珠三角地区近20 年城镇化与景观生态安全耦合协调分析

吴大放，甘梓莹，宁芳洁，何晓莉，郑嘉欣，赖焕明

1.广州大学地理科学与遥感学院

2.北京大学地表过程分析与模拟教育部重点实验室

在城镇化快速发展、人类活动不断加强的背景下，一系列生态问题日益凸显，尤其是沿海城镇化密集地区的建设用地快速无序增长形成生态干扰及导致生境破碎化，造成资源环境承载力严重超载，危及到人地和谐关系和可持续发展[1]。如何建设绿色和谐的宜居城市、耦合协调城镇化与生态安全格局、实现可持续发展[2-3]成为当前研究热点。国内外学者对城镇空间扩展带来的生态环境效应展开了深入研究。国外对生态风险评价的研究始于20 世纪30 年代，之后经历了从定性到定量再到模拟与预测的发展过程。早期研究多考虑城镇空间扩展对单个生态现象的影响[4]，研究发现城市的扩展对气候、水资源和地质环境均产生了深刻的影响；此外，一些学者对城镇扩展模式造成的生态系统的变化差异进行研究[5-6]，发现不同城市扩展模式引起的生态系统变化存在差异；如今，学者多利用GIS 技术和各种模拟与预测模型对该类环境变化进行研究[7-8]，为城市建设的合理布局以及生态系统的保护提供理论基础和决策支持。我国学者对于城镇空间范围变化的生态环境效应也进行了广泛而深入的探索，早期研究集中于土地利用变化对单一生态环境要素的影响，如今发展到其对区域整体生态环境影响的研究[9]，研究范围从生态环境脆弱区或经济落后地区，逐步拓展到经济发达地区土地利用变化的生态环境综合效应[10]。一些学者借助景观安全理论，分析在生态条件约束下，城镇扩展的界限和生态底线[11-12]；还有学者以我国生态环境状况评价技术规范为标准，根据其中的生态环境状况评价指标，将城镇空间扩展作为区域生态环境变化的主要影响因子，对区域生态环境质量进行评价[13-14]。随着地理信息技术的完善，一些学者基于遥感数据源，整合各种统计模型和数学模型，通过遥感、GIS 等技术平台，对不同地区进行生态风险评价[15]。总体来看，在地理信息技术、地理过程模拟、空间优化模型等方法的支撑下，学者们拓展了城镇空间扩展与景观生态安全的分析视角，明确了两系统之间相互协调与制约作用研究的重要性。但现有研究主要对城镇化过程中生态风险效应进行评价以及从景观格局方面分析城镇用地面积变化，而探讨城镇化导致的景观生态风险变化及对二者的耦合关系的研究相对较少，难以解释城镇化与景观生态安全的相互关系，无法从动态演变和发展趋势的视角去研究城镇空间扩展与景观生态发展过程中出现的生态问题及解决方案；从空间尺度上来看，已有研究多以单一城市为研究对象，缺乏从区域尺度上探讨城镇化发展与景观生态安全的协调研究，亟需拓展研究范围和深度。

珠三角地区经济发展水平和城镇化程度高，快速城镇化导致的生态安全问题是困扰该地区经济优质协调发展的重要因素之一。根据《粤港澳大湾区发展规划纲要》，广东省政府开展了《广东省国土空间规划（2020—2035 年）》的编制工作，围绕构建“一核一带一区”区域发展格局，亟需全面构建安全、繁荣、和谐、美丽的高品质国土空间，改善生态环境，实现生态文明建设，其中“一核”指要强化珠三角地区的核心引领带动作用。因此，笔者以珠三角地区9 市为研究对象，从城镇化及景观生态安全2 个角度入手，系统阐述二者间耦合协调作用及其驱动机理，模拟预测城镇化与景观生态安全耦合协调的发展趋势，探索城镇化和景观生态安全发展规律，以期为珠三角地区可持续发展提供科学理论依据，为区域可持续发展的政策制定提供科学的决策依据。

1 研究方法与数据来源

1.1 研究区概况

珠三角地区位于广东省中南部，濒临南海，为珠江出口处，包括广州市、深圳市、佛山市、东莞市、中山市、珠海市、江门市、肇庆市、惠州市共9 个城市（图1），城市群占地面积为5.6 万km2，常住人口为0.59 亿人。珠三角地区生态要素众多，形成丰富多样的景观生态格局。改革开放以来，珠三角地区进行了大规模工业化和城镇化建设，城镇覆盖范围急剧扩大，导致城镇分布格局和景观生态安全格局发生了大规模变化。

图1 珠三角地区9 个城市分布示意Fig.1 Distribution of 9 cities in the Pearl River Delta region

1.2 数据来源

选取2000—2020 年珠三角地区9 市的指标数据进行分析，主要数据来源如表1 所示，针对少部分测度年份缺失的数据，采用临近年份数据拟合或采用均值法计算得到。

表1 研究数据及其来源Table 1 The study data and data sources

1.3 研究方法

本研究依次采用以下方法开展珠三角地区城镇化与景观生态安全耦合协调分析：首先，构建城镇化与景观生态安全耦合协调度评价模型，筛选各类评价指标建立评价指标体系；接着，对指标进行标准化处理，采用熵权法赋权，计算得到耦合度（水平），采用耦合协调发展模型，划分城镇化与景观生态安全耦合协调程度，采用相对发展模型，计算城镇化与景观生态安全相对发展类型，分析城镇化与景观生态安全耦合协调演变特征和时空特征；然后，采用多元回归分析模型，分析城镇化与景观生态安全耦合协调驱动机理；最后，采用GM（1,1）模型模拟预测城镇化与景观生态安全的发展趋势，探索城镇化和景观生态安全时空动态发展规律。

1.3.1 指标体系构建

城镇化与景观生态安全耦合协调度评价指标体系由城镇化和景观生态安全2 个系统构成。通过参考近年发表的相关文献[16-26]，综合考虑数据的可得性、可比性和可行性，考虑研究区域的实际情况，最终确定了23 个评价指标（表2）。

表2 珠三角城镇化与景观生态安全耦合协调度指标体系Table 2 Coordination index system of coupling coordination degree between urban spatial expansion and landscape ecological security in the Pearl River Delta

城镇化评价指标，依据《国家新型城镇化规划（2014—2020 年）》，构建包含投入强度时空演变特征、规模状态时空演变特征、产出情况时空演变特征3 个维度共12 个指标的评价指标体系；景观生态安全评价指标，基于“压力—状态—响应”（PSR）框架模型进行指标选取，构建环境压力、环境状态和社会响应3 个维度共11 个指标的评价指标体系[27-29]。

为了使指标能够进行比较和加权，对原始数据进行标准化处理，采用熵权法对指标进行赋权，基于指标数据标准化处理和权重的计算，使用加权平均计算每个指标得到的综合效应值，对应指标的综合评价值之和即为综合评价值，以此来构建综合评价指标体系。

1.3.2 耦合协调度模型

景观生态安全格局与城镇化之间的相互促进、制约的过程是城镇建设发展在地域上的映射，事实上是稀缺的土地资源在数量和空间上重新分配的动态时空发展过程。构建珠三角地区景观生态安全与城镇化耦合度测量模型，公式如下：

式中：DST 为综合城镇扩展指数。REBC 为综合景观生态安全指数。C为景观生态安全与城镇化二元系统之间的耦合度，取值为（0，1]，当C接近1 时说明系统耦合度最大，表示2 个系统间的相关性越高，向有序转变，关系越密切；当C越接近0 时说明系统耦合度越小，2 个系统之间趋向于无关状态，向无序转变（表3）。

表3 耦合度划分类型Table 3 Coupling degree division type

由于耦合度模型只能测度出系统之间的耦合发展状况，无法衡量出系统协调发展水平的高低及二者间的协同效应。因此，需引入耦合协调发展模型，既能反映出系统之间的相互作用的强度，又能体现其协调发展水平的高低[30]。公式如下：

式中：D为二元系统耦合协调度，取值为[0,1]，当D接近1 时说明2 个系统在发展中相互协调支撑；当D接近0 时说明2 个系统在发展中相互羁绊（表4）。T为系统综合调和指数。α、β为待定系数，α+β=1，本研究认为生态文明建设与新型城镇化相互作用、地位同等，故取α=β=0.5。

表4 耦合协调度划分类型Table 4 Classification type of coupling coordination degree

1.3.3 相对发展模型

珠三角经济发展不平衡反映在新型城镇化和生态环境的相对发展不平衡上。运用耦合度测量模型中的DST 和REBC 计算出相对发展度，以此来划分珠三角地区城市的新型城镇化与生态环境相对发展类型。公式如下：

式中，δ为相对发展度。若0＜δ≤0.9，表明生态环境滞后于城镇化；0.9＜δ≤1.1，表明二者同步发展；若δ＞1.1，则表明城镇化滞后于生态环境。

1.3.4 基于多元回归分析的驱动力分析

利用多元线性回归模型，探讨当前城镇化与景观生态安全耦合协调度的主要影响因素。城镇化与景观生态安全的耦合协调发展受多种因素影响，参考已有研究[31-36]并结合实际情况，从经济发展水平、科技投入水平、工业化水平、对外开放程度以及环境治理水平构建指标体系，构建模型开展计量研究（表5）。选取2000 年、2005 年、2010 年、2015 年、2020 年5 个年份的数据，以D为被解释变量，选取各市经济发展水平、科技投入水平、对外开放程度、工业化水平、环境治理水平为解释变量。基于2000—2020 年9 市的面板数据建立耦合协调发展的动力因素计量模型〔式（5）〕。

表5 耦合协调度的驱动力因素Table 5 Coupling coordination degree driving forces variable setting table

式中：Dit为i地区、t时间的耦合协调度；ρ1～ρ5为相关性系数；cons 为常数项；εit为随机扰动项，运用SPSS Statistics 26 计量分析软件进行多元回归分析。

1.3.5 GM(1,1)灰度预测模型

考虑到城镇化与景观生态安全耦合系统受多种因素影响且各因素变化多样，而推进珠三角城镇化建设与景观生态安全优质协调发展需要对城镇化与景观生态安全耦合协调度未来变化情况进行科学预测。GM（1,1）模型可通过建立相应的微分方程模型，预测事物未来发展趋势的状况[37]。GM(1,1)模型是灰度预测模型的核心内容，可增强序列规律性，适用于小样本、有效数据不完备的情况，通用性较强，因此本研究采用灰度预测GM(1,1)模型，具体计算方法参见文献[38]。

根据后验差比值来判定模型的预测精度：一般后验差比值小于0.35，则模型精度高；后验差比值小于0.5，说明模型精度合格；后验差比值小于0.65，说明模型精度基本合格；如果后验差比值大于0.65，则说明模型精度不合格。

2 结果分析

2.1 城镇化与景观生态安全的耦合协调分析

2.1.1 城镇化与景观生态安全格局的耦合协调度时序发展态势

对数据进行时序分析，计算得到城镇化与景观生态安全不同等级D占比的变化趋势（图2）。珠三角地区城镇化与景观生态安全相互羁绊，在不同阶段，二者之间互动耦合的协调程度存在差异。整体来看，2000—2010 年，珠三角地区城镇化与景观生态安全耦合协调度处于轻度失调和濒临失调状态。其中，2000 年轻度失调状态占比较高，不健康的发展状况促使各市加快转型升级的探索。2000—2020 年，珠三角地区轻度失调占比从86%降至10%，而濒临失调状态占比上升。其中，2010 年轻度失调和濒临失调状态占比接近，说明该时期在进行新型城镇化发展的同时注重对生态环境的保护，通过提升资源利用效率、改善人民生活方式来推动城镇化，景观生态安全问题得到改善；2010—2015年，濒临失调状态占比明显上升，勉强协调状态占比也呈上升趋势。总体来说，D逐年上升，反映出20 多年间珠三角地区城镇化与景观生态安全格局耦合协调度水平呈现平稳上升的趋势，景观生态安全的发展也逐步推进。

图2 城镇化与景观生态安全格局的耦合协调度时序特征Fig.2 Temporal characteristics of coupling coordination degree between urban spatial expansion and landscape ecological security pattern

2.1.2 城镇化与景观生态安全格局的耦合协调度时空分布特征

为了更加直观地探究珠三角地区城镇化与景观生态安全耦合协调度的空间分异规律，采用图谱法分析其时空演变特征。目前珠三角地区城镇化与景观生态安全相互羁绊，2000 年的D为0.305～0.436，2005 年为0.332～0.447，2010 年为0.357～0.489，2015年为0.381～0.531，2020 年为0.385～0.545（表6）。珠三角的D整体处于拮抗耦合，并且呈现缓慢波动上升的趋势，其中有超过50%的城市处于轻度失调状态。对5 个年份的对应数据进行可视化分析（图3）可知，2000 年广州市处于濒临失调状态，深圳市、珠海市、佛山市、江门市、肇庆市、惠州市、东莞市、中山市均处于轻度失调状态。2005 年深圳市D提高至濒临失调状态，除广州市和深圳市之外其余城市仍处于轻度失调状态。2010 年广州市、深圳市、佛山市和江门市均为濒临失调状态，其中，佛山市和江门市的D略微上升，由轻度失调转为濒临失调状态，肇庆市、惠州市、东莞市、中山市和珠海市仍处于轻度失调状态。2015 年广州市步入勉强协调阶段，珠海市和惠州市从轻度失调转为濒临失调状态，中山市和肇庆市仍然处于轻度失调状态。2020 年肇庆市的D有所改善，从轻度失调转为濒临失调状态。广州市为勉强协调阶段，深圳市、珠海市、佛山市、江门市、肇庆市、惠州市、东莞市为濒临失调状态，中山市为轻度失调状态。

表6 耦合协调度及相对发展度计算结果Table 6 Calculation results of coupling coordination degree and relative development degree

图3 珠三角地区城镇空间扩展与景观生态安全格局的耦合协调度时空格局Fig.3 Coupling coordination degree of urban spatial expansion and landscape ecological security pattern in the Pearl River Delta

从整体的空间格局来看，2000—2020 年的D分布规律是以省会城市广州市为内圈层，深圳市、江门市、佛山市为次外城市圈，东莞市、惠州市、肇庆市为外城市圈层，D由内圈层向外圈层逐步提高。开发水平较高的城市（广州市、深圳市）在协调发展上存在优势，耦合协调水平相对较高，而其他城市（肇庆市、江门市、惠州市）由于资源开发利用方式过于粗放、产业结构单一、接续替代产业支撑不足，使得新型城镇化和经济社会发展对景观生态环境的影响更加严重，从而导致D较低。珠三角城镇化与景观生态安全格局的协调性整体较差，大多数城市处于濒临失调水平，少部分城市处于勉强协调水平，表明珠三角主要城市城镇化的发展与景观生态安全的推进并不同步，二者发展并不协调。

2.2 城镇化与景观生态安全格局的相对发展空间分析

2000—2020 年珠三角地区的城市发展趋势为新型城镇化滞后型的城市逐渐减少，生态环境滞后型的城市逐渐增多，但新型城镇化滞后型的城市多于生态环境滞后型（图4）。具体来看，2000 年珠三角地区9 个城市皆为新型城镇化滞后型。2005 年开始出现生态环境滞后型、生态环境和城镇化二者同步发展的城市，其中广州市为生态环境和城镇化同步发展型，深圳市为生态环境滞后型，但新型城市化滞后型的城市仍占珠三角地区的7/9，为分布在珠三角西部地区和东北部的珠海市、佛山市、江门市、肇庆市、惠州市、东莞市和中山市，这些城市开发时间较晚、经济实力较弱，城镇化发展速度缓慢，生态环境带来的影响和压力相对较小。2010 年，新型城镇化滞后型的城市占比下降到了6/9，珠三角中部除了深圳市之外，广州市、东莞市也各自从生态环境和城镇化二者同步发展型、新型城镇化滞后型转为生态环境滞后型。2015 年，佛山市由新型城镇化滞后型转变为相对发展型，广州市、东莞市、深圳市虽保持为生态环境滞后型，但其城镇化指数均有不同程度上升，相对发展度数值变小，新型城镇化滞后型的城市占总城市数量的5/9。2020 年，佛山市由相对发展型转变为生态环境滞后型，珠三角地区4 个经济发达城市广州市、佛山市、东莞市、深圳市都为生态环境滞后型。与之相对，珠三角地区的肇庆市、江门市、珠海市、中山市、惠州市在过去20 多年间一直为新型城镇化滞后型城市，城镇化发展在时间和空间上对生态环境影响和压力相对较小，这5 个城市的城镇化发展仍然滞后于生态环境。

图4 珠三角地区新型城镇化与生态环境的相对发展类型空间分布Fig.4 Relative development types and spatial distribution of new urbanization and ecological environment in the Pearl River Delta

2.3 城镇化与景观生态安全耦合协调发展的驱动力

城镇化与景观生态安全的耦合协调发展受多种因素的相互影响。从多元回归结果（表7）可知，经济发展水平的回归系数为0.032，且在1%水平下显著，与D呈显著正相关，说明城市经济实力的提升，有助于促进新型城镇化与景观生态安全的耦合协调发展。科技投入水平的回归系数为0.043，且在1%水平下显著，与D呈显著正相关，说明政府增加投入科教类的资金可以促进科技进步，从而推动珠三角实现城镇化与景观生态安全的耦合协调发展；同时，通过实行支持与鼓励科技型人才和高新技术产业发展的政策，提高各主体对环境治理的参与度，有效提高能源的使用效率，降低能源消耗，促进环境污染治理能力改善和管理效率提高。对外开放程度的回归系数为0.592，在1%水平下显著，与D呈显著正相关，说明扩大对外开放以及利用外资，有助于促进新型城镇化与生态环境的耦合协调发展。工业化水平与D未呈显著的相关关系，对耦合协调发展的影响较小。环境治理水平的回归系数为0.023，在1%水平下显著，与D呈显著正相关，说明对城乡污水的处理有利于保护生态，防止污水流入各级河流破坏生物生存的环境，政府应加快改造城镇污水处理设施，完善排污管网建设，推进城镇污水垃圾处理设施全覆盖和稳定达标运行。

表7 二元系统的耦合协调度的回归结果Table 7 Regression results of coupling coordination degree of binary systems

2.4 基于灰度预测模型的耦合协调度预测

为进一步了解珠三角地区景观生态安全与城镇化耦合协调度在未来20 年的变化情况，以各市2000—2020 年的耦合协调度数据为基础，构建GM(1,1)灰色预测模型，并进行精确度检验。由表8 可知，各市预测模型均满足“高”的精度等级，说明模型预测结果的拟合效果和模型精度较好。2020—2040 年的D预测值如图5 所示，未来20 年珠三角9 市的D延续2000—2020 年的发展趋势，仍保持增长态势，到2040 年广州市、深圳市、惠州市达到优质协调，佛山市、珠海市达到良好协调，江门市、肇庆市、东莞市达到中级协调，中山市达到初级协调。但珠三角地区D的整体年均增长率略有下降，由2000—2020 年的6.49%下降至2020—2040 年的6.25%。

表8 珠三角地区各城市GM(1,1)预测模型精确度检验结果Table 8 Precision verification results of GM(1,1) forecasting model of cities in the Pearl River Delta

图5 2020—2040 年珠三角各城市耦合协调度预测Fig.5 Prediction of coupling coordination degree of cities in the Pearl River Delta from 2020 to 2040

从各市角度分析，2 个系统D呈现“中间高、四周低”的空间分布格局并未被打破。除江门市外，位于珠三角中部的广州市、深圳市、惠州市、佛山市和珠海市分别进入优质协调和良好协调阶段，江门市、肇庆市、东莞市进入中级协调，中山市仅进入初级协调阶段，未能向更高等级发展。综上所述，未来20 年珠三角城镇化与景观生态安全耦合将继续向着协调同步、有序发展的方向前进，但提升速度有所放缓，达到最终的优质协调仍需较长时间，同时城市间的差异仍然存在。未来发展中，各市应当勇于挑战自身的局限，努力实现城镇化建设与景观生态安全的有机结合，以达到更高的整体水平。在新发展理念引领指导之下，转变城市发展模式，走创新绿色发展道路，深入推进生态文明建设，实现产业升级转型，促进城镇化和景观生态持续协调发展。

3 结论与建议

3.1 结论

（1）珠三角城镇化与景观生态安全的耦合协调度在2000—2020 年呈现缓慢波动上升的趋势，但仍处于拮抗耦合阶段。受经济基础、政策支撑、地理区位影响，各城市的耦合协调度空间差异明显，以广州市为内圈层，深圳市、江门市、佛山市为次外城市圈，东莞市、惠州市、肇庆市为外城市圈层，耦合协调度在空间上呈由内圈层向外圈层逐步提高的趋势。

（2）珠三角经济发展不平衡，城镇开发建设与生态环境保护不能同步发展，普遍呈现出新型城镇化滞后型或者生态环境滞后型的状态。景观生态状况不乐观，生态环境滞后型的城市逐渐增多，尚未全面形成良好的协调发展状态。

（3）珠三角城镇化与景观生态安全耦合在未来20 年将继续向着协调同步、有序发展的方向前进，但提升速度有所放缓，耦合协调度呈现出持续上升的态势。到2040 年，珠三角各市均达到中级协调以上，其中广州市、深圳市、惠州市达到优质协调阶段，不同城市耦合协调水平存在空间差异。

（4）对外开放程度、经济发展水平、科技投入水平是影响协调发展的重要驱动力，但其他因素也不容忽视。城镇化与景观生态安全的协调发展是不同的驱动力因素如经济运行和结构转型、工业开发与环境治理、科技创新和政策调控与保障共同作用的结果，应根据各市目前耦合状况分别制定国土空间生态修复方案。

3.2 建议

城镇的可持续发展受多种因素影响，研究城镇化与景观生态安全的耦合协调机制应在复杂的系统间找到关键因素，以此找到解决对策。从驱动力的视角分析城镇耦合协调发展模式，制定国土空间生态修复政策，为城镇可持续发展提供科学依据；模拟预测城镇化与景观生态安全的发展趋势，并在方法技术上有一定的创新性。由于珠三角地区为我国经济快速发展地区，发展进程区别于其他地区，因此其城镇化与景观生态安全的耦合协调水平较为特殊，在宏观层面上缺乏普适性，后续研究中应该构建更符合普遍发展规律的评价指标。本文基于市域尺度，选取珠三角地区9 市20 多年数据，能从一定程度上揭示不同发展阶段的城镇对于协调发展的驱动因素。但由于数据有限，未能对耦合协调机制进行更深入的探讨，未来可使用县域尺度进行研究。此外，在未来20 年关于城镇化与景观生态安全耦合协调度变化情况分析方面，进一步对原始数据序列的光滑度进行改进，建立更优的预测模型，完成更精确的预测，使研究结果更科学、有效。