2022年冬奧會崇禮賽區多重壓力下生態風險評價

賀桂珍,于名召

1 中國科學院生態環境研究中心城市與區域生態國家重點實驗室,北京 100085 2 中國科學院大學,北京 100049

冬季奧林匹克運動會(簡稱冬奧會)作為全世界矚目的重大體育賽事,不僅對舉辦城市的經濟轉型、社會發展、城市功能升級、競爭力提升、環境改善等方面具有促進作用,而且也會導致當地的生態變化和環境污染等,這些有利和不利的影響已在過去的鹽湖城、溫哥華、索契等歷屆冬奧會舉辦城市有所體現[1—6]。自1994年挪威利勒哈默爾冬奧會開始,環境和可持續性水平成為評價奧運會成功與否的重要標準[7]。2017年1月,國際奧委會發布《可持續發展戰略》,成為推動奧林匹克運動會和奧林匹克運動環境可持續發展的一個戰略路線圖[8]。2015年北京-張家口聯合獲得第24屆冬奧會主辦權,提出“綠色、共享、開放、廉潔”的辦奧理念,這是踐行國際奧委會《奧林匹克2020議程》和《可持續發展戰略》的重要賽事,也是展示中國環境可持續發展進程的重要窗口。此后,北京和張家口拉開了比賽場館大規模規劃和建設的歷程,舉辦城市的空間結構、布局、景觀和地貌發生了巨大變化,特別是崇禮,已經從一個名不見經傳的小城發展為承擔國際冰雪賽事的冰雪小鎮[9]。

2022年冬奧會賽事對土地利用變化的影響及生態風險是落實“綠色”理念以及賽后城市可持續發展的重要議題。隨著基礎設施和戶外場館的建設,學者對其導致的生態和環境影響愈加關注,如地質變化、土地利用、景觀格局、林分類型、土壤水文、公眾認知、環境治理等[10—17]。但對冬奧會生態風險的研究較少,對于規模大、歷時長的冬奧會復雜生態風險目前還缺乏定量評價方法[18]。區域生態風險評價就是在區域尺度上對復雜環境背景下的多個源、多個壓力對多個評價終點造成的生態影響進行風險評價,目前已成為區域環境管理研究中的一個熱點問題。國外學者自1990年代以來開發了不同的區域生態評價方法[19],為了克服傳統生態風險評價的確定,Landis團隊開發了相對風險模型(RRM)[20],因其對輸入數據的要求低、成本低、評價透明,輸出結果不但可以有助于確定管理行動優先事項,而且可以直接用于風險溝通,目前已廣泛應用于北美、南美、澳大利亞等多個國家和地區的淡水、海洋、陸地環境的區域生態風險評價,最終的評價目標是對環境管理和決策進行服務[21—24]。我國學者也將RRM應用在土地規劃和利用、流域、地下水、喀斯特山地、礦區等的風險評價[25—29]。本文旨在將相對方法模型應用于崇禮賽區,定量評價冬奧會土地利用變化的生態風險,以期為冬奧會場館運營、賽后可持續利用和城市可持續管理提供科學參考。

1 研究數據和方法

1.1 研究區概況

本文研究區崇禮是河北省張家口市下轄區,位于北緯40°47′至41°17′、東經114°47′至115°34′,距北京約220 km,總面積約2334 km2。崇禮區地貌屬壩上壩下過渡型山區,境內多半為山地,部分為丘陵及低山,海拔814—2174 m,垂直落差1300 m。崇禮冬季平均氣溫零下12 ℃,從10月中下旬開始降雪,雪期可持續近6個月,全年積雪在1.5 m左右[30],崇禮區與冬奧會舉辦區域評估標準要求相符合:區域平均溫度不低于零下18 ℃,降雪期持續4個月以上,雪上項目的垂直落差不得少于800 m。同時,崇禮區同北京賽區僅1 h的車程等,這些得天獨厚的優勢讓崇禮成為2022年冬奧會雪上項目的主賽區。在崇禮區有冬奧會的四大競賽場館,分別是利用現有場館改造的云頂滑雪公園和位于古楊樹場館群的國家跳臺滑雪中心(雪如意)、國家越野滑雪中心和國家冬季兩項中心。根據2020年總體規劃,崇禮區已安排了5.36 km2專門用于奧運賽事核心賽區建設,新增了建設用地16.38 km2。

1.2 研究數據來源

本研究使用到的數據主要包括土地利用、氣象、水利、農業、環境和社會經濟等多源數據。其中,氣象站點的年平均降雨量等氣象數據來自國家氣象科學數據中心,水利、農業、環境數據通過走訪地方水務局、農業農村局、生態環境局等獲取。社會經濟統計數據來自崇禮區2015—2020年國民經濟和社會發展統計公報。土地利用數據來自2015年和2020年分辨率為30 m的Landsat 遙感影像數據,根據《土地利用現狀分類GB/T 21010—2007》,將研究區劃分為林地、草地、耕地、建設用地、未利用地和水域6類。結合野外實地勘察和人機交互解譯方法進行信息核對,最后結合野外調查情況形成解譯結果,得出崇禮區土地利用類型、面積上的變化。將崇禮區土地劃分不同區域,使用RRM模型進行生態風險評價,辨識并評價土地利用類型、面積的變化可能產生的不同類型的生態風險并量化,利用ArcMap 10.2軟件作為輔助工具來制圖。

1.3 相對風險評價模型和評價步驟

自1997年正式提出RRM模型,區域生態風險評價的三個要素擴展為:源(威脅或壓力)、生境和影響,通常表現為壓力組與受體組。之所以稱相對,是由于評價應用相對概率進行分級的過程,分成低、中、高三類風險。目前相對風險評價過程通常為4個階段10個步驟[20,31—32](圖1)。

圖1 相對風險模型的評價步驟[31] Fig.1 Flowchart of the Risk Relative Model methodology

問題確定階段包括3個環節,首先列出研究區生態環境管理目標及優先關注事項,主要通過文獻分析和實地走訪獲取背景狀況、各種活動及其環境危害,確定關注的重要事項(以評價終點來表示),評價終點包括生態資產及其屬性兩個要素。其次,利用現有的報告和政府等利益相關方的輸入,辨識與管理目標相關的潛在風險源、壓力和生境。第三步建立概念模型,是對不同源、壓力、生境和終點的各種路徑關系加以說明,并回答如下問題:A.風險源釋放或產生壓力嗎?B.壓力產生并持續作用于生境嗎?C.評價終點利用生境類型嗎?D.壓力對評價終點產生有害影響?對任一給定路徑,如果上述4個問題的答案是肯定的,該路徑是完整的,影響概率大于0。概念模型通常利用圖和表格形式展示源-壓力-生境之間以及生境-終點之間的相互作用,一般可參考已有管理機構或研究報告和成果,并結合利益相關方的意見,以確定概念模型中所有參數。

風險分析和表征是RRM的關鍵部分,主要包括3個步驟。首先進行風險分區,通常用地理信息系統(GIS)軟件根據次級流域邊界、土地利用類型、風險源位置、河流/湖泊等特征、重點關注的生態資產所在的單元確定。其次確定分級方案,風險源分級根據它們在區域中的出現情況進行界定,生境的分級主要根據其面積大小。RRM各要素之間的聯系可用三種暴露-效應篩選類型來反映:源-壓力-生境暴露辨識、終點-生境暴露辨識、壓力-終點效應辨識。暴露和效應辨識是確定風險要素-風險源、生境和評價終點影響之間聯系的權重因子的過程。權重0、0.5、1分別表示從風險源到生境(暴露)或從生境到終點(效應)的概念模型模擬路徑是否完整。0表示不完整路徑,1代表完整路徑,0.5可代表兩種情景,一表示路徑完整,但發生概率很小,二表示影響是間接的。計算相對風險是綜合暴露和效應分級數據估算風險的過程,也稱為風險表征。每個路徑通過分級和權重組成的方程式來表示(表1)。相對生態風險評價比較風險分區的風險源和生境,估計風險是無量綱值,用來顯示對評價終點影響概率最大的位置。在RRM方法中,所有分級轉化成一個分數系統。首先,每個分區源分級、生境分級、源-壓力-生境暴露權重相乘計算生境暴露;其次,生境暴露權重乘以壓力-終點-效應權重得到風險值;最后,每個風險分區,每個生境,每個終點風險,每個風險源貢獻累加得到總風險值。當某個路徑不存在,風險值自動賦值為0。

表1 相對分級和風險的計算Table 1 Ranking and calculating the relative risk

第三個階段包括3個步驟。不確定性和敏感性分析針對評價過程存在不確定性問題,如數據缺乏、數據質量較差、壓力和傳輸路徑誤讀、重要風險源和壓力遺漏、時空格局辨識和組合不當以及模型假設錯誤,常用的是蒙特卡羅方法,敏感性評估主要包括單要素分析、暴露途徑分析和隨機成分分析。接下來建立可在未來調查中驗證的假設并進行檢驗這兩步是密不可分的。RRM方法是一種半定量方法,通過風險計算的結果可形成將來實驗室測定數據和野外調查驗證的假設,而且評價結果還可以跟其他管理和研究機構的結果相比較,以驗證RRM評價結果的準確性,進一步驗證假設。

最后階段是相對風險評價結果和決策者溝通,可為多個管理機構討論有關風險提供了一個有效的框架。評價結果及其不確定性和敏感性應與決策者進行溝通,并報告所依據的假設,作為未來采取管理措施、行動和確定研究重點的重要參考。

2 崇禮區多重壓力下生態風險評價案例

2.1 評價問題確定和概念模型

2.1.1研究區、管理目標及優先事項確定。

根據2022年冬奧會的申報報告、當地的規劃和實際情況,選擇崇禮作為評價區,管理目標是維持當地賽區的生態系統穩定和環境質量,以利于冬奧會成功進行。通過查閱不同來源的文獻資料和報告了解研究區的背景狀況,走訪當地生態環境局、水利局等管理人員,并跟當地居民交談,綜合分析各方信息和意見了解他們關注的重要事項,確定水、土地利用和植被保護為關注的問題。本研究中風險分區以行政區劃界線劃分。崇禮區轄1個街道,1個鎮、8個鄉共劃分為6個風險區域。I區為清三營鄉、獅子溝鄉和白旗鄉,II區為石窯子鄉和紅旗營鄉,III區為石嘴子鄉和驛馬圖鄉,IV區為高家營鎮,V區西灣子鎮為崇禮區政府所在城區,VI區四臺嘴鄉為2022年冬奧會核心區。

2.1.2建立概念模型,辨識潛在壓力(威脅)、生境和終點。

根據RRM模型的基本框架和當地的實際狀況,構建針對崇禮的生態風險評價模型(圖2),用以描述壓力/威脅、生境和終點之間的原因-影響路徑。研究區壓力主要來自人為和非人為活動,人為壓力包括農業、工業、商業活動、奧運場館和交通等基礎設施建設活動,非人為壓力涉及降雨/降雪、火災、土壤侵蝕,它們既有各自的影響,也有相互作用。本文選擇的生境與景觀、河流直接相關,空間數據易于獲取,通過遙感圖像解譯和GIS分析統計確定研究區內生境的類型、面積及分布范圍,結合實地調研,確定生境類型:森林、草原、河流、河岸、濕地及景區-滑雪場。評價終點是在總結分析研究區前人研究工作的基礎上,走訪崇禮環境局、水利局,并實地調查冬奧會場館建設區選擇的,生態終點是當地的水量、水質、生物多樣性和娛樂休閑。

圖2 崇禮區生態風險評價的概念模型 Fig.2 Conceptual model describing the ecological risk for Chongli District

2.2 生態風險評價

2.2.1風險評價分級標準

根據壓力和棲息地對選定終點產生顯著影響的潛力確定風險排序的標準(表2),壓力和生境分級標準共4級,0為無影響,2為低影響,4為中等影響,6為高影響,主要根據統計數據、GIS數據、文獻研究和走訪調查得出。暴露-效應的路徑根據是否完整,分別賦值0,0.5和1,分別代表無路徑、部分可能的路徑和完整的路徑。不同壓力衡量標準根據實際情況調整,可以是數量,也可以是比例,如農業、森林采伐采用面積的比例,而工業、商業活動主要根據企業的數量確定。

表2 壓力和生境的分類及分級標準Table 2 Criteria for stressors and habitats ranks in Chongli District

2.2.2風險計算和表征

相對生態風險評價比較6個風險分區的壓力和棲息地,并確定一個風險區域的影響機會是否大于另一個風險區域,風險表征用于將建立的完整暴露途徑與為每個風險區域選擇的終點進行排序。根據表2的分級標準,將崇禮不同風險分區的壓力、生境進行分級,等級是無單位值,也稱為比較風險估計,表示對有價值的終點影響概率最大的位置。結果顯示I區各種壓力的分級差別較大,II區和III區的分級水平類似,V區和VI區的壓力分級水平相似。各分區所有壓力的相對等級總和來看(圖3),VI區四臺嘴鄉2022年冬奧會核心區的分值最高為52分,其次是V區西灣子鎮,得分最低的是II區和III區,為28。每個壓力的相對等級總和來看,道路和交通活動的得分最高,為26,其次為公共基礎設施建設,得分最低的是火。

圖3 崇禮區不同分區的壓力分級評價得分Fig.3 Ranking scores for stressors of each sub-zone in Chongli District

崇禮各風險分區生境的評價顯示(表3),各分區所有生境類型的相對等級總和得分最高的是VI區2022年冬奧會核心區,分值最高為30分,得分最低的是III區和IV區。每個生境類型的相對等級總和來看,河流棲息地的得分最高,其次為森林,得分最低的是濕地與景區滑雪場。

表3 崇禮區不同分區的生境評價得分 Table 3 Ranking scores for habitats of each sub-zone in Chongli District

根據壓力和生境分級得分,并根據影響路徑計算風險。從整個區域的不同生態終點得分看,生物多樣性的風險最高,為2224,其次為維持水流及水量,風險得分2104,水質風險得分為1862,娛樂休閑風險最低僅得分1728(圖4)。風險總得分在6個區域差別較大,從654至2330不等。從空間上看,VI區四臺嘴鄉冬奧場館核心區的風險得分最高,為2330,其次為清三營鄉、獅子溝鄉和白旗鄉,得分為1608,而風險分數最低的為III區,包括石嘴子鄉和驛馬圖鄉,僅為654分。風險分布的規律與冬奧會場館分布及滑雪場分布基本一致,根據規劃,張家口崇禮賽區有競賽場館4個,云頂滑雪公園對部分原有雪道進行改造,其余3個場館都是新建,冬奧會期間將進行2個大項(滑雪和冬季兩項)的比賽,冬殘奧會期間將進行3個大項(殘奧單板滑雪、殘奧越野滑雪、殘奧冬季兩項)的比賽,同時新建張家口冬奧村/冬殘奧村,而賽區交通網絡完善和相關基礎設施建設等都導致比賽場館集中的四臺嘴鄉無論是單項生態風險還是總風險都居于最高值。

圖4 崇禮區不同分區生態終點風險及總風險分布Fig.4 Spatial distribution of the ecological endpoints risks and total risk for risk sub-zones in Chongli District

2.3 不確定性分析和模型應用

對風險評估結果進行了定性和定量不確定性分析。不確定性來自兩個方面,一是概念模型的不確定性,二是數據的不確定性。概念模型構建是生態風險評價的關鍵環節,關鍵參數缺失或不準確都會導致風險的誤讀,最重要的不確定性源于缺乏關于當地生態系統如何運行的知識,忽略了壓力源及威脅,影響路徑與事實不符或錯誤,未能識別和關聯時間和空間參數,模型過于簡化等。當應用空間數據時,監測點位的數據擴展應用到區域水平的風險評價時,參數的空間異質性、通過分析進行錯誤傳播、空間數據的集聚無法完全解決都會導致風險評價結果的不確定性。此外,評價中沒有考慮到從污染源進入環境的化學品的毒性效應(如來自農業的農藥和來自城市的多環芳烴),多種來源污染物的累積毒性影響未進行建模,這可能導致對污染物流入等級的低估。

本文探索了模型靈敏度,進行了三次敏感性評估,以測試模型的不確定性:暴露途徑分析和隨機成分分析。暴露途徑分析表明結果差異很大,在評估河岸棲息地時,排除畜牧養殖導致總風險等級降低3%至5%,然而,沒有導致任何等級聚集到不同的風險類別中。將風景區、滑雪場棲息地中受影響的水質、生物多樣性的評估終點包括在內,導致總風險增加5%至16%。當所有終點都被認為是完整路徑時,等級保持不變。隨機成分分析通過為每個風險區域的壓力源和棲息地分配隨機數來評估模型偏差。從20個模擬中可以得出結論,隨機值產生隨機結果,運行中沒有顯示任何模式。

模型應用方面,將本研究結果與前人的研究進行分析,發現RRM在其應用中是穩健和靈活的。就本研究而言,通過走訪不同的利益相關者并實地調查構建模型,并確定評估終點,評價結果對冬奧會這項巨型工程的生態風險預防有一定參考價值。

3 結論和討論

在區域尺度上進行生態風險評價的一個關鍵挑戰是將多種威脅及其對大面積多個生態資產的影響途徑納入其中。本研究綜述了相對風險評價過程,闡述問題確定、風險分析和表征、不確定性分析、風險溝通4個階段并進一步劃分為10個步驟,特別對確定分級方案、風險的計算環節詳細描述。以此為基礎,針對冬奧會大型賽事舉辦地構建了風險評價概念模型,考慮來自人類活動和自然兩方面的多重壓力/威脅,辨識潛在的11類壓力(威脅)、6類生境和4個評價終點,確定了壓力和生境的4級分級標準。評價結果顯示I區各種壓力的分級差別較大,各分區所有壓力的相對等級總和來看,VI區四臺嘴鄉2022年冬奧會核心區的分值最高,得分最低的是II區和III區。每個壓力的相對等級總和來看,道路和交通活動的得分最高,得分最低的是火。各分區所有生境類型的相對等級總和得分最高的是2022年冬奧會核心區VI區,得分最低的是III區和IV區。每個生境類型的相對等級總和來看,河流棲息地的得分最高,得分最低的是濕地與景區滑雪場。壓力、生境對風險終點的總體評價表明,VI區四臺嘴鄉冬奧場館核心區的風險得分最高,其次為清三營鄉、獅子溝鄉和白旗鄉,而風險最低的為III區,包括石嘴子鄉和驛馬圖鄉。從整個區域的不同生態終點得分看,生物多樣性的風險最高,其次為維持水流及水量,娛樂休閑風險最低。研究定量測度了冬奧會賽前階段崇禮賽區的生態風險,不僅辨識了風險來源,而且分析了多種威脅對于生境和終點的影響,分析了不同生態風險的空間分布格局,這對管理部門減緩生態影響,降低生態風險提供了依據,也對未來賽后冬奧會遺產的保護和管理具有重要的參考價值。

相對風險評價模型的優點值得關注。首先,RRM為風險評估提供了一個強有力的框架,特別是在區域范圍內,既考慮了風險的來源及威脅類型,也兼顧壓力-生境-終點的傳遞路徑,可以進行大尺度的風險分析。該方法的一個主要優勢是能夠繪制相對風險圖,來自不同背景的利益相關者很容易理解這些地圖,從而促進他們之間的溝通。其次,以RRM評估結果為基礎的風險管理框架的靈活性。隨著更多風險來源、壓力/威脅信息的可得性及使用條件不可避免地隨時間變化,評估指標和路徑可以隨時更新。其他優勢包括RRM過程生成關于威脅和資產之間因果關系的可測試假設的能力,以及獲取模型和參數不確定性的能力。

當然,RRM也有局限性。首先,使用棲息地面積作為暴露于壓力/威脅的度量可能會低估相對較小棲息地面積區域的風險。評估中通常假設棲息地面積較大的風險區域排名較高,表明對終點有較大影響,但情況可能并非如此,因此,如果除棲息地范圍、位置和質量外,還有更多可用數據,則應采用棲息地的替代排名方案。其次,雖然生態預測和管理策略對模型結構的不確定性敏感,但除了模型參數的可變性之外,實踐中通常忽略了對替代概念模型結構影響的系統分析。另外,雖然將空間數據整合到模型中是RRM方法的一個關鍵優勢,但使用空間數據時也存在一些風險,即使進行了數據驗證,仍然存在導致模型輸出不確定性的問題。一般空間數據通常是基于數據創建者的主觀解釋,因此空間數據可能不能代表威脅和棲息地的真實性質,而獲取的空間數據可能不是最新的,也不能充分代表當前的威脅,如本研究表明,如果沒有特定壓力/威脅的可用空間數據,則只能選擇可能的指標和數據。

總之,區域風險評價適用于各種情況,國外學者關注流域、海岸線、土地利用等[21—24,32—33],我國目前已在流域、地下水、喀斯特山地、礦區等的風險評價中應用RRM[25—29, 34],前人研究證明在優先考慮生態壓力和終點的風險方面RMM是有效和高效的。考慮到RRM的靈活性和穩健性,適用范圍可以更廣,未來可應用在具有多重人類和自然壓力情況下的多種應用場景。此外,地理信息系統以及水生和陸地建模方面的顯著進步使區域風險評估能夠提高對復雜系統的理解和可視化水平。未來,面對由多個復雜交互作用組成的系統,將這些交互作用完全集成到評估設計中,會對管理者的區域管理決策提供更大的參考價值。