基于暴露-敏感-適應性模型的生態脆弱性時空變化評價及相關分析
——以中國大運河蘇州段為例

霍 童,張 序,*,周 云,2,陳 偉

1 蘇州科技大學 環境科學與工程學院, 蘇州 215011

2 大運河文化帶建設研究院蘇州分院, 蘇州 215000

3 蘇州市文物保護管理所, 蘇州 215006

人類社會發展與自然生態環境有著密切的聯系,隨著全球背景的迅速變化,生物多樣性減少、森林面積銳減、生態災害加重等一系列環境問題[1]日益突出,生態環境脆弱性[2]研究愈發重要。科學認識生態環境脆弱性并對其進行針對性的研究[3],即可有效的對區域生態資源進行管控。

國內外對生態脆弱性尚未有明確的定義,但基本都使用外部因子所帶來的影響來表征脆弱性。IPCC等[4]認為生態脆弱性是生態環境在外部壓力下系統傾向受到不利影響, 包括敏感性或易受危害、缺乏應對以及適應的能力。生態脆弱性可以從以下幾個方面進行表征:(1)生態環境本身和外界所產生的影響,(2)生態環境本身的敏感性[5],(3)生態環境對各種影響的應變和適應能力[6]。目前的生態脆弱性研究更為豐富,研究區域從湖泊[7]到流域[8]、從市級[9]到省域尺度[10]、從地區[11]到全球變化[12],研究方法涉及GIS空間分析[13]、聚類分析方法[14]、模糊評價法[15]和決策樹方法[16]等等。但目前還存在一些問題,如研究理論方法創新不足、評價指標體系及分析模型難以統一、評價結果的應用研究有待拓展等等。

中國大運河蘇州段流域[17]的生態環境狀況十分復雜,所面臨的生態環境問題十分嚴峻。大運河蘇州段流域上游、中游和下游生態狀況和資源分布差異明顯,上游流經地區多為郊外工廠產業園,以第二產業為主要經濟產業,主要問題為工農業污染排放較多、人為干擾強度較高,導致了運河周邊地區水質變差[18],從而影響了周邊地區的居民生活和農作物的生長；中游地區城鎮化比例較高,多為建設用地,以第二、第三產業為主要產業,主要問題為人口密度過高,建設用地比例較高,林地、草地、水域分布較少,土地利用不合理[19],景觀類型單一,一定程度上影響了生物多樣性；下游流經地區周圍多為農用地、林地、水域等、生態資源充沛,主要問題為生態資源保護不到位,沒有進行合理的規劃。所以,針對研究區上游地區人為開發強度較高且環保規劃及污染治理力度相對不足導致的土地利用不平衡、中游地區人口增長迅速導致對生態資源的過度消耗以及下游地區植被覆蓋面積減少且分布不均衡的問題,運用VSD模型,根據流域上中下游不同地段選擇相對應的評價指標,建立生態脆弱性評價指標體系,評價分析十年來該區域的生態環境脆弱性時空變化趨勢,并根據生態脆弱性時空變化趨勢劃分生態修復區和生態退化區,從不同維度對大運河蘇州段上中下游不同地區的生態環境差異進行針對性評價分析,為其生態修復與治理提供一定的參考依據。

1 研究方法

1.1 研究區概況

大運河蘇州段位于蘇州市,是其境內極其重要的河流,120°44′—120°60′E,30°86′—31°45′N,主流總長度可達81.85 km,支流眾多,流經蘇州市相城區、高新區、姑蘇區、吳中區、吳江區,概況圖見圖1。研究區地形以平原為主,地勢低平,一般高程為海拔3.5—5 m；屬亞熱帶濕潤性季風海洋性氣候,年平均氣溫在16—18℃,降水量常年保持在1000—1400 mm左右。

圖1 研究區概況圖

1.2 數據源及處理

遙感影像數據和數字高程數據來自地理空間數據云(www.gscloud.cn),對遙感影像數據進行去云處理,大氣輻射校正、幾何校正、畫質增強、裁剪拼接及鑲嵌融合,得到研究用底圖數據；環境質量數據來源于《蘇州市環境質量公報》；經濟社會數據來源于《蘇州市統計年鑒》,具體數據詳情見表1。

表1 數據來源及用途

由于不同指標的量級不同,在評價之前首先對數據進行標準化[20]處理,數據越大越好的正向型指標采用公式(1),越小越好的逆向型指標采用公式(2):

(1)

(2)

式中,Sij為第i行第j個指標的標準化數值,xij為第i行第j個數值,ximax和ximin分別代表第i行的最大值和最小值。

將標準化后的屬性數據在ArcGIS 10.2中利用反距離插值法[21]轉換為空間柵格數據,得到指標的空間化數據。

1.3 指標評價體系構建

本文根據脆弱性定義參考國內外文獻選取暴露-敏感-適應性(Vulnerability-Scoping-Diagram,VSD)模型[22]建立評價指標體系,VSD模型將生態脆弱性分為3個部分,分別是暴露度、敏感性和適應能力。

生態暴露度是生態系統經歷外界壓力或沖擊的程度,反映受干擾或脅迫程度的參數。研究區干擾因素主要體現在人類活動方面,人口密度越高,經濟產業分布就會越廣泛,對生態環境的開發程度就會越高,會產生更多的工農業污染,從而使得研究區生態暴露度升高。所以,根據人口產業分布、土地開發利用及工農業污染排放三個方面選取人口密度、工業產值占比、工業三廢排放強度、農用化肥施用強度、農藥噴灑強度、空氣質量指數[23]、土地開發程度指數[24]9個指標來表征生態暴露度,其中,土地開發程度指數公式如(3)所示:

(3)

式中,L為土地開發程度指數,其數值越高,說明開發程度越高,生態暴露度越高；Xi為土地等級；Ci為地形位i級土地開發程度所占面積百分比；根據徐州等[24]的研究成果和研究區實際情況將土地開發程度分為5級,將建設用地分級為5,農用地為4,園地、草地為3,森林、濕地為2,未開發自然地為1。

生態敏感性是生態系統在特定的時空尺度下相對于外界干擾所具有的敏感性反應和自我恢復能力。研究區水系資源和植被資源豐富,降雨量充足,氣候宜人,地勢低平,但是部分地區水質情況較差,植被資源分布不均,有時會遭受暴雨、高溫、臺風、霜凍等災害,所以選擇自然資源分布、氣候變化狀況及地形陡峭程度這三個方面來代表生態敏感性,生態資源越豐富,氣候狀態越穩定,地形越平坦,生態敏感性就越低。選取歸一化植被指數[25]、景觀多樣性指數[26]、凈初級生產力[27]表征植被資源的數量和分布狀態,詳細公式見下(4)、(5)、(6),其數值越高,表明植被資源越豐富,生態敏感性越低；選取單位面積水資源量和Ⅴ及劣Ⅴ類水在監測斷面中占比代表研究區水文資源的數量和質量,單位面積水資源量越高,Ⅴ及劣Ⅴ類水占比越低,生態敏感性越低；選擇暴雨強度[28]和低于-10℃和高于35℃的天數代表研究區的氣候狀態,其數值越低,表明極端天氣越少,生態敏感性越低；選擇地形起伏指數[29]表征研究區的地形陡峭程度,其數值越低,地形越平坦,受到外界干擾后恢復的速率越快,生態敏感性越低,地形起伏指數公式見(7),具體公式見下:

NDVI=(NIR-R)/(NIR+R)

(4)

式中,NDVI為歸一化植被指數,處于[-1,1]之間,其值越高,植被覆蓋率越高；NIR為近紅外波段反射值；R為紅光波段反射值。

(5)

式中,H為景觀多樣性指數,其值越高,景觀多樣性越豐富；Pi為第i種景觀類型所占的面積比例；n為景觀類型數量。

NPP=APAR×ε

(6)

式中,NPP為凈初級生產力,根據賈艷紅等[27]的研究成果,NPP越高,植被覆蓋率更高,光照更加充足,生態敏感性越低；APAR為光合有效輻射；ε為實際光能利用率。

(7)

生態適應能力是系統能夠處理、適應脅迫以及從脅迫造成的后果中恢復的能力。研究區適應能力主要體現在對自然環境的保護和對污染排放的治理上。選取濕地保護率、森林保護區數、人均公園綠地面積、建成區綠化覆蓋率、污水處理率、環境污染治理資金投入以及每萬元 GDP用水量這7個指標來體現人為因素對自然環境的正面影響,指標數值越高,說明環境保護力度越大,生態適應能力越強,從干擾中恢復的速率越快。

1.4 指標權重的確立及分類

本文將層次分析法[30]與熵權法[31]相組合,分別計算主觀和客觀權重,根據最小信息熵原理[32]結合拉格朗日中值定理求出綜合權重。

經過(1)和(2)公式標準化后,使用Yaahp 10.5軟件計算各個指標的主觀權重φi,使用Excel軟件計算客觀權重μi,再根據公式(8)、(9)、(10)求出組合權重ωi,并運用自然斷裂點分類法[33]將其分為潛在、輕微、一般、非常和極度脆弱5個等級,詳情見表2。自然斷裂點分類法會對分類間隔加以識別，將大量數據進行最恰當的分組,并可使各個類之間的差異最大化,要素將被劃分為多個類,對于這些類,會在數據值的差異相對較大的位置處設置其邊界。

表2 生態脆弱性評價指標權重分級表

(8)

(9)

(10)

式中,φi為主觀權重；μi為客觀權重；ωi為組合權重。

生態脆弱性在空間格局上可能會對某一項或多項指標形成趨勢,從而產生依賴性,故運用生態脆弱性指標空間格局指數[34]公式(11)反映各項指標的空間依賴性,對指標的正逆性進行驗證:

(11)

1.5 生態脆弱度的計算

根據付剛等[35]生態脆弱度計算方法,運用ArcGIS 10.2軟件的柵格計算器和柵格重分類模塊,計算研究區域每個柵格的生態暴露度指數(Ecological Exposure Index, EEI)、生態敏感性指數(Ecological Sensitivity Index, ESI)及生態適應能力指數(Ecological Adaptability Index, EAI),最后使用ArcGIS 10.2軟件的空間鑲嵌融合功能將三個指數的計算結果相融合,得出生態脆弱性指數(Ecological Vulnerability Index, EVI),并使用自然斷裂點分類法將其分為潛在、輕微、一般、非常和極度脆弱5個等級,計算公式見(12),詳細分類見下表3。

表3 生態脆弱度分級表

(12)

式中,EVI為生態脆弱性指數,EEI為生態暴露度指數,ESI為生態敏感性指數,EAI為生態適應能力指數；WEi為生態暴露度第i個評價指標的權重,FEi為生態暴露度第i個評價指標的等級；WSi為生態敏感性第i個評價指標的權重,FSi為生態敏感性第i個評價指標的等級；WAi為生態適應能力第i個評價指標的權重,FAi為生態適應能力第i個評價指標的等級。

假設有n個生態脆弱區,最多則有n(n-1)種生態脆弱區變化,每一種可能發生的生態脆弱區變化,就會對生態脆弱性產生一定程度上的影響,負值說明該脆弱區變化會降低生態脆弱性,正值則會增加生態脆弱性,將其歸一至區間[-1,1]。為確保生態脆弱性評價公式的合理性,運用公式(13)計算生態脆弱度變化等級加權值(grade weighted value of ecological vulnerability change):

圖2 生態脆弱區類型變化等級加權值與生態脆弱性指數變化值相關性散點圖

(13)

式中,EVCGVW為生態脆弱度變化等級加權值；EVCNGVi(ecological vulnerability change normalization grade value)為第i個生態脆弱區變化歸一化的等級值；SCi為第i個生態脆弱區所變化的面積；S區域為研究區總面積。

使用SPSS 25軟件對17個生態脆弱區變化等級加權值與生態脆弱性指數變化值進行相關性分析,分析結果見圖2和表4,生態脆弱度變化等級加權值與生態脆弱性指數變化值景觀類型變值Pearson相關系數為0.874,兩者極強相關,驗證了生態脆弱性指數構建的合理性。

表4 生態脆弱區變化等級加權值與生態脆弱性指數變化值Pearson相關系數

2 結果與分析

2.1 單維度生態脆弱性分析

2.1.1生態暴露度

2008年生態暴露度主要以輕微脆弱區為主,面積為1923.02 km2,占比41.33%,其非常和極度脆弱區占比較高,合計占比26.21%。其中生態暴露度主要集中在中國大運河蘇州段上半段流經的高新區及相城區,中段流經的姑蘇區以及下半段流經的吳江區暴露度相對較低；2018年生態暴露度輕微脆弱區占比為44.44%,較2018年提高了3.11%,非常脆弱區和極度脆弱區相比2008年分別下降了5.02%和3.51%,分布結果見圖3,詳細具體占比見表5。

圖3 研究區生態暴露度分布

2.1.2生態敏感性

2008年研究區生態敏感性主要以潛在和輕微脆弱區為主,其合計占比為64.73%,共有3011.78 km2。植被覆蓋度高且較為均勻,降水量充沛,水資源充足且極端天氣天數較少,多數地區為潛在脆弱區域和稍微脆弱區域,高脆弱性區域較少且較為分散,分布在大運河蘇州段上游的高新區、相城區及下游的吳江區。2018年生態敏感性進一步下降,植被覆蓋度的提升以及年降水量的增多是明顯的誘因,多數區域為潛在脆弱性區域和一般脆弱性區域,高脆弱性區域較2008年也大幅度減少,總體生態敏感性分布較2008年更加均衡,分布結果見圖4,詳細具體占比見表5。

圖4 研究區生態敏感性分布

2.1.3生態適應能力

2008年研究區生態適應能力主要以輕微脆弱區為主,占比41.52%,共有1932.32 km2,低等脆弱區主要分布在下游,上游段相城區和高新區生態適應力較低,環境污染治理資金投入較少。2018年,生態環保建設力度加大,經濟可持續發展進一步推進,總體生態適應力逐漸提高,生態適應能力提高明顯,重度脆弱區逐漸向中低等脆弱區轉變。分布結果見圖5,詳細具體占比見表5。

圖5 研究區生態適應能力分布

2.2 生態環境脆弱性綜合評價分析

2.2.1生態脆弱度時空分布變化及相關評價分析

使用ArcGIS 10.2軟件的柵格計算器和柵格重分類結合空間疊置分析功能,根據公式(12)將EEI、ESI及EAI的計算結果相疊加,計算每個柵格的EVI,并制作出研究區生態脆弱性空間分布圖,具體結果見圖6,詳細具體占比見表5。

圖6 研究區生態脆弱性分布

表5 生態脆弱區占比和面積統計

2008年,由于經濟處于高速發展階段,人為活動對生態環境影響較大,資源利用率較低,生態脆弱度格局較不均衡。到了2018年,提倡綠色生態可持續發展,人為建設因素影響力下降,極度脆弱區與非常脆弱區合計占比來到了15.61%,而潛在脆弱區與輕微脆弱區進一步增加,占區域總面積的68.79%,可見研究區生態環境脆弱性較10年前有明顯提升。

結合表5的占比結果來看,研究區生態環境脆弱度有所波動,但基本以潛在脆弱區與輕微脆弱區為主,流域內整體生態環境脆弱度處于良好的格局。2008年,流域內以輕微脆弱區為主,占比42.05%,共計1956.52 km2。上中下游體現出了不同的脆弱性分布,上游中度和重度脆弱區分布較為密集,日益發達的第二產業與較低的環保力度是其主要誘因；中游以中度脆弱區為主,這一部分生態資源和人為影響力度較少；下游水資源和植被資源豐富,且環境保護力度較大,是研究區生態系統最為健康的一部分。2018年,國家倡導生態經濟綠色可持續發展,研究區規劃管理方式日漸成熟,生態環境質量明顯有所提升,生態環境脆弱度呈良好的下降趨勢,較2008年相比,除了一般脆弱區面積占比幾乎不變,非常脆弱區與極度脆弱區占比為15.61%,降低了6.84%,潛在脆弱區與輕微脆弱區占比為68.79%,上升了6.15%,流域內重度脆弱區正逐步向輕度脆弱區轉變,各區生態環境脆弱度分布差異進一步減小。

2.2.2生態脆弱分區變化及相關評價分析

基于生態脆弱性空間分布結果,制作研究區生態脆弱變化區分布,分別為生態脆弱區變化空間分布、生態脆弱區具體變化分區、生態修復區空間分布以及生態退化區空間分布,結果如圖7和表6所示。

圖7 研究區生態脆弱變化區分布

結合表6來看,十年間研究區生態環境脆弱恢復情況較為良好,生態修復區占比為37.08%,其中Ⅰ級修復區占比最高為13.31%,Ⅳ級修復區占比最低為4.95%；生態持平區占總面積的37.93%；生態退化區占比較小,為24.89%,Ⅱ級退化區占比最高為9.54%,Ⅳ級退化區占比最低,為1.50%。重度脆弱區向中輕度脆弱區的轉變十分明顯,從研究區十年來生態修復分布來看,退化區主要分布在流域上游的高新區和相城區的人口產業密集處及流域中游吳中區的城區,以Ⅰ級和Ⅱ級退化區為主,合計占比為18.60%,其中上游的相城區和中游的吳中區的生態退化率較高,城市化進度低、不合理的土地開發以及過分依賴第二產業,工農業污染排放無法降低,導致生態修復進展相對緩慢。Ⅰ級和Ⅱ級退化區合計占比都超過了20%,修復區多分布在中游高度城市化的姑蘇區、工業園區和下游生態資源豐富、人為開發力度較小的吳江區,其中姑蘇區的Ⅰ級、Ⅲ級和Ⅳ級修復區占比分別為20.70%、11.45%和8.29%,皆為最高,而Ⅱ級生態修復率最高為工業園區的18.21%,流域中游地區的人口轉移和產業升級,是其生態修復良好的重要原因。

表6 生態修復分區統計

3 討論

研究區生態脆弱變化趨勢較為明顯,大運河蘇州段流域上游相城區和高新區周邊地區的生態退化區密度較高且分布集中,該地區人口密度從2008年的0.09萬人/km2上升到了2018年的0.25萬人/km2,建設用地占比漲幅達到了15.39%,較高的人口壓力使得人地關系更為緊張,且當地產業以第二產業為主,2008年和2018年的工業污染排放總量分別占研究區總體的47.61%和42.34%,但是,上游地區環境污染治理資金投入的金額僅從7.37億元上漲到15.13億元,導致2008年和2018年的污水處理率分別僅有78.77%和87.23%,Ⅴ及劣Ⅴ類水在監測斷面中的占比也低于研究區平均水平,分別為31.23%和19.80%,使得上游地區的生態暴露度指數從2008年的1.70增長到了2018年的2.01,污染排放強度較高以及環保力度較低是該區域生態退化區分布較為密集的主要誘因。流域中游姑蘇區和工業園區的周邊地區生態修復情況優秀,該區域高污染高排放高能耗企業較少,第三產業發達,工業廢水、廢氣、固廢的排放強度從2008年的3.57萬t/km2、0.35億m3/km2、0.09 t/km2降低到2018年的0.28萬t/km2、0.04億m3/km2、0.01 t/km2,空氣質量指數從2008年的84.34下降到了2018年的46.19,中游地區生態暴露度指數從2008年的1.59下降到2018年的1.31；中游周邊地區

Ⅰ級修復區: 潛在脆弱區以上脆弱區變化為潛在脆弱區的區域 ；Ⅱ級修復區: 輕微脆弱區以上脆弱區變化為輕微脆弱區的區域 ；Ⅲ級修復區: 一般脆弱區以上脆弱區變化為一般脆弱區的區域 ；Ⅳ級修復區: 非常脆弱區以上脆弱區變化為非常脆弱區的區域 ；Ⅰ級退化區: 輕微脆弱區以下脆弱區變化為輕微脆弱區等級的區域；Ⅱ級退化區: 一般脆弱區以下脆弱區變化為一般脆弱區等級的區域；Ⅲ級退化區: 非常脆弱區以下脆弱區變化為非常脆弱區等級的區域；Ⅳ級退化區: 極度脆弱區以下脆弱區變化為極度脆弱區等級的區域生態資源分布較為分散但利用程度較高,十年間土地綜合利用程度指數、歸一化植被指數、景觀多樣性指數分別提升了135.6、0.15、154.96,生態敏感性指數從2008年的1.17下降到2018年的0.75,該區域嚴格控制污染排放、合理規劃土地利用、大力投入環境保護,使得生態暴露度指數和生態敏感性指數大幅度降低,成功將部分重度脆弱區轉變輕微脆弱區,生態脆弱度有明顯的下降,生態修復情況優秀。流域下游的人口密度較低且自然資源充沛,暴雨強度較低,十年間單位面積水資源量漲幅達到了2.89億L/km2,豐富的水文資源使得該區域的植被面積十分充沛,其林地、草地及園地合計占比從2008年的25.39%提高到了2018年的38.90%,2008年和2018年下游地區極端天氣出現的天數僅為58天和52天,生態敏感性指數從2008年的1.26下降到2018年的0.63。不過,下游地區近年來人為干擾力度加大,工業污染排放增多,農用地的不合理擴張影響了水域等自然地的生態質量,農用化肥施用強度、農藥噴灑強度分別從2008年的2.76、0.15 t/km2增長到了3.81、0.28 t/km2,人為干擾強度的增大使得生態暴露度指數從1.60增長到1.71；下游地區生態適應能力指數從2008年的0.87下降到2018年的0.73,自然植被覆蓋率較高,但建成區植被覆蓋率較低,環保建設投入金額較少,污水處理率不高是下游周邊地區生態適應能力指數增長緩慢的主要原因,環保建設力度無法匹配上人為干擾強度阻礙了大運河下游生態環境的進一步修復。

從總體修復情況上看,下游地區修復區面積最多,中游地區修復率最高,上游地區退化區占比最高,上游地區是大運河蘇州段流域未來生態治理和保護的重點區域。對于上游地區,加強對三高企業污染排放的監督管理,大力促進產業升級,加大污染治理資金的投入,同時退耕還林,重點保護區域內的森林、濕地資源；對于中游地區,加強該區域的景觀綠化方面的工作,強化綠色環保方面的宣傳,同時對該區域的自然生態資源進行規劃,開設專門的保護區,形成一個植被資源保護體系；對于下游地區,對國家規定的基本農田進行嚴格保護,擴大植被覆蓋面積,提高建成區綠化覆蓋率,合理利用土地資源。

4 結論

運用VSD模型根據大運河蘇州段流域不同地區的生態環境狀況,針對性地選取外部壓力、自然因素、環境保護相關的24個指標,可以有效地評估研究區生態環境的健康狀況,識別威脅生態環境的因素,而且生態脆弱區變化圖示可以清晰地反映出研究區每個區域的生態脆弱性變化情況。然而,生態脆弱性評價只能對生態環境進行靜態評價或者一定時間間隔的相對動態評價,無法對生態環境變化的動態過程進行解析,且不能對未來生態環境的健康狀況以及出現的問題進行合理預測。因此,運用更合適的模型進一步對運河生態環境狀況進行定性與定量相結合的分析,并且對其進行合理預測評價,是接下來所要進行的重點。