西北干旱區生態脆弱性時空演變分析

張學淵,魏 偉,*,周 亮,郭澤呈 ,李振亞,張 靜,頡斌斌

1 西北師范大學地理與環境科學學院, 蘭州 730070 2 中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室, 北京 100010 3 蘭州城市學院 旅游學院, 蘭州 730070

生態脆弱性理論起源于20世紀初Clement提出的生態過渡帶理論[1],此理論經過不斷的發展,逐漸成為生態脆弱性研究[2]。生態脆弱性是生態系統由于暴露于環境和社會變化帶來的壓力并缺乏適應能力而容易受到損害的一種狀態[2]。隨著社會經濟的發展,人類活動對生態環境影響的深度和廣度不斷擴大[3]。作為衡量可持續發展的一個重要指標,生態脆弱性、生態脆弱性評估、生態脆弱性的驅動力分析及脆弱生態環境的恢復重建等研究逐漸成為全球性熱點[4]。當前,國內學者對生態脆弱性的評價主要是基于具體的區域開展具體評價。評價方法主要有層次分析法、主成分分析法以及基于遙感、GIS的評價方法[5]等。如,張祚等[6]基于層次分析法,選取19個指標對臨湘市生態脆弱性進行客觀評價；鐘曉娟等[7]選取氣溫、降水、人口等13個指標利用主成分分析法對云南省生態脆弱性進行時空分析；馬俊等[8]基于“壓力-狀態-響應”評價模型,選取18個評價指標,利用空間主成分分析對2001—2010年三峽庫區(重慶段)生態脆弱性進行綜合評價；生態脆弱性的驅動力分析作為生態脆弱性評價的重要組成部分,我國有關高校和科研單位進行了很多工作。如林金煌等[9]選取高程、坡度、人口密度、人均GDP等指標利用空間主成分分析法對閔三角城市群生態脆弱性進行評價,最后基于主成分空間載荷矩陣,分析研究區生態脆弱性的驅動力；Lei等[10]利用熵權法評估西部干旱區礦區的生態脆弱性,并根據權重評估研究區生態脆弱性的驅動力；郭兵等[11]利用相關性分析的方法探討了西北干旱荒漠區生態脆弱性的驅動機制；此外,眾多學者也從不同視角開展了相關的研究工作,取得了大量研究成果,總結出了很多評價模型和方法[12-14]。上述研究成果從評價指標體系、定量評價方法、脆弱性驅動因素、提升生態恢復力保障措施等諸多領域開展了研究,這些研究工作提高了對區域生態脆弱性問題的理解,但同時也存在一些局限性：首先,在對生態脆弱性評價時,普遍采用統計數據空間插值的方法評估人類活動對生態環境的影響,然而在研究西北干旱區這種地廣人稀的區域時,空間插值的方法并不能準確反映人類社會對生態環境的干擾；第二,目前對生態脆弱性驅動力探討的研究有很多,但研究方法主要包括熵權法[6]、氣候傾向率[7]、空間主成分分析法。例如,林金煌等[9]、周松秀等[14]利用空間主成分載荷矩陣分析了研究區的生態脆弱性的驅動力。雖然這些方法也從客觀上分析了生態脆弱性的驅動力,但只是分析自變量對因變量的單一影響,難以探究空間分異狀況,它們并不能綜合反映各指標對生態脆弱性的影響因素。

基于此,本文在指標體系構建時,充分考慮指標的客觀性,選取夜間燈光數據作為評估社會壓力的指標[15]。夜間燈光數據評估人類活動有如下優勢[16]：第一,夜間燈光數據適合在大區域上監測人類活動；第二,夜間燈光數據不受云霧的影響,具有很強的客觀性；第三,夜間燈光數據能反映人口密度[17]、經濟密度[18]、城市化水平[19]、道路等信息[20],綜合性強。在對生態脆弱性驅動力評估時,本文引入地理探測器[21]分析生態脆弱性的影響因素。利用地理探測器探測西北干旱區的影響因子,首先不需要對影響因子預設限定,另外可以利用因子交互作用探測各指標對生態脆弱性的影響,從而更加全面的探測西北干旱區生態脆弱性影響因子。

本文以西北干旱區作為研究區,選取2000、2007、2012、2018年等研究區經濟快速發展、環境政策發生變化的四個階段,從土壤、地形、氣候、社會經濟等方面選取了13個指標,構建了適合于西北干旱區的生態脆弱性評價指標體系；利用空間主成分分析法、編碼法[12]對西北干旱區生態脆弱性進行監測評估；在分析西北干旱區生態脆弱性時空變化的基礎上,引入地理探測器定量探測了西北干旱區生態脆弱性的影響因素；最后基于西北干旱區生態脆弱性的監測結果和影響因素,構建了西北干旱區生態管理與優化分區圖,以期為西北干旱區的生態管理提供科學依據。

1 研究方法與數據來源

1.1 研究區概況

西北干旱區[22]東部以賀蘭山為界,南達昆侖山、阿爾金山和祁連山,位于73°—107°E和35°—50°N之間。行政區上主要包括新疆全省、甘肅省河西走廊地區和內蒙古西部地區,具體包括新疆的14個地、州、市,甘肅省的酒泉、嘉峪關、張掖、武威、金昌,以及內蒙古的阿拉善盟,面積2.09×106km2,海拔介于-154.31—7311 m之間。研究區深居內陸,距海遙遠,大致為年平均降水量<200 mm,氣候干燥,荒漠戈壁的面積占總面積的64.47%,是典型的溫帶大陸性氣候。再加上區內地形起伏大,土層淺薄,生態環境十分脆弱,受到破壞后很難恢復。

1.2 數據來源及預處理

本文采用的數據包括：(1)夜間燈光數據(2000、2007、2012、2018年)：美國國家海洋和大氣管理局國家地球物理數據中心(NOAA/NGDC)網站(http://www.ngdc.noaa.gov/eog/DMSP-OLS.html)提供了1992—2013年的DMSP-OLS夜間燈光時間序列數據和2012—2018年的NPP-VIIRS夜間燈光數據。DMSP-OLS數據消除了云、火光等噪聲因素的影響,灰度值為0—63,分辨率為1 km。本研究將DMSP-OLS-OLS數據投射到Lambert方位等面積投影中,并利用西北干旱區邊界將其裁剪。由于NSL數據來源于六顆不同的DMSP-OLS衛星(F10、F12、F14、F15、F16和F18),缺乏連續性和可比性,本文采用曹子陽等[23]的方法對其進行矯正；DMSP-OLS傳感器設計存在局限性,本文利用增強型植被指數對其進行降飽和處理。NPP-VIIRS數據為月尺度數據,分辨率為430 m。NPP-VIIRS數據沒有去除噪聲因素,且NPP-VIIRS數據和DMSP-OLS數據的DN值有很大的差別,我們采用Zhao等[24]的方法進行矯正和擬合。(2)土地利用數據、土壤有機質含量數據、土壤侵蝕空間分布數據、土壤類型分布數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn),分辨率為1 km。通過參考《生態環境狀況評價技術規范(2015)》計算得到西北干旱區生物豐度指數。(3)氣溫、降水數據來源于中國氣象數據網的氣象站點月數據,基于ArcGIS 10.6軟件平臺,利用克里金插值法[25]對站點數據進行空間插值,從而得到西北干旱區2000、2007、2012、2018年平均氣溫、年降水量空間分布數據,分辨率為1 km。(4)數字高程數據(DEM)來源于地理空間數據云平臺(http://www.gscloud.cn),基于DEM數據,參考俞紅等[26]的相關研究成果,計算西北干旱區的地形位指數[27]、河網密度,分辨率為1 km。(5)植被覆蓋數據(2000、2007、2012、2018年)來源于美國國家航天航空局的地球觀測系統EOS/MODIS數據集中的月尺度產品,分辨率為1 km。(6)社會統計數據來基于人口分布柵格數據和耕地、林地柵格數據計算得出,空間分辨率為1 km。

1.3 指標體系構建

生態脆弱性[2]定義為生態系統由于暴露于環境和社會變化帶來的壓力并缺乏適應能力而容易受到損害的一種狀態。因此,影響生態脆弱性的因素主要包括自然因素和人為因素兩方面,研究區的生態環境表征研究區的自然本底條件,人類社會通過一系列的活動優化或破壞生態環境,生態脆弱性評價結果是否準確的關鍵取決于評價指標體系建立是否合理[27]。“壓力-狀態-響應”模型[1]通過分析生態環境內部的因果關系,介入有針對性的生態環境調控措施,實現生態環境的可持續發展。本文通過借鑒前人的研究成果,結合西北干旱區生態環境的實際狀況,基于“壓力-狀態-響應”模型,遵循科學性、綜合性、獨立性的原則,選取13個指標構建西北干旱區生態脆弱性評價指標體系(表1)。

表1 生態脆弱性評價指標體系

壓力是狀態發生變化的原因,響應是狀態發生變化后的結果[9]。西部大開發(2000年)以來,西北干旱區社會經濟得到快速發展,導致生態環境的急劇惡化；西北干旱區地廣人稀,城鄉建設用地的面積僅占研究區總面積的0.52%,通過對統計數據進行空間插值并不能準確的反映人類活動對生態環境的影響。因此本文選取夜間燈光指數和土地利用數據代表社會活動對西北干旱區生態環境造成壓力的指標。

狀態指標是研究區多種因素長期作用的體現,是區域生態環境本底條件最直接的體現[14]。西北干旱區位于亞歐大陸中部,終年干旱,年降水量小于200 mm,土地貧瘠,植被覆蓋度低,是典型的干旱地區。因此,本文選取土壤有機質含量數據、土壤侵蝕空間分布數據、土壤類型分布數據表征研究區土壤脆弱性因子；選取年均降水量、年均氣溫和河網密度代表研究區的水熱組合情況；生物豐度指數、植被覆蓋度反映了研究區生物活動狀況,體現了生物對研究區生態環境變化的抵抗能力；選取地形位指數作為研究區地形地貌脆弱性因子。

響應是人類社會為促進生態環境可持續發展提出的針對性措施。人均耕地面積、人均林地面積反映人類社會擁有農業資源的狀況,較高的人均耕地面積和人均林地面積可以顯著提高人類面對生態環境變化的響應能力。因此,選取人均耕地面積、人均林地面積作為西北干旱區生態脆弱性評價的響應因子。

為了驗證所選取的生態脆弱性評價指標是否存在信息冗余問題,在評價前,本文利用SPSS進行自變量之間的共線性診斷。本文利用方差膨脹性因子(Variance inflation factor)和容忍度(Tolerance)作為多元共線性診斷的因子[28]。方差膨脹性因子越大表示共線性越強,以10為界,大于10則表示共線性明顯；容忍度值為方差膨脹性因子的倒數,容忍度越小表示共線性越強,以0.1為界。基于ArcGIS 10.6軟件平臺,在西北干旱區建立15 km×15 km的漁網,共生成9327個漁網點,利用這些漁網點提取13個評價指標和生態脆弱性指數進行共線性診斷。結果表明(表2),研究區13個評價指標沒有共線性,可以作為研究區生態脆弱性評價使用。

表2 多元共線性診斷結果

1.4 指標標準化

各評價指標由于量綱不同,單位不統一,存在橫向不可比的問題。本文根據各指標對生態脆弱性的影響,將評價指標分為正向指標和負向指標。負向指標表示值越大生態脆弱性指數越小,正向指標表示值越大生態脆弱性指數越大。其中,負向指標包括：植被覆蓋度指數、生物豐富指數、年均降水量、河網密度、人均耕地面積、人均林地面積、土壤有機質含量、地形位指數；正向指標包括：年均氣溫、土壤侵蝕強度、夜間燈光指數。指標標準化采用極差標準化法,其公式為[29]：

正向指標：

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

(1)

負向指標：

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

(2)

式中Ri代表第i指標的標準化值,Xi為各指標的實際值,Xmax為各指標的最大值,Xmin為各指標的最小值。

按照分級賦值法對對各評價指標進行分級賦值[30],依據不同土地利用水源涵養能力,各種土地利用按照由低到高的順序排列：林地、水體<草地<耕地<建設用地<裸地,分別賦值為0—1；土壤類型按照其對生態環境的保護能力由低到高為：黑鈣土、黑土、黑氈土、灰褐土<草甸土、寒凍土、灰鈣土、草氈土、潮土<灌漠土、灰棕漠土<鹽土、漠境鹽土<石質土、風沙土,分別賦值為0—1；最后將其正向化處理。

1.5 空間主成分分析

空間主成分分析(SPCA)是基于數理統計的原理,通過對特征光譜空間坐標軸的旋轉,將多個空間指標數據轉化為少數幾個綜合性圖層。因其在整個計算過程中沒有人為打分,脆弱性評價結果較為客觀。本文基于ArcGIS 10.6軟件平臺,將13個標準化后的指標進行空間主成分分析,根據主成分達到85%以上確定5個空間主成分(表3),最終計算出西北干旱區生態脆弱性指數(EVI)。計算公式為[31]：

表3 各主成分的特征值、貢獻率、累計貢獻率

EVI=r1Y1+r2Y2+r3Y3+……+rnYn

(3)

式中：EVI為生態脆弱性指數,ri為第i個主成分,Yi為第i個主成分對應的貢獻率。

1.6 生態脆弱性標準化及分級

為了便于對各期生態脆弱性進行比較,本文對2000、2007、2012、2018年各期生態脆弱性結果進行標準化處理,其公式為[23]:

(4)

式中,SIEVI為生態脆弱性指數的標準化值,值域為0—1；EVIi為生態脆弱性指數的實際值；EVImin為生態脆弱性指數的最小值；EVImax為生態脆弱性指數的最大值。

為了研究不同時期不同土地利用下生態脆弱性的分級情況,本文利用ArcGIS 10.6中的Raster Calculator工具對不同土地利用與生態脆弱性分級結果進行疊加分析,可以獲得不同土地利用情況下各生態脆弱性等級的分布情況,其運算公式為[29]：

LEVI=10×CodeEVI+CodeLUCC

(5)

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

(6)

式中,LEVI為不同土地利用下各生態脆弱性等級的分布,CodeEVI為生態脆弱性分級情況(1—4),1—4分別代表微度脆弱區、輕度脆弱區、中度脆弱區和重度脆弱區；CodeLUCC為土地利用分級結果(1—6),1—6分別代表耕地、林地、草地、水域、建設用地和未利用地；計算后的LEVI中,十位代表脆弱區分級,個位代表土地利用,例如,14代表微度脆弱區水域。NLEVI為2000、2007、2012、2018年四期不同土地利用下各生態脆弱性等級的分布；LEVI2000、LEVI2007、LEVI2012和LEVI2018分別為2000、2007、2012、2018年各期不同土地利用下各生態脆弱性等級的分布。

1.7 地理探測器

地理探測器是探測空間分異性,以及揭示其影響因素的一種統計學方法。地理探測器包括4個探測器：因子探測、交互作用探測、風險區探測和生態探測。生態脆弱性的空間分布具有明顯的空間分異性,受多重因素綜合影響。利用地理探測器的因子探測和交互作用探測,既可以定量的分析影響西北干旱區生態脆弱性空間差異的驅動因子,也可以用來探測兩變量之間可能的因果關系。

(1)因子探測器：探測生態脆弱性變化Y的空間分異性,以及探測不同因子X對生態脆弱性Y變化的解釋力。用q值度量,表達式為[21]：

(7)

(8)

(2)交互探測器：分析不同影響因子之間的交互作用,即分析不同因子共同作用時是否會增強對生態脆弱性的解釋力。評估過程中,首先需要分別計算兩個因子對Y的q值：q(X1)和q(X2),并計算兩個圖層相切時對Y的q值：q(X1∩X2),并比較q(X1)、q(X2)和q(X1∩X2)。其關系可以分為[21](表4)：

表4 交互作用關系

2 結果與分析

2.1 生態脆弱性時空變化總體特征

根據西北干旱區的自然地理特征,采用自然斷點法(Natural Breaks),將研究區分為微度脆弱區(0—0.29),輕度脆弱區(0.29—0.49),中度脆弱區(0.49—0.73),重度脆弱區(0.73—1)。圖1為西北干旱區2000、2007、2012、2018年的生態脆弱性分布格局。從圖1可以看出,西北干旱區以重度脆弱性為主,約占研究區總面積的50%。其主要原因是西北干旱區沙漠戈壁較大,土層淺薄。從不同等級生態脆弱性分布來看,微度脆弱區與輕度脆弱區主要分布于天山、祁連山、昆侖山等高大山脈地區。重度脆弱區和中度脆弱區主要分布于盆地和高原地區。

圖1 2000—2018年西北干旱區生態脆弱性Fig.1 Ecological vulnerability of the northwest arid region from 2000 to 2018

圖2為西北干旱區2000、2007、2012、2018年生態脆弱性面積分布圖。總體來看,西北干旱區生態脆弱性基本不變,略有下降。生態脆弱性的平均值由2000年的1.11下降為2018年的1.07,表明西北干旱區生態環境有所好轉。從各等級的分布來看,微度脆弱的面積基本不變,這主要是由于西北干旱區微度脆弱區主要分布在阿爾泰山、天山、祁連山等高大的山脈地區,這些地區海拔較高,生態本底條件較好,大部分位于生態保護核心區,禁止開發,因此變化較小。輕度脆弱和中度脆弱的面積呈上升趨勢,其面積之和所占的比重由2000年的34.02%增長為2018年的39.83%,主要原因是西北干旱區生態環境逐年好轉,許多重度脆弱區轉為中度脆弱區和輕度脆弱區。重度脆弱區的面積快速下降,由2000年的1080101 km2下降為2018年的961261.6 km2,這主要與西北干旱區降水在2000—2018年不斷上升、植被條件得到改善、生態環境保護力度增大有關。

圖2 西北干旱區生態脆弱性等級面積分布 Fig.2 Area distribution of ecological vulnerability in northwest arid region

為進一步明確西北干旱區脆弱性變化在空間上的分布,本研究利用ArcGIS 10.6軟件對西北干旱區的脆弱性結果進行增減分析,得到了西北干旱區2000—2007、2007—2012、2012—2018、2000—2018年的動態監測圖(圖3)。2000—2007年,西北干旱區生態脆弱性比較穩定,穩定區的面積占西北干旱區總面積的93.87%,高度增加區與高度減少區零星分布,低度減少區的略大于低度增加區。其中,低度增加區主要分布在天山山脈,這主要是由于西部大開發初期社會經濟的快速發展,使得草地大規模轉為農田,再加上極端氣候的影響,使得天山地區的生態脆弱性升高,由微度脆弱轉化為輕度脆弱。2007—2012年,生態脆弱性整體比較穩定,生態環境持續好轉,生態脆弱性低度減少區較低度增加區高6%,且增加區與減少區分布集中。增加區主要集中在南疆綠洲區和昆侖山山脈地區,減少區主要分布在北疆地區。受氣候變化的影響,昆侖山地區的冰川大量融化,許多冰川轉化為裸巖；伴隨著冰川的消融以及社會經濟的發展,塔里木盆地邊緣的綠洲面積快速擴大,生態脆弱性快速增加。2012—2018年,穩定區的面積雖然比2007—2012年低8%,但仍然占總面積的79.69%,總體比較穩定。低度增加區與高度減少區分布比較分散,昆侖山地區生態脆弱性有所下降,環塔克拉瑪干沙漠的綠洲區和河西走廊地區生態脆弱性呈上升趨勢,這主要是由于第一產業的不合理發展,導致與讓環境不斷退化。總體來看,西北干旱區2000—2018年生態環境基本不變,略有好轉。由于西北干旱區60%的土地為戈壁荒漠,人為干擾較少,使得穩定區成為所占比重最大的類型；高度增加區與高度減少區面積非常小,兩者之和小于總面積的2%；低度減少區的面積比低度增加區的面積高6%,其中,低度減少區主要分布于北疆地區、昆侖山地區和河西地區,而沿塔克拉瑪干沙漠分布的綠洲區生態脆弱性有所上升。南疆地區近年來社會經濟快速發展,特別是第一產業的發展,導致其生態本底條件不斷下降,再加上該地區人口的不斷增加,使得人均農業資源擁有量迅速下降,應對生態環境變化的能力不斷下降,生態脆弱性不斷上升。

圖3 西北干旱區生態脆弱性動態監測Fig.3 Dynamic monitoring of ecological vulnerability in northwest arid region

2.2 不同土地利用結構的生態脆弱性時空變化

圖4為西北干旱區在不同土地利用下生態脆弱性的等級分布。西北干旱區微度脆弱區主要分布于林地、草地和水域地區,而耕地、城鄉建設用地和未利用地分布較少,其中,微度脆弱區在草地的分布面積最大。這主要是由于,林地、草地和水域地區生態本底條件較好且西北干旱區草地面積遠大于林地、水域。2000—2018年,耕地和草地微度脆弱區面積不斷擴大,擴大的區域主要分布于天山和河西走廊的綠洲區,說明西北干旱區農業區生態環境逐年變好；水域微度脆弱區下降明顯,主要是由于西北干旱區冰川大面積融化,永久性冰川雪地面積減少。輕度脆弱區主要分布于耕地、草地地區；由于大量的草地轉為耕地,耕地的面積不斷擴大,從而導致耕地輕度脆弱區面積呈上升趨勢,草地輕度脆弱區面積略有下降,未利用地輕度脆弱區主要由草地微度脆弱區和水域微度脆弱區轉換而來,因此,對于這部分地區需要大力管理保護。草地與未利用地是中度脆弱區的主要組成部分,其中,未利用地所占的比重最大,約占中度脆弱區總面積的70%,2000—2018年,耕地中度脆弱區的面積不斷上升,主要原因是人類不斷的開荒,導致大量的未利用地轉為農田,另一方面,不合理的種植也是耕地環境不斷下降主要原因。隨著國家對生態環境的日益重視,生態治理的力度不斷加大,大量綠洲周圍的荒漠、戈壁得到治理,使得2000—2018年中度脆弱區未利用地迅速擴大。重度脆弱區幾乎全部集中在未利用地地區,2000—2018年重度脆弱區未利用地的面積共下降10%,其大都轉為中度脆弱未利用地,生態環境不斷好轉。

圖4 不同土地利用下生態脆弱性空間分布Fig.4 Spatial distribution of ecological vulnerability under different land-use types

2.3 生態脆弱性驅動力分析

本文基于ArcGIS 10.6軟件平臺,創建15 km×15 km格點,共提取9328個格點用于提取各因變量和自變量的值,以便進行驅動力因素定量分析評價。選取生態脆弱性指數作為因變量因子,選取生態脆弱性的13個指標作為自變量因子,在對其進行標準化處理后,利用自然斷點法將2000、2007、2012、2018各期生態指標分為5級,由數值量轉變為類型量。最后利用地理探測器分析各指標對生態脆弱性的影響。

因子探測器用于分析各指標對生態脆弱性的影響程度。由表5可知,各指標的p值均為0,說明4期影響因子對研究區生態脆弱性解釋力都很充足,這也證明選取土壤、氣候、植被等指標計算西北干旱區生態脆弱性是可行的。總體來看,西北干旱區各指標對生態脆弱性的影響力基本穩定,其中q值排名前兩位的始終是土壤有機質含量與地形位指數,q值的均值分別為0.63和0.36,說明西北干旱區生態脆弱性受土壤有機質含量與地形因素影響最大。這主要是由于西北干旱區土層淺薄,漠土和初育土占研究區的52.86%,此類型的土壤有機質含量極低,不利于植被的生長,因此生態環境脆弱性較低；隨著海拔的升高,降水開始增多,植被覆蓋度和土壤有機質含量都呈上升趨勢,生態脆弱性降低。2000—2018年,q值在3—6位的主要是氣溫、降水、夜間燈光指數、河網密度和植被覆蓋度。氣溫和降水因素對西北干旱區生態脆弱性的影響大致相當,都為0.27,這主要是由于西北干旱區屬于大陸性氣候,生態環境的變化很大程度上受到氣溫和降水的影響。由于西北干旱區嚴重缺水,河網密度大的地區水資源充足,植被覆蓋度相對較高,生態脆弱性較低。總體來看,夜間燈光指數的q值呈上升趨勢,這說明社會活動對生態環境的影響逐漸上升的。

表5 生態脆弱性因子探測q值統計

交互探測用于評估兩個因子共同作用時是否會增強對生態脆弱性的解釋力。總體來看(表6),生態脆弱性因子交互作用值大于單個因子的最大值,從而說明各指標對生態脆弱性的影響不是相互獨立的,而是協同發生的。如表所示,除了土壤有機質含量與生物豐度指數、土壤有機質含量與人均林地面積以及土壤有機質含量與人均耕地面積在一些年份為非線性增強,其余都為雙因子增強。2000—2018年,西北干旱區交互探測結果總體較為穩定,其中土壤有機質含量與其他指標的交互作用最高,土壤有機質含量與剩余12個指標的交互作用的q值均大于0.6,遠高于其他指標之間的交互作用。土壤要素、水資源要素、生物要素之間的交互作用強于各要素內部的交互作用,自然因素和社會因素交互作用的強度強于各因素內部的交互作用,說明西北干旱區生態脆弱性是各因素綜合作用的結果。

表6 西北干旱區生態脆弱性因子交互探測結果

2.4 生態環境管理與優化

生態環境脆弱性監測及驅動力分析的目的是為決策者提供生態環境改善的建議。本探究從不同的角度對西北干旱區生態脆弱性進行分析,繪制了西北干旱區生態環境管理與優化分區圖,將西北干旱區劃分為五個優化區(圖5)：生態核心保護區、生態綜合監測區、生態優化關注區、生態恢復治理區、生態潛在治理區。不同優化配置區面積、編碼及其分布如表7所示。

表7 優化配置分區統計表

圖5 生態環境管理與優化Fig.5 Ecological environment management and optimization

生態核心保護區由微度脆弱區、輕度脆弱區組成,主要分布于高大的山脈地區及山前綠洲區,主要包括耕地、林地、草地以及水域。高山區的林地、草地多為自然保護區,應繼續維持其生態保護政策,保護其土壤環境質量。山前綠洲區主要為灌溉農業區,由于農業設施不健全,主要以大水漫灌為主,土壤鹽漬化嚴重,然而,作為西北干旱區主要的人口分布區,大規模的退耕還林、還草政策并不適用于該地區,因此,推廣節水農業成為該地區平衡生態和經濟發展的重要手段。

生態綜合監測區主要位于盆地和高原地區,以未利用土地為主,且常年較為穩定。生態綜合監測區生態脆弱性較高主要是由于該區位于亞歐大陸腹地,盛行下沉氣流,降水較少、蒸發旺盛。因此,應減少人類活動對生態綜合監測區內部的影響,在監測區的邊緣,建立緩沖區,防止重度生態脆弱區的擴張。

生態優化關注區主要位于西北干旱區的綠洲區。由于環境保護力度的增強,該地區生態脆弱性不斷降低。因此,對于這些地區來說,只需要維持其原有的環境政策即可。

生態恢復治理區一部分位于高大的山脈的永久性冰川地區和天然草地地區,另一部分位于南疆綠洲區。生態脆弱性逐年下降。高山生態恢復區生態脆弱性上升的主要原因是永久性冰川融化,地表裸露,因此需加大對永久性冰川的監測力度。沙漠邊緣區的恢復治理區以耕地和草地為主,這主要是由于近年來南疆地區經濟快速發展,而第一產業在產業結構中的比重較高,生態環境治理相對滯后。

生態潛在治理區面積較小,西北干旱區各綠洲區均有分布。一方面,由于西北干旱區氣候不穩定,使西北干旱區生態脆弱性發生波動,另一方面,人類不合理的社會活動,以及其活動范圍不斷擴大,導致生態環境退化。因此,在沙漠邊緣生態恢復區應推動退耕還牧、還草等生態工程,以維護生態環境穩定。

3 結論與討論

3.1 結論

西部地區作為我國重要的生態環境脆弱區,在資源、環境、生態等方面具有重要的戰略地位。鑒于研究區獨特的地理環境特征以及目前相關研究的局限性,本文選取夜間燈光、氣候、土壤、人均耕地面積等13個結構完整、易于統計的指標,基于空間主成分分析法,對西北干旱區生態脆弱性狀況及其時空變化進行分析,并利用地理探測器探測驅動因子。得到以下結論：(1)從研究區生態脆弱性演變特征來看,西北干旱區生態脆弱性整體以重度脆弱為主,2000—2018年,生態脆弱性呈基本不變略有下降的趨勢；(2)從不同土地利用生態脆弱性分布來看,微度脆弱區以草地、林地和水域為主,輕度脆弱區以耕地和草地為主,中度脆弱區和重度脆弱區以未利用地為主。(3)從因子探測來看,13個指標對生態脆弱性的解釋力都很充足,對研究區影響最大的五個因子為土壤有機質含量、地形位指數、氣溫、降水、夜間燈光指數。

3.2 討論

本文利用夜間燈光數據表征人為干擾因素,并利用空間主成分分析方法對西北干旱區生態脆弱性進行檢測；基于地理探測器以空間定量的方式分析了西北干旱區生態脆弱性的影響因素,結果更加客觀、科學。這也可以從郭兵等[11]、魏偉[25]等的研究成果中得到證實。值得注意的是,當前在對生態功能分區時多采用靜態視角,即通過綜合分析各指標的方法,對生態環境進行管理優化。然而區域的生態環境動態,持續變化的,各生態指標也隨著時間的變化產生了較大的變化,對西北干旱區生態格局的優化有必要關注研究區各生態指標的變化過程。因此,在生態安全格局優化時,在科學計算研究區生態脆弱性的基礎上,有必要結合研究區生態脆弱性的時空變化情況和驅動因素,強化研究區生態安全格局構建的綜合性。然而,生態脆弱性評價是一個復雜的過程,外部壓力如何影響生態系統及其過程的問題以及生態脆弱性的實地驗證的問題仍難以解決。因此,在未來的研究中,應進一步夯實生態脆弱性的理論研究,進一步完善生態脆弱性的實地驗證方法。