快速城镇化地区生态环境质量时空格局演变及对土地利用变化响应
——以廊坊市北三县为例

武爱彬,程 林,赵艳霞*

(1.河北省科学院 地理科学研究所/河北省地理信息开发应用工程技术研究中心,河北 石家庄 050011;2.北京林业大学 水土保持学院,北京 100083)

生态环境质量是指在一个具体的时间和空间范围内,生态系统的总体或部分生态环境因子的组合体对人类的生存及社会经济持续发展的适宜程度[1]。国外对生态环境质量的研究始于20世纪60年代,1969年美国颁布的《国家环境政策法》首次将生态环境纳入制度中[2],加拿大环境保护部提出了总环境质量指数[3],20世纪90年代经济合作与发展组织(OECD)提出了压力-状态-响应(PSR)模型,用于区域生态环境质量监测与评价[4],得到了各国学者的广泛应用,并在PSR基础上相继发展出了DSR、PSIR、DPSIR模型等改进模型[5-7],Ness等[8]、Wackernagel等[9]提出并发展了生态足迹模型,广泛应用于生态健康与生态环境质量评价等方面。随着空间科学与地理信息系统的发展与成熟,遥感和地理信息技术也越来越多地应用在国内外生态环境研究中[10-11]。徐涵秋[12]提出了包含绿度、湿度、热度和干度的遥感生态指数(RSEI),完全基于遥感信息,利用主成分分析确定指标权重,避免了人为干扰因素,用于对区域生态环境质量评价预测。随后不少学者基于RSEI,针对流域、山区、城市、县域[13-15]等不同单元尺度进行了研究,结果普遍证明RSEI可以快速、客观、全面地评价区域的生态环境质量水平。但目前大多数研究集中在区域生态环境质量时空分异的刻画,对其影响因素的研究较少,部分研究利用地理探测器[16]、地理加权回归[17]等方法探究了生态环境质量与人类活动的关系,但对生态环境质量和土地利用变化之间关系的研究很少。

土地利用变化是环境变化的重要组成部分和主要原因,也是人地关系相互作用的直接体现[18],尤其在快速城镇化地区,人口数量和社会经济的快速增长直接影响了土地利用类型及强度变化,进而影响区域生态环境质量。本研究以河北省廊坊市 “北三县”为对象,基于GEE平台,利用Landsat 遥感影像合成遥感生态指数,对其2000-2020年生态环境质量时空变化进行分析,并利用地理加权回归模型定量分析生态环境质量变化对土地利用变化的空间响应,研究结果可为区域国土空间优化和生态环境保护提供决策支持。

1 研究区概况

廊坊市“北三县”位于116°44′-117°15′E,39°37′-40°05′N,总面积1 277 km2(图1)。地处冲积平原区,地势较为平坦,东北隅有小面积低山丘陵,为燕山南侧余脉。最高海拔521 m,最低海拔5 m,平均海拔18 m。属于暖温带大陆性季风气候,四季分明,1月最冷,平均气温-4.7 ℃,7月最热,平均气温26.2 ℃,年平均气温11.9 ℃。第7次人口普查数据显示,2020年大厂回族自治县、三河市和香河县常住人口分别为17.14万、96.51万和44.90万,与2000年相比,分别增长了52.09%、111.27%和45.35%,远超于同期全国人口8.99%和河北省人口11.88%的增长速率,是中国快速城镇化的典型代表区域。

图1 研究区位置示意Fig.1 Location of the study area

2 材料与方法

2.1 数据源与预处理

Google Earth Engine(GEE)平台可提供经过辐射校正和大气校正的Landsat TM5/OLI地表反射率产品集,空间分辨率30 m。利用GEE编程,筛选出成像时间为2000、2010、2020年覆盖研究区域的全年遥感影像,以无云像元重构目标年份最小云量的合成影像。土地利用/覆被(LUCC)数据来源于国家基础地理信息中心的全球地理信息公共产品Globeland 30系列数据(http://www.globallandcover.com),该系列产品分类利用的影像包括Landsat TM5、ETM+多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像,空间分辨率为30 m,研究区域内LUCC包含耕地、森林、草地、湿地、水体、人造地表、裸地7类。借助高分辨率 Google Earth 影像,随机抽取0.5%(711个)的土地覆被栅格进行样点验证,解译精度90.11%,满足研究需求。

2.2 遥感生态指数构建

遥感生态指数包含了绿度、湿度、热度、干度4大生态要素,通过主成分变换重构指标组合信息。多数研究采用归一化植被指数、湿度分量、地表温度和归一化土壤指数4个指标,计算方法详见参考文献[13]。将计算结果归一化后进行主成分分析,并保留方差最大的第1主成分,即初始生态指数RSEI0,遥感生态指数RSEI的计算公式为

RSEI=(RSEI0-RSEI0min)/(RSEI0max-RSEI0min)

(1)

式中:RSEI0max、RSEI0min为初始生态指数的最大值和最小值;RSEI为遥感生态指数,值域为[0,1],其值越趋近于1,代表生态环境质量越优,反之越差。

由表1可知,3个目标年度RSEI中4个指标在第1主成分(PC1)上的贡献率均超过了85%,说明PC1集中了各指标的大部分特征信息;4个指标在PC1中都有载荷,不存在忽大忽小现象,没有造成指标丢失。其中,NDVI和Wet的特征向量为正值,表明两者对PC1结果为正面效应,LST和NDSI的特征向量为负值,表明两者对PC1结果为负面效应,与实际情况相符。综上,说明PC1可以代替4个指标,用于建立综合的遥感生态指数。

表1 RSEI4个指标在第一主成分上的荷载和贡献率Table 1 Contributions/loadings of four indexes to first principal component (PC1)

2.3 地理加权回归分析

通过对独立抽样的分析点分别进行回归分析模型解算,得到与空间位置一一对应的空间回归系数,随着空间位置不同而变化的参数估计量化表征空间关系异质性特征[19]。计算公式为

式中:yi为在位置i处的因变量值;xik为位置i处的自变量值,k=1,2…m;(ui,vi)为回归分析点i的坐标;β0(ui,vi)为截距项;βk(ui,vi)为回归系数;εi为随机误差项。

2.4 土地利用变化分析

土地利用强度是人类对不同土地资源的投入和利用程度差异的最直接体现[20],用于测度人类活动对土地利用格局的干扰程度。参照相关研究[21],将研究区域土地利用强度分为5级:1级为裸地,2级为湿地、水体,3级为森林、草地,4级为耕地,5级为人造地表。将2000年和2010年、2010年和2020年LUCC数据叠加分析,发生变化的栅格面积之和与统计单元面积比值定义为土地利用变化综合度指数,用来表征该统计单元土地利用变化剧烈程度,比值越大,说明土地变化越剧烈。

2.5 Fishnet分析

利用ArcGIS 10.6制作覆盖研究区600 m×600 m的Fishnet图层,分别统计出2000、2010、2020年每个渔网内对应指标的变化结果,计算结果可直接join到Fishnet图层属性表,用于空间表达和地理加权回归分析。

3 结果与分析

3.1 北三县生态环境质量时空格局演变分析

研究区2000-2020年RSEI结果统计见图2,Q1、中位数、Q3数值分别由2000年的0.908、0.860、0.775下降至2020年的0.868、0.798、0.653,四分位距(IQR)由2000年0.135增加至2020年的0.215,均值由2000年的0.833下降至2020年的0.756,表明研究区2000-2020年期间生态环境质量良好,区域整体生态环境质量随时间呈现下降趋势,区域内部生态环境质量差异随时间呈现增大趋势。

图2 2000-2020年研究区的RSEI均值与箱形图Fig.2 Boxplot of the RSEI data in the study area,2000-2020

结合箱形图结果,研究区2000-2020年生态环境质量指数集中分布在0.65～0.90,为了更好地体现研究区生态环境质量的时空分异情况,参考相关研究分级标准[22],将RSEI计算结果分为优(0.90～1]、良(0.80～0.90]、一般(0.65～0.80]、较差(0.45～0.65]、差(0～0.45]5个等级,各等级所占比例见图3,研究期间生态环境质量“优”等级变化最显著,由2000年占比29.00%下降至2010年11.35%,2020年略有回升;“良”等级在3个年度占比均为最大,分别为40.40%、42.82%、37.27%,占比表现为先增长后减少;“一般”等级占比呈现先增加后减少趋势,“较差”等级占比呈现持续增加趋势,“差”等级在3个年度占比均为最小。

图3 2000-2020年研究区生态环境质量等级占比统计Fig.3 Statistics of proportion of ecological environmental quality levels in the study area,2000-2020

2000-2020年生态环境质量等级空间分布见图4,2000年生态环境质量“优”和“良”等级呈广泛分布,“一般”和“较差”等级呈零星分布,主要分布在县城和农村居民点区域,“差”等级集中分布在东北部丘陵区。2010年生态环境质量“优”等级空间呈现收敛趋势,其余等级均呈扩延趋势,南部大片区域由“优”转变成“良”“一般”等级。2020年,伴随着县城边界和农村居民点的扩张,“较差”等级集中分布在三河市西部和香河县北部,以及农村居民点分布区域。由此可知,研究区生态环境质量等级分布与土地利用分布格局密切相关,研究区东北部为工矿用地和林草地,生态环境质量等级主要为“较差”和“差”,耕地分布区域的生态环境质量等级主要为“优”和“良”,建设用地分布区域的生态环境质量等级主要为“一般”和“较差”。研究期间生态环境质量等级分布扩张与收缩变化大多伴随着土地利用类型的转变。

图4 2000-2020年研究区生态环境质量等级分布Fig.4 Distribution of ecological environmental quality levels in the study area,2000-2020

3.2 北三县土地利用变化分析

2000-2020年间土地利用结构见图5,研究期间土地利用类型以耕地为主,建设用地次之,生态用地所占比重很少。与2000年相比,耕地占比由79.01%下降到60.78%,变化幅度为-23.56%;建设用地占比由16.64%上升到34.32%,变化幅度为105.00%;生态用地占比由4.35%增加至4.91%,变化幅度为12.69%,土地利用变化集中在耕地向建设用地的转换。研究期间伴随着区域经济的快速发展和人口数量的增加,引发了研究区建设用地的快速增长,尤其表现在3个县城边界的急剧扩张和部分毗邻北京的乡镇边界的扩张。

图5 2000-2020年研究区土地利用结构Fig.5 Land use structure of the study area,2000-2020

北三县2000-2020年间土地利用强度均值分别为4.11、4.17、4.25,表明随着研究区城镇化进程,用地强度在不断增加。2000-2010年和2010-2020年土地利用变化综合动态度均值分别为10.43%和19.92%,说明与2000-2010年相比,北三县在2010-2020年土地利用变化更为剧烈。

3.3 北三县生态环境质量对土地利用变化响应分析

为了进一步明晰和量化生态环境质量对土地利用变化的空间响应,引入地理加权回归模型,将2000-2010、2010-2020年的生态环境质量变化作为因变量Y1、Y2,将对应时期的耕地、建设用地、生态用地、土地利用强度和土地利用综合动态度的变化量作为解释变量X1、X2、X3、X4、X5。首先对5个解释变量的相关性进行共线性检验,检验结果表明X1、X2和X5存在高度共线性,说明土地利用综合动态度变化、耕地变化与建设用地变化存在极强的相关性,舍去解释变量X1、X5,然后对剩余的3个解释变量进行异质性检验[19],结果表明3个变量空间异质性明显,可以用于GWR模型分析。

使用最小二乘法模型(OLS)和GWR模型进行分析,比较2个模型的诊断统计量,可以判断GWR模型是否体现显著改进以及改进的程度[23],最终参数和结果见表2。2000-2010年和2010-2020年GWR模型的拟合优度分别为0.85和0.62,远优于OLS模型的0.13和0.09,阿凯克信息准则(AICc)之差远大于3,二者拟合差异显著,残差平方和也明显低于OLS模型,说明GWR模型的拟合效果良好。对GWR模型的残差结果进行空间自相关分析,MoranI值分别为-0.031和-0.028,Z得分分别为-5.89和-6.11,说明GWR模型残差结果不存在空间自相关,拟合结果具备可信度。

表2 OLS和GWR模型参数估计及检验结果Table 2 Parameter estimation and test results of the OLS model and GWR model

GWR模型各解释变量的回归系数空间分布见图6,2000-2010年和2010-2020年建设用地变化的平均回归系数分别为-0.354和-0.457,说明建设用地的变化与生态环境变化呈负相关关系。回归系数值集中在(-0.60,-0.20)区间,主要分布在三河市西部、大厂县南部和香河县北部,皆为建设用地快速扩张区域,与2000-2010年相比,2010-2020在三河市西部的分布区域在缩减,同时在大厂县南部和香河县北部的分布区域在扩张,这与北三县2010-2020年期间建设用地快速增长中心由三河市燕郊镇转移到香河县相呼应。建设用地对其他地类的占用,直接改变了对应区域归一化植被指数、湿度分量、地表温度、建筑指数和裸土指数,从而直接影响RSEI数值的变化。建设用地上人类活动与工业生产对生态环境质量胁迫效应明显,因此建设用地变化和生态环境质量变化显示了很强的空间相关性。

图6 生境质量变化对建设用地、生态用地和土地利用强度变化响应的空间分布Fig.6 Spatial distribution of ecological environmental quality changes in response to changes in construction land,ecological and land use intensity

2000-2010年和2010-2020年生态用地变化的平均回归系数分别为0.035和0.038,说明生态用地变化和生态环境质量变化呈正相关关系。回归系数值集中在(0,0.20)区间,说明生态用地变化对生态环境变化影响很小。

2000-2010年和2010-2020年土地利用强度变化的平均回归系数分别为-0.184和-0.193,说明土地利用强度的变化与生态环境的变化呈负相关关系。土地利用强度变化的回归系数值集中分布在(-0.60,0)区间,其中回归系数区间(-0.60,-0.20)主要分布在北三县县域扩张与农民居民点增加部分,回归系数区间(-0.20,0)主要分布在耕地类型上。伴随县域边界和毗邻北京乡镇用地的扩张,利用等级较低的耕地转变为利用等级更高的建设用地,因此土地利用强度变化更剧烈,同时伴随着人口密度的增加、工业化程度的加快,势必会对生态环境质量产生负效应,因此这些区域回归结果绝对值更大;以耕地为主要类型的区域土地利用变化强度较小,表明同时期此区域上工业生产等活动较少,对生态环境质量影响较少,这些区域回归结果绝对值较小。土地利用强度变化对生态环境变化的影响强于生态用地,比建设用地弱。

4 讨论

生态环境质量变化受到自然因素和人为因素的驱动,北三县地处华北平原北部,主要为平原地貌,自然因素空间差异性很小,因此生态环境质量变化的空间差异性主要由人为因素引起。北三县与北京和天津2个大都市相邻,承接了2个城市的溢出人口,土地利用变化是快速城镇化的最直接表现,所以生态环境质量变化受到土地利用变化的直接影响。

以往研究发现,快速城镇化过程往往会造成植被破坏、耕地锐减、污染加重和生态功能退化,从而给生态环境的改善带来压力,总体上对生态环境表现出负面影响[24],这与本研究结果一致。在北三县地区,快速城镇化过程导致大量耕地向建设用地转移,生态环境质量呈现下降趋势,尤其在建设用地扩张区域,生态环境变化对土地利用变化响应最为明显。

随着我国城镇化水平的提高和北京非核心功能产业转移,北三县承接北京溢出人口功能减弱,人口增长和城镇化率增长将放缓,应严格控制建设用地总量,集约节约利用土地,优化三生空间分布格局,划定城市边界,禁止建设用地无序扩张。

5 结论

利用Landsat影像数据和Globe 30遥感解译数据,通过构建遥感生态指数和土地利用变化度指数对廊坊市“北三县”地区2000、2010、2020年生态环境质量分布格局进行分析评价,并利用地理加权回归模型探索了对土地利用变化的响应。

北三县2000-2020年期间生态环境质量等级以“良”和“一般”为主,整体呈现下降趋势,其中等级“优”的数量呈快速下降趋势,等级“良”“一般”和“差”的数量呈先上升后减少趋势,等级“较差”数量呈现快速增长趋势。

北三县2000-2020年间土地利用类型以耕地为主,建设用地次之,生态用地所占比重很少,土地利用变化集中在耕地向建设用地的转换。土地利用强度在不断增加,2000-2010年和2010-2020年土地利用变化综合动态度均值分别为10.43%和19.92%。

地理加权回归模型显示,建设用地变化、土地利用强度变化和生态环境质量变化呈负相关关系,回归系数在空间上呈现较大的异质性;生态用地变化与生态环境质量变化呈正相关关系,回归系数在空间上异质性不强。城镇快速扩张的区域生态环境质量变化对建设用地变化和土地利用强度变化响应最显著。大量耕地向建设用地的转换是生态环境变化最主要的影响因素。