基于公平性評價的西安市城市綠地生態系統服務空間格局

黨 輝,李 晶,*,張渝萌,周自翔

1 陜西師范大學地理科學與旅游學院, 西安 710119 2 西安科技大學測繪科學與技術學院, 西安 710054

生態系統服務的概念由Holden和Ehrlic等學者于20世紀70年代最早提出[1],被定義為人類能夠從生態系統中獲得的那些有助于人類社會發展的惠益[2- 4]。城市綠地可以提供許多生態系統服務,如調節小氣候、固碳釋氧、減少噪音、暴雨截留、凈化空氣和游憩服務等[5-6],這些服務為城市公民維持身心健康提供了保證。然而隨著城市資源的不斷緊縮,綠地區域面積總量不斷減少并呈現出碎片化的趨勢,生態系統服務格局的優化配置意義凸顯。

城市綠地生態系統服務類型多樣,許多學者通過不同的指標體系,使用多種方法從不同角度對各類服務進行測算[7-12],構建了針對城市綠地生態系統服務的多種評價框架[13-14]。對于城市生態系統服務及其空間格局的探索分析,一方面可以平衡生態系統服務與城市經濟社會功能之間的協調關系,另一方面對提升城市環境宜居性和城市生態建設等方面具有關鍵意義。在城市綠地出現不同程度萎縮的過程中,人們所享有的城市綠地生態系統服務效益產生了不同程度的不公平性,這與城市生態系統服務的空間格局息息相關。公平性一般是指每個人具有平等的獲得資源、服務等的權利,綠地這類公共資源的公平性則可被定義為人人都具有均等的享受綠地資源及其相關服務的權利。目前已有的研究不乏對城市綠地能夠起到的改善城市生態環境作用的評判,但多以評價性意見為主,缺乏量化的數據支撐,也就無法從綠地資源分配公平性的角度滿足社會可持續發展的基本原則[15-17]。城市綠地社會公平原則的落實往往依靠人口和綠地可達性等指標,但綠地的數量并非是滿足公平條件的唯一標準,城市綠地依其植物種類、植物群落多樣性,植物葉面積指數等多個條件各有所不同,因此依據城市綠地能夠提供的生態系統服務來進行公平性的分配相較傳統方法更為合理有效,更能真正意義上實現社會資源公平。

城市綠地公平性評價與優化有助于提高綠地生態產品的供給能力和生態系統服務水平,然而破碎的綠地斑塊對城市綠地空間格局的優化帶來一定困難,行政區劃級別的管理并不能達到更好的效果。生態系統服務簇[18]是有助于提高多功能景觀管理的研究方法,它認為自然可以視為多種生態系統服務的集合,同時城市網格化管理對城市綠地生態系統服務優化管理具有一定的借鑒意義,不僅能夠做到上級層面的有的放矢,而且能夠從網格單元上達到精準治理的效果。傳統的聚類過程沒有考慮幾何之間的空間關系[19-20],基于探索性空間數據分析的方法[21-23]具有不確定性,因此以客觀、定量、可重復和透明的方法來確定同質區域,將滿足對城市綠地綜合生態系統服務指數進行統計穩定和有力估計的需要。具有動態約束的聚類和分區的區域化方法(REDCAP)是Guo等[24]提出的一種新的空間聚類和區域化方法,該算法已用于將一個區域劃分為若干空間連續區域,區域化已用于氣候分區[25],生態區分析[26]和建立可變率農業管理區[27]等領域。

西安市是全國副省級城市、關中平原城市群核心城市,也是國家森林城市、國家園林城市。但近年來,西安市城市霧霾的頻發和高溫天氣的持續,再度引起人們的關注。為提高人人享受綠地資源及其相關服務的權利,優化城市綠地生態系統服務格局,本文以具有代表性的西安市主城區為例,針對當前存在的環境問題,選取了生物多樣性、凈化空氣、固碳釋氧、氣候調節四種生態系統服務,通過識別并分析現有城市綠地資源,從公平性視角評價城市綠地資源空間分配,基于REDCAP算法以及前人的相關研究優化研究區在劃定的城市綠地公平性閾值下的綜合生態系統服務格局,實現生態系統服務格局的區域化,為合理高效地應用城市綠地生態功能提供重要的數據支撐和保障。

1 數據來源與研究方法

1.1 研究區概況與數據來源

圖1 研究區綠地分布圖Fig.1 Distribution map of green space in study area

西安市位于渭河流域中部關中盆地,近年來西安市城市綠地建設在不斷發展,基于2018年Sentinel- 2 10m遙感影像數據,從綠地分布情況來看,見圖1,西安市成片狀的較大綠地斑塊數量較少,主要以分散零碎的小型綠地斑塊類型為主。

本文所用數據主要包括:①西安的基礎地理信息數據,包括行政區縣等,主要來源于國家基礎信息中心；②獲取時間為2018年1月14日及6月23日的Sentinel- 2 10m遙感影像數據；③氣象數據,包括風速、風向、溫度、相對濕度、降水量,主要來源中國氣象數據網(http://data.cma.cn/)；④PM2.5數據,西安市13個國家監測站點PM2.5的連續測量每小時實時數據, 主要來源國家環境保護部(http://www.mee.gov.cn/)；⑤大氣剖面參數,來源于NASA官網(https://www.nasa.gov/)；以及來自西安市統計年鑒的相關人口社會經濟數據,部分數據由野外實測獲取。

1.2 野外實地調查

本研究在西安市六個城區中根據實際情況分別選取不同數量的綠地樣方,為了保證樣方的普遍性,選取的綠地包含多種類型,例如公園、社區綠地、大學校園、景區等。在進行樣方數據實測過程中,利用手持GPS或含有經緯度信息的其他移動設備進行樣方(大小為20m×20m)定位。野外實測主要使用的工具包括胸徑測量尺、測高儀、“形色”APP等。野外數據收集時間為2018年6月至8月,野外測量主要收集的綠地植物信息包括胸徑(樹木距地面1.3m處)、枝下高、左右冠幅、樹高、健康狀況、所處坐標等信息,其他情況單獨記錄。實測數據樣方共計121組,其中雁塔區25組、碑林區25組、蓮湖區25組、新城區22組、未央區16組、灞橋區8組,一共獲取1795棵綠地喬木植物測量數據。

1.3 研究方法

1.3.1生態系統服務測算

根據研究區實際生態環境現狀進行判斷,選取生物多樣性、固碳、凈化空氣、氣候調節四種服務進行測算。生物多樣性服務在實地測量數據和遙感影像的基礎上,使用的喬木層物種多樣性反演模型[28]進行測算；根據沉降速率計算沉降通量[29],結合研究區葉面積指數來進行綠地對PM2.5清除能力的評估,PM2.5濃度逐小時獲取時間為2018年1月14日；借助遙感工具和InVEST模型 Carbon模塊[30]對研究區綠地的固碳服務能力及其空間分布進行研究；利用單窗算法[31]進行地表溫度測算,影像數據獲取時間為2018年6月23日。具體測算指標體系如表1。

1.3.2綠地公平性評價

本研究引入區位熵[34-35]的概念來分析生態系統服務公平性分布的空間格局。假設各個區域單元的區位熵為該區域內人口的人均綠地面積和四種生態系統服務物質量,具體的計算公式如下:

(1)

式中QSi表示第i個空間區域單元區位熵；Gi表示第i個空間區域單元中綠地面積和對應的四種生態系統服務物質量；Pi表示第i個空間區域單元中的常住人口；G表示整個區域內的總綠地面積和生態系統服務物質量的總和；P表示整個研究區范圍人口總數。

表1 生態系統服務測算指標與方法

1.3.3小單元區域化

本研究采用基于動態約束凝聚集群和分區的區域化方法(REDCAP)對公平性評價待改善的地區進行集群和分區,以實現精準的分區管理與優化。該算法實質上是基于六種區域化方法的,這些方法是將三種聚集聚類方法(單鏈接聚類,平均鏈接聚類和完全鏈接聚類)和兩種不同的空間約束策略(一階約束和全階約束)結合在一起構成的。本研究基于距離的k近鄰矩陣和一組驅動凝聚聚類方法的約束策略。平均鏈接聚類將兩個聚類之間的距離定義為所有跨聚類數據點對之間的平均差異:

(2)

式中|L|和|M|分別是簇L和M中數據點的數量,u∈L和v∈M是兩個數據點,duv是u和v之間的不相似性。

合并過程使用全階約束策略合并了鄰接約束。連續性約束的聚類要求兩個聚類在空間上不連續時不能合并,這是經典空間聚類和區域化之間的差異元素。全序約束策略包括聚類過程中的所有邊緣,并且在所有邊緣上定義了兩個聚類之間的距離。此策略是動態的,因為它會在每次合并后更新鄰接矩陣,以跟蹤連接兩個不同簇的所有邊。

2 結果與分析

2.1 城市綠地生態系統服務評估

如圖2所示,對生態系統服務進行測算,多樣性指數范圍為1.694—1.725,較高值主要分布在公園等地及附近,最高值出現在西安植物園、灞橋生態濕地公園、渭河城市運動公園等,最低值出現在灞橋區東部,周邊主要是一些村鎮聚集地,以及西高新立交、漢城立交附近；整體上來看,西安市綠地存在群落結構的復雜程度較低、綠地的分布不均衡、單一植物的分布較為高頻等現象明顯,生物多樣性水平有待提升。通過對城市綠地PM2.5的日削減量分析,其最高值為0.0145g/m3,吸附效果明顯的區域主要分布于研究區北側渭河城市運動公園、西側漢長安城遺址公園、中部大明宮國家遺址公園、東側灞橋生態濕地公園以及城區內一些旅游風景區等植物覆蓋程度較高的區域,而日削減量最低值為0.0058g/m3,低值區主要分布于城區內道路密集的地方,植物吸附效果較差主要和污染量大、道路揚塵頻繁等因素相關。研究區不同區域碳儲能力存在較大差異,單位面積最高值是12.8t/hm2,城市綠地植物固碳能力較強的區域主要分布在歷史較久的大型公園、大學校園和風景區等地,未央區、雁塔區以及灞橋區相對于其他區域而言固碳能力更強,研究區固碳量整體上南部高于北部,東部高于西部。2018年6月23日遙感影像反演的地表溫度在20.2 ℃—54.1 ℃之間,使用自然斷點法對地表溫度進行分級,地表溫度呈現從西北向東南遞減,且高溫區密集而低溫區分散的特征,水體、大型公園等地明顯出現低溫區；進一步分析城市綠地與熱島區域的聯系,NDVI的低值區域和地表溫度的高值區域吻合度較高,NDVI的高值區則位于大部分城市公園區域,NDVI的低值區域主要是河流等水體和城市中心綠地分布較少的區域。研究區NDVI與地表溫度兩者在0.01水平上呈顯著負相關,表明植被覆蓋較高的綠地區域地表溫度相對于其他區域較低,即綠地能夠在一定程度上降低地表溫度,緩解城市熱島效應。

圖2 城市綠地生態系統服務評價結果Fig.2 Evaluation of ecosystem services in urban green spaces

根據野外實測數據,進行實測驗證,計算了相關系數。對于生物多樣性服務,相關系數為0.887,在0.01置信水平上顯著相關；由于綠地結構信息難以識別進行判斷,結構較差的綠地群落盡管植被覆蓋高但多樣性水平偏低,故在本研究利用變量參數反演得到的指標結果相對于實測值偏高。對于固碳服務,結合異速生長方程,來對各類樹種的生物量進行測算[36-37],相關系數為0.811,在0.01置信水平上顯著相關；由于InVEST模型在估算過程中除了地上植物本身通過光合作用將碳固定之外還涉及了土壤中的碳密度和植物枯枝落葉等死亡有機質等通過腐殖質所累積下來的固碳,模型計算結果偏大。

2.2 西安市綠地分布公平性評價

2.2.1基于區位熵測算的生態系統服務公平性評價

生態系統服務的物質量為公平性量化提供可能,本文從社會公平概念出發,以城市綠地系統的生態系統服務為內容,建立了研究區城市綠地評價公平性的定量指標,根據區位熵值的高低進行等級劃分,見表2。

表3 區域熵值的分類標準

如圖3所示,從區位熵分布情況可以看出,不同區域單元在綠地面積、植物群落豐富度、樹種固碳能力差異及綠地凈化空氣和氣候調節方面存在不同程度的差異；如圖4所示,結合了區域人口因素的生態系統服務人均水平差異,也從另一個角度表明各區域生態系統服務存在不均衡的問題。

圖3 綠地面積和生態系統服務的區位熵分布模式Fig.3 Location entropy distribution pattern of green space area and ecosystem services

圖4 行政區人均綠地面積與生態系統服務Fig.4 Percapita green space area and ecosystem services in administrative region

結果表明,不同行政區域單元之間生態系統服務區位熵存在明顯差異。整體上雁塔區的綠地面積雖然處于中上水平,但四類生態系統服務人均值處于較低水平；灞橋區人均綠地面積較高,凈化空氣服務和固碳服務人均水平較高；新城區在生物多樣性、氣候調節,凈化空氣三類生態系統服務方面人均水平較高；碑林區在生物多樣性、固碳和氣候調節服務方面人均水平較高；蓮湖區和未央區的生態系統服務人均水平處于中等水平。根據資料可知,灞橋區人口密度約為2.3萬人/km2,而雁塔區人口密度約為4.5萬人/km2,約等于灞橋區人口密度的兩倍,因此,盡管雁塔區存在較多的公園、風景區等不同類型綠地,但綠地生態系統服務人均水平仍然較低。相對來說在人口密度低的區域,其人均綠地生態系統服務水平較高,因此將人口密度因素考慮進生態系統服務空間分布格局使得城市綠地公平性的研究更加合理,更有利于實現社會公平。

2.2.2基于生態系統服務公平性評價結果的城市綠地格局區域化

圖5 綜合生態系統服務評價圖Fig.5 Comprehensive ecosystem service evaluation map

結合公平性評價結果,選取各行政區域單元中區位熵處于中下水平(區位熵值小于1.14)的生態系統服務進行綜合優化評價,以期為研究區生態系統服務的提升提供借鑒。由于各個服務指標存在量綱不一致的問題,因此首先需要對生物多樣性、改善空氣質量、固碳以及緩解城市熱島效應四類服務結果進行歸一化處理,來消除指標量綱不一致所造成的影響。標準化操作之后,進而得到待改善的綜合生態系統服務空間分布情況,即各個行政單元局部區域的生態系統服務待改善程度的空間分布情況,見圖5。

綜合生態系統服務指數越低的地方,其優化對于整個區域的生態系統服務價值的提升價值越高,通過空間分布情況可以直觀判斷需要盡快改善的局部地區,并且可以判斷待改善區域的改善重要性優先級。然而破碎化的綠地景觀生態對生態系統服務管理優化具有不可操作性,生態系統服務的空間區域化對政府及相關部門實行精準調控具有積極的指導意義。本研究基于格網尺度,以1km為單位共得到913個格網,統計對應格網的綜合生態系統服務指數,基于REDCAP的方法實現研究區不同改善程度的區域劃分。分區統計每個格網的綜合生態系統服務指數平均值作為輸入數據,基于距離的k近鄰矩陣方法生成空間權重矩陣,通過 REDCAP方法識別連續和均勻塊的聚類,具體過程如圖6。選擇了Sum of Squared Error (SSE)組內平方誤差和來確定最佳聚類數目,調用R語言中現成的factoextra包進行計算。如圖7中的拐點圖顯示,當超過12個群集時,聚類中的方差不會顯著減少。因此選擇群集的最佳數為12。

圖6 區域化過程圖Fig.6 Regionalization process diagram

圖7 最佳聚類數選擇Fig.7 Optimal cluster number selection

將913個生態網格的進行區域化后得到12類分區,進一步根據表3所顯示各同質區域的統計值進行再分類最終確定5類生態系統服務簇。如圖8、9所示為通過REDCAP確定的同質區域結果。區域1(第一類分區簇)主要為未央區、灞橋區的大部分地區,研究區內水系主要分布在該地區,包括一橫(渭河)兩縱(浐河、灞河)大型水域,該區域綠地建設工程的腳步近年來不斷加快,但仍然需要關注提升綠地物種多樣性的豐富程度,且道路綠化帶的生態系統服務水平仍需提升,由于風向等自然因素和地理因素,位于渭北臺塬南部與白鹿原西部地區空氣質量相對較差,因此綠地植物可以多選擇葉面積指數較高的樹種,并注意根據風向因素調整建筑物及綠地植物排列,以便空氣質量的改善；區域2(第二類分區簇)大部分地區為城市化更高的碑林區、雁塔區、新城區和蓮湖區,該地區綠地破碎程度大且公園較多,包括各類公園、大學綠地、社區綠地以及綠化帶等,由于城鎮建設生態環境的考慮整體生態系統服務水平相對較高,針對具體斑塊如火車站附近及部分社區綠化資源較少,應適量栽種一些固碳量較高的樹種例如懸鈴木、欒樹等,并通過增加社區綠化來提升局部生態系統服務水平；區域3、4、6、7、8、12(第三類分區簇)為研究區內綠化資源未分布的地區或已達到相對公平指標的地區；區域5(第四類分區簇)為山地部分,也具有較高的生態系統服務水平；區域9、10、11(第五類分區簇)具有占比較高的農田分布,城鎮化率低,鮮有具有強生態效益的植被,生態系統服務指數偏低。

圖8 區域化結果Fig.8 Regionalized results

圖9 分區群生態系統服務簇Fig.9 Zoning group ecosystem service

表3 各同質區域統計值

3 討論

近年來西安市城市建設步伐加快,緩解城市化所帶來的生態系統負面影響勢在必行,揭示量化城市綠地所產生的生態系統服務對改善人居環境質量與生態空間建設管理具有重要的指導價值。本研究采用城市綠地實測數據與高分辨率Sentinel- 2遙感影像數據,選取了生物多樣性、固碳、氣候調節和凈化空氣四種生態系統服務,分析了西安市生態系統服務空間格局,結果表明多樣性指數分布范圍為0.694—1.725,城市綠地對PM2.5的日削減量范圍為0.0058—0.0145g/m3,城市綠地碳儲存單位面積最高值是12.8t/hm2。韓曄等[10]基于TM遙感影像對西安市綠地吸收霧霾的生態系統服務價值進行了測算和空間分析,發現西安市綠地景觀吸收霧霾的生態系統服務空間差異明顯,整體表現為中心值高于四周；胡忠秀等[11]應用景觀生態學方法測評和分析西安市區綠地生態系統的服務功能及其空間格局特征,從單項生態服務功能來看,空間分布差異較大。該結果與前人研究結論基本一致。本文并基于公平性結果通過分區化揭示了12個特征明顯的聚群、5類生態系統服務簇。各類生態系統服務簇特征明顯,第一類分區簇為研究區內水系主要分布地,包括一橫(渭河)兩縱(浐河、灞河)大型水域,河道周邊植被豐富。由于該區域屬于現階段快速城市建設的區域,各類綠色基礎設施還不夠完善,故該地區復合生態系統服務指數差距大。第二類分區簇為城鎮化程度更高的城市核心區,城市綠地規劃完善,但相對核心區周圍綠化資源較少。第三類分區簇為城市綠地資源無分布的地區或已達到相對公平指標的地區。第四類分區簇為山地地區,具有較高的生態系統服務水平。第五類分區簇具有占比較高的農田分布,城鎮化率低,鮮有具有強生態效益的植被,復合生態系統服務指數偏低。具有動態約束的聚類和分區的區域化方法以空間權重的形式考慮了幾何之間的空間關系,區域化方法作為一種特殊的空間聚類方法,利用目標函數最優化將若干較小的區域轉變為由一些空間相連的較大的同質區域。基于生態系統服務簇的目標優化不僅能夠最大限度涵蓋生態用地的功能屬性,而且能夠在空間上量化不同生態系統服務的相對比例,有助于對綠地系統與生態功能之間的對應關系形成深入系統的認識,從而為區域生態系統服務精細化管理和生態治理差異化管控提供借鑒。

復合生態系統服務指標的空間區域化不僅可以更好地緩解城市生態問題,更能在此基礎上提升城市的綠地生態系統服務層次,進一步改善城市居民的生態環境,使在進行整體綠地格局規劃與管理過程中有的放矢,精準改善。城市綠地生態系統服務角度下的空間優化就是最大化發揮其本身生態效益的有效途徑,只有進一步讓綠地與城市融合,優化綠地生態系統服務的空間格局才能更有助于綠地系統發揮本身的生態效益。但是如何進行更深層的城市與環境之間的耦合,其內部機理仍然需要我們探究,從實際情況出發,因地制宜的進行系統的規劃。

城市綠地系統的配置,應轉變思路根據生態系統服務水平指標進行指導,才能夠最大化實現綠地的生態功能,合理利用并且避免綠地資源的浪費。基于公平性評價的西安市城市綠地生態系統服務空間區域化相比于現有的行政區劃管理模式加強了對生態內涵的考量,新算法的應用也為其提供了更多可能,拓展了生態效益受益者需求導向的管理思路,提高了生態系統服務量化管理的針對性和科學性,但由于數據獲取和評估方法的局限,研究仍有進一步探索的空間。城市生態系統服務服務功能多樣,已有的研究中已經存在一些評價體系,本研究在綜合考慮了研究區特點的基礎上,針對當前的快速城市化現狀,對研究區城市生態系統服務的未來規劃提供參考,且本研究使用的生態系統服務評價方法具有普遍適用性。但如果要對城市綠地系統進行全面的評價,研究的內容可以被進一步補充完善,例如包含于城市綠地環境的行道樹具有一定的吸附灰塵和減少噪音的功能,而這些功能的實現有待進一步研究,再例如對城市中綠地系統的防災減災功能的研究,城市作為一個較為龐大的承災體,如何進行防災減災的話題已經被廣泛討論,除生態功能之外,有城市內部的綠地系統構成的減災避難體系也將成為綠地空間規劃的考慮因素之一。另外,本研究因為時間精力等限制,考慮到喬木作為生態系統服務的主要貢獻源,因此研究對象主要以綠地中的喬木植物為主,而未能采集灌木和草本植物的信息,今后的研究應當對城市綠地系統進行充分的考慮,使得數據更為完整,也可選取高光譜遙感以及LiDAR技術等完善綠地樹種信息采集的工作。同時人均指標的計算仍然是基于行政單元的,且行政單元為區級,未來可以考慮使用最新的街道級數據可能會使得區域分異水平更高。研究中選擇的四種城市生態系統服務服務也主要是針對當前西安市存在較為突出的生態問題,未來的研究可以從更為全面的綠地生態系統服務量化角度來建立多服務功能的評價模型,以期更好地為城市綠地規劃工作提供理論參考,為城市可持續發展提供助力。

4 結論

本文根據西安市生態環境問題的具體現狀,并綜合研究區的基礎地理條件,實現了西安市主城區綠地系統各項生態系統服務的測算與空間化制圖,并從公平性角度對整個研究區綠地的生態系統服務進行了評價分析,進一步基于評價結果提出了區域化管理的構想。研究表明:

(1)西安市主城區城市綠地群落的復雜程度較低,生物多樣性水平有待提升；植物對PM2.5具有一定的吸附作用,吸附效果明顯的區域主要分布于研究區一些旅游風景區等植物覆蓋程度較高的區域；固碳量整體上南部高于北部,東部高于西部；綠地區域的地表平均溫度低于域整體地表溫度均值,并與NDVI存在相關性。

(2)整體上看,西安市主城區城市綠地資源分布配置不均,不同區域的生態系統服務空間分布普遍不合理。

(3)REDCAP算法協同其數量結構與空間分布合理的進行了研究區綜合生態系統服務指標的區域化,913個網格、12個分區、5個聚群為不同級別的生態系統服務優化提供了空間上的規劃指導,為城市生態環境的改善與公平化,為進一步滿足居民生態環境需求,促進人與環境和諧發展做出貢獻。