河南省生态系统脆弱性评价及时空变化特征分析

马 进

（洛阳市气象局，河南洛阳 471000）

随着人类社会的快速发展，人类活动对气候、生态系统的影响在不断加剧，生态系统的变化情况与现状得到人们的广泛关注，其脆弱性是在受到外界影响因素扰动下表现出的偏离原状态的现象［1］，涉及社会系统、自然生态系统及社会生态耦合系统，是人类活动、自然环境相互耦合的结果［2-3］.

目前对生态系统脆弱性评价工作广泛使用两类方法：一是基于相应过程的关键阈值的生态系统脆弱性评估［4］，如赵东升等以动态植被模型LPJ 为主要工具，以区域气候模式工具PRECIS 产生的情景气候数据为输入，模拟了未来气候变化下中国自然生态系统脆弱性评价模型［5］. 二是基于表征生态系统状况的指标体系［4］，评判指标主要包括水文、气候、地形地貌以及植被状态等［6-7］. 如基于遥感植被参数作为指标体系判断脆弱程度，高江波等［4］以MODIS为基础数据源，评估了西藏高原自然生态系统的脆弱性，并揭示其空间异质性特征；王鹤松等［8］以植被总初级生产力作为功能性指标，研究天山-塔里木绿洲地区多类型生态系统脆弱性；张启和李明玉［9］基于自然和人为因素作为功能指标采用VSD模型，以自然和人文因素双重耦合驱动，研究延边朝鲜族自治州生态脆弱性；薛联青等［10］采用PSR 评价框架，结合模糊层次分析法定量评价塔里木河流域2005—2015年生态脆弱性，分析其时空分布和动态变化. 以上两类方法相比较，基于响应过程的生态系统脆弱性评估法量化程度高，但随之带来量化的不确定性以及评估方法论的缺陷［4］.

河南是人口大省，经济发展与资源环境的矛盾日益突出，人均资源少，水资源缺乏且地域分布不均，土地资源承载力较重. 目前，河南省生态系统脆弱性研究相对较少，本研究使用SRP（敏感-恢复-压力）逻辑模型，基于主成分分析获得SRP模型各指标权重并计算河南省生态脆弱性指数，同时对脆弱性等级进行评价；使用地理探测器分析模型各要素之间交互影响q值并进行要素驱动力分析. 开展河南省生态系统脆弱性研究，对中原地区环境承载能力评估、生态安全保障具有重要意义，以期为生态脆弱区生态恢复政策的制定提供科学理论依据.

1 研究区域与数据处理

1.1 研究区域概况

河南省地处黄河中下游，呈明显的大陆性气候特征，省内南北地区气候指标分异明显. 总面积16.7 万km2，平原盆地、山地丘陵分别占总面积的55.7%、44.3%，耕地总面积1.19亿亩（7.93×106hm2）位居全国第4. 河南省位于中国中东部，是全国重要的交通、通讯交互枢纽中心，同时也是中原经济区核心省份. 全省常住人口共9 936.6万人，位居全国第三，其中所辖市人口总数前5的地市分别为：郑州、南阳、周口、商丘和洛阳. 2020年全省的城镇化率由2005年的30.65%上升到55.43%. 省内河流多发源于西部、西北部和东南部山区，水资源总量居全国第19位，人均水资源量不足全国平均水平的1/5，属严重缺水省份. 河南省产业层次较低、结构不合理，工业污染物排放强度较高，人口数量大、人均占有资源少，资源支撑能力和环境承载能力承压严峻.

1.2 数据来源

高程DEM 数据来源于美国奋进号航天飞机的雷达地形测绘SRTM（Shuttle Radar Topography Mission，SRTM）数据，坡向、坡度、起伏度数据利用ArcGIS对DEM数据处理后得到. 地貌类型、土壤侵蚀度、土地覆盖类型、生物多样性、GDP、人口密度、土壤类型数据来源国家地球系统科学数据共享平台（www.geodata.cn）. 年均气温、年降水数据来源与中国气象气象局“天擎”平台. 夜间灯光等数据来源于DMSP/OLS、VIIRS 夜间灯光数据，植被净初生产力来源于Landsat系列多光谱遥感 卫 星 数 据（https：//earthexplorer.usgs.gov）MYD17A3HGF（6.1版）年度净初级生产（NPP）产品，植被覆盖度由Landsat 多光谱遥感卫星数据MOD13A3（NDVI）数据计算而来.

2 分析方法

2.1 生态脆弱性评价指标模型构建

基于SRP 模型概念研究［11-14］，结合河南省人口众多、人均资源少、水资源较为匮乏、城镇化发展与环境承载矛盾突出等特点，同时考虑受地形、地貌、气候等因素对生态环境的影响，选取了18 个要素作为评价指标，构建河南省生态脆弱性评价指标体系，如表1所示.

表1 河南省生态脆弱性评价指标体系Tab.1 Evaluation index system of ecological vulnerability in Henan Province

2.2 指标权重计算

使用ArcGIS 的Extract Multi Values To Points 工具，将栅格数据值提取至点，形成归一化数矩阵. 将2010、2015、2020 年三期的指标要素数据导入SPSS 进行主成分分析，三期数据KMO 取样适切性分别为0.881、0.941、0.892，均大于0.8，Bartlett球型检验显著性均为0.000＜0.05，选取累计方差贡献率≥80%的前6个主成分进行分析，如表2所示.

表2 各主成分的特征值、贡献率及累计贡献率Tab.2 Eigenvalue，contribution rate and cumulative contribution rate of each principal component

综合的成分模型系数vi［15］：

式中：biy为成分矩阵中指标要素i在成分y中的值；ay为特征值；py为方差贡献率.

权重计算：

脆弱性评价指数Z计算：

式中：Z为脆弱性指数值；Si为指标要素赋值；ωi为指标要素权重.

2.3 指标数据处理

评价指标为栅格指标数据，主要分为数值型和属性分类型. 对于数值类型栅格利用ArcGIS 重分类工具，用自然断点法根据要素对脆弱性影响，正向要素由大到小按照5、4、3、2、1进行重分类赋值. 对于属性分类栅格指标数据，根据栅格代表的属性类型，按照对脆弱性干扰或抗干扰的影响力进行分类并赋值，如表3所示.

表3 生态脆弱性评价指标分级标准Tab.3 Classification standard of ecological vulnerability evaluation index

2.4 生态脆弱性等级分类

为分析比较生态脆弱性，2010、2015、2020 年三期结果需具有可比度量，对生态脆弱性指数进行标准化处理.

生态脆弱性标准化处理：

式中：SIi为第i年生态脆弱性指数标准化值；Zi、Zmin和Zmax分别为第i年生态脆弱性指数实际值、生态脆弱性指数最小值和最大值. 为便于对生态脆弱性特征进行评价和分析，参考国内外对生态脆弱性评价研究的标准［16-18］，按照潜在脆弱（0～0.2）、微度脆弱（0.2～0.4）、轻度脆弱（0.4～0.6）、中度脆弱（0.6～0.8）、重度脆弱（0.8～1.0）五个等级进行分类.

使用乘算模型对生态脆弱性指数进行综合直观的评价［19］：式中：EVSI 为生态脆弱性综合指数；Pi为第i类脆弱性等级值；Ai为第i类脆弱性面积；S为研究区域总面积.

2.5 生态脆弱性空间演变分析

使用ArcGIS的栅格计算器，按照2015—2020年、2015—2019年分别对生态脆弱性等级进行叠加运算：

式中：Code2010to2015、Code2015to2020分别为2010—2015 年、2015—2020 年生态脆弱性分级变化代码；Code2010、Code2015、Code2020分别为2010年、2015年、2020年生态脆弱性等级赋值，其中潜在脆弱（1）、微度脆弱（2）、轻度脆弱（3）、中度脆弱（4）、重度脆弱（5）.

2.6 生态脆弱性变化驱动力分析

为分析指标要素对生态脆弱性变化影响和指标要素之间对生态脆弱性变化交互作用影响，使用地理探测器模型（http：//geodetector.cn/）能够分析时空演变格局及驱动机制［20-21］. 在地理探测器分析输出的因子检测器中，q值表示指标要素的影响力，值越大影响力越大；p值表示指标要素的解释力，值越小解释力越强.地理探测器分析输出的交互检测器表示两个指标要素的交互关系，交互影响力由大到小分别为非线性减弱、单因子非线性、双因子增强、独立和非线性增强.

使用ArcGIS栅格计算器对2010年、2020年生态脆弱性指数进行差运算，并将生态脆弱性差值作为因变量，以不同年份的18个指标作为自变量. 将因变量、自变量加载到地理探测器进行分析处理.

3 结果分析

3.1 基于SRP的生态脆弱特征分析

从整体脆弱性指标权重分析，如表1 所示，影响生态脆弱性最大影响因子为人类活动因子. 分别以准则层对所在层面各要素权重进行分析，敏感性准则对生态脆弱性分布影响最大指标为土壤覆盖类型，其次为土壤类型、土壤侵蚀度；以恢复力准则对生态脆弱影响最大指标为净初生产力和植被类型；以压力度准则影响最大指标为夜间灯光.

通过对2010、2015、2020年三期各要素权重变化情况分析，如图1 所示，年降水、年均气温、土壤覆盖类型、土壤侵蚀度、植被类型、水网密度等指标呈正向变化趋势，而在压力度准则下的各指标均呈负向变化趋势. 表明2010—2020 年间，气象因子、地表因子对生态脆弱性影响有加强趋势，虽然人类活动和社会经济因子对生态脆弱性影响权重很高，但其对生态脆弱性的影响开始呈现出减弱趋势.

图1 生态脆弱性评价指标权重变化率Fig.1 Weight change rate of ecological vulnerability assessment index

2010—2020 年研究区域内生态脆弱性指数在0.21～2.19，多年平均值为1.02，整体呈现以轻度脆弱性为主. 如图2、3所示，研究区域的西部、北部海拔高，丘陵地表覆盖差，降水、气温较东南部偏少、偏低，导致整体生态脆弱性呈现西部、北部高，东部、南部低的分布特征；中部地区以郑州为中心辐射的区域，人口密度高、经济和人类活动影响较大，整体脆弱性等级明显高于其他区域.

图2 2010—2019年河南省生态脆弱性等级空间分布Fig.2 Spatial distribution of ecological vulnerability level in Henan Province from 2010 to 2019

图3 2010—2019年河南省生态脆弱性指数空间分布Fig.3 Spatial distribution of ecological vulnerability index in Henan Province from 2010 to 2019

通过对研究区域2010—2020 年三期生态脆弱性等级面积分布统计，整体面积比例主要集中于微度脆弱—轻度脆弱等级范围. 2010—2020 年潜在脆弱等级和微度脆弱等级面积呈增加趋势，尤其在2015—2020年轻度脆弱性等级面积比例显著减少，微度脆弱等级面积比例增加明显，如表4 所示.2010—2020 年三期生态脆弱性综合指数EVSI 分别为2.47、2.56、2.36，说明研究区域整体生态环境呈总体逐渐转好趋势.

表4 2010—2020年生态脆弱性等级面积及面积比例Tab.4 Area and area proportion of ecological vulnerability grade from 2010 to 2020

从研究区域生态脆弱性变化趋势分析，如图4所示. 2010—2020 年10 年来脆弱性指数变化区间在>-0.85～0.84. 总体来看，2010—2020 年间生态脆弱性指数差均值（0.02）无明显变化，脆弱性指数减少的面积比例占总面积的69.26%，整体生态环境有改善.

图4 2010—2020年生态脆弱性指数变化分布图Fig.4 Change distribution of ecological vulnerability index from 2010 to 2020

3.2 生态脆弱性等级时空演变特征

根据式（6）、（7）分别计算2010—2015 年、2015—2020 年5年间生态脆弱性等级时空演变分布特征，通过计算统计得出2010—2015年、2015—2020年间生态脆弱等级间的面积转移矩阵. 从表5、6中可知2010—2015年、2015—2020年间生态脆弱等级间的面积转移量分别为：35 358.44 km2、54 057.24 km2. 其中，2010—2015 年、2015—2020 年的向好生态等级转移量分别为：10 799.16 km2和42 985.72 km2，占转移总面积的30.5%和79.5%. 通过图5所示，进一步分析生态脆弱性等级在10年间演变空间变化情况，2010—2015年生态脆弱性等级向好转变区域主要分布于东南部地区，中部、西部和北部区域生态承压较大. 2015—2020年间较2010—2015年间生态环境得到明显改善，生态脆弱性等级向好转变面积大幅增加，主要分布于豫西地区、豫北地区、伏牛山区、桐柏山区. 生态脆弱等级负向转变主要分布于河南中部的郑州-洛阳-焦作城市群，豫东的周口和许昌，豫北的濮阳. 表明随着国家退耕还林还草等多项生态保护政策出台，河南省在生态脆弱性等级较高的豫西、豫北地区，生态保护政策实施措施有效，生态环境得到十分明显改善. 中部城市群城镇化发展迅速，造成建筑用地大幅增加，东部、南阳盆地人口基数大且人口集中，人类生活对环境生态承压较大，黄淮平原耕地的面积大，生态系统干扰程度增大.

图5 2010—2015年、2015—2020年生态脆弱等级区面积相互转换分布图Fig.5 Distribution map of mutual conversion of ecological vulnerability grade areas in 2010—2015 and 2015—2020

3.3 脆弱性变化驱动力分析

对研究区域2010—2020 年生态脆弱性变化时空演变驱动力分析，利用地理探测器进行指标要素对生态脆弱性变化的影响力分析，如表7 所示，2010—2020 年间恢复力因子对生态脆弱性变化影响较大的指标为植被覆盖度和植被净初生产力，表明生态植被密度及植被生态质量对生态脆弱性的适应恢复能力有较大影响；压力因子对生态脆弱性变化影响较大的指标为夜间灯光，表明生态压力主要受人类生产生活的活动程度、活动区域及城市发展水平影响；敏感性因子对生态脆弱性变化影响较大的指标为土壤类型、降水量、水网密度等要素，表明河南省内生态系统敏感性受环境水分条件和地表土壤等因素影响较大. 从各指标影响力q值分析可知，q值前5项由大到小以此为：夜间灯光>GDP>植被覆盖度>植被净初生产力>人口密度.

表7 2010年、2015年、2020年生态脆弱性指标影响力Tab.7 Impact of ecological vulnerability indicators in 2010，2015 and 2020

研究各因子之间交互作用对生态脆弱性变化的影响，可以通过地理探测器的交互检测表结果分析，发现探测交互因子主要为双因子增强性型和非线性增强型，说明交互因子加速了影响生态脆弱性变化，其中非线性增强类型对生态脆弱性的变化具有最强的影响作用. 将70对非线性增强交互因子筛选出，如表8所示. 植被净初生产力与夜间灯光两指标交互对生态脆弱性变化增强影响最大. 夜间灯光、起伏度、坡向、坡度、人口密度、高程、地貌类型、GDP、植被类型等指标与植被净初生产力指标交互下对生态脆弱性变化均有较强的影响力. 从表中整体看，植被净初生产力、土壤类型、水网密度、土壤侵蚀度等指标参与交互非线性增强组数明显高于其他指标.

表8 2010—2020年生态脆弱性指标交互作用Tab.8 Interaction of ecological vulnerability indicators from 2010 to 2020

从各指标对生态脆弱性变化影响分析和指标交互作用结果分析可以发现，代表环境压力的夜间灯光、GDP、人口密度指标，代表环境恢复能力的植被覆盖度、植被净初生产力指标以及代表生态环境发生变化的诱因敏感性的土壤类型、水网密度、年降水指标是造成河南省生态脆弱性变化空间分异的主要因素. 河南省近年来随着生活质量和工业化水平提高，城镇化发展迅速，人类活动对生态环境扰动影响增加，同时受气候变化影响水资源总量减少［22-26］，耕种和灌溉面积增加造成水资源更加紧张. 黄淮海平原、南阳盆地是传统的农业生产区，气候适宜，人口密度大，环境纳污容量小，水体污染严重，在黄淮海平原北部水资源较为短缺，农业面源污染较重. 太行山区以山地为主，沟壑纵横，土层浅薄. 伏牛山区、桐柏大别山区为山地森林生态系统，植被覆盖率高，动植物种类繁多. 伏牛山区、桐柏大别山区、太行山区随着国家退耕还林、水资源涵养水土保持等政策实施，植被生态环境得到改善. 但属山地森林生态系统的伏牛山区、桐柏大别山区生态改善效果较以山地为主的太行山区明显.

4 讨论与结论

基于SRP“敏感度-恢复力-压力度”模型建立生态脆弱性评价模型，影响生态脆弱性空间分布的主导指标为敏感性准则层的土壤覆盖类型、土壤类型和土壤侵蚀度，恢复性准则的植被净初生产力和植被类型，压力准则层下的夜间灯光.

河南省轻度水土流失面积占总面积21%，西部、北部的丘陵、浅山区水土流失较严重，导致整体西部脆弱性高于其他区域. 黄淮海平原东部、北部人口密度大，河南省中部城市群外扩建设迅速，加剧对环境扰动影响，导致该区域生态脆弱性较高. 2010—2020年影响生态脆弱性的气象因子、地表因子对生态脆弱性影响有正向加强影响，虽然人类活动因子和社会经济因子对生态脆弱性的影响权重仍然很高，但影响开始呈现相对减弱趋势. 从侧面反映人们开始意识到对生态环境的压力的影响，开展了有效的生态保护工作并获得了明显成效.

通过对2010—2020年生态脆弱性时空变化分析，豫西丘陵地区、伏牛山区、桐柏大别山区生态脆弱性有明显改善，而东部、中部、南阳盆地生态脆弱性升高. 伏牛山区、桐柏大别山区人口密度较低、人为对环境扰动弱，植被覆盖率较高，生态恢复力较强，随着国家退耕还林还草等生态保护措施出台落实，生态环境得到明显改善. 分析生态脆弱性等级在10 年间演变空间变化情况，2015—2020 年的向好生态等级转移量大于2010—2015年，生态脆弱性等级向好主要分布于豫西、伏牛山区、桐柏山区；生态脆弱等级负向转变主要集中分布于郑州-洛阳-焦作城市群，黄淮海平原东部、北部. 河南省西部、北部地区受气候、地形、土壤等原因，生态环境较其他地区不利，但该区域人类扰动影响较小，随着人们对生态环境的保护，生态修复效果较其他生态压力较大的地区十分明显.

利用地理探测器对研究区域生态脆弱性时空演变的要素驱动力分析，综合指标影响力由大到小依次为夜间灯光>GDP>植被覆盖度>植被净初生产力>人口密度. 分析各指标交互作用，夜间灯光、GDP、人口密度指标、植被覆盖度、植被净初生产力、土壤类型、水网密度、年降水指标是造成河南省生态脆弱性变化空间分异的主要因素.

可以看出，诱发河南省生态环境发生变化，主要为人类活动扰动、土壤、植被及水资源等因素，所以做好水土保持、森林植被抚育涵养水源、提升水资源保障能力、优化城市发展和布局、建立生态型城市仍是河南省生态保护工作持续努力的方向.

本文选取SPR模型构建生态脆弱性评价模型，从“敏感度-恢复力-压力度”三个准则层，按照可获取、可量化、合理性、科学性等原则，选取能够反映三个准则层的指标，并分析了各指标对生态脆弱性的影响以及各指标对生态脆弱性变化的驱动力分析. 影响生态脆弱性的因素繁多，本文受到资料来源、数据精度等原因影响，不能够全面反映河南省生态脆弱性内涵，在今后研究中应进一步完善.