基于DPSIR 模型的黃土高原生態(tài)敏感性演變格局及驅(qū)動(dòng)力分析

李 帆 ，賈 夏 ，趙永華 ※，奧 勇 ，韓 磊 ，劉 釗 ，丁詩(shī)雨

（1. 長(zhǎng)安大學(xué)土地工程學(xué)院,西安 710054；2. 長(zhǎng)安大學(xué)水利與環(huán)境學(xué)院,西安 710054；3. 陜西省土地整治重點(diǎn)實(shí)驗(yàn)室,西安 710054；4. 自然資源部退化及未利用土地整治工程重點(diǎn)實(shí)驗(yàn)室,西安 710054；5. 陜西省土地整治工程技術(shù)研究中心,西安 710054）

0 引言

生態(tài)環(huán)境是人類(lèi)生存和發(fā)展的基礎(chǔ)，隨著社會(huì)生產(chǎn)力的發(fā)展，人類(lèi)對(duì)生態(tài)系統(tǒng)的威脅日益嚴(yán)重，生態(tài)環(huán)境和社會(huì)經(jīng)濟(jì)發(fā)展的矛盾與沖突已成為全球面臨的共同挑戰(zhàn)，保護(hù)和改善生態(tài)環(huán)境是當(dāng)今世界各國(guó)共同探索的重要主題。生態(tài)敏感性表示生態(tài)環(huán)境對(duì)外界各種因素反應(yīng)的敏感程度，是生態(tài)系統(tǒng)穩(wěn)定性和抗干擾能力的有效衡量標(biāo)準(zhǔn)[1]，通過(guò)對(duì)區(qū)域生態(tài)敏感性的研究，可明辨現(xiàn)狀條件下生態(tài)系統(tǒng)抵抗外界干擾的能力，確立和保護(hù)生態(tài)系統(tǒng)的高敏感區(qū)，合理開(kāi)發(fā)利用敏感性低的區(qū)域，為生態(tài)系統(tǒng)保護(hù)和治理提供科學(xué)依據(jù)，促進(jìn)區(qū)域經(jīng)濟(jì)、社會(huì)、生態(tài)系統(tǒng)的可持續(xù)發(fā)展。

生態(tài)敏感性評(píng)價(jià)由20 世紀(jì)80 年代歐盟委員會(huì)資助的地中海荒漠化和土地利用項(xiàng)目（Mediterranean Desertification and Land Use）中的荒漠化敏感性評(píng)價(jià)工作發(fā)展而來(lái)，采用ESA（environment sensitivity area）模型構(gòu)建生態(tài)敏感性評(píng)價(jià)體系，隨后應(yīng)用于水文、土壤、土地等[2-5]領(lǐng)域。由于影響生態(tài)敏感性的因素眾多，常因地域不同而表現(xiàn)出時(shí)空差異性，且各因素之間存在復(fù)雜的相互關(guān)系，學(xué)者們對(duì)ESA 模型進(jìn)行了改進(jìn)。現(xiàn)階段敏感性指標(biāo)體系的構(gòu)建大體可以分為兩類(lèi)：一是基于研究區(qū)現(xiàn)狀，選取代表性因子構(gòu)建評(píng)價(jià)體系，具有很強(qiáng)的針對(duì)性，如YILMAZ 等[6]從自然和文化因素出發(fā)，選取高程、坡度、植被覆蓋度、主要交通道路與居民區(qū)的接近程度等因子作為指標(biāo)開(kāi)展生態(tài)評(píng)估，生成了生態(tài)敏感性圖譜，并將其作為不同尺度的空間規(guī)劃和策略的基礎(chǔ)；劉春霞等[7]結(jié)合三峽庫(kù)區(qū)重慶段的自然和社會(huì)經(jīng)濟(jì)條件，從土壤侵蝕、石漠化、生境和酸雨4 個(gè)方面構(gòu)建敏感性評(píng)價(jià)體系，揭示了該地區(qū)生態(tài)敏感性的空間分布規(guī)律及存在的問(wèn)題，為長(zhǎng)江流域生態(tài)安全的可持續(xù)發(fā)展提供了重要保障。二是基于已有模型框架，挖掘各因子之間關(guān)系以構(gòu)建評(píng)價(jià)體系，綜合性更強(qiáng)，如LEMAN 等[8]將PSR（pressure-state-response）模型作為理論背景，基于ESA模型以及以前在中國(guó)開(kāi)展的生態(tài)環(huán)境研究，從災(zāi)害風(fēng)險(xiǎn)、遺產(chǎn)價(jià)值、生命支持系統(tǒng)3 個(gè)方面構(gòu)建了兩套敏感性評(píng)價(jià)體系，結(jié)合研究區(qū)的自然和文化特征，確定基于ESA的評(píng)價(jià)體系更適用于描繪該地的環(huán)境問(wèn)題，并依據(jù)該評(píng)價(jià)結(jié)果為生態(tài)發(fā)展戰(zhàn)略的制定提供參考；田璐等[9]從沙漠化敏感性的主要影響因子出發(fā)，基于PSR 分析框架，構(gòu)建了包括氣候、地表覆蓋、植被恢復(fù)的沙漠化敏感性評(píng)價(jià)體系，在一定程度上彌補(bǔ)了以往“重評(píng)價(jià)、輕框架”的研究不足。目前評(píng)價(jià)指標(biāo)的計(jì)算方法可分為定性和定量?jī)煞N方法。定性方法如分級(jí)賦權(quán)重法[10]、AHP 層次分析法[11]等，計(jì)算結(jié)果受主觀影響較強(qiáng)。近年來(lái)，定量計(jì)算方法被越來(lái)越多地應(yīng)用到指標(biāo)計(jì)算中，如空間距離指數(shù)[12]、全排列多邊形圖示指標(biāo)法[13]，前者將各因子作為一個(gè)維度歸納到幾何空間中，通過(guò)計(jì)算多因子歐氏距離之和獲得最終結(jié)果[14]；后者同樣采用幾何方法計(jì)算指標(biāo)，但其考慮了臨界值對(duì)系統(tǒng)指標(biāo)的放大和緊縮效應(yīng)，能夠反映指標(biāo)的動(dòng)態(tài)趨勢(shì)，更加適合復(fù)雜模型的應(yīng)用[15]。雖然學(xué)者們對(duì)生態(tài)敏感性展開(kāi)了多方面的探索，但依舊存在一定的局限性，如評(píng)價(jià)指標(biāo)的選擇難以形成統(tǒng)一標(biāo)準(zhǔn)，具有一定的空間差異性，因此，因地制宜地制定評(píng)價(jià)體系顯得尤為重要[16]；指標(biāo)的計(jì)算多采用單一的定性或定量方法[10,17]，難以擺脫計(jì)算方法本身的局限性[18]，根據(jù)指標(biāo)間的相互作用關(guān)系選擇與之相適應(yīng)的計(jì)算方法，可以更好地反映評(píng)價(jià)指標(biāo)的綜合性[19]；生態(tài)敏感性治理分區(qū)多針對(duì)現(xiàn)階段生態(tài)敏感性的演變特征進(jìn)行[20-21]，少有研究考慮其未來(lái)的發(fā)展趨勢(shì)，但預(yù)知未來(lái)高敏感區(qū)，提前采取針對(duì)性的治理措施，對(duì)于降低區(qū)域生態(tài)敏感性是十分有益的。

黃土高原是中國(guó)重要的能源化工基地和農(nóng)業(yè)生產(chǎn)基地，受自然條件限制以及外界因素的干擾，水土流失、植被稀疏、土地生產(chǎn)力低下[22]等現(xiàn)象頻發(fā)，生態(tài)環(huán)境極為敏感。近年來(lái)，隨著一系列生態(tài)治理措施的實(shí)施，黃土高原生態(tài)環(huán)境明顯好轉(zhuǎn)。探究生態(tài)敏感性時(shí)空演變特征是對(duì)多年治理成果的有效評(píng)估，也可為該地區(qū)生態(tài)環(huán)境可持續(xù)發(fā)展提供參考?；诖?，采用驅(qū)動(dòng)-壓力-狀態(tài)-影 響-響 應(yīng)（driving-pressure-state-impact-response，DPSIR）框架，耦合空間距離指數(shù)模型和全排列多邊形圖示指標(biāo)法構(gòu)建生態(tài)敏感性評(píng)價(jià)體系，借助地理信息演變圖譜和地理探測(cè)器探究黃土高原2000—2020 年5 個(gè)時(shí)間節(jié)點(diǎn)生態(tài)敏感性演變格局及驅(qū)動(dòng)力，依據(jù)過(guò)去、現(xiàn)在、未來(lái)3 個(gè)維度，采用動(dòng)靜結(jié)合的方式，劃分生態(tài)敏感性治理分區(qū)，對(duì)黃土高原生態(tài)環(huán)境治理提出相關(guān)建議。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)概況

黃土高原位于黃河流域中部，處于33°43'N～41°16'N、100°54'E～114°33'E 之間，地跨7 省，總面積64.87 萬(wàn)km2，可分為黃土高塬溝壑區(qū)、黃土丘陵溝壑區(qū)、沙地和農(nóng)灌區(qū)、土石山區(qū)及河谷平原區(qū)[23]（圖1）。該地區(qū)屬大陸性季風(fēng)氣候，冬春季寒冷干燥多風(fēng)沙，夏秋季炎熱多暴雨。地勢(shì)西北高、東南低，且地形起伏較大，大部分為黃土覆蓋，平均厚度在50～100 m 之間。人口密度高于全國(guó)平均水平，且以農(nóng)業(yè)人口居多。土地利用類(lèi)型以草地和耕地為主，2020 年兩者占比72.53%。自然條件和人為因素相互作用使得黃土高原水土流失嚴(yán)重，是中國(guó)生態(tài)環(huán)境脆弱的地區(qū)之一。

圖1 黃土高原地理示意圖Fig.1 Geographical map of the Loess Plateau

1.2 數(shù)據(jù)來(lái)源

1）2000 年、2005 年、2010 年、2015 年和2020 年的氣象數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），由氣象站點(diǎn)數(shù)據(jù)插值得到；2）土壤數(shù)據(jù)（1 km）來(lái)源于世界土壤數(shù)據(jù)庫(kù)（https://www.fao.org/）；3）2000 年、2005 年、2010 年、2015 年和2020 年的TVDI（1 km）及黃土高原分區(qū)數(shù)據(jù)來(lái)源于國(guó)家科技基礎(chǔ)條件平臺(tái)—國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn），NDVI、人口密度和夜間燈光數(shù)據(jù)通過(guò)GEE 平臺(tái)（https://code.earthengine.google.com/）在線獲取，其中NDVI（30 m）采用Landsat5/7/8 數(shù)據(jù)，人口密度（100 m）采用WorldPoP數(shù)據(jù)，夜間燈光數(shù)據(jù)（500 m）采用“類(lèi)NPP-VIIRS”數(shù)據(jù)；4）2000 年、2005 年、2010 年、2015 年和2020 年的土地利用數(shù)據(jù)（1 km）來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn/）；5）DEM（90 m）來(lái)源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/search）。為了數(shù)據(jù)分辨率一致性和便于分析，將所有數(shù)據(jù)重采樣至1 km× 1 km，采用WGS_1984_UTM_Zone_48N 投影坐標(biāo)。

1.3 生態(tài)敏感性指標(biāo)體系構(gòu)建

1.3.1 DPSIR 模型

DPSIR 模型在PSR 模型的基礎(chǔ)上發(fā)展而來(lái)[24]，更適用于復(fù)雜關(guān)系的表示，用于分析某一現(xiàn)象之間的各種因果關(guān)系，廣泛應(yīng)用于生態(tài)環(huán)境[25]、水資源[26]、土地利用[27]等方面。根據(jù)黃土高原的自然條件和突出環(huán)境問(wèn)題，結(jié)合《黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展規(guī)劃綱要》，從自然和社會(huì)經(jīng)濟(jì)角度出發(fā)，選取因子構(gòu)建黃土高原生態(tài)敏感性DPSIR 模型指標(biāo)體系（表1）。因子選擇依據(jù)如下：驅(qū)動(dòng)力是生態(tài)敏感性變化的潛在原因，氣候通過(guò)影響物種組成、土壤理化性質(zhì)等對(duì)生態(tài)敏感性產(chǎn)生影響，故選取降水、氣溫、風(fēng)速因子構(gòu)建驅(qū)動(dòng)力指標(biāo)體系；壓力指人類(lèi)活動(dòng)對(duì)生態(tài)敏感性的直接作用，人口流動(dòng)、經(jīng)濟(jì)發(fā)展及土地利用方式的改變都會(huì)造成生態(tài)敏感性的變化，故選取人口密度、城市化水平、土地利用程度構(gòu)建壓力指標(biāo)體系；狀態(tài)即在當(dāng)前壓力下生態(tài)系統(tǒng)所處的狀態(tài)，從地形、土壤、植被三方面入手，選取高程、土壤質(zhì)地、歸一化植被指數(shù)構(gòu)建狀態(tài)指標(biāo)體系；影響即所處狀態(tài)對(duì)生態(tài)系統(tǒng)的功能和服務(wù)產(chǎn)生的效應(yīng)，從自然環(huán)境和人類(lèi)健康入手，選取土壤含水率、干燥度、氣候舒適度構(gòu)建影響指標(biāo)體系；響應(yīng)即人類(lèi)為降低生態(tài)敏感性而采取的對(duì)策，選取土壤侵蝕強(qiáng)度和溫度植被干旱指數(shù)，分別代表水土流失治理工程和土地荒漠化治理工程所帶來(lái)的生態(tài)效益。

表1 黃土高原生態(tài)敏感性指標(biāo)體系Table 1 Ecological sensitivity index system of the Loess Plateau

1.3.2 空間距離指數(shù)模型

空間距離指數(shù)模型可消除主觀因素的影響[12]，通過(guò)計(jì)算空間中的最低點(diǎn)到其他點(diǎn)的距離來(lái)判斷生態(tài)敏感性的高低。本研究將該模型用于驅(qū)動(dòng)力、壓力、狀態(tài)、影響、響應(yīng)5 個(gè)模塊生態(tài)敏感性的計(jì)算，計(jì)算式如下：

式中M為單個(gè)模塊的生態(tài)敏感性指數(shù)，Xmin為各指標(biāo)因子的最低值，Xi為各指標(biāo)因子歸一化后的值，n為空間維度。

1.3.3 全排列多邊形圖示指標(biāo)法

DPSIR 模型下各指標(biāo)間的關(guān)系極其復(fù)雜，空間距離指數(shù)模型難以表示，常用的客觀賦權(quán)評(píng)價(jià)法假設(shè)指標(biāo)間為簡(jiǎn)單的線性關(guān)系，導(dǎo)致結(jié)果偏差[18]。全排列多邊形圖示指標(biāo)法是一個(gè)多層次、多目標(biāo)的復(fù)雜評(píng)價(jià)系統(tǒng)[15]，可以反映評(píng)價(jià)對(duì)象在原高維空間中的分類(lèi)信息和排序信息[32]。本研究將該模型用于綜合生態(tài)敏感性的計(jì)算，計(jì)算式如下：

式中E為綜合生態(tài)敏感性，Mi和Mj為兩個(gè)不同模塊的生態(tài)敏感性指數(shù)，N為模塊個(gè)數(shù)。

為了更好地對(duì)比不同時(shí)期黃土高原生態(tài)敏感性的空間分布特征，采用自然間斷法將綜合生態(tài)敏感性劃分為不敏感、低度敏感、中度敏感、重度敏感、極敏感5 類(lèi)，并以2020 年的分類(lèi)結(jié)果以標(biāo)準(zhǔn)對(duì)其他年份的綜合生態(tài)敏感性進(jìn)行劃分。

1.4 生態(tài)敏感性演變特征分析

1.4.1 生態(tài)敏感性轉(zhuǎn)換特征

生態(tài)敏感性地理信息演變圖譜將時(shí)空?qǐng)D譜從土地相關(guān)研究[33]轉(zhuǎn)移到生態(tài)學(xué)領(lǐng)域[16,34]以圖譜單元為基本單位，將多期生態(tài)敏感類(lèi)型的時(shí)空分布及演變過(guò)程以編碼的形式表達(dá)，實(shí)現(xiàn)生態(tài)信息時(shí)空演變一張圖。參照張學(xué)淵等[34]采用的方法制作生態(tài)敏感性地理信息演變圖譜，步驟如下：

1）20 a 單個(gè)生態(tài)敏感類(lèi)型轉(zhuǎn)換編碼。分別對(duì)20 a每一生態(tài)敏感類(lèi)型進(jìn)行提取，并將提取出的生態(tài)敏感類(lèi)型賦值為1，其余類(lèi)型賦值為0，然后將20 a 同一生態(tài)敏感類(lèi)型進(jìn)行柵格疊加，獲得20 a 單個(gè)生態(tài)敏感類(lèi)型轉(zhuǎn)換編碼，計(jì)算式如下：

式中Ci為20 ai類(lèi)生態(tài)敏感類(lèi)型轉(zhuǎn)換編碼；ci_2000、ci_2005、ci_2010、ci_2015、ci_2020分別為i類(lèi)生態(tài)敏感類(lèi)型在2000 年、2005 年、2010 年、2015 年、2020 年對(duì)應(yīng)的編碼（0 或1）。最終結(jié)果共32 種，按照其演變含義將其分為7 類(lèi)，并賦予相應(yīng)的編碼a～f（表2）。

表2 單個(gè)生態(tài)敏感性轉(zhuǎn)換類(lèi)型分類(lèi)Table 2 Classification of individual ecological sensitivity transformation types

2）生態(tài)敏感性地理信息演變圖譜。單個(gè)生態(tài)敏感類(lèi)型轉(zhuǎn)換編碼表征的是同一敏感類(lèi)型20 a 的轉(zhuǎn)換特征，為了獲得20 a 不同敏感類(lèi)型之間的相互轉(zhuǎn)換情況，在1）的基礎(chǔ)上，將5 類(lèi)生態(tài)敏感類(lèi)型演變編碼柵格疊加，最終獲得20 a 黃土高原生態(tài)敏感性地理信息演變圖譜，計(jì)算式如下：

式中ME為生態(tài)敏感性地理信息演變圖譜；Cnone、Clow、Cmoderate、Csevere、Cextreme分別為不敏感、低度敏感、中度敏感、重度敏感、極敏感的20 a 的轉(zhuǎn)換編碼。最終結(jié)果共32 種，按照編碼含義劃分為22 類(lèi)，依據(jù)演變特征劃分為4 類(lèi)（表3）。

表3 生態(tài)敏感性地理信息演變圖譜Table 3 Ecological sensitivity geographic information evolution map

1.4.2 生態(tài)敏感性演變穩(wěn)定性特征

生態(tài)敏感性地理信息演變圖譜表征了20 a 不同生態(tài)敏感性的相互轉(zhuǎn)換特征，在一定程度上反映了生態(tài)環(huán)境變好或變壞的趨勢(shì)，但難以衡量生態(tài)敏感性演變的穩(wěn)定性，故進(jìn)一步對(duì)生態(tài)敏感性演變次數(shù)進(jìn)行探究，方法如下：

以5 a 為一個(gè)時(shí)間間隔，利用柵格計(jì)算器對(duì)2000—2020 年4 個(gè)時(shí)間段生態(tài)敏感性變化情況進(jìn)行疊加，最終獲取生態(tài)敏感性演變穩(wěn)定性圖譜，計(jì)算式如下：

式中MS生態(tài)敏感性演變穩(wěn)定性圖譜；若前后兩個(gè)時(shí)期敏感類(lèi)型相減的絕對(duì)值等于0，則將結(jié)果賦為0，若絕對(duì)值大于0，則賦為1。最終結(jié)果15 種，依據(jù)變化次數(shù)，將其劃分為5 類(lèi)，即沒(méi)有發(fā)生變化、發(fā)生1 次變化、發(fā)生2 次變化、發(fā)生3 次變化、發(fā)生4 次變化。

1.5 地理探測(cè)器

生態(tài)敏感性是多因子共同作用的結(jié)果，地理探測(cè)器是探測(cè)空間分異性并識(shí)別驅(qū)動(dòng)因子的一種新的統(tǒng)計(jì)學(xué)方法[35]，通過(guò)探測(cè)多因子交互作用可有效度量生態(tài)敏感性的空間分異性[36]，揭示各因子交互作用對(duì)生態(tài)敏感性的影響，為降低黃土高原生態(tài)敏感性提供科學(xué)依據(jù)。

1.6 生態(tài)敏感性預(yù)測(cè)

2021 年國(guó)務(wù)院印發(fā)《黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展規(guī)劃綱要》，提出到2030 年黃河流域生態(tài)環(huán)境質(zhì)量明顯改善，黃土高原作為黃河流域的重要組成部分，其生態(tài)系統(tǒng)穩(wěn)定性和抗干擾能力的提高對(duì)于黃河流域的高質(zhì)量發(fā)展至關(guān)重要。為助力黃河流域生態(tài)目標(biāo)如期完成，本研究預(yù)測(cè)了2030 年黃土高原的生態(tài)敏感性，預(yù)知高敏感和低敏感區(qū)域，結(jié)合現(xiàn)階段生態(tài)敏感性演變特征劃分黃土高原生態(tài)敏感性治理分區(qū)。CA-Markov 模型可模擬復(fù)雜空間變化過(guò)程，并進(jìn)行長(zhǎng)時(shí)間預(yù)測(cè)[37]，步驟如下：借助IDRISI 17.0 軟件的Markov 模塊，設(shè)置比例誤差為0.1，生成2010—2010、2010—2020 年的轉(zhuǎn)移概率矩陣，并將其作為適宜性圖集；分別以2010 年和2020 年為起始年，利用CA-Markov 模塊，設(shè)置循環(huán)次數(shù)為10，領(lǐng)域結(jié)構(gòu)為5×5，預(yù)測(cè)2020 年和2030 年黃土高原生態(tài)敏感性。為檢驗(yàn)預(yù)測(cè)結(jié)果的合理性，運(yùn)用Crosstab 模塊，將2020 年真實(shí)值與預(yù)測(cè)值進(jìn)行比較，檢驗(yàn)結(jié)果Kappa 系數(shù)為0.81，且P＜0.001，效果較好，可用于2030 年生態(tài)敏感性的預(yù)測(cè)[38]。

2 結(jié)果與分析

2.1 生態(tài)敏感性時(shí)空分布

2000—2020 年間，黃土高原生態(tài)敏感性表現(xiàn)出西北高、東南低的分布特征（圖2）。極敏感類(lèi)型主要分布于沙地和農(nóng)灌區(qū)以及六盤(pán)山以西的黃土高塬溝壑區(qū)北部，該地區(qū)氣候干旱、土地鹽漬化較重，中國(guó)四大沙地之一的毛烏素沙漠正處于此；中度敏感類(lèi)型主要分布在黃土丘陵溝壑區(qū)和黃土高塬溝壑區(qū)，在高敏感類(lèi)型和低敏感類(lèi)型之間起到了緩沖區(qū)的作用，受河龍區(qū)間的影響，植被條件較差，溝網(wǎng)密布；不敏感類(lèi)型主要分布于南部的土石山區(qū)及河谷平原區(qū)以及六盤(pán)山以東的黃土高塬溝壑區(qū)的東南地區(qū)，這些地區(qū)自然條件較為優(yōu)越，是黃土高原重要的水源涵養(yǎng)區(qū)和農(nóng)業(yè)生產(chǎn)區(qū)。就敏感類(lèi)型空間變化而言，高敏感類(lèi)型在原有位置上向東南方向減少，聚集性減弱，低敏感類(lèi)型在原有位置上向西北方向增加，聚集性增強(qiáng)，塬面、溝坡、溝道建設(shè)防護(hù)體系、沙區(qū)生態(tài)防護(hù)體系、農(nóng)田防護(hù)林體系建設(shè)等生態(tài)治理工程的實(shí)施，使黃土高原生態(tài)環(huán)境得到極大改善。

圖2 2000—2020 年黃土高原生態(tài)敏感性空間分布Fig.2 Spatial distribution of ecological sensitivity in the Loess Plateau from 2000 to 2020

2000—2020 年黃土高原生態(tài)敏感性均值表現(xiàn)為先增加后下降的趨勢(shì)，由2000 年的1.06 上升到2005 年的1.08，之后下降到2020 年的1.03。從單一敏感性時(shí)間變化角度看，2000—2020 年不敏感、低度敏感面積占比先減少后增加，中度敏感、重度敏感、極敏感面積占比先增加后減少（表4）。除2005 年，黃土高原生態(tài)敏感性呈現(xiàn)降低的趨勢(shì)，主要得益于1999 年退耕還林工程的實(shí)施，顯著增加了黃土高原的植被覆蓋度，生態(tài)環(huán)境得到了一定程度的改善[39]，但生態(tài)系統(tǒng)穩(wěn)定性是多因素共同作用的結(jié)果，植被初期生長(zhǎng)良好，一旦初始供水耗盡，它們的生長(zhǎng)速度通常會(huì)下降，導(dǎo)致土壤和土壤層干燥，從而加重水土流失[40-41]。

表4 2000—2020 年黃土高原生態(tài)敏感性及各類(lèi)別面積占比Table 4 Ecological sensitivity and area proportion of each category in the Loess Plateau from 2000 to 2020

2.2 生態(tài)敏感性地理信息演變特征

2.2.1 單個(gè)生態(tài)敏感類(lèi)型轉(zhuǎn)換特征

生態(tài)敏感性轉(zhuǎn)換類(lèi)型面積占比從大到小依次是波動(dòng)穩(wěn)定型、減少型、增加型、穩(wěn)定型、波動(dòng)減少型、波動(dòng)增加型（表5）。不敏感轉(zhuǎn)換類(lèi)型以穩(wěn)定型為主，占比34.51%；低度敏感、中度敏感、重度敏感轉(zhuǎn)換類(lèi)型以波動(dòng)穩(wěn)定型為主，占比分別為29.96%、35.96%、38.39%；極敏感轉(zhuǎn)換類(lèi)型以減少型為主，占比37.56%。對(duì)比不同敏感類(lèi)型轉(zhuǎn)入（增加型和波動(dòng)增加型）和轉(zhuǎn)出（減少型和波動(dòng)減少型）面積占比，結(jié)果顯示不敏感、低度敏感、中度敏感、重度敏感、極敏感轉(zhuǎn)入面積分別為26.68%、34.52%、24.99%、25.01%、3.51%，轉(zhuǎn)出面積分別為17.66%、16.56%、29.21%、30.72%、44.15%，不敏感和低度敏感轉(zhuǎn)入面積大于轉(zhuǎn)出面積，中度敏感、重度敏感和極敏感轉(zhuǎn)入面積小于轉(zhuǎn)出面積，說(shuō)明黃土高原生態(tài)敏感度降低，抗干擾能力增強(qiáng)。

表5 2000—2020 年黃土高原各生態(tài)敏感性轉(zhuǎn)移類(lèi)型面積占比Table 5 Area proportion of individual ecological sensitive transfer types in the Loess Plateau from 2000 to 2020 %

2.2.2 生態(tài)敏感時(shí)空演變特征

為進(jìn)一步探究20 a 黃土高原不同生態(tài)敏感性類(lèi)型的相互轉(zhuǎn)換特征，生成了生態(tài)敏感性地理信息演變圖譜（圖3）。根據(jù)演變特征將其劃分為4 個(gè)分區(qū)，各分區(qū)面積占比從大到小依次為生態(tài)改善區(qū)（35.17%）、長(zhǎng)期穩(wěn)定區(qū)（29.07%）、波動(dòng)穩(wěn)定區(qū)（26.17%）、生態(tài)惡化區(qū)（9.58%）。生態(tài)改善區(qū)中中度敏感向低度敏感轉(zhuǎn)換（O）、重度敏感向中度敏感轉(zhuǎn)換（K）、極敏感向重度敏感轉(zhuǎn)換（J）的面積占比較大，分別為10.71%、7.89%、7.32%，主要分布在西部地區(qū)。長(zhǎng)期穩(wěn)定區(qū)中持續(xù)重度敏感（B）面積占比最小，為2.02%，集中分布在沙地和農(nóng)灌區(qū)的西南部；持續(xù)低度敏感（D）面積占比最大，為9.87%，廣泛分布在東部及東南部的黃土高塬溝壑區(qū)、黃土丘陵溝壑區(qū)、土石山區(qū)和河谷平原區(qū)。波動(dòng)穩(wěn)定區(qū)中低度敏感與中度敏感波動(dòng)轉(zhuǎn)換（H）、中度敏感與重度敏感波動(dòng)轉(zhuǎn)換（G）、不敏感與低度敏感波動(dòng)轉(zhuǎn)換（I）、重度敏感與極敏感波動(dòng)轉(zhuǎn)換（F）面積占比依次減少，分別為9.99%、6.95%、4.94%、4.30%，廣泛分布在東部及東南部地區(qū)。生態(tài)惡化區(qū)主要分布在西部的沙地和農(nóng)灌區(qū)以及黃土高塬溝壑區(qū)，其中不敏感向低度敏感轉(zhuǎn)換（U）、低度敏感向中度敏感轉(zhuǎn)換（T）、中度敏感向重度敏感轉(zhuǎn)換（S）、重度敏感向極敏感轉(zhuǎn)換（R）面積占比依次減少，分別為4.15%、3.27%、1.75%、0.41%。黃土高原生態(tài)敏感性整體上呈現(xiàn)降低的趨勢(shì)，生態(tài)工程措施發(fā)揮了積極作用。

圖3 2000—2020 年黃土高原生態(tài)敏感性地理信息演變圖譜Fig.3 Ecological sensitivity geographic information evolution map in the Loess Plateau from 2000 to 2020

2.2.3 生態(tài)敏感演變穩(wěn)定性分析

20 a 間黃土高原生態(tài)敏感類(lèi)型演變次數(shù)0～4 次的面積占比依次為29.07%、32.99%、25.50%、11.24%、1.20%，變化0 次和1 次的面積占比高達(dá)62.06%，演變總體比較穩(wěn)定，其中變化1 次的面積占比最大，集中分布于中西部地區(qū)，變化4 次的面積占比最小，僅在沙地和農(nóng)灌區(qū)、黃土高塬溝壑區(qū)、黃土丘陵溝壑區(qū)聚集分布（圖4）。通過(guò)與四大生態(tài)分區(qū)空間疊加發(fā)現(xiàn)，沒(méi)有變化的地區(qū)與長(zhǎng)期穩(wěn)定區(qū)的空間重疊率為100%；變化1 次的地區(qū)與生態(tài)改善區(qū)的空間重疊率最高，為73.32%；變化2 次的地區(qū)與波動(dòng)穩(wěn)定區(qū)空間重疊率最高，為88.16%；變化3 次的地區(qū)與生態(tài)惡化區(qū)空間重疊率最高，為31.51%；變化4 次的地區(qū)與波動(dòng)穩(wěn)定區(qū)空間重疊率最高，為3.1%。變化3 次的地區(qū)主要分布在沙地和農(nóng)灌區(qū)、黃土高塬溝壑區(qū)西部、土石山區(qū)及河谷平原區(qū)南部，這些地區(qū)生態(tài)敏感性演變較差，亟需引起關(guān)注。

圖4 2000—2020 年黃土高原生態(tài)敏感性地理信息演變穩(wěn)定性圖譜Fig.4 Ecological sensitivity geographical information evolution stability map in the Loess Plateau from 2000 to 2020

2.3 影響因素分析

為獲取影響黃土高原生態(tài)敏感性的主要因子，對(duì)2020 年構(gòu)成生態(tài)敏感性的各因子進(jìn)行探測(cè)（表6）。結(jié)果顯示，NDVI、降水量、干燥度對(duì)生態(tài)敏感性的解釋力最大，是黃土高原生態(tài)敏感性的主要影響因素；土地利用程度、土壤含水率、高程、溫度植被干旱指數(shù)、土壤質(zhì)地對(duì)生態(tài)敏感性的解釋力在0.1～0.2 之間，對(duì)生態(tài)敏感性的影響較??；其余因子對(duì)生態(tài)敏感性的影響甚微。交互探測(cè)結(jié)果表明，雙因子間的交互作用是影響黃土高原生態(tài)敏感性的主要形式，任意一個(gè)因子與其他因子的交互作用均大于自身對(duì)生態(tài)敏感性的解釋力，主要表現(xiàn)為雙因子增強(qiáng)作用和非線性增強(qiáng)作用，NDVI、降水量與其他因子的交互作用均大于0.5，其中NDVI 和土壤含水率交互作用最強(qiáng)（0.70），其次是降水量和土壤含水率（0.68）。NDVI 和降水量以及兩者與其他因子的交互作用對(duì)于黃土高原生態(tài)敏感性具有一定的驅(qū)動(dòng)作用。

表6 2020 年黃土高原因子探測(cè)及交互探測(cè)q 值結(jié)果Table 6 The q-value results of the factor detection and interactive detection in the Loess Plateau in 2020

越來(lái)越多的研究表明，生態(tài)敏感性由自然因素決定，在這種情況下，生態(tài)修護(hù)措施將顯得越來(lái)越有效[42]，通過(guò)退耕還林工程改善氣候，增加降水可有效降低黃土高原的生態(tài)敏感性。但植被覆蓋度、降水與生態(tài)敏感性之間并非簡(jiǎn)單的線性關(guān)系，植被覆蓋度的增加短期內(nèi)會(huì)帶來(lái)一定的生態(tài)效益，但植被生長(zhǎng)必然會(huì)消耗大量的水分，尤其是在干旱和半干旱的黃土高原地區(qū)，植被生長(zhǎng)以土壤水為主要來(lái)源，而土壤中的水分主要靠降水補(bǔ)給，在年降水量低（＜470 mm）的地區(qū)高密度種植，將會(huì)造成植被缺水死亡，從而加劇水土流失[43-44]。因此，降低黃土高原生態(tài)敏感性不僅要關(guān)注植被種植總量，更要平衡好不同地區(qū)植被與降水量之間的關(guān)系。

2.4 生態(tài)敏感性治理分區(qū)

2030 年黃土高原生態(tài)敏感性空間分布、生態(tài)敏感性治理分區(qū)如圖5 和圖6 所示。

圖5 2030 年黃土高原生態(tài)敏感性空間分布Fig.5 Spatial distribution of ecological sensitivity in the Loess Plateau in 2030

圖6 黃土高原生態(tài)敏感性治理分區(qū)Fig.6 Ecological sensitivity management zoning in the Loess Plateau

2030 年黃土高原生態(tài)敏感性空間分布依然呈現(xiàn)出西北高、東南低的分布特征，不敏感、低度敏感、中度敏感、重度敏感、極敏感類(lèi)型面積占比分別為18.81%、25.00%、24.11%、22.27%、9.81%，低度敏感類(lèi)型將是2030 年黃土高原的主要敏感類(lèi)型（圖5）。

科學(xué)劃分生態(tài)敏感性治理分區(qū)對(duì)于降低生態(tài)敏感性，提高生態(tài)系統(tǒng)的系統(tǒng)性和完整性具有重要意義。以往研究多采用單一的靜態(tài)或動(dòng)態(tài)視角進(jìn)行治理區(qū)的劃分，黃土高原部分區(qū)域生態(tài)敏感性在時(shí)空上呈現(xiàn)波動(dòng)轉(zhuǎn)移的動(dòng)態(tài)特征，這一區(qū)域應(yīng)是生態(tài)敏感性治理和修復(fù)的重點(diǎn)地區(qū)，同時(shí)，在治理規(guī)劃過(guò)程中納入未來(lái)生態(tài)敏感性分布格局，將更有利于高敏感區(qū)的早日確立和保護(hù)。鑒于此，本文采用“過(guò)去與未來(lái)”“動(dòng)態(tài)與靜態(tài)”相結(jié)合的方法，利用2000—2020 年黃土高原生態(tài)敏感性地理信息演變圖譜（圖3）、地理信息演變穩(wěn)定性圖譜（圖4）和2030年黃土高原生態(tài)敏感性分布格局（圖5）構(gòu)建黃土高原生態(tài)敏感性治理分區(qū)，力求為黃土高原生態(tài)敏感性治理和改善提供更為精確的參考。其具體操作為：生態(tài)敏感性地理信息演變圖譜中21 類(lèi)演變特征按生態(tài)敏感性由優(yōu)到差，重分類(lèi)為9 類(lèi)，賦值為1～9；演變穩(wěn)定性圖譜按變化次數(shù)由低到高重分類(lèi)為5 類(lèi)、2030 年敏感性分布格局按敏感性由低到高重分類(lèi)為5 類(lèi)，分別賦值為1、3、5、7、9。隨后將三者重分類(lèi)結(jié)果采用空間疊加法構(gòu)建生態(tài)敏感性治理分區(qū)，采用自然間斷法，將其劃分為生態(tài)優(yōu)化區(qū)、生態(tài)保護(hù)區(qū)、生態(tài)預(yù)警區(qū)、生態(tài)修復(fù)區(qū)（圖6）。

生態(tài)優(yōu)化區(qū)生態(tài)環(huán)境優(yōu)越，是黃土高原提供生態(tài)系統(tǒng)服務(wù)功能最主要的來(lái)源，可保持現(xiàn)有的生態(tài)治理措施并適當(dāng)進(jìn)行優(yōu)化；生態(tài)改善區(qū)生態(tài)環(huán)境較好，但仍存在少量生態(tài)問(wèn)題，需采取恰當(dāng)?shù)纳鷳B(tài)治理措施對(duì)其進(jìn)行改善；生態(tài)預(yù)警區(qū)生態(tài)環(huán)境較差，面臨著生態(tài)惡化的風(fēng)險(xiǎn)，應(yīng)加強(qiáng)對(duì)該地區(qū)的生態(tài)監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)生態(tài)惡化的區(qū)域并采取治理措施；生態(tài)修復(fù)區(qū)生態(tài)環(huán)境最差，急需進(jìn)行生態(tài)修復(fù)，以滿足人類(lèi)對(duì)美好生態(tài)環(huán)境的需求。生態(tài)敏感性治理分區(qū)面積占比由高到低依次為生態(tài)改善區(qū)（37.51%）、生態(tài)優(yōu)化區(qū)（24.02%）、生態(tài)預(yù)警區(qū)（22.57%）、生態(tài)修復(fù)區(qū)（15.89%），生態(tài)改善區(qū)面積占比最大，說(shuō)明近些年來(lái)黃土高原生態(tài)治理工程發(fā)揮了積極成效，生態(tài)環(huán)境明顯改善。在空間上，生態(tài)優(yōu)化區(qū)主要位于黃土丘陵溝壑區(qū)、土石山區(qū)及河谷平原區(qū)以及黃土高塬溝壑區(qū)的東部和西南部地區(qū)，生態(tài)改善區(qū)在生態(tài)優(yōu)化區(qū)的基礎(chǔ)上繼續(xù)向西北方向延伸，生態(tài)預(yù)警區(qū)主要位于沙地和農(nóng)灌區(qū)以及黃土高塬溝壑區(qū)的中西部地區(qū)，生態(tài)修復(fù)區(qū)在生態(tài)預(yù)警區(qū)的基礎(chǔ)上向西北方面縮減，治理難度呈現(xiàn)出由東南向西北遞增的趨勢(shì)。

3 結(jié)論

基于2000—2020 年多年數(shù)據(jù)，采用“DPSIR”框架，耦合空間距離指數(shù)模型和全排列多邊形圖示指標(biāo)法計(jì)算黃土高原綜合生態(tài)敏感性指數(shù)，基于地理信息演變圖譜研究其時(shí)空演變特征，利用地理探測(cè)器探測(cè)驅(qū)動(dòng)因子，最終劃分生態(tài)敏感性治理分區(qū)，為黃土高原生態(tài)環(huán)境治理和優(yōu)化提供參考。得到以下結(jié)論：

1）2000—2020 年，黃土高原生態(tài)敏感性表現(xiàn)出西北高、東南低的分布特征；在時(shí)間上表現(xiàn)為先增加后下降的趨勢(shì)，低敏感類(lèi)型先減少后增加，高敏感類(lèi)型先增加后減少，生態(tài)環(huán)境向好的方向發(fā)展；

2）2000—2020 年，黃土高原生態(tài)敏感性轉(zhuǎn)移類(lèi)型以波動(dòng)穩(wěn)定型為主，不敏感和低度敏感轉(zhuǎn)入面積大于轉(zhuǎn)出面積，中度、重度和極敏感類(lèi)型轉(zhuǎn)入面積小于轉(zhuǎn)出面積；生態(tài)改善區(qū)面積占比最大（35.17%），生態(tài)惡化區(qū)面積占比最?。?.58%）；變化0 次和1 次的面積占比62.06%，黃土高原生態(tài)環(huán)境演變穩(wěn)定向好；

3）2000—2020 年，黃土高原生態(tài)敏感性各驅(qū)動(dòng)因素中，NDVI、降水量對(duì)生態(tài)敏感性的影響程度最大，雙因子間的交互作用是影響黃土高原生態(tài)敏感性的主要形式，NDVI 和降水量以及兩者與其他因子的交互作用對(duì)于黃土高原生態(tài)敏感性具有明顯的驅(qū)動(dòng)作用；

4）2030 年黃土高原依舊呈現(xiàn)西北高、東南低的分布特征，低度敏感將成為主要敏感類(lèi)型；生態(tài)敏感性治理難度由東南向西北遞增，沙地和農(nóng)灌區(qū)以及黃土高塬溝壑區(qū)的中西部是生態(tài)敏感性治理的重點(diǎn)地區(qū)。

本文針對(duì)黃土高原生態(tài)敏感性時(shí)空演變特征進(jìn)行了有益的探索和嘗試。在指標(biāo)計(jì)算方面，借鑒相關(guān)學(xué)者對(duì)生態(tài)敏感性的計(jì)算方法進(jìn)行了改進(jìn)，耦合空間距離指數(shù)模型和全排列多邊形圖示指標(biāo)法進(jìn)行計(jì)算，即考慮了不同指標(biāo)層各因子之間的相互關(guān)系，又在最大程度避免了主觀因素及單一方法對(duì)結(jié)果的干擾，但目前指標(biāo)計(jì)算尚未形成統(tǒng)一的方法，本文所使用的方法并不能完全保證結(jié)果的準(zhǔn)確性，在今后的工作中，還應(yīng)加強(qiáng)對(duì)指標(biāo)體系的理論研究以及對(duì)計(jì)算結(jié)果的檢驗(yàn)工作，通過(guò)試驗(yàn)找到最適宜的計(jì)算方法。在劃分生態(tài)敏感性治理分區(qū)時(shí)，基于動(dòng)靜結(jié)合視角，將2000—2020 年生態(tài)敏感性演變特征及2030 年生態(tài)敏感性分布特征進(jìn)行疊加，相較于以往研究，分區(qū)結(jié)果具有一定的前瞻性，然而，治理分區(qū)有必要結(jié)合驅(qū)動(dòng)因子，以增強(qiáng)結(jié)果的綜合性，在未來(lái)的研究中，可將驅(qū)動(dòng)因子納入治理分區(qū)的劃分依據(jù)中，通過(guò)與預(yù)測(cè)模型結(jié)合，開(kāi)展不同氣候背景或政策背景下治理方案的制定，進(jìn)一步豐富治理分區(qū)的科學(xué)內(nèi)涵。