基于景觀格局的云南省富源縣生態脆弱性空間特征分析

楊靖, 吳學燦, 周瑞伍, 段禾祥,*

基于景觀格局的云南省富源縣生態脆弱性空間特征分析

楊靖1, 吳學燦1, 周瑞伍2, 段禾祥1,*

1. 云南省環境科學研究院/中國昆明高原湖泊國際研究中心, 昆明 650034 2. 中國科學院西雙版納熱帶植物園熱帶森林生態學重點實驗室, 云南勐侖 666303

分析生態脆弱性的空間分布特征、形成原因以及對其進行定量研究對于合理利用土地資源、保護生態環境以及可持續發展都具有一定的指導意義。以云南省富源縣為例, 在生態脆弱性評價指標體系研究的基礎上, 結合研究區域實際情況, 運用熵權法構建生態脆弱性評價模型。以“壓力-狀態-響應”為評估框架, 從生態壓力度、生態敏感性、生態恢復力三個方面選取評價指標(景觀分維數、礦區擾動指數、居民點臨近指數、景觀破碎度、地形指數、植被覆蓋度、景觀適應度指數、優勢度)。在格網尺度對生態脆弱性展開評估并使用點格局方法對不同空間尺度下各生態脆弱等級動態特征和變化規律進行分析。結果表明: (1)水域的生態脆弱性最高, 草地和灌木林地次之, 喬木林地最低; (2)全縣生態脆弱性空間分布差異較大, 呈現 “中部高兩端低”的分布特征; (3)中安鎮生態脆弱性最高, 墨紅鎮最低; (4)不同脆弱度等級空間分布格局表現出一定相似性, 在中小尺度下高度集群分布, 隨著空間尺度的增大, 聚集性逐漸減弱, 且尺度范圍有所變化。

生態脆弱性; 空間分布; 點格局; 富源縣

0 前言

伴隨著快速發展的社會經濟以及不斷增加的人口數量, 生態環境承受著來自人類活動的壓力日愈增加, 生態脆弱性問題尤為突出。目前, 生態脆弱性研究已經成為全球環境變化和可持續發展研究的熱點課題。開展生態脆弱性研究已成為評價地區發展狀況的依據以及衡量未來發展規劃的判據, 對于環境保護、資源的合理利用及可持續發展等方面具有重要的指導意義[1]。生態脆弱性作為生態系統的一種固有屬性, 具有可度量性[2], 影響生態脆弱性大小的因素主要有生態恢復力、敏感性、適應性、暴露與干擾程度等[3,4]。目前, 國內外學者針對生態脆弱性開展了大量研究, 研究方法主要有SPR模型、VSD模型、AHP法、人工神經網絡法、綜合評價法、模糊綜合評判法等[5-8]。研究內容主要圍繞脆弱性特征、類型、方法指標體系、空間格局、驅動因素等方面展開[9,10]。研究尺度主要集中于以縣域、市域、省域及柵格尺度[11-14], 以格網尺度為評價單元的較少。本文結合研究區的實際情況, 以格網尺度作為評價單元, 基于景觀生態學原理, 選取“壓力-狀態-響應”評估框架, 以自然生態系統為主, 構建壓力度、敏感性、恢復力指標體系, 同時借助熵權法、RS/GIS技術、點格局分析等對富源縣自然生態系統脆弱性進行了系統分析與研究。

1 研究區概況

富源縣地處云南省東北部, 曲靖市東部, 與貴州交界, 有“云南東大門之稱”。地處東經103°58′—104°49′、北緯25°02′—25°58′之間。轄區總面積3348 km2, 南北長100 km, 東西最寬處約50 km, 最窄處約10 km, 呈兩頭寬, 中間窄的葫蘆形。烏蒙山支脈縱貫全境, 全縣地勢北高南低, 由西北向東南傾斜, 平均海拔2000 m, 最高海拔2748.9 m, 最低海拔1100 m。地貌為中山山地, 其特征為河流縱向切割、山川南北展布, 地形破碎, 山高谷深, 坡陡流急, 巖溶發達, 河谷階地狹窄, 耕地零星分散[15]。富源縣礦產資源豐富, 其中煤炭資源總儲量達256億噸, 是全國100個重點產煤縣之一, 具有“分布廣, 品種全, 儲量大”的特點。

2 數據與方法

2.1 數據來源與處理

本研究選取30 m分辨率的Landsat 8遙感影像(2015年4月19日)和DEM數據作為基本數據源, 以及富源縣2015年統計年鑒。運用ERDAS 2011遙感處理軟件進行影像前期處理, 并提取景觀類型信息。景觀類型的劃分標準主要參考2007年8月頒布的《土地利用現狀分類》[16], 同時考慮富源縣實際情況和研究需要, 將研究區土地利用劃分7個類型, 分別為喬木林地、灌木林地、草地、水域、建設用地、工礦用地、未利用地。借助ArcGIS10.2、Fragstats4.2軟件對地形數據和景觀格局指數進行提取計算, 采用疊置分析、緩沖區分析計算擾動指數。同時以1.5 km×1.5 km網格單元作為研究小區, 共計1639個網格, 將研究小區與各個景觀類型進行疊加, 計算每個小區生態脆弱性指數。

圖1 研究區示意圖

Figure 1 Sketch map of the study area

2.2 評價指標體系及權重確定

研究在充分考慮了研究區生態脆弱性的自然和人為等驅動因子基礎上, 依循“壓力-狀態-響應”評估框架, 選取SRP模型[17,18], 在科學性、全面性、定量性及數據可獲得性等原則指導下建立富源縣生態脆弱性指標體系[19], 指標體系主要包括生態壓力度、敏感性、恢復力三方面內容。各指標對評價對象的敏感程度、作用強度存在差異性, 科學合理的確定指標權重將影響評價結果的準確性。常見的權重賦值方法有主觀賦值法(Delphi法、AHP法等)和客觀賦值法(熵權法、變異系數法等)[20]。熵權法賦值克服了多指標評價中主觀確定權重的不確定性、隨意性, 可以更加客觀反映指標信息效用價值并真實體現其重要程度, 通常與主觀認識有所區別[21]。為消除量綱影響, 采取歸一化方法對數據進行標準化。對于正向指標, 取各研究小區的各地類各指標的值與各小區的該種地類該指標的總和的比值。對于負向指標,用1減去標準化后的值, 再次按照正向指標處理的方法進行標準化, 再利用Matlab R2010a計算得出各指標權重(表1)。

生態壓力度的三個指標中, 分維數影響最大的是水域, 與富源縣山高谷深、水資源分布不均、穩定性差相關; 工礦擾動指數對喬木林地的影響最大, 可能是由于礦產開發區與喬木林地分布區水平距離較近; 居名點臨近指數中, 草地受影響較大, 與草地易受人類活動侵占和轉化有關。生態敏感性中, 景觀破碎度對喬木林地影響最大, 水域最小, 與地形指數相反; 植被覆蓋度影響最大的為灌木林地; 三個指標權重差異較大的原因, 可能與景觀破碎度取值相對有序, 且變異程度較大, 反映的信息熵小, 權重值較大, 其余指標則恰好相反。景觀適應度指數影響最大的是喬木林地, 可能與其生物多樣性及抵抗外界干擾的適應恢復能力較強相關; 水域的景觀優勢度權重值最大。

2.3 綜合評價方法

2.3.1 生態脆弱性綜合指數

區域景觀類型的生態脆弱性是不同自然生態系統關于壓力度()-敏感性()-恢復力()的一個函數, 與敏感性和壓力度成正比, 而與恢復力成反比關系。因此構建以下評價模型[29]:

式中,VI為區域景觀類型的生態脆弱性指數;P、S、R分別為不同景觀類型的壓力度、敏感度和恢復力。

區域生態脆弱性綜合指數是利用景觀類型生態脆弱性指數與各景觀類型面積的比重進行構建, 具體計算公式如下[30]:

表1 富源縣自然生態景觀脆弱性評價指標體系及權重

式中,EVI為區域任一評價單元內的生態脆弱性綜合指數;VI為評價單元內各類景觀的生態脆弱性指數;A、分別為評價單元內各類景觀的面積和評價單元內自然生態系統的總面積。

2.3.2 評價標準的確定

運用ArcGIS 軟件的自然斷點法對1639個樣本區的土地生態脆弱度指數進行分級, 同時結合富源縣生態脆弱度指數實際情況, 最終確定富源縣土地生態脆弱度等級, 分別為生態良好區、輕度脆弱區、中度脆弱區、高度脆弱區、極度脆弱區。

2.3.3 點格局分析

為了更好地了解富源縣不同脆弱度等級的空間格局特征, 借助ArcGIS 10.2軟件提取每個網格小區中心點坐標值, 得到不同脆弱等級空間分布的坐標數據。利用O-ring統計對獲取的坐標數據進行解釋分析。該方法用圓環代替Ripley K函數計算中所使用的圓圈, 能夠有效避免Ripley K函數的缺陷[31]。不同脆弱度等級的空間分布格局采用單變量O-ring進行分析。

采用成對相關函數g(r)來進行單變量O-ring分析, 函數為

若g(r)值高于置信區間上限, 則該樹種在該距離為聚集分布; 若g(r)在置信區間之間, 則為隨機分布; 若g(r)低于置信區間的下限, 則為均勻分布。

數據分析使用生態學軟件Programita完成, 采用的空間尺度為0—50 km, 步長為0.5 km, 用帶寬為1 km, 空間分辨率為1 km, 尺度最大半徑分別為15 km, 經199次Monte Carlo模擬得到99%的置信區間[32-33]。

3 結果與分析

3.1 主要景觀類型的生態脆弱性

對富源縣主要的自然景觀類型進行生態脆弱性分析, 結果表明4種自然景觀類型的生態脆弱性存在一定差異性, 進一步對4種主要景觀類型的生態脆弱性特點展開分析。其中生態脆弱性最低的景觀類型為喬木林地(0.0515); 其次為灌木林地(0.1522)和草地(0.1968), 脆弱性最高的景觀類型為水域, 生態脆弱度為1.6521。在生態壓力度方面, 水域作為生態壓力度數值最大的景觀類型(0.2764), 表明其受到的人為干擾最為強烈; 同時, 水域景觀類型的工礦擾動指數和居民點臨近指數均達到最大值, 說明該用地類型受到工礦活動及居民生產生活影響顯著, 需要加大保護力度; 水域的分維數倒數數值最大, 說明其景觀復雜程度和景觀空間穩定程度均較低。從生態敏感性角度分析, 水域敏感性高于其余自然景觀類型, 為0.6218。其中, 水域景觀類型破碎度最高, 表明其分布較為分散。與其他景觀類型相比, 喬木林地景觀破碎度較低, 表明喬木林地是富源縣自然景觀類型的重要組成部分, 表現為以群集化、規模化分布為主。灌木林地的地形指數和植被覆蓋度最高, 一方面該區域地形陡峭, 另一方面灌木林地多是退耕還林還草工程主要實施區域, 措施實施后區域覆蓋度得以明顯改善, 而水域的地形指數和植被覆蓋度最低。在生態恢復力方面, 喬木林地屬于景觀優勢度指數最大的類型, 灌木林地次之, 草地和水域景觀優勢度指數最低, 表明四種自然景觀類型中喬木林地在自我調節作用下向有序方向演化的能力較強, 水域則相對較弱, 需要降低人為干擾, 加強保護; 同時, 景觀適應度指數最大的也是喬木林地, 表明喬木林地景觀類型在四個自然景觀類型中最為復雜, 生物多樣性較豐富。在4類自然生態景觀中, 喬木林地生態脆弱性最低, 對于生態系統穩定性維護作用最大, 因此在礦產開發及生產生活過程中加強對林地的保護顯得尤為重要。

表2 景觀類型的生態脆弱性

3.2 土地生態脆弱性的空間分布

五個不同的生態脆弱性等級在空間上相間分布, 總體呈現“中部高兩端低”的分布特征。從面積上來看, 生態良好區和輕度脆弱區范圍較大, 分別占62.3% 和23.0%, 高度脆弱區和極度脆弱區所占面積較少, 分別為4.58%和3.75%。從區域位置來看, 生態良好區廣泛分布于各個區域, 呈現以西部、北部和東部區域集中連片分布, 此部分區域由于海拔相對較高, 人口密度較小, 自然生態系統受到外界干擾程度較弱, 生物多樣性較豐富, 承受壓力小, 敏感度較低, 恢復力較高, 因而表現出極低生態脆弱度。極度脆弱區和高度脆弱區空間分布特點主要體現在兩方面, 一方面, 極度、高度脆弱區分布體現了生態脆弱區域與人為干擾區密切相關的特點, 極度脆弱區與高度脆弱區主要集中分布于中部地區, 該區域人群密集、工業發達, 人類活動最為強烈, 居民生產生活以及礦產開采對自然生態系統構成極大威脅, 使得區域整體景觀破碎度增加, 生態敏感性和壓力度顯著增大, 生態系統恢復力嚴重下降, 生態脆弱性程度隨之增加; 另一方面, 極度、高度脆弱區分布體現了不同生態系統交錯區域明顯的交互作用特征, 極度、高度脆弱區集中分布在生態過渡區、植被交錯區與農林牧等交錯帶區域(圖2)。

富源縣轄區鄉鎮生態脆弱性分布中, 墨紅鎮生態良好區分布面積最廣(372.71 km2), 生態脆弱性最低;中安鎮極度生態脆弱區所占面積最大(39.76 km2), 生態脆弱性最高。這與富源縣鄉鎮生態環境、植被覆蓋度及經濟格局分布情況一致。墨紅鎮工礦分布點最少, 采礦面積最小, 自然生態系統受到影響程度微弱。中安鎮極度生態脆弱區所占比例較大, 達8.07%, 主要與區域工礦活動較為密集, 各類生產生活干擾頻繁, 對生態系統影響較大。

圖2 富源縣生態脆弱性空間分布

Figure 2 Spatial distribution ecological vulnerability in Fuyuan

圖3 富源縣各鄉鎮生態脆弱性分布

Figure 3 Distribution ecological vulnerability in the township of Fuyuan

3.3 不同脆弱度等級的空間點格局

富源縣不同脆弱等級的空間分布格局分析結果顯示, 生態良好區在0—40 km空間尺度范圍內, g(r)值在置信區間上方, 呈高度集群分布, g(r)值伴隨尺度增加呈減小趨勢, 表明聚集強度隨尺度增加有所降低; 生態良好區在40—48 km尺度下, g(r)值基本位于置信區間內, 空間分布表現為隨機分布; 生態良好區在48—50 km尺度下, g(r)值位于置信區間下方, 表現為均勻分布。輕度脆弱區在0—37 km空間尺度范圍下, g(r)值在置信區間上方, 呈高度集群分布, g(r)值伴隨尺度增加呈減小趨勢, 表明聚集強度隨尺度增加有所降低; 37—44 km尺度下, g(r)值位于置信區間內, 空間分布表現為隨機分布; 44—50 km 空間尺度下, g(r)值位于置信區間下方, 表現為均勻分布。中度脆弱區在0—32 km尺度下, g(r)值在置信區間上方, 呈高度集群分布, g(r)值伴隨尺度增加呈減小趨勢, 表明聚集強度隨尺度增加有所降低; 32—47 km尺度下, g(r)值位于置信區間內, 空間分布表現為隨機分布; 47—50 km空間尺度下, g(r)值位于置信區間下方, 表現為均勻分布。高度脆弱區在0—38 km尺度下, g(r)值在置信區間上方, 呈高度集群分布, g(r)值伴隨尺度增加呈減小趨勢, 表明聚集強度隨尺度增加有所降低; 38—46 km尺度下, g(r)值位于置信區間內, 空間分布表現為隨機分布, 46—50 km空間尺度下, g(r)值位于置信區間下方, 表現為均勻分布。極度脆弱區在0—32 km的中小尺度上, g(r)值在置信區間上方, 呈高度集群分布, g(r)值伴隨尺度增加呈減小趨勢, 表明聚集強度隨尺度增加有所降低; 32—45 km尺度下表現為隨機分布, 45—50 km空間尺度下, g(r)值位于置信區間下方, 表現為均勻分布。

圖4 富源縣不同脆弱度等級的空間分布

Figure 4 The spatial distribution pattern of different vulnerability levels in Fuyuan

不同脆弱度等級空間分布格局表現出一定相似性, 在中小尺度范圍下高度集群分布, 表明小尺度范圍內, 干擾方式具有一定相似性, 主要受單一干擾因子作用, 伴隨空間尺度增大, 多因子交互作用逐漸明顯, 聚集性逐漸減弱, 且尺度范圍有所變化。不同脆弱等級在小尺度的聚集強度伴隨脆弱度增加呈現遞增趨勢。隨脆弱度等級逐漸增長聚集強度逐漸減弱。表明極度脆弱區在小尺度和中尺度下存在一定程度的干擾因子, 對周圍環境產生不利影響, 致使生態環境呈現以中心干擾因子為核心的不同脆弱區域。以此同時, 不同生態系統對干擾影響的抵抗力差異可能導致不同脆弱性區域呈現不均勻分布, 從而在較大尺度下表現為隨機分布。

4 討論

4.1 典型景觀類型的生態脆弱格局

研究表明, 生態系統脆弱性與地區植被類型有密切聯系[34]。富源縣景觀類型的脆弱性分布格局存在一定空間分異, 其中較為典型的是喬木林地和水域兩種景觀類型。在喬木林地的分布上, 生態良好區和輕度脆弱區主要分布在西部區域, 該區域主要是以闊葉林、針葉林為主的植物群落, 由于海拔較低, 氣候適宜, 植被覆蓋較高, 景觀連接度高、完整性較好, 是富源縣生態脆弱度整體較低的區域。輕、中度脆弱區主要分布在生態良好區邊緣區域, 形成包圍趨勢, 極度、高度脆弱區分布范圍較小, 中部區域分布較為密集。在水域的生態脆弱格局分布上, 極度、高度脆弱區在中部區域分布較為集中, 該區域人口分布密集, 伴隨人口密度增加, 人為干擾加大, 水域脆弱等級逐漸升高。研究表明, 生態系統脆弱性受到人為因素和自然因素的共同作用[35], 人為活動強烈干擾加重生態系統脆弱性, 其中人類生產生活對水資源的不合理開發利用等造成的干擾是導致流域生態失調的重要因素[36]。

4.2 不同脆弱度等級空間點格局分異的原因分析

作為探究不同尺度下種群空間分布格局的有效方法, 點格局對于研究生物和非生物因子的驅動機制, 及生境過濾與生物因子之間的交互作用方面應用廣泛[37]。點格局分析方法在空間異質性分布格局及其發展趨勢具有優勢, 但是多見于種群空間分布特征的研究, 對于大區域的生態環境脆弱性的空間分布特征及其拓展趨勢的相關研究嘗試較少。本文借助點格局空間分析方法對不同脆弱性等級的空間分布特征進行研究, 解釋了不同脆弱性等級的動態變化趨勢及尺度特征。高脆弱度等級在小尺度上的聚集分布, 主要是與人類活動下, 形成的持續強烈的干擾相關, 這種生產生活干擾一般呈現小范圍聚集分布; 伴隨空間尺度增大, 自然和人為因素交互作用逐漸增強, 使區域景觀斑塊異質性增強, 這種綜合作用下的空間干擾過程常表現為隨機發生, 形成了大尺度范圍內各脆弱等級隨機分布特點, 表現為高脆弱度等級隨機鑲嵌分布于低脆弱度等級中的空間格局, 這種格局的內在驅動機制需要進一步研究探討。景觀格局是隨著時間和空間的變化而變化的, 具有高度的空間變異性和空間關聯性[28]。景觀格局變化過程在不同時空尺度下的研究顯示它們不是分離孤立的, 大尺度過程是小尺度景觀格局變化及其相互作用累積的結果, 小尺度過程會受到大尺度過程制約, 不同尺度下體現的影響驅動因子均不相同[38-39]。較小尺度下, 脆弱度等級的空間分布主要受到單因素驅動因子的影響, 較大尺度下的脆弱度等級空間分布則是多因素交互作用的結果。

4.3 景觀格局優化的對策建議

根據以上景觀類型生態脆弱性分布格局、空間分異特征及其不同脆弱等級點格局的分析, 對于增強該區生態承載力, 降低局部區域生態脆弱性, 提出景觀格局的優化對策: 科學合理利用土地資源, 注重對重要生態系統的保護, 促進合理生態系統的修復與重構, 增強其在脆弱生態環境下抵抗外界干擾的適應恢復能力; 加強水資源整體布局與規劃, 綜合考慮區域經濟實力, 修筑與地區生態環境特點相適應的蓄水、調水工程, 均衡水資源分布, 拓展水資源來源; 推廣使用節水、高效灌溉設備, 提高水資源利用率, 從而減弱水域生態系統壓力度, 增強其生態恢復能力; 在城鎮化發展進程中, 注重科學規劃、合理引導, 注重發展生態農業、綠色農業, 建立可持續的生產方式和生活方式; 改變局部區域單一經濟增長方式, 發展多元經濟、循環經濟, 增強科技服務能力, 提高經濟增長效率, 以此減少對生態系統壓力, 逐步降低局部區域高生態脆弱性局面。

5 結論

本文基于景觀格局對富源縣生態脆弱性空間特征進行了評估分析, 得出如下結論:

(1)各景觀類型生態脆弱性表明, 水域的生態脆弱性最高, 草地和灌木林地次之, 喬木林地最低。富源縣生態良好區的維持及生態狀況的良好發展一方面需要加大對喬木林地的保護, 另一方面要加大對水資源的合理規劃, 特別是重要流域水資源的有效保護和合理利用, 以此降低富源縣整體區域生態系統的脆弱性, 提高其穩定性。

(2)不同生態脆弱度等級空間上相間分布, 脆弱性空間分布差異較大, 呈現 “中部高兩端低”的特征, 生態良好區和輕度脆弱區所占比例較大, 生態脆弱性較高區域主要分布在人為干擾強烈區和不同生態系統交錯區。

(3)區域生態脆弱性顯示, 11個鄉鎮中, 中安鎮生態脆弱區占比最大, 生態脆弱性最高, 墨紅鎮生態脆弱性最低。各鄉鎮在發展過程中, 要規范開發建設活動, 盡可能減小人為干擾以降低生態敏感性, 同時加強環境保護, 增強自然生態系統恢復力, 逐步降低區域的生態脆弱性。

(4)不同脆弱度等級的空間分布格局表現出一定相似性, 在中小尺度范圍下高度集群分布, 伴隨空間尺度增大, 聚集性逐漸減弱, 且尺度范圍有所變化。不同脆弱區在不同尺度下干擾因子有所差異, 較小尺度下主要受單一因子的驅動, 并以該因子為核心聚集分布, 大尺度下則受多因子交互作用的影響。

本文選取SRP模型, 在充分考慮生態脆弱性內涵、科學反映脆弱性空間特征的基礎上, 結合熵權法優點, 構建脆弱性評價指標體系, 為縣域生態脆弱性研究提供新的思路和方法。然而, 指標體系的構建還需考慮數據的可獲取性、可測量性、靈敏性、科學性, 以及各評價指標之間的邏輯關系等, 導致所構建的指標體系一定程度上不能全面反映生態脆弱性內涵, 在今后研究中應進一步完善。此外, 本文主要針對脆弱性空間特征展開分析, 缺乏對于時間特征的演變分析, 后續研究中可進一步探討基于時序變化的脆弱性特征。

[1] 楊飛, 馬超, 方華軍. 脆弱性研究進展: 從理論研究到綜合實踐[J]. 生態學報, 2019, 39(2): 441–453.

[2] BIRKMANN J. Measuring vulnerability to natural hazards[M]. Tokyo: United Nations University Press, 2006.

[3] 李鶴, 張平宇. 全球變化背景下脆弱性研究進展與應用展望[J]. 地理科學進展, 2011, 30(7): 920–929.

[4] 喻鷗, 閻建忠, 張鐿鋰. 區域氣候變化脆弱性綜合評估研究進展[J]. 地理科學進展, 2011, 30(1): 27–34.

[5] XUE Lianqing, WANG Jing, ZHANG Luochen, et al. Spatiotemporal analysis of ecological vulnerability and management in the Tarim River Basin, China[J]. Science of the Total Environment, 2019, 649: 876–888.

[6] 潘竟虎, 任梓菡. 基于景觀格局和土壤侵蝕敏感性的蘭州市生態脆弱性評價[J]. 土壤, 2012, 44(6): 1015–1020.

[7] 周夢云, 蔡永立, 張瑞峰, 等. 寧夏賀蘭山國家級自然保護區建立前后區域生態脆弱性時空格局變化研究[J]. 生態科學, 2019, 38(5): 78–85.

[8] ZHAO Yanzhi, ZOU Xueyong, CHENG Hong. Assessing the ecological security of the Tibetan plateau: methodology and a case study for Lhaze County[J]. Journal of Environmental Management, 2006, 80(2): 120–131.

[9] 靳毅, 蒙吉軍. 生態脆弱性評價與預測研究進展[J]. 生態學雜志, 2011, 30(11): 2646–2652.

[10] 徐廣才, 康慕誼, 賀麗娜, 等. 生態脆弱性及其研究進展[J].生態學報, 2009, 29(5): 2578–2588.

[11] 王瑞燕, 趙庚星, 周偉, 等. 縣域生態環境脆弱性評價及其動態分析——以黃河三角洲墾利縣為例[J]. 生態學報, 2009, 29(7): 3790–3799.

[12] 王錄倉, 史凱文, 梁珍. 城市脆弱性綜合評價與動態演變研究——以蘭州市為例[J]. 生態經濟, 2017, 33(9): 137–141.

[13] WANG Yong, DING Qian, ZHUANG Dafang. An eco-city evaluation method based on spatial analysis technology: A case study of Jiangsu Province, China[J]. Ecological Indicators, 2015, 58: 37–49.

[14] 毛學剛, 汪航. 基于柵格尺度的北京市密云縣生態環境脆弱性評價[J]. 南京林業大學學報(自然科學版), 2017, 41(1): 96–102.

[15] 鄭毅, 王春蓮. 基于Geodatabase的富源縣土地利用景觀格局分析[J]. 測繪與空間地理信息, 2012, 35(5): 1–3.

[16] 陳百明, 周小萍. 《土地利用現狀分類》國家標準的解讀[J]. 自然資源學報, 2007(6): 994–1003.

[17] 李永化, 范強, 王雪, 等. 基于SPR模型的自然災害多發區生態脆弱性時空分異研究——以遼寧省朝陽縣為例[J]. 地理科學, 2015, 35(11): 1452–1458.

[18] 劉正佳, 于興修, 李蕾, 等. 基于SRP 概念模型的沂蒙山區生態環境脆弱性評價[J]. 應用生態學報, 2011, 22(8): 2084–2090.

[19] 喻忠磊, 楊新軍, 石育中. 關中地區城市干旱脆弱性評價[J]. 資源科學, 2012, 34(3): 581–588.

[20] 張鳳太, 蘇維詞, 周繼霞. 基于熵權灰色關聯分析的城市生態安全評價[J]. 生態學雜志, 2008, 27(7): 1249– 1254.

[21] 徐晗. 基于熵權法的陜西省農業干旱脆弱性評價及影響因子識別[J]. 干旱地區農業研究, 2016, 34(3): 198-205.

[22] 吳健生, 宗敏麗, 彭建. 基于景觀格局的礦區生態脆弱性評價——以吉林省遼源市為例[J]. 生態學雜志, 2012, 31(12): 3213–3220.

[23] 張瑩, 張學玲, 蔡海生. 基于景觀格局的武功山生態脆弱性動態演變與調控對策研究[J]. 江西農業大學學報, 2018, 40(5): 1021–1029.

[24] 鄧勁松, 李君, 余亮, 等. 快速城市化過程中杭州市土地利用景觀格局動態[J]. 應用生態學報, 2008, (9): 2003–2008.

[25] 由暢, 周永斌, 于麗芬. 景觀破碎化數量分析方法概述[J].中國農學通報, 2006 (5): 146–151.

[26] 滕玲. 基于時序Landsat解析合肥市植被覆蓋度動態變化研究[D]. 合肥: 安徽大學, 2016.

[27] 李克讓, 曹明奎, 於琍, 等. 中國自然生態系統對氣候變化的脆弱性評估[J]. 地理研究, 2005, 24(5): 653–663.

[28] 孫才志, 閆曉露, 鐘敬秋. 下遼河平原景觀格局脆弱性及空間關聯格局[J]. 生態學報, 2014, 34(2): 247–257.

[29] 孫平軍, 修春亮, 王忠芝. 基于PSE模型的礦業城市生態脆弱性的變化研究——以遼寧阜新為例[J]. 經濟地理, 2010, 30(8): 1354–1359.

[30] 黃瑩, 包安明, 劉海隆, 等. 基于景觀格局的新疆生態脆弱性綜合評價研究[J]. 干旱地區農業研究, 2009, 27(3): 261–266.

[31] WIEGAND T, MOLONEY A K. Rings, circles, and null-models for point pattern analysis in ecology[J]. Oikos, 2004, 104(2): 209–229.

[32] 王磊, 孫啟武, 郝朝運, 等. 皖南山區南方紅豆杉種群不同齡級立木的點格局分析[J]. 應用生態學報, 2010, 21(2): 272–278.

[33] 楊靖, 鐘乾娟, 王崇云, 等. 云南藥山黃背櫟種群不同海拔空間格局分析[J]. 生態科學, 2019, 38(5): 111–118.

[34] 何敏, 王鶴松, 孫建新. 基于植被生產力的西南地區生態系統脆弱性特征[J]. 應用生態學報, 2019, 30(2): 429– 438.

[35] 張學玲, 余文波, 蔡海生, 等. 區域生態環境脆弱性評價方法研究綜述[J]. 生態學報, 2018, 38(16): 5970–5981.

[36] 王讓會, 樊自立. 干旱區內陸河流域生態脆弱性評價——以新疆塔里木河流域為例[J]. 生態學雜志, 2001, (3): 63–68.

[37] 田鍇, 陳磊, 米湘成, 等. 亞熱帶常綠闊葉林木本植物幼苗分布格局及其對生境過濾的響應[J]. 科學通報, 2013, 58(34): 3561–3569.

[38] 張金茜, 鞏杰, 柳冬青. 地理探測器方法下甘肅白龍江流域景觀破碎化與驅動因子分析[J]. 地理科學, 2018, 38(8): 1370–1378.

[39] LEICHENKO R M, SOLECKI W D. Climate change in suburbs: an exploration of key impacts and vulnerabilities[J]. Urban Climate, 2013, 6: 82–97.

Analysis of spatial characteristics of ecological vulnerability based on landscape pattern: A case study in Fuyuan County, Yunnan Province, Southwest China

YANG Jing1, WU Xuecan1, ZHOU Ruiwu2, DUAN Hexiang1,*

1. Yunnan Institution of Environment Science/Kunming China International Research Center for Plateau-Lake, Kunming 650034, China 2. Key Laboratory of Tropical Forest Ecology, Xishuangbanna Tropical Botanical Garden, Chinese Academy of Sciences, Menglun 666303, China

We studied the spatial distribution pattern and characteristics features of ecological vulnerability through several analyses in Fuyuan County, Yunnan Province, Southwest China. The study explored how it formed in quantitatively for guiding significance to make rational utilization of resources, in terms of protecting the eco-environment through sustainable development. Combined ecological vulnerability assessment index system was used by entropy weight method to build a model to study the actual situation in the study area. The framework assessment was monitored using the “Pressure-State-Response” (PSR) method from three aspects of ecological supporting pressure, sensitivity and resilience. The PSR assessment was done by chooing the following eight evaluate indices, which were landscape fractal dimension, mining disturbance index, residential neighborhood index, landscape fragmentation, topographic index, vegetation cover, landscape adaptability and dominance index. Assessing the ecological vulnerability at grid scale was followed. The dynamic characteristics of ecological vulnerability levels and the change rules under different spatial scales were analyzed by point pattern method. The results showed that: (1) the highest ecological vulnerability occurredin water area, followed by grassland, shrubbery, and lowest happened in arboreal lands. (2) The spatial distribution of ecological vulnerability was of greater difference overall county, which showed the “high in the middle and low at both ends”. (3) Zhong'an town had the highest ecological vulnerability, and the lowest occurred on Mohong Town. (4) The spatial distribution pattern of different vulnerability levels showed a certain similarity, with high clustering distribution at small and medium-sized scales. The aggregation was weakened gradually with the spatial scale increasing, and the scale range was changed.

ecological vulnerability; spatial distribution; point pattern; Fuyuan County

楊靖, 吳學燦, 周瑞伍, 等. 基于景觀格局的云南省富源縣生態脆弱性空間特征分析[J]. 生態科學, 2021, 40(3): 184–192.

YANG Jing, WU Xuecan, ZHOU Ruiwu, et al. Analysis of spatial characteristics of ecological vulnerability based on landscape pattern: A case study in Fuyuan County, Yunnan Province, Southwest China[J]. Ecological Science, 2021, 40(3): 184–192.

10.14108/j.cnki.1008-8873.2021.03.022

X826

A

1008-8873(2021)03-184-09

2019-12-18;

2020-01-10

云南省重點研發計劃項目(2019BC001) ; 國家環境保護部全國生態狀況變化(2010-2015年)調查與評估項目(STWN-01-25)

楊靖(1990—), 男, 云南曲靖人, 碩士, 工程師, 主要從事景觀生態學研究. E-mail: YngJin0301@163.com

段禾祥(1981—), 男, 碩士, 高級工程師, 主要從事植被、景觀生態學研究. E-mail: 87214957@qq.com