Ecological Risk in the Mountainous Metropolis of Chongqing: Historical Assessment and Flows of SSPs-RCPs Scenarios
-
摘要:
目的 重庆是位于西南丘陵腹地的特大都市区, 人口集聚及粗放的经济发展导致城市景观的快速爬坡和蔓延, 城乡二元及立体的空间结构, 直接影响景观的结构、功能及可持续性, 亟待开展生态风险的时空动态、坡谱特征及未来流转情景的预测。 方法 基于1990—2020年及SSPs-RCPs的土地利用/覆被数据, 整合景观生态风险评估模型, 刻画重庆市的景观生态风险的时空动态及爬坡规律, 预测2035年和2050年SSPs-RCPs 5种情景的生态风险及空间流转特征。 结果 (1) 重庆生态风险指数由1990年的0.14下降到2020年0.12, 生境质量总体提升, 呈自然景观(除林地)＞人造景观的生态风险, 其中城市景观随着城-乡的密度递减, 生态风险呈递增趋势, 草地的生态风险呈反向梯度; (2)渝东北和东南的大巴山及武陵山生态屏障区的风险低, 渝西南及河谷丘陵区高, 低和较低风险占全域面积90%以上; (3)89.4%的景观分布于坡度≥5°的地区, 分布于坡度＞7.5°的生态屏障区的修复工程, 显著降低高坡度水土流失或石漠化等风险; (4)比较2035年和2050年SSPs-RCPs的生态风险及空间流转情景, SSP1的发展路径最可持续, 城市景观爬坡及蔓延区的生态风险将继续增加, 长江沿岸消落带和武陵山、大娄山的陡坡区和矿山的治理及修复将有效降低风险。 结论 山地都市区的景观可持续亟待科学-实践-政策的协同治理、科学的景观规划及管理与跨部门和公众的协作。 Abstract:Objective Chongqing is a mega-metropolis located in the southwestern hilly region. The rising population and extensive economic development have led to rapid urban landscape ascent and expansion, resulting in a dual urban-rural and 3D spatial structure directly influencing the landscape's configuration, functionality, and sustainability. It is urgent to conduct spatiotemporal dynamics, sloping characteristics, and future scenario predictions for regional ecological risk. Methods Based on the use of land use/cover data from 1990-2020 and SSPs-RCPs (2035 and 2050), integrate the landscape ecological risk assessment model, portray the time and space dynamics and climbing laws of landscape ecological risks in Chongqing, predict the ecological risk and the flows of 5 SSPs-RCPs in 2035 and 2050. Results (1) The ecological risk index in Chongqing decreased from 0.14 in 1990 to 0.12 in 2020, indicating an overall improvement in habitat quality. Ecological risk was higher in natural landscapes (excluding forests), compared to artificial landscapes (cultivated land and built-up land), with urban landscapes showing an increasing ecological risk trend as urban-rural density decreased. Notably, grasslands exhibited an inverse ecological risk gradient. (2) The ecological risk was low in the northeast and southeast regions of Chongqing, including the Daba and Wuling Mountainous regions. In contrast, the southwestern region and hilly river valleys had high ecological risk. Low and moderately low-risk areas accounted for over 90% of the entire region. (3) Approximately 89.4% of landscapes were distributed in areas with a slope of ≥5°, and ecological restoration efforts in ecological barrier zones with a slope of >7.5° significantly reduced risks associated with steep slope erosion or rocky desertification. (4) Comparing ecological risks and spatial transition scenarios for 2035 and 2050 under different SSPs-RCPs, SSP1 demonstrated the most sustainable development pathway. The climbing and spreading of urban landscapes would lead to increased ecological risk, while effective risk reduction can be achieved through the management and restoration of the Yangtze River riparian zone, steep slope areas in the Wuling and Dalou Mountains, and mining sites. Conclusion The landscapes of the mountainous metropolis are sustainable which requires science-practice-policy collaborative governance, planning and management of scientific landscapes, and cross-department and public collaboration. -
联合国1972年《人类环境宣言》首次提出可持续发展的概念，从《联合国千年宣言》(2000年)到《2030年可持续发展议程》(2015年)中可持续发展目标的不断细化，在议程中将可持续发展目标(SDGs)中SDG11设为城市和社区可持续发展，明确提升城市居民福祉目标，强调降低都市环境消极影响(SDG 11.6)和增强城市韧性和安全(SDG 11.c)的必要性[1-3]。为应对多等级城市(都市区)系统的可持续挑战，景观可持续科学为检视全球、国家、区域、城市群、城市(都市区)、社区乃至街道的可持续性和韧性提供视角、尺度纽带及理论依据。景观可持续科学的核心议题为维持或提升稳定的区域生态系统服务，降低生态风险、保障区域居民长期的福祉，强调科学-实践-政策的互动，提倡学者、政府、规划管理者、利益攸关者及公众的协作。景观可持续性的研究聚焦于过去、现在和未来时段的区域景观可持续性时空评价、景观格局与生态过程的复杂、非线性的交互作用机理、尺度效应、未来潜在的多种发展路径及问题-导向与因地制宜的景观治理和调控建议[4-5]。其中，景观生态风险评价、长时段、实时的城市景观生态安全/风险监测、评估、预测为管理者和公众提供多时空尺度的空间显示性的底图[4-6]。
在城市化的影响下，地球各圈层深受影响。以生态多样性为例，全球约800万动植物种类中有近100万将面临灭绝[7]，在过去的150万年约有10%的基因多样已经丧失[8]，已经超出行星安全边界(planetary boundary, PB)，风险呈增加趋势[9]，其部分原因是受城市景观扩张，破坏动植物的原始生境及迁移廊道。景观作为全球尺度的中枢尺度，其上通全球，下达局域，空间异质性极高。因此，景观生态风险评估不同于不同尺度地域系统(如全球、国家和城市)的整体性生态风险的评估，更强调生态风险的时空异质性，能够较好地识别生态风险的热点区域位置、景观组成及形态。通过对景观形态(如破碎度)、结构和组分(如具体风险受体所遭受损失的程度)的识别，估算区域景观潜在发生生物负面影响的可能性、程度和空间范围(如基于栖息地破碎化、面积及廊道损失情况，估算生物多样性的潜在损失量)[6]，探索景观空间格局对生态过程和机理间的交互作用，分析多等级嵌套单元的尺度关联及差异[5]，识别生态脆弱区和为设置优先自然保护区等提供空间显示底图[10]。景观生态风险评估方法及预测模型伴随着研究的深入而逐渐丰富，包括正态云模型[11]、相对风险模型(RRM模型)[12]、景观生态风险指数[13-14]等评估法，PLUS模型[15]、CA-Markov模型[16]等空间预测模型。共享社会经济路径(shared socioeconomic pathways, SSPs)和代表性浓度路径(representative concentration pathways, RCPs)为城市景观可持续发展提供潜在的未来情景[17-19]。SSPs-RCPs情景是多个社会因素(如人口、GDP、基尼系数)和温室气体浓度条件下耦合的多种潜在情景，基于这些情景可预测未来多尺度景观格局的演变情景[20-23]及可持续性。
重庆市地处西南丘陵山地腹地，是集大城市、大农村、大山区、大库区、民族地区于一体且拥有3 000万人口的特大都市区。与平原都市区相比较，重庆市的地形结构复杂，生态系统多样且结构立体，能量和物质流动空间异构，加之典型的城乡二元结构，是具有多等级、高度异质景观都市区系统。1997年重庆直辖后，先后经历退耕还林(1999年)、西部大开发(2000年)、生态文明(2005年)、精准扶贫(2013年)、长江经济带(2014年)和碳中和(2020年)等一系列的政策及修复工程[23-25]。然而，高速城市化，社会经济的快速增长，建设用地的无序蔓延，爬坡及部分喀斯特地貌本底，生态系统的结构和功能均受到影响，水污染、植被破坏、生物多样性丧失、水土流失、石漠化等问题层出不穷[26]，亟待开展都市区生态风险的时空动态评估及预测，探寻重庆山地景观的可持续发展路径。
本文基于1990—2020年、2035年、2050年土地利用及覆被数据、景观可持续科学的理论和景观生态风险指数的评估方法，刻画重庆都市区多尺度的景观生态风险时空格局及2035年/2050年的SSPs-RCPs情景的多尺度预测，具体目标为：(1)分析1990—2020年重庆都市区内城市—乡村及自然—人造景观梯度下的生态风险时间动态；(2)刻画1990—2020年山地都市区景观风险的空间格局及其坡谱特征；(3)预测2035年和2050年SSPs-RCPs下的生态系统风险及空间流转情景，提供因地制宜的山地景观都市区的治理与调控路径。
1. 材料与方法
1.1 研究区概况
重庆市(28°10′—32°13′N，105°11′—110°11′E)位于川东平行岭谷，丘陵腹地，是长江上游重要生态屏障和经济中心。长江和嘉陵江流经城市核心，缙云山、中梁山、铜锣山及明月山脉纵贯山城，山地面积占75.33%，低山面积占30.63%，中山面积占44.70%，丘陵面积占15.60%(图 1)。重庆市下辖26个市辖区，8个县，4个自治县，人口和产业主要集中在重庆市主城区，包括渝中区、大渡口区、江北区、沙坪坝区、九龙坡区、南岸区、北碚区、渝北区、巴南区9个市辖区和两江新区、重庆高新区2个功能区。
图 1 重庆都市区概况注：(a)为重庆市DEM和建设用地；(b)为长江经济带的城市群；(c)为成渝经济圈的中心区及生态分区。Fig. 1 Chongqing Metropolis
下载:
全尺寸图片
不同于平原城市单中心、同心圆扩散式的城市景观扩张，重庆市建设用地与自然景观交织，丘陵和谷地相错，城市建设用地景观呈多中心、破碎式、蛙跃式蔓延，持续爬坡的建设用地镶嵌于山岭间、平坝上及河谷中(图 1)。《重庆市国土空间生态保护修复规划(2021—2035年)》基于地形及生态功能，将重庆划分为大巴山生态屏障区、武陵山生态屏障区、大娄山生态屏障区、丘陵谷地生态品质提升区和三峡库区核心区生态涵养区。重庆市都市圈的经济和产业的发展吸引长江上游经济带的人口、资金、资源，其强大的经济溢出效应推动成渝经济圈发展的同时，也引起都市区景观格局、过程及生态风险的反馈影响。
1.2 数据来源
本研究拟采用的数据为：(1)重庆市1990—2020年30 m分辨率土地利用数据(5年间隔)，分类精度为79.31%(https://doi.org/10.5281/zenodo.4417810)；(2)重庆市30 m分辨率DEM；(3)重庆市1990—2020年的社会经济统计年鉴；(4)重庆市1 km分辨率2035年和2050年土地利用模拟数据集，包括SSP1-RCP1.9、SSP2-RCP4.5、SSP3-RCP7.0、SSP4-RCP6.0、SSP5-RCP8.5共5个情景，分类精度达到86.40% (https://www.nature.com/articles/s41597-022-01208-6)[21]。
1.3 研究方法
1.3.1 景观风险指数构建
根据已有的研究[14-15]结果，选取景观干扰度指数和景观脆弱度指数构建景观生态风险指数，计算公式及含义见表 1，且与城市风险密切相关[27-28]。根据重庆市生态风险平均值及前人研究结果将其划分为5个等级[14-15]，分别为低风险区、较低风险区、中风险区、较高风险区和高风险区。
指数名称 计算公式 公式含义 生态含义 景观破碎度指数 $C_i=\frac{N_i}{A_i}$ Ni为i类景观的斑块数量；Ai为某类景观的面积 某类景观在时空上被分割所显示的破碎化程度 景观分离度指数 $E_i=\frac{P_i}{S_i}=\frac{A}{2 A_i} \sqrt{\frac{N_i}{A}}$ Pi为i类景观的距离指数；Si为i类景观的面积指数；A为景观总面积 某类景观在空间上斑块所表现出来的离散程度 景观优势度指数 $F_i=\frac{Q_i+O_i+2 L_i}{4}$ Qi为斑块密度，即i类景观的斑块数量与总斑块数量的比值；Oi为斑块频度，即i类景观的单元数量与全部单元数量的比值；Li为斑块比例，即i类的面积与总面积比值 某类景观在景观格局中占据优势的程度 景观干扰度指数 $D_i=a C_i+b E_i+c F_i$ a+b+c=1，根据相关研究结果和当地状况，对a、b、c分别赋权重值0.50，0.30，0.20 不同景观类型在各种影响因素下受到的干扰程度 景观脆弱度指数 根据研究区实际，进行归一化处理 建设用地=1，林地=2，草地=3，耕地=4，水域=5，未利用地=6，归一化处理后，景观脆弱度依次为0.05，0.01，0.14，0.20，0.24，0.29 某类景观在受到外界影响时所表现的脆弱程度 景观损失度指数 $Z_i=\sqrt{D_i H_i}$ Di为景观干扰度指数；Hi为景观脆弱度指数 自然影响和人类活动下某类景观所遭到的损失程度 景观生态风险指数 $\text { ERI }=\sum_{i=1}^n \frac{A_{k i}}{A_k} Z_i$ Aki为第k个风险单元内i类景观的面积；Ak为第k个风险单元的总面积；Zi为景观损失度 各个风险单元中生态风险的综合状态 1.3.2 生态风险坡谱
为定量不同等级生态风险区随坡度的演变规律，基于坡度数据和2020年重庆市生态风险分布图，以1°间隔对各坡度不同等级生态风险栅格数量统计，绘制地形坡谱曲线和各等级生态风险区坡谱曲线，具体计算公式为[29]：
$$ P_{\mathrm{t}, i}=\frac{\text { Area }_{\mathrm{t}, i}}{\mathrm{Area}_{\mathrm{t}}} \times 100 \% $$ (1) $$ P_{\mathrm{cl}, i}=\frac{\text { Area }_{\mathrm{cl}, i}}{\text { Area }_{\mathrm{cl}}} \times 100 \% $$ (2) 式中：Pt, i和Pcl, i分别指坡度为i的地区的土地面积频率与某等级生态风险区面积频率；Areat, i和Areacl, i分别指坡度为i的地区的土地面积和某等级生态风险区面积(km2)；Areat和Areacl为研究区总面积和某等级生态风险区总面积(km2)。
1.3.3 景观生态风险指数与多维潜在都市风险的关联
基于相关研究[3-6, 11-16, 27-29]，梳理景观生态风险指数指示多维潜在风险。首先，城市景观面积的扩张，导致自然景观(如森林、草地、园地)和耕地损失度(RI)上升，城市绿色生物量迅速降低，城市生物栖息地锐减，本土粮食产量降低[6]。山地城市的建设用地蔓延及爬坡，降低景观及栖息地多样性，社区间的生态屏障减少(即Ei降低)，流行疾病风险增加[30]。与此同时，城市居民大量集聚，排放大量的温室气体和污染物，消耗巨量的淡水、材料及能源，造成多重城市风险，包括城市热岛、城市内涝、大气污染及地面塌陷[25, 27]。山地城市复杂的地形切割本就破碎的景观，导致生境破碎、生态廊道连通度降低，造成都市区生物多样性降低、水土流失、滑坡、石漠化及泥石流等地质灾害[27]。
1.3.4 共享社会经济路径-代表性浓度路径(SSPs-RCPs)情景模拟
共享社会经济路径(SSPs)是政府间气候变化专门委员会(IPCC)为促进对未来气候变化影响、适应和减缓的综合分析而构建的新一代情景模拟组合(如人口、GDP、基尼系数)包括：可持续发展(SSP1)、中间路径(SSP2)、区域竞争(SSP3)、不均衡路径(SSP4)和传统化石燃料(SSP5)5种未来发展的路径(图 2)[17-20]。
代表性浓度路径(RCPs)于描述未来温室气体和其他辐射强度可能的变化情况，有RCP1.9、RCP2.6、RCP4.5、RCP6.0、RCP7.0和RCP8.5多种路径[17-20, 31]。共享社会经济路径和代表性浓度路径二者相辅相成，SSPs基于社会经济因素，为减排设定基线，RCPs规定温室气体浓度强迫范围。
本文拟基于SSP1-RCP1.9、SSP2-RCP4.5、SSP3-RCP7.0、SSP4-RCP6.0和SSP5-RCP8.5等5种情景下的土地利用格局及社会经济空间数据[21, 32]，模拟2035年和2050年SSPs重庆市景观尺度下的生态风险变化及空间流动，同时也表现区域应对气候变化的适应与减缓的挑战程度[32]。通过比较SSPs的社会、经济及环境维度的变化，描述重庆市景观可持续的最优路径所对应的景观格局和社会—经济发展水平(如人口和GDP等)。
2. 结果与分析
2.1 1990—2020年重庆市景观梯度下的生态风险时间动态
重庆市1990—2020年生态环境趋于好转，生态风险均值从0.14逐步下降至0.12，自然-人造景观的生态风险存在梯度，自然景观(除林地)生态风险显著高于人造景观建设用地和耕地(图 3)。
图 3 重庆市1990—2020年景观梯度下的生态风险时间动态Fig. 3 Temporal dynamics of landscape indexes under the landscape gradients in Chongqing from 1990 to 2020下载:
全尺寸图片
由图 3可知，草地的生态风险最高，约为林地生态风险的10~20倍，为耕地的20~60倍。其次为水域。人造景观(耕地)建设用地相较于草地、水域等自然景观的生态风险低，耕地生态风险稳定，且为人造景观中生态风险的最低类型。在各景观指数变化中，林地的景观破碎度、干扰度及损失度均呈下降趋势，其景观风险仅为草地的1/20~1/10。
城-乡景观梯度直接影响生态风险梯度。以草地为例，主城草地易受建设用地侵夺，景观损失度高，呈爬坡趋势，斑块破碎，稳定性较差，固持土壤能力差，在丘陵地形本底上更易发生水土流失等潜在风险。因此，主城草地的破碎度、干扰度及损失度均高于乡村地区。建设用地在城-乡景观密度递减梯度下，生态风险呈增加趋势。主城区随着城市景观蔓延，建设用地破碎度下降，而其他县区随着“高山移民”政策的推行，居民点逐渐向海拔较低的地方聚集，景观破碎度及干扰度均高于主城区。受“退耕还林”政策及城市扩张的双重影响，主城区耕地面积逐年下降，生态风险稍有上升，但由于耕地景观形态规则，地形平坦，人为管理良好，无论在损失度、破碎度及干扰度均为多种景观中的最低值。
2.2 1990—2020年重庆市生态风险的坡谱特征及空间格局演变
1990—2020年，重庆市的生态风险等级逐年减低，低风险面积比例从22.53%增加至54.94%。2020年，中等风险以下的面积可达全域的78.55%，较高风险以上的面积缩小至3.19%(图 4)。
图 4 1990—2020年生态风险等级Fig. 4 The area ratios of different hierarchies of ecological risk from 1990 to 2020下载:
全尺寸图片
结合1990—2020年土地利用、生态风险空间格局动态、2020年生态风险及地形的坡谱图，重庆市生态风险的空间特征为：(1)生态风险格局均呈“渝东北和东南低，渝西南及沿河的景观破碎带高”的格局(图 6)；(2)生态风险与坡度总体不显著关联，低风险、较低风险的坡谱峰值高于中高风险的坡谱峰值，即坡度低的生态风险高，坡度高的生态风险较低(图 5)，如大巴山及武陵山生态屏障区海拔高、坡度陡峭，生态修复工程后，林地破碎度降低、其固持土壤能力强、抗干扰能力强，总体生态风险处于较低和低风险；(3)实施国家的“退耕还林(2003年)”政策后，坡度＞7.5°的破碎坡耕地转化为林地，林地破碎程度和分离度逐年下降，生态风险明显降低，分布于武隆山区，涪陵区和南川区交界地带(图 6)；(4)“西部大开发战略(2000年)”实施后，城市景观快速蔓延和爬坡，建设用地由551.20 km2增至676.83 km2，增加22.80%，致使低坡的丘陵河谷带林地、草地破碎化，生态风险值增加，特别是长江及支流沿岸消落带，生态修复后，其生态风险等级及高风险面积有效降低。
图 5 重庆市2020年生态风险和地形坡谱Fig. 5 The slope spctrums of Chongqing and different hierarchies of ecological risks in 2020下载:
全尺寸图片
图 6 1990—2020年生态风险的空间格局Fig. 6 The spatial pattern of ecological risks from 1990 to 2020下载:
全尺寸图片
作为典型山地城市，景观主要分布于≥5°的坡度，面积达89.40%，7°的比例最高，接近7.00%，坡度≥45°的面积仅为2.37%(图 5)。
2.3 SSPs-RCPs下的生态风险空间格局及流转情景
基于SSP1-RCP1.9、SSP2-RCP4.5、SSP3-RCP7.0、SSP4-RCP6.0、SSP5-RCP8.5等5种情景的2035年和2050年的土地覆被/利用数据，刻画未来生态风险空间格局及流转情景，并以此为根基，综合评价各个情景下的社会经济发展状况，探寻景观可持续发展路径(图 7)。
图 7 2035年和2050年SSPs-RCPs生态风险面积比例Fig. 7 The area ratios of different hierarchies of ecological risk under SSPs-RCPs in 2035 and 2050下载:
全尺寸图片
2035年和2050年重庆市SSPs-RCPs的5种生态风险空间分布格局整体呈现较高相似性，低风险区主要分布于渝东北的大巴山和渝东南的武陵山生态屏障区，较低风险主要分布于大娄山生态屏障区及丘陵河谷区，中等风险分布于主城九区(图 7)。低风险和较低风险比例从2020年的78.55% 上升至2035年的95.00%，低风险比例从2020年的54.95%上升至2050年SSP1-RCP1.9的58.96%及SSP3-RCP7.0的94.75%。
基于SSPs-RCPs的5种社会-经济假设、生态风险预测的目标及变化趋势，确定SSP1-RCP1.9为景观流转最可持续的情景(图 8和表 2)。其中，SSP1-RCP1.9低风险面积仅次于SSP3-RCP7.0，而且城市化水平、人均GDP、人口压力、教育强度及温室气体浓度等均优于SSP3-RCP7.0，SSP2-RCP4.5和SSP4-RCP6.0(表 2)。SSP2-RCP4.5为中间路径，生态风险整体高于SSP3-RCP7.0和SSP1-RCP1.9，接近SSP4-RCP6.0，但优于SSP5-RCP8.5。SSP3-RCP7.0虽然为生态风险最低，但在区域冲突的假设下，大量耕地流转为林地，区域人口增多，区域粮食不安全且温室气体排放较高(RCP7.0)。与此同时，该情景社会-经济发展也将受阻，在适应性和减排2个方面均表现不佳，为不均衡发展情景。SSP4-RCP6.0与SSP2-RCP4.5的生态风险接近，但是基尼系数最高，区域发展不均衡、社会分配不平均问题突出。SSP5-RCP8.5情景走化石燃料驱动发展，优先考虑社会-经济发展，该情景下生态风险最高，建设用地面积占比最大，景观的破碎度最高，最不利于景观可持续发展。
图 8 2035年和2050年SSP1-RCP1.9生态风险的空间流转Fig. 8 The spatial flows of different hierarchies of ecological risks under SSP1-RCP1.9 in 2035 and 2050下载:
全尺寸图片
表 2 SSPs-RCPs 5种社会—经济发展及生态风险预测与假设[30]Table 2 Forecasting table of socio-economic assumptions and ecological risks under SSPs-RCPs[30]假设*/情景预测 SSP1-RCP1.9 SSP2-RCP4.5 SSP3-RCP7.0 SSP4-RCP6.0 SSP5-RCP8.5 教育程度* √ ！ × × √ 减排风险* √ √ ！ × × 基尼系数* √ ！ × × √ 2035年城市化/% 78.05 76.44 68.82 76.45 82.97 2050年城市化/% 85.30 83.27 70.28 84.07 92.52 2035年GDP/亿元 26 717.68 26 515.55 24 126.49 26 639.51 27 071.05 2050年GDP/亿元 30 761.25 30 170.14 24 775.95 29 184.23 32 049.69 2035年城市景观/km2 1 049 1 015 976 1 045 1 045 2050年城市景观/km2 1 093 1 053 1 005 1 077 1 106 2035年人口压力 2.72×107 2.80×107 2.94×107 2.68×107 2.65×107 2050年人口压力 2.48×107 2.60×107 2.87×107 2.38×107 2.34×107 2035年低生态风险/% 57.50 55.68 61.52 54.95 50.62 2050年低生态风险/% 58.97 52.65 94.75 55.28 50.39 低风险 较低风险 中等风险 较高风险 高风险 可持续性挑战 √ √ ！ × × 3. 讨论
3.1 生态保护协同治理提升山地都市区的景观可持续
景观可持续科学强调在科学-实践-政策的协同治理，维持和提升景观的生态系统功能、服务，降低潜在的生态风险，并保持和改善区域居民的福祉[5, 24-25]。重庆市作为长江上游的重要生态屏障和典型的山地丘陵城市，其平行岭谷及山水地貌构造景观生态风险的宏观格局(图 6)，主要特征为：斜贯东北—西南走向的大巴山—七曜山—武陵山—大娄山的山脉为中、较高风险区与低、较低风险区的界线，以西为中、较高生态风险区，以东为较低和低风险区。1990年以来，重庆市经历系列的生态保护及规划政策和生态修复工程，包括《中华人民共和国环境保护法》《中华人民共和国城市规划法》《中华人民共和国水土保持法》《中国生物多样性保护行动计划》“退耕还林还草的修复工程”“生态文明”及长江经济带的“共抓大保护、不搞大开发”[25]。在多项政策和生态修复工程的协同治理下，景观尺度上的生态风险得到有效缓解，1990—2020年重庆市整体的景观生态风险值下降14.28%(图 3)，与此同时，土壤保持、固碳能力、涵养水源及水质净化均有大幅度提升[33]，渝东南和渝东北的高山、陡坡地区的生境质量及固碳能力显著改善[34]。部分因地制宜的“退耕还林(草)”修复工程(如经济作物替代原有的坡耕地)给当地居民带来可观的经济效益，防止潜在的水土流失、泥石流、石漠化等风险，极大地提升当地景观可持续性。
以“退耕还林(草)”生态修复工程(1999年)为例，重庆市的修复对象为＞25°的坡耕地、三峡库区15°~25°坡耕地和水源地15°~25°坡耕地(渝府办发〔2015〕10号)。据本研究，1990—2020年陡坡区草地景观的破碎得到有效遏制，林地面积显著增加，林地破碎度、分离度也相应下降，特别是渝东南及渝东北的喀斯特岩溶槽谷区(如大巴山生态屏障区、三峡库区核心区、武夷山生态屏障区等区域)(图 6)。生态修复林地的面积增加和草地破碎度的下降(图 3和图 6)，极大地降低由于坡陡、高海拔、地形破碎、喀斯特基底可能引发的水土流失、崩塌、泥石流及石漠化等潜在灾害；退耕还林后的因地制宜种植也给当地居民带来经济收益，如合川区的“退耕还油橄榄”、荣昌区的“退耕还竹”、铜梁区的“退耕还砂糖李”及长寿区的“退耕还长寿柚”的5个实用模式。
尽管如此，达成山地都市区的景观可持续还任重而道远，如草地的整体损失度仍呈连年增加态势，特别是乡村平坝地区。空间上，大巴山陡坡区、大娄山矿山及采煤沉陷区、三峡库区腹地和丘陵谷地区仍然为中、高风险区，特别是长江沿岸消落带及其支流周围的景观破碎带为较高和高风险区，为当前治理的重点区域；城郊的自然生境(如草地)连年受到建设用地蔓延及爬坡的袭夺，令动植物生境更破碎化、破坏动物迁徙廊道，同时损害自然生态系统的调节服务、支持和文化服务。
未来需要借鉴重庆市广阳岛生态修复项目和铜锣山矿区生态修复项目等科学案例[35]，结合自然解决方案、人工修复及分级、分相位治理重点区域，构建多样的栖息地、维护“山水之城”的自然景观的生态服务功能，提升居民的综合福祉。
3.2 SSPs-RCPs山地都市区景观生态风险空间流转的景观可持续启示
结合SSPs-RCPs 5种情景下的生态风险格局和各个情景下的社会经济发展状况，基于SSP1-RCP1.9的空间流转特征发现，2020—2035年生态风险积极流转区为三峡库区核心腹地、长江沿岸消落带及其周围的景观破碎带，通过消落带的修复工程，将当前的高风险区转为低风险。据广阳岛生态修复的经验[35]，在冲刷面布设生态石龛，通过曲流原理，减缓水流的冲刷作用；在淤积区清除入侵植物，保护当地优势群落和物种，选用多种植物组合，构建多样性生物栖息地，增加沿岸的土壤的固持能力，可以有效防止崩坡、水土流失等灾害的产生。
武陵山及大娄山生态屏障区的陡坡区需继续推进“退耕还林”“山水林田湖草”的生态修复工程，大幅度降低陡坡草地及耕地的生态风险(图 8)。主城沙坪坝、渝中及江北等主城区的生态风险将从较低风险转为低风险，但建设用地将继续爬坡并呈多中心向外蔓延，主城的平行岭谷的陡坡景观将继续破碎，风险等级将从较低风险跃迁至中等风险区，甚至较高风险。从较低风险转为较高风险，主城区的草地所处的景观本底破碎，仍是生态风险高发的潜在区域。2035年后SSP1-RCP1.9的生态风险格局趋向稳定，2035—2050年的生态风险流转仍主要发生于长江沿岸消落带、三峡腹地消落带及周围破碎区及武陵山和大娄山的陡坡区域。综上所述，长江沿岸消落带及周围景观破碎带、丘陵河谷区的城市爬坡区、三峡库区腹地、大娄山矿区、大巴山和武陵山喀斯特高坡陡坡区为未来生态修复的重点。结合提升人类福祉、发展社会经济、提倡区域平衡、节能减排的需求下，科学的景观布局、规划和管理及多目标的权衡，跨学科、多部门及公众和政府的协作，均为实现美丽山城和可持续山城的关键环节。
3.3 研究局限
文章基于景观生态学理论，整合景观破碎度、损失度等多维生态风险指数，指示生态风险的潜在发生区，其与生态多样性丧失、耕地损失(局地粮食安全)、水土流失、滑坡及热岛效应等风险密切相关，但并不严格对应都市区的风险类别。2035年和2050年SSPs-RCPs的土地利用模拟数据集的分辨率为1 km，相较于1990—2020年土地利用数据集(分辨率为30 m)，构建SSPs-RCPs下的生态风险坡谱将受分辨率差异的影响，不能较好地保证过去、现在及未来不同坡度条件下的生态风险差异。因此，为避免分辨率差异的影响，文章并未将SSPs-RCPs和过去的坡谱特征进行对比、解译和分析。生态风险与地形、地质、土壤类型、植被覆盖及生物多样性、人文及政策因素均密切相关，本文在生态风险的形成机理方面探索有限，这将为下一步研究提供方向。
4. 结论
(1) 1990—2020年，重庆市生态风险均值呈下降趋势，生境质量有所提升。自然-人为景观梯度下，草地的生态风险为耕地风险的20~60倍。城-乡景观梯度下，建设用地风险呈城-乡增加梯度，草地呈城-乡递减梯度。
(2) 重庆市的生态风险格局受川西平行岭谷的构造塑造，呈现渝东北和东南低，渝西南及沿河的景观破碎带高的空间格局。渝东北的大巴山及西南的武陵山海拔高、坡度陡，但林地遍布，总体呈低和较低风险区。而三峡库区、丘陵河谷带及大娄山的中高风险面积比较高，主要受城镇用地爬坡、景观破碎、消落带覆被裸露及矿山开发等影响。随着国家实施生态保护政策，坡度＞7.5°的地区生态风险显著降低，如武隆山自然保护区。
(3) 比较2035年和2050年SSPs-RCPs 5种生态风险空间格局及流转特征，SSP1-RCP1.9的风险流转最可持续，指示全域生态风险仍将继续降低，较低风险及以下的面积比例较2020年的78.55%上升至2035年的95.00%。城市景观将继续爬坡，主城建成区将继续蔓延，破碎的蔓延区的生态风险也将从低、较低风险跃迁至中、较高风险。长江沿岸及三峡腹地消落带的破碎带需要得到治理，生态风险将演替为低和较低风险。景观作为人-地耦合系统的空间载体，选择景观优化路径时，除生态风险的流转外，也需考虑社会-经济发展、人类福祉、气候变化及区域的均衡发展等其他可持续发展目标。
-
图 1 重庆都市区概况
注：(a)为重庆市DEM和建设用地；(b)为长江经济带的城市群；(c)为成渝经济圈的中心区及生态分区。
Fig. 1 Chongqing Metropolis
下载:
全尺寸图片
图 3 重庆市1990—2020年景观梯度下的生态风险时间动态
Fig. 3 Temporal dynamics of landscape indexes under the landscape gradients in Chongqing from 1990 to 2020
下载:
全尺寸图片
图 4 1990—2020年生态风险等级
Fig. 4 The area ratios of different hierarchies of ecological risk from 1990 to 2020
下载:
全尺寸图片
图 5 重庆市2020年生态风险和地形坡谱
Fig. 5 The slope spctrums of Chongqing and different hierarchies of ecological risks in 2020
下载:
全尺寸图片
图 6 1990—2020年生态风险的空间格局
Fig. 6 The spatial pattern of ecological risks from 1990 to 2020
下载:
全尺寸图片
图 7 2035年和2050年SSPs-RCPs生态风险面积比例
Fig. 7 The area ratios of different hierarchies of ecological risk under SSPs-RCPs in 2035 and 2050
下载:
全尺寸图片
图 8 2035年和2050年SSP1-RCP1.9生态风险的空间流转
Fig. 8 The spatial flows of different hierarchies of ecological risks under SSP1-RCP1.9 in 2035 and 2050
下载:
全尺寸图片
指数名称 计算公式 公式含义 生态含义 景观破碎度指数 $C_i=\frac{N_i}{A_i}$ Ni为i类景观的斑块数量；Ai为某类景观的面积 某类景观在时空上被分割所显示的破碎化程度 景观分离度指数 $E_i=\frac{P_i}{S_i}=\frac{A}{2 A_i} \sqrt{\frac{N_i}{A}}$ Pi为i类景观的距离指数；Si为i类景观的面积指数；A为景观总面积 某类景观在空间上斑块所表现出来的离散程度 景观优势度指数 $F_i=\frac{Q_i+O_i+2 L_i}{4}$ Qi为斑块密度，即i类景观的斑块数量与总斑块数量的比值；Oi为斑块频度，即i类景观的单元数量与全部单元数量的比值；Li为斑块比例，即i类的面积与总面积比值 某类景观在景观格局中占据优势的程度 景观干扰度指数 $D_i=a C_i+b E_i+c F_i$ a+b+c=1，根据相关研究结果和当地状况，对a、b、c分别赋权重值0.50，0.30，0.20 不同景观类型在各种影响因素下受到的干扰程度 景观脆弱度指数 根据研究区实际，进行归一化处理 建设用地=1，林地=2，草地=3，耕地=4，水域=5，未利用地=6，归一化处理后，景观脆弱度依次为0.05，0.01，0.14，0.20，0.24，0.29 某类景观在受到外界影响时所表现的脆弱程度 景观损失度指数 $Z_i=\sqrt{D_i H_i}$ Di为景观干扰度指数；Hi为景观脆弱度指数 自然影响和人类活动下某类景观所遭到的损失程度 景观生态风险指数 $\text { ERI }=\sum_{i=1}^n \frac{A_{k i}}{A_k} Z_i$ Aki为第k个风险单元内i类景观的面积；Ak为第k个风险单元的总面积；Zi为景观损失度 各个风险单元中生态风险的综合状态 表 2 SSPs-RCPs 5种社会—经济发展及生态风险预测与假设[30]
Table 2 Forecasting table of socio-economic assumptions and ecological risks under SSPs-RCPs[30]
假设*/情景预测 SSP1-RCP1.9 SSP2-RCP4.5 SSP3-RCP7.0 SSP4-RCP6.0 SSP5-RCP8.5 教育程度* √ ！ × × √ 减排风险* √ √ ！ × × 基尼系数* √ ！ × × √ 2035年城市化/% 78.05 76.44 68.82 76.45 82.97 2050年城市化/% 85.30 83.27 70.28 84.07 92.52 2035年GDP/亿元 26 717.68 26 515.55 24 126.49 26 639.51 27 071.05 2050年GDP/亿元 30 761.25 30 170.14 24 775.95 29 184.23 32 049.69 2035年城市景观/km2 1 049 1 015 976 1 045 1 045 2050年城市景观/km2 1 093 1 053 1 005 1 077 1 106 2035年人口压力 2.72×107 2.80×107 2.94×107 2.68×107 2.65×107 2050年人口压力 2.48×107 2.60×107 2.87×107 2.38×107 2.34×107 2035年低生态风险/% 57.50 55.68 61.52 54.95 50.62 2050年低生态风险/% 58.97 52.65 94.75 55.28 50.39 低风险 较低风险 中等风险 较高风险 高风险 可持续性挑战 √ √ ！ × × -
[1] NDP. Sustainable Development Goals. [2017-01-21]. https://www.undp.org/content/undp/en/home/sustainable-developmentgoals.html. [2] ENGSTRÖM G, GARS J, KRISHNAMURTHY C, et al. Carbon pricing and planetary boundaries[J]. Nature Communications, 2020, 11(1): e4688. doi: 10.1038/s41467-020-18342-7 [3] 赵文武, 房学宁. 景观可持续性与景观可持续性科学[J]. 生态学报, 2014, 34(10): 2453-2459. ZHAO W W, FANG X N. Landscape sustainability and landscape sustainability science[J]. Acta Ecologica Sinica, 2014, 34(10): 2453-2459. [4] 彭建, 党威雄, 刘焱序, 等. 景观生态风险评价研究进展与展望[J]. 地理学报, 2015, 70(4): 664-677. PENG J, DANG W X, LIU Y X, et al. Review on landscape ecological risk assessment[J]. Acta Geographica Sinica, 2015, 70(4): 664-677. [5] 邬建国, 郭晓川, 杨稢, 等. 什么是可持续性科学?[J]. 应用生态学报, 2014, 25(1): 1-11. WU J G, GUO X C, YANG Y, et al. What is sustainability science?[J]. Chinese Journal of Applied Ecology, 2014, 25(1): 1-11. [6] 刘焱序, 王仰麟, 彭建, 等. 基于生态适应性循环三维框架的城市景观生态风险评价[J]. 地理学报, 2015, 70(7): 1052-1067. LIU Y X, WANG Y L, PENG J, et al. Urban landscape ecological risk assessment based on the 3D framework of adaptive cycle[J]. Acta Geographica Sinica, 2015, 70(7): 1052-1067. [7] Brondizio E S, Settele J, Díaz S, et al. Global assessment report on biodiversity and ecosystem services of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services (IPBES, 2019)[R/OL]. DOI: 10.5281/zenodo.383188. [8] EXPOSITO-ALONSO M, BOOKER T R, CZECH L, et al. Genetic diversity loss in the Anthropocene[J]. Science, 2022, 377(6613): 1431-1435. doi: 10.1126/science.abn5642 [9] RICHARDSON K, STEFFEN W, LUCHT W, et al. Earth beyond six of nine planetary boundaries[J/OL]. Science Advances, 2023, 9(37). DOI: 10.1126/sciadv.adh2458. [10] ZENG W, TANG H, LIANG X, et al. Using ecological security pattern to identify priority protected areas: A case study in the Wuhan Metropolitan Area, China[J]. Ecological Indicators, 2023, 148: e110121. doi: 10.1016/j.ecolind.2023.110121 [11] 周启刚, 张晓媛, 王兆林. 基于正态云模型的三峡库区土地利用生态风险评价[J]. 农业工程学报, 2014, 30(23): 289-297. ZHOU Q G, ZHANG X Y, WANG Z L. Land use ecological risk evaluation in Three Gorges Reservoir Area based on normal cloud model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(23): 289-297. [12] 贺桂珍, 于名召. 2022年冬奥会崇礼赛区多重压力下生态风险评价[J]. 生态学报, 2023, 43(17): 7072-7082. HE G Z, YU M Z. Multiple stressors ecological risk assessment in Chongli, a host site of the 2022 Winter Olympics[J]. Acta Ecologica Sinica, 2023, 43(17): 7072-7082. [13] 张学斌, 石培基, 罗君, 等. 基于景观格局的干旱内陆河流域生态风险分析: 以石羊河流域为例[J]. 自然资源学报, 2014, 29(3): 410-419. ZHANG X B, SHI P J, LUO J, et al. The ecological risk assessment of arid inland river basin at the landscape scale: A case study on Shiyang River Basin[J]. Journal of Natural Resources, 2014, 29(3): 410-419. [14] 王娟, 崔保山, 姚华荣, 等. 纵向岭谷区澜沧江流域景观生态安全时空分异特征[J]. 生态学报, 2008, 28(4): 1681-1690. WANG J, CUI B S, YAO H R, et al. The temporal and spatial characteristic of landscape ecological security at Lancang River Watershed of longitudinal range gorge region in Southwest China[J]. Acta Ecologica Sinica, 2008, 28(4): 1681-1690. [15] 袁雪. 基于PLUS模型的武汉市土地利用变化情景模拟与景观生态风险研究[D]. 江西抚州: 东华理工大学, 2022. YUAN X. Scenario simulation of land use change and landscape ecological risk esearch in Wuhan based on PLUS model[D]. Fuzhou, Jiangxi: East China Institute of Technology, 2022. [16] 吕乐婷, 张杰, 孙才志, 等. 基于土地利用变化的细河流域景观生态风险评估[J]. 生态学报, 2018, 38(16): 5952-5960. LV L T, ZHANG J, SUN C Z, et al. Land scapeecological risk assessment of Xi River Basin based on land-use change[J]. Acta Ecologica Sinica, 2018, 38(16): 5952-5960. [17] RIAHI K, VAN VUUREN D P, KRIEGLER E, et al. The shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: An overview[J]. Global Environmental Change, 2017, 42: 153-168. doi: 10.1016/j.gloenvcha.2016.05.009 [18] VAN VUUREN D P, EDMONDS J, KAINUMA M, et al. The representative concentration pathways: An overview[J]. Climatic Change, 2011, 109(1): e5. [19] O'NEILL B C, CARTER T R, EBI K, et al. Achievements and needs for the climate change scenario framework[J]. Nature Climate Change, 2020, 10: 1074-1084. doi: 10.1038/s41558-020-00952-0 [20] VAN VUUREN D P, KRIEGLER E, O'NEILL B C, et al. A new scenario framework for climate change research: Scenario matrix architecture[J]. Climatic Change, 2014, 122(3): 373-386. doi: 10.1007/s10584-013-0906-1 [21] CHEN G Z, LI X, LIU X P. Global land projection based on plant functional types with a 1-km resolution under socio-climatic scenarios[J]. Scientific Data, 2022, 9(1): e125. doi: 10.1038/s41597-022-01208-6 [22] LUO M, HU G H, CHEN G Z, et al. 1 km land use/land cover change of China under comprehensive socioeconomic and climate scenarios for 2020—2100[J]. Scientific Data, 2022, 9(1): e110. doi: 10.1038/s41597-022-01204-w [23] BIAN H Y, ZHAO Y X, GAO J, et al. Sustainability under policy transitions in the Yangtze River Economic Belt, China: Historical and the shared socio-economic pathways[J]. Habitat International, 2024, 148: e103091. doi: 10.1016/j.habitatint.2024.103091 [24] BIAN H Y, GAO J, WU J G, et al. Hierarchical analysis of landscape urbanization and its impacts on regional sustainability: A case study of the Yangtze River Economic Belt of China[J]. Journal of Cleaner Production, 2021, 279: e123267. doi: 10.1016/j.jclepro.2020.123267 [25] BIAN H Y, GAO J, LIU Y X, et al. China's safe and just space during 40 years of rapid urbanization and changing policies[J]. Landscape Ecology, 2024, 39(4): e74. doi: 10.1007/s10980-024-01868-2 [26] 陈维灯. 重庆市生态环境保护"十四五" 规划[N]. 重庆日报, 2022-02-16(3). CHEN W D. Chongqing's 14th five year plan for ecological environment protection[N]. Chongqing Daily. 2022-02-16(3). [27] 胡云锋, 高戈. 城市景观生态风险评估框架与实践: 以北京天坛地区为例[J]. 生态学报, 2020, 40(21): 7805-7815. HU Y F, GAO G. Framework and practice of urban landscape ecological risk assessment: A case study of the Tiantan Region in Beijing[J]. Acta Ecologica Sinica, 2020, 40(21): 7805-7815. [28] YANG J, HUANG X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. doi: 10.5194/essd-13-3907-2021 [29] 周亮, 党雪薇, 周成虎, 等. 中国建设用地的坡谱演化规律与爬坡影响[J]. 地理学报, 2021, 76(7): 1747-1762. ZHOU L, DANG X W, ZHOU C H, et al. Evolution characteristics of slope spectrum and slope-climbing effects of built-up land in China[J]. Acta Geographica Sinica, 2021, 76(7): 1747-1762. [30] YE Y, QIU H F. Using urban landscape pattern to understand and evaluate infectious disease risk[J]. Urban Forestry and Urban Greening, 2021, 62: e127126. doi: 10.1016/j.ufug.2021.127126 [31] KRIEGLER E, O'NEILL B, HALLEGATTE S, et al. Socio-economic scenario development for climate change analysis[J]. Global Invironmental Change, 2012, 22: 807-822. doi: 10.1016/j.gloenvcha.2012.05.005 [32] 姜彤, 苏布达, 王艳君, 等. 共享社会经济路径(SSPs)人口和经济格点化数据集[J]. 气候变化研究进展, 2022, 18(3): 381-383. JIANG T, SU B D, WANG Y J, et al. Gridded datasets for population and economy under shared socioeconomic pathways for 2020—2100[J]. Climate Change Research, 2022, 18: 381-383. [33] XIAO Y, XIAO Q. Identifying key areas of ecosystem services potential to improve ecological management in Chongqing City, southwest China[J]. Environmental Monitoring and Assessment, 2018, 190(4): e258. doi: 10.1007/s10661-018-6596-4 [34] GAO J, BIAN H Y, ZHU C J, et al. The response of key ecosystem services to land use and climate change in Chongqing: Time, space, and altitude[J]. Journal of Geographical Sciences, 2022, 32(2): 317-332. doi: 10.1007/s11442-022-1949-x [35] 赵文斌, 高明清, 徐奥. 广阳岛护山策略与技术[J]. 风景园林, 2021, 28(增刊2): 37-43. ZHAO W B, GAO M Q, XU A. Strategies and technologies for mountain protection in Guangyang Island[J]. Landscape Architecture, 2021, 28(S2): 37-43.
