EN中文

PROGRESS IN GEOGRAPHY >

2021 , Vol. 40 >Issue 2: 207 - 219

DOI: https://doi.org/10.18306/dlkxjz.2021.02.003

Articles

Landscape multifunctionality change in rapidly urbanized areas of the Yangtze River Delta:A case study of Suzhou City

  • LIANG Xinyuan 1, 2 ,
  • JIN Xiaobin , 1, 2, 3, * ,
  • HAN Bo 1 ,
  • SUN Rui 1 ,
  • ZHANG Xiaolin 1 ,
  • ZHOU Yinkang 1, 2, 3
Expand
  • 1. School of Geography and Ocean Science, Nanjing University, Nanjing 210023, China
  • 2. Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources, Nanjing 210023, China
  • 3. Jiangsu Land Development and Consolidation Technology Engineering Center, Nanjing 210023, China

Received date: 2020-04-27

  Request revised date: 2020-06-01

  Online published: 2021-04-28

Supported by

National Natural Science Foundation of China, No(41971234)

National Natural Science Foundation of China, No(41971235)

Major Program of National Social Science Foundation of China, No(19ZDA096)

Copyright

Copyright reserved © 2021. Office of Progress in Geography All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
Fold

Abstract

Assessing the characteristics of landscape multifunctionality change in rapidly urbanized areas is critical for understanding resource allocation and optimization under the background of rural-urban development and transformation and for formulating reasonable regional land management and planning policies. This study took Suzhou City, the most prominent representative city in the urbanization process in the Yangtze River Delta Economic Zone, as the research area. Six landscape multifunctionality indicators are selected, including residential support, food supply, habitat maintenance, water conservation, climate regulation, and soil retention. Based on the 1 km landscape units, change in hotspots of regional landscape multifunctionality and trade-off co-evolution relationships were analyzed through spatial analysis, self-organizing feature maps (SOFM) network model, and other methods. The research shows that: 1) Affected by urban expansion, landscape multifunctions in Suzhou during 2000-2015 were dominated by the spread of residential support functions. Other landscape functions represented a differentiated shrinking trend, of which the function of food supply and habitat maintenance was weakened most significantly, and the spatial distribution characteristics of the three regulatory functions were consistent. 2) Landscape multifunctionality in Suzhou has gradually increased over time, and its high-value (>2) areas are concentrated in forest, grassland, and farmland areas. The spatiotemporal change of regional landscape multifunctionality varied from strong to weak and gradually stabilized under the influence of socioeconomic development, the hotspots of change were mainly distributed in rural areas and rural-urban junctions, and the cold spots are mainly based on ecological spatial agglomerations. 3) Trade-off relationships between landscape multifunctions during the study period did not change over time, but there is a volatile change in trade-off degrees. Combining the features of multifunctional trade-offs and the changing pattern of multifunctionality hotspots, Suzhou City can be divided into eight types of dominant landscape functions and four types of rural-urban development zones in landscape units and township administrative units. Overall, the advantages of landscape multifunctionality in rapidly urbanized areas of the Yangtze River Delta present a circular spatial migration process of "city → near suburbs → far suburbs → rural areas". However, land use diversifications mapped out by the multifunctionality will inevitably lead to more land use conflicts. Policymakers should consider the design and implementation of landscape management or land use policies from a multi-scale spatiotemporal coupling perspective.

Key words： Yangtze River Delta; urbanization; landscape multifunctionality; characteristics of change; multiscale coupling

Cite this article

LIANG Xinyuan , JIN Xiaobin , HAN Bo , SUN Rui , ZHANG Xiaolin , ZHOU Yinkang . Landscape multifunctionality change in rapidly urbanized areas of the Yangtze River Delta:A case study of Suzhou City[J]. PROGRESS IN GEOGRAPHY, 2021 , 40(2) : 207 -219 . DOI: 10.18306/dlkxjz.2021.02.003

景观是指一定范围土地上局地生态系统或土地利用类型的混合与重复[1]。联合国可持续发展目标强调,加强景观管理进而改善生计对于陆地生态系统的可持续利用具有重要意义[2]。景观多功能性是指景观同时提供多种功能且不同功能间存在相互作用的特性[3,4],强调人类的利用以及区域自然位置与属性[5]。作为人地耦合研究议题中的重要组成部分,辨析景观多功能性对于探究可持续发展目标达成的多目标协同途径及国土空间优化具有理论与实践指引价值[6]。
景观多功能性最初被作为一个土地管理概念,重点关注农业土地利用系统,将制定可持续土地利用战略以实现多功能土地利用作为主要目标之一[7,8]。在欧洲许多乡村景观中,以实现粮食生产最大化等单一生态系统服务而导致土地利用集约化与同质化所带来的持续压力,致使提供清洁水、生物多样性等其他服务付出巨大代价[9]。景观多功能性为多种生态系统服务之间的权衡和协同提供了管理层面的有效途径。一般而言,景观多功能性的协同作用在高密度城市中发挥着更大的作用[10],尤其在应对气候变化方面,多功能城市景观可作为减少温室气体排放和减轻气候变化负面影响的缓解和适应战略[11]。与此同时,由于快速的土地利用演变,城乡结合部景观多功能的重要性变化和相互竞争的土地利用形式导致愈发复杂的景观功能冲突[12]。调整土地资源以增加多功能性、减少与并发服务的权衡,有利于增加人类主导景观(如农业用地、城市集聚区等)的可持续性[4]。因此,评估快速城市化地区的景观多功能性对于区域土地规划和管理至关重要。
景观多功能性在时空角度可以划分为3种主要类型[13]：① 不同单一功能的个体空间单元组合;② 时间尺度分离的同一空间单元中不同功能组合;③ 相同时间尺度的同一空间单元中不同功能组合。研究表明,如果仅根据时间节点识别高价值生态系统区域将缺乏可靠性和准确性[14],而系统梳理随时间序列变化的多功能景观发展模式及主导功能变化可为区域未来发展的目标调控提供方向[15]。因此,时间序列分析和区域土地利用变化对多功能性的影响得到更广泛的关注[16,17]。此外,局地尺度信息获取对于洞察景观资源的制度、地理和社会经济因素的差异性及理解社会如何从生态系统服务中获取利益的过程相当重要[18,19,20,21]。通常,自然资源管理战略往往由于缺乏对当地情况以及依赖自然资源谋生的利益攸关方的各种需要和限制的考虑而无法达到预期效果[22]。综上,有必要了解局地尺度景观多功能性演变特征以指导多功能景观的有效管理。
长三角经济区是中国城市化速度最快的区域之一,年均9.2%的城镇化增长率、年均3%的人口增长率和年均15.7%的GDP增长率等城市化现象对当地生态系统产生重大影响[23],造成区域内肥沃农田迅速流失[24]、湿地景观急剧减少[25]、栖息地破碎化日益严重[26]。自然资源开发和土地退化等持续紧迫的环境问题突出表明需要系统地研判区域土地生态系统的演变过程与方向,进而制定适应性管理政策和解决方案。2019年12月中共中央国务院发布《长江三角洲区域一体化发展规划纲要》,将长江三角洲区域(包括上海、江苏、浙江、安徽)一体化发展上升为国家战略,强调发挥上海核心作用,加强跨区域协调互动,提升都市圈一体化水平。苏州市是上海都市圈的关键组成部分,优越的区位优势使其具有充分发挥同城效应的必要条件。本文试图从时空演变视角,综合地块栅格—景观单元—乡镇区域多尺度解析路径,厘清苏州市景观多功能性演变特征规律,为长三角一体化政策实施进而有效引导快速城市化地区的城乡发展转型提供参考。

1 研究区域、数据与方法

1.1 研究区概况与数据来源

苏州市位于江苏省东南部、长江下游南岸,地处119º55′E~121º20′E、30º47′N~32º02′N之间(图1)。截至2018年,苏州下辖5个区、4个县级市,建成区面积461.65 km²,常住人口1072.17万人,城镇人口815.39万人,城镇化率76.05%。区域内地势低平,低山丘陵零星分布,水域广泛,河道纵横。属亚热带季风海洋性气候,年均降水量1100 mm,年均气温15.7 ℃。由于长期人类活动的影响,苏州的森林景观受到严重破坏,西部人类活动稀少的山区尚存有少量的天然次生林分布。区域景观类型以农用地、建设用地以及水域为主。苏州市是中国经济转型发展的先导区,集中体现了改革开放以来区域发展路径与动力的变化过程[27,28]。当前,“一带一路”、长江经济带发展、长三角一体化、自贸区等国家战略在苏州叠加实施,为区域发展提供了前所未有的重大历史机遇。
图1 苏州市区位图与2000—2015年土地利用类型

Fig.1 Location of Suzhou City and land use types, 2000-2015

本文的主要基础数据包括：① 土地利用数据(2000—2015年苏州市土地利用与覆被),② 自然环境数据(ASTER GDEM数据、江苏省土壤数据库、2000—2015年江苏省MODIS EVI数据),③ 水文气象数据(2000—2015年降雨量统计数据、中国气象站点及干燥度等气象空间数据),④ 社会经济数据(2000—2015年苏州市乡镇粮食产量统计数据)。其中：① 土地利用类型数据为30 m分辨率的栅格数据,取自国家地球系统科学数据共享服务平台(http://www.geodata.cn/),二级地类共计18种。② DEM数据取自地理空间数据云平台(http://www.gscloud.cn),分辨率为30 m;土壤数据来源于联合国粮农组织和维也纳国际应用系统研究所构建的世界土壤数据库,比例尺为1∶100万;EVI数据取自美国国家航空航天局(https://search.earthdata.nasa.gov),主要下载内容为250 m地表反射率的16 d合成产品数据集MOD13Q1,通过计算年均值获得时间节点数据。③ 降雨量统计数据源于中国气象数据网(http://data.cma.cn/);气象空间数据源于资源环境数据云平台(http://www.resdc.cn/)。④ 粮食产量数据通过2001—2016年的苏州统计年鉴获得。

1.2 研究思路与主要方法

景观多功能性的量化依赖于空间尺度分析,一般包括地块、格网或区域层面,基于研究问题,分析粒度的选择会影响所检测的多功能类型特性[4]。通常情况下,1 km格网水平上的景观多功能性分析可以阐明景观功能的局地特征,而区域分析则可以说明从相互作用的生态系统中获得的综合效益[3]。鉴于此,本文基于地块—格网—区域多尺度层面在时空耦合视角下研判苏州景观多功能性的演变规律。首先,以微观景观多功能提取为基础,在地块层面基于30 m土地利用类型栅格数据通过空间叠置测算景观多功能性。其次,在中观1 km格网层面利用空间热点分析探究局地尺度景观多功能性的时空变化特征,并利用相关性分析与自组织竞争神经网络聚类等技术手段综合评判局地景观单元的主导功能。最后,在区域层面根据热点迁移过程与规模划分乡镇行政管理水平下的城乡发展分区,得到格网功能特征与乡镇演变趋势相结合的多尺度时空耦合景观多功能性精细化管制分区。
1.2.1 景观多功能性提取
承载功能、生产功能、栖息地功能、调节功能和信息功能为主导的景观功能分类框架被认为是景观功能分析工具应对景观规划中土地利用冲突问题的可行办法[29,30]。面对人类生活的保障基础(如居住、食物、水源)与城市化背景下的土地利用负面问题(如生物多样性减少、温室效应、土壤流失),本文选取承载功能(居住承载)、生产功能(粮食供给)、栖息地功能(生境维持)、调节功能(水源涵养、气候调节、土壤保持)共计4类6种景观功能进行综合评价(表1)。具体而言,居住承载功能主要基于建设用地二级地类并结合乡镇人口数据进行多元线性回归分析,以确定各二级地类的人口分配系数,进而在格网尺度获取居住承载指标[31,32];粮食供给功能主要基于分县粮食产量的统计数据,利用EVI (NDVI已被证明与作物产量有显著线性相关性[33])对耕地栅格数据进行修正,通过空间分配方式使粮食产量落实在栅格单元[34];土壤保持功能则通过修正的通用土壤流失方程测算土壤侵蚀量而得。此外,InVEST模型工具的设计原则上是为国家或大尺度地区的结构和政策规划提供信息[35],因此生境维持、气候调节、水源涵养功能分别利用InVEST模型的生境质量、固碳、产水量模块进行估算。评估结果采用Min-Max归一化方法进行消除量纲处理,所有功能计算均以土地利用类型数据为基础,因此计算涉及的其他过程数据均转换为30 m像元水平。
表1 景观多功能描述及计算方法

Tab.1 Landscape multifunctionality description and calculation methods

景观功能 功能描述 应用模型 计算过程
居住承载(RS) 为人类生存需求提供居住空间的能力 基于土地利用数据的人口空间分布回归模型[31,32] pop=∑i=1n(ki×si)+b
pop是某模拟单元的人口总数,n是土地利用类型数量,ki是某模拟单元第i种土地利用类型系数,si是某模拟单元第i种土地利用类型的面积,b为常数项
粮食供给(GS) 为人类生存需求提供粮食的能力 基于耕地与EVI的粮食产量空间分配模型[33,36] Gij=EVIijEVIsum,j×Gj
Gij是j乡镇i农田单元作物产量,Gj是j乡镇的总产量,EVIij是j乡镇i农田单元的EVI值,EVIsum,j是j乡镇的EVI总值
水源涵养(WC) 为调节径流和河流流量的地块产水能力 生态系统服务和交易的综合评估模型(InVEST)[37] Yieldjx=1-ETmean,jxRainx×Rainx
Yieldjx为产水量,j为某一土地利用类型,x代表某一栅格单元,ETmean,jx为平均实际蒸散发量,Rainx为年降雨量
生境维持(HM) 提供适合于个体和种群生存条件的能力 生态系统服务和交易的综合评估模型(InVEST)[37] Qxj=Hj×1-DxjzDxjz+kz
Qxj为土地利用类型j中的斑块组x的生境质量,Hj为土地利用类型j的生境适宜性,Dxj为土地利用类型j中栅格x的总威胁水平,z和k为比例因子(常数)
气候调节(CR) 通过储存和固持碳控制温室气体排放的能力 生态系统服务和交易的综合评估模型(InVEST)[37] Cj=Cabove, j+Cbelow, j+Cdead, j+Csoil, j
Cj为土地利用类型j的碳储量,Cabove,j为植被地上碳库,Cbelow,j为植被地下碳库,Cdead,j为凋落物碳库,Csoil,j为表层土壤有机碳库
土壤保持(SR) 减少水土流失和保持土壤养分的能力 修正的通用土壤流失方程(RUSLE)[38] A=R×K×LS×(1-C×P)
A为土壤流失量,R为降雨及径流因子,K为土壤可蚀性因子,LS为坡度坡长因子,C为地表植被覆盖因子,P为水土保持措施因子
与微观层面土地利用类型上的单一功能不同,景观多功能具有空间重叠属性,意味着单个像元中可能存在多种功能[36]。考虑后期的综合分析过程,对景观多功能性进行量化。具体为：在研究区域内,单个土地像元上的某种功能数值超过该功能的均值(即视为强功能)赋值为1,小于均值(即视为弱功能)则赋值为0。将具有0、1二元值的土地利用功能图进行空间叠加,所得结果即为景观多功能性图,图中数值越高则表明该土地单元复合功能数量越多。
1.2.2 景观单元主导功能识别
本文通过构建苏州市1 km格网测算并识别该景观单元下的主导功能,主要包括3个步骤：① 利用Spearman秩相关分析测算单元格网内的景观多功能相关性,分析景观单元内的功能权衡与协调程度;② 通过自组织特征映射网络(self-organizing feature map, SOFM)模型基于景观单元的多功能均值聚类获取对应景观单元的单一或复合主导功能类型;③ 构建分类效果指数判断SOFM神经网络最优聚类方案,确定苏州市1 km格网单元下的景观主导功能特征。
在本文中Spearman秩相关分析被用于揭示景观多功能之间的关联关系与程度,不同功能之间的正或负向关系分别表示协同或权衡效应,测算过程与结果均使用R语言的R-corrplot进行[39]。在此基础上,为识别不同景观单元内的主导功能特征,本文采用SOFM模型识别聚类。聚类目的在于筛选景观功能特征显著的区域和排除景观功能特征表现较弱的区域,使同一类别内部特征的一致性和不同类别间的差异性凸显,进而实现景观单元中主导功能的识别过程。
SOFM神经网络使用无监督学习,并产生拓扑有序的输出,通过自组织特征映射调整网络权值使神经网络收敛于一种表示形态。SOFM网络的拓扑结构由输入层、互联权重和竞争层组成,输入层包含数据集中每个变量(景观多功能)的单位。输入单元的工作方式与其他神经网络中的单元类似,直接连接到竞争层中的单元。竞争层是一个二维单元阵列,各单元通过加权连接到输入层中的每个单元。竞争层中各单元之间的横向交互也确保模型的学习是一个竞争过程,在此过程中网络适应不同位置对不同输入的响应。与传统排序方法一样,SOFM网络模型使用在较低维空间(通常是二维)中显示高维数据集的基本思想。经神经网络训练后神经元将被划分为不同区域,各区域对输入模型具有不同的响应特征。模型的原理与计算过程可见文献[40,41],SOFM模型的计算使用MATLAB 2018b。本文的样本单元总数为9041,模型训练周期为1000,输入层涵盖文中涉及的6类景观功能指标,聚类类别数模型输出依次设置为2~16。由于SOFM网络非监督聚类的特性,改变类别数会显著影响聚类结果,因此本文通过借鉴分类效果指数[40]以确定最佳聚类类别数量,明确具有显著主导功能特征的景观单元。公式如下：
CQI = 1 N ∑ i = 1 K n i ∑ j = 1 P C V i j + δ × K
δ = 1 K max × K max N × N K max × P × 0.15 = 0.15 P K max
式中：N为样本总数;K为聚类类别数;P为地理特征因子数; n i 为功能指标i的样本数; C V i j 为功能指标i中j特征因子的变异系数; δ 为调整类别数数量级的常数; K max 为待选方案聚类类别数的最大值;0.15为变异系数的估计值;CQI为分类效果指数,表示不同分类方案下,区域地理特征的平均变异系数与作为惩罚项的类别数之和,CQI指数最小的聚类结果被视为最佳聚类方案[42]。考虑到地理特征因素的选择应具有代表性和综合性,本文结合景观多功能指标内容选取自然环境特征(海拔高程)、经济活跃程度(夜间灯光)、社会发展水平(土地利用强度[43])三方面因素全面考量SOFM聚类效果,进而识别最佳分类方式。

2 结果分析

2.1 景观功能时空变化特征

苏州市的景观功能空间化特征在研究期内呈差异化演变趋势[44],居住承载功能在研究期内呈现逐年增强的扩散态势,此现象与城市建设用地的扩张趋势呈正相关关系,即由区域中部的城市核心增长极向东部(昆山市)和北部(常熟市、张家港市)的次级增长极偏移。粮食供给功能受到城市扩张引致的耕地转换过程影响,其覆盖面积与供给能力均呈逐步缩小的趋势,太湖周边与苏州市主城区核心增长极附近的供给功能下降明显。水源涵养功能的空间分布特征随时间变化并不显著,主要分布在林草地等生态用地覆盖范围内,但涵养能力呈现逐年降低的趋势,这可能与经济发展的负面环境效应有关。生境维持功能同样受到建设用地增长的影响呈显著性减弱趋势,该功能高值区分布在西南部太湖、中部阳澄湖与东南部(吴江区)水网纵横地带。气候调节功能高值区域集中分布在林草地等生态空间范围,其次为耕地等农业空间,总体上气候调节功能值在研究期内的变化微弱。土壤保持功能的空间分布特征与气候调节功能特征相近,但北部与南部耕地集聚区的土壤保持能力有所下降,主要原因在于平原地区较少的潜在土壤流失量[45]。整体而言,水源涵养、气候调节与土壤保持功能的空间分布特征存在一致性,景观功能指标值的正向或负向变化过程均与城市扩张活动密切相关。

2.2 景观多功能性演变特征

结合土地利用类型图和景观多功能性可知(图1;图2,引自文献[44]),林草地拥有数量最多的景观功能,其次为耕地,建设用地与水体的复合功能数量基本保持在2种以内。2000—2015年间景观多功能性的高值数量逐渐增多,但高值区范围受到城市扩张约束逐渐缩小,而城市扩张区域周边的多功能性则逐渐减弱。整体而言,多功能景观多分布在坡度平缓的低海拔地区,通常位于具有高植被覆盖率和低城市化水平的地区[36]。土地利用(特别是农村)的两极分化趋势,包括边缘地区土地撂荒与适宜地区的土地集约利用,对景观多功能性的潜在影响更强烈[4,46]。此外,明晰时空变化视角下的景观多功能性演变特征对于理解区域景观动态变化过程与方向、制定有效的景观管理与国土空间管控策略具有重要意义。本文采用ArcGIS的热点分析工具基于1 km景观单元测算出苏州市景观多功能性演变热点区域(图3),热点表示景观多功能性正向增长趋势显著,冷点则相反。2000—2005年间,研究区处于经济快速发展阶段,热点与次热点区分布广泛且数量较多,冷点与次冷点区则集中分布在湖泊、河流、林草地等生态空间。2005—2010年间,热点区重心逐渐北移,不显著变化区域数量增加。2010—2015年间,区域景观多功能性变化幅度减小,冷热点区域规模显著降低。总体上,苏州市在研究期内受社会经济发展影响较大,景观多功能性的空间演变特征由强到弱并逐渐趋于稳定,且变化的热点区域主要分布在乡村地区与城乡结合部,冷点区域则以生态空间集聚为主。
图2 2000—2015年苏州市景观多功能性演变特征[44]

Fig.2 Landscape multifunctionality change in Suzhou City, 2000-2015

图3 2000—2015年苏州市景观多功能性热点变化趋势

Fig.3 Trend of change of landscape multifunctionality hotspots in Suzhou City, 2000-2015

2.3 景观多功能权衡与协同关系演化

苏州市2000—2015年间景观多功能的权衡与协调关系分析结果见图4,相关性测算结果均通过0.01水平的显著性检验。由图可知,研究区的景观多功能权衡与协同特征在2000—2015年间呈现一致的表现规律,并未因时间序列的演进出现差异化,但多功能之间权衡与协同程度则存在波动变化趋势。空间全局规律方面,生境维持与其他功能之间均呈权衡关系,与居住承载的权衡关系最强;气候调节、粮食供给、土壤保持与水源涵养功能之间呈显著的协同关系;居住承载与除生境维持外的其他功能之间均呈弱协同关系,仅与土壤保持的协同关系较强。时间演变特征方面,气候调节、粮食供给和水源涵养功能之间的协同关系逐年增强,至2010年后略微减弱;生境维持与粮食供给、水源涵养的权衡关系逐年减弱并趋向兼容,与土壤保持的权衡关系保持稳定,与居住承载的权衡关系则逐年增强;除土壤保持功能外,居住承载与其他功能之间的协同关系逐年减弱并趋向兼容。具体而言,除栖息地功能的权衡效应外,其他功能之间均存在不同程度的协同演化效应。栖息地功能与承载功能冲突最显著,与生产、调节功能的关系已由弱权衡向协同转型,承载功能则与生产、调节功能的关系由弱协同向权衡转型。此现象表明,苏州市早期的土地利用与经济发展过程不可避免地造成了生物栖息地的破坏,直至2000年后栖息地功能的负面影响得以缓解,但由于城市化的不可逆转性,承载功能与生产、调节、栖息地功能的冲突愈发显著。
图4 2000—2015年苏州市景观多功能Spearman秩相关特征 注：圆形由大到小和颜色由深到浅均表示相关性由强到弱。

Fig.4 Spearman rank correlation characteristics of multifunctional landscape in Suzhou City, 2000-2015

2.4 耦合景观主导功能辨识的城乡发展分区

通过SOFM网络模型的自组织竞争学习方法,结合多功能之间的权衡协同关系在1 km景观单元上识别出8类主导功能类型(图5、图6)。① 承载功能主导型,该类型主要分布在城市建设用地发展核心区域,以人工生态系统的居住承载功能为主。② 承载—生产冲突型,该类型集中在核心城市边缘近郊区,区域内城市发展与耕地保护冲突显著。③ 生产—承载协调型,该类型以远郊乡村地区为主,区域经济建设活动受城市化正向作用影响。④ 生产—生态协调型,乡村核心区是该类型的主要承载单元,由于土地开发强度相对较弱,故仍存在部分生态功能主导地类。⑤ 生产—生态—栖息地协调型,该类型主要表现为耕地景观的多功能性。⑥ 生态功能主导型,该类型以河流、林草地类为主,但景观面积规模较小。⑦ 生态—栖息地兼容型,该类型主要表现为林草地、部分湖泊等生态用地景观的功能复合体。⑧ 栖息地功能主导型,集中分布在区域湖泊地类上,生境维持功能表现突出。
图5 不同聚类方案的CQI指数

Fig.5 CQI of different clustering schemes

图6 苏州市景观主导功能聚类与城乡发展分区

Fig.6 Landscape dominant function clustering and urban-rural development zoning in Suzhou City

此外,为便于宏观层面决策者制定针对性的土地资源管理策略,本文依据景观多功能性的冷热点演变过程与规模,利用两步聚类法在乡镇行政管理单元上将苏州市划分为(I)城市发展辐射区、(II)生态保育管控区、(III)城乡冲突协调区、(IV)乡村转型建设区。城市发展辐射区即为景观多功能性变化相对不显著区域集合,该区域人为活动剧烈,应合理控制土地开发强度,保护城市内部绿地空间不受侵害。生态保育管控区包括太湖与大规模景观多功能性演变冷点区,该区域包括苏州关键生态源地,需制定严格的生态保护制度以分级分类明确管控策略。城乡冲突协调区则位于东南部水网密布地带,以景观多功能性演变次冷点区域集合为主,应进一步加强城乡统筹规划,注重激发乡村活力与优化城市布局结构。乡村转型建设区则集中分布在区域北部耕地集聚区,以景观多功能性演变热点区域集合为主,该区域应侧重耕地利用保护,充分发挥多功能农业优势。具体而言,在重新设计景观管理或土地利用政策以实现资源可持续利用目标时,不应简单地以高土地利用多样性或多功能性为目标,而应考虑到与特定服务需求相关的生态系统功能[4]。耦合时空变化规律的景观主导功能城乡发展分区即可提供针对性的解决方案,具有一定的参考价值。

3 讨论

3.1 快速城市化地区景观多功能性演变启示

与土地利用冲突由“城区→城郊→乡村”逐渐渗透的圈层梯度分布规律相近[29],快速城市化地区的景观多功能性优势呈现“城市→近郊区→远郊区→乡村”的圈层式空间迁移过程(图7)。将长三角快速城市化地区的城乡发展过程划分为3个阶段。在经济社会发展初期,人类活动干扰的增强导致以原始森林、草地、湖泊等自然生态系统向以农业用地开垦、建设用地开发主导的人工生态系统演变。单一化的城市用地结构和高强度的耕地利用现象分别导致城市空间与农业空间景观多功能性迅速降低,同时生态空间被迫挤压。该阶段的景观承载功能处于发育期,尽管功能较弱,但城市化的负反馈效应与生产、调节、栖息地功能之间的冲突凸显,建设用地的扩张与栖息地的损毁呈显著强权衡关系。在经济社会发展加速期,城市空间与生态空间的景观多功能性基本达到谷值,农业空间由于土地利用多样化增强进而形成多功能的乡村地域单元。景观的居住承载功能快速提升,导致生产、调节与栖息地功能弱化。由于相对发达的经济刺激人们对高质量生活环境的追求,该阶段的城市开发与农业生产、环境保护处于弱协同关系,但农业生产的高度集约化导致生物栖息地破坏严重,由此产生不同于其他区域的栖息地与生产功能的弱权衡效应。直至经济社会发展平稳期,受到生态保护与可持续发展理念的影响,生态与农业空间的景观多功能性升势显著,城市空间绿地设施的完善使其景观多功能性由降势趋于稳定。以休耕轮作等“粗放”利用方式的出现大范围改善了农耕文明主导的长三角地区栖息地功能,栖息地与生产、调节功能之间的弱权衡关系转向兼容。然而,尽管生态环境保护重视力度加大,但城市空间发展仍不可避免。特别是承载功能与栖息地功能的强权衡关系要求土地管理决策者需要更全面地衡量发展与保护问题的利弊,进而明晰耦合人地关系演变规律的国土空间利用策略。
图7 长三角快速城市化地区景观多功能性演变规律

Fig.7 Change of landscape multifunctionality in rapidly urbanized areas of the Yangtze River Delta

社会—自然耦合系统视角下,景观规划与管理必须综合考虑景观中自然过程与社会经济过程及其相互作用的空间关联关系[15]。景观利用多功能性的提升并不仅仅代表优势面,多功能性映射出的土地利用多样化势必会导致更多的土地利用冲突问题,加之可持续发展的多目标协同作用共同推动相互冲突的土地利用趋势继续发展,这对地方和区域层面的影响尤其明显[47]。因此,有必要厘清“格局—过程—服务”级联关系,深入认知土地资源空间分布与时间演化、自然条件与人类需求之间的系统关联状态及运行轨迹,进而调控景观多功能性发展方向以提高国土资源利用效率[48]。

3.2 不足与展望

景观多功能(生态系统服务)之间的权衡关系具有空间异质性和时间动态性[49]。研究表明,荷兰乡村的耕地生产、植被生境、文化休闲等功能之间存在天然的冲突权衡关系[50];京津冀地区的耕地景观中,生境维持与土壤保持功能之间呈显著协同关系,与粮食供给、人口承载等功能呈权衡关系[45]。本文的测算结果表明,生境维持不仅与粮食供给、居住承载等生产生活功能之间存在权衡关系,与气候调节、水源涵养等生态调节功能之间同样存在弱权衡关系(尽管这种权衡关系正在逐渐减弱)。由此可见,景观多功能的尺度关联使得多功能的权衡关系在不同时空尺度上呈现差异性,即使同种组合方式的景观功能在不同区域、不同研究尺度上的权衡关系也会表现出差异化特征[51],并随着时空尺度的推移发生改变。另外,本文在功能选取上并未考虑文化、旅游、美学等信息功能,且时间尺度分析也未体现苏州市经济社会发展初期(改革开放以来)的景观多功能性演变过程,后续研究将针对此方面加以改进。

4 结论

作为长三角快速城市化地区的典型城市之一,苏州市景观功能之间的空间演变特征存在相关性,且景观多功能指标值的正向或负向变化过程均与城市扩张活动密切相关。2000—2015年间景观多功能性的高值数量逐渐增多但高值区范围受到城市扩张约束逐渐缩小,而城市扩张区域周边的多功能性则逐渐减弱,其中林草地的景观多功能性最强。伴随社会经济发展,景观多功能性的空间演变特征由强到弱并逐渐趋于稳定,且变化的热点区域主要分布在乡村地区与城乡结合部。与此同时,苏州市的景观多功能权衡与协同特征在2000—2015年间呈现一致的表现规律,除栖息地功能的权衡效应外,其他功能之间均存在不同程度的协同演化效应,居住承载与其他功能之间的协同关系逐年减弱并趋向兼容。耦合多功能的权衡协同关系和景观多功能性演变过程可在1 km景观单元和乡镇行政单元上划分出8类主导功能类型与4类城乡发展分区。总体而言,快速城市化地区的景观多功能性优势呈现“城市→近郊区→远郊区→乡村”的圈层式空间迁移过程,且景观多功能的尺度关联使得多功能的权衡关系在不同时空尺度上呈现差异性。此外,景观多功能性映射出的土地利用多样化势必会导致更多的土地利用冲突问题,深入认知土地资源空间分布与时间演化、自然条件与人类需求之间的系统关联状态及运行轨迹,对于调控景观多功能性发展方向以提高国土资源利用效率具有重要意义。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Forman R T T . Some general principles of landscape and regional ecology[J]. Landscape Ecology, 1995,10(3):133-142.

[2]
Grass I, Kubitza C, Krishna V V , et al. Trade-offs between multifunctionality and profit in tropical smallholder landscapes[J]. Nature Communications, 2020,11(1):1186. doi: 10.1038/s41467-020-15013-5.

[3]
Mastrangelo M E, Weyland F, Villarino S H , et al. Concepts and methods for landscape multifunctionality and a unifying framework based on ecosystem services[J]. Landscape Ecology, 2014,29:345-358.

[4]
Stürck J, Verburg P H . Multifunctionality at what scale? A landscape multifunctionality assessment for the European Union under conditions of land use change[J]. Landscape Ecology, 2017,32(3):481-500.

[5]
Liu L L, Zhang H B, Gao Y , et al. Hotspot identification and interaction analyses of the provisioning of multiple ecosystem services: Case study of Shaanxi Province, China[J]. Ecological Indicators, 2019,107:105566. doi: 10.1016/j.ecolind.2019.105566.

[6]
刘焱序, 傅伯杰 . 景观多功能性: 概念辨析、近今进展与前沿议题[J]. 生态学报, 2019,39(8):2645-2654.

[ Liu Yanxu, Fu Bojie . Landscape multifunctionality: Concept clarification, recent progress, and frontier issues. Acta Ecologica Sinica, 2019,39(8):2645-2654. ]

[7]
Hölting L, Beckmann M, Volk M , et al. Multifunctionality assessments: More than assessing multiple ecosystem functions and services? A quantitative literature review[J]. Ecological Indicators, 2019,103:226-235.

[8]
刘紫玟, 尹丹, 黄庆旭 , 等. 生态系统服务在土地利用规划研究和应用中的进展: 基于文献计量和文本分析法[J]. 地理科学进展, 2019,38(2):236-247.

[ Liu Ziwen, Yin Dan, Huang Qingxu , et al. Research and application progress of ecosystem services in land use planning: A bibliometric and textual analysis. Progress in Geography, 2019,38(2):236-247. ]

[9]
García-Llorente M, Martín-López B, Iniesta-Arandia I , et al. The role of multi-functionality in social preferences toward semi-arid rural landscapes: An ecosystem service approach[J]. Environmental Science & Policy, 2012,19/20:136-146.

[10]
Charoenkit S, Piyathamrongchai K . A review of urban green spaces multifunctionality assessment: A way forward for a standardized assessment and comparability[J]. Ecological Indicators, 2019,107:105592. doi: 10.1016/j.ecolind.2019.105592.

[11]
Lovell S T . Multifunctional urban agriculture for sustainable land use planning in the United States[J]. Sustainability, 2010,2(8):2499-2522.

[12]
Zhou T, Vermaat J E, Ke X L . Variability of agroecosystems and landscape service provision on the urban-rural fringe of Wuhan, Central China[J]. Urban Ecosystems, 2019,22:1207-1214.

[13]
Navalho I, Alegria C, Roque N , et al. Mapping forest landscape multifunctionality using multicriteria spatial analysis[J]. Floresta e Ambiente, 2019,26(2):e20170702. doi: 10.1590/2179-8087.070217.

[14]
Jaligot R, Chenal J, Bosch M , et al. Historical dynamics of ecosystem services and land management policies in Switzerland[J]. Ecological Indicators, 2019,101:81-90.

[15]
彭建, 吕慧玲, 刘焱序 , 等. 国内外多功能景观研究进展与展望[J]. 地球科学进展, 2015,30(4):465-476.

[ Peng Jian, Lv Huiling, Liu Yanxu , et al. International research progress and perspectives on multifunctional landscape. Advances in Earth Science, 2015,30(4):465-476. ]

[16]
Elmhagen B, Eriksson O, Lindborg R . Implications of climate and land-use change for landscape processes, biodiversity, ecosystem services, and governance[J]. AMBIO, 2015,44:1-5.

PMID

[17]
Rodríguez-Loinaz G, Alday J G, Onaindia M . Multiple ecosystem services landscape index: A tool for multifunctional landscapes conservation[J]. Journal of Environmental Management, 2015,147:152-163.

PMID

[18]
Carpenter S R, Mooney H A, Agard J , et al. Science for managing ecosystem services: Beyond the millennium ecosystem assessment[J]. PNAS, 2009,106(5):1305-1312.

DOI PMID

[19]
傅伯杰, 张立伟 . 土地利用变化与生态系统服务: 概念、方法与进展[J]. 地理科学进展, 2014,33(4):441-446.

[ Fu Bojie, Zhang Liwei . Land-use change and ecosystem services: Concepts, methods and progress. Progress in Geography, 2014,33(4):441-446. ]

[20]
Dawson N, Martin A . Assessing the contribution of ecosystem services to human wellbeing: A disaggregated study in western Rwanda[J]. Ecological Economics, 2015,117:62-72.

[21]
Potschin M, Haines-Young R . Landscapes, sustainability and the place-based analysis of ecosystem services[J]. Landscape Ecology, 2013,28:1053-1065.

[22]
Duncan J M A, Haworth B, Boruff B , et al. Managing multifunctional landscapes: Local insights from a Pacific island country context[J]. Journal of Environmental Management, 2020,260:109692. doi: 10.1016/j.jenvman.2019.109692.

DOI PMID

[23]
Yu M, Yang Y J, Chen F , et al. Response of agricultural multifunctionality to farmland loss under rapidly urbanizing processes in Yangtze River Delta, China[J]. Science of the Total Environment, 2019,666:1-11.

[24]
蔡建明, 杨振山 . 国际都市农业发展的经验及其借鉴[J]. 地理研究, 2008,27(2):362-374.

[ Cai Jianming, Yang Zhenshan . Developing China's urban agriculture by learning from international experiences. Geographical Research, 2008,27(2):362-374. ]

[25]
孙一鸣, 刘红玉, 李玉凤 , 等. 基于水文地貌法模型的城市湿地水环境功能评估: 以南京仙林典型湿地为例[J]. 生态学报, 2016,36(10):3032-3041.

[ Sun Yiming, Liu Hongyu, Li Yufeng , et al. Assessment of water environment functions in urban wetlands by using the hydrogeomorphic model: A case study of Nanjing Xianlin. Acta Ecologica Sinica, 2016,36(10):3032-3041. ]

[26]
韩博, 金晓斌, 项晓敏 , 等. 基于“要素—景观—系统”框架的江苏省长江沿线生态修复格局分析与对策[J]. 自然资源学报, 2020,35(1):141-161.

[ Han Bo, Jin Xiaobin, Xiang Xiaomin , et al. Exploration of ecological restoration pattern and countermeasure along the Yangtze River in Jiangsu Province based on the "element-landscape-system" framework. Journal of Natural Resources, 2020,35(1):141-161. ]

[27]
Long H L, Liu Y S, Wu X Q , et al. Spatio-temporal dynamic patterns of farmland and rural settlements in Su-Xi-Chang region: Implications for building a new countryside in coastal China[J]. Land Use Policy, 2009,26(2):322-333.

[28]
Long H L, Tang G P, Li X B , et al. Socio-economic driving forces of land-use change in Kunshan, the Yangtze River Delta economic area of China[J]. Journal of Environmental Management, 2007,83(3):351-364.

[29]
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[J]. 地理学报, 2016,71(1):49-65.

[ Li Guangdong, Fang Chuanglin . Quantitative function identification and analysis of urban ecological-production-living spaces. Acta Geographica Sinica, 2016,71(1):49-65. ]

[30]
Tian Y Z, Yue T X, Zhu L F , et al. Modeling population density using land cover data[J]. Ecological Modelling, 2005,189:72-88.

[31]
Zeng C Q, Zhou Y, Wang S X , et al. Population spatialization in China based on night-time imagery and land use data[J]. International Journal of Remote Sensing, 2011,32(24):9599-9620.

[32]
de Groot R . Function- analysis and valuation as a tool to assess land use conflicts in planning for sustainable, multifunctional landscapes[J]. Landscape and Urban Planning, 2006,75(3/4):175-186.

[33]
Groten S M E . NDVI-crop monitoring and early yield assessment of Burkina Faso[J]. International Journal of Remote Sensing, 1993,14(8):1495-1515.

[34]
Peng J, Hu X X, Qiu S J , et al. Multifunctional landscapes identification and associated development zoning in mountainous area[J]. Science of the Total Environment, 2019,660:765-775.

[35]
Cabral P, Feger C, Levrel H , et al. Assessing the impact of land-cover changes on ecosystem services: A first step toward integrative planning in Bordeaux, France[J]. Ecosystem Services, 2016,22:318-327.

[36]
Peng J, Chen X, Liu Y X , et al. Spatial identification of multifunctional landscapes and associated influencing factors in the Beijing-Tianjin-Hebei region, China[J]. Applied Geography, 2016,74:170-181.

[37]
Sharp R, Tallis H T, Ricketts T , et al. InVEST 3.2.0 user's guide[M]. Stanford University, University of Minnesota, the Nature Conservancy, and World Wildlife Fund, 2015.

[38]
Renard K G, Foster G R, Weesies G A , et al. RUSLE, revised universal soil loss equation[J]. Journal of Soil and Water Conservation, 1991,46(1):30-33.

[39]
Fan Y T, Jin X B, Gan L , et al. Spatial identification and dynamic analysis of land use functions reveals distinct zones of multiple functions in Eastern China[J]. Science of the Total Environment, 2018,642:33-44.

[40]
Gao Y, Feng Z, Wang Y , et al. Clustering urban multifunctional landscapes using the self-organizing feature map neural network model[J]. Journal of Urban Planning and Development, 2014,140(2):05014001. doi: 10.1061/(ASCE)UP.1943-5444.0000170.

[41]
郄瑞卿, 关侠, 鄢旭久 , 等. 基于自组织神经网络的耕地自然质量评价方法及其应用[J]. 农业工程学报, 2014,30(23):298-305.

[ Qie Ruiqing, Guan Xia, Yan Xujiu , et al. Method and its application of natural quality evaluation of arable land based on self-organizing feature map neural network. Transactions of the CSAE, 2014,30(23):298-305. ]

[42]
毛祺, 彭建, 刘焱序 , 等. 耦合SOFM与SVM的生态功能分区方法: 以鄂尔多斯市为例[J]. 地理学报, 2019,74(3):460-474.

[ Mao Qi, Peng Jian, Liu Yanxu , et al. An ecological function zoning approach coupling SOFM and SVM: A case study in Ordos. Acta Geographica Sinica, 2019,74(3):460-474. ]

[43]
梁鑫源, 李阳兵, 邵景安 , 等. 三峡库区山区传统农业生态系统转型[J]. 地理学报, 2019,74(8):1605-1621.

[ Liang Xinyuan, Li Yangbing, Shao Jian'an, et al. Traditional agroecosystem transition in mountainous area of Three Gorges Reservoir area. Acta Geographica Sinica, 2019,74(8):1605-1621. ]

[44]
Liang X Y, Jin X B, Ren J , et al. A research framework of land use transition in Suzhou City coupled with land use structure and landscape multifunctionality[J]. Science of the Total Environment, 2020,737:139932. doi: 10.1016/j.scitotenv.2020.139932.

[45]
彭建, 刘志聪, 刘焱序 , 等. 京津冀地区县域耕地景观多功能性评价[J]. 生态学报, 2016,36(8):2274-2285.

[ Peng Jian, Liu Zhicong, Liu Yanxu , et al. Assessment of farmland landscape multifunctionality at county level in Beijing-Tianjin-Hebei area. Acta Ecologica Sinica, 2016,36(8):2274-2285. ]

[46]
Plieninger T, Bieling C, Ohnesorge B , et al. Exploring futures of ecosystem services in cultural landscapes through participatory scenario development in the Swabian Alb, Germany[J]. Ecology and Society, 2013,18(3):39. doi: 10.5751/ES-05802-180339.

[47]
Mann C, Garcia-Martin M, Raymond C M , et al. The potential for integrated landscape management to fulfil Europe's commitments to the sustainable development goals[J]. Landscape and Urban Planning, 2018,177:75-82.

[48]
傅伯杰, 刘焱序 . 系统认知土地资源的理论与方法[J]. 科学通报, 2019,64(21):2172-2179.

[ Fu Bojie, Liu Yanxu . The theories and methods for systematically understanding land resource. Chinese Science Bulletin, 2019,64(21):2172-2179. ]

[49]
Su C H, Fu B J . Evolution of ecosystem services in the Chinese Loess Plateau under climatic and land use changes[J]. Global and Planetary Change, 2013,101:119-128.

[50]
Willemen L, Hein L, van Mensvoort M E F, et al. Space for people, plants, and livestock? Quantifying interactions among multiple landscape functions in a Dutch rural region[J]. Ecological Indicators, 2010,10(1):62-73.

[51]
彭建, 胡晓旭, 赵明月 , 等. 生态系统服务权衡研究进展: 从认知到决策[J]. 地理学报, 2017,72(6):960-973.

[ Peng Jian, Hu Xiaoxu, Zhao Mingyue , et al. Research progress on ecosystem service trade-offs: From cognition to decision-making. Acta Geographica Sinica, 2017,72(6):960-973. ]

Options
Outlines

/

〈 〉