基于地理探測器的艾比湖流域生態(tài)脆弱性評價及驅(qū)動力分析

摘要：對艾比湖流域生態(tài)脆弱性進行評價，并對其驅(qū)動力進行定量分析，為區(qū)域生態(tài)環(huán)境保護與建設、生態(tài)資源合理開發(fā)利用提供理論支撐。從自然因素和人類因素2個方面選擇高程、坡度、坡向、植被覆蓋度、年降水、地表溫度、河網(wǎng)密度、土壤類型、土地利用類型、人均GDP及人口密度等11個指標，構(gòu)建艾比湖流域生態(tài)脆弱性評價體系，利用主觀權重與客觀權重相結(jié)合的方法確定指標權重，選取 2000、2010及2020 年3個時間點進行流域生態(tài)脆弱性（EVI）研究和驅(qū)動力分析。結(jié)果表明：近20年來艾比湖流域生態(tài)脆弱性以中度脆弱與輕度脆弱為主，占總面積的85.53%，整體上生態(tài)脆弱性有所改善。地理探測器分析表明，生態(tài)環(huán)境的空間分布特征是多種影響因子共同交互作用的結(jié)果，植被覆蓋度和土地利用類型是影響區(qū)域生態(tài)脆弱性狀況的主要因子。2000年、2010年和2020年生態(tài)脆弱性具體解釋力的值分別為0.592、0.721和0.711。

關鍵詞：生態(tài)脆弱性；熵權法；地理探測器；驅(qū)動力；艾比湖流域

中圖分類號：X826 " " " "文獻標志碼：A " " " "文章編號：1674-3075（2024）06-0018-10

全球氣候變化、人類活動劇增及不合理的自然資源利用方式導致生態(tài)系統(tǒng)的自我調(diào)整能力快速下降（Nandy et al，2015），生態(tài)系統(tǒng)脆弱性研究成為全球環(huán)境變化和可持續(xù)發(fā)展領域關注的重點問題。Clements于20世紀初首次在生態(tài)學中引入Ecotone概念，此理論經(jīng)過不斷的發(fā)展，逐漸成為生態(tài)脆弱性研究的重要組成部分（Adger，2006）。21世紀初政府間氣候變化專業(yè)委員會（IPCC）發(fā)布的《氣候變化、影響、適應和脆弱性報告》把生態(tài)脆弱性作為重要的研究領域，其理論及內(nèi)容不斷深化和豐富（李平星和樊杰，2014）。在進行生態(tài)脆弱性評價時，加權過程影響最大（Li et al，2020）。指標權重可采用的方法有模糊評價法（Mafi-Gholami et al，2021）、景觀評價方法（杜師博等，2020）、SRP模型（賈晶晶等，2020）、層次分析法（吳春生等，2018）、主成分分析法（鐘曉娟等，2011）等。在上述評價方法中指標的選取或指標權重的確定依賴于研究者的先驗知識和經(jīng)驗，具有一定的主觀性（邵秋芳等，2016）。生態(tài)脆弱性的驅(qū)動力分析作為生態(tài)脆弱性評價的重要組成部分，研究方法主要包括氣候傾向率（鐘曉娟等，2011）、空間主成分分析法（林金煌等，2018）、相關性分析方法（郭兵等，2018）等。盡管上述方法客觀分析了生態(tài)脆弱性的驅(qū)動力，但僅從單個影響變量中探究生態(tài)脆弱性的原因，難以分析空間分異狀態(tài)，無法充分反映各指標對生態(tài)脆弱性的影響因素。熵權法是一種處理復雜問題不確定性的系統(tǒng)方法，可以有效克服人為因素的影響，使權重更為客觀，但是在數(shù)據(jù)量較大時，權重差小，計算量大（Feng et al，2014）。且單一的評估方法也有其弊端，組合評價的方法可以達到優(yōu)勢互補，使得結(jié)果更加穩(wěn)定。本文參照已有文獻（Xu et al，2018；Li et al，2018；陳桃等，2019）將AHP與熵權相結(jié)合求解的綜合權重應用于生態(tài)脆弱性評價的分析中；在對生態(tài)脆弱性驅(qū)動力評估時，引入地理探測器（王勁峰和徐成東，2017）分析生態(tài)脆弱性的影響因素。

艾比湖是準噶爾盆地最大的湖泊，也是新疆第一大咸水湖（Ge et al，2016），由于自然和人為因素的雙重作用正在逐步萎縮，蓄水量減少，流域趨于干旱化，風沙災害頻繁，生態(tài)環(huán)境脆弱（延琪瑤等，2021）。以往研究（孫倩等，2018；Wang et al，2019）缺少對自然因子及人類活動因子相結(jié)合的分析，難以揭示艾比湖流域復雜的空間分異性，也無法對生態(tài)脆弱性變化的驅(qū)動因子進行定量研究。因此，本文以艾比湖流域為研究區(qū)，選取 2000、2010及2020 年艾比湖流域經(jīng)濟快速發(fā)展、環(huán)境政策發(fā)生變化的3個時間點，從自然條件和人類因素2個方面選擇反映研究區(qū)狀況的重要指標，建立適合于艾比湖流域生態(tài)脆弱性評價的指標體系，并對該生態(tài)脆弱性進行評價，對生態(tài)脆弱性驅(qū)動力進行定量分析，以期為區(qū)域生態(tài)環(huán)境保護與建設、生態(tài)資源合理開發(fā)利用政策制定提供理論支撐，為艾比湖流域的可持續(xù)發(fā)展提供科學依據(jù)。

1 " 研究方法

1.1 " 研究區(qū)概況

艾比湖流域（44°02′～45°23′N，79°53′～83°53′E）位于新疆西北部，包括博樂市、精河縣、溫泉縣和阿拉山口市，面積2.5×104 km2，博爾塔拉河、精河和奎屯河為其3大主要入湖支流（圖1）。艾比湖流域?qū)贉貛Т箨懶詺夂?，蒸發(fā)量大，降水量少，年均溫5.6℃，年降水量181 mm，年均潛在蒸發(fā)量1 500～2 000 mm（唐夢迎等，2019）。自20世紀50年代初以來，艾比湖表面積明顯縮小，這是由于持續(xù)的氣候波動和不斷增加的人類影響減少了地表徑流（Liu et al，2015）。因而艾比湖生態(tài)環(huán)境問題日益突出，己成為新疆僅次于塔里木河下游綠色走廊衰敗的第二大生態(tài)環(huán)境問題（張桉赫，2019）。

1.2 " 數(shù)據(jù)來源與處理

本文采用的數(shù)據(jù)及資料見表1。為確保各指標在空間位置上有較好的重合性，各項指標均采用統(tǒng)一采WGS_1984_UTM44N 投影。所有數(shù)據(jù)經(jīng)過裁剪、重采樣和地理配準，為了保持空間一致性，柵格數(shù)據(jù)空間分辨率均為250 m。

1.3 " 指標體系構(gòu)建

指標選擇是一個復雜的過程，至今仍未有一套普遍適用的指標體系和評價方法應用于生態(tài)脆弱性評價。本文通過借鑒前人的研究成果（Jing et al，2020；任立清，2022），結(jié)合艾比湖流域生態(tài)環(huán)境特點，在遵循科學性、全面性、主導性、定性與定量相結(jié)合的原則下，從自然因素和人類因素2個方面選擇了包括高程、坡度 、坡向、植被覆蓋度、年降水、地表溫度、土壤類型、河網(wǎng)密度、土地利用類型、人均GDP以及人口密度等11個指標以反映研究區(qū)生態(tài)環(huán)境狀況，并進一步構(gòu)建研究區(qū)生態(tài)脆弱性的評價體系。

1.3.1 " 數(shù)據(jù)標準化 " 生態(tài)脆弱性評價中各指標具有不同的性質(zhì)與不同量綱，無法直接進行生態(tài)脆弱性評價，因此本文采用極差法對生態(tài)脆弱性評價指標原始數(shù)據(jù)進行標準化處理?？紤]到脆弱性評價正負相關指標對生態(tài)脆弱性影響作用不同，采取了不同的標準化方法，對于正向指標，標準化公式如下：

yij = [xij-min（xij）max（xij）-min（xij）] " " " " " " ①

對于負向指標，標準化公式為：

yij = [max（xij）-xijmax（xij）-min（xij）] ②

式中：yij表示第j個評價指標第i個柵格單元的標準化值；xij表示第j個評價指標第i個柵格單元的原始值；max（xij）與min（xij）分別表示第j個評價指標所有柵格單元的最大值和最小值。

1.3.2 " 權重計算 " 在評價中，權重是用來衡量指標項體系中某一指標所占的重要性程度，影響著評價結(jié)果的科學性。選擇層次分析法計算主觀權重，具有較高的可信度和準確性；熵權法可以充分利用實際數(shù)據(jù)，綜合考慮多個樣本之間的聯(lián)系，有效降低計算過程中的主觀性；最后，采用線性加權法確定綜合權重。改進的熵權法詳細步驟如下：

（1）熵權法權重：計算指標的第j個評估指標的信息熵：

ej = [-j=1mpijlnm] ③

pij= [yiji=1myij，i=1，2，]…m；j=1，2，…，n ④

式中：ej 為信息熵；m為評估單元的數(shù)量；pij為第i個評估單元在第j個指標上的比例；當pij = 0時，令pijlnpij= 0。

第j個指標的熵權（W1j）定義如下：

W1j = [（1-ei）j=1n（1-ej）] "⑤

（2）AHP權重：AHP是一種從指標屬性結(jié)構(gòu)出發(fā)完成權重計算的方法，其詳細步驟見以往研究（Saaty amp; Vargas，1998），通過AHP方法得主觀權重W2j，以考慮指標的主觀屬性。研究區(qū)各指標 AHP 權重計算結(jié)果如表 2。

（3）研究利用熵權-AHP組合權重模型完成不同年份各指標數(shù)據(jù)的最終第j個指標的權重，計算如下：

Wj = [W1j×W2jj=1nW1j×W2j] " " " " " " " " " " ⑥

式中：Wj為第j個指標的最終權重值（表3）；W1j是通過熵權法計算得到第j個指標的客觀權重；W2j是通過AHP方法計算得到第j個指標的主觀權重。

2000和2020年艾比湖流域生態(tài)脆弱性評價的11個指標歸一化結(jié)果見圖2。2000-2020年艾比湖各個指標空間分布情況如下：人口密度和人均GDP主要集中在精河縣和博樂市內(nèi)，表現(xiàn)為中心地區(qū)呈聚集狀態(tài)；地表溫度、年降水量、植被覆蓋度、土壤類型和土地利用類型呈地帶性分布；研究區(qū)海拔低，土壤侵蝕和土壤鹽堿化較嚴重。

1.3.3 " 生態(tài)脆弱性評價 " 采用線性加權組合法，將不同年份各個指標標準化后的值與其對應的權重值相乘后累加，得到生態(tài)脆弱性指數(shù)（EVI）用于研究區(qū)生態(tài)脆弱性評價，計算公式如下：

EVI = [-j=1nIj×Wj] " " " " " " " " " "⑦

式中：EVI表示生態(tài)脆弱性指數(shù)；Ij表示第j個指標的標準化值；Wj為第j個指標的權重值。

由于模擬得到的生態(tài)脆弱性在空間上是連續(xù)分布的，為了更好地認識和理解研究區(qū)生態(tài)脆弱性的分布和比例，采用自然斷點法對研究區(qū)的生態(tài)脆弱性進行分級。自然斷點法能客觀得到生態(tài)脆弱性分級結(jié)果（Zou amp; Yoshino，2017）。參考前人的研究成果（張學淵等，2021）與研究區(qū)的實際情況，將研究區(qū)分級，如表4。

為直觀比較和反映研究區(qū)生態(tài)脆弱性在不同年份的整體差異和變化趨勢，采用生態(tài)脆弱性綜合指數(shù)（ecological vulnerability integrated index，EVII）進行分析，計算公式如下：

EVII = [inpi×AiS] ⑧

式中：EVII為生態(tài)脆弱性綜合指數(shù)，其值越小，生態(tài)環(huán)境整體越好，反之生態(tài)環(huán)境越脆弱；Pi與Ai分別表示第i類脆弱性等級值（1、2、3、4和5）和脆弱性面積；S為區(qū)域總面積。

1.4 " 驅(qū)動力分析

本文采用地理探測器（王勁峰和徐成東，2017）定量分析艾比湖流域 2000、2010和2020年生態(tài)脆弱性空間分布的驅(qū)動力因素，該方法的主要優(yōu)勢在于可以探測數(shù)值型數(shù)據(jù)和定性數(shù)據(jù)，且可以探測兩因子的交互作用。首先，選取EVI作為因變量，選取生態(tài)脆弱性的11個評價指標作為自變量，因研究范圍較大，適合建立5 km×5 km 格網(wǎng)尺度，共提取2 162個格點用于獲得各因變量和自變量的值，統(tǒng)計EVI和各自變量因子平均值。其次，利用自然斷點法將各自變量因子分為5級，由數(shù)值量轉(zhuǎn)變?yōu)轭愋土?。最后，利用地理探測器計算q統(tǒng)計值。因子探測器可以量化不同變量之間對生態(tài)脆弱性時空變化分異性，并探測其影響程度及大小，公式如下：

q = 1- [h=1LNhσ2hNσ2] ⑨

式中：h=1，2...，為具體某一類型；Ｌ為變量Ｙ或因子Ｘ的分層，即分類或分區(qū)；Nh和N分別為層ｈ和全區(qū)的單元數(shù)；σh和σ分別為h類別的方差和全區(qū)的方差。ｑ的值域為［0，1］，ｑ值越大，表明自變量Ｘ對生態(tài)脆弱性Ｙ的變化解釋越強，反之則越弱。

交互作用探測可判斷不同影響因子之間的交互作用，即評價因子X和Y共同作用時是否會改變其對生態(tài)脆弱性指數(shù)的解釋力，2個因子之間的相互作用關系可分為5類（王勁峰和徐成東，2017），見表5。

2 " 結(jié)果與分析

2.1 " 生態(tài)脆弱性時空變化總體特征

通過生態(tài)脆弱性評價方法計算得到研究區(qū)2000-2020年的EVI值，利用生態(tài)脆弱性分級方法獲得研究區(qū)EVI值的空間等級分布圖（圖3），統(tǒng)計得到各個時期不同脆弱性等級的結(jié)果和生態(tài)脆弱性綜合指數(shù)（EVII）。

統(tǒng)計結(jié)果顯示，研究區(qū)2000、2010與2020年的EVII值分別為：5.2、4.7與5.1。EVII值越大說明研究區(qū)生態(tài)越脆弱，生態(tài)環(huán)境越差，反之則相反。EVII值呈波動變化，先快速下降后又略有上升，表明艾比湖流域生態(tài)脆弱性變化顯著。由圖3可知，研究區(qū)大部分地區(qū)處于中度脆弱和輕度脆弱狀態(tài)。以2000年為例，微度脆弱、輕度脆弱、中度脆弱、重度脆弱分別占研究區(qū)總面積的3.62%、38.85%、46.68%和6.28%，其中，中度脆弱和輕度脆弱區(qū)的面積占總面積的85.53%。重度脆弱區(qū)的面積由2000年的3 105.50 km2下降到2010年的1 947.69 km2，這主要與艾比湖流域降水在2000-2010年不斷上升、植被條件得到改善、生態(tài)環(huán)境保護力度增大有關?？偟膩碚f，2000-2020年，生態(tài)環(huán)境脆弱區(qū)面積呈減少趨勢，生態(tài)脆弱性有所改善，且微度脆弱區(qū)和輕度脆弱區(qū)的面積都有較大幅度的增加。

從空間格局來看（圖4），過去20年研究區(qū)生態(tài)脆弱性程度在空間分布上有所差異，但脆弱性特征明顯，表明流域內(nèi)生態(tài)脆弱性空間分布特征對地理格局具有較強的依賴性。其中，微度脆弱區(qū)主要分布于艾比湖西側(cè)的博樂市與精河縣，面積相對較小。該區(qū)主要受到艾比湖湖區(qū)外圍裸露湖底沙漠鹽漬化的威脅，以及綠洲外圍區(qū)域風蝕的影響。中度脆弱區(qū)與輕度脆弱區(qū)主要分布于溫泉縣、托里縣、烏蘇市和奎屯市，包括低山丘陵區(qū)、山前沖洪積扇以及新老綠洲的農(nóng)灌區(qū)，屬社會、經(jīng)濟和文化活動的核心區(qū)域，也是人類對生態(tài)環(huán)境影響最為深遠的區(qū)域，其主要生態(tài)問題為土壤鹽漬化和土壤侵蝕。重度脆弱區(qū)對整個研究區(qū)生態(tài)環(huán)境變化的影響最大，主要分布于艾比湖濕地自然保護區(qū)部分區(qū)域以及艾比湖湖區(qū)與阿拉山口之間的區(qū)域。這一地區(qū)物種多樣性低，生態(tài)系統(tǒng)穩(wěn)定性差，一經(jīng)破壞，很難恢復；由于湖面縮小，地下水位下降，裸露湖底沙漠鹽漬化，引起植被衰敗、草場沙化，是該區(qū)成為重度脆弱區(qū)的重要原因。

為進一步探索研究區(qū)生態(tài)脆弱性等級隨時間推移的空間變化情況，統(tǒng)計2000-2020年不同脆弱性等級面積轉(zhuǎn)移情況（表6），并對艾比湖流域 2000-2010、2010-2020、2000-2020年生態(tài)脆弱性結(jié)果進行增減分析，得到流域生態(tài)脆弱性動態(tài)變化分布（圖5）。由圖5可知，2010-2020年的動態(tài)變化相較2000-2010年更加顯著。2000-2010年流域北部、東部以及西南部呈現(xiàn)輕微加重趨勢；流域中部、西部、東北部地區(qū)生態(tài)脆弱性降低，生態(tài)狀況有好轉(zhuǎn)趨勢；生態(tài)脆弱性不變的區(qū)域占比較大。2010-2020年全流域生態(tài)脆弱性變化整體呈現(xiàn)減弱趨勢，在流域中南部及西部部分地區(qū)生態(tài)脆弱性加劇，而東部有所改善，生態(tài)脆弱性從2000-2010年的36.67%降到2010-2020年的11.20%。2000-2020年的總動態(tài)趨勢圖中，流域西部地區(qū)生態(tài)脆弱性較高，保護區(qū)東部有所改善。

2.2 " 驅(qū)動因素分析

因子探測器用于分析各指標對生態(tài)脆弱性的影響程度。由表7可知，各指標的P均為0，表明所選的探測因子對生態(tài)脆弱性指數(shù)的空間分異特征有顯著影響?？傮w來看，艾比湖流域各指標對生態(tài)脆弱性的影響力基本穩(wěn)定，其中q值排名前兩位的始終是植被覆蓋度與土地利用類型，q值的均值分別為0.629和0.512，說明艾比湖流域受植被覆蓋度與土地利用類型的影響最大。相對而言，坡度、坡向、人口密度和人均GDP的影響較小，qlt;0.1。

為了分析任意2個影響因子共同作用后對生態(tài)脆弱性空間分布的解釋程度，對各因子進行交互探測。交互檢測器不僅可以判斷是否存在可變交互，還可以判斷交互的強度、方向、線性或非線性，有助于研究變量之間的相互作用 。如圖6所示，本研究因子交互探測的結(jié)果表現(xiàn)出雙因子增強型和非線性增強型的作用效果，表明交互結(jié)果的決定力高于原有2個因子的獨立決定力，更能促進艾比湖流域的生態(tài)脆弱性的變化。從圖6可以看出2000、2010和 2020 年對EVI的影響最強的是土地利用∩植被覆蓋度的交互作用，具體解釋力q分別為0.592、0.721和0.711。此外，解釋力較弱的因子與解釋力較強因子間多表現(xiàn)為非線性交互作用。綜上所述，近20年來研究區(qū)的植被覆蓋度與土地利用一直是生態(tài)脆弱性的主導因子，其他因子對研究區(qū)生態(tài)環(huán)境指標的影響程度有所差異。自然因素和社會因素交互作用的強度強于各因素內(nèi)部的交互作用，說明艾比湖流域生態(tài)脆弱性是各因素綜合作用的結(jié)果。

3 " 討論

3.1 " 生態(tài)脆弱性時空變化

艾比湖流域生態(tài)系統(tǒng)脆弱性指數(shù)整體處于略有下降的趨勢，這與過去關于艾比湖部分區(qū)域的脆弱性評估結(jié)果一致（劉思怡等，2020），并與張學淵等（2021）關于西北地區(qū)的評估結(jié)果一致。不同區(qū)域生態(tài)脆弱性異質(zhì)性極大，流域北部大部分地區(qū)屬于輕度和微度脆弱，這與劉思怡等（2020）在艾比湖流域草地生態(tài)系統(tǒng)中發(fā)現(xiàn)的呈現(xiàn)“穩(wěn)中向好”趨勢的結(jié)果一致，然而與延琪瑤等（2021）和Ge等（2016）的研究結(jié)果不一致。這兩篇文章表明，流域在自然和人為因素的雙重作用下，流域出現(xiàn)蓄水量減少、趨于干旱化、風沙災害頻繁以及生態(tài)環(huán)境脆弱等問題，且對氣候變化和人類活動的響應較為敏感。造成這種差異的原因主要在于，近年來隨著降水的增加以及人類生態(tài)意識的不斷提高，建立生態(tài)保護區(qū)、人工植樹造林等措施的實施，增大了流域內(nèi)植被保護力度，緩解了流域的生態(tài)脆弱問題，使生態(tài)環(huán)境向不斷改善的方向發(fā)展（任立清，2022）。

3.2 " 驅(qū)動力分析

艾比湖流域地處新疆西北地區(qū)，地形復雜，生態(tài)環(huán)境空間分異性明顯。驅(qū)動力分析表明因子交互作用結(jié)果均為雙因子增強和非線性增強，說明因子間兩兩交互作用比單因子作用對生態(tài)脆弱性的影響更強，尤其在人為干擾度與其他因子交互時表現(xiàn)得更加明顯。艾比湖流域生態(tài)系統(tǒng)脆弱性變化涉及的因素較多，沒有突出的單一決定性指標可用來解釋艾比湖流域生態(tài)脆弱性的變化。研究顯示植被覆蓋度與土地利用是影響生態(tài)脆弱性變化的主要因子之一。孫倩等（2018）指出，流域內(nèi)向西隨海拔高度的升高，年降水量逐漸增多，為植被生長提供了水分條件；Turner等（2013）指出土地利用變化是全球環(huán)境變化的重要組成部分及驅(qū)動因素之一，與本研究結(jié)果一致。這說明“退牧還草工程”政策落實到位，但是某些區(qū)域靠近城鎮(zhèn)且與耕地接壤，人為干擾嚴重，應在平時做好預防工作，從水資源合理開發(fā)與利用的角度入手，加強監(jiān)管力度，守好“金山銀山”。

相較于已有研究，本文采用的熵權法、層次分析方法和地理探測器（王勁峰和徐成東，2017）相結(jié)合的方法，能更有效地反映區(qū)域生態(tài)脆弱性的時空變化特征以及定量分析各驅(qū)動因子對生態(tài)脆弱性的影響。本研究仍存在一些不確定性：一方面，受數(shù)據(jù)限制，研究時段相對較短，沒有考慮其他人為活動對生態(tài)脆弱性的影響；另一方面，生態(tài)脆弱性評價是一個復雜的過程，現(xiàn)階段對于生態(tài)脆弱性評價還沒有形成統(tǒng)一的評價指標體系（陳桃等，2019）。在后續(xù)研究中可通過綜合多種不同賦權方法對所選評價指標進行賦權，并對脆弱性進行分析，對評價結(jié)果進行驗證。

參考文獻

陳桃， 包安明， 郭浩， 等， 2019. 中亞跨境流域生態(tài)脆弱性評價及其時空特征分析：以阿姆河流域為例[J].自然資源學報，34 （12） ： 2643-2657.

杜師博， 李嬌， 楊芳絨， 等， 2020. 國內(nèi)景觀評價方法研究現(xiàn)狀及趨勢：基于Cite Space的文獻計量分析[J].西南大學學報（自然科學）， nbsp;42 （7） ： 168-176.

郭兵， 孔維華， 姜琳， 2018. "西北干旱荒漠生態(tài)區(qū)脆弱性動態(tài)監(jiān)測及驅(qū)動因子定量分析[J].自然資源學報， 33 （3） ： 412-424.

賈晶晶， 趙軍， 王建邦， 等， 2020. 基于SRP模型的石羊河流域生態(tài)脆弱性評價[J].干旱區(qū)資源與環(huán)境， "34 （1） ： 34-41.

李平星， 樊杰， 2014. 基于VSD模型的區(qū)域生態(tài)系統(tǒng)脆弱性評價：以廣西西江經(jīng)濟帶為例[J].自然資源學報， 29（5） ： 779-788.

林金煌， 胡國建， 祁新華， 等， 2018. 閩三角城市群生態(tài)環(huán)境脆弱性及其驅(qū)動力[J].生態(tài)學報， 38 （12） ： 4155-4166.

劉思怡， 丁建麗， 張鈞泳， 等， 2020. 艾比湖流域草地生態(tài)系統(tǒng)環(huán)境健康遙感診斷[J].草業(yè)學報， 29 （10） ：1 -13.

任立清， 2022. 艾比湖流域植被時空變化及驅(qū)動力分析[J]. 干旱區(qū)地理， 45 （2） ： 467-477.

邵秋芳， 彭培好， 黃潔， 等， 2016. 長江上游安寧河流域生態(tài)環(huán)境脆弱性遙感監(jiān)測[J].國土資源遙感， 28 （2） ： 175-181.

唐夢迎， 丁建麗， 夏楠， 等，2019. 博爾塔拉蒙古自治州植被覆蓋度估算[J]. 測繪科學， 44 （7） ： 74-81.

孫倩， 張敏， 曾永兵， 等， 2018. 艾比湖流域降水和風速對植被 NDVI時空變化的影響[J]. 西南農(nóng)業(yè)學報， 31（11）： 2407-2412.

王勁峰， 徐成東， 2017. 地理探測器：原理與展望[J].地理學報， 72 （1） ： 116-134.

吳春生，黃翀， 劉高煥， 等， 2018. 基于模糊層次分析法的黃河三角洲生態(tài)脆弱性評價[J].生態(tài)學報， 38 （ 13） ： 4584-4595.

延琪瑤， 王力， 張蕓， 等， 2021. 新疆艾比湖小葉樺濕地3900年以來的植被及環(huán)境演變[J].應用生態(tài)學報， 32 （2） ： 486-494.

張桉赫，2019. 基于熵理論的艾比湖流域生態(tài)環(huán)境質(zhì)量遙感診斷[D]. 烏魯木齊： 新疆大學.

張學淵， 魏偉， 周亮， 等， 2021. 西北干旱區(qū)生態(tài)脆弱性時空演變分析[J].生態(tài)學報， 41 （12） ： 4707-4719.

鐘曉娟， 孫保平， 趙巖， 等， 2011. 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， 20 （1） ： 109-113.

Adger W N， 2006. Vulnerability[J]. Global Environmental Change， 16（3）： 268? 281.

Feng L H， Sang G S， Hong W H， 2014. Statistical prediction of changes in water resources trends based on set pair analysis[J]. Water Resources Management， 28（6）： 1703-1711.

Ge Y， Abuduwaili J， Ma L， et al， 2016. Potential transport pathways of dust emanating from the playa of Ebinur Lake， Xinjiang， in arid northwest China [J]. Atmospheric Research， 178/179： 196-206.

Jing Y， Zhang F， He Y， et al， 2020. Assessment of spatial and temporal variation of ecological environmentquality in Ebinur Lake Wetland National Nature Reserve， Xinjiang， China[J]. Ecological Indicators， 110： 105874.

Li W， Yi P， Zhang D， et al， 2020. Assessment of coordinated development between social economy and ecological environment：case study of resource-based cities in northeastern China[J]. Sustainable Cities and Society， 59： 102208.

Li Z M， Fan Z X， Shen S G， 2018. Urban green space suitability evaluation based on the AHP-CV combined weight method： a case study of Fuping County， China[J]. Sustainability， 10： 2656.

Liu D， Abuduwaili J， Wang L， 2015. Salt dust storm in the Ebinur Lake region： its 50-year dynamic changes and response to climate changes and human activities [J].Natural Hazards， 77（2）： 1069-80.

Mafi-Gholami D， Pirasteh S， Ellison J C， et al， 2021. Fuzzy-based vulnerability assessment of coupled social-ecological systems to multiple environmental hazards and climate change[J]. Journal of Environmental Management， 299：113537.

Nandy S， Singh C， Das K K， et al， 2015. Environmental vulnerability assessment of eco development zone of Great Himalaya National Park， Himachal Pradesh， India [J]. Ecological Indicators， 57： 182-95.

Saaty T L， Vargas L G， 1998. Diagnosis with dependent symptoms： bayes theorem and the analytic hierarchy process[J]. Operations Research， 46（4）： 491-502.

Turner B L， Janetos A C， Verburg P H， et al， 2013. Land system architecture： using land systems to adapt and mitigate global environmental change[J]. Global Environmental Change， 23（2）： 395-397.

Wang J， Ding J， Li G， et al， 2019. Dynamic detection of water surface area of Ebinur Lake using multi-source satellite data （Landsat and Sentinel-1A） and its responses to changing environment[J]. Catena， 177： 189-201.

Xu H S， Mac， Lian J J， et al， 2018. Urban flooding risk assessment based on an integrated K-means cluster algorithm and improved entropy weight method in the region of Haikou， China[J]. Journal of Hydrology， 563： 975-986.

Zou T H， Yoshino K， 2017. Environmental vulnerability evaluation using a spatial principal components approach in the Danxing'anling region， China[J]. Ecological Indicators， 78： 405-415.

（責任編輯 " 鄭金秀）

Ecological Vulnerability Evaluation and Driving Force Analysis

of the Ebinur Lake Basin

Niyazihainimu Xiaokaitijiang1，2， MA Qian1， BAO An‐ming2， Saimire Wusiman1，2， JIANG Zhan‐peng1，2

（1. College of Geography Sciences and Tourism， Xinjiang Normal University， Urumqi " 830054， P.R. China;

2.State Key Laboratory of Desert and Oasis Ecology， Xinjiang Institute of Ecology and Geography，

CAS， Urumqi " 830011， P.R. China）

Abstract： As an important ecological barrier on the northern slope of the Tianshan Mountains， the Ebinur Lake basin is increasingly affected by both natural conditions and human activities， and ecological and environmental problems are becoming more serious. In this paper， Ebinur Lake was selected for study， and we evaluated the ecological vulnerability of the basin in 2000， 2010 and 2020， and quantitatively analyzed the driving forces. The aim of the study was to provide theoretical support for the conservation and restoration of the ecological environment， and the rational development and utilization of the basin’s ecological resources. Eleven indicators of both natural and human factors were selected to develop an ecological vulnerability evaluation system for the Ebinur Lake basin， including elevation， slope， slope direction， vegetation cover， annual precipitation， surface temperature， river network density， soil type， land use type， GDP per capita and population density. The weight of each indicator was determined by combining subjective and objective weights using the analytic hierarchy process （AHP）， entropy weight method and linear weighting method. The ecological vulnerability integrated index （EVII） of the study area for each year was then determined and the ecological vulnerability level of the Ebinur Lake basin was evaluated. The spatial and temporal ecological vulnerability of the study area decreased slightly over the 20 year study period， especially in the northern area， decreasing from 36.67% during 2000-2010 to 11.20% during 2010-2020. The EVII of the study area in 2000， 2010 and 2020 were 5.2， 4.7 and 5.1， decreasing rapidly for the first decade and then increasing back to just less than the initial value. The overall ecological vulnerability of the Ebinur Lake basin was mild to moderate over 85.53% of the study area. The driving forces of ecological vulnerability in the basin were analyzed by geodetector analysis. The spatial distribution of ecological environment vulnerability was found to be the result of multiple interacting factors， but the interaction of vegetation cover and land use had the strongest influence on regional ecological vulnerability， with specific explanatory power values （q） of 0.592 in 2000， 0.721 in 2010 and 0.711 in 2020.

Key words：ecological vulnerability; entropy weight method; geographic probe; Ebinur Lake watershed