测绘地理信息   2017, Vol. 42 Issue (3): 94-97, 109
0
绿色空间生态服务与地形因子的相关性分析[PDF全文]
熊秀海1, 代侦勇1, 熊斌梅2, 谢翠容1    
1. 武汉大学资源与环境科学学院,湖北 武汉,430079;
2. 湖北大学资源环境学院,湖北 武汉,430062
摘要: 绿色空间生态服务 (green space ecosystem services,GSES) 与地形因子 (坡度、海拔、坡向) 有密切的关系,研究其关系对区域生态服务功能的修复、完善和可持续发展具有重要意义。通过奉化市绿色空间地类的划分和生态服务的计算模型获得GSES的价值。利用GIS技术提取坡度、海拔、坡向3个地形因子,同时分别获得每个因子对应的GSES值,最后选择Spearman相关分析模型对GSES价值与地形因子值进行检验。结果显示,奉化市GSES价值在空间上呈现出东北部、东南部GSES价值最低,西部、南部GSES价值较高的格局;GSES价值与地形因子的相关性强度表现为:坡度>海拔>坡向。同时由于海拔、坡度和坡向的变化导致温度、水分和太阳辐射在地表发生变化,并致使生态服务空间格局随海拔、坡度和坡向的变化呈现一定的规律性。
关键词: 绿色空间     生态服务     相关分析     地形因子    
Correlation Analysis Between Green Space Ecosystem Services and Terrain Factors
XIONG Xiuhai1, DAI Zhenyong1, XIONG Binmei2, XIE Cuirong1    
1. School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China;
2. College of Resources and Environmental Science, Hubei University, Wuhan 430062, China
Abstract: The green space ecosystem services (GSES) is closely related to topography factors (altitude, slope grade, slope aspect). The value of GSES was got by dividing land use type and using related calculation model in Fenghua city. Besides, GIS technology was used to extract three terrain factors about altitude and slope grade as well as slope aspect, at the same time, relevant values of GSES of three terrain factors were obtained respectively. Spearman correlation analysis model is applied to examine correlation between value of GSES and topography factors. Results show that the value of GSES is the lowest in the Northeast and Southeast in Fenghua, and is higher in the West and the South. The correlation intensity of three terrain factors and the value of GSES is slope>elevation>aspect, which indicates that the value of GSES changes with some rules in the variation of altitude, slope grade and slope aspect and it would change solar radiation, temperature and water.
Key words: green space     ecosystem services     correlation analysis     terrain factor    

区域空间可以简要地分为绿色空间与灰色空间。区域灰色空间是指建筑以及功能性灰色空间 (道路、停车场等)[1]。绿色空间是指由园林绿地、森林、立体空间绿化、农田和水域湿地等构成的绿色网络空间系统[2, 3]。绿色空间对区域的可持续发展发挥着非常重要的作用[4]。20世纪后期,区域绿色空间相关研究得到国际学术上的普遍关注[5]。目前中国的研究成果主要集中在生态学领域[6]

绿色空间是区域复合生态系统的重要组成部分,具有显著的生态系统服务功能[7]。生态系统服务的概念是1997年Daily提出来的。他当时的研究成果掀起了生态系统服务的研究热潮[8]。在生态系统服务研究中,Costanza等提出的定义比较具有代表性[2],即生态系统服务是人类直接或间接地从生态系统功能得到的效益[9]

自然因素是影响GSES价值的重要因素[10],然而到目前国内对地形和地貌等自然因素与GSES价值深层关系的研究较少。从相关性的研究方法来看,姚飞等[11]对缓冲带内不同地类的生态系统服务价值贡献率与巢湖水陆边界的距离进行Pearson相关性的分析;蔡宏等[12]通过Spearman等级相关计算方法分析植被覆盖度与地形因子的相关性。同时Pearson和Spearman被广泛运用于两种变量的相关性分析[13-16]。本文从地形因子与GSES价值相关性的角度进行研究,基于奉化市2014年的用地类型数据,将奉化市用地类型分为绿色空间与灰色空间,并对绿色空间的用地类型生态服务价值进行评估,同时借鉴相关分析的研究方法探讨GSES价值与地形因子的关系,并确定海拔、坡度及坡向对奉化市GSES价值影响的相对重要性,以期为该区GSES价值的发展和保护提供依据。

1 研究区概况与数据来源 1.1 研究区概况

奉化市位于浙江省东部沿海、宁波市区的南面,地理坐标为北纬29°25′~29°47′,东经121°03′~121°46′。该市地处天台山脉与四明山脉交接地带,西南和东南部为山区,是河流和小溪的发源地带,东北部地势平坦,属于宁奉平原。境内最高峰为黄泥浆岗,海拔为976 m。奉化市陆地面积为1 268 km2,海域面积为96 km2,海岸线长61 km,共有24个岛屿。其中耕地面积为23 193.33 hm2,山地面积为84 066.67 hm2,森林覆盖率达到66%,常年有300多天大气环境质量达到国家一级标准,环境综合定量考核居全省前列,是国家卫生城市、省生态城市和省环保模范城市。

1.2 数据来源与数据预处理

1) 土地利用数据。研究的土地利用分类现状资料来源于奉化市国土资源局,时相为2014年,数据为shp数据格式。依据《土地利用现状分类》(GB/T 21010-2007) 分类。该数据是判断土地利用性质的重要依据,也是绿色空间与灰色空间划分和生态系统服务价值计算的基础数据。

2) 地面高程 (DEM) 数据。DEM数据源自SRTM (shuttle radar topography mission) 地形产品数据,数据格式为*.hgt,空间分辨率为30 m。

2 研究方法 2.1 绿色空间和灰色空间的划分

根据Mensah[1]的理念对城市的用地类型分绿色空间与灰色空间进行重新归类,将道路等建设用地归入灰色空间,同时将具有生态功能和作用的用地类型归入绿色空间,绿色空间具有生态服务价值,灰色空间将不纳入生态服务价值的计算[1]。按照理论划分方法,如表 1所示, 分类后得到奉化市绿色空间与灰色空间的分布 (见图 1)。

表 1 土地利用基础上空间类型的划分 Table 1 Classification of Space Types Based on Land Use

图 1 奉化市绿色空间与灰色空间的分布 Figure 1 Distribution of Gray Space and Green Spaces in Fenghua City

2.2 生态服务价值评价方法 2.2.1 生态服务评估标准

谢高地等[17]在参考Costanza生态系统服务评价的原理和方法的基础上,对我国200位生态学者进行问卷调查,制定了生态系统服务价值当量因子表,同时结合实际提出生态系统服务单价的计算公式,获得中国不同陆地生态系统单位面积生态系统服务价值表。此表可作为GSES评价的基本依据,在绿色空间中园地的生态系统服务功能价值可以取相应林地和草地的均值[18-20],并通过汇总绿色空间生态系统单位面积单项服务功能的生态系统服务价值获得绿色空间地类单位面积总服务功能的生态系统服务价值。经过修订,此表可以当作奉化市绿色空间地类单位面积生态服务价值表 (见表 2)。

表 2 奉化市绿色空间地类单位面积生态服务价值/(元· hm-2·a) Table 2 Ecosystem Services Value Per Unit Area of Land Classification in Green Space of Fenghua/(Yuan·hm-2·a-1)

2.2.2 生态服务计算方法

区域绿色空间单项服务功能GSES总价值的计算如下:

$ {{T}_{i}}=\sum\limits_{{}}^{6}{{{P}_{ij}}\times {{S}_{j}}} $ (1)

式中,Ti为区域绿色空间第i类生态功能总价值;Pijji类生态功能单价;Sjj地类分布面积。

2.3 地形因子与GSES价值的相关分析

利用ArcGIS扩展模块中的Spatial Analyst工具对奉化市全区的DEM数据进行坡度和坡向分析,获得奉化市的高程、坡度和坡向数据。在此基础上将所获得的高程、坡度和坡向数据进行栅格转点,获得点要素数据。将点要素与GSES价值的面要素数据进行叠加分析。最终获得具有海拔、坡度和坡向以及生态系统服务价值属性内容相对应的171 427个空间离散的点要素,并分别将海拔、坡度、坡向与GSES价值进行相关分析。

相关分析可采用Pearson和Spearman两种方法。利用SPSS统计软件进行K-S检验,由于分析数据 (海拔、坡度和坡向) 呈现非正态分布,非正态分布数据不能进行Pearson计算,而采用Spearman方法进行计算[21]。Spearman秩相关系数计算如下:

$ {{R}_{s}}=1-\frac{6\sum\limits_{k=1}^{n}{d_{k}^{2}}}{n\left( {{n}^{2}}-1 \right)} $ (2)

式中,Rs为秩相关系数;n为总样方数,秩次差dk=χk-γk,其中χkγk为原始数据χ0γ0通过大小排序后列表中的位置;χkγk称为χ0γ0的秩。

本文的样方数n共计171 427个,分别计算单位面积总服务功能GSES价值与海拔 (χ0, γ0)、坡度 (χ0, γ0)、坡向 (χ0, γ0) 的秩 (χk, γk) 相关系数。

3 结果分析 3.1 GSES服务功能价值

根据式 (1) 获得奉化市绿色空间地类单项生态系统服务功能的价值 (见表 3)。对表 3的单项生态系统服务功能数据进行比较分析,结果显示:获得奉化市GSES总价值为195 038.23万元,其中,土壤形成和保护、水源涵养和气候调节的GSES价值较高,三者占总量的45%, 食物生产和娱乐文化的GSES价值较低,两者仅占总量的8%。林地的GSES价值占了GSES价值总量的72%,湿地占总量的13%,耕地占总量的8%,其余地类仅占7%。从主要原因来看,一方面绿色空间地类中林地、湿地是奉化市的主要地类,占据面积较大; 另一方面从评价标准来看, 林地、湿地单位面积价值比其他地类高。可以推断林地和湿地在土壤形成与保护、水源涵养和气候调节方面发挥了重要的作用。

表 3 2014年奉化市绿色空间地类单项生态系统服务功能的价值/万元 Table 3 A Single Ecosystem Services Value of Land Classification in Green Space of Fenghua in 2014/104 Yuan

3.2 区域生态服务价值与地形因子的相关性分析

图 2为奉化市GSES价值的空间分布格局,此空间分布格局是根据表 2中单位面积总服务功能的GSES价值和灰色空间生态系统价值取0值的方法获得,颜色从浅到深表示单位面积GSES价值从低到高。根据图 2可知,南部、西部地区颜色较深,说明GSES价值较高,中北部、东南部地区颜色较浅,表明GSES价值较低。总体来说,奉化市GSES价值在空间上呈现西、南部高,东北、东南部较低的格局。这一分布格局可能与奉化市地形条件的空间分布有关。

图 2 奉化市GSES价值的空间分布 Figure 2 Spatial Distribution of Value of GSES in Fenghua

图 2分别与高程、坡度、坡向等要素以相交的方式进行叠加分析,导出属性表,通过SPSS统计软件采用式 (2) 对GSES价值分别与海拔、坡度以及坡向进行相关性分析,获得Spearman的相关分析结果 (见表 4)。

表 4 GSES价值与地形因子的相关性 Table 4 Correlation of the Value of GSES and Terrain Factors

从显著性来看,显著性均低于0.05,具有统计意义。Spearman的取值范围都在-1和1之间,负值为负相关,正值为正相关,-1和1为绝对相关,即为直线关系[22]。对于相关性强度的界定,如果相关系数为R,微弱相关为0≤|R|≤0.3;低度相关为0.3<|R|≤0.5;显著相关0.5<|R|≤0.8;高度相关为0.8<|R|<1[23]。坡向的相关系数为微弱相关,海拔和坡度的处于显著相关阶段。按相关性的强度进行排序,结果为:坡度>海拔>坡向。从人为因素和自然因素来看,奉化市GSES价值的空间格局变化可能与因地形因子的变化而引起的太阳辐射、温度和水分以及人类活动的强度的变化有关。

4 结束语

1) 在绿色空间划分的地类基础上对区域的生态服务价值进行计算。从生态空间地类的生态服务总价值计算的结果来看,林地、耕地、湿地等在奉化市生态服务价值中发挥着主导作用。

2) 奉化市GSES价值在空间上呈现出东北部、东南部GSES价值最低,西部、南部GSES价值较高的格局。说明奉化市GSES的价值空间分布具有区域不平衡的特点,针对这一特点,在实际建设中应该做好规划和调控,使区域GSES价值能够充分发挥,促进区域生态的健康与可持续发展。

3) 使用相关分析方法对奉化市地形因子与GSES价值的相关性进行分析,按相关性的强度进行排序,结果为:坡度>海拔>坡向,其中海拔和坡度与GSES价值的关系具有显著相关性,坡度与GSES关系表现为微弱相关。表明由于海拔、坡度和坡向的变化导致温度、水分和太阳辐射在地表发生变化,并致使生态服务空间格局随海拔、坡度和坡向的变化呈现一定的规律性,这个观点与巩杰等[24]提出的随着地形梯度的升高,生态风险越来越低的观点相吻合。

4) 对奉化市GSES价值与地形因子的相关性研究说明了区域GSES价值与地形因子存在相关性,也在一定程度上反映了奉化市GSES价值的总体水平和区域生态状况,反映了地形因素对区域GSES价值的影响,为生态的保护和发展提供了一定的参考和依据。由于本文评估中的参考标准有待完善,同时在研究中未进行时间动态层面上GSES价值的比较,未进行人为因素与GSES价值的关系研究,也未分析灰色空间和生态系统服务价值的关系,这些有待进一步研究。

参考文献
[1] Mensah C A. Urban Green Spaces in Africa: Nature and Challenges[J]. International Journal of Ecosystem, 2014, 4(1): 1–11
[2] 李锋, 王如松. 城市绿色空间生态服务功能研究进展[J]. 应用生态学报, 2004, 15(3): 527–531
[3] 崔朝伟, 许学工. 北京市域绿色空间生态服务功能的相对评估[J]. 北京大学学报 (自然科学版), 2010, 46(2): 271–278
[4] Burgess J, Harrison C M, Limb M. People, Parks and the Urban Green: A Study of Popular Meaning and Values for Open Spaces in the City[J]. Urban Studies, 1988, 25(6): 455–473 DOI: 10.1080/00420988820080631
[5] 杨振山, 张慧, 丁悦, 等. 城市绿色空间研究内容与展望[J]. 地理科学进展, 2015, 34(1): 18–29 DOI: 10.11820/dlkxjz.2015.01.003
[6] 李锋, 王如松. 城市绿色空间建设的内涵与存在的问题[J]. 中国城市林业, 2004, 2(5): 4–8
[7] 王如松. 转型期城市生态学前沿研究进展[J]. 生态学报, 2000, 20(5): 830–840
[8] Daily G C. Nature's Services: Societal Dependence on Natural Ecosystems[M]. Washington D C: Island Press, 1997
[9] Costanza R. The Value of the World's Ecosystem Services and Natural Capital[J]. World Environment, 1997, 387(1 996): 253–260
[10] 温晓金, 杨海娟, 刘焱序. 基于地形因子的千米尺度景观生态廊道布局研究[J]. 地理科学进展, 2013, 32(2): 298–307 DOI: 10.11820/dlkxjz.2013.02.016
[11] 姚飞, 陈龙乾, 张宇, 等. 巢湖水陆交错带生态服务价值梯度分析[J]. 长江流域资源与环境, 2015, 24(9): 1 568–1 576
[12] 蔡宏, 何政伟, 安艳玲, 等. 基于RS和GIS的赤水河流域植被覆盖度与各地形因子的相关强度研究[J]. 地球与环境, 2014, 42(4): 518–524
[13] 李秋玲, 范庆安, 马晓勇, 等. 山西黄河湿地植被优势种群种间关系[J]. 生态学杂志, 2007, 26(10): 1 516–1 520
[14] 邢西臣, 朱建立. Pearson法用于热力管道防腐保温层破损检测[J]. 测绘通报, 2013, (s2): 234–235
[15] 朱锦杰, 章传银, 王伟, 等. 两湖平原地下水微动态影响因素相关性分析[J]. 测绘科学, 2015, 40(12): 7–11
[16] 楚亮, 宋韦剑, 王亚军, 等. 徐州市连续运行参考站稳定性分析[J]. 测绘科学, 2015, 40(11): 54–56
[17] 谢高地, 鲁春霞, 冷允法, 等. 青藏高原生态资产的价值评估[J]. 自然资源学报, 2003, 18(2): 189–196 DOI: 10.11849/zrzyxb.2003.02.010
[18] 白晓飞, 陈焕伟. 土地利用的生态服务价值——以北京市平谷区为例[J]. 北京农学院学报, 2003, 18(2): 109–111
[19] 闵捷, 高魏, 李晓云, 等. 武汉市土地利用与生态系统服务价值的时空变化分析[J]. 水土保持学报, 2006, 20(4): 170–174
[20] 孙强, 蔡运龙, 王乐. 基于土地利用类型的绿色空间生态评估——以北京市通州区重点新城为例[J]. 中国土地科学, 2007, 21(1): 36–42
[21] 张建香, 张多勇, 张勃, 等. 黄土高原植被景观多尺度变化及其与地形的响应关系[J]. 生态学杂志, 2015, 34(3): 611–620
[22] 孙祝岭. 统计原理[M]. 北京: 北京大学出版社, 2014
[23] 刘大海. SPSS 15.0统计分析从入门到精通[M]. 北京: 清华大学出版社, 2008
[24] 巩杰, 高彦净, 张玲玲, 等. 基于地形梯度的景观生态风险空间分析——以甘肃省白龙江流域为例[J]. 兰州大学学报 (自然科学版), 2014, 50(5): 692–698