牟鳳云, 黃 淇, 陳 林

(1.重慶交通大學 智慧城市學院, 重慶 400074; 2.重慶市地理信息和遙感應用中心, 重慶 401120)

為推動生態(tài)環(huán)境質量持續(xù)改善和強化減污降碳協(xié)同增效作用,重慶市生態(tài)環(huán)境局組織編制了《重慶市生態(tài)環(huán)境監(jiān)測“十四五”規(guī)劃(2021—2025年)》,并于2022年1月印發(fā)實施,將以解決生態(tài)環(huán)境領域突出問題為抓手,推進生態(tài)環(huán)境質量持續(xù)改善,筑牢長江上游重要生態(tài)屏障[1-2]。監(jiān)測重慶市生態(tài)環(huán)境質量時空演化并分析其驅動力,對重慶市土地資源可持續(xù)利用和生態(tài)環(huán)境有效保護具有重要的實踐意義和價值。

目前基于土地利用測度生態(tài)環(huán)境質量的方法,主要包括單一指標測度法和綜合指標測度法,前者利用植被覆蓋度(Fractional Vegetation Coverage, FVC)[3]、歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)[4]、植被凈初級生產(chǎn)力(Net Primary Productivity,NPP )[5]、增強型植被指數(shù)(Enhanced Vegetation Index,EVI)等[6],單一指標直接表征區(qū)域生態(tài)環(huán)境質量,結果不免陷于片面;后者運用生態(tài)環(huán)境質量指數(shù)(Eco-environmental Quality Index,EQI)[7-8]、遙感生態(tài)環(huán)境指數(shù)(Remote Sensing Ecological Index, RSEI)等[9-10]綜合指標表征區(qū)域生態(tài)環(huán)境質量,相較于前者更為全面,因此應用也更為廣泛;近年來,土地在“三生”(生產(chǎn)、生態(tài)、生活)功能間的轉型與重構對于生態(tài)環(huán)境質量的影響逐漸引起關注,基于土地利用主導功能分類體系,將“三生”空間與土地利用轉型相銜接,也成為探究區(qū)域生態(tài)環(huán)境質量的重要切入點[11],因此本研究從“三生空間”與土地利用主導功能的視角出發(fā),建立“三生”土地利用主導功能分類及其生態(tài)環(huán)境質量指數(shù)方案,據(jù)此計算重慶市各區(qū)縣生態(tài)環(huán)境質量指數(shù)。

地理探測器是探究生態(tài)環(huán)境質量演化驅動力的常用方法,運用該方法前須將連續(xù)數(shù)據(jù)離散化,即在連續(xù)數(shù)據(jù)取值范圍內設置若干個離散點,將取值范圍劃分為若干離散區(qū)間,從而將數(shù)據(jù)由定量表達轉換為定性表達的過程。連續(xù)數(shù)據(jù)離散化是數(shù)據(jù)預處理的重要環(huán)節(jié)之一,因此現(xiàn)有研究對連續(xù)數(shù)據(jù)的離散化方法作出了豐富探討,將現(xiàn)有離散化方法分類為[12]:監(jiān)督和非監(jiān)督離散化、動態(tài)和靜態(tài)離散化、全局和局部離散化、拆分和合并離散化、直接式和增量式離散化、單屬性和多屬性離散化等。亦有不少國外文獻結合地理探測器探究空間數(shù)據(jù)的最優(yōu)離散方法,如Cao F等[13]結合5種非監(jiān)督離散化方法,詳細描述了使用單因子q值和因子交互q值來確定最優(yōu)離散方法的過程;Meng X等提出了一種基于尺度的離散化方法(SBDM)[14],即使用單因子q值的冪作為準則函數(shù),通過縮放尺度以獲取最優(yōu)離散方法,又提出一種多尺度離散化方法(MSD)[15],即通過確定一組自變量X的適當閾值,從而最小化因變量Y的方差;Song Y等[16]提出了一種基于最優(yōu)參數(shù)的地理檢測器 (OPGD),優(yōu)化了空間數(shù)據(jù)離散化過程和空間分析的空間尺度,確定了地理探測器模型的最佳參數(shù)組合。多項研究表明[13-16],探究連續(xù)數(shù)據(jù)的合理離散方法,可以一定程度上克服連續(xù)數(shù)據(jù)離散化過程中的隨機性和主觀性,從而提升模型的分聚類能力、抗噪聲能力以及表達能力,優(yōu)化模型結果,但國內關于生態(tài)環(huán)境質量演化驅動力的研究卻極少聚焦于連續(xù)驅動因子的離散化過程,因此本研究彌補這一不足,試圖探討重慶市生態(tài)環(huán)境質量演化驅動因子的合理離散方法。

本研究從“三生空間”與土地利用主導功能的視角出發(fā)計算重慶市各區(qū)縣生態(tài)環(huán)境質量指數(shù),利用相等間隔法、分位數(shù)法、自然斷點法、幾何間隔法、標準差法等5種離散方法,將連續(xù)驅動因子離散化,并代入地理探測器以最大q值確定各因子合理離散法與分類數(shù),最后利用地理探測器的因子探測確定各因子合理離散法與分類數(shù),探究各驅動因子的驅動力大小,并利用交互探測探究各驅動因子間交互模式。研究結果一方面可將連續(xù)數(shù)據(jù)合理離散化的思想進一步推廣,引起相關研究重視,另一方面可為相關政策的貫徹落實提供科學決策依據(jù)。

1 研究區(qū)概況

重慶市地處我國長江上游地區(qū)腹心地帶,近年來,作為“西部大開發(fā)”的重要戰(zhàn)略支點、“一帶一路”和長江經(jīng)濟帶的聯(lián)結點以及內陸開放高地,重慶市的土地利用在生產(chǎn)、生態(tài)、生活功能間大幅轉型重構,對生態(tài)環(huán)境質量產(chǎn)生顯著影響。2021年,全市生態(tài)環(huán)境保護投入956.5億元,占GDP的3.4%,同比增長12.0%,全市環(huán)保產(chǎn)業(yè)實現(xiàn)營業(yè)收入 1 325.7億元,同比增長 27.7%。據(jù)生態(tài)環(huán)境部發(fā)布的《2021中國生態(tài)環(huán)境狀況公報》顯示,2021年全國生態(tài)環(huán)境質量主要指標順利完成,生態(tài)環(huán)境質量明顯改善[1],全市生態(tài)環(huán)境狀況指數(shù)為70.2,評價結果為“良”。

2 研究方法

2.1 生態(tài)環(huán)境質量指數(shù)

本文的生態(tài)環(huán)境質量指數(shù)是研究區(qū)域內“三生”用地生態(tài)環(huán)境質量及其面積比例綜合作用的結果,公式如下:

(1)

式中:EVk為第k個評價單元的生態(tài)環(huán)境質量指數(shù);Ski為第k個評價單元某類功能用地的面積;Sk為第k個評價單元的土地總面積;Vi為第i類功能用地的生態(tài)環(huán)境質量指數(shù);n為基于“三生功能”的土地資源類型數(shù)量。

2.2 離散方法

采用相等間隔法、分位數(shù)法、自然斷點法、幾何間隔法和標準差法共5種離散方法將連續(xù)的驅動因子離散化,各離散方法見表1所示。

表1 離散方法原理Table 1 Introduction to discretization methods

2.3 地理探測器

地理探測器是由王勁峰等[17]基于“兩個關聯(lián)變量的空間分布趨于一致”的理論開發(fā)而來,用于探測地理現(xiàn)象的空間分異性并解釋其背后驅動力,包括風險探測、因子探測、生態(tài)探測和交互探測4個探測器,本研究主要運用到因子探測和交互探測,原理如下:

(1) 因子探測。用于檢驗生態(tài)環(huán)境質量Y的空間分異性,并探測驅動因子Xn對生態(tài)環(huán)境質量Y的空間分異性的解釋程度,用q值度量,公式如下:

(2)

(2) 交互探測。用于識別不同驅動因子Xn之間的交互作用類型,判斷兩個驅動因子共同作用時對生態(tài)環(huán)境質量Y的解釋力是相互增強、相互減弱還是相互獨立,交互作用類型主要包括非線性增強、獨立、雙因子增強、單因子非線性減弱和非線性減弱。

3 數(shù)據(jù)獲取及處理

3.1 數(shù)據(jù)獲取

本研究涉及的數(shù)據(jù)包括重慶市2000年、2005年、2010年、2015年、2020年的土地利用分布、重慶市2016年統(tǒng)計年鑒、重慶市DEM,EDVI,GDP、人口空間分布、重慶市逐年年降水量和年平均氣溫空間插值數(shù)據(jù)集、全國基礎地理信息數(shù)據(jù)庫。數(shù)據(jù)詳情如表2所示。

表2 數(shù)據(jù)詳情Table 2 The data source

3.2 數(shù)據(jù)處理

(1) 生態(tài)環(huán)境指數(shù)計算。從“三生空間”與土地利用主導功能的視角出發(fā),參考已有文獻[9-10,18]建立2005—2020年的“三生”土地利用主導功能分類方案(表3),從而計算重慶市各區(qū)縣的EQI,得到重慶市的EQI的時空分布圖和等級隸屬度分布,然后利用全局莫蘭指數(shù)和局部莫蘭指數(shù)分析重慶市EQI的冷熱點分布特點。

表3 “三生”土地利用主導功能分類及其生態(tài)環(huán)境質量指數(shù)Table 3 The classification scheme of ‘production-living-ecological’ leading function of land use from 2005 to 2020

(2) 驅動力因子體系構建。在借鑒已有成果的基礎上[19-23],遵循指標選取的科學性、可比性、獨立性、可操作性以及可獲取性等原則,從自然要素、人為要素等兩個方面選取22個能直接或間接影響生態(tài)環(huán)境質量的因素,構建驅動因子體系,包括氣溫X1、降水X2、GDPX3、人口X4、NDVIX5、到居民點距離X6、到公路距離X7、到鐵路距離X8、到河流距離X9、到機場距離X10、DEMX11、坡度X12,工業(yè)生產(chǎn)總值X13、第一產(chǎn)業(yè)生產(chǎn)總值X14、第二產(chǎn)業(yè)生產(chǎn)總值X15、第三產(chǎn)業(yè)生產(chǎn)總值X16、農(nóng)林牧漁服務業(yè)總產(chǎn)值X17、城鎮(zhèn)居民人均可支配收入X18、公路里程X19、工業(yè)二氧化硫排放量X20、工業(yè)廢水排放量X21、工業(yè)煙塵排放量X22。

(3) 最優(yōu)離散方法確定。根據(jù)合理離散法和分類數(shù)確定流程,分別利用5種離散方法將22項連續(xù)型驅動力指標離散化為2～20類,并代入地理探測器計算q值,運用MATLAB繪制22個驅動力指標在不同離散方法、不同分類數(shù)下的驅動力q值曲線分布圖,最后根據(jù)q值曲線分布特點、最大q值確定各驅動力指標值曲線分布類型、合理離散法與分類數(shù),從而對22項驅動力指標進行合理離散化。

(4) 因子探測及交互探測。以生態(tài)環(huán)境質量指數(shù)作為因變量Y,以22項驅動力指標作為自變量Xn(n=1,2,…,9),代入GeoDetector的因子探測模型中,探究各驅動力指標對生態(tài)環(huán)境質量的驅動力大小,得到各驅動力指標因子探測結果;又利用地理探測器的交互探測模型,探究各驅動因子X間的交互模式,得到各驅動力指標交互探測結果。

4 結果與分析

4.1 重慶市生態(tài)環(huán)境質量指數(shù)時空演化分析

根據(jù)重慶市EQI時空分布(圖1),2005—2020年EQI在空間上一直呈現(xiàn)出由西北向東南走向的梯度分布特征。根據(jù)重慶市EQI等級隸屬度分布(圖2),重慶市2005年、2010年、2015年、2020年EQI處于I級的區(qū)縣占比分別為0.132,0.132,0.132,0.079,呈先穩(wěn)定后下降趨勢,處于Ⅱ級的區(qū)縣占比分別為0.289,0.211,0.184,0.368,呈先緩慢下降后迅速上升趨勢,處于Ⅲ級的區(qū)縣占比分別為0.158,0.105,0.132,0.132,呈先下降后穩(wěn)定趨勢,處于Ⅳ級的區(qū)縣占比分別為0.158,0.263,0.237,0.026,呈先上升后下降趨勢,處于V級的區(qū)縣占比分別為:0.263,0.289,0.315,0.395,呈加速上升趨勢,由此可知,處于I,Ⅲ和Ⅳ級的區(qū)縣減少,處于Ⅱ和V級的區(qū)縣增多,結合圖1和圖2發(fā)現(xiàn),許多區(qū)縣EQI由I級轉為Ⅱ級,由Ⅳ級轉為V級,從這個角度看,重慶市生態(tài)環(huán)境質量呈下降趨勢。

圖1 重慶市生態(tài)環(huán)境質量指數(shù)時空分布

圖2 重慶市生態(tài)環(huán)境質量指數(shù)等級隸屬度分布

4.2 重慶市生態(tài)環(huán)境質量驅動因子合理離散法與分類數(shù)確定結果

觀察各驅動因子q值曲線分布圖(圖3),發(fā)現(xiàn)22個因子的q值總體上均隨分類數(shù)增加而逐漸上升,但有些為單調上升,有些為波動上升;按曲線分布特點將22個因子分為3種類型:緊湊型(8個)8,波動型(3個)、差異型(11個),隨分類數(shù)增加,緊湊型q值曲線逐漸趨于穩(wěn)定,彼此間差異較小;波動型q值曲線內部波動起伏劇烈,彼此間差異不大;差異型部分q值曲線內部波動起伏強烈,彼此間差異顯著;根據(jù)圖3中的最大q值確定各驅動因子的合理離散法與分類數(shù)(表4),分位數(shù)法6個,幾何間隔法7個、相等間隔法2個、自然斷點法7個,由此可知,研究中各離散方法適用性排序為:自然斷點法>幾何間隔法>分位數(shù)法>相等間隔法>標準差法。

圖3 各驅動因子q值曲線分布

表4 各驅動因子的合理離散法和分類數(shù)

4.3 重慶市生態(tài)環(huán)境質量演化驅動因子及其交互作用分析

根據(jù)驅動因子探測結果(圖4),按驅動力q值大小將驅動因子依次劃分為4個梯度:驅動因子(5個)、主要驅動因子(13個)、次要驅動因子(5個)和其他因子(4個)。關鍵驅動因子是決定重慶市生態(tài)環(huán)境質量演化的關鍵因素,均為自然因素,包括DEMX11(0.49)、氣溫X1(0.46)和坡度X12(0.39);主要驅動因子是驅動重慶市生態(tài)環(huán)境質量演化的主要因素,多屬于經(jīng)濟因素,包括人口X4(0.37)、GDPX3(0.33)、NDVIX5(0.32)、第二產(chǎn)業(yè)生產(chǎn)總值X15(0.30)、第一產(chǎn)業(yè)生產(chǎn)總值X14(0.30)、工業(yè)生產(chǎn)總值X13(0.29)、第三產(chǎn)業(yè)生產(chǎn)總值X16(0.29)、農(nóng)林牧漁服務業(yè)總產(chǎn)值X17(0.28)、城鎮(zhèn)居民人均可支配收入X18(0.27)和公路里程X19(0.26);次要驅動因子是驅動重慶市生態(tài)環(huán)境質量演化的次要因素,主要為工業(yè)三廢,包括工業(yè)廢水排放量X21(0.26)、工業(yè)二氧化硫排放量X20(0.23)、工業(yè)煙塵排放量X22(0.20);其他因子對重慶市生態(tài)環(huán)境質量演化的影響較小,包括到鐵路距離X8(0.14)、到機場距離X10(0.13)、到公路距離X7(0.08)、到居民點距離X6(0.06)、降水X2(0.05)和到河流距離X9(0.04)。

圖4 各驅動因子的因子探測結果

根據(jù)驅動因子交互探測結果(表5),總體上看,驅動因子交互作用強度排序為:DEMX11(0.49～0.59)>氣溫X1(0.46～0.53)>坡度X12(0.39～0.53)>人口X4(0.37～0.57)>GDPX3(0.33～0.57)>NDVIX5(0.32～0.52>第二產(chǎn)業(yè)生產(chǎn)總值X15(0.30～0.58)>第一產(chǎn)業(yè)生產(chǎn)總值X15(0.30～0.57)>工業(yè)生產(chǎn)總值X14(0.29～0.56)>第三產(chǎn)業(yè)生產(chǎn)總值X13(0.29～0.57)>農(nóng)林牧漁服務業(yè)總產(chǎn)值X17(0.28～0.55)>城鎮(zhèn)居民人均可支配收入X18(0.27～0.59)>公路里程X19(0.26～0.58)>工業(yè)廢水排放量X21(0.26～0.57)>工業(yè)二氧化硫排放量X20(0.23～0.59)>工業(yè)煙塵排放量X22(0.20～0.57)>到鐵路距離X8(0.14～0.52)>到機場距離X10(0.13～0.53)>到公路距離X7(0.08～0.51)>到居民點距離X6(0.06～0.52)>降水X2(0.05～0.54)>到河流距離X9(0.04～0.50)。

表5 各驅動因子的交互探測結果Table 5 Interaction detection result

5 結 論

(1) 由于重慶市集大城市、大農(nóng)村、大山區(qū)、大庫區(qū)于一體,各區(qū)域自然條件和資源稟賦差異較大、發(fā)展不平衡不充分,以往渝東北、渝東南曾分別被劃分為生態(tài)涵養(yǎng)發(fā)展區(qū)和生態(tài)保護發(fā)展區(qū),現(xiàn)在渝東北三峽庫區(qū)城鎮(zhèn)群探索生態(tài)優(yōu)先新路子,渝東南武陵山區(qū)城鎮(zhèn)群打造文旅融合發(fā)展新標桿,因而渝東北、渝東南地區(qū)生態(tài)環(huán)境質量相對于主城都市區(qū)而言一直保持顯著優(yōu)勢,重慶市EQI在空間上亦呈由西北向東南走向的梯度分布特征。而近年來重慶市的土地利用在生產(chǎn)、生態(tài)、生活功能間大幅轉型重構,對生態(tài)環(huán)境質量產(chǎn)生顯著影響,

(2) 根據(jù)驅動因子交互探測結果,分析驅動力q值曲線分布,發(fā)現(xiàn)22個因子的q值總體上均隨分類數(shù)增加而逐漸上升,分為緊湊型8個、波動型3個和差異型11個,并確定了各因子的合理離散法和分類數(shù),其中分位數(shù)法6個,幾何間隔法7個、相等間隔法2個、自然斷點法7個。由此可知,研究中各離散方法適用性排序為:自然斷點法>幾何間隔法>分位數(shù)法>相等間隔法>標準差法。不同因子適用的離散方法各異,研究時應根據(jù)因子數(shù)據(jù)特征擇優(yōu)選取離散方法。

(3) 研究識別出影響重慶市EQI演化的關鍵驅動因子4個(0.37～0.49)、主要驅動因子13個(0.14～0.33)、次要驅動因子4個(0.05～0.13)和其他因子1個(0.04)。關鍵驅動因子均為自然因素,受特殊地形、地貌以及氣候影響,重慶市中心城區(qū)一直呈現(xiàn)出“多中心、組團式”山水城市空間格局,各大組團間的隔離帶可以防止組團蔓延發(fā)展,具備優(yōu)化城市空間結構、維護城市生態(tài)安全的功能;主要驅動因子多屬于經(jīng)濟因素,近年來,重慶市作為“一帶一路”和“長江經(jīng)濟帶”的聯(lián)結點,各區(qū)縣經(jīng)濟形勢向好,三大產(chǎn)業(yè)、農(nóng)林牧漁業(yè)的粗放發(fā)展,導致城市建設用地無序蔓延,各大組團隔離帶內綠地被不斷蠶食,其生態(tài)調節(jié)功能也被不同程度削弱,部分組團發(fā)生粘連發(fā)展,“多中心、組團式”空間格局日益弱化;次要驅動因子主要為工業(yè)三廢,相較于工業(yè)二氧化硫排放量、工業(yè)煙塵排放量,重慶市的工業(yè)廢水排放量最少,但對生態(tài)環(huán)境質量的影響卻最大,可能是由于重慶市水系密布,工業(yè)廢水排放后經(jīng)由水系更易造成生態(tài)環(huán)境大面積污染。

(4) 驅動因子間的交互作用強度均大于兩因子驅動力,且隨兩因子驅動力降低而降低,呈現(xiàn)出梯度降低趨勢,同時任意兩項驅動因子間的交互作用均為雙重增強或非線性增強。由此可推知,生態(tài)環(huán)境質量不只受各驅動因子獨立作用影響,更受眾多因子間的密切交互作用影響,部分驅動因子對生態(tài)環(huán)境質量的直接驅動力雖小,但卻可通過影響其他驅動因子而間接影響生態(tài)環(huán)境質量,足見交互探測不可忽視。

連續(xù)數(shù)據(jù)離散化是數(shù)據(jù)預處理的重要環(huán)節(jié)之一,合理的離散化可以一定程度上克服連續(xù)數(shù)據(jù)離散化過程中的隨機性和主觀性,從而提升模型的分聚類能力、抗噪聲能力以及表達能力,優(yōu)化模型運算結果,但國內關于生態(tài)環(huán)境質量演化驅動力的研究卻極少聚焦于連續(xù)驅動因子的離散化過程,因此本研究彌補這一不足,結合地理探測器和相等間隔法、分位數(shù)法、自然斷點法、幾何間隔法、標準差法等5種離散方法,在確定生態(tài)環(huán)境質量驅動因子的合理離散法上做出了有益嘗試,但研究亦存在局限之處,即僅在5種離散方法中擇優(yōu)選取了最優(yōu)離散方法,未將其他更多離散方法納入比較,在后續(xù)的研究中將進一步探討。