基于变异系数法的县域环境承载力评价

王 毅,陈 曦,潘子桐,方志策

(1.中国地质大学(武汉) 地球物理与空间信息学院,湖北 武汉 430074; 2.湖北省地质调查院,湖北 武汉 430034;3.湖北省地质局 遥感应用技术中心,湖北 武汉 430034)

海岸线是陆地与海洋的分界线,具有维持物种多样性、净化海洋环境、旅游娱乐等功能[1]。近几十年来,中国沿海地区的快速发展造成了海岸线的破坏,严重影响了海岸线的生态功能。为了量化人类活动对环境的影响,寻求人与自然的和谐共处,环境承载力(Environmental Carrying Capacity,ECC)引起了学者们的关注。

ECC是指某一时期某一环境状态下,某一区域环境对人类社会经济活动支持能力的极限。早期的ECC评价主要采用主观加权方法如专家评分法、层次分析法等[2-3],评价结果的客观性不足。随着地理信息系统、空间分析等新兴技术在该领域的应用,研究人员开始了ECC的定量研究[3-4]。为了减少或消除主观因素对评价结果的负面影响,研究人员开始在该领域应用主成分分析、熵权、变异系数等客观加权方法[5-7]。区域ECC因其精度高、相关性强和有实用价值逐渐成为主流研究方向[8-11]。近10年来,研究人员不断探索ECC在各个领域研究的可行性,并在水资源、旅游、资源开发等尚未涉足ECC研究的领域逐渐普及[12-14]。此外,ECC评价理论和方法也得到了进一步拓展,如研究人员提出了生态足迹理论[13]、模糊推理和“驱动—压力—状态—影响—响应”模型[14-16]等,并根据研究区的实际情况而构建了局部ECC评价体系[17],表明ECC评价逐渐向综合性、区域性和广泛性的方向发展[18-19]。近5年来,地理信息系统的快速发展使得ECC的时空动态分析逐渐成为研究热点,研究人员开始对ECC的发展规律和趋势进行分析和预测[20]。目前,ECC的研究呈现出长期监测结果与多因素预测相结合的趋势。时间序列的评价方法研究表明,不同区域的生态环境保护在资源开发利用强度、环境污染等方面存在差异[21]。ECC评价模型关注的是人与自然资源的互补关系,已成为评价区域可持续发展的重要指标之一,评价指标包括但不限于资源可持续利用、环境保护、经济社会发展等方面[22-25]。因此,这些模型已广泛应用于区域ECC的时空动态分析。

目前,生态环境保护相关研究虽然取得了一些成果,但自然资源、人类活动和经济社会发展之间的相互作用极为复杂,并受到跨尺度因素的影响。因此,ECC评价研究还面临着以下挑战:①评价指标体系不完善,构建不同地区的差别化指标体系需要深入探讨;②时空维度的研究相对薄弱,很有必要研究ECC随各种要素的动态变化;③评价指标权重具有主观性和不确定性,需要更客观的权重赋值方法;④ECC评价缺乏综合分析,应更多考虑与其他研究方向的结合。

为深入解决生态环境保护面临的挑战和困难,本文以乐清市为研究区,从环境、社会、经济和污染4个维度中选取18个评价指标构建环境承载力评价指标体系,并采用变异系数法对指标进行赋权,对研究区环境承载力进行综合评价。在此基础上,利用多源数据综合分析研究区生态环境的时空变化趋势。本文研究对于沿海城市的生态文明建设以及可持续发展具有重要的理论意义和实用价值。

1 研究区与数据源

1.1 研究区背景

如图1所示,乐清市位于浙江省东南沿海,瓯江口北岸,西北接雁荡山,东南接海平平原。全市陆地面积1 391 km2,海洋面积284.3 km2。乐清湾处于北纬27°05′～28°23′、东经120°57′～121°16′范围。全市下辖8个街道、9个镇,总人口131.65万人。2020年,该市国内生产总值(GDP)达到1 263.01亿元,人均GDP达到9.59万元,三大产业的经济结构比重分别为1.7%、46.9%和51.4%。

图1 乐清市地理位置

1.2 数据来源及预处理

利用多时相、多光谱遥感影像对乐清市ECC进行分析。覆盖乐清市需要2幅遥感图像,2006—2020年的具体遥感数据列于表1。为保证后续处理的准确性,选取的每张影像含云量不超过5%。土地利用数据来自武汉大学发布的CLCD中国土地覆盖数据集[26],降雨数据来自全球降雨数据集(https://data.chc.ucsb.edu/products/CHIRPS-2.0/global_annual/),人口密度数据来自World Pop人口密度数据集(https://hub.worldpop.org/),其余统计数据来自《乐清年鉴》[27]。将收集到的遥感数据进行辐射定标、大气校正、镶嵌、裁剪等预处理。利用ArcGIS 10.7软件将各统计指标数据进行空间化,并进行重采样至30 m的空间分辨率。

表1 乐清市遥感影像

1.3 环境承载力评价体系和评价指标

沿海城市作为高速发展区和对外开放的窗口,人口密度和产业水平通常高于内陆城市,从而导致更严重的环境污染问题,损害空气、水、土壤、生态和景观,进而威胁城市环境的可持续性。此外,环境污染也直接影响城市居民的生活和健康,因此将其纳入沿海城市的可持续发展评估体系。沿海城市的ECC指的是在合理开发资源和实现资源循环利用的前提下,确定某一地区可以容纳的人口规模和经济社会活动的范围,而不对环境造成不可逆转的破坏。在ECC系统中,环境是经济社会发展的基础,但经济社会的发展会增加对自然环境的需求和压力,导致环境污染问题。沿海城市,尤其是港口和工业中心,生态压力更大。同时,人类作为主要的生产者,可以通过加强对环境的保护和污染的治理,来提高资源利用效率和污染控制能力。因此,各系统的协调发展是实现ECC的关键。

根据ECC评价体系,选取18个评价指标,包括9个正向指标和9个负向指标(表2)。环境系统在一定程度上反映了经济社会对环境空间占用、破坏和污染的容忍度,是评价城市环境承载力的重要指标,其中降雨量、湿度、酸雨率、归一化差异植被指数等指标可以反映城市的气候和自然生态状况;森林覆盖率和自然岸线率可以用来衡量城市的内陆生态环境和海洋生态状况;人均耕地面积、人口密度等指标也是衡量城市环境质量的重要因素。社会系统作为物质生产的主体,其发展离不开对资源的消耗,这将对环境产生各种影响,可以反映沿海城市的社会活动和社会发展水平,其中工业废弃物综合利用率和工业用电量可以反映城市工业化的程度以及资源利用效率;土地利用指数可以反映城市的土地开发强度;环保投入可以反映出城市对于环保的重视程度。经济系统是生态环境保护评估的重要组成部分,人均GDP和第三产业占比可以反映城市经济发展水平和产业结构。污染系统也是影响沿海城市生态环境保护的重要因素之一,化学需氧量、废水排放量、工业固体废物排放量和SO2排放量等指标可用于评价城市的污染控制能力以及水和空气资源的利用。综合考虑这些指标,可以更全面地评价沿海城市的ECC状况,有助于制订相应的环境保护政策和治理措施。

表2 乐清市ECC评价指标体系

2 环境承载力评价方法

在构建环境承载力评价指标体系以后,需对各指标进行标准化,运用变异系数法对各指标赋予权重,再结合综合指数法得到乐清市历年环境承载力结果,并分析乐清市的ECC时空变化趋势。

2.1 数据标准化和指标赋权

由于各指标的种类和单位不尽相同,为了消除量纲的影响,在对各指标赋权之前,需对各指标进行标准化处理,且各指标对环境承载力的影响有正有负,因此采用极差标准化的方法对各指标进行标准化[28-34]:

当指标为正向时,即有:

(1)

当指标为负向时,即有:

(2)

式中:x为某评价指标的标准化值;xi为该指标的初始值;max(xi)和min(xi)分别为该指标的最大值和最小值。

数据标准化后,利用变异系数法计算各指标的权重[30]。变异系数法是根据各指标的详细数值与目标值的变异程度来对各指标进行赋权,当某指标各数值差异较大且能明确区分开各被评价的对象时,说明该指标的分辨信息丰富,会有较大的权重;反之该指标会有较小的权重,可以有效地降低指标赋权的主观性。公式如下:

(3)

(4)

2.2 ECC计算与评价

本文采用综合指数法计算乐清市环境承载力得分。综合指数法是在确定了合理的评价指标体系以及各评价指标的权重以后,对各指标个体指数加权平均,计算出综合值,以评价某项内容的综合水平[35-36]。综合指数法的计算公式如下:

(5)

式中:X为ECC综合得分;si为第i个指标的权重;xi为第i个指标数据的标准化值;n为指标数量。

得到ECC结果后,使用Sen-Mann-Kendall趋势检验法对研究区进行定量评价[37-38]。Sen斜率估计法是一种利用中位数函数研究长期序列的方法,但它不能实现时间序列趋势的显著性检验。Mann-Kendall趋势检验法不要求样本数据服从特定分布,不受少数离群值的影响。因此,将时间序列趋势的显著性检验与该方法相结合对ECC进行分析。

Sen斜率估计法计算公式如下:

(6)

式中:β为趋势度;xj和xi为时间序列的数据。

趋势度β可以判断时间序列趋势的涨跌,当β>0时,时间序列呈上升趋势;当β<0时,时间序列呈下降趋势。

时间序列的Mann-Kendall趋势检测法公式如下:

(7)

(8)

式中:S为趋势检验的统计量;xj、xi为时间序列的数据;n为时间序列的序列数。

当n<10时,直接使用统计量S进行双边趋势检验;n>10时,使用统计量Z进行趋势检验,计算公式为:

(9)

(10)

式中:m为序列中结(重复出现的数据组)的个数;ti为结的宽度(第i组重复数据组中的重复数据个数)。

在本文中,对统计量Z进行双边趋势检验。在给定的显著性水平上,当|Z|≥Z1-α/2时,趋势显著;当|Z|≤Z1-α/2时,趋势不显著。

3 海岸线分析

3.1 海岸线提取

本文尝试探索沿海城市环境承载力变化与海岸线变迁的关联性,利用遥感技术提取相应年份的海岸线,并结合海岸线的变迁对环境承载力进行分析[39-40]。

本文使用面向对象分类法将研究区划分为海域和其他区域,然后提取两者边界作为研究区的海岸线[41]。首先构建海岸线遥感解译标志。研究区海岸线分为自然岸线和人工岸线两种类型,解译标志如表3所示。

表3 海岸线遥感解译标志

本文采用面向对象分析软件eCognition对研究区海岸线进行提取。在分类前,采用多尺度分割法对遥感图像进行分割,根据图像中不同波段的权重、紧致度和平滑度,将具有相同特征的像素点分组为同质对象。在输入待分割图像之前,可以输入辅助波段来提高图像分割的精度。由于最终目标是提取海域与其他区域之间的海岸线,因此使用改进的归一化差异水指数(Modified Normalized Difference Water Index,IMNDW)作为图像分割的辅助波段。水体的IMNDW值相较于其他地物较高,接近白色,具体公式如下:

(11)

式中:p(Green)和p(SWIR)分别代表遥感图像的绿波段和短波红外波段。

分别对8期遥感影像调整分割尺度、形状因子、紧致因子3个参数,进行控制变量实验,得到每一期影像各自的最佳分割尺度。尺度分割以后,对研究区进行影像分类,得到海域和其他区域的二分类图像,将分类后的图像导入到ArcGIS软件中,对海域和其他区域的分界线进行提取,即得到研究区海岸线。由于某些区域受到一些因素的干扰,导致该区域分类结果较差,因此需结合当年的遥感影像对海岸线进行修正,使之更符合实际情况。

3.2 耦合度分析

通过分析ECC变化速率与海岸线变迁速率之间的耦合度来探索两者的关联性。耦合是指多个系统通过各种交互作用相互影响的现象,耦合度强调系统之间或系统内部要素之间的相互作用[42]。公式如下:

(12)

式中:U1、U2表示各子系统值;C(0≤C≤1)表示耦合度,C值越大,说明耦合越好。

4 实验结果与分析

根据上述研究方法得到乐清市2006—2020年的环境承载力结果以及对应年份的海岸线提取结果,并根据实验结果对环境承载力进行综合分析[43]。

4.1 ECC评价结果

首先根据变异系数法得到各指标权重,如表4所示。得到各指标权重后,使用ArcGIS 10.7软件将标准化后的各指标数据空间化并利用其栅格计算器得到乐清市2006—2020年ECC评价结果[44-45](图2)。总体来看,乐清市ECC的历年分布特征相似。近年来,乐清市经济快速发展,海岸线不断向海延伸,相应地,东南沿海区域生态环境压力较大,人与自然矛盾突出,ECC得分较低;受地形影响,西北部地形以山地为主[27],该地区环境良好,资源丰富,人口密度相对较低,商业和农业活动较少,因此ECC得分普遍较高。

表4 各指标权重

图2 乐清市2006—2020年ECC评价结果

根据前人研究经验,按照ECC得分将评价结果分为5个等级[5,10,12],如表5所示。忽略极少量像元的分级间隔,根据该分级,得到如图3所示的乐清市不同年份的ECC分级结果。可以看出,2006—2020年乐清市ECC总体呈下降趋势,2006—2012年,持续下降,可能与经济发展不平衡有关。21世纪初,乐清市处于“撤县设市”初期,发展迅速,随着城市化进程的加快和经济的快速增长,自然资源消耗和污染排放的规模也在不断增大,废弃物排放对经济发展的制约作用越来越突出,生态环境保护面临巨大压力。2012—2018年,乐清市ECC持续上升,到2018年,其ECC与2006年基本持平。“十二五”期间,乐清市按照生态文明建设的新要求,深入实施生态环境保护和“811”生态文明建设推进行动,生态保护取得积极进展,环境保护取得积极成效。“十三五”期间,环境保护投入明显增加,环保执法力度加强,全民环保意识进一步提高,生态环境质量得到有效改善。2018—2020年,ECC有所下降,表明未来生态环境治理仍不可掉以轻心,与2006年相比,这一时期的环境水平仍处于恢复和不稳定状态,环境质量现状与公众的需求和期望还存在较大差距。

表5 ECC等级划分

图3 2006—2020年ECC等级分布情况

如图4所示,根据ECC评价结果计算得到Sen斜率分布与Mann-Kendall显著性变化结果,可对乐清市ECC时空变化趋势作进一步分析[46]。从图4-a可知,大部分区域ECC呈轻微上升趋势,部分区域呈下降趋势。结合遥感影像可以看出,大部分下降区域位于沿海区域。根据Mann-Kendall显著性变化结果可分为轻微显著下降(-1.96

图4 乐清市ECC的空间变化及显著性变化

4.2 海岸线提取结果

在eCognition软件中根据实验得到8期遥感影像二分类的最佳分割尺度(表6),对遥感影像进行二分类,提取海岸线,再将海岸线提取结果导入ArcGIS软件中,结合遥感影像对海岸线进行修正。从时间尺度上看,2006—2020年乐清市海岸线不断向海一侧推进(图5)。根据海岸线提取结果以及相关资料分析,主要有以下原因:近年来虹桥镇、盐盆街道、城南街道、城东街道等地区不断围海造田,或建立经济开发区,或建设港口码头,导致填海造陆面积比较大,使海岸线向外扩张明显。

表6 历年影像最佳分割尺度

图5 影像分割结果示例和海岸线提取结果

表7为2006—2020年乐清市海岸线长度和自然岸线率,可以看出,2010—2016年,海岸线长度变化较小,但总体呈增加趋势。同时,自然岸线率呈下降趋势,说明乐清市沿海区域的发展导致了人工岸线长度的增加。此外,2020年的自然岸线长度较2006年减少近半,远低于中国海洋局2020年印发的《海岸线保护与利用管理办法》中的自然岸线率不低于35%的要求。

表7 历年海岸线长度和自然岸线率

4.3 ECC与海岸线变化耦合度

如图6所示,分析了2006—2020年ECC变化速率和海岸线变迁速率之间的耦合度变化,结果表明乐清市ECC变化和海岸线变迁的耦合度整体呈现较高水平,相关性强,但在个别年份有所波动。2006—2008年和2010—2012年,两者的耦合度较低,主要原因是ECC与海岸线之间的速率变化差异较大,相互作用不平衡。2008—2010年,两者的耦合度处于较高的状态,主要原因是ECC与海岸线之间的变化速率差异较小,相互作用较为稳定。2012—2018年,两者的耦合度长期处于较高水平,主要原因是当地生态环境得到了改善,ECC不断上升,同时海岸线变迁速率慢,差异较小,相互作用较为和谐。2018—2020年,两者的耦合度有所下降,主要原因是ECC变化速率为负,环境质量下降,导致与海岸线变迁速率之间的差异较大,相互作用较为不稳定,虽未下降至2006—2008年与2010—2012年很低的水平,但对于未来的生态环境保护仍不可掉以轻心。

图6 乐清市耦合度变化情况

4.4 乐清市生态化建设

由乐清市ECC评价结果可知,2006—2020年乐清市ECC不断下降,沿海区域下降较明显,其中下降最严重的主要有翁垟街道、盐盆街道、城东街道和虹桥镇港口处。由海岸线提取结果可知,以上地区的海岸线在15年来不断向海域扩张,海岸线的变迁在一定程度上反映了ECC质量高低,海岸线15年来扩张较大的区域中,多数区域ECC下降趋势也更严重(图7)。因此,结合15年来的海岸线变迁情况,提出保护修复建议,可以为未来乐清市环境修复治理提供一定参考。

图7 乐清市ECC变化趋势和海岸线扩张情况

北白象镇和柳市镇的海岸线位于乐清市海岸线最南端,当地多为人工岸线,已建有港口,但近年来海岸线变化不明显,没有遭受进一步的改变;虹桥镇位于乐清市海岸线中部,于建设港口码头处海岸线变化较大,其余地区海岸线变化较小,这些区域可保留现有的海岸线开发活动,不再进行围海造田等项目,可在不损害海岸线环境的前提下适当发展,但要加强海岸线的管理,促进环保与开发相协调。翁垟街道、盐盆街道和城东街道位于乐清市海岸线南部,是15年来海岸线变化最大的区域,同时也是ECC下降趋势最大的区域,这些区域应停止围海造地活动,积极开展海岸线修复工作,让已形成的人工岸线开展生态化建设,保留海岸线退让距离,加速生态功能恢复,向不低于35%的自然海岸线率目标迈进。

5 结论

为提高沿海城市生态环境评价的客观可靠性,本文提出了“环境—社会—经济—污染”的ECC评价体系[47]。具体而言,本文首先根据乐清市的实际情况构建了ECC评价体系,然后依据评价体系选取18个评价指标对乐清市ECC进行评价和分析[48],同时提取乐清市相应年份的海岸线;在此基础上,分析了ECC变化与海岸线变迁的关联。根据实验结果,可以得出以下结论:

(1) 在过去15年(2006—2020年)中,乐清市经济快速发展,城市化水平不断提高,各种污染物的排放量也在不断增加,导致2006—2012年,乐清市平均ECC得分从0.573 9下降到0.417 9,表明环境质量恶化;2012—2018年,乐清市ECC恢复增长,平均ECC得分从0.418 9上升到0.571 7,表明环境质量有所改善;2018—2020年,乐清市ECC再次下降,平均ECC得分从0.581 8下降到0.472 8,表明环境质量再次恶化。

(2) 15年来,乐清市海岸线不断向海延伸,自然岸线率也持续下降。海岸线总长度由2006年的121.48 km 增加到2020年的156.22 km,自然岸线率由20.63%下降到8.36%。

(3) ECC变化与海岸线变迁存在一定关联,15年间整体相关性强,乐清市海岸线15年来变化较大的区域中,多数ECC下降趋势也更严重,未来乐清市当地生态环境保护工作不可掉以轻心。