-
生态脆弱性指生态系统在自然或人为因素作用下的变异性，这种变异性不利于生态系统和人类社会的发展[1]。20世纪中期以后，经济快速发展，人口数量急剧增加，人类通过不断增加对自然资源的开发和利用来缓解生存压力，导致全球气候恶化、土地利用变化问题凸显，一系列生态环境问题不断涌现，如生态系统退化、能源短缺、森林减少水土流失、生物多样性丧失、土地沙漠化[2]，生态环境脆弱性特征明显。随着全球环境变化与人地关系研究的不断深入，生态脆弱性已经成为全球环境变化和可持续发展研究的核心问题之一，生态脆弱性的评估、脆弱生态环境的可持续性管理、已受损害生态环境的恢复重建等研究逐渐成为全球性研究热点[3]。生态脆弱性评价有助于合理实施生态治理措施和保护脆弱生态环境，为景观资源的空间管理、有效配置和合理开发提供必要的科学依据[4]。
淮河流域是我国传统粮食基地，具有丰富的矿产资源和明显的区位优势，是国家级重要交通走廊[5]。2018年,国务院印发《淮河生态经济带发展规划》，旨在推动淮河全流域综合治理，将淮河流域建设成为流域生态文明建设示范带、特色产业创新发展带、新型城镇化示范带和中东部合作发展先行区[6]。淮河流域安徽段是整个流域重要生态屏障区、生物多样性示范区，同时也是典型生态环境脆弱地区[7]，研究其生态脆弱性可基本了解淮河流域生态脆弱性状况，为建设生态文明示范带提供理论依据。目前对淮河流域生态脆弱性的研究较少且不全面。如王延平等[8]选取了定量表征不同土地利用方式环境本体特征的地貌地形、植被状况、土壤状况、地表性质的7个指标，构建淮河流域祈蒙山区生态脆弱性评价指标体系，对淮河流域祈蒙山区生态脆弱性进行评价，结果表明：土壤侵蚀面积比例权重最大，坡度、植被覆盖度和植被多样性权重最小，这一结论基本符合水土流失发生发展的规律，但其忽略了社会环境因素对生态脆弱性的影响；赵冰等[9]针对淮河流域桐柏-大别山区的自然条件和人为干扰状况构建较全面的淮河流域的生态脆弱性评价指标体系，并运用ARCINFO的空间分析功能，分析淮河流域沂蒙山区生态脆弱性空间分布规律，结果表明：淮河流域桐柏-大别山区整个区域以轻度脆弱性为主，该研究选取的淮河流域沂蒙山区生态脆弱性评价指标是较为全面的，但在分析过程中缺少对长时序生态脆弱性的时空变化特征的研究。
自美国学者Clements提出生态过渡带概念后，国内外逐步对不同生态系统的脆弱性评价研究。目前，在研究对象方面，选择流域[8]、湿地[10]、行政区域[3]、矿区[11]、森林[12]等作为研究对象，揭示生态脆弱性的区域特征。在研究方法方面，目前已经发展了一系列生态脆弱性定量评估模型，包括自然-生态-社会经济模型[5]、自然因果模型[9]、暴露-敏感性-适应模型[13]、压力-状态-响应 (PSR) 模型[2]、敏感性-恢复力-压力 (SRP) 模型[14]等。在指标权重赋值方面，随着生态脆弱性评价模型的研究不断深入，指标权重赋值方法越来越系统化，主要包括熵权法[15]、层次分析法[2]、模糊评价法[16]和主成分分析法[9,14]等。但是在指标选取方面，目前选取的评价指标主要集中在自然环境和社会脆弱性方面[3,9,13]，没有充分考虑社会系统与生态系统之间的联系，因此，有必要进一步量化生态系统的脆弱性。生态系统服务是人类与自然的相互作用，利用生态系统服务的概念可以更有效地整合自然系统和社会系统的各个组成部分。本研究将SRP模型和生态系统服务结合起来，建立生态脆弱性评价体系，分析2010—2020年淮河流域安徽段生态脆弱性空间分布与变化趋势，为淮河流域生态坏境的保护、改善和治理提供参考。
-
本研究选取淮河流域安徽段为研究区域，如图1所示。本研究使用的安徽省地理底图数据来自国家地理信息公共服务平台审图号为皖S(2022)49号。淮河流域安徽段处于淮河流域中游，面积约占总流域面积的三分之一，其北部是黄淮冲积平原，城市、农田广泛分布，东部分布有丘陵，南部多有湖泊、河流，其地貌和土地利用类型丰富[17]，具有代表性。以安徽段为例，也响应了安徽省政府出台的《安徽省贯彻落实淮河生态经济带发展规划实施方案》等文件，推进安徽淮河流域生态文明建设和高质量发展。
-
数据来源见表1。通过DEM数据计算高程、坡度和地形起伏度；根据淮河流域周边80个气象台站的2010、2015和2020年月降水量、月平均气温观测值数据，计算年降水量、年平均气温、降雨侵蚀力[18]和干旱度指数[19]；使用ArcGIS提取研究区域水系、道路密度和耕地占比；使用Fragstats计算香农多样性指数和斑块密度；根据土壤数据，计算植被可利用含水量[20]和土壤可蚀性因子[21]。使用InVEST模型[22]计算碳储量、生境质量、产水量和土壤保持量；使用极差标准化法[23]对各指标进行归一化处理，将各指标数据标准化为0~1。将所有数据重新采样为30 m
$ \subseteq $ 30 m，投影坐标系为WGS_1984_UTM_Zone_50N。 -
1) 生态脆弱性评价指标体系构建。基于SRP模型，将生态系统服务指标作为联系生物物理环境和社会环境的中介，取代恢复力子系统的适当脆弱性指标，结合淮河流域安徽段生态脆弱性的主要成因构建SRP-ES脆弱性评价方法，见表2。
2) 生态脆弱性分析。空间主成分分析旨在将多个评价指标因子降维合并为少数几个综合指标因子[25]。利用ArcGIS软件，对标准化后的18个评价指标进行空间主成分分析，最终确定累计贡献率达85%以上的前5个主成分，并计算这5个主成分的综合指标[26]，见式(1)。
式中：Cj为第j个主成分的综合指标；Fij为第j个主成分中第i个指标的特征向量；Di为第i个指标的标准化值；i=18。
基于空间主成分分析结果，计算生态脆弱性指数 (EVI) (式(2)) 。
式中：αj为第j个主成分的贡献率，见式(3)。
式中：Rj为第j个主成分的特征值。
为便于多期生态脆弱性指数的比较，对生态脆弱性指数进行标准化处理 (式(4)) ，使其值为0~1[27]。
式中：SEVI为EVI的标准化值，EVImin为EVI的最小值，EVImax为EVI的最大值。
结合淮河流域特征，将淮河流域安徽段生态脆弱性划分为微度脆弱［0~0.2) 、轻度脆弱［0.2~0.4) 、中度脆弱［0.4~0.6) 、重度脆弱［0.6~0.8) 、极度脆弱［0.8~1］5个等级[28]。
为直观反映淮河流域安徽段生态脆弱性整体状况，运用生态脆弱性综合指数 (EVSI) 定量分析流域生态脆弱程度的整体情况[29]，计算公式见式(5)。
式中：n为生态脆弱性等级；An为第n类生态脆弱性等级面积；A为区域总面积。
3) 空间自相关分析。使用全局Moran’s I指数衡量全局空间自相关，反映淮河流域安徽段内邻近区域同一属性的相似程度[30]，计算公式见式(6)。
式中：I1为全局Moran’s I指数；n为空间格网的数量；ωij为空间权重矩阵；xi和xj分别表示第i和j个格网中生态脆弱性指数的数值；x表示格网生态脆弱性指数的均值。
通过局部空间自相关分析，衡量淮河流域安徽段内相邻区域之间的局部空间相似性和差异性，并揭示空间异质性[30]，计算公式见式(7)。
式中：I2为局部Moran’s I指数；其它各指标含义与式(6)相同。
-
使用InVEST模型计算淮河流域安徽段碳储量、生境质量、产水量和土壤保持量，计算结果如图2，分别对4项生态系统服务功能进行分析，结论如下。
2010、2015和2020年淮河流域安徽段碳储量分别是375.792×106、374.722×106和374.107×106 t，总体呈现下降的趋势。碳储量高值出现在韭山 (凤阳县南部) 、老嘉山 (明光市) 和八公山区 (淮南市) ，这些地区拥有较高碳固存能力的草本沼泽和森林；碳储量低值出现在湖泊、河流区域 (瓦埠湖、安丰塘、城东湖、城西湖、女山湖等) 。
淮河流域安徽段2010、2015和2020年的生境质量平均指数分别为0.359 8、0.353 5和0.350 1。生境质量均在空间上呈现“高低相间”的分布。淮河流域中部河流、湖泊和森林地区生境质量较高；随着城市化不断发展，城市化发展迅速地区 (颖州区、颍泉区、淮上区和蚌山区等) 生境质量明显下降，并且导致湖泊、河流区域生境质量明显下降。
2010、2015和2020年产水总量分别为 76.666 8×108、133.131 7×108和179.132 8×108 m3，总体呈增加趋势。高值主要分布在流域东南部 (寿县、长丰县和霍邱县南部) ，这些地区年降水量高、潜在蒸散量低，地表类型主要以高覆盖度水体和林地为主。产水量中等值分布在流域东部和中部地区 (明光市、凤阳县和凤台县) ，这些地区降水量和潜在蒸散量都处于中等水平，地表覆盖主要以耕地为主，产水能力较低。产水量低值分布在流域的西北部 (蒙城县、阜南县、阜阳市和利辛县) ，这些地区降水量低、潜在蒸散量高，裸露地面和不透水面分布较广，植被覆盖率低，不利于水分持留。
2010、2015和2020年淮河流域安徽段土壤保持量分别为29 495.480 6×104、43 147.051 1×104和53 021.394 6×104 t，呈增长趋势。淮河流域中部大部分地区土壤保持量较低，四周较高。高值主要分布于八公山和韭山，这些地区地表覆盖以林地和高/中覆盖度草地为主，植被覆盖率相对较高，土壤中粘土含量较高而粉砂土和沙土含量较低，因此土壤抗蚀性较强；土壤保持的低值分布区 (蒙城县和凤台县) 植被覆盖率极低，土壤粘土含量极低，沙土含量高，人为活动频繁。
-
淮河流域安徽段2010、2015和2020年的平均SEVI分别为0.67、0.56和0.62。淮河流域安徽段生态脆弱性以中重度脆弱为主，如图3所示，且生态脆弱性空间分布呈“北高南低”格局，这与赵宗泽等[31]对中原城市群生态脆弱性分析一致。北部地区工业发展较为集中，过度开发及不合理利用资源导致生态系统功能退化；南部具有优越的气候和丰富的降雨，促进了植被的生长和生态系统的维持，从而具有较低的生态脆弱性。对研究时期淮河流域安徽段各生态脆弱性等级的面积进行统计，结果如图4所示，微度、轻度脆弱区平均面积分别为306.75和4 016.98 km2，主要分布于霍邱、寿县境内河流、湖泊和滁州境内森林区域，这些区域拥有丰富的水资源和植被，为良好的生态系统提供了稳定的基础；中度脆弱区平均面积为11 398.21 km2，广泛分布于研究区域中部，这些地区城市化和工业化程度高，人口、经济密度均较大，人类活动干扰强烈，但其水资源可达性高，且地形平坦。重度、极度脆弱区平均面积分别为11 365.28和6 650.44 km2，集中分布于亳州和蚌埠北部地区，此区域土地利用类型主要为农业用地和建筑用地，缺乏植被和水体，产水、碳储存等生态系统服务功能能力低下。
-
根据淮河流域安徽段生态脆弱性等级空间分布图 (图3) ，颍泉区、颍州区和颍东区的大部分区域生态脆弱性等级不断降低，由极度脆弱变为重度脆弱，但生态脆弱性仍较高；霍邱一直保持良好的生态环境，且其中部区域生态脆弱性不断减低；研究区域中部 (八公山区、大通区等) 及东部 (定远县、凤阳县、固镇县、明光市等) 地区生态脆弱性总体表现出先降低后升高的趋势；蒙城县北部区域始终保持极度脆弱性状况。
根据不同生态脆弱性等级面积变化 (图4) ，微度脆弱区面积不断升高，轻度、中度脆弱区面积先升高后降低，重度、极度脆弱区面积先降低后升高。
为了更好展现研究区域的各生态脆弱性等级变化情况，对其做出转移桑基图，见图5，2010—2015年生态脆弱性主要变化类型为重度脆弱转中度脆弱、极度脆弱转重度脆弱；2015—2020年生态脆弱性主要变化类型为重度脆弱转重度脆弱、重度脆弱转极度脆弱；2010—2020年生态脆弱性主要变化类型为极度脆弱转重度脆弱，其它变化不明显。
淮河流域安徽段2010、2015、2020年的EVSI分别为3.84、3.31、3.63，整体生态脆弱性呈现先下降后上升的趋势，生态脆弱性会威胁地区的生态安全[30]，整体生态脆弱性变化趋势验证了何训喜等[32]对淮河流域安徽段生态安全状态的研究，但这与赵宗泽[31]关于中原城市群生态脆弱性评价结果相反，主要由于评价指标和方法选择的不同导致的，赵宗泽基于14项自然与环境因素指标，未考虑生态系统服务功能，且利用基于信息熵的熵权法确定指标权重，从而导致结果有出入。使用ArcMap对ESVI进行差值计算，按表3对结果重分类 (图6) 。2010—2015年淮河流域安徽段生态脆弱性降低，脆弱性增加区面积 (13%) 远远低于脆弱性降低区面积 (87%) ，变化主要表现为略微降低和稳定降低，分布在研究区域东部和北部，颍上县、风台县、霍邱县北部地区生态脆弱性表现为显著降低；2015—2020年淮河流域安徽段生态环境持续向好，主要表现为略微升高 (32%) 和稳定升高 (31%) ，总体分布上看，生态脆弱性变化状况以显著升高地区 (怀远县) 向四周辐散不断降低；2010—2020年淮河流域安徽段生态脆弱性略微变化区域面积占比为77%，脆弱性降低区面积大于脆弱性增加区面积，生态环境总体比较稳定，且有所好转，这验证了何刚[6]对于淮河生态经济带安徽段的生态安全分析研究。虽然淮河流域安徽段生态脆弱性整体变现出升高的趋势，但在2015—2020年阶段呈现出降低的趋势，并且整体生态脆弱性等级较高，区域生态环境问题需要重视。
-
2010、2015和2020年全局Moran’s I值 (图7) 分别为0.946、0.920和0.955，生态脆弱性在空间分布上存在显著集群现象，这与刘慧敏等[15]基于GIS的长三角城市群生态脆弱性综合评价研究一致。2010—2020年，淮河流域安徽段生态脆弱性空间集群现象呈先减小后增大趋势。2010、2015和2020年淮河流域生态脆弱性全局Moran’s I散点图中，第二、四象限散点明显少于第一、三象限，说明淮河流域安徽段存在明显的生态脆弱性较高和较低的区域，且第三象限散点明显多于第一象限，说明淮河流域安徽段生态脆弱性高-高聚集区域多于生态脆弱性低-低聚集区域，生态脆弱性较高区域的聚集数量明显多于较低的区域。某一区域生态条件往往受周边相邻区域环境状况影响，区域环境主要分为自然与社会环境。自然环境方面，气象条件对空气质量的影响主要体现在大气扩散和污染聚集方面[33]，环境问题会通过大气扩散影响周边环境与生态条件；社会环境方面，集中的建设用地是是周边区域土壤保持能力等生态系统服务能力低下的原因[34]，露天矿区是当地及周边植被减少的主要原因[35]，所以位于第三象限的大部分区域存在生态脆弱性持续增加的风险，需要加大对这些区域的监管力度。
由局部自相关LISA聚类地图 (图8) 可知，淮河流域安徽段生态脆弱性指数的空间集聚形态以高-高集聚和低-低集聚为主，高-低集聚和低-高集聚面积少且零散分布，这与刘慧敏等[15]基于GIS的长三角城市群生态脆弱性综合评价研究一致。2010—2015年高-高聚集区面积从12 129 km2下降至9 389 km2，而低-低则由9 057 km2增至11 237 km2。而2015—2020年高-高聚集区从9 389 km2增至11 245 km2，低-低集聚区从11 237 km2降至9 278 km2。总体来看，空间聚集性虽然在整体上变化不大，但目前呈现出扩张的趋势，表明研究区域生态脆弱性在空间上存在扩张的风险。低-低值区主要分布在霍邱县、寿县和长丰县，这些地区雨水充沛，植被覆盖度较高，且人为干扰影响小，生态脆弱性低，并能积极影响邻近区域的生态环境，有较好的生态稳定性与恢复力；高-高值区集中分布在颍州区、颍泉区、颍东区、利辛县、蒙城县和固镇县北部，这些地区城市化建设度高，人口密度大，耕地占比高并且气候较为干旱，生态环境脆弱，并且会影响邻近区域的生态质量，脆弱性表现出扩张趋势；阜阳市中心、蒙城县城等快速发展的城市区域人口密度大，但生态脆弱性比周边区域小，且生态脆弱性聚集性表现为不显著，主要原因是考虑了人均GDP指标，说明城市化的先进状态有利于维持甚至改善生态环境质量[36]。
-
1) 2010—2020年，淮河流域安徽段产水量、土壤保持量逐渐升高，碳储存和生境质量略有下降。研究区域内，八公山和韭山地区主要以林地和高/中覆盖度草地为主，自然植被覆盖率相对较高，具有较高的生态系统服务功能；蒙城县和凤台县主要以耕地和农村居民点为主，人为活动频繁，并且气候较为干旱，生态系统服务功能较低。
2) 淮河流域安徽段生态脆弱性区域空间分布特征为北高南低。整体生态脆弱性以中重度脆弱为主，其主要分布于研究区域中部，这些地区拥有较平坦的地形，水资源可达性高，城市化和工业化快速发展，开发利用程度高，人口、经济密度均较大。
3) 淮河流域安徽段整体生态脆弱性呈现先下降后上升的趋势。霍邱县一直保持良好的生态环境，并且生态脆弱性也在不断降低；蒙城县北部区域始终保持极度脆弱性状况，生态环境状况最差。2010—2020年淮河流域安徽段生态脆弱性略微变化区域面积占比为77%，脆弱性降低区面积大于脆弱性增加区面积，生态环境总体比较稳定，且有所好转，研究区域西北部地区 (阜南县西北部、颍州区中部、颍东区北部等) 生态环境逐渐向好。
4) 2010、2015和2020年全局Moran’s I值分别为0.946、0.920和0.955，呈现出强烈的空间正相关特征，生态脆弱性指数的空间集聚形态以高-高集聚和低-低集聚为主。2010—2020年，高-高聚集区域和低-低聚集区域分别向东和向西缓慢迁移。
-
1) 本研究在获取生态脆弱性评价指标时，土地利用、NDVI等数据是30 m空间分辨率，受数据可获得性影响，潜在蒸散发等数据空间分辨率是1 km，在计算产水量、干燥度等指标时会产生误差，需在以后的研究中进一步完善。
2) 在对淮河流域安徽段生态脆弱性评价过程中，未考虑能导致生态脆弱性变化的地方性政策 (生态红线等) 和自然灾害 (地震、气象灾害等) 重要因素，由于这些因素难以获取及量化而忽视其影响，需在以后研究中进一步分析其对生态脆弱性的影响。
基于SRP-ES方法的淮河流域生态脆弱性评价——以安徽段为例
Ecological vulnerability evaluation of Huaihe river basin based on SRP-ES approach--A case study of Anhui section
-
摘要: 淮河流域安徽段旱涝频繁，地貌、土壤和岩性复杂，人口密集，煤炭等矿产开发程度高，使得生态环境脆弱度较高，需对其展开研究。将生态系统服务功能分析纳入敏感性-恢复力-压力评价模型，构建评价方法。与以往聚焦于自然因素和社会因素的方法相比，该体系亦研究了流域生态系统与社会系统之间的关系。利用地理信息技术和空间主成分分析法，对该区域2010、2015、2020年生态脆弱性评价。研究结果表明： (1) 淮河流域安徽段生态脆弱性以中重度脆弱为主，呈明显的“北高南低”分布格局。 (2) 2010—2020年淮河流域安徽段3个时段的生态脆弱性综合指数分别为3.84、3.31、3.63，整体呈先下降后上升的趋势。2010—2020年淮河流域安徽段生态脆弱性区域总体稳定，且有所好转，略微变化区域面积占比为77%，脆弱性降低区面积大于脆弱性增加区面积。研究区中、东部生态脆弱性先降低后升高。利辛县、霍邱县和寿县中部地区生态脆弱性降低，长丰县东部区域生态脆弱性升高。 (3) 淮河流域安徽段生态脆弱性呈现出强烈的空间正相关特征。低-低值区主要分布在霍邱县、寿县和长丰县；高-高值区集中分布在颍州区、颍泉区、颍东区、利辛县、蒙城县和固镇县北部。高-高聚集区域和低-低聚集区域分别向东和向西缓慢迁移。通过该评价体系分析了淮河流域安徽段生态脆弱性变化趋势，为淮河流域生态修复与可持续发展提供理论参考。Abstract: The Anhui section of the Huaihe river basin experiences frequent droughts and floods, characterized by complex geomorphology, soil, and lithology. The region is densely populated and extensively developed for coal and other mineral resources, leading to high ecological vulnerability. This study aimed to address this by integrating ecosystem service function analysis into a sensitivity-resilience-pressure (SRP) evaluation model, thereby establishing a comprehensive assessment methodology. Unlike previous approaches that primarily focused on natural and social factors, this framework also examined the relationship between watershed ecosystems and social systems. Using geographic information technology and spatial principal component analysis, the ecological vulnerability of the region was evaluated for the years 2010, 2015, and 2020. The findings revealed that: (1) The ecological vulnerability of the Anhui section of the Huaihe river basin was predominantly moderate to severe, exhibiting a clear "north high, south low" distribution pattern. (2) From 2010 to 2020, the composite index of ecological vulnerability for the three periods was 3.84, 3.31, and 3.63, respectively, indicating an initial decline followed by an increase. Over this decade, the overall ecological vulnerability of the region remained stable with some improvements, with slightly changing areas accounting for 77% of the total area, and regions where vulnerability decreased outnumbering those where it increased. Specifically, the central and eastern parts of the study area showed an initial decrease followed by an increase in ecological vulnerability. In contrast, the central areas of Lixin county, Huoqiu county, and Shou county saw a reduction in ecological vulnerability, while the eastern region of Changfeng county experienced an increase.3. The ecological vulnerability of the Anhui section of the Huaihe river basin exhibited strong spatial positive correlation characteristics. Low-low value areas were mainly distributed in Huoqiu county, Shou county, and Changfeng county, while high-high value areas were concentrated in Yingzhou district, Yingquan district, Yindong district, Lixin county, Mengcheng county, and the northern part of Guzhen county. The high-high and low-low clustered regions showed a slow eastward and westward migration, respectively. This evaluation system provides an analysis of the trends in ecological vulnerability in the Anhui section of the Huaihe river basin, offering theoretical references for ecological restoration and sustainable development in the region.
-
-
图 2 2010—2020年淮河流域安徽段生态系统服务功能空间分布图
Figure 2. Spatial distribution of ecosystem service functions in Anhui section of the Huaihe river basin from 2010 to 2020
图 3 2010—2020年淮河流域安徽段生态脆弱性空间分布图
Figure 3. Spatial distribution of ecological vulnerability in Anhui section of the Huaihe river basin from 2010 to 2020
图 6 淮河流域安徽段生态脆弱性变化等级图
Figure 6. The change of ecological vulnerability in the Anhui section of Huaihe river basin
图 7 淮河流域安徽段生态脆弱性莫兰散点图
Figure 7. Moran scatter plot of ecological vulnerability in Anhui section of the Huaihe river basin
图 8 淮河流域安徽段生态脆弱性LISA聚类图
Figure 8. LISA aggregation of ecological vulnerability in Anhui section of the Huaihe river basin
表 1 数据来源
Table 1. Data sources
数据类型 数据来源 DEM 地理空间数据云平台 (http://www.gscloud.cn/) 气象数据 中国气象科学数据共享服务平台 (http://cdc.cma.gov.cn/) 道路、水系数据 维基世界地图 (http://www.openstreetmap.org/) 土地利用数据 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn/) 人口数据 WorldPop (http://www. worldpop.org/) GDP数据 资源环境科学与数据中心 (http://www.resdc.cn/) NDVI数据 国家生态科学数据中心 (http://www.nesdc.org.cn/) 的《2000-2022年中国30米年最大NDVI数据集》 土壤数据 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn/) 潜在蒸散发数据 国家青藏高原科学数据中心 (https://data.tpdc.ac.cn/) DTB(基岩深度) 地图 YAN等[24]空间分辨率为100 m的中国深度至基岩地图 
下载: 导出CSV
表 2 淮河流域安徽段生态脆弱性评价指标体系
Table 2. Index system of ecological vulnerability evaluation in Anhui section of the Huaihe river basin
目标层 标准层 元素层 指标层 指标属性 生态脆弱性指标 敏感性子系统 地形 高程 正向 坡度 正向 地形起伏度 正向 地表 水网密度 负向 景观破碎度指数 正向 景观多样性指数 负向 气候 年平均气温 负向 年降雨量 负向 干燥度 正向 恢复力子系统 生态系统服务 产水量 负向 碳储存 负向 生境质量 负向 土壤保持 负向 植被覆盖 植被归一化指数 负向 压力子系统 人类活动干扰 人口密度 正向 社会经济 耕地占比 正向 人均GDP 负向 路网密度 正向
下载: 导出CSV
表 3 生态脆弱性变化分级标准
Table 3. Classification criteria of ecological vulnerability changes
SEVI差值 变化程度 ≤-0.2 显著降低 -0.2~-0.1 稳定降低 -0.1~0 略微降低 0~0.1 略微升高 0.1~0.2 稳定升高 ＞0.2 显著升高
下载: 导出CSV
-
[1] 周嘉慧, 黄晓霞. 生态脆弱性评价方法评述[J]. 云南地理环境研究, 2008(1): 55-59+71. doi: 10.3969/j.issn.1001-7852.2008.01.012 [2] 邱微, 赵庆良, 李崧, 等. 基于“压力-状态-响应”模型的黑龙江省生态安全评价研究[J]. 环境科学, 2008(4): 1148-1152. doi: 10.3321/j.issn:0250-3301.2008.04.051 [3] 魏雨涵, 钱建平, 范伟伟, 等. 基于RSEI的漓江流域生态环境质量动态监测[J]. 中国水土保持科学, 2021, 19(1): 122-131. [4] FERREIRA A, PEREIRA A, RODRIGUES N, et al. Integration of an agent-based strategic planner in an enterprise service bus ecosystem[J]. Institute of Electrical and Electronics Engineers, 2015: 1336-1341. [5] 高亚萍, 庄科俊. 淮河流域生态—社会—经济系统的耦合协调测度研究——以安徽段为例[J]. 内蒙古科技与经济, 2020, 14: 3-6. [6] 何刚, 王莹莹, 阮君, 等. 基于Dagum基尼系数的生态安全区域差异及收敛度研究——以淮河生态经济带安徽段为例[J]. 水土保持研究, 2021, 28(6): 348-355. [7] 蒋伟峰, 许艳, 李冬花, 等. 流域生态系统服务价值、生态风险过程及其关联性——以淮河流域安徽段为例[J]. 水土保持通报, 2022, 42(3): 120-130. doi: 10.3969/j.issn.1000-288X.2022.3.stbctb202203017 [8] 王延平, 刘霞, 姚孝友, 等. 淮河流域沂蒙山区水土保持生态脆弱性的AHP分析[J]. 中国水土保持科学, 2010, 8(3): 20-27. doi: 10.3969/j.issn.1672-3007.2010.03.004 [9] 赵冰, 张杰, 孙希华. 基于GIS的淮河流域桐柏——大别山区生态脆弱性评价[J]. 水土保持研究, 2009, 16(3): 135-138. [10] SASANKA G, ARIJIT D. Urban expansion induced vulnerability assessment of East Kolkata Wetland using Fuzzy MCDM method[J]. Remote Sensing Applications: Society and Environment, 2019, 13: 191-203. doi: 10.1016/j.rsase.2018.10.014 [11] YANG Y, REN X, ZHNAG S, et al. Incorporating ecological vulnerability assessment into rehabilitation planning for a post-mining area[J]. Environmental Earth Ences, 2017, 76(6): 245. doi: 10.1007/s12665-017-6568-y [12] KUMAR M, SAVITA, SINGH H, et al. Assessing vulnerability of forest ecosystem in the Indian Western Himalayan region using trends of net primary productivity[J]. Biodiversity and Conservation, 2018, 28(8): 2163-2182. [13] DZOGA M, SIMATELE D, MUNGA C. Assessment of ecological vulnerability to climate variability on coastal fishing communities: A study of Ungwana Bay and Lower Tana Estuary, Kenya[J]. Ocean & Coastal Management, 2018, 163: 437-444. [14] 李永化, 范强, 王雪, 等. 基于SRP模型的自然灾害多发区生态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. [15] 刘惠敏, 郑中团, 李文雯. 基于GIS的长三角城市群生态环境脆弱性综合评价[J]. 上海工程技术大学学报, 2022, 36(2): 224-230. doi: 10.12299/jsues.21-0203 [16] 张宪宇, 郄晗彤, 杨文杰. 基于模糊综合评价法的北京永定河水源地生态脆弱性评价[J]. 环境保护科学, 2021, 47(3): 159-163. [17] 何刚, 谷雅娴, 鲍珂宇. 淮河流域工业生态安全时空演变评价——以安徽段为例[J]. 安全与环境学报, 2023, 23(4): 1327-1335. [18] 吴素业. 安徽大别山区降雨侵蚀力简化算法与时空分布规律[J]. 中国水土保持, 1994(4): 12-13. [19] 董翰林, 王文婷, 谢云, 等. 新疆气候干湿变化特征及其影响因素[J]. 干旱区研究, 2023, 40(12): 1875-1884. [20] 周文佐, 刘高焕, 潘剑君. 土壤有效含水量的经验估算研究——以东北黑土为例[J]. 干旱区资源与环境, 2003, 17(4): 88-95. doi: 10.3969/j.issn.1003-7578.2003.04.017 [21] LYCHUK T E, IZAURRALDE R C, HILL R L, et al. Biochar as a global change adaptation: predicting biochar impacts on crop productivity and soil quality for a tropical soil with the Environmental Policy Integrated Climate (EPIC) model[J]. Mitig Adapt Strateg Glob Change, 2015, 20(8): 1437-1458. doi: 10.1007/s11027-014-9554-7 [22] 冉璇, 李渊, 郭宇龙, 等. 基于InVEST模型的钱江源国家公园生态系统服务评估及权衡协同关系研究[J]. 长江流域资源与环境, 2023, 32(9): 1932-1948. [23] 陈宗敏, 周冬梅, 张军, 等. 渭河流域甘肃段生态脆弱性时空演变分析[J]. 热带农业工程, 2024, 48(1): 148-156. [24] YAN F P, SHANGGUAN W, ZHNAG J, et al. Depth-to-bedrock map of China at a spatial resolution of 100 meters[J]. Scientific Data, 2020, 7(1): 2. doi: 10.1038/s41597-019-0345-6 [25] 徐超璇, 鲁春霞, 黄绍琳. 张家口地区生态脆弱性及其影响因素[J]. 自然资源学报, 2020, 35(6): 1288-1300. [26] 张慧琳, 吴攀升, 侯艳军. 五台山地区生态脆弱性评价及其时空变化[J]. 生态与农村环境学报, 2020, 36(8): 1026-1035. [27] 张学渊, 魏伟, 周亮, 等. 西北干旱区生态脆弱性时空演变分析[J]. 生态学报, 2021, 41(12): 4707-4719. [28] 王钰帆, 白强, 孙虎. 2000-2020年汾河流域生态脆弱性时空演变与驱动因素[J]. 浙江大学学报, 2023, 50(5): 607-618. [29] 马骏, 李昌晓, 魏虹, 等. 三峡库区生态脆弱性评价[J]. 生态学报, 2015, 35(21): 7117-7129. [30] 林金煌, 胡国建, 祁新华, 等. 闽三角城市群生态环境脆弱性及其驱动力[J]. 生态学报, 2018, 38(12): 4155-4166. [31] 赵宗泽, 马倩, 王一, 等. 基于SRP模型的中原城市群生态脆弱性分析与预测[J/OL]. 环境科学: 1-14 2024-06-23]. https://doi.org/10.13227/j.hjkx.202403011.
[32] 何训喜, 何刚, 彭振军, 等. 基于DPSIR模型的淮河流域安徽段生态环境评价及影响因素[J/OL]. 河北环境工程学院学报: 1-9. [2024-06-23]. https://doi.org/10.13358/j.issn.2096-9309.2023.1018.04. [33] 黄欣悦, 刘海隆. 基于空间计量模型的四川省大气污染特征及影响因素分析[J]. 中国环境监测, 2024, 40(2): 124-131. [34] 盛艳, 秦富仓, 刘林甫, 等. 基于InVEST模型的黄河流域砒砂岩区土壤保持功能演化及驱动机制[J/OL]. 西北林学院学报, 2024(3): 1-9. [2024-06-23]. http://kns.cnki.net/kcms/detail/61.1202.s.20240523.2126.036.html. [35] 王俊枝, 萨日盖, 窦银银, 等. 2000-2022年鄂尔多斯高原人类活动对植被覆盖变化的影响[J/OL]. 西安理工大学学报: 1-10. [2024-06-23]. http://kns.cnki.net/kcms/detail/61.1294.N.20240619.1139.002.html. [36] SHI F, YANG B, LI M. An improved framework for assessing the impact of different urban development strategies on land cover and ecological quality changes-A case study from Nanjing Jiangbel New Area, China[J]. Ecological Indicators, 2023, 147: 109998. doi: 10.1016/j.ecolind.2023.109998 -
点击查看大图
图( 8) 表( 3)
计量
- 文章访问数: 1675
- HTML全文浏览数: 1675
- PDF下载数: 30
- 施引文献: 0
