1980-2018年粤港澳大湾区人为干扰度的时空特征

王小军, 张楚然, 廖倚凌, 刘光旭, 王炳香, 余 剑

(1.华南师范大学 地理科学学院, 广东 广州 510631; 2.赣南师范大学 地理与环境工程学院, 江西 赣州 341000)

人为干扰(hemeroby)最初是芬兰植物学家Jalas在研究森林生态系统受人类活动影响程度时引入的一个监测指标，后被用于通过土地利用类型评价人为活动在地球表层上的影响程度[1-3]。近年来，国外学者用人为干扰来评价城市绿地自然条件[4]与城市生态系统服务差异[5]，以及自然景观的自然程度，以获得土地利用变化对环境状况的累积影响[6]。在国内，研究人员利用专家经验知识，制定了生态干扰度景观类型分类表，并依此揭示双台河口湿地景观及生态干扰度的时空变化规律[7]。基于此干扰度分类思路，对北京密云水库上游流域、广西巴马县的人为干扰程度及干扰强度动态变化定量分析也相应展开[8,9]。人为干扰度评估和运用上出现了多种方向，如利用景观开发强度指数LDI来评估人为干扰强度[10]；通过选定人为干扰源，计算压力、状态、响应指标，构建PSR模型及人为干扰度指数分析人为干扰空间分布[11]；将人为干扰度与景观脆弱度结合，构建生态安全度等[12]。上述研究丰富了人为干扰定量化、空间化思路，而空间分异驱动机制研究有待进一步深化。

粤港澳大湾区(21°33′—24°24′N，111°21′—115°25′E)位于华南沿海，亚热带季风气候，水热资源丰富，自然条件优越[13]。近几十年来该区域经济发展迅速，城市地域不断扩张。对该区土地利用变化的研究多集中于探讨土地利用效率[14]、不透水面分布[15]、城市扩张与景观格局梯度[16]、生态系统格局的变化及预测[17]、景观格局与生态系统服务价值[18-19]，土地利用模拟与生态风险等[20]方面。2019年《粤港澳大湾区发展规划纲要》中8次提到环保，35次提及生态，国家对粤港澳大湾区人为干扰后的生态环保重视程度可见一斑。本文基于粤港澳大湾区1980，2000，2010，2018年4期土地利用数据，借助GIS空间分析功能从土地利用变化、人为干扰度分布与动态变化，揭示该区近40 a建设过程中土地利用特征及其反映的人为活动变化，并利用地理探测器分析人为干扰空间分布的多方面驱动力，以期为进一步进行生态环保建设，建成绿色文明、宜居宜游的粤港澳美丽大湾区提供决策参考。

1 资料与方法

1.1 数据与处理

①土地利用数据(1980，2000，2010，2018年)，包含6个一级类共22个二级类，人口与GDP密度(2015年)，来源于中国科学院资源与环境科学数据中心(http:∥www.resdc.cn/)。②夜间灯光指数(2017年)，来源于中国工程科技知识中心地理资源与生态专业知识服务系统(http:∥geo.ckcest.cn/)。③高程数据(DEM)，来源于SRTM(http:∥srtm.csi.cgiar.org/)。④气候数据(1980—2015年)，包括年均气温、年降水量，来源于中国气象数据网(http:∥data.cma.cn/)。⑤水系和交通网(2019年)资料，来源于Open Street Map(https:∥www.openstreetmap.org/)。

1.2 土地利用变化特征

本研究从土地利用结构和单一土地利用类型动态度分析大湾区土地利用的演变特征。土地利用结构能够反映某区域的用地组合关系[21-22]。单一土地利用类型动态度K是表征土地利用类型在一定时间内变化率的指标，计算公式参考王秀兰等[23]的方法。

1.3 人为干扰度赋值与动态变化

不同的土地利用类型体现了人为活动对土地的干扰差异，以此对不同地类赋值可以尝试量化该地区人为活动强度。本研究综合刘晓娜等[8]、郭少壮等[24]、肖翠等[25]、徐煖银等[26]和周建国[27]的湿地和山地人为干扰度赋值，用均值计算出6个一级用地类型下的22个二级地类的人为干扰指数(hemeroby index，HI)(表1)。根据研究区域中人为干扰度的实际间隔差异把人为干扰分成4类，0≤HI<0.25为轻度干扰，0.25≤HI<0.5为中度干扰，0.5≤HI<0.75为重度干扰，0.75≤HI≤1为完全干扰。

表1 基于LUCC的粤港澳大湾区人为干扰度赋值

组合多年数据的人为干扰总强度能够反映研究时段内的综合分布情况，刘晓娜等和曾兰等采用相加取平均值的方法确定人为干扰总强度[8,9]，若某区域多年的值差异较大，均值法可能会掩盖后期非匀速变化，因此本研究结合权重计算其人为干扰总强度。计算方法为：

(1)

式中：THI为人为干扰总强度;Hi为第i年的土地利用人为干扰度；n为研究时间期数,在本研究中为4 a,Wi为第i年的权重,由第i年人为干扰度占研究时段内人为干扰度的比重确定;Hij为第i年的第j个地类的人为干扰度赋值；s为地类数量,在本研究中为22类;Aij为第i年的第j个地类占某区域面积百分比。

干扰平稳度指数(hemeroby stable index，HSI)表征了两个研究时段过渡期间的人为干扰变化，由相邻两个时间的人为干扰度相减后取绝对值获得，该值越大表明过渡期间人为干扰越强烈，土地利用类型变化大，人为干扰度过渡不平稳，反之则高度平稳[8]。根据已有研究和湾区人为干扰变化特征，比较自然间断法和等间距法后，本研究把平稳度划分为4类，0≤HSI<0.1为高度平稳，0.1≤HSI<0.3为中度平稳，0.3≤HSI<0.5为低度平稳，0.5≤HSI<1为不平稳。

1.4 地理探测器

地理探测器可用于分析要素的空间分异性及驱动力评价[28]。因子探测器可检验自变量X在多大程度上解释了因变量Y的异质性。用q表示，取值为[0,1]，当q=0时，说明因变量Y与自变量X之间没有耦合；而q=1则是因变量Y完全由自变量X决定。交互探测器揭示了影响因子两两之间是否增加或减弱对变量Y的解释。结果有5类，分别为：①非线性减弱{q(X1∩X2)max〔q(X1),q(X2)〕}；④独立〔q(X1∩X2)=q(X1)+q(X2)〕；⑤非线性增强〔q(X1∩X2)>q(X1)+q(X2)〕[28]。

本研究以人为干扰总强度为因变量Y，采用地理探测器中的因子探测器和交互探测器，分析影响因素X的对大湾区总体与城市子区[29]的贡献。指标选取考虑代表性，社会经济指标有：X11夜间灯光指数，X12GDP密度(万元/km2)，X13人口密度(人/km2)和X14交通密度(km/km2)；自然环境指标有：X21年降水量(mm)，X22年均温(℃)，X23高程(m)，X24坡度(°)和X25水系密度(km/km2)。

2 结果与分析

2.1 土地利用变化特征

粤港澳大湾区土地利用与土地覆被呈现林地—耕地景观格局，林地、耕地总面积在近40 a达76.12%～85.01%，是粤港澳大湾区最主要的用地类型(图1)。其中水田面积占比16.11%～21.12%，主要沿河流、湖泊水库坑塘分布在河网密布的珠江三角洲平原。有林地面积占比在43.99%以上，主要分布在西北、西南、东北部的低山丘陵区。滩涂滩地、未利用土地面积占比最少。

图1 1980-2018年粤港澳大湾区土地利用特征

1980—2018年湾区内水田、旱地、疏林地面积持续减少，分别为2 964.41，1 094.9，518.32 km2(表2)。湖泊水库坑塘自1980—2018年总体增加337.45 km2，但分布明显破碎化。海洋变化动态度较大，面积从1980年的206.96 km2减少到2018年的1.01 km2。农村居民点、未利用土地面积均呈现先增加，后减小的趋势。城镇用地、其他建设用地在1980—2018年面积持续增加，2018年的面积分别为1980年的4.99倍和5.99倍。

表2 1980-2018年粤港澳大湾区土地利用面积、比例与动态度

2.2 人为干扰动态变化

2.2.1 人为干扰时空特征 由于1980—2018年大湾区人为干扰空间分布总体一致，本文仅显示人为干扰总强度(图2)。从图2可知该区人为干扰呈现以发达城市为中心向外递减的特征，在中部发达城市较高(如广佛及交界地带、东莞)，东北部和西北部欠发达地区(如肇庆、惠州东部)及沿海地带较低。具体而言，轻度人为干扰主要分布在东南部沿海地带，内陆极少；而中度人为干扰主要分布在湾区四周，肇庆、江门、惠州、深圳、香港、珠海、广州市北部以及佛山市西南部；重度人为干扰分布区域较为散乱，在肇庆、江门、惠州、东莞、深圳市及香港特别行政区等地都有；完全人为干扰则主要以珠江湾区北岸和东岸(广州、佛山、东莞和深圳)集中，其外围次集中的状态。人为干扰的高低分布特征受地形与地貌的限制，表现出以中心及亚中心城市为中心，以同心圆形态向外发展，城市之间为点轴式变化和演变，并且较近的城市群出现交汇状态。

图2 1980-2018年粤港澳大湾区人为干扰总强度

1980—2018年大湾区人为干扰度以中度为主，4类干扰度面积都呈现波动变化状态(表3)。轻度人为干扰面积总体降低，面积比例减少了68.60%，2000年后变化不大。中度人为干扰面积在1980—2000年为增加，2000年则减少。重度人为干扰面积呈缓慢减小的趋势，变化较小。完全人为干扰面积总体呈增加趋势，在近40 a间增加了1 499 km2。这些时空特征显示了1980—2000年粤港澳大湾区人为干扰度轻度和中度加重较为明显，推测是改革开放后珠江三角洲地区迅速推进工业化、城市化进程，导致湾区人为干扰度加重。经过2000—2010年经济、环保政策调整，区域发展走向更高密度阶段，因此表现为2000—2018年完全干扰面积增加趋势。

表3 1980-2018年粤港澳大湾区人为干扰度面积与比例

2.2.2 人为干扰度动态分析 近40 a的人为干扰平稳度变化(图3，表4)显示出，高度平稳比例最大，但趋向不平稳状态，低度平稳和不平稳集中于干扰度较高处附近。1980—2000年和2000—2010年主要为高度平稳，且变化不大(93.79%，92.32%)。其中，1980—2000年人为干扰度加重而平稳度呈高度平稳，是由于这期间人为干扰度变化的是面积比例为0.86%的轻度人为干扰，即其影响的区域仅占0.86%，而大部分区域的人为干扰度不变或有细微变化。1980—2000年人为干扰呈中度平稳和低度平稳的区域主要出现在粤港澳大湾区中部，面积比例为5.45%，不平稳的区域在沿海地带，面积比例0.76%，说明沿海地区土地利用类型变化较大。2000—2010年不平稳区域出现在中部，面积比例增加至1.4%，是1980—2000年的1.84倍。2010—2018年湾区全域人为干扰平稳度变化均较明显，高度平稳面积比例比2000—2010年减少29.97%，中度、低度平稳和不平稳则分别增加13.88%，13.46%和2.64%。1980—2018年整体而言，不平稳集中于佛山、深圳与沿海地区，高度平稳以外的其他类分布主要在湾区中心与次中心城市，这与城市与建设用地分布扩张动态一致。

表4 1980—2018年粤港澳大湾区人为干扰平稳度面积与比例

图3 1980-2018年粤港澳大湾区人为干扰平稳度变化特征

2010年后人口急剧增长、经济迅猛发展、农业内部结构发生重大调整。据统计，大湾区常住人口在2009—2017年增长了7.89×106人，达6.15×107人；GDP在2010—2017年增长了97.28%，约达7.57×1012元。另一方面，由土地利用变化特征可知，这期间土地利用类型变化最剧烈，景观变化明显。这些因素导致了2010年后的剧烈变化。大湾区四周原本人为干扰度较高的地区人为干扰度降低，可能是因为经济更发达区域吸纳人口迁移，以及政策上对湾区四周提倡保护生态，优先发展生态，欲将其打造成粤港澳大湾区绿色可持续发展的后花园；而湾区中部则发展经济，原本人为干扰度低的地区在2010—2018年人为干扰度也升高。因此整个区域都有出现中低度平稳乃至不平稳现象。

2.3 人为干扰空间分异归因

2.3.1 人为干扰总强度单因子归因 如图4所示，整个粤港澳大湾区，夜间灯光指数(56.97%)、高程(54.46%)和坡度(54.65%)对人为干扰空间分异解释能力(q值)较高。社会经济因子的解释能力(均值42.32%，变幅30.31%～56.97%)比自然环境因子(均值41.3%，变幅22.4%～54.65%)更高且更稳定。解释能力50%以上的3个因子中有2个是自然环境类，40%以上的5个因子中有3个是自然环境类。这些因子的解释能力表明，大湾区人为干扰空间分异是自然环境要素(尤其是地形地貌)分布影响下的人类活动差异的体现。该结果与丘陵区土地利用空间分异驱动特征一致[30]。

注：澳门特别行政区面积较小，在本研究的分辨率下，夜间灯光指数、年降水量和高程的空间分异不明显，已剔除。

总强度空间分异因子探测结果

对不同城市的人为干扰空间分异进行地理探测(图4)显示，总体上各影响因子对广州市的解释力更强，贡献率达44.77%～74.85%，对澳门特别行政区则较弱，最强才32.99%(交通密度、坡度)，而在香港特别行政区不同因子解释力差异最大(0.58%～68.59%)。夜间灯光指数在广州(74.85%)、深圳(64.71%)、佛山(69.15%)、东莞市(44.86%)和香港特别行政区(68.62%)的解释力最强，他们都是经济比较发达的区域，这一指标对本区域整体的解释力也较强。GDP密度在中山市解释力最强(61.81%)，在广州、深圳、佛山市也较强，而在惠州、肇庆、江门市和香港及澳门特别行政区解释力较弱。人口密度与GDP密度有类似特征，在广州(50.72%)、深圳(60.65%)、佛山(51.87%)和东莞市(43.38%)的解释力较强。交通密度也是在广州(58.51%)、佛山市(63.76%)和香港特别行政区(43.23%)的解释力相对较高。社会经济因子对各城市人为干扰空间分异的解释力明显体现了经济状况的空间异质性，湾区核心城市(广州、深圳、佛山市和香港特别行政区等)对社会经济因子响应明显，而肇庆、江门等城市响应较弱。珠江入海口两岸的城市中，各影响因子对珠海和东莞的人为干扰解释力相对较弱，一定程度上也反映出相比于其他类似区位的城市，它们的经济社会发展潜力开发不足。

自然环境因子对不同城市人为干扰空间分异的解释力特征不同于社会经济因子。年降水量只对广州市人为干扰的空间分异解释力较强(60.13%)，但相比于其他因子也不明显，在其他城市的解释力较弱，尤其是深圳、佛山、东莞、肇庆市和香港特别行政区，是所有因子中最弱。年均温、高程和坡度都在广州、惠州市解释力较强，且接近。其中年均温对广州市的解释力最强(71.83%)，在惠州市的则是所有因子中最强(63.9%)，高程对多数珠江入海口两岸的城市解释力较弱，在肇庆市(46.73%)是所有因子中最强；坡度在江门市和澳门特别行政区的解释力是所有因子中最强(50.17%，32.99%)。水系密度在东北(惠州6.4%)、西北部(肇庆8.9%)的解释力较弱，且整体解释力都偏弱。自然环境因子的解释力总体中等偏弱，但各因子之间的解释力差异比社会经济因子低，表明大湾区自然环境的空间分异相对较弱，而不同于地表环境复杂地区如横断山地等区域分异明显[31]。

不同地区人为干扰的驱动因子存在差异。湾区内部城市的人为干扰总强度主要受夜间灯光指数、GDP、人口密度和交通密度驱动，湾区四周城市的人为干扰总强度主要受坡度、高程驱动。湾区内部城市地形较四周城市平坦，经济发展活跃，社会经济因素对其人为干扰总强度高低的分布情况影响较大；而湾区四周城市注重生态保护，被誉为湾区发展的后花园，其群山环绕、地形起伏较湾区内部城市大，自然环境因素对其人为干扰总强度高低的分布情况影响较大。

2.3.2 人为干扰总强度影响因子交互作用 在粤港澳大湾区和各市内，不同因子两两交互作用对人为干扰空间分异的影响基本高于其中一个因子，主要表现为双因子增强，也有较多为非线性增强(表5)。

表5 粤港澳大湾区与各市人为干扰总强度影响交互探测结果

对于整个大湾区，夜间灯光指数与其他因子交互作用的解释力在59.64%以上，坡度与其他因子的交互作用的解释在60.53%以上，其中夜间灯光指数与坡度的交互作用解释力(73.17%)为大湾区所有因子交互作用结果中最高，其次是夜间灯光指数与高程(69.7%)、交通密度与坡度(68.85%)及夜间灯光指数与年均温(68.14%)。总体上社会经济因子与自然环境因子(年均温、高程、坡度)交互作用，以及自然环境因子(年均温、高程、坡度)之间交互作用，对人为干扰空间分异具有更高的解释能力。这些交互作用说明夜间灯光指数高且地形平坦地方、交通密集且地形平坦地方的人为干扰度高，地形平坦易开发的地方更容易受人为干扰的影响，开发之后建造交通设施使当地人流量上升，进而夜间灯光指数上升，导致该地人为干扰度上升。

在各城市中，两两因子交互后影响力基本为双因子增强与非线性增强，仅澳门特别行政区有一个交互结果为非线性减弱。其中因子交互值达0.8或以上的城市为广州、深圳、香港和澳门，因子交互作用最大值中最低为肇庆市(表5)。广州、深圳、珠海、佛山、中山、东莞市、香港和澳门特别行政区8个城市，其交互因子影响力较高的均有夜间灯光指数和GDP密度，大多数有人口密度或交通密度，因此这8个城市的人为干扰总强度由夜间灯光指数和GDP密度与其他因子组合作用影响明显；除中山市以外，其余的7个城市对人为干扰总强度影响力较大的因子还有人口密度或交通密度。而惠州、肇庆、江门3市，其交互因子影响力较高的均有坡度和高程因子，因此地势与其他因子交互作用对3市内人为干扰总强度的影响较大。

3 讨论与结论

粤港澳大湾区1980—2018年土地利用与土地覆被逐渐呈现林地—耕地—城镇景观格局。城镇用地、其他建设用地面积持续上升，在1980—2018年增长了4.25倍；2000年以后土地利用类型面积变化、类型变化均明显。可见近40 a湾区城镇用地扩张，城市边缘不断扩大，城镇化发展快速。近40 a粤港澳大湾区人为干扰度皆以中度人为干扰为主。1980—2000年轻度人为干扰面积下降快速，完全人为干扰面积略有上升。较发达城市人为干扰总强度高，欠发达城市人为干扰总强度低，总强度呈现以城市为中心与次中心的同心圆分布。1980—2010年湾区内人为干扰平稳度主要呈高度平稳，2010—2018年干扰度变化较大，中低度平稳面积占比升高至33.61%，不平稳地区面积增多至1980—2000年的5.32倍，变化剧烈。因此，近40 a粤港澳大湾区的人为干扰面积和程度都在不断加剧，近10 a人为干扰变化不稳定，景观变化剧烈。地理探测器分析结果表明，粤港澳大湾区整体的人为干扰总强度分布受夜间灯光指数、交通密度、年均温、高程以及坡度影响，且夜间灯光指数、坡度和高程对湾区人为干扰总强度具有较强的分层异质性解释力度；在因子交互作用中，各影响因子之间基本为双因子增强与非线性增强，即所选因子任意叠加都会使地区的人为干扰度增强。而从各个城市上看，湾区内部城市的人为干扰总强度主要受社会经济因素(夜间灯光指数、GDP、人口密度和交通密度)驱动，湾区四周城市的人为干扰总强度主要受自然环境因素(坡度、高程)驱动。

本研究基于较长时间尺度的土地利用数据分析人为干扰，并利用地理探测器定量分析人为干扰的空间分异的影响因素，虽然驱动因素考虑了自然环境与社会经济不同角度的指标，但未能考虑难以量化却又影响较大的政策作用，也未定量分析不同土地利用类型转移对人为干扰的影响。因此后续研究可以朝这些方面继续深入。