北京大学学报(自然科学版) 第61卷 第1期 2025年1月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 1 (Jan. 2025)
doi: 10.13209/j.0479-8023.2024.083
国家自然科学基金(42230506)资助
收稿日期: 2024–01–15;
修回日期: 2024–02–22
摘要 以贵州省为研究区, 基于可持续发展目标(SDGs)框架构建喀斯特地区水土资源可持续性评估体系, 分析 2005—2020 年水土资源可持续性和可持续发展贡献潜力的时空变化特征, 进而采用地理探测器揭示水土资源可持续性的驱动因素, 得到如下结果。1)15 年间, 贵州省水土资源的可持续性指数持续上升, 呈现“东高西低”的空间格局。2)4 个子目标的可持续性指数变化过程不同, 且协调度呈现持续下降、先降后升、先升后降和持续上升 4 种变化趋势。3)水资源和生态用地的可持续发展贡献潜力指数呈现“东高西低”的格局, 并经历“西升东降”的变化过程; 农业用地的贡献潜力指数持续下降, “中心低边缘高”的格局不断强化; 建设用地的贡献潜力指数持续上升, “中心高边缘低”的格局逐渐形成。4) “石漠化治理面积”和“第三产业产值占比”对水土资源可持续性的影响最为显著, 且影响因子的属性越接近, 协同驱动效应的增强越明显。因此, 在喀斯特地区, 持续开展石漠化综合治理和提升产业发展水平, 对促进区域可持续发展具有重要意义。
关键词 可持续发展目标; 水土资源; 可持续性; 喀斯特地区; 贵州
石漠化是我国西南喀斯特地区突出的生态环境问题[1]。作为一种特殊的土地退化类型, 往往表现为植被持续退化, 导致水土流失、土地生产力下降和基岩大面积裸露[1–2]。脆弱的生态环境已成为喀斯特地区可持续发展的主要障碍[3]。喀斯特地区的水土资源与石漠化过程紧密相关, 在岩性、温度、降水和坡度等自然因素的驱动下, 地表水与地下水之间转换迅速[4], 加上土层浅薄, 成土速率低, 导致可利用的水土资源短缺, 并且在空间分布上不均衡[5]。中国西南喀斯特地区位于亚洲东部喀斯特片区的中心地带, 喀斯特地貌类型齐全, 分布规模巨大[6]。近年来, 在人口压力和高强度农业生产活动的共同作用下, 石漠化问题加剧, 水土资源支撑区域可持续发展的能力不断下降[7]。
水土资源为人类生存与发展提供基础物质保障[8], 水资源的丰沛程度制约土地资源的生产效 率[9], 土地资源的分布也会影响水资源的利用方 式[10]。尤其在喀斯特地区, 水资源己成为土地资源利用的主要限制因子[11]。水资源和土地资源是重要的自然资源组合体, 近年来, 水土资源调控与耦合成为研究热点[12–13]。基于供需视角, 现有研究中分析了水资源对土地利用变化的影响机理以及城市化进程中水资源与土地利用的匹配关系[14], 并提出相应的水土资源优化配置方案与调控手段[15]。水土资源的可持续利用是区域可持续发展的基础[16], 可持续性评价关注不同利用方式及强度对水土资源利用效率的影响, 进而寻求水土资源支撑区域可持续发展的路径[17]。针对喀斯特地区水土资源的可持续利用, 一些研究基于生态学视角, 提出岩溶生态系统的恢复及重建方案, 用来解决水土资源错配问题[18]; 或者基于水土资源结构对生态环境质量变化的影响, 提出面向可持续生态系统的水土资源优化路径[19]。
联合国粮食及农业组织(Food and Agriculture Organization of the United Nations, FAO)1993 年发布的《可持续土地利用评价纲要(FESLM)》[20]对水土资源可持续利用研究产生重要影响, 但由于其提出的生产性、稳定性、保护性、可行性和可接受性 5项评价标准不够具体, 导致诸多研究工作构建的评估指标体系的科学性受到质疑, 评估目标难以聚 焦[21]。全球可持续发展目标(sustainable develop-ment goals, SDGs)[22]的提出为水土资源可持续利用提供了新的评估视角, 它强调水土资源利用对实现SDGs 的支撑作用, 从而促进经济社会和生态环境的可持续发展[23]。面向 SDGs 的水土资源评估不仅可以对资源利用现状进行可持续性诊断, 还可以结合资源承载力分析水土资源对促进可持续发展能力提升的贡献潜力[24]。此外, 分析水土资源可持续性的时空变化特征及驱动因素, 亦是水土资源系统可持续发展的重要组成部分[25]。因此, 以 SDGs 全球指标框架为依据, 构建水土资源可持续性评估方法, 可以更系统性地分析在自然和人类活动影响下, 水土资源利用与社会经济发展协调状况[26], 进一步揭示水土资源利用与区域可持续发展的关系[27–28]。
贵州省是我国喀斯特地貌发育最典型的地区。由于强烈的地质构造运动, 该地区形成特殊的双层岩溶水文地质结构, 地表水渗漏严重, 水资源开发利用难度大[29–30]。由于可溶性碳酸盐岩出露面积占全省总面积的 73%, 可利用土地资源少, 零星分散的耕地仅占全省总面积的 19%, 坡耕地占耕地总面积的 61%, 陡坡种植进一步加剧了水土流失的风险[31]。水土资源的短缺和不合理利用已成为制约贵州省可持续发展的重要瓶颈[3,32]。因此, 本文以贵州省为研究区, 基于 SDGs 框架构建水土资源可持续利用的评估体系, 分析水土资源可持续性的时空变化特征与协调状况; 基于资源承载力和可持续性指数构建可持续发展贡献潜力指数, 揭示水土资源对促进区域可持续发展的潜力; 分析水土资源可持续性的驱动因素, 揭示水土资源可持续利用与区域发展的关系。
贵州省地处中国西南云贵高原, 介于 24°37'—29°13'N, 103°36'—109°35'E 之间(图 1), 面积为17.6 万 km2, 年平均降水量为 1100mm。山地和丘陵占全省总面积的 92.5%, 岩溶地貌占全省总面积的 61.9%, 中度以上石漠化主要分布在贵州省的中部和西部地区。贵州省包含 9 个地级市, 下辖 88 个县。2020 年, 贵州省人口总数为 3858 万, 人口密度为 219 人/km2, 高于全国平均人口密度(147 人/ km2)。贵州省人均耕地面积约为 0.089hm2, 低于全国平均水平(0.097hm2)。人均水资源量约为 2800m3, 高于全国平均水平(2240m3), 但由于降雨时空分布不均, 水利设施建设不够完善, 水资源利用率不足全国平均水平的一半, 区域性水资源短缺、工程性缺水和水生态环境脆弱等问题较为严重[30]。
图1 研究区位置示意图
Fig. 1 Study area location diagram
本文使用的水资源和社会经济等数据来自贵州省宏观经济数据库(http://hgk.guizhou.gov.cn/index. vhtml#)和贵州省统计局, 包括人口、GDP、城市供水量、城市化率和水利工程投资额等。森林覆盖率、石漠化和自然保护区面积等统计数据来自贵州省林业局, 自然保护区包括省级和国家级自然保护区。由于轻度石漠化地区的植被覆盖率超过 60%, 因此本文关注的“石漠化”仅限于中度以上石漠化。数据覆盖年份为 2005, 2010, 2015 和 2020 年。土地资源和植被指数数据来自于中国科学院资源环境科学与数据中心的遥感监测数据(https://www.resdc. cn/data.aspx?DATAID=264), 以 Landsat TM/ETM 遥感影像为数据源进行解译校准。数据覆盖年份为2000, 2005, 2010, 2015 和 2020 年。将土地资源分为农业用地、建设用地和生态用地三类, 其中生态用地包含林地、草地和水域[24]。
2.1.1 指标体系构建
水土资源可持续性评估体系包含生态环境和社会经济维度[16]。基于《变革我们的世界: 2030 年可持续发展议程》[22]提出的全球可持续发展目标(SDGs), 本文筛选出与水土资源直接相关的目标, 结合数据的可获得性, 构建评估指标体系(表 1)。目标层包括 SDG2, SDG6, SDG11 和 SDG15。针对SDG2, 水土资源的可持续性主要体现为农业生产能力, 准则层细分为 SDG2.1, 2.3 和 2.4。其中, 2005, 2010 和 2015 年的人均永久基本农田面积测算采用人均基本农田面积进行替代。针对 SDG6, 水土资源的可持续性主要体现为水资源保障能力和水生态安全, 准则层细分为 SDG6.1, 6.3, 6.4 和 6.6。其中, 水域面积增长率取 5 年期平均增长率, 例如2005 年的水域面积增长率是研究单元 2000—2005年的平均增长率。
表1 水土资源可持续性评估指标体系
Table 1 Evaluation index system of land and water resources sustainability
目标层权重准则层指标层方向权重 零饥饿(SDG2)0.1832.1安全和充足的食物单位面积耕地粮食产量(kg)正向0.047 2.3平等获得土地人均耕地面积(m2)正向0.081 2.4可持续的农业生产体系人均永久基本农田面积(m2)正向0.055 水资源和水生态(SDG6)0.2576.1安全充足的饮用水城市人均供水量(m3)正向0.086 6.3改善水质城市污水处理率(%)正向0.041 6.4提高用水效率单位工业产值耗水量(m3/万元)负向0.052 6.6保护水生态系统水域面积增长率(%)正向0.078 可持续发展城市和社区(SDG11)0.24511.1安全、适当的住房人均居住用地面积(m2)正向0.076 11.2改善道路运输系统人均交通用地面积(m2)正向0.034 11.3可持续性城市建设城市化率(%)正向0.092 11.7绿色公共空间人均公园绿地面积(m2)正向0.043 陆地生态(SDG15)0.31515.1陆地生态保护森林覆盖率(%)正向0.083 15.2森林可持续管理新增人工林面积(m2)正向0.076 15.3防治荒漠化石漠化面积占比(%)负向0.112 15.5栖息地保护自然保护区面积占比(%)正向0.044
针对 SDG11, 水土资源的可持续性主要体现为城市与社区的宜居性和可持续性, 准则层细分为SDG11.1, 11.2, 11.3 和 11.7。需要说明的是, 对于SDG11, 由于缺乏农村社区的统计数据, 本文只对城市统计数据进行测算。研究表明, 城市化率越高, 通常土地利用集约度越高, 进而促进可持续城市建设[32], 因此选择城市化率对 SDG11.3 进行测度。针对 SDG15, 水土资源的可持续性主要体现为陆地生态系统的可持续利用, 准则层细分为 SDG15.1, 15.2, 15.3 和 15.5。其中, 新增人工林面积为年度数据, 森林覆盖率、石漠化面积占比和自然保护区面积占比是以所在研究单元(省、市、县)的总面积为基准。除特殊说明外, 其他指标数据均直接来源于统计数据。
2.1.2 边界设定
参考《SDG Index and Dashboards 2018》[33]和相关研究[16,34], 设置评估指标的上限和下限。喀斯特地区水土资源可持续性指数的评估指标涉及两种类型: 一种有明确的绝对阈值, 上限为 100%, 下限为 0, 例如“城市化率”; 另一种没有明确的阈值, 选择表现最好的前几名的平均值作为上限值, 例如“单位面积耕地粮食产量”。对于无明确阈值的指标, 本研究选取排序前三的平均值作为上限。为了避免极端值的影响, 本研究将底部 10%位置的数据设置为下限值。
2.1.3 权重确定
联合国发布的可持续发展评估框架中, 没有对 SDGs 的权重进行统一规定。本研究选择熵权法,根据指标信息熵的大小确定权重, 一个指标的信息熵值越小, 表明它携带的信息越多, 相应的权重越大, 反之亦然。熵权法可以克服层次分析法(analy-tic hierarchy process, AHP)的主观性以及指标过多产生的属性重复问题, 适用于多元指标客观数据的评估体系。对数据进行 min-max 标准化处理, 消除量纲的影响, 通过计算指标的信息熵值、差异系数及权重, 得到水土资源可持续性指数。
基于 SDGs 框架评估的水土资源可持续性, 用于表征水土资源对可持续发展的贡献程度。资源承载压力反映资源的合理利用水平, 根据资源环境承载力的定义, 可以用现状人口与资源能够承载的人口的比值来表征水土资源承载压力[35]。在资源承载力范围内, 更加合理地利用水土资源, 同样可以提升水土资源对可持续发展的贡献程度。因此, 假设各类资源的合理利用程度对可持续发展的贡献均等, 则利用可持续性指数与承载压力指数的平均比值, 可以测算出水土资源的可持续发展贡献潜力, 即水土资源对促进区域可持续发展能力提升的潜力空间[13,24]。可持续发展贡献潜力可以为水土资源的可持续利用提供科学依据, 计算公式为
(2)
式中, CIij 为 i 地区 j 类资源的承载压力指数, Pi 为 i 地区人口, Lij 为 i 地区提供的 j 类资源, Dj 为 j 类资源的人均需求量, 1 − CIij 表示资源利用的潜力空间, QSij 是 i 地区 j 类资源的可持续发展贡献潜力指数, SIi 为可持续性指数, n 为研究单元数量。
农业用地的人均需求等于每人每年粮食需求量除以单位耕地面积的粮食产量, 人均粮食需求量取国际粮食安全标准线 400kg。按照城市规划标准, 人均建设用地面积需求量取 100m2。生态用地和水资源的人均需求量没有统一的标准, 本文采用所研究年份的全国人均资源占有量代替。
空间自相关分析是计量地理学的重要方法, Moran’s I 指数和 G 统计量是基本判据[36]。Moran’s I 指数基于空间总体进行定义, 常用于空间抽样建模的辅助分析。G 统计量用于局部集聚分析, 可以探测出区域要素的空间分布是高值集聚还是低值集聚。计算公式为
(4)
式中, xi 和 xj 是变量 x 在相邻空间单元的取值, wij 是空间权重矩阵。对于 Moran’s I 指数, 可以用标准化统计量 Z(I)来判断区域要素是否存在空间相关性。当 Z(I)显著为正时, 存在空间正相关; 当 Z(I)显著为负时, 存在空间负相关。当 Z(G)显著为正时, 存在高值聚集; 当 Z(G)显著为负时, 存在低值聚集。
协调度常用于刻画存在关联的多个系统相互影响的程度。在水土资源可持续性评估体系中, 引入协调度模型, 分析 4 个目标层子系统之间的协调发展水平, 计算公式为
式中, D 是 n 个子系统的协调度, n=4, SIi 是子系统 i的可持续性指数, αi 是子系统 i 的权重。
因子探测器是地理探测器的一种, 可用于分析系统外部因子 X 能在多大程度上解释属性 Y 的空间异质性, 并实现对多因子的共线性免疫[37], 计算公式为
式中, N 和 Nh 分别表示整个区域和层 h 区域的样本数, L 是因子 X 的分层, σ2 和 σh2 分别表示属性 Y 在整个区域和层 h 区域的方差。q 的取值范围为[0, 1], q值越大, 说明因子 X 对属性 Y 空间分异的解释力 越强。
交互作用探测可以进一步地分析双因子的协同驱动效应是增强还是减弱。交互类型的判断标准如下: 若 q(x1∩x2)>q(x1)+q(x2), 为非线性增强; 若q(x1∩x2)=q(x1)+q(x2), 为双因子独立; 若 q(x1)+ q(x2)>q(x1∩x2)>Max(q(x1), q(x2)), 为双因子增强; 若 Max(q(x1), q(x2))>q(x1∩x2)>Min(q(x1), q(x2)), 为单因子非线性减弱; 若 Min(q(x1), q(x2))>q(x1∩x2), 为非线性减弱。
针对喀斯特地区水土资源可持续性空间分异的驱动因素分析, 参考文献[38–39]中的方法, 选择 9个驱动因子, 并按照人工干预的强弱程度分为人工环境组、人工强干预环境组和人工弱干预环境组 3个组。其中, 人工环境组包括人口密度(X1)、地均GDP(X2)和第三产业产值占比(X3), 人工强干预环境组包括水利工程投资额(X4)、封山育林面积(X5)和石漠化治理面积(X6), 人工弱干预环境组包括河流密度(X7)、归一化植被指数(X8)和年降水量(X9)。河流密度包括四级以上河流。驱动因素分析中各变量的数值为期末与期初的差值。
3.1.1 时空变化特征
从图 2 看出, 2005—2020 年, 贵州省水土资源可持续性指数 SISDGs 呈现上升趋势, 但整体上处于较低水平。从全省尺度看, SISDGs 从 2005 年的 0.39上升到 2020 年的 0.53, 从地级市尺度看, 贵阳、遵义和铜仁的 SISDGs 上升更为明显, 安顺、毕节和黔西南的 SISDGs 相对较低。
图2 贵州省2005, 2010, 2015和2020年水土资源可持续性指数变化热力图
Fig. 2 Thermal map of land and water resources sustainability index of Guizhou Province in 2005, 2010, 2015 and 2020
图3 贵州省2005, 2010, 2015和2020年水土资源可持续性指数
Fig. 3 Spatial pattern of land and water resources sustainability index of Guizhou Province in 2005, 2010, 2015 and 2020
4 个子目标的可持续性指数变化过程不同。2005—2020 年, 与农业生产能力相关的 SISDG2 呈现明显的下降趋势, 毕节下降幅度最大, 从 2005 年的0.57 下降至 2020 年的 0.34。2020 年, 贵阳的 SISDG2为 0.28, 低于全省均值 0.34。与水资源保障能力相关的 SISDG6 呈现上升趋势, 城市化率较高的贵阳、遵义和安顺等地区的 SISDG6 相对较高, 2020 年, 贵阳的 SISDG6 为 0.72, 而最低的黔西南仅为 0.41, 全省均值为 0.35。与宜居城市相关的 SISDG11 同样呈现上升趋势, 贵阳的 SISDG11 最高, 而毕节、铜仁和黔西南的 SISDG11 相对较低, 2020 年, 贵阳的 SISDG11 为0.84, 铜仁仅为 0.41, 全省均值为 0.53。虽然与陆地生态系统相关的 SISDG15 整体上呈现上升趋势, 但在 2005—2010 年, 贵阳、毕节和黔西南等地区的SISDG15 出现小幅下降, 2020 年, 黔东南的 SISDG15 最高, 达到 0.82, 毕节仅为 0.42, 全省均值为 0.58。
图 3 展示以县域为单元的水土资源可持续性指数的时空格局变化。2005—2020 年, 水土资源可持续性指数持续上升, 且一直呈现“东高西低”的格局。2005 年, 可持续性指数的低值区集中分布在石漠化更为严重的毕节、六盘水和黔西南等西部地区, 整体上低于 0.35, 东部地区也有零星分布的低值区。北部的遵义和东北部的铜仁地区的可持续性指数相对较高, 在 0.44~0.51 之间。2010—2020 年, 可持续性指数的低值单元不断减少, 东部地区开始出现零星分布的高值单元。2020 年, 西部地区的可持续性指数已经明显提升, 仅有毕节地区黔西和赫章两县的可持续性指数低于 0.34。中、东部大部分地区的可持续性指数高于 0.45, 中部的贵阳市主城区以及东部的遵义市汇川区和铜仁市碧江区的可持续性指数高于 0.65。
3.1.2 协调度分析
2005—2020 年, 贵州省水土资源可持续性指数的协调度变化趋势可分为 4 种类型(图 4)。贵阳和安顺的协调度持续下降, 分别从 2005 年的 0.52 和0.34 下降至 2020 年的 0.39 和 0.27, 这是由于所研究时段 SISDG2 显著下降, 其他子系统的可持续性指数显著上升。黔西南、毕节以及贵州全省的协调度呈现先降后升的变化过程, 与 2005—2010 年 SISDG2 和SISDG15 同时下降有关。虽然 2020 年黔西南和毕节的协调度较高, 但 4 个子系统的可持续性指数都相对较低, 属于低质量的协调状态。铜仁、六盘水和黔南的协调度呈现先升后降的变化过程, 这是因为2005—2010 年各子系统的可持续性指数属于中等水平, 差距较小, 协调度在小幅上涨后, 随着子系统之间差距增大, 协调度开始下降。黔东南和遵义的协调度持续上升, 分别从 2005 年的 0.29 和 0.47升至 2020 年的 0.51 和 0.68, 这是因为研究时段的SISDG2 小幅下降, 其他子系统的可持续性指数稳步上升。遵义地区的水土资源可持续性指数协调状况整体上最好。的协调度呈现持续上升的变化趋势(图 5), 空间格局从 2005 年的“东高西低”演变为 2020 年的“西高东低”。2005 年, 研究区的水土资源可持续性指数协调度普遍较低, 尤其是西部地区, 大部分区县的协调度低于 0.30, 毕节地区黔西和金沙两县的协调度仅为 0.18。2010 年, 西部和南部地区的协调度明显上升, 北部地区的协调度偏低。此后, 西部地区的协调度继续上升, 到 2020 年, 部分区县的协调度已经高于 0.60。南部地区的协调度在 2010—2020 年期间没有发生明显的变化。
图4 贵州省2005, 2010, 2015和2020年水土资源可持续性指数协调度变化类型
Fig. 4 Variation types of coordination degree of sustainability index of Guizhou Province in 2005, 2010, 2015 and 2020
与省级和地级市尺度的变化趋势不同, 从县域尺度看, 2005—2020 年, 研究区的水土资源可持续性指数
基于县域尺度, 分析水资源、生态用地、农业用地和建设用地的可持续发展贡献潜力的时空变化特征, 结果如图 6~9 所示。
1)水资源。2005—2020 年, 水资源可持续发展贡献潜力指数呈现“西升东降”的变化过程, 空间格局从 2005 年的“东高西低”演变为 2020 年的“中心高边缘低”。2005 年, 西部大部分地区的水资源潜力指数低于 0.32, 东部地区高于 0.71。此后, 西部地区的水资源潜力不断上升, 东部地区不断下降, 到2015 年, 空间均衡性明显提升。2020 年, 省会城市贵阳所在的中部地区, 水资源潜力指数明显高于其他地区。
2)生态用地。与水资源的变化趋势类似, 生态用地的可持续发展贡献潜力指数也呈现“西升东降”的变化过程。2005 年, 西部地区的生态用地潜力指数低于 0.33, 东部地区高于 0.75, “东高西低”的空间格局明显。此后, 潜力指数的空间均衡性不断提升, 2020 年, 中部地区的潜力指数较低, 北部地区相对较高。
3)农业用地。2005—2020 年, 农业用地的可持续发展贡献潜力指数不断下降, 中部地区下降最快, “中心低边缘高”的空间格局不断强化, 2020 年中部地区的潜力指数普遍低于 0.30。这与耕地资源的持续减少密切相关, 研究区的人均耕地面积从 2005 年的 1247m2 下降至 2020 年的 890m2。2020 年, 贵阳市人均耕地面积仅为 319m2。
4)建设用地。与农业用地的变化趋势相反, 建设用地的可持续发展贡献潜力指数不断上升。2005年, 建设用地的可持续发展贡献潜力指数普遍较低, 大部分区域低于 0.40, 说明建设用地支撑区域可持续发展的能力较弱。此后, 潜力指数不断上升, 低值单元逐渐减少, 到 2020 年, 大部分区域的潜力指数高于 0.65, 中部地区最高, 贵阳市主城区的潜力指数超过 0.75, 形成“中心高边缘低”的空间格局。
图5 贵州省2005, 2010, 2015和2020年水土资源可持续性指数协调度
Fig. 5 Spatial pattern of coordination degree of sustainability index of Guizhou Province in 2005, 2010, 2015 and 2020
图6 贵州省2005, 2010, 2015和2020年水资源可持续发展贡献潜力指数
Fig. 6 Potential index of sustainable development of water resources of Guizhou Province in 2005, 2010, 2015 and 2020
图7 贵州省2005, 2010, 2015和2020年生态用地可持续发展贡献潜力指数
Fig. 7 Potential index of sustainable development of ecological land of Guizhou Province in 2005, 2010, 2015 and 2020
图8 贵州省2005, 2010, 2015和2020年农业用地可持续发展贡献潜力指数
Fig. 8 Potential index of sustainable development of agricultural land of Guizhou Province in 2005, 2010, 2015 and 2020
图9 贵州省2005, 2010, 2015和2020年建设用地可持续发展贡献潜力指数
Fig. 9 Potential index of sustainable development of construction land of Guizhou Province in 2005, 2010, 2015 and 2020
利用空间分析工具进一步揭示水土资源可持续发展贡献潜力的变化规律, 重点分析水资源与生态用地, 农业用地和建设用地的差异, 结果见表 2。对于水资源, 2005 和 2010 年, Moran’s I 指数显著为正, 存在空间正相关, G 统计量在 2005 年显著为负, 说明存在低值聚集; 2020 年, Moran’s I 指数显著为负, 存在空间负相关。对于生态用地, 2005, 2015 和2020 年 Moran’s I指数都显著为正, G 统计量在 2005和 2020 年显著为负, 存在低值聚集; 2005—2020 年, 两者的方差都在持续降低, 区域差异逐渐缩小。
对于农业用地, 2005, 2010 和 2020 年, Moran’s I 指数都显著为正, G 统计量在 2005 和 2010 年显著为正, 存在高值聚集, 在 2020 年显著为负, 存在低值聚集。对于建设用地, 2005 和 2020 年, Moran’s I 指数显著为正, G 统计量在 2005 年显著为负, 存在低值聚集, 在 2020 年显著为正, 存在高值聚集, Moran’s I指数在 2010 和 2015 年显著为负, 存在空间负相关。2005—2020 年, 两者的方差都在持续上升, 区域差异逐渐扩大。
使用因子探测器, 分析水土资源可持续性指数空间分异的驱动因素, 结果见表 3。首先, 借助SPSS 工具进行 VIF 检验, 逐步回归法的步进概率Entry 和 Removal 分别设为 0.05 和 0.10, 9 个因子的VIF 值均小于 5, 平均 VIF 值为 3.84, 排除不可容忍的共线性问题。然后, 进行单因子探测, 以 p 值小于 0.05 为标准, 9 个因子都表现出显著的驱动作用。单因子探测结果显示, X6 (石漠化治理面积)和X3 (第三产业产值占比)的驱动作用最强, 说明对于喀斯特地区, 通过石漠化综合治理和发展高效低耗的第三产业, 能有效地提升水土资源利用的可持续性。此外, X4 (水利工程投资额)、X7 (河流密度)和 X2 (地均 GDP)的驱动作用也较强。
双因子交互探测结果显示, 组内因子的交互作用类型为非线性增强, 即同属性因子的协同驱动效应显著增强。组间因子的交互探测结果显示, 人工环境组与人工强干预环境组、人工强干预环境组与人工弱干预环境组的交互作用类型为双因子增强, 这与组内因子的交互探测结果类似, 即驱动因子的属性越接近, 协同驱动效应的增强越明显。例如, 因子组合 X2∩X4 的交互作用类型为双因子增强, 说明在发展经济的同时, 增加水利工程投资, 可以更有效地提升喀斯特地区水土资源的可持续性。具体来看, 2005—2020 年, 贵州省地均 GDP 从 108 万元/km2 增长到 1017 万元/km2, 水利工程投资额从 23亿元增长到 339 亿元。
表2 贵州省水土资源可持续发展贡献潜力指数空间自相关分析结果
Table 2 Spatial analysis of potential index of sustainable development of land and water resources
资源类别年份Moran’s I指数G统计量方差Z(I)pZ(G)p 水资源20050.5990.001−0.6580.0030.194 20100.4050.0370.8061.2930.149 20150.2630.0870.8470.1350.124 2020−0.4270.0040.5932.7460.125 生态用地20050.8380.001−0.9430.0010.237 20100.3420.4520.5182.5590.194 20150.2080.0220.0831.4990.149 20200.5050.035−0.4520.0440.142 农业用地20050.7410.0010.7690.0060.084 20100.5630.0040.4290.0360.105 20150.2691.5390.5021.6380.117 20200.2070.041−0.2780.0480.135 建设用地20050.7330.006−0.6130.0010.095 2010−0.3970.0160.7351.5380.115 2015−0.3850.0280.3650.9540.141 20200.3750.0310.4820.0120.153
表3 贵州省水土资源持续性指数变化的驱动因子
Table 3 Driving factors of land and water resources sustainability index change
因子人工环境组人工强干预环境组人工弱干预环境组X1X2X3X4X5X6X7X8X9 X20.413 X30.4220.517 X40.1680.4160.326 X50.1970.2360.3200.459 X60.4290.4020.4140.6710.528 X70.2140.2260.4710.3750.3360.429 X80.1720.3290.3420.4030.2650.5480.484 X90.1380.1680.1490.2870.2080.4730.4150.397 q值0.109**0.218**0.286***0.243***0.114***0.341***0.239**0.183***0.145***
注: *p<0.1, **p<0.05, ***p<0.01。
人工环境组与人工弱干预环境组的交互作用类型为单因子非线性减弱和双因子增强, 说明两组因子缺乏协同驱动效应, 因子组合对水土资源可持续性空间分异的解释力较弱。例如, 因子组合 X2∩X7与 X2∩X9 的交互作用类型为单因子非线性减弱, 说明对于喀斯特地区, 当自然条件相对恒定时, 仅通过经济发展手段, 驱动水土资源可持续性提升的难度较大。以贵阳和遵义为例, 研究时段内, 两地的河流密度与降水量变化不大, 两地的地均 GDP 分别上涨 4734 万元/km2和 1088 万元/km2, 但水土资源可持续性指数 SISDGs 则分别上升 0.19 和 0.21。
本文基于 SDGs 框架, 提出面向喀斯特地区水土资源可持续性及贡献潜力的评估方法, 以贵州省为研究区, 从省、市、县多尺度分析水土资源可持续性的时空间变化特征及其驱动因素, 测度水土资源对促进区域可持续发展的潜力, 得到如下主要 结论。
1)2005—2020 年, 贵州省水土资源可持续性指数 SISDGs 持续上升, 在县域尺度呈现“东高西低”的空间格局。2005 年, 低值单元集中分布在石漠化更严重的西部地区。
2)4 个子目标的可持续性指数变化过程不同, SISDG2持续下降, 西部地区下降幅度最大。SISDG6 和SISDG11 持续上升。虽然 SISDG15 整体上呈现上升趋势, 但部分地区在 2005—2010 年出现小幅下降。水土资源可持续性指数协调度的变化趋势呈现持续下降、先降后升、先升后降和持续上升 4 种类型。遵义市的水土资源可持续性指数协调状况最好。
3)15 年间, 水资源和生态用地的可持续发展贡献潜力指数呈现“东高西低”的格局, 并经历“西升东降”的变化过程, 空间均衡性持续提升, 区域差异逐渐缩小。农业用地潜力指数持续下降, “中心低边缘高”的格局不断强化, 建设用地潜力指数持续上升, “中心高边缘低”的格局逐渐形成, 区域差异逐渐扩大。
4)“石漠化治理面积”和“第三产业产值占比”对水土资源可持续性的影响最强, 且驱动因子属性越接近, 协同驱动效应的增强越明显。因此, 对于喀斯特地区, 通过石漠化综合治理和发展高效低耗的第三产业, 能有效地提升水土资源利用的可持续性, 进而促进区域可持续发展。
在可持续性评估的基础上, 本文通过驱动因素分析, 揭示水土资源利用与区域发展的关系, 为喀斯特地区的水土资源可持续利用提供科学依据。本文的研究结果表明, 自然条件的制约, 仍然是喀斯特地区水土资源可持续性较低的重要原因。虽然研究区的水土资源可持续性在持续地上升, 但整体上仍然处于较低水平, 尤其是石漠化更严重的西部地区, 4 个子系统也处于低质量的协调状态。但是, 从可持续发展贡献潜力的角度看, 西部地区上涨明显, 尤其是水资源和生态用地, 这有利于未来水土资源可持续利用水平的持续提升。区域发展战略的调整也会对水土资源利用产生影响, 2012 年,《国务院关于进一步促进贵州经济社会又好又快发展的若干意见》(国发〔2012〕2 号文件)提出建设黔中经济区, 省会城市所在的中部地区成为城市化建设的重点。本研究也发现, 中部地区的水土资源可持续性以及建设用地的潜力指数在 2010—2020 年期间明显提升。
针对研究区水土资源可持续性的空间分异现状, 建议分区施策, 以西部的毕节市和黔西南州为重点, 通过集中城市化建设, 提高水资源与建设用地的使用效率, 通过跨区域引调水工程建设与生态保护措施, 进一步提升水资源和生态用地的可持续发展贡献潜力。对于水资源相对充沛的东部和北部地区, 应适当增加耕地建设与永久基本农田保护任务, 在保障粮食安全方面发挥更大作用。中部的贵阳市和安顺市是全省城镇化建设与经济发展的核心区域, 但水土资源可持续性指数的协调度却持续下降, 建议在发展高效农业的同时, 通过跨区域合作, 建立耕地保护与生态保护的联合补偿机制, 以便更好地实现区域协调发展。
此外, 无论是单因子探测还是双因子交互探测, 因子“石漠化治理面积”和“第三产业产值占比”的驱动作用都较强。因此, 对于喀斯特地区, 建议在调整产业结构与提高经济发展效益的同时, 持续开展石漠化综合治理, 提升陆地生态系统质量, 这对促进区域可持续发展具有重要意义。
当然, 本研究也存在一些不足, 部分难以获取数据的指标未列入评估体系。例如, 陆地生态子系统评估没有考虑生物多样性, 也没有考虑气候变化对水土资源可持续利用的影响。
参考文献
[1] 苏维词, 杨华, 李晴, 等. 我国西南喀斯特山区土地石漠化成因及防治. 土壤通报, 2006, 37(3): 447–451
[2] Zhou Z F, Zhang S Y, Xiong K N, et al. The spatial distribution and factors affecting karst cave develop-ment in Guizhou Province. Journal of Geographical Sciences, 2017, 27(8): 1011–1024
[3] 张殿发, 欧阳自远, 王世杰. 中国西南喀斯特地区人口、资源、环境与可持续发展. 中国人口·资源与环境, 2001, 11(1): 78–82
[4] 卢耀如. 喀斯特发育机理与发展工程建设效应研究方向. 地球学报, 2016, 37(4): 419–432
[5] 周鹏, 邓伟, 彭立, 等. 典型山地水土要素时空耦合特征及其成因. 地理学报, 2019, 74(11): 2273–2287
[6] Wang L J, Wang P, Sheng M Y, et al. Ecological stoichiometry and environmental influencing factors of soil nutrients in the karst rocky desertification eco-system, southwest China. Global Ecology and Conser-vation, 2018, 16: e00449
[7] Feng Q, Zhou Z F, Zhu C L, et al. Quantifying the eco-logical effectiveness of poverty alleviation relocation in karst areas. Remote Sensing, 2022, 14(23): 5920
[8] 李思楠, 赵筱青, 普军伟, 等. 西南喀斯特典型区国土空间功能质量评价及耦合协调分析——以广南县为例. 自然资源学报, 2021, 36(9): 2350–2367
[9] 蒙吉军, 周朕, 郭力仁. 基于水资源承载力的黑河中游生态建设空间格局优化. 北京大学学报(自然科学版), 2019, 55(3): 526–536
[10] 蒙吉军, 汪疆玮, 王雅, 等. 基于绿洲灌区尺度的生态需水及水资源配置效率研究——黑河中游案例. 北京大学学报(自然科学版), 2018, 54(1): 171–180
[11] Zheng Q W, Su W C, Zhang F T, et al. Evaluation of water resources security in the karst region from the “man-land-water” perspective: a case study of Guizhou Province. Water, 2019, 11(2): 224
[12] 曲绅豪, 姚怀柱, 王彦东, 等. 江苏典型灌区农业水土资源匹配现状及其承载力特征. 水土保持研究, 2023, 30(6): 452–457
[13] Hou J, Qin T L, Yan D H, et al. Evaluation of water-land resources regulation potential in the Yiluo River Basin, China. Ecological Indicators, 2023, 153: 110410
[14] 曾惠, 鄢春华, 黄婉彬, 等. 城市化水平与水资源利用效率的关系研究——以珠江三角洲城市群为例. 北京大学学报(自然科学版), 2020, 56(3): 561–570
[15] Qin T L, Feng J M, Li C H, et al. Risk assessment and configuration of water and land resources system network in the Huang-Huai-Hai watershed. Ecological Indicators, 2023, 154: 110712
[16] Lane M. The carrying capacity imperative: assessing regional carrying capacity methodologies for sustai-nable land-use planning. Land Use Policy, 2010, 27(4): 1038–1045
[17] 李寒冰, 金晓斌, 吴可, 等. 土地利用系统对区域可持续发展的支撑力评价: 方法与实证. 自然资源学报, 2022, 37(1): 166–185
[18] 蔡运龙, 蒙吉军. 退化土地的生态重建: 社会工程途径. 地理科学, 1999, 19(3): 7–13
[19] 阮玉龙, 连宾, 安艳玲, 等. 喀斯特地区生态环境保护与可持续发展. 地球与环境, 2013, 41(4): 388–397
[20] FAO. FESLM: An international framework for evalu-ating sustainable land management [EB/OL]. (1993) [2023–12–01]. https://www.fao.org/4/t1079e/t1079e00. htm
[21] Cao M, Tian Y, Wu K, et al. Future land-use change and its impact on terrestrial ecosystem carbon pool evolution along the Silk Road under SDG scenarios. Science Bulletin, 2023, 68(7): 740–749
[22] United Nations. Transforming our world: the 2030 Agenda for Sustainable Development [R/OL]. (2015–10–21) [2023–12–01]. https://digitallibrary.un.org/record/ 3923923?v=pdf
[23] 张正峰. 面向SDGs的土地可持续利用目标、挑战与应对策略. 中国土地科学, 2019, 33(10): 48–55
[24] 周伟, 沈镭, 钟帅. 面向可持续发展目标的西部水土资源评估. 地理研究, 2022, 41(3): 917–930
[25] 韩博, 金晓斌, 孙瑞, 等. 基于冲突–适配视角的土地利用可持续性评价. 地理学报, 2021, 76(7): 1763–1777
[26] Qiao W Y, Hu B, Guo Z, et al. Evaluating the su-stainability of land use integrating SDGs and its dri-ving factors: a case study of the Yangtze River Delta urban agglomeration, China. Cities, 2023, 143: 104569
[27] 左强, 吴训, 石建初, 等. 黄河三角洲滨海盐碱地可持续利用的水土资源约束与均衡配置策略. 中国工程科学, 2023, 25(4): 169–179
[28] 张甘霖, 朱永官, 邵明安. 地球关键带过程与水土资源可持续利用的机理. 中国科学: 地球科学, 2019, 49(12): 1945–1947
[29] 文林琴, 栗忠飞. 2004—2016年贵州省石漠化状况及动态演变特征. 生态学报, 2020, 40(17): 5928–5939
[30] Liu L Y. Assessment of water resource security in karst area of Guizhou Province, China. Scientific Reports, 2021, 11(1): 7641
[31] 杨庆媛, 毕国华, 陈展图, 等. 喀斯特生态脆弱区休耕地的空间配置研究——以贵州省晴隆县为例. 地理学报, 2018, 73(11): 2250–2266
[32] 吕永龙, 曹祥会, 王尘辰. 实现城市可持续发展的系统转型. 生态学报, 2019, 39(4): 1125–1134
[33] Sachs J, Schmidt-Traub G, Kroll C, et al. SDG index and dashboards report 2018 [R/OL]. New York: Bertel-smann Stiftung and Sustainable Development Solu-tions Network (SDSN). (2018)[2023–12–01]. https:// sdgtransformationcenter.org/reports/sdg-index-2018
[34] Lee B X, Kjaerulf F, Turner S, et al. Transforming our world: implementing the 2030 agenda through susta-inable development goal indicators. Journal of Public Health Policy, 2016, 37: S13–S31
[35] 谭琨, 严直慧, 赵祖军, 等. 基于模糊评价的喀斯特山区文山市资源环境承载力评价. 水土保持研究, 2021, 28(1): 218–227
[36] 陈彦光. 基于Moran统计量的空间自相关理论发展和方法改进. 地理研究, 2009. 28(6): 1449–1463
[37] Wang J F, Zhang T L, Fu B J. A measure of spatial stratified heterogeneity. Ecological Indicators, 2016, 67: 250–256
[38] 谈旭, 王承武. 伊犁河谷生态系统服务价值时空 演变及其驱动因素. 应用生态学报, 2023, 34(10): 2747–2756
[39] Wei C J, Meng J J, Zhu LK, et al. Assessing progress towards sustainable development goals for Chinese urban land use: a new cloud model approach. Journal of Environmental Management, 2023, 326: 116826
Evaluation on Sustainability of Land and Water Resources in Karst Area for Sustainable Development Goals: A Case Study of Guizhou Province
Abstract Based on the Sustainable Development Goals (SDGs), this paper proposed a sustainability assessment method, taking Guizhou as an example, to analyze the change characteristics and driving factors of land and water resources sustainability. The findings are as follows. 1) From 2005 to 2020, the sustainability index of land and water resources continued to rise, showing a pattern of “high in the east and low in the west” at the county scale. 2) The change process of the sustainability index of the four sub-targets was different, and the coordination degree presented four changing trends: continuous decline, first decline and then rise, first rise and then fall, and continuous rise. 3) The potential index of water resources and ecological land showed a pattern of “high in the east and low in the west”. The potential index of agricultural land continued to decline, and the potential index of construction land continued to rise. 4) The driving effect of the factors “area under the control of rocky desertification” and “proportion of output value of the tertiary industry” was the strongest. The closer the attributes of the driving factors were, the more obvious the synergistic driving effect was enhanced. Therefore, in karst areas, it is of great significance to carry out control of rocky desertification and improve industrial development level to promote regional sustainable development.
Key words sustainable development goals; land and water resources; sustainability; karst areas; Guizhou