黃土高原生境質量時空演變及其驅動因素

周璐紅曹瑞超

(1.長安大學 土地工程學院,陜西 西安710054;2.長安大學地球科學與資源學院,陜西 西安710054;3.陜西省土地整治重點實驗室,陜西 西安710054)

20世紀90年代以來,全球自然生態(tài)環(huán)境不斷變化,人類社會和生態(tài)系統(tǒng)的協(xié)調發(fā)展面臨巨大挑戰(zhàn)。生境質量是指生態(tài)環(huán)境在一定的時間和空間內所能夠提供物種生存繁衍適宜條件的能力[1]。生境質量包括自然資源和整個生態(tài)環(huán)境的各種要素,其高低可反映人類生存環(huán)境的優(yōu)劣[2-5]。隨著城市化及農業(yè)現(xiàn)代化速度加快,資源配置流動性增強,生境質量因素對區(qū)域土地利用類型及其空間分布影響重大。因此,評價和模擬土地利用變化和生境質量變化成為眾多國內外生態(tài)、地理領域研究的熱點[6-8]。生境質量評價研究主要在研究尺度和方法模型等方面存在不同。研究尺度涉及大中小各種尺度行政單元,陳妍等綜合北京市區(qū)劃范圍及地形地貌單元來對研究區(qū)域內生境質量變化規(guī)律進行了具體分析[9];王瓊等[10]則將蒲河流域作為其研究對象,在探討流域內生境質量狀況的基礎上又進一步分析了其與水質響應的關系。另外還有神農架林區(qū)、大別山區(qū)、自然保護區(qū)等特殊區(qū)域尺度,其中,周婷等[11]運用人類足跡指數(shù)和地理加權回歸模型等方法研究了神農架林區(qū)生境質量與人類活動之間的關系;黃木易等[12]將皖西大別山作為研究區(qū)域分析了其生境質量和景觀格局的時空演變特征以及二者的空間相關性;祝萍等[13]以我國典型的國家級自然保護區(qū)為例進行了大尺度范圍的生境質量方面的研究;黃賢峰等[14]探討了1990—2017年我國喀斯特自然保護區(qū)內土地利用變化狀況對生境質量的影響。評價所使用的評價模型主要包括In VEST模型、max ENT模型、Sol VES模型等。其中,劉振生等[15]采用了基于生態(tài)位原理的max ENT模型并發(fā)揮了該模型預測功能良好的特點對賀蘭山巖羊的生境適宜度進行了評價;王玉等[16]運用Sol VES模型對吳淞炮臺灣濕地森林公園的美學、生物多樣性、文化娛樂等服務功能價值進行了量化和分析。對比研究發(fā)現(xiàn),In VEST模型的生境質量模塊是較為成熟和具有代表性的評估模型,可快速評估不同威脅源與地類對生物多樣性的影響。

黃土高原多季節(jié)性集中降水,外加地形破碎,土質松散等因素,致其水土流失、植被退化等問題顯著[17-19]。生態(tài)環(huán)境脆弱是其最主要的特征,黃土高原在全國生態(tài)安全戰(zhàn)略和發(fā)展穩(wěn)定大局中具有極為重要的地位。因此,本文將黃土高原作為研究區(qū)域,運用In VEST模型、空間自相關模型以及地理探測器模型對黃土高原生境質量的時空演變和影響因素進行分析研究,旨在為黃土高原的生態(tài)治理和保障區(qū)域生態(tài)安全提供科學參考。

1 研究區(qū)概況

黃土高原位于中國中部偏北部(100°—114°E,31°—41°N),為中國四大高原之一,包括了山西省、寧夏回族自治區(qū)的全域以及青海省、甘肅省、陜西省、河南省、內蒙古自治區(qū)的部分轄區(qū),面積6.35×105km2[20]。地勢西北高東南低,地貌形態(tài)可分為山地、丘陵、梁、塬、峁,主要由山西高原、陜甘晉高原、隴中高原、鄂爾多斯高原和河套平原組成。黃土高原的氣候既受經、緯度的影響,又受地形的制約,具有典型的大陸季風氣候特征。黃土高原區(qū)域年平均溫度為3.6～14.3℃,氣溫年較差和日較差大,且東部和西部的溫度變化較大。黃土高原年平均降水量約在300～700 mm之間,但大部分區(qū)域在400～600 mm之間。黃土高原土壤類型豐富,主要包括黃綿土、褐土、壚土、灌淤土和風沙土等,土層富含碳酸鈣、磷、鉀、錳等元素。黃土高原野生動物資源豐富,包括80多種獸類,190多種鳥類和70多種畜禽。黃土高原地區(qū)礦產資源包括能源礦產、金屬礦產和非金屬礦產共77種,其中煤炭資源儲量最大。由于黃土高原區(qū)域范圍較大,因此借鑒現(xiàn)有研究成果對黃土高原進行分區(qū)以便于后文對生境質量開展多尺度范圍的分析[21],分區(qū)結果如圖1所示。

圖1 黃土高原范圍與分區(qū)

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源及處理

土地利用數(shù)據(jù)作為生境質量評價中的基礎數(shù)據(jù),其來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http:∥www.resdc.cn/),空間分辨率為30 m,并根據(jù)本文研究所需對地類進行了整理合并;此外,用于黃土高原生境質量驅動因素分析的數(shù)據(jù)包括:①氣象數(shù)據(jù)包括降水數(shù)據(jù)和氣溫數(shù)據(jù),來源于國家青藏高原科學數(shù)據(jù)中心(http:∥westdc.westgis.ac.cn/)的“中國區(qū)域高時空分辨率地面氣象要素驅動數(shù)據(jù)集”,空間分辨率為1 km,時間分辨率為3 h,通過數(shù)據(jù)預處理將原始數(shù)據(jù)統(tǒng)一為1 km的年平均降水及氣溫數(shù)據(jù);②DEM數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn/),分辨率為30 m,按掩膜提取研究區(qū),進行多環(huán)緩沖區(qū)分析、重分類等處理之后的柵格數(shù)據(jù)作為高程因子數(shù)據(jù);③用表面分析中的坡度工具計算坡度之后,再進行重分類的柵格數(shù)據(jù)作為坡度因子數(shù)據(jù)。遙感數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn/),空間分辨率為30 m;④人口數(shù)據(jù)和GDP數(shù)據(jù)均來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http:∥www.resdc.cn/),并對數(shù)據(jù)進行坐標投影轉換、數(shù)據(jù)重采樣、空間配準以及均值處理后得到多年平均柵格數(shù)據(jù)。

2.2 研究方法

2.2.1 In VEST模型生境質量模塊 In VEST生境質量模型通過結合景觀類型敏感性和外界威脅強度來計算生境質量,計算公式為:

式中:Dxj為生境退化指數(shù);R為脅迫因子;y為脅迫因子r柵格圖層的柵格數(shù)量;Yr為脅迫因子所占的柵格數(shù)量;wr為脅迫因子的權重;ry為柵格y的脅迫因子值;βx為柵格x的可達性水平;Sjr為生境類型j對脅迫因子r的敏感性;iryx為柵格y的脅迫因子值ry對生境柵格x的脅迫水平。

式中:Qxj為土地利用類型j中柵格x的生境質量;k為半飽和參數(shù);Hj為土地利用類型j的生境適宜性;z為歸一化常量;Dxj為土地利用類型j中柵格x所受的脅迫水平。

參考模型指導手冊、現(xiàn)有相同研究區(qū)域的研究成果[22-23]和研究區(qū)自身特點來確定威脅因子最大影響距離、權重、線性衰減或指數(shù)衰減類型(表1)以及生境適宜度和不同生境對威脅因子的敏感性(表2)。式中:dxy為目標地與威脅源的直線距離;drmax為脅迫因子r的最大脅迫距離。

表2 各生境類型適宜度及對威脅因子敏感性

表1 威脅因子及其權重

2.2.2 空間自相關 空間自相關是指地理事物的某一屬性在不同位置上的相關程度,表示某位置的觀測值是否獨立于該變量在鄰近位置的值,全局Moran’sI指數(shù)可以反映空間鄰近區(qū)域單元屬性值的相似程度。Moran’sI指數(shù)值域為[-1,1],正值為正相關,負值為負相關,零值不相關。局部自相關能幫助分析空間屬性的異質性特征,計算每個空間單元與鄰近單元的某一屬性的相關程度,借助LISA集聚圖可以直觀地表達局部自相關的分布格局。表達公式為:

式中:I為Moran’sI指數(shù);Z(G*i)為冷熱點指數(shù);n為研究區(qū)的空間網(wǎng)格單元數(shù)量;xi和xj分別為空間單元i和空間單元j的觀測值;為空間單元的平均值;wij為空間單元i和j的權重矩陣。

2.2.3 地理探測器 地理探測器是探測空間分異、揭示其背后驅動因子的一種統(tǒng)計學方法[24],被應用于多個領域。

本文運用地理探測器對生境質量空間分布特性的驅動因子及因子之間與生境質量的相關性程度進行探討。計算公式為:

式中:q是一個影響因子對生境質量時空變化的解釋力;h是因子的分類或分區(qū)數(shù);L是影響因子的樣本數(shù);Nh,N分別是h類和整個區(qū)域的單元數(shù);σ2h,σ2是區(qū)h和整個區(qū)域的方差。q取值范圍為[0,1],q值越大,生境質量的空間異質性越強。交互作用探測用來識別因素之間的相互作用關系,并評估它們的組合效應以觀察任何一對因素共同作用是否會增加或降低對生境質量空間分布的解釋力(表3)。

表3 雙因子交互作用結果類型

3 結果與分析

3.1 生境質量評價結果

利用In VEST模型生境質量模塊對黃土高原2000,2010和2020年的生境質量進行評價,生境質量值越接近1,說明生境質量越高,區(qū)域生境越完整,并具有相對應的功能和結構,對于生物多樣性的維持越有利。

選擇自然斷點法將評價結果劃分為高、較高、中等、較低和低5個等級,生境質量各等級分布情況以及面積比例如圖2—3及表4所示。并對生境質量評價結果以黃土高原地理中心點為起點,向8個方向構建網(wǎng)格帶進行取值,以分析黃土高原生境質量在空間方位上的分布及變化。

圖2 研究區(qū)生境質量評價結果

表4 各區(qū)域各生境質量等級面積比例

從整個黃土高原尺度看,生境質量呈現(xiàn)不斷向好的態(tài)勢。其中,2000—2010年,低等級面積減少、中等級面積增加、高等級面積基本保持不變;2010—2020年,低等級面積比例保持穩(wěn)定、中等級面積減少、高等級面積增加。兩個年份中變化的面積比例為20%左右,說明2000—2020年黃土高原區(qū)域有近15%的面積的生境質量由較低變化為中等,5%左右的面積等級從較高提升至高。

圖3 研究區(qū)生態(tài)區(qū)各生境質量等級面積比例

從各個生態(tài)帶尺度看,生境質量面積變化主要集中在中等和較低等級,其他等級均呈小幅波動。A,B,C和D生態(tài)帶中較低等級分別減少了4.63%,14.08%,22.84%和19.61%,中等級分別增加了4.12%,14.5%,23.37%和18.94%,減少面積和增加面積的比例基本持平。

從生態(tài)區(qū)的尺度看,A1,A2,A3,A4,A5生態(tài)區(qū)高等級和低等級生境質量面積比例高于其他生態(tài)區(qū)的,生境質量沒有達到最優(yōu)狀態(tài)區(qū)間;D3生態(tài)區(qū)高等級和低等級生境質量面積比例最低,中等和較低等的比例之和達到D3的80%,說明D3生態(tài)區(qū)的生境質量已接近最優(yōu)狀態(tài);A6生態(tài)區(qū)生境質量最好,其高等級和中等的面積之和比例大于70%;B2,B4,B5和D1生態(tài)區(qū)生境質量的高等級比例雖不是最高,但其低等級面積比例較少,綜合質量良好;B1,B3,C1,C2,C3,D2,D4生態(tài)區(qū)中較低和低等級生境質量比例最大,生境質量最低。此外,從時間變化角度看,A6,B2,B3,B4,C1,D1,D2和D4的生態(tài)環(huán)境總體質量提升較明顯。

從空間方位的角度看,W—E方向中,東部生境質量較穩(wěn)定,并未隨時間而發(fā)生較大的起伏變化,只有小幅度的波動,西部的整體質量優(yōu)于東部;N—S方向中,整體看南部生境質量高于北部,南部變化較穩(wěn)定,而北部大部分區(qū)域生境質量出現(xiàn)下滑的狀況;WS—EN方向中,整個方位的質量都處于中上水平,西南方向比東北方向穩(wěn)定,但東北部的生境質量提升幅度要大于西南部;ES—WN方向中,東南方位的生境質量變化不大但水平相差較大,而西北方向質量水平均處于中等水平但出現(xiàn)小幅度的下降。

3.2 生境質量空間關聯(lián)性

對研究區(qū)建立10 000×10 000的格網(wǎng),以識別其生境質量格局和時空分異性。對所有網(wǎng)格進行求均賦值作為黃土高原生境質量的表征,在GeoDa中分別對2000,2010以及2020年的生境質量分布格局開展空間自相關分析,研究其時空分異性。通過全局自相關分析得出,2000,2010和2020年黃土高原全局Moran’sI指數(shù)均大于0,分別為0.714,0.706和0.694,說明黃土高原生境質量具有較高的空間正相關性,在空間分布上呈現(xiàn)出一定程度的集聚現(xiàn)象。而3個年份的Moran’sI指數(shù)呈現(xiàn)逐漸下降的趨勢,說明研究區(qū)域生境質量空間集聚性呈現(xiàn)小幅度下降,空間分布差異性漸趨均衡。其中,2010—2020年的下降幅度大于2000—2010年,同時也說明了黃土高原生境質量空間差異性縮小的速度在不斷加快。

LISA集散圖既可以表達黃土高原生境質量是否呈現(xiàn)分布的集聚性特征,同時還可以用于識別生境質量分布的“熱點區(qū)”以及“冷點區(qū)”。由圖4可以看出,黃土高原生境質量集聚區(qū)主要分布在西北部和東南部。兩個方位均有“高—高”和“低—低”的類型分布,但西北部主要為“低—低”型區(qū)域,東南部主要為“高—高”型區(qū)域。2000—2020年,生境質量空間聚集變化情況整體上穩(wěn)定,但隨著時間的推移,西部“低—低”型區(qū)域的面積擴大,南部“低—低”型區(qū)域面積縮小,“低—低”型區(qū)域增加說明該區(qū)域的生態(tài)保護工作仍需要提高強度,防止生境質量逐步下降。另外,“高—低”型區(qū)域和“低—高”型區(qū)域極少,主要分散布局在集聚區(qū)的周邊范圍。集聚性不顯著區(qū)域則以東北—西南走向并向東南方向突出的彎帶狀斜穿于整個黃土高原。

圖4 研究區(qū)生境質量值LISA集散圖

3.3 生境質量空間分異驅動因素分析

結合黃土高原自然生態(tài)環(huán)境實際情況以及高質量發(fā)展要求,在具備柵格數(shù)據(jù)處理的可操作性的基礎上,從人與自然的關系的視角選取了7個黃土高原生境質量驅動因子,分別是NDVI、氣溫、降水、GDP、海拔、坡度以及人口。每個驅動因子都分別選取了2000,2005,2010,2015年以及2020年的數(shù)據(jù),并求得均值,結果用于驅動因素分析。運用地理探測器對黃土高原生境質量空間分異特征的影響因子進行單因子探測和交互探測分析,得出各因子之間的交互作用程度。①GDP與高程、坡度具有負相關性;與降水、氣溫、人口以及NDVI具有正相關性。②高程與降水、氣溫、NDVI的散點分布相對分散且呈西北—東南走向,顯著負相關;高程與坡度的散點分布呈西南—東北走向;高程與人口的相關值為-0.15,與人口相關性不高。③降水與氣溫、人口、坡度、NDVI呈正相關,與NDVI相關性最強,與人口的相關性最不突出。④氣溫與人口、NDVI具有正相關性;氣溫與坡度的相關性很低。⑤人口與GDP高度相關,人口的擬合曲線走勢與GDP因子相似,均表現(xiàn)出低值頻數(shù)大的特點;人口與NDVI及坡度具有正相關性,但相關性程度不高。⑥NDVI的數(shù)值頻數(shù)差異在所有驅動因子中最小,與坡度的相關值為0.28,具有正相關性。⑦黃土高原生境質量驅動因子中,GDP與人口、降水與NDVI的相關程度高,具有高度相關性;高程與其他因子多呈現(xiàn)出負相關。⑧在自然生態(tài)環(huán)境的改善過程中,應重視森林植被覆蓋方面的因素對生境質量的影響力度,不可忽視“牽一發(fā)而動全身”的效應。雖然氣溫因子、降水因子、坡度因子和高程因子的可控性較低,但可以將其作為出發(fā)點,散射出更多的思考角度。

由公式(8)計算得到黃土高原生境質量因子影響值,結果詳見表5。由表5可知:①黃土高原生境質量因子影響程度大小為:NDVI＞降水＞坡度＞GDP＞人口＞高程＞氣溫,2000—2020年,各驅動因子對生境質量的決定力變化幅度不大且影響順序未發(fā)生明顯改變,說明各因子對生境質量的影響較穩(wěn)定。②NDVI的q值大于其他影響因子的,是生境質量空間分異的主導因子。③降水的q值由0.365 8增長至0.366 4,影響程度增加。④坡度、GDP、人口、高程和氣溫因子的q值在0.23左右,影響程度接近,影響力較低但持續(xù)穩(wěn)定影響區(qū)域生境質量。因此黃土高原未來要加大保護自然環(huán)境的力度,根據(jù)生態(tài)分區(qū)實施生態(tài)措施、恢復生物多樣性等提高生境質量水平。

表5 黃土高原生境質量因子影響值

4 討論與結論

4.1 結論

(1)黃土高原生境質量在空間分布上呈現(xiàn)出較強的空間聚集性。中部暖溫帶半濕潤半干旱農林牧生態(tài)帶的生境質量水平最高,北部溫帶干旱半干旱農牧生態(tài)帶的生境質量水平次之,西北部溫帶半干旱農牧生態(tài)經濟帶以及南部暖溫帶半濕潤農林生態(tài)帶的生境質量距離最優(yōu)狀態(tài)仍有較大差距。

(2)黃土高原生境質量的驅動因子中,NDVI因子起到了主導作用,與其他驅動因子具有較強的相關性,并潛在影響著自然因素因子。人口和GDP與其他因子相關性較強,對這些可控程度高的因子應制定符合區(qū)域實際狀況的發(fā)展策略。

4.2 討論

(1)生境質量是生態(tài)系統(tǒng)服務能力的重要表征之一,運用In VEST模型進行生境質量評價雖然可以提高采用純數(shù)值計算生境質量評價結果的可視性,但In VEST模型中威脅因子的參數(shù)設置仍有一定的主觀性,影響評價結果,未來運用該模型時可以增加難以量化的人為威脅源,如生態(tài)環(huán)境污染類等數(shù)據(jù)來完善區(qū)域生境質量評價結果。

(2)由于本文研究內容涉及到地理空間維度,因此一些數(shù)據(jù)不易獲取或以地理空間數(shù)據(jù)形式呈現(xiàn),所以本文選取了NDVI、氣溫、降水、GDP、海拔、坡度以及人口7個驅動因子進行分析以揭示其對生境質量的作用程度以及各因子之間的相關性。后期研究者可以考慮更加全面的驅動因子對區(qū)域生境質量的影響。

(3)本文研究為黃土高原,區(qū)域面積較大。為確保研究結果的準確性,未來研究者可以在條件允許的情況下,建立小區(qū)域的試驗觀測區(qū),來對研究結果進行驗證和分析。