基于多準則決策的萬年縣生態脆弱性研究

陳理庭，蔡海生,2，張 婷，張學玲，曾 珩，陳 藝

(1.江西農業大學江西省鄱陽湖流域農業資源與生態重點實驗室/江西農業大學富硒農業產業發展研究中心，南昌 330045；2.江西旅游商貿職業學院，南昌 330100；3.江西省土地開發整理中心，南昌 330002)

【研究意義】國土空間作為人類生產生活的重要載體，理應受到嚴格保護。隨著社會經濟的飛速發展，人類活動日漸頻繁、城鎮建設空間擴張無序等問題對國土空間造成了巨大壓力，生態問題成為制約社會發展的重要因素之一。與此同時，隨著國土空間規劃工作的全面鋪開，國土空間生態修復提升至國家戰略工程，生態文明思想深入人心。進行生態脆弱性評價可以有效掌握國土空間的本底特征[1]，為國土空間開發利用以及生態修復提供重要依據，具有重要現實意義。【前人研究進展】當今學者大都認為：生態環境脆弱性是指在自然要素和人為因素的共同影響下，生態系統對于干擾所表現的敏感性和恢復力，只要干擾程度超出了生態系統的適應能力就可能會出現相應的脆弱表征[2]。近年來，隨著對生態脆弱性研究的不斷深入，其評價體系正朝著多樣化和科學化邁進。目前，生態脆弱性評價方法多采用多因子綜合的定量研究方法，如綜合指數法[3]、主成分分析法[4-5]等。指標模型多為PSR(壓力—狀態—響應)模型[6-7]、SRP(Sensitivity-Recovery-Pressure)模型[8-10]以及基于“暴露—敏感—適應能力”的VSD模型[11-12]等,其研究尺度普遍選擇的是流域、省域以及市域。但這些現有研究多應用一組指標權重進行線性組合的方式如AHP-PCA熵權法[13]等進行動態評價，缺乏對不同決策風險的考慮。有序加權平均(OWA)法是一種通過調整風險系數以獲得不同評價結果的多準則決策法，可以有效解決多屬性決策的問題，其在城市減災[14]、洪水災害風險評價[15]、建設用地開發適宜性[16]、土地生態安全評價[17]、生態安全格局[18]、土壤適宜性評價[19]、生態風險評價[20]等領域得到廣泛應用，而在生態環境脆弱性研究中涉及較少。【本研究切入點】基于SRP概念模型，從生態敏感性、生態恢復力、生態壓力度3個層面選取11個具體指標，運用綜合指數法對萬年縣2005—2018年生態脆弱性進行綜合分析，揭示其時空演變特征，同時結合空間自相關分析，探討其在空間上的集聚格局，以期為國土空間生態修復、分區治理提供參考。此外，引入OWA多準則決策方法對萬年縣2018年生態脆弱性進行情景模擬，分析其在不同決策風險下的評價結果，輔助決策者進行更為科學全面的判斷，以期為區域長遠發展提供依據。【擬解決的關鍵問題】此研究為縣域生態脆弱性評價補充了多重視角，為當前生態脆弱性研究多情景模擬分析的不足提供了可行方案，為萬年縣進一步踐行生態文明建設、生態保護修復等提供了科學依據，對促進其社會—經濟—生態協調發展具有重要意義。

1 材料與方法

1.1 研究區概況

萬年縣(116°46′41″～117°15′16″E、28°30′00″～28°54′08 ″N)處于江西省東南部、上饒市中部(圖1)。年均降水量約1808 mm，年均氣溫約17.4 ℃，縣內植被良好，雨量充足。作為稻米之鄉，全縣土地利用以耕地為主，居民點和工礦用地次之。境內以丘陵為主，地勢從東南向西北降低，中部丘陵連綿，西部湖泊眾多，水系發達。近幾年，萬年縣建設開發，人類活動頻率上升，對其生態環境造成了一定壓力。萬年縣域內礦產資源豐富，但礦產資源開發手段不完善對其生態造成了一定破壞。而其夏季容易受到副熱帶高壓影響，氣溫偏高且雨水較多，且全縣山地面積占比較大，容易產生生態安全隱患。

1.2 數據來源與研究方法

1.2.1 數據來源 主要包括DEM高程數據、氣象數據、土地利用數據以及遙感數據和人口數據。其中2005、2010和2018年3期土地利用數據于萬年縣自然資源局與江西省土地整理中心獲取。氣象數據在江西省氣象局處獲取，數據日期為2005、2010和2018年。DEM影像數據由地理空間數據云(http://www.gscloud.cn/)下載，影像分辨率為30 m。人口數據來自2005—2018年中國縣域統計年鑒及萬年縣各年份統計公報。

1.2.2 構建指標體系 SRP模型從生態敏感性、生態恢復力以及生態壓力度3個層面綜合考慮影響生態脆弱性的因素。其中，地形、地表和氣象是生態敏感性層面的主要考慮因子。生態恢復力層面主要包含植被因子。人類活動是造成生態壓力的重要來源，因此生態壓力度層面選擇的是人類活動因子。SRP模型囊括了生態脆弱性的兩個形成要素，即內部脆弱性和外部脆弱性，選擇SRP評價模型可以較為全面地分析生態狀況，并為動態分析打下基礎。本文選取11個具體指標，并進一步劃分為正向和逆向指標，對萬年縣2005—2018年生態脆弱狀況進行綜合評價，見表1。

圖1 研究區位Fig.1 Research location

1.2.3 指標計算及標準化 評價基于格網尺度，所有涉及的指標均轉化為格網尺度。研究通過借鑒前人利用格網GIS法對生態環境脆弱性的相關研究[21]，并結合萬年縣的實際情況，從萬年縣景觀類型分布以及土地利用進行綜合考慮，選擇1 km×1 km對萬年縣進行格網劃分。將提及的指標數據轉化成分辨率為30 m的柵格數據，并將各指標值通過ArcGIS 10.5軟件平臺進行分區統計，得到各格網的指標值。

各個指標統一量綱，以便指標間的統計和對比。采納極差標準化法，見下式：

(1)

表1 指標體系

表2 2005—2018年各指標組合權重

(2)

式中，Yij表示標準化后各指標的值，Xij代表第i個指標在第j個格網的原始數據值，Xjmax則是指標在格網中的最大值，同理，Xjmin代表指標在格網中的最小值。

1.2.4 確定指標權重 層次分析法運用范圍廣，但受主觀影響較大，而熵權法則是以各指標中所能提供的信息熵來確定各權重，指標所含信息熵越小，其變異程度越大則賦予的權重越大，反之亦然[22]。以熵權法對層次分析法的結果進行修正，得出各指標的綜合權重，公式如下：

(3)

式中，ari為層次分析法計算的權重，Sri為熵權法計算的權重，Ri為組合權重。計算2005、2010、2018年萬年縣生態脆弱性，各指標權重見表2。

1.2.5 綜合指數法 采用綜合指數法求得生態脆弱性指數EVI，計算公式如下：

(4)

式中，EVI表示生態脆弱性指數，Wi為各個指標的標準化值，而Ri是各個指標所占的權重。同時，對生態脆弱性指數進行統一標準化的計算，便于其數值比照，公式如下：

(5)

式中，SEVI代表標準化后的EVI值，EVI為全部格網單元的生態脆弱性指數值，EVImax為其中的最大值，EVImin代表其中的最小值。在得到標準化后的生態脆弱性指數后，使用自然斷點法[3]，生態脆弱性最后劃分為微度脆弱、輕度脆弱、中度脆弱、重度脆弱以及極度脆弱5個層級。

1.2.6 空間自相關分析 以Moran’ I指數和聚類圖表征萬年縣2005—2018年生態脆弱性的空間關聯關系，研究通過Geoda 1.12軟件繪制萬年縣局部空間自相關聚類圖，以分析萬年縣生態脆弱性高值區、低值區的空間分異規律。

1.2.7 OWA方法 OWA方法由美國數學家Yager率先提出，其核心在于對指標按照屬性的重要性重新排序，對不同位序的指標賦予不同的次序權重。關于OWA權重的確定方法眾多，其中單調規則遞增(RIM)法運用廣泛，其計算公式如下：

(6)

式中，vj為次序權重，vj∈[0,1]，且v1+v2+…+vn=1。a為決策風險系數，取值0到∞之間；Wk為指標重要性等級，其計算公式如下：

(7)

式中，n表示指標個數，rk根據指標數值大小對其進行重要性取值，最大取1，最小取n。

利用OWA方法計算生態脆弱性空間多準則評價的關鍵在于將準則權重和次序權重進行線性組合從而得出評價結果[1]，其公式如下：

(8)

式中，zij為第i個像元中第j項指標的屬性值；ui為準則權重，ui∈[0,1]，且u1+u2+…+un=1,研究中使用AHP方法計算準則權重；vj為次序權重。

本文基于單調規則遞增(RIM)法計算7種不同決策風險系數下的次序權重，結果見表3，在決策者持樂觀態度時(a<1),賦予重要性較高的指標更高的次序權重；在決策者持悲觀態度時(a>1)，重要性較低的指標被優先考慮賦予更高的次序權重，重要性較高的反而不被重視；當決策者無偏好時(a=1)，只用準則權重進行綜合評價。

2 結果與分析

2.1 萬年縣生態脆弱性空間分布特征

由圖2可知，萬年縣生態脆弱性在2005—2010年間大體呈現西北低、東南高的現象，而2018年其生態脆弱性呈現中部低、北部及東南高的狀態，且2005—2018年間極度脆弱區集中在陳營鎮。

由表4可知，2005—2018年均以輕度脆弱為主，其中2005年萬年縣輕度脆弱面積為528.56 km2，占據其總面積45.96%，主要分布在齊埠鄉、石鎮鎮、汪家鄉、青云鎮、蘇橋鄉、珠田鄉及梓埠鎮南部區域。微度脆弱區主要分布于珠田鄉和石鎮鎮的中部區域，面積占比為28.12%，而萬年縣中度、重度脆弱區主要分布在陳營鎮周邊以及大源鎮南部、裴梅鎮東南部地區，其面積分別為203.19、88.98 km2，占比分別為17.67%、7.74%。而極度脆弱在萬年縣分布集中但面積不大，僅占0.52%。

與2005年相比，萬年縣2010年輕度脆弱面積有所下降，面積為473.77 km2，占據縣域面積41.19%，其中度脆弱和重度脆弱、極度脆弱分布更為集中，主要在萬年縣東南部各鄉鎮，且面積也有所增加，分別為213.52、90.93、8 km2，各自占縣域面積18.56%、7.91%和0.70%。而2018年，萬年縣中度、重度脆弱區相比2005、2010年有向北部聚集的趨勢，其中中度脆弱區主要集中在陳營鎮周邊以及萬年縣北部的梓埠鎮、湖云鄉等地區，重度脆弱區主要集中在大源鎮和裴梅鎮，且在北部占據零星地塊。中度脆弱區面積為237.57 km2，占比為20.66%，相比2005和2010年呈增加趨勢。另外，微度和極度脆弱變化不大，極度脆弱區仍集中于陳營鎮中心，亦為萬年縣的城區所在地，面積占比為0.80%。

2005、2010和2018年的生態脆弱性指數的均值分別為0.2633、0.2473、0.1914，呈逐年遞減趨勢，表征萬年縣生態脆弱性在研究期間內逐漸轉好。2018年中度脆弱區集中于北部耕地地區，而隨著社會經濟的發展、人口的不斷增加，對糧食的需求也在不斷增加，人類活動增強使得生態壓力增強，造成輕度脆弱逐漸演變成中度脆弱，并出現零星重度脆弱區。而2005—2010年重度脆弱區集中于大源、裴梅等礦區開發地，2010年之后，萬年縣對廢棄礦區開展治理等工作，至2018年，重度脆弱區面積下降為86.81 km2，占7.55%。如持續進行生態修復等工作，其生態狀況可進一步改善。

2.2 萬年縣鄉鎮尺度生態脆弱性變化特征

由表5可知，2005—2018年，齊埠鄉、青云鎮、上坊鄉、石鎮鎮、蘇橋鄉、汪家鄉和珠田鄉均以微度、輕度脆弱區為主，均位于萬年縣丘陵區，植被覆蓋豐富，生態恢復力較強。2005—2010年間，大源鎮鎮域生態脆弱性明顯加重，從中度脆弱轉變為重度脆弱，但于2010—2018年間，又逐步轉為中度脆弱，表明其社會經濟活動已經對生態環境造成了巨大威脅，對此，政府大力推進生態文明建設，其成果初步顯現，環境由差轉好，生態保護修復得到高度重視。隨著經濟、人口的快速增長，耕地資源利用加強，造成湖云鄉、梓埠鎮這兩個以耕地為主的鄉鎮由輕度脆弱轉變為了中度脆弱。萬年縣主城區由于土地利用程度較高、人口壓力等對生態壞境造成一定破壞，始終為主要的極度脆弱區。而裴梅鎮雖然在研究期間主要以輕度脆弱為主，但其山地眾多，存在明顯的自然本底脆弱性，生態問題不容忽視。

表3 生態脆弱性評價指標次序權重

圖2 萬年縣2005—2018生態脆弱性分級Fig.2 Classification of ecological vulnerability in Wannian county from 2005 to 2018

表4 生態脆弱性面積占比

表5 各鄉鎮生態脆弱性面積占比

圖3 萬年縣生態脆弱性指數2005—2018年Moran’I散點 Fig.3 Moran scatter of ecological vulnerability index in Wannian county from 2005 to 2018

2.3 萬年縣生態脆弱性空間集聚特征

經過空間自相關的探討，計算出全局Moran’I指數分別為0.504 848、0.680 825和0.742 960，表明2005、2010和2018年萬年縣生態脆弱性具有明顯的空間關聯關系(圖3)，2005—2018年生態脆弱性的空間自相關性逐漸增加，呈現高度空間正相關關系。

圖4顯示，2005年萬年縣生態脆弱性高高集聚區集中于東南部。鄉鎮尺度上，萬年縣生態脆弱性的高高集聚區主要分布在中心城區、裴梅鎮、大源鎮，基本分布在極度脆弱區和重度脆弱區。而低低聚集區主要集中在微度脆弱區，少部分零星分布在輕度脆弱區。而2010、2018年高高集聚區相比2005年更為集中，并逐漸向中心城區、縣域東南部靠攏，且2018年的高高集聚區有向北部拓展的趨勢。大源鎮、裴梅鎮山地較多，且礦產資源開發、廢棄資源處理方式的不完善，形成了生態脆弱性較高的區域以這兩個鎮為主向四周輻射的狀態，是高高聚集的重要原因。而低低集聚區在研究期間內變化較大，其分布狀況由零散逐漸變得集中，至2018年，基本分布在微度脆弱區。總體而言，以目前生態脆弱性的空間集聚效應來看，需要進一步加強對高高集聚區的管控，尤其要防范其向周邊地區輻射擴展效應。

2.4 基于OWA的萬年縣生態脆弱性情景模擬

以2018年萬年縣生態脆弱性評價結果為基礎，結合IDRISI軟件中的OWA模塊，將11個指標的標準化柵格圖、準則權重、次序權重輸入其中，得到不同決策風險下的萬年縣生態脆弱性評價結果。結合實地調查萬年縣社會經濟發展水平以及生態文明建設情況，研究設置了3種情景模擬萬年縣生態脆弱性：a=1時，為維持現狀型；a=0.8時，為生態可持續發展的樂觀決策情景；a=3時，為生態不可持續的悲觀決策情景。

基于圖5分析3種決策情境下萬年縣的生態脆弱性，當a=0.8時，萬年縣全縣處于微度脆弱和輕度脆弱，極少數處于中度脆弱，其中微度脆弱占比5.62%、輕度脆弱占比93.40%。a=1時，萬年縣生態脆弱性狀況接近使用AHP-熵權法時的評價結果，全縣以輕度脆弱和中度脆弱為主，面積占比分別為63.29%、33.03%，表征OWA方法在評價生態脆弱性具有一定適用性。a=3時，萬年縣以中度脆弱為主，占比59.37%，且重度脆弱占比1.64%，除縣域西北部生態脆弱性較低，其余地區生態脆弱程度均較高。此時，高程、起伏度、均溫、降水等指標次序權重較高，萬年縣東南部原有自然因素成為造成生態環境脆弱的重要原因，生態環境問題不容忽視。

圖4 萬年縣生態脆弱性指數2005—2018聚類Fig.4 Clustering of ecological vulnerability index in Wannian county from 2005 to 2018

圖5 不同政策情境下萬年縣生態脆弱性狀況Fig.5 Ecological vulnerability in Wannian county under different policy scenarios

生態持續型情景下，全縣輕度脆弱面積超過90%，生態環境保護得到極大重視，此時全縣生態被破壞的區域幾乎沒有，決策策略可以適當考慮加大社會發展的投入，以提高未來生態修復的經濟保障。維持現狀型情景下，萬年縣生態脆弱性評價結果趨近于反映區域現實脆弱性，此時縣域中心城區、西北耕作區脆弱程度較高，決策策略可以考慮在這些區域開展生態修復試點工作。生態不可持續型情景下，全縣脆弱程度較高，中度脆弱占比接近六成，且集中于東南方，此時決策策略需要重點恢復縣域生態環境，由于東南山區地勢較高、地形起伏較大，決策者可以考慮從水源涵養、生物多樣性維護、水土流失治理等方面制定修復措施，通過自然修復與人為干預的方式進行綜合治理。

3 討 論

運用SRP模型從生態敏感性、生態恢復力、生態壓力度3個層次遴選指標，較為綜合地分析了2005—2018年間萬年縣生態脆弱性時空演變特征，同時對其進行空間自相關分析，探討生態脆弱性在空間上的集聚狀況，期望為生態治理修復、分區管控提供參考。但由于研究尺度較小，部分數據獲取受到限制，且生態脆弱性分級方式、權重確定等多樣化，并未有一個統一標準，因此生態脆弱性評價體系值得進一步完善。

通過OWA方法設置不同決策風險，對生態脆弱性進行不同情景的模擬，有助于決策者更全面、科學地進行判斷。在對萬年縣進行生態脆弱性評價時，不同決策風險系數下的結果也各不相同，決策者通過得到多情景組合情況下的評價結果進而統籌社會經濟發展和風險管控之間的關系。值得注意的是，OWA方法的評價結果只能為處在動態變化之中的區域發展提供決策思路，并不代表方案唯一優解。本文基于對生態脆弱性的認識，嘗試探索不同決策情景下的脆弱性結果，期望為決策者提供不同的決策策略，同時彌補多準則決策在生態脆弱性研究中較少的情況。

4 結 論

采用綜合指數法對萬年縣2005—2018年的生態脆弱性進行評價，并基于OWA方法探討2018年不同情景方案下的國土空間脆弱性。

(1)2005—2018年，萬年縣生態脆弱性呈明顯下降趨勢，生態脆弱性指數均值由2005年的0.2633下降至2018年的0.1914，累積下降27.31%。區域生態脆弱性總體呈現“西北高—中部、西部低—東南高”的空間格局。

(2)2005—2018年，萬年縣生態脆弱性Moran’ I指數分別為0.504 848、0.680 825、0.74 296，表征萬年縣在研究期間生態脆弱性呈現高度正相關關系，空間集聚進一步增強。

(3)基于OWA方法模擬不同決策風險下萬年縣生態脆弱性，結果表明隨著風險系數的增加，萬年縣生態脆弱性逐漸升高，決策者態度由樂觀變為悲觀。萬年縣處于“生態持續型”、“生態不可持續型”情景下的生態脆弱性分別處于輕度脆弱(93.40%)、中度脆弱(59.37%)水平。

(4)“維持現狀型”時，全縣以輕度脆弱和中度脆弱為主，面積占比分別為63.29%、33.03%，接近使用AHP-熵權法時的評價結果，表明OWA方法在生態脆弱性研究中具有一定適用性。