基于生態系統服務簇的深圳市生態系統服務時空演變軌跡研究

馮 兆,彭 建,吳健生,,*

1 北京大學深圳研究生院城市規劃與設計學院,城市人居環境科學與技術重點實驗室, 深圳 518055 2 北京大學城市與環境學院,地表過程分析與模擬教育部重點實驗室, 北京 100871

生態系統服務是人類從生態系統中所獲得的惠益[1],包括生態系統向人類社會提供的人類生存所需的物質資源與服務,與人類福祉密切相關[2]。為有效地對生態系統進行管理并制定合理的政策,生態系統服務價值核算成為一種重要手段[3][4],其可以識別區域重要的生態保護地[5],幫助理解生態系統服務之間的權衡和協同作用[6][7]。隨著GIS、RS等技術的發展及生態系統服務價值評估相關理論的不斷完善,生態系統服務價值的動態變化研究已成為當前研究趨勢之一[8-9]。但現有研究大多僅關注某個單一類型生態系統服務的價值評估[10],或對多種生態系統服務的總價值進行不同時間的對比[11][12],缺少對生態系統服務價值組成結構的探討,以及長時間序列的動態演變過程分析。

生態系統服務簇為此提供了一個可行的定量視角。生態系統服務簇是指一系列在空間和時間上重復出現的多種類型生態系統服務的組合[13],在研究各種生態系統服務之間的權衡與協同關系[14]、區域主導生態系統服務的識別[15][16]、生態功能區劃[17]、景觀規劃與管理[18]等方面得到應用。目前生態系統服務簇的識別方法已較為成熟,大多采用聚類的方法對多重生態系統服務進行分析,得到的“類”即為研究區生態系統服務簇[17][19]。借助生態系統服務簇的概念可以對區域不同生態系統服務的組合規律進行研究,明確生態系統服務的價值構成,識別出區域主導生態系統服務類型[16],有助于了解不同類型生態系統服務分布的關聯特征[17]。然而,目前關于生態系統服務簇的研究多為靜態分析,對于生態系統服務簇的演變過程關注較少,缺少長時間序列的研究。

本文提出一種基于生態系統服務簇的生態系統服務時空演變軌跡識別方法。這一方法從生態系統服務簇的視角對區域不同生態系統服務的組合規律進行研究,使用K-means算法得到區域生態系統服務簇類型,在此基礎上對區域的生態系統服務簇進行長時間序列分析,得到生態系統服務的時空演變軌跡,并總結出生態系統服務時空演變的主導軌跡類型,以期明確城市生態系統服務的演變特征,為提出針對性的區域開發策略提供決策依據。

1 數據與方法

1.1 研究區概況

圖1 研究區Fig.1 Study area

深圳市位于廣東省中南沿海地區、珠江入?？跂|偏北,所處緯度較低(113°43′—114°38′E,22°24′—22°52′N),屬于亞熱帶季風氣候區。截至2017年末,全市下轄福田、羅湖、鹽田、南山、寶安、龍崗、龍華、坪山、光明、大鵬10個區(圖1),57個街道(2018年行政區劃調整后,深圳市轄74個街道),土地總面積1997.47 km2；常住人口1252.83萬人,其中戶籍人口434.72萬人,實際管理人口超過2000萬,城市化率100%。改革開放以來,深圳在經濟建設方面取得了輝煌的成就,深圳的GDP從1979年的1.97億元上升到2017年的2.25萬億元。但隨著城市化的發展,大面積的生態用地被用于城市建設,原有生態過程隨著土地利用類型的改變而消失,城市生態系統的結構和功能均發生了較大變化。

1.2 數據來源

本文主要利用深圳市各街道的行政區劃數據和 1980 、1990、2000、2010、2015 年 5個時期的土地利用遙感監測數據。行政區劃數據來自深圳市規劃和國土資源委員會2014年的街道級行政區劃矢量數據。土地利用遙感監測數據使用中科院資源環境科學數據中心(http://www.resdc.cn/data.aspx?dataid=251)解譯的中國土地利用現狀遙感監測數據,土地利用類型包括耕地、林地、草地、水域、居民地和未利用土地6個一級類型以及25個二級類型。之后根據研究區域自然條件及實際土地利用情況,結合相關研究[20]進行土地利用重分類,最終將深圳市的土地利用生態系統分為水田、旱地、闊葉林、灌木林、灌草叢、水系、建設用地、裸地、濕地9類。

1.3 生態系統服務聚類

目前對生態系統服務的分類普遍采用二級分類體系[20],其中一級生態系統服務類型為供給服務、調節服務、支持服務、文化服務4個大類[21]。具體而言,供給服務是指生態系統提供食物和水等物質的服務,包括食物生產、原料生產、水資源供給3個二級服務類型；調節服務是指調節生態環境的服務,包括氣體調節、氣候調節、凈化環境、水文調節4個二級服務類型；支持服務為其他生態系統服務提供前提條件,包括土壤保持、維持養分循環、生物多樣性3個二級服務類型；文化服務是人們從生態系統中所獲得的非物質利益,本研究重點考察美學景觀。由此,確定了生態系統服務的4個一級類型和11個二級類型。

本研究采用謝高地等[20]于2015年提出的“中國二級生態系統服務價值當量因子表”對生態系統服務價值進行定量評估,該表在以實物量計算方法為主的生態系統服務價值量評價結果的基礎上,結合了遙感影像數據對凈初級生產力(Net Primary Productivity,NPP)和生物量進行模擬分析。本文基于研究區的實際情況,假定建設用地的生態系統服務價值為0[22-23],最終確定符合深圳城市發展與用地特征的單位面積生態系統服務價值表(表1)。以街道為生態系統服務價值的基本計算單元,每個街道的生態系統服務價值計算公式如下：

ESVf=∑Ak×VCfk

(1)

式中, ESVf為每個街道第f類生態系統服務價值；Ak為每個街道第k種類型生態系統的面積；VCfk為每個街道第k種類型生態系統對應的第f類生態系統服務的單位面積價值。

表1 單位面積土地生態系統服務價值/(元/km2)

完成研究區各年生態系統服務價值核算后采用K-means算法進行生態系統服務聚類。K-means算法是一種非監督的聚類方法[24],這種算法在輸入給定的聚類個數k,以及包含n個數據對象的數據集后,可以輸出滿足同一聚類中的對象相似度最高、而不同類別的對象相似度最小的k個類別[25]。K-means算法雖然存在對初始點敏感度低的問題[26],但因其聚類結構明確、聚類過程簡單成為地理學空間格局研究中被廣泛使用的聚類方法[27-29]。

圖2 不同聚類數的離差平方和Fig.2 Sum of deviation square under different cluster number

因此,根據上文計算得出各街道每類生態系統服務價值,求出每類生態系統服務價值占街道生態系統服務總價值的比重,一個街道一年為一個樣本,五年即得到285(57×5=285)個樣本,每個樣本包括11個數據。最后將樣本輸入K-means算法進行聚類,進行1—20類逐步迭代聚類,通過每種聚類情景下的組內離差平方和與組間離差平方和判斷出最優的聚類類別數?？梢钥闯霎斁垲悢禐?時,組內離差與組間離差趨于穩定(圖2),因此最佳聚類數為6。

1.4 生態系統服務簇時空演變軌跡挖掘

在最優聚類類別數目下,得到57個街道5個時期的生態系統服務簇類型。由此,每個研究單元將會得到5個類別標簽,這些標簽反映出每個研究單元生態系統服務簇類型的時間變化軌跡。本研究采用層次聚類分析(Hierarchical Clustering Analysis,HCA)進行生態系統服務簇變化軌跡的聚類,具體通過計算每一個數據點與所有數據點之間的距離來確定它們之間的相似性,距離越小、相似度越高,由此將距離最近的兩個數據點或類別進行組合,生成聚類樹。由于數據點是表示生態系統服務簇類別標簽變化軌跡的字符串,因此采用最小編輯距離(Minimum Edit Distance, MED)測算各軌跡間的距離。MED作為字符串對比的算法,被廣泛應用于計算應用領域[30],是指兩個字串之間,由一個轉換成另一個所需的最少編輯操作的次數,距離越大,說明兩個字符串越是不同。

2 結果分析

2.1 生態系統服務簇類型

圖3 不同類型生態系統服務簇結構對比Fig.3 Structure contrast of different ecosystem service bundles

在最佳聚類情況下得到了6種生態系統服務簇：生態保育型、水源消耗型、水文調節控制型、服務枯竭型、文化支持潛力型、水文調節主導型,每類生態系統服務簇的結構如圖3所示,其中水源消耗型的水資源供給為負值。(1)生態保育型：這類生態系統服務簇中服務價值比例超過10%的生態系統服務有4種,且均小于30%,因此沒有明顯主導的生態系統服務,各類生態系統服務價值在此生態系統服務簇中差距相對其他類型的生態系統服務簇較小。(2)水源消耗型：這類生態系統服務簇的土地利用類型以水田為主,水資源供給價值為負,但食物生產價值遠高于其他類型生態系統服務簇。(3)水文調節控制型：這類生態系統服務簇中水文調節價值占據絕對優勢(比重超過75%),其他生態系統服務類型的價值均不足10%。(4)服務枯竭型：這類生態系統服務簇的土地利用類型全部為建設用地,各類生態服務價值均為0。(5)文化支持潛力型：這類生態系統服務簇的文化服務與支持服務價值比重超過20%,大于除生態保育型的其他類型,是最有潛力發展為生態保育型的類別。(6)水文調節主導型：這類生態系統服務簇與水文調節關系密切,水文調節作為簇的主導生態系統服務類型,其價值占生態服務總價值的比重為50%—75%。

2.2 生態系統服務簇動態變化

圖4是生態系統服務簇在研究時段內的空間分布?？梢园l現,雖然不同時期各類生態系統服務簇的空間位置具有一定的變化,但總體上變化不大。其中,生態保育型主要分布在深圳中西部和東南部大鵬半島等森林覆蓋率較高的地區；水源消耗型靠近生態保育型與文化支持潛力型,周邊生態環境良好,為農業生產提供條件；水文調節控制型主要分布在深圳西部和西南地區,與水文調節主導型和服務枯竭型交錯分布；服務枯竭型主要分布在西南沿海地區,這些地區為深圳的政治、經濟中心,人為活動最為活躍,土地利用類型均為建設用地；文化支持潛力型分布區域與生態保育型鄰近,位于生態保育型的邊緣或過度地帶；水文調節主導型主要分布在西部沿海地區,呈現明顯的縱向條帶分布。

從時間序列來看,生態保育型的數量呈現波動減小的趨勢,但始終為6種生態系統服務簇中數量最多的；水源消耗型的數量呈現先減少后增加的趨勢,始終都為6種生態系統服務簇中數量最少的；水文調節控制型的數量呈現逐漸減少的趨勢；服務枯竭型的數量變化顯著,呈現出逐漸增加的態勢；文化支持潛力型的數量雖然存在年際間的波動,但較為穩定并沒有明顯的變化；水文調節主導型的數量呈現先減少后增加的趨勢。

圖4 1980—2015年生態系統服務簇空間分布Fig.4 Ecosystem service bundle dynamics during 1980—2015

可以發現,除水源消耗型外,其他5種生態系統服務簇在1980—2015年均始終存在。同時,有54%的街道生態系統服務簇類型始終保持不變,說明深圳大部分街道的生態系統服務結構較為穩定,并未發生明顯變化。發生變化的區域大多毗鄰香港,這些地區是深圳經濟社會發展最快的地區,城市土地的快速擴張可能是引起生態系統結構變化的主要原因。

2.3 生態系統服務簇時空演變主導軌跡

基于K-means聚類的結果,本研究使用1—6的數字字符依次表示生態保育型、水源消耗型、水文調節控制型、服務枯竭型、文化支持潛力型、水文調節主導型這6類生態系統服務簇,由此57個街道在5個時間節點的類型形成了26條不同的變化軌跡。利用HCA根據每兩條軌跡間的MED對軌跡進行聚類,將MED小于等于2的軌跡聚為一類,最終得到8種生態系統服務簇時空演變軌跡類型(表2)。

表2 生態系統服務簇時空演變軌跡類型

每種生態系統服務簇時空演變軌跡類型包含若干條不同的軌跡,同類型的軌跡間具有相似的演變特征。其中,(1)持續水文調節控制型,數量占深圳6種生態系統服務簇的14.04%,這種軌跡各階段的生態系統服務簇類型較為單一,基本保持為水文調節控制型；(2)水文調節控制向服務枯竭轉變型,數量占深圳6種生態系統服務簇的3.51%,這種軌跡具有明顯的轉變趨勢,在1980—2000年間,生態系統服務簇保持為水文調節控制型,隨后向服務枯竭型轉變；(3)轉變服務枯竭型,數量占深圳6種生態系統服務簇的7.02%,與水文調節向服務枯竭轉變型軌跡相似,這種軌跡也具有明顯的轉變趨勢,在2000年由其他類型的生態系統服務簇轉變為服務枯竭型,不同的是這類軌跡的生態系統服務簇初始類型不是水文調節控制型；(4)持續服務枯竭型,數量與持續水文調節型相同,占深圳6種生態系統服務簇的14.04%,這種軌跡各階段生態系統服務簇類型較為穩定,基本持續保持為服務枯竭型；(5)持續水文調節主導型,數量占深圳6種生態系統服務簇的5.26%,這種軌跡的各階段生態系統服務簇類型基本保持為水文調節主導型；(6)持續生態保育型,數量最多,占深圳6種生態系統服務簇的36.84%,這種軌跡的各階段生態系統服務簇類型基本保持為生態保育型；(7)生態保育轉變型,數量占深圳6種生態系統服務簇的3.51%,這種軌跡的生態系統服務簇類型的初始狀態為生態保育型,之后向其他類型轉變；(8)持續文化潛力支持型,數量占深圳6種生態系統服務簇的15.79%,這種軌跡的各階段生態系統服務簇類型持續保持為文化潛力支持型。

從軌跡類型上看,以上8種軌跡類型中有5種屬于持續型,數量占深圳所有街道的86%,也就是說深圳市大部分街道的生態系統服務簇在近40年內結構相對穩定,簇內各類生態系統服務變化不大。此外,還有3種軌跡類型屬于轉變型,其中有兩種是向服務枯竭型轉變,一種是生態保育型向其他類型轉變。由于生態保育型生態系統服務簇中各類生態系統服務均有貢獻且較為均衡,對于地區生態發展來講,生態保育型是生態潛力最強的生態友好型生態系統服務簇,而服務枯竭型的各類生態系統服務價值均為0,對生態系統的貢獻最少。因此,以上3種生態系統服務簇轉變型軌跡在某種程度上均代表了該街道生態環境質量的降級?？梢酝茰y,在近40年的城市發展過程中,深圳的生態系統服務簇整體上沒有提高,均是保持原來水平或降級,說明城市在社會經濟發展的同時犧牲了一定的生態環境,并不利于城市生態的可持續維持。

圖5 生態系統服務演變軌跡類型的空間分布Fig.5 Spatial distribution of ecosystem service bundle trajectories

具體來看,8種演變軌跡類型的空間分布如圖5所示。生態系統服務簇演變軌跡為持續水文調節控制型的有8個,分布在深圳西部和西南地區；水文調節控制向服務枯竭轉變型有2個,集聚分布在福田區南部；轉變服務枯竭型有4個,零星分布在深圳西南地區；持續服務枯竭型有8個,呈團狀分布在福田區東部和羅湖區西部,另有一個位于蛇口街道；持續水文調節主導型有3個街道,兩個分布在深圳西部沿海地區,與持續水文調節控制型相鄰?？梢园l現,以上生態系統服務簇演變軌跡類型的街道大多分布在西部及西南沿海地區。演變軌跡為持續生態保育型的生態系統服務簇有21個街道,是數量最多的演變軌跡類型,主要分布在深圳中西部和東南大鵬半島兩大區域；生態保育轉變型有2個,分別位于龍華區和龍崗區；持續文化支持潛力型有9個,在深圳東部、西部均有分布,其中,位于深圳東部的生態系統服務簇呈現集聚分布的格局,位于深圳西部地區的生態系統服務簇則為零散分布。和其他軌跡類型相比,持續生態保育型、生態保育轉變型、持續文化支持潛力型這三種演變軌跡類型的生態系統服務簇在空間分布上與其他軌跡類型的生態系統服務簇具有明顯的地域差異,并且占地面積廣闊,占據了深圳72%以上的土地面積。

3 討論

1980—2015年深圳市不同土地利用類型的面積變化顯著(表3),其中建設用地的面積明顯增加,由1980年的274 km2增長到2015年856 km2,是所有土地利用類型中面積增長最多,也是變化最劇烈的；裸地和濕地的面積雖然存在年際間的波動,但總體變化不大,其他的土地利用類型都呈現逐年減少的趨勢。從各類土地利用類型的轉換關系上也可以看出(圖6),絕大部分地區的土地利用類型并沒有發生改變,主要的變化在于建設用地的增加,其中大部分新增的建設用地是由水田、闊葉林、旱地轉換而來。這解釋了8種軌跡類型中持續型軌跡居多的原因：大部分街道的土地利用類型變化較小,生態系統的結構相對穩定,因此這些地區的生態系統服務簇類型在長時間序列并沒有明顯的改變。生態系統服務簇類型發生變化的街道可能是因為建設用地的增加,由此可以推測城市擴張可能是影響深圳生態系統結構的重要原因。

表3 1980—2015年深圳土地利用類型面積/km2

圖6 1980年和2015年土地利用類型的轉換關系Fig.6 Main trajectories of change that the area followed from one land use type to another between 1980 and 2015

將生態系統服務簇時空演變軌跡的分布圖與深圳市建設用地的變更圖進行疊加,可以判斷城市擴張與生態系統服務簇演變的一致性,如圖7所示。整體來看,建設用地在深圳各地均呈現擴張的趨勢,這種現象在深圳西南及西部沿海地區尤為明顯,這些地區也是生態系統服務簇轉變型軌跡的主要分布地,中部及東部地區城市擴張的速度較慢,這些地區大多為持續型軌跡。以新安街道和沙河街道(圖7)為例,兩個街道的生態系統演變軌跡分別為持續型和轉變型。新安街道1980年建設用地面積為10.29 km2,到2015年建設用地面積為16.73 km2,雖然有所增加,但新增建設用地比例不足18%。建設用地的擴張對地區生態系統服務結構的影響并不明顯,因此該街道的生態系統服務簇類型較穩定的維持為水文調節控制型。相對照的,沙河街道1980年建設用地面積為9.13 km2,到2015年建設用地面積增加到14.56 km2,新增建設用地比例超過34%,而水田、闊葉林大量減少。建設用地的快速擴張使該街道生態系統服務結構發生明顯的變化,各類生態系統服務價值均減小,伴隨著城市擴張,該街道的生態系統服務簇類型由水文調節主導型依次變為水文調節控制型、服務枯竭型。這種演變軌跡與城市擴張地域分布的耦合性表明城市擴張與生態系統服務簇演變具有一致性。

圖7 生態系統服務簇時空演變軌跡與建設用地變更關聯Fig.7 Correlation between ecosystem service bundle change trajectory and construction land change

4 結論

本文基于生態系統服務簇,使用K-means算法對深圳市各街道生態系統服務的組合特征進行聚類,得到生態保育型、水源消耗型、水文調節控制型、服務枯竭型、文化支持潛力型、水文調節主導型等6種類型生態系統服務簇,在此基礎上對區域的生態系統服務簇進行長時間序列變化分析,得到持續水文調節控制型、水文調節控制向服務枯竭轉變型、轉變服務枯竭型、持續服務枯竭型、持續水文調節主導型、持續生態保育型、生態保育轉變型、持續文化支持潛力型等8種生態系統服務簇時空演變主導軌跡類型。根據軌跡變化特征,發現深圳大部分地區的生態系統服務結構較為穩定,發生明顯變化的地區主要集中在深圳西南部建設用地擴張最迅速的地區。研究進一步證實,深圳市生態系統服務簇演變與城市擴張具有一致性。

然而,本研究仍存在部分有待改進之處。第一,在計算最小編輯距離時,本研究視各種生態系統服務簇間相互轉化的難易程度相同,并沒有細致區分,下一步研究中可以根據轉化程度的難易對距離進行加權計算。第二,研究單元的選擇會對空間數據分析結果產生不確定性。對于本研究,雖然柵格尺度精度高,但確定適合的柵格大小較為困難,且不便于實際的管理；區級尺度利于政策的實施和管理,但尺度過大造成地區間差異不明顯。因此,本文以空間數據的精度為代價,開展基于街道為單元的生態系統服務簇劃分。在今后的研究中,建議對可塑性面積單元問題重點探討。