基于CA-Markov和MSPA的绿色基础设施预测与时空演变分析——以京津冀城市群为例

马 银,郑敏睿,郑新奇,4,5,郭文华,刘孟兰,李佳阳,朱邦仁

1 中国地质大学(北京)信息工程学院,北京 100083 2 中国人民大学公共管理学院,北京 100872 3 中国人民大学数字政府与国家治理实验室,北京 100872 4 自然资源部国土空间大数据工程技术创新中心,北京 100036 5 自然资源部北京房山综合勘测野外科学观测研究站,北京 102400 6 自然资源部信息中心,北京 100036

绿色基础设施(Green Infrastructure,GI)是以生态理论为基础,针对灰色基础设施和社会基础设施提出的具有战略意义的概念,它被看作是支持区域、城市和社区发展的另一种必要基础设施[1],是人类社会可持续发展的重要支撑。GI概念最早于1999年由美国保护基金会和农业部森林管理局组织的“GI工作组”提出,该小组将GI定义为由绿道、湿地、雨水花园、森林、乡土植被等组成的相互连接的网络,它可为野生动物迁徙和生态过程提供起点和终点,也可维护生态环境、提高人民生活质量,还具有管理暴雨,改善水质,节约城市管理成本等作用[2—3]。GI旨在突破传统生态保护中关于绿化率、植被覆盖率等的局限性,最终实现生态、社会、经济的协调和可持续发展[1—2],但随着城市的快速发展,绿色空间受到不同程度的破坏和威胁,严重削弱了GI在国土空间建设中的生态和社会作用,给国土空间的治理和优化带来压力[4—6]。研究发现GI的碳汇作用对抵消生产生活产生的碳排起到重要作用,另外,城市中GI的碳封存效率在将来有提高的趋势[7],其合理布局可助力“碳中和”行动[8]。目前,我国正处于战略性控碳和国土空间规划体系转型的关键时期,GI被认为是实现“碳中和”和国土空间治理的重要途径[9—10],因此做好GI长时序时空双维度演变格局分析具有重要的现实意义。

总结归纳文献资料,将GI研究分为三阶段。第一阶段为GI的定义讨论和类型识别。定义视角先后经历了学科理论→社会政策→学科理论+社会政策的变化[2—3]。同时,研究者也逐步提出形态学空间格局分析法(Morphological Spatial Pattern Analysis,MSPA)、景观格局法、成本距离法和电路理论法等GI提取识别方法[11—14]。第二阶段为针对历史和现在时期的GI特征变化和评价研究。例如,Furberg等借助影像数据识别GI变化,利用景观指数法探究GI对景观连通性的影响[15]。魏家星等构建了GI生态网络,尝试用空间句法评价其空间优先性[16]。顾康康等选取雨水管理、缓解热岛效应、绿色空间可达性、景观连通性、净化空气五类指标构建了绿色基础设施规划模型,开展GI多功能评估[17]。第三阶段为GI多学科交叉研究。例如,城市生态学专家探索了GI与城市生态系统之间的定量关系[18],大气专家关注GI影响空气质量的机制[19],林业专家通过优化植被分布使GI充分发挥生态和社会作用[20]。已有研究在时序上较多关注历史和现状,考虑历史—现状—未来长时序GI时空演变格局的研究模型框架更是鲜有报道。而在“碳中和”和国土空间规划新形势下,快速预测和明确GI长时序的分布格局可为社会—经济—环境的协调发展提供基础。另外,针对京津冀城市群,现有研究更多围绕“三区三线”、生态功能和生境质量等探讨协同发展和生态环境之间的关系[21—22],缺乏以GI视角为切入点的研究成果。

综上,针对GI研究,如果能建立既可以分析过去、诊断现在,也可以预测未来的一体化技术方法,进而实现对GI的检查、评估和治理,成为管理部门和学者们关注的重点问题。本研究主要解决如何构建研究模型框架快速实现历史—现状—未来长时序GI数据的获取、预测和时空分析,明确城市群尺度下协同发展进程和GI时空演化的关系,根据预测数据提早布局和干预GI发展,实现国土空间治理与优化。为了实现上述目标,第一模块主要介绍模型的选择、原理和计算数据等,第二模块重点介绍了计算结果和新发现,第三模块讨论了京津冀城市群协同发展进程与GI格局演变的对应关系,参考研究新发现和新版空间规划方案得到GI优化启示。研究对实现京津冀城市群国土空间GI有效合理配置、生态宜居、环境可持续发展、国土空间规划转型以及城市群生态文明建设具有重要的现实意义。

1 研究方法与数据来源

1.1 研究区概况

京津冀城市群位于36°05′—42°37′N,113°27′—119°50′E,总面积约21.8万km2,包含北京、天津、石家庄等13个城市[22]。研究区在近十年间经历了实质、快速和高质量经济发展阶段[21—23],居民区、工业和交通用地的快速扩张占用了大量耕地、林地和草地等绿色空间资源,导致研究区生态环境问题日益突出[23]。在城市群协同发展、“碳中和”目标和国土空间规划背景下,GI的合理布局成为京津冀生态环境高质量发展的重要支撑。

1.2 数据来源及预处理

本研究参考他人研究[24—25],并根据《土地利用现状分类》(GB/T 21010—2017)标准,将林地、耕地、草地和水域四种一级分类土地利用类型作为GI范围,即GI包括天然林、自然草地、天然湖泊等自然形成的绿色空间,也包括人工林、人工湖和耕地等受人为干预的半自然绿色空间。

研究数据主要包括研究区的行政边界、土地利用遥感监测数据及人口、经济、环境等辅助决策数据。各级行政边界来自国家基础地理信息数据库(https://www.resdc.cn/)。2000、2005、2010、2015和2020年的土地利用遥感监测数据来自资源环境科学与数据中心网站(https://www.resdc.cn/),该数据是通过Landsat-TM/ETM和Landsat 8遥感影像数据解译获得,空间分辨率为1 km。数据以省/市为单位下载,通过ArcGIS10.4做拼接和重分类预处理,并转换为TIF和ASCII码格式为GI识别和预测做准备。辅助决策数据主要来源于《中国城市统计年鉴》、《北京统计年鉴》、《天津统计年鉴》、《河北统计年鉴》。

1.3 研究模型框架

已有GI时空演化研究较多的停留在对历史和现状特征的探讨阶段[24—25],少量文献关注和探讨GI的预测问题[26],而对GI未来发展态势缺少预见性不利于国土空间规划的调整和实施。Cellular Automata-Markov (CA-Markov)是土地利用覆被数据预测时应用最广泛的模型[27]。为了建立既可以分析过去、诊断现在,也可以预测未来的一体化方法,本研究充分考虑GI的未来发展态势,从土地利用数据预测、GI识别提取和时空双维度演变格局分析三个维度构建研究模型框架,如图1所示。首先在历史数据的基础上采用CA-Markov模型预测研究区2025和2030年土地利用数据,实现历史→现状→未来的时间线串联;其次,基于土地利用数据采用MSPA实现GI识别提取;最后在空间分析方法、变化率指数和景观格局指数的辅助下实现GI长时序的时空双维度定量分析。

图1 研究模型框架Fig.1 Research model frameworkCA:元胞自动机 Cellular automata; CA-Markov Model:元胞自动机-马尔科夫模型Cellular Automata-Markov model; GI:绿色基础设施 Green infrastructure; MSPA:形态学空间格局分析 Morphological spatial pattern analysis

1.3.1CA-Markov

元胞自动机(Cellular Automata, CA)模型是一种状态、时间、空间均为离散状态且动态性较强的网络动力学模型,该模型结合元胞空间内各个元胞目前的状态,通过转换规则预测下一时间段元胞的状态[28]。Markov模型是研究中另一种常用的模型。该模型通过研究随机事件发生的可能性及变化规律来预测未来某时刻的状况,其主要根据上一时间区间内情景系统中不同的起始概率和状态转移矩阵预测该情景系统下一时间区间的发展状态[29]。CA模型可将预测数据和变化趋势在空间上做出表达,但无法定量反映邻域对中心元胞的影响程度,而Markov模型在数量预测上有更大优势,但无法在空间上表达[30]。为了使预测结果能在时、空两个维度表达,研究选用CA-Markov模型实现数据预测。预测过程对模型参数进行特殊优化设置,其中适宜性图集的制作考虑到“三区三线”、地势起伏、规划数据、河流水系四种因子,通过布尔交叉法实现数据的叠加计算。

1.3.2MSPA参数设置

MSPA是一种以数学形态学为基础理论识别GI类型的方法[31],根据研究区自身概况,把GI细分类为核心、孤岛、边缘、穿孔、连接桥、环和分支七种类型[32],如表1所示。研究是在GuidosToolbox 3.0软件的支持下进行GI识别分类,该工具由欧盟委员会联合研究中心设计和更新[12]。首先对土地利用数据进行重分类,将建筑用地(城乡、工矿、居民用地)和未利用地设置为背景数据,林地、耕地、草地和水域设置为前景数据,将重分类后的土地利用数据作为上述软件的输入数据,选取GI识别结果较好的参数组合完成实验,具体将Foreground Connectivity 参数设置为8,EdgeWidth参数设置为1,Transition参数设置为1,Intext参数设置为1。

表1 GI类型及其生态学含义

1.3.3GI演变特征测度指数

考虑到GI的面积和空间结构变化两方面,选用变化率指数和景观格局指数探究GI时空演变特征,指数的选取和定义主要参考文献[33—34],具体如表2所示。

表2 GI面积变化和景观格局测度指数含义及计算公式

2 结果与分析

2.1 土地利用模拟预测分析

为了验证CA-Markov模型预测研究区土地利用数据的可行性,首先使用该模型预测了2015和2020年研究区的土地利用数据,与实际数据对比进行精度验证,kappa系数分别为0.8124和0.8077,精度满足要求,可见CA-Markov模型可用于研究区土地利用的模拟预测。如图2所示,2025和2030年京津冀的土地利用格局整体保持相对稳定状态,林地和草地交错分布在研究区东北部和西部边界处,耕地主要分布在东南部地势平坦区域,城乡、工矿、居民区用地主要集中在北京市、天津市、唐山市等市中心区域,该类型在2025—2030年有小幅度扩张。

图2 2025年和2030年土地利用分布图Fig.2 Land use distribution map for 2025 and 2030

2.2 GI时空双维度演化格局

2.2.1GI时间演化特征

从时间维度视角分析,如表3所示,2000—2020年GI总面积占研究区面积的86.60%—90.82%不等,占比呈现逐年下降趋势。2000年GI总面积占比为90.82%,到2015年时占比为89.57%,下降约1.25个百分点,2015—2020年占比下降幅度较大,约为3个百分点,2020年GI总面积占比仅为86.60%。从GI各类型角度分析,核心面积较大,约占GI总面积的60%,由核心的生态学含义可知,研究区分布有连片大面积的绿色空间;其次,面积占比较大的是连接桥、边缘和穿孔,分别为15%、10%和5%左右,连接桥等要素的存在,增强了GI生态网络的连通性,也保证了研究区内绿色空间的整体性;此外孤岛、环和分支占比相对较小,仅为0.06%,2.50%和1.50%左右。

表3 京津冀2000—2030年GI各类型面积及占比/km2

2025、2030年GI的总面积占研究区面积的比例仍然呈现下降趋势。核心面积占比有明显提高,相比2020年,2025年占比提高26.08个百分点,为83.12%。2030年,核心面积占比达到84.04%,主要受到新版国土空间规划实施的影响。连接桥和边缘的面积占比明显减小,相比于2020年,2025年连接桥的面积占比下降19.77个百分点,仅为0.77%,边缘的面积占比下降约7.45个百分点,为3.25%,2030年时,连接桥和边缘的面积占比仍然呈现下降趋势,分别为0.69%和2.61%。由此可知,GI作为一个整体的生态网络,其核心面积的增大,会使得承担连通作用的连接桥和具有边缘效应的边缘面积逐渐减少。

2.2.2GI空间演化特征

从空间维度视角分析,如图3所示,2000—2020年,核心主要分布在研究区的北部、西北部和西部边界处,其中承德市和张家口市的核心分布面积广,而连接桥、分支和孤岛等类型主要分布在研究区的南部、东部和东南部,包括天津、廊坊、邢台东部、邯郸东部等。核心与其他类型之间出现明显的分界线,对比图3可知,分界线与200 m高程线高度一致。研究区地势呈现由西北向东南倾斜的阶梯状,西北部地势较高,林地占比较大,绿色斑块面积较大,核心分布广泛,而东南部地势相对平坦,适宜耕种和开发,斑块面积较小,容易形成环、连接桥和孤岛等类型,导致分界线较明显。从背景区视角分析,北京、天津和唐山等城市中心的背景区呈现不断扩张的态势,2015年和2020年的GI空间分布显示,保定、石家庄、邢台和邯郸四个城市中心的背景区面积也逐渐增大。如图3所示,随着时间变化,东南部GI呈现逐渐破碎化的状态,但连接桥逐渐增加,体现了连接桥在GI生态网络中的重要作用。

图3 2000—2020年GI各类型空间分布图 Fig.3 Spatial distribution map of various types of GI from 2000 to 2020

如图4所示,2025、2030年研究区GI的分布特征发生显著变化,核心和其他GI类型之间无明显分界线,广泛分布在张家口、承德、廊坊、沧州、衡水、邢台和邯郸等地,且斑块面积增大,连通性增强。连接桥、边缘和环等其他类型分散分布在各核心之间。2000—2020年研究区东南部的绿色空间虽分布广泛,但由于其斑块面积小,连通性较弱,被识别为连接桥、边缘、环、穿孔、分支和孤岛类型,而随着国土空间新规划政策的出台和实施,GI受到保护,斑块边界外延,面积不断增大,被识别为核心。但值得注意的是,北京、天津、唐山、廊坊、保定东、石家庄东、邢台和邯郸城市中心的背景区面积扩大趋势明显,由此可见,城市中心的GI优化是增强GI生态网络整体性、充分发挥GI生态作用的关键。

图4 2025年和2030年GI各类型分布图Fig.4 Distribution of types of GI in 2025 and 2030

2.3 变化率和景观格局指数分析

2.3.1变化率指数分析

从时间维度视角分析,如表4所示,GI各类型的单一变化率指数呈现先稳定后波动的变化趋势,2000—2005年、2005—2010年、2010—2015年三个时段的变化率较平稳,2015—2020年、2020—2025年和2025—2030年变化率指数出现明显的变化波动。另外,孤岛的变化率指数变化波动最大,呈现降—升—降的变化趋势,变化率指数最大为21.99%,最小为-0.72%。不同类型在整个生态网络中的作用不同,其稳定性也存在较大的差异[26]。GI 综合变化率指数整体呈现先上升后下降的变化趋势,前三个时间段分别为0.27%,0.14%和0.18%,变化率较小;而2015—2020年和2020—2025年的综合变化率指数明显增加,分别为4.74%和4.14%,与GI各类型在该时间段内单一变化率指数变化保持一致;到2025—2030年时,变化率下降3.04个百分点,为1.10%。

表4 京津冀城市群2000—2030年GI各类型单一、综合变化率指数

2.3.2景观格局指数分析

从时间维度视角分析,如表5所示,各景观格局指数在2020年或2025年呈现变化拐点,与上述GI的时间变化特征和变化率指数特征保持一致。斑块密度、最大斑块指数、Shannon′s多样性指数和Shannon′s均匀度指数均在2020年增大。2000—2020年,斑块密度由0.0731增至0.0864,到2025年,又减少至0.0244;2000—2015年,最大斑块指数由38.6623变为38.7098,而到2020年时,增至45.5810,相比于2015年,增幅约为17.75%;Shannon′s多样性指数和Shannon′s均匀度指数在2000—2020年呈现增加的趋势,在2020—2030年则呈现减小的变化趋势。由此可见,研究区GI的景观格局在2015—2020年受到破坏,到2020年时景观破碎化程度较高,2020—2025年GI的景观格局指数变化较大,景观格局状态逐渐恢复,到2030年时GI连通性得到改善。

表5 京津冀城市群2000—2030年GI景观格局指数

为了进一步探究各城市GI在景观格局破碎化严重年份的差异性,选取2020年斑块密度和Shannon′s多样性指数进一步分析。如图5所示,廊坊、衡水、邢台和沧州等市的斑块密度较大,GI破碎化程度较高,而承德市、秦皇岛市和张家口市的斑块密度较小,GI破碎化程度较低,同时,承德市和张家口市的Shannon′s多样性指数较小,与常玉旸的研究结果保持一致[35]。虽然2020年研究区GI的景观格局整体破碎化较为严重,但承德市、张家口市和秦皇岛市的GI连通性和稳定性保持良好的状态(图3)。三座城市接壤分布在研究区的北部和西北部(图3),所处地势较高,相比地势低的平原地区,该区域建设用地开发适宜度较弱,更有利于林地和耕地的保持[21,35],大面积的树林和作物形成GI自然联动区域,在快速协同发展过程中具有一定的自我保护和自我调节能力。因此,在GI规划和优化过程中需注重GI生态网络和自然联动区的构建。

图5 2020年研究区各城市PD和SHDI柱状图Fig.5 Histogram of PD and SHDI of cities in the study area in 2020PD:斑块密度 Plaque density; SHDI:Shannon′s多样性指数 Shannon′s diversity index

3 讨论

3.1 京津冀城市群协同发展影响GI格局演变

京津冀区域合作最早于1986年提出,2009年左右三地对该合作发展达成共识并全面启动,同时关于京津冀区域发展的规划也于2014年完成编制[36]。在此阶段内,各区域间协同发展进程推动缓慢,使得2000—2015年GI总面积、核心区面积和各景观指数指标处于相对平稳状态,如图6所示。2015—2020年京津冀协同发展上升为国家发展战略,为保证区域协同和经济发展,用地类型相互转换速度加快,GI各指标出现明显的变化拐点,总面积和核心区面积均呈现明显的下降趋势,变化率随之变动,景观破碎化明显加剧(图6)。此结果与已有研究保持一致,交通、工业和居民区用地的扩张占用了耕地、林地、草地等绿色空间[23,37],导致GI波动明显。从人地关系的视角出发,人类和社会因素对GI格局的影响远大于自然因素,建设用地扩张、人口增长、法律政策和规划建议是影响GI的主要人为因素[38],这也是京津冀城市群协同发展进程推动越快GI变化越明显的原因。按照国家战略发展要求,2020—2030年京津冀城市群需继续以疏解北京非首都功能为目标,实现世界级城市群的发展,逐渐完成“十四五”规划和国土空间规划的实施和落实。研究表明未来研究区建设用地的扩张将侵占城乡边缘地带的耕地和绿地[27],导致GI面积及各指数的波动变化(图6),也导致背景区的扩张。

图6 京津冀城市群协同发展进程中GI指标变化图Fig.6 Indicator change of GI in the process of synergistic development of Beijing-Tianjin-Hebei urban agglomeration

3.2 京津冀城市群GI优化启示

(1) 政策导向,规划先行

京津冀城市群协同发展进程的推进直接影响GI各指数的拐点变化,两者存在明显的对应关系,政策因素是影响GI合理布局和向好发展的关键因素。目前中国追求低碳排、重治理、优环境、高质量的发展模式,这将给研究区GI的优化和治理奠定政策基调。由图3和图4可知,城市中心和研究区东南部是国家政策关注的重点。作为首都经济圈的京津冀城市群,其发展需以国家政策为导向,结合自身经济、文化、生态和区位发展状态和本底概况,制定适宜研究区GI发展的政策,并结合国土空间规划过程中划定的“三区三线”做好GI规划,重视未利用地的“返绿”行动和行道树的种植,切实保证GI生态网络的整体性,增强其在城市内部的连通性。

(2) 常态评估,精准优化

城市群的可持续发展是多层次和多维度的复杂问题,国内外相关研究从经济、社会、人口和生态环境四个视角选择指标定期评估城市和城市群发展状态和阶段,及时对发展过程中呈现的问题做出响应[39]。GI作为城市中自然和半自然绿色空间的集合,能提供丰富的生态服务功能,其面积占比、景观格局指数、人均GI面积等可以纳入生态环境指标来评估城市的可持续发展状态[40]。另外,城市群的发展强调各城市间的融合和协同,但各城市实行同一GI优化策略,则缺乏适宜性和严谨性。将研究区分为现状保持区、优化提升区和连通性增强区三大区域,如图7所示。现状保持区包括张家口市、承德市和秦皇岛市,该区域GI分布面积广,核心面积占比较大,因此该区域内保持GI的分布现状是实现其生态功能和社会功能的根本任务。优化提升区包括北京市、唐山市和天津市,该区域内城市中心GI的分布面积严重不足,直接影响GI的整体性和连通性,因此注重城市内部森林公园建设、居住区绿化设施的规划和道路两侧行道树的种植是该区域优化的首要方案。连通性增强区主要包括研究区南部的保定市、石家庄市和邯郸市等七个地级市,在该区域内GI的分布较为广泛,但景观格局破碎化较其他两个区域严重,因此增强GI间的连通性是解决本区域问题的根本方法。

图7 京津冀GI区域协同优化分区 Fig.7 Regional synergy optimization partition of GI in Beijing-Tianjin-Hebei

4 结论

本文基于CA-Markov、MSPA和景观格局分析方法等构建了集土地利用数据预测、GI识别提取和时空双维度演变格局于一体的研究模型框架,以资源环境科学与数据中心网站提供的长时序、解译精度高且范围广的土地利用遥感监测数据为数据保障,并以京津冀城市群为案例区进行模型运用和GI时空演变规律探索。得到以下结论:

(1)该模型框架可从历史、现状和未来长时序的角度实现GI的预测和时空双维度演化分析,整合串联了研究时间,增强了数据的连续性。模型技术的组合和重要过程参数的设置可以提高GI数据获取效率,可满足快速且大范围的GI检查、评估和治理的研究需求。同时逻辑思路的明确性、数据的可获得性、操作步骤的简单性等提高了模型框架的可复制性,在国土空间评估大框架内可实现快速推广和实践。

(2)2000—2020年,GI面积占研究区总面积的占比86.60%—90.82%不等,呈现逐年下降趋势;核心约占GI总面积的60%左右,主要分布在北部、西部和西北部,其他类型占比较小,主要分布在南部、东部和东南部;2020—2030年,GI的总面积仍呈现小幅度下降趋势,核心面积占比增长幅度较大,连接桥和边缘的面积下降明显。

(3)2015—2020年和2020—2025年GI变化波动大,2020、2025年GI各指数出现变化拐点,这主要受到《京津冀协同发展规划纲要》、生态文明建设、“十四五”规划和新版国土空间规划实施等国家政策的影响。

(4)城市群协同发展进程推进与GI的变化拐点和格局演变存在明显的对应关系,主要体现在2015—2020年和2020—2025年, 此时间段内 GI变化率和景观格局指数变化波动较大;结合研究结果文章得出“政策导向,规划先行”和“常态评估,精准优化”的京津冀城市群GI优化启示。

GI作为城市群中重要组成部分,不仅关系着城市群的环境质量和城市宜居性,也会进一步影响城市群“双碳”目标的实现,因此,城市群GI和碳之间的关系研究还有待探索[1]。就我国城市群尺度的研究而言,不同城市群之间GI特征变化是否存在共性问题,GI类型如何组合和布局可以更好的在城市群中发挥生态和社会作用,城市群中不同城市之间的GI如何贯通和联合等问题亟待研究。