胡榮明，米曉梅，競 霞，蘇瑞鵬，任樂寬

（西安科技大學(xué) 測繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710054）

全球氣候變化和人類社會(huì)經(jīng)濟(jì)發(fā)展帶來一系列生態(tài)環(huán)境問題［1］。國內(nèi)外學(xué)者采用多種方法對不同區(qū)域生態(tài)脆弱性進(jìn)行了探究。目前生態(tài)脆弱性評價(jià)方法主要有綜合指數(shù)法、層次分析法、景觀評價(jià)法等。魏明歡等［2］采用綜合指數(shù)法探討了2001 年、2007 年、2013年青龍滿族自治縣生態(tài)脆弱性；Xue 等［3］構(gòu)建壓力－狀態(tài)－響應(yīng)模型（PSR），對塔里木河流域2005—2015年生態(tài)脆弱性演變規(guī)律進(jìn)行了研究；黃越等［4］基于遙感數(shù)據(jù)，利用景觀格局指數(shù)法和地理探測器對中國北方農(nóng)牧交錯(cuò)區(qū)2009—2017 年生態(tài)脆弱性演變格局進(jìn)行了研究。區(qū)域地理位置不同，生態(tài)脆弱性評價(jià)指標(biāo)選取的側(cè)重點(diǎn)也不同［5－7］。遙感生態(tài)指數(shù)和遙感生態(tài)距離指數(shù)是評價(jià)生態(tài)環(huán)境的常用指標(biāo)，現(xiàn)階段進(jìn)行生態(tài)質(zhì)量評價(jià)和驅(qū)動(dòng)力分析時(shí)，許多學(xué)者把這兩個(gè)指數(shù)作為生態(tài)環(huán)境評價(jià)指標(biāo)，探究影響研究區(qū)生態(tài)環(huán)境變化的主要因素。但借助遙感生態(tài)指數(shù)和生態(tài)距離指數(shù)研究區(qū)域生態(tài)脆弱性的較少，且目前生態(tài)脆弱性評價(jià)指標(biāo)集中在植被、濕度和土壤指數(shù)等單一指標(biāo)［8－10］，采用耦合性指數(shù)進(jìn)行生態(tài)脆弱性評價(jià)的研究較少。在研究尺度上，生態(tài)脆弱性評價(jià)集中于較發(fā)達(dá)的城市、流域以及綠洲［11－12］，鮮見縣、鎮(zhèn)級層面的研究，生態(tài)脆弱的民族地區(qū)的研究更少。

東鄉(xiāng)族自治縣是西北生態(tài)脆弱和民族聚居的交疊區(qū)域，屬于典型生態(tài)脆弱的民族地區(qū)［13］。為探究該區(qū)域的生態(tài)脆弱性，查閱相關(guān)文獻(xiàn)，結(jié)合黃河流域生態(tài)環(huán)境治理措施［14－15］，選取遙感生態(tài)距離指數(shù)、植被（歸一化植被指數(shù)NDVI）、氣候（年均氣溫、年降水量）、地形（高程、坡度）等自然因素，以及土地利用和距礦區(qū)距離等因素，共8 個(gè)指標(biāo)構(gòu)建生態(tài)脆弱性評價(jià)指標(biāo)體系，對東鄉(xiāng)族自治縣的生態(tài)脆弱性進(jìn)行評價(jià)，以期為生態(tài)脆弱的民族地區(qū)經(jīng)濟(jì)發(fā)展和生態(tài)保護(hù)提供數(shù)據(jù)支持。

1 研究區(qū)概況與數(shù)據(jù)處理

1.1 研究區(qū)概況

東鄉(xiāng)族自治縣地處西北地區(qū)甘肅省臨夏回族自治州，為甘青寧黃土丘陵國家級水土流失重點(diǎn)治理區(qū)?？h域內(nèi)人民以東鄉(xiāng)族為主體，總?cè)丝诩s29.16 萬人，總面積約1 510.9 km2，海拔1 714～2 594 m，四周平緩，中間高突。研究區(qū)氣候?qū)贉貛О敫珊禋夂騾^(qū)，年均降水量約350 mm，年均氣溫5.3 ℃。境內(nèi)地形較為復(fù)雜，群山起伏，溝壑縱橫，植被稀疏，常年干旱少雨，土壤以黃土母質(zhì)為主，水土流失嚴(yán)重。

1.2 數(shù)據(jù)來源

研究所用遙感影像數(shù)據(jù)為源于地理空間數(shù)據(jù)云的Landsat TM／OLI 數(shù)據(jù)，其分辨率為30 m，兩期遙感影像成像時(shí)間為2009 年7 月28 日、2020 年7 月26 日，云量均小于1%；DEM 數(shù)據(jù)來源與遙感影像數(shù)據(jù)相同，為分辨率30 m 的GDEM V3 數(shù)據(jù)；所用氣象數(shù)據(jù)源自中國氣象局國家氣象信息中心，包含民和、皋蘭、榆中、臨夏、臨洮和合作6 個(gè)站點(diǎn)的溫度、降水量和風(fēng)速等；2010 年土地利用數(shù)據(jù)為清華大學(xué)制作的全球30 m 分辨率地表覆蓋數(shù)據(jù)；采礦用地?cái)?shù)據(jù)由東鄉(xiāng)族自治縣自然資源局提供。

1.3 評價(jià)指標(biāo)

1）遙感生態(tài)距離指數(shù)（RSEDI）。遙感生態(tài)距離指數(shù)把綠度、濕度、干度和沙度4 個(gè)指標(biāo)進(jìn)行耦合，從4 個(gè)維度反映研究區(qū)生態(tài)環(huán)境，可以更加全面、客觀地評價(jià)研究區(qū)生態(tài)環(huán)境［16］。用遙感生態(tài)距離指數(shù)替代濕度、干度指數(shù)等進(jìn)行生態(tài)脆弱性評價(jià)，使生態(tài)脆弱性評價(jià)模型更具高效性和準(zhǔn)確性。綠度、濕度、干度和沙度的計(jì)算方法參考文獻(xiàn)［17－20］。研究區(qū)存在大片水域，先進(jìn)行水體掩膜處理，再對4 個(gè)指標(biāo)按照99.5%的置信區(qū)間進(jìn)行標(biāo)準(zhǔn)化處理［21］。選取綠度和濕度的最小值、干度和沙度的最大值作為生態(tài)環(huán)境質(zhì)量最差點(diǎn)，計(jì)算其余點(diǎn)到該點(diǎn)的距離并標(biāo)準(zhǔn)化到［0，1］，其值越接近1 則生態(tài)環(huán)境質(zhì)量越好，遙感生態(tài)距離指數(shù)IRSEDI計(jì)算公式為

式中：SGI、SWET、SNDBSI、SDDI分別為研究區(qū)綠度、濕度、干度、沙度值，SminGI、SminWET分別為綠度、濕度的最小值，SmaxNDBSI、SmaxDDI分別為干度和沙度的最大值。

2）其余評價(jià)指標(biāo)。高程來源于DEM 數(shù)據(jù)?；贒EM 數(shù)據(jù)，運(yùn)用ArcMap 10.5 軟件的空間分析工具進(jìn)行計(jì)算得到坡度；歸一化植被指數(shù)通過ENVI5.3 平臺(tái)進(jìn)行波段計(jì)算所得；2009 年、2020 年年均氣溫和年降水量根據(jù)氣象數(shù)據(jù)經(jīng)過反距離權(quán)重插值得到；土地利用（LUCC）數(shù)據(jù)采用ENVI5.3 軟件對遙感影像進(jìn)行分類得到，將研究區(qū)分為水域、林地、耕地、草地、建設(shè)用地和裸地，并利用2010 年30 m 土地利用分類結(jié)果對比兩期影像分類結(jié)果，對比結(jié)果表明兩期影像的分類精度均大于85%，可用于生態(tài)環(huán)境脆弱性評價(jià)；基于采礦用地?cái)?shù)據(jù)，計(jì)算距礦區(qū)歐氏距離。

3）數(shù)據(jù)標(biāo)準(zhǔn)化。數(shù)據(jù)量綱不同會(huì)導(dǎo)致融合后的數(shù)據(jù)不具有可分析性，因此在構(gòu)建生態(tài)脆弱性評價(jià)模型前對不同量綱的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。對所選取的8 個(gè)指標(biāo)使用極差法進(jìn)行標(biāo)準(zhǔn)化處理［22］。土地利用數(shù)據(jù)為定性指標(biāo)，因此先對其進(jìn)行定量化處理，查閱相關(guān)文獻(xiàn)［23］，采用賦值法進(jìn)行定量化處理。高程、坡度、土地利用、距礦區(qū)距離、年均氣溫為正向指標(biāo)，年降水量、歸一化植被指數(shù)、遙感生態(tài)距離指數(shù)為負(fù)向指標(biāo)。正向指標(biāo)標(biāo)準(zhǔn)化處理計(jì)算公式為

負(fù)向指標(biāo)標(biāo)準(zhǔn)化處理計(jì)算公式為

式中：Xij為像元i指標(biāo)j的標(biāo)準(zhǔn)化值，xij為像元i指標(biāo)j的原始值，xj，min、xj，max分別為指標(biāo)j的最小值、最大值。

2 研究方法

2.1 組合賦權(quán)法

評價(jià)指標(biāo)合理賦權(quán)是生態(tài)脆弱性評價(jià)的基礎(chǔ)。層次分析法（AHP）和熵權(quán)法是生態(tài)脆弱性評價(jià)中最為常見的兩種確權(quán)方法，層次分析法主觀性較強(qiáng)，熵權(quán)法客觀性較強(qiáng)，因此采用最小信息熵和拉格朗日中值定理計(jì)算組合權(quán)重，削弱層次分析法定權(quán)的主觀性和盲目性，同時(shí)彌補(bǔ)熵權(quán)法賦權(quán)時(shí)的機(jī)械性和片面性［24］。

1）層次分析法。層次分析法基于人為判斷賦權(quán)，故其主觀性極強(qiáng)，相關(guān)原理可參考文獻(xiàn)［22］。本文通過yaahp10.3 軟件，結(jié)合東鄉(xiāng)族自治縣實(shí)際情況進(jìn)行層次分析，賦予各評價(jià)指標(biāo)較為合理的權(quán)重，并記為W1j。

2）熵權(quán)法。熵權(quán)法主要根據(jù)各個(gè)指標(biāo)所提供的信息量估算熵，從而為指標(biāo)賦權(quán)，屬于客觀賦權(quán)的一種，指標(biāo)信息熵越小，該指標(biāo)提供的信息量越多，指標(biāo)權(quán)值越大［24］。首先計(jì)算第j個(gè)評價(jià)指標(biāo)的信息熵。為避免在指標(biāo)等于零處出現(xiàn)無窮小值，把歸一化后的指標(biāo)按照步長為1 進(jìn)行平移，即：

其中：

計(jì)算指標(biāo)j的權(quán)重W2j，首先確定指標(biāo)信息熵冗余度dj：

進(jìn)而確定評價(jià)指標(biāo)權(quán)重：

3）權(quán)重組合。采用最小信息熵原理結(jié)合拉格朗日中值定理計(jì)算組合權(quán)重［22］，所得組合權(quán)重Wj計(jì)算公式：

2.2 構(gòu)建生態(tài)脆弱性評價(jià)模型

采用綜合指數(shù)法構(gòu)建生態(tài)脆弱性評價(jià)模型。依據(jù)上述組合權(quán)重對各指標(biāo)值進(jìn)行加權(quán)求和，得到各單元生態(tài)脆弱性指數(shù)IEV。

式中：Xj為評價(jià)指標(biāo)j標(biāo)準(zhǔn)化后的值。

結(jié)合實(shí)際對所計(jì)算的生態(tài)脆弱性指數(shù)進(jìn)行值域劃分，使其生態(tài)脆弱性等級更直觀［25］，結(jié)合研究區(qū)實(shí)際將其生態(tài)脆弱性劃分為微度脆弱（IEV≤0.35）、輕度脆弱（0.35＜IEV≤0.45）、中度脆弱（0.45＜IEV≤0.55）、重度脆弱（0.55＜IEV≤0.65）和極度脆弱（IEV＞0.65）5個(gè)類型，利用自然斷點(diǎn)法重分類分別賦予等級1、2、3、4、5。將各等級面積與總面積之比與各等級值進(jìn)行加權(quán)求和估算研究區(qū)綜合生態(tài)脆弱性指數(shù)IIEV，進(jìn)而分析其生態(tài)脆弱性。

式中：IIEV為綜合生態(tài)脆弱性指數(shù)，IIEV值越大區(qū)域生態(tài)脆弱性程度越高；t為生態(tài)脆弱性等級值；St為等級t的面積；S為總面積。

2.3 空間自相關(guān)研究

選取不同尺度的采樣間隔，結(jié)合SPSS 和GS＋軟件進(jìn)行半變異函數(shù)分析，研究東鄉(xiāng)族自治縣生態(tài)脆弱性等級的空間關(guān)聯(lián)特征。通過ArcMap 10.5 軟件對所得生態(tài)脆弱性等級間隔500、1 000、3 000 m 取樣，基于統(tǒng)計(jì)軟件檢驗(yàn)采樣點(diǎn)數(shù)據(jù)是否符合正態(tài)分布，若不符合則進(jìn)行個(gè)案排秩，使數(shù)據(jù)滿足正態(tài)分布［26］，再進(jìn)行半變異函數(shù)分析，探究數(shù)據(jù)的自相關(guān)程度。

3 結(jié)果與分析

綠度、濕度、干度和沙度耦合的遙感生態(tài)距離指數(shù)空間分布見圖1。經(jīng)過組合賦權(quán)法計(jì)算得到各評價(jià)指標(biāo)權(quán)重見表1。通過加權(quán)求和得到研究區(qū)各單元的生態(tài)脆弱性指數(shù)，2009 年、2020 年生態(tài)脆弱性各等級面積及占比見表2。

3.1 區(qū)域生態(tài)脆弱性時(shí)空分異

對分級后的生態(tài)脆弱性指數(shù)進(jìn)行彩色渲染，得到2009 年、2020 年研究區(qū)各生態(tài)脆弱性類型空間分布（見圖2），根據(jù)2009 年和2020 年各類型面積得出綜合生態(tài)脆弱性指數(shù)。2009 年、2020 年遙感生態(tài)距離指數(shù)均值分別為0.367 7、0.505 7，綜合生態(tài)脆弱性指數(shù)分別為3.211 8、2.426 3，生態(tài)脆弱性整體處于中等偏高水平，但整體生態(tài)狀況好轉(zhuǎn)。由表2 可知，2009 年生態(tài)脆弱性類型為輕度脆弱、中度脆弱、重度脆弱的面積較大，面積合計(jì)占比高達(dá)78.66%。2020 年研究區(qū)主要生態(tài)脆弱性類型為微度脆弱、輕度脆弱、中度脆弱，其面積占比分別為24.42%、26.06%、29.83%。2020年，研究區(qū)微度脆弱、輕度脆弱、中度脆弱類型面積均增大，重度脆弱、極度脆弱類型面積減小，2009—2020年東鄉(xiāng)族自治縣生態(tài)狀況呈好轉(zhuǎn)態(tài)勢。

圖2 2009 年和2020 年研究區(qū)各生態(tài)脆弱性類型空間分布

由圖2（a）可以看出，2009 年重度脆弱、極度脆弱類型在研究區(qū)廣泛分布，但2020 年大部分區(qū)域高生態(tài)脆弱性等級向低生態(tài)脆弱性等級轉(zhuǎn)變，重度脆弱、極度脆弱轉(zhuǎn)為中度脆弱面積占比最大。2009 年生態(tài)脆弱性類型為微度脆弱、輕度脆弱的區(qū)域位于東鄉(xiāng)族自治縣西南部，2020 年兩者面積大幅度增大，由影像可以看出研究區(qū)南部植被覆蓋度明顯上升。2009 年、2020年中度脆弱的區(qū)域面積相差不大，但2020 年其空間分布發(fā)生轉(zhuǎn)變，2009 年中度脆弱類型主要分布在研究區(qū)南部，到2020 年中度脆弱類型遍布研究區(qū)東北部，即區(qū)域生態(tài)狀況好轉(zhuǎn)。2020 年重度脆弱、極度脆弱區(qū)域面積縮減，對比兩個(gè)時(shí)期的遙感影像發(fā)現(xiàn)，研究區(qū)植被覆蓋度增大，2020 年重度脆弱、極度脆弱類型主要分布在研究區(qū)北部和東部一些水土流失較嚴(yán)重地區(qū)和裸地區(qū)域。

3.2 不同土地覆被下生態(tài)脆弱性時(shí)空演變特征

為探究東鄉(xiāng)族自治縣不同土地覆被下生態(tài)脆弱性時(shí)間和空間演變情況，通過GIS 軟件所具有的空間分析功能統(tǒng)計(jì)各生態(tài)脆弱性類型不同土地覆被的區(qū)域面積。根據(jù)研究區(qū)實(shí)際情況，草地和耕地是主要土地利用類型，在此基礎(chǔ)上對研究區(qū)土地利用進(jìn)行重分類，分為高植被覆蓋、中植被覆蓋、低植被覆蓋、不透水面和裸地5 類，見表3。

表3 研究區(qū)生態(tài)脆弱性類型與土地覆被分區(qū)統(tǒng)計(jì)結(jié)果 km2

2009 年高植被覆蓋地區(qū)生態(tài)脆弱性類型主要為微度脆弱、輕度脆弱，其面積占研究區(qū)總面積的4.55%；2020 年高植被覆蓋區(qū)域生態(tài)脆弱性類型主要為微度脆弱，其面積占研究區(qū)總面積的5.57%。2009年輕度脆弱、中度脆弱區(qū)域大多屬于中植被覆蓋區(qū)，其面積分別占研究區(qū)總面積的10.98%、14.99%；2020 年中植被覆蓋區(qū)主要為微度脆弱和輕度脆弱類型，面積合計(jì)占比為31.19%。從兩期遙感影像看，低植被覆蓋大多處于水土流失嚴(yán)重、幾乎無植被覆蓋的草地，因此2009 年低植被覆蓋區(qū)生態(tài)脆弱性類型大多為中度脆弱、重度脆弱、極度脆弱，面積占研究區(qū)總面積的40.83%，但到2020 低植被覆蓋區(qū)生態(tài)脆弱性類型大多為中度脆弱、重度脆弱，面積占研究區(qū)總面積的31.47%。2009—2020 年不透水面增加了28.24 km2，裸地面積減少了19.81 km2，不透水面、裸地生態(tài)脆弱性類型大多數(shù)為中度脆弱、重度脆弱和極度脆弱。至2020 年東鄉(xiāng)族自治縣大部分區(qū)域植被明顯增多，從2009 年到2020 年植被覆蓋區(qū)域雖然減少了0.57%，但植被覆蓋區(qū)域植被覆蓋度明顯增大，研究區(qū)高等級生態(tài)脆弱區(qū)向低等級生態(tài)脆弱區(qū)轉(zhuǎn)變，生態(tài)環(huán)境狀況好轉(zhuǎn)。

3.3 空間自相關(guān)特征分析

選取合適的采樣間距能夠較好地反映生態(tài)脆弱性空間結(jié)構(gòu)特征，采樣間隔較大或者較小都不利于重要信息的提取，也不能反映空間異質(zhì)性，查閱相關(guān)文獻(xiàn)以及試驗(yàn)表明3 000 m 的采樣間隔較為合適［14］。研究區(qū)生態(tài)脆弱性空間特征能被高斯模型和球狀模型較好地?cái)M合出來，見表4。2009 年、2020 年基臺(tái)值分別為1.487、0.018，表明2009 年生態(tài)脆弱性指數(shù)空間波動(dòng)較大。生態(tài)脆弱性空間相關(guān)程度由塊基比呈現(xiàn)，值越大表明隨機(jī)因素引起的空間異質(zhì)性越高［27］。研究區(qū)2009 年塊基比為0.292，空間相關(guān)性為中等；2020 年塊基比為0.222，空間相關(guān)性較為強(qiáng)烈。2009 年、2020 年塊基比表明，研究區(qū)生態(tài)脆弱性空間變化是地形、坡度等結(jié)構(gòu)性因素和氣象、人類活動(dòng)等隨機(jī)因素共同影響的結(jié)果。偏基臺(tái)值為基臺(tái)值和塊金值之差，2009 年結(jié)構(gòu)性因素是研究區(qū)生態(tài)脆弱性的主要影響因素，到2020 年對研究區(qū)生態(tài)脆弱性影響較大的為隨機(jī)因素，即人類活動(dòng)對區(qū)域生態(tài)脆弱性的時(shí)空變化具有驅(qū)動(dòng)作用。半變異函數(shù)在各個(gè)方向上具有差異，因此研究區(qū)生態(tài)脆弱性具有各向異性［28］，2009 年研究區(qū)生態(tài)脆弱程度的各向異性在45°、90°方向較為突出，而2020年90°方向較為突出，表明在此方向上生態(tài)異質(zhì)性較強(qiáng)，其原因可能與研究區(qū)降水和高程等存在方向性差異有關(guān)。

表4 研究區(qū)生態(tài)脆弱性最優(yōu)理論變異函數(shù)

4 結(jié)束語

利用RS 和GIS 技術(shù)，充分考慮人類活動(dòng)和自然因素對區(qū)域生態(tài)脆弱性的影響，選取遙感生態(tài)距離指數(shù)、地形和土地利用等指標(biāo)，融合層次分析法和熵權(quán)法確定權(quán)重，計(jì)算綜合指數(shù)，評價(jià)黃河流域民族地區(qū)的生態(tài)脆弱性。研究區(qū)兩個(gè)時(shí)期的遙感生態(tài)距離指數(shù)均值分別為0.367 7、0.505 7，綜合生態(tài)脆弱性指數(shù)分別為3.211 8、2.426 3。2009 年中度脆弱、重度脆弱區(qū)域面積占研究區(qū)比例高達(dá)62.64%，為研究區(qū)主要生態(tài)脆弱性類型，2020 年輕度脆弱和微度脆弱面積明顯增大。微度脆弱和輕度脆弱在2009 年、2020 年均主要分布在東鄉(xiāng)族自治縣西南部；植被覆蓋度較低區(qū)域、研究區(qū)中部則以中度脆弱類型為主；研究區(qū)東北部裸地和水土流失嚴(yán)重的區(qū)域主要生態(tài)脆弱性類型為重度脆弱和極度脆弱。此外，研究區(qū)高等級生態(tài)脆弱區(qū)向低等級生態(tài)脆弱區(qū)轉(zhuǎn)變，主要為重度脆弱轉(zhuǎn)為中度脆弱、輕度脆弱。研究區(qū)生態(tài)脆弱狀況是自然因素和人類活動(dòng)共同作用的結(jié)果，且呈現(xiàn)較強(qiáng)的空間自相關(guān)性，研究期間人類活動(dòng)逐漸增強(qiáng)，在一系列生態(tài)環(huán)境保護(hù)措施下，區(qū)域生態(tài)狀況得到一定改善。區(qū)域生態(tài)脆弱性在空間方向上表現(xiàn)出一定異質(zhì)性，2009 年空間異質(zhì)性在45°和90°方向較為突出，2020 年則在90°方向較為突出。

研究發(fā)現(xiàn)東鄉(xiāng)族自治縣在研究期生態(tài)狀況雖然有所改善，但大部分區(qū)域?yàn)橹卸却嗳躅愋?，這與楊雯娜等［13］的研究結(jié)果相差不大。東鄉(xiāng)族自治縣降水量較少，區(qū)域內(nèi)水土流失嚴(yán)重，尤其是縣域東部、北部受水流沖刷，地勢起伏不平，以稀疏草地為主，植被覆蓋度不高，生態(tài)環(huán)境穩(wěn)定性較差，極易受到氣候和人類活動(dòng)的影響，因此生態(tài)較為脆弱。

自然因素和人類活動(dòng)為研究區(qū)生態(tài)脆弱性的驅(qū)動(dòng)因素，2009 年研究區(qū)地形和氣候條件對生態(tài)脆弱性具有促進(jìn)作用，自然因素為生態(tài)脆弱性的主導(dǎo)因素；2020年為保護(hù)黃河流域生態(tài)環(huán)境，促進(jìn)黃河流域自然與經(jīng)濟(jì)協(xié)調(diào)發(fā)展，政府實(shí)施了一系列環(huán)境保護(hù)措施，開展植樹造林、水土流失防治等工作，使東鄉(xiāng)族自治縣生態(tài)問題得到有效治理，研究區(qū)整體的生態(tài)環(huán)境有所改善。