大连市生态脆弱性评价及其不确定性分析

马子惠, 马书明, 张树深

(大连理工大学 环境学院， 工业生态与环境工程教育部重点实验室， 辽宁 大连 116024)

人类活动及全球变化的加剧，对生态系统产生了巨大影响，生态脆弱性问题日益严峻。生态脆弱性是指在特定时间和空间的尺度下，生态系统在外界因素扰动下所产生的敏感性和恢复力，由其自身属性和外界人为因素共同决定[1]。

目前，国内外学者针对生态脆弱性开展了大量的研究[2-3]。生态脆弱性最早源于20世纪初美国生态学家Clements提出的“生态过渡带”概念[4]。国外早期大多以气候变化和社会经济两方面为出发点进行生态脆弱性评价，涵盖农、林、牧、渔等多个部门[4]；21世纪后，针对自然生态系统和社会经济系统的综合研究趋于全面，并广泛应用于经济学、工程学、地质学等领域；近年来，出现了融合多种特征的人地耦合系统脆弱性概念[5]。国内生态脆弱性评价经历了从早期的脆弱带分区及理论探讨定性评价，定量评价到耦合系统脆弱性探讨的阶段[5]。

在生态脆弱性评价方面，已有很多评价体系，但并未形成一套公认的模型，评价指标及计算方法也各不相同[5]。前人研究提出了压力—状态—响应(PSR)模型[6]，暴露—敏感—适应(VSD)模型[7]，生态敏感性—生态恢复力—生态压力度(SRP)模型[8]，成因及结果表现评价体系[9]，压力—敏感—弹性(PSE)模型[10]等评估指标模型，层次分析法[11]，模糊数学法[12]，主成分分析法[1]，神经网络法[13]，熵权法[8]，景观生态学法[14]等评价计算方法。

SRP模型涵盖脆弱性评价中的各个要素，可较全面的对地区生态脆弱性进行评估。在评价方法方面，层次分析法可将专家建议定量化，简单易算[11]。使用专家打分法和层次分析法计算指标权重时，由于不同专家对同一问题的认知各不相同，将给指标体系带来一定的不确定性，每个指标和变量的不确定性会传播累积，可能对评价结果产生一定影响[15]。但现有研究对生态脆弱性评价中的权重敏感性关注较弱，因此对权重进行敏感性分析非常重要。

本研究拟以大连市为例，基于SRP模型构建城市生态脆弱性评估指标体系模型，并基于此分析研究区域生态脆弱性总体结果和空间分布特征；采用OAT(one-at-a-time)方法来评价指标权重不确定性下的结果变异程度，识别敏感指标。

1 研究区概况

大连市地处欧亚大陆东岸，辽宁半岛最南端，位于东经120°58′—123°31′、北纬38°43′—40°10′之间。总面积约12 574 km2，总人口约5.90×106人。大连多山地丘陵，少平原低地且坡度较大；季风盛行，沿海地区每年6级及6级大风天数达到90～140 d；降雨分布极不均匀，地表植被保水能力差，淡水资源相对稀缺；自然资源多样丰富，但湿地、森林、绿地等资源分布不均；土地资源相对缺乏；随着城市化格局渐成体系，产业和人口迅速聚集，区域内污染物排放强度加大，环境问题突出；同时，大连市处于全国沿海经济重要节点。因此对大连市进行生态脆弱性评价十分重要。

2 指标体系与研究方法

2.1 生态脆弱性指标体系构建

从生态敏感性、生态恢复力和生态压力度3方面共选取19个指标构建指标体系(表1)。生态敏感性是指在外界影响下生态系统产生环境问题的可能性[16]，本研究从气候、地形、地表、灾害4方面讨论。气候是生态脆弱性形成的重要原因[9]，选择年均温度、年均降雨、年均湿度、年均风速代表气候状况；选取高程、坡度、起伏度反映地形地貌脆弱情况；土地利用类型、增强型植被系数反映人类对自然干扰程度[9]，降雨侵蚀力反映水土流失特征；在灾害指标方面，选取暴雨、大风、雷电3种气象灾害，选取崩塌、滑坡、泥石流、地表塌陷代表地质灾害。生态恢复力是指生态系统在外界干扰下适应环境的能力[16]，从功能、活力和结构3个方面讨论。土壤有机碳含量可反映土壤健康状态[17]；植被总初级生产力反映植被生长情况；景观多样性指数体现景观的复杂程度[18]。生态压力度是指对生态系统稳定性产生扰动的外部因素[16]，采用人口密度、GDP密度分别表示人口压力和经济压力，是人类活动的直接体现。

2.2 评价指标预处理及标准化

由于各指标物理意义及量纲不同，需进行标准化处理[9, 15, 17]并进行空间展示。各指标数据处理方法如表1所示，其中“+/-”分别表示正向指标和负向指标，“*”表示采用分等级赋值法。

(1) 极差法。将各指标按照与生态脆弱性的关系分为正向指标和负向指标。对于正向指标，随着值的增加，脆弱性增强，对于负向指标，随着值的增加，脆弱性减小，分别采用公式(1)—(2)进行标准化，将其映射到0-1之间，0表示脆弱性最低，1表示脆弱性最高。

正向指标：Pi=(P-Pmin)/(Pmax-Pmin)

(1)

负向指标：Pi=1-(P-Pmin)/(Pmax-Pmin)

(2)

式中：Pi——某指标的标准化值；Pmin，Pmax——对应指标最小值和最大值。

表1 大连市生态脆弱性评价指标体系

(2) 分等级赋值法。对C4，C8，B4采用分等级赋值处理。本研究依据《GB/T 28591-2012》提出的风力等级划分表，将C4小于5.5 m/s和大于5.5 m/s的区域分别赋值0.4和0.6；根据马骏等[17]研究结果对C8赋值，按脆弱性排序依次为林地和水域、草地、耕地、城乡用地、裸地，分别赋值0.2，0.4，0.6，0.8，1；对C11，C12，C13这3个指标按照灾害频率采用自然间断法分为3类，分别赋值为0.33，0.66和1；对C14按照各地区地质灾害密度采用自然间断法分为3类，分别赋值0.33，0.66和1。

2.3 指标权重及生态脆弱性指数计算

采用专家打分法与层次分析法相结合计算指标权重，指标权重数据见表1。在确定指标权重的基础上，根据公式(3)计算脆弱性评估结果：

(3)

式中：EVI——生态脆弱性指数；Wi——各指标权重；Pi——指标值。

为反映大连市脆弱性评估结果空间分布特征，参考研究[15,25]对评价结果按照自然间断法分为5类，以保证组间差异最大，组内差异最小，体现不同脆弱程度区域差别，计算及空间分类利用软件ArcGIS 10.4实现。

2.4 权重敏感性分析

本文采用OAT法[26-28]分析指标权重敏感性，OAT法简单可操作，每次选定一个主变化因子改变其权重，其余因子权重发生相应改变，该方法通过计算像元变化率(Ck)和区域绝对平均变化率(mean of the absolute change rate，MACR)两个指标来分析权重敏感性。具体计算过程如下：

首先需设置两个参数：权重变化范围(range of percent change，RPC)与权重变化步长(increment of percent change，IPC)。

主变化因子Cm的权重采用公式(4)计算：

W(Cm,Pc)=W(Cm,0)+W(Cm,0)×pc

RPCmin

(4)

式中：W(Cm,Pc)——计算的Cm模拟权重值；W(Cm,0)——Cm初始权重值；Pc——权重变化率。

其余指标模拟权重值按照公式(5)计算：

W(Ci,Pc)=〔1-W(Cm,Pc)〕×

(5)

式中：W(Ci,Pc)——计算的Ci模拟权重值；W(Ci,0)——Ci初始权重值。

依次选择每个因子为主变化因子且当Pc在RPC范围内变化时，就会产生一系列模拟结果。综合评价计算公式(6)为：

EVI(Cm,Pc)=W(Cm,Pc)×Am+

(6)

式中：EVI(Cm,Pc)——计算的模拟生态脆弱性值，Am，Ai——指标值。

针对评价结果中第k个像元，Ck采用公式(7)计算：

(7)

式中：Ck——模拟结果与初始结果相比较计算所得值， EVI0——初始EVI值。

整个区域的MACR采用公式(8)计算：

(8)

式中：MACR——区域内Ck绝对值的平均值；N——栅格总数。

3 结果与分析

3.1 大连市生态脆弱性分析

根据前述评价模型对大连市生态脆弱性进行计算，结果如附图14所示。其中极度脆弱、重度脆弱、中度脆弱、轻度脆弱、微度脆弱5个区域面积占比分别是4.17%，22.97%，41.00%，23.69%和8.16%。

从空间分布上看，极度脆弱区主要分布在市中心及甘井子区东部；微度脆弱区主要分布在甘井子区与旅顺区交界处及大连市北部，该区域生态系统稳定；其他脆弱等级区域分布较分散。对大连市各区县的生态脆弱性分布进行计算，西岗区生态脆弱性最强，庄河市生态脆弱性最弱，在非建成区域中，长海县及长兴岛极度脆弱区域与重度脆弱区域面积之和比例达92.25%和89.16%。

3.2 指标权重敏感性分析

设置RPC变化范围为-100%至100%，IPC=5%，将本文选取的19个指标依次作为主变化因子共产生779组权重值，每组权重值可产生一个新的脆弱性评价结果。

大连市MACR模拟结果如图1所示，随着权重变化率Pc的增加，各指标有不同的MACR值，当权重改变相同的程度时，对结果的敏感性相同，且生态脆弱变化率空间分布基本一致。指标斜率越大，对结果的影响程度就越大，土壤有机碳含量C15对评价结果影响最大，当C15权重改变100%时，所对应MACR值为11.49%，远小于权重改变的程度。

图1 生态脆弱性MACR模拟结果

将所有指标按对结果影响程度进行排序，选取排序分别位于第1,第10,第19位的土壤有机碳含量C15,坡度C6,年均风速C4进行分析。将3个指标依次作为主变化因子且Pc分别为5%,10%,20%,50%,100%时生成的评价结果与初始评价结果相比较，计算生态脆弱变化率及生态脆弱区域分布，结果如图2和附图15所示。对于同一指标，Pc越大不确定区域面积占比越大，Pc相同时，指标斜率越大不确定区域面积占比越大，具体信息如表2所示，不确定区域面积占比最大为22.84%。随着指标Pc成倍增加，该指标所对应的Ck值及MACR值也成倍变化，以C6为例，当其Pc=10%,Pc=20%时所对应的Ck值分别为-0.29%～0.29%，-0.58%～0.58%，所对应的MACR值分别为0.22%，0.44%， 远小于对应的Pc。另外，生态脆弱变化率分布与所对应的主变化因子空间分布相关，以C4为例，大连市东北部区域风速较小，Ck也较小。

表2 各指标不同Pc下不确定区域面积比例

注：Pc为权重变化率；C4为年均风速；C6为坡度；C15为土壤有机碳含量。

注：Ck为模拟结果与初始结果相比较计算所得的值。图2 大连市不同权重变化率Pc下各生态脆弱性指标变化率

4 讨论与结论

总体来看，大连市生态脆弱性处于中等脆弱水平，分布规律为：植被覆盖良好、人口经济压力较小的区域生态脆弱性较低，人类活动扰动大的区域生态脆弱性较高。市中心及甘井子区东部生态脆弱性高，主要是因为生态压力大，人口经济密度高，在土地利用类型上以城乡用地为主，植被覆盖少，土壤有机碳含量及植被总初级生产力低；大连市北部及甘井子区与旅顺区交界处植被覆盖良好，林地草地多，生态脆弱性低。另外，坡度、起伏度较大的区域生态脆弱性较低，主要是因为该区域开发利用难度大，人类活动少。该脆弱性评估结果与前人研究[1,29]有一定的一致性，整体分布规律相似，微度脆弱区域与极度脆弱区域具有较好的重合度。

权重变化对脆弱性评价结果有一定的影响，不同权重值计算结果具有一定空间差异性，说明在评价过程中对权重进行不确定分析十分重要。通过OAT法计算各指标MACR排序可识别评价体系中的敏感指标，本文所构建的指标体系中最敏感指标为C15(土壤有机碳含量)，所对应的最大MACR值为11.49%，Ck最大值为17.27%，此时不确定区域面积占比22.84%，对于该指标的权重应慎重考虑，以降低评估结果不确定性。各指标的MACR排序与权重具有一定的相关性但不完全一致(r=0.841,p<0.01)，例如C15(土壤有机碳含量)权重排序第2，其MACR值最大，C4(年均风速)权重最小，其对应的斜率值最小，该结论与前人研究一致[27-28]。另外，通过比较各指标生态脆弱分布图可知高脆弱区域评价结果相对稳健，主要是因为该区域EVI值较大，受单一指标影响的程度较小。

综上所述，通过不确定分析可识别评价指标体系中的敏感指标，通过对敏感指标权重的慎重考虑可以加强评估结果的稳健性。本研究以大连市为例，构建生态脆弱性评价指标体系模型，并采用OAT方法对指标体系敏感指标进行识别分析，得到如下结论：

(1) 大连市整体脆弱性处于中等脆弱水平，中度脆弱面积占比最高，市中心及甘井子区东部脆弱性最高，大连市北部地区、甘井子区与旅顺区交界处脆弱性最低。

(2) 所构建的指标体系中最敏感指标为C15(土壤有机碳含量)，对该指标权重的确定应重点考虑，增强评价结果可靠性。

总体来看，本文将OAT不确定分析法与生态脆弱性评价相结合，具有一定的理论和实践意义。但也存在一些不足，在敏感指标识别上，仅采用MACR一个指标，具有一定的局限性，后续可以选取更多指标进一步分析。