宋 爽,石梦溪, 胡珊珊,王韶晗, 许大为
(东北林业大学园林学院，黑龙江省寒地园林植物种质资源开发与景观生态修复重点实验室，黑龙江 哈尔滨 150040)
2009年出台《国务院关于振兴东北老工业基地的措施》的政策，东北地区城镇化与资源型城市转型速度进一步加快，与此同时也带来了诸多生态环境问题。新形势下城市可持续发展势必对东北地区城市蓝绿空间发展与管理提出更高要求[1-3]，对其演化特征及驱动机制的针对性研究不仅能够为生态环境保护提供重要的理论支撑，对于推动东北地区全面可持续发展同样具有重要战略意义。蓝绿空间与传统的城市绿地有所不同，它是一个由园林绿地、城市森林、立体空间绿化、都市农田和水域湿地等构成的网络系统，是城市空间的重要组成部分[4]。城市蓝绿空间因与人类生活空间密切相关，其系统性、多样性及连通性在很大程度上受到人类活动干扰，呈现出动态性特点，其时空演变已成为多个学科的研究热点[5]。以往的研究主要集中在以下3个方面：基于图论原理和算法，分析城市蓝绿空间斑块规模、数量和空间分布的动态变化，诊断并优化蓝绿空间连通性[6-7]；
运用景观格局指数和缓冲区分析，定量分析城市蓝绿空间时空演变过程[8-9]；
采用景观破碎化模型评价蓝绿空间破碎化程度，并通过转移轨迹法分析其动态变化[10]。总体看来，当前蓝绿空间演变研究集中于规模、分布、景观等空间表征，使得城镇化背景下蓝绿空间变化过程的准确判断缺乏信息支撑，不利于城市蓝绿空间规划建设与优化调整。
在蓝绿空间演变机制方面，学者们最初通过遥感影像分类和景观格局度量，以定性和定量分析相结合的方法，探讨不同尺度下景观格局演变的驱动因素与变化机制[11]。纵观已有的研究成果，城市景观系统演变是融合多种驱动因子共同作用的复杂变化过程，研究方法大致可分为线性模型和非线性模型两类[12-13]。常见的线性模型主要包括多元线性回归模型、多维灰色GM(1, N)模型、主成分分析、Logistic回归模型、关联性分析等，线性模型实质上用于对线型变量之间相关作用及关系进行研究，通常适用于时间序列层面的经验研究，并没有考虑解释变量的空间相关性[14-15]。非线性模型主要包括人工神经网络、核学习机、随机森林、支持向量回归等，但存在忽视线性关系、过度学习和参数物理意义不明确等问题，结果有一定局限性[15-18]。空间计量模型在考虑自变量和因变量空间相关性的基础上对一般线性回归模型进行改进[19-22]，引入空间权重矩阵使回归估计系数更加精确，它包括空间滞后模型(SLM)和空间误差模型(SEM)两种模型，能够有效表征和刻画因变量与自变量的空间相关性[23-24]。因此，将空间计量模型引入城市蓝绿空间演化驱动机制能进一步有效提高研究精度与可靠性。
哈尔滨地处东北亚中心地带，是东北地区重要的中心城市，也是国家重要的制造业基地及沿边开发开放中心城市。随着城镇化进程加快，其建成区面积不断扩展，生态环境问题日益突出[25]。近年来, 已有不少学者对哈尔滨快速城镇化过程及由此带来的城镇用地扩张、景观格局演变等进行了研究，而对快速城镇化背景下哈尔滨蓝绿空间进行系统、动态的时空结构演变研究还相对较少，对于其蓝绿空间演变驱动机制的针对性研究还很缺乏。鉴于此，本研究选择城镇建设活动较频繁、人口较为密集的哈尔滨中心城区作为研究区，以1981—2020年5轮城市总体规划年份节点为依据设定具体研究年份，尝试在系统分析蓝绿空间演化特征的基础上，运用空间计量模型探究其驱动机理，以期为东北地区城市蓝绿空间优化与区域可持续发展提供依据与支持，也为同类型城市蓝绿空间规划与管理提供借鉴。
1.1 研究区概况
哈尔滨地处黑龙江省中南部(125°42′～130°10′E, 44°04′～46°40′N)，全市总面积约为53 840 km2。属中温带大陆性季风气候，年均气温约3.6 ℃，冬季漫长寒冷，夏季短暂凉爽，平均年降水量为569.1 mm，主要降水月份6—9月,降雨量占全年的60%，降雪主要集中月份为11月至次年1月[26-27]。整体地势东高西低，东部地区山地、丘陵居多，西部以平原为主。根据《哈尔滨市城市总体规划(2011—2020)》(2017年修改稿)(http://www.harbin.gov.cn)，其中心城区具体范围包括：道里区、道外区、南岗区、香坊区、平房区、松北区的行政辖区，呼兰城区和阿城城区部分区域，总面积约为4 187 km2[27]。
1.2 数据来源与处理
研究使用的1981年、1996年、2004年、2011年、2017年、2020年6期研究区土地利用数据集(30 m×30 m)来源于中国地理国情数据云平台(http://www.dsac.cn)，参考GB/T 21010—2007《土地利用分类》标准，土地利用类型被重新划分为耕地、林地、草地、水域及湿地、建筑用地、未利用地6类。人口和地均GDP公里网格数据(1 km×1 km)、气象数据(1 km×1 km)来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn)，高程来自地理空间数据云(http:∥www.gscloud.cn)ASTERGDEM数据集，并从中提取坡度。土壤数据来自世界土壤数据库(HWSD)中国土壤数据集(v1.1)(1 km×1 km)，社会经济数据主要通过哈尔滨市统计年鉴和哈尔滨社会经济公报获得。
1.3 研究方法
1.3.1 土地利用转移矩阵
土地利用转移矩阵可以有效地将两个时期不同地类之间的相互转换关系通过矩阵形式加以列出，能够详细反映出地类变化特征及地类之间流向，将各地类之间的相互转化状况定量化[28-29]。具体公式如下:
(1)
1.3.2 梯度演化分析
按照城乡一体、协调发展的方针政策，《哈尔滨市城市总体规划(2011—2020)》(2017年修改稿)将哈尔滨市中心城区总体布局规划为以主城区为中心、圈层逐级拓展的城镇空间结构，可以将其看作同心环形的城市发展模式。本研究的梯度分析从中心向四周推绎，设立同心梯度环带。具体以1981年城市建设用地重心为圆心，考虑到城市主要交通环线的间距约为2.5 km，因此将每个环带跨度定为2.5 km，研究区共划分24个梯度环带(环带号为1—24)，进行蓝绿空间梯度演化分析(图1)。
1.3.3 蓝绿空间演化模式分析
参考Liu等[30]利用景观扩展指数(LEI)量化城市扩展的研究方法，本研究采用斑块变化指数(patch reduction index，PRI，式中记为IPR)表征城市蓝绿空间收缩演化模式。PRI可以表征更深入的斑块格局和时间动态信息。除了识别斑块收缩的类型，PRI还可以用来描述两个或两个以上时间点内的景观变化过程。根据PRI蓝绿空间收缩模式分内吞式、边缘式、飞地式3种[30-33](图2)。
IPR=AO/(AO+AP)×100。
(2)
式中：IPR为蓝绿空间斑块变化指数；
AO为斑块范围内缩减的斑块面积；
AP为缩减后斑块的剩余面积。IPR∈[0，100]，且当IPR=0时，蓝绿空间为飞地式(outlying)；
IPR∈(0，50]时，蓝绿空间为边缘式(edging)；
IPR∈(50，100]时，蓝绿空间为内吞式(endocytosis)。
1.3.4 蓝绿空间演化驱动机制
1)空间误差模型(SEM)。数据存在测量误差或忽略某些变量会使模型误差项之间存在空间相关性，即SEM模型假设因变量之间不会直接产生影响，空间自相关来源于误差，它能够衡量相邻地区因变量的误差项对观察值的影响方向和大小[34-35]。其表达式为：
Y=Xβ+λWμ+ε。
(3)
式中：Y为因变量；
X为自变量；
β为预估参数；
λ为空间自相关系数，衡量样本间的空间依赖作用；
W为n×n阶权重矩阵；
μ为空间误差项；
ε为随机误差项。
2)空间滞后模型(SLM)。也称空间自回归模型，主要考察因变量在空间上是否有溢出效应，验证因变量在某地区的扩散现象，可以很好地通过计算空间相关系数衡量空间相关的方向和大小[35-36]。其表达式为：
Y=ρWy+Xβ+ε。
(4)
式中：Y为因变量；
X为自变量；
ρ为空间自回归系数参数，受W矩阵的影响；
W为n×n阶权重矩阵；
y为空间滞后项；
β为预估参数；
ε为随机误差项。
驱动影响城市景观变化的因素具有多样性和复杂性，参考已有研究[36-38]，并考虑数据获取性和科学性原则，从社会经济、自然两方面因素共选择12个因子进行研究区蓝绿空间演变驱动机制分析。社会经济因素包括：人口空间分布、人均GDP、第三产业GDP占比、城镇化率、绿化投资额、林业投资额、农业总产值。自然因素包括：DEM、坡度、土壤有机碳、年平均气温、年降水量。其中，人口、GDP与城镇化率是最常用的社会经济驱动因素，产业占比不同会造成产业间形成的前后向有机联系的产业链结构变化，最终对城市景观演变产生内在驱动力。绿化投资额、林业投资额与农业总产值则是从不同角度调控、引导着蓝绿空间的变化。高程、坡度等自然条件对景观格局的形成、发育和变化具有重要的约束作用。此外，自然因素中还包括诸如地质灾害、气候变化、火灾和洪涝等自然灾害因子，本研究的主要目的是为探究1981—2020年研究区蓝绿空间演化特征与驱动机制，因此在研究过程中不考虑自然灾害因子导致的突发性变化。
2.1 蓝绿空间土地利用变化特征分析
1981—2020年，研究区耕地面积减少最多，达288.672 3 km2，减幅9.559 0%，主要转换为建设用地、水域及湿地(表1)。其中，转化为建筑用地的面积为297.553 5 km2，是研究区面积最大、分布最广的土地利用转移类型(图3)。2004年，政府提出“北跃西扩、南延东优、中兴外联”的空间发展策略，城市主建筑区外围耕地开始被建筑用地大量占用。2007年“东优”得到全面发展，城建规模进一步加速扩展，城区建设由圈层蔓延转为轴向拓展，由紧凑团块走向分散组团，导致呼兰、松北等新区主建筑群四周耕地同样被建筑用地不断取代[26]。耕地转化为水域及湿地主要分布在松花江北岸，2006年哈尔滨市政府实施松花江沿岸原生态“万顷松江湿地，百里生态长廊”方案，使得包括松花江河道内的狗岛河滩地、前进河滩地、道里区与松北区交汇的阳明滩湿地等在内的多处湿地完成退耕还湿工作。
表1 1981—2020年研究区土地利用转移矩阵
水域及湿地面积减少次多，为25.398 9 km2，减幅4.7187%，主要转移方向为耕地和建筑用地，面积分别为25.588 8、18.390 6 km2。水域及湿地转化为耕地主要分布在松花江沿岸两侧，长期以来受建设用地扩张、生产生活方式、上流水源及气候等多重因素影响，松花江沿岸两侧河流湿地出现不同程度的断流干涸，这些区域成为开垦耕地的首选[27]。同时，沿河缓冲带的缺失加速了水域及湿地被耕地取代。水域及湿地转化为建筑用地则主要由于政府推行的“北跃”政策加大了对松花江北岸的开发利用，致使大量湿地被侵占。另外，随着城市扩张，水域及湿地渐渐担负起城市的多重生态功能，一些沿江区域被开发作为居住区的景观带，其生态网络连通性被大量人工景观严重破坏，其中以松北内河表现最为明显[39]。此外，研究区水域及湿地还未形成统一的管理体系，松江、“三沟”等主要河流廊道仍采用分辖区分段式管理，存在管理职责不清等问题也是导致水域及湿地不断被侵蚀的原因。
林地减少面积为15.242 4 km2，主要转化为水域及湿地、建设用地，分别为8.953、5.253 3 km2。其中，林地在1996—2004年缩减最为严重，主要转化为水域及湿地，这主要与这一阶段研究区降水[26]直接相关，导致呼兰区与道外区交界处的松花江下游沿岸地势低洼地区林地逐渐转化为水域及湿地[40]。之后伴随《全国生态环境建设规划》在哈尔滨市内整体经济与社会发展规划中的落实[27]，2004—2017年间研究区林地面积缩减现象得到遏制。近几年来由于“耕地保护”及“生态红线”划定等政策的实施，研究区外围耕地得到较好保护，但为适应城市发展和城市内部土地集约利用，使部分林地转变成为建设用地。
草地面积有所增加，增加面积为2.124 9 km2，主要来自耕地、水域及湿地的转入，转入面积分别为3.380 4、3.523 5 km2。2004年以来，伴随城市旧城改造及人居环境建设规划的实施，使研究区草地面积有所提升[27]。另外，《哈尔滨市城市总体规划(2011—2020)》提出至2020年形成“环状-楔形放射-格网”点、线、面相结合的绿地网络系统，并对研究区绿地率、人均绿地面积等指标提出了具体要求，这进一步促进了草地面积的增长[41]。
2.2 蓝绿空间梯度演化分析
研究区蓝绿空间占比大致由中心向外部环带递增，至14环带蓝绿空间占比基本稳定，23环带出现小幅度下降(图4)。与1981年相比，2020年环带涉及区域蓝绿空间的面积百分比都呈减小趋势，减少范围主要集中在1—9环带；
在15环带，即紧邻松北区、阿城区的城乡过渡区外围环带蓝绿空间占比减少幅度达到最小。
由各类蓝绿空间梯度分析结果可知(图4)，研究区耕地在7—9近郊环带占比较大，外围环带占比有所波动但变化幅度不大；
由于阿城区东部山地、丘陵区有大量林地分布，林地占比在21环带比重出现陡增；
1981年草地占比峰值出现在18环带，环带所处的松北区包含丰富的草地资源，2020年主城区人居生态环境建设使草地占比在第4环带出现另一峰值。水域及湿地的占比在梯次分布上整体呈现倒“U”形分布趋势，这与松花江、阿什河、呼兰河等研究区主要河流在各环带上面积分布趋势一致。两时期相比较：耕地占比在1—10环带有较明显的减小，这是城市建筑用地、绿化用地挤占造成的直接结果，在近郊平原区及远郊区耕地占比几乎无变化；
林地占比在1、16环带上减少面积最大，前者位于城市中心，后者紧邻松北新区主要建设用地外围；
草地占比在第4环带主城区梯次环范围内大幅度增加，14—18环带占比出现下降，主要覆盖范围是中心城区近郊及阿城和呼兰等新区建筑用地主群；
水域及湿地占比减少主要发生在4—7环带，这些区域受城市建设用地扩张的影响，多处河道、沿河缓冲带等被截断、侵占，导致水域湿地占比的减少。
2.3 蓝绿空间收缩演化模式分析
1981—2017年研究区蓝绿空间演化分为4个阶段，收缩演化模式均以内吞式为主，下垫面的斑块数量占比分别为61.90%、66.67%、33.33%和23.64%，面积占比分别为79.34%、95.90%、82.68%和92.26%(表2)，长时段的内吞式收缩对研究区蓝绿空间内部连通性必然会造成巨大影响，这在其他学者的研究中也得到验证[7,32-33]。
表2 各阶段蓝绿空间收缩演化模式斑块数量及面积占比
1981—2017年研究区边缘式收缩的斑块数量占比呈上升状态，面积占比呈波动化态势，表明边缘式收缩趋于分散化，更多蓝绿空间斑块受到边缘式侵蚀。飞地式占比在这4个时间段面积和数量占比都为最低。2017—2020年研究区蓝绿空间收缩演化模式出现较大转变，边缘式收缩成为主要形式，其斑块面积和数量占比分别为85.58%和56.41%，内吞式收缩的斑块面积占比降至2.40%，数量占比降至12.82%。飞地式收缩的斑块在面积和数量上也增至各阶段最大值，许多独立的蓝绿空间斑块被蚕食侵占。其中，伴随城市发展，内吞式收缩由发展较成熟的城市中心建筑用地内部单元向主城区南部边缘、松北、呼兰及阿城新区等地区扩散，具有明显的由中心向外围转移的趋势(图5)，造成这些区域内部蓝绿空间破碎程度不断加剧。边缘式主要集中分布在松北新区、阿城区中心及道里老城区边缘，在主城区建筑用地外围和道里、道外区及呼兰新区远郊分布有小面积分布。飞地式均匀零散出现在各区建设用地斑块内部。
2.4 蓝绿空间演化驱动机制
运用GeoDa095i软件对SEM模型和SLM模型进行估计检验(表3)，基于拉格朗日乘数(LM)和稳健拉格朗日乘数(robust LM)可以判断SEM模型的拟合程度更好[14-15]。同时，SEM模型的拟合优度(R2)与似然比率(LR)要高于SLM模型，赤池信息准则(AIC)和施瓦茨准则(SC)小于SLM模型，说明SEM模型可较好地拟合数据的全局性结构，更适合对蓝绿空间驱动机制的研究[18-20]。因此，本研究选择SEM模型对研究区蓝绿空间演变相关统计数据进行回归分析。
表3 空间计量模型检验
根据耕地演化驱动回归分析结果(表4)，社会经济因素中农业总产值是耕地演化最重要的正向驱动因子，且在5%显著性水平下显著，相关性系数为0.110 9。人口空间分布与城镇化率是对耕地演化产生负向影响的主要因子，相关性系数分别为-0.372 4和-0.158 4，均在1%显著性水平下显著。研究期间，伴随研究区城镇化进程及人口持续增加，对物质产品需求的提升导致大量的城市建设需求，也就是土地需求量的增加，人类通过改变土地利用类型来满足自己对生存环境的诉求。这直接导致研究期间哈尔滨市建成区大规模向外围新区扩展，主城区边缘成为疏解中心区域人口和土地压力的区域，原本的耕地被大量占用，使得耕地面积急剧减少。自然因素驱动回归分析中，土壤有机碳是耕地演化最重要的正向驱动因子，相关性系数为0.362 9，年平均气温负向驱动作用最强烈，两者均在5%水平下显著。研究表明高程越高、坡度越大及年平均气温越高的区域，在一定程度上不利于大面积的耕种。土壤有机碳是农田生态系统物质和能量循环的重要基础，土壤有机碳含量高的区域更利于耕地可持续发展[42]。
表4 研究区蓝绿空间演变驱动因素的回归结果
林地演化驱动回归分析中，人口空间分布和林业投资额是对林地演变正向驱动作用最强的社会经济因子，显著性水平均达到1%，相关性系数分别为0.184 0和0.716 2。与林地演化呈负相关的经济社会驱动因子有第三产业GDP占比和农业总产值，其中，农业总产值对林地演化作用不显著。人口空间分布及林业投资额的提升对研究区人居绿化条件提出更高要求，城市公园、森林植物园等公共绿化环境建设力度加大，城市林地面积随之增加[39-40]。自然因素中，高程(DEM)是林地演化的最强正向驱动力，相关性系数为0.493 9，其次是土壤有机碳，两者均在10%水平上显著；
坡度则为林地演化的主要负向驱动因子，相关性系数为-0.320 1。研究表明，林地多分布在年平均降水量大、高程高、土壤有机碳含量高和平均气温高的区域，这些自然因素对林地斑块面积扩展具有一定的促进作用。
草地方面，社会经济因素中人口空间分布、第三产业GDP占比及城镇化率均对草地演化产生显著影响，显著性水平均达到1%。城镇化率是驱动草地演化最重要的正向驱动因子，相关性系数为0.692 0，农业总产值是最重要的负向驱动因子，相关性系数为-0.158 3，但其未通过显著性检验。哈尔滨中心城区草地多来自城市居住区和公园，因此，城镇化率的提高必然带来研究区草地斑块数量及面积的增长[41]。自然因素中，除坡度外，其他因子均通过显著性检验。土壤有机碳和年降水量对草地演化产生主要的正向影响，相关性系数分别为0.274 5和0.101 8，且在10%水平上显著；
DEM对草地演化的负向驱动影响最强烈，相关性系数为-0.320 1，在5%水平上显著。
水域及湿地演化驱动回归分析中，第三产业GDP占比是驱动其正向演化的最大驱动力，相关性系数为0.532 8，在1%水平上显著。农业总产值对水域及湿地负向演化驱动影响最强烈，相关性系数为-0.384 0，但其未通过显著性检验。由于农业灌溉用水是研究区水资源消耗的重要方式，农业总产值的提升间接带来用水需求量增大，成为水域及湿地面积减少的重要原因[41]。自然因素方面，除年降水量外，其他自然因素与湿地及水域演化都成负相关，其中，DEM是水域及湿地演化的主要负向驱动因子，相关性系数为-0.2943，并在10%水平上显著。相关研究表明，年降水量对湿地及水域斑块面积具有一定的促进作用，而高程越高、坡度越大、年平均气温越高、土壤有机碳含量越多的区域，则对湿地及水域面积起到一定的抑制作用[36,42]。
1)1981—2020年，哈尔滨中心城区耕地、林地、水域及湿地面积均发生缩减，耕地面积减少最多，达288.672 3 km2，主要转换为建设用地、水域及湿地。其中，转换为建筑用地的面积为297.553 5 km2，是研究区面积最大、分布最广的土地利用转移类型。水域及湿地面积减少25.398 9 km2，主要转为耕地及建筑用地。林地面积减少15.242 4 km2，主要转为水域及湿地、建设用地。草地面积有所增加，主要来自耕地、水域及湿地的转化。政府颁布的相关土地利用政策与城市规划方案是研究区蓝绿空间演化驱动的基础。
2)哈尔滨中心城区蓝绿空间占比大致由中心向外部环带递增，至松北区近郊环带趋于稳定。从1981年和2020年对比来看，样带涉及区域蓝绿空间的面积百分比都呈减小趋势。耕地占比在主城区有明显的减小；
林地占比城市中心及邻松北新区主要建设用地外围出现小幅度减少；
草地占比在主城区范围有所增加。水域及湿地占比减少主要发生在主城区以及近郊地带。
3)1981—2017年，哈尔滨中心城区蓝绿空间演化收缩模式均以内吞式为主，下垫面的斑块数量占比分别为61.90%、66.67%、33.33%、23.64%，面积占比分别为79.34%、95.90%、82.68%、92.26%。2017—2020年演化模式出现较大转变，边缘式收缩成为蓝绿空间演化的主要形式，其面积和数量占比分别为85.58%和56.41%。蓝绿空间缩减主要由发展较成熟的城市中心建筑用地内部单元向主城区外围、阿城新区、道外远郊区等远郊地区转移。
4)哈尔滨中心城区各类蓝绿空间演化受多种因素共同驱动。社会经济因素是直接驱动力，自然因素驱动作用不如社会经济因素显著。尽管自然因素伴随着社会发展与人为活动逐步发生变化，但其作用是相对静态的。因此，自然因素对各类蓝绿空间演化驱动作用相对不显著。整体来看，人口分布、城镇化率和产业结构是主要社会经济驱动因子，高程、土壤有机碳和平均气温是主要自然驱动因子。
本研究在系统分析研究区蓝绿空间演化特征基础上，聚焦影响蓝绿空间演变的多个社会经济和自然因素，通过明确各类蓝绿空间演化具体驱动因子，为制定合理科学的城市各类蓝绿空间发展、保护政策提供针对性参考，为区域可持续发展提供依据与支持。但本研究尚未分析不同驱动因子间的相互作用机制，如何分析驱动城市蓝绿空间演变驱动因子间的相关关系以及驱动阈值应该是该领域之后研究的重要方向之一。此外，基于土地利用数据对蓝绿空间演化特征及驱动机制的研究，虽然在土地利用解译结果上会存在一定误差，但精度充分满足研究要求，不会对整体变化规律的可信度造成影响。
猜你喜欢 蓝绿水域斑块 软斑危险，硬斑安全？不一定保健与生活(2022年7期)2022-04-08基于能值分析的黄河流域粮食生产系统蓝绿水资源利用评价农业工程学报(2022年1期)2022-03-25颈动脉的斑块逆转看“软硬”自我保健(2021年2期)2021-11-30一篇文章了解颈动脉斑块妇女之友(2021年9期)2021-09-26提升水域救援装备应用效能的思考水上消防(2021年3期)2021-08-21女性灵动风采凤凰生活(2021年7期)2021-07-16抗疫，在三峡两坝船闸水域水上消防(2020年4期)2021-01-04进博会水域环境保障研究及展望水上消防(2020年5期)2020-12-14柳江水域疍民的历史往事文史春秋(2019年11期)2020-01-15有颈动脉斑块未必要吃降脂药百姓生活(2019年2期)2019-03-20