延安市土地生态风险时空格局演变研究

doi:10.6046/gtzyyg.2020.01.17

延安市土地生态风险时空格局演变研究

段艺芳¹^,², 任志远^,¹, 周晓¹, 孙艺杰¹

1. 陕西师范大学地理科学与旅游学院,西安 710119

2. 聊城大学环境与规划学院,聊城 252000

Spatio-temporal variation in the land ecological risk of Yan’an City

DUAN Yifang¹^,², REN Zhiyuan^,¹, ZHOU Xiao¹, SUN Yijie¹

1. College of Geography and Tourism, Shaanxi Normal University, Xi’an 710119, China

2. College of Environment and Planning, Liaocheng University, Liaocheng 252000, China

通讯作者: 任志远(1953-),男,教授,博士生导师,主要从事国土资源开发和生态环境评价相关研究。Email:renzhy@snnu.edu.cn。

责任编辑: 李瑜

收稿日期: 2019-03-15 修回日期: 2019-06-10 网络出版日期: 2020-03-15

基金资助:

国家自然科学基金项目“我国生态脆弱区能源开发生态效应测评与调控研究”. 编号: 41371523

Received: 2019-03-15 Revised: 2019-06-10 Online: 2020-03-15

作者简介 About authors

段艺芳(1980-),女,讲师,博士,主要从事资源环境遥感与GIS研究。Email:duanyifang@snnu.edu.cn。。

摘要

陕西省延安市作为国家退耕还林生态工程实施重点区、示范区,是我国生态问题集中体现区,研究其土地生态风险时空差异对区域土地可持续发展、差别化国土资源发展政策的制定具有重要意义。首先,依据延安市土地系统的基本特征,选取植被覆盖度指数、降水距平百分比指数、土地利用结构风险指数和土壤侵蚀指数4个风险指标,构建土地生态风险综合评价模型; 其次,基于像元尺度测算土地生态风险各因子指数及综合指数; 最后,结合探索性空间数据分析方法,分析了延安市2000—2015年间土地生态风险及空间集聚效应的时空演化规律,进而提出土地分区综合治理的建议。研究结果表明,延安市土地生态整体状况良好,各生态因子及综合风险整体呈降低态势,但宝塔区和洛川县较高且高等级综合风险区面积呈小幅增加态势。延安市土地综合生态风险呈现较强的空间集聚状态,热点区包括位于各区县城镇建设区的城镇热点区和分布在子长县、安塞区、延长县、延川县和吴起县5区县的北部热点区,冷点区则主要位于生态环境状况较好的东南部黄龙县、宜川县,西南部黄陵县、富县以及甘泉县西南部等地区。得益于国家退耕还林(草)及封山育林等生态工程的实施,热点集聚程度总体呈逐渐减弱趋势,但宝塔区内城镇热点区面积持续增加,应注意加强生态管理; 受气候干旱的影响,富县西北部、宜川县西部冷点区范围呈缩小态势,应注意优化水资源的调配。

关键词： 土地生态风险 ; 探索性空间数据分析 ; 空间集聚 ; 延安市

Abstract

As a key and demonstration area for the implementation of the national ecological project of returning farmland to forestry, Yan’an City is a concentrated area of ecological problems in China. It is of great significance to study the spatial and temporal differences of land ecological risks for the sustainable development of regional land and the formulation of differentiated land and resources development policies. According to the basic characteristics of land ecosystem, four risk indicators, namely vegetation coverage, percentage anomaly precipitation, land use structure risk index and soil erosion index, were selected to construct a comprehensive evaluation model of land ecological risk. Then on the basis of pixel scale, each factor index and comprehensive index of land ecological risk were calculated. In combination with exploratory spatial data analysis (ESDA), the spatial and temporal evolution of land ecological risk and spatial agglomeration effect in Yan’an City from 2000 to 2015 was analyzed. Then the corresponding suggestions for comprehensive management of land in different regions were put forward. The results are as follows: The land ecology of Yan’an City is in good condition as a whole, whereas the land comprehensive ecological risk and the risk of the four ecological factors temporally decrease on the whole; nevertheless, the area of Baota District and Luochuan County is higher in this aspect, and high comprehensive risk areas increase slightly. The land comprehensive ecological risk of Yan’an City shows a strong spatial agglomeration. Hot spots include urban hot spots located in urban construction areas and northern hot spots distributed in five districts and counties of Zichang County, Ansai District, Yanchuan County, and Wuqi County. The cold points are mainly located in Huanglong County, Yichuan County, Huangling County, Fuxian County and the southwest area of Ganquan County. Thanks to the implementation of national eco-engineering measures such as returning farmland to forestry (grassland) and closing hillsides for reforestation, the agglomeration degree of hot spots has been gradually weakening. However, the area of urban hot spots in Baota District continues to increase, and hence attention should be paid to strengthening ecological management. As cold spot areas in northwest Fuxian and western Yichuan County has been shrinking because of climate drought, attention should be paid to optimizing the allocation of water resources.

Keywords： land ecological risk ; exploratory spatial data analysis ; spatial agglomeration ; Yan’an City

PDF (5439KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

段艺芳, 任志远, 周晓, 孙艺杰. 延安市土地生态风险时空格局演变研究. 国土资源遥感杂志[J], 2020, 32(1): 120-129 doi:10.6046/gtzyyg.2020.01.17

DUAN Yifang, REN Zhiyuan, ZHOU Xiao, SUN Yijie. Spatio-temporal variation in the land ecological risk of Yan’an City. REMOTE SENSING FOR LAND & RESOURCES[J], 2020, 32(1): 120-129 doi:10.6046/gtzyyg.2020.01.17

0 引言

土地生态风险评价是评价区域土地资源是否可持续利用的重要手段,加强土地生态风险评价对科学把握区域土地资源生态状况及提高土地整治开发和管理具有重要的现实指导意义^[1,2]。区域生态风险评价源于环境风险评价,评价对象从人体发展到种群、群落、生态系统和景观尺度,一直是环境科学领域研究的前沿和热点^[3,4,5]。

近30 a来,随着土地利用/土地覆盖变化(land-use and land-cover change,LUCC)研究的逐渐深入,LERA逐渐兴起并快速发展。任志远等^[6]综合运用生态系统服务和生态风险的相关模型测算生态系统服务收益与生态风险损失,进行了区域生态安全时空测评; 臧淑英等^[7]构造了综合性生态风险指数,分析了大庆市生态风险空间分布特征和形成机理; 马彩虹^[8]采用土地转移流和土地生态风险强度指数,评价了陕西省黄土台塬区土地利用变化动态及其结构性风险; 莫宏伟等^[9]通过构造各土地利用类型的生态风险指数,验证了生态服务价值研究结果; 徐兰等^[10]、周汝佳等^[11]、孙贤斌等^[12]、彭文君等^[13]则将土地利用变化与景观结构相结合,通过构建景观生态风险评价模型,运用地统计学理论模型和地理信息系统(geographic information system,GIS)技术,评价了不同研究区生态风险、空间变异性或景观生态驱动力; 孙洪波等^[14]基于改进的相对生态风险模型,从风险源强度、受体暴露度以及风险效应3方面构建土地利用生态风险评价指标体系,分析了南京地区土地利用生态风险空间分异及影响因素; 虞燕娜等^[15]基于生态风险形成机制构建了模型(land ecological risk assessment,LERA),定量评价了射阳县土地生态风险。

综上可知,学者们大多基于土地利用变化、土地利用结构或景观结构指数、风险形成机制等对土地生态风险时空分布特征及形成机理进行研究,但目前仍存在以下不足: 一是研究尺度多局限于行政单元,难以反映单元内部的差异性; 二是评价指标多依赖于统计年鉴等社会统计资料和土地利用结构或景观结构等数据,对土地生态状况的植被、气候、土壤等自然属性重视不够,评价结果精度有待提高; 三是对土地生态风险空间集聚效应的时空格局演变研究相对不足,不利于差别化国土资源和社会经济发展政策的制定。本文对延安市土地生态风险进行多尺度的定量估算与评价,揭示其土地生态风险及空间集聚效应时空演变规律,旨在为制定差别化国土资源政策以及为实现延安市土地生态环境与社会经济双向共赢、同步发展提供决策参考依据。

1 研究区概况及数据源

1.1 研究区概况

延安市位于陕西省北部,黄土高原中南部,介于N35°21'~37°31'N,E107°41'~110°31'之间,共辖2区、11县,总面积为3.69×10⁴ km²(图1)。该区属暖温带半湿润易干旱气候区,年均温度为10.5 ℃,年均降雨量为527 mm。区内地形地貌以黄土塬梁峁及丘陵沟壑为主,地势西北高东南低,平均海拔约为1 200 m。区内分布着大量煤炭、石油、天然气、铁矿等矿产资源及丰富的林木资源,2000—2015年的16 a间耕地减少2 892.71 km²,林地和草地分别增加2 158.06 km²和480.58 km²,常住人口由196.64万增至223.13万,GDP由130.63亿元增至1 198.64亿元。人类对生态环境的干预日趋复杂,人地矛盾加剧,加之气象灾害易发,使该区生态社会经济可持续发展面临挑战。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区概况

Fig.1 Overview of study area

1.2 数据来源及其预处理

1)土地利用数据。来源于中国科学研究院资源环境数据中心(2000年、2010年土地利用数据)以及TM影像(2015年土地利用数据),其中TM影像来自地理空间数据云(http://www.gscloud.cn/),空间分辨率为30 m,解译数据总精度达87%,Kappa系数0.824 8,基本满足广域尺度土地利用研究。

2)归一化植被指数(normalized difference vegetation index,NDVI)数据。采用MODIS13Q1-NDVI数据(http://landsweb.nascom.nasa.gov/data/),空间分辨率为250 m。

3)气象数据。来自中国气象数据网(http://data.cma.cn/),选取延安市3个气象站及周边邻近21个气象站,采用克里金插值法对气象数据进行插值处理,得到2000年、2010年和2015年3期30 m空间分辨率的气象栅格数据。

4)数字高程模型(digital elevation model,DEM)数据。来自于ASTER GDEM数据(https://www.nasa.gov/),空间分辨率为90 m。

5)土壤数据。来自世界土壤数据库的中国土壤数据集,空间分辨率为1 km。

基于以上数据,利用ArcGIS软件的resample工具将不同空间分辨率的数据均重采样成30 m空间分辨率数据,以便于空间栅格数据的运算与分析。

2 研究方法

2.1 土地综合生态风险指数测算与分级

基于土地生态系统中表征自身潜在风险、自然灾害风险、人为干扰风险和水土流失风险的植被覆盖度指数(VFC)、降水距平百分比指数(S_i)、土地利用结构风险指数(ERI)和土壤侵蚀风险指数(A)4个指标,构建LERA评价模型,即

(1)E=

\overset{n}{\sum_{i = 1}}

W_i·P_i ,

式中: E为土地综合生态风险指数,简称“综合风险指数”,取值范围在[0,1]之间; W_i为第i类指标风险权重,借助yaahp软件,采用定性和定量相结合的层次分析法(analytic hierarchy process,AHP),获取植被、降水、土地利用结构和土壤侵蚀因子权重分别为0.396 3,0.063 7,0.358 1和0.182 0; P_i为第i类单项生态风险标准化值,运用极值标准化方法(正向或逆向)对评价因子进行标准化处理后获取,其值介于[0,1]之间,并利用平均随机一致性RI参数检验判断不同评价因子之间的科学性,确定不同种类之间大小,计算出一致性比率CR=0.096 8,<0.1,即通过一致性检验。风险评价指标及标准值获取方法见表1。

表1 风险评价指标的选择及标准化方法

Tab.1 Selection of risk evaluation index and standardization method

风险指标	计算公式或模型	注释	标准化公式
植被覆盖度指数	VFC= $\frac{NDVI - NDV I_{\min}}{NDV I_{\max} - NDV I_{\min}}$	VFC为植被覆盖度指数^[16,17],值越大,风险越小; NDVI_min和NDVI_max分别为归一化植被指数的最小值和最大值	逆向标准化 P_VFC= $\frac{VF C_{\max} - VFC}{VF C_{\max} - VF C_{\min}}$
降水距平百分比指数	S_i= $\frac{R_{i} - {\bar{R}}_{a - b}}{{\bar{R}}_{a - b}}$ ·100%	S_i为第i年降水距平百分比指数^[18,19],值越大,风险越小; R_i为第i年年降水量; ${\bar{R}}_{a - b}$ 为多年平均降水量	逆向标准化 P_S= $\frac{S_{\max} - S}{S_{\max} - S_{\min}}$
土地利用结构风险指数	ERI= $\overset{n}{\sum_{i = 1}} \frac{B_{i}}{B}$ ·W_i·100%	ERI为土地利用结构风险指数,值越大,风险越大; B_i为第i类土地利用类型面积; B为研究区总面积; W_i表示第i类土地利用类型生态风险权重,借鉴臧淑英^[7]和马彩虹^[8]的研究成果,采用AHP法确定。林地、草地、水体、耕地、建设用地和未利用地的风险权重分别为0.035,0.055,0.06,0.314,0.402和0.134	正向标准化 P_ERI= $\frac{ERI - ER I_{\min}}{ER I_{\max} - ER I_{\min}}$
土壤侵蚀风险指数	A=R·K·C·LS·T	A为土壤侵蚀风险指数,t·hm^-1,值越大,风险越大; R为降雨侵蚀力因子; K为土壤可蚀性因子; C为覆盖与管理因子; LS为坡长坡度因子; T为土壤保持措施因子,依据坡度范围: ≤6°,(6°,15°],(15°,25°],﹥25°分别取值为0.20,0.35,0.65和0.80; C,LS和T为无量纲因子,采用相应的经验公式模型计算得到^[20,21,22]	正向标准化 P_A= $\frac{A - A_{\min}}{A_{\max} - A_{\min}}$

新窗口打开| 下载CSV

根据LERA评价模型,测算不同时期土地综合生态风险指数,并结合已有研究,将土地综合生态风险划分为5个等级,等级越高,综合风险越大,其划分标准见表2。

表2 土地生态风险等级划分标准

Tab.2 Classification standards of land ecological risk

等级	Ⅰ级	Ⅱ级	Ⅲ级	Ⅳ级	Ⅴ级
风险指数	≤0.1	(0.1,0.25]	(0.25,0.4]	(0.4,0.55]	>0.55
风险状态	低	较低	中等	较高	高

新窗口打开| 下载CSV

2.2 全局空间自相关

运用全局空间自相关分析方法探索土地综合生态风险格网尺度上的整体分布状况,判断其是否存在空间集聚性。Moran’s I指数是测度全局空间自相关常用的统计量,具体计算公式见文献[23]。测算利用ArcGIS10.2软件实现,空间权重矩阵采用邻近标准构建,空间关系选择K-Nearest Neighbor,距离方法选择欧几里得距离。Moran’s I指数取值范围为[-1,1],在0.01显著性水平下,指数为正表示具有明显的集聚特征; 反之,指数为负表示具有明显差异特征,指数为0表示随机分布,不具有空间相关性。

对土地综合生态风险指数进行250 m,500 m和1 km等多种格网尺度全局空间自相关分析,最终选取空间自相关程度最高的1 km格网尺度进行全局空间自相关分析及冷热点分析。

2.3 冷热点分析

运用冷热点分析反映土地综合生态风险格网尺度的空间关联程度,揭示局部空间集聚特征,并识别出其空间集聚程度的热点(高值区)和冷点(低值区)。Getis-Ord $G_{i}^{*}$ 指数为刻画区域冷热点常用的指标,运用ArcGIS10.2软件中的Hot Spot Analysis实现,计算公式为^[24]

(2)G_i^*(d)=

\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}}

W_ij(d)X_ij/

\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}}

X_ij ,

(3)Z(G_i^*)=[G_i^*-E(

{G_{i}}^{*}

)]/

\sqrt{Var ({G_{i}}^{*})}

式中: ${G_{i}}^{*}$ (d)为具有显著统计意义的Z得分; W_ij(d)为空间权重,相邻为1,不相邻为0; X_ij为对应i行j列空间位置上的要素值; n为要素总数; Z( ${G_{i}}^{*}$ )为对 ${G_{i}}^{*}$ 值的统计检验值,用于识别不同区域热点和冷点的空间分布; E( ${G_{i}}^{*}$ )和Var( ${G_{i}}^{*}$ )分别为空间不集聚的原假设下 ${G_{i}}^{*}$ 的期望值和方差。根据研究区实际情况,本文采用standard deviation分类法对 ${G_{i}}^{*}$ 值进行分类,划分为热点区、次热点区、临界热点区、不显著区、临界冷点区、次冷点区和冷点区。

3 结果与分析

2010年,延安市退耕还林(草)生态治理由规模扩张向成果巩固阶段转化,经济发展也逐渐由高速增长转向高质量发展。鉴于此,针对前期(2000—2010年)和后期(2010—2015年)2个阶段开展研究。

3.1 单因子风险评价

1)自身潜在风险。由植被覆盖度表征测算。结合延安市实际情况及参考以往相关研究,将植被覆盖度分为低([0,0.498])、较低((0.498,0.565])、中((0.565,0.647])、较高((0.647,0.737])和高((0.737,1])5个等级,见图2。2000—2015年间,延安市植被覆盖度高值区由南向北拓展,中北部植被生长状况好转,且持续向北扩张。从区县尺度看,各区县植被覆盖度均呈增加趋势。其中,前期阶段,各区县植被覆盖度普遍增加,尤其以北部的子长县、安塞区、延长县和吴起县植被状况改善最为明显,均由低、较低覆盖度转变成较高、高覆盖度,这与2010年以前延安市大力实施退耕还林(草)工程关系较大。后期阶段,植被覆盖度总体略有降低,除延长县正向变化及延川县无变化外,其他区县均呈负向变化态势,尤其以子长县降幅最大,植被覆盖度已由较高等级降至中等级别。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 不同时期植被覆盖度空间分布

Fig.2 Spatial distribution of vegetation coverage in different period

2)自然灾害风险。由降水距平百分比指数表征测算。2000年、2010年和2015年均为旱年,但干旱程度整体呈降低趋势,空间上呈北高南低特征,南部的黄陵县和黄龙县干旱程度最低,中北部地区尤其子长县和宝塔区干旱最为严重(图3)。2000年中北部为干旱区,以子长县干旱最为严重,中北部其他区县亦出现不同程度干旱灾害,南部地区干旱程度较低。与2000年相比,2010年降水距平百分比指数普遍增加,干旱程度明显减弱,中北部干旱区范围有所扩大,在延川县和吴起县境内干旱程度最为严重,且南部地区亦趋向于干旱化,高值区范围有所缩小。与2010年相比,2015年降水距平百分比指数有所降低,并呈南北高而中间低的空间特征,北部地区干旱程度减弱,中部地区干旱严重,以宝塔区干旱程度最大,而南部地区黄陵县干旱程度最低。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 不同时期降水距平百分比指数空间分布

Fig.3 Spatial distribution of percentage of precipitation anomaly in different period

3)人为干扰风险。由土地利用结构风险指数表征测算。结合延安市实际情况,将土地利用结构风险划分为低(<6.73)、较低([6.73,7.26))、中([7.26,7.79))、较高([7.79,8.32))和高(≥8.32)5个等级(图4)。2000—2015年间延安市土地利用结构风险总体呈降低趋势,其中,2000—2010年间风险明显降低,平均指数由7.64降至7.20,但2010—2015年间风险略有回升,指数升至7.25,空间格局变化不大,但不同等级风险区范围略有变化,这与韩磊等^[25]“延安市土地利用的优势度指数先降后升”的研究结论基本契合,均能说明退耕还林工程对研究区土地利用结构产生了积极影响。位于南部生态功能区的低风险区面积持续减少,主要分布于中北部农业耕作区的较低风险区面积呈先增后减的变化趋势,呈交错分布的中等风险区范围缩小,但集中分布在全市建设用地的较高和高风险区呈持续扩张态势。区县尺度上,吴起县风验呈持续降低,这与其始终较好地贯彻退耕还林政策有关; 洛川县和黄陵县风险持续增加,与2012—2015年间该区县非能产业建设致使建设用地比例增加有关; 其余10个区县风险均呈前期降低后期增加趋势,主要原因是前期生态工程规模较大,后期生态工程规模有所缩小且以成果巩固为主,同时非能产业建设致使建设用地比例增大,尤其以宝塔区最为典型。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 不同时期土地利用结构风险等级分布

Fig.4 Distribution of land use structure risk grade in different period

4)土壤水力侵蚀风险。2000—2015年延安市土壤水力侵蚀强度呈南轻北重的空间特点,且总体呈逐渐减弱趋势,3期依次为4.99 t·hm^-2,3.72 t·hm^-2和1.62 t·hm^-2。根据《中华人民共和国水利部土壤侵蚀分级标准SL190—2007》对3期土壤水力侵蚀强度进行分级,见图5。延安市土壤微度侵蚀分布最广,其次为轻度、中度、强烈和极强烈等级,剧烈等级面积最小。从变化趋势来看,微度侵蚀区面积持续增大,轻度至极强烈侵蚀区面积持续下降,这2种变化趋势主要受人类活动的积极影响所致; 而强烈和极强烈等级面积呈先增后减的趋势,主要受制于研究区降水量变化。16 a间各区县土壤侵蚀等级均有所降低,水土保持效果逐渐增强。前期变化主要集中在中南部黄陵县、甘泉县、黄龙县、富县、洛川县、志丹县、宜川县和西北部的吴起县,后期变化主要集中在中北部宝塔区、延长县、安塞区、延川县、子长县和西北部的吴起县。但目前子长县和吴起县仍属于强烈侵蚀等级,土壤侵蚀状况较严重。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 不同时期土壤水力侵蚀强度等级分布

Fig.5 Distribution of soil water erosion in different period

3.2 土地生态综合风险评价

16 a间延安市土地生态状况整体良好,土地综合生态风险较低,呈现先降后升的时空演变趋势,Ⅰ级和Ⅱ级风险区由南向北扩展明显,中北部生态状况明显好转,但Ⅳ级和Ⅴ级风险区逐渐显现(图6)。延安市3期综合风险指数依次为0.23,0.18和0.20,整体均处于较低风险状态。2000年,以Ⅱ级和Ⅲ级风险为主,二者占区域总面积的98.81%; 2010年,Ⅲ级风险区面积大幅下降,由16.95×10² km²下降至5.33×10² km²,其余各等级风险区面积均呈增加趋势,尤其以Ⅰ级和Ⅱ级风险区面积增加幅度最大,分别增加5.97×10² km²和5.62×10² km²,这主要得益于退耕还林(草)和封山育林等生态工程的大力实施,使该区植被覆盖度增加、土壤侵蚀强度降低,土地生态显著改善; 2015年,Ⅰ级风险区面积显著减少,降幅为3.9×10² km²,其余各等级风险区面积均有所增加,以Ⅱ级和Ⅲ级风险区增幅最大,分别增加2.65×10² km²和1.18×10² km²,而主要集中在城镇工矿建设用地区的Ⅳ级和Ⅴ级风险区增幅相对较小,分别增加0.01×10² km²和0.07×10² km²。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2000—2015年土地综合生态风险时空分布

Fig.6 Spatio-temporal distribution of land comprehensive ecological risk from 2000 to 2015

对综合风险指数进行区县尺度统计(表3),结果表明,2000年宝塔区及其南部7个区县风险等级均介于Ⅰ—Ⅲ级之间,土地生态风险较小,生态环境较安全; 而北部以农业为主的6个区县,以Ⅳ级和Ⅴ级为主,土地生态风险较大,生态环境较不安全。前期阶段,志丹县和吴起县生态治理成效显著,风险等级由Ⅳ级降至Ⅲ级; 但南部的洛川县受社会经济发展影响,风险等级由Ⅲ级升至Ⅳ级。后期阶段,各区县土地生态风险明显降低,属于Ⅴ级风险的区县已不复存在,延长县生态风险由Ⅳ级降至Ⅲ级; 但安塞区、吴起县、延川县和子长县风险等级依然属于Ⅳ级,生态问题依然严峻,仍需稳步推进各项生态治理措施。

表3 各区县土地综合生态风险指数及等级

Tab.3 Land ecological risk index and its grades in every county

区县	2000年		2010年		2015年
区县	指数	等级	指数	等级	指数	等级
黄陵县	0.034	I	0.166	II	0.055	I
延长县	0.819	V	0.696	IV	0.533	III
安塞区	0.713	IV	0.551	IV	0.59	IV
志丹县	0.709	IV	0.498	III	0.505	III
吴起县	0.741	IV	0.546	III	0.66	IV
宝塔区	0.474	III	0.436	III	0.487	III
延川县	0.782	V	0.785	V	0.622	IV
子长县	0.694	IV	0.559	IV	0.625	IV
甘泉县	0.212	II	0.148	I	0.284	II
富县	0.073	I	0.034	I	0.159	II
洛川县	0.474	III	0.566	IV	0.523	III
宜川县	0.396	III	0.209	II	0.255	II
黄龙县	0.016	I	0.057	I	0.072	I

新窗口打开| 下载CSV

3.3 综合风险时空格局演变

1)全局空间自相关分析。2000—2015年间延安市土地综合生态风险全局Moran’s I指数介于0.851 4~0.926 7之间,且通过0.01显著性检验,表明延安市土地综合生态风险具有显著的全局空间正相关特征,即呈现较强的空间集聚状态。2000年、2010年和2015年全局Moran’s I指数分别为0.926 7,0.8961和0.851 4,呈下降趋势,表明2000—2015年间延安市土地综合生态风险集聚效应整体呈减弱态势,但幅度较小。

2)冷热点分析。对土地综合生态风险进行冷热点分析,得到延安市冷热点时空格局演化情况(图7)。研究表明,2000—2015年间,延安市土地综合生态风险热点和冷点集聚程度总体均呈减弱趋势,且热点区缩减速度大于冷点。热点总面积由2000年的1.59×10⁴ km²缩减至2010年和2015年的1.46×10⁴ km²和1.15×10⁴ km²,冷点总面积由2000年的1.24×10⁴ km²缩减至2010年和2015年的1.20×10⁴ km²和1.01×10⁴ km²。由图7可以看出,2000年热点区主要集中分布在各区县城镇中心(简称“城镇热点区”)及北部的子长县、安塞区、延长县、延川县和吴起县5个农业主产区县(简称“北部热点区”),与侯孟阳等^[26]研究指出的“ESV低低集聚区”基本一致。北部热点区内该时期植被覆盖度低,再加上沟壑纵横、梁峁起伏、河谷深切,土壤侵蚀状况严重,且干旱灾害严重,又为主要的农业耕作区,人类土地利用活动干扰大,土地综合生态风险较大。而城镇热点区主要源于土地利用结构风险较高而形成热点区。冷点区集中分布在东南部黄龙县、宜川县,西南部黄陵县、富县以及甘泉县西南部等地区,与侯孟阳等^[26]研究指出的“ESV高高集聚区”范围基本一致。此区域为国家重点生态功能区,区内有子午岭国家级自然保护区和褐马鸡自然保护区生态区,分布着黄土高原稀有的天然次生林及野生动植物资源,植被覆盖度高,水土流失微弱,形成冷点区。次热点和临界热点零星分布在热点区周围。次冷点区和临界冷点区与冷点区交错分布。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 延安市土地综合生态风险冷热点区域时空格局演化

Fig.7 Spatial and temporal evolution of hot and cold spots of land comprehensive ecological risk in Yan’an City

较之2000年,2010年北部热点区内的子长县、安塞区热点范围有所缩小,降幅最大,分别达1.58×10² km²和0.77×10² km²,主要得益于国家生态退耕还林(草)、封山育林等工程的大力实施,土地生态环境不断改善,土地生态风险集聚程度明显降低; 而吴起县、延川县和延长县热点范围有所扩大,以吴起县增幅最大,为1.0×10² km²,主要是气候干旱负面影响大于生态治理正面影响所致; 城镇中心热点区范围略有扩大,主要原因是社会经济发展和城镇建设的扩张,土地利用结构风险增大,特别是宝塔区和洛川县中心城区,土地利用程度增强,城区土地生态保护压力较大。冷点区范围变化不明显,仅甘泉县和富县西北部冷点区范围有所缩小,以甘泉县冷点区面积降幅最大,达0.41×10² km²。

与2010年相比,2015年北部热点区内的安塞区热点范围进一步缩小,吴起县、延川县和延长县热点范围也有所缩小,除受生态退耕还林(草)、封山育林等工程的积极影响外,与气象干旱程度有所减弱关系密切,土地综合生态风险集聚程度明显降低,以吴起县和延川县降幅最大,达0.67×10² km²; 但子长县热点范围有所扩大,增幅为0.32×10² km²,主要受该时期植被覆盖度降低的影响; 宝塔区城镇热点区范围扩张最明显,主要受“中疏外扩、上山建城”城市发展战略的大力实施以及气候干旱程度加剧的双重影响。冷点区范围进一步缩小,受干旱影响,富县西北部、宜川县西部植被覆盖度降低,冷点区面积降幅最明显。

3.4 土地生态综合治理建议

延安市土地生态风险具有较显著的区域差异性,基本呈现城镇中心及北部区县风险高热点集聚、南部区县风险低冷点集聚的分布特征。根据延安市不同区域的地形地貌特点、土地生态风险及热点形成原因,提出以下土地分区综合治理建议:

1)对于东部黄河沿岸和北部子长县等农业主产区,建议进一步加强水土保持工作,坚持“生产与生态并重,开发与治理同步”,结合实地地形及土壤情况,采用生物及工程相结合的土壤治理措施,尽量减少人为造成的水土流失,坚持不懈抓好退耕还林工作,因地制宜实施治沟造地、统筹流域综合治理。

2)对于经济发展相对较快的北部区县,如吴起县和宝塔区,则应通过调整经济发展模式,落实国家规范化的经济管理体制,加强生态环境保护监督,实现区域经济生态环境保护微观化,高度构建区域经济与生态环境可持续发展战略格局,避免走向以过量消耗生态资源、生态环境恶化为代价的经济发展道路。

3)对于生态环境相对良好的南部地区,考虑到洛川县和富县土地利用结构风险、综合生态风险有所增加以及洛川县热点增加、富县冷点减少的情况,建议在统筹规划土地利用结构的基础上,注意水资源的优化配置,并进一步加强生态环境保护政策的制定和实施。

4 结论与展望

本文选取植被覆盖度指数、降水距平百分比指数、土地利用结构风险指数及土壤侵蚀风险指数4个风险指标,构建土地生态风险综合评价模型,基于像元尺度计算土地生态风险各因子指数及综合指数,在此基础上,运用探索性空间数据分析方法对延安市2000—2015年间土地生态风险及其空间集聚效应演变规律进行分析,并针对不同区域提出不同的土地生态综合治理建议。

1)受生态工程积极影响,延安市各土地生态因子风险整体均呈降低态势,但本研究进一步发现研究区依然存在局部风险增加的情况,如子长县后期植被覆盖度明显降低,洛川县和黄陵县土地利用结构风险一直处于增加态势,子长县和吴起县土壤侵蚀依然处于强烈侵蚀等级等。

2)16 a间,延安市土地综合生态风险整体处于较低风险等级。Ⅰ级和Ⅱ级风险区由南向北扩展明显,中北部生态状况明显好转,但Ⅳ级和Ⅴ级风险区也在逐渐显现,主要位于城镇工矿建设用地区,以宝塔区最明显,应更加注意生态保护。

3)2000—2015年间,延安市土地综合生态风险呈现较强的空间集聚状态,热点区主要集中分布在各区县城镇中心及北部的子长县、安塞区、延长县、延川县和吴起县5个农业主产区县。冷点区主要位于生态环境状况较好的东南部黄龙县、宜川县,西南部黄陵县、富县以及甘泉县西南部等地区。得益于国家退耕还林(草)及封山育林等生态工程的实施,热点集聚程度总体呈逐渐减弱趋势,但宝塔区内城镇热点区面积持续增加,应加强生态管理措施的制定。受气候干旱的影响,富县西北部、宜川县西部冷点区范围呈缩小态势,应注意优化水资源的调配。

土地生态系统本身就是一个极复杂的人地系统,本文选取土地系统中的植被、降水、土壤和人类活动等多种生态因子构建综合评价模型,对土地生态风险进行多因子多尺度综合评价,在很大程度上消除了单因子评价结果的不确定性,提高了土地综合生态风险评价精度。另外,土壤污染、土壤养分和土质状况等也可表征土壤风险,但考虑到数据可获取性及量化方法不够成熟,本研究并未将其列入。今后将以此为出发点,将宏观与微观指标相结合,完善评价指标体系,以便全方位、多角度地认识土地生态风险的时空演变过程与机制,辅助延安市制定更加合理的土地生态环境保护和土地资源管理决策,同时也为促进延安市经济与生态的双向共赢提供更加科学的参考依据。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Fan J

, Wang

, Zhou

Dynamic ecological risk assessment and management of land use in the middle reaches of the Heihe River based on landscape patterns and spatial statistics

[J]. Sustainability, 2016,8(6):536-551.