Spatiotemporal Evolution and Multi‑Scenario Simulation of Urban Ecological Resilience in the Middle-Reaches of the Yangtze-River

Sintesi Tecnica: Evoluzione Spazio-Temporale e Simulazione Multi-Scenario della Resilienza Ecologica Urbana nel Medio corso del Fiume Yangtze

Definizione del Problema
L'Agglomerato Urbano del Medio Corso del Fiume Yangtze (MUAY), che comprende 29 città tra l'Hubei, l'Hunan e il Jiangxi, affronta una sfida critica: bilanciare la rapida urbanizzazione e l'industrializzazione con la sicurezza ecologica. Sebbene questi motori economici favoriscano la crescita, essi inducono simultaneamente la frammentazione degli habitat, il degrado degli ecosistemi e il declino della qualità dell'aria. Gli ecosistemi naturali della regione spesso mancano di una capacità di autorinnovamento sufficiente per contrastare tali disturbi. Le ricerche esistenti sulla resilienza ecologica nelle agglomerazioni urbane si affidano frequentemente ad analisi di pattern spaziali statici o mancano di un monitoraggio sistematico dei processi evolutivi dinamici. Inoltre, gli studi contemporanei spesso trascurano le simulazioni multi-scenario, limitandone l'utilità per il processo decisionale prospettico e la pianificazione spaziale del territorio. Questo studio risponde alla necessità di valutare accuratamente i cambiamenti dinamici storici e di prevedere scientificamente i pattern futuri della resilienza ecologica sotto diverse traiettorie di sviluppo per sostenere lo sviluppo sostenibile nel MUAY.

Metodologia
Lo studio impiega un quadro completo che integra la valutazione della resilienza ecologica, l'analisi spazio-temporale e la simulazione basata su scenari:

1. Modello di Valutazione della Resilienza Ecologica: È stato stabilito un quadro quantitativo basato su tre dimensioni fondamentali: Resistenza, Adattabilità e Recupero.

   • Resistenza (Res): Quantificata utilizzando il Valore dei Servizi Ecosistemici (ESV) derivato dal metodo del fattore equivalente, regolato dai rapporti di resa dei cereali locali.
   • Adattabilità (Ada): Misurata tramite la stabilità strutturale del paesaggio, combinando l'Eterogeneità del Paesaggio (Indice di Diversità di Shannon e Indice di Dimensione Frattale) e la Connettività del Paesaggio (Indice di Coesione dei Patch).
   • Recupero (Rec): Valutato tramite un modello di elasticità ecologica basato sui coefficienti di recupero dell'uso del suolo.
   • L'indice finale di Resilienza Ecologica (ER) è stato calcolato come la media geometrica dei valori normalizzati di Res, Ada e Rec.

2. Analisi Spazio-Temporale (2010–2020):

   • I dati sull'uso del suolo del 2010, 2015 e 2020 sono stati elaborati utilizzando ArcGIS.
   • Autocorrelazione Spaziale Globale e Locale: Sono state utilizzate le statistiche dell'I di Moran per identificare i pattern di clustering spaziale (High-High, Low-Low, ecc.) e validare le caratteristiche della distribuzione spaziale della resilienza.
   • Dinamiche dell'Uso del Suolo: Matrici di transizione e diagrammi di Sankey sono stati utilizzati per analizzare il flusso e i gradi dinamici dell'uso del suolo.

3. Simulazione Multi-Scenario (2035):

   • Il modello Markov-PLUS è stato integrato per simulare i cambiamenti nell'uso del suolo e prevedere la resilienza ecologica sotto tre scenari distinti per l'anno 2035:
     • Sviluppo Naturale e Normale (NND): Scenario di base che segue le probabilità di transizione storiche senza restrizioni specifiche.
     • Sviluppo a Priorità Economica (EPD): Prioritizza l'espansione del terreno edificabile, proibendo la conversione del terreno edificabile in altre tipologie.
     • Protezione e Ripristino Ecologico (EPR): Prioritizza la conservazione, minimizzando il trasferimento in uscita da terreni coltivati, foreste, praterie e corpi idrici, limitando al contempo il terreno edificabile.
   • L'accuratezza del modello è stata validata utilizzando la Figura di Merito (FOM = 0,06) e il coefficiente Kappa (0,91) rispetto ai dati del 2020.

Risultati Chiave

• Tendenze Storiche (2010–2020):

  • Resistenza e Adattabilità: Entrambe hanno mostrato tendenze crescenti. Le aree ad alta resistenza sono aumentate dal 28,39% al 36,41%, e le aree ad alta adattabilità sono cresciute dal 32,9% al 34,2%.
  • Recupero: Ha mostrato una tendenza al ribasso, con le aree a basso recupero aumentate dal 30,1% al 33,9%.
  • Distribuzione Spaziale: Le aree ad alta resilienza sono concentrate attorno al lago Poyang e al lago Dongting, mentre le aree a bassa resilienza si trovano in regioni prive di corpi idrici e nei centri urbani principali.
  • Autocorrelazione Spaziale: I valori dell'I di Moran globale sono stati significativamente positivi (circa 0,45–0,47), confermando un forte clustering spaziale. I cluster High-High (HH) si sono formati attorno ai grandi laghi, mentre i cluster Low-Low (LL) sono stati osservati in aree come la città di Changde con un'alta densità di terreno edificabile.

• Simulazioni di Scenario (2035):

  • Scenario NND: Prevede una diminuzione del 5,1% del terreno coltivato e un aumento del 23,1% del terreno edificabile, portando a un declino della resilienza ecologica complessiva.
  • Scenario EPD: Ha causato la più grave degradazione ecologica. Il terreno edificabile è aumentato del 32,6%, mentre i terreni ecologici (foreste, praterie, acqua) sono diminuiti significativamente. Questo scenario ha prodotto la minore resilienza ecologica, caratterizzata dall'espansione di aree a basso valore e dal degrado delle regioni a valore medio.
  • Scenario EPR: Ha raggiunto la massima resilienza ecologica. Il terreno edificabile è diminuito dell'11,2%, mentre foreste, praterie e corpi idrici sono aumentati. Questo scenario ha espanso con successo le zone a media-alta resilienza e ha ripristinato le funzioni ecologiche.

Contributi Principali

• Integrazione del Framework: Lo studio ha operazionalizzato con successo un quadro "resistenza-adattabilità-recupero" specifico per il MUAY, collegando i valori dei servizi ecosistemici e le metriche del paesaggio alla quantificazione della resilienza.
• Previsione Dinamica: Passando dall'analisi statica alla previsione dinamica tramite il modello Markov-PLUS, lo studio fornisce una valutazione lungimirante di come diverse interazioni politiche (NND, EPD, EPR) altereranno il pattern di sicurezza ecologica entro il 2035.
• Identificazione dei Trade-off: La ricerca quantifica esplicitamente il compromesso tra crescita urbana e protezione ecologica, dimostrando che lo sviluppo a priorità economica porta a una significativa perdita di resilienza, mentre le strategie di protezione ecologica possono invertire le tendenze negative.

Significato
L'articolo sostiene che comprendere i pattern spazio-temporali della resilienza ecologica è di grande importanza pratica per ottimizzare la disposizione spaziale e promuovere lo sviluppo sostenibile nel MUAY. I risultati evidenziano che, senza misure di controllo efficaci, la resilienza ecologica continuerà a diminuire sotto le tendenze di sviluppo naturale. Lo studio conclude che il rafforzamento delle funzioni ecologiche delle aree centrali e l'ottimizzazione dei pattern spaziali attraverso strategie di protezione e ripristino ecologico (EPR) sono necessari per raggiungere i duplici obiettivi di ripristino degli ecosistemi e sviluppo urbano sostenibile. Il metodo di valutazione migliorato presentato serve come riferimento per regioni simili di agglomerati urbani che affrontano pressioni ecologiche e di sviluppo analoghe.

Limitazioni e Direzioni Future
Gli autori riconoscono che lo studio non ha incorporato le percezioni dei residenti riguardo all'ecosistema, limitando la completezza del sistema di indicatori. Inoltre, i vincoli dei dati hanno limitato l'analisi alla scala municipale, potenzialmente oscurando le variazioni di resilienza a livello di contea e comune. Per la ricerca futura si suggerisce di includere indicatori di percezione ecologica, condurre studi empirici a scale spaziali più fini e ottimizzare i modelli di previsione per ridurre la soggettività nella selezione dei parametri.