基于遥感和地理信息系统的内蒙古呼日查干淖尔地区生态脆弱性评价

2021-05-13 01:42周玲美王世航
生态与农村环境学报 2021年4期
关键词:脆弱性植被区域

周玲美,王世航,权 玲

(安徽理工大学空间信息与测绘工程学院,安徽 淮南 232001)

随着全球气候变化和人类社会经济的发展,全球各地不断暴露出各种生态和环境问题,影响着人们的生产生活。与此同时,生态和环境的保护与治理也愈发受到关注,其中有关生态脆弱的研究逐渐成为生态学研究的热点[1]。一般认为,生态脆弱性是在自然或人为作用下生态系统的正常结构被扰动并超过自调节的“阈值”,由此导致生态功能大幅降低,生态恢复能力减弱甚至完全失去恢复能力的现象[2]。迄今为止,国内外已有众多学者针对不同区域、利用不同评价方法展开了研究,如XUE等[3]利用模糊层次分析法(FAHP)和压力-状态-响应(PSR)框架研究塔里木河流域2005—2015年期间生态脆弱性的动态变化;付刚等[4]采用“敏感、弹性和压力”评估框架,运用空间主成分分析法对北京市的生态脆弱性进行定量评价;姚雄等[5]采用熵权法和综合指数法分析了长汀县1999、2006和2014年的生态脆弱性时空分布及变化;刘玒玒等[6]采用模糊综合评价法对渭河流域的生态脆弱性进行了评价;张笑楠等[7]采用基于景观格局信息的灰关联分析法对桂西北喀斯特地区的生态脆弱性进行了分析评价。由于研究背景的差异,不同区域的评价内容和侧重点有所不同,故评价指标体系尚未统一[8]。

位于内蒙古自治区的呼日查干淖尔湖是一个位于东亚季风边缘区干旱与半干旱过渡带的封闭性内陆湖,对气候和环境变化的响应十分敏感[9]。作为当地重要的水域生态系统,其不仅起到调节气候的作用,还为当地生物提供了生存条件,历史上这片区域水域广阔,牧草茂盛,然而近几十年来,在全球气候暖干化和人类社会经济活动的影响下出现草场退化、水域面积缩减和土地沙化、盐渍化等现象[9]。至2002年春季,呼日查干淖尔湖的西侧大湖完全干涸,留下了大面积的湖盆盐碱地,引发严重的盐碱尘暴,对当地的生态和环境以及牧民的生产生活造成了严重影响,甚至威胁到京津冀地区的生态安全。直到2008年以后,国际和国内的一些环保组织在此进行了一系列的生态治理和植被恢复措施,该地区的生态和环境状况才有所改善。目前,针对呼日查干淖尔湖区域的研究多是关于湖泊变迁和干湖盆植被分布及土壤性质的,对该区域的生态研究还较少,且缺乏对呼日查干淖尔地区生态治理后的生态状况研究,因而研究该区域的生态脆弱性不仅能反映该区域的生态状况,还能为后续的生态治理提供理论依据和决策支持,具有一定的研究价值。

基于此,笔者从自然和人为作用的角度出发,在参照文献[10-17]的基础上,综合考虑地形、植被、土壤、气象和土地利用等自然和人为因素对研究区生态和环境的影响及数据的可获取性后,选取高程、坡度、归一化植被指数、土壤湿度、土壤盐度、年均气温、年降水量和土地利用类型8个指标作为该区域生态脆弱性的评价指标,在遥感(RS)和地理信息系统(GIS)技术的支持下,利用层次分析法、熵权法和综合指数法对呼日查干淖尔湖区域的生态脆弱性进行综合评价分析。

1 研究区概况

呼日查干淖尔湖(又称查干淖尔湖)位于内蒙古锡林郭勒盟阿巴嘎旗西南部,北邻阿巴嘎熔岩台地,南接浑善达克沙地,是典型草原地区的内陆海,其湖盆呈东北—西南方向延伸,地势东高西低[9]。该湖分为东湖和西湖,其中东侧小湖约30.2 km2,为淡水湖,主要靠季节性河流—高格斯台河补给;西侧大湖约83.3 km2,为盐碱湖,现已干涸,两湖之间由天然堤坝相隔(图1)。研究区属于中温带半干旱大陆性季风气候区,春季干旱频繁、多大风,夏季受东南季风影响,温和多雨,冬季受蒙古高压控制,干冷多风[9]。土地利用类型以草地、水域和裸地为主,土壤类型主要为草甸土和盐碱土。

2 数据来源及处理

2.1 数据来源

研究使用的数据包括遥感影像数据、数字高程模型(DEM)数据、气象数据和土地利用类型数据。遥感影像数据为2010年8月22日的Landsat 5遥感影像和2017年8月25日的Landsat 8遥感影像,来源于美国地质调查局(USGS)(https:∥earthexplorer.usgs.gov/),轨道号为125-30,分辨率为30 m;DEM数据来源于地理空间数据云(http:∥www.gscloud.cn/),分辨率为30 m;气象数据为1901—2017年中国1 km分辨率逐月平均气温和逐月降水量数据集,来源于国家青藏高原科学数据中心(https:∥data.tpdc.ac.cn/zh-hans/);土地利用类型数据采用清华大学制作的2010年和2017年全球30 m分辨率地表覆盖数据(http:∥data.ess.tsinghua.edu.cn/)。

由于来自不同数据源的数据投影方式和比例尺不同,为保证所有数据的空间一致性,在提取评价指标之前将所有数据的空间投影坐标系统一为WGS_1984_UTM_Zone_50N,栅格分辨率为30 m。

2.2 评价指标的处理

2.2.1评价指标的提取

(1)坡度指标是基于DEM数据,在ArcMap 10.2软件中运用Slope工具计算生成;(2)归一化植被指数、土壤湿度和土壤盐度指标均是在ENVI 5.3软件中利用遥感影像数据进行波段运算得到,计算公式参考文献[18-21];(3)2010年和2017年的年均气温和年降水量基于相应年份的逐月平均气温和逐月降水量计算得到;(4)由于研究区2010年的全球30 m地表覆盖数据与该时期的遥感影像解译结果存在部分差异,故利用遥感影像获取2010年的土地利用类型指标。参考2010和2017年的地表覆盖数据,在ENVI 5.3软件平台的支持下,利用支持向量机的监督分类方法将研究区的土地划分为水域、高覆盖度植被、中覆盖度植被、低覆盖度植被、不透水面和裸地6类,并基于2010年的全球30 m地表覆盖结果和遥感影像对分类结果进行精度评价,得到的地表覆被数据整体精度为88.42%,高于2010年全球30 m地表覆被数据的精度,满足研究需求。

2.2.2指标的标准化处理

为使不同量纲的评价指标具有可比性,在评价之前需要对指标进行标准化处理。采用极差法对评价指标进行标准化处理[10]。由于土地利用类型数据为定性指标,在标准化之前需对其进行定量化处理,参照文献[11-12],采用赋值法实现定性指标的定量化处理:水体和森林(水体和高覆盖度植被)赋值为2,草地和湿地(中覆盖度植被)赋值为4,农田(低覆盖度植被)赋值为6,不透水面赋值为8,裸地赋值为10。

对于正向指标(高程、坡度、土壤盐度、年平均气温和土地利用类型),其标准化计算公式为

(1)

对于负向指标(归一化植被指数、土壤湿度和年降水量),其标准化公式为

(2)

式(1)~(2)中,xij和yij分别表示评价指标j在第i个栅格单元处的原始值和标准化,yij越大表示指标对生态脆弱性影响越显著,max{xij}和min{xij}分别代表评价指标j的最大值和最小值。

3 研究方法

采用对各指标进行加权求和的方法构建生态脆弱性综合指数,其中指标权重的确定采用主观赋权(层次分析)和客观赋权(熵权法)相结合的方法,以避免主观赋权的主观性和盲目性,弥补客观赋权的片面性和机械性[13]。

3.1 层次分析法

层次分析法(AHP)是一种常用的主观评价方法,它将复杂的评价指标分成若干集合,分别对比每一层次评价指标间的重要性,构建判断矩阵,从而确定各指标的权重[14]。利用yaahp 10.3软件进行指标权重的确定,并通过了一致性检验,表明各指标权重的计算结果合理[15]。

3.2 熵权法

熵权法是一种较为客观的定权法,其主要思想是根据各指标所提供的信息量大小为其赋予权重,其中熵与信息量之间存在反向关系,信息熵越小,提供的信息量越多,在综合评价中所起的作用越大,则其权重也应越大[16]。计算步骤如下:

(1)计算第j个评价指标的信息熵。

(3)

(2)计算第j个评指标的权重(W2j)。

(4)

3.3 组合权重

利用最小信息熵原理和拉格朗日中值定理[15]将层次分析法得到的权重W1j和熵权法得到的权重W2j进行组合,得到最终的指标权重Wj(表1),计算公式为

(5)

3.4 生态脆弱性评价

将标准化后的指标值进行加权求和处理,得到生态脆弱性指数(ecological vulnerability index,IEV):

(6)

式(6)中,Yj为评价指标j的标准化值。

为了更直观地反映区域生态脆弱性状况,采用自然断点法(natural break classification)与研究区实际情况相结合的方式[17]对研究区的生态脆弱性指数进行分级,将其划分为潜在脆弱(IEV≤0.31)、轻度脆弱(0.310.51)5个生态脆弱性等级,等级值为1~5,而后利用综合生态脆弱性指数(integrated ecological vulnerability index,IIEV)对2个时期的生态脆弱性进行整体分析和对比,计算公式为

(7)

式(7)中,Pi和Ai分别表示第i类生态脆弱性等级值和对应等级的面积,m2;S为研究区总面积, m2。IIEV值越大表明生态越脆弱。

3.5 空间相关分析

为分析研究区生态脆弱性的空间关联特征,利用半变异函数对其进行空间分析。首先利用ArcMap 10.2软件,按500 m的采样间隔提取查干淖尔地区的生态脆弱性指数值,而后利用SPSS 25软件对数据进行单样本K-S检验,对不符合正态分布的数据,利用个案排秩法对其进行正态转换[22],最后将符合正态分布的数据导入到地统计学软件GS+中进行半变异函数的计算和分析,其中有关半变异函数的原理和方法可参照文献[23]。

4 结果与分析

4.1 研究区生态脆弱性时空差异分析

使用ArcMap 10.2软件,将生态脆弱性指数进行分级,分层设色后得到2010和2017年的生态脆弱性等级分布(图2),并分别统计2个时期各等级的面积,计算出综合生态脆弱性指数。

呼日查干淖尔地区2010和2017年的综合生态脆弱性指数分别为3.516 6和3.235 0,IEV值减小表明研究区的整体生态状况有所改善,但研究区的大部分地区仍处于中度脆弱、重度脆弱和极度脆弱状态。如表2所示,2010年研究区中度脆弱、重度脆弱和极度脆弱等级的面积比例分别为25.07%、29.47%和24.83%,共占研究区总面积的79.37%;2017年这3个等级所占比例均有所下降,但总比仍超过研究区总面积的一半,达69.3%。研究区2017年的潜在脆弱和轻度脆弱面积分别比2010年增加了64.950 3和79.026 3 km2,重度脆弱和极度脆弱面积分别减少51.136 2和71.264 7 km2。研究区超过10%的区域生态脆弱性等级呈下降趋势,表明生态状况逐渐好转。

表2 研究区2010年和2017年生态脆弱性等级面积及占比Table 2 Comparison of area and proportion of different ecological vulnerability levels in the study area between 2010 and 2017

从生态脆弱性等级分布(图2)可以明显看出,2017年的生态状况较2010年有了较大改变,其中查干淖尔湖以北的区域生态脆弱等级出现大幅下降,大部分极度脆弱区转变成了中度和轻度脆弱。2010年和2017年研究区潜在脆弱和轻度脆弱区均主要分布在湖泊、河流周围以及东南部的草地区;2010年研究区中度脆弱区域主要在呼日查干淖尔湖的大湖周围及其以南的沙地区,而2017年的中度脆弱区域主要在干涸的大湖盆地和北部的台地处;重度脆弱区仍分布在湖泊东部和西南部的裸地处;极度脆弱区由北向南转移,其中研究区西南部的部分中度脆弱和重度脆弱区转变成了极度脆弱。对比2期遥感影像发现,该区域2017年的植被覆盖明显高于2010年,且所用的2017年土地利用数据将研究区西南部的部分草地误分为裸地,因而该区域的生态脆弱性可能存在部分偏差,但并不影响对研究区2个时期的整体生态脆弱性比较。

4.2 不同土地覆被情况下的生态脆弱性特征分析

为进一步分析呼日查干淖尔地区生态脆弱性的空间分布特征,利用ArcMap 10.2软件中的空间分析工具统计不同土地覆被情况下的各生态脆弱性等级面积,分析不同时期研究区的生态脆弱性与土地覆被之间的关系。研究区的土地覆被类型以草地和裸地为主,考虑到湿地、森林、农田和不透水面的面积比较小,仅占研究区的0.1%左右,故该研究仅分析水域、有植被覆盖和无植被覆盖这3种土地覆被情况下的生态脆弱性状况。

表3的统计结果显示,水域主要处于潜在脆弱状态,2010和2017年分别有3.41%和2.63%的水域处于轻度脆弱状态。从图3可以看出,这部分水域几乎都靠近湖岸,易受气候和人类活动的影响。植被覆盖区域以轻度脆弱和中度脆弱为主,超过植被覆盖面积的70%,其中2010年处于重度脆弱和极度脆弱状态的植被覆盖面积有71.553 6 km2,而到2017年其面积减少了93.31%,仅有4.783 5 km2。此外,2010—2017年呼日查干淖尔湖四周的植被明显增多,且生态脆弱性等级也有所下降(图3)。在无植被覆盖区域,重度脆弱和极度脆弱区域面积之和超过了该区域的80%,且2010和2017年均有超过110 km2的区域处于中度脆弱状态。从覆被面积来看,2010和2017年无植被覆盖区域的面积均大于有植被覆盖区,而2017年生态脆弱性指数低于2010年,有植被覆盖区比2010年增加了17.33%,无植被覆盖区减少了10.9%。可以看出,呼日查干淖尔地区的生态脆弱性与植被覆盖有一定关联。总体来看,研究区水域的生态脆弱性较为稳定,有植被覆盖区和无植被覆盖区均处于不同程度的生态脆弱状态。

表3 2010年和2017年研究区生态脆弱性等级与土地覆被的分区统计结果Table 3 Statistical results of ecological vulnerability levels and land covers in the study area in 2010 and 2017 km2

4.3 生态脆弱性的空间自相关特征分析

表4显示,2010和2017年拟合效果最好的模型分别为指数模型和球状模型,能很好地反映查干淖尔地区生态脆弱性的空间结构特征。2010和2017年的基台值分别为1.287和0.987,反映区域生态脆弱性指数的波动较大。块金值与基台值的比值反映了生态脆弱性的空间相关性的程度,其值越大表明由随机因素引起的空间异质性越高[7]。该研究中,2010年的块金值/基台值为0.218,属于强烈的空间相关性;2017年为0.499,属于中等强度的空间相关性;说明该区域生态脆弱性的空间变化是结构性因素(地形、土壤等)和随机因素(如矿产开发、飞播造林造草、划区轮牧等人为活动)共同作用的结果。其中,2010年由随机因素引起的空间异质性较小,而2017年由随机因素引起的空间异质性较大,这说明人类活动在一定程度上影响了生态脆弱性的空间变化。变程是指变量的空间自相关尺度[24],研究的变程均大于采用间距,说明采样点具有代表性,且在500 m采样间隔内区域生态脆弱性具有较高的空间相关性。此外,区域化变量的变异函数还与方向有关[25],该研究中生态脆弱程度的空间异质性具有较为明显的各向异性特点,其中2010年主要表现在45°和135°的方向上,而2017年主要表现在0°方向上,影响原因与降水、气温、植被等因子在不同方向上存在显著差异有关。

表4 研究区生态脆弱性最优理论变异函数Table 4 The optimal semi-variogram of ecological vulnerability in the study area

5 讨论

从自然和人为因素的影响角度出发,基于RS和GIS技术,利用层次分析法、熵权法和综合指数法对内蒙古呼日查干淖尔地区的生态脆弱性进行评价,综合考虑了多方面生态脆弱性的影响因素和各个评价方法的优缺点,使得评价结果更为合理。

研究发现查干淖尔地区的生态状况整体较为脆弱,但从综合生态脆弱性指数(IEV)来看,2017年较2010年有所降低,其生态状况呈现好转态势,与牟艳军等[26]的研究结果一致。研究区生态脆弱性较高的区域主要分布在裸地和低植被覆盖区,这与其他类似研究[11,17]的结果一致。原因在于查干淖尔地区的裸地多由干涸的湖盆和退化的草场形成,其中干涸湖盆位于呼日查干淖尔湖的西侧大湖,该湖为盐碱湖,干涸后形成了大面积盐碱地,研究区的裸地和低植被覆盖区易受自然气候条件和人类生产活动的影响,出现土壤沙化、盐渍化和盐碱尘暴等一系列生态问题,使得该区域的生态环境较为脆弱。

研究区的生态脆弱性及其变化是自然因素和人为因素共同作用的结果,一方面,较之2010年,研究区2017年的降水量略有减少,气温略为升高,这符合查干淖尔流域气候变化呈现暖干化的特征[9],但该气候变化不利于植被的生长,且温度、蒸发和降水变化对查干淖尔湖面积萎缩存在较大影响[9],而对于典型的草原地区,水资源的变化又会对当地生态系统产生较大影响;另一方面,研究期间阿巴嘎旗政府开展了禁牧、休牧、划区轮牧、飞播造林造草等一系列生态治理工作,加大了对草原生态系统的保护力度[27],实施的生态恢复措施保障了牧草的正常生长,增加了植被覆盖度,从研究区不同土地覆被情况下的生态脆弱性特征可知,植被覆盖区的生态脆弱性相对较小,植被对提高当地草地和水域生态系统的适应能力和抗干扰性起到了一定的促进作用。

从研究区2010—2017年生态脆弱性的变化可以看出,尽管研究区的气候条件对生态脆弱性起到了促进作用,但在人类活动(生态建设)的影响下,研究区整体的生态环境仍朝着逐步改善的方向发展。即使在气候变化的不利条件下仍可以通过合理配置资源和坚持生态文明建设来维护生态系统的稳定性和持续性,进而达到社会经济的可持续发展。有资料显示,呼日查干淖尔湖目前仍存在水资源利用不合理现象[28],因而该地区的生态保护力度仍需加强,在今后研究区的生态保护和修复工作中不仅要着重关注生态脆弱性较高的区域,还需加强对呼日查干淖尔湖流域水资源的管理,完善监管机制,增强群众的生态保护意识,以确保资源的合理利用以及流域内植被的恢复和生长。

6 结论

(1)呼日查干淖尔地区2010和2017年的综合生态脆弱性指数分别为3.516 6和3.235 0,生态状况总体呈现好转态势,但仍以中度脆弱、重度脆弱和极度脆弱为主,其面积超过了研究区的2/3。

(2)呼日查干淖尔地区潜在脆弱和轻度脆弱区主要分布在湖泊、河流流域和查干淖尔湖南部的高植被覆盖区,中度脆弱区一般在低植被覆盖区和干涸湖盆处,重度脆弱区和极度脆弱区主要分布在研究区东、西部和北部的裸地处。

(3)呼日查干淖尔湖以北的大部分区域的生态脆弱性等级高于以南的区域,但研究期间北部的生态脆弱性等级出现大面积降低现象,由极度脆弱向中度和轻度脆弱转移。

(4)受自然因素和人为因素的共同作用,呼日查干淖尔地区生态脆弱性指数具有较强的空间自相关特征,其中2017年受人类活动的影响比2010年大。研究区生态脆弱程度的空间异质性还具有明显的各向异性特点,2010年主要表现在45°和135°方向上,而2017年主要表现在0°方向上。

猜你喜欢
脆弱性植被区域
基于高分遥感影像的路域植被生物量计算
呼和浩特市和林格尔县植被覆盖度变化遥感监测
Kaiser模型在内科诊疗护理风险脆弱性分析中的应用研究
工控系统脆弱性分析研究
农村家庭相对贫困的脆弱性测量及影响因素分析*
追踪盗猎者
第一节 主要植被与自然环境 教学设计
分割区域
基于BM3D的复杂纹理区域图像去噪
基于PSR模型的上海地区河网脆弱性探讨