黎 斌,何建華,2,*,屈 賽,黃俊龍,李一揮

1 武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院, 武漢 430079 2 武漢大學(xué)地理信息系統(tǒng)教育部重點實驗室, 武漢 430079 3 武漢大學(xué)測繪學(xué)院, 武漢 430079

生態(tài)紅線是指在生態(tài)空間范圍內(nèi)具有特殊重要生態(tài)功能、必須強制性嚴(yán)格保護的區(qū)域,是保障和維護國家生態(tài)安全的底線[1]。作為生態(tài)文明建設(shè)的一項制度創(chuàng)新,劃定城市生態(tài)紅線是保護城市生態(tài)的基礎(chǔ)和協(xié)調(diào)城市生態(tài)環(huán)境與經(jīng)濟發(fā)展的重要舉措,對城市生態(tài)可持續(xù)發(fā)展具有重要意義[2]。改革開放以來,伴隨著城市化進程中的用地擴張和產(chǎn)業(yè)發(fā)展,城市生態(tài)空間不斷遭受蠶食,區(qū)域生態(tài)景觀格局破碎,生態(tài)系統(tǒng)服務(wù)功能受損,城市生態(tài)安全格局受到嚴(yán)重威脅[3-5]。為保護生態(tài)安全,2011年國家首次提出劃定生態(tài)紅線的生態(tài)保護策略[6]。2014年我國開展生態(tài)紅線劃定工作,生態(tài)紅線從區(qū)域生態(tài)管理體系上升為國家生態(tài)保護戰(zhàn)略[7]。然而,從實踐來看,現(xiàn)階段生態(tài)紅線的劃定工作缺少與城市建設(shè)發(fā)展相協(xié)調(diào)的綜合考慮,劃定的生態(tài)保護用地經(jīng)常被占用。因此,對生態(tài)紅線劃定方法進行深入研究十分必要。

生態(tài)紅線的劃定不是單純的進行生態(tài)用地保護,它是在綜合考慮城市建設(shè)和耕地保護基礎(chǔ)上的生態(tài)保護過程。生態(tài)紅線的劃定既要最大限度的劃入生態(tài)服務(wù)價值高的優(yōu)質(zhì)地塊,保護生態(tài)系統(tǒng)服務(wù)功能和生態(tài)景觀安全格局[8]；又要保證劃入地塊具有穩(wěn)定性,保證生態(tài)紅線空間有效落地實施[9]?？茖W(xué)合理的生態(tài)紅線劃定應(yīng)當(dāng)包括兩個方面的內(nèi)容：一是基于生態(tài)適宜性評價,選取生態(tài)潛力大、生態(tài)價值高的地塊；二是在保證劃入地塊生態(tài)服務(wù)價值的同時,考慮區(qū)域生態(tài)用地演變規(guī)律,保證生態(tài)紅線穩(wěn)定性。本文在考慮原有生態(tài)重要性的原則下,兼顧生態(tài)用地歷史變化規(guī)律,以期解決生態(tài)用地易被占用的現(xiàn)象,維持生態(tài)紅線的穩(wěn)定性。

目前,我國的生態(tài)紅線劃定并沒有統(tǒng)一的方法。相關(guān)研究大多是依據(jù)國家出臺的生態(tài)紅線劃定政策劃定空間紅線。例如,丁雨賝[10]、凡非得[11]等基于生態(tài)空間布局和生態(tài)系統(tǒng)的服務(wù)價值研究生態(tài)紅線的劃定；符娜[12]、劉雪華[13]、蔣大林等[14]以生態(tài)脆弱性和生態(tài)系統(tǒng)服務(wù)功能作為依據(jù)對生態(tài)保護區(qū)劃定進行探討；李潔等[15]基于生態(tài)網(wǎng)絡(luò)規(guī)劃探討生態(tài)紅線的劃定；許妍[16]、曾江寧[17]、黃偉等[18]從生態(tài)功能重要性、生態(tài)環(huán)境敏感性和生態(tài)災(zāi)害危險性三方面進行研究,對海洋生態(tài)紅線空間邊界進行了劃定。同時,馬世發(fā)等[19]從生態(tài)安全格局維持角度,提出了一種上下協(xié)同的參與式劃定方法并基于單要素生態(tài)問題情景分析,劃定省級尺度生態(tài)紅線。陳明輝等[20]運用RS和GIS技術(shù)基于離散粒子群算法對生態(tài)紅線區(qū)進行多情景模擬。然而,這些研究都是基于生態(tài)適宜性或生態(tài)功能性評價劃定生態(tài)紅線,忽略了對土地利用變化規(guī)律的學(xué)習(xí)。由于缺乏對劃定區(qū)域生態(tài)用地歷史變化規(guī)律的研究,不能保證劃定結(jié)果與區(qū)域土地利用變化趨勢相適應(yīng),生態(tài)保護用地被占用的風(fēng)險很大?；诖?本文在劃定生態(tài)紅線時考慮了生態(tài)用地的歷史變化規(guī)律和生態(tài)適宜性兩個方面的內(nèi)容。

貝葉斯網(wǎng)絡(luò)(Bayesian network, BN)是一種基于貝葉斯因果概率推理的概率網(wǎng)絡(luò)模型[21]。通過先驗數(shù)據(jù)和經(jīng)驗構(gòu)建初始概率模型,再利用新的觀察數(shù)據(jù)對初始模型進行改進學(xué)習(xí)。BN模型可以將土地的動態(tài)變化規(guī)律(先驗知識)和現(xiàn)狀的影響要素(觀察數(shù)據(jù))結(jié)合起來,進行綜合的生態(tài)紅線劃定[22]。與其他模型方法不同,BN屬于非黑箱模型,能夠表達各因子間的定性因果關(guān)系,支持預(yù)測性與診斷性等定量分析[23]。本文結(jié)合生態(tài)用地歷史變化規(guī)律和生態(tài)適宜性條件,提出了基于BN模型的生態(tài)紅線劃定方法。

1 基于BN的生態(tài)紅線劃定模型

1.1 生態(tài)紅線劃定模型框架

本文利用BN模型整合土地歷史變化規(guī)律和生態(tài)適宜性條件,對生態(tài)用地進行模擬,劃定生態(tài)紅線。模型主要包括生態(tài)適宜性因子選取、生態(tài)用地動態(tài)變化過程分析、BN模型結(jié)構(gòu)學(xué)習(xí)與參數(shù)學(xué)習(xí)、敏感度分析和診斷性分析?；贐N模型的生態(tài)紅線劃定方法框架結(jié)構(gòu)如圖1所示。模型模擬過程綜合考慮以下兩個方面內(nèi)容：(1)生態(tài)用地歷史動態(tài)性。對兩個時間段的生態(tài)用地狀況進行疊加對比,得到研究區(qū)土地歷史變化規(guī)律,用于BN模型中生態(tài)用地變化規(guī)律學(xué)習(xí),并與現(xiàn)狀影響因子結(jié)合預(yù)測地塊劃分為生態(tài)紅線區(qū)的概率,使模擬結(jié)果更真實準(zhǔn)確。(2)生態(tài)適宜性因子層次性。通過對土地利用現(xiàn)狀圖的提取,獲得圖斑層次的生態(tài)適宜性因子,納入生態(tài)紅線劃定的指標(biāo)體系中,再對因子劃分等級,提高模擬結(jié)果的科學(xué)合理性。通過BN模型的學(xué)習(xí)和推理,得到各地塊的潛力值,并將潛力值按大小排序,達到劃定生態(tài)紅線面積。最后對生態(tài)紅線劃定結(jié)果進行驗證和分析。

1.2 生態(tài)適宜性指標(biāo)選取

生態(tài)適宜性因子反映出生態(tài)用地的自然狀況和區(qū)位條件。在自然條件中,地形條件包括坡度、高程和地形起伏度；水土保持條件包括水源涵養(yǎng)程度、水土流失程度、到水域距離和到生態(tài)公益林距離；土地質(zhì)量包括生態(tài)用地敏感性、生態(tài)系統(tǒng)服務(wù)功能。這些生態(tài)適宜性因子體現(xiàn)出地塊的生態(tài)潛力和耕地占用阻力。區(qū)位條件包括到公路的距離、到鐵路的距離和到鎮(zhèn)中心的距離。區(qū)位因子體現(xiàn)了建設(shè)用地和交通設(shè)施對生態(tài)用地的影響。

圖1 基于BN的生態(tài)紅線劃定模型框架圖Fig.1 Framework of ecological red line protection zoning model based on BN

1.3生態(tài)用地的演變過程

分析生態(tài)用地的歷史變化過程可以確定導(dǎo)致生態(tài)用地變化的驅(qū)動因素,學(xué)習(xí)區(qū)域土地變化趨勢。將生態(tài)用地的演變過程納入生態(tài)紅線劃定指標(biāo)體系既有利于實現(xiàn)劃入地塊的穩(wěn)定,又能夠協(xié)調(diào)生態(tài)保護和城市建設(shè)、基本農(nóng)田保護之間的矛盾。理論上,生態(tài)用地演變過程分為兩種類型：一是耕地占用生態(tài)用地；二是建設(shè)用地占用生態(tài)用地。

基于BN的生態(tài)紅線劃定模型指標(biāo)體系(表1)由生態(tài)適宜性因子、生態(tài)用地歷史變化因子和目標(biāo)因子共同組成。

表1 生態(tài)紅線劃定模型指標(biāo)體系

1.4 貝葉斯網(wǎng)絡(luò)模型結(jié)構(gòu)構(gòu)建和參數(shù)學(xué)習(xí)

網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建和節(jié)點參數(shù)的學(xué)習(xí)是構(gòu)建BN的兩個部分。網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建的目的是體現(xiàn)因子間定性與定量兩方面的聯(lián)系。傳統(tǒng)的算法如三階段分析算法[24]和SGS(Spirtes,Glymour,Scheines)算法[25]可以得到因子間的統(tǒng)計學(xué)聯(lián)系,但無法獲得因子間因果關(guān)系[26]。因此,本文采用專家經(jīng)驗法,基于因子間的因果聯(lián)系,運用Matlab軟件編寫程序進行BN模型結(jié)構(gòu)的構(gòu)建,并根據(jù)相關(guān)的土地利用變化模型對網(wǎng)絡(luò)結(jié)構(gòu)進行修正,構(gòu)建結(jié)果如圖2所示。

圖2 貝葉斯網(wǎng)絡(luò)模型結(jié)構(gòu)Fig.2 The structure of Bayesian network

圖2中,目標(biāo)變量“生態(tài)用地潛力”在受到生態(tài)敏感性和生態(tài)服務(wù)功能重要性影響的同時也受到耕地占用和建設(shè)占用的直接影響,以體現(xiàn)出生態(tài)適宜性因子和歷史變化因子對生態(tài)紅線劃定的共同作用。耕地占用受到距水域距離和坡度的共同影響,模擬在土地灌溉和地形變化的條件下,耕地占用生態(tài)用地的情況。建設(shè)占用受到距公路、鐵路、鎮(zhèn)中心距離等可達性要素的影響,反映交通設(shè)施和城市建設(shè)對生態(tài)用地的占用情況。生態(tài)敏感性受到水土流失、地形起伏和到水域距離的共同作用,模擬土地的質(zhì)量、地形和灌溉條件對生態(tài)環(huán)境的影響力；生態(tài)服務(wù)功能性受到水源涵養(yǎng)和到生態(tài)公益林距離的作用,模擬水域、林地對生態(tài)系統(tǒng)服務(wù)價值的評估。水土流失程度受到坡度、高程和到水域距離的影響。

BN的參數(shù)學(xué)習(xí)通過從現(xiàn)有的觀察數(shù)據(jù)中獲得各因子的條件概率表進行學(xué)習(xí)。根據(jù)觀察數(shù)據(jù)的狀況,參數(shù)學(xué)習(xí)方法包括數(shù)據(jù)完整時最大似然估計法[27]、貝葉斯方法[28]和數(shù)據(jù)不完整時的最大期望算法[29]和吉布斯抽樣算法[30]。本次實驗訓(xùn)練數(shù)據(jù)完整,采用最大似然法進行參數(shù)學(xué)習(xí),通過Matlab軟件的BN工具箱程序設(shè)計實現(xiàn)。將生態(tài)適宜性因子與生態(tài)用地動態(tài)變化因子(時間點1)作為訓(xùn)練數(shù)據(jù),進行網(wǎng)絡(luò)參數(shù)學(xué)習(xí)。訓(xùn)練結(jié)束后的BN模型結(jié)果包含了因子間的相互聯(lián)系及“生態(tài)用地潛力”概率值。再將新的生態(tài)適宜性因子數(shù)據(jù)(時間點2)代入已經(jīng)學(xué)習(xí)好的BN模型中,作為下一步模型推理的基礎(chǔ)。

1.5 貝葉斯網(wǎng)絡(luò)模型敏感度分析與診斷性分析

敏感度分析和診斷性分析都是量化BN模型中因子依賴程度的方法[31]。通過BN的正向推理,對目標(biāo)因子“生態(tài)用地潛力”進行敏感度分析,可以得到各因子對生態(tài)用地的影響力大小。敏感度分析結(jié)果用方差縮減來表示,方差縮減值越大,輸入因子的影響力就越大。與敏感度分析相反,診斷性分析是通過給予目標(biāo)變量一個特定的狀態(tài),來觀察影響因子的概率分布變化。診斷性分析結(jié)果用概率變化來表示,概率變化程度越大,則表示兩者聯(lián)系程度越緊密。本文通過Netica軟件對BN變量進行敏感度分析和診斷性分析。

2 鄂州市生態(tài)紅線劃定實例

2.1 研究區(qū)域概況

本文選取湖北省鄂州市為研究區(qū)。鄂州市位于湖北省東南部,114°32′—115°05′E,30°00′—30°06′N,長江中游沿岸,緊鄰武漢市。鄂州市擁有豐富的生態(tài)資源,是國家重要的水源涵養(yǎng)區(qū),生態(tài)保護研究的典型區(qū)域,是維護長江流域中游水環(huán)境安全的重要城市,也是武漢城市圈的重要節(jié)點城市(圖3)。近年來,鄂州市發(fā)展速度較快,生態(tài)保護與城市建設(shè)、耕地保護之間的矛盾凸顯,土地供需矛盾尖銳。2004年至2013年間,城鎮(zhèn)建設(shè)用地由54.48km2增長到93.04km2。部分湖泊被填埋占用,生態(tài)環(huán)境遭到進一步破壞。在此形勢下,開展鄂州市生態(tài)紅線劃定工作,對保障城市生態(tài)環(huán)境安全、維護長江中游生態(tài)系統(tǒng)健康具有重要意義。

圖3 研究區(qū)域Fig.3 Study area

2.2 數(shù)據(jù)來源與數(shù)據(jù)處理

研究數(shù)據(jù)包括鄂州市2004年和2013年兩個年份的土地利用現(xiàn)狀矢量圖、土地利用規(guī)劃生態(tài)紅線管控分區(qū)圖、水土流失分布圖、鄂州市行政區(qū)劃圖和通過遙感影像獲取的高程、坡度、地形起伏度柵格圖。同時利用ArcGIS空間分析和距離工具得到了水源涵養(yǎng)分布圖、生態(tài)敏感性分布圖、生態(tài)服務(wù)功能重要性分布圖和劃定模型要素柵格圖?；A(chǔ)數(shù)據(jù)如圖4所示。

圖4 部分基礎(chǔ)數(shù)據(jù)Fig.4 Part of the base data

以2004年鄂州市生態(tài)用地為生成范圍,按面積比例生成20000個隨機樣本點。將樣本點與基礎(chǔ)數(shù)據(jù)柵格圖進行空間疊加,獲取各樣本點要素變量值。另外,通過與2013年土地利用現(xiàn)狀圖的疊置分析,獲取各樣本點生態(tài)屬性信息。將這些樣本點作為訓(xùn)練數(shù)據(jù),用于BN模型參數(shù)學(xué)習(xí)。BN處理離散數(shù)據(jù)的效果較好,需要進一步對模型各要素值進行離散處理。變量離散分級情況如表2所示。

考慮到模型的精度和復(fù)雜性,參考相關(guān)政策及專家經(jīng)驗知識的情況下將連續(xù)變量離散為兩到四個等級。例如,根據(jù)我國《第二次土地調(diào)查技術(shù)規(guī)程》,將坡度分為“0—2”,“2—5”,“5—15”和“≥15”四個等級。二元變量的等級根據(jù)土地利用變化狀況設(shè)定。例如,將“生態(tài)用地潛力”為“是”的設(shè)為1,“否”的設(shè)定2。

表2 變量離散分級表

2.3 貝葉斯網(wǎng)絡(luò)模型訓(xùn)練

在構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)后,將離散化后的樣本點數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),采用最大似然法對模型進行參數(shù)學(xué)習(xí)。經(jīng)過參數(shù)學(xué)習(xí)后的BN模型可以得到兩種土地利用類型的動態(tài)變化結(jié)果及各因子的概率分布情況(圖5)。2004年至2013年間,鄂州市有34.5%的生態(tài)用地轉(zhuǎn)變成其他用地類型,維持穩(wěn)定的地塊僅65.5%,生態(tài)用地被占用情況較為嚴(yán)重。其中,土地動態(tài)變化因子中“耕地占用”情況達到43.6%,建設(shè)占用為10.2%。此外,水土流失程度中度侵蝕以上比例達到35%,土壤侵蝕明顯；生態(tài)敏感性中等程度以上比重達到50%,區(qū)域生態(tài)系統(tǒng)受干擾程度高,生態(tài)環(huán)境問題較為突出；生態(tài)服務(wù)功能重要性中等程度及以上則是80%,生態(tài)系統(tǒng)服務(wù)功能貢獻價值高。

2.4 敏感度分析

以目標(biāo)變量“生態(tài)用地潛力”為分析變量,對BN模型進行敏感度分析,可以表現(xiàn)出歷史變化因子和生態(tài)適應(yīng)性因子對“生態(tài)用地潛力”的影響。敏感性分析結(jié)果用方差縮減的百分比表示,方差縮減能反映出特定變量對目標(biāo)變量的影響大小,分析結(jié)果如表3所示。

表3 敏感度分析結(jié)果

從表中可以看出,歷史變化因子中耕地占用對“生態(tài)用地潛力”產(chǎn)生最大影響,方差縮減結(jié)果為29.5%,表明耕地占用生態(tài)用地現(xiàn)象十分嚴(yán)重；建設(shè)占用方差縮減結(jié)果為0.62%,這是因為生態(tài)用地的分布更多是遠離建成區(qū)。在生態(tài)適宜性因子中,生態(tài)敏感性和生態(tài)服務(wù)功能重要性的方差縮減結(jié)果分別為8.55%和1.84%,兩個變量對區(qū)域的生態(tài)安全格局意義重大,基于生態(tài)敏感性評價和生態(tài)服務(wù)功能評價的生態(tài)紅線劃定十分重要。距水域距離和水源涵養(yǎng)重要性的敏感度分析結(jié)果分別為0.4%和0.26%,水域作為生態(tài)用地的重要組成部分對生態(tài)可持續(xù)發(fā)展具有重要影響。相比之下,水土流失程度與坡度的分析結(jié)果較低,分別占0.06%和0.07%,體現(xiàn)出土壤條件和地形條件并不是阻礙鄂州市生態(tài)保護的主要原因。

2.5 診斷性分析

選取影響力較大的因子,進行診斷性分析。利用貝葉斯網(wǎng)絡(luò)反向推理,獲取影響因子與目標(biāo)變量之間的定量因果關(guān)系。將“生態(tài)用地潛力”值設(shè)定為1,觀察影響因子概率表的變化情況,結(jié)果如表4所示。

表4 診斷性分析結(jié)果

可以看出,在已知“生態(tài)用地潛力”取值為“是”,即假定地塊劃入生態(tài)紅線區(qū)時,“生態(tài)服務(wù)功能重要性”因子“極重要”的概率升高6%；“水源涵養(yǎng)重要程度”因子“極重要”的條件概率上升2.7%。這表明在生態(tài)紅線區(qū)內(nèi),受保護的綠地生態(tài)系統(tǒng)和水域生態(tài)系統(tǒng)因子的生態(tài)服務(wù)價值貢獻程度明顯提升?！吧鷳B(tài)環(huán)境敏感性”的“高度敏感”和“極度敏感”因子概率分別下降-13.4%和-1.8%,其概率分布向中低敏感度集聚。這驗證了生態(tài)紅線區(qū)內(nèi)土地自然條件的改善,同時作為保護區(qū)受到人為干擾因素的影響也大幅度降低?！熬嗌鷳B(tài)公益林距離”和“距水域距離”因子“≥500m”的概率分別上升2.1%和3.7%。這體現(xiàn)了紅線區(qū)內(nèi)的林地和水域得到很好的保護,穩(wěn)定性得到提升。“水土流失程度”中“無或輕微”的概率上升2.2%,在已知地塊劃入生態(tài)紅線區(qū)后,水土流失程度得到很好的改善。

2.6 劃定結(jié)果及其分析

以2013年為基期,利用鄂州市2013年土地利用現(xiàn)狀數(shù)據(jù),對鄂州市生態(tài)紅線做具體的劃定。通過空間疊加得到各圖斑12種適宜性條件評價因子屬性值,作為已知觀察數(shù)據(jù)代入構(gòu)架好的貝葉斯網(wǎng)絡(luò)模型中,通過正向推理得到目標(biāo)變量“生態(tài)用地潛力”的后驗概率,將其作為各生態(tài)用地圖斑劃入生態(tài)紅線的依據(jù)。將后驗概率由大到小排序,選取生態(tài)用地圖斑劃入生態(tài)紅線范圍,直到總面積與鄂州市規(guī)劃生態(tài)紅線面積一致(41669hm2)。最終得到生態(tài)紅線區(qū)域如下圖6所示。

為了驗證模型劃定生態(tài)紅線的精度,本文使用相同的數(shù)據(jù)(不考慮生態(tài)用地歷史變化),基于傳統(tǒng)的生態(tài)適宜性評價法,劃定了鄂州市生態(tài)紅線區(qū),如圖7所示。隨后,本文對兩種方法進行了對比。對比結(jié)果顯示,兩種方法之間存在多個地塊的沖突區(qū),主要的沖突區(qū)放大圖如圖8所示。

圖6 生態(tài)紅線保護區(qū)劃定結(jié)果圖Fig.6 Result of ecological red line protection zoning

圖7 傳統(tǒng)生態(tài)評價法劃定生態(tài)紅線圖Fig.7 Result of ecological red line zoning based on traditional method

圖8 傳統(tǒng)方法與貝葉斯網(wǎng)絡(luò)方法劃定生態(tài)紅線對比圖及其沖突區(qū)域放大圖Fig.8 Magnification of the conflict areas of zoned and traditional method ecological red line area圖中A—G表示主要沖突區(qū)位置；圖右側(cè)放大區(qū)域中黃色為耕地,藍色為灘涂濕地

采用貝葉斯網(wǎng)絡(luò)模型劃定的生態(tài)紅線沒有劃入E、F、G區(qū)域。E零星分布在涂家垴鎮(zhèn)和太和鎮(zhèn)周邊；F位于沙窩鄉(xiāng)和澤林鎮(zhèn)之間,是鄂州市規(guī)劃優(yōu)先發(fā)展區(qū)；G分布在碧石渡鎮(zhèn)交通干線兩側(cè)。單純考慮傳統(tǒng)生態(tài)適宜性條件劃定的紅線缺少空間緊湊性以及與其他規(guī)劃的銜接,劃定的結(jié)果沒有現(xiàn)實指導(dǎo)性和針對性。相比之下,模擬結(jié)果主要新增了A、B、C、D 4個區(qū)域。因為在多個地塊生態(tài)功能同等重要的情況下,本文的劃定方法還考慮到地塊的穩(wěn)定性,保證生態(tài)紅線有效的落地實施。A為鄂州市北部段店鎮(zhèn)長江流域沿岸,附近有長江華容泥磯飲用水源地；D為楊葉鎮(zhèn)長江流域灘涂濕地。這兩個地塊不僅分布集中,而且生態(tài)服務(wù)價值大,對維護周邊水域生態(tài)系統(tǒng)和綠地生態(tài)系統(tǒng)的良性循環(huán)十分重要,應(yīng)當(dāng)劃入生態(tài)紅線區(qū)。 B為嚴(yán)家湖和武四湖邊緣灘涂坑塘區(qū),具有較大的資源潛力、生產(chǎn)功能以及調(diào)節(jié)功能,生態(tài)利用價值高、穩(wěn)定性強,因此劃入生態(tài)紅線區(qū)。C為沙窩鄉(xiāng)西南方生態(tài)林地分布區(qū),基于傳統(tǒng)的生態(tài)評價法劃定的紅線部分劃入了此區(qū)域,而基于貝葉斯網(wǎng)絡(luò)的方法完整畫出生態(tài)紅線分布范圍。

由此可以看出,相比于傳統(tǒng)的生態(tài)紅線劃定方法,基于貝葉斯網(wǎng)絡(luò)模型的生態(tài)紅線劃定方法能夠綜合地考慮生態(tài)適宜性條件和生態(tài)用地演變等因素,在滿足地塊生態(tài)功能同等重要的前提下,將生態(tài)用地中潛力和穩(wěn)定性較大的部分劃入紅線,從而使劃定結(jié)果更加科學(xué)合理。

3 結(jié)論與討論

生態(tài)紅線劃定對于協(xié)調(diào)生態(tài)保護、城市建設(shè)和基本農(nóng)田保護三者關(guān)系具有重要意義。本文在綜合分析生態(tài)用地歷史變化過程和生態(tài)適宜性條件的基礎(chǔ)上,提出了基于貝葉斯網(wǎng)絡(luò)的城市生態(tài)紅線劃定方法。與傳統(tǒng)的生態(tài)評價方法相比,模型劃定的生態(tài)紅線能夠更好的維護城市生態(tài)系統(tǒng)良性循環(huán),規(guī)避人為占用造成的生態(tài)用地頻繁調(diào)整,保證生態(tài)紅線的穩(wěn)定性和持續(xù)性,呈現(xiàn)生態(tài)建設(shè)、城市建設(shè)和經(jīng)濟建設(shè)協(xié)調(diào)發(fā)展的良好格局。

貝葉斯網(wǎng)絡(luò)模型能夠有效地應(yīng)用于生態(tài)紅線劃定過程中,彌補現(xiàn)有劃定方法的不足,具體表現(xiàn)在以下兩個方面：(1)貝葉斯網(wǎng)絡(luò)模型具有整合先驗知識和現(xiàn)有證據(jù)的能力。能夠?qū)⑸鷳B(tài)用地的現(xiàn)狀觀察數(shù)據(jù)和動態(tài)變化數(shù)據(jù)結(jié)合,學(xué)習(xí)土地變化規(guī)律,模擬出真實的土地發(fā)展動態(tài),有利于劃定結(jié)果的客觀有效性。(2)貝葉斯網(wǎng)絡(luò)模型具有因果推理的能力。能夠獲取變量間定性和定量關(guān)系,分析各變量對目標(biāo)變量的影響方向和強度。通過前向和后向推理,得到目標(biāo)變量的概率值,作為劃分生態(tài)紅線的科學(xué)依據(jù)。

目前我國尚未形成完善的城市生態(tài)紅線劃定方法體系,本文的研究可以為生態(tài)紅線劃定提供新的模型方法。同時,研究也存在不足之處。生態(tài)紅線劃定是一個多層次的決策過程,如何將多層次模擬融入貝葉斯網(wǎng)絡(luò)模型進行生態(tài)紅線劃定還需要深入研究。此外,本次研究沒有考慮空間異質(zhì)性對生態(tài)紅線劃定的影響。城市生態(tài)紅線是在明確不同區(qū)域資源環(huán)境承載能力和發(fā)展?jié)摿Φ幕A(chǔ)上進行劃定的,在生態(tài)紅線的劃定過程中利用貝葉斯網(wǎng)絡(luò)模型結(jié)合主體功能區(qū)理念,加入分區(qū)思想實現(xiàn)城市生態(tài)紅線劃定是下一步研究重點。

[1] 環(huán)境保護部. 生態(tài)保護紅線劃定技術(shù)指南. 北京：環(huán)境保護部,2015.

[2] 姚佳,王敏,黃宇馳,白楊,黃沈發(fā). 我國生態(tài)保護紅線三維制度體系——以寧德市為例. 生態(tài)學(xué)報,2015,35(20)：6848- 6856.

[3] 傅伯杰,周國逸,白永飛,宋長春,劉紀(jì)遠,張惠遠,呂一河,鄭華,謝高地. 中國主要陸地生態(tài)系統(tǒng)服務(wù)功能與生態(tài)安全. 地球科學(xué)進展,2009,24(6)：571- 576.

[4] Sun D Q,Zhang J X,Hu Y,Jiang J L,Zhou L. Spatial analysis of China′s eco-environmentalquality:1990- 2010. Journal of Geographical Sciences,2013,23(4)：695- 709.

[5] Hoekstra A Y,Wiedmann T O. Humanity′s unsustainable environmental footprint. Science,2014,344(6188)：1114- 1117.

[6] 中共中央國務(wù)院. 國務(wù)院關(guān)于加強環(huán)境保護重點工作的意見. 北京：中共中央國務(wù)院,2011.

[7] 高吉喜. 國家生態(tài)保護紅線體系建設(shè)構(gòu)想. 環(huán)境保護,2014,42(2)：17- 21.

[8] 林勇,樊景鳳,溫泉,劉述錫,李濱勇. 生態(tài)紅線劃分的理論和技術(shù). 生態(tài)學(xué)報,2016,36(5)：1244- 1252.

[9] 高吉喜. 劃定生態(tài)保護紅線,推進長江經(jīng)濟帶大保護. 環(huán)境保護,2016,44(15)：21- 24.

[10] 丁雨賝,馮長春,王利偉. 山地區(qū)域土地生態(tài)紅線劃定方法與實證研究——以重慶市涪陵區(qū)義和鎮(zhèn)為例. 地理科學(xué)進展,2016,35(7)：851- 859.

[11] 凡非得,羅俊,王克林,陳洪松,張偉. 桂西北喀斯特地區(qū)生態(tài)系統(tǒng)服務(wù)功能重要性評價與空間分析. 生態(tài)學(xué)雜志,2011,30(4)：804- 809.

[12] 符娜. 土地利用規(guī)劃的生態(tài)紅線區(qū)的劃分方法研究——以云南省為例. 北京：北京師范大學(xué),2008.

[13] 劉雪華,程遷,劉琳,彭羽,武鵬峰,石翠玉,朱洪輝. 區(qū)域產(chǎn)業(yè)布局的生態(tài)紅線區(qū)劃定方法研究——以環(huán)渤海地區(qū)重點產(chǎn)業(yè)發(fā)展生態(tài)評價為例. 中國環(huán)境科學(xué)學(xué)會2010學(xué)術(shù)年會論文集. 上海: 中國環(huán)境科學(xué)學(xué)會, 2010：711- 716.

[14] 蔣大林,曹曉峰,匡鴻海,蔡滿堂,黃藝,尹春燕. 生態(tài)保護紅線及其劃定關(guān)鍵問題淺析. 資源科學(xué), 2015,37(9)：1755- 1764.

[15] 李潔,曹紅英,梁濤,王凌青,王靜. 基于城市生態(tài)系統(tǒng)研究范式構(gòu)建生態(tài)功能紅線理論方法及其應(yīng)用. 生態(tài)學(xué)雜志,2016,35(4)：1097- 1107.

[16] 許妍,梁斌,鮑晨光,蘭冬東,于春艷,馬明輝. 渤海生態(tài)紅線劃定的指標(biāo)體系與技術(shù)方法研究. 海洋通報,2013,32(4)：361- 367.

[17] 曾江寧,陳全震,黃偉,杜萍,楊輝. 中國海洋生態(tài)保護制度的轉(zhuǎn)型發(fā)展——從海洋保護區(qū)走向海洋生態(tài)紅線區(qū). 生態(tài)學(xué)報,2016,36(1)：1- 10.

[18] 黃偉,曾江寧,陳全震,杜萍,湯雁濱,楊輝. 海洋生態(tài)紅線區(qū)劃——以海南省為例. 生態(tài)學(xué)報,2016,36(1):268- 276.

[19] 馬世發(fā),馬梅,蔡玉梅,念沛豪. 省級尺度國土空間生態(tài)保護紅線劃定——以湖南省為例. 熱帶地理,2015,35(1)：43- 50.

[20] 陳明輝,歐金沛,劉小平. 基于離散粒子群算法的城市生態(tài)控制線劃定方法研究. 中國科技論文在線精品論文,2012,5(6)：559- 570.

[21] 李德毅,劉常昱,杜鹢,韓旭. 不確定性人工智能. 軟件學(xué)報,2004,15(11)：1583- 1594.

[22] 關(guān)小東,何建華. 基于貝葉斯網(wǎng)絡(luò)的基本農(nóng)田劃定方法. 自然資源學(xué)報,2016,31(6)：1061- 1072.

[23] Frayer J,Sun Z L,Müller D,Munroe D K,Xu J C. Analyzing the drivers of tree planting in Yunnan,China,with Bayesian networks. Land Use Policy,2014,36：248- 258.

[24] Aliferis C F, Statnikov A R, Tsamardinos I, Brown L E. Causal explorer: a causal probabilistic network learning toolkit for biomedical discovery. Proceedings of the International Conference on Mathematics and Engineering Techniques in Medicine and Biological Sciences. Las Vegas, NV, United States: METMBS, 2003: 371- 376.

[25] Spirtes P,Glymour C,Scheines R. Causation, Prediction, and Search, 2nd Edition. Pattern Recognition and Image Analysis-iberian Conference,2001, 6669：25- 32.

[26] Sun Z L,Müller D. A framework for modeling payments for ecosystem services with agent-based models,Bayesian belief networks and opinion dynamics models. Environmental Modelling and Software,2013,45：15- 28.

[27] PEARL J. Causality：Models,Reasoning and Inference. 2nd ed. Cambridge：Cambridge University Press,2009.

[28] Cooper G F,Herskovits E. A Bayesian method for the induction of probabilistic networks from data. Machine Learning,1992,9(4)：309- 347.

[29] Knaap G J, Nelson A C. The Effects of Regional Land Use Control in Oregon: A Theoretical and Empirical Review. Review of Regional Studies, 1988, 18.

[30] Heckerman D,Geiger D,Chickering D M. Learning Bayesian Networks：The Combination of Knowledge and Statistical Data. Machine Learning,1995,20(3)：197- 243.

[31] Pollino C A,Woodberry O,Nicholson A,Korb K,Hart B T. Parameterisation and Evaluation of a Bayesian Network for Use in an Ecological Risk Assessment. Environmental Modelling and Software,2007,22(8)：1140- 1152.