国土空间是人类赖以生存与发展的重要载体。“三生”空间是一种综合性的国土空间分区方法[1],对认识国土空间开发格局与演化规律、编制国土空间规划以及实现区域经济–社会–环境协调发展具有重要指导意义[2–3]。在现实需求与政策引领的共同驱动下, 学术界针对“三生”空间开展了大量的研究, 主要在“三生”空间的概念与内涵[4–5]、分类与识别[6–7]、演化与驱动机制[8–9]以及模拟与优化[10–11]等方面, 相关研究成果对科学认知国土空间的发展规律与促进“三生”空间协调发展具有重要借鉴意义。但是, 现有的“三生”空间研究多集中在生产、生活和生态等大类空间层面, 主要关注各种大类空间在布局、数量与空间转换等方面的演化规律和特征[12–14], 对大类空间内部子空间分类与演化的研究较少。各种大类空间内部土地权属、产业结构或自然景观的差异导致其空间内部均包含不同的子空间(例如, 生产空间内的农业生产与非农生产空间),而各类子空间的分布、演化特征和优化方向显著不同[15]。随着空间规划层级向市、县和村等低层级延伸, 国土空间规划对精细地实施空间管制分区、产业布局和生态保护的需求不断提高。聚焦于大类空间的“三生”空间识别与演化研究无法揭示各种子空间的空间布局与演化特征, 导致其研究结果难以支撑国土空间规划对城乡空间、各类产业空间与生态空间的数量安排与管控要求[15]。因此, 急需加强“三生”空间细分类型的演化规律和驱动机制研究,为国土空间规划内各类空间的精准识别与管控提供科学依据。
张家口市地处内蒙古高原与华北平原的过度地带, 是典型的农牧交错区与经济欠发达区, 对经济社会发展有着强烈的诉求[16]。同时, 张家口市是首都北京的水源涵养区和生态环境支撑区, 具有重要的生态功能。随着京津冀协同发展战略的实施, 张家口市工业化与城镇化得到快速发展, 其国土空间发生剧烈的变化, 城镇空间、农业空间和生态空间相互转换和挤占的现象日益突出[17], 严重地影响其社会经济的可持续发展。因此, 迫切需要准确地认识“三生”空间的演化规律及其驱动机制, 为张家口市国土空间规划与经济社会的协调发展提供决策依据。
鉴于上述背景, 本研究从国土空间精细化管理视角, 基于遥感、气象和 POI 等多源数据, 使用GIS 空间分析和 PLUS 模型等多学科结合的方法,构建“三生”空间分类体系, 系统地分析张家口市“三生”空间细分类型的演化特征及驱动机制, 以期为张家口市“三生”空间的协调发展与国土空间可持续利用提供科学参考, 同时为其他农牧交错区的类似地区提供案例参考。
1 研究区与数据来源
1.1 研究区概况
张家口市位于我国农牧交错区的东南部, 年均降雨量约为 430 mm, 地势西北高, 东南低, 全市分为坝上与坝下两个区域(图1)。改革开放以来, 张家口市凭借区位优势, 并借助京津冀协同发展战略,推动各类产业转型发展, 当地城、乡居民的收入与住房面积也不断增长, 城镇化率明显提升(表1)。张家口市作为京津地区重要的生态屏障, 1980 年以来, 不断依托国家推出的众多生态政策与生态工程(“三北”防护林工程、退耕还林还草工程和京津风沙源治理工程等), 努力改善当地生态环境。在经济社会发展与生态保护工程的推动下, 张家口市社会经济和生态要素变化显著, “三生”空间格局不断重组, 是研究“三生”空间变化及其驱动机制的理想区域。
图1 研究区位置、行政区划和地形
Fig.1 Map of the geographical location, administrative divisions, and terrain of Zhangjiakou City
表1 张家口市经济社会发展统计结果
Table 1 Economic and social development statistics of Zhangjiakou City
年份 城镇化率/% 人均可支配收入/元 人均住房面积/(m2·人−1)城镇 乡村 城镇 乡村1990 19.50 1641 421 7.63 14.51 2000 24.00 4295 2086 12.53 18.50 2010 32.66 12335 4855 27.59 21.48 2020 40.44 35595 14166 37.90 36.10
1.2 数据来源
本研究使用的基础数据包括张家口市城镇建成区边界数据、社会经济统计数据、降雨数据、遥感影像数据、行政机构 POI (point of interest)数据、道路数据、数字高程模型(DEM)和夜间灯光数据等。其中, Landsat 遥感影像数据包括 1990, 2000, 2010 和2020 年 4 期张家口市多光谱遥感影像(空间分辨率为 30 m), 均基于 GEE (Google Earth Engine)遥感大数据平台(https://code.earthengine.google.com/)处理获得。POI 数据与道路数据均来源于高德地图 API(https://lbs.amap.com/)。
首先通过 Python 网络爬虫技术获取张家口市2020 年的 POI 数据与各类道路数据, 然后基于 Google Earth 在线地图平台与 Landsat 遥感影像, 通过目视判读的方式, 对 POI 和道路数据进行清洗(包括去除重复数据、删除位置异数据和合并同类型数据等)。1990, 2000, 2010 和2020 年的城镇建成区边界数据来自国家对地观测科学数据中心(https://www.chinageoss.cn/); 1990—2020 年历次张家口市国民经济与社会发展五年规划、《张家口市经济年鉴(1990—2020)》等社会经济统计数据来源于张家口市统计局; 1990, 2000, 2010 和 2020 年的降雨与夜间灯光数据均来源于国家地球系统科学数据中心(http://www.geodata.cn/); 高程数据则来源于地理空间数据云(https://www.gscloud.cn/)。
2 研究方法
2.1 张家口市“三生”空间细分类与识别
土地利用类型是“三生”空间最基本的组成单元[18–20]。本文根据土地利用多功能性理论, 结合张家口市发展历程和实际土地利用情况, 进行“三生”空间分类和识别[15]。根据土地利用的主导功能, 通过地类归并法, 将不同的土地利用类型合并为生产–生活空间、生产–生态空间和生态空间。在此基础上, 根据生产–生活空间内的土地权属差异、生产–生态空间内的生产活动差异以及生态空间内的自然景观差异, 分别对生产–生活空间、生产–生态空间和生态空间进行细化分类[15]。其中, 生产–生活空间指主要承担生产与生活功能的空间类型, 包括城镇建成空间和乡村建成空间, 其空间内土地权属分别为国家所有和农村集体所有; 生产–生态空间指主要承担生产与生态功能的空间类型, 包括农业种植空间、牧业空间、林业空间和渔业空间, 分别承载人类的农业、牧业、林业和渔业生产活动;生态空间指以生态功能为主导的空间类型, 包括林地空间、草地空间、水域空间和裸地空间, 其内部主导景观分别为林地、草地、水域和裸土[15]。
2010 年以前, 张家口市的牧业生产方式以外放为主。该时期草地空间是牛、羊等牲畜的重要饲料来源, 除具有生态功能外, 还发挥着重要的牧业生产功能。因此, 1990, 2000 和 2010 年张家口市的草地空间归为生产–生态空间。2010 年后, 随着张家口市禁牧政策的全面实施, 牧业生产功能由分散在乡村建成空间内的养殖场和养殖小区代替, 因而草地空间不再承担主要的牧业生产功能, 生态功能成为其主导功能, 草地空间归为生态空间。由于牧业养殖设施大多分布分散且规模较小, 导致难以有效地识别相关设施的边界和位置。张家口市林业生产以封山育林、植树造林等生态保护项目为主, 旨在优化树种结构, 提高森林质量。渔业产值在国民经济中占比极低(仅为 0.1%), 且渔业生产主要位于官厅水库和壶流河水库等水域, 空间位置具有不确定性。因此, 本研究未对张家口市 2020 年的牧业空间以及 1990, 2000, 2010 和 2020 年的林业空间及渔业空间进行分类和识别。张家口市“三生”空间细分类型如表2 所示。
表2 张家口市“三生”空间细分类型
Table 2 Classification system of PLES in Zhangjiakou City
年份 空间类型一级类 二级类生产–生活空间 城镇建成空间、乡村建成空间1990, 2000, 2010 2020生产–生态空间 农业种植空间、草地空间生态空间 林地空间、水域空间、裸地空间生产–生活空间 城镇建成空间、乡村建成空间生产–生态空间 农业种植空间生态空间 草地空间、林地空间、水域空间、裸地空间
在空间识别方面, 首先以 1990, 2000, 2010 和2020 年 Landsat 遥感影像为基础, 基于 ENVI5.3 软件的随机森林算法, 提取张家口市城乡建成空间、农业种植空间、草地空间、林地空间、水域空间和裸地空间(城、乡建成空间在随机森林算法中作为一个整体进行识别), 4 期识别结果的总体精度分别为 86.82%, 88.92%, 90.46%和 90.23%。然后, 以Google Earth 在线地图平台的高分辨率遥感影像为底图, 通过人工目视判读的方式对空间识别结果进行修正。最后, 结合 Google Earth 在线地图平台与城镇建成区边界数据, 对 4 个时期的城镇建成空间和乡村建成空间进行目视区分。
2.2 “三生”空间演化驱动机制及其影响因素分析
2.2.1 “三生”空间演化驱动机制分析框架
根据人地关系理论, “三生”空间演化是人类活动与地理环境共同作用的结果(图2)。其中, 地理环境为人类及各种生物的生存与发展提供物质基础和空间场所, 包含气候因素、地形因素和区位条件等多个方面, 主要通过影响各类空间的人类活动以及生态过程, 奠定各类空间的基本格局, 对“三生”空间演化起间接作用。人类活动是“三生”空间演化的关键推动力, 通过决定国土空间开发、利用与保护的方向和程度, 直接影响各类空间的发展方向。根据活动目的不同, 人类活动可以分为生产活动、生活活动和生态活动。由于地理空间的有限性, 某种功能空间的增长或减少, 必然引起其他功能空间的数量增减。
图2 “三生”空间演化驱动机制框架
Fig.2 Framework for the evolutionary driving mechanism of PLES
2.2.2 影响因素的选择
本文根据“三生”空间演化驱动机制分析框架,参考现有研究方法[21–25], 基于张家口市自然环境和影响人类活动的关键因子, 并考虑到相关数据的可获取性, 从人类活动与地理环境两个方面选取可能影响“三生”空间演化的因素进行定量分析(表3)。
表3 “三生”空间演化影响因素选择与数据处理方法
Table 3 Selection of factors influencing the evolution of PLES and data processing methods
影响因素 指标 单位 计算方法工业、服务业生产活动 夜间灯光 无ArcGIS栅格计算器气候因素 降雨 mm地形因素 海拔 m DEM坡度 (°) ArcGIS坡度分析与河流的距离 m区位条件与市政府的距离 m与区县政府的距离 m与乡镇政府的距离 m与村委会的距离 m与高速公路的距离 m与国道的距离 m与普通道路的距离 m ArcGIS欧氏距离
夜间灯光数据能够较好地表征区域内的城镇化水平与工业、服务业发展状况[26–27]。因此, 本研究选取研究区 1990—2000, 2000—2010 和 2010—2020年 3 期的夜间灯光强度变化来反映张家口市工业和服务业生产活动的发展变化。
在地理环境层面, 从气候、地形和区位条件 3个方面选取相关指标。张家口市位于我国半湿润区向半干旱区的过度地带, 降雨对植被和农作物的生长具有重要意义, 是维持各类生态空间、生产–生态空间布局稳定的基础。因此, 气候因素选择降雨量指标。地形因素主要通过影响人类开展各项活动的难易程度和范围来影响各类空间的演化。因此选择海拔和坡度两个指标。区位条件影响人口集聚与产业布局, 进而对“三生”空间格局及演化产生重要影响。各级政府及村委会是相应级别行政区内的政治、经济、公共服务和人口集聚的中心, 距中心的远近对辖区内各类空间的布局与演化产生影响。交通条件影响人们活动的范围和各类空间演化。因此, 区位条件选取与河流的距离、与市政府的距离、与区县政府的距离、与乡镇政府的距离、与村委会的距离以及与高速公路的距离、与国道的距离、与普通道路的距离等指标。由于与河流的距离与水域空间的分布特征相对一致, 因此在定量分析不同因素对水域空间演化的贡献度时, 剔除与河流的距离这一因素。上述指标的单位和空间化方法见表3。
2.2.3 分析方法
PLUS 模型(Patch-generating Land Use Simulation Model)不仅可以挖掘各类“三生”空间子空间演化的驱动机理, 而且具有运算速度快、对数据的兼容性强等特点[28–29], 在土地覆被变化与模拟等研究中广泛应用[30–31]。本研究以 1990—2000, 2000—2010 和 2010—2020 年张家口市“三生”空间的扩张或减少为因变量, 以夜间灯光、降雨、海拔、坡度、与河流的距离、与市政府的距离、与区县政府的距离、与乡镇政府的距离、与村委会的距离、与高速公路的距离、与国道的距离和与普通道路的距离为自变量, 通过 PLUS 模型的 LEAS 模块(land expansion analysis strategy)分析不同指标对各类“三生”空间子空间演化的贡献程度。
在模型参数设置方面, 采用 PLUS 模型推荐的默认值, 其中, 随机森林回归树为 20, 最大特征数为 12, 采样率为 5%。鉴于 1990—2020 年城镇建成空间和乡村建成空间的减少面积、1990—2010 年林地空间的减少面积、1990—2020 年水域空间和裸地空间的扩张面积在同时期同类型子空间总转换面积中的占比(即增长或减少面积在总转换面积中的占比)相对较低, 且未对该类型空间的数量变化和空间布局产生影响, 故未对上述空间实施采样。
3 结果分析
3.1 张家口市“三生”空间细分类型演化特征
3.1.1 城镇建成空间
1990—2020 年, 城镇建成空间主要分布于各区县政府所在地附近, 并具有明显的集聚分布特征,总量增长 107.4% (图3 和表4)。不同时期内, 城镇建成空间的转换方向均以转入为主。1990—2000 和2000—2010 年两个时期, 城镇建成空间的转入规模相近, 转入类型均以农业种植空间、草地空间和乡村建成空间为主(表5 和 6)。2010—2020 年, 各类空间向城镇建成空间的转入面积均显著增长, 转入类型以农业种植空间、草地空间、林地空间和裸地空间为主(表7)。
图3 张家口市“三生”空间细分类型识别结果
Fig.3 Identification results of PLES in Zhangjiakou City
表4 张家口市“三生”空间细分类型面积统计结果
Table 4 Quantity statistics of PLES in Zhangjiakou City
空间类型 面积/km2 变化幅度/%1990年 2000年 2010年 2020年城镇建成空间 277.99 332.59 403.04 576.56 107.40乡村建成空间 635.56 701.47 863.52 1034.05 62.70农业种植空间 12382.37 12153.68 11282.20 11233.78 −9.28草地空间 11213.54 11025.50 10898.13 9566.39 −14.69林地空间 9147.56 9709.66 11064.17 13520.67 47.81水域空间 964.32 871.35 789.41 684.52 −29.02裸地空间 2172.87 1999.99 1493.76 178.24 −91.80
表5 1990—2000年张家口市“三生”空间细分类型转换统计结果(km2)
Table 5 Area statistics of mutual conversion of PLES during 1990–2000 (km2)
1990年空间类型 2000年空间类型农业种植空间林地空间 草地空间 城镇建成空间乡村建成空间 水域空间 裸地空间 总计农业种植空间 12033.89 96.23 171.79 31.74 46.39 0.36 1.97 12382.37林地空间 3.21 9140.13 2.88 1.02 0.30 0.01 0.01 9147.56草地空间 21.30 387.63 10777.69 12.36 13.00 0.11 1.45 11213.54城镇建成空间 0.005 0.003 0.002 277.98 0 0 0 277.99乡村建成空间 0.02 0 0 4.28 631.26 0 0 635.56水域空间 45.39 10.23 26.23 2.49 4.09 870.85 5.04 964.32裸地空间 49.87 75.42 46.91 2.71 6.44 0.02 1991.51 2172.87总计 12153.68 9709.66 11025.50 332.59 701.47 871.35 1999.99 36794.22
表6 2000—2010年张家口市“三生”空间细分类型转换统计结果(km2)
Table 6 Area statistics of mutual conversion of PLES during 2000–2010 (km2)
2000年空间类型 2010年空间类型农业种植空间林地空间 草地空间城镇建成空间 乡村建成空间 水域空间 裸地空间 总计农业种植空间 11185.96 481.24 305.58 50.48 127.13 0.51 2.77 12153.68林地空间 12.46 9669.65 22.66 0.39 1.72 0.00 2.79 9709.66草地空间 16.04 687.15 10288.95 3.74 27.16 0.20 2.26 11025.50城镇建成空间 0.01 0 0 332.58 0 0 0 332.59乡村建成空间 0.26 0 0.01 7.40 693.80 0 0 701.47水域空间 34.62 17.61 29.28 2.85 5.07 780.46 1.45 871.35裸地空间 32.86 208.53 251.66 5.60 8.64 8.23 1484.48 1999.99总计 11282.20 11064.17 10898.13 403.04 863.52 789.41 1493.76 36794.22
表7 2010—2020年张家口市“三生”空间细分类型转换统计结果(km2)
Table 7 Area statistics of mutual conversion of PLES during 2010–2020 (km2)
2010年空间类型 2020年空间类型农业种植空间林地空间 草地空间城镇建成空间 乡村建成空间 水域空间 裸地空间 总计农业种植空间 10460.95 381.77 268.11 75.97 78.89 11.96 4.55 11282.20林地空间 258.82 10669.94 65.95 23.38 28.78 5.04 12.25 11064.17草地空间 383.14 2115.91 8241.41 39.12 85.31 11.88 21.36 10898.13城镇建成空间 1.00 1.05 1.42 399.48 0 0.10 0 403.04乡村建成空间 19.01 8.03 15.91 13.40 803.48 1.02 2.66 863.52水域空间 66.11 9.57 54.16 4.89 7.95 641.18 5.56 789.41裸地空间 44.76 334.40 919.44 20.32 29.64 13.33 131.87 1493.76总计 11233.78 13520.67 9566.39 576.56 1034.05 684.52 178.24 36794.22
3.1.2 乡村建成空间
1990—2020 年, 乡村建成空间主要围绕各村级行政机构布局和发展, 并具有明显的分散分布特征,总量增长 62.7% (图3 和表4)。不同时期内, 乡村建成空间的转换方向均以转入为主, 转入类型以农业种植空间以及草地空间为主, 转入规模逐阶段扩大(表5～7)。
3.1.3 农业种植空间
1990—2020 年, 农业种植空间具有“集中连片”和“分散分布”两种空间分布特征, 总量减少 9.28%(图3 和表4)。在坝上地区以及坝下的平原和台地区, 农业种植空间具有“集中连片”的分布特征。在坝下的山地和丘陵区, 农业种植空间则呈“带状”分散于山谷之间。不同时期内, 农业种植空间的总转换面积逐期递增。1990—2000 和 2000—2010 年两个时期, 农业种植空间的转出面积均远高于转入面积, 转出类型以林地空间和草地空间为主, 转入类型则以水域空间和裸地空间为主(表5 和6)。2010—2020 年, 农业种植空间的转出与转入规模相近, 林地空间、草地空间与农业种植空间的相互转换在总转换面积中占据主导地位(表7)。
3.1.4 草地空间
1990—2020 年, 草地空间也具有“分散分布”和“集中连片”两种空间分布特征, 总量减少 14.69%(图3 和表4)。在坝下的平原和台地区, 草地空间的斑块面积较小, 且分布相对分散。在坝上地区以及坝下的丘陵和山地区, 草地空间则具有明显的“集中连片”的分布特征。不同时期内, 草地空间的转出面积均大于转入面积, 转出类型以林地空间为主,转入类型则以农业种植空间以及裸地空间为主(表5～7)。
3.1.5 林地空间
1990—2020 年, 林地空间的空间分布特征与草地空间类似, 总量增长 47.81% (图3 和表4)。在坝下的平原和台地区, 林地空间的分布相对零散, 而在坝上地区以及坝下的丘陵和山地区, 林地空间的斑块面积较大, 具有明显的“集中连片”的分布特征。不同时期内, 林地空间的转入面积均远高于转出面积, 转入类型以草地空间、农业种植空间和裸地空间为主(表5～7)。
3.1.6 水域空间
1990—2020 年, 水域空间具有“团块状”与“线状”两种空间分布特征, 总量减少 29.02% (图3 和表4)。在坝上地区, 由于地形相对平坦, 水域空间呈“团块状”分布, 而在坝下的河谷地带及丘陵和山地区, 受地形影响, 水域空间呈明显的“线状”分布特征。不同时期内, 水域空间的转换面积逐期递增,转出面积均大于转入面积, 转出类型以农业种植空间、草地空间和林地空间为主(表5～7)。
3.1.7 裸地空间
1990—2020 年, 裸地空间的分布特征由“块状连片”转变为“点状分散”, 总量减少 91.8% (图3 和表4)。1990—2010 年, 裸地空间主要呈“块状连片”的分布特征。2020 年, 受植树造林和退耕还林等生态政策的影响, 裸地空间明显减少, 主要呈“点状分散”的分布特征。不同时段下, 裸地空间的转出面积均远高于转入面积, 转出类型以林地空间、草地空间和农业种植空间为主(表5～7)。
3.2 张家口市“三生”空间细分类型演化影响因素分析
基于“三生”空间演化影响因素贡献度计算结果, 分别选取对各类子空间演化贡献度较高的影响因素(表8), 并通过将相关影响因素与对应子空间的扩张或减少结果进行叠加分析, 查明各类影响因素对相关子空间演化的作用效果。
表8 张家口市“三生”空间细分类型演化的主要影响因素及贡献度
Table 8 Contribution of main factors to the evolution of PLES in Zhangjiakou City
指标 城镇建成空间增长驱动 乡村建成空间增长驱动1990—2000年 2000—2010年 2010—2020年 1990—2000年 2000—2010年 2010—2020年与市政府的距离 0.0483 0.1573 0.1736 − − −与区县政府的距离 0.1819 0.1142 0.1283 − − −与普通道路的距离 − − − 0.1408 0.1266 0.1369夜间灯光 0.3668 0.1928 0.1406 − − −指标 农业种植空间增长驱动 农业种植空间减少驱动1990—2000年 2000—2010年 2010—2020年 1990—2000年 2000—2010年 2010—2020年海拔 0.1594 0.2125 0.0753 − − −坡度 0.1389 0.1457 0.1729 0.1956 0.1862 0.1461指标 草地空间增长驱动 草地空间减少驱动1990—2000年 2000—2010年 2010—2020年 1990—2000年 2000—2010年 2010—2020年降雨 0.1056 0.1412 0.1536 0.1212 0.1427 0.1496海拔 0.1221 0.0911 0.1104 0.1209 0.1277 0.1080与市政府的距离 0.1297 0.1038 0.1081 0.1211 0.1017 0.1131指标 林地空间增长驱动 林地空间减少驱动1990—2000年 2000—2010年 2010—2020年 1990—2000年 2000—2010年 2010—2020年降雨 0.0929 0.1343 0.1275 − − −海拔 0.1341 0.1245 0.0802 − − −坡度 0.1355 0.0621 0.1150 − − 0.1120与市政府的距离 0.0980 0.1094 0.0954 − − −与国道的距离 − − − − − 0.1338与普通道路的距离 0.1272 0.1004 0.1044 − − −指标 水域空间减少驱动 裸地空间减少驱动1990—2000年 2000—2010年 2010—2020年 1990—2000年 2000—2010年 2010—2020年海拔 0.1643 0.1553 0.1606 0.1460 0.1137 0.1501坡度 0.2061 0.2245 0.2731 − − −与市政府的距离 − − − 0.1740 0.1300 0.1281
1) 城镇建成空间。1990—2020 年, 夜间灯光和与区县政府的距离两个指标对城镇建成空间扩张的贡献度较高且稳定, 其空间增长也多位于夜间灯光的扩张区域, 并围绕各区县政府所在地聚集。这表明工业和服务业等经济活动直接推动城镇建成空间扩张, 作为张家口市各区县的人口、经济与政治中心, 区县政府所在地对其空间扩张具有引领作用。
2) 乡村建成空间。1990—2020 年, 与普通道路的距离对乡村建成空间扩张的贡献度较高。乡村建成空间的扩张多分布于普通道路沿线, 表明靠近普通道路有利于乡村建成空间的扩张。
3) 农业种植空间。1990—2020 年, 坡度对农业种植空间扩张与减少的贡献度均较高且稳定, 其空间演化多分布于坡度平缓区域。1990—2010 年, 海拔对农业种植空间扩张的贡献度较高, 其空间扩张主要位于张家口市中部的洋河谷地, 该地区海拔较低, 并具有良好的耕作环境, 是当地农业生产的核心区域。随着 2010—2020 年农业种植空间在坝上地区扩张, 海拔对该空间扩张的贡献度明显下降。
4) 草地空间。1990—2020 年, 降雨、海拔和距市政府距离这 3 个指标对草地空间演化的贡献度较高, 其空间演化主要位于远离市政府的坝上地区以及坝下的山地和丘陵地带。草地空间的增长多分布于降雨相对低的区域, 草地空间的减少则多分布在降雨相对高的区域。根据草地空间转换类型统计结果(表5～7), 草地空间的转入以农业种植空间和裸地空间为主, 转出则以林地空间为主。可见高海拔和距离市政府所在地较远对草地空间演化的影响较大, 而较高的降雨量有助于草地空间向林地空间演化, 较低的降雨量导致退耕后的农业种植空间、实施生态修复或保护的裸地空间内的植被演替停留在草地阶段。
5) 林地空间。1990—2020 年, 降雨、与市政府的距离和与普通道路的距离对林地空间扩张的贡献度较高且稳定, 海拔和坡度对林地空间扩张的贡献度较高但有波动性。降雨量较高、距普通道路较近、距市政府所在地较远、海拔较高或坡度较大对林地空间扩张的影响较大。在林地空间减少方面,坡度和与国道的距离贡献度较高。林地空间的减少多分布在坡度较低和距国道较近的区域。根据林地空间转换类型统计结果(表7), 2010—2020 年, 林地空间的转出类型以农业种植空间、城镇建成空间和乡村建成空间为主, 占总转出面积的 78.88%, 而低坡度和临近国道也是上述 3 类空间内人类生产和生活活动区位选择的重要因素。因此, 坡度越低, 距离国道越近, 对林地空间减少的影响越大。
6) 水域空间。海拔和坡度对水域空间减少的贡献度较高且稳定, 水域空间的减少主要分布在坝下的洋河盆地、怀涿盆地、阳原盆地和蔚县盆地,该区域海拔较低, 坡度平缓。因此, 低海拔和低坡度对水域空间减少的贡献较高。
7) 裸地空间。海拔和与市政府的距离对裸地空间减少的贡献度较高。裸地空间的减少多分布在海拔较高以及距离市政府较远的区域。因此, 高海拔和距离市政府较远对裸地空间减少的影响较大。
4 讨论
4.1 张家口市“三生”空间演化驱动机制
张家口市“三生”空间演化是人类活动与地理环境综合作用的结果(图4)。工业、服务业生产活动和生活活动是城镇和乡村建成空间扩张的直接推动力。改革开放后, 张家口市工业化和城镇化快速推进。张家口市政府积极引导工业和服务业发展, 城乡居民收入与城乡建设用地规模不断提高。1990—2020 年, 张家口市工业和服务业产值分别从 27.53亿元和 17.39 亿元增长到 430.93 亿元和 904.24 亿元,城乡居民收入水平分别从 1461 元和 421 元增长到35595 元和 14166 元, 进而推动了居住环境和各类生活设施建设。作为承载工业和服务业生产活动以及城镇居民生活活动的主要载体, 城镇建成空间的总面积增长 298.57 km2, 增幅达 107.4%。区县政府所在地是各区县人口和经济的集聚中心, 不断吸引人口、工业和服务业在各区县政府所在地附近集聚, 对该空间的扩张与布局产生了影响。乡村建成空间内工业和服务业生产活动较弱, 其空间扩张主要受乡村居民扩建房屋和乡村生活设施建设的影响, 期间总面积增长 398.49 km2。乡间普通道路影响乡村居民出行的便捷性, 使得乡村建成空间沿普通道路扩张发展。
图4 张家口市“三生”空间演化驱动机制
Fig.4 Evolution mechanism of PLES in Zhangjiakou City
张家口市的农业生产活动主要是粮食、蔬菜和瓜果等农产品的生产种植活动。近年来, 张家口市充分利用坝上与坝下的区位优势, 推广种植错季蔬菜和优质瓜果等农业产品, 带动农业种植空间扩张,导致大量林地空间和水域空间减少。从表5～7可知,由农业种植空间扩张导致的流失面积在林地空间和水域空间的总转出面积中占比最高, 分别为 65.65%和 76.91%。因大量种植蔬菜, 过度消耗地表水和地下水, 导致部分水域空间干涸, 并转变为草地空间。平坦地形为农业生产提供了必要条件, 因此坡度对农业生产活动位置的选择具有显著影响, 具有较高的贡献度(表8)。
鉴于张家口市地理位置的特殊性以及生态问题的严重性, 20 世纪 80 年代以来, 各级政府陆续在当地实施多项生态保护工程和政策, 导致农业种植空间、草地空间和裸地空间不断地向林地空间和草地空间转换。从表5～7 可知, 1990—2000 年、2000—2010 年和 2010—2020 年 3 个时期, 农业种植空间向林地空间和草地空间的转入面积(林地空间: 27.62%,49.73%和 46.49%; 草地空间: 49.3%, 31.58%和32.65%)、草地空间向林地空间的转入面积(88.94%,93.29%和 79.64%)、裸地空间向林地空间和草地空间的转入面积(林地空间: 41.58%, 40.45%和 24.55%;草地空间: 25.87%, 48.82%和 67.51%)在其相应时期的转出面积中占比均较高。因此, 生态保护活动是导致农业种植空间、草地空间和裸地空间减少以及林地空间增加的主要原因。张家口市坝上地区以及坝下的山地和丘陵区生态环境脆弱, 成为生态保护工程重点实施区域, 草地空间、林地空间和裸地空间的演化均在不同程度上受到坡度、海拔及距市政府远近等地理环境因素的影响。降雨对林地空间和草地空间的演化产生重要影响。充沛的降雨有助于草地空间向林地空间演化, 而较低的降雨量使各类生态空间、退耕后的农业种植空间内的植被演替大多停留在草地空间阶段。
4.2 张家口市“三生”空间问题分析与优化建议
基于上述对张家口市“三生”空间演化与影响机制的分析以及实地调研, 我们发现当地“三生”空间发展面临以下问题。1) 城镇建成空间与乡村建成空间内的生活服务差距较大, 特别是教育和医疗等公共服务方面。2020 年, 张家口市城、乡区域的中、小学总数分别为 372 所和 266 所, 医疗床位与医护人员数量分别为 21554 张、21655 人以及 4691张、3667 人。2) 农业种植空间与林地空间、草地空间的空间冲突日趋激烈。2010 年后, 上述三类空间的相互转换规模明显扩大, 分别有 381.77 km2 和268.11 km2 的农业种植空间转变为林地空间和草地空间, 同时分别有 258.82 km2 的林地空间和 383.14 km2 的草地空间转为农业种植空间(表7), 上述空间转换在张家口市分布广泛。3) 水域空间的萎缩日益严重。当地水域空间流失面积达 279.8 km2 (表5～7)。水域空间不仅是张家口市城乡居民生产和生活的重要保障, 也是维护首都饮水安全的基石, 对张家口市履行首都水源涵养区的功能定位具有重要意义。
针对上述问题, 我们提出如下优化建议: 1) 在充分尊重乡村居民意愿并考虑乡村居民经济以及政府财政承受能力的前提下, 有序地推进“合村并居”项目, 加大乡村教育和医疗等公共服务设施的建设力度, 缩小城镇与乡村建成空间的公共服务差距;2) 对永久基本农田以外的农业种植空间实施空间分区, 在保障农业生产和尊重乡村居民意愿的基础上, 确定相关区域内农业生产和生态保护工程的空间布局, 减少农业生产与生态保护活动的空间竞争;3) 调整农业种植结构, 大力发展节水农业, 以水资源承载力为基础, 确定农业种植结构, 通过财政补贴等形式推广喷灌和滴灌等节水灌溉技术, 减少农业生产对水资源的消耗并提高水资源利用效率; 4)对水域空间进行严格管控, 并对水域空间附近区域的人类活动进行调整, 降低人类活动对水域空间的扰动; 5) 积极开展湿地、水体和裸地空间等生态修复工程。
5 结论与展望
本研究从国土空间精细化管理的视角, 构建张家口市“三生”空间分类体系与“三生”空间演化驱动机制分析框架, 系统地分析张家口市“三生”空间演化特征及其驱动机制, 得到如下主要结论。
1) 张家口市各类“三生”空间子空间的空间布局相对稳定(裸地空间除外), 且不同时期内各空间均存在数量变化与空间转换, 其中城镇建成空间、乡村建成空间和林地空间的面积均明显扩大。
2) 张家口市“三生”空间演化是人类活动与地理环境综合作用的结果。其中, 人类基于不同的需求开展各项生产、生活和生态活动, 直接推动“三生”空间的数量变化与空间转换, 地理环境则通过影响人类活动的区位选择与植物生长, 间接地决定“三生”空间演化的空间格局。
3) 张家口市“三生”空间面临城镇与乡村建成空间的生活服务差距较大、农业种植空间与林地空间和草地空间的空间竞争日趋激烈以及水域空间大量流失等问题。
4) 在未来的国土空间规划中, 当地政府可以通过加大乡村地区教育和医疗等公共服务设施建设力度, 实施农业种植空间分区, 调整农业种植结构,开展生态修复工程等方式推动当地国土空间可持续发展。
由于数据的限制, 本研究未能有效地识别畜牧养殖设施、渔业养殖设施和经济林等生产–生态空间。另外, 受限于经济社会数据的尺度, 且数据难以空间化, 本研究未定量地测度人类活动对“三生”空间演化的作用效果。未来的工作中, 可结合第三次全国国土调查数据, 对牧业空间、林业空间和渔业空间进行精细的识别, 并且采取半结构式访谈等方式, 获取微观尺度的人类活动数据, 综合运用logistic 模型和地理加权回归等统计方法, 定量地测度不同人类活动对“三生”空间演化的影响。
[1] 李广东, 方创琳.城市生态–生产–生活空间功能定量识别与分析.地理学报, 2016, 71(1): 49–65
[2] Zhang L, Hu B, Zhang Z, et al.Research on the spatiotemporal evolution and mechanism of ecosystem service value in the mountain-river-sea transition zone based on “production-living-ecological space” — taking the Karst-Beibu Gulf in Southwest Guangxi,China as an example.Ecological Indicators, 2023, 148:109889
[3] Yin Y, Xi F.Simulation of the evolution track of future Production–Living–Ecological Space under the framework of comprehensive assessment of climate change:a case study of Heilongjiang Province, China.Environmental Technology & Innovation, 2023, 30: 103129
[4] 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
[5] 江东, 林刚, 付晶莹.“三生空间”统筹的科学基础与优化途径探析.自然资源学报, 2021, 36(5): 1085–1101
[6] Yang Y, Liu Y, Zhu C, et al.Spatial identification and interactive analysis of urban production–living–ecological spaces using point of interest data and a two-level scoring evaluation model.Land, 2022, 11(10): 1814
[7] 刘鹏飞, 孙斌栋.中国城市生产、生活、生态空间质量水平格局与相关因素分析.地理研究, 2020, 39(1): 13–24
[8] 于正松, 程叶青, 李小建, 等.工业镇“生产–生活–生态”空间演化过程、动因与重构——以河南省曲沟镇为例.地理科学, 2020, 40(4): 646–656
[9] 宋永永, 薛东前, 夏四友, 等.近40a黄河流域国土空间格局变化特征与形成机理.地理研究, 2021,40(5): 1445–1463
[10] Wang D, Fu J, Jiang D.Optimization of production–living–ecological space in national key poverty-stricken city of Southwest China.Land, 2022, 11(3): 411
[11] 袁雪松, 周俊, 胡蓓蓓, 等.基于FLUS模型粤港澳大湾区“三生空间”多情景模拟预测.地理科学,2023, 43(3): 564–574
[12] Wang A, Liao X, Tong Z, et al.Spatial-temporal dynamic evaluation of the ecosystem service value from the perspective of “production-living-ecological” spaces: a case study in Dongliao River Basin, China.Journal of Cleaner Production, 2022, 333: 130218
[13] Tao Y, Wang Q.Quantitative recognition and characteristic analysis of production-living-ecological space evolution for five resource-based cities: Zululand, Xuzhou, Lota, Surf Coast and Ruhr.Remote Sensing,2021, 13(8): 1563
[14] Zeng P, Wu S, Sun Z, et al.Does rural production–living–ecological spaces have a preference for regional Endowments? A case of Beijing-Tianjin-Hebei, China.Land, 2021, 10(11): 1265
[15] 段亚明.“子空间–子功能”视角下“生产–生活–生态”空间演化与优化研究——以河北省张家口市为例.北京: 中国农业大学, 2023
[16] Huang A, Xu Y, Zhang Y, et al.A spatial equilibrium evaluation of primary education services based on living circle models: a case study within the city of Zhangjiakou, Hebei Province, China.Land, 2022, 11(11): 1994
[17] Liu C, Xu Y, Wang Y, et al.Analyzing the value and evolution of land use functions from “Demand–Function–Value” perspective: a framework and case study from Zhangjiakou City, China.Land, 2021, 11(1): 53
[18] 刘继来, 刘彦随, 李裕瑞.中国“三生空间”分类评价与时空格局分析.地理学报, 2017, 72(7): 1290–1304
[19] Ji Z, Liu C, Xu Y, et al.Quantitative identification and the evolution characteristics of production–living–ecological space in the mountainous area: from the perspective of multifunctional land.Journal of Geographical Sciences, 2023, 33(4): 779–800
[20] 黄安, 许月卿, 卢龙辉, 等.“生产–生活–生态”空间识别与优化研究进展.地理科学进展, 2020, 39(3):503–518
[21] Zhao J, Zhao Y, Yang X.Evolution characteristics and driving mechanism of the territorial space pattern in the Yangtze River Economic Belt, China.Land, 2022,11(9): 1447
[22] Wang Q, WANG H.Dynamic simulation and conflict identification analysis of production–living–ecological space in Wuhan, Central China.Integrated Environmental Assessment and Management, 2022, 18(6):1578–1596
[23] Liao G, He P, Gao X, et al.Land use optimization of rural production–living–ecological space at different scales based on the BP-ANN and CLUE-S models.Ecological Indicators, 2022, 137: 108710
[24] Zhang R, Li S, Wei B, et al.Characterizing production–living–ecological space evolution and its driving factors: a case study of the Chaohu Lake Basin in China from 2000 to 2020.ISPRS International Journal of Geo-Information, 2022, 11(8): 447
[25] Tian F, Li M, Han X, et al.A production–living–ecological space model for land-use optimisation: a case study of the core Tumen River region in China.Ecological Modelling, 2020, 437: 109310
[26] Gu Y, Shao Z, Huang X, et al.GDP forecasting model for China’s provinces using nighttime light remote sensing data.Remote Sensing, 2022, 14(15): 3671
[27] Chen J, Gao M, Cheng S, et al.Global 1 km×1 km gridded revised real gross domestic product and electricity consumption during 1992–2019 based on calibrated nighttime light data.Scientific Data, 2022, 9(1):202
[28] Liang X, Guan Q, Clarke K C, et al.Understanding the drivers of sustainable land expansion using a patchgenerating land use simulation (PLUS) model: a case study in Wuhan, China.Computers, Environment and Urban Systems, 2021, 85: 101569
[29] Xu X, Tian H, Yang G, et al.Spatial and temporal changes in land and water resources on the northern slopes of the Tianshan mountains from the perspective of “production-living-ecological space”.Frontiers in Environmental Science, 2023, 11: 291
[30] Wang L, Zhou S, Ouyang S.The spatial prediction and optimization of production-living-ecological space based on Markov–PLUS model: a case study of Yunnan Province.Open Geosciences, 2022, 14(1): 481–493
[31] Li X, Fu J, Jiang D, et al.Land use optimization in Ningbo City with a coupled GA and PLUS model.Journal of Cleaner Production, 2022, 375: 134004