文章信息
- 王耕, 苏柏灵, 王嘉丽, 朱正如
- WANG Geng, SU Bailing, WANG Jiali, ZHU Zhengru
- 基于GIS的沿海地区生态安全时空测度与演变——以大连市瓦房店为例
- Spatial-temporal assessments and evolution research of coastal eco-security based on gis-a case study of wafangdian county-level city
- 生态学报, 2015, 35(3): 670-677
- Acta Ecologica Sinica, 2015, 35(3): 670-677
- http://dx.doi.org/10.5846/stxb201304150712
-
文章历史
- 收稿日期:2013-4-15
- 网络出版日期:2014-04-03
2. 辽宁师范大学海洋经济与可持续发展中心, 大连 116029
2. Center for Studies of Maine Economy and Sustainable Development of Liaoning Normal University, Dalian 116029, China
在世界范围内竞相开发海洋的热潮下,随着人口向沿海地区集中,海岸带经济的迅速扩张对生态环境造成的威胁日益严重,人地(海)关系矛盾日趋尖锐,沿海地区生态安全倍受关注。Louisa S. Evans以肯尼亚为例研究海岸带生态安全问题[1];A.R. Farhan以印度尼西亚群岛为例评价生态安全条件[2]。陈菁等进行海峡西岸生态安全评价[3];廖丹等进行厦门湾海岸带开发的生态效应评价研究[4];韩振华等基于景观格局研究辽河三角洲湿地生态安全[5];于蓉蓉等对胶州湾大姑河口湿地景观生态安全格局进行研究[6]。沿海生态安全具有海陆空间的耦合性,海岸带产业发展方向、结构与布局,以及城市化等特点对生态安全的影响并非静态,而且具有空间差异,一个地区的生态安全与邻近地区戚戚相关。目前沿海生态安全评价方法主要有综合指数法[7, 8]、生态足迹法[9, 10, 11]、景观生态学方法[12, 13]和生态承载力方法[14]等。尽管沿海生态安全评价框架大多采用“压力-状态-响应”(P-S-R)机理框架[15, 16, 17, 18, 19],但以行政区为评价单元的总体评价结论却难以说明生态安全空间差异,更难以表明生态安全的空间邻近影响关系演变,因此沿海生态安全的时空演变与分异研究更加具有实用性,更有利于指导人们因地制宜地进行海岸开发与管理。本文结合景观生态学与地统计学方法,通过研究区2000年、2005年、2010年3个时期的遥感影像、专题成果与统计数据,构建基于景观的生态安全评价体系,在GIS格网技术下对沿海生态安全进行时空测度,并分析其空间演变特征,旨在为区域生态安全时空演变与模拟研究提供方法,为瓦房店市城市化建设与规划提供决策依据。
1 研究区概况大连瓦房店市位于辽东半岛中西部(图 1),地处北纬39°20′—40°07′,东经121°13′—122°16′,西濒渤海,东与普兰店接壤,南与金州区隔海相望,北与盖州接壤,海岸线长461.2 km,占大连市海岸线总长度的24.2%。全市所辖13 个镇,8 个乡,总面积为3793.53 km2。瓦房店市地势东北高西南低,千山余脉由东北向西南延伸,形成低山、丘陵、平原、陆地和滩涂结合的多种地貌类型,自然构成大体是“六山一水三分田”,属暖温带大陆性季风气候区,冬无严寒,夏无酷暑,四季分明。大连瓦房店是辽东半岛连接东西、跨跃南北的交通要道,是渤海经济圈的扩散区域。随着辽宁沿海经济带建设步伐的加快,以及大连全面推进全域城市化战略的实施,瓦房店市作为大连北部地区经济增长极,其生态安全建设不仅是新兴工业城市可持续发展的目标,而且是大连和谐海洋建设的重要保障。
2 数据来源与研究方法 2.1 数据来源与处理本研究中图形数据来源于1 ∶ 5 万大连市区划图;遥感数据来源于2000 年、2005 年及2010 年Landsat TM遥感影像(轨道号为120/32,120/33);社会统计数据来源于2010 年《大连统计年鉴》、《大连水资源公报》、《大连环境状况公报》;专题数据来源于大连市国土资源局地质灾害专题图、地表水质类型图、海水入侵分布图、地震烈度分区图等。为了便于多源数据的统计与计算,本文采用统一格网单元进行评价研究。首先在ArcGIS平台建立1 km×1 km的网格;其次数字化瓦房店地区,数据的投影类型选择为Transverse-Mercator投影;然后通过ERDAS软件对2000 年、2005 年及2010 年3个时期的遥感影像进行解译分类,得到3期的土地利用矢量图;最后将图形数据、遥感数据和社会经济统计数据通过ArcGIS插值与赋值计算输入到格网单元,建立ArcGIS格网数据库。
2.2 沿海生态安全状态评价模型 2.2.1 评价指标体系与权重的确定依据系统性、空间性、实用性以及数据获取可能性等原则,本研究选取P-S-R框架来建立指标体系,结合层次分析法(AHP)与熵值法确定各指标权重(表 1)。
指标 Index | 数据来源 Data sources | 权重Weight | |||
AHP法 Analytical hierarchy process method | 熵值法 Entropy method | 综合权重 Comprehensive weight | |||
压力Pressure | 人口密度 | 统计年鉴数据 | 0.0149 | 0.0080 | 0.0115 |
人均耕地面积 | 专题成果数据 | 0.0295 | 0.0461 | 0.0378 | |
工业能耗 | 统计年鉴数据 | 0.0457 | 0.0329 | 0.0393 | |
人均水资源 | 统计年鉴数据 | 0.1052 | 0.0107 | 0.0580 | |
人均粮食产量 | 统计年鉴数据 | 0.0368 | 0.0088 | 0.0228 | |
单位废水排放量 | 统计年鉴数据 | 0.0387 | 0.0300 | 0.0344 | |
单位废气排放量 | 统计年鉴数据 | 0.0206 | 0.0261 | 0.0233 | |
单位固废排放量 | 统计年鉴数据 | 0.0102 | 0.0023 | 0.0063 | |
地均化肥施用量 | 统计年鉴数据 | 0.0089 | 0.0445 | 0.0267 | |
临海工业风险源 | 调查统计数据 | 0.0267 | 0.0250 | 0.0259 | |
状态State | 地表起伏度 | DEM数据 | 0.0164 | 0.0395 | 0.0280 |
植被覆盖率 | 遥感影像数据 | 0.0210 | 0.0284 | 0.0247 | |
景观多样性指数[13] | 遥感影像数据 | 0.0175 | 0.2824 | 0.1500 | |
景观脆弱度指数[13] | 遥感影像数据 | 0.0054 | 0.0136 | 0.0095 | |
水土流失面积 | 专题成果数据 | 0.0135 | 0.0399 | 0.0267 | |
河流水质级别 | 专题成果数据 | 0.0071 | 0.0264 | 0.0167 | |
海水入侵面积 | 专题成果数据 | 0.0152 | 0.0165 | 0.0159 | |
地震烈度分区 | 专题成果数据 | 0.0114 | 0.0132 | 0.0123 | |
景观干扰度指数[13] | 遥感影像数据 | 0.0071 | 0.0030 | 0.0050 | |
响应Response | 环保投资 | 统计年鉴数据 | 0.0753 | 0.0345 | 0.0549 |
人均GDP | 统计年鉴数据 | 0.0451 | 0.0634 | 0.0542 | |
垃圾无害处理率 | 统计年鉴数据 | 0.1041 | 0.0390 | 0.0716 | |
千人拥有医生数 | 统计年鉴数据 | 0.0753 | 0.0255 | 0.0504 | |
在校生人数 | 统计年鉴数据 | 0.0755 | 0.0395 | 0.0575 | |
教育投资 | 统计年鉴数据 | 0.0518 | 0.0593 | 0.0556 | |
废水达标率 | 统计年鉴数据 | 0.1209 | 0.0416 | 0.0813 |
生态安全评价的模型很多,由于生态安全是一个相对的概念,在安全与不安全之间存在着模糊的界限[20],因此,本文选取模糊隶属度的方法作为生态安全评价的模型。 在评价某区域系统生态安全状况时,根据影响生态安全状况的多个指标,以衡量这些指标的生态安全程度的标准值为比较依据,计算生态安全度。生态安全度可以用隶属度表示。
式中,U(j)为生态安全度;Wi为第i项指标的权重;p为距离参数, p=2(欧氏距离)计算;rij为第i项指标的值(i=1,2,3,…,m;j=1,2,3,…,n)。U(j)越大生态安全度越高,反之生态安全度越低。
2.3 沿海生态安全时空演变统计学方法 2.3.1 空间自相关分析地理与生态现象常常表现出空间相关效应。空间自相关分析方法为解释事物属性或现象的空间依赖关系提供了途径。空间自相关性的指标可分为全局指标和局部指标两种: 全局指标用于验证整个研究区域某一要素的空间相关关系,而局部指标则用于反映整个大区域中的一个局部小区域单元上的某种地理现象或某一属性与相邻局部小区域单元上同一现象或属性的相关程度。本研究中运用全局空间自相关指标 Moran′s I 和局部空间自相关指标 LISA (Local Indicators of Spatial Association) 来分析大连市瓦房店景观生态安全的空间特征。Moran′s I和 LISA 指标的计算公式如下[21, 22, 23]:
式中,,,xi表示地i地区的观测值,n为栅格数,Wij为二进制的进阶空间权值矩阵,表示空间队形的相互邻接关系。i=1,2,…,n;j=1,2,…,m;当区域i和区域j相邻时,Wij=1;当区域i和区域j不相邻时,Wij=0。Moran′s I值介于-1和1之间,大于0为正相关,小于0为负相关,绝对值越大,表示空间分布的关联性越大,即空间上有强聚集性或强相异性。反之,绝对值越小,表示空间分布关联性小,当值趋近0时,即代表此时空间分布呈随机性。
局部空间自相关Local Moran′s I (LISA)是将Moran′s I 分解到各个空间单元。对于某一个空间单元i,LISA 计算公式为:
式中,,正的Ii值表示该区周围相似值(高值或低值)的空间集群,负的Ii值则表示非相似值之间的空间集群。再根据下式计算出LISA的检验统计量,对有意义的局域空间关联进行显著性检验:
2.3.2 地统计学方法地统计学是研究空间变异的有效方法,以区域化随机变量理论为基础,研究自然现象的空间相关性和随机性,不仅可以解释属性或现象的空间相关,而且通过半变异函数可以模拟和估计空间上的未知变量[24]。景观生态安全指数本身是一种空间变量可采用地统计学中变异函数的方法,借助半方差函数进行景观生态安全程度的空间分析:
式中,r(h)是半变异函数; Z(xi)和 Z(xi+h)是在xi和xi+h处的值;h为空间距离;n(h)为样本对数。实验数据用地质统计学软件GS+(version 9.0)进行变异函数计算。
3 结果与分析 3.1 沿海地区生态安全时间演变特征沿海地区生态安全指数计算如表 2所示,格网专题地图如图 2所示。2000 年生态安全程度最低的是瓦房店南部的交流岛,北部和东北部(李官镇、许屯镇、万家岭镇、松树镇、得力寺镇)生态安全度较低;西部沿海地区生态安全度较高,其中生态安全度最高的地区为长兴岛镇。2005 年沿海地区生态安全有了明显的变化。西部沿海地区的东港镇、仙浴湾镇、三台满族乡和中部的杨家满族乡生态安全状况明显下降,而北部的许屯和南部的交流岛生态安全又有所提高。这5 年间变化最明显的是太阳街道。2010 年与2005 年相比,生态安全度没有明显变化,局部地区生态安全度有所提高。总体来说,2000—2010 年,瓦房店地区生态安全度呈先下降后升高趋势。主要原因是,人口的增长和城市化进程的加快,沿海地区景观类型发生了变化,建设用地面积扩张占据了大量的农用地,人为活动的影响使生态环境受到的压力越来越大,生态系统稳定性逐步降低,导致生态安全度降低。随着环境保护措施的提出和对环境保护资金的投入,2010 年较2005 年生态安全状况有所提升。总体来看,2000—2005 年期间研究区生态安全格局变化比2005—2010 年期间明显,可见2000—2005年期间是瓦房店市生态安全格局变化的关键时期。生态安全度空间趋势面分析显示(图 3):在南北方向和东西方向上,3个时期均呈现凸形曲线,2000 年的趋势线呈明显凸形,且西高东低,沿海地区生态安全程度较高。 2005年和2010年南北方向上和东西方向的曲线都较为和缓,主要原因是,2000 年,城市化发展缓慢,区域生态安全度整体较高,且人为活动对沿海地区的开发利用少。随着人口的增长、城市化进程的加快和面海发展,大面积的耕地转换为建设用地,人为活动对沿海地区生态环境造成威胁,使西部沿海地区生态安全度降低。
时期 Period | 最小值 Minimum | 最大值 Maximum | 平均值 Mean | 方差 Variance | Moran′s I |
2000 | 0.1239 | 0.8190 | 0.4636 | 0.0170 | 0.9018 |
2005 | 0.1819 | 0.7571 | 0.3878 | 0.0101 | 0.8738 |
2010 | 0.1542 | 0.7622 | 0.3980 | 0.0113 | 0.8703 |
利用Moran′s I指数判定区域生态安全空间相关性和聚集程度。2000 年、2005 年和2010 瓦房店生态安全的Moran′s I指数分别为0.9015、0.8738和0.8703(图 4)。表明本区域生态安全在空间上有较强的正相关。通过Moran散点图可以定性区分每一区域与其周边区域某一属性值或某种地理现象的相互关系。Moran散点图由4个象限组成,分别为HH(“高-高”空间关联区)、LH(“低-高”空间关联区)、LL(“低-低”空间关联区) 和HL(“高-低”空间关联区)。落入HH和LL象限的观测值存在较强的空间正相关,具有均质性。落入LH和HL两个象限的观测值则表示存在较强的空间负相关,空间单元具有异质性。由图 4可知,各年份生态安全度集中于HH和LL区。少量分布于HL和LH两个象限,表明瓦房店市生态安全具有较强的空间相关性,空间聚集格局显著。
生态安全度的空间分布并不是随机的,存在一定的内在联系,即生态安全度在空间上存在聚集趋势。每个单元格对其周围都有不同程度的影响,生态安全度高的单元可以对其周围产生正面的影响,使其周围生态安全度提高;而低值的单元也可以影响到其周围的高-高值区域,使其生态安全度降低,生态环境恶化。瓦房店市2000—2010 年生态安全格局的局部空间自相关LISA分析结果见图 5,生态安全度高值区倾向于与生态安全度高的区域相毗邻,而生态安全度低值区倾向于与生态安全度低的区域毗邻。2005 年和2010 年瓦房店市生态安全局域自相关格局较为一致,与2000 年相比则有较大的格局变化。随着沿海开发战略的实施,人为活动对沿海地区生态安全的影响很大。沿海区域生态环境恶化,周围低值区对散布其中的高值区有负面的影响,2000 年瓦房店生态安全高-高值区分布于南部(长兴岛、炮崖乡、地台镇),西部沿海地区驼山乡,仙浴湾镇等也有小面积高-高值区;同时有较大面积的低-低值区分布在北部(李官镇、许屯镇、万家岭镇、松树镇)和西南部的交流岛。2000—2005 年间瓦房店生态安全集群格局发生了明显变化,高-高值区向北部(太阳街道、瓦房店市、李店镇、炮台镇)转移,西部沿海地区小面积的高-高值区转变为低-低值区,并且到2010 年有大面积扩散趋势。2000 年交流岛地区是低-低值区,2005 年此地区低-低值区明显减少,2010 年此地区低-低值区呈零星分布,表明在这10 年间,交流岛镇生态安全由不安全向安全转变。
3.2.2 沿海地区生态安全空间分异特征空间异质性主要由随机性和自相关性两部分组成。块金值反映的是随机部分的空间异质性,若块金值CO较大表明此时较小尺度上的某种过程不可忽视。CO /(CO+C)的大小反映了自相关部分和随机部分对地理要素空间分异的影响程度,该比值小,非结构性因素影响大。这里结构性因素(内因)包括气候、地形地貌、土壤类型、植被类型等主导区域景观生态安全格局的空间分布的因素;而非结构因素或称随机因素(外因)包括各种自然灾害以及人为活动导致景观变化的因素。变程值a大小反映了研究区某一特征空间自相关的尺度状况,当取样尺度小于该值时各要素的空间分布存在自相关,说明此时研究区主要的生态学过程、格局及功能都与该尺度有关,而当取样尺度大于该值时,则要素呈随机性。运用地统计学方法对瓦房店市景观生态安全格局进行空间分异分析,各模型拟合结果见表 3。2000 年、2005 年和2010年均为球形模型拟合效果最佳,复相关系数R2分别为0.9390、0.8200和0.8520。2000 年较2005 年和2010 年复相关系数高,空间随机性程度低,这与空间自相关研究结果吻合。
时期 Period | 模型 Model | 块金值 Nugget CO | 基台值 Sill CO+C | 变程 Range a | 块金值/基台值 Nugget/ Sill CO /(CO+C) | R2 | 残差 Residual Error RSS |
2000 | 球形Sphere | 0.0030 | 0.0386 | 137.3 | 0.9220 | 0.9390 | 3.212×10-5 |
2005 | 球形Sphere | 0.0007 | 0.0110 | 23.1 | 0.9360 | 0.8200 | 2.466×10-5 |
2010 | 球形Sphere | 0.0009 | 0.0112 | 23.9 | 0.9170 | 0.8520 | 2.062×10-5 |
2 000至2010 年,瓦房店市景观生态安全指数的块金值效应整体上先减弱后增强,从2000 年的0.0030下降到2005 年的0.0007,而2010 年上升到0.0009,表明研究区2005 年到2010 年非结构因素作用增强,不可忽视。CO /(CO+C)值也是先增加后减少,充分表明非结构因素对研究区景观生态安全空间分异影响效应先增强后减弱,这与10 年来瓦房店城市建设用地扩张、人类活动频繁的实际情况相符,2005 年以来随着大连市土地政策的实施与管理,城镇建设、人类活动等非结构因素对生态安全演变影响有所消减。2000 年、2005 年和2010 年研究区景观生态安全格局空间分异的变程在23.1—137.3 km之间,其中2000 年变程最大(137.3 km),表明瓦房店市生态安全格局的相关性在缩小。
4 结论与讨论(1)景观格局的变化必然引起生态系统功能的改变,同时,人类的活动主要是在景观层次上进行的,景观成为研究人类活动对环境影响的适宜尺度,也是沿海地区生态环境研究的基础单元。本文结合景观指数所建立的生态安全评价模型,运用空间自相关和地统计学中的变异函数,分析不同时期研究区内的景观生态安全结构动态,丰富了沿海生态安全时空演变研究实例。
(2)运用GIS格网技术可以有效的调节研究区的空间尺度,尤其是将指标格网化之后,对区域生态安全研究要比传统以行政单元划分研究区域进行生态安全空间分异研究有很大的优势。本文以1 km×1 km格网为基本评价单元,能够很好地研究瓦房店生态安全时空分异,为揭示区域生态安全分异规律提供参考依据。
(3)沿海地区生态系统的复杂性决定了其研究必须采用复杂系统的理论方法,特别是建立或应用基于复杂系统思想的数学模型来对沿海城市生态安全演变模拟与预测具有较强的理论价值和实践意义。
[1] | Evans L S. Ecological knowledge interactions in marine governance in Kenya. Ocean and Coastal Management, 2010, 53(4): 180-191. |
[2] | Farhan A R, Lim S. Vulnerability assessment of ecological conditions in Seribu Islands, Indonesia. Ocean and Coastal Management, 2012, 65: 1-14. |
[3] | 陈菁, 吴端旺. 快速城市化中海峡西岸的生态安全评价. 生态学杂志, 2010, 29(12): 2491-2497. |
[4] | 廖丹, 张珞平, 方秦华, 赵孜苗. 厦门湾海岸带区域人类开发活动的生态效应评价. 浙江万里学院学报, 2010, 23(2): 48-53. |
[5] | 韩振华, 李建东, 殷红, 申屠亚瑾, 徐聪. 基于景观格局的辽河三角洲湿地生态安全分析. 生态环境学报, 2010, 19(3): 701-705. |
[6] | 于蓉蓉, 谢文霞, 赵全升, 徐振, 刘文龙. 基于景观格局的胶州湾大沽河口湿地生态安全. 生态学杂志, 2012, 31(11): 2891-2899. |
[7] | 张小虎, 雷国平, 袁磊, 李辉, 田庆昌. 黑龙江省土地生态安全评价. 中国人口·资源与环境, 2009, 19(1): 88-93. |
[8] | 袁磊, 雷国平, 张小虎. 资源型城市土地生态安全评价——以大庆市为例. 地域研究与开发, 2009, 28(6): 80-85. |
[9] | 王耕, 王嘉丽, 苏柏灵. 基于ARIMA模型的辽河流域生态足迹动态模拟与预测. 生态环境学报, 2013, 22(4): 632-638. |
[10] | 杨木壮, 吴涛, 谢鸿宇. 基于生态足迹的沿海地区生态承载力评价——以汕头市为例. 国土与自然资源研究, 2013, (2): 34-36. |
[11] | 薛若晗. 基于生态足迹的福州仓山区生态安全评价. 环境科学导刊, 2013, 32(1): 82-85, 90-90. |
[12] | 黄宁, 杨绵海, 林志兰, 杨德伟, 黄云凤. 厦门市海岸带景观格局变化及其对生态安全的影响. 生态学杂志, 2012, 31(12): 3193-3202. |
[13] | 游魏斌, 何东进, 巫丽芸, 洪伟, 詹仕华, 覃德华, 游惠明. 武夷山风景名胜区景观生态安全度时空分异规律. 生态学报, 2011, 31(21): 6317-6327. |
[14] | 张浩, 汤晓敏, 王寿兵, 郭林, 雍怡, 王祥荣. 珠江三角洲快速城市化地区生态安全研究——以佛山市为例. 自然资源学报, 2006, 21(4): 615-624. |
[15] | 高香玲, 王耕. 沿海城市生态安全评价及预测研究——以大连市为例. 海洋开发与管理, 2009, 26(10): 96-101. |
[16] | 高宾, 李小玉, 李志刚, 陈玮, 何兴元, 齐善忠. 基于景观格局的锦州湾沿海经济开发区生态风险分析. 生态学报, 2011, 31(12): 3441-3450. |
[17] | 孙磊, 孙英兰, 周震峰. 青岛市海岸带生态系统压力综合评价指标体系研究. 海洋环境科学, 2009, 28(5): 584-587. |
[18] | 孙翔, 朱晓东, 李杨帆. 港湾快速城市化地区景观生态安全评价——以厦门市为例. 生态学报, 2008, 28(8): 3563-3573. |
[19] | 李文杰, 张时煌. GIS和遥感技术在生态安全评价与生物多样性保护中的应用. 生态学报, 2010, 30(23): 6674-6681. |
[20] | 王耕. 辽河流域生态安全隐患评价与预警研究. 大连: 大连海事大学出版社, 2012: 105-148. |
[21] | Anselin L. Local indicators of spatial association-LISA. Geographical Analysis, 1995, 27(2): 93-115. |
[22] | 卢亚灵, 颜磊, 许学工. 环渤海地区生态脆弱性评价及其空间自相关分析. 资源科学, 2010, 32(2): 303-308. |
[23] | Sokal R R, Oden N L, Thomson B A. Local spatial autocorrelation in a biological model. Geographical Analysis, 1998, 30(4): 331-354. |
[24] | 谢花林. 基于景观结构和空间统计学的区域生态风险分析. 生态学报, 2008, 28(10): 5020-5026. |