党的十九大提出实施乡村振兴战略, 2021年十三届全国人大四次会议将“全面推进乡村振兴, 完善新型城镇化”战略作为“十四五”城乡建设领域主要目标之一。地处浅山区内的乡镇是产业结构、人口结构和空间结构从城市向农村特征过渡的地带, 由具有一定海拔高度变化的自然、聚落、农业景观等而共同构成的人与自然相互作用的环境综合体^[1]。土地退化和山地灾害是山地乡镇生态环境长期面临的问题^[2], 随着城乡发展, 越来越多的浅山地带被转化为城市建设用地, 浅山区乡镇社会-生态系统受到人地相互作用日趋强烈^[3], 在结构与功能的频繁转换过程中产生诸多“脆弱性”, 使其成为当前中国社会矛盾的集中区。

国内外脆弱性的研究成果包含从概念、研究视角、理论模型、评估框架等^[4—8]。研究范围逐渐由单一的自然系统扩大到社会-生态、社会经济生态耦合系统, 关注自然环境变化扰动或自身结构变化下系统(自然、社会)因自身缺乏应对能力所遭受的不利影响, 涉及气候变化、土地利用、公共健康、社会群体等多个领域^[9—13]。研究尺度主要是流域^[14]、省域^[15]、市域^[16]为主的区域层面, 在县域^[17]、乡镇等微观层面研究较为稀少, 目前针对山地方面的研究主要针对的是其生态系统的脆弱性^{[18, 34]}、乡村个体农户脆弱性^[19]研究, 尚缺乏乡镇尺度社会-生态系统综合脆弱性研究。评价理论与模型从仅关注敏感性分析发展到强调适应性与恢复力对脆弱性综合影响, 包括暴露-敏感-适应(Vulnerability scoping diagram, VSD)评估框架^[20]和代理差异脆弱性(Agents′ differential vulnerability, ADV)评估框架^[11]等, 然而大部分评价模型存在问题目标定位不明确^[7]、评价指标针对性不强、评价结果空间应用性差^[21]等问题, 显式空间脆弱性(Spatially explicit resilience vulnerability, SERV)模型根据不同区域风险增加地方特定指标弥补已有框架的不足^[22], 可有针对性地制定政策, 推动有限的资源分配到更加脆弱而不只是高度暴露的地区^[23], 对实现我国浅山区乡镇可持续性评估和降低脆弱性风险预警机制建设有重要意义。

为更好指导区域发展, 情景模拟分析是目前常用手段, 主要分两类, 一类是在所假设的几种情景里选取最优值为最终结果^[24], 如系统动力学、人工神经网络等方法可以提供的固定最优预测; 另一类是通过几种情景的相互印证, 归纳出一个综合全部利弊的结论^[25], 如有序加权平均(Ordered weighted averaging, OWA)算法基于决策者不确定性偏好对指标排序权重进行变换, 模拟不同决策风险的决策结果。较于固定最优预测方法而言, OWA算法具有较高灵活性, 可根据决策者不确定性偏好模拟不同发展导向下系统脆弱性差异, 为未来浅山区乡镇应对灾害风险规划提供依据。

1 研究区域及数据来源 1.1 研究区域

研究区域位于北京市浅山区中(图 1)。浅山区范围是以北京高程系100—300 m的浅山本体为基础, 包括第一道山脚线穿越的平原与浅山交接地区, 以及300 m等高线穿越的浅山和深山交界地区, 并将新城集中建设区范围予以调出^[26]。

平谷区位于浅山区保护规划范围中, 地貌类型以丘陵、台地为主, 有活动断裂、崩塌、滑坡、泥石流、不稳定斜坡和地面沉降六类地质灾害^[27], 区域内约有46%面积属于地质灾害易发区(中易发区及以上)且均位于浅山区域。由于前一轮城乡快速发展带来区域人地关系转型剧烈, 因此《北京浅山区保护规划(2017—2035年)草案》中对平谷浅山区规划为“加强生态保护与修复, 强化地质灾害隐患重点生态修复。推动小城镇与美丽乡村建设”。平谷分区规划^[28]指出要加强浅山区生态修复和监视管控。因此本次研究范围在保证村级行政边界完整性的基础上, 选取北京平谷浅山区, 面积为826.79 km² (占平谷区总面积的87.19%), 涉及金海湖镇、大华山镇、镇罗营镇、黄松峪乡、峪口镇、王辛庄镇、南独乐河镇、山东庄镇、熊儿寨乡、夏各庄镇、东高村镇、刘家店镇12个镇(乡)。

1.2 数据来源与预处理

本文数据源包括土地覆盖类型数据、气候与环境数据和社会经济数据3种类别(表 1)。使用ArcGIS将所有指标统一投影坐标系为WGS_1984_Transverse_Mercator, 重采样为30 m×30 m。此外如常用耕地面积、水土保持林面积、自然保护区面积等指标结合现状情况提取自当年土地利用数据, 人口占比数据由人口空间数据分布与年鉴中占比估算所得。

2 思路与方法 2.1 研究思路

以浅山区乡镇社会-生态系统为研究对象, 使用暴露度、敏感性和适应能力表征社会-生态系统脆弱性内涵特征, 基于SERV模型构建浅山区社会-生态系统的脆弱性评价指标体系。分析北京市平谷浅山区乡镇脆弱性时空演变特征, 并根据决策者偏好使用OWA算法模拟不同情景发展模式下脆弱性风险及其差异性, 并提出相应的策略指导区域实践(图 2)。

2.2 构建浅山区社会-生态系统脆弱性评价指标体系

浅山区社会-生态系统脆弱性评价指标体系, 由准则层、要素层、指标层和性质层构成。其中, 准则层从脆弱性概念出发分为暴露度、敏感性和适应能力三部分。要素层参考社会-生态系统脆弱性评价指标^[29], 涵盖生态环境、社会经济、地方特点指标等9个部分, 性质层体现指标对系统脆弱性正负向影响作用。

暴露度指标反映系统遭遇危害的程度, 平谷浅山区暴露风险主要来源于水土流失和人类活动干扰。敏感性指标反映系统抵抗灾害干扰的能力, 平谷浅山区乡镇敏感性的与市中心的差异主要为社会发展(经济与人口)的分异, 以及平谷分区规划中提出“努力把平谷建成展现北京历史文化的典范区”和“以‘京平物流综合枢纽’建设为抓手, 推进服务首都的绿色之辉商贸物流产业”的特色目标。适应能力指标反映系统本身和人类对气候环境影响下的适应和调整能力^[30], 指标选取表征浅山区乡镇的适应能力, 以及“作为生态文明建设的引领区、宜居宜业宜游的生态发展示范区”的目标。最终确定建立含21个指标(表 2)。

指标权重则使用归一化处理消除指标数据量纲不一致问题, 并通过层次分析法赋权重, 其中三个准则层一致性比率(CR)值分别为0.065、0.039、0.031均小于0.1, 层次排序结果具有一致性。

2.3 研究方法 2.3.1 社会-生态系统脆弱性评估——SERV模型

社会-生态系统脆弱性是指面临风险(压力)情况下社会生态系统的敏感程度和应对能力, 是系统所受压力和自身敏感性的相互作用的结果^[31]。SERV模型在VSD模型基础上结合空间信息, 评估区域脆弱性程度, 规避以往笼统的数据指标, 针对不同区域差异化指标反映当地存在风险。SERV模型采用三要素维度独立计算计算方程如下：

(1)

式中：V代表脆弱性; E代表暴露度; S代表敏感性; AC代表适应能力。

2.3.2 多情景模拟——OWA算法

OWA算法模拟决策者不同风险认知行为对系统脆弱性变化的影响, 多情景呈现研究区社会-生态系统脆弱性空间, 为系统脆弱性预测提供决策参考, 具体算法见公式(2),

(2)

式中：Z_ij为经过标准化分级赋值的第i个像元中第j个指标的属性值; u_j为准则权重, v_j代表次序权重。其中准则权重u_j应用简单方便的层次分析法, 次序权重v_j的确定采用模糊量化模型^[32]求解, 具体计算公式(3)如下：

(3)

式中：v_j代表次序权重; a为决策风险系数, 取决于主观决策者对决策风险的乐观程度, 取值a < 1为乐观主义决策认为区域脆弱性风险在可承受或控制范围, 不会影响区域社会-生态系统稳定发展; a=1为等可能性决策, 即区域系统脆弱性处于现状态势, 次序权重相等, OWA算法转为传统的准则权重图层叠加; a>1为悲观主义决策认为区域暴露或敏感风险大, 脆弱性显著增加不利于区域社会-生态系统可持续发展。

w_k代表指标重要性程度可由公式(4)计算得到：

(4)

式中：n为指标数量; r_k为依据指标数值大小对指标重要性进行赋值, 最大值取1, 次大值取2, 以此类推最小值取n。

3 结果与分析 3.1 社会-生态系统脆弱性时空演变特征

为更直观更显著反映各个乡镇的社会-生态系统脆弱情况, 以乡镇为单元算出各乡镇平均脆弱性, 按照自然断点法将脆弱性划分为5类, 分别代表低脆弱、较低脆弱、中等脆弱、较高脆弱和高脆弱区域(图 3)。平谷浅山区2007—2017年区域整体上呈现中度脆弱水平, 空间上呈现“东南高, 西北低”的格局。东南侧镇由于两级人口分布较多, 紧邻新城区建设开发强度较高等, 呈现较高的脆弱性。

时间维度上：2007—2017年平谷浅山区社会-生态系统脆弱性整体平稳, 局部呈现上升的态势, 中等以上脆弱区域面积比重由73.09%上升到80.74%。近10年来研究区中王辛庄镇脆弱性等级明显提高一级，其余乡镇等级未发生变化。但脆弱性指数除镇罗营镇、熊儿寨乡、夏各庄镇、南独乐河镇4个乡镇有所下降外，其余7镇脆弱性指数均有所升高，脆弱性等级增加区域, 主要是由于建设用地明显增多, 并且出现两级人口增多, 导致暴露度增高。部分乡镇脆弱性下降主要是有由于草地、耕地转化成林地, 降低暴露度提高适应能力。

空间维度上, 暴露度倾向于表征地理环境特征, 敏感性和适应能力表征着人类活动的空间分布。以2017年为例北京市平谷浅山区12个乡镇在暴露度、敏感性和适应能力三组的结果显示：较高及以上脆弱性区域主要集中在东南部, 中等脆弱性区域主要集中在北部与中部, 而低脆弱性区域处在西侧, 这些人地关系矛盾突出单元的空间区位与城市社会经济活动的中心呈现高度一致性。

3.2 社会-生态系统脆弱性情景模拟 3.2.1 预实验模拟

决策风险系数a∈(0→∞)取值范围较广需做预实验进行区间筛选。a值选取覆盖乐观主义决策(a=0.001、0.5)、悲观主义决策(a=2、1000)、等可能性决策(a=1)三类, 通过IDRISI 17.0软件OWA模块运算得出结果(表 3、图 4)。结合根据已有研究^[24]与模拟结果发现当0.5 < a < 2时, 研究区域出现一定程度脆弱性，模拟现实性更强。

3.2.2 情景设置

风险决策是决策者在权衡多种情况下对所面临风险综合考虑的结果, 为保证区域的可持续发展需求应重视不同情景间组合与阈值变化^[33]。浅山区乡镇发展政策制定需要权衡社会经济发展与生态环境保护间关系, 基于地情现状基础与预实验结果设置3种情景(可持续导向型、维持现状型、经济优先型), 选择a=0.8、1、1.2为例进行模拟分析。

情景1(可持续导向型a=0.8), 决策者对风险的重视程度较小, 更注重区域对环境变化下的适应和调整能力。情景2(维持现状型a=1), 区域发展政策对灾害风险控制力度不大, 社会经济发展维持正常。情景3(经济优先型a=1.2), 决策者对风险比较重视, 更为注重风险胁迫中的系统本身对脆弱性的影响。

3.2.3 情景模拟

从图 4所示情景模拟可知, 从可持续导向型到经济优先型, 3种情景政策的社会-生态系统脆弱性呈增强趋势, 空间分布呈现规律性, 较高与高脆弱区域依然分布于南侧人口密集地区且地势坡度陡峭之处, 且高脆弱性区域空间面积明显向外扩张。

情景1中西北侧刘家店镇等基本处在低脆弱区域, 北部主要的地质灾害危险区脆弱性程度显著下降, 脆弱性处于较低水平的乡镇占51.30%, 该情景决策中地质灾害隐患点、地质灾害危险区等风险暴露因子次序权重较小, 即决策者根据环境状况采取以水土保持、生态环境治理为主导风险控制和治理措施, 系统脆弱性明显降低。情景2中整体处于中等脆弱性水平, 脆弱性处于中等水平的镇域占38.99%,

东北侧镇罗营镇、东南侧金海湖镇分布于平谷的地质灾害高发区, 东南侧夏各庄镇等是人类活动密集区, 因此脆弱性相对显著。情景3中整个区域系统处在较高脆弱乡镇占54.21%。高脆弱性区域由夏各庄镇向外扩大至东北侧南独乐河镇、东高村镇、黄松峪乡等, 忽视风险胁迫与系统适应能力的重视。

4 讨论与结论 4.1 讨论

(1) 本文选择研究对象聚焦社会矛盾集中区域(浅山区乡镇), 目前社会-生态系统脆弱性评价较少针对乡镇尺度的研究, 且针对山地方面的研究多以单一系统脆弱性评价为主。(2)研究方法来看, 采用SERV模型建立乡镇尺度的社会-生态系统脆弱性评价框架与体系, 重视人类自身脆弱性等微观因子, 更好分析浅山区脆弱性空间特征, 虽然模型较新仍处于探索阶段, 但目前也可从陈佳等^[12]研究成果中得到证实, 在制定政策时分配有限资源到更加脆弱而不仅是高暴露度地区, 模型促进空间脆弱性评价思维发展, 有助于设计针对性的减灾策略, 具有广阔前景。(3)本文设置的三种情景是通过预实验筛选出描述不同发展情况下脆弱风险决策的取值, 并非该决策风险决策中唯一最佳方案。实际发展中可将这三种情景的脆弱性浮动区间作为参考, 并根据乡镇的战略规划做出相应调整。

4.2 结论

(1) 从时空演化上看, 平谷浅山区2007—2017年区域整体上呈现中度脆弱水平, 空间上呈现“东南高, 西北低”的格局。10年间中等以上脆弱乡镇面积比重由73.09%上升到80.74%。脆弱性等级增加区域主要是由于建设用地明显增多, 景观破碎度增加, 并且出现两级人口增多, 部分乡镇脆弱性下降由于百万亩造林提高了适应能力。

(2) 从决策风险角度看, 不同决策风险系数其政策制定权衡了环境保护、经济发展与脆弱性间的关系。在倾向于可持续发展导向下, 乡镇注重水土保持、生态环境治理, 有利于区域可持续发展。在经济发展导向下, 应推动绿地连通性与适宜两级人口的绿色基础设施建设, 可有效减少系统的脆弱性。评价结果可满足不同决策思路下指导区域发展实践。

(3) 从发展策略来看, 现阶段处于高脆弱水平乡镇(东南侧：东高村镇、夏各庄镇、南独乐河镇、金海湖镇), 主要是紧邻新城区建设开发强度高、两级人口分布较多, 应提高绿地连通性、增加水土保持林面积、增设针对两级人口的基础设施。重视低脆弱乡镇的高暴露风险源(东北侧：镇罗营镇、熊儿寨乡、黄松峪乡、山东庄镇), 由于处于地质灾害高易发区, 暴露风险较高, 受气候影响极易出现崩塌、滑坡、泥石流等灾害, 应以保护生态环境为优先, 提高水土保持能力, 降低栖息地的破碎程度。现阶段处于中低脆弱水平乡镇(西北侧：刘家店镇、峪口镇、大华山镇、王辛庄镇), 可在保护现有湿地与绿地情况下, 扶植现代特色农业经济、发展绿色基础设施、构建生态走廊, 维持区域发展均衡。