重庆市辖区县绿色基础设施景观破碎化及驱动力分析*

魏琪力，王诗源，李春容，王倩娜，罗言云,2

(1.四川大学 建筑与环境学院，四川 成都 610065；2.美国加州大学伯克利分校 中国研究中心，加州 伯克利 94704)

伴随城镇化进程加深，诸多城市面临景观破碎化等问题[1]。1997年，重庆市成为我国第四个直辖市，在西部大开发、成渝城市群及成渝地区双城经济圈建设背景下[2-3]，人口快速聚集和城镇化快速推进使得景观破碎化加剧[4]。2013年，重庆市在《全国主体功能区规划》基础上，综合考虑社会、经济、生态等因素，将市辖区县划分成五个功能区[5]，作为解决城市中不同自然资源冲突的有效工具。由于不同区县所属功能区划和经济发展水平不均，其面临的生态环境压力也不尽相同。为明确重庆市不同区县的景观破碎化状况，有必要对引发景观破碎化的驱动力展开分析，以期为重庆市辖区县未来生态空间的健康与可持续发展提供参考。

近年来绿色基础设施(green infrastructure，GI) 作为生态系统服务评估的重要工具得到广泛认可[6]，它是由自然区域和其他可相互联系的开放区域形成的网络[7]，能为维持城市生态环境稳定，提供生态服务做出重要贡献。Fahrig[8]和Klorvuttimontara等[9]指出GI在提供生态服务时，栖息地破碎化会极大地影响其生态系统功能的发挥。景观破碎化是评价生态系统功能的重要指标，国内学者较多研究基于景观格局指数探讨景观破碎化程度[4,10]，而目前国外较多运用形态学空间格局分析方法(morphological spatial pattern analysis，MSPA) 作为研究景观破碎化的有效工具[11-16]。与传统的基于景观格局指数研究景观破碎化相比，MSPA更能揭示出景观结构的连通性和生态斑块的破碎化细节[17]。Riitters等[12]和Wickham等[13-14]提出通过MSPA方法识别网络结构要素的总数，利用核心区数量下降，孤岛增长等反映森林破碎化程度的方法，来揭示生态系统发生的变化。景观破碎化驱动力研究方面，现阶段已有较多成熟的方法，如:胡荣明等[4]通过灰色关联法得出地区生产总值、人口等是景观破碎化的主要驱动因子；杨尊尊等[18]提出生产总值和人为活动是造成西咸新区景观格局变化的主要驱动因子；姜朋辉等[19]基于回归模型指出气温波动上升是湿地景观破碎化的主要驱动因子。与其他方法相比，最小二乘法求解线性回归模型具有总体误差衡量最小、求解方便等优点[20]。

研究尺度方面，既往研究多着眼于重庆市域和主城都市区的生态空间尺度[21-22]，对区县尺度关注较少。区县尺度是我国现行国土空间规划体系下的五级尺度之一，是实施并落实国土空间规划中城市发展、生态保护等目的的核心尺度。基于以上背景，本研究以地处长江中上游重要生态屏障的重庆市辖区内22个区县为研究区，综合运用土地利用动态度分析、MSPA、景观破碎化指数、回归模型及聚类分析等方法，对研究区GI景观破碎化及驱动力展开分析，旨在客观认识研究区景观破碎化现状及特征，识别导致景观破碎化的驱动力，为研究区GI网络格局保护和未来生态规划研究提供参考。

1 研究区及数据来源

1.1 研究区概况

研究区地处成渝城市群，包含22个重庆市辖区县(图1)，分属重庆市五大功能区，城市发展新区包括长寿、江津、合川、永川、南川、潼南、铜梁、荣昌、璧山、大足、綦江、万盛、涪陵共13个区县；渝东北生态涵养发展区包括开州、云阳、万州、梁平、丰都、垫江、忠县共7个区县；渝东南生态保护发展区包括黔江和彭水共2个区县[5]。研究区总面积约4.9×104km2，占成渝城市群总面积的26.50%，地跨105°58′～108°67′E、29°03′～31°18′N，以山地丘陵为主，属亚热带季风气候，雨热充足；山地地区森林覆盖率高，有长江、嘉陵江等多条水系经过；是三峡库区重要的生态保护地。截至2018年底，研究区常住人口1 876.12×104人，平均城镇化率56.17%[23]。

图1 研究区范围(改绘自参考文献[2])Fig.1 Area of study

1.2 数据来源及预处理

基于云量少、影像拍摄时间相对接近、成像质量好的原则，共选取研究区2018年4—9月和部分2019年3月的LANDSAT 8 OLI/TIRS卫星的12幅遥感影像图[24]，分辨率30 m，经过拼接、裁剪得到22个区县的遥感影像图。数据处理步骤为：基于ENVI 5.3平台对遥感数据进行辐射定标、大气校正等预处理得到研究区遥感图[25]，再运用归一化差分植被指数(NDVI)提取绿地(含耕地、林地和草地)，归一化差分水体指数(NDWI)提取水体，结合高清卫星图对比，使用ENVI中ROI工具选取各幅遥感影像图最佳的阈值，再使用波段计算(Band Math)工具将绿地和水体叠加为GI栅格图。最终结合高清卫星图校正并在ArcGIS内将GI赋值为1，其他用地赋值为0，得到研究区GI二值栅格图。土地利用动态度数据由重庆市2010年和2018年土地利用数据[26]得到，城镇化增长率、人口增长率、GDP增长率、公路密度增长率由《重庆市统计年鉴2011》[27]和《重庆市统计年鉴2019》[23]报告中的2010年、2018年统计数据计算后得到。

2 研究方法

2.1 土地利用动态度分析

土地利用类型动态度[28]可量化反映土地利用类型总变化率，其表达式为：

①

式中：K(%)为研究期内某一土地利用类型的总变化率，Ua(km2)、Ub(km2)分别为研究期初、研究期末某一土地利用类型的面积。

2.2 绿色基础设施形态学空间格局及景观组成分析

运用Guidos Toolbox软件，采用八邻域规则，对GI二值栅格图进行MSPA分析。边缘宽度取值结合相关廊道理论、前人研究成果[29]，按照廊道宽度在60 m[29]及以上为适宜宽度的标准，经多次测试对比确定。其中，江津、彭水等14个区县边缘宽度取值为60 m，长寿、涪陵等8个区县取值为90 m ，计算得到核心区、孤岛、穿孔、边缘、分支、连接桥、环共7类GI网络结构要素。为进一步探讨GI网络结构要素的土地利用构成，基于ArcGIS软件将重庆市2018年土地利用数据[26]重分类为耕地、林地、草地、水体、建设用地和未利用地6种土地利用类型，再将GI网络结构要素图与土地利用重分类图叠加分析，得到22个区县的GI网络结构要素景观组成数据。

2.3 GI景观破碎化及驱动力分析

GI景观破碎化指数[11]可定量反映景观破碎化程度，其表达式为：

F=100-〔C-(I+P+E+B+R+L)〕

②

式中：F(%)为GI景观破碎化指数，C、I、P、E、B、R、L分别代表核心区、孤岛、穿孔、边缘、分支、连接桥、环等七大GI网络结构要素占GI总面积的百分比(%)。F值越高，表明GI景观破碎化程度越高。

为进一步明确GI景观破碎化的驱动力，选取土地利用变化驱动力和城市扩张驱动力进行分析，其中土地利用变化驱动力包括由2.1节得到的耕地变化动态度X1(%)、林地变化动态度X2(%)、草地变化动态度X3(%)、水体变化动态度X4(%)、建设用地变化动态度X5(%)，2.2节得到的景观组成面积占比驱动因子，包括核心区耕地X6(km2)、核心区林地X7(km2)、核心区草地X8(km2)、核心区水体X9(km2)、核心区建设用地X10(km2)、连接桥耕地X11(km2)、连接桥林地X12、连接桥草地X13(km2)、连接桥水体X14(km2)、连接桥建设用地X15(km2)，城市扩张驱动力包括由研究时期统计年鉴计算得到的公路密度增长率X16(%)、城镇化增长率X17(%)，GDP增长率X18(%)，人口增长率X19(%)[10，30-31]共计19项驱动因子。相关研究[20，32]表明，线性回归模型能较好地解释驱动因子分析[33]。因此本研究以22个区县作为样本，选取土地利用变化驱动力、城市扩张驱动力2个维度的19项驱动因子作为自变量，区县GI景观破碎化指数作为因变量进行回归分析。首先基于Matlab软件均值化归一法对驱动因子进行无量纲化处理，再运用最小二乘法求解回归方程[20，34]。

Y=α1X1+α2X2+α3X3+α4X4+…+αNXN+M

③

式中：Y(%)为GI景观破碎化指数，α为拟合系数，拟合系数越大表明该因子的驱动作用越显著，其中α最大者为主导驱动因子，XN为各种驱动因子，M为常数。

2.4 区县聚类及相关性分析

基于SPSS软件采用Q型系统聚类分析法[35]，选取GI景观破碎化指数及驱动因子作为变量，以距离水平6为标准线对研究区22个区县GI景观破碎化进行相似度划分，得到不同GI压力类别区县的分类。再运用Pearson相关性分析法[10，30]，定量解析不同GI压力类别区县各驱动因子与GI景观破碎化之间的相关性，Pearson系数越大，表明相关性越显著。同时为分析城市功能区划对区县生态空间的指导作用，将GI压力类别与功能区划对比，得到GI压力趋势与功能定位之间的关系。

3 结果与分析

3.1 土地利用变化动态度分析

整体而言，研究区耕地、林地和建设用地均呈负增长趋势，且较多转移为建设用地(图2)，草地、建设用地和未利用地均呈正增长趋势。

图2 研究区土地利用类型转移Fig.2 Land use type transfer in the study area

由表1可知，耕地总体上呈负增长趋势，均值为-0.98%，其中长寿、万盛耕地减少最显著，南川、垫江和彭水耕地有所增加；林地总体上呈负增长趋势，均值为-0.62%，其中江津和南川林地减少最为显著，潼南、涪陵、彭水和黔江林地有少量增加；草地总体上呈正增长趋势，均值为2.99%，其中万盛减少最为显著，璧山和江津草地面积增长较大；水体总体上呈负增长趋势，均值为-7.44%，其中璧山、南川、梁平、垫江、彭水和黔江显著减少，大足、万盛和开州有所增长；建设用地总体上呈正增长趋势，均值为61.61%，其中潼南、永川和合川建设用地扩张较小，大足、万盛、綦江、涪陵、梁平、垫江、彭水和黔江的城市建设用地扩张显著；未利用地总体上呈正增长趋势，均值为0.21%，集中在铜梁、大足、潼南、涪陵和开州。

表1 研究区2010—2018年土地利用类型动态度Tab.1 The dynamic attitude of land use types in the study area from 2010 to 2018 %

3.2 绿色基础设施形态学空间格局及景观组成分析

区县尺度下，研究区内GI网络结构要素以具有重要生态价值的核心区和连接桥为主[35-36](图3)，多数占区县总面积的80%以上。区县GI网络结构要素差异主要体现在核心区、连接桥的比重上。

图3 研究区GI网络结构要素分布Fig.3 Distribution of structural elements of GI network in the study area

由表2可知，研究区内核心区占比为53.50%～93.98%，主要分布在渝东北生态涵养发展区和渝东南生态保护发展区，多处于山地，区域内存在较多生态斑块，区域内结构连通性较高[10]；城市发展新区中受城市建设用地扩张的干扰，核心区斑块较为破碎，连通性功能减弱。连接桥占比为0.36%～20.57%，主要分布在城市发展新区，多以水系形式存在，是GI的重要廊道，对区域内核心斑块的物质与能量交换具有重要意义。而孤岛、穿孔、边缘、环和分支在所有区县中占比均较小，在12%以下，多为生物迁徙过程中的踏脚石。

表2 研究区GI网络结构要素面积及占比统计Tab.2 Statistics on the area and proportion of GI network structure elements in the study area km2(%)

同时对研究区景观组成分析结果(图4)表明，耕地和林地占比较大，水体次之，草地占比最小。其中耕地、草地主要存在于核心区和连接桥，多分布在城市发展新区和渝东北生态涵养发展区；林地主要存在于核心区，多分布在渝东南生态保护发展区；水体则多以连接桥的形式存在，多分布在渝东北生态涵养发展区。

图4 研究区核心区、连接桥结构要素景观组成Fig.4 Landscape composition of core area and connecting bridge structure elements of the study area

3.3 区县GI景观破碎化及驱动力分析

整体上研究区GI景观破碎化指数均值为53.65%，破碎化程度较高(表3)。其中长寿、合川、永川、潼南、荣昌和大足GI景观破碎化指数均在70%以上，以上区县的耕地面积普遍较大，经济发展速度较快，同时人口密度大，导致人类活动干扰显著，生态斑块破碎化明显。南川、丰都和彭水GI景观破碎化指数均在30%以下，由于受到山地地形和退耕还林政策影响，较多陡坡耕地重新转化为林草地，城镇化进程加快使得建设用地较为集中，一定程度上减少了对GI的大范围干扰，从而减弱了景观破碎化程度，生态斑块较完整。

表3 研究区GI景观破碎化指数Tab.3 GI landscape fragmentation index of the study area %

基于2.3节中的方法，为全面比较各驱动因子对GI景观破碎化的驱动作用，构建了以下GI景观破碎化驱动力(Y)回归模型：

Y=0.617X1-0.216X2+0.703X3+0.488X4-0.221X5-0.758X6-1.325X7-0.301X8-0.474X9-0.119X10+0.067X11-0.485X12+0.706X13+0.606X14+0.618X15+0.603X16+0.353X17-0.046X18-1.223X19+0.945

模型的拟合优度(R2)大于0.99，具有极好的拟合效果。回归模型表明，在土地利用变化驱动力中的核心区林地α系数最大，为土地利用变化驱动力中的主导驱动因子，其次是核心区耕地和连接桥草地。在城市扩张驱动力中的人口增长率α系数最大，为城市扩张驱动力中的主导驱动因子，其次是公路密度与GI景观破碎化显著相关。

在土地利用变化驱动力维度，核心区林地是主导驱动因子，2014年重庆成为成渝城市群的核心城市，经济发展加速了城市用地类型的变化，导致大量建设用地占用了耕地、林地，同时耕地、林地退化带来了草地面积的增长，2010—2018年间研究区林地面积减少了105.057 km2，由于林地多为大型生态斑块，面积大量减少后，会进一步加剧GI景观破碎化。耕地面积减少了249.269 km2，草地面积增加了5.008 km2，增加了GI景观破碎化的风险，因此重庆市应结合国土空间规划合理划定自身的生态保护红线与城镇控制开发边界。

在城市扩张驱动力维度，人口增长率是主导驱动因子，自2016年国家开放“二孩政策”和外来人口的迁入带来了人口的大量增长，仅2010—2018年间研究区总人口增加了119.86×104人，增长率达6.83%。人口增长会加速城市一系列的建设活动，迫使城市不断向外扩张以满足人口密度提高带来的空间需求，是导致GI景观破碎化的主要原因，应通过技术手段提高土地资源利用率，减少因人口增长带来的城镇化无序扩张。公路密度方面，重庆市政府计划到2030年通车里程将达到4 000 km以上，省际通道由原规划(2008—2012年)的19个增加至28个[37]。2010—2018年间，研究区的公路里程增长26 709 km，公路密度由2010年的1.55 km/km2增长到2018年的2.10 km/km2，增长率为35.06%，路网密度的提升将会进一步割裂景观斑块，进而会形成孔洞的、破碎的生态斑块，对自然生境造成较大干扰[31]；因此，重庆市应充分研究并合理规划交通路线，尽量少侵占生境质量好的区域，避开重要的生态廊道。

3.4 基于GI景观破碎化的区县聚类结果及相关性分析

基于GI景观破碎化指数和驱动因子的区县聚类结果(图5)表明，可将研究区划分为：GI高压力区县、GI中压力区县、GI低压力区县3类(图6)。同时，通过Pearson相关性分析得到GI高、中、低区县景观破碎化驱动因子。

图5 研究区GI压力聚类分析图谱Fig.5 The GI pressure cluster analysis map of the study area

图6 GI压力类别图Fig.6 GI pressure class diagram

GI高压力区县，景观破碎化指数均值为69.89%，破碎化程度较高，耕地面积占比大。连接桥耕地、建设用地的扩张与GI景观破碎化指数显著相关，Pearson系数分别为0.811，-0.705。在2010—2018年间，以上区县耕地面积减少了140.573 km2，建设用地面积增加了169.027 km2，导致耕地的连通性功能减弱、建设用地的进一步扩张，从而加大GI高压力区县景观破碎化的程度。应控制城市建设用地进一步扩张，同时限制侵占耕地，注重区域内生态廊道的构建，比如构建生态林带等。

GI中压力区县，景观破碎化指数均值为42.68%，进一步破碎化风险较高，山脉较多，林地分布广泛。连接桥林地、人口增长率与GI景观破碎化指数显著相关，Pearson系数分别为0.867，0.626。在2010—2018年间，以上区县林地面积减少了92.686 km2，人口增长率为3.98%。林地是重要的生态斑块，为动植物提供良好的栖息环境，人口的大量增长造成对其栖息地的干扰，会进一步加剧破碎化。应建立国土生态预警及土地侵占补偿机制，警惕因林地面积减少带来的水土流失风险，提高土地利用效率，缓解因人口大量增长造成的生态压力。

GI低压力区县，景观破碎化指数为12.07%，破碎化程度较低，整体上自然生态环境保护较好，生态斑块较为完整。由于彭水县GI景观破碎化指数较小，无显著相关性驱动因子。在2010—2018年间，彭水县的耕地和林地面积均有增加，但水体面积缩减显著，减少了9.682 km2，水体连通性进一步减弱。应加强对其水体的保护，建立湿地自然保护区，同时将森林资源与文化旅游相结合，形成新型的文旅产业。

将GI压力类别与功能区划对比后发现，长寿、铜梁、大足等9个区县受到重庆加快向西发展影响，GI呈现高压力趋势，与所属城市发展新区定位相符；丰都、万州、开州等6个区县受到渝东北产业发展影响，GI呈现中压力趋势，与所属生态涵养发展区定位相符；彭水生态保护较好，GI呈现低压力趋势，与所属生态保护发展区定位相符。江津、南川、綦江、涪陵4个区县城市经济发展趋缓，GI呈现中压力趋势，与所属城市发展新区定位存在一定偏离；黔江被定位为渝东南的重点建设开发区，城市扩张速度加快，GI呈现中压力趋势，与所属生态保护发展区定位存在一定偏离；垫江县受城市发展新区产业转移影响，GI发展呈高压力趋势，显著偏离其生态涵养发展区定位。

4 结论与讨论

以上分析结果表明，综合运用土地利用动态度分析、MSPA方法、景观破碎化指数、回归模型及聚类分析等方法，研究重庆市22个市辖区县尺度下GI景观破碎化及驱动力是可行的，能够较好地反映并区分各区县GI景观破碎化状况，识别驱动力。具体地，2010—2018年期间，研究区各土地利用类型的动态变化大小依次为建设用地>水体>草地>耕地>林地>未利用地，多数市辖区县GI网络结构要素中以核心区和连接桥为主，占比在80%以上，景观组成中耕地、林地和水体面积占比在90%以上。基于回归分析的驱动力结果表明，土地利用变化驱动力中的核心区林地、核心区耕地、连接桥草地，城市扩张驱动力中的人口增长率、公路密度增长率与区县GI景观破碎化显著相关。基于聚类分析将22个市辖区县分类得到GI高、中、低压力区县，在GI高压力区县中核心区耕地、建设用地增长率与景观破碎化显著相关，GI中压力区县中连接桥林地、人口增长率与景观破碎化显著相关，GI低压力区县中景观破碎化程度低，无明显驱动因子。与功能区划对比后发现，长寿、铜梁、大足等16个区县与功能区划定位相符，江津、南川、綦江等6个区县与功能区划定位存在一定偏离。

相较以往研究[10,30]，本研究基于MSPA计算得到的GI景观破碎化指数，从结构连通性角度揭示出GI的破碎化程度。同时着眼于区县尺度的GI景观破碎化及驱动力分析，有助于更准确地把握、认识区县土地利用及生态空间的差异，弥补当前重庆市生态空间研究中仅关注市域尺度的不足，对重庆市未来区县生态空间分析及格局优化具有重要参考价值。但在驱动力因子选取方面，尚待进一步优化。本研究仅选取了人口、GDP、公路等人类干扰较大的人为驱动因子，暂时未考虑干扰较小的自然因子对景观格局造成的影响。此外，基于MSPA的GI景观破碎化指数作为单一指标在反映区县GI状态仍存在提升空间，后续可结合其他景观格局指标等对指标体系进行进一步优化。

致谢：四川大学建筑与环境学院2017级风景园林硕士研究生谢于松、尹蓝静在数据资料提供、数据分析过程中提供了帮助，在此表示衷心感谢！