2022, Vol. 43
2. 中国科学院地理科学与资源研究所, 北京 100101
2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
快速加剧的气候变化和人类活动已大幅改变区域和全球生态环境[1].毁林、土壤退化、荒漠化和生物多样性损失等已成为当今世界面临的最重要环境问题, 严重威胁生态系统服务的提供, 特别是在生态脆弱地区.综合评估环境变化是制定可持续发展计划和采取有效环境保护和管理措施的前提[2].生态脆弱性作为生态系统的一种特殊属性, 能综合反映一个生态系统在面对外来干扰的不利影响时, 却没有能力抵抗不利影响的程度以及生态环境遭受影响的破坏风险, 因此成为近年来国内外研究的热点[3~7].为了评估生态脆弱性, 已有研究基于不同原理和目的发展了一系列评估模型框架, 包括“压力-敏感性-恢复力”[8]、“暴露-敏感性-适应力”[9~12]、“抵抗力-暴露-敏感性”和“压力-状态-响应”[13~15]等.虽然目前尚缺乏统一的评估模型, 但这些研究均强调了生态脆弱性的极大空间异质性和从区域尺度发展因地制宜评估指标体系的重要性[3].
黄土高原作为我国生态系统最脆弱的地区之一, 在气候变化(如干旱)和人类活动的(如过度开垦和放牧)影响下, 其生态系统严重退化(特别是水土流失), 已经威胁区域的可持续发展[16, 17].为了改善该地区的生态环境状况, 我国自1999年开始实施了大规模生态恢复工程.有研究表明, 生态工程的实施极大提高了该地区植被的覆盖度和碳吸收能力[18], 但是否能够降低其生态系统的脆弱性尚不清楚.少数研究虽然评估了黄土高原区域内不同地区的脆弱性, 但所采用的的指标体系、评估模型和空间尺度等均不同, 且结果存在一定分歧, 不能有效反映黄土高原地区生态脆弱性的整体变化趋势.例如, Hou等[19]的研究基于土地利用、降雨和人口等12个因子, 从县级尺度评估了陕西北部生态脆弱性的变化, 结果发现过去15年生态脆弱性逐渐降低; 陈佳等[20]的研究基于“暴露-敏感性-适应力”模型, 从像元尺度评估了榆林市社会-生态系统的脆弱性, 结果发现2000~2011年间脆弱性明显降低, 但空间差异大; 傅微等[21]的研究从景观的角度评估了陕北黄土高原的生态风险, 结果发现研究区的景观生态风险在2000~2015年间整体以增加趋势为主; Li等[22]的研究从乡村尺度评估山西省静乐县的生态脆弱性, 结果发现2005~2015年研究区高度脆弱区的面积出现减少态势.因此, 亟需采用统一的评估模型和指标体系, 对整个黄土高原区生态脆弱性的时空变化特征进行评估.
本文以黄土高原为研究区, 基于“暴露-敏感性-适应力”模型框架, 采用指示气候、水土流失、土地利用、生态环境和社会经济等状况的13个指标因子, 结合层次分析、空间主成分分析和地理探测器等方法系统评估了黄土高原地区的生态脆弱性.本文通过揭示黄土高原地区生态脆弱性空间分布特征, 及其控制因子和2000~2015年黄土高原生态脆弱性的变化趋势、空间分布及其驱动因子, 以期为进一步的区域生态系统保护和管理提供理论参考.
1 材料与方法 1.1 研究区概况黄土高原(33°43′~41°16′N, 100°54′~114°33′E)位于我国黄河流域中部, 跨青海、甘肃、宁夏、内蒙古、陕西、山西和河南这7省, 总面积约64万km2 [图 1(a)].区域内地势西北高、东南低, 海拔差异超过3 000 m.该区属暖温带大陆性季风气候, 年均气温3.6~14.3℃, 年均降水量300~800 mm.降水量自西北向东南逐渐增多.土地利用类型以草地为主, 面积占比41.3%, 其次是耕地和林地, 分别占比32.1%和15.2%[图 1(b)].建设用地和水体仅占研究区总面积的4.6%, 其它均属于未利用土地.该区人口约有1亿, 且以农业人口居多, 属于国家扶贫开发、水土保持和生态治理的重点地区.干旱的气候背景、严重的水土流失和相对落后的经济发展导致该地区生态环境脆弱, 属于我国典型的生态脆弱区.
|
图 1 黄土高原海拔与2015年土地利用空间分布示意 Fig. 1 Spatial distributions of the elevation and land use in 2015 in the Loess Plateau |
本文基于“暴露-敏感性-适应力”的生态脆弱性评价概念框架[5, 11, 12, 17, 20], 结合黄土高原地区气候干旱、地形破碎和土壤侵蚀严重等主要生态问题, 同时考虑数据的时效性、可获取性和易操作性, 最终选取13个评价指标(表 1).其中, 暴露代表了生态系统经历外在环境、压力或风险干扰和胁迫的程度, 采用气候状况、水土流失和人为干扰来反映.敏感性代表了生态系统容易受到胁迫的正面或负面影响的程度, 由生态环境、土地利用和生态系统服务来反映.适应能力指生态系统面对外来不利影响时的内在自我调节能力或外界干预下的恢复潜力, 由经济和社会发展指标来反映.各具体指标的生态学意义详见表 1.依据各指标对黄土高原区生态脆弱性的影响, 将评价指标分为正相关指标和负相关指标.
|
表 1 黄土高原生态脆弱性评价指标体系 Table 1 Evaluation index system of ecological vulnerability in the Loess Plateau |
1.3 数据来源与预处理
本文采用的数据包括气象、遥感、社会经济和其他数据, 数据来源和预处理如下.
1.3.1 气象数据气象数据主要有2000、2005和2015年日均气温、月均相对湿度和年降水量, 基于研究区及其周围148个气象站点的观测数据(由国家气象局网站http://data.cma.cn/下载获取), 利用ANUSPLIN插值软件, 结合数字高程模型(数据来源于美国奋进号航天飞机的雷达地形测绘SRTM), 经过空间插值获取得到.湿润度指数采用伊万诺夫湿润度计算公式, 由年降水量与年蒸发力的比值计算得到[23].
1.3.2 遥感数据遥感数据主要为归一化植被指数(normalized difference vegetation index, NDVI), 该数据由美国地质调查局网站(https://lpdaac.usgs.gov)提供的MODIS 16d合成产品(MOD13A2)获取, 空间分辨率为1 km.年最大NDVI采用最大值合成法(maximum value composite syntheses, MVC)提取得到.
1.3.3 社会经济数据社会经济数据包括GDP、人口密度和道路空间分布, 其中GDP和人口密度(空间分辨率为1 km)由中国科学院资源环境科学数据中心(http://www.resdc.cn/)下载获取, 道路分布数据通过对2000年、2005年和2015年中国交通地图册[24~26]的矢量化获取得到.
1.3.4 其他数据其他数据包括水蚀模数、风蚀模数、水源涵养量、香农多样性指数、坡度和起伏度.水蚀模数采用修正的通用土壤流失方程(RUSLE)估算[27, 28].风蚀模数由修正风蚀方程(RWEQ)估算[29, 30].水源涵养量采用降水贮存量法, 基于降水量和植被覆盖度计算得到[31].香农多样性指数基于研究区2000年、2005年和2015年土地利用数据, 利用Fragstats 4.2软件计算得到, 其中土地利用数据由中国科学院资源环境科学数据中心获取(http://www.resdc.cn/), 空间分辨率为1 km.坡度和起伏度由数字高程模型计算得到.
1.4 生态脆弱性模型构建 1.4.1 生态脆弱性指标数据标准化为了消除各指标数据量纲不一致的影响, 本研究采用极差标准化方法[13, 19]对所有脆弱性评价指标原始数据进行标准化处理.考虑到脆弱性评价正负相关指标对生态脆弱性影响作用不同, 采取了不同的标准化处理方法, 具体计算公式如下：
正相关指标：
|
(1) |
负相关指标：
|
(2) |
式中, Ii和Xi分别表示某一评价指标原始和标准化后数据; Imin和Imax表示该评价指标的最小和最大值. Xi值越大, 说明该指标对生态脆弱性影响越显著, 反之则越小.
1.4.2 生态脆弱性评估模型构建目前定义各指标因子权重主要分为主观(如层次分析法)[2, 14, 32, 33]和客观(主成分分析)[15, 19, 34]两种方法, 前者结果受专家的主观判断影响极大, 而后者往往会高估人类因子的权重.因此本文采用层次分析和空间主成分分析相结合的方法定义各因子的权重. 首先, 利用层次分析法对生态脆弱性评价准则层(暴露、敏感性和适应力)进行权重赋值.本文参考已有研究[35, 36], 结合所选指标, 建立了黄土高原生态脆弱性评价准则层的判断矩阵, 进而机选得到暴露、敏感性和适应力的相应权重(表 2).每个准则层下的所有指标标准化后的数据均相应地乘以该准则层的权重再进行后续的主成分分析, 以实现用较少的综合指标最大限度地保留原来较多变量所反映的信息[19].本文基于空间主成分分析获取的累计贡献率大于85%的前4个主成分结果, 计算出研究区生态脆弱性指数(ecological vulnerability index, EVI)：
|
(3) |
|
|
表 2 黄土高原生态脆弱性评价准则层判断矩阵和权重 Table 2 Judgment matrix and relative weights of the criterion layers for the ecological vulnerability assessment in the Loess Plateau |
式中, Y和r分别表示各主成分及对应的贡献率, EVI的值越高, 生态系统越脆弱.
本研究根据EVI的数据直方图分布和标准差, 结合自然断点分类法, 确定黄土高原地区EVI分级标准, 进而将生态脆弱性划分为微度(EVI < 0.59)、轻度(0.59≤EVI < 0.67)、中度(0.67≤EVI < 0.75)、重度(0.75≤EVI < 0.84)和极度(EVI≥0.84)这5个等级.相比其他分类方法, 自然断点分类法能使各个类之间的差异最大化[37], 能更加客观地得到生态脆弱性分级结果[38].
1.5 驱动因子分析本文采用地理探测器[39]分析黄土高原2000年、2005年和2015年生态脆弱性空间分布的驱动因子, 该方法的主要优势在于可以探测数值型数据和定性数据, 并且可以探测两因子的交互作用.地理探测器通过计算q统计值识别各单因子对生态脆弱性的影响及不同因子间交互作用的强弱、方向和性质[39].首先, 选取EVI作为因变量, 选取生态脆弱性的13个评价指标作为自变量因子(经标准化处理及乘以权重之后的数据), 在15 km×15 km格网尺度, 统计EVI和各自变量因子平均值.其次, 利用自然断点法将各自变量因子分为5级, 由数值量转变为类型量.最后, 利用地理探测器计算q统计值.此外, 本文还利用皮尔逊相关系数[40]和多元逐步线性回归[41], 分析了2000~2015年生态脆弱性变化与主要驱动因子变化的关系.
2 结果与分析 2.1 2000~2015年黄土高原生态脆弱性空间分布及其变化特征整体上, 黄土高原区生态系统脆弱性较高, 脆弱性等级中度以上的面积占比超过60%, 且空间差异大, 呈现出从东南到西北递增的趋势[图 2(a)~2(c)和图 3(a)].微度脆弱和轻度脆弱区主要分布在黄土高原的东南部地区, 如渭河和黄河流域构成的河谷平原区以及太行山区.重度和极度脆弱区主要分布在黄土高原的西北区域, 如鄂尔多斯高原北部.而且, 不同土地利用类型的脆弱性差异较大[图 3(b)].草地和水体的脆弱性以“中度-重度-极度”为主, 三者面积占比超过58%; 耕地和建设用地则以“轻度-中度-重度”为主, 三者面积占比超过79%; 林地以“微度-轻度-中度”为主, 三者面积占比超过85%; 未利用土地则以重度和极度为主, 面积占比超过89%.
|
图 2 黄土高原生态脆弱性时空变化特征 Fig. 2 Spatial and temporal variations in the ecological vulnerability in the Loess Plateau |
|
(a)表示2000、2005和2015年整个研究区不同脆弱性等级面积占比; (b)表示2000(左柱)、2005(中柱)和2015年(右柱)不同土地利用类型各生态脆弱性等级面积占比; (c)表示2000~2005(左柱)、2005~2015(中柱)和2000~2015年(右柱)不同土地利用变化的生态脆弱性变化趋势 图 3 黄土高原生态脆弱性不同等级与变化趋势面积占比 Fig. 3 Area percentages of the ecological vulnerability in different levels and change trends |
2000~2015年, 黄土高原区整体生态脆弱性呈现先增加再下降趋势, 区域平均EVI值由2000年的0.72先增加到2005年的0.76, 接着下降到2015年的0.71.但是, 不同等级脆弱区占比波动较大.具体而言, 微度脆弱区面积先降后增, 极度脆弱区面积先增后降, 重度脆弱区面积持续下降, 而轻度和中度波动较小[图 3(a)].从空间分布来看[图 2(d)~2(f)], 约36%地区的脆弱性相对比较稳定, 主要分布在鄂尔多斯高原和六盘山山区的西北部与渭河河谷平原区的南部, 其它地区的脆弱性变化较频繁.不同土地利用及其变化类型的脆弱性在2000~2015年均呈先增后降态势, 但其脆弱性发生变化的面积占比不同[图 3(c)].其中, 耕地、林地和建设用地的脆弱性先增和后减的面积占比均较大, 而耕地转换为林地、耕地转换为草地和草地转换为林地的脆弱性先增的面积占比明显小于后降的面积占比.值得注意的是, 生态脆弱性变化大多表现为相邻等级间的转变.
2.2 黄土高原生态脆弱性时空变化的驱动因子分析基于地理探测器的因子探测结果表明, 黄土高原区各指标对生态脆弱性空间分布的影响力较稳定(表 3).其中, q值排名前3位的始终为NDVImax、年降水量和湿润度指数, 且其q值(>0.66)远高于
|
|
表 3 黄土高原生态脆弱性因子探测q值 Table 3 The q values of the factor detection for the ecological vulnerability in the Loess Plateau |
其他指标.相对而言, 起伏度、大于10℃积温、水蚀模数和香农多样性指数的影响较小, q值小于0.14.而且, 不同指标因子之间存在明显的交互作用, 主要表现为线性和非线性增强作用(图 4).其中, NDVImax和年降水量线性交互作用对黄土高原生态脆弱性具有最强的解释力, 2000、2005和2015年的联合解释力分别达0.93、0.93和0.95.此外, 单因子解释力较弱因子与解释力较强因子间多表现为非线性交互作用.从年际变化来看, 黄土高原生态脆弱性变化均主要受植被变化的控制, 其独立解释率为37.5% ~56.5%, 其次是降水量, 二者共同解释率达62.7% ~80.6%(图 5).有趣的是, 湿润度指数对生态脆弱性变化的影响几乎可以忽略, 其独立解释率小于1.0%.
|
*表示非线性增强交互作用, 其他表示双因子增强交互作用, 所有相关关系均在0.05水平上显著; A表示X1, B表示X2, C表示X3, D表示X4, E表示X5, F表示X6, G表示X7, H表示X8, I表示X9, J表示X10, K表示X11, L表示X12, M表示X13 图 4 黄土高原生态脆弱性空间分布与驱动因子的关系 Fig. 4 Driving forces of the spatial variations in the ecological vulnerability in the Loess Plateau |
|
ΔEVI表示生态脆弱性指数变化, ΔX1表示年降水量变化, ΔX2表示湿润度指数变化, ΔX7表示年最大NDVI变化, IER表示基于多元逐步线性回归计算得到的各因子的独立解释率 图 5 黄土高原生态脆弱性时间变异与主要驱动因子的关系 Fig. 5 Driving forces of the temporal variations in the ecological vulnerability in the Loess Plateau |
本研究发现黄土高原生态系统整体上处于中高脆弱性水平, 这与过去关于黄土高原部分区域的脆弱性评估结果一致[19, 20, 22, 35], 并与Zhao等[38]关于全国尺度的评估结果一致.这主要是因为黄土高原大部分地区属于干旱和半干旱气候, 植被条件相对较差, 对气候变化极为敏感[18, 42, 43].但不同区域生态脆弱性异质性极大, 东南大部分地区属于轻度和微度脆弱, 这与Hou等[19]在陕西延安的发现一致.此外, 本研究发现不同土地利用类型脆弱性差异大, 未利用地脆弱性最高, 林地脆弱性最低, 这与张学渊等[15]在西北干旱区的观测结果一致.然而本文发现草地的脆弱性整体相对较高, 这与张学渊等[15]的研究结果矛盾.研究尺度和区域差异是导致结果分歧的主要原因, 脆弱性的等级通常是基于研究区内脆弱性的相对大小划分, 自然导致不同区域和尺度的研究结果可比性较差.这再次强调了整体评估黄土高原区域生态脆弱性的重要性.
从时间变化趋势来看, 本文结果表明黄土高原地区的生态脆弱性呈降低态势, 这与Hou等[19]在陕西延安和Li等[22]在山西省静乐县的评估结果一致, 并与Li等[8]在我国北方防风固沙带观测的结果一致.特别是本文发现耕地转换为林草地的脆弱性降低态势明显大于其他土地利用及其变化类型, 这说明气候变化和退耕还林还草生态恢复工程促进了研究区生态脆弱性的降低.近年来, 黄土高原降水的增加和大规模生态恢复工程的实施, 导致植被覆盖度显著增加[18, 42], 从而降低生态系统的脆弱性.值得注意的是, 本文发现在生态恢复工程实施初期, 生态脆弱性呈现微弱增加态势, 可能是因为新种植树木尚处于幼苗阶段, 加上工程实施过程对地表覆被的破坏作用, 致使初期植被覆盖度降低[44, 45].
从控制因子来看, 本文发现植被覆盖度和降雨是控制黄土高原生态系统脆弱性的主要因子, 与Li等[22]和陈枫等[35]的研究结果高度一致.黄土高原处于半湿润区、半干旱区和干旱区的过渡带, 植被生长对水分条件更为敏感.年降水量高的区域, 如黄土高原区的东南部, 植被覆盖好, 属于微度和轻度脆弱; 而黄土高原的西北部, 年降水量较低, 植被条件差, 容易发生水土流失等一系列环境问题[16].
相较于已有研究, 本文采用的层次分析、空间主成分分析和地理探测器相结合的方法, 能更有效地反映大尺度区域生态脆弱性的时空变化特征以及定量分析各驱动因子对生态脆弱性的贡献率.本文研究结果强调了生态恢复工程在降低生态脆弱性方面的作用, 但其效应具有滞后性和局限性, 应建立生态恢复的长期机制.然而, 本研究仍存在一些不确定性.一方面, 受数据限制, 本文研究时段相对较短, 且没有考虑其他人为活动(如牲畜数量)对生态脆弱性的影响.另一方面, 研究区域、尺度和方法差异对研究结果影响可能较大.例如, 本文结果与陈佳等[20]在榆林市所观测到的脆弱性显著下降态势和傅微等[21]在陕北黄土高原所观测到的脆弱性增加态势矛盾, 且与张学渊等[15]在西北干旱区所观测到主要驱动因子(土壤有机质含量和地形是主要因子)不同.未来需加强不同尺度和方法的对比研究, 进而识别脆弱性评估的最优尺度和评估指标体系.
4 结论(1) 黄土高原区生态系统脆弱性整体较高, 且不同地区和不同土地利用类型脆弱性差异大, 主要表现为西北地区明显高东南地区, 草地高于耕地和林地.
(2) 2000~2015年黄土高原区生态脆弱性呈先增后降趋势, 整体呈微弱降低态势, 其中, 近2/3地区的脆弱性发生了变化, 且不同土地利用及其变化类型的脆弱性变化趋势差异大, 耕地转换为林草地和草地转换为林地的脆弱性降低趋势更为明显.
(3) 植被覆盖度和降水是控制黄土高原地区生态脆弱性时空变化的主要因子, 且所有指标因子之间均存在明显的增强交互作用.
(4) 生态恢复工程虽然有助于降低黄土高原地区的生态脆弱性, 但其效应具有滞后性和局限性, 应建立生态恢复的长期机制.
| [1] | IPCC. Climate change 2014: impacts, adaptation, and vulnerability. Part B: regional aspects. Contribution of Working Group Ⅱ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. New York: Cambridge University Press, 2014. |
| [2] | Nguyen A K, Liou Y A, Li M H, et al. Zoning eco-environmental vulnerability for environmental management and protection[J]. Ecological Indicators, 2016, 69: 100-117. DOI:10.1016/j.ecolind.2016.03.026 |
| [3] | Beroya-Eitner M A. Ecological vulnerability indicators[J]. Ecological Indicators, 2016, 60: 329-334. DOI:10.1016/j.ecolind.2015.07.001 |
| [4] | De Lange H J, Sala S, Vighi M, et al. Ecological vulnerability in risk assessment-a review and perspectives[J]. Science of the Total Environment, 2010, 408(18): 3871-3879. DOI:10.1016/j.scitotenv.2009.11.009 |
| [5] |
余中元, 李波, 张新时. 社会生态系统及脆弱性驱动机制分析[J]. 生态学报, 2014, 34(7): 1870-1879. Yu Z Y, Li B, Zhang X S. Social ecological system and vulnerability driving mechanism analysis[J]. Acta Ecologica Sinica, 2014, 34(7): 1870-1879. |
| [6] |
刘宇, 兰双双, 张永祥, 等. 基于空间自相关的地下水脆弱性时空演变[J]. 环境科学, 2017, 38(10): 4236-4244. Liu Y, Lan S S, Zhang Y X, et al. Spatio-temporal evolution of groundwater vulnerability based on spatial autocorrelation[J]. Environmental Science, 2017, 38(10): 4236-4244. |
| [7] | Jin Y, Li A N, Bian J H, et al. Spatiotemporal analysis of ecological vulnerability along Bangladesh-China-India-Myanmar economic corridor through a grid level prototype model[J]. Ecological Indicators, 2021, 120. DOI:10.1016/j.ecolind.2020.106933 |
| [8] | Li X F, Song L N, Xie Z B, et al. Assessment of ecological vulnerability on northern sand prevention belt of China based on the ecological pressure-sensibility-resilience model[J]. Sustainability, 2021, 13. DOI:10.3390/su13116078 |
| [9] | Li X L, Philp J, Cremades R, et al. Agricultural vulnerability over the Chinese Loess Plateau in response to climate change: exposure, sensitivity, and adaptive capacity[J]. Ambio, 2016, 45(3): 350-360. DOI:10.1007/s13280-015-0727-8 |
| [10] |
贾元童, 崔骁勇, 刘月仙, 等. 内蒙古自治区干旱脆弱性评价[J]. 生态学报, 2020, 40(24): 9070-9082. Jia Y T, Cui X Y, Liu Y X, et al. Drought vulnerability assessment in Inner Mongolia[J]. Acta Ecologica Sinica, 2020, 40(24): 9070-9082. |
| [11] | Dossou J F, Li X X, Sadek M, et al. Hybrid model for ecological vulnerability assessment in Benin[J]. Scientific Reports, 2021, 11(1). DOI:10.1038/s41598-021-81742-2 |
| [12] | Gupta A K, Negi M, Nandy S, et al. Mapping socio-environmental vulnerability to climate change in different altitude zones in the Indian Himalayas[J]. Ecological Indicators, 2020, 109. DOI:10.1016/j.ecolind.2019.105787 |
| [13] | Xue L Q, Wang J, Zhang L C, et al. Spatiotemporal analysis of ecological vulnerability and management in the Tarim River Basin, China[J]. Science of the Total Environment, 2019, 649: 876-888. DOI:10.1016/j.scitotenv.2018.08.321 |
| [14] | Hu X J, Ma C M, Huang P, et al. Ecological vulnerability assessment based on AHP-PSR method and analysis of its single parameter sensitivity and spatial autocorrelation for ecological protection-a case of Weifang City, China[J]. Ecological Indicators, 2021, 125. DOI:10.1016/j.ecolind.2021.107464 |
| [15] |
张学渊, 魏伟, 周亮, 等. 西北干旱区生态脆弱性时空演变分析[J]. 生态学报, 2021, 41(12): 4707-4719. Zhang X Y, Wei W, Zhou L, et al. Analysis on spatio-temporal evolution of ecological vulnerability in arid areas of Northwest China[J]. Acta Ecologica Sinica, 2021, 41(12): 4707-4719. |
| [16] |
李宗善, 杨磊, 王国梁, 等. 黄土高原水土流失治理现状、问题及对策[J]. 生态学报, 2019, 39(20): 7398-7409. Li Z S, Yang L, Wang G L, et al. The management of soil and water conservation in the Loess Plateau of China: present situations, problems, and counter-solutions[J]. Acta Ecologica Sinica, 2019, 39(20): 7398-7409. |
| [17] |
刘晓华, 魏天兴. 高通量测序分析黄土高原退耕还林区土壤细菌群落特征[J]. 环境科学, 2021, 42(9): 4489-4499. Liu X H, Wei T X. High-throughput sequencing analysis of soil bacterial community in the Grain for Green Project areas of the Loess Plateau[J]. Environmental Science, 2021, 42(9): 4489-4499. |
| [18] | Sun W Y, Song X Y, Mu X M, et al. Spatiotemporal vegetation cover variations associated with climate change and ecological restoration in the Loess Plateau[J]. Agricultural and Forest Meteorology, 2015, 209-210: 87-99. DOI:10.1016/j.agrformet.2015.05.002 |
| [19] | Hou K, Li X X, Zhang J. GIS analysis of changes in ecological vulnerability using a SPCA model in the Loess Plateau of northern Shaanxi, China[J]. International Journal of Environmental Research and Public Health, 2015, 12(4): 4292-4305. DOI:10.3390/ijerph120404292 |
| [20] |
陈佳, 杨新军, 尹莎, 等. 基于VSD框架的半干旱地区社会——生态系统脆弱性演化与模拟[J]. 地理学报, 2016, 71(7): 1172-1188. Chen J, Yang X J, Yin S, et al. The vulnerability evolution and simulation of the social-ecological systems in the semi-arid area based on the VSD framework[J]. Acta Geographica Sinica, 2016, 71(7): 1172-1188. |
| [21] |
傅微, 吕一河, 傅伯杰, 等. 陕北黄土高原典型人类活动影响下景观生态风险评价[J]. 生态与农村环境学报, 2019, 35(3): 290-299. Fu W, Lü Y H, Fu B J, et al. Landscape ecological risk assessment under the influence of typical human activities in Loess Plateau, northern Shaanxi[J]. Journal of Ecology and Rural Environment, 2019, 35(3): 290-299. |
| [22] | Li Q, Shi X Y, Wu Q Q. Effects of protection and restoration on reducing ecological vulnerability[J]. Science of the Total Environment, 2021, 761. DOI:10.1016/j.scitotenv.2020.143180 |
| [23] |
中华人民共和国农业部畜牧兽医司, 全国畜牧兽医总站. 中国草地资源[M]. 北京: 中国科学技术出版社, 1996. Department of Animal Husbandry and Veterinary Medicine, Ministry of Agriculture of the People's Republic of China, National Animal Husbandry and Veterinary Station. Rangeland resources of China[M]. Beijing: China Science and Technology Press, 1996. |
| [24] | 广东省地图出版社. 新编中国交通地图册[M]. 广州: 广东省地图出版社, 2001. |
| [25] | 湖南省地图出版社. 新编中国交通地图册[M]. 长沙: 湖南省地图出版社, 2006. |
| [26] | 人民交通出版社. 中国交通地图册2016[M]. 北京: 人民交通出版社, 2016. |
| [27] | Renard K G, Foster G R, Weesies G A. Predicting soil erosion by water: a guide to conservation planning with the Revised Universal Soil Loss Equation (RUSLE)[R]. Washington: United States Government Printing, 1997. |
| [28] | Zhang H Y, Fan J W, Cao W, et al. Changes in multiple ecosystem services between 2000 and 2013 and their driving factors in the Grazing Withdrawal Program, China[J]. Ecological Engineering, 2018, 116. DOI:10.1016/j.ecoleng.2018.02.028 |
| [29] | Fryrear D W, Bilbro J D, Saleh A, et al. RWEQ: improved wind erosion technology[J]. Journal of Soil and Water Conservation, 2000, 55(2): 183-189. |
| [30] | Zhang H Y, Fan J W, Cao W, et al. Response of wind erosion dynamics to climate change and human activity in Inner Mongolia, China during 1990 to 2015[J]. Science of the Total Environment, 2018, 639. DOI:10.1016/j.scitotenv.2018.05.082 |
| [31] |
赵同谦, 欧阳志云, 贾良清, 等. 中国草地生态系统服务功能间接价值评价[J]. 生态学报, 2004, 24(6): 1101-1110. Zhao T Q, Ouyang Z Y, Jia L Q, et al. Ecosystem services and their valuation of China grassland[J]. Acta Ecologica Sinica, 2004, 24(6): 1101-1110. |
| [32] | Wang X D, Zhong X H, Liu S Z, et al. Regional assessment of environmental vulnerability in the Tibetan Plateau: Development and application of a new method[J]. Journal of Arid Environments, 2008, 72(10): 1929-1939. DOI:10.1016/j.jaridenv.2008.06.005 |
| [33] | Hou K, Tao W D, Wang L M, et al. Study on hierarchical transformation mechanisms of regional ecological vulnerability and its applicability[J]. Ecological Indicators, 2020, 114. DOI:10.1016/j.ecolind.2020.106343 |
| [34] | Xia M, Jia K, Zhao W W, et al. Spatio-temporal changes of ecological vulnerability across the Qinghai-Tibetan Plateau[J]. Ecological Indicators, 2021, 123. DOI:10.1016/j.ecolind.2020.107274 |
| [35] |
陈枫, 李泽红, 董锁成, 等. 基于VSD模型的黄土高原丘陵沟壑区县域生态脆弱性评价——以甘肃省临洮县为例[J]. 干旱区资源与环境, 2018, 32(11): 74-80. Chen F, Li Z H, Dong S C, et al. Evaluation of ecological vulnerability in gully-hilly region of Loess Plateau based on VSD model-A case of Lintao county[J]. Journal of Arid Land Resources and Environment, 2018, 32(11): 74-80. |
| [36] |
周梦云, 蔡永立, 张瑞峰, 等. 宁夏贺兰山国家级自然保护区建立前后区域生态脆弱性时空格局变化研究[J]. 生态科学, 2019, 38(5): 78-85. Zhou M Y, Cai Y L, Zhang R F, et al. The tempo-spatial pattern of regional ecological vulnerability before and after the establishment of National Nature Reserve in Helan Mountain of Ningxia[J]. Ecological Science, 2019, 38(5): 78-85. |
| [37] | Liu D, Cao C X, Dubovyk O, et al. Using fuzzy analytic hierarchy process for spatio-temporal analysis of eco-environmental vulnerability change during 1990-2010 in Sanjiangyuan region, China[J]. Ecological Indicators, 2017, 73: 612-625. |
| [38] | Zhao J C, Ji G X, Tian Y, et al. Environmental vulnerability assessment for mainland China based on entropy method[J]. Ecological Indicators, 2018, 91: 410-422. |
| [39] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [40] | Zhou M G, Huang Y G, Li G L. Changes in the concentration of air pollutants before and after the COVID-19 blockade period and their correlation with vegetation coverage[J]. Environmental Science and Pollution Research, 2021, 28(18): 23405-23419. |
| [41] | Sun Z H, Mao Z, Yang L Y, et al. Impacts of climate change and afforestation on vegetation dynamic in the Mu Us Desert, China[J]. Ecological Indicators, 2021, 129. DOI:10.1016/j.ecolind.2021.108020 |
| [42] |
史晓亮, 王馨爽. 黄土高原草地覆盖度时空变化及其对气候变化的响应[J]. 水土保持研究, 2018, 25(4): 189-194. Shi X L, Wang X S. Spatial and temporal variation of vegetation coverage and its response to climate change in the Loess Plateau[J]. Research of Soil and Water Conservation, 2018, 25(4): 189-194. |
| [43] |
韩佳乐, 郝珊, 刘振杰, 等. 黄土高原地区两种土地利用方式CO2和N2O排放特征[J]. 环境科学, 2019, 40(11): 5164-5172. Han J L, Hao S, Liu Z J, et al. Characteristics of CO2 and N2O emissions under two land use types in the Loess Plateau of China[J]. Environmental Science, 2019, 40(11): 5164-5172. |
| [44] | Zhou D C, Zhao S Q, Liu S G, et al. Modeling the effects of the sloping land conversion program on terrestrial ecosystem carbon dynamics in the Loess Plateau: a case study with Ansai County, Shaanxi province, China[J]. Ecological Modelling, 2014, 288: 47-54. |
| [45] | Zhou D C, Zhao S Q, Zhu C. The Grain for Green Project induced land cover change in the Loess Plateau: a case study with Ansai county, Shanxi province, China[J]. Ecological Indicators, 2012, 23: 88-94. |