陳康富,吳雋宇,2,3,*

1 華南理工大學(xué)建筑學(xué)院,廣州 510640

2 亞熱帶建筑科學(xué)國家重點實驗室,廣州 510640

3 廣州市景觀建筑重點實驗室,廣州 510640

作為城鎮(zhèn)化發(fā)展到高級階段的空間組織模式,城市群是我國推進新型城鎮(zhèn)化與優(yōu)化國土空間發(fā)展結(jié)構(gòu)的重要載體[1—2]。針對蔓延式城鎮(zhèn)擴張模式,以及當(dāng)前國土生態(tài)問題所呈現(xiàn)的區(qū)域性污染、疊加效應(yīng)、行政邊界效應(yīng)等特點,城市群的可持續(xù)發(fā)展亟待從宏觀角度提出整體性生態(tài)保護措施,以保障區(qū)域生態(tài)安全和人類福祉[3—4]。2019年中共中央國務(wù)院正式印發(fā)《關(guān)于建立國土空間規(guī)劃體系并監(jiān)督實施的若干意見》,明確要求遵循生態(tài)優(yōu)先的國土空間規(guī)劃價值位序[5]。生態(tài)保護優(yōu)先區(qū)是根據(jù)地區(qū)的自然條件和社會經(jīng)濟狀況,以保護自然資源和保障區(qū)域生態(tài)安全為目的劃定的生態(tài)保護關(guān)鍵區(qū)域[6—8]。針對城鎮(zhèn)發(fā)展過程中不斷出現(xiàn)的生態(tài)保護缺位問題以及實現(xiàn)整體性生態(tài)保護的技術(shù)難題,如何在城市群尺度下科學(xué)識別生態(tài)保護優(yōu)先區(qū),成為當(dāng)前國土空間規(guī)劃必須深入研究的重要課題。

識別城市群生態(tài)保護優(yōu)先區(qū)的可行方法主要分為兩類,一是整合各類生態(tài)保護專項規(guī)劃,以現(xiàn)有生態(tài)管制空間為基礎(chǔ)劃定生態(tài)保護優(yōu)先區(qū);二是從生態(tài)完整性、生態(tài)系統(tǒng)健康、生態(tài)系統(tǒng)服務(wù)等方向進行區(qū)域生態(tài)環(huán)境評價[9—11],并以評價結(jié)果作為生態(tài)保護等級劃分的依據(jù)。前者雖易于實際操作,但容易忽略現(xiàn)有生態(tài)保護范圍外的重要生態(tài)空間;后者相關(guān)評價結(jié)果僅衡量了生態(tài)環(huán)境整體狀況,無法體現(xiàn)生態(tài)系統(tǒng)綜合特征的空間異質(zhì)性,抑或是具有空間異質(zhì)性特征的評價結(jié)果用于指導(dǎo)各地區(qū)生態(tài)保護等級劃分的生態(tài)機制尚未明晰。國土空間規(guī)劃背景下提出的資源環(huán)境承載能力和國土空間開發(fā)適宜性評價(簡稱“雙評價”),是基于對生態(tài)環(huán)境本底的客觀評價進行國土空間的開發(fā)與保護的管控性分區(qū)。作為雙評價中分析區(qū)域自然資源稟賦和生態(tài)環(huán)境條件的基礎(chǔ)性工作,生態(tài)保護重要性評價目標(biāo)是在空間上明確各地區(qū)生態(tài)保護重要程度。生態(tài)系統(tǒng)服務(wù)指標(biāo)體現(xiàn)生態(tài)系統(tǒng)為人類提供各類生態(tài)產(chǎn)品和服務(wù)(如提供新鮮的空氣和凈化水質(zhì))的外部功能,而生態(tài)脆弱性指標(biāo)體現(xiàn)生態(tài)系統(tǒng)受內(nèi)外部干擾后生態(tài)系統(tǒng)內(nèi)部要素的穩(wěn)定程度[12—14],因此基于囊括生態(tài)系統(tǒng)服務(wù)和生態(tài)脆弱性的生態(tài)保護重要性評價識別城市群生態(tài)保護優(yōu)先區(qū),有利于保障生態(tài)系統(tǒng)服務(wù)的供給水平和維持生態(tài)系統(tǒng)的穩(wěn)定性,以及同時從生態(tài)系統(tǒng)的外部功能維度和內(nèi)部穩(wěn)定維度維持區(qū)域生態(tài)安全和保障人類福祉。

當(dāng)前生態(tài)保護重要性評價研究大多通過最大值法或者等權(quán)疊加法對評價指標(biāo)進行簡單疊加[15— 16],缺乏對指標(biāo)間權(quán)重的重點考量。LIAO等[17]通過結(jié)合層次分析法的有序加權(quán)平均(Ordered Weighted Averaged,OWA)算子計算準(zhǔn)則權(quán)重和位序權(quán)重,以兩類權(quán)重為基礎(chǔ)聚合生態(tài)系統(tǒng)服務(wù)指標(biāo)和生態(tài)敏感性指標(biāo),進而獲取多種情景的區(qū)域生態(tài)環(huán)境綜合評價結(jié)果。但是OWA算子本質(zhì)上是一種反映評價者主觀風(fēng)險態(tài)度偏好的決策方法,利用層次分析法等主觀賦權(quán)法和OWA算子進行賦權(quán)容易出現(xiàn)的主觀臆測和主觀色彩過重問題。生態(tài)敏感性屬于生態(tài)脆弱性的構(gòu)成要素之一[18],當(dāng)前仍缺乏以綜合采納生態(tài)系統(tǒng)服務(wù)指標(biāo)和生態(tài)脆弱性指標(biāo)的生態(tài)保護重要性評價為基礎(chǔ),運用結(jié)合客觀賦權(quán)法的OWA算子識別城市群生態(tài)保護優(yōu)先區(qū)的方法探索。

粵港澳大灣區(qū)(以下簡稱“大灣區(qū)”)是快速城鎮(zhèn)化地區(qū)人地矛盾突出的典型案例,相關(guān)國土空間規(guī)劃與自然資源管理改革的研究與實踐在全國具備先進性和模范作用。隨著大灣區(qū)建設(shè)步伐的加快,高強度的人力營造從根本上降低了其生態(tài)系統(tǒng)服務(wù)水平和提高了其生態(tài)系統(tǒng)脆弱性,導(dǎo)致各類生態(tài)問題凸顯,嚴重阻礙大灣區(qū)的可持續(xù)發(fā)展。鑒于此,本文以大灣區(qū)為例,試圖探索一套適用于城市群的生態(tài)保護優(yōu)先區(qū)識別方法,具體目標(biāo)為:(1)構(gòu)建一個更加全面合理的生態(tài)保護重要性評價指標(biāo)體系;(2)耦合客觀賦權(quán)法之一的空間主成分分析法(Spatial Principal Component Analysis,SPCA)和OWA算子,模擬多情景的生態(tài)保護重要性評價;(3)基于生態(tài)保護重要性評價結(jié)果識別生態(tài)保護優(yōu)先區(qū),輔助決策者更全面認知影響城市群生態(tài)安全的重要因素,明晰不同決策風(fēng)險態(tài)度下城市群生態(tài)保護優(yōu)先區(qū)多情景模擬與擇優(yōu)方法,為城市群的生態(tài)保護區(qū)劃決策等生態(tài)管理提供理論依據(jù)和技術(shù)支持。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況

粵港澳大灣區(qū)是在深化泛珠三角區(qū)域合作和響應(yīng)國家區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略的倡導(dǎo)下于2017年提出規(guī)劃建設(shè)的城市群,陸域國土總面積約5.6 萬km2,包括廣東省的珠三角九市和香港與澳門特別行政區(qū)(圖1)。該區(qū)以南亞熱帶季風(fēng)氣候為主,年均降水量在1500—2500 mm之間,具有“三面環(huán)山、一面臨海、三江匯合”的獨特生態(tài)本底特點。2020年,大灣區(qū)GDP為11.59 萬億元[19],常住人口達8640.24 萬人,城鎮(zhèn)化率約為78.99%[20]。

圖1 研究區(qū)地理位置及行政區(qū)劃圖Fig.1 Geographical location and administrative map of the study area

1.2 數(shù)據(jù)來源與預(yù)處理

本文所使用數(shù)據(jù)的詳細信息詳見表1。借助ArcGIS 10.8軟件,對各數(shù)據(jù)進行鑲嵌、裁剪、空間插值等一系列預(yù)處理,然后統(tǒng)一至相同的投影坐標(biāo)系,并重采樣至100 m分辨率的柵格。

表1 數(shù)據(jù)說明Table 1 The data descriptions

1.3 研究方法

1.3.1生態(tài)保護重要性評價指標(biāo)體系構(gòu)建

基于《廣東省資源環(huán)境承載能力和國土空間開發(fā)適宜性評價技術(shù)指引(試行)》(2020年12月版)[23]的生態(tài)保護重要性評價指標(biāo)體系,結(jié)合大灣區(qū)生態(tài)環(huán)境的主要影響因子和面臨的核心生態(tài)問題,選取17項指標(biāo)構(gòu)建大灣區(qū)生態(tài)保護重要性評價指標(biāo)體系(表2)。并根據(jù)對生態(tài)保護重要性的影響,將所選指標(biāo)分為正向指標(biāo)和負向指標(biāo),其中正向指標(biāo)本身數(shù)值越大,相應(yīng)生態(tài)保護重要性越高;負向指標(biāo)則相反,其本身數(shù)值越小,相應(yīng)生態(tài)保護重要性越高。需要特別說明的是,在生態(tài)脆弱性指標(biāo)中,暴露度側(cè)重衡量人類社會和自然環(huán)境對生態(tài)系統(tǒng)的脅迫程度,因此選取土地利用強度和暴雨日數(shù)分別表征生態(tài)脆弱性的社會暴露因子和自然暴露因子;生態(tài)系統(tǒng)的敏感源主要是自然因素,因此選取地形、水體、土壤等生態(tài)系統(tǒng)內(nèi)部要素的敏感性指標(biāo)衡量生態(tài)系統(tǒng)穩(wěn)定性;適應(yīng)力側(cè)重衡量生態(tài)系統(tǒng)遭受自然環(huán)境和人類社會干擾之后的恢復(fù)能力,選取夜間燈光指數(shù)作為表征生態(tài)脆弱性的社會適應(yīng)因子,以及植被凈初級生產(chǎn)力和增強型植被指數(shù)作為表征生態(tài)脆弱性的自然適應(yīng)因子。

表2 生態(tài)保護重要性評價指標(biāo)體系Table 2 Evaluation indicator system of the ecological conservation importance

1.3.2生態(tài)保護重要性評價指標(biāo)量化

(1)生態(tài)系統(tǒng)服務(wù)指標(biāo)評價

本文運用InVEST 3.9.0模型和ArcGIS 10.8軟件對各生態(tài)系統(tǒng)服務(wù)指標(biāo)進行具體量化評價,各指標(biāo)的評價方法詳見表3。

表3 生態(tài)系統(tǒng)服務(wù)指標(biāo)的評價方法及方法說明Table 3 Evaluation methods and descriptions of ecosystem service indicators

(2)生態(tài)脆弱性指標(biāo)評價

本文運用ArcGIS 10.8軟件對各生態(tài)脆弱性指標(biāo)進行具體量化評價,各指標(biāo)的評價方法詳見表4。

表4 生態(tài)脆弱性指標(biāo)的評價方法及方法說明Table 4 Evaluation methods and descriptions of ecological vulnerability indicators

1.3.3基于SPCA-OWA的生態(tài)保護重要性評價情景模擬

(1)運用SPCA生成主成分并確定準(zhǔn)則權(quán)重

SPCA以主成分分析法原理和GIS為基礎(chǔ),通過線性組合生成彼此不相關(guān)且數(shù)量少于原指標(biāo)的主成分,實質(zhì)是把原指標(biāo)對綜合評價結(jié)果的影響分配至各主成分因子[22—23]。本文利用經(jīng)過標(biāo)準(zhǔn)化處理后的生態(tài)保護重要性指標(biāo)評價結(jié)果進行空間主成分分析,將特征值大于1作為選取主成分的標(biāo)準(zhǔn),并根據(jù)主成分方差貢獻率確定和為1的各主成分指標(biāo)的準(zhǔn)則權(quán)重。

(2)基于OWA多屬性決策的生態(tài)保護重要性評價情景模擬

由美國數(shù)學(xué)家Yager在1988年提出的OWA算子,其核心在于將指標(biāo)的屬性值按照降序排序,并按照排序位次賦予不同的位序權(quán)重[24]?；贠WA算子的多屬性決策方法則是一種通過聚合準(zhǔn)則權(quán)重和位序權(quán)重,為決策者提供基于不同決策風(fēng)險系數(shù)下多屬性決策集,并基于一定的規(guī)則對有限個評價結(jié)果進行排序或擇優(yōu)的方法[25]。本文運用單調(diào)規(guī)則遞增法計算主成分指標(biāo)的位序權(quán)重,具體計算公式[26—27]如下:

式中,j為某主成分指標(biāo)相應(yīng)的位序數(shù);vj為該主成分指標(biāo)的位序權(quán)重,vj∈[0,1];n為主成分指標(biāo)數(shù)量;α為決策風(fēng)險系數(shù),α∈(0,∞);wk為該主成分指標(biāo)重要等級;rk為主成分指標(biāo)的賦值,按照指標(biāo)值本身的大小對指標(biāo)進行賦值,最大值賦1,次大值賦2,以此類推,最小值賦值為n。

基于準(zhǔn)則權(quán)重和位序權(quán)重的生態(tài)保護重要性評價的計算公式如下:

式中,OWAx為研究區(qū)內(nèi)柵格x的生態(tài)保護重要性柵格值;cj為位序權(quán)重相應(yīng)主成分指標(biāo)的準(zhǔn)則權(quán)重;zx為準(zhǔn)則權(quán)重和位序權(quán)重兩者相應(yīng)主成分指標(biāo)柵格值。

此外,在一些僅考慮準(zhǔn)則權(quán)重的多屬性決策中,一些屬性值(即柵格值)較高但權(quán)重值較低的指標(biāo)可能會被另一些屬性值較低但權(quán)重值較高的指標(biāo)所補償,作為折中后的決策結(jié)果往往失去了決策者想表達的部分高屬性值對決策的實際影響作用[28]。因此,為降低由此造成的決策誤差,應(yīng)可能地減小指標(biāo)間的權(quán)衡作用。OWA多屬性決策方法中的權(quán)衡度(trade-off)表示為不同決策風(fēng)險系數(shù)下指標(biāo)間的補償程度[29],具體計算公式[30]如下:

式中,tradeoff為權(quán)衡度,且0≤tradeoff≤1;n為主成分指標(biāo)數(shù)量;wk為第k個主成分指標(biāo)重要等級。

1.3.4生態(tài)保護優(yōu)先區(qū)識別

(1)不同情景的生態(tài)保護優(yōu)先區(qū)識別

本文將生態(tài)保護重要性評價結(jié)果進行降序排列,將生態(tài)保護重要性累積值前50%中最小柵格值作為生態(tài)保護重要性閾值。然后在ArcGIS軟件中使用聚合面工具,將大于和等于生態(tài)保護重要性閾值的區(qū)域中相對聚集或鄰近的圖斑聚合為相對完整連片圖斑,聚合結(jié)果作為各情景初步生態(tài)保護優(yōu)先區(qū)。

基于所得的生態(tài)保護重要性評價情景,將各主成分指標(biāo)位序權(quán)重相等的情景設(shè)為情景Q,該情景評價結(jié)果相當(dāng)于不考慮表征主觀決策態(tài)度的決策風(fēng)險系數(shù),所得生態(tài)保護重要性評價結(jié)果相對客觀。以2 km2為初始值和2 km2為步長,統(tǒng)計分析情景Q的初步生態(tài)保護優(yōu)先區(qū)中面積小于閾值的圖斑數(shù)量和總面積隨面積閾值變化的情況,將圖中拐點作為圖斑面積閾值,并根據(jù)閾值剔除相應(yīng)獨立分散小圖斑。在此基礎(chǔ)上合并大灣區(qū)內(nèi)國家級和省級的各類生態(tài)保護區(qū),并且剔除現(xiàn)有建設(shè)用地,從而獲得各情景最終生態(tài)保護優(yōu)先區(qū)。

(2)最優(yōu)情景的生態(tài)保護優(yōu)先區(qū)識別

計算不同情景最終生態(tài)保護優(yōu)先區(qū)對于情景Q的生態(tài)保護重要性評價結(jié)果的保護效率,保護效率的計算公式如下:

基于上述分析,對比分析各情景的保護效率與權(quán)衡度篩選出最優(yōu)情景,并將相應(yīng)優(yōu)先區(qū)作為研究區(qū)最終的生態(tài)保護優(yōu)先區(qū)識別結(jié)果。

2 結(jié)果分析

2.1 各情景生態(tài)保護重要性評價結(jié)果分析

本文運用SPCA方法生成了基于生態(tài)保護重要性評價指標(biāo)的5個主成分,各主成分的特征值、方差貢獻率和準(zhǔn)則權(quán)重詳見表5。OWA多屬性決策方法依據(jù)決策風(fēng)險系數(shù)設(shè)置情景方案,而決策風(fēng)險系數(shù)可以是大于零的任意數(shù),因此理論上可以設(shè)置無數(shù)種情景。綜合考慮研究效率和不同決策風(fēng)險系數(shù)的代表性,在排除決策風(fēng)險系數(shù)為0和無限大對應(yīng)的兩種在實際決策中幾乎不可能出現(xiàn)的極端情景的情況下,本文設(shè)置了7種決策風(fēng)險系數(shù)情景,各情景的決策風(fēng)險系數(shù)、權(quán)衡度和各主成分指標(biāo)的位序權(quán)重如表6所示。然后使運用TerrSet 2020軟件平臺的MCE模塊進行OWA多屬性決策情景模擬,該模擬過程通過聚合主成分指標(biāo)的位序權(quán)重和準(zhǔn)則權(quán)重得到各情景的生態(tài)保護重要性評價結(jié)果(圖2)。

表5 主成分的特征值、方差貢獻率和準(zhǔn)則權(quán)重Table 5 Eigenvalue,variance contribution rate and criterion weight of principal components

表6 各情景的決策風(fēng)險系數(shù)、權(quán)衡度和位序權(quán)重Table 6 Decision risk factors,trade-off and ordered weights for different scenarios

圖2 各情景生態(tài)保護重要性評價結(jié)果空間分布圖Fig.2 Spatial distribution of ecological conservation importance evaluation results for different scenarios

OWA多屬性決策方法中的決策風(fēng)險并非指決策犯錯的可能性,而是指決策者規(guī)避風(fēng)險的態(tài)度,因此不同風(fēng)險系數(shù)情景分別代表了在實際決策過程中不同規(guī)避風(fēng)險態(tài)度情景。在決策風(fēng)險系數(shù)為1的情景4中,決策者無明顯的規(guī)避風(fēng)險或冒險偏好,各指標(biāo)位序權(quán)重相等,但權(quán)衡度為最大值1,指標(biāo)間權(quán)衡補償作用顯著,此時各地區(qū)生態(tài)保護重要性評價結(jié)果空間差異較為明顯;從情景4到情景1,決策風(fēng)險系數(shù)逐漸降低,代表決策者規(guī)避風(fēng)險的態(tài)度越來越強烈,此時位序權(quán)重逐漸更多分配給柵格值較小指標(biāo),同時權(quán)衡度逐漸趨近于0,指標(biāo)間權(quán)衡補償作用越來越小,最終各地區(qū)生態(tài)保護重要性評價結(jié)果逐漸降低且空間分布差異減小;從情景4到情景7,決策風(fēng)險系數(shù)逐漸升高,代表決策者規(guī)避風(fēng)險的態(tài)度越來越微弱,此時位序權(quán)重逐漸更多分配給柵格值較大指標(biāo),同時指標(biāo)間權(quán)衡補償作用越來越小,最終各地區(qū)生態(tài)保護重要性評價結(jié)果升高而空間分布差異越來越小。情景4中各地區(qū)生態(tài)保護重要性評價結(jié)果相當(dāng)于不考慮決策者主觀的規(guī)避風(fēng)險態(tài)度,只通過由客觀賦權(quán)法——主成分法得到的準(zhǔn)則權(quán)重進行主成分指標(biāo)聚合,所得生態(tài)保護重要性評價結(jié)果不受主觀決策意愿影響,因此該情景相對客觀結(jié)果適用于作為統(tǒng)一的生態(tài)本底來確定生態(tài)保護優(yōu)先區(qū)圖斑面積閾值和衡量各情景保護優(yōu)先區(qū)的保護效率。

2.2 不同情景和最優(yōu)情景的生態(tài)保護優(yōu)先區(qū)識別結(jié)果分析

根據(jù)情景4的生態(tài)保護重要性評價結(jié)果,統(tǒng)計分析該情景初步生態(tài)保護優(yōu)先區(qū)中面積小于閾值的圖斑數(shù)量和總面積隨面積閾值變化的情況(圖3),確定拐點(最先出現(xiàn)增長率為0的轉(zhuǎn)折點)對應(yīng)的26 km2為圖斑面積閾值。該閾值對應(yīng)需要剔除的生態(tài)保護優(yōu)先區(qū)圖斑數(shù)量為10086個,占生態(tài)保護優(yōu)先區(qū)圖斑總數(shù)的99.51%;面積為1971.54 km2,占生態(tài)保護優(yōu)先區(qū)圖斑總面積的7.98%。由此可見,大灣區(qū)生態(tài)保護優(yōu)先區(qū)圖斑的數(shù)量關(guān)系符合帕累托分布特點,即較少數(shù)量的生態(tài)保護優(yōu)先區(qū)圖斑占有大面積的生態(tài)保護優(yōu)先區(qū)域,該現(xiàn)象的主要原因是大灣區(qū)快速的城鎮(zhèn)化過程中城鎮(zhèn)建設(shè)用地對高質(zhì)量生態(tài)用地的侵占和分割。根據(jù)上述方法確定圖斑面積閾值,實際上是為了在盡可能減少生態(tài)保護優(yōu)先區(qū)總面積縮減的基礎(chǔ)上剔除較多數(shù)量的小面積圖斑,從而減小生態(tài)保護優(yōu)先區(qū)的破碎化程度。

圖3 情景5的初步生態(tài)保護優(yōu)先區(qū)圖斑統(tǒng)計分析圖Fig.3 Statistical analysis map of figure spots of the preliminary ecological conservation priority areas for scenario 5

圖4 最優(yōu)情景的生態(tài)保護優(yōu)先區(qū)空間分布圖 Fig.4 Spatial distribution of ecological conservation priority areas for the optimal scenario

基于所得的圖斑面積閾值和各情景生態(tài)保護優(yōu)先區(qū)識別方法,獲得各情景最終生態(tài)保護優(yōu)先區(qū)。然后計算各情景生態(tài)保護優(yōu)先區(qū)的保護效率,結(jié)果如表7所示,其中情景4對應(yīng)的整個大灣區(qū)的生態(tài)保護重要性平均值為0.4069。從保護效率來看,情景3和情景4的保護效率最高,同為1.0553,表明這兩種情景的生態(tài)保護優(yōu)先區(qū)單位面積生態(tài)保護重要性最高,相應(yīng)區(qū)域劃定為生態(tài)保護優(yōu)先區(qū)的價值度和緊迫性最高。再結(jié)合權(quán)衡度(表6),情景3相比于情景4在一定程度上彌補了主成分指標(biāo)間的權(quán)衡影響。因此,本研究最終選擇情景3的生態(tài)保護優(yōu)先區(qū)作為大灣區(qū)最終的生態(tài)保護優(yōu)先區(qū)識別結(jié)果,其空間分布如圖5所示。

表7 各情景生態(tài)保護優(yōu)先區(qū)的保護效率Table 7 Conservation efficiency of ecological conservation priority areas for different scenarios

圖5 最優(yōu)情景的生態(tài)保護優(yōu)先區(qū)土地利用空間分布圖 Fig.5 Spatial distribution of land use in ecological conservation priority areas for the optimal scenario

由圖4可知,大灣區(qū)生態(tài)保護優(yōu)先區(qū)面積為26406.04 km2,占大灣區(qū)陸域國土總面積的47.69%,平均海拔為231.39 m,主要分布在大灣區(qū)中部以外的地區(qū),如肇慶、惠州和香港的大部分地區(qū)、廣州的北部、江門的周邊地區(qū)以及深圳東部沿海的區(qū)域。該區(qū)域?qū)嵸|(zhì)上在空間上確定了關(guān)乎人類福祉最重要區(qū)域,應(yīng)實行最嚴格的生態(tài)管制措施,嚴禁破壞生態(tài)環(huán)境的各類開發(fā)活動,確保生態(tài)系統(tǒng)服務(wù)功能不降低和生態(tài)脆弱性不提高。在大灣區(qū)東南部的東莞、深圳和香港這三個城市范圍內(nèi),城鎮(zhèn)建設(shè)用地和生態(tài)保護優(yōu)先區(qū)分布較為緊密,可用于城鎮(zhèn)建設(shè)開發(fā)的其余區(qū)域面積很小,因此如何加快轉(zhuǎn)變土地利用方式,實行存量優(yōu)先的集約化發(fā)展是這三個城市共同面臨的發(fā)展難題。

從大灣區(qū)生態(tài)保護優(yōu)先區(qū)的土地利用數(shù)量結(jié)構(gòu)來看,耕地、林地、草地、水域和未利用地的面積分別為215654 hm2、2318945 hm2、60355 hm2、45424 hm2和226 hm2,分別占生態(tài)保護優(yōu)先區(qū)總面積的8.17%、87.82%、2.29%、1.72%和0.01%。結(jié)合生態(tài)保護優(yōu)先區(qū)土地利用空間分布情況(圖5)可知,在生態(tài)保護優(yōu)先區(qū)內(nèi):林地是絕對優(yōu)勢土地利用類型,出現(xiàn)該結(jié)果的原因,一是相對于其他用地,林地提供水源涵養(yǎng)、土壤保護、碳儲存、生物多樣性維持等生態(tài)系統(tǒng)服務(wù)的能力更強;二是林地主要分布在高程、坡度、地形起伏度等地形因子敏感性較高區(qū)域。耕地主要分布在大灣區(qū)西北部的肇慶和東部的惠州,這些耕地由于較高的糧食供給服務(wù)水平而被納入優(yōu)先區(qū);草地大面積出現(xiàn)在大灣區(qū)東南部的香港,原因是香港境內(nèi)草地的水源涵養(yǎng)、土壤保持、碳儲存、生物多樣性維持等生態(tài)系統(tǒng)服務(wù)水平較高,以及較高的高程、坡度、地形起伏度等地形因子敏感性導(dǎo)致其生態(tài)脆弱性較高。此外,生態(tài)保護優(yōu)先區(qū)內(nèi)耕地、林地、草地、水域和未利用地的面積在整個大灣區(qū)陸域范圍內(nèi)相應(yīng)土地利用類型總面積中的占比為18.07%、77.64%、50.77%、11.26%和31.97%,該占比一定程度反映了各土地利用類型需要被納入生態(tài)保護優(yōu)先區(qū)實行嚴格保護的強度。其中占比最小的土地利用類型為水域,原因有二,其一是本文的碳儲存服務(wù)缺乏對水域固碳能力的量化,同時相對于淡水和海洋生態(tài)系統(tǒng),森林、草地、農(nóng)田等陸地生態(tài)系統(tǒng)系統(tǒng)是本文研究的糧食供給、水源涵養(yǎng)和土壤保持等生態(tài)系統(tǒng)服務(wù)的供給主體;二是水生態(tài)系統(tǒng)的脆弱性主要受岸上周邊地區(qū)的影響[31],而本文選取的生態(tài)脆弱性指標(biāo)更多考慮的是生態(tài)系統(tǒng)內(nèi)部要素穩(wěn)定性,缺乏針對水域外部干擾因素的關(guān)注。

3 討論

3.1 生態(tài)保護重要性評價的內(nèi)涵與優(yōu)化建議

以往的多數(shù)生態(tài)系統(tǒng)評價指標(biāo),例如生態(tài)足跡、生態(tài)完整性、生態(tài)環(huán)境可持續(xù)性、生態(tài)系統(tǒng)健康等指數(shù)均沒有同時從外部功能性和內(nèi)在穩(wěn)定性這兩個生態(tài)系統(tǒng)的核心屬性評價生態(tài)系統(tǒng)。生態(tài)系統(tǒng)服務(wù)這一生態(tài)系統(tǒng)的外部功能屬性從生態(tài)系統(tǒng)面向人類社會的眾多功能增進了人類福祉角度體現(xiàn)了生態(tài)系統(tǒng)的保護價值,生態(tài)脆弱性這一生態(tài)系統(tǒng)的內(nèi)在穩(wěn)定性屬性從其表征的潛在不穩(wěn)定性可能危及人類福祉角度體現(xiàn)了生態(tài)系統(tǒng)的保護價值。囊括生態(tài)系統(tǒng)服務(wù)和生態(tài)脆弱性的生態(tài)保護重要性從生態(tài)系統(tǒng)的外部功能性和內(nèi)在穩(wěn)定性體現(xiàn)了各地區(qū)生態(tài)保護價值差異。本文從生態(tài)保護和可持續(xù)發(fā)展的終極目標(biāo)——提高人類福祉這一角度出發(fā),將生態(tài)保護重要性定義為某個地區(qū)在生態(tài)系統(tǒng)服務(wù)因子和生態(tài)脆弱性因子綜合影響下對于保障和增進人類福祉的重要程度。生態(tài)保護重要性高值區(qū)為人類提供了多樣的生態(tài)系統(tǒng)服務(wù)或受到人類或自然干擾時容易失衡而產(chǎn)生生態(tài)問題,因此應(yīng)重點關(guān)注其生態(tài)保護、建設(shè)和管制。

根據(jù)生態(tài)系統(tǒng)服務(wù)內(nèi)涵和生態(tài)脆弱性內(nèi)涵的完整性,本文在雙評價技術(shù)指引的生態(tài)保護重要性評價指標(biāo)體系的基礎(chǔ)上進行了適當(dāng)拓展,將更多的從屬于生態(tài)系統(tǒng)服務(wù)的供給服務(wù)和調(diào)節(jié)服務(wù)指標(biāo)以及從屬于生態(tài)脆弱性的暴露度、敏感性和適應(yīng)力指標(biāo)納入生態(tài)保護重要性評價指標(biāo)體系內(nèi),一定程度上彌補了因忽略部分生態(tài)系統(tǒng)服務(wù)價值或者關(guān)乎生態(tài)脆弱性的重要因素所導(dǎo)致的評價結(jié)果片面性問題。例如,將糧食供給服務(wù)納入評價體系,可以從滿足人類糧食需求角度衡量耕地對人類福祉的增進作用,從而體現(xiàn)不同耕地的生態(tài)保護價值,有助于生態(tài)保護重要性評價結(jié)果的作用從保障單一的生態(tài)安全拓寬至維系生態(tài)安全和糧食安全等多重國土安全。將暴露度和適應(yīng)力指標(biāo)納入評價體系,可以更加全面地評價生態(tài)系統(tǒng)在人為因素、生態(tài)系統(tǒng)的外部干擾和自身恢復(fù)力的綜合影響下其生態(tài)保護重要程度。未來研究可考慮將文化服務(wù)納入基于生態(tài)保護重要性評價體系,衡量生態(tài)系統(tǒng)的非物質(zhì)文化層面的生態(tài)保護價值,將有助于在保障物質(zhì)層面福祉基礎(chǔ)上增進人類獨有的精神層面福祉。

本文運用結(jié)合SPCA的OWA算子進行生態(tài)保護重要性的綜合評價,該方法屬于主客觀結(jié)合賦權(quán)法,一定程度上規(guī)避了僅考慮客觀賦權(quán)法忽略決策者主觀決策態(tài)度的問題,以及利用主觀賦權(quán)法和OWA算子進行賦權(quán)容易出現(xiàn)的主觀臆測和主觀色彩過重問題。其局限性在于所謂的客觀賦權(quán)法之一的主成分分析法是以決策者主觀選擇側(cè)重于基于指標(biāo)的信息荷載量確定準(zhǔn)則權(quán)重為提前,并且通過降維所得主成分的解釋性具有模糊性,即較難判斷主成分的實際意義,因此優(yōu)化SPCA使得主成分具備合理的解釋性可能是未來相關(guān)研究的一大難點。

3.2 生態(tài)保護優(yōu)先區(qū)在生態(tài)管理層面的現(xiàn)實意義

截止至2022年2月,選取大灣區(qū)已對公眾公布市域國土空間規(guī)劃編制成果的四個城市,將這些城市的生態(tài)保護紅線、一般生態(tài)空間和永久基本農(nóng)田劃定結(jié)果,與本文最優(yōu)情景的生態(tài)保護優(yōu)先區(qū)識別結(jié)果進行對比分析(圖6)。對比結(jié)果顯示,生態(tài)保護優(yōu)先區(qū)識別結(jié)果不僅基本覆蓋生態(tài)保護紅線,而且囊括了紅線周邊大部分的一般生態(tài)空間,原因是本文用于提取生態(tài)保護優(yōu)先區(qū)的生態(tài)保護重要性閾值較高,實則代表了本文秉持更加嚴格的生態(tài)保護理念。與惠州相比,廣州、深圳等經(jīng)濟較為發(fā)達而耕地面積較少的城市的永久基本農(nóng)田與本文所得生態(tài)保護優(yōu)先區(qū)的重合率相對較低,原因是本文僅基于耕地糧食產(chǎn)量計算糧食供給服務(wù)進而衡量耕地的生態(tài)保護重要性,而廣州和深圳的年糧食產(chǎn)量遠遠低于惠州等糧食供給服務(wù)較高的城市,最終造成從整個大灣區(qū)來看廣州和深圳的高質(zhì)量耕地的生態(tài)保護重要性相對較低。因此,建議在城市群生態(tài)系統(tǒng)管理過程中以生態(tài)保護優(yōu)先區(qū)為基礎(chǔ),同時結(jié)合各城市的生態(tài)保護紅線和永久基本農(nóng)田落位實施嚴格保護措施的生態(tài)存量空間,實現(xiàn)更加整體的生態(tài)環(huán)境保護。由于本文結(jié)果為不考慮諸多利益博弈等現(xiàn)實因素下的理想情景結(jié)果,各市域和縣域生態(tài)保護優(yōu)先區(qū)的精準(zhǔn)落位仍需結(jié)合地方生態(tài)保護專項研究。此外,本文剔除破碎化圖斑所得生態(tài)保護優(yōu)先區(qū)雖便于開展全域管理,但同時也犧牲了少量重要的生態(tài)空間,如何權(quán)衡生態(tài)保護優(yōu)先區(qū)的管理難度和破碎化圖斑的覆蓋率之間的矛盾,需要進一步的探索研究。

圖6 現(xiàn)有國土空間規(guī)劃編制結(jié)果與研究結(jié)果對比分析圖Fig.6 Comparative analysis of the results of existing territorial spatial planning and the results of the study

4 結(jié)論

本文以粵港澳大灣區(qū)為例,選取17項指標(biāo)構(gòu)建了以生態(tài)系統(tǒng)服務(wù)和生態(tài)脆弱性為準(zhǔn)則層,從屬于生態(tài)系統(tǒng)服務(wù)的供給服務(wù)、調(diào)節(jié)服務(wù)、支持服務(wù)以及從屬于生態(tài)脆弱性的暴露度、敏感性和適應(yīng)力為一級指標(biāo)層的生態(tài)保護重要性評價指標(biāo)體系,并進行了評價指標(biāo)的量化分析。然后引入耦合空間主成分分析的OWA多屬性決策方法進行7種情景的生態(tài)保護重要性評價模擬,并以此為基礎(chǔ)識別了各情景的生態(tài)保護優(yōu)先區(qū)。接著基于保護效率和權(quán)衡度雙重考慮因素在多個生態(tài)保護優(yōu)先區(qū)情景中進行擇優(yōu),篩選出最優(yōu)情景4,相應(yīng)保護效率為1.0553,權(quán)衡度為0.6837,該情景的保護效率相對最高且一定程度上彌補了指標(biāo)間的權(quán)衡影響。最終所識別的大灣區(qū)生態(tài)保護優(yōu)先區(qū)面積為26406.04 km2,占大灣區(qū)陸域國土總面積的47.69%,主要分布在大灣區(qū)中部以外的肇慶、惠州、香港、廣州北部、江門外環(huán)以及深圳東部沿海地區(qū)。生態(tài)保護優(yōu)先區(qū)的識別與劃定將有效維護城市群的區(qū)域生態(tài)安全,同時更好地保障和增進人類福祉。