基于多准则决策的万年县生态脆弱性研究

陈理庭，蔡海生,2，张 婷，张学玲，曾 珩，陈 艺

(1.江西农业大学江西省鄱阳湖流域农业资源与生态重点实验室/江西农业大学富硒农业产业发展研究中心，南昌 330045；2.江西旅游商贸职业学院，南昌 330100；3.江西省土地开发整理中心，南昌 330002)

【研究意义】国土空间作为人类生产生活的重要载体，理应受到严格保护。随着社会经济的飞速发展，人类活动日渐频繁、城镇建设空间扩张无序等问题对国土空间造成了巨大压力，生态问题成为制约社会发展的重要因素之一。与此同时，随着国土空间规划工作的全面铺开，国土空间生态修复提升至国家战略工程，生态文明思想深入人心。进行生态脆弱性评价可以有效掌握国土空间的本底特征[1]，为国土空间开发利用以及生态修复提供重要依据，具有重要现实意义。【前人研究进展】当今学者大都认为：生态环境脆弱性是指在自然要素和人为因素的共同影响下，生态系统对于干扰所表现的敏感性和恢复力，只要干扰程度超出了生态系统的适应能力就可能会出现相应的脆弱表征[2]。近年来，随着对生态脆弱性研究的不断深入，其评价体系正朝着多样化和科学化迈进。目前，生态脆弱性评价方法多采用多因子综合的定量研究方法，如综合指数法[3]、主成分分析法[4-5]等。指标模型多为PSR(压力—状态—响应)模型[6-7]、SRP(Sensitivity-Recovery-Pressure)模型[8-10]以及基于“暴露—敏感—适应能力”的VSD模型[11-12]等,其研究尺度普遍选择的是流域、省域以及市域。但这些现有研究多应用一组指标权重进行线性组合的方式如AHP-PCA熵权法[13]等进行动态评价，缺乏对不同决策风险的考虑。有序加权平均(OWA)法是一种通过调整风险系数以获得不同评价结果的多准则决策法，可以有效解决多属性决策的问题，其在城市减灾[14]、洪水灾害风险评价[15]、建设用地开发适宜性[16]、土地生态安全评价[17]、生态安全格局[18]、土壤适宜性评价[19]、生态风险评价[20]等领域得到广泛应用，而在生态环境脆弱性研究中涉及较少。【本研究切入点】基于SRP概念模型，从生态敏感性、生态恢复力、生态压力度3个层面选取11个具体指标，运用综合指数法对万年县2005—2018年生态脆弱性进行综合分析，揭示其时空演变特征，同时结合空间自相关分析，探讨其在空间上的集聚格局，以期为国土空间生态修复、分区治理提供参考。此外，引入OWA多准则决策方法对万年县2018年生态脆弱性进行情景模拟，分析其在不同决策风险下的评价结果，辅助决策者进行更为科学全面的判断，以期为区域长远发展提供依据。【拟解决的关键问题】此研究为县域生态脆弱性评价补充了多重视角，为当前生态脆弱性研究多情景模拟分析的不足提供了可行方案，为万年县进一步践行生态文明建设、生态保护修复等提供了科学依据，对促进其社会—经济—生态协调发展具有重要意义。

1 材料与方法

1.1 研究区概况

万年县(116°46′41″～117°15′16″E、28°30′00″～28°54′08 ″N)处于江西省东南部、上饶市中部(图1)。年均降水量约1808 mm，年均气温约17.4 ℃，县内植被良好，雨量充足。作为稻米之乡，全县土地利用以耕地为主，居民点和工矿用地次之。境内以丘陵为主，地势从东南向西北降低，中部丘陵连绵，西部湖泊众多，水系发达。近几年，万年县建设开发，人类活动频率上升，对其生态环境造成了一定压力。万年县域内矿产资源丰富，但矿产资源开发手段不完善对其生态造成了一定破坏。而其夏季容易受到副热带高压影响，气温偏高且雨水较多，且全县山地面积占比较大，容易产生生态安全隐患。

1.2 数据来源与研究方法

1.2.1 数据来源 主要包括DEM高程数据、气象数据、土地利用数据以及遥感数据和人口数据。其中2005、2010和2018年3期土地利用数据于万年县自然资源局与江西省土地整理中心获取。气象数据在江西省气象局处获取，数据日期为2005、2010和2018年。DEM影像数据由地理空间数据云(http://www.gscloud.cn/)下载，影像分辨率为30 m。人口数据来自2005—2018年中国县域统计年鉴及万年县各年份统计公报。

1.2.2 构建指标体系 SRP模型从生态敏感性、生态恢复力以及生态压力度3个层面综合考虑影响生态脆弱性的因素。其中，地形、地表和气象是生态敏感性层面的主要考虑因子。生态恢复力层面主要包含植被因子。人类活动是造成生态压力的重要来源，因此生态压力度层面选择的是人类活动因子。SRP模型囊括了生态脆弱性的两个形成要素，即内部脆弱性和外部脆弱性，选择SRP评价模型可以较为全面地分析生态状况，并为动态分析打下基础。本文选取11个具体指标，并进一步划分为正向和逆向指标，对万年县2005—2018年生态脆弱状况进行综合评价，见表1。

图1 研究区位Fig.1 Research location

1.2.3 指标计算及标准化 评价基于格网尺度，所有涉及的指标均转化为格网尺度。研究通过借鉴前人利用格网GIS法对生态环境脆弱性的相关研究[21]，并结合万年县的实际情况，从万年县景观类型分布以及土地利用进行综合考虑，选择1 km×1 km对万年县进行格网划分。将提及的指标数据转化成分辨率为30 m的栅格数据，并将各指标值通过ArcGIS 10.5软件平台进行分区统计，得到各格网的指标值。

各个指标统一量纲，以便指标间的统计和对比。采纳极差标准化法，见下式：

(1)

表1 指标体系

表2 2005—2018年各指标组合权重

(2)

式中，Yij表示标准化后各指标的值，Xij代表第i个指标在第j个格网的原始数据值，Xjmax则是指标在格网中的最大值，同理，Xjmin代表指标在格网中的最小值。

1.2.4 确定指标权重 层次分析法运用范围广，但受主观影响较大，而熵权法则是以各指标中所能提供的信息熵来确定各权重，指标所含信息熵越小，其变异程度越大则赋予的权重越大，反之亦然[22]。以熵权法对层次分析法的结果进行修正，得出各指标的综合权重，公式如下：

(3)

式中，ari为层次分析法计算的权重，Sri为熵权法计算的权重，Ri为组合权重。计算2005、2010、2018年万年县生态脆弱性，各指标权重见表2。

1.2.5 综合指数法 采用综合指数法求得生态脆弱性指数EVI，计算公式如下：

(4)

式中，EVI表示生态脆弱性指数，Wi为各个指标的标准化值，而Ri是各个指标所占的权重。同时，对生态脆弱性指数进行统一标准化的计算，便于其数值比照，公式如下：

(5)

式中，SEVI代表标准化后的EVI值，EVI为全部格网单元的生态脆弱性指数值，EVImax为其中的最大值，EVImin代表其中的最小值。在得到标准化后的生态脆弱性指数后，使用自然断点法[3]，生态脆弱性最后划分为微度脆弱、轻度脆弱、中度脆弱、重度脆弱以及极度脆弱5个层级。

1.2.6 空间自相关分析 以Moran’ I指数和聚类图表征万年县2005—2018年生态脆弱性的空间关联关系，研究通过Geoda 1.12软件绘制万年县局部空间自相关聚类图，以分析万年县生态脆弱性高值区、低值区的空间分异规律。

1.2.7 OWA方法 OWA方法由美国数学家Yager率先提出，其核心在于对指标按照属性的重要性重新排序，对不同位序的指标赋予不同的次序权重。关于OWA权重的确定方法众多，其中单调规则递增(RIM)法运用广泛，其计算公式如下：

(6)

式中，vj为次序权重，vj∈[0,1]，且v1+v2+…+vn=1。a为决策风险系数，取值0到∞之间；Wk为指标重要性等级，其计算公式如下：

(7)

式中，n表示指标个数，rk根据指标数值大小对其进行重要性取值，最大取1，最小取n。

利用OWA方法计算生态脆弱性空间多准则评价的关键在于将准则权重和次序权重进行线性组合从而得出评价结果[1]，其公式如下：

(8)

式中，zij为第i个像元中第j项指标的属性值；ui为准则权重，ui∈[0,1]，且u1+u2+…+un=1,研究中使用AHP方法计算准则权重；vj为次序权重。

本文基于单调规则递增(RIM)法计算7种不同决策风险系数下的次序权重，结果见表3，在决策者持乐观态度时(a<1),赋予重要性较高的指标更高的次序权重；在决策者持悲观态度时(a>1)，重要性较低的指标被优先考虑赋予更高的次序权重，重要性较高的反而不被重视；当决策者无偏好时(a=1)，只用准则权重进行综合评价。

2 结果与分析

2.1 万年县生态脆弱性空间分布特征

由图2可知，万年县生态脆弱性在2005—2010年间大体呈现西北低、东南高的现象，而2018年其生态脆弱性呈现中部低、北部及东南高的状态，且2005—2018年间极度脆弱区集中在陈营镇。

由表4可知，2005—2018年均以轻度脆弱为主，其中2005年万年县轻度脆弱面积为528.56 km2，占据其总面积45.96%，主要分布在齐埠乡、石镇镇、汪家乡、青云镇、苏桥乡、珠田乡及梓埠镇南部区域。微度脆弱区主要分布于珠田乡和石镇镇的中部区域，面积占比为28.12%，而万年县中度、重度脆弱区主要分布在陈营镇周边以及大源镇南部、裴梅镇东南部地区，其面积分别为203.19、88.98 km2，占比分别为17.67%、7.74%。而极度脆弱在万年县分布集中但面积不大，仅占0.52%。

与2005年相比，万年县2010年轻度脆弱面积有所下降，面积为473.77 km2，占据县域面积41.19%，其中度脆弱和重度脆弱、极度脆弱分布更为集中，主要在万年县东南部各乡镇，且面积也有所增加，分别为213.52、90.93、8 km2，各自占县域面积18.56%、7.91%和0.70%。而2018年，万年县中度、重度脆弱区相比2005、2010年有向北部聚集的趋势，其中中度脆弱区主要集中在陈营镇周边以及万年县北部的梓埠镇、湖云乡等地区，重度脆弱区主要集中在大源镇和裴梅镇，且在北部占据零星地块。中度脆弱区面积为237.57 km2，占比为20.66%，相比2005和2010年呈增加趋势。另外，微度和极度脆弱变化不大，极度脆弱区仍集中于陈营镇中心，亦为万年县的城区所在地，面积占比为0.80%。

2005、2010和2018年的生态脆弱性指数的均值分别为0.2633、0.2473、0.1914，呈逐年递减趋势，表征万年县生态脆弱性在研究期间内逐渐转好。2018年中度脆弱区集中于北部耕地地区，而随着社会经济的发展、人口的不断增加，对粮食的需求也在不断增加，人类活动增强使得生态压力增强，造成轻度脆弱逐渐演变成中度脆弱，并出现零星重度脆弱区。而2005—2010年重度脆弱区集中于大源、裴梅等矿区开发地，2010年之后，万年县对废弃矿区开展治理等工作，至2018年，重度脆弱区面积下降为86.81 km2，占7.55%。如持续进行生态修复等工作，其生态状况可进一步改善。

2.2 万年县乡镇尺度生态脆弱性变化特征

由表5可知，2005—2018年，齐埠乡、青云镇、上坊乡、石镇镇、苏桥乡、汪家乡和珠田乡均以微度、轻度脆弱区为主，均位于万年县丘陵区，植被覆盖丰富，生态恢复力较强。2005—2010年间，大源镇镇域生态脆弱性明显加重，从中度脆弱转变为重度脆弱，但于2010—2018年间，又逐步转为中度脆弱，表明其社会经济活动已经对生态环境造成了巨大威胁，对此，政府大力推进生态文明建设，其成果初步显现，环境由差转好，生态保护修复得到高度重视。随着经济、人口的快速增长，耕地资源利用加强，造成湖云乡、梓埠镇这两个以耕地为主的乡镇由轻度脆弱转变为了中度脆弱。万年县主城区由于土地利用程度较高、人口压力等对生态坏境造成一定破坏，始终为主要的极度脆弱区。而裴梅镇虽然在研究期间主要以轻度脆弱为主，但其山地众多，存在明显的自然本底脆弱性，生态问题不容忽视。

表3 生态脆弱性评价指标次序权重

图2 万年县2005—2018生态脆弱性分级Fig.2 Classification of ecological vulnerability in Wannian county from 2005 to 2018

表4 生态脆弱性面积占比

表5 各乡镇生态脆弱性面积占比

图3 万年县生态脆弱性指数2005—2018年Moran’I散点 Fig.3 Moran scatter of ecological vulnerability index in Wannian county from 2005 to 2018

2.3 万年县生态脆弱性空间集聚特征

经过空间自相关的探讨，计算出全局Moran’I指数分别为0.504 848、0.680 825和0.742 960，表明2005、2010和2018年万年县生态脆弱性具有明显的空间关联关系(图3)，2005—2018年生态脆弱性的空间自相关性逐渐增加，呈现高度空间正相关关系。

图4显示，2005年万年县生态脆弱性高高集聚区集中于东南部。乡镇尺度上，万年县生态脆弱性的高高集聚区主要分布在中心城区、裴梅镇、大源镇，基本分布在极度脆弱区和重度脆弱区。而低低聚集区主要集中在微度脆弱区，少部分零星分布在轻度脆弱区。而2010、2018年高高集聚区相比2005年更为集中，并逐渐向中心城区、县域东南部靠拢，且2018年的高高集聚区有向北部拓展的趋势。大源镇、裴梅镇山地较多，且矿产资源开发、废弃资源处理方式的不完善，形成了生态脆弱性较高的区域以这两个镇为主向四周辐射的状态，是高高聚集的重要原因。而低低集聚区在研究期间内变化较大，其分布状况由零散逐渐变得集中，至2018年，基本分布在微度脆弱区。总体而言，以目前生态脆弱性的空间集聚效应来看，需要进一步加强对高高集聚区的管控，尤其要防范其向周边地区辐射扩展效应。

2.4 基于OWA的万年县生态脆弱性情景模拟

以2018年万年县生态脆弱性评价结果为基础，结合IDRISI软件中的OWA模块，将11个指标的标准化栅格图、准则权重、次序权重输入其中，得到不同决策风险下的万年县生态脆弱性评价结果。结合实地调查万年县社会经济发展水平以及生态文明建设情况，研究设置了3种情景模拟万年县生态脆弱性：a=1时，为维持现状型；a=0.8时，为生态可持续发展的乐观决策情景；a=3时，为生态不可持续的悲观决策情景。

基于图5分析3种决策情境下万年县的生态脆弱性，当a=0.8时，万年县全县处于微度脆弱和轻度脆弱，极少数处于中度脆弱，其中微度脆弱占比5.62%、轻度脆弱占比93.40%。a=1时，万年县生态脆弱性状况接近使用AHP-熵权法时的评价结果，全县以轻度脆弱和中度脆弱为主，面积占比分别为63.29%、33.03%，表征OWA方法在评价生态脆弱性具有一定适用性。a=3时，万年县以中度脆弱为主，占比59.37%，且重度脆弱占比1.64%，除县域西北部生态脆弱性较低，其余地区生态脆弱程度均较高。此时，高程、起伏度、均温、降水等指标次序权重较高，万年县东南部原有自然因素成为造成生态环境脆弱的重要原因，生态环境问题不容忽视。

图4 万年县生态脆弱性指数2005—2018聚类Fig.4 Clustering of ecological vulnerability index in Wannian county from 2005 to 2018

图5 不同政策情境下万年县生态脆弱性状况Fig.5 Ecological vulnerability in Wannian county under different policy scenarios

生态持续型情景下，全县轻度脆弱面积超过90%，生态环境保护得到极大重视，此时全县生态被破坏的区域几乎没有，决策策略可以适当考虑加大社会发展的投入，以提高未来生态修复的经济保障。维持现状型情景下，万年县生态脆弱性评价结果趋近于反映区域现实脆弱性，此时县域中心城区、西北耕作区脆弱程度较高，决策策略可以考虑在这些区域开展生态修复试点工作。生态不可持续型情景下，全县脆弱程度较高，中度脆弱占比接近六成，且集中于东南方，此时决策策略需要重点恢复县域生态环境，由于东南山区地势较高、地形起伏较大，决策者可以考虑从水源涵养、生物多样性维护、水土流失治理等方面制定修复措施，通过自然修复与人为干预的方式进行综合治理。

3 讨 论

运用SRP模型从生态敏感性、生态恢复力、生态压力度3个层次遴选指标，较为综合地分析了2005—2018年间万年县生态脆弱性时空演变特征，同时对其进行空间自相关分析，探讨生态脆弱性在空间上的集聚状况，期望为生态治理修复、分区管控提供参考。但由于研究尺度较小，部分数据获取受到限制，且生态脆弱性分级方式、权重确定等多样化，并未有一个统一标准，因此生态脆弱性评价体系值得进一步完善。

通过OWA方法设置不同决策风险，对生态脆弱性进行不同情景的模拟，有助于决策者更全面、科学地进行判断。在对万年县进行生态脆弱性评价时，不同决策风险系数下的结果也各不相同，决策者通过得到多情景组合情况下的评价结果进而统筹社会经济发展和风险管控之间的关系。值得注意的是，OWA方法的评价结果只能为处在动态变化之中的区域发展提供决策思路，并不代表方案唯一优解。本文基于对生态脆弱性的认识，尝试探索不同决策情景下的脆弱性结果，期望为决策者提供不同的决策策略，同时弥补多准则决策在生态脆弱性研究中较少的情况。

4 结 论

采用综合指数法对万年县2005—2018年的生态脆弱性进行评价，并基于OWA方法探讨2018年不同情景方案下的国土空间脆弱性。

(1)2005—2018年，万年县生态脆弱性呈明显下降趋势，生态脆弱性指数均值由2005年的0.2633下降至2018年的0.1914，累积下降27.31%。区域生态脆弱性总体呈现“西北高—中部、西部低—东南高”的空间格局。

(2)2005—2018年，万年县生态脆弱性Moran’ I指数分别为0.504 848、0.680 825、0.74 296，表征万年县在研究期间生态脆弱性呈现高度正相关关系，空间集聚进一步增强。

(3)基于OWA方法模拟不同决策风险下万年县生态脆弱性，结果表明随着风险系数的增加，万年县生态脆弱性逐渐升高，决策者态度由乐观变为悲观。万年县处于“生态持续型”、“生态不可持续型”情景下的生态脆弱性分别处于轻度脆弱(93.40%)、中度脆弱(59.37%)水平。

(4)“维持现状型”时，全县以轻度脆弱和中度脆弱为主，面积占比分别为63.29%、33.03%，接近使用AHP-熵权法时的评价结果，表明OWA方法在生态脆弱性研究中具有一定适用性。