2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
2015年在联合国可持续发展峰会上正式通过《2030年可持续发展议程》,确定未来15年实现17项可持续发展目标(SDGs)以及169个子目标[1]。在17项可持续发展目标中,SDG11为“建设包容、安全、有抵御灾害能力和可持续的城市和人类住区”,该目标包括7个子目标,其中子目标SDG11.4为“进一步努力保护和捍卫世界文化和自然遗产”,包含1个指标,即“保存、保护和养护所有文化和自然遗产的人均支出总额”,该指标目前属于层级(Tier)Ⅱ,有较为明确的方法,无可用数据[2]。国内外对于该指标目前还停留在理论研究阶段,如Simon等[3]建议将文化遗产和自然遗产分别定义指标,针对文化遗产需要增加具有影响性和可操作性的指标,自然遗产需要包括有关生物多样性的指标;王鹏龙等[4]提出可以结合政府投入资金比例以及携程、微博等互联网数据测算该指标;Wang等[5]提出用“单位面积支出”代替“人均支出”更能体现指标的科学性;Hansson等[6]通过对哥德堡地区的研究认为SDG11.4.1需要与SDG11.7.1等其他指标相互结合才能成为强有力的监测工具。在理论研究日益丰富的基础上,亟需利用案例数据对指标进行测度,提供科学合理的测算和分析方法,并丰富指标内容。
可用数据不足是制约SDG11.4.1指标测度的主要问题。20世纪70年代以来,联合国教科文组织通过了“人与生物圈计划”和《保护世界文化和自然遗产公约》[7]、推行世界地质公园网络。世界遗产、世界生物圈保护区和世界地质公园统一简称为“联合国教科文组织名录遗产”(或“UNESCO名录遗产”)[8],构成了完整的人类遗产系统。名录遗产数量逐年增多,截至目前,联合国世界遗产总数达1 121处①;世界生物圈保护区701处②;世界地质公园147处③,中国世界遗产总数达55处,世界生物圈保护区34处,世界地质公园41处。名录遗产所在国家、地区的文化背景和发展水平不同,因此各处名录遗产的保护和管理现状有较大差异。可持续发展目标的评价指标为测度全球不同发展背景下名录遗产的发展状态提供了新的思路,利用名录遗产中的相关可用数据对SDG11.4.1进行测度,可以检验指标的可测度性和适用性。
①https://whc.unesco.org/en/list
② http://www.globalgeopark.org/index.htm
③ http://cn.globalgeopark.org/parkintroduction/index.htm
现有SDG11.4.1指标从资金角度反映各级政府和相关部门对遗产地的资金投入和保护力度,缺乏基于地理空间信息对遗产地可持续发展进行定量评估的相关指标[9]。地理信息技术在测度可持续发展目标的指标方面也有着潜力和影响,对于实现世界遗产的可持续发展目标有重要的作用[10]。人类活动引起的遗产地地表覆盖要素变化是表征人类活动行为对遗产地自然生态系统影响最直接的信号,也是相关专家学者研究世界遗产人为压力方面所考虑的关键因子,如Allan等[11]利用人类足迹数据(其中包括建成区、耕地、牧场、主要道路4类土地利用/土地覆被类型数据)量化世界自然遗产的人为压力;Levin等[12]在研究濒危遗产保护冲突中也用到了与Allan相同的人类足迹数据;Li等[13]在研究西藏国家及省级自然保护区人类足迹时,将西藏的土地利用活动作为研究的重要参数。因此,对于世界遗产地表覆盖要素变化的监测研究,定量评估世界遗产所受人类活动影响的程度,是监测世界遗产可持续发展的关键指标之一。
本文着眼于SDG11.4.1,在总结前人理论研究的基础上,利用中国名录遗产地的相关统计数据分别讨论“人均支出”、“单位面积支出”等指标对于监测自然保护地和文化遗产两类保护地的适用性和科学性,为世界遗产可持续发展目标指标的适用性给出科学评估,为指标的推广和应用提供依据。现有SDG11.4.1指标从资金角度反映遗产保护和发展的现状,而从遗产地理空间属性和遗产干预要素视角监测遗产地可持续发展状态具有一定价值和意义。鉴于此,本文基于Landsat遥感数据提取2006和2017年4处典型自然遗产的人工设施、耕地等人为干预要素数据,分析人类活动干预状况,旨在丰富和发展自然遗产(或自然保护地)可持续发展目标的监测指标,为遗产地保护、管理及可持续发展提供方法和案例借鉴。
1 数据及研究方法 1.1 数据来源与预处理 1.1.1 统计数据中国住房和城乡建设部公布了2006—2017年中国国家级风景名胜区收支统计数据、风景区面积以及游客量等信息①。这些数据中包含了48处世界名录遗产,依据中共中央办公厅、国务院办公厅印发的《关于建立以国家公园为主体的自然保护地体系的指导意见》中关于自然保护地的表述“自然保护地是由各级政府依法划定或确认,对重要的自然生态系统、自然遗迹、自然景观及其所承载的自然资源、生态功能和文化价值实施长期保护的陆域或海域”[14],以及Simon等的相关研究结论[3]: 测度目标11.4需要将文化遗产和自然遗产两者分开,否则测度结果没有任何意义, 本文将48处名录遗产归纳为自然保护地和文化遗产2大类(如图 1),其中自然保护地39处,文化遗产12处(庐山、嵩山是文化遗产同时也是世界地质公园,青城山—都江堰是文化遗产,后作为四川大熊猫栖息地的一部分,又被列入世界自然遗产,在2个类型中出现重叠,因此名录遗产总量为48处。详见附表 1和附表 2)。
Download:
|
|
住建部公布的收支数据逻辑关系如下:景区总收入≥(经营收入+国家拨款),经营收入≥门票收入;景区总支出≥(经营支出+固定资产投资),固定资产投资≥维护支出。若固定资产投资<维护支出、经营收入<门票收入,两者数值互换,若景区资金收入<(经营收入+国家拨款),将经营收入与国家拨款的和赋值给景区资金收入,景区资金支出同理。按照收支数据的逻辑关系对48处名录遗产的统计数据进行检查,得到最终可用数据。
1.1.2 遥感数据源采用Landsat系列影像作为数据源提取人工干预度计算所需参数,其空间分辨率为30 m,时间分辨率为16 d,具有自1972年以来的存档数据,可以实现对地物特征变化的长时间序列监测[15]。Landsat-7卫星在2003年出现机载扫描行校正器故障,导致影像存在条带状损失,影响其卫星数据的使用。GEE平台中有Landsat原始数据集、大气顶部反射率数据集及地表反射率数据集,地表反射率数据集和其他2种数据集相比较,经过辐射定标和大气校正。故本文选用GEE平台中存档的2006和2017年2个目标年份的Landsat-5和Landsat-8地表反射率影像数据集,并计算选取每个像元位置值最大NDVI和NDWI像元合成当年NDVI和NDWI影像进行分类。
1.2 研究方法 1.2.1 SDG11.4.1指标测度方法指标SDG11.4.1:保存、保护和养护所有文化和自然遗产的
人均支出总额(公共和私人),按遗产类型(文化、自然、混合、世界遗产中心指定),政府级别(国家、区域和地方/市),支出类型(业务支出/投资)和私人供资类型(实物捐赠/私人非营利部门、赞助)列出[1]。
“人均支出”测算受遗产数量、经费量、区域人口数量等多方面因素的制约。作者参与的前期相关研究表明:使用“单位面积支出”相较于“人均支出”,在指标测度的科学性、计算数据的可获得性方面更具优势[5]。因此,本文以保存、保护和养护所有案例地的“单位面积支出”总额代替“人均支出”总额作为测度案例地可持续发展状态的指标。
结合收支统计数据,指标计算公式表示为
$\text { TEPUA }=\frac{\sum \mathrm{OE}+\sum \mathrm{CIFA}}{A}, $ | (1) |
式中:TEPUA为案例地单位面积支出总额(total expenditure per unit area, TEPUA), OE为案例地经营支出费用(operational expenditure, OE);CIFA为案例地固定资产投资完成额(completed investment in fixed assets, CIFA);A为案例地面积(area, A)。
除单位面积支出外,总支出、维护支出、总收入、经营收入、门票收入作为辅助指标分析案例地可持续发展状态。
1.2.2 人为干预度(human intervention degree)指标测度方法GEE平台提供了基于像素的机器学习监督分类方法,包括随机森林(random forest)、决策树以及支持向量机(supporting vector machine, SVM)分类等。SVM分类方法的优点是具有较高的准确率、较快的计算和收敛速度,广泛应用于Landsat卫星影像的分类工作中。本文使用SVM分类方法[16],将4处典型自然遗产地的地表覆盖要素类型划分为5类,分别是林地、人工设施区域、水体、耕地和其他(主要指裸地、草地、灌木等),其中人工设施和耕地作为人为干预度计算的关键参数,并引入类型权重和功能区权重系数,计算人为干预度,模型可表示为
$\mathrm{HID}=\frac{a_1 b_1 x_{11}+a_1 b_2 x_{12}+a_2 b_1 x_{21} \cdots+a_i b_j x_{i j}}{x}, $ | (2) |
式中:HID为遗产地人为干预度,x为遗产地核心区和2 km缓冲区面积之和;xij为i类干预要素在j功能区的面积;ai为人工设施区域或耕地等干预要素对示范地的人为干预权重(简称类型权重),根据案例地土地利用情况及前人研究成果[15],确定耕地和人工设施的类型权重分别为0.4和0.6;bj为每类干扰要素所在的功能区(缓冲区、核心区)的人为干预权重(简称功能区权重),功能区权重根据《自然遗产条例》、各案例地保护规划书等对各功能区人为干预活动的要求来确定,核心区和缓冲区的人为干预权重依次确定为0.7和0.3。
2 结果分析 2.1 SDG11.4.1改进指标测度结果分析 2.1.1 自然保护地改进指标总体变化特征利用SDG11.4.1改进指标,分析中国39处世界遗产名录中自然保护地年度单位面积支出总和及其基于2006年的增长率变化(图 2)。整体上看,年均单位面积支出呈现增加趋势,前期增长率较低,年度单位面积支出缓慢增长;中期增长率增长较快,年度单位面积支出快速增长;后期增长率逐渐趋于定值,年度单位面积支出保持稳定。且10年间年均单位面积支出增长1.2倍左右,显示出中国名录遗产的保护与发展力度持续增强的态势。
Download:
|
|
2011年是增长率曲线变化显著的梯度拐点,2010年相较于2006年单位面积增长率为0.45,2012年增长率达2010年的2倍左右,其原因可能与自然保护地的保护政策有直接关系。2012年《中国风景名胜区事业发展公报》中强调要加强各级政府财政投入,要求风景名胜区降低对门票经济的依赖。公报透露,“十二五”期间风景名胜区的专项投入将增加为“十一五”期间的1.56倍,达7亿之多[17]。
2.1.2 单处保护地指标测度结果根据式(1)计算39处自然保护地2006—2017年年均单位面积支出,结果(图 3)表明:不同自然保护地的单位面积支出呈现阶梯状分布,数额分布不平衡,差异明显,保护地年度总支出的分布形态与其类似。其中黄山以1 544万元/km2的支出位于所有自然保护地单位面积支出之首,三江并流仅为1万元/km2。基于单位面积支出数额分布对39处自然保护地进行等级划分,依据等级内部数额差距较小、等级之间数额差距较大的原则,将其发展状态划分为优质、良好和一般3个等级,各等级包含的自然保护地数量依次为10、10、19处。
Download:
|
|
从自然保护地的支出角度分析其可持续发展状态,认为:对于自然保护地(包括世界自然遗产、混合遗产、地质公园和生物圈保护区)可以用单位面积支出作为指标来测度其可持续发展状态;根据数值分布和梯度拐点,将39处名录自然保护地单位面积资金投入划分为3个等级,体现资金角度的可持续发展情况,即年均投入400万元/km2以上为优质发展状态的阈值,投入80万~400万元/km2为发展状态良好,投入低于80万元/km2则发展状态一般。从结果看,作为中国“世界自然和文化双遗产、世界地质公园、世界生物圈保护区”三冠王的黄山保护地,其单位面积支出及总支出均位于首位,是中国名录遗产可持续发展状态良好的示范。此外,自然保护地不同发展状态目标阈值划分仅是依据SDG11.4.1改进指标的测度结果,对于可可西里等这类面积大、旅游开发程度小、受人类活动影响小的自然遗产地,仅从资金投入来衡量其发展状态存在一定弊端,需要有综合的、科学的指标体系进行衡量。因此本文进一步提出“人为干预度”指标作为评价自然保护地可持续发展目标监测的扩展指标,旨在丰富和发展自然遗产(或自然保护地)的可持续发展监测指标,为遗产地保护、管理及可持续发展提供支持。
2.1.3 文化遗产改进指标测度结果分布特征12处文化遗产地年均单位面积支出整体上也呈现出逐步增长的趋势(图 4),增长趋势比较和缓。对比发现,文化遗产年均单位面积支出值域大约在2 000万~5 000万元/km2,自然保护地单位面积支出约在5 000万~13 000万元/km2,自然保护地年均单位面积支出是文化遗产的2.5倍左右。
Download:
|
|
12处文化遗产的总支出和单位面积支出分布形态差异明显(图 5),单位面积支出居于首位的洛阳龙门石窟遗产地为5 500万元/km2,是位列第2的杭州西湖单位面积支出的近3倍之多,而洛阳龙门的总支出不到杭州西湖总支出的一半。庐山是总支出最多的文化遗产,单位面积支出却不足500万元/km2。这与文化遗产的构成密切相关,文化遗产多为人造工程或人与自然共同杰作的文物、建筑群、遗址等[8],类型多样,面积差异巨大。因此,案例分析进一步证明,适用于自然保护地的单位面积支出不能用于评价文化遗产的可持续发展状态,将自然遗产与文化遗产分别建立可持续发展状态评价指标是科学合理的选择。
Download:
|
|
文中采用SVM分类方法得到4处自然遗产的地表覆盖类型数据(图 6),黄山、泰山、武陵源、武夷山4处保护地2006及2017年遥感影像分类结果Kappa系数分别为93.5 %、92.3 %、94.8 %、93.7 % 及95.1 %、95.3 %、94.0 %、95.7 %,精度符合要求,其中的人工设施区域和耕地面积数据将用于人为干预度计算。
Download:
|
|
从2006年、2017年4处自然遗产地人为干预度测度结果看(图 7),泰山的人为干预度接近0.07,其他3处自然遗产的人为干预度均小于0.03,从大到小依次为:武夷山、武陵源、黄山,泰山人为干预强度最大,与Allan等[11]的研究成果“泰山是受人为压力最大的世界遗产之一”一致。2017年案例遗产地地表覆盖要素类型面积对比(图 6)发现,泰山核心区内人工设施面积是黄山的2.37倍,耕地面积是黄山的21.56倍,泰山缓冲区内人工设施面积是黄山的15.84倍,耕地面积是黄山的3.74倍。泰山人为干预强度大与其所处地理位置有一定关联,因紧邻泰安市中心,受城市化和社会经济发展影响的程度更高,而其他3处自然遗产距离其最近的城市距离均在25 km以上。泰山年均投入资金不到200万元/km2,仅为黄山的1/9,未来泰山在减少高强度的人为干预及保护遗产地真实性和完整性方面都需要有更好的发展理念和财政政策,完善遗产地经营改革。
Download:
|
|
从时间变化看,4处自然遗产地10年间人为干预度变化有明显差异(图 8):黄山、武陵源的人为干预强度分别降低33.68 %、5.73 %,泰山和武夷山的人为干预度却增大5.70 % 和13.03 %。从4处自然遗产的年均单位面积支出和人为干预度的结果对比看:年均单位面积支出越大的自然遗产地其人为干预度增加的程度越小。
Download:
|
|
上述遗产地的人为干预强度变化与其保护和发展策略有关,10年间单位面积支出增长以黄山最为突出,而其人为干预强度反而呈现减弱趋势,说明享誉全国的“黄山模式”适应了保护和开发的协同发展。武夷山的人为干预度变化主要在于其人工设施变化的影响,其2017年核心区人工设施面积是2006年的1.72倍,2017年缓冲区耕地是2006年的1.58倍,其变化的区域主要集中在武夷山市市中心附近。案例遗产地监测表明,人为干预度指标与单位面积支出指标结合,可以更好地评估遗产地保护与发展的协调程度。
3 结论联合国教科文组织“名录遗产”的可持续发展与保护受到不同领域学者的关注,也提出了多种发展状态评价方法。本文以中国48处“名录遗产”为对象,分类对SDG11.4.1提出的测算指标进行改进与实践,用“单位面积支出”代替“人均支出”测度案例地可持续发展状态,将自然保护地划分为优质、良好、一般3种发展度水平,并且给出各发展水平的阈值。名录遗产的可持续发展监测不仅要关注资金投入,还需要考虑人类活动对遗产的影响,文中提出“人为干预度”指标并对4处案例地进行示范监测和分析。主要结论包括:
1) 对于自然保护地(世界自然遗产、混合遗产、地质公园和生物圈保护区)可以用单位面积支出作为指标来测度其可持续发展状态,单位面积支出不适于对文化遗产可持续发展状态的测度。
2) 通过对中国39处自然保护地的指标测算,自然保护地年均投入400万元/km2以上可以作为优质发展目标阈值,年均支出80万~400万元/km2可作为发展状态良好的阈值,投入低于80万元/km2则发展状态一般。
3) 人为干预度作为扩展指标可以反映遗产地可持续保护状态和趋势。4处自然遗产的监测结果显示:黄山所受人为干预程度最小,泰山最大;10年监测结果表明黄山所受人为干预显著下降,武夷山所受人为干预度明显增加。从4处自然遗产的年均单位面积支出和人为干预度的结果对应分析看:年均单位面积支出金额越大的自然遗产其人为干预程度却降低。
研究表明,适用于自然保护地的单位面积支出不能用于评价文化遗产的可持续发展状态,将自然遗产与文化遗产分别建立可持续发展状态评价指标是科学合理的选择,未来需要重点关注。
[1] |
United Nations. Transforming our world: the 2030 agenda for sustainable development[R/OL]. (2015-09-25)[2019-01-22]. https://sdgs.un.org/2030agenda.
|
[2] |
Inter-agency and Expert Group on SDG Indicators. November/December WebEx meeting of the IAEG-SDGs[R/OL]. (2019-11-27)[2020-02-06]. https://unstats.un.org/sdgs/meetings/webex-27nov2019/.
|
[3] |
Simon D, Arfvidsson H, Anand G, et al. Developing and testing the urban sustainable development goal's targets and indicators: a five-city study[J]. Environment and Urbanization, 2016, 28(1): 49-63. Doi:10.1177/0956247815619865 |
[4] |
王鹏龙, 高峰, 黄春林, 等. 面向SDGs的城市可持续发展评价指标体系进展研究[J]. 遥感技术与应用, 2018, 33(5): 784-792. Doi:10.11873/j.issn.1004-0323.2018.5.0784 |
[5] |
Wang X Y, Ren H G, Wang P, et al. A preliminary study on target 11.4 for UN Sustainable Development Goals[J]. International Journal of Geoheritage and Parks, 2018, 6(2): 18-24. |
[6] |
Hansson S, Arfvidsson H, Simon D. Governance for sustainable urban development: the double function of SDG indicators[J]. Area Development and Policy, 2019, 4(3): 217-235. Doi:10.1080/23792949.2019.1585192 |
[7] |
UNESCO. Convention concerning the protection of the world cultural and natural heritage[R/OL]. (1972-10-17)[2019-03-02]. https://whc.unesco.org/en/conven-tiontext/.
|
[8] |
联合国教科文组织国际自然与文化遗产空间技术中心. UNESCO名录遗产与可持续发展黄山对话会落幕[EB/OL]. (2014-05-29)[2019-04-13]. http://www.unesco-hist.org/index.php?r=article/info&id=746.
|
[9] |
侯妙乐, 刘晓琴, 陈军, 等. 基于地理空间信息的文化遗产可持续发展指标建设[J]. 地理信息世界, 2019, 26(2): 1-6. |
[10] |
Xiao W, Mills J, Guidi G, et al. Geoinformatics for the conservation and promotion of cultural heritage in support of the UN sustainable development goals[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 142: 389-406. Doi:10.1016/j.isprsjprs.2018.01.001 |
[11] |
Allan J R, Venter O, Maxwell S, et al. Recent increases in human pressure and forest loss threaten many natural world heritage sites[J]. Biological Conservation, 2017, 206: 47-55. Doi:10.1016/j.biocon.2016.12.011 |
[12] |
Levin N, Ali S, Crandall D, et al. World heritage in danger: big data and remote sensing can help protect sites in conflict zones[J]. Global Environmental Change, 2019, 55: 97-104. Doi:10.1016/j.gloenvcha.2019.02.001 |
[13] |
Li S C, Wu J S, Gong J, et al. Human footprint in Tibet: assessing the spatial layout and effectiveness of nature reserves[J]. Science of The Total Environment, 2018, 621: 18-29. Doi:10.1016/j.scitotenv.2017.11.216 |
[14] |
中共中央办公厅, 国务院办公厅. 关于建立以国家公园为主体的自然保护地体系的指导意见[EB/OL]. (2019-06-26)[2019-09-07]. http://www.gov.cn/zhengce/2019-06/26/content_5403497.htm.
|
[15] |
Xie Y C, Sha Z Y, Yu M. Remote sensing imagery in vegetation mapping: a review[J]. Journal of Plant Ecology, 2008, 1(1): 9-23. Doi:10.1093/jpe/rtm005 |
[16] |
张浩然, 韩正之, 李昌刚. 支持向量机[J]. 计算机科学, 2002, 29(12): 135-137, 142. |
[17] |
住房城乡建设部. 中国风景名胜区事业发展公报[R/OL]. (2012-12-07)[2019-08-16]. http://www.gov.cn/gzdt/2012-12/04/content_2282395.htm.
|