李 巖,王 珂,劉 巍,李燕坤,王時(shí)軍,張大紅,*

1 北京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院,北京 100083 2 中國地質(zhì)大學(xué)(北京)科學(xué)研究院,北京 100083 3 中外園林建設(shè)有限公司,北京 100040

隨著由全球生態(tài)環(huán)境劇變帶給人類生存與發(fā)展的壓力越來越大,生態(tài)安全問題已成為目前人類實(shí)現(xiàn)可持續(xù)發(fā)展的重要障礙。森林生態(tài)系統(tǒng)作為陸地上最大、最復(fù)雜的生態(tài)系統(tǒng),在生態(tài)安全的保護(hù)過程中具有根本性和不可替代的作用[1]。然而,我國的森林資源面臨諸多威脅：盜砍濫伐、毀林開荒、非法占用林地、火災(zāi)、病蟲害、環(huán)境污染等,這些有害干擾導(dǎo)致森林正常結(jié)構(gòu)的破壞、生態(tài)平衡的失調(diào)和生態(tài)功能的退化,嚴(yán)重威脅著森林生態(tài)健康和森林生態(tài)安全[2]。因此,通過建立評估指標(biāo)體系對森林生態(tài)安全進(jìn)行評價(jià)與監(jiān)測具有十分重要的意義。

國外對生態(tài)安全問題研究起步較早,1996年《地球公約》中首次提出了生態(tài)安全的定義,隨后該定義被國際應(yīng)用系統(tǒng)分析研究所(IIASA)進(jìn)行了廣義和狹義上的區(qū)分。針對生態(tài)安全的研究分為宏觀和微觀兩個(gè)領(lǐng)域,宏觀方面主要集中于概念以及與國家安全、軍事戰(zhàn)略、可持續(xù)發(fā)展和全球化的關(guān)系[3-5],微觀方面體現(xiàn)在化學(xué)品的使用對農(nóng)業(yè)生態(tài)系統(tǒng)健康及生態(tài)安全的影響[6]。在生態(tài)安全評價(jià)方面,研究較少,主要集中在生態(tài)風(fēng)險(xiǎn)評價(jià)[7-8]和生態(tài)系統(tǒng)健康評價(jià)兩方面[9],評價(jià)模型主要有PSR、DPSEEA和ECCO等[9-11]。國內(nèi)研究中,米峰等在基于廣義森林生態(tài)安全的基礎(chǔ)上,提出了森林生態(tài)安全既指森林生態(tài)系統(tǒng)的自身健康和安全,又指在受到人類行為干擾和影響時(shí)保持安全的狀態(tài)。強(qiáng)調(diào)了森林所具有的經(jīng)濟(jì)、社會、生態(tài)三大效益[12]。張智光等在前人研究基礎(chǔ)上首次提出了林業(yè)生態(tài)安全的概念,創(chuàng)新性地將森林生態(tài)安全與林業(yè)產(chǎn)業(yè)結(jié)合論證,并對兩者之間的關(guān)系進(jìn)行了探討。同時(shí),他認(rèn)為對森林生態(tài)安全進(jìn)行監(jiān)測預(yù)警非常重要[13]。此后,國內(nèi)學(xué)者開始對生態(tài)安全進(jìn)行方法上的探索,此階段研究也呈現(xiàn)出研究領(lǐng)域較為廣泛的特征。如趙宏波采用TOPSIS模型研究了吉林省耕地生態(tài)安全時(shí)空變化[14]。類似的還有對用地[15]、海洋[16]以及草原[17]生態(tài)系統(tǒng)的研究。而針對森林生態(tài)系統(tǒng)進(jìn)行評價(jià)的研究還比較少,劉心竹等人在前人研究的基礎(chǔ)上創(chuàng)新性地從森林有害干擾的視角構(gòu)建評價(jià)指標(biāo)體系,并運(yùn)用該體系對全國31個(gè)省進(jìn)行了森林生態(tài)安全評價(jià)[18]。張智光等采用壓力-狀態(tài)-影響-響應(yīng)結(jié)構(gòu)模型及結(jié)構(gòu)方程模型對林業(yè)生態(tài)安全的共生耦合情況進(jìn)行了測度[19]。但這兩位學(xué)者并未將研究區(qū)域縮小至縣,并進(jìn)行時(shí)空演變分析。湯旭等雖然從空間相關(guān)性的角度考察了湖南省各縣的森林生態(tài)安全狀況,得出了各地存在顯著相關(guān)性的結(jié)論[20],但沒有考慮生態(tài)區(qū)位因素對森林生態(tài)安全造成的影響,也沒有建立模型深入闡釋森林生態(tài)安全空間相關(guān)性的內(nèi)在效應(yīng)機(jī)制。

基于此,本文以江蘇省80個(gè)縣為研究樣本,嘗試引入生態(tài)區(qū)位模型結(jié)合GIS技術(shù)對2000—2015年江蘇省縣域森林生態(tài)安全指數(shù)(ecological security index,ESI)及其時(shí)空分布進(jìn)行研究(圖1),并在此基礎(chǔ)上建立空間滯后模型(SLM)與空間誤差模型(SEM)探討森林ESI的空間擴(kuò)散效應(yīng)與回流效應(yīng),旨在定量化客觀評價(jià)江蘇省縣域森林生態(tài)安全狀況并深入探討縣域間森林生態(tài)發(fā)展的時(shí)空演化規(guī)律及內(nèi)在效應(yīng)機(jī)制,為生態(tài)保護(hù)政策制定提供依據(jù)。

圖1 森林生態(tài)安全機(jī)制圖Fig.1 Forest ecological security mechanismESI：森林生態(tài)安全指數(shù),ecological security index

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域概況

江蘇省地處中國大陸東部沿海地區(qū),是長江三角洲重要組成部分,地跨116°18′—121°57′E,30°45′—35°20′N,內(nèi)陸面積10.72萬km2,占中國土地總面積的1.12%。江蘇省生態(tài)區(qū)位條件較好,屬于溫帶向亞熱帶的過度性氣候,氣候溫和,雨量適中,四季分明。但江蘇省森林資源較為貧乏,截至2016年,江蘇省森林覆蓋率僅為15.8%,居全國28位。江蘇省人口非常稠密,2016年人口密度為每平方千米744人,居全國之首；實(shí)現(xiàn)地區(qū)生產(chǎn)總值76086.2億元,居全國第二位。由此可見,江蘇是經(jīng)濟(jì)大省,但同時(shí)又是森林資源小省。人口密度大,經(jīng)濟(jì)發(fā)展水平高,但森林資源短缺,這就給經(jīng)濟(jì)、社會、資源、環(huán)境可持續(xù)發(fā)展帶來了巨大壓力。因此研究該省森林生態(tài)安全狀況具有十分重要的現(xiàn)實(shí)意義。

1.2 數(shù)據(jù)處理

本研究的樣本為江蘇省80個(gè)區(qū)縣,涉及2000年、2005年、2010年、2015年4個(gè)年份的數(shù)據(jù),所有數(shù)據(jù)來自生態(tài)安全(森林)指數(shù)研究項(xiàng)目。為方便數(shù)據(jù)的收集與統(tǒng)計(jì),課題組設(shè)計(jì)了數(shù)據(jù)投放器,以方便各區(qū)縣在線輸入數(shù)據(jù),其設(shè)計(jì)思路如圖2所示。

圖2 數(shù)據(jù)投放器系統(tǒng)框架結(jié)構(gòu)圖Fig.2 Frame structure of data delivery device

數(shù)據(jù)收集工作分幾個(gè)步驟完成：首先組織江蘇省林業(yè)廳、規(guī)劃院進(jìn)行了數(shù)據(jù)投放器的使用培訓(xùn)會議；江蘇省林業(yè)廳將數(shù)據(jù)收集工作細(xì)化到各縣林業(yè)局、規(guī)劃院,各單位完成數(shù)據(jù)填報(bào),江蘇省林業(yè)廳對數(shù)據(jù)進(jìn)行審核；課題組專家對數(shù)據(jù)進(jìn)行修正。所有數(shù)據(jù)處理工作于2017年4月完成。

2 研究方法

文章采用PSR模型建立森林生態(tài)安全指標(biāo)體系,熵權(quán)法與專家法相結(jié)合的方法來確定權(quán)重,選用模糊物元法與歐式貼近度來評價(jià)森林ESI。然后借助生態(tài)區(qū)位模型對森林ESI進(jìn)行修正。最后運(yùn)用GIS技術(shù)和空間計(jì)量模型對森林ESI的空間分布進(jìn)行深入分析。

2.1 指標(biāo)體系的建立

2.1.1 森林生態(tài)安全指標(biāo)體系

文章以PSR模型為基礎(chǔ)對江蘇省縣域森林ESI評價(jià)指標(biāo)體系進(jìn)行研究。同時(shí)對PSR模型進(jìn)行改進(jìn),將模型中三類指標(biāo)合并為壓力指標(biāo)和狀態(tài)指標(biāo),其中壓力指標(biāo)是把原模型中的壓力指標(biāo)與響應(yīng)指標(biāo)結(jié)合起來,因?yàn)檫@兩類指標(biāo)反映了人類對森林施加的壓力以及人類保護(hù)森林的努力,都屬于人類行為指標(biāo)。課題組經(jīng)過文獻(xiàn)綜述及專家咨詢首先選定了對森林生態(tài)安全影響較大的多個(gè)指標(biāo)。然后通過STATA軟件的主成分分析功能,經(jīng)方差最大化旋轉(zhuǎn)后生成10個(gè)主因子,累計(jì)方差貢獻(xiàn)率達(dá)到90%,在旋轉(zhuǎn)后的主成分因子負(fù)荷矩陣中初步選取負(fù)荷系數(shù)和≥1.00的30余指標(biāo)。2016年4月課題組又進(jìn)一步對江蘇省盱眙縣、宜興市進(jìn)行了實(shí)地調(diào)研,發(fā)現(xiàn)天然林蓄積量、森林生物量等指標(biāo)存在年份連續(xù)性差、縣域之間數(shù)據(jù)差別較大或統(tǒng)計(jì)口徑不一致等問題,因此剔除了數(shù)據(jù)之間相關(guān)性強(qiáng)以及數(shù)據(jù)可獲得性差的指標(biāo),隨后通過電話咨詢以及查詢統(tǒng)計(jì)年鑒進(jìn)行數(shù)據(jù)填補(bǔ),最終形成了包括森林覆蓋率、森林單位面積蓄積量在內(nèi)的16個(gè)具體指標(biāo),如表1所示。

表1 森林生態(tài)安全評價(jià)指標(biāo)體系

表中森林物種豐度指數(shù)公式中A、B、C分別指喬木林、灌木林及其他林地的生物豐度指數(shù)權(quán)重

2.1.2 森林生態(tài)安全指標(biāo)權(quán)重

文章采用熵權(quán)法與專家打分法相結(jié)合的方法確立綜合權(quán)重,計(jì)算結(jié)果如表1所示。這樣既克服了熵權(quán)法極值點(diǎn)對計(jì)算結(jié)果影響過大的缺陷,也克服了專家法主觀性過強(qiáng)的缺陷,實(shí)現(xiàn)了良好的評估效果。綜合權(quán)重中,人口密度、單位面積能源消耗量、退耕還林面積占比、森林自然保護(hù)區(qū)面積占比、森林生態(tài)建設(shè)與保護(hù)投資強(qiáng)度等指標(biāo)權(quán)重較大(>0.08),因此提高江蘇省森林生態(tài)安全狀況要降低人類活動對森林生態(tài)系統(tǒng)的負(fù)面影響,增加縣域森林覆蓋面積,加大投資力度與保護(hù)力度。

2.2 模糊物元法

為了解決各類指標(biāo)的不相容的問題,本文決定采用模糊物元法。模糊物元法用M、C、x分別表示模糊物元、特征、模糊量值。若有m個(gè)樣本,n項(xiàng)指標(biāo)(本文有80個(gè)樣本,16項(xiàng)指標(biāo)),則可用Mi表示第i個(gè)樣本(i=1,2…m),Cj表示第i個(gè)事物的第j項(xiàng)指標(biāo)(j=1,2…n),xij表示第i個(gè)樣本第j個(gè)指標(biāo)的模糊量值(i=1,2…m；j=1,2…n)[21-22]。則江蘇省縣域森林生態(tài)安全的復(fù)合模糊物元Rmm如下所示：

(1)

2.2.1 計(jì)算從優(yōu)隸屬度

對于森林生態(tài)安全的每項(xiàng)指標(biāo)Cj,可以計(jì)算其相對于標(biāo)準(zhǔn)事物的從優(yōu)隸屬度。采用以下兩個(gè)公式：越大越優(yōu)型指標(biāo)：

(2)

越小越優(yōu)型指標(biāo)：

(3)

式中,uxij表示森林生態(tài)安全各指標(biāo)的從優(yōu)隸屬度(i=1,2…m；j=1,2…n),各指標(biāo)中的最大值和最小值分別用maxxij和minxij表示。基于以上計(jì)算結(jié)果得出新的模糊物元Rmm：

(4)

2.2.2 標(biāo)準(zhǔn)模糊物元與差平方模糊物元

因?yàn)樯稚鷳B(tài)安全指標(biāo)體系各特征值中uxij的最大值均為1,所以得出標(biāo)準(zhǔn)模糊物元R0n：

(5)

依據(jù)Δij=ux0j-uxij2和R0n來計(jì)算差平方,得出差平方模糊物元RΔ：

(6)

2.3 歐式貼近度與ESI綜合評價(jià)

經(jīng)過標(biāo)準(zhǔn)化之后,文章采用歐式貼近度公式來計(jì)算森林ESI值,該方法計(jì)算時(shí)首先確定最優(yōu)方案,然后計(jì)算其他方案與該方案的貼近程度,越接近則該方案越優(yōu)[23]。本文中復(fù)合模糊物元RPH的計(jì)算采用M(*,+)方法：

(7)

2.4 生態(tài)區(qū)位模型

生態(tài)區(qū)位模型是一個(gè)綜合反映氣象、地形等區(qū)域自然條件因素的系統(tǒng),它能夠通過影響物種分布和植被生產(chǎn)力來對森林生態(tài)安全發(fā)生作用,因此可以用它來對森林生態(tài)安全指標(biāo)體系進(jìn)行修正和補(bǔ)充。本文運(yùn)用ArcGIS軟件對8個(gè)生態(tài)區(qū)位指標(biāo)做柵格化處理,再對各評價(jià)指標(biāo)進(jìn)行分級賦值,最后運(yùn)用專家打分法確定了氣象類系數(shù)與地形類系數(shù)的權(quán)重分別為0.625和0.375。在確定指標(biāo)的權(quán)重后,再對江蘇省各區(qū)縣的生態(tài)區(qū)位系數(shù)進(jìn)行評估。根據(jù)指標(biāo)的具體特征,將每個(gè)指標(biāo)分為5個(gè)級別,等級越高對于林業(yè)的發(fā)展越有利。目前尚缺少對每一指標(biāo)分級區(qū)間劃定的研究,因此對于每個(gè)指標(biāo)分屬不同級別的區(qū)間劃定,主要通過查閱參考文獻(xiàn)[24],再結(jié)合區(qū)位系數(shù)的定義和應(yīng)用范圍最終確定(表2)。在計(jì)算生態(tài)區(qū)位系數(shù)時(shí),首先應(yīng)依據(jù)表2的評級標(biāo)準(zhǔn)和參評單元評價(jià)因子的現(xiàn)狀值,確定現(xiàn)狀區(qū)位系數(shù)評分空間分布圖,然后計(jì)算指標(biāo)層區(qū)位系數(shù)分值:

(8)

表2 生態(tài)區(qū)位系數(shù)分級表

2.5 探索性空間數(shù)據(jù)分析

2.5.1 全局空間自相關(guān)

全局空間相關(guān)性考察屬性值在研究區(qū)域范圍內(nèi)空間相關(guān)性的整體趨勢。常用統(tǒng)計(jì)量Moran′sI。當(dāng)Moran′sI為正,表明森林ESI在空間上正相關(guān),在空間上趨于聚集；當(dāng)Moran′sI為負(fù),表明森林ESI在空間上負(fù)相關(guān),在空間上趨于分散。當(dāng)值等于0,表示森林ESI在空間單元之間空間不相關(guān)[26]。莫蘭指數(shù)的計(jì)算公式為：

(9)

式中,n是研究區(qū)域內(nèi)地域單元總數(shù)；wij是空間權(quán)重矩陣的元素值；xi是地域單元i的x變量值；yi是地域單元i的y變量值。

2.5.2 局部空間自相關(guān)

局部空間自相關(guān)統(tǒng)計(jì)量Local Moran′sI是Moran′sI的分解。局部莫蘭指數(shù)高值表明有相似變量值的面積單元在空間集聚(高值或低值),低值表明不相似變量值的面積單元在空間集聚。地域單元i的局部莫蘭指數(shù)用來度量它和周圍地域單元之間的相關(guān)性,定義為：

(10)

式中,正的Ii表示一個(gè)高值被高值所包圍(高-高),或者是一個(gè)低值被低值所圍(低-低)。負(fù)的Ii表示一個(gè)低值被高值所包圍(低-高),或者一個(gè)高值被低值所包圍(高-低)。

2.5.3 空間滯后模型與空間誤差模型

傳統(tǒng)計(jì)量分析在研究過程中沒有將空間因素納入到分析模型,從而忽視了空間效應(yīng),使模型設(shè)定與現(xiàn)實(shí)情況存在一定偏差,進(jìn)而可能導(dǎo)致研究得出的各種結(jié)果和推論不夠完整、科學(xué),缺乏應(yīng)有的解釋力[27]。因此本文引入空間滯后模型與空間誤差模型對森林ESI的擴(kuò)散效應(yīng)與回流效應(yīng)進(jìn)行探討與分析。

空間滯后模型(SLM)測度局部地區(qū)之間是否存在擴(kuò)散效應(yīng),其模型表達(dá)式為：

lnXi,t+k/Xi,t=α+βlnXi,t+ρWlnXi,t+k/Xi,t+εi,t

(11)

式中,ρ是向量空間自回歸參數(shù)；εi,t是隨機(jī)誤差項(xiàng)。

空間誤差模型(SEM)測度空間依賴作用是否由于誤差擾動項(xiàng)引起,其模型表達(dá)式為：

lnXi,t+k/Xi,t=α+βlnXi,t+I-ξW-1μi,t

(12)

式中,Xi,t為第i個(gè)地區(qū)在t年的森林ESI,Xi,t+k為第i個(gè)地區(qū)在t+k年的森林ESI；α、β為待估的參數(shù)；I是單位矩陣；ξ是誤差項(xiàng)空間自回歸參數(shù)；W為空間權(quán)重矩陣；μi,t為隨機(jī)誤差項(xiàng)。

3 結(jié)果與分析

3.1 生態(tài)區(qū)位系數(shù)計(jì)算結(jié)果分析

圖3 江蘇省生態(tài)區(qū)位系數(shù)圖Fig.3 Ecological location coefficient map of Jiangsu

文章首先基于公式(8)及表2的8個(gè)指標(biāo)和江蘇省80個(gè)區(qū)縣的數(shù)據(jù),計(jì)算出江蘇省各縣域的區(qū)位系數(shù)。本文運(yùn)用ArcGIS軟件將江蘇省縣域生態(tài)區(qū)位系數(shù)采用五分位圖展示出來,如圖3所示。

本文基于自然斷裂法將區(qū)位系數(shù)分為五個(gè)等級。從圖中可以直觀地看出,區(qū)位系數(shù)最高(30.5310—32.8123)區(qū)域主要分布在江蘇省南部少數(shù)地區(qū),如南京市、宜興市、無錫市、東臺市、昆山市、太倉市等。區(qū)位系數(shù)次高(29.3620—30.5309)區(qū)域主要分布在江蘇省中南部,如蘇州市、丹江市、盱眙縣、寶應(yīng)縣等。區(qū)位系數(shù)最低(23.0436—28.2045)的區(qū)域主要分布在江蘇省北部,如響水縣、漣水縣、豐縣、沛縣等地。

從總體來看,江蘇省的生態(tài)區(qū)位系數(shù)平均值為29.27,生態(tài)區(qū)位較好地區(qū)主要分布在江蘇省南部,而最高值也出現(xiàn)在蘇南地區(qū)的高淳縣(32.8123)。這些地區(qū)自然基礎(chǔ)條件較好,適合森林樹木生長。而生態(tài)區(qū)位較差區(qū)域則集中在蘇北,尤其是江蘇省東北部地區(qū),如響水縣、濱?？h、漣水縣、射陽縣等,說明這些地區(qū)自然條件較不適合森林植被生長。與此同時(shí),江蘇省內(nèi)生態(tài)區(qū)位較好地區(qū)大多集中在蘇南經(jīng)濟(jì)發(fā)達(dá)地區(qū),而生態(tài)區(qū)位較差的地區(qū)則一般聚集在蘇北地區(qū),這些地方經(jīng)濟(jì)相對落后,可見生態(tài)區(qū)位系數(shù)與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平具有一定的耦合性。

3.2 森林ESI修正指數(shù)計(jì)算與ArcGIS分析

計(jì)算出生態(tài)區(qū)位系數(shù)之后,結(jié)合模糊物元法與歐式貼近度方法,并利用公式(1)到(7)可計(jì)算出2000—2015年江蘇省森林ESI指數(shù)的修正值,同時(shí)用ArcGIS繪制五分位分布圖進(jìn)行展示,如圖4所示。

圖4 2000、2005、2010、2015年江蘇省森林ESI等級分布Fig.4 The forest ESI space distribution of Jiangsu from 2000 to 2015

從2000年來看,江蘇省森林ESI指數(shù)最高區(qū)域集中在蘇南地區(qū)以及蘇北少部分地區(qū),如東?？h、沭陽縣等。ESI指數(shù)次高區(qū)域則分布相對均勻。而ESI指數(shù)最低區(qū)域較為集中在江蘇省中東部及北部地區(qū)個(gè)別縣市,如濱?？h、射陽縣、邳州市、新沂市等。

從2005年來看,江蘇省森林ESI指數(shù)最高區(qū)域較多分布在蘇南地區(qū),江蘇中部及北部地區(qū)也有少部分分布,如沛縣、睢寧縣、寶應(yīng)縣、江陰市、無錫市等。相較2000年來看,ESI指數(shù)最高區(qū)域分布更為均衡。ESI指數(shù)次高區(qū)域分布較上年更為廣泛。而ESI指數(shù)最低區(qū)域則仍集中在蘇北及中東部地區(qū)。

從2010年來看,江蘇省南部地區(qū)森林ESI指數(shù)變化不大,只有江陰和無錫退出最高層級,同時(shí)新增溧水縣和高淳縣,蘇北及中部地區(qū)退步較為明顯,沛縣、沭陽縣、寶應(yīng)縣和興化市退出該檔。森林ESI指數(shù)最低區(qū)域新增泗洪縣、寶應(yīng)縣、興化縣、海安縣、啟東縣、如皋市等地,而蘇北的宿遷、新沂、邳州則有所改善。

從2015年來看,江蘇省森林ESI指數(shù)最高區(qū)域仍集中在蘇南地區(qū),全省新增金壇市、常州市、如東縣、啟東縣,而宜興市、常熟市、太倉市、昆山市、張家港市則退出該檔,蘇北地區(qū)則僅剩灌云縣；森林ESI指數(shù)最低區(qū)域則集中在中東部地區(qū),蘇南也有部分地區(qū)出現(xiàn)ESI指數(shù)過低的情況,如句容市、宜興市、常熟市。

從2000—2015年江蘇省縣域森林ESI等級變化來看,67.5%的區(qū)縣都呈現(xiàn)出較明顯的下降趨勢,僅徐州市泉山區(qū)、銅山區(qū)、新沂市一直保持上升勢頭。而蘇北很多處于ESI最低檔縣市的狀況卻得到了改善。究其原因,這與2003年“綠色江蘇”的建設(shè)實(shí)施關(guān)系密切。自2003年以來,全省林地面積、森林面積、森林覆蓋率和林地利用率明顯增加,活立木總蓄積和森林蓄積大幅度增長,江蘇省森林綠化建設(shè)在“量”上有了突破性進(jìn)展。但2010年以后,蘇北地區(qū)大部分縣市森林ESI變化不大,同時(shí)蘇南地區(qū)部分縣市森林ESI出現(xiàn)急劇下降,如宜興市、蘇州市、常熟市、句容市等。原因是2010年以后,雖新增造林不斷增加,但受諸多因素影響,全省森林面積凈增量有所下降,且由于樹種單一造成的森林生態(tài)功能降低問題也越來越突出。與此同時(shí),蘇南與蘇中等經(jīng)濟(jì)發(fā)達(dá)地區(qū)不斷加大開發(fā)建設(shè)力度,進(jìn)一步加大了對當(dāng)?shù)厣稚鷳B(tài)安全的壓力,導(dǎo)致蘇南地區(qū)許多縣市森林ESI有所下降?？梢?江蘇省在森林生態(tài)安全建設(shè)過程中,不僅要注重大規(guī)模植樹造林,更要注重“質(zhì)”的提升,優(yōu)化樹種結(jié)構(gòu),協(xié)調(diào)區(qū)域生態(tài)發(fā)展。

3.3 空間相關(guān)分析

3.3.1 全局自相關(guān)分析

在得出2000—2015年江蘇省縣域森林ESI值后,可根據(jù)全局自相關(guān)公式(9),并運(yùn)用GeoDA軟件計(jì)算得出森林ESI的莫蘭指數(shù)及檢驗(yàn)結(jié)果,如表3所示。

表3 江蘇省縣域森林ESI指數(shù)全局自相關(guān)檢驗(yàn)

隨機(jī)性檢驗(yàn)使用999 permutation;T：T顯著性檢驗(yàn)值,Tsignificance test value；P：P顯著性檢驗(yàn)值,Psignificance test value

從檢驗(yàn)結(jié)果來看,都通過了P≤0.01的檢驗(yàn),表明全局自相關(guān)實(shí)驗(yàn)在99.9%置信度下顯著,說明江蘇省縣域森林ESI存在較為明顯的空間相關(guān)性。從時(shí)間變化看,Moran′sI指數(shù)在不同階段呈現(xiàn)出不同的特征。2000—2005年,空間相關(guān)性有較小幅度上升；2005—2010年,空間相關(guān)性則出現(xiàn)大幅上升；2010—2015年,空間相關(guān)性則出現(xiàn)急劇下降。但從總體來看,Moran′sI指數(shù)還是有一定程度的降低,說明江蘇省縣域間的森林ESI空間聚集狀況有所下降。

如圖5所示,2000—2015年江蘇省全局Moran′sI散點(diǎn)大部分位于一、三象限內(nèi),即高-高和低-低類型聚集區(qū)占主導(dǎo)地位,表現(xiàn)出較明顯的空間依賴性,也就是森林ESI較高的區(qū)縣相互聚集,而較低值的區(qū)縣也相互聚集。高值區(qū)縣互相聚集表明各區(qū)縣能夠形成相互促進(jìn)作用,而低值區(qū)縣聚集說明各區(qū)縣會形成一個(gè)相互的負(fù)面影響,進(jìn)而陷入一個(gè)恒差的惡性循環(huán)。2000、2005年,江蘇省位于第一象限與第三象限的縣域個(gè)數(shù)基本相當(dāng),而2010、2015年,第三象限縣域個(gè)數(shù)明顯多于第一象限,說明江蘇省縣域存在明顯的森林生態(tài)安全較好和較差的縣域,而森林生態(tài)狀況較差區(qū)縣的聚集數(shù)量明顯多于較好區(qū)縣的數(shù)量,并且有逐漸加重的趨勢。究其原因,在于2010年之后,蘇北平原早期發(fā)展的楊樹林大面積進(jìn)入采伐期,且楊樹木材價(jià)格相比農(nóng)作物明顯下降,許多林農(nóng)對楊樹進(jìn)行采伐之后就不再栽植。由此可見,蘇北楊樹林面積大幅度減少是造成低-低聚集區(qū)增多的最主要原因。

圖5 全局Moran′s I散點(diǎn)圖Fig.5 Global Moran′s I scatter plot

3.3.2 局部自相關(guān)分析

為了更加深入地研究森林ESI指數(shù)在江蘇省各縣域之間的空間分布情況,利用公式(10)及GeoDA軟件可繪制出2000、2005、2010、2015年江蘇省縣域森林生態(tài)安全指數(shù)LISA聚類圖,且通過P≤0.05的顯著性檢驗(yàn),如圖6所示。

圖6 2000、2005、2010、2015年LISA聚集圖Fig.6 LISA map of 2000、2005、2010、2015LISA：局部空間關(guān)聯(lián)指數(shù),local indices of spatial association

圖6反映了各區(qū)縣之間的局部自相關(guān)關(guān)系,High-High表示森林ESI高值區(qū)縣被周圍高值區(qū)縣包圍,Low-Low表示低值區(qū)縣被低值區(qū)縣包圍,Low-High表示低值區(qū)縣被高值區(qū)縣包圍,High-Low表示高值區(qū)縣被低值區(qū)縣包圍。通過分析LISA聚集圖可以發(fā)現(xiàn)：(1)4個(gè)年份中,森林生態(tài)安全指數(shù)High-High集聚區(qū)縣一般分布在蘇南地區(qū),以蘇州、無錫一帶為中心。(2)Low-Low集聚區(qū)縣則集中在江蘇東北部一帶,以阜寧縣、建湖縣為中心；(3)從各年的顯著聚類結(jié)果來看,2000、2005、2010和2015年High-High集聚區(qū)縣分別有9個(gè)、8個(gè)、8個(gè)、3個(gè),Low-Low集聚區(qū)縣則變化不大,分別有8個(gè)、5個(gè)、6個(gè)、5個(gè),2005年之后基本穩(wěn)定在5個(gè)左右,但分布呈現(xiàn)分散化的趨勢。為了更加直觀地表示2015年江蘇省縣域森林ESI各類聚集情況,本文將各類聚集區(qū)域制成表4。

3.3.3 江蘇省縣域森林ESI空間計(jì)量分析

上述探索性空間數(shù)據(jù)分析(ESDA)僅證明了江蘇省各縣市之間存在空間相關(guān)性,且空間分異特征明顯。然而ESDA在本質(zhì)上是“數(shù)據(jù)驅(qū)動”的,單純依靠ESDA在對森林ESI進(jìn)行時(shí)空分析時(shí)是缺乏理論模型解釋力的。因此,文章在ESDA的基礎(chǔ)上,運(yùn)用CSDA(證實(shí)性空間數(shù)據(jù)分析)對江蘇省各縣市森林ESI指數(shù)的時(shí)空演進(jìn)模式進(jìn)行深入研究,探討縣域之間森林ESI指數(shù)的空間結(jié)構(gòu)模式。文章將2005年、2010年設(shè)為趨勢分界點(diǎn),運(yùn)用公式(11)、(12)及Geoda軟件,得出空間滯后模型(SLM)與空間誤差模型(SEM)估計(jì)結(jié)果,如表5所示。

在表5中,反映模型擬合效果的指標(biāo)有LIK、AIC及SC指標(biāo),其中LIK越大,AIC和SC指標(biāo)越小,則說明模型的擬合效果越好。通過對比2000—2005、2005—2010和2010—2015 3個(gè)研究時(shí)間段LIK、AIC及SC指標(biāo)的大小,可以發(fā)現(xiàn)空間滯后模型的解釋力比空間誤差模型更強(qiáng),即森林ESI在江蘇省縣域之間存在擴(kuò)散效應(yīng)。同時(shí),空間滯后模型結(jié)果顯示,估計(jì)值β在3個(gè)研究時(shí)期內(nèi)均為正,表明森林ESI在江蘇省縣域之間也存在回流效應(yīng)。因此,我們可以得到,森林ESI在江蘇省縣域之間并不只存在單一的某種效應(yīng),而是擴(kuò)散效應(yīng)與回流效應(yīng)并存。這也證明了江蘇省內(nèi)各個(gè)縣市之間的森林生態(tài)安全狀況并不只與自身的森林生態(tài)狀況有關(guān),也與臨近地區(qū)的森林生態(tài)安全狀況存在密切的關(guān)系。

表4 2015年森林生態(tài)安全指數(shù)LISA聚集結(jié)果

表5 空間計(jì)量模型估計(jì)結(jié)果

LIK：對數(shù)似然估計(jì)值,Log-Likelihood；AIC：赤池信息準(zhǔn)則,Akaike Information Criterion；SC：施瓦茨信息準(zhǔn)則,Schwarz Information Criterion；R2：擬合優(yōu)度,goodness of fit

圖7 江蘇省森林ESI空間效應(yīng)機(jī)制圖Fig.7 The forest ESI spatial effect mechanism of Jiangsu

通過ESDA和CSDA分析發(fā)現(xiàn),江蘇省縣域森林ESI確實(shí)具有空間依賴性,因?yàn)榭h域森林生態(tài)安全往往受周邊地區(qū)森林生態(tài)狀況的影響,但不同區(qū)域之間表現(xiàn)差異較大,如圖7所示。江蘇省縣域森林ESI擴(kuò)散效應(yīng)主要存在于蘇南與蘇北之間,蘇南以蘇州、無錫一帶為中心點(diǎn)對臨近地區(qū)產(chǎn)生正向擴(kuò)散效應(yīng),但隨著時(shí)間推移,影響范圍逐漸縮小,到2015年甚至出現(xiàn)了中心點(diǎn)向西南轉(zhuǎn)移的現(xiàn)象；而蘇北則以阜寧縣、建湖縣為中心點(diǎn)對臨近地區(qū)動態(tài)地產(chǎn)生負(fù)向擴(kuò)散效應(yīng),如臨近的響水縣從2005年的高低孤立區(qū)變?yōu)榱?010年的低值蕭索區(qū)。而江蘇中南部個(gè)別地區(qū)受到蘇南的正向擴(kuò)散效應(yīng)并不明顯,反而由于受到回流效應(yīng)的影響與蘇南的差距有所擴(kuò)大。

4 結(jié)論與討論

4.1 結(jié)論

本文首先運(yùn)用熵權(quán)法、專家法及模糊物元法計(jì)算出江蘇省縣域森林ESI指數(shù),然后計(jì)算出江蘇各區(qū)縣的生態(tài)區(qū)位系數(shù),并用來修正森林ESI指數(shù)。本文還獨(dú)創(chuàng)性地運(yùn)用了ArcGIS技術(shù)、ESDA和CSDA相結(jié)合的方法來分析江蘇省各區(qū)縣森林ESI指數(shù)的空間分布規(guī)律,結(jié)論如下：

(1)從16個(gè)評價(jià)指標(biāo)的權(quán)重來看,人口密度的權(quán)重最高,其次是單位面積能源消耗量與退耕還林面積占比,而土地沙化強(qiáng)度所占的權(quán)重最小。

(2)從生態(tài)區(qū)位模型來看,江蘇省生態(tài)區(qū)位系數(shù)最高的地區(qū)主要分布在江蘇省南部少數(shù)地區(qū),如南京市、宜興市等；區(qū)位系數(shù)最低的區(qū)域主要分布在江蘇省東北部,如響水縣、漣水縣、豐縣等地。

(3)從ESI指數(shù)的空間分布來看,2000—2015年森林ESI等級最高的區(qū)域集中在江蘇省南部,而ESI等級最差的區(qū)域則較為集中在江蘇省中部及東北部地區(qū)。這些地區(qū)一方面區(qū)位系數(shù)較低,反映了蘇北地區(qū)的光、水、熱等條件較差,不利于森林植被生長,另一方面這些地區(qū)大面積種植楊樹林,樹種單一,森林的生態(tài)功能也比較脆弱,故ESI指數(shù)較低。

(4)從ESI指數(shù)的時(shí)間變化來看,與2000年相比,2015年江蘇省67.5%的區(qū)縣呈現(xiàn)出比較明顯的下降趨勢,反映出江蘇省較為嚴(yán)峻的森林生態(tài)安全發(fā)展?fàn)顩r。其中下降幅度最大的是宜興市,其次是江陰市和蘇州市吳中區(qū),這些地區(qū)雖然生態(tài)區(qū)位優(yōu)勢明顯,但近年來由于經(jīng)濟(jì)發(fā)展,人口增長較快,對森林生態(tài)系統(tǒng)造成了較大壓力。而增長幅度最為迅猛的是新沂市,其次是邳州市,這些地區(qū)雖然生態(tài)區(qū)位不佳,但由于2003年綠色江蘇造林工程實(shí)施以后,其森林生態(tài)安全狀況得到了明顯改善。

(5)從空間相關(guān)性來看,江蘇省各區(qū)縣森林ESI呈現(xiàn)出比較明顯的聚集性,但2000—2015年空間聚集程度有所下降,且Low-Low集聚區(qū)多于High-High集聚區(qū)。森林ESI的High-High集聚區(qū)縣一般分布在江蘇省南部地區(qū),但2015年區(qū)域范圍大幅度縮小并發(fā)生了向西南方向轉(zhuǎn)移的現(xiàn)象；Low-Low集聚區(qū)縣則大多集中在江蘇東北部一帶。

(6)從SLM與SEM模型來看,森林ESI在江蘇省縣域之間是擴(kuò)散效應(yīng)與回流效應(yīng)并存的。擴(kuò)散效應(yīng)主要存在于蘇南與蘇北之間,蘇南以蘇州、無錫一帶為中心點(diǎn)對臨近地區(qū)產(chǎn)生正向擴(kuò)散效應(yīng),但隨著時(shí)間推移,影響范圍逐漸縮小；蘇北以阜寧縣、建湖縣為中心點(diǎn)對臨近地區(qū)產(chǎn)生負(fù)向擴(kuò)散效應(yīng)。江蘇中南部個(gè)別地區(qū)回流效應(yīng)發(fā)揮主導(dǎo)作用,且不具有收斂性,與蘇南的差距有所擴(kuò)大。

4.2 討論

從森林ESI計(jì)算結(jié)果來看,蘇南地區(qū)森林生態(tài)安全狀況整體上好于蘇北地區(qū)。但處于生態(tài)區(qū)位系數(shù)最高的蘇南地區(qū)在2015年卻出現(xiàn)了ESI值過低的區(qū)域,說明經(jīng)濟(jì)發(fā)展、人口壓力、能源消耗、廢水廢氣排放等壓力因素制約了該區(qū)域森林生態(tài)系統(tǒng)的發(fā)展。而蘇北地區(qū)雖然生態(tài)區(qū)位系數(shù)不高,但隨著造林工程的實(shí)施,森林生態(tài)安全狀況也得到了一定程度的改善,但也有諸如樹種單一,森林生態(tài)穩(wěn)定性差等問題亟待解決。因此本文建議該地區(qū)相關(guān)政府、企業(yè)在控制人口、能耗及排污強(qiáng)度的同時(shí),不僅要提高森林植被的“量”,更要加大造林樹種的多樣化選擇,徹底扭轉(zhuǎn)森林結(jié)構(gòu)不合理,珍貴化和彩葉化水平低的不利局面。從空間分析結(jié)果來看,江蘇省縣域森林ESI呈現(xiàn)出較明顯的南北分異特征,且擴(kuò)散效應(yīng)與回流效應(yīng)并存。因此該地區(qū)政府在進(jìn)行森林生態(tài)治理時(shí)應(yīng)注意省內(nèi)地域平衡,防止南北差異進(jìn)一步擴(kuò)大,同時(shí)加大對阜寧縣、建湖縣的治理力度,防止其對周邊地區(qū)森林ESI的負(fù)面擴(kuò)散效應(yīng)。而對蘇州、無錫一帶應(yīng)加大其對周邊地區(qū)的正向擴(kuò)散效應(yīng),且防止其產(chǎn)生回流效應(yīng)從而對周邊地區(qū)產(chǎn)生不利影響。

從森林生態(tài)安全的研究方法來看,本文評價(jià)指標(biāo)忽略了一些管理因素的影響,比如自然保護(hù)區(qū)級別和各地林場等,保護(hù)區(qū)的級別不同保護(hù)效果也會有所差別[28],此外各類林場對森林的保護(hù)在客觀上比個(gè)體農(nóng)戶的效果要好[29],因此后續(xù)研究將逐漸加入這些指標(biāo)。其次本文生態(tài)區(qū)位系數(shù)模型僅考慮了氣象類指標(biāo)和地形類指標(biāo),但在影響森林植被的影響因素中,還有水文、土壤、環(huán)境敏感性[30]等因素沒有考慮進(jìn)來。水文因素中,汛期、徑流量等對流域內(nèi)的地表水和地下水有較大影響,而這些水源是植物生長的重要因素。土壤能夠給森林植物提供大量的養(yǎng)分,其中的有機(jī)質(zhì)、微生物和水分等是植物生長的必要條件。環(huán)境敏感性因素中,土壤鹽堿化敏感性、水污染敏感性等對森林生態(tài)環(huán)境都有較大影響。因此,本文今后將在水文指標(biāo)中引入汛期、結(jié)冰期、徑流量等指標(biāo),在土壤類指標(biāo)中引入土壤有機(jī)質(zhì)、土壤類型等指標(biāo),在環(huán)境敏感性指標(biāo)中引入土壤鹽堿化敏感性、水污染敏感性等指標(biāo)。后續(xù)研究應(yīng)引入更多理論方法[31-33],對不同模型[34-37]與技術(shù)[38-40]之間進(jìn)行橫向比較，更大程度地豐富森林生態(tài)安全評價(jià)理論。