EN中文

地球信息科学学报 >

2018 , Vol. 20 >Issue 7: 947 - 956

DOI: https://doi.org/10.12082/dqxxkx.2018.170633

地理空间分析综合应用

西江流域生态脆弱性时空分异及其驱动机制研究

  • 王钰 ,
  • 胡宝清 , *
展开
  • 1. 广西师范学院 北部湾环境演变与资源利用教育部重点实验室 南宁 530001
  • 2. 广西地表过程与智能模拟重点实验室,南宁530001
  • 3. 广西师范学院 地理科学与规划学院 南宁 530001
*通讯作者:胡宝清(1966-),男,江西临川人,教授,博士,主要从事脆弱环境演变与整治研究。 E-mail: hbq1230@gxtc.edu.cn

作者简介:王 钰(1993-),女,广西北海人,硕士生,研究方向为脆弱性环境演变与生态安全。 E-mail:

收稿日期: 2017-12-26

  要求修回日期: 2018-02-06

  网络出版日期: 2018-07-13

基金资助

国家自然科学基金项目（41661021、41361022）;广西自然基金创新团队项目(2016JJF15001);广西科技开发项目（14125008-2-24）

收起

Spatial and Temporal Differentiation of Ecological Vulnerability of Xijiang River in Guangxi and Its Driving Mechanism

  • WANG Yu ,
  • HU Baoqing , *
Expand
  • 1. Key Laboratory of Environment Change and Resources Use in Beibu Gulf (Guangxi Teachers Education University), Ministry of Education, Nanning 530001, China
  • 2. Guangxi Key Laboratory of Earth Surface Processes and Intelligent Simulation, Nanning 530001, China
  • 3. School of Geography and Planning, Guangxi Teachers Education University, Nanning 530001, China;
*Corresponding author: HU Baoqing, E-mail:

Received date: 2017-12-26

  Request revised date: 2018-02-06

  Online published: 2018-07-13

Supported by

National Natural Science Foundation of China, No.41661021, 41361022;Guangxi Natural Fund Innovative Team Project, No.2016JJF15001;Guangxi Science and Technology Development Project, No.14125008-2-24

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

流域作为人口、资源、资本都相对集中的水文单元,其生态系统结构的稳定性是区域社会经济发展的基础。流域在生态系统演变及人类频繁活动的共同胁迫下,生境敏感性增强,脆弱易损。本文以广西西江流域为例,通过对其生态脆弱性成因机制分析,依循“敏感性-压力度-恢复力”评估框架,选取11个指标构建完成流域生态脆弱性评价指标体系,以GIS技术为支撑,采用空间主成分分析法和差值法对生态脆弱性指数进行计算与分析,探究2000-2010年广西西江流域生态脆弱性时空变化特征。基于地理探测器的因子探测和交互探测模块分析各影响因子对流域生态脆弱性结果的解释力及因子交互作用对流域生境脆弱性变化的驱动机制。结果表明:① 2000-2010年,广西西江流域生态脆弱性指数多年平均值为0.69,整体处于中度脆弱状态。空间上,流域生态脆弱性表现为中部高于四周,由城市核心区往外逐步减弱的格局特征,研究时段内流域生态脆弱性综合指数多年平均值最大的为贵港市（3.40）,最小的为百色市（2.23）;时间上,10年间,流域整体生态脆弱性呈现轻微恶化的趋势,2005年流域中部及东部地区受高温影响,导致2005年流域生态脆弱性指数整体高于其他两年;② 6个因子对流域生态脆弱性的解释力强度为生物丰度指数（0.475）>高温季节温度（0.340）>植被覆盖度（0.211）>NPP（0.183）>降雨侵蚀力（0.098）>汛期降雨量（0.030）,因子交互协同作用后对结果解释力增强。

关键词： 生态脆弱性; 地理探测器; 时空分异; 驱动机制; 广西西江流域

本文引用格式

王钰 , 胡宝清 . 西江流域生态脆弱性时空分异及其驱动机制研究[J]. 地球信息科学学报, 2018 , 20(7) : 947 -956 . DOI: 10.12082/dqxxkx.2018.170633

Abstract

As a hydrologic unit with dense population, abundant resource and intensive capital, the stability of ecosystem structure of a basin lays the foundation of regional economy's development. Influenced by ecosystem's evolution together with human being's activities, the basin environment becomes more and more sensitive and vulnerable. In case of Xijiang River in Guangxi, the thesis is to make an analysis on the cause of its ecological vulnerability and construct evaluation indexes system with eleven indices under the framework of sensitivity-pressure-recovery. Supported by GIS technology, the ecological vulnerability index（EVI）was calculated and analyzed by Principal Component Analysis and difference method, which probes into the spatial and temporal characteristics of ecological vulnerability change from 2000 to 2010. Based on the factor and the interaction detect modules of geographical detector, it aims to analyze the explanatory power of impact factors on ecological vulnerability and the driving forces of factor interaction to the changes of ecological vulnerability in the basin. The results are as following: from 2000 to 2010, the ecological vulnerability index means kept at 0.69 for years, which was at moderate vulnerability. Spatially, the central basin is more sensitive than the surround area showing a declining trend from center to suburbs. The maximum of the average ecological vulnerability composite index of the whole basin for 2000-2010, is 3.40 at Guigang City. The minimum is 2.23 at Baise City. During the past ten years, the ecological fragility of the basin showed a slight deterioration. In year 2005, central and eastern parts of the basin were influenced by high temperature, which led to the higher ecological vulnerability comprehensive index in 2005 than other years. The order of the explanatory power intensity of the six factors on the ecological vulnerability is as follows: biological abundance index (0.475)>temperature at high temperature season (0.340)>vegetation coverage (0.211)>NPP (0.183)>rainfall erosivity (0.098)>Rainfall in flood season (0.030), and the explanatory power on results will be strengthened by factors cooperative interaction.

Key words： ecological vulnerability; geographical detector; spatial and temporal differentiation; driving mechanism; Xijiang River in Guangxi

1 引言

自20世纪初期Clements将Ecotone概念引入生态学开始,20世纪60年代的国际生物学计划（IBP）、70年代的人与生物圈计划（MAB）、80年代的国际地圈生物圈计划（IGBP）、21世纪初期政府间气候变化专业委员会（IPCC）发表的《气候变化、影响、适应和脆弱性报告》,生态脆弱性都是研究热点,该理论经过科学研究的不断深化,概念逐渐清晰,研究内容不断深化[1,2,3]。生态脆弱性是指在一定时空尺度内,生态环境在某种或多种自然及人类活动压力下所表现出来的易变性,它是自然属性和人类活动共同作用的结果[4,5],这种变化往往会向不适宜利用的方向发展,主要体现了生态系统的不稳定性和对外界干扰的敏感性,是生态系统的一种固有属性[6]。当自然因素和人类活动的不利影响超过生境的承受力及生态阀限,导致脆弱生境出现[7]。对区域生态系统脆弱性进行评价,不仅能正确认识区域生境脆弱状况,掌控其空间分布差异,还可促进资源有效利用,对维持系统可持续发展具有实际意义[8,9]。迄今为止,国内外学者对生态脆弱性进行了广泛而深入的研究,在研究区域方面,涉及县、省、流域等多个尺度。在评价方法方面,形成了主成分分析法[5,9-11]层次分析法[12,13]、模糊评价法[14,15]等多种评价方法。总体来说,在3S技术的支持下,生态脆弱性评价空间尺度不断扩大,评价单元日渐精细,评价方法多样。然而,当前的生态脆弱性评价还存在一些局限性,如对同一区域生态脆弱性的时空分异特征研究较少,多偏向于单一时间尺度的评价;评价区域主要以行政单元划分,对以自然边界划定的流域为研究区域的研究有待深化。
西江作为连接沿海发达地区和大西南的黄金水道,是广西的重要水系,境内河长869 km,流域内以山地丘陵性盆地地貌为主,岩溶地貌发育[16,17]。随着社会经济的高速发展和人口的急剧增加,资源需求增加,无序过度开发严重,生物多样性锐减,水土流失,环境污染,生态系统脆弱易损。通过查阅文献可知,目前各方学者对广西西江流域的研究着重于暴雨洪涝分析[18,19,20]、经济协调发展研究[21,22]及民俗文化探索[23],对流域脆弱生境方面的研究内容和深度还需拓展,研究成果较少。在此基础上,流域生态脆弱性评价,具有一定的创新性,并对广西西江流域的综合治理和可持续性发展具有现实意义。
本文以广西西江流域为例,景观生态学、自然地理学、数理统计等多学科融合,采用GIS技术、空间主成分分析、地理探测器模型分析等交叉研究方法,以地形地貌、土壤植被、水文气象、经济发展等为主要表征,分析流域生态脆弱性程度及时空分异特征,对流域脆弱生境的主要驱动因素进行探测,通过对流域脆弱生境时空变化的综合分析,对流域脆弱生境驱动机制的探究,阐明流域环境演变过程,为广西西江流域生态环境保护和恢复治理提供理论基础和技术支持。

2 研究区概况

西江是华南地区最长的河流,珠江水系中最长的河流（图1）。发源于云南,流经广西,在广东佛山三水与东江、北江交汇。其干流在江门、中山注入南海,与东江、北江合称珠江。广西西江流域位于104°~113° E,21°~27° N之间。西江流域广西段主要支流有南盘江、红水河、郁江、柳江、桂江等,流域集水面积共计20.24万km2,水资源总量约占广西水资源总量的85.5%。流域属亚热带季风气候,年均气温在16.5~23.1 ℃之间,年均降水量为1080~2760 mm。土壤类型主要以红壤、赤红壤、水稻土为主。植被类型主要有针叶林、灌丛,及水稻、大豆、甘蔗、油茶等栽培植物。
Fig.1 Topography of the study area

图1 研究区地势状况图

人类频繁活动使流域生态系统胁迫不断增加,广西西江流域水环境遭到开发式破坏,工业废水废物的过量排放超过环境自净能力,河流污染,植被被破坏,水源涵养能力持续下滑,自然灾害频发。西江经济带的迅猛发展及西江黄金水道建设破坏了鱼类生境,造成生态系统脆弱易损。种种问题将会导致流域综合承载力降低,脆弱性增强。

3 数据与方法

3.1 数据来源与处理

本研究主要用到的数据有：气象数据、多源遥感数据、其他数据等。
气象数据主要来源于中国气象科学数据共享服务平台（http://cdc.cma.gov.cn/）,本研究选取广西西江流域内15个气象站点2000、2005和2010年降雨和气温观测值数据。
多源遥感数据主要包括广西西江流域2000、2005和2010年的MOD13Q1 250M 植被指数16 d合成产品和流域ASTER GDEMV2 30 m 分辨率数字高程数据,数据主要来源于美国地质调查局（United States Geological Survey,USGS）（http://glovis.usgs.gov/）。
其他数据主要包括广西西江流域2000、2005和2010年土地利用现状遥感监测数据,人口和GDP空间化数据以及植被净初级生产力（NPP）数据等,数据主要来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/）。
数据预处理主要包括遥感数据、气象站点监测数据、土地利用数据等的处理。① 遥感数据以MOD13Q1 250 m 植被指数16 d合成产品为基础,采用MODIS Reprojection Tool工具对数据进行镶嵌合成转投影,并通过像元二分模型利用ArcGIS 10.1软件计算植被覆盖度;② 气象站点监测数据通过导入EXCEL进行统计整理后利用ArcGIS 10.1软件采用反比距离权重插值法进行空间插值;③ 土地利用监测数据分别通过Fragstats 4.1软件和ArcGIS 10.1软件进行景观干扰度指数和生物丰度指数的计算。在对研究区多平台、多时相遥感数据处理、信息提取的基础上建立流域生态脆弱性评价数据库[24]。本研究以1 km×1 km的栅格为基本评价单元,采用极差标准化方法对各因子进行标准化处理,消除单位和量纲等的差异。

3.2 研究方法

3.2.1 评价指标
结合广西西江流域生态环境的特殊性、胁迫的多重性以及高敏感性等特征[25],依据指标选取的科学性、系统性、可行性等原则,在“敏感性-压力度-恢复力”框架下选取11个指标,对广西西江流域生态脆弱性进行评价。依据指标与生态脆弱性的相关关系,将对生境演化产生不利影响的指标作为正向指标,其值越大,生境状况越差,脆弱生境出现的几率越大;反之为负指标。完成广西西江流域生态脆弱性评价指标体系（表1）。
Tab. 1 Ecological vulnerability evaluation indexes system of Guangxi Xijiang river basin

表1 广西西江流域生态脆弱性评价指标体系

目标层 要素层 指标层 指标性质
生态脆弱性 生态敏感性 高程 正向
地形起伏度 正向
植被覆盖度 负向
汛期降雨量 正向
高温季节温度 正向
降雨侵蚀力 正向
景观干扰度 正向
生态压力度 人口密度 正向
生态恢复力 植被净初级生产力 负向
生物丰度指数 负向
经济密度 负向
3.2.2 无量纲化模型
为解决原始指标量纲不一致不可对比的问题,本研究采用极差标准化方法分别对正、负向指标进行标准化处理[26],指标极差标准化公式如下：
正向指标处理方法：
X i = x i - x min / x max - x min （1）
负向指标处理方法：
X i = x max - x i / x max - x min （2）
式中：Xi为指标i的标准化值;xi为指标i的初始值;xmin为指标i的最小值;xmax为指标i的最大值。
3.2.3 空间主成分分析法
在ArcGis 10.1软件支持下,通过旋转原始空间坐标轴,把原始变量因子转化为少数几个综合主成分指标,在最大程度保留信息的同时减少数据量[27]。对指标进行空间主成分分析,本研究选取累计贡献率85%以上的主成分来替代原始指标,确定主因子,并在此基础上计算主成分综合指标,公式如下：
P C i = α 1 i Χ 1 + α 2 i Χ 2 + α 3 i Χ 3 + ⋯ α pi Χ p （3）
式中：PCi为第i个主成分;α1i,α2i,…,αpi为第i个主成分各个指标因子对应的特征向量;X1,X2,…,Xp为各个指标因子。
根据空间主成分分析结果,计算生态脆弱性指数（EVI）。
EVI = r 1 P C 1 + r 2 P C 2 + r 3 P C 3 + ⋯ r n P C n （4）
式中：EVI为生态脆弱性指数;ri为第i个主成分对应的贡献率;PCi为第i个主成分;n为累计贡献率超过85%的前n个主成分。
3.2.4 生态脆弱性分级与生态脆弱性综合指数
为比较多年生态脆弱性指数（EVI）结果,对EVI进行标准化处理[28],计算方法如下：
S i = EV I i - EV I min EV I max - EV I min （5）
式中：Si为第i年生态脆弱性标准化值,取值区间为0-1;EVIi为第i年生态脆弱性指数实际值,;EVImax为多年生态脆弱性指数的最大值;EVImin为多年生态脆弱性指数的最小值。
采用乘算模型计算生态脆弱性综合指数（EVSI）,计算方法如下：
EVSI = ∑ i = 1 n P i × A i S （6）
式中：EVSI为生态脆弱性综合指数;Pi为第i类脆弱性等级值;Ai为第i类脆弱性面积;S为区域总面积。
参照已有的生态脆弱性评价研究的分级标准,采用等间距分级法对流域生态脆弱性指数标准化后的值Si进行分级[29],分级标准见表2。
Tab. 2 Ecological vulnerability classification criterion of Guangxi Xijiang river basin

表2 广西西江流域生态脆弱性分级标准

脆弱性等级 生态脆弱性指数标准化值 脆弱程度 生态特征
Ⅰ < 0.2 潜在脆弱 生态系统功能完整,对各类干扰敏感性弱,承受生态压力小,自我恢复能力强,无生态异常出现
Ⅱ 0.2-0.4 微度脆弱 生态系统功能较为完善,对各类干扰敏感性较弱,承受生态压力较小,自我恢复能力强,存在潜在的生态异常
Ⅲ 0.4-0.6 轻度脆弱 生态系统功能尚可维持,对各类干扰敏感性中等,承受生态压力接近阈值,自我恢复力较弱,出现少量生态异常
Ⅳ 0.6-0.8 中度脆弱 生态系统功能部分退化,对各类干扰敏感性较强,承受生态压力较大,受损后恢复难度较大,生态异常较多
Ⅴ > 0.8 重度脆弱 生态系统功能退化严重,对各类干扰敏感性强,承受生态压力大,受损后恢复难度极大,生态异常集中连片出现
3.2.5 地理探测器模型
一种地理事物的空间布局总是某些因素作用的结果,地理探测器是由中国科学院地理科学与资源研究所王劲峰空间分析小组开发的探寻地理空间分区因素对疾病风险影响机理的一种方法[31]。地理探测器能有效诊断各影响因素对地理事物分布与发展的解释力的大小,该方法能对地理现象的驱动机制进行定量分析,无需过多的假设条件,克服了传统方法处理类别遍历的局限性[32,33]。本研究采用因子探测器和交互探测器对广西西江流域生态脆弱性驱动因子进行分析,探究流域脆弱生境的主要驱动机制。其中,因子探测器主要用于探测各影响因子对流域生态脆弱性的影响力的大小,计算方法如下：
P D , H = 1 - 1 n σ 2 ∑ h = 1 L n h σ h 2 （8）
式中：PD, H为影响因子D对生态脆弱性H的因子解释力;n为样本量;L是指标因子分类数;nh和 σ h 2 分别为h层样本量和生态脆弱性的方差。PD, H=[0,1],值越大说明影响因子D对流域生态脆弱性的因子解释力越强。
交互探测器主要用于探测多因子交互作用后对地理事物的因子解释力,即影响因子X1,X2相互作用后是否会强化或弱化对流域生态脆弱性的影响,主要类型如表3所示。
Tab. 3 Type of interactive detection

表3 交互探测类型

判断依据 交互作用
P(X1∩X2)<min(P(X1),P(X2)) 非线性减弱
min(P(X1),P(X2))<P(X1∩X2)<max(P(X1),P(X2)) 单线性减弱
P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
P(X1∩X2)= P(X1)+P(X2) 相互独立
P(X1∩X2)>P(X1)+P(X2) 非线性增强

4 结果与分析

4.1 流域生态脆弱性时空分布特征

本研究采用ArcGIS 10.1的Principal Components函数,分别对2000、2005、2010年3期广西西江流域流域生态脆弱性评价的多个指标进行空间主成分分析,得到各主成分的特征值、贡献率、及累计贡献率,如表4所示。选取累计贡献率85%以上的5个主成分,依据式（4）计算3期生态脆弱性指数。
Tab. 4 Eigenvalue, contribution rate and accumulated contribution rate of principal components

表4 各主成分的特征值、贡献率及累计贡献率表

年份 主成分系数 主成分
PC1 PC2 PC3 PC4 PC5
2000 特征值 λ 0.0390 0.0219 0.0155 0.0095 0.0073
贡献率/% 37.4154 21.0766 14.8903 9.1736 7.0614
累计贡献率/% 37.4154 58.4920 73.3823 82.5559 89.6173
2005 特征值 λ 0.0362 0.0198 0.0105 0.0087 0.0079
贡献率/% 38.4644 20.9905 11.2189 9.2838 8.4047
累计贡献率/% 38.4644 59.4549 70.6738 79.9575 88.3623
2010 特征值 λ 0.0377 0.0224 0.0100 0.0089 0.0080
贡献率/% 37.1375 22.0626 9.8852 8.7832 7.8885
累计贡献率/% 37.1375 59.2001 69.0854 77.8686 85.7570
依据广西西江流域生态脆弱性分级标准（表2）,可得到2000、2005、2010年3期广西西江流域生态脆弱性分级图,如图2所示。
Fig. 2 Ecological vulnerability classification figure in 2000, 2005, 2010

图2 2000、2005和2010年广西西江流域生态脆弱性分级图

广西西江流域2000-2010年生态脆弱性指数在0.28-1.15之间,多年平均值为0.69（图3）,整体处于中度脆弱。根据图2可知流域生态脆弱性总体分布趋势为中部高于四周,由城市核心区往外逐步减弱。通过对广西西江流域生态脆弱性分级结果按照等级进行面积统计,2000-2010年生态脆弱性基本处于Ⅱ-Ⅳ级之间,3期数据微度脆弱、轻度脆弱、中度脆弱面积和占流域总面积的比例分别为97.66%、96.6%、98.29%,其中,3期数据均为轻度脆弱区面积占比最大,分别为39.85%、50.24%、40.29%。
Fig. 3 Histograms of the minimum, maximum and average ecological vulnerability of Xijiang River

图3 广西西江流域生态脆弱性最小值、最大值及平均值直方图

计算流域内各市生态脆弱性综合指数及其多年平均值,进一步比较分析流域内各市生态脆弱性差异[20],分析结果如图4所示。根据图4（a）发现,研究时段内除百色市外,2005年各市EVSI均大于2000年和2010年,说明2005年各市生态脆弱性状况整体较差;2000年和2010年除防城港市外,其它城市EVSI值较为接近。根据图4（b）发现,研究时段内流域各市生态脆弱性综合指数多年平均值在2.23-3.40之间,多年平均值最小的为百色市,最大的为贵港市。其中流域内生态脆弱性综合指数多年平均值<2.5的是百色市,2.5≤生态脆弱性综合指数多年平均值<3的为河池市、梧州市、贺州市和桂林市,其它8个市的生态脆弱性综合指数多年平均值≥3.0。
Fig. 4 Ecological vulnerability composite index of cities in Xijiang river

图4 广西西江流域内各市生态脆弱性综合指数

4.2 流域生态脆弱性变化趋势分析

将2000、2005和2010年3期生态脆弱性结果进行差值处理,分析广西西江流域生态脆弱性指数变化情况,结果如图5所示。2000-2005年差值最大为0.3324,流域东部、西南部及中部部分地区呈现生态状况轻微恶化的趋势,流域西北部地区呈现生态脆弱性差值负增长趋势,该地区生境状况恢复。生态脆弱性差值不变区域零散分布于流域各处。2005-2010年流域整体生境状况好转,但流域西北部生态脆弱性出现恶化。结合主成分分析结果,高温季节温度对主成分贡献较大,2005年广西西江流域中部及东部地区受高温影响,导致2005年流域生态脆弱性指数偏高,总体上,崇左、河池、柳州等地呈现生态状况好转趋势,反之,流域西北部及中部部分地区呈现生态状况恶化趋势。2000-2010年广西西江流域生态环境状况整体呈现轻微恶化趋势。
Fig.5 Ecological vulnerability change in Xijiang river

图5 广西西江流域生态脆弱性指数变化分布图

4.3 流域生态脆弱性驱动机制分析

通过本研究空间主成分分析结果可知,由于各原始指标因子存在年份差异,在不同年份的表现力不尽相同,但主要驱动因子基本一致。本研究选取生物丰度指数、高温季节温度、汛期降雨量、NPP、降雨侵蚀力、植被覆盖度6个主成分影响因子进行分析,探究因子对流域生态脆弱性的影响力与驱动力。将5 km×5 km格网做掩膜提取,以6个因子的多年平均值为自变量,生态脆弱性指数多年平均值为因变量,提取样本点导入GeoDetector软件进行探测分析。
因子探测结果表明,6个因子对流域生态脆弱性的解释力强度为生物丰度指数（0.475）>高温季节温度（0.340）>植被覆盖度（0.211）>NPP（0.183）>降雨侵蚀力（0.098）>汛期降雨量（0.030）。整体来看,流域内的生物多样性状况对流域生态脆弱性影响较大,气温条件次之,植被情况影响力一般,水土保持及降雨对流域生态脆弱性影响力较小。通过对比2000-2010年各驱动因子发现,2005年高温季节温度整体偏高,并在流域中部及东部表现明显,因此可解释2005年流域生态脆弱性整体高于其他两年。
在单因子对环境产生影响的前提下,多因子的相互作用导致流域生态脆弱性变化。本研究采用地理探测器中的交互探测模块分析,两两因子相互作用下对流域生态脆弱性的驱动机制。因子交互作用对广西西江流域生态脆弱性影响如表5所示。
Tab. 5 Interactive impact of factors on ecological vulnerability in Xijiang river

表5 因子交互作用对广西西江流域生态脆弱性影响

X1∩X2 P(X1∩X2) 判断 交互作用
生物丰度指数（0.475）∩高温季节温度（0.340） 0.676 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
生物丰度指数（0.475）∩汛期降雨量（0.030） 0.505 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
生物丰度指数（0.475）∩NPP（0.183） 0.518 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
生物丰度指数（0.475）∩降雨侵蚀力（0.098） 0.530 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
生物丰度指数（0.475）∩植被覆盖度（0.211） 0.529 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
高温季节温度（0.340）∩汛期降雨量（0.030） 0.351 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
高温季节温度（0.340）∩NPP（0.183） 0.533 P(X1∩X2)>P(X1)+P(X2) 非线性增强
高温季节温度（0.340）∩降雨侵蚀力（0.098） 0.368 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
高温季节温度（0.340）∩植被覆盖度（0.211） 0.475 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
汛期降雨量（0.030）∩NPP（0.183） 0.230 P(X1∩X2)>P(X1)+P(X2) 非线性增强
汛期降雨量（0.030）∩降雨侵蚀力（0.098） 0.125 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
汛期降雨量（0.030）∩植被覆盖度（0.211） 0.234 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
NPP（0.183）∩降雨侵蚀力（0.098） 0.286 P(X1∩X2)>P(X1)+P(X2) 非线性增强
NPP（0.183）∩植被覆盖度（0.211） 0.314 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
降雨侵蚀力（0.098）∩植被覆盖度（0.211） 0.281 P(X1∩X2)>max(P(X1),P(X2)) 双线性增强
交互探测结果显示各因子具有交互协同作用,其中,高温季节温度和NPP,汛期降雨量和NPP以及NPP与降雨侵蚀力是非线性增强,其他两因子之间为双线性增强。此外,生物丰度指数和高温季节温度作为单因子解释力最高的2个因子,其交互作用后对流域生态脆弱性影响解释力最大,进一步说明生物丰度指数和高温季节温度为广西西江流域生态脆弱性的主要驱动因子。

5 结论和讨论

在分析流域生态脆弱内部结构和形成机制的前提下,以广西西江流域为例,设计了3个类别层次,11个指标,对广西西江流域的生态脆弱性时空分异特征及其驱动机制进行了评价,得到以下结论：
（1）空间上,广西西江流域生态脆弱性总体分布趋势为中部高于四周,由城市核心区往外逐步减弱;时间上,2000-2010年广西西江流域生态脆弱性呈现轻微恶化的趋势。
（2）通过地理探测器模型,可有效地对流域生态脆弱性驱动机制进行分析,结果显示,生物丰度指数对生态脆弱性结果解释力最强,汛期降雨量因子解释力最弱,说明生物多样性状况对广西西江流域生态脆弱性变化影响最大,反之,降雨条件影响最小;并且,任何两因子交互作用后其对流域生态脆弱性结果的解释力均大于单一因子解释力,说明多因素协同作用造成流域生境脆弱。
本文针对流域的本底特征,基于时间序列进行动态分析,不仅能反映区域在某一时间节点生态环境的脆弱性空间分布情况,还能反映其变化趋势,进行流域生境脆弱变化预警,是对当前生态脆弱性动态评价的补充。受本底条件限制,人类活动的扰动,及气候条件影响,导致生态系统抵抗力和恢复力较差,生境脆弱易损。另一方面,本研究在构建评价指标体系时,因考虑到数据的可获取性,所以个别代表性指标并未纳入指标体系,如何科学完备地选择指标来反映流域生态脆弱性还有待深入探究。此外,本研究对空间主成分分析驱动因子进行地理探测器分析,后续将对空间主成分分析和地理探测器两方法分析得到的主要驱动因子进行对比研究,验证不同方法驱动因子分析结果的一致性情况。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李永化,范强,王雪,等.基于SRP模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例[J].地理科学,2015,35(11):1452-1459.lt;p>依据辽宁省朝阳县生态环境特点,利用朝阳县2003、2006、2009、2012 年4 个年份的气候、降水量、遥感影像、土壤与数字高程模型(DEM)等基础数据,利用GIS 结合SRP模型研究辽宁省朝阳县2003~2012 年间的生态脆弱性。研究表明:① 2003、2006、2009 年朝阳县的生态脆弱性呈逐年恶化趋势,2006、2009 年微度脆弱的面积较2003、2006 年分别有所减小,比率分别为15.99%,10.86%;2006、2009 年轻度脆弱、中度脆弱、重度脆弱、极度脆弱的面积较2003、2006 年均出现不同程度的增加,其中,生态脆弱性偏高的地方主要分布在工业发达、人口众多、地势较高的城乡住宅用地及农业区。到2012 年朝阳县生态脆弱性开始有所好转。② 胜利乡是生态脆弱性最严重的地区,极度脆弱、重度脆弱、中度脆弱的面积分布中胜利乡均分布最多,比率分别为14.15%,10.26%,8.84%,七道岭乡是生态脆弱性最弱的地区,微度脆弱比率为6.42%。</p>

DOI

[ Li Y H, Fan Q, Wang X, et al.Spatial and temporal differentiation of ecological vulnerability under the frequency of natural hazard based on SRP model: A case study in Chaoyang county[J]. Scientia Geographica Sinica, 2015,35(11):1452-1459. ]

[2]
杨强. 基于遥感的榆林地区生态脆弱性研究[D].南京:南京大学,2012.

[ Yang Q.The study on the ecological vulnerability based on remote sensing in Yulin region[D]. Nanjing: Nanjing University, 2012. ]

[3]
李平星,樊杰.基于VSD模型的区域生态系统脆弱性评价——以广西西江经济带为例[J].自然资源学报,2014,29(5):779-788.

[ Li P X, Fan J.Regional ecological vulnerability assessment based on VSD model: A case study of Xijiang River economic belt in Guangxi[J]. Journal of natural Resources, 2014,29(5):779-788. ]

[4]
吴琼. 基于景观格局的辽宁海岸带生态脆弱性评价[D].大连:辽宁师范大学,2014.

[ Wu Q.Assessment of ecological vulnerability of Liaoning coastal zone on landscape pattern[D]. Dalian: Liaoning Normal University,2014. ]

[5]
廖炜,李璐,吴宜进,等.丹江口库区土地利用变化与生态环境脆弱性评价[J].自然资源学报,2011,26(11):1879-1889.基于RS和GIS技术,研究了丹江口库区1990&mdash;2007年的土地利用变化状况,采用空间主成分分析法构建了生态环境脆弱性评价模型,评价了库区生态环境脆弱性,探讨了土地利用变化与生态环境脆弱性的关系。结果表明:①库区土地利用格局承受着社会经济发展和生态环境保护与建设两方面相互矛盾的巨大压力,1990&mdash;2007年间,除水田和旱地减少外,其他用地比例均有不同程度增长。②18 a间,库区生态环境整体状况有所好转,脆弱性综合指数从5.96降至5.56。林地基本处于微度脆弱性状态,灌丛、园地、草地属于轻度和中度脆弱状态,水田、旱地和未利用地多属于中度和重度脆弱状态。③不同利用类型的脆弱性综合指数顺序基本保持为:城镇&gt;农村居民地&gt;未利用地&gt;旱地&gt;园地&gt;草地&gt;水田&gt;灌丛&gt;林地,林灌措施是库区生态恢复和重建的首选,同时应加强城镇与农村居民地以及农田的生态环境建设。

DOI

[ Liao W, Li L, Wu Y J, et al.Land use change and eco-environmental vulnerability evaluation in the Danjiangkou reservoir area[J]. Journal of Natural Resources, 2011,26(11):1879-1889. ]

[6]
吴健生,宗敏丽,彭建.基于景观格局的矿区生态脆弱性评价——以吉林省辽源市为例[J].生态学杂志,2012,31(12):3213-3220.lt;div style="line-height: 150%">矿区自然生态系统脆弱性研究不仅对生态资源及生态环境有重要作用，还对资源合理利用及实现区域可持续发展有指导意义。在分析生态脆弱性概念与评价方法的基础上，依循&ldquo;压力状态响应&rdquo;评估框架，基于景观格局指数，从自然生态系统压力度、敏感性、恢复力3方面出发构建矿区自然生态系统脆弱性评价指标体系。以辽源市为例，对其进行系统分析与评价。结果表明：各类自然生态系统类型中，辽源市草地的脆弱性最高、林地最低；33个乡镇中，杨木林镇生态脆弱性最高、东丰县县城最低；从4个区县来看，脆弱性大小为龙山区&gt;西安区&gt;东丰县&gt;东辽县；用地分布格局，自然生态环境，采矿、居民点等人为干扰，是影响生态脆弱性空间分异的主要原因。</div><div style="line-height: 150%">&nbsp;</div>

[ Wu J S, Zong M L, Peng J.Assessment of mining area's ecological vulnerability based on landscape pattern: A case study of Liaoyuan, Jilin province of Northeast China[J]. Chinese Journal of Ecology, 2012,31(12):3213-3220. ]

[7]
张龙生,李萍,张建旗,等.甘肃省生态环境脆弱性及其主要影响因素分析[J].中国农业资源与区划,2013,34(3):55-59.In this paper， ecological vulnerability was evaluated based on land degradation and the results of per- formance index of eighty-one counties（city area as a unit） in fourteen cities of Gansu province. The assessment results showed that there were three counties with highly severe ecological vulnerability， sixteen counties with severe ecological vulnerability， thirty-five counties with moderate ecological vulnerability， nineteen counties with slight ecological vulnerability and eight counties with very slight ecological vulnerability. In the nationwide， the social and economic development level in Gansu province was low， but at a high level in the ecological vulnerability. Principal component analysis and correlation analysis methods were used to test the relationship between ecological vulnera- bility in Gansu and the factors of natural social and economic， such as rainfall， the forest coverage rate， cultivate breed rate， population density， per capita GDP， for providing reference to the sustainable development of social e- conomy in Gansu province.

DOI

[ Zhang L S, Li P, Zhang J Q, et al.Analysis of ecological vulnerability and its major influencing factors in Gansu province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2013,34(3):55-59. ]

[8]
田海宁. 汉中市生态脆弱性评价及空间分布规律研究[J].中国农业资源与区划,2017,38(3):148-152.目的］ 通过评价汉中市生态系统的脆弱性，掌控其空间分布差异，以促进其资源的合理利用、实现其可持续发展。［方法］ 确定30m×30m的栅格为基本评价单元，建立汉中市各数据资料的栅格数据库，以此作为生态脆弱性评价的基础数据资料，构建生态脆弱性评价指标体系，并通过计算评价值来最终反映生态脆弱性的高低，以及区域脆弱性的空间分布状况。［结果］ 将汉中市生态脆弱性评价结果结果划分为潜在脆弱、轻度脆弱、中度脆弱、重度脆弱等4个级别，其中轻度脆弱所占比例最大，为38.46%，轻度脆弱区主要集中分布在汉中市东部，涉及县域主要包括略阳县东部地区，宁强县、勉县及南郑县大部分地区，留坝县北部地区；占比最小的为重度脆弱，仅为11.28%，重度脆弱区集中在镇巴县。［结论］ 汉中市生态脆弱性以轻度脆弱为主，其生态脆弱性呈现出由西北部地区向东南部地区逐渐增强的趋势。

DOI

[ Tian H N.The ecological vulnerability assessment and spatial distribution of Hanzhong city[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017,38(3):148-152. ]

[9]
Turner B L, Kasperson R E, Matson P A, et al.A framework for vulnerability analysis in sustainability science[J]. Proceeding of National Academy of Sciences,2003,100(14):8074-8079.

DOI

[10]
卢亚灵,颜磊,许学工.环渤海地区生态脆弱性评价及其空间自相关分析[J].资源科学,2010,32(2):303-308.基于生态敏感性-生态恢复力-生态压力度概念框架，建立了环渤海地区五省市生态脆弱性评价的指标体系。考虑到指标体系中各评价因子之间可能存在相关性，所以首先在ArcGIS9.2平台上，用主成分分析方法剔除各因子的相关性，并对该区的生态脆弱性进行了评价，然后对脆弱性进行了空间自相关分析。结果表明：生态环境好的、相对不脆弱区主要分布在低山、丘陵等植被状况好、人类活动少的地区；重脆弱区主要分布在农牧交错带、海陆过渡带和城市周围等生态系统不稳定、人类活动剧烈的地区；脆弱区的空间聚集程度呈现出较高的正相关；不同地区之间脆弱性高相关区域主要分布在南部的低脆弱地区，脆弱性低相关区域主要分布在西北部的重脆弱区。

[ Lu Y L, Yan L, Xu X G.Ecological vulnerability assessment and spatial auto-correlation analysis over the Bohai Rim region[J]. Resources Science, 2010,32(2):303-308. ]

[11]
Huang F, Liu X, Zhang Y.GIS-based eco-environmental vulnerability evaluation in west Jilin Province[J]. Scientia Geographica Sinaca, 2003,23(1):95-100.The west Jilin Province is located in the transition zone from semi-humid climate to semi-arid climate with many types of ecological landscapes and is a typical area between agriculture and husbandry. Since the 1980 , the land use/cover in this area have undergone dramatic changes. Under the pressure of population growth and excessive land exploitation, such as over grazing and over reclamation, the ecological environments that have been fragile become more vulnerable and unstable. On the basis of systematical analysis on the natural and artificial factors and their relations influencing environment evolution, the leading factors of eco-environment degradation are extracted qualitatively in this area. Under the GIS technology, digital environmental model is established. Using 100?m 100?m real area as basic unit, the spatial principal components analysis method is applied to calculate the eco-environment synthesis exponent according to the weight of some indexes. The eco-environment vulnerability index (EVI) is produced to evaluate the eco-environment fragile status during 1986-2000. Results show that the eco-environment quality gradually declines from the central to peripheral. The fragile status of some areas in the south sand land region, the central alluvial plain region and the north floodplain region has been exacerbated remarkably in recent 15 years.

[12]
陈金月,王石英.岷江上游生态环境脆弱性评价[J].长江流域资源与环境,2017,26(3):471-479.

[ Chen J Y, Wang S Y.Eco-environmental vulnerability evaluation in the upper reaches of Minjiang River[J]. Resources and Environment in the Yangtze Basin, 2017,26(3):471-479. ]

[13]
Thirumalaivasan D, Karmegam M, Venugopal K.AHP-DRASTIC: Software for specific aquifer vulnerability assessment using DRASTIC model and GIS[J]. Environmental Modelling & Software, 2003,18(7):645-656.A software package AHP-DRASTIC has been developed to derive ratings and weights of modified DRASTIC model parameters for use in specific aquifer vulnerability assessment studies. The software is integrated with ArcView Geographical Information System (GIS) software for modelling aquifer vulnerability, to predict areas which are more likely than others to become contaminated as a result of activities at or near the land surface. The ranges of a few of the DRASTIC model parameters have been modified to adapt to local hydrogeologic settings. Analytic Hierarchy Process (AHP) has been used to compute the ratings and weights of the criteria and sub-criteria of all parameters used in the DRASTIC model. The output from AHP generates a MS Access database for these parameters, which is then interfaced with ArcView using Avenue Scripts. AHP-DRASTIC is aimed at providing user-friendly GUI interfaced with GIS for the estimation of weights and ranks of the thematic layers used for aquifer vulnerability assessment. Contingency table analysis indicates that all wells in low and high vulnerability category have concentrations less than 10 ppm and more than 10 ppm, respectively. The model is validated with groundwater quality data and the results have shown strong relationship between DRASTIC Specific Vulnerability Index and nitrate-as-nitrogen concentrations with a correlation co-efficient of 0.84 at 0.01 level.

DOI

[14]
Dixon B.Groundwater vulnerability mapping: A GIS and fuzzy rule based integrated tool[J]. Applied Geography, 2005,25(4):327-347.Contamination of groundwater has become a major concern in recent years. Since testing of water quality of all domestic and irrigation wells within large watersheds is not economically feasible, one frequently used monitoring strategy is to develop contamination potential maps of groundwater, and then prioritize those wells located in the potentially highly contaminated areas for testing of contaminants. However, generation of contamination potential maps based on groundwater sensitivity and vulnerability is not an easy task due inherent uncertainty. Therefore, the overall goal of this research is to improve the methodology for the generation of contamination potential maps by using detailed landuse/pesticide and soil structure information in conjunction with selected parameters from the DRASTIC model. The specific objectives of this study are (i) to incorporate GIS, GPS, remote sensing and the fuzzy rule-based model to generate groundwater sensitivity maps, and (ii) compare the results of our new methodologies with the modified DRASTIC Index (DI) and field water quality data. In this study, three different models were developed (viz. DI, VI and VI) was generated using selected parameters from DI, the methodology was further refined through VI and VIfuzz_ped models that incorporated landuse/pesticide application and soil structure information, respectively. This study was conducted in Woodruff County of the Mississippi Delta region of Arkansas. Water quality data for 55 wells were used to evaluate the contamination potential maps. The sensitivity map generated by VIfuzz_ped with soil structure showed significantly better coincidence results when compared with the field data.

DOI

[15]
姚建,王燕,雷蕾,等.岷江上游生态脆弱性的模糊评价[J].国土资源科技管理,2006,22(2):90-92.岷江上游是四川省乃至我国西南重要的生态屏障,由于自然条件和人 为活动的影响,成为典型的生态脆弱区.通过选取反映该地区生态脆弱性的14个代表性指标,根据四川省和全国的对比结果拟定了相应的分级和评价标准,并采用 模糊综合评价法对其生态脆弱度进行了评价,结果表明:该区域处于高度脆弱状态,应大力加强岷江上游生态脆弱区的整治.

DOI

[ Yao J, Wang Y, Lei L, et al.Assessment of ecological vulnerability in upper reaches of Minjiang River[J]. Resources and Environment in the Yangtze Basin, 2006,22(2):90-92. ]

[16]
李燕,周游游,胡宝清,等.基于TRMM数据的广西西江流域降水时空分布特征[J].亚热带资源与环境学报,2017,12(1):75-82,88.

[ Li Y, Zhou Y Y, Hu B Q, et al.Spatio-temporal distribution of precipitation in Xijiang River Basin of Guangxi based on TRMM data[J]. Journal of Subtropical Resources and Environment, 2017,12(1):75-82,88. ]

[17]
荣检,胡宝清,闫妍.广西西江流域植被净初级生产力时空分布特征及其影响因素[J].生态学杂志,2017,36(4):1020-1028.植被净初级生产力(net primary productivity,NPP)是流域生态系统功能的关键因子之一.本研究基于Carnegie-Ames-Stanford approach (CASA)模型,综合利用2003-2012年MODIS序列遥感数据、植被数据和气象数据,对广西西江流域植被NPP进行估算,并分析其时空格局及其影响因素.结果表明:2003-2012年广西西江流域的NPP年均值为524.67 g C·m-2·a-1;NPP高值主要集中在研究区南部和东部地区,而中部地区NPP值相对较低;从地形上看,河谷平原植被NPP值较低,丘陵山地植被NPP值较高;不同类型植被对应的NPP值差异较大;常绿阔叶林NPP值最高,为788 gC ·m-2 ·a-1;栽培作物NPP值最低,为386gC·m-2·a-1.2003-2012年研究区植被NPP平均值位于430.05～602.48gC ·m-2·a-1,总体呈现波动下降趋势.NPP呈现减少趋势的区域占研究区总面积的88.89％;7-10月NPP值较高,1-3月NPP值较低.NPP与年均降水量总体呈负相关关系,与年均温呈正相关关系;NPP受气候因子(降水量、气温)的综合影响,且植被NPP与气候因子(降水量、气温)相关性较密切,复相关系数为0.67.

DOI

[ Rong J, Hu B Q,Yan Y.Spatial-temporal distribution and its influencing factors of vegetation net primary productivity in Guangxi Xijiang River Basin[J]. Chinese Journal of Ecology, 2017,36(4):1020-1028. ]

[18]
何慧,陆虹,欧艺.1959-2008年广西西江流域洪涝气候特征[J].气候变化研究进展,2009,5(3):134-138.利用1959-2008年西江流域气象测站降水资料、西江干流及其支流年最高水位资料，建立逐年洪涝发生站次序列，并分析其时空特征和演变规律。结果表明：西江干流发生洪涝的频率比各支流大，各支流的中下游发生洪涝频率比上游大；西江流域洪涝的发生站次具有较显著的阶段性和突变性特征，主要突变发生在1967年和1993年；近16 a洪涝发生频率显著偏多，流域性大洪涝基本集中在这一时期。了解西江流域洪涝变化的规律，有利于提高洪涝灾害评估和预测水平，为防灾减灾提供科学依据。

DOI

[ He H, Lu H, Ou Y.Flood characteristics of the Xijiang River Basin in 1959-2008[J]. Advances in Climate Change Research, 2009,5(3):134-138. ]

[19]
廖胜石,罗建英,姚秀萍,等.广西西江流域致洪暴雨过程中尺度特征及机制分析[J].高原气象,2008,27(5):1161-1171.lt;p>利用广西逐站逐小时降水量、1&deg;&times;1&deg;逐小时FY-2C的TBB资料和1&deg;&times;1&deg;逐6 h NCEP/NCAR再分析资料, 应用空间25点平滑滤波方法, 分析了2005年6月18~22日西江流域致洪暴雨过程的中尺度特征及其发生、发展的机制。结果表明: 这次致洪暴雨过程的降水时空分布不均, 具有明显的中尺度特征。雨团集中出现在TBB值的低值中心、低值中心北侧等值线密集的地方以及等值线曲率大的地方。镶嵌于大尺度西南气流中的中尺度涡旋系统在西江流域反复生成, 导致对流云团不断生成和加强, 是此次暴雨产生的直接原因。暴雨区上空中尺度经向垂直环流圈的存在对中尺度涡旋和对流云团的发生和发展具有促进作用。中低层弱的对流不稳定与强的水平风垂直切变和湿斜压性共存是此次暴雨产生和持续发展的重要机制。</p>

[ Liao S S, Luo J Y, Yao X P, et al.Mesoscale chaeacteristic and mechanism analysis of a heavy flooding rainstorm process in Xijiang River Basin, Guangxi[J]. Plateau Meteorology, 2008,27(5):1161-1171. ]

[20]
朱颖洁,郭纯青,黄夏坤.广西西江流域降水极值趋势分析[J].水文,2012,32(02):72-77.

[ Zhu Y J, Guo C Q, Huang X K.Trend analysis of precipitation extreme values of Xijiang River Basin[J]. Journal of China Hydrology, 2012,32(2):72-77. ]

[21]
黄少琴,周丽萍.西江流域经济发展融入北部湾多区域合作研究[J].广西民族大学学报(哲学社会科学版),2007,29(3):107-113.在泛珠三角区域合作和中国—东 盟“一轴两翼”区域经济合作多区域经济合作下,西江流域经济要凭借特殊的地缘优势、丰富的自然资源、厚重的历史文化、悠久的经济发展史和丰富的对外合作经 验,依托广西西江黄金水道和厚重的产业底蕴,将各市县丰富的资源和产业优势进行整合,将农业、工业、贸易、旅游等产业合理规划,不断提高自身的发展能力和 竞争能力,不断加强与区域外经济发达地区的合作与交流,才能融入多区域经济合作发展框架,才能不断地发展壮大。

DOI

[ Huang S Q, Zhou L P.On the economic development of the Xijiang River Basin under the framework of multi-regional economic cooperation[J]. Journal of Guangxi University for Nationalties, 2007,29(3):107-113. ]

[22]
代明,覃剑.西江流域经济发展不平衡测度与分析[J].地域研究与开发,2009,28(2):11-14,34.

[ Dai M, Qin J.Measure and analysis of the imbalance in economic development among reaches of the west river[J]. Areal Research and Development, 2009,28(2):11-14,34. ]

[23]
宾长初. 信仰·仪式·狂欢:广西西江流域迎神赛会习俗探析[J].广西师范大学学报(哲学社会科学版),2014,50(5):1-8.

[ Bing C C.Belief, rituals and carnival: A probe into customs of worship and related activities in Xijiang River Basin of Guangxi[J]. Journal of Guangxi Normal University: Philosophy and Social Sciences Edition, 2014,50(5):1-8. ]

[24]
仙巍,李涛,邵怀勇.基于SVM的安宁河流域生态环境脆弱性评价[J].环境科学与技术,2014,37(11):180-184.中国是世界上生态脆弱区分布面积最大、生态脆弱性表现最明显的国家之一。安宁河流域地处中国西南山地农牧交错生态脆弱区的腹心地带,是长江流域重要水源涵养地和生态屏障。该流域由于自然环境的复杂性、脆弱性和长期大规模的不合理人为干扰,造成了生态环境的破坏,严重影响着该流域乃至四川、整个长江流域的生态安全和国民经济可持续发展。该研究采用＂3S＂技术和PSR模型,应用多平台、多时相遥感图像,结合实地调查,建立了安宁河流域生态环境背景数据库,形成了一套科学实用的研究区生态脆弱性评价指标体系,运用支持向量机模型对研究区生态脆弱性进行了客观评价。该研究对保障安宁河流域生态环境安全具有重要的理论和实践意义,为山地农牧交错生态脆弱区的生态脆弱性研究提供了新的思路和方法。

[ Xian W, Li T, Shao H Y.Ecological frangibility evaluation of Anning River Basin in the upper Yangtze River based on support vector machine[J]. Environmental Science and Technology, 2014,37(11):180-184. ]

[25]
周永娟,仇江啸,王姣,等.三峡库区消落带生态环境脆弱性评价[J].生态学报,2010,30(24):6726-6733.在对脆弱性的概念重新界定的基础上，从三峡库区消落带的生态环境实际出发，运用ArcGIS的空间叠加分析，分别进行了消落带崩塌滑坡脆弱性、水力侵蚀脆弱性、污染脆弱性和景观脆弱性的评价；在此基础上，进行了研究区各生态主题脆弱性的叠加分析；探讨了三峡库区消落带这一特殊地理区域上生态脆弱性的高低分布规律及其在不同主导因子作用下生态脆弱性的空间分异特征。结果表明：研究区的崩塌滑坡脆弱性、水力侵蚀脆弱性和景观脆弱性均以中轻度脆弱为主，分别占消落带总面积的82.06%，72.23%和74.59%；污染脆弱性为轻度以下脆弱为主，占消落带总数的74.59%；各生态主题脆弱性的叠加结果表明：70%的消落带至少面临一种生态问题，其余部分则同时面临两种以上的环境问题，四类环境问题皆是极脆弱的消落带有3%。总体而言，消落带是一个高度脆弱的生态系统，威胁着库区的生态环境安全。管理者应根据消落带的基本特点，合理规划、因地制宜的加以治理。

[ Zhou Y J, Qiu J X, Wang J, et al.Assessment of eco-environmental vulnerability of water-level fluctuation balt in Three-Gorges reservoir area[J]. Acta Ecologica Sinica, 2010,30(24):6726-6733. ]

[26]
唐怡,韦仕川,王湃,等.基于GIS 的区域土地利用均衡度时空差异研究——以海南省为例[J].中国农业资源与区划,2017,38(5):41-47.目的］区域土地利用均衡度的时空差异是优化土地利用结构的重要依据，通过对海南省土地利用均衡度的时空差异研究，为优化海南省土地空间配置提供借鉴。［方法］GIS空间分析法、极值标准化法、算术平均法和几何平均法。［结果］海南省土地利用均衡度指数由2010年的0.661逐渐增加到2014年的0.761,土地利用均衡度呈现从一般均衡到优质均衡的发展态势； 从各市县的对比分析来看， 6个市县处于均衡状态， 12个市县处于失衡状态。［结论］土地利用处于均衡状态的市县位于海南省东南部和西北部，开发不足失衡的市县位于海南省中部和西部，过度开发失衡的市县位于海南省北部； 土地利用开发强度呈现中部-西部-东部递增的态势，土地利用供给能力呈现中部-西部-东部递减的态势，各市县土地空间配置应结合其开发强度与供给能力以及各地经济状况及城市职能定位，进行合理开发利用，加强中西部的发展，促进全省土地利用均衡发展。

DOI

[ Tang Y, Wei S C, Wang P.Spatial-temporal differences of regional balance degree on land use based on GIS: A case study in Hainan Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017,38(5):41-47. ]

[27]
雷波. 黄土丘陵区生态脆弱性演变及其驱动力分析[D]. 北京:中国科学院研究生院(教育部水土保持与生态环境研究中心),2013.

[ Lei B.Eco-environment vulnerability evolution of Hilly Loess Plateau region and its driving force analysis[D]. Beijing: University of Chinese Academy of Sciences (Research Center of Soil and Water Conservation and Ecological Environment), 2013. ]

[28]
徐涵秋. 区域生态环境变化的遥感评价指数[J].中国环境科学,2013,33(5):889-897.基于遥感信息技术提出一个新型的遥感生态指数(RSEI),以快速监测与评价区域生态质量.该指数耦合了植被指数、湿度分量、地表温度和土壤指数等4个评价指标,分别代表了绿度、湿度、热度和干度等4大生态要素.与常用的多指标加权集成法不同的是,本研究提出用主成分变换来集成各个指标,各指标对RSEI的影响是根据其数据本身的性质来决定,而不是由人为的加权来决定.因此,指标的集成更为客观合理.将RSEI应用于福建长汀水土流失区,并与国家环境保护部《生态环境状况评价技术规范》中的生态指数EI的计算结果相比较,发现二者的结果具有可比性.不同的是,RSEI不仅可以作为一个量化指标,而且还可以对区域生态环境变化进行可视化、时空分析、建模和预测.因此,可弥补EI指数在这些方面的不足.

DOI

[ Xu H Q.A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013,33(5):889-897. ]

[29]
马骏,李昌晓,魏虹,等.三峡库区生态脆弱性评价[J].生态学报,2015,35(21):7117-7129.基于遥感和地理信息系统技术,采用"压力-状态-响应"评价模型,选取18个指标,利用空间主成分分析对2001-2010年三峡库区(重庆段)生态脆弱性进行综合定量评价,对生态脆弱性时空分布及动态变化进行分析。根据计算得到的生态脆弱性指数,将生态脆弱性划分为5个等级:微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱。通过统计不同脆弱性等级面积,求算得到生态脆弱性综合指数。结果表明:三峡库区(重庆段)2001-2010年生态脆弱性指数标准化平均值为4.23&#177;1.29,整体处于中度脆弱。生态脆弱性空间分布呈现西高东低的格局特征,高度脆弱地区主要分布在中西部,低度脆弱地区主要分布在东北部和东南部。近10年生态脆弱性综合指数最小值为2002年的2.37,最大值为2008年的2.99,三峡水库蓄水后生态脆弱性综合指数逐年递增,2008年到达峰值后有所降低。三峡库区生态脆弱性是人类活动与自然环境相互作用的结果,城市生活污染、水土流失、植被状况等为主要的驱动因子。研究时段内三峡库区(重庆段)生态脆弱性呈现两极化趋势,高度脆弱地区的脆弱性显著增加,低度脆弱地区脆弱性明显降低。

DOI

[ Ma J, Li C X,Wei H, et al.Dynamic evaluation of ecological vulnerability in the Three Gorges Reservoir region in Chongqing municipality[J]. Acta Ecologica Sinica, 2015,35(21):7117-7129. ]

[30]
陈佳,杨新军,尹莎,等.基于VSD框架的半干旱地区社会—生态系统脆弱性演化与模拟[J].地理学报,2016,71(7):1172-1188.利用VSD（Vulnerabilitys copingdiagram）评估框架，改进了针对县域尺度的脆弱性评估方法和技术；以黄土高原半干旱地区的榆林市为例，对VSD框架和SERV（Spatially Explicit Resilience-Vulnerability）模型进行整合，将系统脆弱性分解为暴露、敏感性、适应能力3个维度。应用SERV模型筛选脆弱性指标，在充分理解区域地理背景和暴露风险源的基础上，构建了符合当地生态环境特征的指标体系，运用RS与GIS空间技术，定量测度了榆林市2000．2011年社会-生态系统脆弱性空间分异特征及演化趋势，探讨了脆弱性时空演化内在原因。结果显示：榆林市社会～生态系统脆弱性呈现“西北东南高，长城沿线低”的空间格局，2000—2011年间系统脆弱性程度明显降低，系统发展趋势好转，但系统脆弱性与暴露风险空间差异显著；其中，暴露风险因子是系统脆弱性演化的关键因素，区域脆弱性与暴露风险空间异质受社会敏感性和经济适应能力等因子影响。最后，采用OWA多准则算法，基于决策者不确定性偏好，模拟了不同决策风险设置下区域脆弱性未来情景，并基于决策者理性风险区间，预测了不同发展导向下区域系统脆弱性差异，为研究区可持续性评估和降低脆弱性的风险预警机制建设提供决策参考。

DOI

[ Chen J, Yang X J, Yin S, et al.The vulnerability evolution and simulation of the social-ecological systems in the semi-arid area based on the VSD framework[J]. Acta Geographica Sinica, 2016,71(7):1172-1188. ]

[31]
Wang J F, Li X H. Christakos G, et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region[J]. International Journal of Geographical Information Science,2010,24(1):107-127.Physical environment, man‐made pollution, nutrition and their mutual interactions can be major causes of human diseases. These disease determinants have distinct spatial distributions across geographical units, so that their adequate study involves the investigation of the associated geographical strata. We propose four geographical detectors based on spatial variation analysis of the geographical strata to assess the environmental risks of health: the risk detector indicates where the risk areas are; the factor detector identifies factors that are responsible for the risk; the ecological detector discloses relative importance between the factors; and the interaction detector reveals whether the risk factors interact or lead to disease independently. In a real‐world study, the primary physical environment (watershed, lithozone and soil) was found to strongly control the neural tube defects (NTD) occurrences in the Heshun region (China). Basic nutrition (food) was found to be more important than man‐made pollution (chemical fertilizer) in the control of the spatial NTD pattern. Ancient materials released from geological faults and subsequently spread along slopes dramatically increase the NTD risk. These findings constitute valuable input to disease intervention strategies in the region of interest.

DOI

[32]
李华威,万庆.小流域山洪灾害危险性分析之降雨指标选取的初步研究[J].地球信息科学学报,2017,19(3):425-435.

[ Li H W, Wan Q.Study on rainfall index selection for hazard analysis of mountain torrents disaster of small watwesheds[J]. Journal of Geo-information Science, 2017,19(3):425-435. ]

[33]
杨晶,胡茂桂,钟少颖,等.全国γ辐射剂量率空间分布差异影响机理研究[J].地球信息科学学报,2017,19(5):625-634.辐射剂量率的监测是天然放射性水平调查的重要部分,其关系到公众健康和辐射环境安全。目前中国环境γ辐射剂量率的空间分布水平的评价多基于专家经验知识,该方法不能够定量化表达γ辐射剂量率与环境因子的相互作用关系。为了进一步了解中国环境γ辐射剂量率的空间分布水平及影响其分布的机理,基于地理探测器提出了定量表达γ辐射剂量率与环境因子的相互作用关系的方法。本文首先收集了2015年全国辐射环境自动监测站的空气吸收剂量率的数据,并计算了44个地级市的年均值作为被解释变量;然后探索性分析了44个地级市的γ辐射剂量率的空间分布的规律;最后结合环境要素指标,借助地理探测器方法揭示了全国辐射剂量率的空间分布影响机理。研究发现：（1）低值沿着中国黑河至南宁的沿线缓冲带分布,高值在该缓冲带两侧扩散。（2）环境要素中解释力由高到底排序为：海拔高程（0.846）〉气候带（0.741）〉植被覆盖（0.691）〉土地利用分类（0.427）〉生态系统（0.419）〉地形（0.101）。海拔高程一方面通过表观地球营力与地质构造,从而影响着地壳中天然辐射水平;另一方面对通过对自然环境的分布情况的影响,决定着人类生产活动的分布,进而作用到人工电离辐射源。因此影响γ辐射剂量率的空间分布的主要环境因子是综合了自然要素与人文经济活动的海拔高程。

[ Yang J, Hu M W, Zhong S Y, et al.Influencing mechanism of spatial distribution difference in national γ radiation dose rate based on geographical detector[J]. Journal of Geo-information Science, 2017,19(5):625-634. ]

Options
文章导航

/

〈 〉