基于DPSIR 模型的黃土高原生態敏感性演變格局及驅動力分析

李 帆 ，賈 夏 ，趙永華 ※，奧 勇 ，韓 磊 ，劉 釗 ，丁詩雨

（1. 長安大學土地工程學院,西安 710054；2. 長安大學水利與環境學院,西安 710054；3. 陜西省土地整治重點實驗室,西安 710054；4. 自然資源部退化及未利用土地整治工程重點實驗室,西安 710054；5. 陜西省土地整治工程技術研究中心,西安 710054）

0 引言

生態環境是人類生存和發展的基礎，隨著社會生產力的發展，人類對生態系統的威脅日益嚴重，生態環境和社會經濟發展的矛盾與沖突已成為全球面臨的共同挑戰，保護和改善生態環境是當今世界各國共同探索的重要主題。生態敏感性表示生態環境對外界各種因素反應的敏感程度，是生態系統穩定性和抗干擾能力的有效衡量標準[1]，通過對區域生態敏感性的研究，可明辨現狀條件下生態系統抵抗外界干擾的能力，確立和保護生態系統的高敏感區，合理開發利用敏感性低的區域，為生態系統保護和治理提供科學依據，促進區域經濟、社會、生態系統的可持續發展。

生態敏感性評價由20 世紀80 年代歐盟委員會資助的地中海荒漠化和土地利用項目（Mediterranean Desertification and Land Use）中的荒漠化敏感性評價工作發展而來，采用ESA（environment sensitivity area）模型構建生態敏感性評價體系，隨后應用于水文、土壤、土地等[2-5]領域。由于影響生態敏感性的因素眾多，常因地域不同而表現出時空差異性，且各因素之間存在復雜的相互關系，學者們對ESA 模型進行了改進?，F階段敏感性指標體系的構建大體可以分為兩類：一是基于研究區現狀，選取代表性因子構建評價體系，具有很強的針對性，如YILMAZ 等[6]從自然和文化因素出發，選取高程、坡度、植被覆蓋度、主要交通道路與居民區的接近程度等因子作為指標開展生態評估，生成了生態敏感性圖譜，并將其作為不同尺度的空間規劃和策略的基礎；劉春霞等[7]結合三峽庫區重慶段的自然和社會經濟條件，從土壤侵蝕、石漠化、生境和酸雨4 個方面構建敏感性評價體系，揭示了該地區生態敏感性的空間分布規律及存在的問題，為長江流域生態安全的可持續發展提供了重要保障。二是基于已有模型框架，挖掘各因子之間關系以構建評價體系，綜合性更強，如LEMAN 等[8]將PSR（pressure-state-response）模型作為理論背景，基于ESA模型以及以前在中國開展的生態環境研究，從災害風險、遺產價值、生命支持系統3 個方面構建了兩套敏感性評價體系，結合研究區的自然和文化特征，確定基于ESA的評價體系更適用于描繪該地的環境問題，并依據該評價結果為生態發展戰略的制定提供參考；田璐等[9]從沙漠化敏感性的主要影響因子出發，基于PSR 分析框架，構建了包括氣候、地表覆蓋、植被恢復的沙漠化敏感性評價體系，在一定程度上彌補了以往“重評價、輕框架”的研究不足。目前評價指標的計算方法可分為定性和定量兩種方法。定性方法如分級賦權重法[10]、AHP 層次分析法[11]等，計算結果受主觀影響較強。近年來，定量計算方法被越來越多地應用到指標計算中，如空間距離指數[12]、全排列多邊形圖示指標法[13]，前者將各因子作為一個維度歸納到幾何空間中，通過計算多因子歐氏距離之和獲得最終結果[14]；后者同樣采用幾何方法計算指標，但其考慮了臨界值對系統指標的放大和緊縮效應，能夠反映指標的動態趨勢，更加適合復雜模型的應用[15]。雖然學者們對生態敏感性展開了多方面的探索，但依舊存在一定的局限性，如評價指標的選擇難以形成統一標準，具有一定的空間差異性，因此，因地制宜地制定評價體系顯得尤為重要[16]；指標的計算多采用單一的定性或定量方法[10,17]，難以擺脫計算方法本身的局限性[18]，根據指標間的相互作用關系選擇與之相適應的計算方法，可以更好地反映評價指標的綜合性[19]；生態敏感性治理分區多針對現階段生態敏感性的演變特征進行[20-21]，少有研究考慮其未來的發展趨勢，但預知未來高敏感區，提前采取針對性的治理措施，對于降低區域生態敏感性是十分有益的。

黃土高原是中國重要的能源化工基地和農業生產基地，受自然條件限制以及外界因素的干擾，水土流失、植被稀疏、土地生產力低下[22]等現象頻發，生態環境極為敏感。近年來，隨著一系列生態治理措施的實施，黃土高原生態環境明顯好轉。探究生態敏感性時空演變特征是對多年治理成果的有效評估，也可為該地區生態環境可持續發展提供參考。基于此，采用驅動-壓力-狀態-影 響-響 應（driving-pressure-state-impact-response，DPSIR）框架，耦合空間距離指數模型和全排列多邊形圖示指標法構建生態敏感性評價體系，借助地理信息演變圖譜和地理探測器探究黃土高原2000—2020 年5 個時間節點生態敏感性演變格局及驅動力，依據過去、現在、未來3 個維度，采用動靜結合的方式，劃分生態敏感性治理分區，對黃土高原生態環境治理提出相關建議。

1 數據來源與研究方法

1.1 研究區概況

黃土高原位于黃河流域中部，處于33°43'N～41°16'N、100°54'E～114°33'E 之間，地跨7 省，總面積64.87 萬km2，可分為黃土高塬溝壑區、黃土丘陵溝壑區、沙地和農灌區、土石山區及河谷平原區[23]（圖1）。該地區屬大陸性季風氣候，冬春季寒冷干燥多風沙，夏秋季炎熱多暴雨。地勢西北高、東南低，且地形起伏較大，大部分為黃土覆蓋，平均厚度在50～100 m 之間。人口密度高于全國平均水平，且以農業人口居多。土地利用類型以草地和耕地為主，2020 年兩者占比72.53%。自然條件和人為因素相互作用使得黃土高原水土流失嚴重，是中國生態環境脆弱的地區之一。

圖1 黃土高原地理示意圖Fig.1 Geographical map of the Loess Plateau

1.2 數據來源

1）2000 年、2005 年、2010 年、2015 年和2020 年的氣象數據來源于中國氣象數據網（http://data.cma.cn/），由氣象站點數據插值得到；2）土壤數據（1 km）來源于世界土壤數據庫（https://www.fao.org/）；3）2000 年、2005 年、2010 年、2015 年和2020 年的TVDI（1 km）及黃土高原分區數據來源于國家科技基礎條件平臺—國家地球系統科學數據中心（http://www.geodata.cn），NDVI、人口密度和夜間燈光數據通過GEE 平臺（https://code.earthengine.google.com/）在線獲取，其中NDVI（30 m）采用Landsat5/7/8 數據，人口密度（100 m）采用WorldPoP數據，夜間燈光數據（500 m）采用“類NPP-VIIRS”數據；4）2000 年、2005 年、2010 年、2015 年和2020 年的土地利用數據（1 km）來源于中國科學院資源環境科學與數據中心（https://www.resdc.cn/）；5）DEM（90 m）來源于地理空間數據云（http://www.gscloud.cn/search）。為了數據分辨率一致性和便于分析，將所有數據重采樣至1 km× 1 km，采用WGS_1984_UTM_Zone_48N 投影坐標。

1.3 生態敏感性指標體系構建

1.3.1 DPSIR 模型

DPSIR 模型在PSR 模型的基礎上發展而來[24]，更適用于復雜關系的表示，用于分析某一現象之間的各種因果關系，廣泛應用于生態環境[25]、水資源[26]、土地利用[27]等方面。根據黃土高原的自然條件和突出環境問題，結合《黃河流域生態保護和高質量發展規劃綱要》，從自然和社會經濟角度出發，選取因子構建黃土高原生態敏感性DPSIR 模型指標體系（表1）。因子選擇依據如下：驅動力是生態敏感性變化的潛在原因，氣候通過影響物種組成、土壤理化性質等對生態敏感性產生影響，故選取降水、氣溫、風速因子構建驅動力指標體系；壓力指人類活動對生態敏感性的直接作用，人口流動、經濟發展及土地利用方式的改變都會造成生態敏感性的變化，故選取人口密度、城市化水平、土地利用程度構建壓力指標體系；狀態即在當前壓力下生態系統所處的狀態，從地形、土壤、植被三方面入手，選取高程、土壤質地、歸一化植被指數構建狀態指標體系；影響即所處狀態對生態系統的功能和服務產生的效應，從自然環境和人類健康入手，選取土壤含水率、干燥度、氣候舒適度構建影響指標體系；響應即人類為降低生態敏感性而采取的對策，選取土壤侵蝕強度和溫度植被干旱指數，分別代表水土流失治理工程和土地荒漠化治理工程所帶來的生態效益。

表1 黃土高原生態敏感性指標體系Table 1 Ecological sensitivity index system of the Loess Plateau

1.3.2 空間距離指數模型

空間距離指數模型可消除主觀因素的影響[12]，通過計算空間中的最低點到其他點的距離來判斷生態敏感性的高低。本研究將該模型用于驅動力、壓力、狀態、影響、響應5 個模塊生態敏感性的計算，計算式如下：

式中M為單個模塊的生態敏感性指數，Xmin為各指標因子的最低值，Xi為各指標因子歸一化后的值，n為空間維度。

1.3.3 全排列多邊形圖示指標法

DPSIR 模型下各指標間的關系極其復雜，空間距離指數模型難以表示，常用的客觀賦權評價法假設指標間為簡單的線性關系，導致結果偏差[18]。全排列多邊形圖示指標法是一個多層次、多目標的復雜評價系統[15]，可以反映評價對象在原高維空間中的分類信息和排序信息[32]。本研究將該模型用于綜合生態敏感性的計算，計算式如下：

式中E為綜合生態敏感性，Mi和Mj為兩個不同模塊的生態敏感性指數，N為模塊個數。

為了更好地對比不同時期黃土高原生態敏感性的空間分布特征，采用自然間斷法將綜合生態敏感性劃分為不敏感、低度敏感、中度敏感、重度敏感、極敏感5 類，并以2020 年的分類結果以標準對其他年份的綜合生態敏感性進行劃分。

1.4 生態敏感性演變特征分析

1.4.1 生態敏感性轉換特征

生態敏感性地理信息演變圖譜將時空圖譜從土地相關研究[33]轉移到生態學領域[16,34]以圖譜單元為基本單位，將多期生態敏感類型的時空分布及演變過程以編碼的形式表達，實現生態信息時空演變一張圖。參照張學淵等[34]采用的方法制作生態敏感性地理信息演變圖譜，步驟如下：

1）20 a 單個生態敏感類型轉換編碼。分別對20 a每一生態敏感類型進行提取，并將提取出的生態敏感類型賦值為1，其余類型賦值為0，然后將20 a 同一生態敏感類型進行柵格疊加，獲得20 a 單個生態敏感類型轉換編碼，計算式如下：

式中Ci為20 ai類生態敏感類型轉換編碼；ci_2000、ci_2005、ci_2010、ci_2015、ci_2020分別為i類生態敏感類型在2000 年、2005 年、2010 年、2015 年、2020 年對應的編碼（0 或1）。最終結果共32 種，按照其演變含義將其分為7 類，并賦予相應的編碼a～f（表2）。

表2 單個生態敏感性轉換類型分類Table 2 Classification of individual ecological sensitivity transformation types

2）生態敏感性地理信息演變圖譜。單個生態敏感類型轉換編碼表征的是同一敏感類型20 a 的轉換特征，為了獲得20 a 不同敏感類型之間的相互轉換情況，在1）的基礎上，將5 類生態敏感類型演變編碼柵格疊加，最終獲得20 a 黃土高原生態敏感性地理信息演變圖譜，計算式如下：

式中ME為生態敏感性地理信息演變圖譜；Cnone、Clow、Cmoderate、Csevere、Cextreme分別為不敏感、低度敏感、中度敏感、重度敏感、極敏感的20 a 的轉換編碼。最終結果共32 種，按照編碼含義劃分為22 類，依據演變特征劃分為4 類（表3）。

表3 生態敏感性地理信息演變圖譜Table 3 Ecological sensitivity geographic information evolution map

1.4.2 生態敏感性演變穩定性特征

生態敏感性地理信息演變圖譜表征了20 a 不同生態敏感性的相互轉換特征，在一定程度上反映了生態環境變好或變壞的趨勢，但難以衡量生態敏感性演變的穩定性，故進一步對生態敏感性演變次數進行探究，方法如下：

以5 a 為一個時間間隔，利用柵格計算器對2000—2020 年4 個時間段生態敏感性變化情況進行疊加，最終獲取生態敏感性演變穩定性圖譜，計算式如下：

式中MS生態敏感性演變穩定性圖譜；若前后兩個時期敏感類型相減的絕對值等于0，則將結果賦為0，若絕對值大于0，則賦為1。最終結果15 種，依據變化次數，將其劃分為5 類，即沒有發生變化、發生1 次變化、發生2 次變化、發生3 次變化、發生4 次變化。

1.5 地理探測器

生態敏感性是多因子共同作用的結果，地理探測器是探測空間分異性并識別驅動因子的一種新的統計學方法[35]，通過探測多因子交互作用可有效度量生態敏感性的空間分異性[36]，揭示各因子交互作用對生態敏感性的影響，為降低黃土高原生態敏感性提供科學依據。

1.6 生態敏感性預測

2021 年國務院印發《黃河流域生態保護和高質量發展規劃綱要》，提出到2030 年黃河流域生態環境質量明顯改善，黃土高原作為黃河流域的重要組成部分，其生態系統穩定性和抗干擾能力的提高對于黃河流域的高質量發展至關重要。為助力黃河流域生態目標如期完成，本研究預測了2030 年黃土高原的生態敏感性，預知高敏感和低敏感區域，結合現階段生態敏感性演變特征劃分黃土高原生態敏感性治理分區。CA-Markov 模型可模擬復雜空間變化過程，并進行長時間預測[37]，步驟如下：借助IDRISI 17.0 軟件的Markov 模塊，設置比例誤差為0.1，生成2010—2010、2010—2020 年的轉移概率矩陣，并將其作為適宜性圖集；分別以2010 年和2020 年為起始年，利用CA-Markov 模塊，設置循環次數為10，領域結構為5×5，預測2020 年和2030 年黃土高原生態敏感性。為檢驗預測結果的合理性，運用Crosstab 模塊，將2020 年真實值與預測值進行比較，檢驗結果Kappa 系數為0.81，且P＜0.001，效果較好，可用于2030 年生態敏感性的預測[38]。

2 結果與分析

2.1 生態敏感性時空分布

2000—2020 年間，黃土高原生態敏感性表現出西北高、東南低的分布特征（圖2）。極敏感類型主要分布于沙地和農灌區以及六盤山以西的黃土高塬溝壑區北部，該地區氣候干旱、土地鹽漬化較重，中國四大沙地之一的毛烏素沙漠正處于此；中度敏感類型主要分布在黃土丘陵溝壑區和黃土高塬溝壑區，在高敏感類型和低敏感類型之間起到了緩沖區的作用，受河龍區間的影響，植被條件較差，溝網密布；不敏感類型主要分布于南部的土石山區及河谷平原區以及六盤山以東的黃土高塬溝壑區的東南地區，這些地區自然條件較為優越，是黃土高原重要的水源涵養區和農業生產區。就敏感類型空間變化而言，高敏感類型在原有位置上向東南方向減少，聚集性減弱，低敏感類型在原有位置上向西北方向增加，聚集性增強，塬面、溝坡、溝道建設防護體系、沙區生態防護體系、農田防護林體系建設等生態治理工程的實施，使黃土高原生態環境得到極大改善。

圖2 2000—2020 年黃土高原生態敏感性空間分布Fig.2 Spatial distribution of ecological sensitivity in the Loess Plateau from 2000 to 2020

2000—2020 年黃土高原生態敏感性均值表現為先增加后下降的趨勢，由2000 年的1.06 上升到2005 年的1.08，之后下降到2020 年的1.03。從單一敏感性時間變化角度看，2000—2020 年不敏感、低度敏感面積占比先減少后增加，中度敏感、重度敏感、極敏感面積占比先增加后減少（表4）。除2005 年，黃土高原生態敏感性呈現降低的趨勢，主要得益于1999 年退耕還林工程的實施，顯著增加了黃土高原的植被覆蓋度，生態環境得到了一定程度的改善[39]，但生態系統穩定性是多因素共同作用的結果，植被初期生長良好，一旦初始供水耗盡，它們的生長速度通常會下降，導致土壤和土壤層干燥，從而加重水土流失[40-41]。

表4 2000—2020 年黃土高原生態敏感性及各類別面積占比Table 4 Ecological sensitivity and area proportion of each category in the Loess Plateau from 2000 to 2020

2.2 生態敏感性地理信息演變特征

2.2.1 單個生態敏感類型轉換特征

生態敏感性轉換類型面積占比從大到小依次是波動穩定型、減少型、增加型、穩定型、波動減少型、波動增加型（表5）。不敏感轉換類型以穩定型為主，占比34.51%；低度敏感、中度敏感、重度敏感轉換類型以波動穩定型為主，占比分別為29.96%、35.96%、38.39%；極敏感轉換類型以減少型為主，占比37.56%。對比不同敏感類型轉入（增加型和波動增加型）和轉出（減少型和波動減少型）面積占比，結果顯示不敏感、低度敏感、中度敏感、重度敏感、極敏感轉入面積分別為26.68%、34.52%、24.99%、25.01%、3.51%，轉出面積分別為17.66%、16.56%、29.21%、30.72%、44.15%，不敏感和低度敏感轉入面積大于轉出面積，中度敏感、重度敏感和極敏感轉入面積小于轉出面積，說明黃土高原生態敏感度降低，抗干擾能力增強。

表5 2000—2020 年黃土高原各生態敏感性轉移類型面積占比Table 5 Area proportion of individual ecological sensitive transfer types in the Loess Plateau from 2000 to 2020 %

2.2.2 生態敏感時空演變特征

為進一步探究20 a 黃土高原不同生態敏感性類型的相互轉換特征，生成了生態敏感性地理信息演變圖譜（圖3）。根據演變特征將其劃分為4 個分區，各分區面積占比從大到小依次為生態改善區（35.17%）、長期穩定區（29.07%）、波動穩定區（26.17%）、生態惡化區（9.58%）。生態改善區中中度敏感向低度敏感轉換（O）、重度敏感向中度敏感轉換（K）、極敏感向重度敏感轉換（J）的面積占比較大，分別為10.71%、7.89%、7.32%，主要分布在西部地區。長期穩定區中持續重度敏感（B）面積占比最小，為2.02%，集中分布在沙地和農灌區的西南部；持續低度敏感（D）面積占比最大，為9.87%，廣泛分布在東部及東南部的黃土高塬溝壑區、黃土丘陵溝壑區、土石山區和河谷平原區。波動穩定區中低度敏感與中度敏感波動轉換（H）、中度敏感與重度敏感波動轉換（G）、不敏感與低度敏感波動轉換（I）、重度敏感與極敏感波動轉換（F）面積占比依次減少，分別為9.99%、6.95%、4.94%、4.30%，廣泛分布在東部及東南部地區。生態惡化區主要分布在西部的沙地和農灌區以及黃土高塬溝壑區，其中不敏感向低度敏感轉換（U）、低度敏感向中度敏感轉換（T）、中度敏感向重度敏感轉換（S）、重度敏感向極敏感轉換（R）面積占比依次減少，分別為4.15%、3.27%、1.75%、0.41%。黃土高原生態敏感性整體上呈現降低的趨勢，生態工程措施發揮了積極作用。

圖3 2000—2020 年黃土高原生態敏感性地理信息演變圖譜Fig.3 Ecological sensitivity geographic information evolution map in the Loess Plateau from 2000 to 2020

2.2.3 生態敏感演變穩定性分析

20 a 間黃土高原生態敏感類型演變次數0～4 次的面積占比依次為29.07%、32.99%、25.50%、11.24%、1.20%，變化0 次和1 次的面積占比高達62.06%，演變總體比較穩定，其中變化1 次的面積占比最大，集中分布于中西部地區，變化4 次的面積占比最小，僅在沙地和農灌區、黃土高塬溝壑區、黃土丘陵溝壑區聚集分布（圖4）。通過與四大生態分區空間疊加發現，沒有變化的地區與長期穩定區的空間重疊率為100%；變化1 次的地區與生態改善區的空間重疊率最高，為73.32%；變化2 次的地區與波動穩定區空間重疊率最高，為88.16%；變化3 次的地區與生態惡化區空間重疊率最高，為31.51%；變化4 次的地區與波動穩定區空間重疊率最高，為3.1%。變化3 次的地區主要分布在沙地和農灌區、黃土高塬溝壑區西部、土石山區及河谷平原區南部，這些地區生態敏感性演變較差，亟需引起關注。

圖4 2000—2020 年黃土高原生態敏感性地理信息演變穩定性圖譜Fig.4 Ecological sensitivity geographical information evolution stability map in the Loess Plateau from 2000 to 2020

2.3 影響因素分析

為獲取影響黃土高原生態敏感性的主要因子，對2020 年構成生態敏感性的各因子進行探測（表6）。結果顯示，NDVI、降水量、干燥度對生態敏感性的解釋力最大，是黃土高原生態敏感性的主要影響因素；土地利用程度、土壤含水率、高程、溫度植被干旱指數、土壤質地對生態敏感性的解釋力在0.1～0.2 之間，對生態敏感性的影響較??；其余因子對生態敏感性的影響甚微。交互探測結果表明，雙因子間的交互作用是影響黃土高原生態敏感性的主要形式，任意一個因子與其他因子的交互作用均大于自身對生態敏感性的解釋力，主要表現為雙因子增強作用和非線性增強作用，NDVI、降水量與其他因子的交互作用均大于0.5，其中NDVI 和土壤含水率交互作用最強（0.70），其次是降水量和土壤含水率（0.68）。NDVI 和降水量以及兩者與其他因子的交互作用對于黃土高原生態敏感性具有一定的驅動作用。

表6 2020 年黃土高原因子探測及交互探測q 值結果Table 6 The q-value results of the factor detection and interactive detection in the Loess Plateau in 2020

越來越多的研究表明，生態敏感性由自然因素決定，在這種情況下，生態修護措施將顯得越來越有效[42]，通過退耕還林工程改善氣候，增加降水可有效降低黃土高原的生態敏感性。但植被覆蓋度、降水與生態敏感性之間并非簡單的線性關系，植被覆蓋度的增加短期內會帶來一定的生態效益，但植被生長必然會消耗大量的水分，尤其是在干旱和半干旱的黃土高原地區，植被生長以土壤水為主要來源，而土壤中的水分主要靠降水補給，在年降水量低（＜470 mm）的地區高密度種植，將會造成植被缺水死亡，從而加劇水土流失[43-44]。因此，降低黃土高原生態敏感性不僅要關注植被種植總量，更要平衡好不同地區植被與降水量之間的關系。

2.4 生態敏感性治理分區

2030 年黃土高原生態敏感性空間分布、生態敏感性治理分區如圖5 和圖6 所示。

圖5 2030 年黃土高原生態敏感性空間分布Fig.5 Spatial distribution of ecological sensitivity in the Loess Plateau in 2030

圖6 黃土高原生態敏感性治理分區Fig.6 Ecological sensitivity management zoning in the Loess Plateau

2030 年黃土高原生態敏感性空間分布依然呈現出西北高、東南低的分布特征，不敏感、低度敏感、中度敏感、重度敏感、極敏感類型面積占比分別為18.81%、25.00%、24.11%、22.27%、9.81%，低度敏感類型將是2030 年黃土高原的主要敏感類型（圖5）。

科學劃分生態敏感性治理分區對于降低生態敏感性，提高生態系統的系統性和完整性具有重要意義。以往研究多采用單一的靜態或動態視角進行治理區的劃分，黃土高原部分區域生態敏感性在時空上呈現波動轉移的動態特征，這一區域應是生態敏感性治理和修復的重點地區，同時，在治理規劃過程中納入未來生態敏感性分布格局，將更有利于高敏感區的早日確立和保護。鑒于此，本文采用“過去與未來”“動態與靜態”相結合的方法，利用2000—2020 年黃土高原生態敏感性地理信息演變圖譜（圖3）、地理信息演變穩定性圖譜（圖4）和2030年黃土高原生態敏感性分布格局（圖5）構建黃土高原生態敏感性治理分區，力求為黃土高原生態敏感性治理和改善提供更為精確的參考。其具體操作為：生態敏感性地理信息演變圖譜中21 類演變特征按生態敏感性由優到差，重分類為9 類，賦值為1～9；演變穩定性圖譜按變化次數由低到高重分類為5 類、2030 年敏感性分布格局按敏感性由低到高重分類為5 類，分別賦值為1、3、5、7、9。隨后將三者重分類結果采用空間疊加法構建生態敏感性治理分區，采用自然間斷法，將其劃分為生態優化區、生態保護區、生態預警區、生態修復區（圖6）。

生態優化區生態環境優越，是黃土高原提供生態系統服務功能最主要的來源，可保持現有的生態治理措施并適當進行優化；生態改善區生態環境較好，但仍存在少量生態問題，需采取恰當的生態治理措施對其進行改善；生態預警區生態環境較差，面臨著生態惡化的風險，應加強對該地區的生態監測，及時發現生態惡化的區域并采取治理措施；生態修復區生態環境最差，急需進行生態修復，以滿足人類對美好生態環境的需求。生態敏感性治理分區面積占比由高到低依次為生態改善區（37.51%）、生態優化區（24.02%）、生態預警區（22.57%）、生態修復區（15.89%），生態改善區面積占比最大，說明近些年來黃土高原生態治理工程發揮了積極成效，生態環境明顯改善。在空間上，生態優化區主要位于黃土丘陵溝壑區、土石山區及河谷平原區以及黃土高塬溝壑區的東部和西南部地區，生態改善區在生態優化區的基礎上繼續向西北方向延伸，生態預警區主要位于沙地和農灌區以及黃土高塬溝壑區的中西部地區，生態修復區在生態預警區的基礎上向西北方面縮減，治理難度呈現出由東南向西北遞增的趨勢。

3 結論

基于2000—2020 年多年數據，采用“DPSIR”框架，耦合空間距離指數模型和全排列多邊形圖示指標法計算黃土高原綜合生態敏感性指數，基于地理信息演變圖譜研究其時空演變特征，利用地理探測器探測驅動因子，最終劃分生態敏感性治理分區，為黃土高原生態環境治理和優化提供參考。得到以下結論：

1）2000—2020 年，黃土高原生態敏感性表現出西北高、東南低的分布特征；在時間上表現為先增加后下降的趨勢，低敏感類型先減少后增加，高敏感類型先增加后減少，生態環境向好的方向發展；

2）2000—2020 年，黃土高原生態敏感性轉移類型以波動穩定型為主，不敏感和低度敏感轉入面積大于轉出面積，中度、重度和極敏感類型轉入面積小于轉出面積；生態改善區面積占比最大（35.17%），生態惡化區面積占比最小（9.58%）；變化0 次和1 次的面積占比62.06%，黃土高原生態環境演變穩定向好；

3）2000—2020 年，黃土高原生態敏感性各驅動因素中，NDVI、降水量對生態敏感性的影響程度最大，雙因子間的交互作用是影響黃土高原生態敏感性的主要形式，NDVI 和降水量以及兩者與其他因子的交互作用對于黃土高原生態敏感性具有明顯的驅動作用；

4）2030 年黃土高原依舊呈現西北高、東南低的分布特征，低度敏感將成為主要敏感類型；生態敏感性治理難度由東南向西北遞增，沙地和農灌區以及黃土高塬溝壑區的中西部是生態敏感性治理的重點地區。

本文針對黃土高原生態敏感性時空演變特征進行了有益的探索和嘗試。在指標計算方面，借鑒相關學者對生態敏感性的計算方法進行了改進，耦合空間距離指數模型和全排列多邊形圖示指標法進行計算，即考慮了不同指標層各因子之間的相互關系，又在最大程度避免了主觀因素及單一方法對結果的干擾，但目前指標計算尚未形成統一的方法，本文所使用的方法并不能完全保證結果的準確性，在今后的工作中，還應加強對指標體系的理論研究以及對計算結果的檢驗工作，通過試驗找到最適宜的計算方法。在劃分生態敏感性治理分區時，基于動靜結合視角，將2000—2020 年生態敏感性演變特征及2030 年生態敏感性分布特征進行疊加，相較于以往研究，分區結果具有一定的前瞻性，然而，治理分區有必要結合驅動因子，以增強結果的綜合性，在未來的研究中，可將驅動因子納入治理分區的劃分依據中，通過與預測模型結合，開展不同氣候背景或政策背景下治理方案的制定，進一步豐富治理分區的科學內涵。