基于SRP模型的四川省生態(tài)脆弱性評價

金麗娟, 許泉立,*

基于SRP模型的四川省生態(tài)脆弱性評價

金麗娟1,2,3,4, 許泉立1,2,3,4,*

1. 云南師范大學地理學部, 昆明 650500 2. 云南師范大學西部資源環(huán)境GIS技術教育部工程研究中心, 昆明 650500 3. 云南省地理空間信息技術工程技術研究中心, 昆明 650500 4. 云南省高校資源與環(huán)境遙感重點實驗室, 昆明 650500

綜合評價四川省生態(tài)環(huán)境脆弱性, 掌握四川省生態(tài)脆弱性的時空分布特征, 有助于為生態(tài)環(huán)境治理和修復工作的實施與改進提供理論支持。以土地利用數(shù)據(jù)、DEM數(shù)據(jù)、MODIS 13Q數(shù)據(jù)、氣象數(shù)據(jù)、土壤數(shù)據(jù)等為基礎地理數(shù)據(jù), 選取人口密度、土壤有機質(zhì)、景觀多樣性指數(shù)、土壤侵蝕強度、生物豐度、植被凈初級生產(chǎn)力等17個評價指標, 基于地理信息技術和遙感技術, 結合SRP模型, 采用層次分析方法構建四川省生態(tài)脆弱性評價指標體系, 對四川省2005—2018年的生態(tài)環(huán)境脆弱性進行評價。結果表明: 四川省生態(tài)環(huán)境脆弱性以中度脆弱為主, 占全省總面積的55.11%?？臻g分布上, 微度、輕度脆弱區(qū)主要分布在研究區(qū)的東南部、西南部和西北部; 重度脆弱區(qū)主要分布在研究區(qū)的東北部、西南部和東部; 極度脆弱區(qū)主要分布在研究區(qū)的中部、東北部、西部和西南部。時間變化上, 2005—2010年四川省生態(tài)環(huán)境脆弱性呈逐年惡化的趨勢, 微度、輕度脆弱面積占比較2005年分別下降了1.67%、29.87%, 中度、重度、極度脆弱面積占比較研究初期分別增加了1.07%、27.7%、2.77%; 2010-2018年四川省生態(tài)環(huán)境脆弱性呈不斷改善的趨勢, 微度、輕度、中度脆弱面積占比分別較2010年增加了3.36%、9.4%、12.84%, 重度、極度脆弱面積占比較2010年下降了22.39%、1.2%。

生態(tài)脆弱性; SRP模型; 層次分析法; 四川省

0 前言

隨著社會經(jīng)濟的高速發(fā)展, 城市化進程的不斷推進以及人類活動強度的增加, 氣候和土地利用變化導致的全球生態(tài)環(huán)境問題日益突出, 諸如生態(tài)系統(tǒng)退化、生物多樣性銳減、水土流失、土地荒漠化、環(huán)境污染、自然災害頻發(fā)等問題不斷涌現(xiàn)[1], 直接影響著區(qū)域的自然條件和社會經(jīng)濟發(fā)展狀況, 同時也呈現(xiàn)出生態(tài)環(huán)境的脆弱性。隨著全球環(huán)境變化影響研究的不斷深入, 有關生態(tài)脆弱性各方面內(nèi)容的探索逐步成為環(huán)境變化與可持續(xù)發(fā)展的熱點與核心問題, 其研究內(nèi)容不斷擴展, 研究領域日趨廣泛并且呈現(xiàn)多學科融合的趨勢[2]。黨的十八大以來, 習總書記不斷強調(diào)生態(tài)文明建設的重要性, “綠水青山就是金山銀山”的理念不斷深入人心。2019年四川省生態(tài)環(huán)境廳全省生態(tài)環(huán)境監(jiān)測方案指出, 要加強生態(tài)狀況遙感監(jiān)測, 為生態(tài)保護提供堅強支撐, 開展省域和典型生態(tài)區(qū)域的生態(tài)狀況監(jiān)測與評價。

目前相關領域的很多學者和專家都對生態(tài)環(huán)境的可持續(xù)發(fā)展和生態(tài)脆弱性進行了大量的研究, 諸如徐慶勇等基于遙感和地理信息系統(tǒng), 結合空間主成分分析方法構建評價指標體系, 采用層次分析方法確定指標權重, 對珠江三角洲生態(tài)環(huán)境脆弱性進行綜合評價[3]。齊珊珊基于生態(tài)敏感性-生態(tài)恢復力-生態(tài)壓力模型, 結合層次分析方法, 通過計算景觀結構指數(shù)、土壤侵蝕強度、植被覆蓋度和人口密度等生態(tài)環(huán)境脆弱性評價指標評價甘肅省白龍江流域的生態(tài)環(huán)境[4]。賈艷紅等利用生態(tài)安全評價狀態(tài)-壓力-響應概念框架模型, 通過計算海拔高度、草地覆蓋率、草原退化率和濕潤度等評價指標權重, 結合熵權法和綜合評價法對甘肅牧區(qū)的生態(tài)安全進行評價, 結果表明使用熵權法確定評價指標權重能減少評價過程中人為因素的干擾, 評價結果更客觀合理[5]。徐洲洋基于2000到2016年間四川省社會、經(jīng)濟、農(nóng)業(yè)和生態(tài)等統(tǒng)計數(shù)據(jù), 構建壓力-狀態(tài)-響應模型, 分市級和縣級兩種尺度對四川省區(qū)域生態(tài)系統(tǒng)健康進行綜合評價與分析[6]。農(nóng)蘭萍等通過遙感技術手段, 采用遙感生態(tài)指數(shù)模型, 通過計算綠度、濕度、干度和熱度四個生態(tài)指標, 結合主成分分析方法對昆明市生態(tài)環(huán)境質(zhì)量進行動態(tài)監(jiān)測與評價研究[7]?？梢? 對各區(qū)域生態(tài)環(huán)境脆弱性的評價已經(jīng)成為該領域一個重要的研究方向。因為自然因素和社會人為因素的共同影響, 生態(tài)環(huán)境脆弱性問題在四川省表現(xiàn)得越來越明顯, 目前對四川省的研究主要集中在水資源承載力動態(tài)評價、生態(tài)系統(tǒng)服務價值評估、遙感數(shù)據(jù)在生態(tài)環(huán)境狀況評價中的不確定性研究、基于遙感生態(tài)指數(shù)的生態(tài)環(huán)境質(zhì)量評價、生態(tài)安全及時空演變分析等方面[8-13], 對生態(tài)環(huán)境脆弱性的研究相對較少。因此本文結合遙感影像、地理信息系統(tǒng)和SRP概念模型, 選取17個涵蓋地形、地表、氣象、結構、功能和壓力等多個方面的評價因子對四川省進行生態(tài)脆弱性評價, 分析四川省2005—2018年生態(tài)脆弱性的時空變化趨勢, 為四川省生態(tài)環(huán)境恢復和生態(tài)文明建設提供參考依據(jù)。

1 研究區(qū)概況

四川省位于中國西南部, 處長江上游, 享有“天府之國”的美譽, 全省面積約48.6萬km2, 2019年末全省戶籍人口9099.5萬人, 常住人口8375萬人, 轄18個地級市、3個自治州, 183個縣級行政區(qū), 與重慶、貴州、云南、西藏、青海、甘肅和陜西等7省(自治區(qū)、直轄市)接壤。生物資源豐富, 全省有高等植物近萬種, 約占全國總數(shù)的1/3, 是中國乃至世界的珍貴物種基因庫之一; 境內(nèi)河川徑流豐富, 被譽為“千河之省”, 人均水資源量高于全國, 但時空分布不均勻; 季風氣候明顯, 雨熱同季, 不同地區(qū)之間氣候差異顯著, 垂直變化大, 有利于農(nóng)、林、牧業(yè)綜合發(fā)展; 氣象災害頻發(fā), 波及范圍大, 主要涉及干旱、暴雨、洪澇和地震等。復雜的地理環(huán)境, 加上人類對自然資源的過度開發(fā)以及汶川地震、雅安地震的影響, 四川省大部分地區(qū)生態(tài)環(huán)境日益退化, 因此科學研究四川省生態(tài)脆弱性重要而緊迫。

2 材料和方法

2.1 數(shù)據(jù)來源

四川省地形條件復雜, 自然災害頻發(fā), 基于統(tǒng)計數(shù)據(jù)和影像數(shù)據(jù), 選擇多個評價指標, 通過這些指標之間的內(nèi)在關系, 全方位選擇數(shù)據(jù)來源, 對研究區(qū)的生態(tài)環(huán)境脆弱性進行評價研究。本文主要選取17個變量作為評價指標, 使用Yaahp軟件通過層次分析方法確定各評價指標權重, 并根據(jù)人地耦合系統(tǒng)脆弱性概念框架[16]賦予相應權重, 具體評價指標選取情況及權重如表1所示。

2.2 評價方法

SRP模型(sensitivity-resilience-pressure)即“敏感-恢復-壓力”模型, 是一種評價區(qū)域生態(tài)脆弱性的綜合模型, 在一定的區(qū)域和時間內(nèi), 由于生態(tài)系統(tǒng)內(nèi)部結構不穩(wěn)定, 會對外界表現(xiàn)出敏感性, 同時因為系統(tǒng)缺乏自我調(diào)節(jié)能力會往不利于自身發(fā)展的方向演變, 因此呈現(xiàn)出恢復力[14]。SRP模型包括生態(tài)脆弱性的各個評價指標, 通過賦予每個指標不同的權重值和指數(shù), 并對全部的權重值和指數(shù)相乘的結果進行累加, 最終求出生態(tài)脆弱性指數(shù)[15], 其計算方法如下所示:

式(1)中,為生態(tài)脆弱性指數(shù), 其值越大, 生態(tài)脆弱性程度越低,的取值范圍為(0, 1),F為第個指標指數(shù),W為第個指標所對應的權重。

2.3 評價指標標準化

以上17個指標性質(zhì)不同, 量綱不一致, 需要對所選取的評價指標采用極差標準化方法進行標準化處理, 標準化處理公式如下[17]:

表1 四川省生態(tài)環(huán)境脆弱性評價指標AHP權重及數(shù)據(jù)來源說明

式(2)、(3)中,X代表第個評價指標的標準化值;X為第個評價指標的原始數(shù)據(jù);X代表第個指標的最大值;X代表第個指標的最小值。

2.3 評價指標計算

(1)生態(tài)壓力度

生態(tài)壓力指生態(tài)環(huán)境受到外界環(huán)境影響, 危及生態(tài)系統(tǒng)穩(wěn)定性而產(chǎn)生的環(huán)境效應, 一般包括人口活動壓力和經(jīng)濟活動壓力[18], 本文用人口密度、單位建設用地和耕地占比表示, 其中人口密度反映生態(tài)環(huán)境的人口承載量[19], 單位建設用地和耕地占比利用土地利用數(shù)據(jù)中的建設用地、耕地兩種土地利用類型, 按照1 km ⅹ 1 km為格網(wǎng)計算每個格網(wǎng)里面的地類面積, 從而計算各個占比[20]。

(2)生態(tài)敏感性

生態(tài)敏感性指標的選擇應全面綜合地考慮研究區(qū)的尺度和復雜性, 遵循客觀性、相關性、數(shù)據(jù)資料易于獲取的原則[21], 本文主要選取地形因子、地表因子和氣象因子, 其中地形因子包括高程、坡度、坡向和地形起伏度; 地表因子主要是植被覆蓋度和土壤侵蝕強度; 氣象因子主要包括年均降水、年均氣溫。

①高程數(shù)據(jù)來源于USGS (https://earthexplorer. usgs.gov/)網(wǎng)站下載的ASTGTM數(shù)據(jù), 進行鑲嵌得到四川省的DEM, 從而借助ArcGIS軟件提取高程、坡度、坡向和地形起伏度等地形因子。其中地形起伏度表示最高點與最低點的高差, 根據(jù)地形起伏度分類標準對四川省進行分類[22], 得出四川省主要以丘陵、小起伏山地和中起伏山地為主, 丘陵主要分布在四川省的東部地區(qū), 山地主要分布在西部地區(qū)。

②植被覆蓋度是衡量區(qū)域植被生長狀況的一個重要指標, 受降水和氣溫等氣候因素的影響較大, 對生態(tài)環(huán)境的自我調(diào)節(jié)與恢復起著重要作用。本文采用MODIS 13Q數(shù)據(jù), 運用最大值合成計算全年最大NDVI合成值。

式(4)中:表示植被覆蓋度;表示歸一化植被指數(shù);、分別表示的最大值和最小值。

③土壤侵蝕強度是地殼表層土壤在自然營力和人類活動作用下, 單位面積和單位時間內(nèi)被剝蝕并發(fā)生移動的土壤侵蝕量, 本文采用改進的土壤侵蝕模型RUSLE計算[23], 具體為:

式(5)中,代表土壤侵蝕模數(shù), 單位: t/(hm2·a) (每年每公頃土地流失的噸數(shù));代表降雨侵蝕力因子, 單位: MJ ·mm/(hm2·h·a);代表土壤可蝕因子, 單位: t·hm2·h/ hm2·MJ·mm;代表坡度坡長因子;代表植被覆蓋度因子;代表水土保持措施因子。

降雨侵蝕力因子R采用降雨量進行計算[14]:

式(6)中,P代表多年平均降雨量, 單位: mm;為每年的多年平均降雨量, 單位: mm;為降雨侵蝕力因子, 單位: MJ ·mm/(hm2·h ·a)。

土壤可蝕性因子是土壤面對侵蝕的敏感程度, 土壤資料數(shù)據(jù)來源于第二次全國土地調(diào)查南京土壤所1:100萬的土壤數(shù)據(jù), 主要使用其中的砂粒、粉粒、粘粒以及有機碳的含量4種數(shù)據(jù), 具體計算模型如下:

式(7)、(8)中,為土壤可蝕性因子, 單位為 t·hm2·h/ hm2·MJ·mm;S為沙粒含量(%),S為粉砂含量(%),C為粘粒含量(%),為有機碳含量(%),S=1-S/100。

坡度坡長因子(LS因子)表征地表狀態(tài)對土壤侵蝕的敏感性程度[24], 其計算公式如下:

式(9)中,為坡度坡長因子,為坡長,為坡度,為隨坡度變化的量。

植被覆蓋度因子反映植被的覆蓋度對水土流失的抑制程度, 其取值范圍[0, 1], 計算公式如式(10)所示, 植被覆蓋度因子值越大, 土壤侵蝕量越嚴重[25]。

水土保持措施因子是采取水土保持措施之后的土壤侵蝕量與順坡無水土保持種植時的土壤侵蝕量的比值, 取值范圍為0—1, 當因子值時 0 時, 代表該部分區(qū)域已施行相關水土保持措施, 且措施有效, 不再發(fā)生土壤侵蝕; 當因子值是 1 時, 代表該部分區(qū)域目前為止并未采取任何相關的水土保持措施來阻礙土壤侵蝕的發(fā)生和發(fā)展; 除此之外的任何情況,因子取值介于 0—1 之間, 水土保持措施因子根據(jù)研究經(jīng)驗進行賦值。

④年均降水, 降水是水循環(huán)過程的關鍵環(huán)節(jié), 準確掌握空間化降水信息對水資源管理、生態(tài)環(huán)境治理與修復具有重要意義[26-27]。本文主要對2005、2010、2015、2018年的年均降水量進行空間插值, 進而得到四川省年平均降水的空間分布規(guī)律。

⑤年均氣溫, 對2005、2010、2015、2018年的年平均氣溫數(shù)據(jù)集進行空間插值, 進而得到四川省年均氣溫的空間分布規(guī)律。

(3)生態(tài)恢復力

①景觀多樣性指數(shù)反映景觀類型豐富度和復雜度[15]。運用Fragstats軟件對土地利用數(shù)據(jù)運用移動窗口法, 窗口大小為1km, 計算公式如下:

式(11)中,為景觀類型數(shù),P為類景觀所占面積比。

②植被凈初級生產(chǎn)力(Net Primary Productivity, NPP)是陸地生態(tài)系統(tǒng)碳循環(huán)的重要組成部分, 既可以反映植被的物質(zhì)生產(chǎn)能力, 也可以揭示氣候環(huán)境變化[28]。本文采用2005、2010、2015和2018年的遙感數(shù)據(jù), 結合Potter和Field在Monteith基礎上改進的CASA模型[29-30], 計算公式如下所示。

式(12) 、(13)中,表示時間,表示空間,表示月份像元的植被凈初級生產(chǎn)力,為月份像元吸收的光合有效輻射;為月份像元的實際光合利用率。植被NPP隨參數(shù)時間和地點的變化而變化, 是評價植被生態(tài)變化的重要指標, 受氣候和人類活動共同影響。

③生物豐度是評價生態(tài)環(huán)境質(zhì)量的一項重要指標, 可以間接說明區(qū)域生態(tài)環(huán)境優(yōu)劣程度[14], 本研究生物豐度指數(shù)計算模型主要參照國家環(huán)境保護總局發(fā)布的《生態(tài)環(huán)境狀況評價技術規(guī)范(試行)HJ/ T192—2006》的標準, 結合土地利用數(shù)據(jù), 按式(14)進行計算[31-32]。

式(14)中,代表耕地面積,代表林地面積,代表草地面積,代表水域面積,代表建設用地面積,代表未利用地面積, 區(qū)域面積用表示。

3 結果與分析

3.1 四川省綜合判斷標準及結果

根據(jù)四川省復雜的生態(tài)環(huán)境特點, 結合四川省4個時期的基礎數(shù)據(jù)選取17個評價指標并賦予相應的權重, 將四川省不同時期的評價結果通過ArcGIS的自然間斷法對生態(tài)脆弱性程度等級進行劃分[33-35], 將其劃分為微度脆弱、輕度脆弱、中度脆弱、重度脆弱和極度脆弱5個不同等級, 具體的脆弱性程度劃分結果如表2所示。將四川省4個不同時期的生態(tài)脆弱性結果進行歸一化處理得到四川省生態(tài)脆弱性等級空間分布圖, 如圖2所示, 4個不同時期脆弱性程度的面積占總面積的百分比如表3所示。

表2 四川省生態(tài)脆弱性程度

表3 各時期脆弱區(qū)面積與比重表

3.2 四川省生態(tài)脆弱性時間變化特征

從全省視角分析, 四川省前5a的生態(tài)脆弱性呈逐漸惡化的趨勢, 2010年微度、輕度脆弱面積較2005年減少了153335.12km2, 中度、重度、極度脆弱面積較2005年增加了153335.23km2, 其中生態(tài)重度脆弱增加的最為明顯, 在2005年的基礎上脆弱面積占比增加了27.7%; 2010-2015年四川省生態(tài)環(huán)境總體呈略微改善的趨勢, 其中輕度脆弱面積較2010年少了12986.82 km2, 中度、重度脆弱面積較2010年增加13398.8 km2, 但是極度脆弱面積較少了418.31 km2; 2015-2018年生態(tài)環(huán)境呈不斷改善的趨勢, 其中微度、輕度、中度脆弱面積均有所增加, 增加比率分別為3.35%、12.08%、9.93%; 重度、極度脆弱面積較2015年均大幅度地較少, 減少比率分別為24.23%、1.12%。

從21個地級市角度分析, 2005-2010年由于受到汶川大地震的影響, 全省各個地級市生態(tài)脆弱性都呈不同程度增加, 如圖1所示, 其中阿壩藏族羌族自治州、甘孜藏族自治州、成都市、資陽市、遂寧市、廣安市、南充市等7個地級市生態(tài)環(huán)境惡化表現(xiàn)最為明顯, 重度、極度脆弱面積分別為28323.31 km2、63126.8 km2、 9507.4 km2、5491.47 km2、4371.56 km2、5021.17 km2、11485.01 km2; 2010-2018年, 由于汶川地震災后恢復重建對口支援方案的實施[36], 四川省各地級市的生態(tài)環(huán)境都得到了不同程度的改善, 其中改善最為明顯的是阿壩藏族羌族自治州、甘孜藏族自治州、成都市、德陽市、樂山市, 重度、極度脆弱面積較2010年減少的比率分別為21.75%、1.01%, 20.81%、1.33%, 33.88%、2.76%, 63.94%、1.67%, 22.62%、2.63%。

3.3 四川省生態(tài)脆弱性空間分布

四川省微度、輕度脆弱區(qū)主要集中分布在研究區(qū)西部的甘孜藏族自治州、雅安市, 西北部的阿壩藏族羌族自治州、綿陽市, 西南部的涼山彝族自治州、眉山市和南部的宜賓市、攀枝花市等地區(qū), 分別占全省面積的3.42%、24.05%, 主導因素為植被覆蓋度、生物豐度以及汶川地震災后恢復重建計劃的實施, 其中阿壩羌族藏族自治州、涼山彝族自治州、甘孜藏族自治州為最主要分布區(qū)域, 面積為144730.10 km2。良好的光熱條件使得此區(qū)域植被覆蓋度高、物種類別豐富, 而且森林與草地面積大, 人口密度低, 人類活動相對較少, 對生態(tài)環(huán)境的破環(huán)較輕, 加之汶川地震災后修復政策的大力實施, 這些正向因子相互作用使這些地區(qū)的生態(tài)環(huán)境脆弱性程度降低而且呈良性循環(huán)的狀態(tài)。

四川省生態(tài)脆弱性主要以中度脆弱為主, 占全省面積的55.11%, 其中中度脆弱占比最大的地區(qū)主要分布在東北部的廣安市、德陽市、南充市、巴中市, 中部的遂寧市、資陽市, 東南部內(nèi)江市, 南部自貢市、宜賓市等地區(qū), 中度脆弱面積為267877 km2, 西北部海拔高、坡度大, 森林覆蓋度高, 植被類型豐富等有利條件, 而東南部、南部和中部地區(qū), 降水量、平均相對濕度明顯增加, 地貌類型豐富, 這些有利因素使這些地區(qū)的生態(tài)環(huán)境脆弱性處于相對平衡的狀態(tài)。

四川省重度脆弱區(qū)幾乎遍布全省各個地級市, 占全省總面積的15.17%, 其中生態(tài)脆弱性重度脆弱最嚴重的地區(qū)主要分布在成都市、廣元市、巴中市、涼山彝族自治州、甘孜藏族自治州、達州市、攀枝花市和眉山市, 各市重度脆弱面積分別為3632.10 km2、3756.54 km2、2122.96 km2、11487.25 km2、3559.95 km2、1248.40 km2、899.29 km2, 主導因素是土壤侵蝕強度、土壤有機質(zhì)、人口密度、單位建筑用地, 這些區(qū)域在近幾年受到地震等自然災害的影響較大, 生態(tài)脆弱性偏高。

圖1 四川省各地級市2005—2018年生態(tài)脆弱性面積占比

Figure 1 Proportion of ecologically vulnerable areas in all prefecture-level cities of Sichuan Province from 2005 to 2018

圖2 四川省生態(tài)脆弱性等級空間分布

Figure 2 Spatial distribution of ecological vulnerability levels in Sichuan Province

四川省極度脆弱區(qū)在每個地級市均有分布, 占全省面積的2.26%, 其中極度脆弱最惡劣的地區(qū)主要是成都市、德陽市、廣安市、甘孜藏族自治州、雅安市、攀枝花市、遂寧市和眉山市, 它們的極度脆弱面積分別為623.50 km2、125.19 km2、63.41 km2、421.66 km2、166.45 km2、165.02 km2、82.57 km2、95.68 km2, 極度脆弱區(qū)雖然大部分均分布在成都平原的周邊區(qū)域, 但是植被覆蓋度低, 景觀破碎化程度高且景觀類型單一, 干燥度高, 耕地占比少, 建設用地多, 導致區(qū)域生態(tài)環(huán)境脆弱性程度突出。

4 討論

本文采用SRP模型探究了四川省生態(tài)環(huán)境脆弱性的時空變化趨勢, 研究各個影響因子之間的關系, 對于生態(tài)環(huán)境治理與修復具有重要的參考作用。但是由于SRP模型是經(jīng)驗統(tǒng)計模型, 難以保證很高的計算精度, 因此在利用模型估算土壤侵蝕量評價因子時計算的本地化特別關鍵, 由于條件限制, 本文在這一方面稍有欠缺, 在后期的研究中會加大對這一方面的改進。此外, 從時空尺度上分析, 四川省生態(tài)環(huán)境脆弱性波動變化且呈現(xiàn)出各地級市空間差異明顯的特征, 空間差異的變化與四川省的自然條件狀況和人文環(huán)境的影響有很大的關系; 從SRP模型構建結果來看, 評價指標中人口密度、植被覆蓋度、土壤侵蝕強度、年均降水量和景觀多樣性指數(shù)對生態(tài)環(huán)境脆弱性影響較大, 揭示了社會經(jīng)濟發(fā)展中自然因素和人文因素變化共同作用對生態(tài)環(huán)境脆弱性的影響, 這與彭文甫等[37]、賈虎軍[38]和龔勤林[39]的研究幾乎吻合, 因此在未來的研究中應加大對影響生態(tài)環(huán)境脆弱性因子的研究。

由于生態(tài)環(huán)境本身就具有復雜性特征, 而且研究區(qū)尺度太大, 涉及到的評價指標數(shù)據(jù)類型多樣且數(shù)據(jù)量大, 除此之外, 研究分析的時間也相對較長, 很容易忽略年份之間的細微變化。因此在后期的研究中, 應該對評價指標的選取再做更細一步的考量與篩選, 優(yōu)化生態(tài)環(huán)境脆弱性評價模型, 對生態(tài)環(huán)境的演變、時空發(fā)展趨勢進行更深層次的探索與研究。

5 結論

(1)從4個不同年份5個生態(tài)脆弱性等級的面積變化來分析, 2005、2010、2015年四川省生態(tài)環(huán)境脆弱性表現(xiàn)出逐年嚴重的趨勢, 但2018年生態(tài)環(huán)境脆弱性得到了很大程度的改善; 從空間分布角度來看, 4個不同年份中四川省生態(tài)環(huán)境脆弱性偏嚴重的地方主要分布在研究區(qū)的中部、西北部和東南部。錯綜復雜的地勢條件、復雜的生態(tài)環(huán)境、2008年汶川地震和2013年雅安地震的影響、廣泛的工農(nóng)業(yè)分布、眾多的人口以及對生態(tài)系統(tǒng)過度開發(fā)和利用都使生態(tài)環(huán)境脆弱性變得越來越嚴重。盡管如此, 四川省人民政府、四川省生態(tài)環(huán)境廳和有關部門開始頒布一系列有關治理當?shù)厣鷳B(tài)環(huán)境的法律法規(guī)[40], 使生態(tài)環(huán)境脆弱性惡化的趨勢得到有效地緩解且呈現(xiàn)不斷好轉的趨勢。

(2)時間維度上表現(xiàn)為: 2005-2010年四川省生態(tài)環(huán)境脆弱性微度、輕度脆弱面積占比分別較2005年下降了1.67%、29.87%, 中度、重度、極度脆弱面積占比較研究初期分別增加了1.07%、27.7%、2.77%, 因此四川省在2005-2010年生態(tài)環(huán)境脆弱性總體呈惡化的趨勢; 2010-2018年四川省生態(tài)環(huán)境脆弱性微度、輕度、中度脆弱面積占比分別較2010年增加了3.36%、9.4%、12.84%, 重度、極度脆弱面積占比較2010年減少了22.39%、1.2%, 因此四川省2010-2018年四川省生態(tài)環(huán)境脆弱性呈不斷改善的趨勢。

(3)空間維度上, 從生態(tài)脆弱性中各個脆弱性等級面積的占比分布來看, 微度、輕度脆弱區(qū)主要分布在研究區(qū)的東南部、西南部和西北部, 比率分別為3.42%、24.05%; 中度脆弱區(qū)主要分布在研究區(qū)的中部、東北部、東南部, 脆弱性面積占比為55.11%; 重度、極度脆弱區(qū)主要分布在研究區(qū)的中部、東北部、西部和西南部, 脆弱性面積占比分別為15.17%、2.26%。

結合地理信息技術、遙感技術和SRP生態(tài)脆弱性評價模型, 分析四川省生態(tài)脆弱性的空間分布和時空變化, 有助于識別四川省生態(tài)環(huán)境脆弱性敏感區(qū)域, 可以為四川省的生態(tài)治理與恢復提供理論支持。

[1] 張學玲, 余文波, 蔡海生, 等. 區(qū)域生態(tài)環(huán)境脆弱性評價方法研究綜述[J]. 生態(tài)學報, 2018, 38(16): 5970–5981.

[2] 田亞平, 常昊. 中國生態(tài)脆弱性研究進展的文獻計量分析[J]. 地理學報, 2012, 67(11): 1515–1525.

[3] 徐慶勇, 黃玫, 劉洪升, 等. 基于RS和GIS的珠江三角洲生態(tài)環(huán)境脆弱性綜合評價[J]. 應用生態(tài)學報, 2011, 22(11): 2987–2995.

[4] 齊姍姍. 流域生態(tài)脆弱性與生態(tài)系統(tǒng)服務相關關系研究[D]. 蘭州: 蘭州大學, 2017.

[5] 賈艷紅, 趙軍, 南忠仁, 等. 熵權法在草原生態(tài)安全評價研究中的應用—以甘肅牧區(qū)為例[J]. 干旱區(qū)資源與環(huán)境, 2007(1): 17–21.

[6] 徐洲洋. 基于PSR模型的四川生態(tài)系統(tǒng)健康時空動態(tài)研究[J]. 國土資源遙感, 2020, 32(2): 251–258.

[7] 農(nóng)蘭萍, 王金亮. 基于RSEI模型的昆明市生態(tài)環(huán)境質(zhì)量動態(tài)監(jiān)測[J]. 生態(tài)學雜志, 2020, 39(6): 2042–2050.

[8] 劉童, 楊曉華, 趙克勤, 等. 基于集對分析的水資源承載力動態(tài)評價—以四川省為例[J]. 人民長江, 2019, 50(9): 94–100.

[9] 周小平, 馮宇晴, 羅維, 等. 兩種生態(tài)系統(tǒng)服務價值評估方法比較研究—以四川省金堂縣三星鎮(zhèn)土地整治工程為例[J]. 生態(tài)學報, 2020, 40(5): 1799–1809.

[10] 潘倩, 徐亮, 周春蘭. 多尺度遙感數(shù)據(jù)在生態(tài)環(huán)境狀況評價中的不確定性研究—以四川省松潘縣為例[J]. 四川環(huán)境, 2019, 38(5): 114–118.

[11] 胡翔, 白文科, 董鑫. 四川省九寨溝縣地震前后區(qū)域生態(tài)環(huán)境質(zhì)量評價[J]. 生態(tài)學雜志, 2020, 39(3): 969–978

[12] 秦青, 劉晶茹, 于強, 等. 四川省大熊貓保護地生態(tài)安全及其時空演變[J]. 生態(tài)學報, 202030, (20): 1–12

[13] 朱捷緣, 盧慧婷, 王慧芳, 等. 汶川地震重災區(qū)恢復期生態(tài)系統(tǒng)健康評價[J]. 生態(tài)學報, 2018, 38(24): 9001–9011.

[14] 烏寧巴特, 劉新平, 馬相平. 葉爾羌河流域土地生態(tài)脆弱性差異評價[J]. 干旱區(qū)地理, 2020, 43(3): 849–858.

[15] 李永化, 范強, 王雪, 等. 基于SRP模型的自然災害多發(fā)區(qū)生態(tài)脆弱性時空分異研究—以遼寧省朝陽縣為例[J]. 地理科學, 2015, 35(11): 1452–1459.

[16] 田亞平. 區(qū)域人地耦合系統(tǒng)脆弱性: 概念內(nèi)涵與評價指標[C]//中國地理學會自然地理專業(yè)委員會甘肅省地理學會, 蘭州大學資源環(huán)境學院, 2012.

[17] 鐘曉娟, 孫保平, 趙巖, 等. 基于主成分分析的云南省生態(tài)脆弱性評價[J]. 生態(tài)環(huán)境學報, 2011, 20(1): 109–113.

[18] 喬青, 高吉喜, 王維, 等. 生態(tài)脆弱性綜合評價方法與應用[J]. 環(huán)境科學研究, 2008(5): 117–123.

[19] 舒英格, 彭文君, 周鵬鵬. 基于灰色三角白化權集對分析模型的喀斯特山區(qū)農(nóng)業(yè)生態(tài)環(huán)境脆弱性評價[J]. 應用生態(tài)學報, 2020, 31(8): 2680–2686.

[20] 劉慧, 師學義. 靜樂縣生態(tài)脆弱性時空演變與分區(qū)研究[J]. 生態(tài)與農(nóng)村環(huán)境學報, 2020, 36(1): 34–43.

[21] 李怡, 趙小敏, 郭熙, 等. 江西省南昌市生態(tài)敏感性空間分異研究[J]. 中國農(nóng)業(yè)大學學報, 2020, 25(10): 65–76.

[22] 陳學兄, 常慶瑞, 郭碧云, 等. 基于SRTM DEM數(shù)據(jù)的中國地形起伏度分析研究[J]. 應用基礎與工程科學學報, 2014, 4: 671–677.

[23] 王志杰, 柳書俊, 蘇嫄. 喀斯特高原山地貴陽市2008-2018年土壤侵蝕時空特征與侵蝕熱點變化分析[J]. 水土保持學報, 2020, 34(5): 94–102.

[24] LIU B Y, NEARING M A, RISSE L M. Slope gradient effects on soils loss for steep slopes[J]. Transactions of the ASAE, 1994, 37(6): 1835–1840.

[25] 胡先培, 曾成, 錢慶歡, 等. 基于RUSLE模型的銅仁地區(qū)1987—2015年土壤侵蝕時空特征[J]. 生態(tài)與農(nóng)村環(huán)境學報, 2019, 35(2): 158–166.

[26] 劉曉林, 劉超群, 楊勝天, 等. TRMM衛(wèi)星降水數(shù)據(jù)在珠江流域的適用性評價[J]. 中山大學學報(自然科學版), 2020, 59(6): 70–79.

[27] 嵇濤, 楊華, 劉睿, 等. TRMM衛(wèi)星降水數(shù)據(jù)在川渝地區(qū)的適用性分析[J]. 地理科學進展, 2014, 33(10): 1375–1386.

[28] 李傳華, 曹紅娟, 范也平, 等. 基于校正的CASA模型NPP遙感估算及分析—以河西走廊為例[J]. 生態(tài)學報, 2019, 39(5): 1616–1626.

[29] 高彥凈. 基于CASA模型的植被NPP時空動態(tài)研究[D]. 蘭州: 蘭州大學, 2015.

[30] POTTER C S, RANDERSON J T, et al. Terrestrial ecosystem production: a process model based on global satellite and surface data[J]. Global Biogeochemical Cycles, 1993, 7(4): 811–841.

[31] 郭春霞, 諸云強, 孫偉, 等. 中國1 km生物豐度指數(shù)數(shù)據(jù)集[J]. 全球變化數(shù)據(jù)學報(中英文), 2017, 1(1): 60–65.

[32] 國家環(huán)境保護總局. 生態(tài)環(huán)境狀況評價技術規(guī)范(試行): HJ/T192—2006[S]. 2006.

[33] 徐超璇, 魯春霞, 黃紹琳. 張家口地區(qū)生態(tài)脆弱性及其影響因素[J]. 自然資源學報, 2020, 35(6): 1288–1300.

[34] 張慧琳, 吳攀升, 侯艷軍. 五臺山地區(qū)生態(tài)脆弱性評價及其時空變化[J]. 生態(tài)與農(nóng)村環(huán)境學報, 2020, 36(8): 1026–1035.

[35] 肖歡. 基于ANN模型的四川省生態(tài)環(huán)境脆弱性評價研究[D]. 成都: 成都理工大學, 2016.

[36] 國務院. 汶川地震災后恢復重建總體規(guī)劃[R]. 2008.

[37] 彭文甫, 張冬梅, 羅艷玫, 等. 自然因子對四川植被NDVI變化的地理探測[J]. 地理學報, 2019, 74(9): 1758–1776.

[38] 賈虎軍, 楊武年, 周丹, 等. 基于MODIS地表溫度和歸一化植被指數(shù)的生態(tài)環(huán)境變化分析[J]. 遙感信息, 2014, 29(3): 44–49.

[39] 龔勤林, 曹萍. 省區(qū)生態(tài)文明建設評價指標體系的構建與驗證——以四川省為例[J]. 四川大學學報(哲學社會科學版), 2014(3): 109–115.

[40] 四川省生態(tài)環(huán)境廳. 2019年四川省生態(tài)環(huán)境監(jiān)測方案[R]. 2019.

Ecological vulnerability assessment of Sichuan Province based on SRP model

JIN Lijuan1,2, XU Quanli1,2,3,4,*

1. Faculty of Geography Yunnan Normal University, Kunming 650500, China 2. GIS TechnologyEngineering Research Centre for West-China Resources and Environment of Educational Ministry, Yunnan Normal University, Kunming 650500, China 3. Geospatial Information Technology Engineering Research Center of Yunnan Province, Kunming 650500, China 4. Key Laboratory of Remote Sensing of Resources and Environment of Yunnan Province, Kunming 650500, China

The comprehensive evaluation of ecological environment vulnerability in Sichuan Province and knowing their temporal and spatial distribution characteristics are helpful to provide decision support for the implementation and improvement of ecological environment governance and restoration of Sichuan Province. According to the technology of Geography Information Science(GIS) and Remote Sensing(RS), and on the supply of fundamental geographic data of land use, DEM, MODIS 13Q, meteorological data and soil, we selected 17 assessment indicators such as population density, soil organic matter, landscape diversity index, soil erosion intensity, biological abundance and vegetation net primary productivity and so on to construct the evaluation index system of ecological vulnerability in Sichuan Province by combined with SRP model and Analytic Hierarchy Process(AHP) method to evaluate the ecological vulnerability of Sichuan province from 2005 to 2018. The results showed that the ecological vulnerability of Sichuan Province was mainly moderate, accounting for 55.11% of the total area of the province. In terms of spatial distribution, the slightly and mildly vulnerable areas were mainly distributed in the southeast, southwest and northwest of the study area; the severely vulnerable areas were mainly distributed in the northeast, southwest and east of the study area; and the extremely vulnerable areas were mainly distributed in the central, northeast, west and southwest of the study area. In terms of temporal changes, the ecological environment vulnerability of Sichuan province showed a trend of deterioration from 2005 to 2010, with the percentage of slightly and mildly vulnerable areas decreasing by 1.67% and 29.87%, respectively, compared with 2005, and the percentage of moderately, severely and extremely vulnerable areas increasing by 1.07%, 27.7% and 2.77%, respectively, compared with the beginning of the study. From 2010 to 2018, the ecological environment vulnerability of Sichuan Province vulnerability showed a trend of continuous improvement; the percentage of slightly, mildly and moderately vulnerable areas were increased by 3.36%, 9.4% and 12.84%, respectively, compared with 2010, and the percentage of severely and extremely vulnerable areas were decreased by 22.39% and 1.2% compared with 2010.

ecological vulnerability; SRP model; Analytic Hierarchy Process; Sichuan Province

10.14108/j.cnki.1008-8873.2022.02.019

X821

A

1008-8873(2022)02-156-10

2020-12-18;

2020-12-31

國家自然科學基金項目(42161065, 41461038); 云南省科技基礎專項重點項目(202001AS070032); 云南省中青年學術技術帶頭人后備人才項目(202105AC160059)

金麗娟(1996—), 女, 云南曲靖人, 碩士研究生, 主要從事遙感生態(tài)環(huán)境研究, E-mail: 994119900@qq.com

通信作者:許泉立, 男, 博士, 副教授, 主要從事地理信息系統(tǒng)與智能體建模, E-mail: go2happiness@163.com

金麗娟, 許泉立. 基于SRP模型的四川省生態(tài)脆弱性評價[J]. 生態(tài)科學, 2022, 41(2): 156–165.

JIN Lijuan, XU Quanli. Ecological vulnerability assessment of Sichuan Province based on SRP model[J]. Ecological Science, 2022, 41(2): 156–165.