遥感影像能将时间与空间分辨率更好结合,在长时序遥感监测中优势突出。郑子豪等[23]和张华等[24]基于GEE云平台,结合RSEI进行了长三角城市群生态环境质量和祁连山国家公园生态环境评价与分析。结果表明,GEE作为大区域范围的生态质量评价与监测的遥感计算平台,可以改善遥感数据缺失、色差和时间不一致的问题[25]; 同时可以避免如辐射校正、大气校正、正射校正等数据预处理工作[26]。因此本文将RSEI引入GEE平台评价城市群生态环境质量。
以往研究分析了研究区生态环境质量及其变化[18,27-28],事实上,找出这些原因对于了解生态环境变化机制、采取切实措施保护和修复生态环境具有重要意义[29]。生态环境质量影响因素的研究方法主要分为定性和定量分析。定性分析方法仅能表征生态环境质量与各影响因素的关系及发展趋势,难以明晰各因素对生态环境质量的影响程度; 定量方法主要是相关性分析、多元回归模型等,此类方法仅定量分析单项影响因素对生态环境质量的影响,未能定量分析多影响因素在生态环境质量中的交互作用,且自然与人文要素间的多因素交互作用对生态环境质量的影响研究相对较少。地理探测器是探测空间分异及揭示其背后影响因子的统计学方法,它在度量空间分异度的同时,定量分析各影响因素之间的相对重要性和各影响因素交互作用对生态环境质量的影响[30]。因此,本文引入地理探测器进一步分析城市群生态环境质量变化的影响因素。
鉴于此,在快速城镇化背景下,针对新型城市群生态环境质量评价匮乏,及其影响因素的空间异质性和交互性不清晰等问题,本文借助GEE平台,利用长时序Landsat卫星数据计算长株潭城市群RSEI,分析1990—2020年长株潭城市群生态环境质量时空格局,运用Sen斜率估计和Mann-Kendall(MK)检验进行长株潭城市群生态环境质量的变化趋势分析,并利用地理探测器定性分析影响因素与生态环境质量的发展趋势,定量分析影响因素间交互作用对长株潭城市群生态环境质量的影响。本文旨在为推进长株潭城市群一体化高质量发展提供科学依据,同时也为其他同类型城市群相关研究提供参考。
1 研究区概况及数据源
1.1 研究区概况
长株潭城市群地处于湖南省中东部,包括长沙、株洲、湘潭三市行政下辖23个县区(图1)。地理位置位于E111°58′38″～114°13′20″,N26°18′19″～28°41′22″之间,总面积2.8×104km2,属亚热带季风气候区,年平均降水约1 400 mm,年均气温16～18 ℃; 境内地貌包括平原、岗、丘、山地等类型。长株潭城市群是湖南省的政治、经济和文化的核心经济区域以及城镇化进程较快的典型区域[31],是中国第一个自觉开展区域经济一体化实验的城市群。作为长江中游城市群的重要组成部分,长株潭城市群被列为培育新型城镇化战略格局的重点城市群之一[32],在城市化快速发展背景下城市扩展与生态环境质量之间的矛盾突出,具有一定代表性。
图1 研究区地理位置
1.2 数据源及其预处理
本文所用数据如表 1所示,Landsat遥感数据以1990年、1995年、2000年、2005年、2010年、2015年和2020年为中心年份,选取当年及前后年份生长季(4—10月)云量较少且影像质量较好的Landsat5 TM 和 Landsat8 OLI作为主要数据,并基于GEE云平台在完成去云和去水掩模等预处理后进行RSEI计算。本文采用土地利用数据、人口密度数据、夜间灯光数据、降水数据、气温数据以及DEM数据表征研究区自然、社会发展情况,并作为影响因子参与地理探测器计算。其中2020年人口密度缺失,故采用2019年人口密度数据代替2020年人口密度数据,降水和气温数据为逐月数据集,为使数据时相保持一致,故选取4—10月的平均值作为代替值。各数据源在分辨率、投影和空间范围等方面存在不一致,因此在开展研究之前,根据研究区范围统一进行投影转换和裁剪。考虑到各数据分辨率的不同,最终采用最邻近法生成100 m×100 m分辨率数据。
表1 数据来源及预处理
2 研究方法
2.1 RSEI的计算
RSEI是一种完全基于遥感数据得到的综合分析区域生态环境的方法,可以客观反映区域的生态环境质量[17]。该方法选用绿度(normalized differential vegetation index, NDVI)、湿度(wetness,Wet)、热度(land surface temperature, LST)以及干度(normalized differential soil index, NDSI)4个生态变量,能够直观反映区域生态环境质量优劣情况[33]。各生态指标的计算方法如下[34]:
NDVI=(BNIR-Bred)/(BNIR+Bred)
,
(1)
WetTM=0.031 5Bblue+0.202 1Bgreen+0.310 2Bred+0.159 4BNIR-0.680 6BSWIR1-0.610 9BSWIR2,
(2)
WetOLI=0.151 1Bblue+0.197 3Bgreen+0.328 3Bred+
0.340 7BNIR-0.711 7BSWIR1-0.455 9BSWIR2,
(3)
LST=T/[1+(λT/ρ)lnε] - 273.15 ,
(4)
NDSI=(IBI+SI)/2
,
(5)
,
(6)
SI=[(BSWIR1+Bred)-(BNIR+Bblue)]/[(BSWIR1+Bred)+(BNIR+Bblue)]
,
(7)
式中:Bi为 Landsat 波段的地表反射率;SI为土壤指数;IBI为建筑指数。由于4个指标的量纲不统一,为减小对研究结果的影响,将各指标进行归一化处理,使量纲在0～1之间。计算公式为:
NI= (I-Imin)/(Imax-Imin)
,
(8)
式中:NI为归一化指标;I为原始指标;Imin为指标I的最小值;Imax为指标I的最大值。
经过归一化的4个指标通过主成分分析方法进行合成,并选取得到的第一主成分作为RSEI,值越大表示生态环境质量越好,计算公式为:
RSEI=PCA1[f(NDVI,Wet,LST,NDSI)] 。
(9)
2.2 Sen斜率估计和MK检验的趋势分析
本文利用Sen斜率估计和MK检验进行长株潭城市群生态环境质量的变化趋势分析。Sen斜率估计,是一种稳健的非参数统计的趋势计算方法。该方法计算效率高,对于测量误差和利群数据不敏感,适用于长时间序列数据的趋势分析[35]。MK检验是一种非参数的时间序列趋势性检验方法,其不需要测量值服从正态分布,不受缺失值和异常值的影响,适用于长时间序列数据的趋势显著检验[36]。
Sen斜率估计的计算公式为:
(10)
式中:β为时间序列数据的趋势变化;RSEIj和RSEIi为时间序列的RSEI值,1
MK检验统计量S的计算公式为:
(11)
(12)
根据时间序列长度n值的不同,显著性检验统计量的选择也对应发生改变。当n≥10时,统计量S近似服从标准正态分布,此时用检验统计量Z趋势检验,Z值的计算如下:
,
(13)
。
(14)
采用显著性水平α=0.05进行显著性检验。生态环境质量变化等级如表 2所示。
表2 生态环境质量变化等级
2.3 地理探测器影响因素分析
地理探测器是探测和利用空间分异性的工具,包括分异及因子探测、交互作用探测、风险区探测和生态探测[37]。本文主要采用分异及因子探测和交互作用探测来揭示不同因素及其相互作用对长株潭城市群生态环境质量的影响。
1)分异及因子探测。探测因变量Y的空间分异性,以及自变量X对因变量Y影响程度q的空间分异。本文中,q为单因子对生态环境质量的影响程度,计算公式为:
,
(15)
2)交互作用探测。识别不同影响因素Xi之间的交互作用,即评估影响因素X1和X2共同作用时是否会增加或减弱对因变量Y的影响。具体实现方法为: 首先,分别计算因素X1和X2对Y的q值,即q(X1)和q(X2); 其次,计算它们交互时的q值,即q(X1∩X2); 最后,对q(X1)、q(X2)与q(X1∩X2)进行比较[30],如表3所示。
表3 交互作用q值与单因子q值对比关系表
结合数据的可获取性原则,从人文(土地利用、人口密度和夜间灯光)和自然(DEM、降水量和温度)2个角度,选取6个影响因素作为自变量X,将RSEI作为因变量Y。为客观准确获取因子探测分析结果,运用ArcGIS 10.7软件,将上述自变量X转化为栅格数据,运用自然断点法进行分级赋值,综合考虑研究区面积和空间特征等因素,创建研究区范围内3 km×3 km格网,以格网中心点为样本点,共计3 122个,通过格网中心点分别匹配RSEI值与6个影响因素值,利用地理探测器进行分异及因子探测和交互作用探测,揭示不同影响因素的空间分布及其因素间交互作用对生态环境质量的影响。
3 结果与分析
3.1 长株潭城市群生态环境质量空间格局
RSEI值从0～1表示生态环境质量由差到好,本研究RSEI数据主要集中在0.3～0.8之间,尤其在0.4～0.7之间分布密集,符合正态分布。为表述清晰且便于计算,采用自然断点法对7期RSEI结果进行分级,计算各级平均值后进行取整处理,以此作为长株潭生态环境质量最终分级标准[38]。将生态环境质量等级划分为5类,分别为“差”[0,0.40)、“较差”[0.40,0.55)、“中等”[0.55,0.65)、“良”[0.65,0.70)、“优”[0.70,1]。1990—2020年长株潭城市群生态环境质量分类结果如图2所示。长株潭城市群生态环境质量的空间分布总体上遵循“边缘地区较好,核心区较差”的格局。生态环境质量“优”和“良”的地区主要分布在长株潭城市群的东北部和东南部边缘区,如浏阳市东部、攸县东部、茶陵县北部和东南部以及炎陵县的大部分地区。生态环境质量“差”和“较差”的地区不断增加,主要集中在开福区、芙蓉区、雨花区和雨湖区等城市群中部核心区。
(a) 1990年 (b) 1995年 (c) 2000年 (d) 2005年
生态环境质量分类的面积和百分比如图3所示。1990—2000年RSEI值呈现下降趋势,2000—2020年RSEI值呈现上升趋势。1990—2020年30 a间生态环境质量“优”和“良”面积平均占比大于60%,长株潭城市群生态环境质量整体向好。生态环境质量等级“优”和“良”上下浮动的面积占比在10%～15%之间,2020年“优”和“良”的面积占比最大。1990—2020年生态环境质量“差”的面积占比总体呈上升趋势。总体而言,1990—2020年长株潭城市群生态环境质量整体呈现上升趋势。
图3 生态环境质量分类的面积占比
图4 长株潭城市群生态环境质量变化趋势空间分布
图5 1990—2020年长株潭城市群县区生态环境质量变化情况
3.2 长株潭城市群生态环境质量变化趋势
采用Sen斜率估计和MK检验得到1990—2020年长株潭城市群生态环境质量时空变化趋势图,并依据2.2.2中生态环境质量变化等级进行分类,结果如图 4所示。“显著退化”地区主要位于研究区中部核心地区,城市建成区急剧扩张,城市建设面积不断扩大造成生态环境质量不断恶化。“不显著退化”地区主要位于炎陵县中部、攸县和茶陵县交界处、浏阳市西北部。“无变化”地区主要位于河流和湖泊。“不显著提升”地区在整个研究区内分布较为分散。“显著提升”地区主要位于研究区茶陵县西南部、攸县西部、湘潭县和湘乡市。1990—2020年长株潭城市群生态环境质量“显著提升”面积为4 168.22 km2,占比为14.82%,“不显著提升”面积为18 150.14 km2,占比为64.55%; “无变化”面积为511.28 km2,占比为1.82%; “不显著退化”面积为4 742.69 km2,占比为16.87%,“显著退化”面积为545.93 km2,占比为1.94%。长株潭城市群生态环境质量显著提升。
1990—2020年长株潭城市群县区生态环境质量变化情况如图 5所示,其中,退化=显著退化+不显著退化,提升=显著提升+不显著提升; 中心城区为雨湖区、岳塘区、芙蓉区、开福区、天心区、望城区、岳麓区、荷塘区、芦淞区、渌口区、石峰区和天元区,不同县区的空间分布和生态质量变化百分比呈现出不同的变化趋势。总体而言,长株潭城市群的中心城区呈现出明显的退化趋势,且“不显著提升”的地区主要分布在边缘县区。芙蓉区、天心区和开福区生态环境质量退化面积占比较大,分别占城市总面积的58.99%,57.84%和52.30%。湘潭县、湘乡市、浏阳市、宁乡市、茶陵县、醴陵市、渌口区、炎陵县、攸县生态环境质量提升面积占比大于80%。
3.3 长株潭城市群生态环境质量影响因素
地理探测器各因子空间分布如图6所示。土地利用类型中城乡、工矿、居民用地较集中出现在中部核心地区,林地分布在东北部和东南部地区。人口密度和夜间灯光的空间分布大体一致,均呈现中部核心建成区数值较高,东北部和东南部地区山区数值较低。海拔表现为东北部和东南部山区到中部平原放缓的空间形态。降水量呈现由中部向四周逐渐增加的趋势。温度呈现由中部向四周逐渐降低的趋势。
(a) 土地利用类型 (b) 人口密度 (c) 夜间灯光
3.3.1 分异及因子探测结果分析
根据地理探测器模型的分异及因子探测结果(表4)所示,所有影响因子的显著性检验P值均<0.01,表明所选因子均对长株潭城市群生态环境质量的空间分布具有显著影响。1990—2020年间q值排名第一依次为DEM(0.296 1)、DEM(0.217 7)、土地利用(0.291 6)、夜间灯光(0.293 5)、土地利用(0.367 9)、夜间灯光(0.335 1)和土地利用(0.339 7)。1990—1995年间,DEM和温度对生态环境质量的影响排名前二,而土地利用和夜间灯光对生态环境质量的影响位于末尾阶段。2000年土地利用对生态环境质量的影响排名第一,DEM对生态环境质量的影响降至第二,但温度和降水要高于夜间灯光和人口密度对生态环境质量的影响。2000年对生态环境质量的影响由自然因素向人文因素的过渡。2005—2020年间,土地利用和夜间灯光对生态环境质量的影响排名前二,而降水和温度等自然因素对研究区的生态环境质量影响位于末尾阶段。综合来看,1990—2000年间自然因素>人文因素的影响,2005—2020年人文因素>自然因素的影响。
表4 分异及因子探测结果的q值①
3.3.2 交互作用探测结果分析
分别对1990年、1995年、2000年、2005年、2010年、2015年和2020年7期因子交互作用结果进行排序,将交互作用影响排名前10的因子组合整理得到表5。1990—2020年间各因素间的交互作用表现出对生态环境质量的影响具有小范围波动,呈现先增强后减弱趋势。1990—2010年q值排名第一的为土地利用∩海拔,分别为0.349 6,0.329 1,0.426 6,0.437 5和0.520 7; 2015—2020年q值排名第一的为土地利用∩夜间灯光0.427 2和0.410 5,与分异及因子探测结果相比q值提升程度在5%～15%之间。1990—2010年交互作用q值在不断升高,从0.349 6到0.502 7,2020年跌落至0.410 5。排名前十的影响因素中多以土地利用、夜间灯光、DEM和人口密度两两组合。在2010年以前土地利用和DEM对生态环境质量表现出较突出的影响作用,说明2010年以前人文和自然因素都对生态环境质量产生影响。在2015年后土地利用和夜间灯光对生态环境质量表现出较突出的影响作用,说明2015年以后人文因素成为生态环境质量主要的影响因素。结果显示,各因子在交互作用下对生态环境的影响度均比单因子大,说明长株潭城市群生态环境质量并不仅仅是单因子作用的结果,而是各因子交互后增强的结果。
表5 因子交互作用探测结果的q值
综合地理探测器的分析结果,长株潭城市群的生态环境质量空间分异性不仅是单一影响因子直接、独立作用的结果,而是人文因子和自然因子等影响因素交互后互相增强的综合作用导致的。分异及因子探测和交互探测结果的差异反映出,对于长株潭城市群生态环境质量的空间分异性的影响,大部分影响因子通过与其他因子的协同作用可以比单独作用更好地体现出来。
4 讨论与结论
4.1 讨论
长株潭城市群生态环境质量变化主要受到自然因素和人文因素的双重作用。1990—2000年自然因素>人文因素对生态环境质量的影响,2000—2020年人文因素>自然因素对生态环境质量的影响。1990—2000年,长株潭城市群呈现自然式发展,人为干预因素少,使该时期内自然因素对生态环境质量的影响较大。2000—2020年,长株潭城市群实施《长株潭城市群资源节约型和环境友好型社会建设综合配套改革试验总体方案》《长株潭城市群生态绿心地区总体规划》和《长株潭城市群生态绿心地区保护条例》等保护和管理措施,开始建立区域性生态环境补偿机制,提出“一核三带”发展战略,增强了长株潭城市群向周边的辐射能力,更加突出长株潭城市群生态绿心的优先定位。随着生态文明建设理念的不断推进与落实,城市群发展更加注重向绿色转型,生态环境质量明显变好。这一系列的理念和管理措施使得人文因素的影响迅速提升。
本文通过GEE平台极大地提高了影像处理的效率,同时结合地理探测器定量分析了影响因素交互作用对生态环境质量的影响。本研究可为未来新兴城市群可持续发展提供相关参考。然而,本文仍存在一定局限性。首先,本文仅确定了城市群尺度上生态环境质量的主导因素,缺乏对更加精细尺度下生态环境质量的影响因素分析,下一步考虑利用其他地理空间模型,如时间地理加权回归模型,在县区级、格网级等精细尺度上探究生态环境质量与影响因素的时空关系。此外,对于自然和人文因素之间交互作用的复杂机理探讨不够深入,未来可纳入能反映区域自然和人文发展状况的多源大数据,探索新时代生态环境与社会经济协调发展模式,利用网络分析等方法探究区域生态环境质量影响因素之间的关系。
4.2 结论
本文运用GEE计算1990—2020年长株潭城市群的RSEI,首次揭示长株潭城市群生态环境质量的时空分布特征,利用Sen斜率估计和MK检验分析长株潭城市群生态环境质量的时空变化,并运用地理探测器进一步定量解析影响生态环境质量的影响因素及各因素的交互影响,得出以下主要结论:
1)长株潭城市群生态环境质量总体较好,空间分布总体上遵循“边缘地区较好,核心区较差”的格局。长株潭城市群生态环境质量等级为“优”和“良”的面积平均占比超过60%。可持续发展理念转变了长株潭城市群城市无序扩张的发展模式,使得城市群RSEI总体上呈现先下降后上升趋势,并在2000年出现拐点。
2)虽然城市群RSEI总体呈上升趋势,但中心城区生态环境质量退化严重,非中心城区生态环境质量变化以提升为主。生态环境质量“显著提升”的县区分布在南部、西部和北部地区(茶陵县、湘潭县、湘乡市和宁乡市等); “显著退化”的县区主要分布在中部核心城区(岳塘区、芙蓉区、开福区等)。
3)1990—2020年30 a间DEM、土地利用和夜间灯光对长株潭城市群生态环境质量影响较强,人口密度、降水和温度的影响作用较弱。1990—2000年间自然因素大于人文因素的影响,2005—2020年人文因素大于自然因素的影响。分异及因子探测和交互作用探测表明,交互作用相比单因子,对生态环境质量的影响提升5%～15%。2010年前人文因素和自然因素间的交互作用对生态环境影响较强,而2015年后人文因素间的交互作用对生态环境质量影响较强。
