长沙市土地利用生态风险及评价
谭三清1 ，李 宁2 ，李春华1,2 ，石 岳2 ，吴立潮1 ，鞠 璇1 ( 1 中南林业科技大学理学院，长沙 410004；2 北京师范大学地表过程与资源生态国家重点实验室， 民政部/教育部减灾与应急管理研究院，环境演变与自然灾害教育部重点实验室，北京 100875) 摘 要：城市生态环境问题已成为制约城市可持续发展的重要问题,土地利用变化是城市生态环境改变 的重要因素。长沙市作为中部经济发达、人口众多的大城市，其工业化和城市化的发展速度很快。强烈 的土地需求对土地利用的强度、方式、规模、布局等造成了深远的影响，同时也对城市生态环境造成强烈 的冲击，生态安全受到严重威胁。引入城市土地利用生态风险评价的概念，分析长沙市土地利用现状， 阐述城市土地利用生态风险产生的原因，识别与土地利用相关的生态环境问题，综合运用主成分分析， K均值聚类等方法，建立了土地利用生态风险评价模型，分析和评价长沙市土地利用生态风险。结果发 现：（1）该区所研究时段土地利用生态风险总体上变大，土地利用生态风险值从1996年的-0.85286（Ⅴ）， 变为2006年的1.321039（Ⅰ），期间变化波动明显，风险值在1996—1999年和2003—2006年趋于上升， 2000—2002年趋于下降；（2）长沙市所研究时段经济发展与环境状况改善不是完全协调的。根据此评 价结论，作者提出一系列规避和应对生态风险，协调城市土地利用与生态环境的对策。
关键词：土地利用；生态风险；PCA模型；K-means评价模型；长沙
市
中图分类号：F301.2 文献标志码：A 论文编号：2010-0638
0 引言
随着人类社会的发展，土地利用变化对土地生态 系统的各个方面产生了深刻影响，对区域生态安全起 着决定性的作用。因此，研究土地利用变化及其对区 域土地生态系统产生的风险，对于了解区域生态环境 和合理利用土地资源，恢复治理生态环境具有极其重 要的现实意义，同时也能为制定生态安全条件下的土 地利用规划提供科学依据[1-4] 。 城市土地利用生态风险是指不合理的开发利用城 市土地导致某些自然异常因素、生态环境恶化或破坏， 给人类社会带来损失的可能。城市土地利用生态风险 评价是从城市土地利用的角度描述和评估城市的环境 污染、人为活动或自然灾害对生态系统及其组分产生 不利作用的可能性和大小的过程。此文以长沙市为 例，建立PCA和K均值聚类的生态风险评价模型，对 长沙市土地利用生态风险进行评价,旨在为长沙市土 地合理利用提供科学依据，进而促进土地利用与生态 环境的协调。
1 城市土地利用生态风险及评价指标 城市化是社会经济发展的必然产物，在城市不断蚕食边缘区土地而扩大城区的过程中，城市用地结构 中公共绿地提高，水域面积萎缩，闲置土地增多，土壤 遭受城市建设破坏和城市垃圾等污染而退化，这些导 致城市土壤功能，如生产功能、缓冲、净化功能的弱化 甚至丧失，从而影响城市边缘区生态系统对城市生态 系统缓冲调节功能以及增加了城市水涝风险和城市热 岛效应，影响人们的生活环境与健康，也威胁着城市生 态系统安全。城市化过程中不可避免地会对项目区及 周边地区的水文、土壤、植被、大气、生物等环境要素及 其生态过程产生诸多直接或间接的不利影响，这种不 利影响就是土地利用的生态风险[5-7] ，城市土地利用生 态风险要素如图1所示。 城市不同土地利用类型具有不同的生态效应：建 设用地具有生态负效应，其自然效应是改变下垫面状 况，产生城市热岛效应，同时非农产业的密集，容易产 生“三废”污染；生态用地类型中水体能发挥城市肾功 能、森林能发挥城市肺功能、生物多样性能发挥城市的 免疫系统功能。 城市土地利用结构的变化通过不同的途径直接影 响城市生态安全：其一，新建城区加强了城市绿地建设的比例，城市绿地的相对增加，在一定程度上有利于缓 解城市热岛效应，有利于城市中碳氧平衡的调节，城市 绿地比例的提高有助于城市生态安全的维持；其二，城 市水域面积的萎缩，威胁城市生态安全。由于城市水 面都属于湿地范畴，它在抵御洪水、蓄洪防旱、降解污 染、净化水质、涵养水源、调节气候、保护生物多样性、 维护生态安全等方面有着其他生态系统不可代替的作 用和生态功能；其三，城市土地结构的变化，增加了大 量的不透水面，使城区河流在降水期间洪峰提前，增加 了水涝风险，同时，由于地表封闭和土壤压实引起的土 壤吸热功能消失和下降，城市土壤温度比周围自然土 壤高，加剧城市热岛效应[8-10] ；其四，城市土地的闲置在 一定程度上制约了城市土地的合理利用与开发，降低 了土地的功能[11] 。 2摇城市生态风险源与驱动力
城市生态风险主要来源包括人为风险源和自然风险源(表1). 人为风险源的驱动力为城市经济社会活动,包括人口高度密集、土地利用改变和不透水地表增加、工业生产和污染物排放、交通压力增加等. 人为风险源可以分为物理胁迫、化学胁迫和生物学胁迫等.自然风险源主要指洪涝灾害等气候变化和突发性灾害事件[4,16-17] . 徐丽芬等[17] 2010年以8种自然灾害(干旱、洪涝、地震、风暴潮、暴雪、冰雹、低温冷冻、沙尘暴等)作为综合风险源对北京幅(J鄄50)范围进行生态风险评价. 石洪华[4] 2008 年针对洪涝灾害、气温变化等风险源对青岛市进行了生态风险评价.城市生态风险评价中自然风险源具有偶然性、小概率和高强度的特
点,并且与人为风险源紧密相关. 人为风险源具有经常性和可控制性,概率大但是强度可以预测与控制. 表1城市生态风险源 风险源 类别 项目 自然 --- 物理 资源能源紧缺、全球气候变化、山体滑坡、泥石流和台风暴潮等突发性灾害 人为 不透水地表、河岸带、跨河桥、噪 声、灰霾、土地利用变化 化学 生物 危险化学品、点源和非点源污染 物、固体废弃物、温室气体 外来物种、病原菌及有害生物 3 建立PCA和K均值聚类的城市土地生态风险评价模型
主成分分析法(PCA)是去掉重复信息、简化数据 结构的一种多元统计方法。利用PCA可以把多个相关的指标变换成少数几个互相无关的综合变量(主成 分)，通过选择适当的主成分价值函数模型，可以把多 维系统降成一维系统。K均值聚类是最常用的聚类算 法之一，它通过寻找一组聚类中心把对象集合划分成 一组聚类[12] 。 应用 PCA 进行长沙市土地利用生态评价的主要 步骤如下。
（1）选择城市土地安全状态评价指标； （2）对原始指标进行正向化处理；
（3）对原始矩阵xn×13 进行标准化变换， zij = xij - - x j ∑i = 1 n (xij - - x j ) (n - 1) ?????????（1） 其中， - x j =∑i = 1 n xij n，得标准化阵Z=[zij]n × 13 ；
（4）对标准化阵 Z 求样本相关系数阵 R=[rij] 11 × 13 = ZT Z (n - 1)，解R的特征方程| R - λI | = 0，得13个特征值 λ1 ≥ λ2 ≥ ? ≥ λ13 ≥ 0；
（5）按照∑ j = 1 m λ j (∑ j = 1 13 λ j ) -1 ≥ α，确定m值，使前m个主 成分的累计贡献率，即信息的利用率达α( ≥ 0.95)以上， 对每个λ（j j=1，2?，m），解方程组Rb = λ j ，得单位特征 向量b0 j = b j ?b j?；
（6）求 出 zi = (z ) i1 ,zi2 ?,zi13 T (i = 1,2,?n) 的 m 个 主 成 分 分 量uij = z T i b0 j ( j = 1,2,?,m)，得 主 成 分 决 策 阵U = [uij]n × m 。 其 中 ui 为 第 i 年 的 主 成 分 向 量 ，它的第 j个分量uij是向量zi在单位特征向量b0 j上的 投影。 （7）选择加权主成分和价值函数模型，把 m 维系 统降成一维系统，即， si = ∑ j = 1 m v j uij ,i = 1,2,?,n ?????????（2） 其中，v j = λ j ∑i = 1 m λi ,j = 1,2,?,m 定义si 为第i年年土地利用生态风险度，以衡量土 地利用风险程度，数值越大表示生态安全程度越低。 4土地利用生态风险评价
4.1 原始数据 研究数据主要来源于长沙统计年鉴和环境年鉴等 资料，原始数据的 Z-SCORE 标准化值如表 1、表 2 所 示。
4.2 公共因子个数即主成分m的确定 通过SPSS软件，利用主成分分析方法[13] ，最终确 定 m 个特征值，m 即为因子变量个数，其数值确定见 SPSS输出结果表3和图2。 由表3的第一列至第四列可以看出因子分析的初始解对原有变量总体的刻画情况，第一列为13个初始 解的序号，第三列为因子变量方差贡献（特征值），是衡 量因子变量重要程度的指标，第四列则是各因子变量 的累积方差贡献率。可以发现，前4个公共因子对原 变量总体的刻画程度达到96.917%，这可以从图2中直 观看出，当提取前4个公因子时，特征值变化明显，当 提取4个之后的公因子时，特征值变化很小，基本趋于 平缓。因此可以认为这4
个因子基本反映了原指标变量的绝大部分信息，即m=4。
4.3 因子得分函数 计算因子得分的方法有回归法、Bartlette 法、 Anderson-Rubin 法等。根据上述计算公式，将因子变 量表示为原有变量的线性组合，并代入样本数据，计算 出相应的因子得分。 表 4 是采用回归法计算而得的因子得分函数系 数，据此，因子得分方程如下：F1 = 0.167L1 - 0.122L2 + 0.345L3 + 0.166L4 - 0.046L5 - 0.04L6 - 0.056L70 + 0.334L8 +0.416L9 + 0.215L10 - 0.278L11 - 0.001L12 - 0.123L13
F2 = -0.053L1 + 0.333L2 - 0.263L3 - 0.346L4 - 0.208L5 + 0.204L6 + 0.233L7 - 0.262L8 -0.379L9 - 0.29L10 + 0.552L11 - 0.16L12 - 0.007L13
F3 = -0.066L1 + 0.015L2 + 0.13L3 - 0.055L4 - 0.169L5 + 0.55L6 - 0.003L7 - 0.014L8 +0.037L9 + 0.435L10 + 0.122L11 + 0.115L12 + 0.09L13
F4 = 0.107L1 - 0.067L2 + 0.296L3 + 1.04L4 + 0.368L5 - 0.121L6 + 0.047L7 + 0.03L8 +0.196L9 + 0.115L10 - 0.234L11 0.056L12 - 0.03L13
其中，Li(i=1,2,?,13)代表 1996—2006 的指标数 据，各年份的 4 个因子得分按上式计算所得结果（表 5）。