Journal of Geo-information Science >
Spatio-temporal Differentiation and Driving Mechanism of Ecological Environment Vulnerability in Southwest Guangxi Karst-Beibu Gulf Coastal Zone
Received date: 2020-06-03
Request revised date: 2020-08-30
Online published: 2021-05-25
Supported by
National Natural Science Foundation of China(42071135)
National Natural Science Foundation of China(41930537)
Guangxi Natural Science Foundation project(2016GXNSFGA380007)
Guangxi Science and Technology Project(AD19110142)
Copyright
Characterizing the spatiotemporal changes in ecological vulnerability and reveal its driving factors is important, especially for unique geographical environment that connects mountains, rivers, and sea together, In this study, we chose the Southwest Guangxi karst-Beibu gulf coastal zone as the typical study area. We combined the spatial principal component analysis and geo-detector model to quantify the ecological vulnerability index and further characterizes the spatiotemporal changes in ecological vulnerability and evaluates its driving mechanism. Our results show that: (1) the vulnerability index of the study area was 0.54, 0.61 and 0.69, respectively for 2008, 2013, and 2018, with a multi-year average of 0.61. The general ecological vulnerability level was moderately fragile with a slightly worse trend over time; and (2) the top six explanatory driving factors of ecological vulnerability were rainfall in flood season (0.457), vegetation coverage (0.384), temperature in hot seasons (0.311), waste water input (0.248), NPP (0.184), and population density (0.036). For the interaction between driving factors, only rainfall in flood season and NPP, NPP and temperature in hot seasons, waste water input and NPP showed positive nonlinear relationships, while the rest had linear relationships. Flood season rainfall and vegetation coverage had the strongest effect on ecological vulnerability and a strongest interaction (0.679) with each other. Our study illustrates that flood season rainfall and vegetation coverage are the main driving factors of ecological vulnerability in the study area.
ZHANG Ze , HU Baoqing , QIU Haihong , DENG Yanfei . Spatio-temporal Differentiation and Driving Mechanism of Ecological Environment Vulnerability in Southwest Guangxi Karst-Beibu Gulf Coastal Zone[J]. Journal of Geo-information Science, 2021 , 23(3) : 456 -466 . DOI: 10.12082/dqxxkx.2021.200278
表1 桂西南喀斯特-北部湾海岸带生态环境脆弱性评价指标体系Tab.1 Evaluation index system of ecological environment vulnerability in Southwest Guangxi karst - Beibu gulf coastal zone |
目标层 | 指标层 | 指标计算说明 |
---|---|---|
生态环境脆弱性评价指标 | 高程 | 裁剪、数据转换、分区统计 |
地形起伏度 | 高程数据模型得到地形起伏度、分区统计 | |
水土流失面积 | 统计数据 | |
植被覆盖度 | 最大合成法(MVC)合成为年数据、分区统计 | |
废水入海量 | 统计数据 | |
废水排放量 | 统计数据 | |
汛期降水量 | 反比距离权重法(IDW)进行插值 | |
高温季节温度 | 克里金法(Kriging)进行插值 | |
人口密度 | 区域人口数量/区域土地总面积 | |
人均海岸带面积 | 海岸带人口数量/海岸带土地总面积 | |
人均耕地面积 | 区域人口数量/区域耕地面积 | |
净初级生产力(NPP) | 提取、图像镶嵌、裁剪、数据转换、投影转换 | |
经济密度 | 区域国民生产总值/区域土地总面积 | |
海岸带经济密度 | 海岸带国民经济生产总值/海岸带土地总面积 |
表2 交互探测类型Tab.2 Interaction probe types |
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 |
表3 桂西南喀斯特-北部湾海岸带2008、2013、2018年主成分信息表Tab.3 Table of principal component information for 2008, 2013 and 2018 of Southwest Guangxi karst-Beibu gulf coastal zone |
年份 | 主成分系数 | 主成分 | ||||
---|---|---|---|---|---|---|
PC1 | PC2 | PC3 | PC4 | PC5 | ||
2008 | 特征值λ | 0.04263 | 0.02768 | 0.01454 | 0.00565 | 0.00129 |
贡献率/% | 41.95250 | 26.57840 | 12.21970 | 4.15090 | 4.01350 | |
累计贡献率/% | 41.95250 | 68.53090 | 80.75030 | 84.90150 | 88.91500 | |
2013 | 特征值λ | 0.04629 | 0.02459 | 0.01359 | 0.00676 | 0.00193 |
贡献率/% | 44.43210 | 23.16610 | 11.34610 | 5.25850 | 1.53820 | |
累计贡献率/% | 44.43210 | 67.59820 | 78.99430 | 84.25280 | 85.79100 | |
2018 | 特征值λ | 0.03954 | 0.02267 | 0.01428 | 0.00971 | 0.00565 |
贡献率/% | 38.36110 | 21.67230 | 13.88610 | 8.78620 | 6.99840 | |
累计贡献率/% | 38.36110 | 60.03340 | 73.91950 | 82.70570 | 91.75730 |
表4 桂西南喀斯特-北部湾海岸带生态环境脆弱性分级标准Tab.4 Classification standard of ecological environment vulnerability in Southwest Guangxi karst-Beibu gulf coastal zone |
脆弱性等级 | 生态环境脆弱性指数标准化值 | 脆弱程度 | 生态特征 |
---|---|---|---|
Ⅰ | <0.2 | 潜在脆弱 | 生态系统结构完整,无生态异常出现,服务功能很好,承受生态压力小,对各类干扰敏感性弱 |
Ⅱ | 0.2~0.4 | 微度脆弱 | 生态系统结构较为完善,存在潜在的生态异常,服务功能良好,承受生态压力较小,对各类干扰敏感性较弱 |
Ⅲ | 0.4~0.6 | 轻度脆弱 | 生态系统结构尚可维持,出现少量生态异常,服务功能退化,承受生态压力接近阈值,对各类干扰敏感性中等 |
Ⅳ | 0.6~0.8 | 中度脆弱 | 生态系统结构出现缺陷,生态异常较多,服务功能不全,承受生态压力较大,对各类干扰敏感性较强 |
Ⅴ | >0.8 | 重度脆弱 | 生态系统功能退化严重,生态异常集中连片出现,服务功能完全丧失,承受生态压力大,对各类干扰敏感性强 |
表5 各因子交互探测结果Tab.5 Interactive detection results of each factor |
X1∩X2 | P(X1∩X2) | 判断 | 交互作用 |
---|---|---|---|
汛期降水量∩植被覆盖度 | 0.679 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
汛期降水量∩高温季节温度 | 0.607 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
汛期降水量∩废水入海量 | 0.541 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
汛期降水量∩NPP | 0.648 | P(X1∩X2)>P(X1)+P(X2) | 非线性增强 |
汛期降水量∩人口密度 | 0.433 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
植被覆盖度∩高温季节温度 | 0.442 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
植被覆盖度∩废水入海量 | 0.429 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
植被覆盖度∩NPP | 0.406 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
植被覆盖度∩人口密度 | 0.327 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
高温季节温度∩废水入海量 | 0.453 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
高温季节温度∩NPP | 0.537 | P(X1∩X2)>P(X1)+P(X2) | 非线性增强 |
高温季节温度∩人口密度 | 0.233 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
废水入海量∩NPP | 0.479 | P(X1∩X2)>P(X1)+P(X2) | 非线性增强 |
废水入海量∩人口密度 | 0.247 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
NPP∩人口密度 | 0.108 | P(X1∩X2)>max(P(X1),P(X2)) | 双线性增强 |
[1] |
|
[2] |
李永化, 范强, 王雪, 等. 基于SRP模型的自然灾害多发区生态环境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.
[
|
[3] |
杨强. 基于遥感的榆林地区生态环境脆弱性研究[D]. 南京:南京大学, 2012.
[
|
[4] |
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.
[
|
[5] |
牛文元. 生态环境脆弱带ECOTONE的基础判定. 生态学报, 1989,9(2):97-105.
[
|
[6] |
王钰, 胡宝清. 西江流域生态环境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.
[
|
[7] |
吴琼. 基于景观格局的辽宁海岸带生态环境脆弱性评价[D]. 大连:辽宁师范大学, 2014.
[
|
[8] |
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.
[
|
[9] |
靳毅, 蒙吉军. 生态环境脆弱性评价与预测研究进展[J]. 生态学杂志, 2011,30(11):2646-2652.
[
|
[10] |
张圆圆, 毛爽, 张淑伟. 2000—2017年龙门山断裂带生态环境脆弱性演变研究[J]. 天津农业科学, 2020,26(2):22-28.
[
|
[11] |
陈桃, 包安明, 郭浩, 等. 中亚跨境流域生态环境脆弱性评价及其时空特征分析——以阿姆河流域为例[J]. 自然资源学报, 2019,34(12):2643-2657.
[
|
[12] |
马骏, 李昌晓, 魏虹, 等. 三峡库区生态环境脆弱性评价[J]. 生态学报, 2015,35(21):7117-7129.
[
|
[13] |
|
[14] |
陆海燕, 孙桂丽, 李路, 等. 基于VSD模型的新疆生态环境脆弱性评价[J]. 新疆农业科学, 2020,57(2):292-302.
[
|
[15] |
康永辉, 解建仓, 黄伟军, 等. 广西大石山区农业干旱成因分析及脆弱性评价[J]. 自然灾害学报, 2014,23(3):24-32.
[
|
[16] |
袁烽迪, 张溪, 魏永强. 青藏高原生态屏障区生态环境脆弱性评价研究[J]. 地理空间信息, 2018,16(4):67-69.
[
|
[17] |
吴春生, 黄翀, 刘高焕, 等. 基于模糊层次分析法的黄河三角洲生态环境脆弱性评价[J]. 生态学报, 2018,38(13):584-4595.
[
|
[18] |
于伯华, 吕昌河. 青藏高原高寒区生态环境脆弱性评价[J]. 地理研究, 2011,30(12):2289-2295.
[
|
[19] |
|
[20] |
|
[21] |
|
[22] |
吴健生, 罗宇航, 王小玉, 等. 城市滑坡灾害生态风险不确定性分析与风险管理——以深圳市为例[J/OL].生态学报, 2020(11):1-10.
[
|
[23] |
王铁军, 赵礼剑, 张溪. 青藏高原生态屏障区生态环境综合评价方法探讨[J]. 测绘通报, 2018(9):112-116.
[
|
[24] |
张行, 陈海, 史琴琴, 刘迪, 等. 陕西省景观生态环境脆弱性时空演变及其影响因素[J]. 干旱区研究, 2020,37(2):496-505.
[
|
[25] |
刘晶晶. 集中连片特困区生态环境脆弱性评价研究[D]. 华中师范大学, 2019.
[
|
[26] |
|
[27] |
杨俊, 关莹莹, 李雪铭, 等. 城市边缘区生态环境脆弱性时空演变———以大连市甘井子区为例[J]. 生态学报, 2018,38(3):778-787.
[
|
[28] |
范斐, 孙才志. 辽宁省海洋经济与陆域经济协同发展研究[J]. 地域研究与开发, 2011,30(2):59-63.
[
|
[29] |
徐静, 王泽宇. 中国陆海统筹绩效时空分异及影响因素——基于脆弱性视角的分析[J]. 地域研究与开发, 2019,38(2):25-30.
[
|
[30] |
刘伯超, 唐凤德, 张连辉. 辽宁省农业生态环境脆弱性相关分析[J]. 沈阳农业大学学报(社会科学版), 2009,11(1):34-38.
[
|
[31] |
周振民. 黄河下游引黄灌区农业生态环境脆弱性评价及对策[J]. 云南农业大学学报:自然科学版, 2007,22(1):127-131.
[
|
[32] |
姚昆, 余琳, 刘光辉, 等. 基于SRP模型的四川省生态环境脆弱性评价[J]. 物探化探计算技术, 2017,39(2):291-295.
[
|
[33] |
王雪梅, 席瑞. 基于GIS的渭干河流域生态环境脆弱性评价[J]. 生态科学, 2016,35(4):166-172.
[
|
[34] |
徐明德, 李艳春, 何娟, 等. 区域生态环境脆弱性的GIS“分解-合成”评价分析——以浑源县为例[J]. 地球信息科学学报, 2011,13(2):198-204.
[
|
[35] |
梁丽清. 不同尺度区域特征表述的分析评价和整合重构[D]. 福州:福建师范大学, 2013.
[
|
[36] |
陈燕丽, 莫伟华, 罗永明, 等. 基于气候信息的喀斯特地区植被EVI模拟[J]. 农业工程学报, 2015,31(9):187-194.
[
|
[37] |
穆少杰, 游永亮, 朱超, 等. 中国西北部草地植被降水利用效率的时空格局[J]. 生态学报, 2017,37(5):1458-1471.
[
|
[38] |
熊繁. 农业发展转型区土地利用景观格局优化及评价[D]. 重庆:重庆师范大学, 2016.
[
|
[39] |
宋福春. 土地利用总体规划决策机制研究[D]. 长春:吉林大学, 2006.
[
|
[40] |
陈燕丽, 罗永明, 莫伟华, 等. MODIS NDVI与MODIS EVI对气候因子响应差异[J]. 自然资源学报, 2014,29(10):1802-1812.
[
|
[41] |
王钰, 胡宝清. 基于GIS的广西西江流域脆弱性评价及综合整治研究[J]. 长江科学院院报, 2016,35(9):48-53.
[
|
[42] |
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.
[
|
[43] |
宁文怡. 基于GIS的喀斯特山区地貌与土地利用分形关系研究[D]. 南宁:广西师范学院, 2016.
[
|
[44] |
贾晶晶, 赵军, 王建邦, 等. 基于SRP模型的石羊河流域生态环境脆弱性评价[J]. 干旱区资源与环境, 2020,34(1):34-41.
[
|
[45] |
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017,72(1):116-134.
[
|
/
〈 |
|
〉 |