全 文 ：城市扩展影响下生态系统服务的多情景模拟和预测
———以天津市滨海地区为例*
黄焕春1 摇 运迎霞1**摇 苗展堂1 摇 郝摇 翠2 摇 李洪远2
( 1天津大学建筑学院城市规划系, 天津 300072; 2南开大学环境科学与工程学院, 天津 300071)
摘摇 要摇 基于改进的 Logistic鄄CA 模型,以天津市滨海地区为例,在历史外推、内生发展、外生
发展 3 种情景中,模拟预测 2011—2020 年城市扩展影响下生态系统服务功能的空间演化规
律特征.结果表明: 3 种情境下,研究区最终的生态系统服务功能总量大体相当,生态系统服
务功能最低的 1 级功能区空间格局基本一致,但 3 种生态系统服务功能的空间演化过程差异
较大;低等级生态系统服务功能区呈组团状以十字型生长,十字型的中心片区位于塘沽城区,
最终形成海河轴与沿海带的十字型片区.
关键词摇 改进 logistic鄄CA摇 多情景摇 生态系统服务摇 模拟与预测摇 滨海地区
文章编号摇 1001-9332(2013)03-0697-08摇 中图分类号摇 F301. 24摇 文献标识码摇 A
Multi鄄scenario simulation and prediction of ecosystem services as affected by urban expansion:
A case study in coastal area of Tianjin, North China. HUANG Huan鄄chun1, YUN Ying鄄xia1,
MIAO Zhan鄄tang1, HAO Cui2, LI Hong鄄yuan2 (1School of Architecture, Department of Urban Plan鄄
ning, Tianjin University, Tianjin 300072, China; 2College of Environmental Science and Engineering,
Nankai University, Tianjin 300071, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(3): 697-704.
Abstract: Based on the modified Logistic鄄CA model, and taking the coastal area of Tianjin as a
case, this paper simulated the spatial evolution patterns of ecosystem services as affected by the ur鄄
ban expansion in 2011-2020 under the scenarios of historical extrapolation, endogenous develop鄄
ment, and exogenous development. Overall, the total ecosystem services of the study area under the
three scenarios were generally the same, and the functional region with the lowest level ecosystem
services had the identical spatial pattern. However, the spatial evolution patterns of the ecosystem
services of the study area under the three scenarios had a great difference. The functional regions
with lower鄄level ecosystem services grew in a cross鄄shaped pattern, with the Tanggu downtown as a
center, and finally formed a full connectivity area along the Haihe River and coastal zone.
Key words: modified Logistic鄄CA; multi鄄scenario; ecosystem services; simulation and prediction;
coastal area.
*国家自然科学基金项目(51278330)和天津市规划局重点项目
(2010H3鄄0011)资助.
**通讯作者. E鄄mail: yunyx@ 126. com
2012鄄07鄄24 收稿,2013鄄01鄄05 接受.
摇 摇 随着世界城市化的推进,人类取得了巨大的文
明与进步,但全球生态系统服务功能却已退化
60% [1] .目前,城市扩展的生态服务影响成为研究
焦点. 生态系统服务功能的评估可分为相对方
法[2-3]和绝对方法[4]两种.目前,常采用情景分析的
方法对城市形态的不确定性影响进行研究. 情景指
对一些合理而不确定的事件,在未来一段时间可能
呈现的态势的假定[5] .情景分析法把城市发展的影
响因素作为条件,给出多个城市形态的发展可能性
方案[6-8],比较分析可能产生的生态环境影响,其结
果包括对各发展态势的确认[9] .
1940 年,Ulan和 Von Neumann首次提出了元胞
自动机( cellular automata,CA)的概念. 在地理学定
律的基础上,Couclelis[10]揭示了 CA 在城市研究中
的潜力. 因 CA 能更好地理解城市发展空间过程及
其环境影响[11-12],随后成为城市与环境研究的流行
方法. 1997 年,Wu 和 Yeh[13]首先提出 Logisti鄄CA 模
型,现已成功应用于城市土地利用变化[14]、扩展模
式[15]、农业土地利用[16] 等研究. 此外, Verburg
应 用 生 态 学 报摇 2013 年 3 月摇 第 24 卷摇 第 3 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Mar. 2013,24(3): 697-704
等[17]、罗平[18]、吴楷钊和吴波[19]还对模型进行了改
进.虽然运用 Logisti鄄CA 可得到影响因子的重要性
和贡献率,但仅能模拟历史演化趋势,且预测数量精
度难以满足需求.
本文基于改进后的 Logistic鄄CA 模型(本研究对
Logistic鄄CA模型进行 2 处改进,经 2005—2011 年城
市扩展模拟检验,修正后的模型具备了准确模拟多
情景城市扩展能力),对 2011—2020 年天津市滨海
地区城市形态扩张进行多情景模拟预测,着重分析
了城市扩张影响下生态系统服务功能的空间变化特
征.旨在探索快速城镇化背景下,城市对生态系统服
务功能空间格局过程的影响,为今后城市生态规划
的调控提供科学参考依据,以期通过生态系统服务
的空间格局过程调节,达到提高人居环境质量的
目的.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
本文的研究区是天津市滨海地区,其范围包括
塘沽、汉沽、大港和东丽、津南区的部分地区,总用地
面积 2270 km2,属暖温带半湿润大陆性季风气候.
该区位于天津东部,濒临渤海湾,海岸线 153 km,是
海洋与陆地生态系统相互交汇的复合地带,湿地类
型多样化程度较高,包括海河、蓟运河、永定新河、独
流减河等主要入海河流.主要地貌类型有滨海平原、
泻湖和滩涂.土壤含盐量较高,主要为草甸盐土和盐
化草甸土.区内自然植被类型较少、生物量小、覆盖
率低,能够提供服务功能的林地面积很少;草地面积
较少,仅零星分布在湿地周边.
滨海地区是天津城市结构“一条扁担挑两头冶
的东半部分,也是京津塘国土规划中的重点发展区
域,拥有中国北方最大的综合性国际贸易港,是北京
和西北、华北重要的出海门户.滨海地区拥有国家综
合配套改革试验区和国家级新区,是天津市的工业
发展重地,集中了经济技术开发区、保税区、天津港、
滨海国际机场等重要的开发区和交通设施,在多年
的发展中形成了强大的经济基础和完善的基础设
施. 2005—2010 年,其 GDP由 1730 亿增至 5030 亿,
城乡建设用地由 689 km2 增至 1129 km2;2011 年
底,滨海新区常住人口达 248 万.
1郾 2摇 数据来源及预处理
本研究原始数据为:1998 年 8 月、2001 年 8 月、
2005 年 9 月、2009 年 8 月、2011 年 8 月的 Landsat
TM5 卫星遥感影像 (分辨率 30 m),2011 年 8 月
ALOS遥感影像(分辨率 2郾 5 m),2010 年 1 颐 10 万
天津市地形图,2005、2011 年 1 颐 10 万天津市地图,
2005—2020 年滨海地区城市总体规划图,2011—
2030 年滨海地区城市总体规划图.
原始数据的预处理:首先,将城市规划图、城市
现状图等扫描、配准,进行几何精校正,校正过程采
用二次多项式,并用 3 次卷积法进行灰度插值,校正
误差均小于 1 个像元.其次,将卫星影像和图件统一
校正到 1 颐 10 万天津市地形图,统一投影为 WGS_
1984_UTM_50N,误差控制在 15 m 以内,以便保持
数据的一致性.再次,根据基础数据精度,将土地利
用类型分为六大类:林地、草地、耕地、湿地、水体、裸
地.然后,利用 ENVI 4郾 8 软件,将 TM 影像的 NDVI
指数和建筑指数[20]与其他波段复合叠加,采用监督
和非监督分类、实地踏勘、人工目视相结合的方法进
行解译,土地分类结果的总体精度控制在 90%以
上.最后,利用 ArcGIS 10 软件建立研究数据库,利
用空间分析功能对不同时期的相关数据进行提取和
统计分析.
1郾 3摇 研究方法
1郾 3郾 1 情景设定 摇 根据城市发展的动力特征、研究
区实际,本文将城市扩展设定以下 3 种情景:
情境 A:反映城市延续历史发展趋势,即历史外
推.该情景假定各驱动力在新时期大小不变,城市形
态演化是沿历史惯性发展.
情境 B:反映内生发展模式,即城市主要依靠自
身人力资源、社会资源、文化资源、环境资源、自然资
源、城市设施资源,通过内部机制的运行实现城市发
展.该模式对城市老城区的依赖较大.
情境 C:外生发展模式,即城市主要依靠区域的
交通设施、社会资源、自然资源等,通过内部机制的
运行实现城市发展.外生型城市对外依赖性较大,城
市发展易受外界波动的影响,在城市形态发展上表
现出跳跃的特点.
1郾 3郾 2 生态系统服务功能评估方法摇 采用相对量化
的方法进行生态系统服务功能评估,可克服绝对量
化的不稳定性和易受市场干扰的弊端,便于纵向比
较各情景年份的变化.具体步骤为:
1)确定生态系统服务功能的类型,对数据进行
标准化处理,以消除不同单位及计算方法的影响.本
文参考国内外学者对生态系统服务功能类型的划
分[21-22],根据研究区实际,将研究区生态系统服务
功能类型划分为三大类 9 种(表 1).其中:产品生产
功能根据土地生产的单位产值计算;文化教育和景
896 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
观美学基于统计数据,通过替代市场法和模拟市场
法进行量化;水源涵养功能用生态蓄水量表示;土壤
保持的功能从土壤侵蚀量来考虑[22];气候调节通过
固碳释氧量来衡量;环境净化用吸收 SO2和滞滤粉
尘的量表示;防御灾害功能通过管理成本赋值法计
算[21] .
2)以耕地的服务功能为相对参照标准,计算其
他土地利用类型提供的各项生态系统服务功能. 耕
地生态系统受人为干扰最多,所提供的服务功能能
较准确的获取,对其他生态系统的参考价值较
大[3] .本研究以耕地生态系统所提供的各项服务功
能为单位 1,其他生态系统的服务功能通过转化计
算得出.
3)采用层次分析法确定每种生态系统服务功
能权重.本文根据研究区实际,参考谢高地[3]制定
的“中国生态系统单位面积生态服务价值当量表冶
确定不同生态系统服务功能的权重.
4)计算不同土地类型的生态系统功能价值. 将
生态系统服务功能相对化值与对应的权重相乘,可
得到每种土地类型所对应的 9 种生态系统服务功能
的单位面积当量(表 1).
1郾 4摇 Logistic鄄CA模型的改进
改进的 Logistic鄄CA模型(图 1)采用外置的灰色
校准,并有多情境模拟预测功能.
1郾 4郾 1 元胞、状态、邻域的定义摇 本研究中元胞大小
采用精度较好的 30 m伊30 m[23-24] . 城市扩展模拟
中,元胞状态分为城市用地和非城市用地.城市规划
和建设中通常地块设计尺度为 100 ~ 200 m,而本研
究中元胞大小为 30 m,因此将邻域大小采用 5伊5 的
Moore型邻域,共 24 个邻域单元.邻域函数表示为:
赘ij t =
移5伊5con( sij = urban)
5 伊 5 - 1 (1)
式中:赘ij t表示在5 伊5邻域中的城市元胞密度;con
图 1摇 改进的 Logistic鄄CA模型结构
Fig. 1摇 Structure of modified Logistic鄄CA model郾
灰色部分为模型改进 Gray in the figure indicated modified parts of the
model郾
为一个条件函数.如果 sij为城市用地,则 con()返回
真,否则返回假.转换规则是 CA的核心,决定了 CA
的动态演化过程和结果.
1郾 4郾 2 转换规则摇 对 Logistic 转换规则来讲,如以概
率(P)作为因变量,则方程可转换为:
ln(P / 1-P)= b0+b1x1+b2x2+…+bkxk (2)
式中:b0 为常量;bk 为 Logistic 回归系数;xk 为一组
影响转换的变量.影响城市形态演化的因素多样.
通过 Logistic回归模型,一个区位的土地开发适
宜性可由下式来概括:
pg( sij = urban) =
exp( zij)
1 + exp( z) =
1
1 + exp( - zij)
(3)
式中:pg 为全局的开发概率;sij为元胞( i,j)的状态;z
为 描 述 单 元 ( i, j ) 开 发 的 特 征 向 量,
z = b0 +移 kbkxk .
为了使运算更符合实际,反映城市形态发展的
不确定性,模型引入随机项[25]:
表 1摇 不同土地类型各生态系统服务的单位面积当量
Table 1摇 Area equivalent per unit of ecosystem services in different land types
土地类型
Land type
总当量
Total
equivalent
产品生产
Production
文化教育
Culture
and
education
景观美学
Landscape
aesthetics
生物
多样性
Biological
diversity
水源涵养
Water
conservation
土壤保持
Soil
conservation
气候调节
Climate
regulation
环境净化
Environment
purification
灾害防御
Disaster
prevention
林地 Woodland 4郾 07 0郾 00 0郾 26 0郾 80 0郾 68 0郾 67 0郾 32 0郾 51 0郾 57 0郾 25
草地 Grassland 3郾 77 0郾 03 0郾 13 0郾 92 0郾 46 0郾 21 0郾 25 0郾 33 0郾 69 0郾 75
耕地 Cultivated land 1郾 00 0郾 23 0郾 13 0郾 14 0郾 05 0郾 09 0郾 14 0郾 08 0郾 08 0郾 06
湿地 Wetland 9郾 69 1郾 19 0郾 19 1郾 14 0郾 69 3郾 05 0郾 05 1郾 62 1郾 44 0郾 32
水体 Water 6郾 49 0郾 16 0郾 06 0郾 75 0郾 51 2郾 90 0郾 02 0郾 21 1郾 43 0郾 44
裸地 Bare land 0郾 14 0郾 00 0郾 03 0郾 04 0郾 03 0郾 01 0郾 01 0郾 01 0 0郾 02
9963 期摇 摇 摇 摇 摇 黄焕春等: 城市扩展影响下生态系统服务的多情景模拟和预测———以天津市滨海地区为例摇 摇 摇
摇 摇 RA=1+(-lnr) 琢 (4)
式中:酌为(0,1)范围内的随机数,为控制随机变量
影响大小的参数,取值为 1 ~ 10 之间的整数,本文根
据研究区城市规划执行情况,在经过专家咨询后,决
定 琢取值为 8.
最后将一列约束条件加到模型中,其转换规则
可表示为:
Pd,ij t = (1 + ( - lnr)a) 伊 1 / [1 + exp( - zij)] 伊
con(sij t) 伊 赘ij t (5)
1郾 4郾 3 多情景模拟的 Logistic 回归系数计算方法 摇
Logistic回归系数( bk)代表每个影响因子的影响力
大小,若对其系数大小进行调整,就可计算出不同情
景模拟的回归系数.不同情景的城市形态扩展,具有
不同大小的影响因子组合,应首先找出对应情景的
重要影响因子(指对特定情景的城市扩展起重要作
用的因子).本研究假定 3 种情景影响因子相同,但
重要影响因子不同.
假设反映某情景的重要影响因子集合为 I,而
其中的每个元素记为 x忆i,b忆i 是该元素代表的影响
因子 Logistic回归系数,每个元素 x忆i 都在 xk 的集合
X中,即 I哿X. 对应情景的影响因子回归系数计算
步骤为:
1)为了突出某情景,需要适当增大重要影响因
子 x忆i 的影响,即相对于历史演化趋势增大为原来
的 n 倍,Logistic 回归系数也相应增大为 n 倍. 则反
映某情景重要影响因子的回归系数算式为:
b忆i =nbk 摇 ( i臆k) (6)
2)计算剩余各影响因子的回归系数绝对值:
| b忆j | = (b j) / (移 | bk | ) 伊(移 | bk | -移b忆i)
j缀(k - I) (7)
式中:b忆j 为剩余各影响因素的系数.
3)计算剩余影响因子的回归系数,各系数的正
负值分别取回归分析中的符号,最终回归系数为:
原系数为正:b忆j = | b忆j |
原系数为负:b忆j = - | b忆j
{ | (8)
1郾 4郾 4 预测结果的数量灰色校准摇 元胞自动机模型
由于本身的设计缺陷,难以实现准确的数量预
测[26] .本研究将不等时距的灰色预测方法嵌入 Lo鄄
gistic鄄CA,把灰色预测数量结果作为 CA模拟预测的
停止条件,实现 CA模型模拟预测面积精确性.城市
属于典型的灰色系统,而灰色系统理论具有以下优
点:预测精确度高,计算量小,不需要大量严格规律
性分布的样本,适用于近期、中期、长期的预测[27] .
常用拓灰色预测法解决不等时距的灰色预测.
它假设等时距的原始数据客观存在,由于某种原因
使其中的一些数据缺失,因而出现了不等时距的原
始数列,本文得到的数据较符合 GM(1,1)模型曲
线,其离散形式为:X^(1)( k+1)= [ x(0)(1) - ua ] e
-ak +
(u / a).式中:c= x(0)(1)-(u / a).设初始时间序列为
0,时间序列为 T(0) ( i) = {0, t2, t3 …, tm},则有 x(0)
( ti)= c(1-ea)e-ati .式中:ti = t2,t3…,tm(m 为原始数
列的个数).
c和 a 值的求解,通常采用胡斌等[28]和熊和金
等[29]提出的方程组:
x(0)( ti) = c(1 - ea)e -ati
x(0)( t j) = c(1 - ea)e -at
{
j
(9)
解得 a^ = 軈a = 1
c2m-1
移
m-1
i = 2
移
m
j = i+1
1
ti - t j
ln
x(0)( t j)
x(0)( ti)
(10)
把 a^代人每个方程都可求出一个 c 值,取平均
值
c^ = 軃c = 1m - 1移
m
i = 1
ci
最后,由 c^和 a^值便可得到不等时距灰色预测模型:
x^(0)( ti) = c^(1 - e a^)e -ati (11)
依据上次,即可求出预测值.
2摇 结果与分析
2郾 1摇 城市扩展的多情景模拟
城市扩展模拟应首先确定其影响因子.根据相
关研究[30-31],结合研究区实际,选择空间约束、制度
约束、邻域约束 3 大类 15 个影响因子(高速公路、高
速出入口、铁路、火车站、机场、航道、河流、国道、省
道、县乡道、市中心影响、城市道路、规划道路、规划
铁路、规划布局影响),并将其标准化为 0 ~ 1 的无
量纲数据,以确保计算具有可比性.
模拟 2005—2011 年城市扩展,以检验改进 Lo鄄
gistic鄄CA 模型有效性. 首先,从总数据中随机抽取
20% ,利用 SPSS软件建立 Logistic回归模型,回归系
数均通过了 0郾 05 显著性检验;然后将回归系数代入
笔者开发的 Logistic鄄CA 模拟软件中,模拟 2011 年
城市形态;最后,进行模拟结果精度评价,城市用地
模拟面积精度为 99% ,Lee鄄Sallle指数[13]为 0郾 98,模
拟精度极好.
利用灰色预测校准模型,计算预测年份城市面
积.经计算,灰色不等时距预测模型为: x^(0) ( ti ) =
007 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
5403郾 205 ( 1 - e-0郾 0749 ) e-0郾 0749ti,模型平均误差仅
-0郾 1% .
根据城市发展的动力特点,确定 3 种情景的重
要影响因子:情景 A的各影响因子保持不变;情景 B
的重要影响因子为县乡道、城市道路、市中心影响;
情景 C 的重要影响因子为机场、航道、省道、高速出
入口. 3 种情景的重要影响因子分别增大为:情景 A
为 n=1;情景 B 为 n = 1郾 5,因其可变性和波动性较
小;情景 C 为 n = 2,因其具有较大的可变性. 最终,
计算出 3 种情景的 Logistic回归系数(表 2).
摇 摇 将 3 种情景的 Logistic 回归系数分别代入 Lo鄄
gistic鄄CA 模型软件,模拟 2013、2015、2018、2020 年
的城市面积分别为 1294、1503、1882、2187 km2 .
2郾 2摇 生态系统服务功能当量
采用网格法对生态系统服务功能进行空间量化
分析.该方法具有无缝覆盖、体现均衡、可操作性强
的优点[32] .
利用 ArcGIS 10郾 0 的空间分析功能,计算 2011
年及预测各情景特定年份的不同土地类型提供的服
务功能.具体步骤:1)将整个滨海新区进行网格划
分,每个网格设定为 1 km伊1 km,共 3453 个评价单
元;2)统计每个网格单元的土地类型及其面积;3)
将各土地类型的单位功能当量代入,计算每个单元
格的功能当量;4)利用 Natural Breaks 等级划分方
法,将 2011 年生态系统服务功能当量分为 5 个等
级.并以此分级为标准(表 3),对 2013、2015、2018、
2020 年 3 种情景的生态系统服务功能进行空间评
估分析;最后,利用ArcGIS 10郾 0统计分析各级生态
表 2摇 3 种情景 Logistic回归系数
Table 2摇 Logistic regression coefficient in three scenarios
类型 Type A B C
高速公路 Freeway 3郾 28 2郾 04 2郾 67
高速出入口 Freeway access -1郾 33 -0郾 82 -2郾 65
铁路 Railway 0郾 73 0郾 45 0郾 59
火车站 Railway station 4郾 34 2郾 69 3郾 53
航道 Sea鄄route -1郾 36 -0郾 84 -2郾 72
河流 Rivers -0郾 48 -0郾 30 -0郾 39
国道 National road 0郾 43 0郾 27 0郾 35
省道 Provincial road -1郾 82 -1郾 13 -3郾 63
县乡道 County & township road -6郾 25 -9郾 37 -5郾 08
城市道路 Urban road -11郾 82 -17郾 73 -9郾 62
市中心 City center -4郾 78 -7郾 16 -3郾 88
规划布局 Urban planning 1郾 61 1郾 00 1郾 31
机场 Airport -3郾 83 -2郾 38 -7郾 67
规划铁路 Railway planning 0郾 64 0郾 40 0郾 52
规划道路 Road planning -10郾 31 -6郾 41 -8郾 39
表 3摇 生态系统服务功能当量等级划分标准
Table 3摇 Grading criterion of ecosystem services
功能当量等级
Functional
equivalence level
服务功能
Service
function
阈值
Threshold
value
1 很低 0 ~ 76
2 较低 76 ~ 225
3 中等 225 ~ 415
4 较高 415 ~ 605
5 很高 >605摇
系统功能服务区的比例,并制图,得到 2011 年生态
系统服务功能当量现状图.
摇 摇 从图 2 可以看出,研究区 1、2 级生态系统服务
功能区,主要位于滨海国际机场、塘沽、大港城区、汉
沽城区、大港油田,3、4 级生态系统服务功能区主要
位于城区周边,生态系统服务功能最好的地区位于
汉沽城区以北、黄港水、大港水库、南部湿地. 2011
年,研究区 5、4、3、2、1 级生态系统服务功能区分别
占 54郾 3% 、5郾 1% 、6郾 0% 、14郾 3%和 20郾 3% .
2郾 3摇 3 种情景的生态系统服务功能演化
2郾 3郾 1 情景 A摇 随着城市的扩展,情景 A 在空间上
表现为:2011—2015 年,研究区 1、2 级生态系统服
务功能区主要围绕塘沽、大港城区、国际机场 3 个地
区向外围扩展;而 3、4 级生态系统服务功能区主要
集中在沿海、南部湿地、黄港水库附近,并表现出很
强的向海扩展特点. 从各级生态系统服务功能区面
积比重变化来看,1 级逐步增至 26郾 0% ,2 级减少至
12郾 6% ,3 级保持不变,4 级增至 7郾 9% ,5 级降至
46郾 5% .
2015—2020 年,1 级生态系统服务功能区由大
港城区、塘沽城区、汉沽城区和滨海国际机场 5 个组
团连成一个整体空间,并逐步向外围扩大,最后把大
港油田纳入其中,南部塘沽和大港油田间的大量湿
图 2摇 2011 年研究区生态系统服务的现状
Fig. 2摇 Current ecological services of the study area in 2011郾
1073 期摇 摇 摇 摇 摇 黄焕春等: 城市扩展影响下生态系统服务的多情景模拟和预测———以天津市滨海地区为例摇 摇 摇
地将彻底消失.此外,大港南部将出现大量的低级生
态系统服务功能区,将严重影响大港水库的水质安
全.从生态系统服务功能区面积比重变化来看,1 级
迅速增至 44郾 0% , 2 级减少至 7郾 4% , 3 级降至
4郾 9% ,4 级降至 6郾 3% ,5 级降至 37郾 5% (图 3A).
2郾 3郾 2 情景 B摇 随着城市形态的扩展,情景 B 在空
间上表现为:2011—2015 年,该区 1、2 级生态系统
服务功能区主要围绕塘沽、大港城区、国际机场、汉
沽城区向外围扩展,受城市建成区影响较大;而 3、4
级生态系统服务功能区,主要集中在沿海、南部湿
地、大港油田附近,表现出较强的向海扩展特点. 从
各等级生态系统服务功能区面积比重变化来看,1
级逐步增至 26郾 4% ,2 级减少至 12郾 2% ,3 级微增至
7郾 0% ,4 级增至 7郾 2% ,5 级降至 47郾 3% .
2015—2020 年,1 级生态系统服务功能区由大
港城区、塘沽城区、汉沽城区和滨海国际机场 4 个组
团连成一个整体空间,并逐步向外围扩大,最后沿滨
海大道,穿过南部湿地,把大港油田纳入其中,实现
空间一体化.从生态系统服务功能区面积比重变化
来看,1 级迅速增至 44郾 6% ,2 级减至 6郾 5% ,3 级降
至 4郾 0% ,4 级降至 6郾 2% ,5 级降至 38郾 8% (图 3B).
2郾 3郾 3 情景 C摇 随着城市形态的扩展,情景 C 在空
间上表现为:2011—2015 年,研究区 1、2 级生态系
统服务功能区主要围绕塘沽、大港城区、国际机场向
外围扩展,受交通区位影响较大;3 级生态系统服务
功能区,则集中在海河发展轴和大港油田;4 级生态
系统服务功能区突出表现出强烈的向海扩展特点.
从各等级生态系统服务功能区面积比重变化来看,1
级逐步增至 27郾 8% ,2 级降至 12郾 4% ,3 级基本保持
不变,4 级波动性较大,2015 增至 6郾 2% ,5 级降至
47郾 6% .
2015—2020 年,1 级生态系统服务功能区由大
港城区、塘沽城区、汉沽城区和滨海国际机场 4 个组
团连成一个整体空间,并首先将南部湿地全部吞噬,
图 3摇 3 种情景下研究区生态系统服务的空间演化
Fig. 3摇 Spatial change of ecosystem services of the study area in three scenarios郾
207 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
图 4摇 各情景生态系统服务总当量和各级功能区面积比例
的变化
Fig. 4摇 Changes of total equivalent under various scenarios and
area ratio of different functional regions.
最后实现与大港油田的空间一体化. 3、4 级生态系
统服务功能区主要集中于塘沽和大港油田的海域.
从各级生态系统服务功能区面积比重变化来看,1
级迅速增至 45郾 1% ,2 级减少至 8郾 1% ,3 级降至
3郾 8% ,4 级降至 4郾 7% ,5 级降至 38郾 2% (图 3C).
2郾 4摇 情景综合分析
从 3 种情景的城市形态扩展来看,研究区生态
系统服务功能总量的变化曲线均大体一致,情景 B
的生态系统服务功能略高于其他两个情景. 但 3 种
生态系统服务功能的空间演化过程差异较大,共同
特点是:受城市扩展影响,1 级生态系统服务功能以
十字型生长,十字型的中心片区位于塘沽城区,扩展
主要集中在海河城市发展主轴和沿海城市发展带,
并最终形成连片城市建成区.
从各级生态系统服务功能区所占比例的变化曲
线来看:1 级所占比例逐步上升,情景 C 在 2013 年
后略高,2020 年 3 种情景格局差别不大,所占比例
大致相当. 2 级所占比例逐步下降,3 种情景在初期
的差别不大,整个过程中情景 C所占比例较高. 3 级
所占比例先升后降,2011—2015 年情景 B 所占比例
最高,2015—2020 年情景 A 所占比例最高. 4 级所
占比例先升后降,其中,情景 C 的振幅最大,情景 B
较稳定, 2011—2015 年情景 C 所占比例最大,
2015—2020 年情景 A所占比例最大. 5 级所占比例
持续下降,3 种情景差别不大,情景 B 优于其他两种
情景(图 4).
3摇 结摇 摇 论
若以情景 A沿历史发展趋势,2011—2015 年,1
级生态系统服务功能区,在海河发展轴以南和大港
水库以北集中扩展,2015—2020 年,将实现与汉沽
城区、大港油田连接成整体空间.低级的生态服务区
受塘沽城区、汉沽城区、滨海国际机场、大港城区、大
港油田城市扩展组团的影响.
若以情景 B沿内生发展模式,受原有城市扩展
影响的制约,1 级生态服务区将主要先围绕塘沽、大
港城区、国际机场、汉沽城区向外围扩展,最后沿滨
海大道,穿过南部湿地把大港油田纳入其中,实现空
间一体化.
若以情景 C采用外生发展模式,则在交通区位
优越的位置,生态系统服务功能的影响将最明显. 1
级生态系统服务功能区,先以塘沽为中心,主要在塘
沽、大港城区、国际机场向外围扩展,并表现出最强
烈的向海扩展特点;2015—2020 年,沿海海岸扩展
首先将南部湿地全部吞噬,实现与大港油田的空间
一体化.
3 种情景下,2020 年滨海地区生态系统服务功
能总当量均大体相当,生态系统服务功能最低的 1
级功能区空间格局基本一致,但生态系统服务功能
的空间演化过程存在重大差异. 低等级生态系统服
务功能区呈组团状以十字型生长,十字型的中心片
区位于塘沽城区,最终形成海河轴与沿海带十字型
片区.因此建议:城市发展前期(2011—2015 年),可
采用外生发展模式(情景 C),以大力促进塘沽城
区、汉沽城区、滨海国际机场、大港城区、大港油田的
发展;城市发展后期(2015—2020 年),宜采用内生
发展模式(情景 B),以上述 5 个地区为核心,合理发
展城市形态,形成良好的城市生态环境.
参考文献
[1]摇 Li W鄄H (李文华). Ecosystem Service Value Assess鄄
3073 期摇 摇 摇 摇 摇 黄焕春等: 城市扩展影响下生态系统服务的多情景模拟和预测———以天津市滨海地区为例摇 摇 摇
ment: Theory, Method and Application. Beijing: China
Renmin University Press, 2008 (in Chinese)
[2]摇 Costanza R, Arge R, Groot R. The value of the world爷s
ecosystem services and natural capital. Nature, 1997,
387: 235-260
[3]摇 Xie G鄄D (谢高地). Expert knowledge based valuation
method of ecosystem services in China. Journal of Natu鄄
ral Resources (自然资源学报), 2008, 23(5): 911-
919 (in Chinese)
[4]摇 Wu X (吴摇 璇), Li H鄄Y (李洪远), Zhang L (张摇
良), et al. Assessment and spatial grading of ecosystem
services of Tianjin Binhai New Area based on “ function
equivalent冶 model. China Environmental Science (中国
环境科学), 2011, 31(12): 2091-2096 (in Chinese)
[5]摇 Pearman AD. Scenario construction for transportation
planning. Transportation Planning and Technology,
1988, 7: 73-85
[6]摇 Klosterman RE. The what if? Collaborative planning
support system. Environment and Planning B: Planning
and Design, 1999, 26: 393-408
[7]摇 Landis LD. The California urban future model: A new
generation of metropolitan simulation models. Environ鄄
ment and planning B: Planning and Design, 1994, 21:
399-420
[8]摇 Landis LD. Imaging land use futures: Applying the
California urban future model. Journal of American
Planning Association, 1995, 61: 438-457
[9] 摇 Ringland G. Scenario Planning: Managing for the Fu鄄
ture. New York: John Wiley, 1998
[10]摇 Couclelis H. Cellular worlds: A framework for modeling
micro鄄macro dynamics. Environment and Planning A,
1985, 17: 585-596
[11]摇 Clarke KC, Gaydos LJ. Loose鄄coupling a cellular au鄄
tomaton model and GIS: Long鄄term urban growth predic鄄
tion for San Francisco and Washington / Baltimore. Inter鄄
national Journal of Geographical Information Science,
1998, 12: 699-700
[12]摇 Sant佴 I, Garc侏a AM, Miranda D, et al. Cellular autom鄄
ata models for the simulation of real鄄world urban proces鄄
ses: A review and analysis. Landscape and Urban Plan鄄
ning, 2010, 96: 108-122
[13]摇 Wu F, Yeh AG. Changing spatial distribution and deter鄄
minants of land development in Chinese cities in the
transition from a centrally planned economy to a socialist
market economy: A case study of Guangzhou. Urban
Studies, 1997, 34: 1851-1879
[14] 摇 Serneels S, Lambin EF. Proximate causes of land use
change in Narok District, Kenya: A spatial statistical
model agriculture. Agriculture, Ecosystems and Environ鄄
ment, 2001, 85: 65- 81
[15] 摇 Cheng J, Masser I. Urban growth pattern modeling: A
case study o f Wuhan City, PR China. Landscape and
Urban Planning, 2003, 62: 99-217
[16] 摇 Gobin A. Logistic modeling to derive agricultural land
use determinants: A case study from southeastern Niger鄄
ia. Agriculture, Ecosystems and Environment, 2002,
89: 213-228
[17] 摇 Verburg PH, Soepboer W, Veldkamp A. Modeling the
spatial dynamics of regional land use: The CLUE2S
model. Environmental Management, 2002, 30: 391 -
405
[18]摇 Luo P (罗摇 平), Jiang R鄄R (姜仁荣), Li H鄄G (李
红旮), et al. Research on the method of regional land
use evolution based on the combination of spatial logistic
model and Markov model. China Land Science (中国土
地科学). 2010, 24(1): 31-36 (in Chinese)
[19]摇 Wu K鄄B (吴楷钊), Wu B (吴 摇 波). Simulation of
urban expansion based on logistic regression with the
consideration of spatial correlation. Journal of Henan
University (Natural Science) (河南大学学报·自然科
学版), 2010, 40(5): 265-273 (in Chinese)
[20]摇 Deng W鄄S (邓文胜), Guan Z鄄Q (关泽群), Wang Z鄄C
(王昌佐). Modified method of extracting built鄄up areas
from TM imagery. Remote Sensing Information (遥感信
息), 2004(4): 43-46 (in Chinese)
[21]摇 Cui C鄄W (崔朝伟), Xu X鄄G (许学工). Relative as鄄
sessment of green space ecosystem service in Beijing re鄄
gion. Acta Scientiarum Naturalium Universitatis Pekinen鄄
sis (北京大学学报·自然科学版), 2009, 46(4):
74-81 (in Chinese)
[22]摇 Fang T鄄Z (方天纵), Zhang X鄄R (张贤瑞), Liu X鄄Q
(刘秀芹). Construction of monitoring system for loess
of soil and water in Tianjin based on GIS technique. Re鄄
search of Soil and Water Conservation (水土保持研
究), 2004, 11(2): 36-38 (in Chinese)
[23]摇 Turner MG, O爷Neill RV, Gardner RH, et al. Effects of
changing spatial scale on the analysis of landscape pat鄄
tern. Landscape Ecology, 1989, 3: 153-162
[24]摇 Wu JG, Jelinski DE, Luck M, et al. Multiscale analysis
of landscape heterogeneity: Scale variance and pattern
metrics. Geographic Information Sciences, 2000, 6: 6-
19
[25]摇 White R, Engelen G. Cellular automata and fractal ur鄄
ban form: A cellular modeling approach to the evolution
of urban land鄄use patterns. Environment and Planning,
1993, 25: 1175-1199
[26]摇 Li X (黎 摇 夏), Ye J鄄A (叶嘉安), Liu X鄄P (刘小
平), et al. Geographical Simulation System: Cellular
Automata and Multi鄄agent. Beijing: Science Press,
2007 (in Chinese)
[27]摇 Liu S鄄F (刘思峰), Dang Y鄄G (党耀国), Fang Z鄄G
(方志耕), et al. Grey System Theory and Its Applica鄄
tion. Beijing: Science Press, 2004 (in Chinese).
[28]摇 Hu B (胡 摇 斌), Zeng X鄄G (曾学贵). An Unequal
Interval Gray Forecast Model. Journal of Northern Jiao鄄
tong University (北方交通大学学报), 1998, 22(1):
34-37 (in Chinese)
[29]摇 Xiong H鄄J (熊和金), Xu H鄄Z (徐华中). Gray Con鄄
trol. Beijing: National Defense Industry Press, 2005
(in Chinese)
[30]摇 Liu T (刘摇 涛), Cao G鄄Z (曹广忠). Progress in Ur鄄
ban Land Expansion and Its Driving Forces. Progress in
Geography (地理科学进展), 2010, 29(8): 927-934
(in Chinese)
[31]摇 Wang J (王 摇 婧), Fang C鄄L (方创琳). Growth of
Urban Construction Land: Progress and Prospect. Pro鄄
gress in Geography (地理科学进展), 2011, 30(11):
1440-1448 (in Chinese)
[32] 摇 Zong Y鄄G (宗跃光), Zhang X鄄R (张晓瑞), He J鄄L
(何金廖), et al. Spatial Planning Decision Support
Technology and Application. Beijing: Science Press,
2011 (in Chinese)
作者简介摇 黄焕春,男,1983 年生,博士研究生.主要从事人
文地理与城市规划研究,发表论文 15 篇. E鄄mail: huanghc295
@ 163. com
责任编辑摇 杨摇 弘
407 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷