吳健生,易騰云,王 晗,2

1 北京大學(xué)深圳研究生院城市規(guī)劃與設(shè)計(jì)學(xué)院城市人居環(huán)境科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室, 深圳 518055 2 北京大學(xué)城市與環(huán)境學(xué)院地表過程與模擬教育部重點(diǎn)實(shí)驗(yàn)室, 北京 100871

在自然與經(jīng)濟(jì)社會因素的交互作用下,城市景觀演變呈現(xiàn)復(fù)雜的發(fā)展趨勢。我國深圳和香港均是粵港澳大灣區(qū)(Guangdong-Hong Kong-Macao Greater Bay Area,縮寫：the Greater Bay Area(GBA))的重要中心城市和國際化都市,兩地僅以一河為界,自然環(huán)境相似,對比研究兩地城市景觀格局的演變規(guī)律對于全面提升大灣區(qū)生態(tài)文明建設(shè)水平具有重要科學(xué)價(jià)值。目前,國內(nèi)外對于城市景觀格局的研究主要通過分析形態(tài)和大小各異的景觀要素在空間上的分布組合[1],來探討城市景觀格局的時(shí)空異質(zhì)性?；诰坝^要素的空間特征計(jì)算景觀格局指數(shù)[2-3],進(jìn)而理解和量化評價(jià)某地區(qū)的景觀格局現(xiàn)狀,成為分析景觀格局的常用方式；同時(shí),應(yīng)用Logistic回歸模型[4]、地理探測器[5]、增強(qiáng)回歸樹[6]等模型探究經(jīng)濟(jì)、政策、文化、自然和科技等[7]諸多因素在內(nèi)的景觀格局演變的驅(qū)動(dòng)機(jī)制,也成為協(xié)調(diào)景觀格局發(fā)展方向和目標(biāo)的常用方法；此外,相關(guān)學(xué)者通過CA-Markov[8]、ANN-CA[9]、CLUE-S[10]等模型進(jìn)行未來景觀格局的預(yù)測成為城市景觀格局研究的重要內(nèi)容。

深港兩地區(qū)位相鄰,具有自然稟賦相似、經(jīng)濟(jì)發(fā)達(dá)、人口稠密的共同特點(diǎn),但是社會與經(jīng)濟(jì)制度存在差異。深港兩地的城市發(fā)展進(jìn)程也有所不同,發(fā)展模式、制度政策和生態(tài)觀念迥異[11-12]。自粵港澳大灣區(qū)的概念提出以來,以深圳或香港為研究區(qū)的城市熱島[13]、生態(tài)修復(fù)[14]、景觀破碎化[15]、生態(tài)系統(tǒng)服務(wù)[16]等城市景觀生態(tài)問題的研究日漸深入,但是針對兩地的景觀格局演變規(guī)律與趨勢系統(tǒng)對比的基礎(chǔ)研究還有待進(jìn)一步加強(qiáng)。城市景觀格局的變化能反映出經(jīng)濟(jì)發(fā)展與城市化水平[17-18],也是對城市發(fā)展政策的折射[19-20]。在此背景下,本研究基于深港兩地的多期歷史土地覆被數(shù)據(jù),描述了2000—2030年深圳和香港的景觀格局變化；從兩地景觀格局演變的時(shí)空分異特征入手,試圖探討相同類型的驅(qū)動(dòng)因素在兩地景觀格局演變過程中的不同作用,旨在挖掘兩地在城市發(fā)展過程中景觀格局演變差異化的直接原因與背景政策,將景觀格局融入城市規(guī)劃與環(huán)境管理,為協(xié)調(diào)和指導(dǎo)兩地生態(tài)文明建設(shè)提供參考。

圖1 深港在粵港澳大灣區(qū)中的地理區(qū)位 Fig.1 Location map of Shenzhen and Hong Kong in the Guangdong-Hong Kong-Macao Greater Bay Area (GBA)

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)概況

深圳與香港位于珠江三角洲地區(qū)東南部(北緯22°8′—22°52′,東經(jīng)113°44′—114°38′)(圖1),處于亞熱帶季風(fēng)氣候區(qū),兩地以深圳河為界,水熱條件相似。深圳全境地勢東南高,西北低,大部分地區(qū)地形為低山、平緩臺地和階地丘陵,而香港三面環(huán)海,山地多平地少。2020年,人造地表景觀約占深圳國土面積的46%,林地景觀占28%；香港主要的景觀類型則為林地景觀,占其國土面積的54%,人造地表景觀排第二,占境域面積的18%。

1980年,深圳被設(shè)立為我國第一個(gè)經(jīng)濟(jì)特區(qū),經(jīng)過40余年飛速發(fā)展,成為全國4個(gè)超大城市之一；香港在“一國兩制”的基本國策下,于20世紀(jì)70年實(shí)現(xiàn)了由制造業(yè)向服務(wù)業(yè)的轉(zhuǎn)型,經(jīng)濟(jì)長期保持高度繁榮發(fā)展。近年來香港經(jīng)濟(jì)發(fā)展有所放緩,深圳GDP增長規(guī)模及速度遙遙領(lǐng)先。盡管目前香港人均GDP依然遠(yuǎn)超深圳,但二者差距在不斷縮小。2018年,深圳GDP首次超過香港,躍居粵港澳大灣區(qū)龍頭。2000年以來深港人均GDP變化如圖2所示,經(jīng)濟(jì)數(shù)據(jù)來源于國家統(tǒng)計(jì)局、深圳統(tǒng)計(jì)局以及香港特別行政區(qū)政府統(tǒng)計(jì)處。

圖2 2000年以來深港人均GDP、林地占比、人造地表占比變化趨勢Fig.2 Change trend of per capita GDP, proportion of forest land and artificial surface in Shenzhen and Hong Kong since 2000

1.2 數(shù)據(jù)來源

研究選用GlobeLand30(30m全球地表覆蓋數(shù)據(jù))2000年、2010年、2020年3期土地覆被產(chǎn)品,數(shù)據(jù)總體精度超過80%[21-22],該數(shù)據(jù)產(chǎn)品將深港地表覆被劃分為耕地、林地、草地、灌木地、濕地、水體、人造地表、裸地、其它等九類景觀。

結(jié)合深圳與香港的實(shí)際情況,參考現(xiàn)有文獻(xiàn)研究進(jìn)展[23-25],分析總結(jié)社會經(jīng)濟(jì)因素、自然因素、氣候條件與區(qū)位因素四類驅(qū)動(dòng)因素,選取了包括人口密度(X1)、經(jīng)濟(jì)水平(X2)、高程(DEM)(X3)、坡度(X4)、年平均氣溫(X5)、年平均降水(X6)、距主要鐵路距離(X7)、距主要公路距離(X8)、距三級以上水系距離(X9)在內(nèi)的9個(gè)驅(qū)動(dòng)因子。目前已有許多文獻(xiàn)證明了夜間燈光數(shù)據(jù)核算國內(nèi)生產(chǎn)總值的可行性[26-28],本文選擇夜間燈光數(shù)據(jù)代替GDP統(tǒng)計(jì)數(shù)據(jù),能夠較好表征經(jīng)濟(jì)發(fā)展的空間異質(zhì)性。研究中涉及到的相關(guān)數(shù)據(jù)來源見表1。

2 研究方法

2.1 地學(xué)信息圖譜

土地覆蓋的變化影響了景觀斑塊類型和時(shí)空配置,進(jìn)而引起景觀格局的整體改變[29]。地學(xué)信息圖譜是一種以多維符號與動(dòng)態(tài)可視化技術(shù),通過抽象概括特征表述區(qū)域自然過程或社會經(jīng)濟(jì)發(fā)展時(shí)態(tài)演進(jìn)和空間分異的方法[30],也常用于景觀類型的轉(zhuǎn)移特征分析[31-33]。景觀類型的轉(zhuǎn)移包含轉(zhuǎn)入和轉(zhuǎn)出兩個(gè)過程,本研究中將景觀類型的轉(zhuǎn)入定義為漲勢圖譜,轉(zhuǎn)出定義為落勢圖譜,分別表示該類型景觀的增加與減少。針對GlobeLand30數(shù)據(jù)集,利用式(1)在ArcGIS進(jìn)行地圖代數(shù)運(yùn)算,可以得到景觀圖譜柵格單元。

C=A×100+B

(1)

式中,C為研究時(shí)段新的景觀圖譜柵格單元；A為前一時(shí)刻景觀圖譜柵格單元屬性值；B為后一時(shí)刻景觀圖譜柵格單元屬性值。圖譜空間單元統(tǒng)一按照土地覆被數(shù)據(jù)集設(shè)定為30m,時(shí)間單元上分別分析2000—2010年、2010—2020年、2020—2030年3個(gè)時(shí)間段內(nèi)的景觀轉(zhuǎn)移特征。

2.2 景觀格局指數(shù)分析

景觀格局指數(shù)能夠量化表示景觀格局特征[34],參考相關(guān)研究[2, 35-38],從斑塊組成、連通性、形狀復(fù)雜性、聚集與碎裂化程度四個(gè)維度選取指標(biāo)刻畫深圳和香港的城市土地覆蓋景觀格局特征。在斑塊類型水平上選取斑塊所占景觀面積比例、斑塊類型面積、平均最近距離3個(gè)指標(biāo),在景觀水平上選取邊緣密度、斑塊密度、面積加權(quán)平均斑塊分形、蔓延度、聚集度、Shannon多樣性、Shannon均勻度7個(gè)指標(biāo)。相關(guān)指數(shù)的具體含義見表2。

表2 景觀格局指數(shù)說明表

PLAND：Percentage of landscape；CA：Total class area；SHDI：Shannon′s diversity index；SHEI：Shannon′s evenness index；ENN_MN：Mean Euclidean nearest neighbor distance；AWMPFD：Area-weighted patch fractal dimension；ED：Edge density；CONTAG：Contagion index；AI：Aggregation index；PD：Patch density

2.3 地理探測器

王勁峰等[39]提出的地理探測器能夠用于量化地理要素分層異質(zhì)性,探究空間上分異地理現(xiàn)象的驅(qū)動(dòng)因子及其作用大小,包含生態(tài)探測器、因子探測器、交互作用探測器和風(fēng)險(xiǎn)探測器4個(gè)探測器模塊。

利用因子探測器可以分析影響深圳與香港整體景觀格局變化的各驅(qū)動(dòng)因子的作用大小,而該模型要求輸入的自變量X為離散的類型變量。為此,本文基于自然斷點(diǎn)法將連續(xù)變化的自變量因子進(jìn)行離散化分為9類。隨后,基于q統(tǒng)計(jì)量判斷2000—2020年時(shí)間段內(nèi),各驅(qū)動(dòng)因子X對景觀類型Y空間變化的解釋力度。q的值域?yàn)閇0,1],其值越大表示驅(qū)動(dòng)因子X對景觀類型Y發(fā)生空間變化的解釋力度越強(qiáng),其公式為：

(2)

2.4 Logistic回歸模型

Logistic回歸模型目前已廣泛應(yīng)用于探究景觀變化的驅(qū)動(dòng)力研究中[40]。本研究中,以2000—2020年為研究時(shí)段,應(yīng)用Logistic回歸模型探究各驅(qū)動(dòng)因子對單一景觀類型變化的影響,將各驅(qū)動(dòng)因子連續(xù)值作為自變量X,標(biāo)準(zhǔn)化后代入計(jì)算公式。針對每一類景觀,將發(fā)生類型變化的柵格值重設(shè)為1,未發(fā)生變化的柵格值重設(shè)為0,求解特定景觀類型發(fā)生轉(zhuǎn)化的概率值作為因變量。隨后基于最大似然法,分析深圳與香港景觀變化過程的依據(jù)和因果關(guān)系。景觀類型i發(fā)生轉(zhuǎn)化的概率計(jì)算公式如下：

(3)

式中,Pi表示其他景觀轉(zhuǎn)化為景觀類型i的概率；Xm表示驅(qū)動(dòng)因子；βn為對應(yīng)回歸系數(shù)值；α是常數(shù)。βn的正負(fù)表示該驅(qū)動(dòng)因子能增大或減少轉(zhuǎn)變?yōu)榫坝^i的概率的貢獻(xiàn)；βn的絕對值越大,則說明該驅(qū)動(dòng)因子對轉(zhuǎn)化為景觀類型i的概率貢獻(xiàn)越大；反之越小。樣本量越大,殘差ε越接近于正態(tài)分布。使用SPSS進(jìn)行Logistic回歸,采用Omnibus檢驗(yàn)P值進(jìn)行模型系數(shù)的綜合診斷,P<0.05表示模型總體有意義；以驅(qū)動(dòng)力系數(shù)判斷其解釋力度；利用變量P值判斷變量留在模型中是否合適,一般而言P<0.05說明變量顯著,具有統(tǒng)計(jì)學(xué)意義；使用ROC值檢驗(yàn)?zāi)Ｐ皖A(yù)測效果,其范圍在[0,1]內(nèi),越接近于1表示模型預(yù)測效果越好。

2.5 CA-Markov模型

元胞自動(dòng)機(jī)-馬爾科夫模型(CA-Markov Model)結(jié)合了馬爾科夫鏈(Markov Chain, MC)和元胞自動(dòng)機(jī)(Cellular Automata, CA)[41]的特點(diǎn),能夠基于歷史景觀格局演變數(shù)據(jù)對未來情景的景觀格局進(jìn)行數(shù)量模擬和空間分配[42-44]。本研究中,分別基于深港2010—2020年的景觀類型轉(zhuǎn)移矩陣,計(jì)算深圳和香港兩個(gè)區(qū)域內(nèi)各景觀類型的轉(zhuǎn)移概率Pij,應(yīng)用馬爾科夫鏈對未來各類型景觀的數(shù)量進(jìn)行預(yù)測,然后在分別分析兩個(gè)區(qū)域各景觀類型驅(qū)動(dòng)因子作用大小的基礎(chǔ)上,設(shè)置CA模型迭代次數(shù)為10,每年迭代一次,對預(yù)測的景觀數(shù)量進(jìn)行空間分配。

(4)

S(t+1)=Pij×St

(5)

式中,Pij為景觀類型i轉(zhuǎn)變?yōu)轭愋蚸的概率矩陣；St、S(t+1)為t、t+1時(shí)期的景觀現(xiàn)狀圖。

依據(jù)元胞自動(dòng)機(jī)模型,對t+1時(shí)刻的各景觀類型數(shù)量進(jìn)行空間分配得到其空間分布,S為元胞有限、離散狀態(tài)的集合,N為元胞的鄰域,f為局部空間的元胞轉(zhuǎn)化規(guī)則,其公式如下:

S(t,t+1)=f(S(t),N)

(6)

模型精度驗(yàn)證利用IDRISI軟件中的CROSSTAB模塊進(jìn)行。以2010年為起始時(shí)刻,分別預(yù)測得到2020年深港兩地的景觀類型,與2020年的實(shí)際景觀類型進(jìn)行交叉驗(yàn)證。結(jié)果顯示,深港兩地的預(yù)測景觀類型圖的Kappa系數(shù)分別為0.8148、0.8530,模型精度較高,能夠反映未來時(shí)期的景觀格局。故研究以2020年為起始時(shí)刻,利用通過驗(yàn)證的CA-Markov模型,模擬自然增長情境下2030年深港景觀格局。

3 結(jié)果與分析

3.1 深港兩地景觀類型時(shí)空演化特征

裸地景觀數(shù)量太少不便分析,將其合并至其它用地景觀類型,故本研究依據(jù)地表覆被類型將研究區(qū)分為8種景觀。根據(jù)GlobeLand30土地覆蓋數(shù)據(jù)集以及CA-Markov模型預(yù)測結(jié)果,得到2000—2030年4期深港景觀格局分布圖(圖3)。

圖3 2000—2030年深港土地覆被分類圖Fig.3 Landcover map of Shenzhen and Hong Kong from 2000 to 2030

根據(jù)4期景觀格局分布圖,計(jì)算得到深港土地利用轉(zhuǎn)移矩陣、制作景觀類型轉(zhuǎn)移弦圖(圖4)與漲落勢圖譜(圖5),分析深圳與香港2000—2010年、2010—2020年兩個(gè)時(shí)間段內(nèi)景觀類型發(fā)生的實(shí)際演變特征與2020—2030年景觀類型的預(yù)測變化趨勢特征。結(jié)果顯示,各個(gè)時(shí)段內(nèi)深港各類景觀面積都發(fā)生了程度不一的變化。

2000—2010年期間,深港兩地景觀類型演變特征各異。深圳境內(nèi)人造地表面積迅速擴(kuò)張,主要集中在寶安區(qū)、南山區(qū)、龍華新區(qū)、坪山新區(qū)等地區(qū)。具體來看,水域和濕地面積大幅度減少,分別約減少至原來面積的59%,49%,主要縮減區(qū)域分布在寶安區(qū)；草地面積減少至原來的67%左右,主要轉(zhuǎn)變?yōu)槿嗽斓乇砗凸嗄镜?；耕地面積約減少22%,多轉(zhuǎn)變?yōu)槿嗽斓乇恚涣值乜偯娣e變化不大。由于人為活動(dòng)的影響,這個(gè)時(shí)期的深圳人造地表面積大幅增加,經(jīng)濟(jì)社會活動(dòng)逐漸活躍。從漲落勢圖譜來看,深圳市圍湖造田、占用耕地現(xiàn)象仍有發(fā)生,但已經(jīng)初步具有退耕還林的意識。而同時(shí)期的香港,景觀演變特征有所不同。香港人造地表反而呈斑塊收縮的趨勢,面積有小幅度減少,分別轉(zhuǎn)變?yōu)榱值?、灌木地等景觀類型,分散在各個(gè)區(qū)內(nèi)；濕地面積明顯增加,集中在天水圍；草地、水域、耕地面積均有不同幅度的減少,主要轉(zhuǎn)變?yōu)榱值兀涣值氐脑黾蛹性谙愀叟c深圳接壤的北區(qū)以及元朗區(qū)。

2010—2020年期間,深圳和香港景觀類型演變特征相似,均呈現(xiàn)出人造地表面積大幅度增長,草地、林地、灌木地、濕地等自然景觀不同程度的縮減,轉(zhuǎn)出強(qiáng)度大于轉(zhuǎn)入強(qiáng)度的現(xiàn)象。其中,深圳市林地的轉(zhuǎn)移面積最大,其次為耕地,轉(zhuǎn)出比例占原耕地面積的43%左右；人造地表的轉(zhuǎn)入主要集中在寶安區(qū)、光明新區(qū)、南山區(qū)和龍華新區(qū),這些地區(qū)的工業(yè)化和城市化迅猛發(fā)展。香港的人造地表擴(kuò)張主要發(fā)生在香港北部平原地區(qū),林地轉(zhuǎn)入的貢獻(xiàn)率最大,占人造地表總轉(zhuǎn)入面積的63%左右。兩地景觀變化亦存在差異性,具體表現(xiàn)在香港耕地和水體景觀面積均有小幅度增加,而深圳則恰恰相反,尤其是耕地,存在大面積縮減的現(xiàn)象。

2020—2030年的預(yù)測轉(zhuǎn)變結(jié)果表明,深港兩地未來十年的景觀類型轉(zhuǎn)移依然很活躍。人造地表和林地將依然是深圳的主要景觀類型,分別占據(jù)總面積的51%和26%左右,在以人口和夜間燈光為表征的社會經(jīng)濟(jì)因子驅(qū)動(dòng)下,人造地表的景觀優(yōu)勢得到進(jìn)一步加強(qiáng)。到2030年,深圳市的草地、灌木地等自然景觀總面積有所增加,而林地、濕地、水體等景觀面積減少。至于香港,盡管其林地面積占比依然超過國土面積的48%,但是其林地面積總量呈現(xiàn)減少趨勢,人造地表和耕地景觀的數(shù)量增加趨勢明顯,草地、灌木地、水體等低植被覆蓋的生態(tài)用地面積也將持續(xù)擴(kuò)大。

圖4 2000—2030年深港景觀類型轉(zhuǎn)移弦圖Fig.4 Chord diagram of landscape type transfer in Shenzhen and Hong Kong from 2000 to 2030SZ：深圳 Shenzhen；HK：香港 Hong Kong

圖5 2000—2030年深港漲落勢圖譜Fig.5 Fluctuation map of Shenzhen and Hong Kong from 2000 to 2030

3.2 深港兩地景觀格局時(shí)空分異特征

從斑塊類型水平來看(圖6),在研究期內(nèi),人造地表和林地均是深港兩地的優(yōu)勢景觀類型,兩地人造地表和林地的CA和PLAND指數(shù)一直遠(yuǎn)高于其他景觀類型,處于高水平狀態(tài)。深圳人造地表的CA和PLAND指數(shù)持續(xù)增加,而香港人造地表的指數(shù)則呈現(xiàn)先降低、后上升的趨勢,表明深圳人為活動(dòng)對地表景觀的影響不斷擴(kuò)大,香港則存在階段性變化的特點(diǎn)。同時(shí),深港兩地林地的CA和PLAND指數(shù)表現(xiàn)出先小幅度上升而后下降的趨勢,表明兩地的林地景觀均是先擴(kuò)張后減少。深圳人造地表的ENN_MN指數(shù)降低,其人造地表景觀趨向于團(tuán)聚分布；而香港則沒有明顯的變化趨勢,但是其平均值略高于深圳,表明香港的人為建設(shè)用地相比深圳更加分散。深圳濕地景觀的EMM_MN指數(shù)明顯高于其他景觀,說明其濕地斑塊相隔較遠(yuǎn),深圳市濕地?cái)?shù)量少且呈零散分布,而深港兩地的灌木地、林地、草地該指數(shù)值始終較低,表明兩地這三類景觀分布密集。

從景觀水平來看(圖7),研究期內(nèi)深港兩地PD和ED指數(shù)均呈現(xiàn)不斷下降的趨勢,說明兩地景觀的破碎化程度將會降低,形狀趨于簡單。與此同時(shí),兩地的CONTAG指數(shù)和AI指數(shù)均不斷攀升,說明其景觀連通性進(jìn)一步增強(qiáng),斑塊聚集得更加緊密。同時(shí)期深圳的PD和ED指數(shù)均高于香港,CONTAG指數(shù)和AI指數(shù)均低于香港,表明深圳斑塊破碎化程度相較于香港更高,斑塊分布更加分散,景觀蔓延度和延展性能較弱。研究時(shí)段內(nèi),深港兩地景觀AWMPFD指數(shù)均維持在1.2左右,沒有明顯的波動(dòng)趨勢,景觀整體形狀較簡單。SHDI指數(shù)強(qiáng)調(diào)稀有斑塊類型對信息的貢獻(xiàn),能反映景觀的異質(zhì)性。深圳市的SHDI指數(shù)逐年下降,SHEI指數(shù)亦由0.82左右下降至0.67左右,說明深圳市的景觀非均衡化分布趨勢愈發(fā)明顯,優(yōu)勢景觀愈加突出；而香港的SHDI和SHEI指數(shù)均先下降后上升,且數(shù)值均略低于深圳。SHDI指數(shù)的變化趨勢說明香港各斑塊景觀分布從非均衡向均衡性發(fā)展,而SHEI指數(shù)的變化則說明景觀中斑塊優(yōu)勢度先增加后減少,結(jié)合上文對面積變化的分析,可以發(fā)現(xiàn)是由于林地作為香港的優(yōu)勢景觀類型,其面積先增后減,影響了香港SHEI指數(shù)的變化。在香港有眾多島嶼的前提下,盡管深圳斑塊密度與邊緣密度逐年降低,但是其景觀斑塊密度與邊緣密度仍然始終高于香港,景觀破碎相對較嚴(yán)重。

圖7 2000—2030年深港景觀水平的景觀格局指數(shù)Fig.7 Landscape pattern index for landscape levels in Shenzhen and Hong Kong from 2000 to 2030

3.3 深港兩地景觀格局演變驅(qū)動(dòng)力

①因子探測器

應(yīng)用q值判斷解釋各驅(qū)動(dòng)因子對深港整體景觀類型發(fā)生變化的驅(qū)動(dòng)力,q值大小代表各因子對景觀類型變化的解釋度強(qiáng)弱,如圖8所示。結(jié)果發(fā)現(xiàn),深圳和香港景觀格局演變的驅(qū)動(dòng)因子解釋力排序依次為：X2>X4>X3>X1>X9>X5>X6>X8>X7,X3>X2>X9>X4>X8>X7>X6>X1>X5。反映地表形態(tài)的DEM(X3)數(shù)據(jù)和反映經(jīng)濟(jì)發(fā)展?fàn)顩r的夜間燈光(X2)數(shù)據(jù)所表征的驅(qū)動(dòng)因子,對兩地景觀格局改變的影響都很大。該結(jié)果表明,除了地表自身?xiàng)l件高程本身會對景觀格局的變化起重要作用外,人類活動(dòng)干擾程度也對其有顯著影響,而年平均氣溫(X5)和降水(X6)對景觀格局變化的解釋力度都一般。

從2000年到2020年,深港兩地處于城市化高速發(fā)展時(shí)期,人均GDP顯著提升,兩地景觀受到了大范圍的人為活動(dòng)干擾,人造地表斑塊面積不斷增加,對兩地景觀格局產(chǎn)生了影響。比較而言,深圳和香港景觀類型整體變化均受到自然因素和人為因素的交互影響,但因子作用解釋力排序有所差別。深圳景觀類型變化受到夜間燈光(X2)、坡度(X4)、DEM(X5)、人口密度(X1)等人為與自然因素的綜合影響更多,與此相比,距主要水系的距離(X9)等地理區(qū)位因素也對香港景觀類型變化的解釋力也很大。

②Logistic回歸模型

針對各景觀類型分別建立Logit回歸變換模型,得到2000—2020年各景觀類型變化的解釋變量及其重要性(表3)。根據(jù)P值判斷模型整體擬合效果,所有模型整體均通過擬合優(yōu)度檢驗(yàn),故有95%的可能性認(rèn)為該模型是有效的。

根據(jù)ROC曲線評價(jià)結(jié)果,多數(shù)模型ROC值>0.8有較高準(zhǔn)確性,其余模型ROC處于[0.6,0.8]區(qū)間內(nèi),表明利用Logistic回歸模型對深港單個(gè)景觀格局變化驅(qū)動(dòng)因子的分析準(zhǔn)確可信。由于深圳轉(zhuǎn)換為濕地的景觀數(shù)量太少,無法采樣,故在此不進(jìn)行分析。

2000—2020年,相同驅(qū)動(dòng)因子對深港兩地景觀變化的作用力存在共性。如影響兩地耕地?cái)U(kuò)張較為重要的相同解釋變量是人口密度(X1)、夜間燈光(X2)和坡度(X4)。人口密度和夜間燈光所表征的人為活動(dòng)造成對耕地資源的占用,因而對兩地耕地?cái)U(kuò)張均具有顯著的負(fù)面影響。坡度作為相對重要的解釋變量,坡度值增加會抑制影響耕地的產(chǎn)生分布。影響深港兩地人造地表變化的共同解釋變量為夜間燈光所表征的經(jīng)濟(jì)水平(X2),其與兩地人造地表的轉(zhuǎn)入概率均具有顯著的正相關(guān)關(guān)系。DEM(X3)、坡度(X4)與年平均氣溫(X5)等自然因素對深港兩地人造地表景觀的產(chǎn)生均具有負(fù)向作用。除此之外,兩地人造地表的景觀還受到距主要公路的距離(X8)的影響,從路網(wǎng)分布上可以看出,該因子影響了建設(shè)用地表景觀擴(kuò)張的方向和速率。

表3 深港主要景觀類型演變驅(qū)動(dòng)力解釋力度大小

圖8 深港景觀格局演變驅(qū)動(dòng)力q值雷達(dá)圖 Fig.8 q-value radar map of driving forces of landscape pattern evolution in Shenzhen and Hong KongX1: 人口密度;X2: 經(jīng)濟(jì)水平;X3: 高程(DEM);X4: 坡度;X5: 年平均氣溫;X6: 年平均降水;X7: 距主要鐵路距離;X8: 距主要公路距離;X9: 距三級以上水系距離

針對林地、草地、灌木地、水體等生態(tài)景觀,兩地景觀擴(kuò)張的部分驅(qū)動(dòng)因子作用方向上存在一致性。結(jié)果顯示：坡度(X4)對深港兩地草地、灌木地、林地等景觀的擴(kuò)張具有積極影響。距主要鐵路的距離(X6)與坡度(X4)是制約兩地水體的擴(kuò)張的最重要因子,其值與水體的擴(kuò)張分布具有顯著的負(fù)相關(guān)關(guān)系。

部分驅(qū)動(dòng)因子在兩地的景觀擴(kuò)張的作用效果上又存在明顯的異質(zhì)性。年平均降水(X6)對香港耕地的分布具有顯著地促進(jìn)作用,但在深圳則表現(xiàn)為抑制耕地的產(chǎn)生。研究時(shí)段內(nèi),深圳年平均降水為1293mm,香港為911mm。降水對耕地的影響是多方面的,一方面降水是土地不可或缺的一個(gè)因素,充足的水源供應(yīng)是發(fā)展耕地的重要條件,另一方面降水過量會導(dǎo)致水土流失,對農(nóng)業(yè)生產(chǎn)具有負(fù)面影響[45]。

4 討論與結(jié)論

4.1 討論

4.1.1景觀格局的形成及驅(qū)動(dòng)分析

景觀類型劃分的差異對景觀格局指數(shù)具有顯著影響[46],本研究中采用同一個(gè)景觀類型分類系統(tǒng),能較好地避免由于分類系統(tǒng)導(dǎo)致的深圳與香港兩地的分析誤差。2000年后,深圳建設(shè)用地大范圍擴(kuò)張,而香港建設(shè)用地增長速率緩慢,這與當(dāng)前許多研究結(jié)果一致[17, 47-48]。本文的結(jié)果發(fā)現(xiàn)兩地人造地表的擴(kuò)張的階段性特征與兩地的人均GDP增長趨勢具有耦合關(guān)系(圖2)。2000—2010年,深圳進(jìn)入城市化高速發(fā)展時(shí)期,人均GDP由人均3萬增長到10萬,新增人造地表面積為140km2,同比增長21%。而同時(shí)期的香港城市化進(jìn)程遠(yuǎn)超深圳,人均GDP同比增長28%,增長速度放緩,人造地表面積不增反減。2010—2020年,深圳人造地表面積持續(xù)擴(kuò)張,面積同比增長22%,人均GDP增長速率增大。此時(shí)香港人造地表面積增加58km2,人均GDP相較于2010年增長44%,增長速率遠(yuǎn)高于前一階段。兩地人造地表景觀與人均GDP的階段性變化一致,是經(jīng)濟(jì)發(fā)展的折射表現(xiàn)之一。

城市的擴(kuò)張?zhí)卣鞣从沉顺鞘谢c經(jīng)濟(jì)發(fā)展水平,同時(shí)也受到社會經(jīng)濟(jì)與自然條件的共同驅(qū)動(dòng)。深港兩地自然地理?xiàng)l件相似,自然因素如DEM、坡度等共同限定了人造地表擴(kuò)張的方向與總體格局,而一國兩制、改革開放等制度政策因素,主要公路及鐵路等基礎(chǔ)設(shè)施建設(shè)情況,則決定了景觀的變化細(xì)節(jié)。隨著《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》的頒布印發(fā),兩地加強(qiáng)合作,共同推進(jìn)經(jīng)濟(jì)發(fā)展與生態(tài)文明建設(shè),景觀變化在多種因素的作用下具有趨同趨勢。

4.1.2景觀格局變化的政策啟示

一方面,從兩地已有的規(guī)劃政策來看,雖然深圳市在1998年編制法定圖則政策的過程中借鑒了香港的經(jīng)驗(yàn)[12, 49],但兩地發(fā)展程度不一,制度引領(lǐng)有所區(qū)別,實(shí)際景觀所呈現(xiàn)的政策落地效果存在差異。2000年以來,深圳仍處于經(jīng)濟(jì)建設(shè)高速發(fā)展時(shí)期,早期GDP的迅速增長需要大量的土地資源的支撐,人造地表面積的不斷增加是當(dāng)前社會經(jīng)濟(jì)發(fā)展需求下的必然結(jié)果。而同一時(shí)期的香港,城市化發(fā)展階段快于深圳,公眾的環(huán)保利益訴求不斷增加[50],GDP增長與發(fā)展速度放緩,人造地表面積擴(kuò)張速度也隨之減緩。

另一方面,從兩地未來的發(fā)展來看,作為沿海城市與島嶼城市,土地資源緊張,如何發(fā)展存量、合理利用土地,在較長時(shí)間內(nèi)都將是兩個(gè)城市未來發(fā)展面臨的共同挑戰(zhàn)。香港人造地表面積在2000—2020年內(nèi)先降后升,無明顯變化趨勢,而深圳則處于持續(xù)增長的態(tài)勢。香港作為一個(gè)擁有諸多島嶼的島城,預(yù)測未來的景觀整體的蔓延度(CONTAG)和聚集度(AI)仍高于深圳,景觀連通性和聚集程度較高,城市發(fā)展緊湊。而2020年深圳人造地表斑塊面積指數(shù)(CA)約為2000年的1.5倍,城市仍處于快速擴(kuò)張狀態(tài)。建成區(qū)的快速擴(kuò)張?jiān)斐闪司薮蟮耐恋刭Y源壓力[51],適合發(fā)展的土地不斷縮減。借鑒香港經(jīng)驗(yàn)建設(shè)發(fā)展緊湊城市[11],是深圳未來城市建設(shè)一種可能的方式。此外,在進(jìn)行存量優(yōu)化時(shí),兩地都應(yīng)同時(shí)保證質(zhì)量與數(shù)量[52],通過控制景觀格局的有序變化,保持城市景觀的多樣性與均衡性,促進(jìn)人與生態(tài)和諧發(fā)展。

4.2 結(jié)論

2020—2030年,深圳和香港景觀類型的變化會持續(xù)受到自然因素和人為因素的交互影響,但是影響兩地景觀類型整體發(fā)生轉(zhuǎn)變的主要驅(qū)動(dòng)因素及其作用機(jī)制不盡相同：(1)夜間燈光表征的經(jīng)濟(jì)水平是驅(qū)動(dòng)兩地人造地表景觀擴(kuò)張的重要因子；(2)深圳景觀類型變化受到夜間燈光、坡度、DEM、人口密度等人為與自然因素的共同驅(qū)動(dòng)；(3)香港景觀類型變化的驅(qū)動(dòng)力中距主要水系的距離等地理區(qū)位因素占比較大。在上述因素的作用下,深港兩地的景觀格局演變呈現(xiàn)如下規(guī)律：

(1)深港兩地的優(yōu)勢景觀類型將保持不變。深港兩地優(yōu)勢景觀人造地表的面積將會持續(xù)增加,林地依舊是兩地的相對優(yōu)勢景觀之一。深港兩地景觀類型的轉(zhuǎn)移十分頻繁,深圳人造地表面積逐年增加,而香港的林地景觀則會呈現(xiàn)先增加后減少的趨勢,整體上兩地林地景觀面積均減少,但深港多山多丘陵,除人造地表外,林地仍會保持相對優(yōu)勢。

(2)深港兩地的景觀格局演變將趨同存異。從景觀尺度看,在不同的驅(qū)動(dòng)因子作用下,兩地的景觀的形狀都將保持較低的復(fù)雜度,破碎度也進(jìn)一步降低,但是深圳的景觀破碎度仍然大于香港。深圳景觀多樣性進(jìn)一步增強(qiáng)的同時(shí),人造地表景觀將會進(jìn)一步呈團(tuán)聚狀分布,而這一景觀在香港則不會呈現(xiàn)明顯的變化趨勢。從政策指引的角度看,在粵港澳大灣區(qū)規(guī)劃建設(shè)的引領(lǐng)下,兩地景觀變化偏向趨同發(fā)展。