沙滩是海岸带典型生态系统之一, 目前砂质岸线在全球岸线中占比达31%[1], 健康的沙滩生态系统能够提供多项生态系统服务, 在岸线防护、旅游经济中发挥重要作用[2-3]。目前沙滩旅游资源评估成为沙滩质量评价研究的热点之一, González等[4]基于保护指数和休闲指数, 分析了沙滩的旅游服务功能及发展方向；Rodella等[5]结合沙滩景观和用户感知度综合评价沙滩现状, 并计算了沙滩风景价值；王永红等[3]从自然、环境、社会3个维度, 选取包括规模、水质、区位条件在内的12项指标展开沙滩质量评价；龙鑫玲等[6]从自然资源与人文因素两方面对大鹏半岛53个沙滩进行质量评价。沙滩结构松散, 易受海浪、风能等外力作用而造成流失[7]。特别是在全球海平面上升及高强度人类活动共同产生的“海岸挤压”(Coastal Squeeze)效应下, 全球24%的沙滩年平均侵蚀距离已超过0.5 m[1]。但目前缺乏有关沙滩生态系统与其周边人居环境的相互作用, 特别是二者共同面对的外部环境挑战(如生态系统及人类健康问题)的研究。
已有研究利用韧性或健康评价方法, 开展海岸带社会-生态耦合系统研究, 为实现人与自然和谐共生和复合系统的协调发展提供参考[8-9]：马里兰海岸带韧性评估模型(Maryland Coastal Resiliency Assessment)(https://dnr.maryland.gov/ccs/coastalatlas/Pages/CoastalResiliencyAssessment.aspx)综合岸线灾害指数、生境防护潜力指数、社区洪涝风险指数、岸线优先保护指数, 对马里兰海岸带韧性展开分析；Zhang等[10]利用InVEST模型中的海岸带脆弱性(Coastal Vulnerability)模块, 基于暴露度、敏感性和适应能力研究了深圳市岸线的脆弱性；Halpern等[11]从食物、生计、休闲旅游等多角度对人-海耦合系统健康展开评估。韧性研究虽然为了解复杂系统动态变化特征提供参考, 但目前仍缺乏有效量化复杂系统韧性的关键指标, 而单一的健康视角难以应对可持续治理中的不确定性和复杂性。因此未来有待进一步关注韧性视角下的健康治理问题, 针对外在干扰下的复合系统健康韧性开展综合评估。Scheffer等[12]提出韧性评估可服务于健康管理, 而静态的健康指标一定程度上可以表征机体韧性, 体现了健康和韧性之间的密切联系。Castleden等[13]也提出健康是韧性的关键组分, 并指出缺乏污水处理设施、医院电力系统等问题所带来的健康风险最终影响到人群抵御外部干扰的能力。目前深圳市福田区正在将韧性城市和健康城市理念融合到地方建设规划, 将公共卫生应急管理体系建设融入到自免疫、自适应和自修复的地方韧性发展机制建设。基于国内外研究成果和实践经验, 本研究提出“沙滩-社区系统健康韧性”, 并指出沙滩健康和社区健康可以为测度复合系统韧性提供关键指标, 应作为复合系统韧性指标体系构建的核心。健康的沙滩-社区系统具有一定韧性, 沙滩健康和社区健康是提升复合系统韧性的关键途径。
作为我国经济特区之一, 深圳市也是粤港澳大湾区建设的重要引擎, 自改革开放以来一直被视为中国经济快速增长和城市化[14]的典范, 2020年深圳总人口超1700万[15], GDP超2.7万亿元[16]。但随着人类活动强度加剧, 以及全球气候变化所带来的海平面上升问题, 深圳特区面临着严峻的生态挑战。在“双区”驱动和深圳建设全球海洋中心城市的重大历史机遇之下, 本研究立足海岸带关键系统, 从社会-生态系统这一大生态系统概念出发[17], 选取深圳大鹏半岛沙滩生态系统及其周边社区, 综合考虑自然因子和社会因子, 开展社会-生态系统健康韧性评价, 识别维持复合系统健康韧性的关键因子, 以期为区域韧性管理和健康规划提供支撑。
1 研究方法与数据来源1.1 研究区概况深圳市大鹏新区位于广东省深圳市东南部, 西临大鹏湾, 东靠大亚湾, 三面环海, 又称“大鹏半岛”。大鹏新区陆域面积295 km2, 海域面积305 km2, 海岸线长达133.22 km, 其中海岸线长度约占深圳全市的二分之一[18]。大鹏新区共拥有54片已命名沙滩(图 1), 占深圳沙滩总量的96%, 其中热门沙滩包括玫瑰海岸, 官湖沙滩, 东、西涌沙滩, 金水湾沙滩以及杨梅坑沙滩等, 具有独特的沙滩资源优势。随着大鹏新区的不断建设与发展, 涌入的人口和企业对新区的海岸带资源环境造成了一定的压力。新区陆地资源“难以为继”, 海洋将是引领新区未来发展的重要战略资源, 沙滩作为大鹏新区重要的沿海区域, 其脆弱性和面临的风险问题日益凸显。
图 1 深圳市大鹏新区沙滩分布图 Fig. 1 Distribution of sandy beaches in Dapeng New District, Shenzhen图选项 大鹏新区目前以沙滩可持续管理为重点, 于2018年出台《深圳市大鹏新区沙滩管理工作规范(试行)》(以下简称《管理规范》), 根据沙滩安全性、可达性、是否取得海域使用权以及生态保护价值将沙滩分为四类：第I类是已取得海域使用权的沙滩, 第II类是未取得海域使用权但可作为浴场开放的沙滩, 第III类是未取得海域使用权且不宜作浴场开放的沙滩, 第IV类是因安全、生态、交通等因素暂不具备开放条件的沙滩。在此基础上, 针对不同类型的沙滩采取差异化管理, 包括沙滩浴场(可进行普通水上项目)、开放管理(允许人员进入)、围合管理(采用围网方式管理)以及封闭管理(禁止人员进入)。
1.2 数据来源研究数据主要包括：(1)2010年、2019年和2020年3个时期的Google Earth高分辨率遥感影像数据, 最高精度可达0.28 m, 主要用于沙滩侵蚀后退速率和植被覆盖度的计算; (2)海水水质数据, 用于评价研究区内近岸水体的健康状况, 该数据通过走访深圳市生态环境局大鹏管理局获取；(3)沙滩整洁度的实地考察情况, 主要通过滩面、海面以及沙滩缓冲区内地面可见垃圾的密度来综合确定；(4)紧急避难场所和公共卫生设施点位数据, 分别用于计算紧急避难场所覆盖率和公共卫生设施覆盖率, 以上两个指标数据分别通过走访大鹏新区应急管理局和大鹏新区教育和卫生健康局获取; (5)交通线路图, 该数据来源于OpenStreetMap, 用于计算缓冲区内交通线路密度；(6)微博词条数据, 通过GooSeeker提取指定的微博词条, 包括“大鹏”、“台风”、“沙滩”等, 通过微博词条数及高频词的时间变化来推算灾后恢复速率。综合考虑大鹏沙滩的可达性和相关调查数据的可获取性，本研究选取第1—50号沙滩进行评估。
1.3 沙滩-社区系统健康韧性评价体系的构建1.3.1 指标来源健康韧性指标评估框架中, “健康”既包括生态系统健康, 也包括社会系统健康[19]；“韧性”指系统对外界灾害的应对和恢复能力[20]。按照简洁性、有效性、易得性、可比性[6]的原则, 基于韧性评估框架, 从社会功能、自然功能两个维度, 设立应对力(Coping Capacity)和适应性(Adaptive Capacity)2个二级指标以及8个三级指标, 重点从沙滩自然资源属性和社区基础设施建设的角度对沙滩-社区系统健康韧性进行评价。其中凸显健康的指标主要是海水水质、紧急避难场所覆盖率、公共卫生设施覆盖率、沙滩整洁度和植被覆盖度, 具体指标与说明如表 1所示。
表 1 沙滩-社区系统健康韧性评价指标体系Table 1 Health-resilience index system of beach-community system 一级指标 First-level indicators二级指标 Second-Level indicators三级指标 Third-Level indicators指标代号 Indicator code指标说明 Indicator description属性 Attributes自然功能 Natural function应对力沙滩侵蚀后退速率N1沙滩在海浪等外界干扰下表现出侵蚀特征, 沙滩侵蚀后退速率可以体现当地沙滩抵御海浪干扰的能力[1, 2, 4, 21-22]。逆适应性海水水质N2海水水质可反映海水的卫生性、水生生物保护情况、景观等海水质量问题[23]。良好的海水水质可以通过提供优质的环境促进近海生物的健康生长，进而提高海岸带的生态系统健康[1, 2, 4, 21-22]；较差的水质会引起赤潮、水体污浊等问题, 影响渔业、旅游业等生产活动及人群健康, 增加系统的脆弱性, 进而降低韧性[24]。逆植被覆盖度N3沙滩植被既可以起到防风固沙的作用, 反映防御自然灾害的能力, 用于测算社会生态系统韧性[24-26], 还可以缓解居民生活压力以提升身心健康[27]。正社会功能 Social Function应对力紧急避难场所覆盖率S1反映防灾教育和灾时提供安全避难场所保障的能力[2, 4, 28-29]。正公共卫生设施覆盖率S2反映人群健康的保障能力和应对突发健康风险的能力[21, 22, 28-29]。正交通线路密度S3反映了沙滩与外部系统的人员流通和物资运输能力[3, 30]。正适应性沙滩整洁度S4体现安全卫生与生境维持性能, 一定程度上也可以反映人工干预强度和管理状况[2, 4, 21-22]。正灾后恢复速率S5是系统在灾害下的应对调节能力的最直观反映[31]。逆 表选项1.3.2 沙滩-社区系统健康韧性评价指标计算根据2019年大鹏新区行政区划图, 通过人机交互目视解译获取沙滩岸线, 并以其为起始线, 向外辐射700 m条带缓冲区作为研究区域[32]。每个指标计算方法如下：
(1) 自然功能
基于Google Earth高分辨率卫星影像数据, 通过目视解译2010年及2020年沙滩面积, 并由公式(1.1)计算得到沙滩的年均侵蚀后退速率(N1)：
(1) 式中, BAi, BAj分别为第i, j年的沙滩面积(m2)。N1反映了研究区域内土地利用活动对沙滩侵蚀带来的影响, 利用自然断点分级法将结果从小到大划分为1、2、3、4、5五个等级。
沙滩的海水水质(N2)最终以各沙滩所在岸段的2018年、2019年海水水质的平均值表征。将I、II、III、IV四类海水水质依次赋值为1、2、3、4分。
植被覆盖度(N3)由NDVI表征, 利用ENVI软件计算获取。通过沙滩缓冲区范围作掩膜裁剪获取沙滩区域内NDVI。
(2) 社会功能
紧急避难场所覆盖率(S1), 通过ArcGIS导入紧急避难场所点位信息, 作1000 m辐射区, 取其辐射区与缓冲区重叠面积作为沙滩-社区避难场所的有效覆盖面积, 并利用自然断点分级法将结果分为5个等级并赋分(1、2、3、4、5分)。
公共卫生设施覆盖率(S2)面向沙滩-社区健康安全保障能力。通过两步路APP搜索由政府提供的公共卫生设施点位信息并导入到ArcGIS中, 作1000 m辐射区, 取其辐射区与缓冲区重叠面积作为沙滩-社区公共卫生设施的有效覆盖面积, 利用自然断点分级法将结果分为5个等级并赋分(1、2、3、4、5分)。
交通线路密度(S3)通过OpenStreetMap(OSM)平台获取大鹏新区交通线路矢量数据, 利用ArcGIS软件提取缓冲区内单位面积所拥有的交通线路的长度, 利用自然间断点分级法进行分4级赋分(即1、2、3、4分)。
沙滩整洁度(S4)主要通过现场调研和拍照取证开展评价。采用照片分析法[33]和目测估计法对沙滩实际卫生状况进行少、较少、较多、多4个多度等级评价, 通过李克特量表法[21]分别赋予4、3、2、1分。沙滩整洁度评分标准和照片分类详见表 2和图 2, 不同沙滩之间的垃圾类型和整洁度具有显著差异。
表 2 沙滩整洁度分类评价表Table 2 Classification assessment of beach cleanliness 序号 Sequence number特征 Characteristics评价 Assessment分值 Value1垃圾随处可见, 多白色垃圾、工业废物以及建筑垃圾, 部分沙滩有大量渔网或废弃的海上娱乐设备多12垃圾密度较低, 白色垃圾较少, 有较多小型建筑垃圾(如瓷砖), 有较多浮渣漂至滩上较多23基本看不到白色垃圾, 有少量贝壳类垃圾, 有较少浮渣漂至滩上较少34无白色垃圾, 有极少且不易看见的建筑垃圾, 无浮渣少4 表选项
图 2 沙滩整洁度照片分类 Fig. 2 Classification of beach cleanliness图选项 灾后恢复速率(S5)主要通过台风事件中的微博关注度变化反应沙滩-社区灾后恢复能力和韧性, 本研究参考吴文菁等[34]的大数据分析方法, 以“大鹏”、“台风”为关键词, 利用GooSeeker提取2016—2021年间共计18次台风发生时间前后的微博词条, 在筛选掉重复数据后, 通过微博条数以及高频词的变化速率计算每次台风的灾后恢复速率, 再取均值得出平均灾后恢复速率。
以上计算获得的初始得分均需要进行归一化处理, 归一化公式如下
对于正向指标：
(2) 对于逆向指标：
(3) 式中, X′ij为第i项沙滩的归一化得分；Xij为第i项沙滩的实际分值；max{Xj}为第j项指标下的最大得分；min{Xj}为第j项指标下的最小得分。
(3) 社会-生态综合评价
本研究分别采用等权重和层次分析法(Analytic hierarchy process, AHP)来计算社会-生态健康韧性的综合得分(表 3), 比较二者计算结果差异[35], 并利用Matlab软件将健康韧性综合得分通过层次聚类分析(Hierarchical cluster analysis, HCA)划分为优、良、中、差四个等级。
表 3 沙滩-社区系统健康韧性评价权重Table 3 Weights of health-resilience of beach-community system evaluation 一级指标 First-level indicators等权重 EqualweightAHP法权重 Weightof AHP二级指标 Second-level indicators等权重 Equal weightAHP法权重 Weightof AHP三级指标 Third-level indicators等权重 EqualweightAHP法权重 Weightof AHP自然功能Natural function0.500.50应对力0.500.50沙滩侵蚀后退速率0.330.18适应性0.500.50海水水质0.330.38植被覆盖度0.330.25社会功能Social function0.500.50应对力0.500.50紧急避难场所覆盖率0.200.18公共卫生设施覆盖率0.200.30交通线路密度0.200.12适应性0.500.50沙滩整洁度0.200.22灾后恢复时间0.200.18AHP: 层次分析法Analytic hierarchy process 表选项1.3.3 健康韧性的主控因子分析SIMPER(Similarity percentage)分析方法多被用于生态学中多变量组间差异的事后检验, 其结果能够反映各因子对于组间差异的贡献度, 从而识别关键主控因子。选取R语言内的vegan包, 采用其中的SIMPER函数对各项指标进行贡献度计算, 以判断各社会、生态因子对健康韧性的影响程度, 继而识别关键主控因子。
2 结果分析2.1 沙滩-社区系统健康韧性评估结果对比AHP法和等权重法的计算结果发现, 两种方法之间差异较小(图 3), 二者Pearson相关系数为0.982, 呈显著相关。本研究中选取等权重法进行分析, 综合社会、生态子系统的健康韧性评价结果(图 4、图 5), 计算得出大鹏新区沙滩-社区系统的平均得分为0.52分(总分为1分), 水产沙滩评级为优(0.76)；良级沙滩有12个(占比24%), 得分在0.59—0.71之间；中级沙滩有36个(占比72%), 得分在0.39—0.57之间；大湾沙滩评级为差(0.27)(图 3、4)。根据《管理规范》中的沙滩分类结果, I类沙滩的健康韧性水平较高, 良级沙滩占67.7%。II类、III类和IV类沙滩的健康韧性评级主要为中, 其中中级沙滩分别占63.6%、85.7%和80.8%。沙滩浴场管理方式下的系统健康韧性整体最高(0.64±0.07, 均值±标准差), 其次是开放管理沙滩(0.53±0.09), 围合管理(0.50±0.11)和封闭管理(0.50±0.09)沙滩所处的复合系统健康韧性最低。
图 3 等权重法和AHP法总得分计算结果 Fig. 3 Total score of Equal weight and AHP AHP: 层次分析法 Analytic hierarchy process 图选项 
图 4 健康韧性层次聚类分析树 Fig. 4 Hierarchical clustering analysis tree of health-resilience evaluation图选项 
图 5 大鹏新区沙滩-社区系统健康韧性评价结果 Fig. 5 Health-resilience evaluation of beach-community system in Dapeng New District图选项 2.2 沙滩-社区子系统健康韧性评估结果如图 5、6所示, 大鹏新区沙滩生态子系统健康韧性得分为0.65±0.10, 仅沙湾仔沙滩生态子系统评价为优, 得分达到0.86, 66%的生态子系统评价为良, 得分在0.64—0.79之间；28%的生态子系统评价为中, 得分在0.51—0.62之间；大湾沙滩(0.34)、茅东湾沙滩(0.41)和下企沙滩(0.46)三个生态子系统评价为差。根据《管理规范》所列举的四项管理类别, I类和II类沙滩生态子系统健康韧性最高(0.67±0.08和0.67±0.07), 其次是IV类沙滩(0.66±0.10), 而III类沙滩(0.59±0.14)生态子系统健康韧性最低。其中沙滩浴场的生态子系统健康韧性平均得分较高(0.69±0.05), 其次是封闭管理(0.66±0.10)和围合管理(0.65±0.12)类型的沙滩, 开放管理类的沙滩生态子系统健康韧性整体最低(0.63±0.08)。
图 6 大鹏新区沙滩-社区系统自然功能健康韧性得分 Fig. 6 Health-resilience scores of natural function of beach-community systems in Dapeng New District图选项 如图 5、7所示, 相较于生态子系统的健康韧性, 大鹏沙滩社会子系统健康韧性得分为0.38±0.16, 得分偏低, 不同系统间的差异较大。3个沙滩评级为优, 得分在0.72—0.81之间；9个沙滩评级为良, 占比18%, 得分在0.49—0.67之间；21个沙滩评级为中, 占比24%, 得分在0.31—0.47之间；17个差级沙滩, 占比34%, 得分在0.13—0.27之间。与生态子系统健康韧性评估结果类似, I类沙滩-社区社会子系统健康韧性最高(0.53±0.16), 其次是II类沙滩(0.40±0.14), IV类沙滩(0.35±0.16)和III类沙滩(0.33±0.11)系统健康韧性最低。沙滩浴场社会子系统健康韧性平均得分也较高(0.58±0.14), 其次是开放管理(0.43±0.14)类型的沙滩, 封闭管理和围合管理类型沙滩的社会子系统健康韧性整体最低(0.35±0.17, 0.35±0.13)。
图 7 大鹏新区社会子系统健康韧性得分 Fig. 7 Health-resilience scores of social subsystems in Dapeng New District图选项 2.3 主控因子分析结果由表 4可知, 对大鹏沙滩-社区系统健康韧性影响较大的关键因子均属于健康因子, 分别是紧急避难场所覆盖率(19.4%, 贡献度)、沙滩整洁度(16.5%)和公共卫生设施覆盖率(16.1%)。交通线路密度、灾害恢复时间、海水水质等指标, 对大鹏沙滩-社区健康韧性影响较小。
表 4 大鹏新区沙滩-社区健康韧性指标因子贡献度排序Table 4 Index ranked by order of contribution to difference between beach-community ecosystems in Dapeng New District 序号 Sequence number三级指标 Third-level indicators贡献度 Contribution/%序号 Sequence number三级指标 Third-level indicators贡献度 Contribution/%1紧急避难场所覆盖率(S1)19.45沙滩侵蚀后退速率(N1)13.92沙滩整洁度(S4)16.56交通线路密度(S3)12.83公共卫生设施覆盖率(S2)16.17灾后恢复时间(S5)12.04植被覆盖度(N3)14.18海水水质(N2)4.1 表选项3 讨论大鹏沙滩复合系统的评估结果表明社会子系统健康韧性往往低于生态子系统, 社会功能有待提升。大鹏新区生态红线划定范围达220.79 km2[36], 海水水质基本达到I类, 具有优良的生态环境本底。基于生态红线相关管控要求, 红线区内基础设施建设尤其是道路修建较难完善和推进, 故自然功能得分总体较高而社会功能得分较低。研究进一步发现紧急避难场所覆盖率、沙滩整洁度以及公共卫生设施覆盖率3个健康指标在不同沙滩-社区系统间的差异较显著, 反映出应急系统、卫生系统在大鹏新区分布较分散的问题。由于大鹏社区居民多老人、儿童等弱势群体, 完善应急、卫生设施体系对于应对大鹏新区沙滩资源分散问题, 提升大鹏新区沙滩-社区耦合系统健康韧性有重要意义[29], 需加强大鹏新区应急系统和卫生系统的供需匹配特征研究。Chen等[2]在研究中提出, 整洁性、安全性是沙滩可持续管理的关键影响因子。针对沙滩整洁度的空间差异, 需提升沙滩管理有效性以提升沙滩整洁度。
大鹏半岛内I类沙滩生态系统和周边社区的健康韧性水平均较高, 这主要是因为I类的沙滩开发条件优越(如较大的沙滩的面积), 相应的基础设施建设较为完善, 抵御外界灾害的能力也较强。部分沙滩虽然因安全、生态、交通等因素暂不具备开放条件(IV类沙滩), 但该区域仍能维持一定韧性健康水平, 除沙滩浴场外，未来如何创新沙滩传统开发模式, 实现生态价值转化仍是值得探讨的问题。开放管理类沙滩的生态子系统健康韧性低于封闭管理和围合管理类型的沙滩, 开放管理下人类活动干扰对沙滩健康韧性的影响机制和开放管理优化等问题仍待进一步探讨。研究还发现围合管理类沙滩的社会子系统健康韧性低于开放管理和封闭管理类型的沙滩, 针对围合管理的有效性、对周边社区健康韧性的影响需深入研究。
4 结论与展望本研究以大鹏新区沙滩-社区系统为研究对象建立了健康韧性评价模型, 结合《管理规范》分析不同管理形式下的沙滩-社区系统健康韧性差异, 并识别了沙滩-社区系统健康韧性维持的主控因子, 主要结论如下：
(1) 沙滩-社区系统的社会子系统健康韧性水平低于生态子系统的健康韧性水平, 且不同沙滩-社区社会子系统间健康韧性差异较大；
(2) 在灾后恢复速率计算中，从管理类型来看, I类沙滩社会、生态子系统健康韧性往往更高；沙滩浴场类管理方式下的健康韧性大于围合管理类和封闭管理类, 而开放管理类沙滩耦合系统在社会、生态子系统间的健康韧性差异较大；
(3) SIMPER分析表明紧急避难场所覆盖率、沙滩整洁度和公共卫生设施覆盖率等健康指标是造成沙滩耦合系统健康韧性差异的主控因子, 建议以沙滩复合系统健康为切入点, 在供需匹配的前提下提高紧急避难场所和公共卫生设施的质量和数量, 并加强对沙滩-社区的清洁管理, 最终提高人群健康和人居环境对灾害的韧性应对能力。
下一步可以继续探索的工作包括：(1)开展各沙滩的长期动态监测, 针对不同沙滩区域开展体检试验。(2)在灾后恢复速率计算中，除微博数据外, 考虑将数据挖掘范围拓展至微信公众号以及相关新闻网站, 进一步提高研究区的数据精度；(3)拓展本评价指标的时空应用范围, 进行评价方法的有效性和稳定性诊断与验证。
致谢:深圳市大鹏新区综合办公室等相关部门在调研阶段给予大力支持和帮助,厦门大学环境与生态学院博士研究生李政、硕士研究生张倩在指标体系设计和数据处理中给予帮助, 硕士研究生张雪婷在前期调研和指标体系构建中给予帮助, 博士研究生张振在GIS制图中给予帮助, 博士研究生王新维在英文摘要润色方面给予帮助, 在此一并致谢。