城市滑坡災害生態風險不確定性分析及風險管理
——以深圳市為例

吳健生,羅宇航,王小玉,趙宇豪,2

1 北京大學城市規劃與設計學院, 城市人居環境科學與技術重點實驗室, 深圳 518055 2 北京大學城市與環境學院, 地表過程分析與模擬教育部重點實驗室, 北京 100871

隨著城市化進程加快,城市生態系統與人類建設活動之間的矛盾日益凸顯,引起了人們的廣泛關注[1- 2]。城市的快速興起加快了土地利用轉化的進程,加劇了洪澇干旱、滑坡等災害的發生[3- 5],生態風險不斷增高,對人類生存發展和生態系統健康構成巨大威脅。生態風險是生態系統暴露在某種危險環境下遭受脅迫的可能性,具體是指種群、生態系統受到外界因素干擾時,結構、功能難以繼續維持,其內部要素或其自身健康、生產力、經濟價值和美學價值受損的概率[6]。目前,生態風險的研究多集中于評價人類活動造成的環境風險,如景觀破碎化[7]、生態系統服務減少[8]和湖泊富營養化[9]等,以揭示生態風險分布情況。滑坡災害生態風險作為常見的自然災害生態風險類型,關注滑坡災害對生態系統及其組分可能產生的不利影響。目前,其評價研究主要考慮滑坡災害發生的概率、遭受滑坡影響時的敏感反應大小及受體遭受沖擊時的潛在損失三類因素[10]。開展滑坡災害生態風險評價對梳理定位高風險區域、防范風險不利后果具有重要意義。然而,有關評價本身多關注風險分級結果,缺乏明確的風險管理目標,導致具體措施難以實施。因此,考慮評價終點受到脅迫產生的不利效應后,還應提出相應的風險管理措施,從而為決策提供支持[11]。基于生態風險結構的滑坡災害生態風險管理是一種客觀的區域管理劃分手段,能夠根據風險評價結果提出相應的治理措施[10],但該方法在風險結構可視化方面較為薄弱,不利于城市風險分區管理,需要對其進一步改進。

此外,生態風險評價采用的數據、方法、信息的不完整,導致評價結果具有不確定性[6]。認識生態風險評價中不確定性的產生和傳播機理,了解評價結果不確定差異,有助于明晰評價結果的準確性,合理管控生態風險。目前,針對生態風險不確定性的研究方法大致分為解析法和試驗法[12- 13]兩類。解析法運用概率論推算結果的不確定性,適用于服從統計分布的不確定性分析；試驗法通過生成隨機樣本、建立公式聯系、統計預測數據來分析不確定性,在剖析復雜計算過程的不確定性成因方面更具優勢[14]。本文利用試驗法——蒙特卡洛模擬分析誤差產生和傳播過程[14],從而計算特定評價流程產生的不確定性差異[6]。

深圳市是我國重要的窗口城市,自從1980年成為經濟特區之后,城市化發展迅速,僅1996年到2015年,建成面積增長77.8%,且地處丘陵、低山、高臺地地區,隨著建設活動密度加劇,形成了眾多不穩定邊坡,在強降雨下極易誘發崩塌或大面積滑坡,造成生態破壞[11,15],因此,了解人類活動下的深圳市滑坡災害危險分布、準確評價滑坡災害下的潛在生態風險、提出合理的風險管理措施十分必要。本文利用“危險性-脆弱性-潛在損失”的三維評價框架[10],評價街道尺度下的生態風險,分析生態風險不確定性來源和傳播過程,以準確認識不同評價單元的不確定性差異并希望揭示深圳市生態風險的風險結構特征,提出相應風險管理措施。

1 研究區與數據

1.1 研究區概況

深圳市(22°27′—22°52′N, 113°46′—114°37′E)位于我國廣東省南部,北回歸線以南,屬亞熱帶季風氣候,年均降雨1933.3 mm。截至2015年,全市下轄10個區,57個街道(圖1),土地總面積1996.9km2,全市東西寬,中間窄,呈啞鈴形,地勢東高西低,最高海拔超過900米,地貌類型為低山、丘陵、臺地、階地和平原。低山和高丘陵占地17.95%,低丘陵占30.94%,臺地及二級階地占23.11%,平原及一級階地占26.45%,其余為陸地水面。

圖1 深圳市街道及滑坡編錄Fig.1 Subdistrict and landslide inventory of Shenzhen City

1.2 數據來源

本文基于深圳市政府2015年土地變更調查數據,參考《土地利用現狀分類(GB/T 21010—2017)》,按研究需要重分類分為耕地、林地、草地、園地、水域、主要道路、獨立工礦用地、鐵路和其他建設用地九種用地類型。深圳市1∶5萬地質圖來自深圳市地質學會,對其進行空間校準和矢量化處理。DEM和Landsat TM影像數據為30 m分辨率柵格,來源于地理空間數據云(http://www.gscloud.cn/),用于生成坡度、坡面曲率和NDVI數據。降雨數據(2005—2015年逐日降雨量)來源于深圳市氣象局，通過對全市54個氣象觀測點進行克里金插值得到多年平均降雨量。深圳市邊坡數據點來源于深圳市規劃和國土資源委員會的《深圳市邊坡普查總結報告》。2008—2014年滑坡災害數據來源于深圳市規劃和國土資源委員會,滑坡位置以文字形式列出,在Google Earth軟件中生成112例滑坡數據點；等量“無隱患點”為坡度小于2°[16]并在深圳市地質災害易發程度分區圖[17]中被劃為地質災害不易發區的隨機柵格點(圖1)。

2 生態風險評價

生態風險評價是指對區域內一種或幾種不確定的事故或災害對生態系統結構及其功能可能產生的不利影響進行的評價[18]。本文借助“生態風險(Risk)=危險性(Hazard)×脆弱性(Vulnerability)×損失(Damage)”三維評價框架進行區域生態風險評價[10],選用滑坡災害作為評價危險性的災種,關注景觀結構生態學特征在面對災害時表現出的脆弱性,用生境質量核算潛在生態損失,三因子等權重相乘完成評價。

2.1 基于BP人工神經網絡的滑坡災害危險性評價

隨著人工神經網絡在各類研究中的興起,BP(Back-propagation)網絡由于其能依靠計算機自動學習樣本,受到較少的人工干預且精確程度較高,在滑坡等地質災害評價中廣泛運用[19- 21]。BP神經網絡是一種基于誤差反向傳播進行權值訓練的多層前向網絡,目前運用最廣泛的3層BP神經網絡由單個輸入層、隱藏層和輸出層組成。BP網絡訓練的主要目的是擬合適宜的激活函數,不斷調整權重和閾值,使輸出值與實際結果之間的均方誤差MSE(Mean Squared Error)達到設定目標,得到可用于預測的網絡。

(1)

式中,K為網絡測試集的樣本數,ok為測試集的觀測值,pk為神經網絡的預測值。

利用深圳市112例歷史滑坡點(設為“1”)和等量的“無隱患點”(設為“0”)共224例樣本點對深圳市全域內的滑坡災害危險性進行預測。隨后提取樣本點對應的環境因子,用于人工神經網絡的訓練和測試。考慮滑坡機理[15],本文從數據源中獲取了9項環境因子,包括：高程、坡度、剖面曲率、平面曲率、地層巖性、斷層距離、NDVI、邊坡點核密度和年平均降雨量,將所有圖層輸出為60 m×60 m的柵格大小。為避免相似因素被重復考慮,導致模型估計失真,需識別環境因子之間的關聯關系,剔除相關性較強的環境因子。利用波段集統計各圖層的相關關系,發現高程和坡度相關關系中等,其余因子相關系數小于0.5,考慮到高程、坡度對滑坡發生的機理不一致,故不剔除,選用這9項因子評價滑坡災害危險性(圖2)。在環境因子選擇上,剖面曲率和平面曲率控制著滑坡體的重量,兩邊坡同等剪切面下,凹形邊坡的重量比凸形邊坡更輕,凹形邊坡比凸形邊坡更難發生滑坡災害；斷層控制著巖層的破碎化程度,離斷層越近,巖石更加破碎,降雨情況下易滲水失穩；邊坡點核密度和NVDI在反應了人類活動的強弱,一定程度上可表征對地質環境的破環。其余因子都是文獻中常用到的滑坡災害危險性評價因子[15,22- 23]。

圖2 深圳市滑坡災害環境因子Fig.2 Environmental factors of landslide and collapse in Shenzhen

將9項環境因子極差標準化到[0,1]之間以消除量綱對結果的影響[22],提取224例樣本點和深圳市546910個柵格點(60 m×60 m)的9項環境因子,在MATLAB R2014a中使用動量梯度下降法[21]訓練人工神經網絡并預測結果。為了檢驗滑坡評價的準確性,將樣本點分為訓練樣本和測試樣本兩部分,分別占80%和20%。通過比對節點層數目,構建隱含層節點數目為16的前向網絡,采用動量梯度下降法訓練神經網絡,設定誤差目標為0.1,學習效率為0.02[21],網絡在2545次迭代后達到訓練誤差目標0.1。將9個圖層輸入訓練得到的BP網絡中進行深圳市全域滑坡災害危險性的預測,預測結果用測試樣本和SPSS 22.0的ROC曲線進行檢驗并極差標準化到[0,1]后,導入ArcGIS中轉為柵格數據進行分區統計,得到街道尺度滑坡災害危險性。

2.2 生態系統脆弱性評價

生態系統脆弱性是指生態系統由于結構、組成不同,在面對外界干擾時產生的敏感反應大小,反映生態系統內部的不穩定性和在遭受干擾時的不可恢復性。生態系統脆弱性的定量表達方法和手段多樣,如基于土地利用變化[24]、生態足跡[25]和景觀格局指數等[26]。景觀格局指數能定量解釋景觀異質性與生態過程的互饋關系,適宜于較大空間尺度的脆弱性刻畫[26]。以深圳57個行政街道為基本評價單元,基于景觀指數的生態學含義,考慮指數間的相關性,參考景觀指數選擇的技術、方法[10],綜合脆弱性指數計算公式[27]如下：

(2)

式中,S為綜合脆弱性指數,SHDI(香農多樣性指數,Shannon′s Diversity Index)反映了生態系統的多樣性、復雜程度,該指數越高生態系統越穩定。PD(斑塊密度,Patch Density)表示景觀的破碎程度,破碎度越高,空間異質性越高,生態系統抵抗外界干擾的能力越薄弱。DIVISION(景觀分離度,Landscape Division Index)表示生態系統各組分的分離程度,分離程度越大穩定性越差。PAFRAC(周長面積比分維數,Perimeter-area Fractal Dimension)反映生態系統各組分的形狀復雜程度,幾何形狀越復雜,生態系統越穩定。按照街道名稱將街道矢量分裂為57個單獨矢量文件并批量掩模土地利用柵格,將57個掩模柵格文件輸入Fragstats 4.2中進行分析得到每個街道的四個景觀指數,利用公式(2)計算得到街道尺度的綜合脆弱性指數并極差標準化到[0,1]。

2.3 基于生境質量的潛在生態損失

滑坡災害威脅著人員的生命財產安全,也威脅生物物種的續存。滑坡破壞地表植被并形成不穩定“創面”,阻礙物種遷徙,限制物種活動空間,其帶來的砂土無法短時期沉降,從而造成水質降低,擾亂物種生存環境。生境的損失可以作為生態風險對物種影響的重要評價依據。

生境質量損失是本次風險因果鏈模型的“生態終點”,即評價生態系統在遭受滑坡災害干擾和脅迫后在未來一段時間內表現出的狀態。生境質量評價考慮人類活動對自然生境的影響,利用InVEST模型對2015年深圳生境質量進行評價,通過土地覆被圖及威脅源對生物多樣性威脅程度計算。InVEST模型的生境質量評價考慮四個因素：威脅源與生境之間的距離、不同生境對威脅源的敏感程度、生境受保護的水平和每種威脅的相對影響[28]。本文將草地、耕地、水域、園地和林地作為物種生境,主要公路、其他建設用地、獨立工礦用地、鐵路作為威脅源[29],設置權重和最大影響范圍(表1),評價生境質量。生境質量結果0—1對應潛在生態損失從低到高,之后按街道單元分區統計潛在生態損失平均值,評價街道尺度潛在生態損失。

表1 威脅數據

2.4 生態風險管理

滑坡災害生態風險防范分區是生態風險管理的重要舉措,基于生態風險等級和生態風險結構,對高風險區域提出針對性的風險管控措施,為生態風險防范提供指導和參考[11,30]。運用“三基色”原理,考慮高風險區域三種結構因子中兩種突出因子進行滑坡災害生態風險管理分區。先將三項因子相乘得到的深圳市滑坡災害生態風險數值按照自然間斷法分為5個等級。同時,將滑坡災害危險性通入紅色波段,生態脆弱性通入綠色波段,潛在生態損失通入藍色波段,“三基色”顯示深圳市滑坡災害生態風險結構。基于生態風險等級對深圳市57例街道進行滑坡災害生態風險防范分區,生態風險等級較低區域可以自然適應發展,對于生態風險等級較高區域按照風險結構的主導因子進行分區防范,如品紅色區域,由危險性和潛在損失共同主導,劃分為一類區域。

本文認為滑坡災害危險性較高的區域應當監測預警,脆弱性較高的區域應當給予保護,潛在生態損失比較高的區域應當避免人為活動,按照此規則將深圳市生態風險分為五區進行防范,具體防范如下：(1)自然適應調控區：區域風險等級整體較低,主導因素不明顯,可視為風險防范的冷點,主要依托城市生態系統自身恢復和適應能力抵御在災害,這些區域通常不易發生地質災害,脆弱性、潛在損失較低；(2)避讓保護兼顧區：生態脆弱性高、發生災害后損失較高,建議避免劇烈的人為活動,保護自然環境；(3)避讓監測預警區：滑坡災害危險性高、發生災害后損失較高,提議積極監測滑坡災害、積極支護危險邊坡,同時避免人為活動造成地質環境和物種生境破壞；(4)監測保護恢復區：滑坡災害危險性高、生態脆弱性高,應該最大程度避免人為活動對山體穩定性的影響,維護景觀的整體性；(5)綜合風險管理區：整體風險較高,風險結構平衡,倡導綜合滑坡災害監測、生態環境保護、建筑活動避讓的風險管理。

3 蒙特卡洛模擬分析生態風險不確定性

滑坡災害生態風險評價中滑坡災害危險性評價由于難以預測滑坡災害準確的時間、地點和范圍,結果往往具有較大的不確定性[12]。運用Excel插件Oracle Crystal ball(水晶球),采用蒙特卡洛方法(Monte Carlo method)進行“危險性-脆弱性-潛在損失”評價框架下的不確定性分析。

蒙特卡洛模擬是依靠隨機數生成樣本解決問題的方法,其核心思想是描述、構造概率模型并將問題轉化為隨機過程,而后從概率模型中抽取樣本,統計結果的各估計量。對風險源柵格雙線性重采樣至1 km×1 km并轉為柵格點,“標識”每個柵格點所屬街道。在Excel中計算每個街道的柵格點的平均值,近似得到每個街道風險源的大小并乘以“源外”因子(脆弱性與潛在損失乘積)得到每個街道的生態風險。完成所有街道的風險計算后,利用Crystal ball進行蒙特卡洛分析。

社會和自然科學中事物大都服從或近似服從正態分布或半正態分布,運用正態云模型構建不確定性概率模型。本文僅在隸屬度層次上定量探究生態風險的不確定性,不考慮其定性分級部分。正態云模型運用期望(Ex)、熵(En)和超熵(He)三個因子進行構建[13],具體為：假設A是精確數值量的集合A={x},稱為論域。對于論域A上的任意數值量都存在一個穩定傾向的隨機數,稱x對A的隸屬度,隸屬度在論域上的分布為隸屬云。論域A中x滿足μx—N(Ex,En′2),其中En′—N(En,He2),隸屬函數μ(x)滿足：

(3)

則論域A的分布為正態云。正態云模型在正態分布中加入了超熵He(Hyper entropy)來描述熵的不確定性,它由熵的隨機性和模糊性一同決定。He在隸屬度圖像上表現為云的厚度,云越厚,熵的不確定性越大。

在Crystal ball中,“定義假設”中設置生態風險源期望(Ex)為柵格點數值,熵(En)和超熵(He)分別為0.01、0.001[13]；“定義預測”設為街道生態風險源、生態風險的單元格；設置實驗次數為1000次。模擬結束后提取模擬數據的不確定性(標準差),在SPSS 22.0中分析風險源不確定性與評價面積、生態風險不確定性與“源外”因子大小的回歸模型。另外,將兩因子極差標準化并同時加入生態風險評價不確定性模型中,診斷風險不確定性對評價面積、“源外”因子大小兩個因素的敏感性。

4 結果分析

4.1 滑坡災害生態風險空間特征

“危險性-脆弱性-潛在損失”評價框架包含滑坡災害危險性、生態脆弱性、潛在生態損失三項因子。危險性結果的ROC曲線下面積AUC值為0.926,表明預測結果可信度較高,可以作為滑坡災害評價結果。將三項環境因子數值按照自然間斷法分為5個等級顯示(圖3)。結果表明：深圳市滑坡災害危險性普遍處于相對較高水平,滑坡災害危險區域集中在深圳中西部和東南部,西北部生態脆弱性較高,潛在生態損失從西到東呈現“低-高-低-高”交錯分布。

圖3 滑坡災害生態風險評價因子Fig.3 Ecological risk assessment factors of landslide disaster

圖4 滑坡災害生態風險等級Fig.4 Ecological risk level of landslide disaster

三因子等權重相乘獲得深圳市滑坡災害生態風險結果,按照自然間斷法分為5個等級(圖4)。結果表明：深圳市滑坡災害生態風險從西到東呈現“低-高-低-高”的交錯結構,深圳灣沿岸滑坡災害生態風險較低,區域內建設用地集聚,生態用地較少,地勢平坦,不具備孕災條件；西北部和東南部滑坡災害生態風險較高,區域內植被覆蓋良好,潛在生態損失較高。

“三基色”顯示深圳市滑坡災害生態風險結構(圖5),運用“三基色”原理分析生態風險結構[31],結果表明：西北部和東南部滑坡災害生態風險結構呈現空間集聚特征,中西部風險結構分異明顯。深圳市西北側風險結構從北到南呈現青色-暗粉色-紫灰色,表明滑坡災害危險性上升、生態脆弱性降低、潛在生態損失恒高的特征；中部及東部風險結構由西向東為灰紫色、品紅色,表明生態脆弱性較低,滑坡災害危險性、潛在生態損失較高；西部沿江和深圳灣沿岸的生態風險不高,風險結構圖上為較暗的青色、藍色和紅色。西部沿江-深圳西北側有顯著明暗邊界,邊界上滑坡災害生態風險變化明顯。“三基色”顯示全市主要的風險結構為“高危險-高潛在損失”型的品紅色和“高脆弱-高潛在損失”型的青色。

圖5 滑坡災害生態風險結構Fig.5 Ecological risk structure of landslide disaster

4.2 不確定性分析結果及機制探討

圖6 生態風險不確定性Fig.6 Ecological risk uncertainty

蒙特卡洛模擬得到深圳市滑坡災害生態風險不確定性(圖6)。結果表明：滑坡災害生態風險評價值不確定性普遍處于相對較低水平,評價結果整體可信度較高；深圳市西北側、梧桐山、內伶仃島及附近島嶼風險評價值的不確定性相對較高,這些區域評價結果可信度相對較低。定量評價生態風險不確定性,分析評價單元不確定性差異,有助于了解評價結果有效性的空間差異。

探究生態風險不確定性與街道斑塊面積的回歸關系(圖7a)。結果表明：當風險源與面積之間的關系設置為冪函數的時候解釋程度最佳(R2=0.983,P<0.001),模型為：

y=0.01x-0.506

(4)

式中y為生態風險源不確定性,x為評價面積(km2)。模型表明生態風險源不確定性將隨著面積的增加而增加,也就是在同一套數據下,面積越大的街道,生態風險源的不確定性越高,但隨著評價面積的不斷增加,風險源不確定性的減小程度明顯降低。

圖7 不確定性來源及傳播過程Fig.7 Uncertainty source and transmission process of the ecological risk

“危險性-脆弱性-潛在損失”評價框架下,“源外”因子為“脆弱性”與“潛在損失”之積,生態風險源的不確定性將經過“源外”因子傳播到生態風險評價結果中,影響評價結果的不確定性。研究發現滑坡災害生態風險不確定性與“源外因子”大小之間存在著顯著的正相關關系(圖7),即“高脆弱性-高潛在損失”的街道,滑坡災害生態風險評價值的不確定性較高,而“低脆弱性-低潛在損失”的街道,評價值的不確定性較低,模型為：

y=0.001173x+0.010

(5)

式中y為生態風險值不確定性,x為“源外”因子大小,模型的t統計量、F統計量在0.05的顯著性水平下通過檢驗,R2為0.509。

不確定性對評價面積、“源外”因子大小兩個因素的敏感性的診斷結果如下：

y=0.001180x1-0.000505x2+0.000148

(6)

式中y為生態風險不確定性,x1為“源外”因子大小,x2為評價面積。模型通過顯著性檢驗,R2為0.753。結果表明：從不確定性產生到影響評價結果,“源外”因子大小占據著主導因素,其敏感性約為評價面積的2.3倍。風險源不確定性在經過“源外”因子傳播的時候被“放大縮小”,這一部分原因需要在生態風險評價中著重考慮。

4.3 滑坡災害生態風險防范分區

對風險防范劃分區域進行統計,結果表明:避讓保護兼顧區、綜合風險管理區、避讓監測預警區、監測保護恢復區和自然適應調控區的街道總數比例分別為14.04%、1.76%、29.82%、5.26%和49.12%,街道總面積比例分別為29.31%、2.68%、41.73%、4.25%和22.03%(圖8)。避讓保護兼顧區分布于深圳西北部光明區及附近區域和東北部坑梓街道,避讓監測預警區集中在深圳東部地區和羊臺山-塘朗山沿線,監測保護恢復區位于布吉、民治、南灣街道,自然適應調控區位于西部沿江-深圳灣地區及北部部分地區。深圳西部風險防范類型較多,分異明顯,需要做到精細化風險管理,東部風險防范類型比較單一。

圖8 滑坡災害生態風險防范分區 Fig.8 Ecological risk prevention division of landslide and collapse

5 討論

以往研究表明,評價面積越大,數據格點越多,不確定性越小,但目前很少有研究對此進行準確認識[6,32]。本文通過蒙特卡洛模擬和正態云模型,定量分析評價面積帶來的不確定性差異,發現風險源不確定性與評價面積間呈顯著負相關關系,隨著評價面積的增加,不確定性減小程度變小。這一結論可被“中心極限定理”證明,即樣本量越大,樣本均值越“穩定”。

風險源不確定性的傳播過程是復雜的,迫切需要認識傳播過程如何影響生態風險評價[14]。研究表明,“源外”因子大小是導致風險值不確定的敏感因素,其影響遠大于評價面積差異帶來的影響。“源外”因子大小縮放風險源不確定性,導致評價值不確定性成倍數出現差異,在對風險值分級時,“源外”因子較大的街道錯分概率更大。

生態風險等級顯示,深圳市東南部和西北部生態風險較高但風險結構各不相同,東南部風險結構為“高危險-高潛在損失”型,西北部風險結構為“高脆弱-高潛在損失”型,因此,需要制定不同的風險管理措施。在前人研究基礎上[10],基于“三基色”原理分析生態風險結構,以此作為生態風險防范分區依據劃定了五類防范區,實踐效果良好,今后利用“三基色”原理分析結果的三維結構不失為一種簡便方法。

本文研究方法也存在一些局限,包括：(1)用“標識”的方法確定街道邊界柵格所屬街道較為粗略；(2)構建概率模型時,設定所有柵格的不確定性相同；(3)分析不確定性時,僅僅在隸屬度層次上考慮不確定性,未考慮不確定性風險等級劃定后對結果的影響。今后應進一步考慮風險等級層面上的不確定性,完善生態風險不確定性的研究范式,為城市建設可持續發展提供理論和決策基礎。

6 結論

(1)深圳滑坡災害生態風險從西到東呈現“低-高-低-高”的交錯結構。高滑坡災害生態風險主要分布于深圳市西北側和東南側,風險結構為“高脆弱-高潛在損失”型和“高危險-高潛在損失”型,應分別采取避讓保護和避讓監測的管理措施。利用“三基色”原理,考慮高風險區域的主導因子,可實現生態風險的合理管控。

(2)隨著評價面積增加,生態風險源不確定性減少。蒙特卡洛模擬定量分析風險源不確定性與評價單元面積的關系,發現其不確定性與評價面積呈顯著的負相關關系,較大斑塊的風險源不確定性較小,較小斑塊的風險源不確定性較大。以風險源為不確定性主體生態風險評價中,面積越大的評價單元,生態風險源數值越“穩定”。

(3)以風險源為不確定性主體的生態風險評價中,“源外”因子越大的評價單元,生態風險值可信度越低,評價結果越容易失誤。生態風險評價的不確定性由生態風險源不確定性和“源外”因子大小共同主導,“危險性-脆弱性-潛在損失”評價框架下,“脆弱性-潛在損失”為“源外”因子,其大小影響著風險源不確定性的傳播過程,是生態風險評價不確定的敏感因素。