齊潤澤， 潘竟虎

（西北師范大學地理與環(huán)境科學學院，甘肅 蘭州 730070）

黃河流域橫跨我國東、中、西三大地理階梯，是連接黃土高原、青藏高原、華北平原的生態(tài)廊道，也是保護北方地區(qū)生態(tài)環(huán)境的屏障。2019年，黃河流域生態(tài)保護和高質量發(fā)展受到國家高度重視，這為脆弱性的定量評價和人與自然和諧發(fā)展策略為主要研究對象的生態(tài)脆弱性研究提供了契機［1-2］。研究表明，過渡地帶生態(tài)脆弱的可能性更大［3］。河湟地區(qū)位于青藏、黃土與內蒙古三大高原之間的過渡地帶，是東部季風區(qū)、西北干旱半干旱區(qū)、青藏高原區(qū)的交匯之處，也是農牧交錯的復雜區(qū)域［4-5］，植被分布不均，生態(tài)恢復能力較低，更容易表現出生態(tài)脆弱性。河湟地區(qū)是黃河流域上游的重要生態(tài)屏障，對其生態(tài)脆弱性進行評價，充分了解生態(tài)環(huán)境現狀和動態(tài)變化趨勢，不僅可以為生態(tài)恢復重建和生態(tài)環(huán)境治理提供依據，也可為區(qū)域的可持續(xù)發(fā)展提供參考［6］。

目前，國內外學者們運用不同的研究方法對區(qū)域生態(tài)脆弱性進行評價，取得了大量成果。從研究區(qū)域和對象看，主要圍繞草地、森林、濕地、河流湖泊、寒旱區(qū)、喀斯特、黃土丘陵等區(qū)域進行脆弱性評價［7-11］。從研究內容看，涵蓋脆弱性概念、脆弱性評價、指標體系、時空格局、動態(tài)監(jiān)測、影響機理和驅動力等［9-12］。從研究方法來看，主要有層次分析法、主成分分析法、模糊評價法、多準則評價法、人工神經網絡、情景分析法等［7-12］。為了評估生態(tài)脆弱性，已有研究基于不同原理和目的發(fā)展了一系列評估模型框架，包括“壓力-狀態(tài)-響應（PSR）”、“暴露-敏感-適應（VSD）”、“驅動力-壓力-狀態(tài)-影響-響應（DPSIRM）”和“敏感-恢復-壓力（SRP）”等［9-15］。VSD模型與IPCC關于脆弱性的定義較為一致，具有內涵清晰、評價等級分明、應用廣泛等優(yōu)點，具有較好的兼容性與延展性［16］。本文從生態(tài)暴露度、敏感性及適應力出發(fā)，融合投影尋蹤模型與GIS 空間分析方法，對河湟地區(qū)生態(tài)脆弱性進行計算評價，以期為區(qū)域生態(tài)環(huán)境建設與治理提供參考和依據。

1 研究區(qū)、數據和方法

1.1 研究區(qū)概況

河湟地區(qū)中的“河”指黃河，“湟”指湟水，其地理范圍有狹義和廣義之分。本文選定的研究范圍是廣義的河湟地區(qū)，系由龍羊峽以下的黃河和湟水河谷盆地以及山嶺共同構成的地理單元，地理位置介于34°7′31″～39°5′7″N，98°6′49″～105°38′28″E之間（圖1）。行政上包括甘肅省和青海省所轄的54個縣級行政區(qū)［4］，面積約15.93×104km2。河湟地區(qū)地勢呈東北部和中部較低、南部和西部偏高的態(tài)勢，海拔1200～5300 m，河谷、盆地、丘陵、山區(qū)交錯分布。降水稀少且空間差異大，蒸散發(fā)量均很大，平均日照時間長，氣溫較低且晝夜溫差大。

圖1 研究區(qū)位置示意圖Fig.1 Location of the study area

1.2 數據來源與處理

數字高程模型（DEM）數據來源于地理空間數據云平臺（https://www.gscloud.cn/）。土地利用數據來源于中國科學院資源環(huán)境科學與數據中心（https://www.resdc.cn），該數據集是基于美國陸地衛(wèi)星Landsat 遙感影像，經目視解譯制作而成，空間分辨率30 m。一級類型分類制圖的綜合精度為95.53%，Kappa 系數為0.937。逐日降水量、氣溫、經緯度等來自于中國氣象數據網（http://data.cma.cn/），經AMMRR插值將氣象數據柵格化。人口柵格數據下載自WorldPop（https://www.worldpop.org/geodata/listing?id=74）。夜間燈光數據使用DMSP/OLS 和NPP/VIIRS 兩種，下載自美國國家大氣和海洋管理局國家地理數據中心（https://ngdc.noaa.gov/eog）。土壤有機碳數據來源于世界土壤數據庫（https://www.fao.org/land-water/en），空間分辨率為30″。NPP 產品來源于NASA 的MODIS 數據（https://MODIS.gsfc.nasa.gov/），產品ID 為：MOD09A1、MOD17A3H，時間分辨率為8 d。為了提升不同遙感數據間的匹配精度，對所有數據統(tǒng)一進行了投影轉換與重采樣處理，投影為Albers 等面積割圓錐投影，空間分辨率設置為1 km×1 km。

1.3 研究方法

1.3.1 評價指標選取 生態(tài)脆弱性是自然環(huán)境條件和人類生產生活相互聯系、共同作用的結果，不同的研究區(qū)有不同的脆弱性特點［17］。通過分析河湟地區(qū)生態(tài)環(huán)境脆弱性特點，參考相關理論與類似的研究成果，結合廣為認同的生態(tài)脆弱性定義以及河湟地區(qū)的實際狀況，建立以“暴露度-敏感性-適應力”概念模型為基礎的評價指標體系（表1）。

表1 河湟地區(qū)生態(tài)脆弱性評價指標體系Tab.1 Evaluation index system of ecological vulnerability in Hehuang area

采用極差標準化法消除量綱對各個指標產生的影響，公式見參考文獻［18］。

1.3.2 投影尋蹤模型 為了能科學準確地確定各指標在生態(tài)脆弱性評價中的重要程度，需對指標確定權重。具體包括兩個步驟：第一構建生態(tài)脆弱性投影指標函數；第二優(yōu)化投影指標函數與指標權重確定，計算公式詳見文獻［19］。最優(yōu)投影方向的計算是非線性優(yōu)化問題，需要用到優(yōu)化算法來解決。本文采用遺傳算法尋找最佳投影方向，最終計算得到各年份生態(tài)脆弱性各評價指標的權重（表2）。運算在Matlab軟件環(huán)境下完成。

表2 生態(tài)脆弱性各評價指標權重Tab.2 Weight of each evaluation index of ecological vulnerability

1.3.3 綜合生態(tài)脆弱性評價 根據優(yōu)化得到的生態(tài)脆弱性評價指標的權重，計算得到暴露度指數（Exposure Index，EI）、敏感性指數（Sensitivity Index，SI）以及適應力指數（Adaptability Index，AI）的具體數值。計算公式如下［20］：

式中：j為評價指標個數；Xj為指標標準化后的數值；Wj為各指標權重。

本文利用空間向量模型來計算生態(tài)脆弱性指數，是在空間建立空間直角坐標系，暴露度、敏感性、適應力分別表征一個空間平面，按照向量的模的計算方法計算出生態(tài)脆弱性空間向量的模，模的大小即表示生態(tài)脆弱性數值［21］。具體做法為：建立以O 點為原點的空間三維坐標系，將3 種生態(tài)脆弱性分量向量化并分別投射到x，y，z坐標軸上，投射點分別為A(x，0，0)、B(0，y，0)、C(0，0，z)，對應的向量分別為。用表示生態(tài)脆弱性的空間向量，則，如圖2所示，用m表示。用向量m的模長來表示生態(tài)脆弱性的數值，計算公式如下［21］：

圖2 空間向量模型示意圖Fig.2 Schematic diagram of space vector model

式中：OM為生態(tài)脆弱性向量；為向量模長；m為生態(tài)脆弱性數值。本文采用生態(tài)環(huán)境脆弱性指數（Ecological Vulnerability Index，EVI）來定量描述生態(tài)脆弱性程度，則有［21］：

EVI 數值越大，則表示生態(tài)環(huán)境呈現脆弱化趨勢越明顯。

通過以上步驟得到的生態(tài)脆弱性結果數值是連續(xù)的，為了全面認識研究區(qū)生態(tài)環(huán)境脆弱性，更加方便直觀地對河湟地區(qū)不同年份之間的生態(tài)脆弱性進行統(tǒng)一比較，需將EVI進行標準化處理，其計算公式為［22］：

式中：SEVIi為第i年的生態(tài)脆弱性指數標準化值，取值范圍為0～10；EVIi為第i年研究區(qū)生態(tài)脆弱性指數實際值；EVImin為研究區(qū)生態(tài)脆弱性指數最小值；EVImax為最大值［23］。參考相關研究的分級標準［24］，本文將生態(tài)脆弱性劃分為以下5個等級：微度脆弱、輕度脆弱、中度脆弱、重度脆弱、極度脆弱［22］，劃分標準與不同等級特征如表3所示。

表3 河湟地區(qū)生態(tài)脆弱性分級標準Tab.3 Classification standard of ecological vulnerability in Hehuang area

1.3.4 時空掃描分析 本文采用時空掃描分析方法對河湟地區(qū)2000—2020 年生態(tài)脆弱性的高值與低值進行空間聚類分析，這樣能夠更方便地了解河湟地區(qū)在研究時段內空間聚集模式。此方法分別計算每個掃描窗口的對數似然比(LLR)，來表征生態(tài)脆弱性的聚集程度，LLR值最大即為最聚集區(qū)域。計算公式為［25］：

式中：C為研究區(qū)生態(tài)脆弱性等級總和；CT為掃描窗口內生態(tài)脆弱性等級總和實際值；AT為掃描窗口內生態(tài)脆弱性等級總和期望值。為了評價掃描結果是否具有統(tǒng)計學意義，選擇使用蒙特卡洛模擬法計算P值，判斷其統(tǒng)計學意義。時空掃描分析采用FleXScan空間掃描軟件實現。

1.3.5 時空變化分析 借助柵格數據的優(yōu)勢，提取2000—2020年生態(tài)脆弱性變化的柵格，來表述河湟地區(qū)近20 a 不同空間位置上生態(tài)脆弱性的變化情況。計算公式為［26］：

式中：Codez為生態(tài)脆弱性的2000—2020 年轉換類型代碼；Code2000、Code2010、Code2020分別代表2000 年、2010年和2020年的5種生態(tài)脆弱性分級等級值（1～5），其中1～5 分別代表微度脆弱、輕度脆弱、中度脆弱、重度脆弱和極度脆弱。根據2000—2020年不同的轉換類型，將結果整理為6種轉換類型，形成河湟地區(qū)生態(tài)脆弱性的格局演變，分類表見表4。

表4 生態(tài)脆弱性格局演變分類Tab.4 Classification of evolution of ecological vulnerability

1.3.6 地理探測器 為了了解不同指標對河湟地區(qū)生態(tài)脆弱性空間分布的影響程度大小，本文使用地理探測器中的因子探測器進行分析。因子影響力用q值來表示，q值越大表明該指標對生態(tài)脆弱性的影響力越大，計算公式為［27］：

式中：h為某指標的分類數或分區(qū)；N為區(qū)域內的單元數；Nh為第h層的單元數；σ2和σh2 分別為第h層和全區(qū)域生態(tài)脆弱性的方差［26］。

2 結果與分析

2.1 生態(tài)脆弱性空間格局

根據生態(tài)脆弱性分級標準對2000—2020 年的生態(tài)脆弱性進行等級劃分，結果表明（圖3），不同研究年份的生態(tài)脆弱空間分布具有一定的區(qū)域差異性。研究區(qū)內的生態(tài)脆弱主要表現為輕度脆弱、中度脆弱和重度脆弱3個等級。其中，中度脆弱、重度脆弱以及極度脆弱地區(qū)主要呈現東-西走向分布，而微度脆弱、輕度脆弱地區(qū)主要呈南-北方向分布，以海東市為交匯處形成一個大交叉的空間分布格局。海北州和甘南州等地的生態(tài)脆弱性主要表現為輕度脆弱，中間夾雜著一些微度脆弱地區(qū)。海南州、蘭州市、白銀市、定西市等地的生態(tài)脆弱性主要表現為中度脆弱和重度脆弱。2000—2020年，共和縣、貴南縣、貴德縣等地的重度脆弱性區(qū)域有明顯的減少趨勢；湟中區(qū)、平安區(qū)、互助縣等地的輕度脆弱性區(qū)域則有明顯的增加趨勢。

圖3 2000—2020年河湟地區(qū)生態(tài)脆弱性空間分布格局Fig.3 Spatial distribution pattern of ecological vulnerability in Hehuang area from 2000 to 2020

河湟地區(qū)的生態(tài)脆弱性類型主要以輕度脆弱、中度脆弱為主，微度脆弱與重度脆弱次之，極度脆弱面積占比最少。結合20 a不同脆弱類型的具體面積變化統(tǒng)計來看（圖4），微度脆弱地區(qū)面積先增加，從2005年開始逐漸減少，到2020年又增加，中度脆弱區(qū)域面積先減少后增加最后再次減少，表明微度、中度脆弱地區(qū)的生態(tài)狀況并不穩(wěn)定，變化較為波動。輕度脆弱區(qū)域面積在持續(xù)增加，而重度脆弱區(qū)域的面積在持續(xù)減少，表明研究區(qū)內的生態(tài)脆弱性在逐漸向好的方向發(fā)生轉變。極度脆弱地區(qū)面積占比很小，僅2000年與2005年略高。

圖4 河湟地區(qū)生態(tài)脆弱性面積變化雷達圖Fig.4 Radar map of ecological vulnerability area change in Hehuang area

2.2 生態(tài)脆弱性時空掃描結果

時空掃描結果如圖5 所示，河湟地區(qū)在研究時間段內不僅表現出了時間聚集性，而且也呈現出了極強的空間集聚特征。從時間上來看，研究區(qū)在5個時間上均表現出聚集現象，而空間的聚集主要表現為高值高度集聚（高-高區(qū)）和低值高度集聚（低-低區(qū)），還有一小部分的次高值聚集區(qū)。高值與低值的空間集聚現象均主要分布于甘肅省境內，這說明河湟地區(qū)甘肅省內的區(qū)域生態(tài)脆弱性常年表現較為極端，容易發(fā)生聚集現象，而青海省內的區(qū)域則表現較為均衡，空間聚集現象不顯著。低值聚集區(qū)主要分布在甘肅境內的南部區(qū)域，常年表現為低值聚集的縣（區(qū)）主要有：夏河縣、合作市、和政縣、卓尼縣、臨潭縣、岷縣、漳縣，這些縣（區(qū)）內的植被狀況較好，水源涵養(yǎng)充足，人口密度較低，自然環(huán)境受到人類生產生活干擾的影響程度較低，所以生態(tài)脆弱性較低，生態(tài)環(huán)境狀況良好。

圖5 2000—2020年河湟地區(qū)生態(tài)脆弱性時空掃描結果分布Fig.5 Spatial-temporal scanning results of ecological vulnerability in Hehuang area from 2000 to 2020

高值聚集區(qū)主要分布于甘肅省境內偏北部區(qū)域，常年表現為高值集聚的縣（區(qū)）主要有：永登縣、皋蘭縣、白銀區(qū)、景泰縣等。這些縣（區(qū)）大多都歸屬于蘭州市和白銀市，區(qū)域內由于蒸散發(fā)量大降水稀少導致植被條件較差，植被稀疏，從而直接影響了生態(tài)恢復能力，加之蘭州、白銀兩市的人口數量多，密度大，對生態(tài)的壓力與干擾相應也大，因而表現出較高的生態(tài)脆弱性。共和縣其偏南部區(qū)域也有高值聚集的現象出現。這里平均海拔較高，雖有河流從山谷間穿過，但水土流失問題嚴重，導致生態(tài)環(huán)境依然脆弱，表現出次高值聚集的狀態(tài)。河湟地區(qū)其余縣（區(qū)）生態(tài)脆弱性在時間上與局部空間上的集聚特征均表現為不顯著，沒有統(tǒng)計學意義。

2.3 生態(tài)脆弱性格局演變

分別以2000 年，2010 年，2020 年為時間節(jié)點，計算得到生態(tài)脆弱性整體轉換格局，并將其按照不同的轉換編碼劃分為6 種類型（圖6）。從各個類型的面積占比來看，持續(xù)穩(wěn)定型與波動穩(wěn)定型的面積總和占比為42.79%，表明研究區(qū)有超過40%的地區(qū)生態(tài)脆弱性狀況較為穩(wěn)定，在研究時段內沒有發(fā)生改變。這些地區(qū)主要位于研究區(qū)的西北和東南兩個區(qū)域，集中分布在祁連縣的南北兩端，海晏縣中部區(qū)域，門源縣東部區(qū)域，永登縣、互助縣以及樂都區(qū)的交界地帶，景泰縣的東北部地區(qū)以及甘南州和定西市的部分區(qū)域等。波動減少型與持續(xù)減少型面積總和占比為53.36%，面積占比超過整個河湟地區(qū)的一半。這說明研究區(qū)內有絕大多數土地的生態(tài)脆弱性是減小的，這些區(qū)域的生態(tài)脆弱性在向著好的方向變化。持續(xù)增長型與波動增長型的面積總和占比最小，僅有3.85%，占研究區(qū)的比例非常小，主要位于蘭州市區(qū)、蘭州新區(qū)、西寧市區(qū)等城市建成區(qū)周圍，零星分布在祁連縣、門源縣、大通縣以及互助縣等區(qū)域，這表明城市的擴張與發(fā)展對于生態(tài)脆弱性的影響比較明顯。綜合來看，2000—2020年，河湟地區(qū)的生態(tài)脆弱性總體呈現出穩(wěn)定中減緩的趨勢。

圖6 2000—2020年河湟地區(qū)生態(tài)脆弱性整體轉換格局Fig.6 Overall transformation pattern of ecological vulnerability in Hehuang area from 2000 to 2020

2.4 生態(tài)脆弱性的影響因素

表5 為通過地理探測器計算得到的結果。2000—2020 年各個年份探測指標的P值均為0，表明5 期探測指標對于生態(tài)脆弱性的解釋力都很充足，探測結果在1%顯著性水平上具有顯著的統(tǒng)計學意義。對各探測指標的q值進行了排序整理。整體來看，各研究年份的q值排序順序未發(fā)生明顯改變。q值排名基本穩(wěn)定在前6位的探測指標分別為：植被覆蓋度、沙漠化指數、植被凈初級生產力、干旱指數、生境質量指數以及海拔。這些因子對于生態(tài)脆弱性的解釋力較強，q值均超過了0.3，其中植被覆蓋度是影響河湟地區(qū)生態(tài)脆弱性整體分布最為重要的因子，5期數據的q值平均達到了0.7以上，說明生態(tài)脆弱性受植被覆蓋度的影響是最大的。

表5 生態(tài)脆弱性16個探測指標的地理探測結果Tab.5 Geodetector results of 16 detection indicators of ecological vulnerability

2.5 生態(tài)脆弱性分區(qū)

綜合考慮每種生態(tài)脆弱性分級的具體轉換路徑和生態(tài)脆弱類型的轉變方式，將研究區(qū)劃分為5個生態(tài)脆弱性分區(qū)（圖7）。不同生態(tài)脆弱性分區(qū)的劃分依據、面積大小及轉換編碼等配置如表6 所示。不同生態(tài)脆弱性分區(qū)有其獨特的脆弱類型轉變規(guī)律，對于不同生態(tài)脆弱性分區(qū)應針對其獨特的脆弱類型設計合理的治理方案。

表6 生態(tài)脆弱性分區(qū)Tab.6 Ecological vulnerability zoning statistics

圖7 河湟地區(qū)生態(tài)分區(qū)Fig.7 Ecological zoning map of Hehuang area

（1）生態(tài)核心保護區(qū)。該區(qū)域主要分布于研究區(qū)的西北部以及南部地區(qū)，占研究區(qū)面積的20.79%。主要位于青海省境內的祁連縣、海晏縣、門源縣、大通縣、互助縣。核心保護區(qū)的海拔平均在3000 m 以上，植被覆蓋狀況良好，生態(tài)環(huán)境受到人類影響較小。應牢固樹立“保護第一，生態(tài)優(yōu)先”的科學理念，嚴守生態(tài)紅線，防止生態(tài)環(huán)境進一步惡化導致生態(tài)脆弱性加劇。

（2）生態(tài)綜合治理區(qū)。該區(qū)域主要表現為常年中度、重度或者極度脆弱。主要分布于青海省祁連縣最北端的高海拔地區(qū)，甘肅省景泰縣東北部與靖遠縣交界處，白銀市平川區(qū)北部等區(qū)域，分布較為集中，生態(tài)狀況多年表現穩(wěn)定但脆弱性顯著。此區(qū)域應采取有針對性的措施進行專項治理，對于產量較低的耕地可采取退耕還林還草等政策，對于山區(qū)可推行禁牧、休牧等政策，以減少人類活動對環(huán)境的干擾。對于生態(tài)極度脆弱地帶也可鼓勵實施生態(tài)移民政策，緩解生態(tài)壓力。

（3）生態(tài)恢復關注區(qū)。該區(qū)域主要分布于研究區(qū)內的東西兩側，整體面積占比較大，甘肅省境內的面積占比更多。主要是由高生態(tài)脆弱轉向低生態(tài)脆弱，區(qū)域內始終呈現生態(tài)持續(xù)恢復的狀態(tài)。該區(qū)域應強化生態(tài)保護政策，繼續(xù)堅持以保護為先、以自然恢復為主的策略，進一步完善生態(tài)安全屏障體系，努力延續(xù)生態(tài)自然恢復的良好趨勢。

（4）生態(tài)優(yōu)先治理區(qū)。該區(qū)域的生態(tài)狀況為由低生態(tài)脆弱轉向為高生態(tài)脆弱，區(qū)域內生態(tài)呈現惡化、加重的趨勢。集中分布在西寧市、蘭州市、蘭州新區(qū)等快速發(fā)展的城市建成區(qū)周圍。受人類影響、干擾大，開發(fā)、建設速度快，勢必會導致生態(tài)環(huán)境向脆弱化方向發(fā)生轉移。因此，應當優(yōu)先治理，努力遏制、扭轉向更加脆弱轉變的趨勢。在開發(fā)建設時要對環(huán)境的干擾程度做出合理、具體的評估，并提出相應有效的生態(tài)補償措施。努力提升土地節(jié)約集約利用水平，引進先進技術大力推動產業(yè)綠色化發(fā)展，改善人居環(huán)境。

（5）生態(tài)重點監(jiān)測區(qū)。該區(qū)域內的生態(tài)脆弱性呈現出波動變化的狀態(tài)，零星分布在研究區(qū)的各個地方，較為集中的區(qū)域有永登縣北部的小塊區(qū)域以及岷縣南部的小塊區(qū)域。應當進行合理的生態(tài)監(jiān)測，綜合多種地信遙感手段對生態(tài)脆弱性進行持續(xù)預測和預警，防止區(qū)域生態(tài)環(huán)境在波動的變化中向著高生態(tài)脆弱性的方向發(fā)展。

3 討論

本文在GIS的支持下進行基于多源柵格數據的空間分析，利用影像空間疊加和模型運算實現生態(tài)脆弱性在全空間區(qū)域的定量化表達。本文利用投影尋蹤模型確定指標權重，大大減少了人為干預，其穩(wěn)健性與準確度都要優(yōu)于傳統(tǒng)賦權方法如AHP層次分析法、熵權法和主成分分析法等［20］。時空掃描模型相較于空間自相關分析加入了對時間維度的考量，有利于對生態(tài)脆弱性結果在時間和空間上進行聚集模式的研究。時空變化分析則能便于跟蹤同一柵格在不同研究時間的變化，有利于掌握河湟地區(qū)生態(tài)脆弱性的動態(tài)變化過程。生態(tài)脆弱性的空間分布具有明顯的空間分異性，使用地理探測器中的因子探測能更好地分析和了解生態(tài)脆弱性的主要影響因素。

在生態(tài)脆弱性的計算結果上，張良俠等［28］、石三娥等［29］、李珍珍等［17］對西北地區(qū)生態(tài)脆弱性進行了計算，其各自研究區(qū)與河湟地區(qū)重疊區(qū)域的生態(tài)脆弱性空間分布特征、趨勢與本文的計算結果均保持著較高的一致性。這主要是因為這些區(qū)域屬于干旱與半干旱氣候，植被條件與氣候條件均有著許多的相似之處，因而在宏觀層面表現出相似的生態(tài)脆弱性特征。2000—2020年間，不論是從河湟地區(qū)各生態(tài)脆弱類型等級的面積變化，還是各生態(tài)脆弱等級之間的轉化情況來看，區(qū)域的生態(tài)脆弱程度都呈現出好轉的趨勢。原因在于近年來，全球變暖現象愈發(fā)顯著，區(qū)域內的氣溫有所上升，氣候的變化使得降水條件也有所改善，為區(qū)域內的植被生長創(chuàng)造了良好的條件［30］；另一方面，研究期內政府擴大生態(tài)保護紅線、增加生態(tài)保護區(qū)域等一系列生態(tài)治理工作也取得了一定的促進作用。

不同年份的各項指標對脆弱性的影響程度可能不同，其權重相應地也應該有所差別。本文利用集成投影尋蹤模型和遺傳算法得到各年份各評價指標的權重，由于每年的一組指標被作為獨立的樣本進行計算，獲得各分向量的最大值（即指標權重），所以各年份間的指標權重會有所不同。各年份權重值盡管有所差異，但差別并不是很大，權值沒有出現顛覆性的變化。在數據獲取方面，由于一些數據可獲取性的限制，在指標的選擇過程中不可避免地存在著不完善的情況。部分指標特別是社會經濟指標由于難以空間化而不得不舍棄。此外，為了計算的統(tǒng)一，將遙感數據的空間分辨率設置為1 km，可獲取遙感數據的時段也很有限，限制了在更長時間序列上開展更為精細的研究。由于缺乏統(tǒng)一的分級標準，文中脆弱性分級采用等間距法。這些不足與局限應在今后的工作中努力完善。

4 結論

（1）河湟地區(qū)脆弱性空間分布差異顯著，微度脆弱與輕度脆弱區(qū)域主要分布在西北部與東南部，中度脆弱與重度脆弱主要分布于東西兩側，極度脆弱區(qū)零星分布在重度脆弱區(qū)域之中。各年份均以輕度脆弱與中度脆弱為主，極度脆弱地區(qū)面積占比最小。生態(tài)脆弱性高低值聚集模式共存，表現出明顯的時空聚集性。“高-高”聚類主要分布在蘭州市、白銀市下轄的部分縣（區(qū)），“低-低”聚類主要分布在臨夏州、甘南州、定西市下轄的部分縣（區(qū)）。

（2）2000—2020 年，河湟地區(qū)生態(tài)脆弱性整體有所降低。研究區(qū)42.79%的土地生態(tài)脆弱性保持穩(wěn)定，未發(fā)生變化，53.36%的土地生態(tài)脆弱性有所降低。

（3）植被覆蓋度是影響河湟地區(qū)生態(tài)脆弱性的主要因子，沙漠化指數、植被凈初級生產力、干旱指數、生境質量指數、海拔等因子對生態(tài)脆弱性有著不同程度的影響。

（4）依據生態(tài)脆弱類型的轉變方式，將河湟地區(qū)劃分為5個生態(tài)脆弱性分區(qū)：生態(tài)核心保護區(qū)、生態(tài)綜合治理區(qū)、生態(tài)恢復關注區(qū)、生態(tài)優(yōu)先治理區(qū)和生態(tài)重點監(jiān)測區(qū)。