2025, Vol. 46
2. 西安建筑科技大学建筑学院, 西安 710055
2. School of Architecture, Xi'an University of Architecture and Technology, Xi'an 710055, China
生态破坏和环境污染已经成为全球性问题, 以粗犷生产、过度消费和严重污染为特征的城市发展模式在全球已经引起重大生态问题[1], 同时全球人口迅速增长以及科学技术取得的长足进步都标志着人类正在以前所未有的速度和规模改变着人们的生存环境[2]. 生态韧性的议题已经成为一个紧迫的问题. 此外, 新冠疫情暴发所带来的物质生产与生态资源供给问题[3]. 加大了新的城市生态风险发生的可能性. 因此, 城市安全治理应更加关注城市生态韧性与人类生产开发活动的关系, 从而增加城市面对不确定性风险时的能力[4].
“韧性”一词的含义来源于拉丁语. 其代表了物质或系统在遭受威胁时恢复到一般状态的能力[5]. 后被用于工程学、心理学、物理学和经济学等领域. 在19世纪70年代韧性一词被用于生态系统学, 其包含系统应对风险时的恢复能力、面对新的挑战时的适应能力和遭遇危机时的抵抗能力[6]. 随着生态韧性在适应并抵抗外来冲击层面的不断完善与发展, 学者们逐渐将思路从生态韧性发展到更多维度的韧性研究. 其中在城市发展领域被广泛提及, 主要用于评估城市发展状态、生态风险预警和环境承载能力框架构建等方面[7]. 大多数学者认为“城市韧性”是指城市整体或各个系统在应对外界不确定性风险、挑战与自然灾害时及时做出反应并应对的能力, 主要包括生态、经济、社会、制度和设施韧性等[7~9]. 这使得韧性城市成为多维度空间发展必不可少的因素[10].
生态韧性作为城市韧性评价体系中重要的维度之一[4], 在面对城镇化与工业化所带来一系列危机的情况下, 受到国内外研究人员广泛的研究与关注[11]. 其中在生态韧性测度方面, 主要通过熵值法[12]和层次分析法[13]进行生态韧性指标体系权重计算. 在计算生态韧性水平方面又通过综合评价法[14]以及线性加权法[15]进行变化趋势分析. 在生态韧性指标体系构建上, 有学者通过将可持续发展理念与城市社会生活相结合的角度进行量化[16], 从社会、社区和生态等多角度考虑[17]. 在研究未来生态安全层面, 从抵抗力、适应力和恢复力这3个维度, 通过结合土地利用变化特征进行未来多情景模拟预测[18]. 在多角度协调发展方面, 将社会经济[19]、生态效率[20]和新型城镇化[21]等不同角度与生态韧性进行耦合协调研究, 并识别不同障碍度因子对于生态韧性发展的障碍[22].
土地利用是人类活动与自然世界交流最直接的表达方式[23, 24], 不同土地类型所进行的不同程度的开发利用活动都有其相对应的生态后果[25]. 在城镇化过程中人类活动程度较高的土地类型会相应有着不同程度的景观格局破碎化的现象, 从而对生态系统造成严重影响[26]. 因此深入研究土地利用强度对生态系统的影响以及两者间的交互作用对未来如何协调土地利用与人类之间的关系具有极大价值[27].
但目前国内外学者对于土地利用强度的研究多着眼于土地利用时空演化[28]、与生态环境之间的关系[29]和对生态系统服务的影响[30]等方面. 鲜见对于土地利用强度与生态韧性之间的时空关系的研究. 且关注点多为区域、市、县等行政区级别, 更没有涉及到格网层面以及微观小尺度的时空变化. 基于此本研究以陕西省西安市为例利用格网分析方法, 首先选取抵抗力、适应力和恢复力这3个角度以评价西安市1990~2020年生态韧性水平时空变化格局, 其次根据修改过后的土地利用强度分级测算西安市1990~2020年土地利用强度. 最后通过双变量空间自相关、普通最小二乘法及地理加权回归分析西安市近30 a来生态韧性与土地利用强度的时空关系. 此研究可为城市可持续发展、韧性城市建设、土地利用格局优化以及城市生态安全格局识别提供建议与参考.
1 材料与方法 1.1 研究区概况西安市地处中国西北地区, 关中平原中部, 北临渭河和南距秦岭, 是西北地区最大的中心城市. 下辖11个区（新城区、碑林区、莲湖区、灞桥区、未央区、雁塔区、阎良区、临潼区、长安区、高陵区、鄠邑区）和2个县（蓝田县、周至县）. 是陕西省乃至整个西北地区的政治、经济和文化中心, 也是全国海拔差距最大的城市之一. 全市属半湿润区大陆性季风气候, 年平均气温13.1~14.3℃, 夏季炎热多雨、冬季寒冷干燥[31]. 全市内部山地与平原界线明确, 构成西安市主要地貌[32].
全市土地类型以耕地、林地、草地、水域、建设用地和未利用地为主. 其中建设用地主要分布于北侧中部地区, 呈点状分散布局. 耕地东西向分布, 主要集中在建设用地外围. 南部主要以林地和草地为主（图 1）.
|
图 1 2020年西安市高程及土地利用概况 Fig. 1 Elevation of Xi'an and land use survey in 2020 |
城市韧性会受到气候变化、人为扰动、自然灾害和资源短缺等自然或人的压力影响. 2016年联合国住房与可持续城市发展大会发布《新城市议程》, 其中“城市生态与韧性”作为核心议题之一, 重点关注城市应该提升在危机中学习并适应与自组织的能力[33]. 城市在发展和治理过程中所面临着多种风险干扰以及更加复杂的多元化需求, 故提升城市应对不确定风险的抵抗能力、适应能力和恢复能力是未来城市和社会发展的核心问题之一[34]. 因此, 从抵抗力、适应力和恢复力这3个角度构建生态韧性评估模型.
抵抗力是指城市生态系统面对危机时的抗干扰能力. 生态系统服务能力作为描述生态系统本底条件的重要评价指标, 是生态系统维持生态功能与环境条件的必不可少的条件[3]. 与生态系统的抵抗能力密切相关[35]. 生态系统服务价值（ecosystem service value, ESV）是衡量生态系统服务能力的重要指标. 故运用由Costanza等[36]提出并由谢高地等[37]修正的单位面积生态系统服务价值当量因子法测度西安市生态系统服务价值作为生态系统抵抗力. 因西安市生态系统服务计算中美学景观价值量极少且与整体生态韧性无较大关联, 为不影响实验结果科学性与准确性, 故不予考虑美学景观功能的价值. 最终根据西安市1990~2020年的30 a的粮食单位面积产量的平均值（4 457.39 kg·hm-2）和全国粮食单位面积产量的平均值（4 522.06 kg·hm-2）的比值作为修正系数, 得到西安市单位面积生态系统服务价值（表 1）. 具体计算公式见文献[38].
|
表 1 西安市单位生态系统服务价值 Table 1 Unit ecosystem service value of Xi'an |
景观稳定性是指测定景观格局的各项数据长期保持稳定水平或在同一水平上下浮动, 景观异质性越大景观稳定性越高, 生态系统受到外界干扰后的恢复力越强, 则生态系统的适应力越强[39]. 故选用景观稳定性模型测度生态韧性适应力. 根据研究区实际情况并参考徐秋阳等[40]的研究, 最终选取斑块凝聚度指数（COHESION）、总边缘对比度指数（TECI）和斑块密度指数（PD）这3种景观指数计算景观稳定性（表 2）. 斑块结合度越高, 总边缘对比度与斑块密度越低, 其景观稳定性越高, 适应力越强. 具体计算公式见文献[3].
|
|
表 2 各景观指数释义 Table 2 Description of each landscape index |
生态系统恢复力, 也可称生态系统弹性. 体现在抵御自然灾害或人为干扰的能力, 主要通过系统自我调节避免破坏, 维持物种稳定来保持其生产力[41]. 根据Peng等[42]提出的生态弹性模型及系数结合研究区实际情况进行修改（表 3）. 具体计算公式见文献[43].
|
|
表 3 土地利用类型相对系数 Table 3 Relative coefficient of land use type |
最后因生态韧性评价体系抵抗力、适应力和恢复力分别属于不同计算单位, 统一评价时需要进行标准化处理为[0, 1]. 具体计算公式见文献[18].
1.2.2 土地利用强度模型土地利用变化是影响生态环境及其相互作用的重要因素, 而土地利用强度变化与土地扩张的反比例关系使其成为可持续发展的重要议题之一[44]. 通过运用土地利用强度计算方法, 参考柳冬青等[47]的研究, 根据研究区实际情况林地用地面积大于草地面积, 将土地利用强度分级指数进行修改（表 4）. 具体计算公式见文献[45].
|
|
表 4 土地利用强度分级 Table 4 Land use intensity classification |
1.2.3 双变量空间自相关分析
双变量空间自相关是描述地理空间上两个变量相邻点是否存在关联性的重要方法, 其在表达两个地理要素变量之间的依赖性上具有较好的实用性和有效性. 主要包括全局空间自相关和局部空间自相关两种检验方法. 从抵抗力、适应力和恢复力这3个维度的生态韧性测度方法均与景观要素分布、生态环境质量等有着一定联系. 而土地利用强度变化是生态系统服务的重要影响因素, 同时土地利用也是社会经济发展的空间载体, 两者在空间上存在相关性. 采用双变量空间局部自相关分析1990~2020年生态韧性与土地利用强度在时空上的关联性. 莫兰指数取值范围[-1, 1], 若指数为正证明两者间存在正相关, 反之则为负相关. 具体计算公式见文献[27].
1.2.4 普通最小二乘法普通最小二乘法（ordinary least squares, OLS）是一种在线性回归中预估未知变量的模型, 其通过最小二乘法原则来表达一组解释变量中因变量与预测变量的线性函数关系. 具体计算公式见文献[46].
1.2.5 地理加权回归地理加权回归（geographically weighted regression, GWR）是一种在传统回归模型的基础上加入地理空间变化关系的局部线性回归方法, 它在研究区域的观测点处产生一个描述局部关系的回归模型, 可以更好的描述解释变量的局部空间关系. 具体计算公式见文献[45].
1.3 数据来源本次研究采用中国科学院资源环境科学与数据中心（http://www.resdc.cn/）的1990年、2000年、2010年和2020年这4个时期的土地利用数据, 空间分辨率为30 m×30 m, 并重分类为耕地、林地、草地、水域、建设用地和未利用地这6种用地类型. DEM数据来源于欧洲航空局, 空间分辨率为30 m×30 m（https://panda.copernicus.eu/panda）. 社会经济数据及粮食产量数据来源于研究年份的《中国统计年鉴》《陕西省统计年鉴》《西安市统计年鉴》及陕西省西安市统计公报. 其中缺失数据通过插值法补全.
2 结果与分析 2.1 西安市1990~2020年生态韧性时空变化 2.1.1 西安市1990~2020生态抵抗力时空变化特征为深入研究生态抵抗力变化趋势, 故将西安市生态抵抗力按照自然断点法分为低值（0~850亿元）、较低值（850亿~1 500亿元）、中值（1 500亿~2 100亿元）、较高值（2 100亿~3 500亿元）和高值（3 500亿~6 600亿元）这5种等级标准, 得到西安市生态抵抗力时空变化（图 2）. 总体呈现中、北部低, 南部高的空间分布格局.
|
图 2 1990~2020年西安市生态抵抗力时空变化分布 Fig. 2 Spatial and temporal variation of ecological resistance in Xi'an from 1990 to 2020 |
在空间上, 其中高值主要集中在周至县、鄠邑区和长安区南部, 表现在用地类型上主要以林地和草地为主, 低值主要集中在鄠邑区北部、长安区北部和未央区南部, 莲湖区、新城区、雁塔区、碑林区和灞桥区全域主要以耕地和城市建设用地为主. 研究区东南部用地破碎化严重, 耕地、林地和草地等各类用地呈分散分布状态, 导致东南部生态抵抗力差异较大, 主要集中在蓝田县与临潼区南部.
在时间上, 从1990~2020年间研究区内水域的生态系统服务价值最高, 且30 a间水域面积逐步增长, 造成研究区北部以水域用地类型为主的生态抵抗力逐渐升高. 中部和北部除水域外30 a间由于建设用地单位面积生态系统服务价值为0, 生态抵抗力不变且持续为低值. 研究区东南部生态抵抗力30 a间持续较低值、中值、较高值和高值分散布置.
2.1.2 西安市1990~2020年生态适应力时空变化特征为深入研究生态适应力变化趋势, 故将西安市生态适应力按照自然断点法分为低值（0~30）、较低值（30~51）、中值（51~75）、较高值（75~95）和高值（95~120）这5种等级标准, 得到西安市生态适应力时空变化（图 3）. 总体呈现中北部高和南部低的空间分布格局, 且随时间变化降低趋势明显. 景观格局地类斑块完整, 边界明显的区域生态适应力较高. 耕地、林地、草地、水域和建设用地等各类用地的交错过渡分布地带整体生态适应力较低.
|
图 3 1990~2020年西安市生态适应力时空变化分布 Fig. 3 Spatial and temporal distribution of ecological adaptability in Xi'an from 1990 to 2020 |
在空间上, 生态适应力高值主要分布在周至县、鄠邑区和长安区北部, 雁塔区西南部, 高陵区、临潼区、阎良区和灞桥区全域. 在景观格局上主要以板块凝聚度大、斑块密度小和边缘对比度小的分布特征为主. 低值主要分布在周至县南部、鄠邑区南部以及长安区南部, 其景观格局破碎化严重, 各类景观类型多呈现树枝状不连续分布. 东南部生态适应力等级种类较多且总体呈斑块状分布.
在时间上, 研究区生态适应力自1990年开始整体呈下降趋势且西安市城市中心地区低值面积逐渐增长. 其中各适应力等级中以低值和较低值变化情况最为明显, 总体呈现以中心向外逐步扩散趋势.
2.1.3 西安市1990~2020年生态恢复力时空变化特征为深入研究生态适应力变化趋势, 故将西安市生态恢复力按照自然断点法分为低值（0~30）、较低值（30~51）、中值（51~75）、较高值（75~95）和高值（95~120）这5种等级标准, 得到西安市生态恢复力时空变化（图 4）. 总体呈现中部、北部较低, 南部较高的空间分布格局.
|
图 4 1990~2020年西安市生态恢复力时空变化分布 Fig. 4 Spatial and temporal distribution of ecological resilience in Xi'an from 1990 to 2020 |
在空间上, 西安市30 a间生态恢复力高值主要分布在鄠邑区、周至县和长安区南部, 用地类型主要以林地为主. 恢复力低值则主要分布在周至县、鄠邑区和长安区北部, 未央区、碑林区、新城区、灞桥区和雁塔区全域, 阎良区、高临潼区北部和高陵区大部分区域. 在用地类型上, 高值区域以林地为主、较低值与中值区域以草地和水域为主以及低值与较低值区域以耕地和建设用地为主. 可见西安市生态恢复力等级分布主要受地形与土地利用类型影响较大.
在时间上, 西安市30 a间生态恢复力整体变化格局呈现先下降后上升趋势, 2000~2010年鄠邑区因建设用地向南部山地扩张, 以致生态系统弹性有所下降. 但自生态文明理念提出以来, 城市建设全面践行人与自然和谐发展思路, 对于景观生态保护起到了一定的作用. 建设用地扩张减缓, 生态恢复力也逐渐呈现上升趋势.
2.1.4 西安市生态韧性时空变化特征为深入研究生态韧性变化趋势, 故将西安市生态韧性按照自然断点法分为低值（0~0.11）、较低值（0.11~0.21）、中值（0.21~0.32）、较高值（0.32~0.43）和高值（0.43~0.72）这5种等级标准, 得到西安市生态韧性时空变化（图 5）. 近30 a来西安市生态韧性总体呈现下降趋势. 生态韧性高值区主要以水域为主, 较高值与中值区域以林地和草地为主, 低值与较低值区域以耕地和建设用地为主.
|
图 5 1990~2020年西安市生态韧性时空变化分布 Fig. 5 Spatial and temporal distribution of ecological resilience in Xi'an from 1990 to 2020 |
在空间上, 生态韧性较低值主要在西安市中部和北部且成片分布, 其中以城市中心地区的建设用地为生态韧性最低值区域, 其次则是以耕地为主建设用地为辅的城市中心外围地区, 构成了西安市中部和北部的主要生态韧性格局. 而生态韧性较高值主要分布在西安市南部地区, 除1990年成片分布外其他年份皆破碎化分布. 西安市生态韧性高值区主要沿市域内东北部的泾河、灞河和西部的黑河流域呈线状分布. 因为此处生态抵抗力、适应力和恢复力均为高值, 故生态韧性等级较高.
在时间上, 自1990年开始位于城市中心的建设用地面积逐年扩张, 造成西安市生态韧性低值不断增长. 而1990~2000年位于西安市西北部的生态韧性较高值和中值区域逐渐转变为较低值区域, 主要因为建设用地虽呈点状分散但面积却逐年增长, 造成景观破碎程度加剧所致. 但从2010年开始生态环境问题得到不断重视, 位于西安市中部和北部较低值区域的生态韧性开始不断增长, 开始呈现块状分布.
总体来看, 西安市生态韧性水平的时空变化主要是因为建设用地的分布情况, 景观破碎化程度所致. 故合理调整城市建设用地分布可以有效提升生态韧性, 从而增强城市面对不确定性风险时的应对能力.
2.2 西安市1990~2020年土地利用强度时空变化特征为深入研究土地利用强度变化趋势, 故将西安市土地利用强度按照自然断点法分为低值（2~2.36）、较低值（2.36~2.62）、中值（2.62~2.94）、较高值（2.94~3.45）和高值（3.45~4.00）这5个等级标准（图 6）. 近30年来西安市土地利用强度总体呈现逐渐上升趋势. 高值和较高值区域主要以建设用地为载体集中分布于城市中心及以点状分布的人类活动密集地带, 该地区城镇化水平较高, 发展较为迅速, 人口密度较大. 主要以周至县、鄠邑区、长安区北部、灞桥区、雁塔区、碑林区、高陵区全域以及临潼区和灞桥区中北部地区为主. 低值区域和较低值区域主要分布于西安市南部山地等城镇化水平不高的地区, 此处人口密度小且高程差异较大, 故随时间变化土地利用强度水平整体较为稳定, 主要分布在周至县、鄠邑区、长安区南部和蓝田县西南部. 而中值区域则主要分布在以水域或研究区东南部土地类型分布较为复杂的地区, 主要集中在蓝田县中北部.
|
图 6 1990~2020年西安市土地利用强度时空变化分布 Fig. 6 Spatial and temporal distribution of land use intensity in Xi'an from 1990 to 2020 |
随着城镇化不断加速, 建设用地对于其他类型用地的侵占日益加剧, 造成人类对自然的改造程度逐渐增强, 而这一点在土地利用为载体的空间上则表现为土地利用强度的不断增长. 总体来看, 西安市自1990年开始, 由于“西部大开发”战略的提出、“关天经济区”的设立和“一带一路”倡议的落实等国家政策的影响, 经济发展迅猛, 而作为中国西北地区最大的中心城市, 城市建设与经济发展尤为重要. 故近30 a来西安市城镇化水平和经济活动强度不断提高, 土地利用强度也随之增长.
2.3 西安市1990~2020年生态韧性与土地利用强度时空关系分析 2.3.1 生态韧性与土地利用双变量空间自相关分析土地利用强度越大对于生态系统的破坏与影响就越明显, 表现为人类按照自我意愿改造自然的程度越深, 最终使得城市生态韧性的水平逐渐降低. 利用Geoda对西安市1990年、2000年、2010年和2020年土地利用强度与生态韧性水平进行局部双变量空间自相关分析, 得到高-高、高-低、低-高、低-低和不显著这5种空间集聚水平（图 7）. 结果表明, 自1990~2020年来西安市土地利用强度与生态韧性水平具有明显的空间自相关关系.
|
图 7 1990~2020年西安市土地利用强度与生态韧性水平局部空间自相关分布 Fig. 7 Local spatial autocorrelation distribution of land use intensity and ecological resilience in Xi'an from 1990 to 2020 |
在空间上, 土地利用强度与生态韧性水平在西安市北部和中部呈现为明显的高-低集聚. 这是由于西安市北部地处渭河平原, 高程差异小, 适宜人类经济活动, 且土地利用类型以建设用地和耕地为主. 除中部城市中心地区外, 其他地区建设用地均以点状分布, 并且斑块密度较高, 对生态韧性影响较大, 因而呈现高土地利用强度-低生态韧性聚集现象. 而在西安市南部地区集聚类型以低土地利用强度-高生态韧性为主. 因为南部为山地地区, 高程差异较大, 天然地形不满足人类高强度活动的条件且南部的秦岭自然保护区生态意义重大, 所以在空间上整体呈现出低土地利用强度-高生态韧性的聚集类型. 高土地利用强度-高生态韧性聚集则主要出现在以泾河、灞河和黑河为主的水域附近, 其原因主要是河流水系附近由于生态本底较好且景观类型丰富, 是人们休闲游憩的天然场所, 并且在城市功能布局时水系沿岸的空间也较多承担着商业和商务的功能. 因此人类开发强度较高的同时生态韧性也表现为较高水平.
在时间上, 自1990年开始西安市中北部地区的高土地利用强度-低生态韧性聚集分布逐渐增多, 体现为随着时间变化土地利用强度增长的同时生态韧性水平下降的区域越来越多. 对应着城镇化发展, 城市建设用地扩张给生态韧性带来影响的地区随时间不断增加. 而南部低土地利用强度-高生态韧性聚集分布地区自2010年起开始逐渐增多, 代表随着政策因素影响生态保护理念开始逐渐体现在城市用地布局上, 土地开发强度降低的同时生态韧性水平逐渐升高.
2.3.2 OLS及GWR模型结果对比分析本研究基于OLS及GWR两种模型对西安市1990~2020年生态韧性与土地利用强度时空关系进行分析. 两种结果均显示西安市生态韧性与土地利用强度整体呈现较明显负相关, 但GWR模型拟合结果优于OLS（表 5）. 其中AIC值在1990年、2000年、2010年和2020年这4个时期OLS运算结果均大于GWR模型, 而拟合优度R2及调整过后的拟合优度R2在OLS中的运算结果均小于GWR模型.
|
|
表 5 OLS模型及GWR模型拟合效果对比 Table 5 Land use intensity classification |
1990年两种模型拟合优度R2及调整拟合优度R2均小于其他3个时期, 说明该时期拟合效果较差. 其原因可能是西安市1990年城市化进程较为缓慢所致, 生态韧性与土地利用强度大部分地区无明显线性函数关系. 2000年、2010年和2020年这3个时期GWR模型的拟合优度R2及调整拟合优度R2均在0.7以上, 表明生态韧性与土地利用强度在2000~2020年存在明显负相关线性函数关系.
2.3.3 GWR模型结果分析西安市1990~2020年大部分地区土地利用强度对生态韧性存在显著的负相关关系, 即土地利用强度越大生态韧性水平越低（图 8）.
|
图 8 1990~2020年西安市生态韧性及土地利用强度回归系数分布 Fig. 8 Distribution of regression coefficients of ecological resilience and land use intensity in Xi'an from 1990 to 2020 |
在空间上, 回归系数高值和较高值（绝对值, 下同）主要分布在西安市中北部人类活动密集区, 低值和较低值则主要分布在南部生态韧性水平较高地区, 其中以西南和东南地区最低. 表明北部地区土地利用强度对生态韧性影响较大, 而南部地区生态韧性对于土地利用强度变化并不敏感. 除1990年外, 总体呈现由北向南的分层扩散格局. 主要原因是自1990年起城镇化进程加快, 土地利用强度对生态韧性影响逐渐增大. 而1990年土地利用强度与生态韧性的回归关系并不明显.
在时间上, 1990~2020年回归系数高值逐渐向南偏移, 低值地区不断压缩. 人类活动对于生态环境的影响导致土地利用强度与生态韧性的负相关性不断提升, 即土地利用强度越大生态韧性水平越低的地区不断扩张. 而回归系数低值地区占比自1990年起不断降低.
3 讨论本研究利用抵抗力、适应力和恢复力这3个维度构建西安市生态韧性评价体系, 并与土地利用强度评价结果进行双变量空间自相关、OLS和GWR回归分析, 结果显示两者间具有明显的线性回归关系. 随着土地利用强度的增强, 生态韧性水平显著下降, 其中以西安市中部和北部城镇化水平较高地区的影响最为明显. 这说明人口增长和经济发展对于生态韧性具有一定的潜在复杂性影响[48], 且因各区县发展程度不同而造成生态韧性水平与土地利用强度的异质性. 南部地区整体生态韧性高于中、北部地区且生态韧性高值地区仅存在于河流及沿岸, 可见植被高覆盖地区及水域等具有较高生态价值的用地类型对于城市生态韧性水平具有一定积极意义. 但由于城镇化过程中人们对于这类具有极高生态价值的土地的忽视, 以致于在社会经发展时过分追求城市建设用地扩张所带来的短期经济效益, 使得生态用地面积逐步缩减[49].
自2010年起, 西安市整体生态韧性较之前有了明显提高的趋势. 党的十八大以来, 我国对可持续发展高度重视, 城市发展进入存量时代[49]. 因此本研究为提高西安市生态韧性, 实现城市可持续发展给出以下3点建议：
（1）协调城市发展与生态保护的关系：在完善城市经济功能的同时也要将生态功能一并考虑, 缓解由于经济发展所带来的生态环境问题. 不断完善城市绿色公共基础设施建设, 提高绿化水平改善城市内部生态环境问题, 降低城市内涝以及其他灾害风险, 建设宜居城市. 在西安市中北部人类活动密集区域划定生态保护红线并严格执行, 同时构建生态发展廊道在防止城市无序扩张的前提下整体提升市域生态韧性.
（2）优化土地利用格局, 提高城市发展质量：在低水平生态韧性地区调整用地策略, 控制建设用地增长速度, 同时提高城市中心地区用地效率. 坚持“绿水青山就是金山银山”的发展理念, 完善城市蓝绿网络, 逐步改善西安市南北部生态韧性差异较大的问题. 严格控制建设用地增长对于西安市南部秦岭地区生态安全的损害, 保护其在水源涵养、气候调节和碳固定等方面的重要生态功能.
（3）降低景观破碎化影响, 提升连通度：降低西安市中北部地区因建设用地连点成线而造成的耕地和草地等用地的破碎化. 在人类活动密集区域外围建立过渡带, 缓冲人类活动对于其他景观的直接性破坏而造成的生态韧性持续下降. 在西安市南部和东南部地区, 提升林地、草地景观连通性, 防止耕地持续深入和分割林草资源, 保护南部地区的重要生态功能.
本研究探讨了西安市生态韧性和土地利用强度的时空变化格局和两者间的相互关系并给出了一定建议, 但在以下方面还存在不足：①未考虑到深层次影响生态韧性水平和土地利用强度以及两者关系的驱动因素, 包括从社会发展、经济建设、自然本底和政策驱动等方面；②在量化生态韧性的方法上还可进行其他方面的考虑, 使得评价体系更加科学完善；③在土地利用分类层面可以进行更加细致的探讨, 进而从微观层面研究城市中心地区生态韧性情况.
4 结论（1）从生态抵抗力、适应力和恢复力这3个方面评价结果来看, 与西安市总体生态韧性空间分布近乎相同, 除生态适应力外都呈现出北低南高的空间分布格局. 其中生态适应力的不同是由于西安市北部用地类型以建设用地与耕地为主, 景观破碎程度较低, 斑块完整度较高所导致景观稳定较南部更高. 而在城市中心地区, 3个方面评价结果都普遍以低值为主.
（2）从生态韧性总体评价结果来看, 西安市生态韧性呈现出下降趋势. 主要体现在中部和北部地区生态韧性低值和较低值分布面积呈现出持续增长状态. 城市中心地区因建设用地的扩张, 导致生态韧性低值区域面积逐渐扩大且连续程度较高. 而南部山地地区生态韧性较高值和中值水平面积随时间也表现出较为明显下降趋势, 且主要以点状离散分布, 连续程度较低.
（3）从土地利用强度评价结果来看, 西安市土地利用强度总体呈现上升趋势. 主要体现在中部和北部的城市中心地区土地利用强度高值面积呈现不断扩张趋势. 而其他地区土地利用强度随之间变化趋势不明显, 主要呈现为南低北高的空间分布格局.
（4）从西安市土地利用强度与生态韧性时空关系分析结果来看, 两者间在时空上呈现出明显的负相关关系. 双变量空间自相关显示土地利用强度与生态韧性在中部和北部以高-低聚集为主, 在南部以低-高聚集为主. 随着时间变化, 南部地区的低土地利用强度-高生态韧聚集程度表现出先减少后增加的趋势. 使用OLS及GWR模型对生态韧性与土地利用强度进行回归分析发现, GWR模型的拟合结果优于OLS模型. 同时反映出西安市自1990年起生态韧性与土地利用强度呈现负相关. 显著性水平在空间上表现为北高南低的分布格局, 且高值随时间不断向南偏移.
| [1] | Nie C F, Lee C C. Synergy of pollution control and carbon reduction in China: spatial-temporal characteristics, regional differences, and convergence[J]. Environmental Impact Assessment Review, 2023, 101. DOI:10.1016/j.eiar.2023.107110 |
| [2] | Hoekstra A Y, Wiedmann T O. Humanity's unsustainable environmental footprint[J]. Science, 2014, 344(6188): 1114-1117. DOI:10.1126/science.1248365 |
| [3] |
李加林, 张旖芯, 张海涛, 等. 基于"潜力-弹性-稳定性"模型的温州市生态韧性时空变化及影响因素研究[J]. 生态学报, 2024, 44(8): 3253-3267. Li J L, Zhang Y X, Zhang H T, et al. The research of spatio-temporal characteristics and influence factors of Wenzhou ecological resilience based on the potential-elastic-stability model[J]. Acta Ecologica Sinica, 2024, 44(8): 3253-3267. |
| [4] |
王松茂, 牛金兰. 山东省旅游经济与城市生态韧性协同演化研究[J]. 地理学报, 2023, 78(10): 2591-2608. Wang S M, Niu J L. Co-evolution of tourism economy and urban ecological resilience in Shandong province[J]. Acta Geographica Sinica, 2023, 78(10): 2591-2608. DOI:10.11821/dlxb202310013 |
| [5] | Hosseini S, Barker K, Ramirez-Marquez J E. A review of definitions and measures of system resilience[J]. Reliability Engineering & System Safety, 2016, 145: 47-61. |
| [6] | Holling C S. Engineering resilience versus ecological resilience[A]. In: Schulze P C (Ed. ). Engineering Within Ecological Constraints[M]. Washington: National Academy Press, 1996. 31-44, doi: 10.17226/4919. |
| [7] |
欧阳晓, 魏晓, 谢花林, 等. 国土空间生态韧性研究进展与前沿分析[J/OL]. 经济地理, 2023, https://link.cnki.net/urlid/43.1126.K.20231124.1451.002. Ouyang X, Wei X, Xie H L, et al. Research progress and frontier analysis of ecological resilience in territorial space[J/OL]. Economic Geography, 2023, https://link.cnki.net/urlid/43.1126.K.20231124.1451.002. |
| [8] | Ahern J. From fail-safe to safe-to-fail: sustainability and resilience in the new urban world[J]. Landscape and Urban Planning, 2011, 100(4): 341-343. |
| [9] | Walker B, Holling C S, Carpenter S R, et al. Resilience, adaptability and transformability in social-ecological systems[J]. Ecology and Society, 2004, 9(2). DOI:10.5751/ES-00650-090205 |
| [10] |
董幼鸿, 周彦如. 技术赋能城市韧性治理的系统思考[J]. 东南学术, 2022(6): 85-97. Dong Y H, Zhou Y R. A systematic thought on technology enabling resilient urban governance[J]. Southeast Academic Research, 2022(6): 85-97. |
| [11] | Li G Z, Wang L Q. Study of regional variations and convergence in ecological resilience of Chinese cities[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110667 |
| [12] |
张明斗, 任衍婷, 周亮. 黄河流域城市生态韧性时空演变特征及影响因素分析[J]. 干旱区地理, 2024, 47(3): 445-454. Zhang M D, Ren Y T, Zhou L. Spatiotemporal evolution characteristics and influencing factors of urban ecological resilience in the Yellow River Basin[J]. Arid Land Geography, 2024, 47(3): 445-454. |
| [13] | Zhang Y, Shang K J. Cloud model assessment of urban flood resilience based on PSR model and game theory[J]. International Journal of Disaster Risk Reduction, 2023, 97. DOI:10.1016/j.ijdrr.2023.104050 |
| [14] | 刘江艳, 曾忠平. 弹性城市评价指标体系构建及其实证研究[J]. 电子政务, 2014(3): 82-88. |
| [15] | Xiao W, Lv X J, Zhao Y L, et al. Ecological resilience assessment of an arid coal mining area using index of entropy and linear weighted analysis: a case study of Shendong coalfield, China[J]. Ecological Indicators, 2020, 109. DOI:10.1016/j.ecolind.2019.105843 |
| [16] | Botequilha-Leitão A, Díaz-Varela E R. Performance Based Planning of complex urban social-ecological systems: the quest for sustainability through the promotion of resilience[J]. Sustainable Cities and Society, 2020, 56. DOI:10.1016/j.scs.2020.102089 |
| [17] | Faiz T I, Harrison K W. A risk-averse stochastic optimization model for community resilience planning[J]. Socio-Economic Planning Sciences, 2024, 92. DOI:10.1016/j.seps.2024.101835 |
| [18] |
夏楚瑜, 董照樱子, 陈彬. 城市生态韧性时空变化及情景模拟研究——以杭州市为例[J]. 生态学报, 2022, 42(1): 116-126. Xia C Y, Dong Z Y Z, Chen B. Spatio-temporal analysis and simulation of urban ecological resilience: a case study of Hangzhou[J]. Acta Ecologica Sinica, 2022, 42(1): 116-126. |
| [19] |
刘同超, 吴丹. 黄河流域城市经济韧性与生态韧性的耦合协调关系研究[J]. 人民黄河, 2024, 46(3): 6-11. Liu T C, Wu D. Study on the coupled coordination relationship between economic resilience and ecological resilience of cities in the Yellow River Basin[J]. Yellow River, 2024, 46(3): 6-11. |
| [20] | 牛建广, 辛伯雄, 王明琪. 城市生态效率与生态韧性的协调发展评价与障碍因子识别[J]. 统计与决策, 2024, 40(4): 79-84. |
| [21] |
刘海龙, 王改艳, 张鹏航, 等. 汾河流域新型城镇化与生态韧性耦合协调时空演变及协调影响力研究[J]. 自然资源学报, 2024, 39(3): 640-667. Liu H L, Wang G Y, Zhang P H, et al. Spatio-temporal evolution and coordination influence of coupling coordination between new urbanization and ecological resilience in Fenhe River Basin[J]. Journal of Natural Resources, 2024, 39(3): 640-667. |
| [22] |
郭向阳, 明庆忠, 杨春宇, 等. 喀斯特生态脆弱区旅游生态系统韧性时空变化及多尺度障碍因素——以贵州省为例[J]. 经济地理, 2023, 43(10): 190-200, 230. Guo X Y, Ming Q Z, Yang C Y, et al. Spatiotemporal evolution of tourism ecosystem resilience in Karst ecologically fragile areas and its Multi-scale obstacle factors: a case study of Guizhou[J]. Economic Geography, 2023, 43(10): 190-200, 230. |
| [23] |
徐皓, 陈健, 王剑武, 等. 土地利用强度与生态系统生产总值的耦合协调研究——以浙江省建德市为例[J]. 浙江林业科技, 2023, 43(4): 63-73. Xu H, Chen J, Wang J W, et al. Coupling coordination research between Land Use Intensity and gross ecosystem product: a case study of Jiande City, Zhejiang Province[J]. Journal of Zhejiang Forestry Science and Technology, 2023, 43(4): 63-73. |
| [24] |
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 B J, Zhang L W. Land-use change and ecosystem services: concepts, methods and progress[J]. Progress in Geography, 2014, 33(4): 441-446. |
| [25] | Fu B J, Wang S, Su C H, et al. Linking ecosystem processes and ecosystem services[J]. Current Opinion in Environmental Sustainability, 2013, 5(1): 4-10. |
| [26] | Guo L J, Liu R M, Shoaib M, et al. Impacts of landscape change on net primary productivity by integrating remote sensing data and ecosystem model in a rapidly urbanizing region in China[J]. Journal of Cleaner Production, 2021, 325. DOI:10.1016/j.jclepro.2021.129314 |
| [27] |
曾志伟, 杨华, 宁启蒙, 等. 洞庭湖区土地利用强度演变及其对生态系统服务的影响[J]. 经济地理, 2022, 42(9): 176-185. Zeng Z W, Yang H, Ning Q M, et al. Temporal and spatial evolution of land use intensity and its impact on ecosystem services in Dongting Lake Zone[J]. Economic Geography, 2022, 42(9): 176-185. |
| [28] |
赵俊远, 高翔, 梁静波. 基于土地覆被变化的北京市生态环境质量时空分异特征及影响因素[J]. 水土保持研究, 2024, 31(3): 350-362, 372. Zhao J Y, Gao X, Liang J B. Spatiotemporal change and driving factors of the eco-environment quality in Beijing Based on RSEI[J]. Research of Soil and Water Conservation, 2024, 31(3): 350-362, 372. |
| [29] | Zhang Y J, Song W, Fu S, et al. Decoupling of land use intensity and ecological environment in Gansu province, China[J]. Sustainability, 2020, 12(7). DOI:10.3390/su12072779 |
| [30] | Liu Y S, Huang X X, Liu Y Q. Detection of long-term land use and ecosystem services dynamics in the Loess Hilly-Gully region based on artificial intelligence and multiple models[J]. Journal of Cleaner Production, 2024, 447. DOI:10.1016/j.jclepro.2024.141560 |
| [31] | Zhang P, Liu L, Yang L W, et al. Exploring the response of ecosystem service value to land use changes under multiple scenarios coupling a mixed-cell cellular automata model and system dynamics model in Xi'an, China[J]. Ecological Indicators, 2023, 147. DOI:10.1016/j.ecolind.2023.110009 |
| [32] |
刘哲, 马新萍. 2010年-2020年西安市景观格局变化及其生态效应研究[J]. 环境科学与管理, 2024, 49(2): 153-157. Liu Z, Ma X P. Analysis on Change of landscape pattern and its ecological effect in Xi'an city from 2010 to 2020[J]. Environmental Science and Management, 2024, 49(2): 153-157. |
| [33] | Spaans M, Waterhout B. Building up resilience in cities worldwide – Rotterdam as participant in the 100 resilient Cities Programme[J]. Cities, 2017, 61: 109-116. |
| [34] |
赵瑞东, 方创琳, 刘海猛. 城市韧性研究进展与展望[J]. 地理科学进展, 2020, 39(10): 1717-1731. Zhao R D, Fang C L, Liu H M. Progress and prospect of urban resilience research[J]. Progress in Geography, 2020, 39(10): 1717-1731. |
| [35] |
黄智洵, 王飞飞, 曹文志. 耦合生态系统服务供求关系的生态安全格局动态分析——以闽三角城市群为例[J]. 生态学报, 2018, 38(12): 4327-4340. Huang Z X, Wang F F, Cao W Z. Dynamic analysis of an ecological security pattern relying on the relationship between ecosystem service supply and demand: a case study on the Xiamen-Zhangzhou-Quanzhou city cluster[J]. Acta Ecologica Sinica, 2018, 38(12): 4327-4340. |
| [36] | Costanza R, d'Arge R, de Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Ecological Economics, 1998, 25(1): 3-15. |
| [37] |
谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254. Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources, 2015, 30(8): 1243-1254. |
| [38] |
娄佩卿, 付波霖, 林星辰, 等. 基于GEE的1998~2018年京津冀土地利用变化对生态系统服务价值的影响[J]. 环境科学, 2019, 40(12): 5473-5483. Lou P Q, Fu B L, Lin X C, et al. Influence of land use change on ecosystem service value based on GEE in the Beijing-Tianjin-Hebei region from 1998 to 2018[J]. Environmental Science, 2019, 40(12): 5473-5483. |
| [39] |
彭建, 王仰麟, 刘松, 等. 海岸带土地持续利用景观生态评价[J]. 地理学报, 2003, 58(3): 363-371. Peng J, Wang Y L, Liu S, et al. Landscape ecological evaluation for sustainable coastal land use[J]. Acta Geographica Sinica, 2003, 58(3): 363-371. |
| [40] |
徐秋阳, 王巍巍, 莫罹. 京津冀地区景观稳定性评价[J]. 生态学报, 2018, 38(12): 4226-4233. Xu Q Y, Wang W W, Mo L. Evaluation of landscape stability in Beijing-Tianjin-Hebei region[J]. Acta Ecologica Sinica, 2018, 38(12): 4226-4233. |
| [41] | Xiao R, Liu Y, Fei X F, et al. Ecosystem health assessment: a comprehensive and detailed analysis of the case study in coastal metropolitan region, eastern China[J]. Ecological Indicators, 2019, 98: 363-376. |
| [42] | Peng J, Liu Y X, Wu J S, et al. Linking ecosystem services and landscape patterns to assess urban ecosystem health: a case study in Shenzhen city, China[J]. Landscape and Urban Planning, 2015, 143: 56-68. |
| [43] |
刘一鸣, 徐煖银, 曾辉. 中国东海海岸带地区生态系统健康评估及其尺度依赖性[J]. 生态学报, 2022, 42(24): 9913-9926. Liu Y M, Xu N Y, Zeng H. Ecosystem health assessment and its scale dependence in the coastal region of the East China Sea[J]. Acta Ecologica Sinica, 2022, 42(24): 9913-9926. |
| [44] | Erb K H. How a socio-ecological metabolism approach can help to advance our understanding of changes in land-use intensity[J]. Ecological Economics, 2012, 76: 8-14. |
| [45] |
李江苏, 段良荣, 张天娇. 中国城市PM2.5和PM10时空分布特征和影响因素分析[J]. 环境科学, 2024, 45(4): 1938-1949. Li J S, Duan L R, Zhang T J. Analysis of spatio-temporal distribution characteristics and influencing factors of PM2.5 and PM10 in Chinese cities[J]. Environmental Science, 2024, 45(4): 1938-1949. |
| [46] |
李晨, 张芝娟, 叶翠平. 山西省PM2.5与O3污染特征及影响因素分析[J]. 环境科学学报, 2024, 44(5): 299-309. Li C, Zhang Z J, Ye C P. Analysis of PM2.5 and O3 pollution characteristics and influencing factors in Shanxi Province[J]. Acta Scientiae Circumstantiae, 2024, 44(5): 299-309. |
| [47] |
柳冬青, 张金茜, 巩杰, 等. 陇中黄土丘陵区土地利用强度-生态系统服务-人类福祉时空关系研究——以安定区为例[J]. 生态学报, 2019, 39(2): 637-648. Liu D Q, Zhang J X, Gong J, et al. Spatial and temporal relations among land-use intensity, ecosystem services, and human well-being in the Longzhong Loess Hilly Region: a case study of the anding district, Gansu Province[J]. Acta Ecologica Sinica, 2019, 39(2): 637-648. |
| [48] | Wang S B, Li Z Y, Long Y, et al. Impacts of urbanization on the spatiotemporal evolution of ecological resilience in the Plateau Lake Area in Central Yunnan, China[J]. Ecological Indicators, 2024, 160. DOI:10.1016/j.ecolind.2024.111836 |
| [49] | Lee C C, Yan J Y, Li T. Ecological resilience of city clusters in the middle reaches of Yangtze River[J]. Journal of Cleaner Production, 2024, 443. DOI:10.1016/j.jclepro.2024.141082 |