基于植被生產(chǎn)力的黃土高原地區(qū)生態(tài)脆弱性及其控制因子分析

楊艷 ，周德成，宮兆寧 ，劉子源，張良俠*

1. 南京信息工程大學(xué)應(yīng)用氣象學(xué)院，江蘇 南京 210044；2. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048；3. 資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048

生態(tài)環(huán)境是人類賴以生存的基本條件。近年來(lái)，隨著全球氣候變化和人類活動(dòng)加劇，生態(tài)系統(tǒng)的自我調(diào)節(jié)能力快速下降，呈現(xiàn)出脆弱化的趨勢(shì)，嚴(yán)重威脅著區(qū)域生態(tài)安全和經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展（Hu et al.，2021；徐廣才等，2009；徐興良等，2022）。依據(jù)IPCC第五次評(píng)估報(bào)告，生態(tài)脆弱性被定義為生態(tài)系統(tǒng)容易受到不利影響的傾向或者習(xí)性，它包括生態(tài)系統(tǒng)對(duì)不利影響的敏感性以及對(duì)新的外界條件的適應(yīng)性兩個(gè)方面（IPCC，2014；蘇勝亮等，2022）?？茖W(xué)合理的對(duì)區(qū)域生態(tài)脆弱性進(jìn)行量化評(píng)估，對(duì)理解生態(tài)系統(tǒng)的功能和過(guò)程以及因地制宜的進(jìn)行生態(tài)系統(tǒng)修復(fù)和保護(hù)具有重要意義。

生態(tài)脆弱性評(píng)價(jià)的關(guān)鍵在于構(gòu)建科學(xué)的評(píng)價(jià)指標(biāo)體系。當(dāng)前相關(guān)研究采用的評(píng)價(jià)指標(biāo)體系大致可以分為綜合指標(biāo)體系和單一指標(biāo)體系兩種（楊飛等，2019）。其中，綜合指標(biāo)體系大多基于不同的評(píng)估模型框架，從自然風(fēng)險(xiǎn)、人為干擾和社會(huì)經(jīng)濟(jì)等方面選取多個(gè)指標(biāo)構(gòu)建而成（張學(xué)玲等，2018）。同時(shí)，在進(jìn)行脆弱性評(píng)估過(guò)程中，往往需要依據(jù)不同的方法（如主成分分析、層次分析和專家打分法）對(duì)選取的多個(gè)指標(biāo)進(jìn)行權(quán)重分配（鄢繼堯等，2020）。例如，張學(xué)淵等（2021）基于“壓力-狀態(tài)-響應(yīng)”評(píng)估模型框架，從氣候、土壤、植被、地形地貌和社會(huì)經(jīng)濟(jì)等方面選取了 13個(gè)指標(biāo)，利用空間主成分分析法對(duì) 2000—2018年西北干旱區(qū)生態(tài)脆弱性進(jìn)行了評(píng)估；朱琪等（2021）基于“成因及結(jié)果表現(xiàn)”評(píng)估模型框架，從地形、地表、氣象和社會(huì)經(jīng)濟(jì)等方面選取 13個(gè)指標(biāo)，結(jié)合空間主成分分析法評(píng)估了 2005—2015年?yáng)|北森林帶生態(tài)脆弱性狀況；金麗娟等（2022）基于“敏感-恢復(fù)-壓力”評(píng)估模型框架，選取了 17個(gè)涵蓋地形、地表、氣象、結(jié)構(gòu)、功能和壓力等多方面的評(píng)價(jià)因子，并基于層次分析法對(duì) 2005—2018年四川省進(jìn)行生態(tài)脆弱性評(píng)價(jià)。然而，由于考慮范圍廣和指標(biāo)數(shù)量多，綜合指標(biāo)體系存在指標(biāo)因子權(quán)重分配具有主觀性以及因子之間相關(guān)性高等問(wèn)題。相較而言，采用能夠綜合反映區(qū)域生態(tài)脆弱性的主要因子建立單一指標(biāo)評(píng)價(jià)體系具有較強(qiáng)的可靠性和可操作性（Zhang et al.，2017；肖桐等，2010）。

生態(tài)系統(tǒng)生產(chǎn)力是生態(tài)系統(tǒng)功能的重要指標(biāo)和生態(tài)系統(tǒng)承載力的物質(zhì)基礎(chǔ)，能夠有效反映出生態(tài)系統(tǒng)的健康狀態(tài)，對(duì)外界環(huán)境變化具有高度敏感性，是衡量生態(tài)脆弱性的重要依據(jù)（于貴瑞等，2020）。國(guó)內(nèi)外學(xué)者基于生態(tài)系統(tǒng)凈初級(jí)生產(chǎn)力（net primary productivity，NPP）和總初級(jí)生產(chǎn)力（gross primary productivity，GPP）已成功地對(duì)不同地區(qū)的生態(tài)脆弱性進(jìn)行了評(píng)估。如以NPP作為評(píng)價(jià)指標(biāo)，分別對(duì)1989—2007年的三江源地區(qū)、1961—2000年長(zhǎng)江中下游地區(qū)、2000—2010年岷江上游地區(qū)進(jìn)行了生態(tài)脆弱性評(píng)估（Zhang et al.，2017；肖桐等，2010；於琍等，2012）；以 GPP為評(píng)價(jià)指標(biāo)，分別對(duì)2000—2015年西南地區(qū)以及2000—2014年天山—塔里木河綠洲地區(qū)生態(tài)脆弱性進(jìn)行了評(píng)估（何敏等，2019；王鶴松等，2021）。這些研究工作有助于提高對(duì)生態(tài)脆弱性問(wèn)題的理解，但在探究生態(tài)脆弱性控制因子時(shí)仍存在一定局限性。如通過(guò)對(duì)各控制因子（如溫度、降水、高程、坡度）作分區(qū)統(tǒng)計(jì)，來(lái)分析其對(duì)生態(tài)脆弱性的影響（肖桐等，2010；王鶴松等，2021）；分別基于沿各控制因子的變異梯度隨機(jī)選取的40個(gè)采樣點(diǎn)數(shù)據(jù)和基于整個(gè)研究區(qū)的所有數(shù)據(jù)利用線性回歸分析方法，分析每個(gè)控制因子與生態(tài)脆弱性的相關(guān)關(guān)系（Zhang et al.，2017；何敏等，2019）。受研究方法的限制，這些研究?jī)H初步分析了區(qū)域尺度上各控制因子對(duì)生態(tài)脆弱性的單一影響，難以剔除各控制因子間的相互作用，更不能定量表達(dá)各控制因子對(duì)生態(tài)脆弱性的貢獻(xiàn)率。地理探測(cè)器是探測(cè)空間分異性并揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法，該方法不需要對(duì)影響因子預(yù)設(shè)限定，且無(wú)線性假設(shè)，計(jì)算得出的q值具有明確的物理含義，能夠客觀反映出自變量對(duì)因變量的解釋力，因此能夠較全面的探究生態(tài)脆弱性時(shí)空分布格局的控制因子（王勁峰等，2017）。

黃土高原處于干旱、半干旱和半濕潤(rùn)區(qū)的過(guò)渡帶，植被退化和水土流失問(wèn)題嚴(yán)重，相對(duì)落后的經(jīng)濟(jì)、不合理的土地利用以及煤炭資源的開(kāi)發(fā)更加劇了該地區(qū)生態(tài)環(huán)境的退化，屬于中國(guó)典型的生態(tài)脆弱區(qū)（賀鵬等，2022；張家政等，2022）。本研究以黃土高原為研究區(qū)，選擇NPP作為評(píng)價(jià)指標(biāo)，依據(jù)IPCC中有關(guān)生態(tài)脆弱性的定義首先計(jì)算敏感性和適應(yīng)性，進(jìn)而對(duì) 2001—2020年黃土高原生態(tài)脆弱性的空間分布格局進(jìn)行了評(píng)估，并結(jié)合地理探測(cè)器定量分析了生態(tài)脆弱性的控制因子及其交互作用。研究結(jié)果有助于深化對(duì)該地區(qū)生態(tài)系統(tǒng)對(duì)氣候變化和人類活動(dòng)響應(yīng)的認(rèn)識(shí)，并為當(dāng)?shù)夭扇♂槍?duì)性措施以減少外部脅迫對(duì)生態(tài)系統(tǒng)產(chǎn)生的不良影響、促進(jìn)可持續(xù)發(fā)展和規(guī)劃提供科學(xué)參考和理論支持。

1 材料和方法

1.1 研究區(qū)概況

黃 土 高 原 （ 33°43′— 41°16′N ， 100°54′—114°33′E）地處中國(guó)中部偏北，位于黃河中上游和海河上游地區(qū)，總面積約6.40×105km2（劉靜等，2020），覆蓋了青海、甘肅、寧夏、內(nèi)蒙古、陜西、山西和河南等7個(gè)省區(qū)（圖1）。該區(qū)具有冬季寒冷干燥、夏季濕潤(rùn)溫暖的暖溫帶大陸性季風(fēng)氣候特征，年均溫度4—12 ℃；降水分布不均勻，自西北向東南逐漸增多，年均降水量400—600 mm（陳劍南等，2022）。區(qū)域內(nèi)以黃土覆蓋為主，土體疏松，抗侵蝕能力較弱，從而形成了溝壑縱橫支離破碎的典型黃土地貌。土地利用類型以草地、耕地和林地為主，面積占比分別為41%、32%和15%。植被由東南向西北可劃分為森林帶、森林草原帶、典型草原帶、荒漠草原和草原化荒漠帶（修麗娜等，2019）。能礦資源豐富，是全國(guó)能源安全保障基地和生態(tài)安全屏障的重要組成部分（王佳寧等，2020）。

圖1 2010年黃土高原地區(qū)土地利用情況Figure 1 Land use in the Loess Plateau in 2010

1.2 數(shù)據(jù)來(lái)源與預(yù)處理

本文使用的數(shù)據(jù)主要包括遙感、氣象、高程、土地利用/覆被、人均GDP、人口密度和坡度數(shù)據(jù)。遙感數(shù)據(jù)包括NPP和歸一化植被指數(shù)（normalized difference vegetation index，NDVI）兩種，時(shí)間跨度為 2001—2020年，均從美國(guó)地質(zhì)調(diào)查局網(wǎng)站（https://lpdaac.usgs.gov）下載獲取。其中，NPP來(lái)自MODIS數(shù)據(jù)集中的MOD17A3H產(chǎn)品，時(shí)間分辨率為年，空間分辨率為500 m；NDVI來(lái)自MODIS數(shù)據(jù)集中的MOD13A2產(chǎn)品，時(shí)間分辨率為16 d，空間分辨率為 1 km。本研究利用最大值合成法將NDVI數(shù)據(jù)由16 d尺度轉(zhuǎn)換為年尺度。氣象數(shù)據(jù)為覆蓋研究區(qū)及其周圍148個(gè)氣象站點(diǎn)的2001—2020年的年均氣溫和年均降水量，來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享網(wǎng)（http://data.cma.cn）。本研究基于氣象觀測(cè)數(shù)據(jù)，利用AUSPLIN插值軟件結(jié)合數(shù)字高程模型（digital elevation model，DEM）進(jìn)行空間插值，生成1 km×1 km空間分辨率的氣象要素柵格圖像。DEM、2010年土地利用情況、人均GDP和人口密度數(shù)據(jù)均來(lái)自于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)。其中，DEM數(shù)據(jù)空間分辨率為90 m，土地利用、人均GDP和人口密度數(shù)據(jù)空間分辨率為1 km。坡度數(shù)據(jù)由DEM計(jì)算得到。為了便于分析不同指標(biāo)因子與生態(tài)脆弱性之間的關(guān)系，本研究將所有數(shù)據(jù)統(tǒng)一重采樣為Albers投影下1 km×1 km的柵格數(shù)據(jù)。

1.3 脆弱性計(jì)算方法

選取NPP作為生態(tài)脆弱性評(píng)價(jià)指標(biāo)，根據(jù)IPCC第五次評(píng)估報(bào)告中有關(guān)脆弱性的概念進(jìn)行生態(tài)脆弱性的計(jì)算（IPCC，2014）。生態(tài)脆弱性被定義為生態(tài)系統(tǒng)容易受到外界破壞或傷害的程度，可由敏感性和適應(yīng)性的差值計(jì)算得到：

式中：

V——生態(tài)脆弱性；

S——敏感性，表征了生態(tài)系統(tǒng)受氣候變化或其他外界擾動(dòng)的影響；

A——適應(yīng)性，表征了生態(tài)系統(tǒng)受自身調(diào)節(jié)和恢復(fù)能力的制約。

S由NPP的年際波動(dòng)情況來(lái)表示，計(jì)算公式如下：

式中：

Fi——該地區(qū)第i年的NPP值（n=20）；

——黃土高原NPP的平均值。

A由NPP年際變率線性擬合趨勢(shì)線的斜率來(lái)表示，計(jì)算公式如下：

式中：

x——自然數(shù) 1、2、3…，對(duì)應(yīng)于 2001—2020年的時(shí)間序列；

y——NPP年際變率的絕對(duì)變化量。

值得注意的是，由公式（2）和（3）計(jì)算得到的S和A數(shù)值不在同一量綱，難以直接用于數(shù)據(jù)分析和生態(tài)脆弱性計(jì)算。因此，本研究基于極差標(biāo)準(zhǔn)化方法（Hu et al.，2021）對(duì)S和A數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。

為了進(jìn)一步揭示黃土高原地區(qū)生態(tài)脆弱性空間變異特征，需要對(duì)生態(tài)脆弱性指數(shù)進(jìn)行分級(jí)。常用的數(shù)據(jù)分級(jí)方法包括自定義間隔、等距、標(biāo)準(zhǔn)差和自然斷點(diǎn)等，其中自然斷點(diǎn)分級(jí)法是一種根據(jù)數(shù)值統(tǒng)計(jì)分布規(guī)律分級(jí)和分類的統(tǒng)計(jì)方法，可使得各級(jí)內(nèi)部方差之和最小且差異最大化（Liu et al.，2017）。本研究采用自然斷點(diǎn)分級(jí)法確定生態(tài)脆弱性指數(shù)分級(jí)閾值，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級(jí)。

1.4 控制因子分析

為進(jìn)一步探究黃土高原生態(tài)脆弱性的控制因子，選取年均溫、年均降水量、海拔、坡度、人均GDP、人口密度和NDVI 7個(gè)指標(biāo)（表1），利用地理探測(cè)器模型定量分析了探測(cè)器包括因子探測(cè)、交互作用探測(cè)、風(fēng)險(xiǎn)區(qū)探測(cè)和生態(tài)各因子對(duì)生態(tài)脆弱性空間分布的影響。利用地理探測(cè)器模型定量分析了各因子對(duì)生態(tài)脆弱性空間分布的影響。地理探測(cè)器包括因子探測(cè)、交互作用探測(cè)、風(fēng)險(xiǎn)區(qū)探測(cè)和生態(tài)探測(cè)四個(gè)部分（王勁峰等，2017）。其中因子探測(cè)利用因子解釋力衡量自變量因子對(duì)因變量變化產(chǎn)生的貢獻(xiàn)力大小，可以反映出黃土高原生態(tài)脆弱性的主要控制因子；交互作用探測(cè)通過(guò)比較兩個(gè)指標(biāo)的單因子解釋力之和及其交互作用的解釋力，可用于探測(cè)自變量因子兩兩之間的交互后對(duì)生態(tài)脆弱性的影響程度。地理探測(cè)器模型主要用q值度量解釋力結(jié)果，其值越大說(shuō)明自變量對(duì)于因變量空間分異的解釋力越強(qiáng)，反之則越弱。首先，將生態(tài)脆弱性指數(shù)V作為因變量Y，將選取的7個(gè)控制因子指標(biāo)作為自變量X，借助ArcGIS 10.7軟件在15 km×15 km格網(wǎng)尺度統(tǒng)計(jì)脆弱性和各自變量因子平均值；其次，利用自然斷點(diǎn)法將各自變量因子重分類為5級(jí)，由數(shù)值量轉(zhuǎn)變?yōu)轭愋土?，并獲取脆弱性數(shù)據(jù)與因子分類數(shù)據(jù)的空間關(guān)聯(lián)屬性表；最后將屬性表導(dǎo)入地理探測(cè)器運(yùn)行得到q值，對(duì)影響黃土高原生態(tài)脆弱性空間分布的控制因子進(jìn)行探測(cè)分析。

表1 影響因子Table 1 Impact Factor

2 結(jié)果

2.1 黃土高原地區(qū)生態(tài)脆弱性空間分布格局

2001—2020年黃土高原生態(tài)脆弱性整體較高，中度及以上脆弱等級(jí)地區(qū)面積占比為61%（表2），且呈現(xiàn)出西北高而東南低的空間分布格局（圖2c）。對(duì)比而言，適應(yīng)性空間分布與脆弱性剛好相反，呈現(xiàn)西北低而東南高的格局，而敏感性呈現(xiàn)中部高而東部及南部低的格局（圖2a、b）。具體而言，微度和輕度脆弱區(qū)所占面積分別為 1.05×105km2和1.46×105km2，主要分布在黃土高原東南部，如南部的六盤(pán)山和子午嶺地區(qū)，以及東部的呂梁太行山區(qū)，具有敏感性低且適應(yīng)性極高的特點(diǎn)；重度和極度脆弱區(qū)所占面積則分別為 1.49×105km2和 6.80×104km2，主要分布在黃土高原中部的丘陵溝壑區(qū)及西南部的高塬溝壑區(qū)，敏感程度高且適應(yīng)性較低。此外，不同土地利用類型間的脆弱性差異也較大（圖3）。林地整體脆弱性較低，以微度、輕度和中度脆弱為主，面積占比超過(guò) 85%；其次為建設(shè)用地、耕地和草地，中度及以下脆弱區(qū)面積占比分別為76%、66%和 59%；未利用地的脆弱性程度最高，以中度、重度和極度脆弱為主，面積占比超過(guò)86%。

圖2 2001—2020年黃土高原地區(qū)敏感性（a）、適應(yīng)性（b）和生態(tài)脆弱性（c）空間分布特征Figure 2 Spatial distributions of sensitivity, adaptability and ecological vulnerability in the Loess Plateau in 2001-2020

圖3 2001—2020年黃土高原不同土地利用類型下各生態(tài)脆弱性等級(jí)面積占比Figure 3 Area proportion of each ecological vulnerability under different land use types in the Loess Plateau in 2001-2020

表2 黃土高原不同脆弱性等級(jí)所占面積及占比Table 2 Area and proportion of different vulnerability levels in the Loess Plateau

2.2 黃土高原地區(qū)生態(tài)脆弱性空間格局的控制因子分析

7個(gè)影響因子的q值大小排序?yàn)镹DVI＞降水＞坡度＞溫度＞海拔＞人均GDP＞人口密度（表3）。其中NDVI解釋力最大，且遠(yuǎn)高于其他指標(biāo)，q值為0.59；其次為降水，q值為0.48；坡度次之，q值為0.18；海拔、人均GDP和人口密度的影響最小，q值均為0.09。這表明植被覆蓋度和年降水量變化對(duì)2001—2020年黃土高原生態(tài)脆弱性變化的解釋程度相對(duì)較大，其他因子對(duì)生態(tài)脆弱性變化的解釋程度相對(duì)較低。

表3 黃土高原地區(qū)各影響因子對(duì)生態(tài)脆弱性的解釋力Table 3 Explanatory power of different drivers on ecological vulnerability in the Loess Plateau in 2001-2020

生態(tài)脆弱性因子交互作用值均大于單個(gè)因子的最大值（表 4），這說(shuō)明各指標(biāo)對(duì)于黃土高原生態(tài)脆弱性的影響并不是相互獨(dú)立，而是相互作用的結(jié)果。海拔與降水、海拔與人均GDP、海拔與人口密度、坡度與降水和坡度與溫度之間表現(xiàn)為非線性增強(qiáng)，其余都表現(xiàn)為雙因子增強(qiáng)。雖然單因子探測(cè)結(jié)果顯示海拔對(duì)黃土高原地區(qū)生態(tài)脆弱性影響較小，但是當(dāng)它與NDVI交互作用時(shí)，對(duì)生態(tài)脆弱性具有最強(qiáng)的解釋力（q=0.66）。綜上，NDVI和降水分別與其他因子交互作用后產(chǎn)生的解釋力都遠(yuǎn)高于其他因子之間的相互作用（q＞0.51）。

表4 黃土高原地區(qū)生態(tài)脆弱性各影響因子間的交互作用Table 4 Interactions among drivers of ecological vulnerability in the Loess Plateau

3 討論

本研究表明，2001—2020年黃土高原地區(qū)生態(tài)脆弱性水平整體較高，且呈現(xiàn)出明顯的西北高而東南低的分布格局，該結(jié)果與張良俠等（2022）基于“暴露-敏感性-適應(yīng)力”評(píng)估模型框架，結(jié)合層次分析和空間主成分分析方法得出的黃土高原生態(tài)脆弱性評(píng)估結(jié)果相似，且與劉會(huì)軍等（2015）在全國(guó)尺度上界定的生態(tài)脆弱區(qū)相一致。極度脆弱區(qū)主要集中在黃土高原西南部的高塬溝壑區(qū)，該地區(qū)氣候干旱且植被覆蓋稀疏，水土流失嚴(yán)重，生態(tài)脆弱性程度最高，與陳楓等（2018）和蘇勝亮等（2022）的研究結(jié)果相一致。重度和部分極度脆弱區(qū)主要分布在陜北、晉北和鄂爾多斯東部地區(qū)，其中包含一些重要的煤炭基地。該區(qū)位于干旱和半干旱地帶，煤炭能源的開(kāi)采不僅破壞了地表原本稀疏的植被且進(jìn)一步加劇了水資源的短缺，從而導(dǎo)致生態(tài)環(huán)境高度脆弱，這與王佳寧等（2020）的研究結(jié)果相一致。中度脆弱區(qū)分布在黃土高原中北部的毛烏素沙地和庫(kù)布齊沙漠地區(qū)，該地區(qū)沙化草原面積占比大，生態(tài)系統(tǒng)對(duì)氣候變化敏感且抵御外界干擾能力差（Sun et al.，2021）。然而，本研究結(jié)果與部分前人研究存在一些不同，例如楊雯娜等（2021）發(fā)現(xiàn)黃河流域中的極度脆弱區(qū)集中在寧夏北部以及楊晴青等（2019）發(fā)現(xiàn)陜西佳縣的生態(tài)脆弱性為中等脆弱，產(chǎn)生差異的原因可能是受研究尺度、指標(biāo)選取和評(píng)價(jià)方法等因素的影響，生態(tài)脆弱性評(píng)價(jià)結(jié)果是相對(duì)性的，區(qū)域之間不具有可比性，這也說(shuō)明了在區(qū)域尺度上建立系統(tǒng)客觀的評(píng)價(jià)體系的重要性。

本研究發(fā)現(xiàn)黃土高原地區(qū)生態(tài)脆弱性主要的兩個(gè)控制因子為植被覆蓋度和降水，這與張良俠等（2022）和王麗霞等（2021）在黃土高原區(qū)的研究結(jié)果具有一致性。降水是影響干旱和半干旱區(qū)植被生長(zhǎng)發(fā)育的重要因素，植被覆蓋度高意味著其生態(tài)功能較強(qiáng)，二者的增加客觀上都有利于生態(tài)脆弱性的降低（Li et al.，2021；陳玉蘭等，2022）。例如，在黃土高原東南部，較高的年降水量適宜植被生長(zhǎng)，生態(tài)脆弱性等級(jí)整體較低。而在中部半干旱區(qū)，植被覆蓋度較低，生態(tài)系統(tǒng)較脆弱。研究時(shí)段內(nèi)黃土高原地區(qū)年降水量整體呈增加趨勢(shì)（劉洋洋等，2019），同時(shí)大規(guī)模實(shí)施的生態(tài)恢復(fù)工程顯著提高了植被覆蓋度（Xiao，2014；楊丹等，2022），這兩者均會(huì)降低黃土高原地區(qū)的生態(tài)脆弱性。然而，何敏等（2019）發(fā)現(xiàn)西南地區(qū)生態(tài)脆弱性主導(dǎo)因子為溫度和海拔，李路等（2021）發(fā)現(xiàn)氣溫、地形和植被覆蓋度是新疆喀什地區(qū)生態(tài)脆弱性的主要控制因子，張學(xué)淵等（2021）發(fā)現(xiàn)西北干旱區(qū)生態(tài)脆弱性受土壤和地形影響最大，產(chǎn)生分歧的原因主要在于所選研究區(qū)不同，自然條件存在差異。相較于西南地區(qū)或者新疆喀什地區(qū)，黃土高原所在區(qū)域整體熱量條件的變化以及生態(tài)系統(tǒng)受地形的制約程度相對(duì)較低，因而溫度和海拔對(duì)于黃土高原生態(tài)脆弱性的影響較小。本研究表明，海拔與植被覆蓋度相互作用對(duì)黃土高原生態(tài)脆弱性具有最大的解釋力。

相較于以往的研究（張學(xué)淵等，2021；朱琪等，2021；金麗娟等，2022），本研究采用的將NPP作為單一指標(biāo)的生態(tài)脆弱性評(píng)價(jià)方法，回避了綜合指標(biāo)體系中的指標(biāo)選取具有重疊性和權(quán)重分配主觀性高等問(wèn)題，能夠有效評(píng)估黃土高原地區(qū)生態(tài)脆弱性的空間分布格局?；谠摲椒ǖ玫降慕Y(jié)果與前人研究結(jié)果相一致，證明本研究方法是科學(xué)可行的。地理探測(cè)器的引入也為定量識(shí)別生態(tài)脆弱性的控制因子提供了評(píng)估方法。然而，本研究仍存在一些不足。首先，本研究基于2001—2020年NPP的動(dòng)態(tài)變化特征來(lái)計(jì)算生態(tài)脆弱性，結(jié)果只能表征研究區(qū)生態(tài)脆弱性的空間變異特征，無(wú)法反映其時(shí)間變異特征。其次，受數(shù)據(jù)限制，本研究時(shí)段相對(duì)較短，且所選生態(tài)脆弱性驅(qū)動(dòng)因子沒(méi)有考慮其他人為活動(dòng)（如生態(tài)工程、耕作活動(dòng)和牲畜數(shù)量），退耕還林和退牧還草等生態(tài)政策對(duì)黃土高原脆弱性的影響還有待更深入的研究。未來(lái)還需進(jìn)一步完善生態(tài)脆弱性的計(jì)算方法，利用長(zhǎng)時(shí)序高空間分辨率數(shù)據(jù)，并結(jié)合研究區(qū)的社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r，選取系統(tǒng)綜合的指標(biāo)進(jìn)行生態(tài)脆弱性的主控因子分析，以期為黃土高原生態(tài)保護(hù)和建設(shè)提供具體的科學(xué)參考和理論支持。

4 結(jié)論

基于2000—2020年黃土高原NPP數(shù)據(jù)，依據(jù)IPCC中有關(guān)生態(tài)脆弱性的定義，對(duì)黃土高原生態(tài)脆弱性的空間分布格局進(jìn)行評(píng)估，并結(jié)合地理探測(cè)器定量分析了生態(tài)脆弱性的控制因子及其交互作用，研究主要得到以下結(jié)論：

（1）2001—2020年，黃土高原地區(qū)生態(tài)脆弱性整體較高，中度及以上等級(jí)脆弱區(qū)所占面積比例約為61%，且呈現(xiàn)西北高東南低的空間分布格局。

（2）不同土地利用類型間的生態(tài)脆弱性差異較大，林地脆弱性程度較低，草地、耕地和未利用土地的脆弱性程度相對(duì)較高。

（3）黃土高原生態(tài)脆弱性的主要驅(qū)動(dòng)因子是植被覆蓋度和降水，且所有指標(biāo)因子間存在較強(qiáng)的交互作用，植被覆蓋度和海拔的交互作用對(duì)生態(tài)脆弱性具有最強(qiáng)的解釋力。