西北干旱区生态脆弱性时空演变分析

张学渊,魏 伟,*,周 亮,郭泽呈 ,李振亚,张 静,颉斌斌

1 西北师范大学地理与环境科学学院, 兰州 730070 2 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室, 北京 100010 3 兰州城市学院 旅游学院, 兰州 730070

生态脆弱性理论起源于20世纪初Clement提出的生态过渡带理论[1],此理论经过不断的发展,逐渐成为生态脆弱性研究[2]。生态脆弱性是生态系统由于暴露于环境和社会变化带来的压力并缺乏适应能力而容易受到损害的一种状态[2]。随着社会经济的发展,人类活动对生态环境影响的深度和广度不断扩大[3]。作为衡量可持续发展的一个重要指标,生态脆弱性、生态脆弱性评估、生态脆弱性的驱动力分析及脆弱生态环境的恢复重建等研究逐渐成为全球性热点[4]。当前,国内学者对生态脆弱性的评价主要是基于具体的区域开展具体评价。评价方法主要有层次分析法、主成分分析法以及基于遥感、GIS的评价方法[5]等。如,张祚等[6]基于层次分析法,选取19个指标对临湘市生态脆弱性进行客观评价；钟晓娟等[7]选取气温、降水、人口等13个指标利用主成分分析法对云南省生态脆弱性进行时空分析；马俊等[8]基于“压力-状态-响应”评价模型,选取18个评价指标,利用空间主成分分析对2001—2010年三峡库区(重庆段)生态脆弱性进行综合评价；生态脆弱性的驱动力分析作为生态脆弱性评价的重要组成部分,我国有关高校和科研单位进行了很多工作。如林金煌等[9]选取高程、坡度、人口密度、人均GDP等指标利用空间主成分分析法对闵三角城市群生态脆弱性进行评价,最后基于主成分空间载荷矩阵,分析研究区生态脆弱性的驱动力；Lei等[10]利用熵权法评估西部干旱区矿区的生态脆弱性,并根据权重评估研究区生态脆弱性的驱动力；郭兵等[11]利用相关性分析的方法探讨了西北干旱荒漠区生态脆弱性的驱动机制；此外,众多学者也从不同视角开展了相关的研究工作,取得了大量研究成果,总结出了很多评价模型和方法[12-14]。上述研究成果从评价指标体系、定量评价方法、脆弱性驱动因素、提升生态恢复力保障措施等诸多领域开展了研究,这些研究工作提高了对区域生态脆弱性问题的理解,但同时也存在一些局限性：首先,在对生态脆弱性评价时,普遍采用统计数据空间插值的方法评估人类活动对生态环境的影响,然而在研究西北干旱区这种地广人稀的区域时,空间插值的方法并不能准确反映人类社会对生态环境的干扰；第二,目前对生态脆弱性驱动力探讨的研究有很多,但研究方法主要包括熵权法[6]、气候倾向率[7]、空间主成分分析法。例如,林金煌等[9]、周松秀等[14]利用空间主成分载荷矩阵分析了研究区的生态脆弱性的驱动力。虽然这些方法也从客观上分析了生态脆弱性的驱动力,但只是分析自变量对因变量的单一影响,难以探究空间分异状况,它们并不能综合反映各指标对生态脆弱性的影响因素。

基于此,本文在指标体系构建时,充分考虑指标的客观性,选取夜间灯光数据作为评估社会压力的指标[15]。夜间灯光数据评估人类活动有如下优势[16]：第一,夜间灯光数据适合在大区域上监测人类活动；第二,夜间灯光数据不受云雾的影响,具有很强的客观性；第三,夜间灯光数据能反映人口密度[17]、经济密度[18]、城市化水平[19]、道路等信息[20],综合性强。在对生态脆弱性驱动力评估时,本文引入地理探测器[21]分析生态脆弱性的影响因素。利用地理探测器探测西北干旱区的影响因子,首先不需要对影响因子预设限定,另外可以利用因子交互作用探测各指标对生态脆弱性的影响,从而更加全面的探测西北干旱区生态脆弱性影响因子。

本文以西北干旱区作为研究区,选取2000、2007、2012、2018年等研究区经济快速发展、环境政策发生变化的四个阶段,从土壤、地形、气候、社会经济等方面选取了13个指标,构建了适合于西北干旱区的生态脆弱性评价指标体系；利用空间主成分分析法、编码法[12]对西北干旱区生态脆弱性进行监测评估；在分析西北干旱区生态脆弱性时空变化的基础上,引入地理探测器定量探测了西北干旱区生态脆弱性的影响因素；最后基于西北干旱区生态脆弱性的监测结果和影响因素,构建了西北干旱区生态管理与优化分区图,以期为西北干旱区的生态管理提供科学依据。

1 研究方法与数据来源

1.1 研究区概况

西北干旱区[22]东部以贺兰山为界,南达昆仑山、阿尔金山和祁连山,位于73°—107°E和35°—50°N之间。行政区上主要包括新疆全省、甘肃省河西走廊地区和内蒙古西部地区,具体包括新疆的14个地、州、市,甘肃省的酒泉、嘉峪关、张掖、武威、金昌,以及内蒙古的阿拉善盟,面积2.09×106km2,海拔介于-154.31—7311 m之间。研究区深居内陆,距海遥远,大致为年平均降水量<200 mm,气候干燥,荒漠戈壁的面积占总面积的64.47%,是典型的温带大陆性气候。再加上区内地形起伏大,土层浅薄,生态环境十分脆弱,受到破坏后很难恢复。

1.2 数据来源及预处理

本文采用的数据包括：(1)夜间灯光数据(2000、2007、2012、2018年)：美国国家海洋和大气管理局国家地球物理数据中心(NOAA/NGDC)网站(http://www.ngdc.noaa.gov/eog/DMSP-OLS.html)提供了1992—2013年的DMSP-OLS夜间灯光时间序列数据和2012—2018年的NPP-VIIRS夜间灯光数据。DMSP-OLS数据消除了云、火光等噪声因素的影响,灰度值为0—63,分辨率为1 km。本研究将DMSP-OLS-OLS数据投射到Lambert方位等面积投影中,并利用西北干旱区边界将其裁剪。由于NSL数据来源于六颗不同的DMSP-OLS卫星(F10、F12、F14、F15、F16和F18),缺乏连续性和可比性,本文采用曹子阳等[23]的方法对其进行矫正；DMSP-OLS传感器设计存在局限性,本文利用增强型植被指数对其进行降饱和处理。NPP-VIIRS数据为月尺度数据,分辨率为430 m。NPP-VIIRS数据没有去除噪声因素,且NPP-VIIRS数据和DMSP-OLS数据的DN值有很大的差别,我们采用Zhao等[24]的方法进行矫正和拟合。(2)土地利用数据、土壤有机质含量数据、土壤侵蚀空间分布数据、土壤类型分布数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),分辨率为1 km。通过参考《生态环境状况评价技术规范(2015)》计算得到西北干旱区生物丰度指数。(3)气温、降水数据来源于中国气象数据网的气象站点月数据,基于ArcGIS 10.6软件平台,利用克里金插值法[25]对站点数据进行空间插值,从而得到西北干旱区2000、2007、2012、2018年平均气温、年降水量空间分布数据,分辨率为1 km。(4)数字高程数据(DEM)来源于地理空间数据云平台(http://www.gscloud.cn),基于DEM数据,参考俞红等[26]的相关研究成果,计算西北干旱区的地形位指数[27]、河网密度,分辨率为1 km。(5)植被覆盖数据(2000、2007、2012、2018年)来源于美国国家航天航空局的地球观测系统EOS/MODIS数据集中的月尺度产品,分辨率为1 km。(6)社会统计数据来基于人口分布栅格数据和耕地、林地栅格数据计算得出,空间分辨率为1 km。

1.3 指标体系构建

生态脆弱性[2]定义为生态系统由于暴露于环境和社会变化带来的压力并缺乏适应能力而容易受到损害的一种状态。因此,影响生态脆弱性的因素主要包括自然因素和人为因素两方面,研究区的生态环境表征研究区的自然本底条件,人类社会通过一系列的活动优化或破坏生态环境,生态脆弱性评价结果是否准确的关键取决于评价指标体系建立是否合理[27]。“压力-状态-响应”模型[1]通过分析生态环境内部的因果关系,介入有针对性的生态环境调控措施,实现生态环境的可持续发展。本文通过借鉴前人的研究成果,结合西北干旱区生态环境的实际状况,基于“压力-状态-响应”模型,遵循科学性、综合性、独立性的原则,选取13个指标构建西北干旱区生态脆弱性评价指标体系(表1)。

表1 生态脆弱性评价指标体系

压力是状态发生变化的原因,响应是状态发生变化后的结果[9]。西部大开发(2000年)以来,西北干旱区社会经济得到快速发展,导致生态环境的急剧恶化；西北干旱区地广人稀,城乡建设用地的面积仅占研究区总面积的0.52%,通过对统计数据进行空间插值并不能准确的反映人类活动对生态环境的影响。因此本文选取夜间灯光指数和土地利用数据代表社会活动对西北干旱区生态环境造成压力的指标。

状态指标是研究区多种因素长期作用的体现,是区域生态环境本底条件最直接的体现[14]。西北干旱区位于亚欧大陆中部,终年干旱,年降水量小于200 mm,土地贫瘠,植被覆盖度低,是典型的干旱地区。因此,本文选取土壤有机质含量数据、土壤侵蚀空间分布数据、土壤类型分布数据表征研究区土壤脆弱性因子；选取年均降水量、年均气温和河网密度代表研究区的水热组合情况；生物丰度指数、植被覆盖度反映了研究区生物活动状况,体现了生物对研究区生态环境变化的抵抗能力；选取地形位指数作为研究区地形地貌脆弱性因子。

响应是人类社会为促进生态环境可持续发展提出的针对性措施。人均耕地面积、人均林地面积反映人类社会拥有农业资源的状况,较高的人均耕地面积和人均林地面积可以显著提高人类面对生态环境变化的响应能力。因此,选取人均耕地面积、人均林地面积作为西北干旱区生态脆弱性评价的响应因子。

为了验证所选取的生态脆弱性评价指标是否存在信息冗余问题,在评价前,本文利用SPSS进行自变量之间的共线性诊断。本文利用方差膨胀性因子(Variance inflation factor)和容忍度(Tolerance)作为多元共线性诊断的因子[28]。方差膨胀性因子越大表示共线性越强,以10为界,大于10则表示共线性明显；容忍度值为方差膨胀性因子的倒数,容忍度越小表示共线性越强,以0.1为界。基于ArcGIS 10.6软件平台,在西北干旱区建立15 km×15 km的渔网,共生成9327个渔网点,利用这些渔网点提取13个评价指标和生态脆弱性指数进行共线性诊断。结果表明(表2),研究区13个评价指标没有共线性,可以作为研究区生态脆弱性评价使用。

表2 多元共线性诊断结果

1.4 指标标准化

各评价指标由于量纲不同,单位不统一,存在横向不可比的问题。本文根据各指标对生态脆弱性的影响,将评价指标分为正向指标和负向指标。负向指标表示值越大生态脆弱性指数越小,正向指标表示值越大生态脆弱性指数越大。其中,负向指标包括：植被覆盖度指数、生物丰富指数、年均降水量、河网密度、人均耕地面积、人均林地面积、土壤有机质含量、地形位指数；正向指标包括：年均气温、土壤侵蚀强度、夜间灯光指数。指标标准化采用极差标准化法,其公式为[29]：

正向指标：

Ri=(Xi-Xmin)/(Xmax-Xmin)

(1)

负向指标：

Ri=(Xmax-Xi)/(Xmax-Xmin)

(2)

式中Ri代表第i指标的标准化值,Xi为各指标的实际值,Xmax为各指标的最大值,Xmin为各指标的最小值。

按照分级赋值法对对各评价指标进行分级赋值[30],依据不同土地利用水源涵养能力,各种土地利用按照由低到高的顺序排列：林地、水体<草地<耕地<建设用地<裸地,分别赋值为0—1；土壤类型按照其对生态环境的保护能力由低到高为：黑钙土、黑土、黑毡土、灰褐土<草甸土、寒冻土、灰钙土、草毡土、潮土<灌漠土、灰棕漠土<盐土、漠境盐土<石质土、风沙土,分别赋值为0—1；最后将其正向化处理。

1.5 空间主成分分析

空间主成分分析(SPCA)是基于数理统计的原理,通过对特征光谱空间坐标轴的旋转,将多个空间指标数据转化为少数几个综合性图层。因其在整个计算过程中没有人为打分,脆弱性评价结果较为客观。本文基于ArcGIS 10.6软件平台,将13个标准化后的指标进行空间主成分分析,根据主成分达到85%以上确定5个空间主成分(表3),最终计算出西北干旱区生态脆弱性指数(EVI)。计算公式为[31]：

表3 各主成分的特征值、贡献率、累计贡献率

EVI=r1Y1+r2Y2+r3Y3+……+rnYn

(3)

式中：EVI为生态脆弱性指数,ri为第i个主成分,Yi为第i个主成分对应的贡献率。

1.6 生态脆弱性标准化及分级

为了便于对各期生态脆弱性进行比较,本文对2000、2007、2012、2018年各期生态脆弱性结果进行标准化处理,其公式为[23]:

(4)

式中,SIEVI为生态脆弱性指数的标准化值,值域为0—1；EVIi为生态脆弱性指数的实际值；EVImin为生态脆弱性指数的最小值；EVImax为生态脆弱性指数的最大值。

为了研究不同时期不同土地利用下生态脆弱性的分级情况,本文利用ArcGIS 10.6中的Raster Calculator工具对不同土地利用与生态脆弱性分级结果进行叠加分析,可以获得不同土地利用情况下各生态脆弱性等级的分布情况,其运算公式为[29]：

LEVI=10×CodeEVI+CodeLUCC

(5)

NLEVI=1000000×LEVI2000+10000×LEVI2007+100×LEVI2012+LEVI2018

(6)

式中,LEVI为不同土地利用下各生态脆弱性等级的分布,CodeEVI为生态脆弱性分级情况(1—4),1—4分别代表微度脆弱区、轻度脆弱区、中度脆弱区和重度脆弱区；CodeLUCC为土地利用分级结果(1—6),1—6分别代表耕地、林地、草地、水域、建设用地和未利用地；计算后的LEVI中,十位代表脆弱区分级,个位代表土地利用,例如,14代表微度脆弱区水域。NLEVI为2000、2007、2012、2018年四期不同土地利用下各生态脆弱性等级的分布；LEVI2000、LEVI2007、LEVI2012和LEVI2018分别为2000、2007、2012、2018年各期不同土地利用下各生态脆弱性等级的分布。

1.7 地理探测器

地理探测器是探测空间分异性,以及揭示其影响因素的一种统计学方法。地理探测器包括4个探测器：因子探测、交互作用探测、风险区探测和生态探测。生态脆弱性的空间分布具有明显的空间分异性,受多重因素综合影响。利用地理探测器的因子探测和交互作用探测,既可以定量的分析影响西北干旱区生态脆弱性空间差异的驱动因子,也可以用来探测两变量之间可能的因果关系。

(1)因子探测器：探测生态脆弱性变化Y的空间分异性,以及探测不同因子X对生态脆弱性Y变化的解释力。用q值度量,表达式为[21]：

(7)

(8)

(2)交互探测器：分析不同影响因子之间的交互作用,即分析不同因子共同作用时是否会增强对生态脆弱性的解释力。评估过程中,首先需要分别计算两个因子对Y的q值：q(X1)和q(X2),并计算两个图层相切时对Y的q值：q(X1∩X2),并比较q(X1)、q(X2)和q(X1∩X2)。其关系可以分为[21](表4)：

表4 交互作用关系

2 结果与分析

2.1 生态脆弱性时空变化总体特征

根据西北干旱区的自然地理特征,采用自然断点法(Natural Breaks),将研究区分为微度脆弱区(0—0.29),轻度脆弱区(0.29—0.49),中度脆弱区(0.49—0.73),重度脆弱区(0.73—1)。图1为西北干旱区2000、2007、2012、2018年的生态脆弱性分布格局。从图1可以看出,西北干旱区以重度脆弱性为主,约占研究区总面积的50%。其主要原因是西北干旱区沙漠戈壁较大,土层浅薄。从不同等级生态脆弱性分布来看,微度脆弱区与轻度脆弱区主要分布于天山、祁连山、昆仑山等高大山脉地区。重度脆弱区和中度脆弱区主要分布于盆地和高原地区。

图1 2000—2018年西北干旱区生态脆弱性Fig.1 Ecological vulnerability of the northwest arid region from 2000 to 2018

图2为西北干旱区2000、2007、2012、2018年生态脆弱性面积分布图。总体来看,西北干旱区生态脆弱性基本不变,略有下降。生态脆弱性的平均值由2000年的1.11下降为2018年的1.07,表明西北干旱区生态环境有所好转。从各等级的分布来看,微度脆弱的面积基本不变,这主要是由于西北干旱区微度脆弱区主要分布在阿尔泰山、天山、祁连山等高大的山脉地区,这些地区海拔较高,生态本底条件较好,大部分位于生态保护核心区,禁止开发,因此变化较小。轻度脆弱和中度脆弱的面积呈上升趋势,其面积之和所占的比重由2000年的34.02%增长为2018年的39.83%,主要原因是西北干旱区生态环境逐年好转,许多重度脆弱区转为中度脆弱区和轻度脆弱区。重度脆弱区的面积快速下降,由2000年的1080101 km2下降为2018年的961261.6 km2,这主要与西北干旱区降水在2000—2018年不断上升、植被条件得到改善、生态环境保护力度增大有关。

图2 西北干旱区生态脆弱性等级面积分布 Fig.2 Area distribution of ecological vulnerability in northwest arid region

为进一步明确西北干旱区脆弱性变化在空间上的分布,本研究利用ArcGIS 10.6软件对西北干旱区的脆弱性结果进行增减分析,得到了西北干旱区2000—2007、2007—2012、2012—2018、2000—2018年的动态监测图(图3)。2000—2007年,西北干旱区生态脆弱性比较稳定,稳定区的面积占西北干旱区总面积的93.87%,高度增加区与高度减少区零星分布,低度减少区的略大于低度增加区。其中,低度增加区主要分布在天山山脉,这主要是由于西部大开发初期社会经济的快速发展,使得草地大规模转为农田,再加上极端气候的影响,使得天山地区的生态脆弱性升高,由微度脆弱转化为轻度脆弱。2007—2012年,生态脆弱性整体比较稳定,生态环境持续好转,生态脆弱性低度减少区较低度增加区高6%,且增加区与减少区分布集中。增加区主要集中在南疆绿洲区和昆仑山山脉地区,减少区主要分布在北疆地区。受气候变化的影响,昆仑山地区的冰川大量融化,许多冰川转化为裸岩；伴随着冰川的消融以及社会经济的发展,塔里木盆地边缘的绿洲面积快速扩大,生态脆弱性快速增加。2012—2018年,稳定区的面积虽然比2007—2012年低8%,但仍然占总面积的79.69%,总体比较稳定。低度增加区与高度减少区分布比较分散,昆仑山地区生态脆弱性有所下降,环塔克拉玛干沙漠的绿洲区和河西走廊地区生态脆弱性呈上升趋势,这主要是由于第一产业的不合理发展,导致与让环境不断退化。总体来看,西北干旱区2000—2018年生态环境基本不变,略有好转。由于西北干旱区60%的土地为戈壁荒漠,人为干扰较少,使得稳定区成为所占比重最大的类型；高度增加区与高度减少区面积非常小,两者之和小于总面积的2%；低度减少区的面积比低度增加区的面积高6%,其中,低度减少区主要分布于北疆地区、昆仑山地区和河西地区,而沿塔克拉玛干沙漠分布的绿洲区生态脆弱性有所上升。南疆地区近年来社会经济快速发展,特别是第一产业的发展,导致其生态本底条件不断下降,再加上该地区人口的不断增加,使得人均农业资源拥有量迅速下降,应对生态环境变化的能力不断下降,生态脆弱性不断上升。

图3 西北干旱区生态脆弱性动态监测Fig.3 Dynamic monitoring of ecological vulnerability in northwest arid region

2.2 不同土地利用结构的生态脆弱性时空变化

图4为西北干旱区在不同土地利用下生态脆弱性的等级分布。西北干旱区微度脆弱区主要分布于林地、草地和水域地区,而耕地、城乡建设用地和未利用地分布较少,其中,微度脆弱区在草地的分布面积最大。这主要是由于,林地、草地和水域地区生态本底条件较好且西北干旱区草地面积远大于林地、水域。2000—2018年,耕地和草地微度脆弱区面积不断扩大,扩大的区域主要分布于天山和河西走廊的绿洲区,说明西北干旱区农业区生态环境逐年变好；水域微度脆弱区下降明显,主要是由于西北干旱区冰川大面积融化,永久性冰川雪地面积减少。轻度脆弱区主要分布于耕地、草地地区；由于大量的草地转为耕地,耕地的面积不断扩大,从而导致耕地轻度脆弱区面积呈上升趋势,草地轻度脆弱区面积略有下降,未利用地轻度脆弱区主要由草地微度脆弱区和水域微度脆弱区转换而来,因此,对于这部分地区需要大力管理保护。草地与未利用地是中度脆弱区的主要组成部分,其中,未利用地所占的比重最大,约占中度脆弱区总面积的70%,2000—2018年,耕地中度脆弱区的面积不断上升,主要原因是人类不断的开荒,导致大量的未利用地转为农田,另一方面,不合理的种植也是耕地环境不断下降主要原因。随着国家对生态环境的日益重视,生态治理的力度不断加大,大量绿洲周围的荒漠、戈壁得到治理,使得2000—2018年中度脆弱区未利用地迅速扩大。重度脆弱区几乎全部集中在未利用地地区,2000—2018年重度脆弱区未利用地的面积共下降10%,其大都转为中度脆弱未利用地,生态环境不断好转。

图4 不同土地利用下生态脆弱性空间分布Fig.4 Spatial distribution of ecological vulnerability under different land-use types

2.3 生态脆弱性驱动力分析

本文基于ArcGIS 10.6软件平台,创建15 km×15 km格点,共提取9328个格点用于提取各因变量和自变量的值,以便进行驱动力因素定量分析评价。选取生态脆弱性指数作为因变量因子,选取生态脆弱性的13个指标作为自变量因子,在对其进行标准化处理后,利用自然断点法将2000、2007、2012、2018各期生态指标分为5级,由数值量转变为类型量。最后利用地理探测器分析各指标对生态脆弱性的影响。

因子探测器用于分析各指标对生态脆弱性的影响程度。由表5可知,各指标的p值均为0,说明4期影响因子对研究区生态脆弱性解释力都很充足,这也证明选取土壤、气候、植被等指标计算西北干旱区生态脆弱性是可行的。总体来看,西北干旱区各指标对生态脆弱性的影响力基本稳定,其中q值排名前两位的始终是土壤有机质含量与地形位指数,q值的均值分别为0.63和0.36,说明西北干旱区生态脆弱性受土壤有机质含量与地形因素影响最大。这主要是由于西北干旱区土层浅薄,漠土和初育土占研究区的52.86%,此类型的土壤有机质含量极低,不利于植被的生长,因此生态环境脆弱性较低；随着海拔的升高,降水开始增多,植被覆盖度和土壤有机质含量都呈上升趋势,生态脆弱性降低。2000—2018年,q值在3—6位的主要是气温、降水、夜间灯光指数、河网密度和植被覆盖度。气温和降水因素对西北干旱区生态脆弱性的影响大致相当,都为0.27,这主要是由于西北干旱区属于大陆性气候,生态环境的变化很大程度上受到气温和降水的影响。由于西北干旱区严重缺水,河网密度大的地区水资源充足,植被覆盖度相对较高,生态脆弱性较低。总体来看,夜间灯光指数的q值呈上升趋势,这说明社会活动对生态环境的影响逐渐上升的。

表5 生态脆弱性因子探测q值统计

交互探测用于评估两个因子共同作用时是否会增强对生态脆弱性的解释力。总体来看(表6),生态脆弱性因子交互作用值大于单个因子的最大值,从而说明各指标对生态脆弱性的影响不是相互独立的,而是协同发生的。如表所示,除了土壤有机质含量与生物丰度指数、土壤有机质含量与人均林地面积以及土壤有机质含量与人均耕地面积在一些年份为非线性增强,其余都为双因子增强。2000—2018年,西北干旱区交互探测结果总体较为稳定,其中土壤有机质含量与其他指标的交互作用最高,土壤有机质含量与剩余12个指标的交互作用的q值均大于0.6,远高于其他指标之间的交互作用。土壤要素、水资源要素、生物要素之间的交互作用强于各要素内部的交互作用,自然因素和社会因素交互作用的强度强于各因素内部的交互作用,说明西北干旱区生态脆弱性是各因素综合作用的结果。

表6 西北干旱区生态脆弱性因子交互探测结果

2.4 生态环境管理与优化

生态环境脆弱性监测及驱动力分析的目的是为决策者提供生态环境改善的建议。本探究从不同的角度对西北干旱区生态脆弱性进行分析,绘制了西北干旱区生态环境管理与优化分区图,将西北干旱区划分为五个优化区(图5)：生态核心保护区、生态综合监测区、生态优化关注区、生态恢复治理区、生态潜在治理区。不同优化配置区面积、编码及其分布如表7所示。

表7 优化配置分区统计表

图5 生态环境管理与优化Fig.5 Ecological environment management and optimization

生态核心保护区由微度脆弱区、轻度脆弱区组成,主要分布于高大的山脉地区及山前绿洲区,主要包括耕地、林地、草地以及水域。高山区的林地、草地多为自然保护区,应继续维持其生态保护政策,保护其土壤环境质量。山前绿洲区主要为灌溉农业区,由于农业设施不健全,主要以大水漫灌为主,土壤盐渍化严重,然而,作为西北干旱区主要的人口分布区,大规模的退耕还林、还草政策并不适用于该地区,因此,推广节水农业成为该地区平衡生态和经济发展的重要手段。

生态综合监测区主要位于盆地和高原地区,以未利用土地为主,且常年较为稳定。生态综合监测区生态脆弱性较高主要是由于该区位于亚欧大陆腹地,盛行下沉气流,降水较少、蒸发旺盛。因此,应减少人类活动对生态综合监测区内部的影响,在监测区的边缘,建立缓冲区,防止重度生态脆弱区的扩张。

生态优化关注区主要位于西北干旱区的绿洲区。由于环境保护力度的增强,该地区生态脆弱性不断降低。因此,对于这些地区来说,只需要维持其原有的环境政策即可。

生态恢复治理区一部分位于高大的山脉的永久性冰川地区和天然草地地区,另一部分位于南疆绿洲区。生态脆弱性逐年下降。高山生态恢复区生态脆弱性上升的主要原因是永久性冰川融化,地表裸露,因此需加大对永久性冰川的监测力度。沙漠边缘区的恢复治理区以耕地和草地为主,这主要是由于近年来南疆地区经济快速发展,而第一产业在产业结构中的比重较高,生态环境治理相对滞后。

生态潜在治理区面积较小,西北干旱区各绿洲区均有分布。一方面,由于西北干旱区气候不稳定,使西北干旱区生态脆弱性发生波动,另一方面,人类不合理的社会活动,以及其活动范围不断扩大,导致生态环境退化。因此,在沙漠边缘生态恢复区应推动退耕还牧、还草等生态工程,以维护生态环境稳定。

3 结论与讨论

3.1 结论

西部地区作为我国重要的生态环境脆弱区,在资源、环境、生态等方面具有重要的战略地位。鉴于研究区独特的地理环境特征以及目前相关研究的局限性,本文选取夜间灯光、气候、土壤、人均耕地面积等13个结构完整、易于统计的指标,基于空间主成分分析法,对西北干旱区生态脆弱性状况及其时空变化进行分析,并利用地理探测器探测驱动因子。得到以下结论：(1)从研究区生态脆弱性演变特征来看,西北干旱区生态脆弱性整体以重度脆弱为主,2000—2018年,生态脆弱性呈基本不变略有下降的趋势；(2)从不同土地利用生态脆弱性分布来看,微度脆弱区以草地、林地和水域为主,轻度脆弱区以耕地和草地为主,中度脆弱区和重度脆弱区以未利用地为主。(3)从因子探测来看,13个指标对生态脆弱性的解释力都很充足,对研究区影响最大的五个因子为土壤有机质含量、地形位指数、气温、降水、夜间灯光指数。

3.2 讨论

本文利用夜间灯光数据表征人为干扰因素,并利用空间主成分分析方法对西北干旱区生态脆弱性进行检测；基于地理探测器以空间定量的方式分析了西北干旱区生态脆弱性的影响因素,结果更加客观、科学。这也可以从郭兵等[11]、魏伟[25]等的研究成果中得到证实。值得注意的是,当前在对生态功能分区时多采用静态视角,即通过综合分析各指标的方法,对生态环境进行管理优化。然而区域的生态环境动态,持续变化的,各生态指标也随着时间的变化产生了较大的变化,对西北干旱区生态格局的优化有必要关注研究区各生态指标的变化过程。因此,在生态安全格局优化时,在科学计算研究区生态脆弱性的基础上,有必要结合研究区生态脆弱性的时空变化情况和驱动因素,强化研究区生态安全格局构建的综合性。然而,生态脆弱性评价是一个复杂的过程,外部压力如何影响生态系统及其过程的问题以及生态脆弱性的实地验证的问题仍难以解决。因此,在未来的研究中,应进一步夯实生态脆弱性的理论研究,进一步完善生态脆弱性的实地验证方法。