基于相对风险模型的区域生态风险评价

朱家兵, 吴建廷, 张华, 崔言辉*, 梁甲迪, 李西春

(1.浪潮软件科技有限公司, 济南 250101; 2.山东省国土空间数据和遥感技术研究院, 济南 250000)

随着社会经济的高速发展,人类对物质的需求越来越大。生态系统作为重要的物质产品原材料提供方,人类对其索取量在逐渐增加,在部分区域甚至已经超过了生态系统自身的生产能力,因而导致生态系统结构、过程和功能遭到不同程度的破坏[1]。如何度量这种破坏程度是生态学研究的热点之一。生态风险评价因可以直观地反映生态系统现状,以及计算未来可能存在的风险隐患,而成为评价生态系统健康状况最有效的工具之一[2]。生态风险评价的研究兴起于20世纪70年代[3]。伴随全球经济的快速发展,生态系统的破坏引起了人类的重视,与此同时,生态风险评价因其空间异质性和风险评价的复杂性,逐渐成为当今研究的热点,也是难点之一。美国环境保护署(U.S. Environmental Protection Agency, USEPA)提出了一种全新的生态风险评价理论框架,主要由问题形成、风险分析和风险表征模块组成,具体包含风险源、风险受体、评价终点、暴露分析和响应分析5个研究过程。该框架体现了管理服务为先的特点,能较为全面地对生态风险状况进行分析,因此成为以后各国学者常借鉴的评价思路[4]。

在USEPA研究框架的基础上,结合遥感影像数据,大尺度范围内的生态风险评价成为可能,因此,区域生态风险评价逐渐成为新的研究方向之一[5]。在区域尺度上,研究者根据土地利用变化情况对生态风险开展了广泛的研究。Zhang等[6]利用遥感影像进行多种土地用途分类,对土地利用与覆盖变化变化的多个阶段进行评估,利用景观干扰指数和景观破碎指数计算生态风险指数作为最终风险值。郑可君等[7]利用不同时间序列的土地利用分类图,基于景观格局指数构建了景观生态风险评价模型,并分析了风险的时空演变特征。在全球尺度上,研究主要来源于联合国机构、国际公约或其他国际组织和私营机构联合开展的项目[8]。2001年开始的联合国千年生态系统评估首次在全球尺度范围内,对自20世纪50年代以来的生态系统状况及未来发展趋势进行了评估,探讨了生态系统存在的问题、与人类福祉的关系以及对未来的发展建议等[9]。

随着评价尺度的扩大,传统的生态风险评价方法已不再适用,基于区域大尺度的生态风险评价方法需要应对多风险源、多压力胁迫因子、多区域类型等要求[10]。目前已经形成了众多评价方法模型,如因果分析法[11]、相对风险模型(relative risk model,RRM)[12]、生态等级风险评价[13]、暴露-反应法[14]、物种敏感度分布法[15-16]、3MRA(the multimedia, multi-pathway, multi-receptor exposure and risk assessment)[17]等。而RRM是目前区域尺度上应用最广泛的生态风险评价模型之一,具有应对多风险源可进行量化分析、评价范围广、强调不确定性分析等特点,曾被应用于美国的海湾、流域和沿海区域以及澳大利亚集水区风险评价[18]、滨海区生态风险评价[19]、土地利用和居住地拓展对生态风险的影响[20]等案例。但是目前基于RRM的生态风险评价研究,在风险受体选择上,大多选择某一类关键物种种群或群落[21-22]、土地利用类别[23]、土壤重金属[24]、化学物质[25]、景观格局[26]、自然环境或要素[22]、自然资源类型[27],而较少选择以整个生态系统为风险受体,来反映区域范围内生态系统整体风险状况。即便在生态风险评价中,有些研究已经将生态系统作为风险受体进行评价研究[28],但多以生态系统服务的损失度[29],景观干扰度和景观脆弱度的乘积[30],生态系统健康与生态系统服务乘积的平方[31],风险价值和供给价值之商[32],生态系统脆弱度、潜在损失与灾害危险性之积[33],风险源强弱等级、环境脆弱性等级和生态资产等级之积[34]等方法来表示生态风险值,而较少在以生态系统为风险受体的条件下,采用RRM进行风险评价计算。

鉴于此,现采用RRM算法,选择以生态系统风险受体,并以生态系统服务为评价终点,将区域范围内整个生态系统的风险状况作为一个整体进行研究,对云南省的相对生态风险状况进行了计算和风险等级划分,最后利用蒙特卡洛模型对生态风险结果进行了不确定性分析,并根据计算结果进行了风险管理。

1 研究方法与数据来源

1.1 研究区概况

云南省位于中国西南部, 如图1所示,地理坐标为北纬21°8′32′′～29°15′8′′,东经97°31′39′′～106°11′47′′,地处高原,西部为横断山纵谷区,东部为云贵高原,山地高原面积占全省总面积(39.41万km2)的94%[35]。第三次全国国土调查(简称“三调”,下同)数据显示,全省土地利用类型中林地面积占比最大为68.24%。全省人口4 690万(2021年),森林覆盖率65%(2021年),植被类型丰富多样,主要为亚热带常绿阔叶林,气候基本属于亚热带高原季风型气候,不同区域气温差异明显,多年平均降水量1 278.8 mm,降水在干湿两季和不同区域差异极大,境内水资源总量2 210亿m3,排中国第三位[36]。全省生态环境质量近年来稳步提升,地级及以上城市空气质量2021年优良天数比率达98.6%,地表水水质优良比例也不断提高,土壤环境质量总体稳定,自然生态、生物多样性得到有效保护[37]。但是生态系统脆弱,人为因素对生态环境的破坏作用较大,易频发气候干旱、洪涝泥石流、森林火灾等灾害[38]。

审图号:GS(2019)1822号为方便图表制作简洁清晰,云南省各州市名称统一简化,简化方式如昆明市简称昆明,红河哈尼族彝族自治州简称红河,其他州市类同简化,以下图、表、行文中的表达均采用简化表达图1 研究区地理位置Fig.1 Overview diagram of the research site

云南省因其植被种类丰富、山地高原地形复杂、水资源丰富、气象灾害频发、气温降水等环境在不同时空差异巨大的特点,选择为本文研究区,对研究具有生态时空异质性特征的区域生态风险评价具有重要意义。

1.2 数据来源

本研究采用的数据为云南省2021年的数据,主要包括数字高程模型(SRTM数据产品分辨率90 m)来源于地理空间数据云;云南省行政单元矢量图、土地利用分布图(分辨率30 m)等数据来源中国地理信息资源目录服务系统;各县市土地利用和土地类型的统计数据来自于二调和三调数据;社会经济发展数据,包括GDP、人口、城市化率、森林覆盖率等,来源于云南省统计年鉴和云南省国民经济和社会发展统计公报;自然资源数据,包括平均气温、水资源分布、降雨量、自然灾害类型及频次、太阳辐射量等来源于云南省气候公报,水资源分布、地表地下水量等数据来源于云南省水资源公报,水土流失统计数据来源于云南省水土保持公报。

1.3 研究方法

RRM是一种适用于区域或全球范围的应对多风险源的相对风险评价模型。在前人研究的基础上,将模型执行过程总结为7个环节[39-40]:①划分风险评价单元;②确定风险源和生境类型,计算风险源密度和生境丰度;③选择生态受体,确定评价终点;④建立暴露-响应概念模型,计算暴露系数和响应系数;⑤风险表征,计算风险值与划分风险等级;⑥不确定性分析;⑦风险管理。

1.3.1 风险评价单元划分

风险评价单元的划分目的是将具有相似生态特征和功能的区域或便于统一管理的区域进行合并归类,能够满足对生态风险评价的需求,在能客观反映区域内生态风险状况的同时,简化计算,提高管理效率。在单元划分中,有人为边界划分法和自然边界划分法,人为边界划分法便于利用政策手段进行风险管理,自然边界划分法能体现出区域生态特征的异质性,两者各有优点[40]。基于云南省省市级矢量数据,考虑到便于风险管理的需求,利用16个市级行政单元作为风险评价的基本单元。

1.3.2 风险源密度和生境丰度计算

风险源反映的是研究区域内对生态系统健康造成主要影响的因素,通常由人为因素和自然因素综合构成。风险源通过释放风险因子对生态系统造成胁迫效应,产生风险。一般用风险密度来表示风险源的相对分布情况。风险源密度代表单元区域内风险源分布的相对多寡情况,通常采用风险评价单元内某风险源面积占该单元内所有风险源面积的百分比与区域内该风险源最大面积百分比的比值来表示[41]。该比值能说明风险源的相对分布,不能代表风险源分布的绝对量。

生境是指具有异质性的生态环境,其类型通常根据土地利用情况进行划分,一般用生境丰度来表示生境的相对分布情况。生境丰度的计算与风险源密度类似,通常采用风险评价单元内某生境面积占该单元内所有生境面积的百分比与区域内该生境最大面积百分比的比值来表示生境丰度的大小。生境丰度代表评价单元内生境面积的相对大小,一般来说,生境丰度越大,生态风险越低,二者是负相关关系[42]。

1.3.3 风险受体和评价终点选择

在生态风险评价不断发展中,生态受体的选择也在不断变化。尤其是随着遥感技术的进步,大范围的区域生态风险评价成了新的研究方向之一。生态受体从过去的个体、种群、土地利用类型、自然环境、自然资源等方面已经逐渐向整个生态系统方向发展。本文在区域范围内选择生态系统作为风险受体,可以从全局角度把握区域整体的生态风险状况。

生态风险评价终点是指风险受体在风险源胁迫作用下的生态系统结构、过程和功能受到损害的程度。本研究选择以生态系统服务价值作为评价终点,可以展示生态系统本身价值的变化。生态系统服务分为供给服务、调节服务、支持服务和文化服务4个大类[43]。生态系统服务价值主要有物质量分析法、能量分析法、价值量分析法3个方法。本研究参考谢高地等人对生态资产价格评估的方法计算不同生境下的生态系统系统服务价值[44]。

1.3.4 暴露-响应概念模型

暴露-响应分析是在相对生态风险评价中对生态风险产生过程进行分析的一个环节[42]。它分为两个阶段,一是暴露阶段,风险源通过释放压力因子胁迫于风险受体,其胁迫程度用暴露系数来定量描述;二是响应阶段,风险受体在受到压力因子的胁迫作用后产生的响应,表现在评价终点上,用响应系数来进行定量描述。通过该过程,可以剖析生态风险产生的原因、发生途径和表现结果。不同区域不同时间内,生态风险的暴露-响应途径会有差异。

暴露系数确定是根据风险源通过压力因子对风险受体的胁迫程度而定,同理,响应系数是风险受体在压力因子作用下评价终点的响应程度确定的。二者皆由强到弱分为5个等级,并在0～1内赋值,分别为强(0.8～1)、较强(0.6～0.8)、中等(0.4～0.6)、较弱(0.2～0.4)、弱(0～0.2)[45]。

1.3.5 风险表征

(1)相对生态风险通过RRM进行表征。利用风险源密度、生境丰度、暴露系数和响应系数4个参数,计算得到各个风险单元的相对风险值[41]。计算方法为

(1)

式(1)中:i为风险评价单元序号;j为风险源类型序号;l为生境类型序号;m为评价终点序号;Rijlm为第i个评价单元的相对风险值,或第j个风险源的相对风险值,或第l个生境的相对风险值,或第m个评价终点的相对风险值;Sij为第i个评价单元内第j个风险源的相对风险密度;Hil为第i个评价单元内第l个生境的生境丰度;Xlj为第l个生境内第j个风险源的暴露系数;Elm为第l个生境内第m个评价终点的响应系数。

(2)指标的权重采用变异系数法确定,参数值统一进行无量纲数据换算。

(3)风险等级划分。自然断点法是一种常用的等级分类方法,其原理是在统计数据中,利用自然存在的转折点和特征点作为数据分类的裂点。本文中采用自然断点法将生态风险结果分为5个等级:低风险、中低风险、中风险、中高风险、高风险。

1.3.6 不确定性分析

在相对风险评价方法中,风险源的选择很难将整个地区的风险因素全部容纳,而且其各个因子在时间和空间上具有不确定性,难以直接预测发生的准确时间和量值,甚至有的指标只能通过间接获取的方式进行推算,因此导致得到的生态风险评价结果也具有不确定性。

本文利用蒙特卡洛模拟法(Monte Carlo simulation)主要是对评价结果的不确定性进行分析,它利用随机数发生器产生的概率分布来计算和模拟参数对结果可能产生的影响[45-46]。其算法为将随机分布的一定概率随机数输入数学模型作为输入参数,得到目标变量的概率分布情况,统计分析输入参数对目标变量的影响情况和规律。在本研究中,将风险源作为主要输入参数,计算工具采用Crystal Ball,进入模型计算后设定模拟次数为10 000次,分别设定10%、20%、30%、40%、50%的不确定性层次,分析云南省生态风险评价结果的不确定性表现情况。

1.3.7 风险管理

不同风险评价单元和不同生境在不同风险源的综合作用下的风险评价结果可能存在较为明显的差异,这种差异说明了生态系统在压力胁迫下受到了不同程度的影响。生态风险管理目的就是根据风险单元评价结果有针对性地制定管理方案,采取不同的管理模式,精准投入管理资源,降低生态风险对生态环境的影响,提高决策效率[47]。生态风险等级的划分可以把不同风险状况的区域单元进行区分,将具有相似特征的风险单元进行归纳,可更有效地从宏观层面总结区域生态风险的特点,便于制定更符合区域特点的风险管理方案。

2 结果分析

2.1 风险源分析

云南省森林覆盖率位居中国前列,但是随着经济发展,生态系统在自然灾害和人为因素的双重作用下,破坏较为严重。主要表现为过度垦殖导致耕地质量下降,毁林开荒、森林砍伐导致水土流失、生物多样性锐减、草原严重退化、抵抗自然灾害能力减弱等,自然灾害频发如地震、干旱、泥石流、风雹等,人口不断增长的同时教育落后、生活贫困致使农村生态环境恶化、环境污染等一些列后果。因此,本文选择过度垦殖、毁林开荒、自然灾害、人口负荷4个因素作为风险源。

各风险源在不同评价单元的风险密度计算结果如图2(a)所示。过渡垦殖风险源密度玉溪最高,迪庆最低;毁林开荒风险源密度丽江最高,迪庆最低;自然灾害风险源密度德宏最高,曲靖最低;人口负荷风险源密度昆明最高,迪庆最低。迪庆的过渡垦殖、毁林开荒和人口负荷3个风险源密度均为最小,说明迪庆的生态风险受到这些风险源压力因子的胁迫作用较小,这主要是因为迪庆地处青藏高原东南部,地广人稀,经济发展相对滞后,人为因素对生态系统的破坏较小,但是自然灾害风险源密度较高,主要是因为该地区的地震、泥石流等自然灾害频发,会对生态系统有一定的破坏。

图2 各评价单元的风险源密度计算结果与分析Fig.2 Results and analysis of risk sources density for each assessment unit

用散点图对风险源密度计算结果进行统计分析,如图3所示。其中,置信度为95%的置信椭圆显示,毁林开荒风险源和过度垦殖风险源的置信椭圆扁率最大,表明二者之间存在相对较高的线性相关性(R2=0.609 35,Pearson’sr=0.797 12)。毁林开荒风险源和自然灾害风险源的置信椭圆扁率最小,表明二者之间的线性相关性最小(R2=-0.022 31,Pearson’sr=0.214 11),耦合性最低。另外,线性拟合结果显示,自然灾害风险源和人口负荷风险源之间为负相关性,区别于其他风险源之间的正向相关性。由图2(b)各风险源密度的误差分布箱型图的计算数据得到,在α=0.05显著性水平下的t检验,各风险源密度大于t的绝对值的概率均为P<0.01,总体均值与检验均值存在显著不同。

图3 风险源密度散点图Fig.3 Scatter diagrams of risk sources density

2.2 生境类型

对三调中的云南省土地利用分类数据进行分析,2021年云南省的主要土地利用类型为林地(68.24%),其次为耕地(14.75%)、园地(7.08%)、草地(3.60%)、城镇及工矿用地(3.00%),以及少量的水域及水利设施用地(1.72%)、交通运输用地(1.51%)、湿地(0.10%)。根据土地利用数据,将云南省的生境分为5大生态系统环境类型:森林生态系统、草地生态系统、城市生态系统、农田生态系统和水域生态系统。森林生态系统包含乔木、灌木、竹林等土地利用类型,草地生态系统包含天然草地、人工草地等土地利用类型,城市生态系统包含城市村庄建设用地、采矿用地、道路交通用地、旅游景点等土地利用类型,农田生态系统包含耕地、园地等土地利用类型,水域生态系统包含河流、湖泊、湿地、水库沟渠、冰川积雪等土地利用类型。

各生境在不同评价单元的生境丰度计算结果如图4(a)所示。森林生态系统的生境丰度最大,远高于其他生态系统的生境丰度。草地、水域、城市生态系统的生境丰度相对较小, 农田生态系统的生境丰度居中。对计算结果分析,森林生态系统的生境丰度之所以明显高于其他生态系统,是因为森林生态系统为云南省的主要生境,其变化情况对全省的生态风险状况影响最大。草地、水域、城市生态系统因其在云南省区域内所占面积较小,权重较低,故其变化情况虽然可能对局部有较大影响,但是对整体区域的生态风险影响不大。

图4 各评价单元的生境丰度计算结果与分析Fig.4 Results and analysis of habitat abundance for each assessment unit

用散点图对各生境丰度计算结果进行统计分析,如图5所示。其中,置信度为95%的置信椭圆显示,水域生态系统生境和森林生态系统生境的置信椭圆扁率最大,表明二者之间存在相对较高的线性相关性(R2=0.502 98,Pearson’sr=0.732 2)。其次为农田生态系统生境和城市生态系统生境之间的线性相关性(R2=0.322 53,Pearson’sr=0.606 38)。城市生态系统生境和草地生态系统生境的置信椭圆扁率最小,表明二者之间的线性相关性最小(R2=-0.053 32,Pearson’sr=0.130 37),耦合性最低。另外,线性拟合结果显示,农田生态系统生境和草地生态系统生境之间为负相关性,区别于其他生境之间的正向相关性,说明农田生态系统和草地生态系统之间存在土地利用竞争的关系,农田生态系统面积的增加会对草地生态系统进行侵占的现象较为严重。由图4(b)各生境的误差分布箱型图的计算数据得到,在α=0.05显著性水平下的t检验,各风险源密度大于t的绝对值的概率,城市生态系统为p=0.47,总体均值与检验均值不存在显著不同,其他生态系统均为p<0.02,总体均值与检验均值存在显著不同。

图5 生境丰度散点图Fig.5 Scatter diagrams of habitat abundances

2.3 暴露-响应概念模型

风险源通过释放压力因子胁迫风险受体的过程为暴露过程,该研究对暴露过程进行分析,发现过度垦殖风险源释放的压力因子有耕地质量下降、水土流失、生物多样性锐减和抵抗自然灾害能力减弱等,毁林开荒风险源释放的压力因子主要有水土流失、生物多样性锐减和抵抗自然灾害能力减弱等,自然灾害风险源释放的压力因子主要有地震、干旱、泥石流和风雹等,人口负荷风险源释放的压力因子主要有教育落后、生活贫困和原料消耗等。

其中森林生态系统受到水土流失、生物多样性锐减、抵抗自然灾害能力减弱、地震、干旱、泥石流、风雹和原料消耗等因子的胁迫效应较为明显,草地生态系统受到水土流失、生物多样性锐减、草原严重退化、抵抗自然灾害能力减弱、地震、干旱、泥石流、风雹和原料消耗等因子的胁迫效应较为明显,城市生态系统受到地震、干旱、风雹、教育落后、生活贫困和原料消耗等因子的胁迫效应较为明显,农田生态系统受到耕地质量下降、水土流失、生物多样性锐减、抵抗自然灾害能力减弱、地震、干旱、泥石流、风雹和原料消耗等因子的胁迫效应较为明显,水域生态系统受到水土流失、抵抗自然灾害能力减弱、地震、干旱、泥石流、风雹和原料消耗等因子的胁迫效应较为明显。暴露概念模型计算系数按照重要程度分别赋值,结果如表1所示。

表1 暴露概念模型分析及计算系数Table 1 Exposure concept model analysis and coefficients calculation

风险受体受到压力因子的胁迫作用产生的响应反映在评价终点上,用生态系统服务来表示评价终点。供给服务主要因子有食物生产、原材料和能源,调节服务主要因子有蓄水调节、大气调节和废弃物处理,支持服务主要因子有土壤保持和养分循环,文化服务因子主要有旅游休憩、文化教育和卫生健康。其中森林、草地、草地生态系统主要响应表现在食物生产、原材料、能源、蓄水调节、大气调节、土壤保持、养分循环和旅游休憩,城市生态系统主要响应表现在废弃物处理、养分循环、旅游休憩、文化教育和卫生健康,农田生态系统主要响应表现在食物生产、原材料、蓄水调节、大气调节、土壤保持和养分循环。响应概念模型计算系数按照重要程度分别赋值,结果如表2所示。

表2 响应概念模型分析及计算系数Table 2 Response concept model analysis and coefficients calculation

2.4 风险表征

根据式(1)表述的RRM的计算方法,利用风险源密度、生境丰度、暴露系数和响应系数,分别计算不同生境条件下的各个风险源的相对风险值、风险受体的相对风险值以及不同评价单元的综合相对风险值,风险计算结果经过归一化处理,结果如表3所示。

表3 区域相对风险值计算Table 3 The calculation results of regional relative risk values

由表3分析可得在云南省16个评价单元内,昭通的风险值最高,迪庆的风险值最低;在各个生境内,城市生态系统受到的风险最高,森林生态系统受到的风险最低;在各个风险源中,人口负荷对生态系统造成的风险最高,过度垦殖对生态系统造成的风险最低;在评价终点中,调节服务产生的风险最高,支持服务产生的风险最低。

各评价单元、生境、风险源和评价终点的相对风险误差分布如图6所示。图6(a)为各评价单元的综合相对风险值及误差分布,其中,箱型图显示16个评价单元中,有9个单元位于上四分位和下四分位之间,但是有1个评价单元的值超出箱体须线上端,视为异常值,而且箱体较窄,上下须线较短,该现象说明除异常值外的其他评价单元风险值差异相对较小,数值分布较为集中。图6(b)为各生境的相对风险值及误差分布,其中,箱型图显示除1个生境处于中分位外,另外4个生境类型分别居于箱体上部和下部、须线的上端和下端,该分布情况说明各生境之间的相对风险有较大区别;下须线比上须线长,说明分布在箱体上部的生境风险权重较大。图6(c)为各风险源的相对风险值及误差分布,其中,箱型图显示4个风险源的生态风险分布呈两个群体,3个风险源的风险值聚积在箱体上端,1个风险源的风险值分布于箱体须线下端,箱体中位线上移,这说明箱体须线下端的风险状况相对较小,但与其他风险源存在明显的差异。图6(d)为各评价终点的相对风险值及误差分布,其中,箱型图显示4个评价终点的风险值分为3组,两个评价终点的风险值位于箱体中线,另外两个评价终点的风险值分列箱体须线上下端,该现象说明,从总体上看,以评价终点响应为代表的风险值彼此之间的差异性较大。

图6 相对风险误差结果分析Fig.6 Analysis of relative risk errors

将各个市的生态风险值计算结果按照自然断点的方法进行等级划分,其空间分布结果如图7所示。从图7分析可得,云南省生态风险空间分布零散,规律性不强,但一般风险等级及以上有12个市,占75%,说明云南省生态系统整体状况较为安全。

审图号:GS(2019)1822号图7 云南省各州市风险等级分布图Fig.7 Risk level distribution of various cities in Yunnan Province

其中,昭通的生态风险等级为差,是云南省生态风险相对最严重的区域,原因是该市临近贵州省和四川省,近年来社会经济发展速度较快,对森林、草地生态系统的供给需求旺盛,生态系统脆弱受人为因素影响较大;昆明和普洱两市的生态风险等级为较差,两市地形相对较为平坦,适合城市发展,对生态系统资源的需求较为强烈;大理、临沧、曲靖、红河、文山5州市的生态风险等级为一般,属于中等风险,该等级的评价单元数量最多;保山、楚雄、德宏、丽江4州市的生态风险等级为良好;西双版纳、玉溪、怒江、迪庆4州市的生态风险等级为优秀,说明该4州市是云南省生态环境最好的区域,从地形上分析,怒江、迪庆两州市位于青藏高原,且以雪山和森林植被覆盖为主,人口相对较少,受社会经济发展的影响最小,保留了最多的原始生态资源,西双版纳为旅游城市,水资源丰富,对生态系统的保护力度较大。

对各个评价单元的相对风险值进行误差计算,并用柱状图表示,结果如图8所示。误差柱状图在昭通最高,其次是昆明和德宏,而迪庆、楚雄、普洱等州市的误差柱状图较矮。该分布情况说明昭通的生态风险误差最大,虽然在相对风险计算结果上显示该市的风险等级最高,但是存在的误差却最大,不能绝对判定昭通的生态风险状况远高于其他州市;柱状图矮的州市说明该些州市的计算结果误差较小,能反映该些评价单元的风险评价结果较为接近实际风险状况。

审图号:GS(2019)1822号图例中红色柱体为误差的单位长度0.11图8 云南省各州市风险误差分布图Fig.8 Risk error distribution of various cities in Yunnan Province

2.5 不确定性分析

利用蒙特卡洛模拟方法,在Crystal Ball平台下,经过10 000次的模拟,得到了云南省各评价单元的生态风险不确定性分析结果,如表4所示。由表4分析可得,云南省各个评价单元的变异系数均在0.1左右,且均小于0.15,变化幅度最大为0.002 2,范围较小,说明由风险源的不确定性对生态风险结果的影响区间较小。通过对10%～50%的5个不确定性分析层次变化幅度Δ分析,可以得到怒江的变化幅度最大为15.27%,大理的变化幅度最小为14.29%,但是所有评价单元之间的变化幅度差异不大,小于1%,这种现象说明各评价单元的不确定性分析结果具有一致性。

图9为云南省各评价单元的不确定性计算结果分析与模拟图。其中,图9(a)为不确定性结果分析图,不确定性结果预测值在0.1～0.9,在区间分布上偏左,并按拟合优度统计值排名进行k检验,拟合结果显示,最高密度分布在0.3左右,说明风险源的不确定性对风险结果的影响存在低估现象;图9(b)为不确定性计算结果拟合及预测分析图,置信区间为5%～95%,采用ARIMA(0,1,1)方法进行预测,数据拟合预测结果显示,生态风险不确定性变化随着模拟阶段的增加,其分布范围在趋势上有主体集中分布,无明显发散现象,而是表现为,并且相对风险模拟值并没有持续升高或下降趋势,而是保持在0.19附近,说明随着风险源不确定性的增加,区域生态风险模拟结果变化趋向收敛,且数值变化趋势较小。

图9 蒙特卡洛模拟计算结果分析与预测模拟Fig.9 Analysis and predictive simulation charts of Monte Carlo simulation calculation results

2.6 风险管理

基于RRM的云南省生态风险评价结果表明,不同风险评价单元和不同生境在不同风险源的综合

(1)低风险等级。西双版纳、玉溪、怒江、迪庆4州市为低风险等级,说明该区域的生态风险很小,生态系统可持续性发展状况好。在社会经济发展没有转折性的发展趋势下,无需人为干预,政策可以相对较为宽松。因其生态系统状态优秀,适合发展旅游业等对生态系统破坏较小的产业。

(2)中低风险等级。保山、楚雄、德宏、丽江4州市为中低风险等级,说明生态风险较小,生态系统发展较为健康,受到风险源的影响较小。在政策上可以保持对生态系统的监查监视,避免出现在趋势上发生转折的现象。

(3)中风险等级。大理、临沧、曲靖、红河、文山5州市为中风险等级,说明生态系统虽然受到一定程度的威胁,但是经过人为干预等措施可以在一段时间内得到恢复。在政策上可以提前制定生态保护的规划,划定生态保护红线。

(4)中高风险等级。昆明和普洱两市为中高风险等级,说明生态系统遭到较明显的破坏,需要较长时间较高成本的持续投入进行维护。需制定生态保护长期发展的规划,对生态系统状况评价较差的部分区域,要及时进行大量资源的投入。

(5)高风险等级。昭通市为高风险等级,说明生态系统受到了较为严重的破坏,需要强有力的人为干预,政策和成本的投入最高。但是从云南省整体风险评价结果为中低风险状况来分析,即便是等级判定为高风险,仍然处于生态风险可控范围,只是风险状况相对差,而非绝对差。在生态保护上,需重点关注,加大巡视时间和频率,投入更多的资源,重点修复受损的区域。

根据以上分析,对云南省的生态风险管理建议以下四点。

(1)保护林草环境,禁止毁林开荒。云南省的森林覆盖率65%,位居中国前列,但是同时存在耕地面积较少的事实。林草环境遭破坏的情况时常发生,生态系统健康易遭到威胁。建议建立林草保护责任制,分山分区进行专人管理,严禁滥砍滥伐,毁林开荒。对有砍伐需求的林业资源,需提前做好规划,科学砍伐,建立林业资源生产规划系统,在不破坏林草资源可持续发展的前提下,管理内容包括可允许开采的树木种属、树龄,砍伐区域范围,可砍伐地形,最大砍伐量,可砍伐的时间段等参数,同时要及时补种已砍伐过的区域,加强林草全生命周期的保育。

(2)加强农业基础设施建设。在有限的耕地面积内,争取单位面积的高产量,同时要维持农田的肥力可持续状态是农业发展的重要目标之一。建议加强农业基础设施建设,包括改善水利设施,更新农业生产工具,使用物联网、5G等技术精准管理农作物生长状态、水肥投入量等,投入无人机等现代设备减少人力成本。选育优质种苗,根据当地土壤和气候特征,不断选择更适合本地种植的农作物种源,提高农作物产量和作物自我抗灾能力。充分利用互联网,将专家资源和先进技术投放到农业生产的前线,加强农业从事人员技术能力的培训,手把手教学,引导传统农业向现代农业的转变。

(3)增加教育资源投入。人口是宝贵的资源,人口数量的增加是可持续发展的前提条件之一,但是将人力资源转换成劳动力资源需要大量教育资源的投入。教育资源除了投入城市外,重点加强对边远山区、乡村等交通不便但人口聚集地方的教学设施建设,提高教师队伍的教学质量,并塑造良好的文化教育氛围,包括当地的图书馆建设、图文报刊等资料的丰富、现代媒体支持下的文化宣传、积极的政策引导等。此外要重视职业教育,增加各个年龄段各个行业的人才技能培训。人口整体教育质量的提升,可以在很大程度上解决就业问题、改变产业结构、增加居民收入、改变人口贫困现状,一定程度上可以间接地减少对自然资源的不合理索取引起的生态风险问题。

(4)建立防灾减灾体系。云南省境内常发地震、干旱、泥石流、风雹等自然灾害,建议在长期数据观测的基础上,不断优化灾害预测模型,建立一整套完善的可及时更新的防灾减灾体系,提前准备防范自然灾害所需的资源,科学精准分配救灾物资,高效应对自然灾害。对常发自然灾害的区域,建议重点增加科研资源的投入,理清灾害的发生机理,从而可以争取尽可能地人为改变自然灾害发生的孕灾条件,将灾害及时消除在萌芽状态。

3 结论

利用RRM算法,以生态系统为风险受体,对云南省的生态风险状况开展了评价及风险等级划分。其中,选取过度垦殖、毁林开荒、自然灾害、人口负荷为风险源,划分森林生态系统、草地生态系统、城市生态系统、农田生态系统、水域生态系统为生境类型,以供给服务、调节服务、支持服务和文化服务为生态风险为评价终点,并利用蒙特卡洛模型对生态风险结果进行了不确定性分析,根据评价结果进行了风险管理。主要得到三点结论。

(1)云南省生态风险整体状况良好,大部分州市的风险状况差异不大,但空间分布零散,规律性不强;昭通市的相对风险等级最高,但是结果误差也最大。

(2)在各个生境内,城市生态系统受到的风险最高,森林生态系统受到的风险最低;在各个风险源中,人口负荷对生态系统造成的风险最高,过度垦殖对生态系统造成的风险最低;在评价终点中,调节服务对生态风险的响应最高,支持服务最低。

(3)风险源的不确定性对风险结果的影响存在低估现象,且随着风险源不确定性的增加,区域生态风险模拟结果变化趋向收敛,数值变化趋势较小。

该研究利用RRM解决了自然环境时空差异大、生态系统复杂多样特点的区域生态风险评价问题,但是目前的研究是基于行政单元划分的风险评价单元,未来还可以以自然环境为基础进行自然边界划分风险评价单元进行相关的研究,两种划分法各有优缺点,可根据风险管理的要求进行选择。