珠江三角洲城市群生态安全空间分异与聚集特征*

李淼，胡蒙蒙，夏北成

(中山大学环境科学与工程学院, 广东 广州 510275)

由于生态环境的污染和破坏对人类生存与可持续发展构成严重威胁，生态安全问题成为21世纪人类面临的主要挑战之一，引起了国际社会的广泛关注[1]。生态安全的本质是研究人类与自然资源的交互作用并降低生态风险[2]，研究此问题对于人类如何适应全球变化实现可持续发展，调控自身的行为以维护自身安全具有重要意义[3]。国外对生态安全研究起步于20世纪40年代，集中于生态风险、生态系统健康等方面，主要研究城市环境压力与安全的内在关系和机理探求[4-5]。在研究尺度上，对宏观层面如全球和国家的研究较多，微观层面的研究较少[6]。国内关于生态安全的研究出现较晚，始于20世纪90年代，主要是研究自然和社会经济活动与区域的作用过程，或景观格局与区域的作用过程[7]，集中于生态安全的概念及特征、生态安全评价等。

生态安全评价是生态安全研究的一项重要内容，国内外学者在评价方法方面已进行了广泛研究，包括PSR模型法[8]、生态承载力分析法[9]，生态模型方法[10]，景观生态学方法[11]以及生态系统服务价值法[12]等。目前国内外学者对于生态安全评价的研究尚处于探索阶段，没有形成系统统一的评价指标体系，张蕾等[13]基于人口、自然环境和生物三方面因素综合决策构建生态廊道适宜性评价指标体系判定潜在生态廊道；郑洋等[14]从土地利用变化-生态系统服务-生态系统安全角度研究海岸带生态安全状况。解决生态环境问题需综合社会科学、自然科学和安全科学的知识，掌握生态系统的安全性和完整性，基于概念框架构建包含多类指标的研究体系，从多个角度进行评价[15]。

研究珠江三角洲城市群的生态安全空间组织及结构形态对城市群健康发展具有重要意义。目前，对珠江三角洲城市群个别城市如广州[16]、深圳[17]、佛山[18]的生态安全研究较多，对珠江三角洲城市群整个区域的生态安全研究很少，也未对其空间分异与聚集特征开展过研究。本文以珠江三角洲城市群为研究对象，利用2015年珠江三角洲城市群9市的社会、经济数据为驱动，通过集对分析法测度城市单元的生态安全，依此识别城市群系统属性。并根据空间自相关方法表征城市时空分异特征，从而探索城市群系统时空分异的自组织规律，为城市群科学发展规划及合理布局提供科学依据。

1 研究地区与研究方法

1.1 研究区概况

珠江三角洲城市群位于中国南部的广东省境内，总面积约为5.4万km2，是我国南部最大的冲积平原。包括广州、深圳、珠海、惠州、佛山、东莞、中山、江门、肇庆9个城市，下辖40多个区县。区域内土壤肥沃，水资源充沛，动植物资源丰富，是全国光、热、水资源最丰富的地区之一。毗邻港澳的优越地理位置及改革开放的政策引导，使珠江三角洲城市群成为全球最具活力的经济区之一。作为国家前期策略的主体区域，2015年珠江三角洲城市群常住人口数约5 874万人，人均GDP近11万元，以不到广东省30%的人口创造了全省77%的GDP。据世界银行发布的报告显示，珠江三角洲超越日本东京成为世界人口和面积最大的城市群。

图1 研究区位置图Fig.1 Location map of study area

1.2 数据来源

本文所采取的数据为珠江三角洲城市群各市地理空间分布的矢量数据，数据中所有属性数据均来源于《广东省统计年鉴(2016)》[19]、《珠三角城市群年鉴(2016)》[20]、2016年广东省环境状况公报、各市统计年鉴等。

1.3 研究方法

1.3.1 城市群生态安全测度方法 集对分析(Set Pair Analysis，SPA)是由我国学者赵克勤[21]提出的研究事物之间的确定与不确定性关系的理论方法。通过将两个集合作为一个集对，按照集对的某一特性建立这两个集合的同一、差异、对立的联系度公式，计算多个评价指标与最优评价集的相对贴合度，使得研究结果贴近最优解集，从而达到解决多目标决策和多属性评价的目的，被广泛应用于安全评价、风险灾害等研究领域[22]。

其原理为：假设一个多属性评价问题，记为Q={F,D,E,W}，其中F表示评价方案集，D为评价指标集，E为评价对象集，W为指标权重集，U、V分别为评价方案的最优评价集和最劣评价集，集对{Fm,U}在[U,V]上的联系度为：

(1)

式中，apk和cpk分别为评价指标dpk与集合[vp,up]的同一度和对立度，wp为第p项指标的权重。当dpk对评价结果起正向作用时：

(2)

当dpk对评价结果起负向作用时：

(3)

方案fm与最优方案集U的相对贴近度rm可定义为：

(4)

rm反映被评价方案fm与最优方案集U的贴近度，rm值越大，表示被评价对象越接近最优方案。

1.3.2 生态安全空间分异研究 空间自相关分析可揭示整个研究区域内各个单元与邻近单元的相似性，衡量变量空间分布的聚集特征，反映城市发展的可持续状态[23]。可通过在GeoDa软件中引用Moran’sI指数来表征不同城市单元的空间关系，Moran’sI指数的取值在[-1,1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关，其计算公式为：

(5)

城市之间的空间分异特征，会随着社会、经济、环境等城市功能属性和距离摩擦、网络组织等空间连接关系的变化而演变[24]。通过探索性空间数据分析(ESDA)模型的Getis-OrdG*指数，探讨2015年珠江三角洲城市群生态安全的空间分异，其计算公式为:

(6)

式中，Xi为i地区的观测值，Wij为空间权重矩阵。若Gi*(d)值为正数, 表明i地区周围的值相对较高, 属于高值集聚的热点地区；反之则为低值集聚的冷点地区。

1.3.3 构建指标体系 建立科学、完善的指标体系是客观准确评价的基础，但由于每个人对不同区域、不同生态系统的认识不同，目前尚未有被普遍采纳的统一指标体系，生态安全的定量评估是生态安全研究的困境[25]。目前被广泛使用的概念模型有联合国经济合作开发署(OECD)提出的压力-状态-响应(P-S-R)模型、驱动力-状态-响应(D-S-R)模型和驱动力-压力-状态-影响-响应(D-P-S-I-R)模型等[26]。

城市生态安全反映城市生态系统的健康和稳定，根据PSR概念模型的原理，在借鉴相关生态安全评价指标[27-29]的基础上，基于评价指标的科学性、可获取性等原则，并咨询相关专家，从社会-经济-环境3类因子中选取22项指标构建生态安全评价指标体系(表1)。由于每个指标对生态安全的反馈不同，对生态安全水平有促进作用的指标称为正向指标，用“+”表示，反之为负向指标，用“-”表示。

表1 城市群生态安全评价指标体系及指标权重Table 1 Indicator system of ecological security assessment and their weights in urban agglomeration of Pearl River Delta

在一个构建的指标体系中，还需要对每一个指标的贡献率进行分析计算并获得指标的权重值。确定权重的方法分为主观和客观两种，为了使评价结果不被主观判断所影响，采用熵值法对生态安全评价指标体系进行权重赋值[30]。根据熵值法确定的各指标权重及公式(1)～(4)，将系统生态安全在(0,1)的范围内划分为6级[31-32]，rm=0.0～0.3为恶化等级，rm=0.3～0.4为敏感等级，rm=0.4～0.5为临界安全等级，rm=0.6～0.7为较安全等级，rm=0.7～1.0为一般安全等级，1为安全等级。

2 生态安全研究结果

2.1 城市生态安全测度

通过对珠江三角洲城市生态安全指标体系进行计算，得到各城市生态安全测度值(表2)。由表2可知，珠江三角洲各城市生态安全测度值均大于0.3，最大值为惠州市(0.618 9)，最小值是佛山市(0.390 1)。按照生态安全分级标准，可将珠江三角洲城市群分为四类：惠州、肇庆为一般安全，江门、珠海为较安全，广州、深圳、中山、东莞为临界安全，佛山为敏感等级，珠江三角洲城市群中没有出现恶化等级的城市区域。区域空间上呈现中部较差、东西部较好的状况，原因是中部区域人口密度和经济强度均较大，自然要素损害较多，环境压力较大。如佛山第二产业相对较发达，环境污染等问题对城市生态环境压力较大，其绿化程度在珠江三角洲城市群中相对较低，导致其生态安全测度处于敏感等级。广州、深圳的人口压力以及产业结构问题，影响区域的生态安全水平，而边缘地区(惠州、肇庆)，经济发展相对较缓慢，生态系统中自然要素存在状态较好，环境压力较小。

应用SPSS19.0对9市生态安全测度值进行聚类分析，以平方欧几里得距离为区间尺度，可将上述城市生态安全分为4个聚类(图2a)，基于ArcGIS将聚类结果空间化表达，按降序排列得到珠江三角洲城市群空间聚类图(图2b)，分别是(1)肇庆、江门、惠州；(2)珠海；(3)广州、深圳；(4)佛山、中山、东莞。惠州、肇庆、江门位于珠江三角洲城市群的外围区域，空间广阔，森林覆盖率较高，以肇庆为例，森林覆盖率超过70%，经济发展相对较缓慢，生态系统受破坏程度相对较低，生态安全水平等级较高，属于I类区域。珠海单独成为生态安全Ⅱ类区域，作为珠江口西岸的核心城市，国家生态园林城市，绿色覆被面积较大，生态保护较好，其生态安全水平相对较高。经济发展水平较高的广州和深圳，城市化高度发展使得人口及环境压力较大，导致生态安全测度值相对较低。佛山、中山、东莞产业密集发展，森林覆盖低，属于资源环境问题更加突出的地区，生态安全测度值最小。

图2 珠江三角洲城市群生态安全聚类图Fig.2 The cluster map of ecological security of urban agglomeration in the Pearl River Delta

基于各指标的数值以及各城市生态安全测度值，采用SPSS19.0软件进行相关性分析，得到每个指标与生态安全测度值的相关性水平(图3)。根据图3的结果可知，造林总面积、人均粮食产量、森林覆盖率和恩格尔系数是与生态安全呈正相关的最重要因子，这里包含了生态系统绿色空间、生态保护投入以及经济水平等重要的信息。城市化率、人口密度、CO2年均浓度、人均GDP是与生态安全呈负相关的最重要因子，这里包含的主要是城市化水平和经济强度水平。

图3 生态安全指标相关性图Fig.3 The diagram of correlations of ecological security indicators

2.2 全局自相关空间分异分析

基于GeoDa软件，对生态安全结果进行全局空间自相关分析。研究结果表明(图4)，各城市生态安全值空间相关的点大部分位于第二、四象限内(Moran’sI=-0.359 1)，属于“高-低”、“低-高”集聚类型。生态安全较高的城市趋于和生态安全较低的城市相邻，生态安全差距悬殊，且其分布较为分散，对自然区位、经济发展、政策条件具有较强的依赖，城市发展的同构性和异质性并存。城市之间生态安全呈现高与低集聚，在一定程度上缓减珠江三角洲城市群的环境压力，但离“高-高”集聚存在一定的距离。城市间生态安全缺少集聚能力，需加强各市间生态环境联动管理，使得生态安全空间发展往同向聚类趋势发展。

图4 Moran散点图Fig.4 Moran scatter diagram

为了研究单个城市生态安全结果对珠三角城市群生态安全的影响，将数据源设置为去除某一城市的其余8市生态安全结果，并输入GeoDa软件中得到9张Moran散点图(图5)。结果表明，去除广州、深圳、东莞、珠海中任意城市，其生态安全Moran’sI值愈低，愈趋向于高低聚集。而去除佛山或肇庆，这一生态安全测度极低或极高点，空间格局的聚集就不再明显，表明珠江三角洲城市群现有的安全格局不稳定，受单个城市的影响较明显。

2.3 城市群生态安全的空间聚集特征

图5 去除单个城市后城市群生态安全Moran散点图Fig.5 The Moran scatter diagram of ecological security of the urban agglomeration moved one city

图6 珠江三角洲城市群生态安全热点区域图Fig.6 The hot spots of ecological security of urban agglomeration in the Pearl River Delta

3 讨 论

Sun等[33]通过Mamdani模糊推理的方法评价珠江三角洲城市群生态安全状况，结果表明肇庆市由于人口压力低、资源丰富，其生态安全测度值最高，而佛山由于人口压力大、产业集中、资源有限，其生态安全测度值最低。胡志仁等[34]通过PSR模型综合评价得出珠江三角洲城市群生态安全东、中、西部呈现明显差异，中部显著低于东、西部地区。这些结论和本文的研究结果大致相符。

在珠江三角洲城市群地区，城市生态安全水平受人为干扰强烈，城市目前的经济发展与生态保护还不能完全同步进行，需进一步加强在生态保护领域的投入，使生态保护与经济发展同步，或者生态保护更优先。同时，珠江三角洲城市群是全球有影响力的工业制造业基地，产业的集聚与发展对增加GDP和经济水平有重要的作用[35]，但是产业集聚对生态系统和环境的压力也会大增，如果协调不好，生态安全水平会出现下降。为促进城市群的可持续发展，应实施各种提高生态安全水平的战略，加快转变经济发展模式，严格控制污染物排放和治理，加大生态保护措施的实施，引导形成“以轴串群，以群托轴”新型城镇化规划[36]。

4 结 论

本研究基于集对分析、PSR模型及空间自相关理论等构建城市生态安全空间差异演化框架，定量、定性的描述城市群生态安全空间格局。从生态角度，揭示珠江三角洲城市群生态安全呈现中部差、东西部较好的局面，各城市间生态安全水平与经济发展水平呈现负相关状态；从地理层面，表达不同城市间吸引、集聚结构化发展模式，为研究城市群以及生态安全提供新的视角。研究结果可为城市规划或者大湾区规划、社会管理提供参考。

众多研究表明区域生态安全水平与所选指标和评价模型关系非常密切，因此，在未来研究中，城市生态安全概念的内涵还需要进一步丰富和完善，评价指标应更具代表性，发展功能更多兼顾更多维度的评价模型。