-
项目名称
- 广西重点研发计划项目“广西岩溶生态系统碳汇功能及固碳潜力提升技术研究与示范”(桂科AB22035004)
-
第一作者简介
- 朱鹏飞(1996—),男,硕士研究生。主要研究方向:石漠化信息提取及人地耦合关系。E-mail: BFUzpf2020@bjfu.edu.cn
-
通信作者简介
- 吴秀芹(1974—),女,博士,教授。主要研究方向:3S应用及土地利用变化。E-mail: wuxq@bjfu.edu.cn
-
文章历史
-
收稿日期:2023-01-05
修回日期:2023-12-06
快速城镇化已成为中国社会发展最显著的特征之一。城镇化进程伴随着资源的过度使用,对周边环境造成巨大威胁[1],同时区域生态环境恶化也制约城镇化的进一步发展,阻碍城镇化质量的提升。二者是相互影响的耦合关系[2]。Lei等[3]采用耦合协调度模型研究昆明城镇化与生态环境耦合关系,发现二者由“适度不平衡发展,城镇化发展受阻”转变为“初步平衡发展,环境滞后”。然而,在指标选择方面,以往的研究往往只关注城镇化的某一方面,无法全面地评价城镇化水平;在研究内容上,现有研究多基于生态环境与城镇化的耦合,探讨具有区域特点的生态环境问题逐渐成为研究热点[4]。
广西是岩溶地貌发育的典型地区,社会经济发展存在局限。据第3次石漠化监测公报,喀斯特地区城镇化建设能够在一定程度上遏制石漠化扩张。据此,揭示石漠化与城镇化之间复杂的耦合关系,有助于推动城镇化良性发展,促进石漠化治理体系多样化。
准确、科学地获取石漠化的分布和等级划分是预防和治理石漠化的前提[5]。早期研究者借助卫星影像进行石漠化研究,采用波段组合,增强石漠化信息,提高了解译的效率和准确率[6]。随着遥感技术的发展,光谱混合分析法[7]和面向对象、随机森林等机器学习算法已被应用于石漠化识别[8]。现有研究多局限于中小区域且时间序列较短,受云雾、雨雪等气象因素遮蔽的影响,石漠化信息提取的准确性较低。基于此,以广西为例,借助Google Earth Engine(GEE)云平台调用Landsat系列影像构建石漠化程度评价模型。基于统计数据构建综合城镇化指数。采用耦合模型探讨石漠化演变与城镇化进程的耦合协调时空格局,为该地区社会、经济和生态的可持续发展提供参考。
1 研究区概况广西喀斯特地貌广布,是全国石漠化监测的重点地区,共有102个县(区)存在喀斯特分布。为客观分析石漠化演变与城镇化进程的耦合关系,剔除喀斯特分布面积比例<20%的县(区)(E104°49′~111°29′,N21°57′~26°23′)(图 1)。
|
图 1 研究区内喀斯特区域和喀斯特县的分布 Fig. 1 Distribution of karst areas and karst counties in the study area |
通过GEE调用Landsat影像,借助质量评估波段,去除包括云层和冰雪在内的不良观测结果。
土层厚度数据来源于国家林业和草原局中南调查规划设计院,土地利用数据来源于地球大数据科学工程数据共享服务系统。统计数据来源于《广西统计年鉴(2000—2020)》《中国县域统计年鉴(2000—2020)》。
2.2 研究方法 2.2.1 石漠化信息提取及综合石漠化指数依据LY/T 1840—2020《喀斯特地区植被恢复技术规程》以及前人建立的石漠化等级划分标准[9],选取植被覆盖度、岩石裸露率、植被类型与土层厚度作为表征因子。将石漠化划分为无、潜在、轻度、中度、重度和极重度石漠化6个等级,并制定如下石漠化等级划分标准(表 1)。其中,植被覆盖度由归一化差异植被指数(normalized difference vegetation index, NDVI)计算得出,基岩裸露率由归一化差异岩石指数(normalized difference rock index, NDRI)计算得出。
| 表 1 石漠化等级划分标准 Tab. 1 Classification standard of karst rocky desertification |
根据表 2石漠化评定因子评分总和,石漠化评定标准如下:轻度石漠化评分之和<55;中度石漠化评分之和≥55~75;重度石漠化评分之和≥75~90;极重度石漠化评分之和≥90。
| 表 2 石漠化评定因子及评分 Tab. 2 Evaluation factors and scoring of karst rocky desertification |
石漠化分布数据是基于像元值提取的,为匹配按县域尺度收集的城镇化数据,需要表征各县域的综合石漠化程度。参考已有研究[10]的综合石漠化表达方法,笔者采用等级加权的综合石漠化指数。
| $ R_j=\sum\limits_{i=1}^6 W_i S_{i j}。$ | (1) |
式中:Rj为j县的综合石漠化指数;i为石漠化等级;Wi为第i类石漠化等级的权重值,分别指定为0.10、0.25、0.40、0.60、0.80和0.95;Sij为j县的第i类石漠化的面积。
2.2.2 城镇化指标的选择笔者将城镇化系统分为人口(城镇人口比例和人口密度)、经济(人均地区生产总值、第2、3产业产值占地区生产总值比例、地方财政支出和地方财政收入)、空间(建成区面积和公路里程)和社会城镇化(人均社会消费品零售总额、人均城乡居民储蓄存款余额、每万人普通中学在校学生数和每万小学在校学生数)4个子系统。
2.2.3 指标处理1) 数据标准化。由于不同指标在量级和维度上存在显著差异,所有数据均需进行标准化处理。利用极差标准化的方法,公式如下:
| $ A_{j k}=\frac{x_{j k}-\min (x)}{\max (x)-\min (x) }。$ | (2) |
式中:Ajk为j县(区)第k个评价指标标准化后的值;xjk为j县(区)第k个评价指标的原始值;max(x)和min(x)分别为不同指标k的最大值、最小值。
2) 指标权重计算。为确定各城镇化指标的权重,采用熵值法。由于研究时间不连续,为实现不同年份之间的对比,参考已有研究[11]的修正后熵模型。
3) 综合城镇化指数计算。采用线性加权法计算综合城镇化指数:
| $ U_{\lambda j}=\sum\limits_{k=1}^n W_k A_{j k} 。$ | (3) |
式中:Uλj为λ年j县(区)的综合城镇化指数;n为指标个数;Wk为指标k的权重值;Ajk为j县区第k个评价指标标准化后的值。
2.2.4 耦合协调度模型采用耦合协调度模型研究石漠化与城镇化之间的交互耦合关系。
| $ C=\sqrt{\frac{R U}{\left(\frac{R+U}{2}\right)^2}} \text { 。} $ | (4) |
式中:C为石漠化与城镇化的耦合度,由综合石漠化指数R和综合城镇化指数U组成,二者均经过标准化处理。
耦合度的高低并不能反映2个子系统的发展水平。当石漠化程度与城镇化水平都比较低时,也能有较高的耦合度,但这种高耦合数值与高水平耦合的内涵不同。因此,引入综合协调指数T,在此基础上构建能反映石漠化与城镇化协调发展水平的耦合协调度模型:
| $ T=\alpha R+\beta U 。$ | (5) |
式中:T为石漠化与城镇化的综合影响;α和β分别为石漠化、城镇化对综合系统的贡献系数。对于耦合度而言,环境保护与城镇化发展同等重要,因此取α=β=0.5,即石漠化与城镇化的相互关系中,二者同等重要。
| $ D=\sqrt{C T_0} \text { 。} $ | (6) |
式中:D为石漠化与城镇化之间的耦合协调度。在生态环境与城镇化耦合协调的相关研究基础上[5],将耦合协调分为3个协调阶段,4个协调类别和12个协调特征类型。R和U的比较结果可以分为3种情况:1)当U-R>0.1时,城镇化发展提高环境治理能力,石漠化扩张得到控制,表现为石漠化扩张滞后;2)当|U-R|≤0.1时,表明石漠化状况与城镇化发展水平相适应;3)当R-U>0.1时,城镇化发展过程中不注重对自然环境的保护,石漠化状况加重,表现为城镇化发展滞后(表 3)。
| 表 3 石漠化与城镇化耦合协调类型及发展特征 Tab. 3 Coupling coordination types and development characteristics of karst rocky desertification and urbanization |
基于Google Earth历史影像,对3期提取结果各随机抽取500个样本点进行精度验证,石漠化提取结果总体精度均在80 %以上。由图 2可知,2000—2010年石漠化程度总体变动较小,重度和极重度石漠化主要分布在中部和西南部。2010—2020年石漠化程度明显好转,以无石漠化为主。2000—2020年综合石漠化指数均值从417下降到397,而后大幅度下降到305,变动区域主要位于中部和西南部。
|
图 2 石漠化、综合石漠化指数及综合城镇化指数时空分布 Fig. 2 Temporal and spatial distribution of karst rocky desertification, comprehensive karst rocky desertification index and comprehensive urbanization index |
由图 2可知,2000—2010年各县(区)综合城镇化水平发展缓慢,处于较低水平转入中等水平的过渡期,东南部地区城镇化水平较高;2010—2020年各县区城镇化水平有不同程度的提高,中部和东部地区发展较快,西部地区发展较慢。结果表明,2000—2020年综合城镇化水平一直保持着上升的趋势,空间上呈现东部高、西部低。
3.2 石漠化与城镇化的耦合特征 3.2.1 耦合协调度如图 3所示,2000—2020年石漠化和城镇化耦合协调越来越密切。2000年不协调状态为主要耦合类型,中部、西南部区域耦合协调度较高,但仍处于基本协调阶段。2010—2020年基本协调县区数量明显增加,逐渐形成连续分布区。
|
图 3 石漠化与城镇化耦合协调度时空演变 Fig. 3 Spatiotemporal evolution of coupled co scheduling between karst rocky desertification and urbanization |
由图 4可知,2000—2010年耦合特征总体变动幅度较小,主要表现为西部地区同步型县区数量增加,以城镇化滞后型为主。2010—2020年耦合特征变化明显,城镇化滞后型县区数量锐减,以石漠化滞后型为主,集中分布在东部与西部。
|
图 4 石漠化与城镇化协调特征时空演变 Fig. 4 Spatiotemporal evolution of coordinated characteristics of karst rocky desertification and urbanization |
如图 5所示,2000年石漠化与城镇化整体处于不协调发展阶段。2010—2020年转型发展县(区)数量明显增加,部分县(区)已迈入协调发展阶段。
|
图 5 石漠化与城镇化协调阶段时空演变 Fig. 5 Spatiotemporal evolution between karst rocky desertification and urbanization at coordinated stage |
2000—2020年广西石漠化面积减少、程度减轻,仅局部地区石漠化程度有所加重,与全国生态环境遥感调查与监测项目[12]以及西南地区喀斯特石漠化演变趋势一致[13]。广西面临着环境保护和社会经济发展的双重任务,应根据石漠化现状及时调整石漠化治理措施[14],巩固石漠化治理成果。
研究显示,城镇化水平提升可以促进生态修复,其在喀斯特地区表现为石漠化程度下降。2000—2010年,石漠化与城镇化处于不协调发展时期,各县(区)处于城镇化的早期阶段,大多需要牺牲环境质量来促进城镇化发展[3]。另外,喀斯特地区地形破碎,大量人口聚集在农村地区,不合理开垦与陡坡耕作现象普遍存在[14],导致水土流失并加重区域石漠化。2010—2020年,石漠化与城镇化处于协调发展时期,石漠化状况改善与城镇化水平提升保持同步。广西提出农业人口落户城镇600万人的目标,Cai等[15]研究证明城镇化促进农村人口外迁,可以缓解农村人口对环境的压力,有助于石漠化治理。这一时期,社会经济水平增长迅速,为实施更多的石漠化治理项目奠定了基础[16],生态环境问题明显改善。
与以往石漠化等级划分标准[9]相比,笔者考虑土层厚度因子,其能够有效反映石漠化程度[17],提高石漠化识别准确率。耦合协调度模型能够反映石漠化与城镇化之间的相互作用关系,对二者耦合关系的定量研究可为石漠化治理与城镇化发展政策的制定提供参考。
5 结论1) 石漠化程度持续好转。石漠化严重地区主要分布在中部和西南部,轻度石漠化地区主要分布在东部。城镇化水平快速发展,空间上呈现东部高、西部低,高水平城镇化县区主要分布在东南部。
2) 石漠化与城镇化的耦合协调度不断提高,在耦合协调特征及阶段上,从2000年的“不协调发展,城镇化滞后”逐步过渡到2020年的“转型发展,石漠化滞后”。
3) 研究表明,城镇化水平提升越快的县(区),其石漠化程度改善效果越明显,相应的耦合协调度越高,即发达县(区)在环境保护和社会经济发展中逐步走向“双赢”。研究结果有助于政府制订可持续发展的城镇化方案,更好地平衡城镇化与生态环境保护。
| [1] |
王长建, 张小雷, 杜宏茹, 等. 近30 a新疆城市化与生态环境互动关系的动态计量分析[J]. 中国沙漠, 2012, 32(6): 1794. WANG Changjian, ZHANG Xiaolei, DU Hongru, et al. Quantitative analysis of the dynamic relationship between urbanization level and eco-environment quantity in Xinjiang, China[J]. Journal of Desert Research, 2012, 32(6): 1794. |
| [2] |
杜霞, 孟彦如, 方创琳, 等. 山东半岛城市群城镇化与生态环境耦合协调发展的时空格局[J]. 生态学报, 2020, 40(16): 5546. DU Xia, MENG Yanru, FANG Chuanglin, et al. Spatio-temporal characteristics of coupling coordination development between urbanization and eco-environment in Shandong Peninsula urban agglomeration[J]. Acta Ecologica Sinica, 2020, 40(16): 5546. |
| [3] |
LEI Dongmei, XU Xiaoyong, ZHANG Yuan. Analysis of the dynamic characteristics of the coupling relationship between urbanization and environment in Kunming city, southwest China[J]. Cleaner Environmental Systems, 2021, 2: 100018. DOI:10.1016/j.cesys.2021.100018 |
| [4] |
FAN Wenping, WANG Hongkang, LIU Yan, et al. Spatio-temporal variation of the coupling relationship between urbanization and air quality: A case study of Shandong province[J]. Journal of Cleaner Production, 2020, 272: 122812. DOI:10.1016/j.jclepro.2020.122812 |
| [5] |
卢涛, 张军, 胡文英. 滇东喀斯特地区石漠化时空演化特征及驱动机制研究[J]. 生态与农村环境学报, 2022, 38(4): 418. LU Tao, ZHANG Jun, HU Wenying. Spatio-temporal evolution characteristics and driving mechanism of rocky desertification in karst area of eastern Yunnan[J]. Journal of Ecology and Rural Environment, 2022, 38(4): 418. |
| [6] |
王金华, 李森, 李辉霞, 等. 石漠化土地分级指征及其遥感影像特征分析: 以粤北岩溶山区为例[J]. 中国沙漠, 2007, 27(5): 765. WANG Jinhua, LI Sen, LI Huixia, et al. Classifying indices and remote sensing image characters of rocky desertification lands: A case of karst region in northern Guangdong province[J]. Journal of Desert Research, 2007, 27(5): 765. |
| [7] |
万军, 蔡运龙. 应用线性光谱分离技术研究喀斯特地区土地覆被变化: 以贵州省关岭县为例[J]. 地理研究, 2003, 22(4): 439. WAN Jun, CAI Yunlong. Applying linear spectral unmixing approach to the research of land cover change in Karst area: A case in Guanling county of Guizhou province[J]. Geographical Research, 2003, 22(4): 439. |
| [8] |
HU Yunfeng, HAN Yueqi, ZHANG Yunzhi. Information extraction and spatial distribution of research hot regions on rocky desertification in China[J]. Applied Sciences, 2018, 8(11): 2075. DOI:10.3390/app8112075 |
| [9] |
文林琴, 栗忠飞. 2004—2016年贵州省石漠化状况及动态演变特征[J]. 生态学报, 2020, 40(17): 5928. WEN Linqin, LI Zhongfei. Evolution characteristics of rocky desertification during 2004-2016 in Guizhou province, China[J]. Acta Ecologica Sinica, 2020, 40(17): 5928. |
| [10] |
XU Erqi, ZHANG Hongqi. Human-desertification coupling relationship in a karst region of China[J]. Land Degradation & Development, 2021, 32(17): 4988. |
| [11] |
DONG Suocheng, ZHENG Ji, LI Yu, et al. Quantitative analysis of the coupling coordination degree between urbanization and eco-environment in Mongolia[J]. Chinese Geographical Science, 2019, 29(5): 861. DOI:10.1007/s11769-019-1074-7 |
| [12] |
安国英, 雷英凭, 温静, 等. 广西岩溶石漠化演变趋势及影响因素分析[J]. 中国地质调查, 2016, 3(5): 67. AN Guoying, LEI Yingping, WEN Jing, et al. Analysis on evolution trend and influence factors of rocky desertification in Guangxi[J]. Geological Survey of China, 2016, 3(5): 67. |
| [13] |
余梦, 李阳兵, 罗光杰. 中国西南岩溶山地石漠化演变趋势[J]. 生态学报, 2022, 42(10): 4267. YU Meng, LI Yangbing, LUO Guangjie. Evolution of rocky desertification in karst mountains of Southwest China[J]. Acta Ecologica Sinica, 2022, 42(10): 4267. |
| [14] |
YAN Xiao, CAI Yunlong. Multi-scale anthropogenic driving forces of karst rocky desertification in Southwest China[J]. Land Degradation & Development, 2015, 26(2): 193. |
| [15] |
CAI Hongyan, YANG Xiaohuan, WANG Kelin, et al. Is forest restoration in the southwest China Karst promoted mainly by climate change or human-induced factors?[J]. Remote Sensing, 2014, 6(10): 9895. DOI:10.3390/rs6109895 |
| [16] |
WU Xiuqin, LIU Hongmeng, HUANG Xiulan, et al. Human driving forces: Analysis of rocky desertification in karst region in Guanling county, Guizhou province[J]. Chinese Geographical Science, 2011, 21(5): 600. DOI:10.1007/s11769-011-0496-7 |
| [17] |
尹亮. 西南岩溶高原石漠化地区小流域土壤厚度空间分异规律研究[D]. 长沙: 湖南大学, 2012: 33. YIN Liang. Spatial variability of soil thickness in a watershed of highland area in karst region[D]. Changsha: Hunan University, 2012: 33. |
2024, Vol. 22 
