图1 黑河流域概况
Fig. 1 General situation of the Heihe River Basin
北京大学学报(自然科学版) 第60卷 第3期 2024年5月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 60, No. 3 (May 2024)
doi: 10.13209/j.0479-8023.2024.009
国家重点研发计划(2023YFF1304701)资助
收稿日期: 2023–03–14;
修回日期: 2023–05–09
摘要 选择中国西北干旱区黑河流域为研究对象, 以 ArcGIS10.6 和 Mathematica 8.0 为研究平台, 分析 1990—2020 年“三生”空间转型的时空格局, 结合植被指数(NDVI)和土壤盐度指数(SI)分析生态环境质量的时空变化, 通过建立混合效应模型与归因分析模型, 分离气候变化背景下“三生”空间显性与隐性转型对生态环境质量变化的贡献, 得到如下结果。1)黑河流域强弱生态空间各占 28.12%和 65%, 生活和生产空间仅占 6.88%; 30 年间生活和生产空间各增长 0.32%和 0.96%, 强弱生态空间之间转换频繁(72.8%)。生态环境质量变化以 2000 年为转折点, 由下降变为持续好转趋势。2) “三生”空间显性转型和气候变化对生态环境质量变化的贡献分别为39.8％和 36.6％, 降水对生产与生活空间的生态环境有主要贡献, 气温则对生态空间环境质量存在非线性影响, 隐性转型对生态环境变化的贡献率为 23.6%。3) “三生”空间转型对生态环境的空间异质性影响更强, 而气候变化对生态环境的时间异质性影响更强, 中游地区生态环境质量同时受显性与隐性转型影响, 下游则主要受隐性转型影响。研究结果可为黑河流域的国土空间优化和生态系统管理提供科学依据。
关键词 “三生”空间变化; 气候变化; 生态环境质量; 混合效应模型; 黑河流域
生态环境质量是刻画区域生态系统健康和安全状况的重要指标, 受到温度、降水、土壤、植被以及人类活动等因素影响[1]。土地利用变化和气候变化是导致生态环境质量变化的主要驱动因素[2–3]。尤其是随着人类活动影响范围和程度的加大加深, 自然过程逐渐受到人类活动的主导和控制, 人与自然的关系越来越复杂[4–6], 土地利用转型已成为全球生态环境变化的重要驱动因素[7–8]。因此, 揭示气候变化背景下“三生”空间转型对生态环境质量的影响, 既是生态系统管理的关键, 也是社会–生态系统时空耦合的重要课题[9]。
党的“十八大”报告提出“生产空间集约高效、生活空间宜居适度、生态空间山清水秀”的国土空间格局优化目标。“三生”空间成为我国新时期国土空间开发优化的重要抓手[10–11]。“三生”空间转型是土地利用转型理论在新时代国土空间研究中的进一步深化与应用[12]。同时, “三生”空间转型是影响区域生态环境的重要因素之一[13], 其研究对促进土地利用结构优化、促进生态保护与可持续发展具有重要意义。土地利用转型指随着经济社会发展, 一定区域的土地利用形态在长期变化过程中发生的趋势性转折, 包括土地利用空间形态(规模、结构等)的显性转折以及功能形态(质量、权属等)的隐性转 折[14–15]。土地利用转型的表现之一是土地利用主导功能的转型, 即土地利用的生产、生态、生活三大主导功能间的转化[16]。“三生”空间作为一种宏观、战略性的国土空间划分[17], 同样具有显性、隐性转型的转换特征, 其中显性转型指“三生”用地在形态和数量等方面的转换, 隐形转型则指“三生”用地的质量和功能等隐性条件的变化。“三生”空间转型可以更加直观地展示人地关系间的冲突与协调状态, 揭示社会–生态系统的时空耦合关系, 理清环境开发的收益与代价[18]。近年来, 针对“三生”空间转型展开了诸多研究[12,16,19], 也有研究者关注剥离并量化气候变化与土地覆被变化对区域生态环境的影响[3,20]。但是, 大多数研究中存在局限于形态转换的认识误区[21], 较少关注隐性转型的量化, 而隐性转型往往具有更强的区域性、综合性以及趋势性特征[22], 不容忽视。
黑河流域是我国西北干旱区第二大内流河流域, 生态环境质量整体上较差, 超过 50%的面积被沙漠、戈壁和裸岩覆盖, 生物量和生态系统的稳定性都相对较低[3]。长期以来, 由于中游水土资源条件较好的空间相继被开垦为农田绿洲, 导致下游生态需水不足, 造成草场和绿洲退化, 带来诸多潜在的生态环境损失[23]。基于此, 本文从“三生”空间视角, 选取植被指数和土壤盐度指数评价区域生态环境质量, 结合混合效应模型与归因分析模型揭示 1990—2020 年间气候变化背景下“三生”空间显性与隐性转型的生态环境效应, 利用模型残差分离并量化“三生”空间隐性转型对区域生态环境质量的影响。
黑河流域地处青藏高原和内蒙古高原的过渡地带, 发源于青海省祁连山北麓, 流经青海、甘肃和内蒙古 3 个省(自治区)的 11 个 县(区、旗)(图 1), 消亡于内蒙古额济纳旗的东、西居延海, 干流全长约821km, 流域面积约 13 万 km2。黑河流域属于典型的干旱区气候, 中部走廊平原区降水量由东部的250mm 向西部递减到 50mm 以下, 蒸发量则由东向西递增, 从 2000mm 以下增至 4000mm 以上。流域自南向北可分为上游祁连山地、中游走廊平原和下游阿拉善高原 3 个地貌单元。莺落峡以上为上游, 地势高峻, 气候严寒湿润, 海拔 4000 m 以上的山脉发育现代冰川, 出山径流主要来源于山区的大气降水, 冰川融水补给约占全部水量的 3.6%, 上游山地是流域产流区和水源涵养区, 以牧业为主, 人均收入较高; 莺落峡与正义峡之间为中游, 地处河西走廊, 地势平坦, 气候干旱, 生态脆弱, 是整个流域绿洲最为集中且经济最为发达的地区, 黑河流域主要城镇都分布于中游的各大绿洲之中; 正义峡以下为下游, 为开阔平坦的盆地, 除额济纳绿洲外, 大部分为荒漠、沙漠和戈壁, 气候极度干旱。近年来, 随着黑河流域城镇的扩张和绿洲农业的发展, 生态空间被占用的趋势日益显著。
图1 黑河流域概况
Fig. 1 General situation of the Heihe River Basin
本研究中使用的土地利用数据、气候数据和DEM 数据均来源于中国科学院资源环境科与数据中心(https://www.resdc.cn/), 空间分辨率均为 1km× 1 km。其中, 气温数据为年均温, 精确到 0.1℃, 降水数据为年降水量, 精确到 0.1mm。遥感数据采用美国地质调查局(http://earthexplorer.usgs.gov/)提供的 Landsat-5TM 和 Landsat-8 OLI 影像数据, 主要用于反演土壤盐度指数。NDVI 数据来自美国航空航天局数据库(https://earthdata.nasa.gov/), 为年最大值。研究中所用数据时间范围均为 1990—2020 年, 每隔 5 年 1 期, 共 7 期。
由于土壤盐度指数(salinity index, SI)表征干旱区生态环境特征的敏感性更高[24], 本研究采用 SI 和NDVI 共同反映生态环境状况。SI 可根据红光(Red)与近红外波段(NIR)影像的反射值求出[24–25], 计算公式如下:
SI=Red/NIR×100。 (1)
1.3.1 “三生”空间划分
目前, 研究者多基于土地利用类型或基于土地功能进行“三生”空间划分[26–27]。考虑到本研究旨在揭示“三生”空间转型对生态环境质量的影响, 对“三生”空间的分类如下。
1)生产空间包括水田、旱地、果园和人造林等, 提供食物和木材等产品, 受人为干扰较多, 同时对水资源的消耗也较多。
2)生活空间包括城镇和居民点等, 主要作为生活和居住用途, 不透水面扩大, 植被覆盖度较低。
3)强生态空间包括森林、高中覆盖度草地、湿地和水域等, 受人类活动干扰较少, 具有较强的生态服务功能。
4)弱生态空间包括低覆盖度草地、沙漠、戈壁和冰川等, 受人类活动干扰相对较少, 生态服务功能较弱。
1.3.2生态环境质量评价
近年来, 诸多学者采用生态系统服务和遥感生态指数来衡量生态环境质量的水平[28–29]。遥感生态指数基于遥感信息, 集成直观反映生态环境的多重指标(如绿度、湿度、热度、干度和盐度), 可实现对区域生态环境的快速监测与评价[30], 是一种更加客观的生态质量评价方法[31]。本研究基于干旱区内陆河流域独特的自然地理特征, 采用归一化植被指数(NDVI)和土壤盐度指数(SI)来反映研究区生态环境质量。由于 NDVI 和 SI 两个指标的相关性很强, 植被指数高的区域盐度指数往往较低, 反之亦然。同时, 两者对生态环境质量的影响均具方向性, 即凡是 NDVI 高、SI 低的地区, 可认为其生态环境质量较高[32]。因此, 可以使用主成分分析法从中提取第一主成分, 经标准化处理后作为反映生态环境质量的指标, 能够同时保持 NDVI 和 SI 中包含的绝大部分信息[33]:
ei=PC1 (NDVI, SI), (2)
ei 表示生态环境质量指数, PC1 表示标准化的第一主成分。在研究区上游和绿洲等生态条件较好的区域, 盐碱化程度较低, 影响生态环境质量的主要是植被状况; 在中下游戈壁和荒漠等区域, 植被非常稀疏, 影响生态环境质量的主要是土地盐碱化程度。
同时, 通过趋势分析反映研究时间段内黑河流域生态环境质量的持续性变化, 采用 t 检验法(p< 0.05)对变化趋势的显著性进行检验[3]。计算公式为
(3)
其中, slope 为 ei 变化趋势, slope>0 表明 ei 呈提高趋势, slope<0 表明 ei 呈降低趋势; n 为研究年数; j代表时间序列。根据显著性检验结果, 将 ei 的趋势变化分为 4 类: 显著降低(p<0.05, slope<0)、不显著降低(p>0.05, slope<0)、不显著提高(p>0.05, slope>0)、显著提高(p<0.05, slope>0)。
1.3.3混合效应模型的建立
选用混合效应模型来揭示“三生”空间转型和气候波动对生态环境质量的影响, 可同时得知“三生”空间转型以及气候条件对生态环境质量的影响。为进行归因分析, 也需要了解两类因素对生态环境质量的复合效应。“三生”空间不同类型之间面积差异悬殊, 样本差距量大, 不宜进行统一的分析, 因此将“三生”空间类型作为固定效应, 模型[34]如下:
ei= fi (tem, pre)+δ, (4)
式中, tem 表示气温, pre 表示降水, i 表示空间类型, fi 表示针对某一空间类型的生态环境质量–气候条件模型, δ 表示未考虑的外部因素。由于不同空间类型对应不同的子模型, 因此最终模型可避免空间类型与气候条件之间因其他地理条件产生的共变关系而导致的系统误差, 可以充分解释空间类型与气候条件的复合效应。
1.3.4归因分析模型的建立
研究区气候存在一定的年际波动, “三生”空间类型也在不断地发生变化。此外, 模型未能考虑的随机效应。为分析各因素对生态环境质量变化的贡献, 建立归因分析模型:
Δei=Ptem +Ppre +Plu ,
(5)
Lu 为“三生”空间变化; L 为各因素数量在自变量相空间中随时间变化的轨迹; Ptem,Ppre 和 Plu 分别为气温、降水和“三生”空间变化对生态环境质量指数变化的贡献; Dtem ,Dpre 和 Dlu 分别为气温、降水和“三生”空间变化对生态环境质量指数变化速率的贡献。假设各要素在研究时段内均匀变化, 即 L 为相空间自始态至终态的一条直线, 模型可简化为
(6)
式中, α 表示时间, 在研究时段起始时为 0, 结束时为 1; x 表示任意自变量因素。
2.1.1 “三生”空间格局
黑河流域“三生”空间差异明显且其分布总体上稳定(图 2), 流域内以弱生态空间为主(约 65%), 生活空间面积最小, 由 1990 年的 0.35%扩张至 2020 年的0.67%, 生产空间也呈现较明显的增长, 30 年间面积占比由 5.25%增至 6.21%。上游祁连山区地形崎岖, 降水丰富, 多呈现未经人类干扰的自然景观, 以强生态空间为主, 经济活动以畜牧业和旅游业为主; 中游走廊平原地势平坦, 干燥少雨, 但依赖黑河径流水资源补给, 发育大小不同、呈斑块状分布的人工绿洲和天然绿洲, 流域的生产空间与生活空间基本都分布在此; 下游地处内蒙古高原, 大部分地区被戈壁、沙漠、低覆盖度草地所覆盖, 以弱生态空间为主。
2.1.2 “三生”空间变化
近 30 年来, 黑河流域“三生”空间演变较为剧烈(图 3 和 4), 尤其是强、弱生态空间之间以及生态与生产空间之间的相互转换, 变化总面积达 6820km2和 2060km2, 分别占“三生”空间面积变化总量的72.8%和22.0%, 生活空间与其他空间的相互转换面积仅占 5.2%。其中, 1990—2000 年期间, 主要表现为耕地的开垦与弃耕, 同时乡村居民点随之迁移, 土地利用动态度不断减小, 反映随着产业结构转型和生态环境保护的加强, 土地利用冲突不断缓和。2000—2010 年期间, 主要为伴随农田开垦造成的生态空间向生产空间转换, 以及嘉峪关和酒泉的城镇规模扩大, 以占用弱生态空间为主, 土地利用动态度相对较小, 反映出生态保护日益受到关注, 生产发展与生态保护之间的冲突进一步减小。2010—2020 年期间, 以中下游生活空间增加为主, 中游主要为张掖市城镇建设用地的增加(达 108km2), 下游主要是内蒙古自治区额济纳旗策克口岸及其周边城镇工矿等的发展(达 118km2), 土地利用动态度再次上升, 也反映出新阶段城市化进程造成建设用地不断增加。总体来看, 上游地区土地利用变化幅度很小, 人类活动压力小, 土地利用冲突不明显; 中游地区土地利用变化相对剧烈, 主要表现为生产用地的转入和转出, 但 2000 年后产业升级与生态建设工程的实施控制了生产用地的开发, 缓解了生态压力; 下游地区土地利用变化介于上游和中游之间, 由于适宜人居的空间有限, 对生态环境造成的直接压力也较小。
图2 黑河流域1990—2020年“三生”空间时空分布
Fig. 2 Spatial-temporal distribution of production-living-ecological spaces in the Heihe River Basin from 1990 to 2020
图3 1990—2020年黑河流域“三生”空间演变和弦图
Fig. 3 Chord diagram of production-living-ecological spaces change in the Heihe River Basin from 1990 to 2020
图4 1990—2020年黑河流域“三生”空间演变动态度
Fig. 4 Dynamic degree of production-living-ecological spaces change in the Heihe River Basin from 1990 to 2020
黑河流域生态环境质量的空间差异显著(图 5 (a))。上游祁连山区降水较多, 人类活动干扰较小, 是全流域生态环境质量高值区; 中游走廊平原区降水稀少, 绿洲广布, 人口集中, 生产用地和生态用地之间冲突明显, 绿洲之外多为荒漠、戈壁和盐碱地, 生态环境质量较差; 下游阿拉善高原干旱少雨, 仅黑河沿岸及居延海区域生态环境质量相对较好, 其他多为低覆盖度草地, 是流域生态环境质量低值区。从图 5(b)～(d)可以看出, 1990—2000 年, 黑河流域生态环境质量整体上呈恶化趋势, 退化区集中在中游的农业绿洲及下游的黑河沿岸、居延海等地, 但上游区域的生态环境质量有好转的趋势。2000—2010 年间, 生态环境质量整体上好转, 好转区集中于中游绿洲及下游黑河沿岸, 使得原本遭受破坏的生态得到恢复。2010—2020 年, 下游生态环境质量延续好转, 但中游农业开发导致生态环境质量开始退化。
图 6(a)显示, 30 年间黑河流域生态环境质量变化趋势呈现空间异质性, 上游地区和中下游绿洲区外围呈现改善趋势, 而下游荒漠和绿洲区中心呈现恶化趋势。其中, 有 9.33%的区域生态环境质量显著改善, 主要分布在中下游绿洲区及上游山区, 有1.04%的区域生态环境显著恶化, 零星地分布在绿洲区内部与下游荒漠区(图 6(b)), 改善和恶化不显著的区域分别占 53.83%和 35.80%。
2.3.1 “三生”空间转型与气候因素混合效应模型
气温和降水对生态环境质量的影响是非线性的, 并且会受到降水量时间分配、植被构成和地貌等其他因素的影响, 但总体来看, 气温和降水对生态环境质量的影响是连续的。因此, 选用多项式拟合得到近似模型, 同时对模型精度和复杂度进行控制, 拟合得到各项的偏差平方和贡献率。为避免出现过拟合现象, 导致模型无意义地过分复杂化, 将偏差平方和贡献率<0.02 的项视为与生态环境质量无显著关系而剔除, 得到的偏差平方和贡献率见表1。
最终, 建立不同“三生”空间类型的生态环境质量–气候条件混合模型如下:
f弱生态空间 =0.00991+0.00742x−0.0000290x3 +0.000837y,
f强生态空间 =0.270−0.00620x−0.00638x2 +0.000510x3 +0.000953y,
f生产空间 =0.521−0.0677x+0.00705x2 +0.000958y,
f生活空间 =−0.241+0.0202x+0.000280x3 +0.00230y。
表1 各子模型多项式拟合各项的偏差平方和贡献率
Table 1 Contribution of the sum of deviation squares of each sub-model polynomial fitting
气候因素弱生态空间模型强生态空间模型生产空间模型生活空间模型 tem2317.57776.550.26.7 tem2−2437.034.2− tem3102.1948.5−7.3 pre1364.11106.2124.2114.0 残差5188.84856.3882.0130.0 总和8972.417127.41090.6257.9
图5 黑河流域生态环境质量格局与动态变化
Fig. 5 Spatial distribution of average eco-environmental quality in the Heihe River Basin from 1990 to 2020 and spatial and temporal changes
图6 黑河流域1990—2020年生态环境质量变化趋势(a)及显著性检验(b)
Fig. 6 Spatial distribution of eco-environmental quality change trend (a) and significance test (b) in the Heihe River Basin from 1990 to 2020
从模型的数学形式可以看出, 无论在何种空间, 气温与降水混合项偏差平方和贡献率均小于 0.02, 即气温与降水对生态环境质量的混合效应均可忽略, 可将两者对生态环境质量的影响视为独立的, 因此可利用归因分析模型进一步揭示空间上各因子对生态环境质量变化的效应。表 1 显示, 在生产与生活空间, 气温对生态环境质量的影响非常微弱, 对生态环境质量有主要贡献的是降水量。在生态空间, 气温的贡献起主导作用, 且这种影响是非线性的。从模型的偏差平方和贡献率大小来看, 对降水的敏感性生态空间最高, 生活空间与生产空间较弱, 主要依赖灌溉或高山冰雪融水来满足人类生产生活的用水需求。
此外, 本模型仅考虑气候变化和“三生”空间显性转型对生态环境质量的影响, 隐性转型(如各地类质量的变化)的影响反映在模型的残差项中。
2.3.2 “三生”空间显性转型与气候变化对生态环境质量的影响
利用归因分析模型计算“三生”空间显性转型、降水和气温变化对生态环境质量的影响, 总偏差平方和贡献率达到 0.764, 说明可以对生态环境质量变化的绝大部分原因做出解释。其中, 三者的偏差平方和贡献率分别为 39.8%, 5.9%和 30.7%, “三生”空间显性转型的贡献率最高, 气温的贡献率远大于降水。这与研究区内海拔空间差异大, 低海拔区气温与降水有很强的共变效应, 高海拔区气温成为植被生长的主要胁迫因素有关。
从时空分布来看, “三生”空间显性转型对生态环境质量影响的空间异质性更强(图 7(a)～(c)), 而气候波动对生态环境质量影响的时间异质性更强, 且更不稳定(图 7(d)～(f))。1990—2020 年, “三生”空间显性转型对生态环境质量变化的长期贡献率在上、中、下游分别为 64.4%, 62.0%和13.2%。可以看出, 在上中游地区影响程度较为剧烈, “三生”空间显性转型的平均贡献率达到 40.3%, 考虑到长时间尺度下气候波动的影响更容易相互抵消, 因此在上中游生态环境长期演化中“三生”空间显性转型的作用超过气候波动的影响, 是生态环境质量变化的主要驱动因素。其中, 上游地区主要表现为强、弱生态空间的相互转化, 中游地区则主要为生产、生活空间的相互转化。在下游地区, “三生”空间显性转型的影响非常有限。
2.3.3 “三生”空间隐性转型对生态环境质量的影响
由于归因分析模型只可以解释 76.4%的生态环境质量变化, 另外 23.6%的变化可视为独立于“三生”空间显性转型和气候变化等因素, 由土地自身质量等隐性转型引起的变化。图 8 展示的结果与研究区生态环境质量时空变化(图 5)趋势较为一致, 也印证了上述结论。1990—2000 年期间, 中游农业绿洲和下游居延海周边地区土地质量呈现明显下降趋势, 对生态环境质量造成负面影响; 2000—2010年期间, 下游居延海地区土地质量好转, 黑河生态分水计划实施成效显著, 但中游金塔县和上游地区土地质量下降, 对生态环境带来一定的负面影响; 2010—2020 年期间, 下游地区生态持续好转, 且中游绿洲周边的生态环境质量也有一定的好转, 流域生态空间整体质量的提高带来正向生态环境效应。
本研究从“三生”空间转型的显性、隐性两个方面, 以空间的、非空间的方法, 分析黑河流域 1990 —2020 年间的“三生”空间转型及气候变化对生态环境质量的影响。根据干旱区特点, 选择 NDVI与 SI 评价生态环境质量, 更加准确地表征干旱区生态环境状况, 避免信息丢失的缺陷。对于“三生”空间转型与气候波动之间的共变关系, 使用混合效应模型, 将作为固定效应的“三生”空间类型与作为随机效应的气候波动纳入同一模型中研究, 分离出两种效应各自对生态环境质量变化的贡献。
黑河流域生态环境质量变化与“三生”空间变化趋势基本上一致, 特别是在上、中游地区, “三生”空间变化成为生态环境质量变化的主导因素, 这与You 等[3] 2001—2016 年黑河中下游灌溉绿洲内土地利用/覆被变化控制着 GPP 的年际变化的结论, 以及 Zhu 等[35]黑河中游土地利用变化对植被变化起到重要影响的结论相符合。由于土地自身质量对生态环境质量有非常显著的影响[22], 本研究将“三生”空间隐性转型纳入模型中, 发现黑河流域显性“三生”空间转型主要表现为生产空间与其他空间的转换, 而隐性“三生”空间转型同样多发生在农业生产用地密集的区域, “三生”空间转型主要围绕农业生产活动, 因此生态环境质量的变化也与生产空间转型紧密相关。中游地区“三生”空间的显性与隐性转型同时影响区域生态环境质量, 隐性转型主要是土地开发所致, 在下游地区生态环境质量变化则主要受隐性转型影响。这是由于黑河中游集中分布耕地、建设用地等生产生活空间, 耕地的开垦与弃耕频繁转换加剧了地区生态环境的恶化[36]。随着退耕还林还草等生态工程的实施, 生态环境恶化趋势得到控制[3]。黑河下游以低覆盖度草地等弱生态空间为主, 受人类活动影响较小, 土地类型变化较少, 对生态环境质量的影响多源于土地质量的改变, 如2000 年开始实施的黑河分水计划保障了下游生态需水, 有效地促进下游林草植被的生长[23,37], 也使下游河道两侧与居延海地区生态环境质量显著提升。
图7 黑河流域“三生”空间显性转型((a)～(c))与气候变化((d)～(f))对生态环境质量的贡献
Fig. 7 Contribution of production-living-ecological spaces variation ((a)–(c)) and climate fluctuation ((d)–(f)) on the eco-environmental quality in the Heihe River Basin
图8 黑河流域“三生”空间隐性转型对生态环境质量的贡献
Fig. 8 Contribution of the recessive transformation of production-living-ecological spaces to the eco-environmental quality in the Heihe River Basi
对于土地利用变化与气候变化之间的共变关系, 本研究使用混合效应模型, 将作为固定效应的“三生”空间类型与作为随机效应的气候条件纳入同一模型中进行研究, 从而分离出两种效应各自对生态环境质量变化的贡献。本文结论与 You 等[3]采用微分法区分黑河流域土地利用/覆被变化和气候变化对 GPP 的影响基本上一致, 也说明了此方法的正确性。另外, 通过混合效应模型发现, 在生产与生活空间, 降水量是生态环境质量变化的主要贡献因素, 在生态空间气温则是主要影响因素。黑河流域农业生产与工业发展对水资源消耗较大, 供水与耗水之间的差距严重地制约了干旱区内陆河流域的高质量发展[38]。
由于“三生”空间隐性转型的数据获取存在难度, 难以将其直接纳入模型中[39]。本研究提供了一种隐性“三生”空间转型的定量分析思路, 可通过模型拟合的残差项对其做出一定的解释, 但这样的处理方法可能存在一定的主观性, 同时无法剔除其与其他因素之间可能存在的共变效应。
本文采用土地利用数据、气候数据及生态环境遥感数据, 研究黑河流域 1990—2020 年“三生”空间转型和气候变化对生态环境质量的影响, 得到如下结论。
1)黑河流域强、弱生态空间各占 28.12%和65%, 生活与生产空间仅占 6.88%, 30 年间生活和生产空间均呈扩张趋势, 各增长 0.32%和 0.96%, 强弱生态空间之间转换频繁; 生态环境质量以 2000年为转折点, 由之前的下降趋势转变为持续好转趋势。
2) “三生”空间显性转型对生态环境质量变化的贡献率达 39.8%。气候变化对黑河流域生态环境质量变化的贡献率达 36.6%, 其中, 降水量对生产与生活空间的生态环境质量有主要贡献, 气温则对生态空间环境质量存在非线性影响, 隐性转型对生态环境变化的贡献率为 23.6%。
3) “三生”空间转型对生态环境的空间异质性影响更强, 而气候变化的时间异质性影响更强。其中, 中游地区生态环境质量同时受显性转型与隐性转型影响, 下游则主要受隐性转型影响。
本文研究结果可为黑河流域的国土空间优化和生态系统管理提供科学依据。
参考文献
[1] 蒙吉军. 综合自然地理学. 第3版. 北京: 北京大学出版社, 2020
[2] Zhang Y, Song C, Zhang K, et al. Effects of land use/land cover and climate changes on terrestrial net primary productivity in the Yangtze River Basin, China, from 2001 to 2010. Journal of Geophysical Research: Biogeosciences, 2014, 119(6): 1092–1109
[3] You N, Meng J, Zhu L, et al. Isolating the impacts of land use/cover change and climate change on the GPP in the Heihe River Basin of China. Journal of Geophysical Research: Biogeosciences, 2020, 125(10): 005734
[4] 张萌萌, 王帅, 傅伯杰, 等. 社会–生态网络方法研究进展. 生态学报, 2021, 41(21): 8309–8319
[5] Zalasiewicz J, Williams M, Steffen W, et al. The new world of the anthropocene. Environmental Science and Technology, 2010, 44(7): 2228–2231
[6] Cao Y, Kong L, Zhang L, et al. The balance between economic development and ecosystem service value in the process of land urbanization: a case study of China’s land urbanization from 2000 to 2015. Land Use Policy, 2021, 108: 105536
[7] Liang X, Jin X, Ren J, et al. A research framework of land use transition in Suzhou City coupled with land use structure and landscape multifunctionality. Science of the Total Environment, 2020, 737: 139932
[8] Su G, Logez M, Xu J, et al. Human impacts on global freshwater fish biodiversity. Science, 2021, 371: 835–838
[9] 龙花楼. 土地利用转型的解释. 中国土地科学, 2022, 36(4): 1–7
[10] 黄金川, 林浩曦, 漆潇潇. 面向国土空间优化的三生空间研究进展. 地理科学进展, 2017, 36(3): 378–391
[11] 江曼琦, 刘勇. “三生”空间内涵与空间范围的辨析. 城市发展研究, 2020, 27(4): 43–48
[12] 陈美景, 王庆日, 白中科, 等. 碳中和愿景下“三生空间”转型及其碳储量效应——以贵州省为例. 中国土地科学, 2021, 35(11): 101–111
[13] 刘金花, 丛中笑, 王治军. 基于三生空间转型的生态环境效应多尺度研究——以黄河流域山东段为例. 中国环境科学, 2023, 43(5): 2519–2530
[14] 曲艺, 龙花楼. 中国耕地利用隐性形态转型的多学科综合研究框架. 地理学报, 2018, 73(7): 1226–1241
[15] 蒙吉军, 朱丽君, 王祺, 等. 基于政策驱动的土地利用转型对土地多功能利用的影响——黑河中游案例研究. 北京大学学报(自然科学版), 2020, 56(6): 1102–1112
[16] 吕立刚, 周生路, 周兵兵, 等. 区域发展过程中土地利用转型及其生态环境响应研究——以江苏省为例. 地理科学, 2013, 33(12): 1442–1449
[17] 姬倩倩, 潘换换, 吴树荣, 等. 山西黄河流域“三生”空间重构和降水变化对产水服务的影响. 干旱区研究, 2023, 40(1): 132–142
[18] Yang Y, Bao W, Liu Y. Coupling coordination analy- sis of rural production-living-ecological space in the Beijing-Tianjin-Hebei region. Ecological Indicators, 2020, 117: 106512
[19] 龙花楼. 论土地利用转型与土地资源管理. 地理研究, 2015, 34(9): 1607–1618
[20] Ning X, Zhu N, Liu Y, et al. Quantifying impacts of climate and human activities on the grassland in the Three-River Headwater Region after two phases of ecological project. Geography and Sustainability, 2022, 3(2): 164–176
[21] Long H. Theorizing land use transitions: a human geo-graphy perspective. Habitat International, 2022, 128: 102669
[22] 张玥, 代亚强, 陈媛媛, 等. 土地利用隐性转型 与土地利用碳排放空间关联研究. 中国土地科学, 2022, 36(6): 100–112
[23] Cai W, Jiang X, Sun H, et al. Temporal and spatial variation and driving factors of water consumption in the middle Heihe River Basin before and after the implementation of the “97 water diversion scheme”. Agricultural Water Management, 2022, 269: 107727
[24] 王飞, 丁建丽, 魏阳, 等. 基于Landsat系列数据的盐分指数和植被指数对土壤盐度变异性的响应分析——以新疆天山南北典型绿洲为例. 生态学报, 2017, 37(15): 5007–5022
[25] Ramos T B, Castanheira N, Oliveira A R, et al. Soil salinity assessment using vegetation indices derived from Sentinel-2 multispectral data. application to Le-zíria Grande, Portugal. Agricultural Water Manage-ment, 2020, 241: 106387
[26] 赵欣悦, 席海洋, 赵静, 等. 阿拉善地区土壤盐渍化的遥感反演及分布特征. 中国沙漠, 2023, 43(1): 27–36
[27] 韦江伟, 赵锐锋, 李玲慧, 等. 干旱区三生用地时空演变特征及空间冲突研究——以黑河中游地区为例. 水土保持研究, 2021, 28(4): 284–292
[28] Fu J, Bu Z, Jiang D, et al. Sustainable land use diagnosis based on the perspective of production–living–ecological spaces in China. Land Use Policy, 2022, 122: 106386
[29] 徐涵秋. 水土流失区生态变化的遥感评估. 农业工程学报, 2013, 29(7): 91–97
[30] Wei L, Zhou L, Sun D, et al. Evaluating the impact of urban expansion on the habitat quality and constructing ecological security patterns: a case study of Jiziwan in the Yellow River Basin, China. Ecological Indicators, 2022, 145: 109544
[31] 宋慧敏, 薛亮. 基于遥感生态指数模型的渭南市生态环境质量动态监测与分析. 应用生态学报, 2016, 27(12): 3913–3919
[32] 张强, 冯悦, 魏伟, 等. 基于GIS的祁连山生态敏感性评价. 安全与环境学报, 2019, 19(3): 1056–1064
[33] 刘璐. 基于遥感指数的河套平原绿洲生态环境质量综合评价研究[D]. 兰州: 西北师范大学, 2022
[34] Luo Y, Lü Y, Liu L, et al. Spatiotemporal scale and integrative methods matter for quantifying the driving forces of land cover change. Science of the Total En-vironment, 2020, 739: 139622
[35] Zhu L, Meng J, Zhu L. Applying Geodetector to di-sentangle the contributions of natural and anthropo-genic factors to NDVI variations in the middle reaches of the Heihe River Basin. Ecological Indicators, 2020, 117: 106545
[36] Shao Y, Jiang Q, Wang C, et al. Analysis of critical land degradation and development processes and their driving mechanism in the Heihe River Basin. Science of the Total Environment, 2020, 716: 137082
[37] Hao X, Li W. Impacts of ecological water conveyan- ce on groundwater dynamics and vegetation recovery in the lower reaches of the Tarim River in northwest China. Environmental Monitoring and Assessment, 2014, 186(11): 7605–7616
[38] Zhang X, Xu D, Wang Z, et al. Balance of water supply and consumption during ecological restoration in arid regions of Inner Mongolia, China. Journal of Arid Environments, 2021, 186: 104406
[39] 马丽君, 程久苗, 程建, 等. 土地利用隐性转型影响因素分析. 中国土地科学, 2019, 33(7): 81–90
Impacts of Production-Living-Ecological Space Transformation in the Heihe River Basin on Ecological Environment Quality in the Context of Climate Change
Abstract Choosing the Heihe River Basin in the arid northwest of China as the study area, using ArcGIS 10.6 and Mathematica 8.0 as research platforms, the paper analyzes the spatio-temporal pattern of the transformation of the production-living-ecological spaces from 1990 to 2020. Combining the vegetation index (NDVI) and salinity index (SI), we investigate the spatiotemporal changes of eco-environmental quality and separate the contributions of explicit and implicit transformation of the production-living-ecological spaces to changes in eco-environmental quality by establishing a mixed effects model and attribution analysis model under the background of climate change. The results show that 1) the strong and weak ecological spaces in the Heihe River Basin account for 28.12% and 65% respectively, while the living and production space accounts for only 6.88%. The living and production spaces have each increased by 0.32% and 0.96% over the past 30 years, and frequent transformations occur between strong and weak ecological spaces (72.8%). The change in eco-environmental quality has transitioned from a decline to a sustained improvement trend since 2000. 2) The contributions of explicit transformation of the production-living-ecological spaces and climate change to eco-environmental quality are 39.8% and 36.6%. Precipitation has the main contribution to the ecological environment of production and living spaces, while temperature has a nonlinear impact on the eco-environmental quality of ecological spaces. The contribution rate of implicit transformation to ecological environment changes is 23.6%. 3) The transformation of the three spatial sectors has a stronger spatial heterogeneity effect on ecological environment, while the temporal heterogeneity effect of climate change is stronger. The eco-environmental quality in the middle reaches of the river basin is simultaneously affected by explicit and implicit transformation, while the downstream is mainly affected by implicit transformation. The results provide a reliable theoretical basis for optimizing the land spatial development and ecosystem management in the Heihe River Basin.
Key words change of the production-living-ecological spaces; climate change; eco-environmental quality; mixed effect model; Heihe River Basin