李瑋麒,蘭澤英,陳德權,鄭至鍵

(廣東工業(yè)大學 管理學院,廣東 廣州 510520)

土地利用/覆被變化(LUCC)作為土地系統的重要表現形式，涉及到社會、經濟、生態(tài)環(huán)境等方方面面的因素，體現了人類社會與自然環(huán)境最直接的相互作用關系[1-2]。近年來，隨著城市化和工業(yè)化進程加快推進，對土地資源尤其是城市建設用地需求加大，導致土地資源非農化傾向增強，人地矛盾突出，由此引發(fā)的資源匱乏、生態(tài)環(huán)境惡化等問題正威脅著人類的生存與發(fā)展，因而與之息息相關的土地利用/覆被變化已成為當今全球環(huán)境變化研究的重要內容[3-4]。與此同時，計算機技術和3S技術的不斷發(fā)展，為土地利用動態(tài)模擬模型的開發(fā)應用提供了強大的技術支撐，推進了土地利用變化監(jiān)測分析與預測研究的展開[5-7]。土地利用變化與生態(tài)環(huán)境有密切聯系，對區(qū)域景觀格局與生態(tài)環(huán)境質量產生直接或間接的影響，這些影響在一定程度上會催生各種生態(tài)風險，生態(tài)風險評價在自然環(huán)境管理中應運而生并逐漸興起[8-10]。從景觀生態(tài)學的角度構建生態(tài)風險評價模型，綜合評估土地利用演變對生態(tài)環(huán)境潛在的影響，對區(qū)域生態(tài)安全具有重要的預警作用，有利于探求更適宜的土地利用方式，促進區(qū)域社會經濟與生態(tài)環(huán)境的協調發(fā)展[11-13]。目前，眾多學者主要是基于土地利用變化的歷史數據展開生態(tài)風險相關研究，且研究區(qū)域大多是小城鎮(zhèn)、流域、濕地、海岸帶以及生態(tài)脆弱區(qū)等，對于城市化水平較高的大城市進行未來景觀生態(tài)風險預測的研究較少。為此，本文以廣州市為研究區(qū)域，采用未來土地利用模擬(FLUS)模型和景觀生態(tài)風險評價模型，在分析研究區(qū)景觀生態(tài)風險時空分異特征的基礎上，對模擬得到的兩種情景下未來土地利用空間格局進行生態(tài)風險響應研究，以期了解景觀格局變化特征與其生態(tài)效應的相互作用關系，對研究區(qū)土地資源可持續(xù)利用和維護區(qū)域生態(tài)安全具有重要理論與實踐意義[14-15]。

1 研究區(qū)概況

廣州市位于廣東省中南部，西江、北江、東江三江匯合處，瀕臨南海，接近珠江流域下游入?？?。其范圍是東經112°57′—114°03′，北緯22°26′—23°56′，總面積約為7 434.4 km2。廣州市地形多樣，地勢東北高西南低。東北部是以林地為主的中低山區(qū)，中部是丘陵盆地，南部是沿海沖積平原。2018年，廣州市實現地區(qū)生產總值22 859.35億元，常住人口1 490.44萬人，城鎮(zhèn)化率為86.38%。作為中國改革開放的前沿，廣州市是城鎮(zhèn)化進程快速推進的代表地區(qū)，區(qū)域內土地利用變化顯著，城市發(fā)展與生態(tài)系統的矛盾日益突出，生態(tài)風險持續(xù)加劇。

2 數據來源與研究方法

2.1 數據來源與預處理

本文選用的2001，2009年和2017年3個時期的Landsat系列遙感影像數據與DEM影像數據來源于地理空間數據云平臺(http:∥www.gscloud.cn)，空間分辨率均為30 m。河流水系、交通道路、行政區(qū)界和行政中心等基礎地理數據均根據廣州市土地利用數據提取處理獲得。相關規(guī)劃及政策約束數據來源于廣州市規(guī)劃和自然資源局。社會經濟數據來源于《廣州市統計年鑒》和《廣州市國民經濟和社會發(fā)展統計公報》等?；贓NVI 5.4軟件，經過影像配準、幾何精校正、去條帶、鑲嵌與裁剪等預處理后，采用神經網絡法與人工目視解譯法相結合的方法對遙感影像進行分類，結合廣州市實際土地利用特征，并參考《土地利用現狀分類(GB/T21010-2017)》，將土地利用類型劃分為林地、草地、耕地、水域、建設用地和未利用地6類，由此得到廣州市2001，2009和2017年的土地利用分類圖。在此基礎上進行精度檢驗，得到kappa系數均在80%以上，基本滿足研究需要。

2.2 研究方法

2.2.1 土地利用動態(tài)度 土地利用動態(tài)度可以定量分析區(qū)域土地利用的動態(tài)變化，對預測未來區(qū)域土地利用格局變化發(fā)揮重要作用[16]。本文采用單一土地利用動態(tài)度衡量研究區(qū)域在一定時段內某種土地利用類型的變化幅度，其為正值時表示某類型面積增加，為負值時表示該類型面積減少?？杀硎緸椋?/p>

(1)

式中：K表示為研究時段內某種土地利用類型動態(tài)度；Ua，Ub分別為某種土地利用類型在研究期初和期末的數量；T為研究時段(a)。

2.2.2 FLUS模型 FLUS模型是用于模擬人類活動與自然影響下的土地利用變化以及未來土地利用情景的模型[17]，兼顧了“自上而下”的系統動力學(SD)模型和“自下而上”的元胞自動機(CA)模型，增強了對未來土地利用格局的模擬預測能力[18-19]。主要由基于神經網絡的適宜性概率計算和基于自適應慣性機制的元胞自動機預測兩個部分組成。首先，根據廣州市實際情況及數據的可獲取性，從自然地理、交通區(qū)位和社會經濟三個方面選取了高程、坡度、距鐵路距離、距高速公路距離、距國道距離、距省道距離、距水系距離、距行政中心距離、人口密度和地均GDP共10個驅動因子。在整合土地利用數據和各驅動因子數據基礎上，采用神經網絡算法運算得到研究區(qū)各用地類型的適宜性概率。其次，結合未來各類用地的目標像元數、轉移成本矩陣和鄰域因子等相關參數，基于輪盤賭選擇的自適宜慣性機制CA模型實現研究區(qū)土地利用變化模擬。本研究采用Markov模型得到自然發(fā)展趨勢下各土地利用類型的需求預測。轉換成本矩陣表示研究時段內任意兩種土地利用類型相互轉換的可能性，根據研究區(qū)實際用地情況可知建設用地向其他用地類型轉換的可能性較低，設為0；而其他各類型用地間均可相互轉換，設為1。而鄰域因子參數表示該土地利用類型擴張能力的強弱，在參考相關文獻[20-21]的基礎上，結合研究區(qū)土地利用類型轉移情況，預先設置各地類鄰域因子參數進行模擬試驗，并將模擬結果與實際土地利用情況進行對比，經過模型的反復調試，最終設置研究區(qū)林地、耕地、草地、建設用地、水域及未利用地的鄰域因子參數分別為：0.8，0.6，0.1，0.9，0.7，0.1(參數范圍為0～1，越接近1表示土地利用類型的擴張能力越強)。

2.2.3 景觀生態(tài)風險分析

(1) 生態(tài)風險單元劃分。根據研究區(qū)面積及各土地利用類型分布的實際情況，采用等間距系統采樣法，將廣州市土地利用數據進行3 km×3 km的空間網格劃分，共得到950個風險單元。在此基礎上計算每個格網單元的生態(tài)風險指數，并將各個景觀生態(tài)風險值賦予相應格網單元的中心點。

(2) 景觀生態(tài)風險評價模型構建。本研究綜合考慮區(qū)域景觀格局特征及各土地利用類型對生態(tài)風險的影響程度，耦合不同土地利用類型面積比例、景觀損失度指數以及土地利用生態(tài)風險強度參數得到景觀生態(tài)風險指數的評價模型。計算公式為：

(2)

式中：ERIk為第k個風險單元的景觀生態(tài)風險指數；n為景觀類型數量；Aki為第k個風險單元景觀類型i的面積；Ak為第k個風險單元的總面積；Ri為景觀損失度；Wi為研究區(qū)內景觀類型i所反映的生態(tài)風險強度參數。

①景觀損失度指數Ri。表示各景觀類型受到自然環(huán)境或人類活動等干擾時所造成的生態(tài)損失程度，是景觀干擾度和景觀脆弱度的綜合反映。計算公式為：

(3)

式中：Ei為景觀干擾度指數，通過景觀破碎度C，景觀分離度Si和景觀優(yōu)勢度Ui構建，各景觀指數可由Fragstats 4.2軟件計算得到；a，b，c為相應景觀指數的影響系數，且總和為1，根據相關研究成果[22]，將3個指數分別賦值為0.5，0.3，0.2；為景觀脆弱度指數，結合研究區(qū)實際情況，通過專家咨詢法對6類景觀類型賦值，將未利用地賦為6，水域賦為5，耕地賦為4，草地賦為3，林地賦為2，建設用地賦為1，并進行歸一化處理。

②生態(tài)風險強度參數Wi。代表各景觀類型生態(tài)風險的主觀權重值，可依據層次分析法原理和方法在AHP軟件中確定[23]。通過建立層次結構模型，構造判斷矩陣，計算指標的標準化權重，并對總排序進行一致性檢驗，最終計算一致性比例為0.024(<0.1)，表明判斷矩陣具有滿意的一致性。從而得到各土地利用類型的生態(tài)風險主觀權重分別為：林地0.045 4，耕地0.147 1，草地0.111 3，建設用地0.396 5，水域0.077 2，未利用地0.222 5。

(3) 地統計分析法。地統計學是描述空間上某一系列變量的相關關系和格局的統計方法[24]。本文將950個樣區(qū)的生態(tài)風險指數賦給各樣區(qū)中心點，借助地統計軟件GS+7.0實現樣本半變異函數理論模型的最優(yōu)擬合，在此基礎上利用普通克里金法對樣本點進行空間插值，得出研究區(qū)生態(tài)風險指數空間分布圖。具體計算公式為：

(4)

式中：γ(h)為半變異函數；h為樣點空間間隔距離，稱為步長；N(h)為間隔距離為h的樣點數；z(xi)，z(xi+h)分別為在 兩點處的生態(tài)風險指數值。

為了直觀地描述景觀生態(tài)風險程度的空間分布特征，本文采用自然間斷點分級法將研究區(qū)生態(tài)風險值劃分為5個等級：低生態(tài)風險區(qū)(ERI≤0.012)、較低生態(tài)風險區(qū)(0.0120.033)。

3 結果與分析

3.1 土地利用變化分析

3.1.1 土地利用面積變化 根據Landsat系列遙感影像解譯獲取廣州市土地利用變化數據(見表1)。林地、耕地和建設用地是廣州市主要的土地利用類型，分布范圍較為廣泛。2001—2017年，僅建設用地面積持續(xù)增加，共增加了662.48 km2；而其他用地類型規(guī)模均不斷減少，其中耕地的減少最為突出，減少了355.04 km2，主要由于城市化進程的快速推進致使人地矛盾突出，而耕地大多分布于城市或村鎮(zhèn)周邊，加之地勢平緩，水土條件較好，而且征收成本低廉，因此耕地非農化現象頻發(fā)，耕地面積的銳減為建設用地的擴張?zhí)峁┐罅垦a充用地。

表1 廣州市2001-2017年土地利用變化

3.1.2 土地利用動態(tài)度變化 根據公式計算得到廣州市不同時段內的單一土地利用動態(tài)度(見表2)，以此描述廣州市土地利用類型變化幅度和趨勢。2001—2017年，廣州市草地、建設用地和未利用地的變化幅度較大，其中建設用地為4.76%，呈明顯增加趨勢，是因為城市化進程中以建設用地擴張為主；草地和未利用地分別為-5.22%和-4.04%，迅速減少，則是由于二者面積較小，占土地總面積的比例非常小，且分布較不穩(wěn)定，減少的量相對于其基數較大導致變化幅度明顯。而林地、耕地和水域變化幅度較小，皆呈逐漸減少的趨勢，且減少的幅度相對比較穩(wěn)定。

表2 廣州市2001-2017年土地利用動態(tài)度

3.2 土地利用變化模擬預測

為了驗證FLUS模型對土地利用模擬結果的可靠性，本研究以廣州市2009年土地利用數據為基礎，結合土地利用適宜性概率分布情況，并設置相關參數，得到2017年土地利用空間格局模擬結果，并將2017年實際土地利用狀況與預測結果進行精度驗證。最終計算求得總體精度為80.28%，kappa系數為0.763 4。說明此次模擬結果具有較高的準確度，故可基于FLUS模擬對廣州市未來土地利用變化進行模擬預測。依據廣州市歷史年份的土地利用變化特征及未來區(qū)域空間發(fā)展規(guī)劃，分別設定自然發(fā)展情景和“三線”約束情景兩種模式對其2025年土地利用變化進行模擬預測。在自然發(fā)展情景(情景Ⅰ)下，不考慮任何規(guī)劃政策對土地利用變化產生的約束性影響，按照2009—2017年的土地利用類型轉移概率矩陣，基于Markov模型預測得到2025年土地利用目標像元數。在“三線”約束情景(情景Ⅱ)下，結合考慮生態(tài)、農業(yè)、城鎮(zhèn)等用地結構，選取《廣州市國土空間總體規(guī)劃(2018—2035年)》中劃定的生態(tài)保護紅線、永久基本農田保護紅線和城鎮(zhèn)開發(fā)邊界線作為土地利用限制轉化區(qū)域，將耕地、林地轉換為建設用地的概率減少30%，草地和水域轉換為建設用地的概率減少20%，由此得到廣州市2025年“三線”約束情景下土地利用目標像元數。在此基礎上，綜合2017年土地利用數據和各類驅動因子數據，運用神經網絡模型生成2025年各類用地的適宜性概率文件，通過設置相關參數，模擬預測得到廣州市2025年自然發(fā)展情景和“三線”約束情景下的土地利用空間分布格局(見封2，附圖1)。與2017年對比，廣州市2025年兩種情景下各土地利用類型呈現不同程度的變化(見表3)。

表3 廣州市2017與2025年兩情景各用地類型面積對比 km2

2025年兩種土地利用情景下草地和未利用地的變化程度不明顯，建設用地面積均有所增加，林地和水域面積均有所減少，而耕地面積則呈現不同的變化。在自然發(fā)展情景下，廣州市各類用地按照原先的轉移概率發(fā)生轉變，建設用地在原有基礎上呈現外延式擴張，逐漸向中心城區(qū)周邊區(qū)域擴展，其面積增加幅度較為明顯，相比2017年增加了225.99 km2；其余用地類型面積均有所減少，其中耕地面積減少量最多，減少了100.58 km2。這說明仍有大量耕地、林地、水域等用地轉化為建設用地，主要集中在花都區(qū)、白云區(qū)、番禺區(qū)和增城區(qū)等。而在“三線”約束情景下，建設用地擴張幅度明顯縮小，面積僅增加了92.29 km2，且林地和水域面積減少幅度有所緩和，耕地面積較2017年相比反而有小幅增加，增加了9.21 km2。相較于自然發(fā)展情景，各用地類型的轉變在不同程度上得到調控，建設用地的擴張受到一定制約，生態(tài)用地得到進一步保護。

3.3 基于土地利用變化的景觀生態(tài)風險評價

通過上述景觀生態(tài)風險評價模型可得，廣州市2001，2009，2017年景觀生態(tài)風險指數分別為0.019 7，0.020 3和0.020 9，而2025年自然發(fā)展情景與“三線”約束情景下的景觀生態(tài)風險指數則為0.021 2和0.021 0，表明研究區(qū)的生態(tài)安全狀況趨于惡化，整體處于較低風險等級向中風險等級過渡的階段。相較于2017年和2025年兩種情景下的生態(tài)風險指數均有所升高，而自然發(fā)展情景下土地利用格局的生態(tài)風險指數增幅稍為明顯。分析廣州市景觀生態(tài)風險空間分布特征(見圖1)和各生態(tài)風險等級區(qū)域面積變化情況(見表4)，可以得到，廣州市景觀生態(tài)風險等級在空間上均呈現圈層狀分布，由中心城區(qū)向外圍遞減。2001—2017年廣州市景觀生態(tài)風險等級面積變化顯著，等級低的風險區(qū)面積減少，等級高的風險區(qū)面積增加，說明研究區(qū)景觀生態(tài)風險不斷加劇。而2025年兩種土地利用模擬情景下各生態(tài)風險等級區(qū)域的空間分布大致穩(wěn)定，低生態(tài)風險區(qū)域面積均最大，高生態(tài)風險區(qū)面積最小。但與2017年土地利用生態(tài)風險空間分布圖相比，二者呈現不同的變化趨勢。

圖1 2001-2025年廣州市景觀生態(tài)風險空間分布

表4 廣州市各生態(tài)風險等級區(qū)域面積變化

3.3.1 廣州市2001—2017年景觀生態(tài)風險變化 處于低、較低生態(tài)風險范圍的區(qū)域占比較大，其中低生態(tài)風險區(qū)面積先增后減，總體增加了92.47 km2；而較低生態(tài)風險區(qū)面積的變化最為劇烈，減少了672.09 km2，二者占土地總面積的比例由53.58%減少至45.75%。該區(qū)域主要分布在研究區(qū)東北部林地密集及南部水域分布的區(qū)域。隨著城市人口增加及城鎮(zhèn)化規(guī)模擴張，土地開發(fā)利用程度提高，連片分布的林地、耕地等農用地和水域受外界干擾的現象越來越突出，面積有所減少，從而導致景觀生態(tài)風險增加，較低等級風險區(qū)域相應地減少。中生態(tài)風險區(qū)面積居中，屬于低生態(tài)風險區(qū)和高生態(tài)風險區(qū)的過渡地帶，呈逐漸縮小的趨勢，面積減少了121.32 km2，占土地總面積的比例由28.06%減少至26.42%。該區(qū)域在研究區(qū)內分布較為廣泛，主要集中在耕地和水域連片分布的區(qū)域，并與其變化范圍近似一致。主要是由于農業(yè)結構調整以及城市新增建設用地侵占耕地、水域等，使其面積銳減，景觀破碎度和分離度上升，生態(tài)損失程度也加深，在一定程度上加劇了其景觀生態(tài)風險程度。處于較高、高生態(tài)風險范圍的區(qū)域面積較小，二者呈不斷增大的趨勢，面積共增加了700.94 km2，占土地總面積的比例由18.36%增加至27.83%。該區(qū)域集中分布在廣州市中心城區(qū)附近，且在研究時段內不斷向外圍地形較為平坦的區(qū)域延伸，與建設用地擴張范圍有較高吻合度。說明廣州市處于快速城市化進程，建設用地增加對其景觀生態(tài)風險程度有較為顯著的影響。

3.3.2 廣州市2025年兩種情景下景觀生態(tài)風險變化 與2017年相比，2025年自然發(fā)展情景下的低、較低及高生態(tài)風險區(qū)面積有所下降，而較高生態(tài)風險區(qū)的面積增長幅度較大，增加了303.62 km2。這主要因為在自然發(fā)展情景下，土地利用按照現有發(fā)展趨勢發(fā)生變化，建設用地持續(xù)外延式擴張，侵占周邊的耕地、林地等生態(tài)用地，使生態(tài)用地的景觀破碎度和分離度增高，因而景觀損失度及生態(tài)風險指數也隨之增大，最終導致低、較低風險區(qū)域面積減小，中、較高生態(tài)風險區(qū)面積有所增加。2025年“三線”約束情景較2017年相比，較低、中生態(tài)風險區(qū)面積趨于下降，低、較高及高生態(tài)風險區(qū)面積則有所增長。而與自然發(fā)展情景相比，二者的生態(tài)風險差異較為顯著，其中最明顯的差別在于土地利用的低、較低及高生態(tài)風險區(qū)規(guī)模更大。主要原因是該情景下在設置土地利用限制轉化區(qū)域時，考慮了生態(tài)保護紅線、永久基本農田保護紅線和城鎮(zhèn)開發(fā)邊界對土地利用變化所起到的約束作用，一方面限制了林地、耕地和水域等生態(tài)用地向其他地類的轉化，增強了其穩(wěn)定性，使其減少規(guī)模得以控制，因而生態(tài)用地集中分布的低與較低生態(tài)風險區(qū)面積較大；另一方面城市建設用地的外延式擴張受到制約，新增面積僅集中在局部小范圍內，空間結構的整合性不強，故高生態(tài)風險區(qū)規(guī)模相對較大且連續(xù)性增強。由此可見，兩種情景下的生態(tài)風險空間分布是對情景模擬的預測結果的響應?！叭€”約束情景下充分考慮了農業(yè)、生態(tài)和城鎮(zhèn)空間協調可持續(xù)發(fā)展的要求，有利于嚴格控制國土空間開發(fā)強度，促進節(jié)約集約用地，提高土地利用效率，更符合廣州市未來城市發(fā)展和生態(tài)建設的需要。

4 結 論

(1) 2001—2017年，林地、耕地和建設用地是廣州市主要土地利用類型。研究區(qū)建設用地的面積持續(xù)增加，而其他用地類型總體減少。此外，建設用地、草地和未利用地的變化幅度較大，建設用地明顯增加，而草地和未利用地迅速減少。

(2) 相較于2017年，廣州市2025年自然發(fā)展情景下建設用地大幅擴張，總體規(guī)模增加225.99 km2，侵占耕地、林地和水域等生態(tài)用地現象突出；而“三線”約束情景下，各用地類型的轉變在不同程度上得到調控，建設用地的擴張得到制約，林地、水域等用地面積減少幅度有所緩和，耕地反而略微增加，生態(tài)用地規(guī)模保持相對穩(wěn)定。

(3) 2001—2017年，廣州市土地利用的生態(tài)風險指數不斷上升，生態(tài)安全狀況趨于惡化。從空間分異來看，廣州市景觀生態(tài)風險等級呈現圈層狀分布，由中心城區(qū)向外圍遞減。低、較低生態(tài)風險區(qū)主要分布在研究區(qū)東北部林地密集及南部水域分布的區(qū)域，所占面積總體縮小；而較高、高生態(tài)風險區(qū)則分布在中心城區(qū)建設用地密集的區(qū)域，二者規(guī)模不斷擴大。

(4) 2025年兩種情景下的景觀生態(tài)風險指數相較于2017年均有所升高，但自然發(fā)展情景下生態(tài)風險指數增幅略高。與自然發(fā)展情景相比，“三線”約束情景下土地利用的低、較低及高生態(tài)風險區(qū)面積更大，說明在加強研究區(qū)耕地、生態(tài)保護的同時，也保障了城市建設用地的發(fā)展，增強了其土地利用結構的穩(wěn)定性，且土地利用空間布局更有利于減緩研究區(qū)生態(tài)風險加劇的趨勢，促進區(qū)域生態(tài)系統與社會經濟協調發(fā)展。