自然资源遥感, 2024, 36(3): 206-215 doi: 10.6046/zrzyyg.2023086

技术应用

高原山地区域生态脆弱性研究——以四川省康定市为例

苏悦,1, 刘洪,1,2, 杨武年2, 欧阳渊1, 张景华1, 张腾蛟1, 黄勇1

1.中国地质调查局成都地质调查中心,成都 610081

2.成都理工大学地球科学学院,成都 610059

Ecological vulnerability of highland mountain areas:A case study of Kangding City, Sichuan Province

SU Yue,1, LIU Hong,1,2, YANG Wunian2, OUYANG Yuan1, ZHANG Jinghua1, ZHANG Tengjiao1, HUANG Yong1

1. Chengdu Center of China Geological Survey, Chengdu 610081,China

2. College of Earth Sciences, Chengdu University of Technology, Chengdu 610059, China

通讯作者: 刘 洪(1987-),男,博士,高级工程师,硕士生导师,主要从事矿床学、岩石学、生态地质学研究和自然资源综合调查研究。Email:liuh@mail.cgs.gov.cn。

责任编辑: 李瑜

收稿日期: 2022-06-10   修回日期: 2023-08-28  

基金资助: 国家自然科学基金项目“川西高原植被生水(层)及水分胁迫状况遥感动态监测方法”(41671432)
中国地质调查项目“长江流域重点区生态地质调查”(GC20230706)
“三峡库区生态地质调查与综合评价”(DD20221776)
宁夏自治区地质调查项目“宁夏生态地质调查示范(南部水源涵养区)”(NXCZ20220201)

Received: 2022-06-10   Revised: 2023-08-28  

作者简介 About authors

苏 悦(1996-),女,硕士,助理工程师,主要从事生态地质研究。Email: ssueyyue123@163.com。

摘要

该文基于“暴露度-敏感性-适应性”(vulnerabiliy-scoping-diagram,VSD)模型构建生态脆弱性评价指标体系,利用层次分析-主成分熵权法对康定市2011—2019年共3期数据进行生态脆弱性动态评价,通过时空变化特征分析、空间相关性分析、驱动力分析揭示其时空分异特征以及驱动机制,以期为康定市生态环境的修复、保护和可持续发展提供建议。结果表明:①在整个研究期间脆弱性以潜在脆弱和微度脆弱面积增加、重度脆弱面积减少为主要的变化趋势,整体属于中度脆弱,生态环境变化趋势向好,且具有西部、东南部高-高聚集,中部及东北部低-低聚集的空间分布特征; ②康定市生态脆弱性空间分布特征由内外多种因素共同作用决定,其中植被状况、生物丰贫程度、水土保持条件、气象等自然驱动力起到主导作用。

关键词： 生态脆弱性; AHP-PCA熵权法; 莫兰指数; 地理探测器; 康定市

Abstract

This study constructed an assessment index system for ecological vulnerability based on the vulnerability scoping diagram (VSD) model. It dynamically assessed the three-phase ecological vulnerability of Kangding City from 2011 to 2019 using the analytic hierarchy process - principal component analysis - entropy weight method (AHP-PCA-EWM). Through the analysis of spatio-temporal variations, spatial correlations, and driving factors, it revealed the spatio-temporal differentiation characteristics and driving mechanism of Kangding’s ecological vulnerability, aiming to provide suggestions for the ecological restoration, conservation, and sustainable development of Kangding. The results of this study are as follows: ① Throughout the study period, Kangding exhibited an overall moderate ecological vulnerability, with increased potentially- and slightly-vulnerable areas and a decreased severely vulnerable area, suggesting a promising ecological evolutionary trend. Moreover, the ecological vulnerability of Kangding manifested spatial distributions characterized by high-high clusters in the western and southeastern portions and low-low clusters in the northeastern and middle portion; ② The spatial distributions of ecological vulnerability in Kangding were subjected to various internal and external factors, with natural driving factors like vegetation cover, biological abundance, soil and water conservation, and meteorology being the dominant ones.

Keywords： ecological vulnerability; AHP-PCA-EWM; Moran’s I; geodetector; Kangding City

PDF (6631KB) 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

苏悦, 刘洪, 杨武年, 欧阳渊, 张景华, 张腾蛟, 黄勇. 高原山地区域生态脆弱性研究——以四川省康定市为例[J]. 自然资源遥感, 2024, 36(3): 206-215 doi:10.6046/zrzyyg.2023086

SU Yue, LIU Hong, YANG Wunian, OUYANG Yuan, ZHANG Jinghua, ZHANG Tengjiao, HUANG Yong. Ecological vulnerability of highland mountain areas:A case study of Kangding City, Sichuan Province[J]. Remote Sensing for Land & Resources, 2024, 36(3): 206-215 doi:10.6046/zrzyyg.2023086

0 引言

生态脆弱性是全球环境变化和可持续发展研究的核心问题之一[1]。脆弱性研究已成为评价地区发展状况的依据以及衡量未来发展规划的判据,因此开展区域生态脆弱性评价,探究脆弱性动态变化以及驱动机制,可以更好地为区域研究与发展服务, 为地区生态环境保护以及修复提供建议, 满足国家和地区可持续发展战略的需要[2]。

对于生态脆弱性的评价研究,涉及内容包含全球变化和可持续发展,早期研究基于特定的风险因子,以单维度、单要素评价为主,随着研究的进步,脆弱性理论概念逐渐完善、评价模型与方法不断创新,极大地推动了脆弱性研究的新进展[3⇓⇓⇓-7]。指标评价体系主要有“多系统”评价指标体系、“压力-状态-响应”(pressure-state-response,PSR)模型[8]以及“暴露度-敏感性-适应性”(vulnerabiliy-scoping-diagram,VSD)模型[9]等; 关于生态脆弱性的评价方法,层次分析法[10]、主成分分析法[11]、投影寻踪[12]、灰色关联法[13]等都取得了较好的效果,学者们还对评价方法存在的脆弱性评价指标体系不一、指标权重主观性强等弊端进行了改进,其中多重共线性诊断分析、最小信息熵[14]计算综合权重等方法得到运用。相较于已有研究,就研究内容而言,笔者通过构建新的评价指标因子以及结合多种评价分析方法对研究区时空特征和驱动机制进行定量研究,以期为地区生态环境治理修复以及生态风险预警提供数据支撑。

山地生态系统由于重力势能的作用,具有不稳定性,抵抗外界干扰能力弱,且当环境问题对其产生影响时,系统的结构和功能难以恢复原状,但是功能齐全的山地生态系统可以为下游地区筑牢生态保护屏障[15]。康定市地处四川盆地西缘山地和青藏高原的过渡地带,地貌特征复杂,自然资源丰富,是四川省重要的水源涵养、水土保持与生物多样性保护区域,是长江上游重要的生态屏障,对青藏高原与四川盆地生态平衡起到至关重要的作用,截至目前却少有对于该区域生态脆弱性的系统研究。本文通过对生态脆弱性的时空变化特征以及内外驱动因素分析,更有针对性地对地区生态环境保护、修护提供数据支撑。

1 研究区概况与数据源

1.1 研究区概况

四川省康定市地处高原向盆地过度的高山、极高山峡谷地带,其东部主要为山区和山间平坝,西部主要为高原地貌,地势陡峭,山谷之间相对高差1 000~3 000 m(图1)。气候属于高原气候,年均气温为7.1 ℃,年均降雨为803.4 mm。植被类型按照海拔从低到高主要分为草甸、灌木、森林等类别[16]。土壤除了不受区域性水分地质条件影响的沼泽土以外,结合高差、气候、植被的影响具有垂直分带特征,海拔由低到高,其余地带性土壤主要分为褐土、棕壤、高山草甸土、高山草甸土、高山寒漠土、终年积雪带[17]。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区地理位置

Fig.1   Location of the study area


1.2 数据源及其预处理

研究所用基础数据主要通过遥感手段和统计手段获取(表1)。本评价研究的所有数据进行投影转换以及重采样,使用统一的空间参考: Xian_1980_GK_CM_99E,空间分辨率为30 m。

表1   数据来源及预处理

Tab.1  Data source and preprocessin

数据名称分辨率内容数据来源
遥感影像30 m轨道号为131/39,131/40数据,并进行遥感影像预处理地理空间数据云、美国地质调查局
DEM数据30 mASTER GDEM数字高程数据地理空间数据云
气象数据—研究区及周边27个气象站点1991—2019年的降水量和温度数据中国气象数据网
道路及河网矢量数据——地质云
土地利用数据30 m土地利用类型主要分为耕地、林地、草地、水域、建设用地和未利用地等6类全国地理信息资源目录服务系统
植被数据—依靠完成预处理的遥感影像提取各期归一化植被指数NDVI和植被覆盖度数据—
植被含水量及土壤含水量数据—通过已采集的川西高原各区域的植被样本以及土壤样本建立生态水反演模型提取野外实测和完成预处理的遥感影像提取
土壤类型数据1 km对康定市区域范围内1∶100万土壤类型数据进行重采样处理中国科学院资源环境科学数据中心
GDP数据—查阅康定市及其周边7个县市的经济统计数据,利用ArcGIS进行要素转点以及空间插值《康定市统计年鉴》及市统计公报
人口密度数据1 km对康定市区域范围内1 km×1 km栅格数据进行重采样WorldPop

新窗口打开| 下载CSV


2 研究方法

2.1 指标体系构建

基于康定市生态脆弱性的内涵和成因,利用VSD概念模型,结合康定市的生态环境背景[18-19],从自然环境和人为活动2个方面入手,构建“暴露度-敏感性-适应性”模型的评价指标体系(表2)并参考相关文献[20⇓⇓⇓⇓⇓⇓⇓-28]完成指标提取。此外本文引入国家自然科学基金项目“川西高原植被生态水(层)及水分胁迫状况遥感动态监测方法”(编号: 41671432)所提出的“生态水(层)”概念来评估生态系统的敏感性程度,生态水(层)指与地表植被(包括植被叶面杆茎层、根系土壤层和腐殖层等)紧密相关的储水体,它可对降水起着缓存、分配与调节的作用,是水文循环的重要环节[29-30]。因此可以利用生态水(层)的涵养量来表示陆表植被对水源的截留以及调蓄的能力,在区域生态脆弱性低的地方,往往植被的长势良好,覆盖度高,水资源之间的交换有序而稳定,其生态水(层)的涵养量也高[23,31⇓⇓-34]。综上,本文选取植被根系土壤层含水量和植被冠层含水量来进行遥感反演。

表2   生态脆弱性评价指标体系

Tab.2  Assessment index system of ecological vulnerability

准则层要素层指标层单位相关性
暴露度(A1)自然暴露(B1)地震危险度(C1)—正相关
暴雨致灾因子(C2)—正相关
降水距平百分率(C3)—正相关
年均气温(C4)℃负相关
距水系距离(C5)km负相关
人为暴露(B2)土地综合利用程度(C6)—正相关
耕地占比率(C7)%正相关
敏感性(A2)地貌条件(B3)地形敏感性(C8)—正相关
土壤侵蚀(B4)土壤侵蚀程度(C9)t/(km2·a)正相关
生态活力(B5)植被覆盖度(C10)—负相关
植被含水量(C11)mg/hm2负相关
土壤含水量(C12)g/cm2负相关
生物丰度指数(C13)—负相关
适应性(A3)经济发展(B6)人均GDP(C14)万元负相关
社会发展(B7)人口密度(C15)人/km2负相关
道路密度指数(C16)km/km2负相关

新窗口打开| 下载CSV


2.2 数据标准化

为了消除指标间的差异实现空间叠加分析,需要对各指标进行标准化计算,将值域统一在[0~1]之间。

正向指标标准化处理公式为:

Zij= Xij-min(Xj)max(Xj)-min(Xj),

负向指标标准化处理公式为:

Zij= max(Xj)-Xijmax(Xj)-min(Xj),

式中: Zij为第i年第j个指标的标准化处理值; Xij为第i年第j个指标的原始值; max(Xj)和min(Xj)分别为第j个指标在最大值和最小值。此外本文利用SPSS 21.0进行共线性诊断,结果表明16个指标之间无显著相关性,适用于本研究。

2.3 评价指标赋权

2.3.1 层次分析法权重

层次分析法可以利用yaahp10.1软件实现,结合研究区表征现状和真实情况,根据层次结构模型构建判断矩阵[35]。计算各指标的相对权重,一致性比率<0.1,满足要求。

2.3.2 主成分分析法权重

主成分分析法是一种利用指标数量结构计算权重的方法[36]。利用标准化处理的各个评价指标构建相关系数矩阵,运用式(3),计算得到各主因子的贡献率,然后确定累积贡献率在80%~90%的主因子的个数R,利用公式(4)和(5)计算各评价指标的公因子方差及各评价指标的权重,本文前7个主因子的累积贡献率大于了85%,因此选取前7个主因子进行研究,公式为:

${{a}_{i}}={{\lambda }_{i}}/\overset{m}{\mathop{\underset{i=1}{\mathop \sum }\,}}\,{{\lambda }_{i}}$,
${{H}_{j}}=\overset{m}{\mathop{\underset{k=1}{\mathop \sum }\,}}\,\lambda _{jk}^{2},\text{ }\!\!~\!\!\text{ }\left( j=1,2,\ldots,16 \right)$
${{W}_{j}}={{H}_{j}}/\overset{16}{\mathop{\underset{j=1}{\mathop \sum }\,}}\,{{H}_{j}}$,

式中: ai为第i个主因子的贡献率; Hj为评价指标j的公因子方差; m为主因子的个数(本研究中m=7); λjk为评价指标j相对于主成分k的特征值; Wj为评价指标j的权重。

2.3.3 最小相对信息熵

分别利用层次分析法和主成分分析法赋权后,根据最小信息熵原理,Wj与2个方法确定的权重越接近则精度越高[37],其数学模型为:

$\text{minF}=\overset{m}{\mathop{\underset{j=1}{\mathop \sum }\,}}\,\left( \text{ln}{{W}_{j}}-\text{ln}{{W}_{1j}} \right)+\overset{m}{\mathop{\underset{j=1}{\mathop \sum }\,}}\,{{W}_{j}}\left( \text{ln}{{W}_{j}}-\text{ln}{{W}_{2j}} \right)$,
$s.t\overset{m}{\mathop{\underset{j=1}{\mathop \sum }\,}}\,{{W}_{j}}=1({{W}_{j}}>0,j=1,2,\ldots,m)$,

由拉格朗日中值定理得:

${{W}_{j}}=\frac{{{({{W}_{1j}}{{W}_{2j}})}^{0.5}}}{\overset{m}{\mathop{\mathop{\sum }_{j=1}}}\,{{({{W}_{1j}}{{W}_{2j}})}^{0.5}}}$,

式中: Wj为各指标的最终权重值; W1j为利用层次分析法确定得到的权重; W2j为各期利用主成分分析法得到的权重。通过计算得到研究区2011年、2015年、2019年3期生态脆弱性评价指标的权重,如表3所示。

表3   2011年、2015年、2019年各评价指标权重

Tab.3  Weights of each evaluation index in 2011, 2015 and 2019

指标W1j2011年2015年2019年
W2jWjW2jWjW2jWj
地震危险度0.0230.123 980.0660.120 660.0650.110 010.061
暴雨致灾因子强度0.1030.040 110.0800.042 810.0820.042 340.080
降水距平百分率0.0590.077 370.0840.126 180.1060.109 010.097
年均气温0.0350.013 410.0270.013 180.0270.012 700.026
距水系距离0.0710.127 120.1180.129 690.1180.126 080.115
土地利用程度综合指数0.0310.002 570.0110.003 040.0120.002 800.011
耕地占比率0.0100.001 250.0040.001 180.0040.000 930.004
土壤侵蚀程度0.0650.000 200.0040.000 170.0040.000 560.007
植被覆盖度0.0460.140 200.1000.139 280.0990.138 640.097
植被含水量0.1450.141 370.1780.085 390.1370.138 620.172
土壤含水量0.0810.141 720.1330.138 260.1300.136 240.127
生物丰度指数0.0210.101 370.0580.109 750.0600.106 020.058
人均GDP0.0930.079 690.0830.081 440.1070.067 360.096
人口密度0.0310.000 100.0020.000 010.0010.000 010.001
道路密度指数0.0150.000 090.0020.000 080.0010.000 150.002

新窗口打开| 下载CSV


2.4 生态脆弱性评价方法

生态脆弱性指数计算公式为:

$EVI=\overset{n}{\mathop{\underset{i=1}{\mathop \sum }\,}}\,{{E}_{i}}{{w}_{i}}+\overset{m}{\mathop{\underset{j=1}{\mathop \sum }\,}}\,{{S}_{j}}{{w}_{j}}-\overset{p}{\mathop{\underset{k=1}{\mathop \sum }\,}}\,A{{C}_{k}}{{w}_{k}}$,

式中: EVI为康定市的脆弱性指数; Ei为第i个暴露度指标的值; wi为暴露度评价单元对应的权重值; n为暴露度指标的个数; 同理,Sj为敏感性指标j的值; wj为敏感性评价单元对应的权重值; m为敏感性指标的个数; ACk为适应性指标的值; wk为适应性指标对应的权重值; p为适应性指标的个数。

为了利于各个期次脆弱性结果之间的对比,选择对各期次的生态脆弱性指数进行归一化处理,本文鉴于已有评价分级标准[38-39]和考虑康定市地区实际的自然环境和脆弱性特征,采用等间距分类法对各期次的生态脆弱性评价结果进行分类定级,最终分为5级: Ⅰ级,潜在脆弱[0,0.2); Ⅱ级,微度脆弱[0.2,0.4); Ⅲ级,轻度脆弱[0.4,0.6); Ⅳ级,中度脆弱[0.6,0.8); Ⅴ级,重度脆弱[0.8,1)。

2.5 生态脆弱性空间相关性分析

全局莫兰指数和局部莫兰指数可以对单一要素的空间自相关性进行分析[40-41]。为了研究康定市生态脆弱性的空间分布特征是否聚集以及聚集方式,本文在区域内布设1 km×1 km的格网,计算格网内的脆弱性均值,利用全局Moran’s I和局部Moran’s I对其空间自相关进行分析:

全局Moran’s I计算公式为:

${{I}_{g}}=\frac{\overset{n}{\mathop{\mathop{\sum }_{i=1}}}\,\overset{n}{\mathop{\mathop{\sum }_{j=1}}}\,{{W}_{ij}}\left( {{x}_{i}}-\bar{x} \right)\left( {{x}_{j}}-\bar{x} \right)}{\overset{n}{\mathop{\mathop{\sum }_{i=1}}}\,\overset{n}{\mathop{\mathop{\sum }_{j=1}}}\,{{W}_{ij}}\overset{n}{\mathop{\mathop{\sum }_{i=1}}}\,{{({{x}_{i}}-\bar{x})}^{2}}}$,

局部Moran’s I计算公式为:

${{I}_{l}}=\frac{\left( {{x}_{i}}-\bar{x} \right)}{{{s}^{2}}}\overset{n}{\mathop{\underset{j=1}{\mathop \sum }\,}}\,{{W}_{ij}}\left( {{x}_{j}}-\bar{x} \right)$,

式中: Wij为网格i,j的空间权重矩阵; xi和xj为格网内生态脆弱性均值; x-为所有格网的均值; n为格网数量; s为空间权重矩阵各元素之和。Moran’s I取值范围为[-1,1],Moran’s I<0表示康定市生态脆弱性在空间上呈现负相关,属性相异的聚集; Moran’s I=0表示随机分布,不存在空间相关性; Moran’s I>0表示康定市生态脆弱性在空间上呈现正相关,属性相同的聚集。

2.6 脆弱性变化驱动力分析方法

地理探测器是由王劲峰等[42]提出的主要用于探测空间分异性和探究区域背景下因子驱动力的统计学方法。计算出16个评价指标的各期均值作为自变量,康定地区3期的生态脆弱度的均值作为因变量,采用自然断点法将各个自变量、因变量进行分区,再利用因子探测和交互作用探测进行探测统计分析。

1)因子探测器。 因变量X的空间分异性可以利用分异及因子探测模型进行计算分析,然后利用q值度量某个自变量X对于Y空间分异性的解释程度,其表达式为:

$q=1-\frac{\overset{L}{\mathop{\mathop{\sum }_{h=1}}}\,{{N}_{h}}\delta _{h}^{2}}{N{{\delta }^{2}}}=1-\frac{SSW}{SST}$,

式中: q为各自变量X(各个评价指标)对因变量Y(生态脆弱性)影响的探测力值; q的值域为[0,1]; h=1,2,…,L,为变量Y或因子X的分类或分区; Nh和N分别为层h和全区的单元数; σh2和σ2分别为层h和全区的Y值的方差; SSW和SST分别为层内方差之和和全区总方差。

2)交互探测器。交互探测模型与传统的通过检验2个因子乘积的显著性来体现因子间交互作用的方法相比,其具有判别2因子共同作用下对于因变量的解释力是否呈线性,是增强或者是减弱的趋势。交互作用关系见表4,表中q(x1⋂x2)表示q(x1)和q(x2)两者交互; min(q(x1),q(x2))和max(q(x1),q(x2)分别表示在q(x1),q(x2)两者中取最小值和最大值。

表4   交互作用关系

Tab.4  Interaction relationship

依据交互作用
q(x1⋂x2)<min(q(x1),q(x2)非线性减弱
min(q(x1),q(x2))<q(x1⋂x2)<max(q(x1),q(x2))单因子非线性减弱
q(x1⋂x2)>max(q(x1),q(x2)双因子增强
q(x1⋂x2)=q(x1)+q(x2)独立
q(x1⋂x2)>q(x1)+q(x2)非线性增强

新窗口打开| 下载CSV


3 结果分析

3.1 时空变化特征

由于研究时段内康定市行政区划有变更,为保证可比性,统一采用2011年康定市行政区划。从空间分布上看(图2),脆弱性整体的空间分布表现为研究区东北部地区生态脆弱程度相对较小,西北部及南部的脆弱性较高; 局部上,脆弱性在中度及以上的区域主要分布在塔公乡、新都桥镇、贡嘎山乡、普沙绒乡以及部分东北部乡镇的沿河地带; 微度和潜在脆弱区域则主要分布孔玉乡、舍联乡、姑咱镇、炉城镇等地。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   康定市生态脆弱性评价分级结果

Fig.2   Grading results of ecological vulnerability assessment in Kangding City


从时间变化看(表5),潜在脆弱区域面积整体呈增加趋势,占比由2011年的0.16%增加至2019年的0.73%,主要表现为原来潜在脆弱性区域的周边扩张; 微度脆弱区占比逐年增大,2019年占比最大(11.24%); 轻度和中度脆弱区呈波动变化; 重度脆弱区在2011年的占比最大(3.09%),2015年、2019年其面积逐渐减少。2011—2019年间康定市3期生态脆弱性指数分别为0.596,0.544和0.533,并且脆弱性逐期下降,表明康定市的生态环境状况有所改善,总体而言康定市生态脆弱性为轻度脆弱,生态环境质量处于中等水平。

表5   康定市3期脆弱性区域面积统计表

Tab.5  Area statistics for the 3 phases of vulnerability region in Kangding

脆弱性分级2011年2015年2019年
面积/km2占比/%面积/km2占比/%面积/km2占比/%
潜在脆弱18.040.1618.290.1684.420.73
微度脆弱556.114.83995.218.631 291.3711.24
轻度脆弱4 563.3839.585 944.7751.575 202.8945.15
中度脆弱6 035.0352.354 297.2337.284 802.1041.67
重度脆弱354.713.09271.772.36139.011.21
脆弱性指数0.5960.5440.533

新窗口打开| 下载CSV


3.2 空间相关性分析

如表6所示,康定市2011—2019年生态脆弱性的Moran’s I分别为0.765 8,0.832 1和0.808 9,数值上先上升后降低,Z值分别为171.798 4,178.792 5和182.745 9,且P值小于0.05,表明康定市生态脆弱性在空间分布上具有显著的正相关性。

表6   全局莫兰指数

Tab.6  Global Moran’s index

年份Moran’s I标准差Z值P值
2011年0.765 80.004 5171.798 40.001
2015年0.832 10.004 7178.792 50.001
2019年0.808 90.004 4182.745 90.001

新窗口打开| 下载CSV


以全局Moran’s I指数为基础,对局部Moran’s I进行分析,得到生态脆弱性的LISA聚类图(图3)。康定市生态脆弱性具有明显的空间聚类特点,以低-低聚集和高-高聚集为主,其中低-低聚集区域主要分布在康定市中部以及东北部,高-高聚集区域主要分布在康定市西部及东南部,2011年东北部高-高聚集区域类型变化较大,其余地区相对稳定。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   康定市3期生态脆弱性LISA聚类图

Fig.3   LISA clustering maps of the 3 phases ecological vulnerability in Kangding City


3.3 康定市生态脆弱性驱动力分析

3.3.1 康定市生态脆弱性驱动因子分析

利用地理探测器中的因子探测模型对康定市3期生态脆弱性时空格局变化造成影响的16个因子进行探测,得到各个驱动因子对康定市生态脆弱度解释力q的大小如图4所示。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   康定市生态脆弱性驱动因子q值统计

Fig.4   Statistics of q-values of ecological vulnerability driving factors in Kangding


植被含水量及植被覆盖度对康定市生态脆弱性的解释力最大,土壤含水量、土壤侵蚀程度、生物丰度指数、气温、降水等因素次之,由此可知康定市整体的植被状况、生物丰贫程度、水土保持条件、气象等自然驱动力对生态脆弱性时空变化起到主导作用。

基于VSD模型来看,暴露度指标中自然暴露的影响占主要地位,降水距平百分率(0.111)、年均气温(0.104)和地震危险度(0.071)对于康定市生态脆弱性的影响较大,其反映了整体气候的变化以及近断裂构造地区的地震灾害风险对于脆弱性的影响,其中水分条件比热量条件对于脆弱性分布的影响更大; 敏感性指标中植被含水量(0.302)、植被覆盖度(0.257)、土壤含水量(0.255)均对脆弱性分布有着重要的影响,其中植被覆盖度的大小对地质灾害防治、水土保持有着重要的作用,而研究区整体的植被含水量直接影响着植物的呼吸、光合作用以及区域的水循环,土壤含水量则影响着陆生植物、土壤生物的生长发育,因此是生态环境稳定的重要因素; 适应力指标中人均GDP(0.095)的影响最大,它反映了研究区的社会经济发展的压力,因此在经济社会不断地发展过程中也应该注意发展的均衡性与可持续性。

3.3.2 驱动因子交互作用分析

生态脆弱性的空间分布往往并不是每个驱动因子单独作用,具有复杂性,本文选取对脆弱性影响较大的前9个驱动因子进行分析,交互探测结果为双因子或者非线性的增强关系,即各驱动因子对于生态脆弱性空间分布的影响作用主要为协同作用和非线性协同作用,不存在单独起作用的驱动因子。其中土壤侵蚀程度也与土地利用类型相关,反映了土地利用类型对于生态脆弱性存在一定的影响。同时人均GDP这一驱动因子与其他自然驱动因子交互作用的解释力都得到了显著的增强,这主要是由于自然驱动因子在处于稳定状态时,人类为了经济的发展就需要提高对各类自然资源的利用效率,进而对康定的生态环境脆弱化起到影响,这更说明了人类的社会经济活动直接或间接的影响着植被、气象等自然因素,导致地区生态脆弱性增强; 相互作用中剩下的驱动因子解释力虽然其值较小,不占主导作用,但是这些因子间的交互作用对于康定市生态脆弱性时空分布都显示为增强,因此也不可忽视。

综上,在气象、地形等条件相对稳定的基础上,为了能够降低区域生态脆弱性,一方面需要保证森林植被生长发育所需的物质基础,提高植被的覆盖度,以及按计划建设生态修复工程,另一方面需要提高更加合理得对土地利用方式进行规划,调控城镇化建设的进程,从而降低区域的脆弱性,实现人与自然的可持续发展。

4 讨论与结论

4.1 讨论

对于生态脆弱性研究,现阶段还没有统一的评价指标体系,相较于已有研究,本文在指标选择上引入了一些新的评价指标,并且采用主成分分析法、层次分析法、空间自相关分析和地理探测器相结合的方法,有效地反映了区域生态脆弱性时空变化特征以及定量分析各驱动因子对生态脆弱性的影响。本研究仍有一些不足,数据方面,由于研究区的地理位置特殊,大部分都是多云量的数据,所以对部分指标的提取结果进行对比时,存在一定的影响; 驱动力因子分析方面,地理探测器仅能从空间分布的相似性来判断其解释力的大小,更深层次地解释其内在影响机制方面还有欠缺,仍需进一步实验和验证。

4.2 结论

以康定市为研究对象,完成康定市2011—2019年生态脆弱性评价及驱动力分析,得出以下结论:

1)在整个研究期间以潜在脆弱和微度脆弱面积增加、重度脆弱面积减少为主要的变化趋势,其他脆弱性面积在研究期间上下浮动; 从生态脆弱性指数来看,生态环境变化趋势向好,且具有西部、东南部高-高聚集,中部及东北部低-低聚集的空间分布特征。

2)康定市生态脆弱性的空间分布特性与内外多种因素作用相关,而非某一特定的环境因素决定,其中植被状况、生物丰贫程度、水土保持条件、气象等自然驱动力对生态脆弱性时空变化起到主导作用。

参考文献

田亚平, 常昊.

中国生态脆弱性研究进展的文献计量分析

[J]. 地理学报, 2012, 67(11):1515-1525.

[本文引用: 1]

Tian Y P, Chang H.

Bibliometric analysis of research progress on ecological vulnerability in China

[J]. Acta Geographica Sinica, 2012, 67(11):1515-1525.

DOI:10.11821/xb201211008      [本文引用: 1]

Taking CNKI as the main data source, this paper uses bibliometric methods to examine the present situation and the development of research on ecological vulnerability in China. Results show that ecological vulnerability has become a hotspot in China since 1989, and the research can be divided into three development stages. The initial stage (1989-2000) was mainly focused on qualitative research on preliminary theory discussion and regional countermeasures; the rapid development stage (2001-2007) was concentrated on method application and empirical evaluation, characterized by a large increase in literature numbers; the period since 2008 saw a boom of theoretical reviews and initial signs of comprehensive research. In the development process, the empirical research on vulnerability evaluation developed rapidly, whose research scope tended to be more comprehensive and balanced gradually instead of focus on the karst region in Southwest China and agro-pastoral zigzag zone in northern China. But on the whole the development of the theory research lags behind that of the method application, thus, at present, the empirical research method of ecological vulnerability evaluation in China are lack of theory standard, and the empirical research on ecological vulnerability still focus more on the single ecological system, and in existing comprehensive indexes of vulnerability evaluation, natural and economic indexes weight and its regional differences are relatively big, and social indicators weight and its regional differences are smaller.

杨飞, 马超, 方华军.

脆弱性研究进展:从理论研究到综合实践

[J]. 生态学报, 2019, 39(2):441-453.

[本文引用: 1]

Yang F, Ma C, Fang H J.

Research progress on vulnerability:From theoretical research to comprehensive

[J]. Acta Ecologica Sinica, 2019, 39(2):441-453.

[本文引用: 1]

杨紫薇, 张慢真, 邢勤锋.

我国近三十年生态脆弱性的发展态势研究

[J]. 黑河学院学报, 2022, 13(6):184-188.

[本文引用: 1]

Yang Z W, Zhang M Z, Xing Q F.

On the development trend of ecological vulnerability in recent thirty years

[J]. Journal of Heihe University, 2022, 13(6):184-188.

[本文引用: 1]

姚建, 艾南山, 丁晶.

中国生态环境脆弱性及其评价研究进展

[J]. 兰州大学学报, 2003(3):77-80.

[本文引用: 1]

Yao J, Ai N S, Ding J.

Progress in the studies of eco-environmental fragility and assessment in China

[J]. Journal of Lanzhou University(Natural Sciences), 2003(3):77-80.

[本文引用: 1]

赵银兵, 倪忠云, 欧阳渊, 等.

生态地质环境承载力研究进展

[J]. 沉积与特提斯地质, 2022, 42(4):529-541.

[本文引用: 1]

Zhao Y B, Ni Z Y, Ouyang Y, et al.

Research progress of eco-geological environment carrying capacity

[J]. Sedimentary Geology and Tethyan Geology, 2022, 42(4):529-541.

[本文引用: 1]

刘洪, 黄瀚霄, 欧阳渊, 等.

基于地质建造的土壤地质调查及应用前景分析——以大凉山区西昌市为例

[J]. 沉积与特提斯地质, 2020, 40(1):91-105.

[本文引用: 1]

Liu H, Huang H X, Ouyang Y, et al.

Soil’s geologic investigation in Daliangshan,Xichang,Sichuan

[J]. Sedimentary Geology and Tethyan Geology, 2020, 40(1):91-105.

[本文引用: 1]

张连凯, 覃小群, 黄奇波, 等.

岩溶区矿山污染地下水的水生植物修复初步研究

[J]. 中国岩溶, 2017, 36(5):743-750.

[本文引用: 1]

Zhang L K, Qin X Q, Huang Q B, et al.

Aquatic plants bioremediation to groundwater contaminated by mines in karst areas

[J]. Carsologica Sinica, 2017, 36(5):743-750.

[本文引用: 1]

徐洲洋.

基于PSR模型的四川生态系统健康时空动态研究

[J]. 国土资源遥感, 2020, 32(2):251-258.doi:10.6046/gtzyyg.2020.02.32.

[本文引用: 1]

Xu Z Y.

Spatial-temporal dynamics of ecosystem health in Sichuan Province based on PSR model

[J]. Remote Sensing for Land and Resources, 2020, 32(2):251-258.doi:10.6046/gtzyyg.2020.02.32.

[本文引用: 1]

Polsky C, Neff R, Yarnal B.

Building comparable global change vulnerability assessments:The vulnerability scoping diagram

[J]. Global Environmental Change-Human and Policy Dimensions, 2007, 17(3/4):472-485.

[本文引用: 1]

马丽丽, 田淑芳, 王娜.

基于层次分析与模糊数学综合评判法的矿区生态环境评价

[J]. 国土资源遥感, 2013, 25(3):165-170.doi:10.6046/gtzyyg.2013.03.27.

[本文引用: 1]

Ma L L, Tian S F, Wang N.

Ecological environment evaluation of the mining area based on AHP and fuzzy mathematics

[J]. Remote Sensing for Land and Resources, 2013, 25(3):165-170.doi:10.6046/gtzyyg.2013.03.27.

[本文引用: 1]

潘佩芬, 杨武年, 戴晓爱.

基于主成分分析的植被含水率模型

[J]. 国土资源遥感, 2013, 25(3):38-42.doi:10.6046/gtzyyg.2013.03.07.

[本文引用: 1]

Pan P F, Yang W N, Dai X A.

Vegetation moisture content model based on principal component analysis

[J]. Remote Sensing for Land and Resources, 2013, 25(3):38-42.doi:10.6046/gtzyyg.2013.03.07.

[本文引用: 1]

邵秋芳, 彭培好, 黄洁, 等.

长江上游安宁河流域生态环境脆弱性遥感监测

[J]. 国土资源遥感, 2016, 28(2):175-181.doi:10.6046/gtzyyg.2016.02.27.

[本文引用: 1]

Shao Q F, Peng P H, Huang J, et al.

Monitoring eco-environmental vulnerability in Anning River Basin in the upper reaches of the Yangtze River using remote sensing techniques

[J]. Remote Sensing for Land and Resources, 2016, 28(2):175-181.doi:10.6046/gtzyyg.2016.02.27.

[本文引用: 1]

林雪敏, 李伟峰, 王红, 等.

我国东部沿海三大城市群地下水储量变化与驱动因素分析

[J]. 自然资源遥感, 2022, 34(4):262-271.doi:10.6046/zrzyyg.2022007.

[本文引用: 1]

Lin X M, Li W F, Wang H, et al.

Analysis of the groundwater storage variations and their driving factors in the three eastern coastal urban agglomerations of China

[J]. Remote Sensing for Natural Resources, 2022, 34(4):262-271.doi:10.6046/zrzyyg.2022007.

[本文引用: 1]

姚昆, 张存杰, 何磊, 等.

雅砻江中上游流域生态环境脆弱性动态评价及预测

[J]. 国土资源遥感, 2020, 32(4):199-208.doi:10.6046/gtzyyg.2020.04.25.

[本文引用: 1]

Yao K, Zhang C J, He L, et al.

Dynamic evaluation and prediction of ecological environment vulnerability in the middle-upper reaches of the Yalong River

[J]. Remote Sensing for Land and Resources, 2020, 32(4):199-208.doi:10.6046/gtzyyg.2020.04.25.

[本文引用: 1]

周梦云. 干旱半干旱区山地生态系统脆弱性评估方法体系与实例研究[D]. 上海: 华东师范大学, 2017.

[本文引用: 1]

Zhou M Y. The method system and case study of a vulnerability assessment of mountain ecological system in semi-arid and arid areas[D]. Shanghai: East China Normal University, 2017.

[本文引用: 1]

郑万模, 巴仁基, 刘宇杰, 等.

四川康定城市地震地质及地质灾害风险评价

[J]. 沉积与特提斯地质, 2012, 32(3):75-78.

[本文引用: 1]

Zheng W M, Ba R J, Liu Y J, et al.

Risk evaluation of urban seismogeology and geological hazards in Kangding,western Sichuan

[J]. Sedimentary Geology and Tethyan Geology, 2012, 32(3):75-78.

[本文引用: 1]

李海龙.

基于最小累积阻力模型的川西高原绿道游径系统线路规划方法研究——以康定市为例

[J]. 城市发展研究, 2018, 25(11):58-64.

[本文引用: 1]

Li H L.

Western sichuan plateau greenway trails system planning method based on MCR model

[J]. Urban Development Studies, 2018, 25(11):58-64.

[本文引用: 1]

贾佳, 白军红, 邓伟, 等.

近20年来康定市景观格局演变及其驱动力分析

[J]. 安全与环境学报, 2017, 17(4):1571-1577.

[本文引用: 1]

Jia J, Bai J H, Deng W, et al.

On the landscape pattern evolution and its motivating factors in Kangding City in the past two decades

[J]. Journal of Safety and Environment, 2017, 17(4):1571-1577.

[本文引用: 1]

周昭琼, 张子瑜.

康定县退化草地空间分布与治理对策浅析

[J]. 四川林业科技, 2015, 36(3):55-61.

[本文引用: 1]

Zhou Z Q, Zhang Z Y.

Analysis of spatial distribution and management measures of degraded grassland in Kangding County

[J]. Journal of Sichuan Forestry Science and Technology, 2015, 36(3):55-61.

[本文引用: 1]

张文朋.

基于AHP-FUZZY的地震危险度评价初探

[J]. 华北地震科学, 2018, 36(4):63-72.

[本文引用: 1]

Zhang W P.

Study on Seismic hazard assessment based on AHP-FUZZY method

[J]. North China Earthquake Sciences, 2018, 36(4):63-72.

[本文引用: 1]

樊高峰, 何月, 顾骏强.

基于GIS的浙江省暴雨灾害及其危险性评价

[J]. 中国农学通报, 2012, 28(32):293-299.

[本文引用: 1]

Fan G F, He Y, Gu J Q.

The rainstorm disaster and its risk assessment based on GIS in Zhejiang Province

[J]. Chinese Agricultural Science Bulletin, 2012, 28(32):293-299.

DOI:10.11924/j.issn.1000-6850.2012-1273      [本文引用: 1]

In order to assess the rainstorm disaster quantitatively, evaluate its risk and give the good guidance on the high-risk area of rainstorm in Zhejiang Province, where the rainstorms occur frequently. The map of frequency and intensity of rainstorm in the regional scale in Zhejiang Province were drawn to analyze the temporal and spatial distribution of the rainstorm, using observation data of 66 weather stations during 1971 to 2010, and combined with social-economic data in the statistical yearbook, the vulnerability index, evaluation index and the storm risk index were calculated based on GIS. The results showed that rainstorms were usually occurred in western, southern and southeast coast of Zhejiang. High-frequency rainstorm in eastern area was caused by typhoon weather system while in western area was due to the rainy season. May to September was the concentration period of rainstorm, rainstorm days in June accounted for 26% of the full-year. The frequency of rainstorm expressed an increasing trend at inter-annual scale since the late 1980s. Damaged large areas which resulted by the rainstorms in Zhejiang distributed in the developed cities and coastal regions. The risk analysis showed that the risk in southeast coast, northeastern and western regions were higher, while the risk in central, western mountainous areas and underdeveloped region were relatively lower. Assessing the risk of rainstorm at real-time had an active role in the promotion of disaster prevention, because rainstorm disaster influenced the socio-economic significantly. The rainstorm risk assessment by using the risk indexes was applied on the typical rainy season in 2011, the results showed that evaluation by this method and the actual situation was consistent, the risk indexes could be applied to rainstorm disaster assessment in real-time.

黄润秋, 李为乐.

汶川地震触发崩塌滑坡数量及其密度特征分析

[J]. 地质灾害与环境保护, 2009, 20(3):1-7.

[本文引用: 1]

Huang R Q, Li W L.

Analysis of the number and density of landslides triggered by the 2008 Wenchuan earthquake,China

[J]. Journal of Geological Hazards and Environment Preservation, 2009, 20(3):1-7.

[本文引用: 1]

向明顺. 地震重灾区生态环境遥感动态监测与评价研究[D]. 成都: 成都理工大学, 2018.

[本文引用: 2]

Xiang M S. Rremote sensing based on dynamic monitoring and evaluation of Eco-environmental change in earthquake-striken areas—a case study in Beichuan county,Sichuan Province,China[D]. Chengdu: Chengdu University of Technology, 2018.

[本文引用: 2]

罗新蕊. 岷江上游茂县植被冠层生态水遥感定量反演[D]. 成都: 成都理工大学, 2019.

[本文引用: 1]

Luo X R. Quantifying vegetation canopy eco-water using remote sensing in Maoxian,upper reaches of Mingjiang river[D]. Chengdu: Chengdu University of Technology, 2019.

[本文引用: 1]

张连凯, 杨慧.

岩溶地下河中砷迁移过程及其影响因素分析——以广西南丹县里湖地下河为例

[J]. 中国岩溶, 2013, 32(4):377-383.

[本文引用: 1]

Zhang L K, Yang H.

Transport process of arsenic in karst subterranean stream and analysis on the influence factors:A case in Lihu subterranean stream of Nandan County,Guangxi

[J]. Carsologica Sinica, 2013, 32(4):377-383.

[本文引用: 1]

张景华, 张建龙, 欧阳渊, 等.

基于形成机理的石漠化敏感性评价:以贵州省黔西县为例

[J]. 沉积与特提斯地质, 2024, 44(1):162-171.

[本文引用: 1]

Zhang J H, Zhang J L, Ouyang Y, et al.

Sensitivity evaluation of Karst rock desertification based on its formation mechanism:A case study of Qianxi County in Guizhou Province

[J]. Sedimentary Geology and Tethyan Geology, 2024, 44(1):162-171.

[本文引用: 1]

刘浩, 周万蓬, 张宇佳, 等.

基于Landsat影像的1999—2019年鄱阳湖面积动态监测

[J]. 东华理工大学学报(自然科学版), 2023, 46(1):68-76.

[本文引用: 1]

Liu H, Zhou W P, Zhang Y J, et al.

Dynamic monitoring of area in Poyang Lake from 1999 to 2019 based on landsat images

[J]. Journal of East China University of Technology (Natural Science), 2023, 46(1):68-76.

[本文引用: 1]

李富, 欧阳渊, 刘洪, 等.

高密度电阻率法与地质雷达法在土壤厚度调查中应用效果——以西昌市土壤厚度调查为例

[J]. 华北地质, 2021, 44(1):27-32,38.

[本文引用: 1]

Li F, Ouyang Y, Liu H, et al.

Application of high density resistivity and geological radar in soil thickness survey:A case study of the soil thickness survey in Xichang

[J]. North China Geology, 2021, 44(1):27-32,38.

[本文引用: 1]

杨武年, 简季, 李玉霞, 等.

生态水遥感定量研究

[J]. 成都理工大学学报(自然科学版), 2008, 147(2):219.

[本文引用: 1]

Yang W N, Jian J, Li Y X, et al.

Research on remote sensing quantitative of eco-water

[J]Journal of Chengdu University of Technology(Science and Technology Edition), 2008, 147(2):219.

[本文引用: 1]

万新南, 杨武年, 吴炳方, 等.

“生态水层与生态水”概念及研究意义

[J]. 地球科学进展, 2004(s1):117-121.

[本文引用: 1]

Wan X N, Yang W N, Wu B F, et al.

Conception of eco-water sphere and its application

[J]. Advance in Earth Sciences, 2004(s1):117-121.

[本文引用: 1]

黄瑾. 岷江上游生态水遥感定量反演及径流预测模型研究[D]. 成都: 成都理工大学, 2016.

[本文引用: 1]

Huang J. Research on remote sening quantitative retrieved eco-water driven runoff forecasting model for the upper reaches of Minjiang River[D]. Chengdu: Chengdu University of Technology, 2016.

[本文引用: 1]

陈宗杰, 杨武年, 张琬琳, 等.

基于植被冠层含水量反演数据的森林易燃程度评价

[J]. 测绘通报, 2023(4):99-105.

DOI:10.13474/j.cnki.11-2246.2023.0111      [本文引用: 1]

近年来凉山彝族自治州森林火灾频发,且蔓延迅速,扑救难度大。本文选择传统遥感手段,利用遥感卫星和无人机相关数据,以木里藏族自治县森林火灾为背景,明确了可燃物识别及其易燃性的意义;选择地形、地表温度、植被含水情况等因子对目标区域进行评价,并引入生态水(层)概念,将植被生态水作为一种重要的参数因子;分析研究区的自然环境特点,研究森林植被可燃物易燃程度的重要性及其空间分布,并构建一种适用于森林植被茂密地区的可燃物易燃程度评价体系,为降低研究区森林火灾风险提供防控依据。

Chen Z J, Yang W N, Zhang W L, et al.

Evaluation of forest flammability based on inversion data of vegetation canopy water content

[J]. Bulletin of Surveying and Mapping, 2023(4):99-105.

DOI:10.13474/j.cnki.11-2246.2023.0111      [本文引用: 1]

Frequently occurring forest fires in Liangshan county spread rapidly and are difficult to be put out. This paper proposes a method to identify forest combustion and flammablility levels by using traditional remote sensing means, relevant data of remote sensing satellite, UAV, and several selected factors such as terrain, surface temperature, vegetation, and water content. The concept of ecological water (layer) is adopted into our study of the target area to generate a spatial significance distribution on forest combustion and flammability, which can further establish an evaluation system to control and prevent forest fires.

潘佩芬. 植被生态水涵养模数遥感反演及生态水资源量计算——以岷江上游毛尔盖地区为例[D]. 成都: 成都理工大学, 2014.

[本文引用: 1]

Pan P F. Remote sensing retriveral about conservation modulus of vegetation eco-water and calculation of eco-water resource quantity:A case study of Maoergai area in upper Minjiang River[D]. Chengdu: Chengdu University of Technology, 2014.

[本文引用: 1]

陈超. 九寨沟县震后潜在泥石流危险性评价研究[D]. 成都: 成都理工大学, 2019.

[本文引用: 1]

Chen C. Risk assessment of potential debris flow after earthquake in Jiuzhaigou County,Aba Prefecture,Sichuan Province[D]. Chengdu: Chengdu University of Technology, 2019.

[本文引用: 1]

张景华, 欧阳渊, 刘洪, 等.

基于主控要素的生态地质脆弱性评价——以四川省西昌市为例

[J]. 自然资源遥感, 2021, 33(4):181-191.

[本文引用: 1]

Zhang J H, Ouyang Y, Liu H, et al.

Eco-geological vulnerability assessment based on major controlling factors:A case study of Xichang City,Sichuan Province

[J]. Remote Sensing for Natural Resources, 2021, 33(4):181-191.

[本文引用: 1]

林海明, 杜子芳.

主成分分析综合评价应该注意的问题

[J]. 统计研究, 2013, 30(8):25-31.

[本文引用: 1]

Lin H M, Du Z F.

Some problems in comprehensive evaluation in the principal component analysis

[J]. Statistical Research, 2013, 30(8):25-31.

[本文引用: 1]

陈朝亮, 彭树宏, 钱静, 等.

基于AHP-Logistic熵权模型的西南浅丘区地质灾害分布特征研究——以内江市为例

[J]. 长江科学院院报, 2020, 37(2):55-61.

DOI:10.11988/ckyyb.20181136      [本文引用: 1]

我国西南地区地质灾害频发,为了探索该区域地质灾害的分布特征,以内江市为研究区,利用遥感卫星影像及地理国情监测数据,从自然地理、生态条件和基础地质3个方面建立生态地质环境评价指标体系。采用层次分析法(AHP)和二元Logistic回归模型分别确定各评价指标的主、客观权重,再用最小信息熵求出两者的综合权重,在GIS支持下建立地质灾害评价模型,对内江市地质灾害进行风险性评价分级;并通过高权重评价因子与历史地质灾害点的空间结构分析,揭示其空间分布特征及规律。评估结果表明:①内江市地质灾害中高易发区主要分布在西部低山区,占全区总面积的28.93%;②海拔和坡度是导致地质灾害发生的主要影响因子,在海拔较高、坡度较陡地区,且山区公路两旁极易发生地质灾害,沉寂式构造线附近地层相对稳定。

Chen C L, Peng S H,Qian,J, et al.

Distribution characteristics of geological hazards in southwestern shallow hill based on AHP-Logistic entropy combined weight model:A case study of Neijiang City

[J]. Journal of Yangtze River Scientific Research Institute, 2020, 37(2):55-61.

[本文引用: 1]

于国强, 杜保佳, 刘吉平.

1986—2012年吉林省西部湿地生态系统脆弱性评价

[J]. 湿地科学, 2016, 14(3):439-445.

[本文引用: 1]

Yu G Q, Du B J, Liu J P.

Ecosystem vulnerability assessment of wetlands in western Jilin Province from 1986 to 2012

[J]. Wetland Science, 2016, 14(3):439-445.

[本文引用: 1]

汪邦稳, 汤崇军, 杨洁, 等.

基于水土流失的江西省生态安全评价

[J]. 中国水土保持科学, 2010, 8(1):51-57.

[本文引用: 1]

Wang B W, Tang C J, Yang J, et al.

Ecological security assessment of Jiangxi Province based on soil erosion and water loss

[J]. Science of Soil and Water Conservation, 2010, 8(1):51-57.

[本文引用: 1]

茹少峰, 马茹慧.

黄河流域生态环境脆弱性评价、空间分析及预测

[J]. 自然资源学报, 2022, 37(7):1722-1734.

DOI:10.31497/zrzyxb.20220705      [本文引用: 1]

生态环境脆弱性是制约经济可持续、高质量发展的重要因素。以2005&#x02014;2018年黄河流域73个城市为研究对象,构建了黄河流域生态环境脆弱性的评价指标体系,采用主成分分析计算了黄河流域生态环境脆弱指数,并依据自然断点法将评价结果分为极度脆弱、重度脆弱、中度脆弱、轻度脆弱、微度脆弱五类。进一步通过空间相关分析揭示了黄河流域生态环境脆弱性的时空演变特征,并利用CA-Markov模型对黄河流域2025年生态环境脆弱性进行了预测。结果表明：（1）黄河上、中、下游生态环境脆弱性分别表现&#x0201c;低&#x02014;中&#x02014;高&#x0201d;的分布特征,且生态环境脆弱性变化趋势存在区别：上游虽差异较大但波动相似,中游波动方向相反,下游在2016年之后整体呈下降趋势。（2）黄河流域生态环境脆弱性存在空间相关性,上游呈现低&#x02014;低聚集,下游呈现高&#x02014;高聚集,中游空间相关性不显著。（3）预测2025年黄河流域中游地区重度脆弱有所扩张,下游地区极度脆弱向中心区域明显收缩。黄河流域生态环境的治理与保护并非一朝一夕之事,也并非某一流域单独能够完成的,黄河上、中、下游要根据不同的自然条件制定与之相适宜、符合整体发展需要的治理与保护措施。

Ru S F, Ma R H.

Evaluation,spatial analysis and prediction of ecological vulnerability in the Yellow River basin

[J]. Journal of Natural Resources, 2022, 37(7):1722-1734.

[本文引用: 1]

孙一可, 宫辉力, 陈蓓蓓, 等.

综合莫兰指数和交叉小波的不均匀沉降量化分析

[J]. 国土资源遥感, 2020, 32(2):186-195.doi:10.6046/gtzyyg.2020.02.24.

[本文引用: 1]

Sun Y K, Gong H L, Chen B B, et al.

Quantitative analysis of uneven subsidence by Moran’s I and cross wavelet

[J]. Remote Sensing for Land and Resources, 2020, 32(2):186-195.doi:10.6046/gtzyyg.2020.02.24.

[本文引用: 1]

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.

DOI:10.11821/dlxb201701010      [本文引用: 1]

空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。

Wang J F, Xu C D.

Geodetectors:Principles and prospects

[J]. Acta Geographica Sinica, 2017, 72(1):116-134.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发