文章信息
基金项目
- 广东省哲学社会科学“十三五”规划2020年度学科共建项目(GD20XYJ32);广东省普通高校特色创新类项目(2022WTSCX087);广州市教育局高校科研项目(202235269);广州大学校内科研项目(YJ2021007)
作者简介
- 赖焕明(1999—),男,在读硕士生,研究方向为土地资源开发与土地利用转型,E-mail:laihuanming16@163.com; 吴大放,博士,副教授,硕导。广东省高等学校“千百十工程”校级培养对象,广州市高校不动产管理教学团队负责人,入选广州市青年后备人才(A证),广东省农业农村厅等多个专家库专家,广东省土地学会第六届理事会理事,中国自然资源学会土地资源研究专业委员会、热带亚热带专业委员会委员。主要从事耕地利用与生态保护、综合自然地理学等领域的教学科研工作。主持国家自然科学基金项目1项、省部级科研课题10余项、市级科研课题5项,承担耕地保护等相关委托课题10余项。发表学术论文60余篇,主编教材1部、参编4部,获授权发明专利1项、计算机软件著作权10项。获高校GIS论坛教学成果奖2项,国土资源(广东)科学技术奖一等奖2项、二等奖1项.
通讯作者
- 吴大放(1981—),男,博士,副教授,研究方向为土地资源开发利用与保护,E-mail:wudafang@gzhu.edu.cn.
文章历史
- 收稿日期:2022-11-07
2. 深圳市中商产业研究院有限公司,广东 深圳 518000
2. Shenzhen Zhongshang Industry Research Institute Co. Ltd., Shenzhen 518000, China
【研究意义】耕地资源是农业生产和土地安全的核心[1],是保障国家粮食安全的前提与基础,关系到社会经济的可持续发展[2],而耕地质量直接维系着农产品安全,与人类健康密切相关。随着城镇化和现代化建设进程快速推进,耕地生态系统与人类活动之间的矛盾日益凸显,非农建设占用耕地、土壤重金属污染等现象频发[3-4],导致耕地面积大量减少、质量下降和耕地资源的稀缺性增强等,耕地生态风险程度日益加剧,进而可能诱发我国生态环境恶化,影响粮食安全和社会稳定[5]。广州作为粤港澳大湾区中心城市之一,地处高度城市化区域,耕地内涵不断丰富,耕地的传统生产功能显然无法适应商业高度发达的城市,耕地生态风险的产生和演化必然会影响区域内耕地发挥其多功能的作用,特别是耕地生态安全功能和社会保障功能。对广州市耕地生态风险进行评价与预测,管控耕地生态风险,对充分调动和发挥耕地多功能作用具有重要的参考价值。
【前人研究进展】耕地生态风险相关研究是近十几年来国内外学者关注的焦点和研究的热点,国内该领域的研究方向从宏观角度转向社会实践,涌现了耕地资源“生态安全”“重金属”“生态足迹”“生态系统服务”“耕地保护”等前沿主题[6–10],2010年以后相关的文献数量逐年增长,并且在2015—2020年期间该领域的学科研究进入活跃期[11-12],产生众多具有重要影响力的知识基础,表明有关耕地资源的一系列重大生态问题激发了国内学者的研究兴趣。国内外的耕地生态风险评价与预测的研究仍处于理论探究阶段,评价模型、方法和指标体系虽然多种多样[13–17],但还存在一定的不足:第一,在研究角度方面,国内外研究大多集中于有毒有害物质引起的人类健康风险,以人类活动为主导的生态系统产生的风险缺乏定量、深入的分析研究;第二,在评价体系方面,尽管国内已经开展区域范围的生态风险评价[18-19],但各种评价指标种类众多,缺乏统一的指标体系和能被广泛接受的各种必需的风险标准;第三,在研究内容方面,国内学者侧重于识别、驱动机理、评价和防控等方面,缺乏将评价结果进行实际应用等深入研究;第四,在研究方法方面,现有研究多采用层次分析法、专家法等进行指标权重确定[20],受制于研究人员知识能力的局限性、研究数据的可靠性和可获取性、所选取的模型和方法是否能客观反映实际情况等主观因素,使得风险评价结果充满不确定性。
【本研究切入点】广州市作为粤港澳大湾区的核心城市,对耕地资源所面临的生态风险开展评价与预测,是保障粤港澳大湾区粮食安全的关键一环。相对风险模型(RRM)是Landis和Wiegers在1997年提出的一种区域复合压力风险评价模型[21]。Suter认为相对风险模型是采用分级系统对区域内各种风险源和生境进行等级划分,通过分析风险源、生境、生态受体和评价终点之间的关系,并采用均方差赋权法确定评价指标权重,结合暴露-响应概念模型构建评价指标体系,最终实现风险定量化评价[22],能够较好地解决生态风险评价过程中的主观经验影响。GM(1, 1)灰色预测模型在求解样本小或数据不完全的问题时,优于传统的时间序列预测方法,能够保持较高的精度,从而预测事物将来的情况[23]。【拟解决的关键问题】本研究采用基于均方差赋权法的相对风险模型构建评价指标体系,开展广州市耕地生态风险综合评价,并在此基础上采用GM(1, 1)模型预测未来的变化情况,以期为有效规避耕地生态风险、实现耕地治理能力现代化、促进农业健康发展的预期决策与未来规划提供参考依据。
1 研究区概况与数据来源 1.1 研究区概况广州市是广东省省会、国家中心城市。2021年广州市土地总面积为74.344万hm2,其中耕地面积占12.03%,地区生产总值达到28 231.9亿元,人口密度达到2 512人/m2,约为全国平均人口密度的17.727倍。全市地势东北高、西南低,北部以低山丘陵为主,南部以平原为主,地貌类型丰富(图 1)。广州市耕地结构以水田和水浇地为主,耕地主要集中分布在增城、从化、番禺区,而天河、海珠区等中心城区则只有少量耕地零散分布。总的来说,广州市耕地面积正在大幅度减少且质量明显下降,耕地类型相对单一,地域分布差异较大且形态趋于破碎。
1.2 数据来源
研究涉及的遥感数据来源于覆盖广州市的美国陆地卫星Landsat系列遥感数据,空间分辨率均为30 m,数据下载自地理空间数据云平台(http://www.gscloud.cn)。通过遥感影像数据处理流程,结合遥感技术对广州市5期遥感影像进行处理,最终提取得到广州市2000、2005、2010、2015和2018年共5期的土地利用信息。大部分基础数据来源于《广州50年》《广州统计年鉴》和《广东农村统计年鉴》的统计指标或根据统计指标换算得到。其他或缺失数据来源说明:废污水排放总量由《广州市水资源公报》公布的相关数据推算得到;水土流失面积数据来源于《广东农村统计年鉴》,其中2015年水土流失面积数据缺失,用2016年数据替代。
2 研究方法 2.1 评价指标体系构建本研究基于相对风险评价模型,从暴露-响应分析建立的耕地生态风险评价模型,结合广州市的基本情况和耕地的特点,在遵循耕地生态风险评价指标选取的原则下,构建包含目标层、准则层和指标层3个层次的耕地生态风险评价指标体系(表 1),共选取16个评价指标,这些评价指标的共同点是包含风险源的识别、暴露分析和响应分析3个部分。
2.2 评价指标权重及评价标准划分
2.2.1 评价指标数据标准化 采用归一化方法把评价指标的原始数据均转换为无量纲化指标值,即对原始数据进行线性变换,使得各指标值都处于同一个数量级别上,即把指标值变为[0, 1] 之间的小数,从而可以进行综合对比分析。
对于多种影响耕地生态风险的风险因子,其对生态风险作用的效果是不一样的(表 1)。一类是正向指标,即随着指标数值的增加,其生态风险程度也随之提高;另一类是逆向指标,即随着指标数值的增加,其生态风险程度则随之降低。这两种指标的计算方式如下:
(1) 正向指标:
公式(1) |
(2) 逆向指标:
公式(2) |
式中,记第i个评价对象第j项评价指标原始值为Xij,那么Xij' 为Xij的标准化值;max(Xij) 为Xij的最大值;mix(Xij) 为Xij的最小值。当Xij'=1时,表示指标代表的风险状况达到最差状态,即风险最高;当Xij'=0时,表示指标代表的风险状况达到最佳状态,风险最低。
2.2.2 评价指标权重确定 均方差赋权是一种不依赖人的主观判断,依据数据本身的离散程度进行赋权,因此其客观性较强[24]。鉴于原始数据的来源,本研究采用均方差赋权法确定权重,避免主观因素造成的模糊性。其计算公式为:
公式(3) |
公式(4) |
公式(5) |
式中,i=1,2……16分别代表 16个指标;j=1, 2, 3, 4, 5,分别代表2000、2005、2010、2015、2018年;rij为归一化值;E(Ci)为第i个指标的均值;S(Ci)为均方差;Wi为第个i指标的均方差权重;m为指标个数,n为评价对象的个数。
2.2.3 耕地生态风险阈值划分 从国内外研究情况来看,目前对于耕地生态风险阈值的确定还没有一个有效、普遍适用的划分标准。因此,本研究计算得到的生态风险综合指数,按照综合风险指数的最大值、最小值、均值和统计频率,可知2000—2018年广州市耕地生态风险评价结果在0.2140~0.7547范围内(表 2)。基于综合评价结果,采用等间距分类法[25-26],分区并赋予相应的区间值,即低风险区(Ⅰ区)、较低风险区(Ⅱ区)、中等风险区(Ⅲ区)、较高风险区(Ⅳ区) 和高风险区(Ⅴ区)5个风险等级,以使不同年份的耕地生态风险状况具有可比性。
2.3 耕地生态风险表征
将广州市耕地生态风险综合指数作为生态风险评价的总体目标,表征耕地生态风险的程度。在对指标值进行标准化处理和确定评价指标权重的基础上,基于相对风险模型来构建生态风险综合指数的计算模型,以此定量描述研究区每个行政区的生态风险特征,通过分析风险源、生境、生态受体和评价终点之间的关系。利用ArcGIS空间分析功能和地图代数运算,对广州市耕地生态风险进行评价,以此定量描述不同年份研究区的生态风险特征。其评价模型为:
公式(6) |
式中,ERI为耕地生态风险综合指数,Ci为经过归一化处理的指标值,Vi为i项指标的权重值,m为指标总项数。ERI取值为[0, 1]之间的小数,其值越大,表示耕地生态风险程度越高。
2.4 灰色预测模型建立本研究采用灰色预测模型,该模型以GM(1, 1) 模型为核心。由于GM(1, 1)模型可以根据少量数据信息进行建模,计算量小,不会出现量化结果与定性分析结果不符的情况,从而形成具有较强规律性的数据,可以预测事物未来的发展趋势[32-33]。具体计算步骤如下:
(1) 对数列序列进行累加生成,即
式中,n为序列长度,X(0)对进行一次累加生成得到新的数列序列:
公式(7) |
(2) 构造累加矩阵B与常数项向量YN:
公式(8) |
(3) 计算残差ε(0)以及相对误差e(t)
公式(9) |
公式(10) |
(4) 对模型进行精度检验,以验证模型的可靠性。均方差比值的计算公式为c=S2/S1,小误差概率的计算公式为ρ=ρ(|ε(t)-ε| < 0.6745S1)。其中对于给定的C0>0,如果C < C0,就称该模型为均方差比合格模型;而对于给定的P0>0,如果P < P0,就称该模型精度为小误差小概率合格模型。参照表 3判断模型的模拟精度,其中S12、S22计算方法如下:
公式(11) |
公式(12) |
对广州市耕地生态综合风险值进行计算,为最大程度地保持原始数据信息,借助ArcGIS的空间分析和地统计学分析功能,通过克里金插值生成不同时期的耕地生态风险等级的空间分布图(图 2)。由于越秀区无耕地,本研究将该区的耕地生态风险值设为0,不纳入评价单元中。
对广州市5个时期各区的耕地生态风险综合指数进行分级统计和对比分析,结果(图 2、表 4) 表明,2000、2005、2010、2015和2018年广州市耕地生态风险综合评价的平均指数分别为0.3327、0.3272、0.3296、0.3016、和0.3078,其数值范围分别为0.2140~0.7212、0.2312~0.7547、0.2376~0.6552、0.2196~0.6128和0.2189~0.5546。
在时间序列上,2000年广州市平均耕地生态风险等级为Ⅱ级,耕地生态系统处于较低风险状态,低和较低风险区的面积之和超过耕地总面积的90%,较高和高风险区的面积较小、仅分别占耕地总面积的0.71% 和0.02%;2005年平均耕地生态风险等级为Ⅱ级,耕地生态系统处于较低风险状态,低和较低风险区的面积之和超过耕地总面积的90%,中等风险等级以上的面积相对2000年有大幅度上升、占耕地总面积的9.44%。在2000—2005年期间,广州市平均耕地生态风险均处于Ⅱ级,但中等风险等级以上的面积比重在2005年有明显上升。2010、2015和2018年平均耕地生态风险等级为Ⅰ级,耕地生态系统处于低风险状态,其中2010—2018年间广州市耕地生态风险状况较2005年有所好转,中等和较高风险区面积大幅度下降,低和较低风险区的面积之和占耕地总面积的比例均在90% 以上,且2015、2018年不存在高风险区。综合对比2000、2005、2010、2015和2018年不同风险分区的变化情况可以看出,在2000—2018年间,研究区内高风险区、较高风险区和中等风险区面积逐渐缩小,较低风险和低风险区的面积比例则逐渐增加。
在空间特征上,较高和高耕地生态风险区主要有2个极值中心,分别是市中心附近的天河区、黄埔区,白云区东北部和黄埔区西北部2个接壤区域。广州市中部地区的生态风险等级明显高于周围其他地区,这是由于市中心土地利用集约度高、经济发达、人口和建筑密度高,而近郊地区耕地资源较丰富,远郊地区以山地为主,森林面积分布较广,经济发展相对滞后,人类活动对耕地资源的影响较中部地区低,因此生态风险相对较小。总体上,天河区、白云区、海珠区等土地利用程度高的市中心区域,其生态风险等级高,而近郊和远郊地区的生态风险等级偏低,在2000—2018年间,低风险等级和较低风险等级占主导地位,在空间上不断向周围扩散,范围逐渐增加。
广州市耕地生态风险动态特征曲线(图 3)表明,2000—2018年,广州市耕地生态风险水平总体上比较稳定,除2005年耕地生态风险综合指数的最大值发生较大波动外,其余年份的曲线起伏不大。其中,2000、2005年的生态风险平均值、最大值和最小值均较高,生态风险的最小值在2018年才出现,最大值出现在2005年,因此从平均状况和风险等级综合来看,研究区2005年的耕地生态风险状况最差,2000年较差,2010— 2018年为改善与恢复时期。
在2000—2018年间,广州市通过各种政策和方针加强耕地保护力度,居民生态环境保护意识增强,自然压力和人类活动对耕地景观格局的干扰有所下降,不同生态风险等级之间转换有所减缓,广州市耕地生态风险总体有所好转。广州市在耕地保护中,应着重管控高等风险区,规避中等风险区发展成高等风险区,采取针对性措施管控耕地生态风险,协调自然环境、社会经济发展和耕地景观格局之间的关系。
天河区总体耕地生态风险状况相对其他区较差,城市化水平较高,交通路线相对密集,在对其进行风险防控时,可以采用规避风险的措施是重点控制建设用地规模,提高土地节约集约度,对土地进行二次开发利用,控制和减少废污水的排放。
黄埔区作为东进的重要区域,建设用地不断扩张,地表植被覆盖度、耕地垦殖率和人均耕地面积比值下降,耕地非农化现象严重,化肥农药污染日益严重,耕地景观破碎化和分离程度加剧,造成耕地生态环境脆弱。降低风险可采用的措施是生态修复工程恢复地表植被,防止水土流失,加强环境污染治理,从源头减少化肥农药的使用,保护脆弱的耕地生态系统。
白云区经济发展、建设空间外延扩张,耕地数量减少,农业基础设施滞后,农田碳排放强度较高。未来区域发展,降低风险可以采用的措施是发展多种形式规模经营,强化生态环境保护力度,控制碳排放强度和化肥农药使用,增加地表植被覆盖率。
海珠区不同年度的耕地生态风险平均值均居前4位,该区工业污水和化肥对耕地资源环境的污染比较严重,建设用地占比大,耕地资源受到数量不断减少的威胁。海珠区可通过风险防控降低风险,具体措施包括在发展高质高新产业时,推动土地节约集约利用,完善农业基础设施建设,开展工业污水、生活污水污染综合防治工作,重点对草地、林地或湿地进行生态维护,同时切实落实好基本农田保护任务,发展都市农业,提升生态效应。
3.2 广州市耕地生态风险预测与分析以广州市2000—2015年每隔5年的各指标数据为初始值,预测至2025年的相关指标数据。在Matlab软件中运行GM(1, 1)建模程序,得出广州市2000—2015年各指标的模拟值,并计算模拟精度值的方差比C、小误差概率P和平均相对误差,各指标的模拟精度值如表 5所示。
从模拟结果可以看出,各指标的平均相对误差值均在可接受的误差范围内,16个指标的模拟精度等级综合分析都在合格以上,符合预测要求。根据2000—2015年各指标的预测值,可以得出广州市2025年前耕地生态风险值及变化趋势如图 4所示,其预测公式为:
小误差概率检验P=1(好),方差比检验C=0.3296(好)
根据实际值和预测值可以看出,2015—2025年广州市耕地生态风险状况有持续好转的趋势,2020年的耕地生态风险值为0.2951,2025年的预测值为0.2836。
从指标层数据分析来看,正向指标中农田碳排放强度、水土流失面积率、耕地非农化、废污水排放强度、化肥农药和农用薄膜使用量以及景观分维数呈现下降趋势,负向指标中旱涝保收面积比、地表植被覆盖度呈上升趋势。综合来看,这些指标的变化使得广州市耕地生态风险状况有所好转。
依据以上方法,利用GM(1, 1)模型计算得到2025年广州市耕地面积预测值,耕地面积预测公式:
小误差概率检验P=1(好),方差比检验C=0.0430(好),预测值为372.37 km2,广州市2025年前的耕地面积预测值和实际值如图 5所示。根据《广州市土地利用总体规划(2006—2020年)》和《广州市土地整治规划(2016—2020年)》,广州市耕地后备资源缺乏,规划中2010、2020年耕地保有量分别为1 300 km2和1 287.99 km2。广州市补充耕地方式主要是通过易地开发补充耕地和有偿转让耕地储备指标,只有少部分是本地补充耕地。其中,本地补充耕地面积18.67 km2,受托方开发耕地面积最多的是广东省土地开发整治中心,面积为87.93 km2,占受托易地开发补充耕地总数的36.70%。根据广州市土地利用现状调查结果,2010年广州市实际耕地面积为859.44 km2,这与2010年规划期中扣除易地开发补充耕地面积和本地补充耕地面积等的耕地总量差别较小,结合2010年耕地面积的预测值821.45 km2,可以进一步验证2000—2025年耕地面积的模拟结果较为理想,回归方程能大致反映广州市耕地数量变化的趋势。
根据2000—2015年耕地生态风险值和耕地面积的预测数据,进行线性多元回归分析,得到拟合方程:
式中,Y表示耕地生态风险值,X1表示耕地总量。拟合方程的R2=0.853,通过了F的显著性检验,结果理想,回归方程大致能反映出广州市耕地数量和生态风险值变化的趋势,两者之间存在正相关的关系。
2016年广东省出台的《广东省人民政府办公厅关于健全生态保护补偿机制的实施意见》中要求,“到2020年,实现森林、湿地、荒漠、海洋、水流、耕地等重点领域和禁止开发区域、重点生态功能区等重要区域生态保护补偿全覆盖”。同年,广州市在《广州市环境保护第十三个五年规划》《广州市城市环境总体规划(2014—2030年)》等规划文件中对监督实施生态保护补偿机制、保护和改善环境、防治污染等做出要求,通过政策制度切实有效地改善广州市耕地生态环境状况。因此,按照当前的发展趋势,广州市未来中期的耕地生态风险状况将保持低风险等级,但从广州市耕地资源变化来看,耕地资源数量有所降低,这说明尽管耕地存在减少的趋势,但来自自然和人为活动等外部环境因素的影响在不断减弱,耕地生态风险评价主要侧重于外界环境对耕地生态系统带来的不利影响,因此广州市出现耕地资源减少的同时耕地生态风险状况有所好转的现象。
基于此结果以及广州市经济发展预测,耕地减少的趋势难以避免,但可以通过相关措施来保证未来广州市耕地生态状况保持良好,因此有必要对研究区各行政区的耕地生态风险状况进行分析,以便提出针对性的分区防控措施。
3.3 广州市耕地风险调控耕地生态风险分区防控是通过生态风险综合评价与预测结果,综合考虑分析研究区每个行政区的社会、经济、文化等因素,采用科学、合理的风险防控措施,选择规避、降低或自留生态风险等,以保护耕地生态系统的过程。根据上述耕地生态风险综合评价与预测结果,可以为广州市耕地生态风险分区防控提供理论支撑和决策依据。针对不同等级的风险区将采取不同的风险防控措施,在维持耕地生态系统结构和功能的稳定下,满足人类不断增长的生产生存需求,实现经济发展和生态环境建设的可持续发展。当耕地生态风险评价等级很高,存在的风险危害可能性较大时,采取规避风险的措施;当耕地生态风险评价等级较高,可以采取规避或降低风险的应对措施;当耕地生态风险评价等级较低时,可以采取降低或自留风险等措施。
针对研究区各等级生态风险区的空间分布情况,并结合不同等级风险区的特点和实际情况,提出相应的风险防控对策如下:
(1) 应对高风险区和较高风险区的防控对策。广州市的高风险区和较高风险区主要分布在市中心的天河区、黄埔区西北部和白云区东北部。这些地区的土地利用集约度和人口密度高,景观敏感性较高,且单位面积GDP、耕地非农化、单位面积废污水排放强度指标值较高,受到人类活动干扰较多。一旦受到人类活动的破坏,将会加剧耕地生态风险的发生。因此,该类地区的风险防控重点应放在控制区域建设用地的无序扩张,调整耕地利用结构,必要时补充耕地资源,同时改变耕地利用方式;重点监控社会经济发展对耕地的过度侵占,采用生态修复的方法对污染土地进行治理;在未来区域耕地规划与生态保护、修复过程中,可以建立高和较高生态风险区的生态缓冲带,加强高风险区的阻隔,减缓对整个耕地生态系统的综合影响。
(2) 应对中等风险区的防控对策。广州市的中等风险区主要分布在白云区东南部、黄埔区南部、天河区和海珠区中部。建设用地、耕地和林地是该风险区的主要景观类型,植被覆盖度中等,其耕地生态风险等级随着农药、化肥和薄膜使用量减少、农田碳排放强度下降等逐渐由中等转变为低风险等级。由于区域耕地生态风险变化较快,因此如果对中等风险区不加以防控,极有可能会向较高风险区和高风险区转化。该区的风险防控对策应从自留和降低生态风险入手,在经济发展的同时,提高土地利用强度,合理地布局工业和工业生产活动,增加耕地和林地的覆盖度;严格控制极有可能会导致生态风险的各种风险源,保证耕地生态系统的服务功能;提前采取措施进行生态修复工程,做到源头控制,过程精细管理。
(3) 应对较低和低风险区的防控对策。较低和低风险区主要分布在广州市的花都区、增城区、从化区、番禺区和南沙区,即近郊和远郊地区。该区的耕地、林地等植被覆盖度高,景观分离度和破碎度相对较好,生态风险等级分布呈现出以低风险和较低风险为主。针对该类风险区的防控对策应进一步优化耕地利用格局,加强农田基础设施建设和耕地保护力度,充分发挥耕地的生态服务功能;合理规划和利用土地,提高人们的环保意识和可持续发展理念;与此同时,化肥、农药和废污水等所带来的污染也要重视,可以加快绿色农业的发展,减少农业面源污染。
4 讨论在促进生态文明建设的背景下,如何将耕地“三位一体”中的生态保护落到实处? 众多学者积极响应,围绕“耕地生态”开展了一系列研究。在研究内容上涉及到耕地的生态补偿、承载力、生态服务价值、碳排放等方面[27–29],如蒋如琦等[30]运用生态足迹模型从省域尺度对耕地生态承载力进行评价,并基于耕地生态承载力的视角对研究区的土地利用规划提出建议;目前在耕地生态安全的涵义上尚未有明晰界定,吴大放等[6]学者则认为耕地生态安全是耕地数量、耕地质量与耕地生态环境三者的有机体,包括耕地生态健康和耕地生态风险两个方面。可见,耕地生态风险评价不同于耕地生态安全评价,耕地生态安全评价需要综合考虑耕地生态风险和耕地生态健康两个方面,而耕地生态风险评价侧重于外界环境对耕地生态系统带来的负面影响,也就是说耕地生态安全与耕地生态风险之间互为反函数。耕地生态风险评价是近年来发展起来的新研究领域,在耕地生态风险识别与评价还处于初步阶段,尚未形成一套成熟的可借鉴的体系,可参考的理论和方法较少。在生态风险识别上受到数据可靠性、可接受风险程度和传统评价模型等影响,对其识别机制及影响因素应开展更为深入的研究,生态风险阈值的确定和等级划分的机理与科学性有待进一步研究并对其进行优化。
从研究区域上看,围绕耕地生态风险相关开展的研究不仅集中于在粮食主产区,如黑龙江、河南、山东等,而且在城镇空间快速扩展的长三角、珠三角区域也受到关注,如李久枫等[31]学者选择珠三角区域的城市对其耕地生态安全评价及预测上开展研究,表明在城镇空间快速扩展的区域中人地矛盾仍是影响耕地生态安全的重要因素。从模拟预测上看,目前国内外对耕地生态风险预测研究还相对较少,预测的模型主要是通过历史数据进行模拟分析,缺乏在空间上进行模拟预测的模型。受数据获取、空间表达和各指标预测精度的制约,导致预测结果可能存在偏差。因此,在今后研究中应优化耕地生态风险预测模型,实现耕地生态风险定量、空间化预测,进一步提高预测精度。鉴于此,本研究选取地处城镇空间快速扩展的粤港澳大湾区的广州市,基于耕地生态风险评价与预测研究结果,对广州市的耕地生态风险进行调控,为促进经济快速发展区域的生态文明建设提供实证分析与理论借鉴。
5 结论开展区域性的耕地生态风险评价与预测,探讨如何将耕地生态保护落到实处,力寻从源头防范化解耕地生态风险的有效途径,以服务区域性的生态文明建设。广州市耕地生态风险评价与预测研究结果表明,研究期内广州市耕地生态风险状况总体表现出好转的趋势,其中2000—2005年处于较低风险状态,2010—2020年处于低风险状态;在空间特征上,低风险等级和较低风险等级占主导地位,较高和高耕地生态风险区主要有2个极值中心,分别是市中心附近的天河区、黄埔区,白云区东北部和黄埔区西北部2个接壤区域;广州市短期内耕地生态风险等级具有下降趋势,应加强耕地保护使得耕地生态风险状况保持良好;通过灰色预测模型进行未来模拟,表明在2025年内广州市耕地生态风险状况将保持低风险等级;基于耕地生态风险评价与预测分析结果,从区域整体性上,在未来应持续协调自然环境、社会经济发展和耕地景观格局之间的关系,并针对不同风险等级的区域,提出分区防控措施,以落实耕地生态保护,促进区域的生态文明建设。
[1] |
邓军, 马泉来, 卫华鹏, 王小玉, 杨崇科, 周浩, 张正飞. 粮食安全视角下河南省淮河流域耕地资源时空演变[J]. 水土保持研究, 2021, 28(4): 390-396. DOI:10.13869/j.cnki.rswc.20210315.002 DENG J, MA Q L, WEI H P, WANG X Y, YANG C K, ZHOU H, ZHANG Z F. Spatial-temporal evolution of cultivated land resources in Huai River Basin of Henan Province from the perspective of food security[J]. Research of Soil and Water Conservation, 2021, 28(4): 390-396. DOI:10.13869/j.cnki.rswc.20210315.002 |
[2] |
项骁野, 王佑汉, 李谦, 曾琨, 魏昕玥. 中国耕地保护与粮食安全研究进展可视化分析[J/OL]. 中国农业资源与区划: 1-12[2022-11-07]. http://kns.cnki.net/kcms/detail/11.3513.S.20220107.1032.013.html. XIANG X Y, WANG Y H, LI Q, ZENG K, WEI X Y. A review of cultivated land protection and food security in China based on citespace analysis[J/OL]. Chinese Journal of Agricultural Resources and Regional Planning: 1-12[2022-11-07]. http://kns.cnki.net/kcms/detail/11.3513.S.20220107.1032.013.html. |
[3] |
TIZIANO G. Soil degradation, land scarcity and food security: Reviewing a complex challenge[J]. Sustainability, 2016, 8(3): 281. DOI:10.3390/su8030281 |
[4] |
DUBE T, MUTANGA O, SIBANDA M, SEUTLOALI K, SHOKO C. Use of landsat series data to analyse the spatial and temporal variations of land degradation in a dispersive soil environment: A case of King Sabata Dalindyebo local municipality in the Eastern Cape Province, South Africa[J]. Physics and Chemistry of the Earth, 2016, 100: 112-120. DOI:10.1016/j.pce.2017.01.023 |
[5] |
郑华伟, 张锐, 孟展, 刘友兆. 基于PSR模型与集对分析的耕地生态安全诊断[J]. 中国土地科学, 2015, 29(12): 42-50. DOI:10.11994/zgtdkx.2015.12.006 ZHENG H W, ZHANG R, MENG Z, LIU Y Z. Diagnosis on cultivated land ecological security based on the PSR model and set pair analysis[J]. China Land Sciences, 2015, 29(12): 42-50. DOI:10.11994/zgtdkx.2015.12.006 |
[6] |
吴大放, 刘艳艳, 刘毅华, 姚漪颖, 梁达维. 耕地生态安全评价研究展望[J]. 中国生态农业学报, 2015, 23(3): 257-267. DOI:10.13930/j.cnki.cjea.140918 WU D F, LIU Y Y, LIU Y H, YAO Y Y, LIANG D W. Progress on ecological security evaluation of cultivated land[J]. Chinese Journal of Ecological Agriculture, 2015, 23(3): 257-267. DOI:10.13930/j.cnki.cjea.140918 |
[7] |
周江明. 中国耕地重金属污染现状及其人为污染源浅析[J]. 中国土壤与肥料, 2020(2): 83-92. DOI:10.11838/sfsc.1673-6257.19117 ZHOU J M. The present status of heavy metal(loid)s pollution in farmland soils and analysis of polluting sources in China[J]. Chinese Soil and Fertilizer, 2020(2): 83-92. DOI:10.11838/sfsc.1673-6257.19117 |
[8] |
石飞, 杨庆媛, 王成, 江娟丽, 胡蓉. 基于耕地能值-生态足迹的耕地休耕规模研究——以贵州省松桃县为例[J]. 生态学报, 2021, 41(14): 5747-5763. DOI:10.5846/stxb202008022017 SHI F, YANG Q Y, WANG C, JIANG J L, HU R. Scale of the cultivated land fallow based on the emergy-ecological footprint in Songtao County, Guizhou Provice, China[J]. Acta Ecologica Sinica, 2021, 41(14): 5747-5763. DOI:10.5846/stxb202008022017 |
[9] |
刘彦随, 乔陆印. 中国新型城镇化背景下耕地保护制度与政策创新[J]. 经济地理, 2014, 34(4): 1-6. DOI:10.15957/j.cnki.jjdl.2014.04.002 LIU Y S, QIAO L Y. Innovating system and policy of arable land conservation under the new-type urbanization in China[J]. Economic Geography, 2014, 34(4): 1-6. DOI:10.15957/j.cnki.jjdl.2014.04.002 |
[10] |
李龙, 吴大放, 王芳, 刘艳艳, 刘毅华, 钱乐祥. 中国快速城市化区域生态系统服务价值预测及权衡研究——以佛山市为例[J]. 生态学报, 2020, 40(24): 9023-9036. DOI:10.5846/stxb202002130237 LI L, WU D F, WANG F, LIU Y Y, LIU Y H, QIAN L X. Prediction and tradeoff analysis of ecosystem service value in the rapidly urbanizing Foshan City of China: A case study[J]. Acta Ecologica Sinica, 2020, 40(24): 9023-9036. DOI:10.5846/stxb202002130237 |
[11] |
黎怡姗, 吴大放, 刘艳艳. 耕地生态风险评价研究热点与趋势——基于CiteSpace可视化分析[J]. 农业资源与环境学报, 2019, 36(4): 502-512. DOI:10.13254/j.jare.2018.0187 LI Y S, WU D F, LIU Y Y. Hot spots and trends of cultivated land ecological risk evaluation: Visualization analysis based on CiteSpace[J]. Journal of Agricultural Resources and Environment, 2019, 36(4): 502-512. DOI:10.13254/j.jare.2018.0187 |
[12] |
张田. 南昌市耕地生态风险识别、评价及调控研究[D]. 南昌: 江西农业大学, 2021. DOI: 10.27177/d.cnki.gjxnu.2021.000030. ZHANG T. Study on identification, evaluation and regulation of cultivated land ecological risk in Nanchang City[D]. Nanchang: Jiangxi Agricultural University, 2021. DOI: 10.27177/d.cnki.gjxnu.2021.000030. |
[13] |
HUA Y E, YAN M A, DONG L. Land ecological security assessment for Bai autonomous prefecture of Dali based using PSR model-With data in 2009 as case[J]. Energy Procedia, 2011, 5: 2172-2117. DOI:10.1016/j.egypro.2011.03.375 |
[14] |
ZOU S J, ZHANG L, HUANG X, OSEI F B, OU G L. Early ecological security warning of cultivated lands using RF-MLP integration model: A case study on China's main grain-producing areas[J]. Ecological Indicators, 2022, 141. DOI:10.1016/J.ECOLIND.2022.109059 |
[15] |
冯彦, 郑洁, 祝凌云, 辛姝玉, 孙博, 张大红. 基于PSR模型的湖北省县域森林生态安全评价及时空演变[J]. 经济地理, 2017, 37(2): 171-178. DOI:10.15957/j.cnki.jjdl.2017.02.023 FENG Y, ZHENG J, ZHU L Y, XIN S Y, SUN B, ZHANG D H. County forest ecological security evaluation and spatial analysis in Hubei Province based on PSR and GIS[J]. Economic Geography, 2017, 37(2): 171-178. DOI:10.15957/j.cnki.jjdl.2017.02.023 |
[16] |
郑媛媛, 余敦, 孙聪康, 王检萍, 张田. 基于状态空间模型的耕地生态安全评价——以江西省鄱阳县为例[J]. 水土保持研究, 2020, 27(3): 218-224, 237. DOI:10.13869/j.cnki.rswc.2020.03.032 ZHENG Y Y, YU D, SUN C K, WANG J P, ZHANG T. Evaluation on ecological security of cultivated land in Poyang County of Jiangxi Province based on state space model[J]. Research of Soil and Water Conservation, 2020, 27(3): 218-224, 237. DOI:10.13869/j.cnki.rswc.2020.03.032 |
[17] |
郑华伟, 夏梦蕾, 张锐, 刘友兆. 基于熵值法和灰色预测模型的耕地生态安全诊断[J]. 水土保持通报, 2016, 36(3): 284-289, 296. DOI:10.13961/j.cnki.stbctb.2016.03.049 ZHENG H W, XIA M L, ZHANG R, LIU Y Z. Diagnosis on ecological security of cultivated land based on entropy method and grey prediction mode[J]. Bulletin of Soil and Water Conservation, 2016, 36(3): 284-289, 296. DOI:10.13961/j.cnki.stbctb.2016.03.049 |
[18] |
吴大放, 刘艳艳, 张晓露, 何尹杰. 1990—2014年广州市耕地功能评价分析[J]. 中国农业资源与区划, 2019, 40(2): 64-72. DOI:10.7621/cjarrp.1005-9121.20190209 WU D F, LIU Y Y, ZHANG X L, HE Y J. Analysis of cultivated land function evaluation in Guangzhou City from 1990 to 2014[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2019, 40(2): 64-72. DOI:10.7621/cjarrp.1005-9121.20190209 |
[19] |
黎怡姗, 吴大放, 刘艳艳, 吴嘉欣. 广州市耕地生态风险评价[J]. 广州大学学报(自然科学版), 2018, 17(6): 58-65. LI Y S, WU D F, LIU Y Y, WU J X. Ecological risk assessment on cultivated land in Guangzhou city[J]. Journal of Guangzhou University(Natural Science Edition), 2018, 17(6): 58-65. |
[20] |
马年圣, 支晓娟, 宋雨婷. 基于PSR和GM(1, 1) 模型的西藏耕地生态安全评价与预测[J]. 干旱区资源与环境, 2018, 32(11): 81-86. DOI:10.13448/j.cnki.jalre.2018.337 MA N S, ZHI X J, SONG Y T. Evaluation and prediction of the cultivated land ecological security in Tibet based on PSR and GM(1, 1) model[J]. Journal of Arid Land Resources and Environment, 2018, 32(11): 81-86. DOI:10.13448/j.cnki.jalre.2018.337 |
[21] |
WAYNE G L, JANICE A W. Design considerations and a suggested approach for regional and comparative ecological risk assessment[J]. Human and Ecological Risk Assessment, 2008, 3(3): 287-297. DOI:10.1080/10807039709383685 |
[22] |
GLENN W S Ⅱ, THEO V, WAYNE R, SEKIZAWA C. Framework for the integration of health and ecological risk assessment[J]. Human and Ecological Risk Assessment: An International Journal, 2003, 9(1): 281-301. DOI:10.1080/713609865 |
[23] |
范秋梅, 蔡运龙. 基于粮食安全的区域耕地转换研究——以辽宁为例[J]. 干旱区资源与环境, 2012, 26(4): 1-4. DOI:10.13448/j.cnki.jalre.2012.04.001 FAN Q M, CAI Y L. Cultivated land conversion on the premise of grain safety——Liaoning Province[J]. Journal of Arid Land Resources and Environment, 2012, 26(4): 1-4. DOI:10.13448/j.cnki.jalre.2012.04.001 |
[24] |
彭亮, 董斌, 方磊, 王裕婷, 陈剑, 李胜, 张宸宾. 基于均方差-TOPSIS模型的土地资源综合承载力评价——以安徽省六安市为例[J]. 江苏农业科学, 2020, 48(11): 259-265. DOI:10.15889/j.issn.1002-1302.11.050 PENG L, DONG B, FANG L, WANG Y T, CHEN J, LI S, ZHANG C B. Evaluation on comprehensive carrying capacity of land resources based on meansquare error-TOPSIS model-Taking Lu' an City, Anhui Province as an example[J]. Jiangsu Agricultural Sciences, 2020, 48(11): 259-265. DOI:10.15889/j.issn.1002-1302.11.050 |
[25] |
杨园园, 臧玉珠, 李进涛. 基于城乡转型功能分区的京津冀乡村振兴模式探析[J]. 地理研究, 2019, 38(3): 684-698. YANG Y Y, ZANG Y Z, LI J T. Rural revitalization mode in Beijing-Tianjin-Hebei from the perspective of urban-rural transformation functional zoning[J]. Geographical Research, 2019, 38(3): 684-698. |
[26] |
李玉平, 朱琛, 张璐璇, 王艳超, 吴智杰, 牛旭冉. 基于改进层次分析法的水环境生态安全评价与对策——以邢台市为例[J]. 北京大学学报(自然科学版), 2019, 55(2): 310-316. DOI:10.13209/j.0479-8023.2018.096 LI Y P, ZHU C, ZHANG L X, WANG Y C, WU Z J, NIU X R. Ecological security assessment and countermeasures of water environment based on improved analytic hierarchy process: A case study of Xingtai City[J]. Acta Scientiarum Naturalium Universitatis Pek inensis, 2019, 55(2): 310-316. DOI:10.13209/j.0479-8023.2018.096 |
[27] |
李强, 高威, 魏建飞, 姜志法, 张杨, 吕军骁. 中国耕地利用净碳汇时空演进及综合分区[J]. 农业工程学报, 2022, 38(11): 239-249. DOI:10.11975/.ssn.1002-6819.2022.11.027 LI Q, GAO W, WEI J F, JIANG Z F, ZHANG Y, LYU J X. Spatiotemporal evolution and comprehensive zoning of net carbon sink in cultivated land use in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(11): 239-249. DOI:10.11975/.ssn.1002-6819.2022.11.027 |
[28] |
阮熹晟, 李坦, 张藕香, 姚佐文. 基于生态服务价值的长江经济带耕地生态补偿量化研究[J]. 中国农业资源与区划, 2021, 42(1): 68-76. DOI:10.7621/cjarrp.1005-9121.20210109 RUAN X S, LI D, ZHANG O X, YAO Z W. A ouantitative study on ecological compensation ofcultivated land in the Yangtze River economicbelt based on ecological service value[J]. Chinese Journal of Agricultural R esources and Regional Planning, 2021, 42(1): 68-76. DOI:10.7621/cjarrp.1005-9121.20210109 |
[29] |
钱凤魁, 徐欢, 逄然然, 王大鹏, 贾艳萍, 顾汉龙. 基于三维生态足迹模型辽宁省耕地生态补偿额度估算分析[J/OL]. 中国农业资源与区划: 1-15[2022-11-19]. http://kns.cnki.net/kcms/detail/11.3513.S.20220623.1504.013.html. QIAN F K, XU H, PANG R R, WANG D P, JIA Y P, GU H L. Estimation and analysis of cultivated landecological compensation in Liaoning Province based on three-dimensional ecological footprint model[J/OL]. Chinese Journal of Agricultural R esources and Regional Planning: 1-15[2022-11-19]. http://kns.cnki.net/kcms/detail/11.3513.S.20220623.1504.013.html. |
[30] |
蒋如琦, 王卫, 任向宁, 胡月明. 青海省耕地生态承载力评价[J]. 广东农业科学, 2020, 47(8): 137-144. DOI:10.16768/j.issn.1004-874X.2020.08.018 JIANG R Q, WANG W, REN X N, HU Y M. Evaluation of ecological carrying capacity of cultivated land in Qinghai Province[J]. Guangdong Agricultural Sciences, 2020, 47(8): 137-144. DOI:10.16768/j.issn.1004-874X.2020.08.018 |
[31] |
李久枫, 刘艳艳, 吴大放, 杨木壮, 陈震霖. 近30年珠海市耕地生态安全评价及未来预测[J]. 广东农业科学, 2017, 44(1): 156-166. DOI:10.16768/j.issn.1004-874X.2017.01.024 LI J F, LIU Y Y, WU D F, YANG M Z, CHEN Z L. Evaluation of cultivated land ecological security in Zhuhai city in recent 30 years and its future prediction[J]. Guangdong Agricultural Sciences, 2017, 44(1): 156-166. DOI:10.16768/j.issn.1004-874X.2017.01.024 |
[32] |
谈晟荟, 张中浩, 闻熠. 基于PSR和GM(1, 1) 模型的安徽省土地生态安全预警与分析[J]. 安徽农业科学, 2019, 47(3): 1-4, 25. DOI:10.3969/j.issn.0517-6611.2019.03.001 TAN S H, ZHANG Z H, WEN Y. Early warning and analysis of land ecological security in Anhui Province based on PSR and GM(1, 1) model[J]. Anhui Agricultural Sciences, 2019, 47(3): 1-4, 25. DOI:10.3969/j.issn.0517-6611.2019.03.001 |
[33] |
韩磊, 潘玉君, 高庆彦, 马佳伸. 基于PSR和无偏GM(1, 1) 模型的云南省耕地生态安全评价与预测[J]. 生态经济, 2019, 35(2): 148-154. HAN L, PAN Y J, GAO Q Y, MA J S. Evaluation and Prediction of the Cultivated Land Ecological Security in Yunnan Province Based on PSR and Unbiased GM(1, 1) Model[J]. Ecological Economy, 2019, 35(2): 148-154. |
(责任编辑 邹移光)