2025, Vol. 46
2. 西安市国土空间信息重点实验室, 西安 710054
, ZHENG Yuan-yuan1,2 , SUN Ze-chong1,2 , ZHOU Ji-tao1,2 , WANG Xiao-xue1,2 , ZHU Meng-na1,2
2. Xi'an Key Laboratory of National Land Space Information, Xi'an 710054, China
青藏高原是亚洲地区的“江河源”“生态源”, 被誉为北半球气候变化的“调节器”. 同时, 作为“三区四带”生态安全格局的重要组成部分, 青藏高原是我国重要的生态安全屏障[1, 2]. 其环境变化直接影响生态安全屏障建设, 生态地位极其重要[3~5]. 但由于区域自然环境和生态系统的独特性、原始性和脆弱性, 青藏地区的脆弱生态系统对外部变化敏感, 自我调节和修复能力差[6].
建立自然保护区是保护生物多样性、提供优质生态产品和服务、维护生态系统健康的最重要、最有效的方式[7, 8]. 据统计, 全世界自然保护区至少包含了15%的陆地碳储量, 并且保护区内的碳储量明显高于周边非保护区区域. 自美国黄石国家公园建立以来, 全球共建立10.2万个自然保护区, 占世界陆地面积的11.5%[9]. 1994年我国自然保护区条例发布, 保护区不断向法制化、规范化方向发展. 截至目前中国各类自然保护区数量达2 750个, 占我国陆地面积的近15%[10], 其中青藏高原的自然保护区面积占全国自然保护区面积的56.7%.
生态脆弱性是指生态系统在时空尺度范围受外界干扰所具有的敏感性和自恢复能力[11], 是衡量生态环境质量和可持续性的重要指标[12], 主要关注外界变化对生态系统结构、功能和服务的稳定性以及可持续性的潜在不利影响[13]. 建立系统、全面的评价模型对于衡量区域生态系统的脆弱性至关重要. 区域尺度的生态系统脆弱性评价模型从关注生态敏感性扩展到强调生态适应性与恢复力对区域脆弱的影响, 包括暴露-敏感-适应（VSD）模型[14, 15]、压力-状态-响应（PSR）模型[16, 17]和敏感性-恢复力-压力度（SRP）模型[18, 19]等. 评估模型框架通过多元数据组织、明确脆弱性概念和指标体系构建方法为研究人员提供了清晰的评价思路[14, 20]. 但这些评价模型普遍更强调外部环境干扰与生态系统之间的联系, 忽视了对生态系统功能的综合评估, 存在评价问题目标不明确[21]、针对性不强和应用性差[22]等问题. 生态脆弱性预测目前有气候脆弱性模拟、土地利用变化情景模拟等. 关于脆弱性模拟的模型较多, 如CENTURY模型、CA-Markov模型[23]以及CEVSA模型[24]等. 美国数学家Yager提出了OWA（ordered weighted averaging）算法, 其原理是将地理数据通过对属性值重新排序, 并结合准则权重和次序权重聚合在语言量化算子运算下, 模拟不同决策风险下的结果以达到预测目的[25]. 与较为成熟的气候脆弱性模拟模型来比, OWA多准则算法对脆弱性预测更为全面, 不仅关注当下气候变化的背景, 在未来具有更为广泛的应用前景[26]. OWA方法反映主观权重误差与指标属性值差异产生的决策差异, 也表达了决策者对待决策问题风险的规避态度, 在一定程度上减少决策者主观认知对评价结果的影响, 是实现生态脆弱性系统未来情景模拟的有效手段.
本研究从青藏高原自然保护区出发, 提出了“敏感性-重要性-恢复力”（SIR）评估框架, 揭示生态脆弱性的时空差异. 该模型在传统生态脆弱性评估框架下进行了优化整合, 笔者首先着重考虑了生态敏感性, 将其视为生态脆弱性评估中不可或缺的核心要素之一[27]. 同时, 基于“自然保护区的生态系统服务和景观格局是对区域可持续绿色发展贡献的关键”这一理念[28], 将涉及“生态系统服务功能”的生态重要性与反映生态恢复力的相关“景观格局指数”有机地融入到评估模型中. 情景模拟分析采用空间多准则评估方法, 依据不同“保护-开发”权衡情况, 模拟区域在不同发展导向下的生态脆弱性, 提升变化环境下的生态系统服务与生态屏障效应. 本研究结果对实现青藏高原屏障的绿色发展和建立早期预警机制, 以降低脆弱性风险具有一定的理论价值.
1 材料与方法 1.1 研究区概况青藏高原位于中国西南部（图 1）, 地跨云南、四川、青海、甘肃、西藏和新疆这6个省（自治区）, 占地面积约2.50×106 km2[29], 是中国最大的生态脆弱区, 平均海拔超过4 000 m, 生态系统结构简单, 生态恢复力低, 易受气候变化的影响[30]. 青藏高原地区的生态系统服务功能对亚洲的生活生产具有巨大影响[31], 但由于区域生态系统脆弱, 该地生态系统服务功能易受全球变化的威胁. 自1963年划定第一批自然保护区以来, 青藏高原地区已建立各级自然保护区155个, 包含41个国家级自然保护区, 64个省级自然保护区[32]. 鉴于分析需要, 在“第二次青藏高原综合科学考察研究”项目提供的保护区数据基础上, 仅保留面板数据格式的国家级和部分省级自然保护区, 筛选出52处.
|
图 1 研究区概况 Fig. 1 Study area |
本研究主要数据包括：①自然保护区空间分布数据来源于“第二次青藏高原综合科学考察研究”项目；②矢量数据, 道路、河流、行政区划等来自国家基础地理信息中心（http://www.ngcc.cn/）；③DEM数据和土地利用数据来自中国科学院资源环境科学与数据中心（http://www.resdc.cn）；④2000~2020年植被覆盖度（FVC）采用月度数据产品合成, 来自国家青藏高原科学数据中心（http://data.tpdc.ac.cn/）；⑤降水、温度等气象数据来自国家气象科学数据网（http://data.cma.cn/）；⑥土壤属性数据包括土壤类型含量、土壤有机碳含量等, 来自世界土壤数据库（HWSD）（http://webarchive.iiasa.ac.at/Research/LUC/Extemal-World-soil-database/HTML/）；⑦物种分布数据来自美国航空航天局（https://disc.gsfc.nasa.gov）.
所有空间数据投影统一为WGS1984 Albers, 空间分辨率重采样为1 000 m×1 000 m.
1.3 理念与方法本研究从青藏高原自然保护区生态系统脆弱性的概念出发, 将评估准则划分为生态重要性-生态敏感性-生态恢复力（SIR）, 以表征其内涵特征, 构建SIR评估模型（图 2）.
|
图 2 研究框架 Fig. 2 Research framework |
采用要素层-指标层-参数层-结果层逐级递进的方式处理组织数据. 这一框架中的脆弱性评估方法契合了集成化的发展趋势. 本研究的决策分析方法包括层次分析（analytic hierarchy process, AHP）和有序加权平均（ordered weighted averaging, OWA）. 其中, AHP根据指标影响的重要性建立各层次比较矩阵, 再通过运算求得准则权重辅助决策[33]；OWA算法是将布尔逻辑运算与加权线性组合（WLC）方法结合[34], 考虑各种评价指标之间的权衡关系, 对不同风险和场景进行模拟, 从而得到决策集合[35]. 目前, 将AHP与OWA结合, 已广泛应用于土地适宜性评价[36~38]、风险评估[39, 40]和景观规划[41, 42]等领域.
本研究分析青藏高原自然保护区脆弱性时空演变特征, 并根据不同决策风险, 模拟不同情景发展模式下的生态脆弱性, 可为区域自然资源保护及规划管理提供理论参考.
1.3.1 脆弱性指标体系构建本研究把生态脆弱性与生态系统受外部压力、生态系统服务和与恢复力相关的景观格局指数相关联. 生态系统脆弱性的评价框架如表 1所示, 在此框架下, 通过整合多种生态环境特征, 从生态敏感性（S）、生态重要性（I）和生态恢复力（R）这3个方面衡量生态系统脆弱性.
|
表 1 青藏高原自然保护区生态系统脆弱性评价指标体系1） Table 1 Evaluation index system of ecosystem vulnerability in Qinghai-Xizang Plateau Nature Reserve |
生态敏感性是衡量区域生态环境变化的主要内容, 开展生态敏感性评价是识别区域生态脆弱性的有效手段之一[27]. 研究区植被资源分布不均, 西北部主要为草甸荒漠, 而东南部出现灌丛森林, 有时会遭受土地冻融、崩塌、滑坡和泥石流等地质灾害, 所以选择自然资源分布、地形陡峭程度、易发生地质灾害程度及冻融侵蚀状况等方面来表征生态敏感性, 生态资源越丰富, 气候状态越稳定, 地形越平坦, 生态敏感性就越低. 针对研究区的典型生态环境问题, 分别建立土地荒漠化、水土流失、滑坡灾害和冻融侵蚀这4个敏感性指标 [43]. 指标数值越高, 表明气候条件越恶劣, 植被资源越匮乏, 地质灾害越频发, 生态敏感性越高, 生态系统也越脆弱.
此外, 自然保护区是提供生态系统服务的重要手段, 生态系统可以提供一系列重要服务来维持生态系统的稳定性[44~46], 将生态系统服务指标纳入指标体系对评估生态脆弱性尤为重要. 在这项研究中, 本文涉及到4个典型且关键的生态系统服务指标, 包括产水、固碳、生境质量和生物多样性. 一般而言, 强大的生态系统服务可以维持生态系统的高度稳定性和较高的抗外力能力, 最终带来较低的生态系统脆弱性.
生态恢复力是系统能够处理、适应胁迫以及从胁迫造成的后果中恢复的能力. 本研究从景观结构出发, 选取景观异质性、景观连通性和景观优势度, 使用Fragstats 4.1计算, 表征不同景观类型所代表的生态系统受到自然和人为活动影响后的程度. 一般而言, 具有较小的外部干扰、强大的生态系统功能和良好的生态系统结构的地区将会有较高的生态系统稳定性和抗外来干扰能力, 即低生态系统脆弱性[47]. 当该值较高时, 表明生物多样性较高, 对外部干扰的抵抗力较强, 生态内部生态系统的脆弱性更小, 生态系统更稳定.
模型建立含11个评估指标, 指标权重则使用ArcGIS的模糊隶属度消除指标数据量纲不一致问题, 并通过AHP赋权重. 该模型采用三要素独立计算, 计算方程如下：
|
(1) |
式中, EVI为生态脆弱性；S为生态敏感性；I为生态重要性；R为生态恢复力.
1.3.1.1 生态敏感性指标（1）冻融侵蚀 青藏高原及邻近高山区是冻融侵蚀最为剧烈、最为密集的区域[48]. 采用坡度、坡向、年温差、年降水量和植被覆盖度作为冻融侵蚀强度的量化因子[49].
|
(2) |
式中, F为冻融侵蚀指数, n为因子总数, Wi为因子i权重, Ii为相应因子的标准化值.
（2）水土流失 本研究采用修正的通用土壤流失方程（RUSLE）来计算水蚀强度[50], 计算公式如下.
|
(3) |
式中, A为水土流蚀（t·km-2a-1）. R和K分别为降雨侵蚀力因子和土壤可蚀性因子. L和S分别为坡长和坡系数, C为植被覆盖系数, P为水土保持系数.
（3）滑坡灾害 青藏高原位于喜马拉雅断裂带上, 高海拔地区地形陡峭, 容易引发山体滑坡[51], 以坡度、海拔、距公路、距河道、土地利用类型和年平均降雨量等6个因子为基础进行计算, 构建了滑坡灾害敏感性指标体系, 其权重参考文献[43]依次设置为0.559、0.220 3、0.376 4、0.149 6、0.048 4和0.149 4.
（4）土地荒漠化 本研究参照已有研究[52], 利用植被覆盖度数据产品表征土地荒漠化程度, 植被覆盖度与土地荒漠化呈负相关关系.
1.3.1.2 生态重要性指标（1）产水服务 产水服务是指生态系统存储拦截雨水的能力[53], 将降雨与实际蒸散发的差值进行定量化来计算青藏高原自然保护区的产水供给量, 具体公式如下：
|
(4) |
式中, WY（x）为x像元的年产水量（mm）；P（x）为该位置的年降雨量（mm）, 采用气象站监测数据；AET（x）为该位置的年实际蒸散量（mm）.
（2）固碳服务 结合土地利用数据和碳密度数据计算生态系统的碳储量, 碳密度数据主要参考已有研究[54, 55], 表 2为本文使用的碳密度数据. 量化公式为：
|
(5) |
|
(6) |
|
|
表 2 青藏高原自然保护区各类土地利用类型碳密度/t·hm-2 Table 2 Carbon density of various land use types in the Qinghai⁃Xizang Plateau Nature Reserve/t·hm-2 |
式中, Ci-above为地上植被碳密度（t·hm-2）；Ci-below为地下植被碳密度（t·hm-2）；Ci-soil为土壤碳密度（t·hm-2）；Ci-dead为死亡有机质碳密度（t·hm-2）；Ctot为生态系统的总碳储量（t）；Ai为面积（hm2）；n 为土地利用类型的数量, 本文n 取6.
（3）生境质量 InVEST的生境质量模块是基于土地利用和威胁源的数据[56]. 具体计算公式如下：
|
(7) |
式中, Qxj为j地类x像元的生境质量, Hj为j地类的生境适应性指数, Dxj为j地类x像元的受威胁水平, z为模型定义常数, K为半饱和常数.
（4）生物多样性 生物多样性是生物及其环境形成的生态复合体以及与此相关的各种生态过程的综合. 考虑到生物多样性的复杂性和时空分布数据的缺乏, 采用哺乳动物和鸟类等物种分布数量来表示. 本研究物种数量栅格数据来自美国航空航天局公布数据.
1.3.1.3 生态恢复力指标（1）景观异质性 景观异质性较大的地区具有多样的生态系统类型[57], 这为青藏高原自然保护区目标物种的再引入提供了良好的条件. 因此, 有必要将景观异质性纳入青藏高原地区生态脆弱性进行定量分析, 通过斑块数（number of patches, NP）和斑块分维度（fractal dimension index, FRACT）对景观连通性进行量化.
（2）景观连通度 景观连通度能够有效衡量区域中的景观类型是否有利于生态源地内物种迁移和能量转化[58]. 由整体连通性和生态斑块连通性指数作为景观连通性的评价因子对景观连通性进行量化.
（3）景观优势度 优势度是生态恢复力评价的基本因子, 采用最大斑块指数（largest patch index, LPI）衡量. 在同等胁迫条件下, 生态系统类型面积相同时, LPI值较高, 其恢复力也较高[59].
1.3.2 多情景模拟——OWA算法OWA算法即有序加权平均法, 包括对指标准则权重和次序权重的计算, 通过调整决策风险的大小, 从而获得不同决策情景下的评估结果[16]. 其原理是按照指标属性重要性对不同的排序位次赋予各自次序权重[40]. OWA评估既能反映出人为主观加权和指标因素尺度的不同所引起的决策偏差, 又能反映决策者对风险因素的看法, 从而降低决策者主观认识对评估结果的影响, 是实现未来生态系统脆弱性情景预测的一种有效途径. 具体公式：
|
(8) |
式中, Zij为经过标准化分级赋值的第i个像元中第j个指标的属性值；uj为准则权重, vj为次序权重. 其中准则权重利用层次分析法（AHP）, 次序权重确定采用模糊量化模型求解[58], 具体计算公式如下：
|
(9) |
式中, vj为次序权重；α为决策风险系数, α < 1时, 评价者对指标属性持乐观态度, 认为区域脆弱性风险在可控制范围；在α=1的情况下次序权重相等, 转化为准则权重单一叠加；取值α > 1, 则评价者对指标的属性持悲观态度, 认为区域生态安全风险大, 脆弱性显著增加, 不利于区域社会生态系统可持续发展.
Wk为指标重要性程度, 可由下列公式计算得到：
|
(10) |
式中, n为指标数量；rk为依据指标数值大小对指标重要性进行赋值. 根据上述公式将次序权重的取值列于表 3.
|
|
表 3 OWA次序权重计算结果1） Table 3 Results of OWA order weighting |
2 结果与分析 2.1 生态系统脆弱性指标的时空变化
评估指标的归一化结果如图 3所示. 青藏高原西北部自然保护区具有明显较高的生态敏感性, 大多是以保护藏羚羊、野牦牛和藏野牛等有蹄类动物为主的高原荒漠生态系统保护区, 包括西藏羌塘、新疆中昆仑、新疆阿尔金山、青海三江源和青海可可西里自然保护区, 这主要是植被覆盖率低且气候条件恶劣的结果；而敏感性低值主要分布于雅鲁藏布大峡谷、亚丁、贡嘎山、栗子坪、若尔盖湿地、九寨沟和卧龙等地.
|
图 3 2000~2020年青藏高原自然保护区生态脆弱性评估准则归一化 Fig. 3 Normalization of ecological vulnerability criteria in Qinghai-Xizang Plateau Nature Reserve from 2000 to 2020 |
青藏高原自然保护区的产水和固碳等生态系统服务功能空间异质性较大, 研究区中部显示出生态重要性低值, 主要有羌塘、可可西里、阿尔金山和罗布泊野骆驼保护区等地；高值区主要分布于高原的南部地区, 包括雅鲁藏布大峡谷、贡嘎山和尕海-则岔等地, 这主要是由于植被越茂盛, 水土保持和气候调节效果越好, 生态系统服务值越高, 生态重要性指数越高.
生态恢复力的空间格局变化不大, 从西北到东南显示出逐渐递增趋势, 主要由于藏东南具有湿地、草地和森林地区, 结构和功能连通性较高, 破碎化程度低.
2.2 生态脆弱性时空演变特征研究期间青藏高原自然保护区生态脆弱性不断下降, 平均EVI值从0.79减小至0.74, 生态环境整体呈现向好趋势, 这与全球气候变暖、植被变绿密不可分, 同时反映出期间各自然保护区的生态恢复工程规划发展及生态环境保护策略实施取得效果. 为突显研究区生态脆弱度的空间差异, 采用自然断点法的分级范围, 对研究区脆弱度进行等级划分, 共分为5级, 即低脆弱度、较低脆弱度、中脆弱度、较高脆弱度和高脆弱度区域. 脆弱性的空间分布与敏感性相似, 呈现出自西北向东南逐渐减小的趋势.
如图 4所示, 西藏羌塘、新疆中昆仑、新疆阿尔金山、青海可可西里、新疆罗布泊和甘肃盐池湾自然保护区等多为中度以上脆弱度区, 主要保护对象为荒漠生态和野生动物. 该地区属于青藏高原腹地, 降水稀少, 气候干旱, 年降水量多在100~300 mm之间；再加上海拔较高, 气温常年比较低, 导致自然景观以荒漠、高山草甸为主, 植被覆盖度指数较低, 多在0.1~0.3之间；同时, 区域气温年较差大, 冻融交替频繁, 冻融侵蚀强烈使得该区域土壤抗侵蚀能力降低. 此外, 主要保护对象为森林生态和野生动植物的自然保护区东南部如雅鲁藏布大峡谷、亚丁、贡嘎山、栗子坪、若尔盖湿地、九寨沟和卧龙等出现了较低脆弱度值. 尽管该区域山区较多, 地形坡度较大, 易发生滑坡灾害和水土流失等环境问题, 但是受季风的影响, 来自印度洋的湿热空气也可以顺横断山区的走向向上输送, 使该区域的≥0℃积温通常在3 000℃以上, 降雨量在300~600 mm之间, 气候适宜, 生境质量相对较好, 各项生态系统服务指数较高.
|
图 4 2000~2020年青藏高原自然保护区脆弱度等级时空分布 Fig. 4 Spatial and temporal distribution of vulnerability levels in Qinghai-Xizang Plateau Nature Reserve from 2000 to 2020 |
由图 5和表 4可知, 2000~2020年EVI的类别比例呈现稳定变化, 研究区脆弱度等级以较高和高度为主, 大致占总面积的50%~60%；中度和较低级次之, 低脆弱区面积占比较少, 仅占4%~6%左右. 青藏高原自然保护区脆弱程度呈整体向好的变化趋势. 中度脆弱及以下类别整体呈现增长趋势, 2000年到2020年中度脆弱以上类别的面积占比由65.45%到55.86%. 由于“中”、“较高”和“高”脆弱度等级区域占据整个研究区域的75%以上, 因此, 整个青藏高原自然保护区生态系统脆弱度较高.
|
图 5 2000~2020年生态脆弱度类别占比 Fig. 5 Proportion of ecological vulnerability index categories from 2000 to 2020 |
|
|
表 4 2000~2020年青藏高原自然保护区生态系统脆弱度分布及占比 Table 4 Distribution and proportion of ecosystem vulnerability in Qinghai-Xizang Plateau Nature Reserve from 2000 to 2020 |
图 6显示了2000~2010年和2010~2020年青藏高原自然保护区的EVI变化分布, 其中2000~2010年各类型之间变化较小, 转换面积最大的是由较高度脆弱主要转为中度脆弱, 为60 261 km2, 高度转到较高脆弱面积为34 975 km2. 2010~2020年, 相对前10 a转换面积发生较大变换, 较高脆弱主要转化为高度脆弱面积达82 410 km2. 此外, 由高度脆弱转入较高脆弱面积也明显增加, 为52 388 km2. 其他等级转为中度脆弱的面积增多, 其中较高脆弱区面积转入最多为39 750 km2.
|
图 6 2000~2010和2010~2020年青藏高原自然保护区生态脆弱度类别变化 Fig. 6 Changes in ecological vulnerability categories in Qinghai-Xizang Plateau Nature Reserve from 2000 to 2010 and from 2010 to 2020 |
从图 7看出, 当决策者处于极乐观和乐观态度（即α=0.001和α=0.1）时, 整个研究区域总体上处于低脆弱状态, 没有高脆弱区, 该地区呈现出一种不符合现实情况的极端保护状态, 即优先保护资源环境, 禁止任何开发活动. 当决策者处于较乐观态度（α=0.5）时, 该地区EVI值持续增加, 多数地区脆弱性水平较低, 西部、北部地区出现一定增强趋势. 当决策者处于较悲观态度时（α=2）, 研究区西部和北部绝大部分地区都表现出较高脆弱性, 部分高敏感性地区则进入高脆弱状态. 在决策者的风险态度下降的同时, 次序权重越大的指标对研究区的最终评估结果的影响越大, 使得该地区的高脆弱度范围逐步扩展. 当决策者持悲观和极端悲观态度（α=10和α=1 000）时, 呈现一种极端发展状态, 生态系统整体处于高度脆弱的状态, 但这也严重脱离现实.
|
图 7 不同α水平的准则聚集结果 Fig. 7 Aggregation results of criteria at different α levels |
根据已有研究结果, 认为当α系数在0.8~1.2之间时的情景模拟更符合实际[60]. 本研究以“维持现状”、“经济优先”和“可持续导向”这3种政策行为, 开展3种不同情景下的生态脆弱性评价. 根据“可持续导向型”情景决策[图 8（a）], 当α=0.8, 西部的生态脆弱度明显减少. 在这种情况下, 冻融侵蚀、土地荒漠化和水土流失强度等生态敏感性指标的次序权重较小, 表明生态环境问题和自然灾害对资源和环境造成的压力大幅降低, 自然条件成为制约资源和环境的主要因素. 因此, 该情况区域生态脆弱性显著降低. 在“维持现状型”的情景决策下[图 8（b）], 即当α=1（即准则权重叠加法）, 与2020年生态脆弱度值的空间分布一致. 从“可持续发展型”到“经济优先型”, 生态脆弱性呈增强趋势. 高、较高脆弱区依然分布在保护区西北部的西藏羌塘、新疆中昆仑、新疆阿尔金山、青海可可西里、新疆罗布泊和甘肃盐池湾等自然保护区. 从“可持续导向型”情景决策到“经济优先型”情景决策, 中度以上脆弱区明显向外扩张, 转化较为显著的是东北部, 而东南部脆弱区相对转化不明显. 在“经济优先型”情景决策下[图 8（c）], 即当α=1.2, 青藏高原自然保护区中度以上脆弱区分布广泛, 羌塘、阿尔金山、可可西里、罗布泊和三江源等地脆弱度明显升高, 低脆弱区变化较小. 在这种情况下, 重要性和恢复力指标的次序权重较小, 而敏感性因子的权重较大, 这意味着在社会发展过程中, 决策者不重视资源和环境面临的压力, 这可能导致生态脆弱性的增加.
|
图 8 不同决策风险下生态系统脆弱性模拟结果 Fig. 8 Ecosystem vulnerability spatial distribution of various decisions |
由上述分析可知, 基于不同决策风险系数, 模拟结果不同. 在具体政策制定中, 情景分析是以3种情景阈值结果作为浮动范围参考, 从而根据不同阶段对发展战略进行调整.
3 讨论本文通过系统视角和时空视角, 以青藏高原自然保护区为研究对象, 运用SIR评估框架, 整合多方法和多指标, 构建了针对研究区的脆弱性评价框架. 这一框架将脆弱性评价由单一脆弱性评价扩展到脆弱性评估、演化和模拟的研究层面. 通过多源数据的空间化处理, 试图从更科学的角度揭示和评估自然保护区的生态脆弱性, 基于指标的生态脆弱性评估的共同问题是对指标选择进行全面和平衡地考虑[61]. 本研究对生态脆弱性评估框架进行了拓展, 将生态系统服务功能与生态恢复力指标纳入保护区脆弱性评估, 以增强评估结果的生态系统结构功能的指示涵义. 在指标筛选与构建方法上也进行了改进, 更符合生态系统服务和景观格局是自然保护区对区域可持续发展目标贡献的关键这一概念[28].
通过分级分析, 发现2000~2020年青藏高原自然保护区EVI呈波动下降趋势, 空间上由西北向东南逐渐降低, 这与已有研究一致. Li等[62]基于空间主成分分析和地理探测器, 表明EVI呈自东南向西北逐渐增加的趋势. Xia等[63]提出客观、自动的框架来评估青藏高原的EVI从东部向西部增加. 整体而言, 高度脆弱和较高度脆弱区域占据主导地位, 主要分布在自然条件较差, 海拔较高, 气候恶劣, 植被状况较差的西部、北部高寒区域, 生态压力大且恢复难度大, 如羌塘、可可西里和罗布泊等地区, 其空间分布相对较为集中且范围较大. 相反, 生态环境较好的东部和南部低脆弱区主要分布在自然条件较好, 水资源丰富, 植被覆盖率高的地区, 如雅鲁藏布大峡谷和若尔盖湿地等, 其生态恢复力较强, 生态脆弱性较低, 但该区域范围较小, 整体占比不足研究区的10%. 近20 a青藏高原自然保护区中度脆弱等级以上面积呈现降低趋势, 且较高脆弱等级区域明显减小.
青藏高原动植物种类丰富但受威胁物种多[2]. 十四届全国人大常委会第二次会议表决通过《青藏高原生态保护法》, 围绕构建青藏高原生态安全格局, 优化生态安全屏障体系, 推进三江源、祁连山、羌塘、珠穆朗玛峰、高黎贡山和贡嘎山等自然保护地建设[64]. 在保障区域可持续发展需要的前提下, 需要关注不同情景之间的组合变动[65], 青藏高原自然保护区建设必须在对其生态脆弱性和生态环境保护之间进行权衡.
自然保护区的生态环境是一个自然界动态地变化的过程, 随着人类行为和经济社会的变化, 自然保护区的生态环境也在随之改变[66]. 研究表明现有青藏高原自然保护区空间分布呈现高原东南部数量多、面积小, 西北部数量少、面积广的特点. 根据模拟结果发现, 从可持续型到经济优先型发展, 自然保护区内的羌塘、阿尔金山、可可西里、罗布泊和三江源地区脆弱度转入升高明显. 保护区外的昆仑山脉以北地区的重度脆弱区扩展明显, 占比75%以上, 除此之外, 阿里地区中度脆弱度增幅较大. 因此, 应当积极因时而动, 从而确保自然保护区能发挥其物种保护和生态系统服务供给能力, 保障青藏地区的生态安全和绿色发展.
4 结论（1）青藏高原自然保护区平均生态系统脆弱性指数由0.79减小至0.74, 生态环境演化呈现逐步好转的发展态势, 其中中度以上脆弱区域面积降低, 由2000年占比65.45%到2020年的55.86%.
（2）青藏高原自然保护区生态脆弱性EVI呈现中度及以上脆弱水平占主导地位且空间分异显著, 呈现“西北高, 东南低”的格局, 高度脆弱区域集中在青藏高原西部和北部的生态环境差、气候恶劣地区.
（3）运用OWA方法设置情景, 绘制3种决策偏好情景下的脆弱性未来发展模拟, 从“可持续导向型”到“维持现状型”再到“经济优先型”, 羌塘、阿尔金山、可可西里、罗布泊和三江源地区生态脆弱度呈增强趋势且中度以上脆弱区空间面积明显增加, 研究区东部与南部脆弱区变化不明显.
（4）在发展战略上, 应以羌塘、三江源、中昆仑、阿尔金山、可可西里、罗布泊和盐池湾等脆弱度较高的自然保护区为重点, 采取保护优先、自然恢复为主的策略. 通过整体保护与恢复山水林田湖草沙冰, 增强景观连通性, 加强保护基础设施, 构筑生态廊道, 保持区域发展的平衡. 特别要关注研究区东南保护小区低脆弱区域的高敏感风险, 采取措施提高水土保持能力, 减少生境破碎程度.
| [1] |
樊杰. 主体功能区战略与优化国土空间开发格局[J]. 中国科学院院刊, 2013, 28(2): 193-206. Fan J. The strategy of major function oriented zoning and the optimization of territorial development patterns[J]. Bulletin of Chinese Academy of Sciences, 2013, 28(2): 193-206. DOI:10.3969/j.issn.1000-3045.2013.02.010 |
| [2] |
傅伯杰, 欧阳志云, 施鹏, 等. 青藏高原生态安全屏障状况与保护对策[J]. 中国科学院院刊, 2021, 36(11): 1298-1306. Fu B J, Ouyang Z Y, Shi P, et al. Current condition and protection strategies of Qinghai-Tibet Plateau ecological security barrier[J]. Bulletin of Chinese Academy of Sciences, 2021, 36(11): 1298-1306. |
| [3] |
孙鸿烈, 郑度, 姚檀栋, 等. 青藏高原国家生态安全屏障保护与建设[J]. 地理学报, 2012, 67(1): 3-12. Sun H L, Zheng D, Yao T D, et al. Protection and construction of the national ecological security shelter zone on Tibetan Plateau[J]. Acta Geographica Sinica, 2012, 67(1): 3-12. |
| [4] |
陈发虎, 汪亚峰, 甄晓林, 等. 全球变化下的青藏高原环境影响及应对策略研究[J]. 中国藏学, 2021(4): 21-28. Chen F H, Wang Y F, Zhen X L, et al. Research on the environment impact of the Qinghai-Tibet Plateau under global change and the countermeasures[J]. China Tibetology, 2021(4): 21-28. |
| [5] |
姚檀栋, 邬光剑, 徐柏青, 等. "亚洲水塔"变化与影响[J]. 中国科学院院刊, 2019, 34(11): 1203-1209. Yao T D, Wu G J, Xu B Q, et al. Asian water tower change and its impacts[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(11): 1203-1219. |
| [6] |
于伯华, 吕昌河, 吕婷婷, 等. 青藏高原植被覆盖变化的地域分异特征[J]. 地理科学进展, 2009, 28(3): 391-397. Yu B H, Lv C H, Lv T T, et al. Regional differentiation of vegetation change in the Qinghai-Tibet Plateau[J]. Progress in Geography, 2009, 28(3): 391-397. |
| [7] | Gao J X, Liu X M, Wang C, et al. Evaluating changes in ecological land and effect of protecting important ecological spaces in China[J]. Journal of Geographical Sciences, 2021, 31(9): 1245-1260. DOI:10.1007/s11442-021-1896-y |
| [8] |
唐芳林, 吕雪蕾, 蔡芳, 等. 自然保护地整合优化方案思考[J]. 风景园林, 2020, 27(3): 8-13. Tang F L, Lyu X L, Cai F, et al. Reflections on integrated optimization schemes of protected areas[J]. Landscape Architecture, 2020, 27(3): 8-13. |
| [9] |
郑姚闽, 张海英, 牛振国, 等. 中国国家级湿地自然保护区保护成效初步评估[J]. 科学通报, 2012, 57(4): 207-230. Zheng Y M, Zhang H Y, Niu Z G, et al. Protection efficacy of national wetland reserves in China[J]. Chinese Science Bulletin, 2012, 57(10): 1116-1134. |
| [10] |
刘庆芳, 杨定, 杨振山, 等. 青藏高原国家公园群人文生态系统耦合协调评价及障碍因子识别[J]. 地理学报, 2023, 78(5): 1119-1135. Liu Q F, Yang D, Yang Z S, et al. Evaluation of coupling coordination and identification of obstacle factors of human ecosystem in Qinghai-Tibet Plateau National Park Cluster[J]. Acta Geographica Sinica, 2023, 78(5): 1119-1135. |
| [11] | Beroya-Eitner M A. Ecological vulnerability indicators[J]. Ecological Indicators, 2016, 60: 329-334. DOI:10.1016/j.ecolind.2015.07.001 |
| [12] | Li X P, Li S S, Zhang Y F, et al. Landscape ecological risk assessment under multiple indicators[J]. Land, 2021, 10(7). DOI:10.3390/land10070739 |
| [13] | Wu X L, Tang S Y. Comprehensive evaluation of ecological vulnerability based on the AHP-CV method and SOM model: a case study of Badong County, China[J]. Ecological Indicators, 2022, 137. DOI:10.1016/j.ecolind.2022.108758 |
| [14] | Polsky C, Neff R, Yarnal B. Building comparable global change vulnerability assessments: the vulnerability scoping diagram[J]. Global Environmental Change, 2007, 17(3-4): 472-485. DOI:10.1016/j.gloenvcha.2007.01.005 |
| [15] |
陈臻琦, 张靖, 张贻龙, 等. 基于VSD的近20 a来浑善达克沙地生态脆弱性变化研究[J]. 干旱区研究, 2021, 38(5): 1464-1473. Chen Z Q, Zhang J, Zhang Y L, et al. Spatio-temporal patterns variation of ecological vulnerability in Otindag Sandy Land based on a vulnerability scoping diagram[J]. Arid Zone Research, 2021, 38(5): 1464-1473. |
| [16] | Han C Q, Zheng J H, Guan J Y, et al. Evaluating and simulating resource and environmental carrying capacity in arid and semiarid regions: a case study of Xinjiang, China[J]. Journal of Cleaner Production, 2022, 338. DOI:10.1016/j.jclepro.2022.130646 |
| [17] |
张家其, 钟倩, 朱烜伯, 等. 湖南省湘西州重点生态功能区贫困县生态脆弱性评价[J]. 水土保持通报, 2020, 40(1): 198-203. Zhang J Q, Zhong Q, Zhu X B, et al. Ecological vulnerability assessment of impoverished counties in key ecological functional areas of Xiangxi prefecture in Hu'nan province[J]. Bulletin of Soil and Water Conservation, 2020, 40(1): 198-203. |
| [18] | Malekmohammadi B, Jahanishakib F. Vulnerability assessment of wetland landscape ecosystem services using driver-pressure-state-impact-response (DPSIR) model[J]. Ecological Indicators, 2017, 82: 293-303. DOI:10.1016/j.ecolind.2017.06.060 |
| [19] |
王鹏, 赵微, 柯新利. 基于SRP模型的潜江市生态脆弱性评价及时空演变[J]. 水土保持研究, 2021, 28(5): 347-354. Wang P, Zhao W, Ke X L. Evaluation and spatiotemporal evolution of ecological vulnerability of Qianjiang based on SRP model[J]. Research of Soil and Water Conservation, 2021, 28(5): 347-354. |
| [20] | Acosta-Michlik L, Espaldon V. Assessing vulnerability of selected farming communities in the Philippines based on a behavioural model of agent's adaptation to global environmental change[J]. Global Environmental Change, 2008, 18(4): 554-563. DOI:10.1016/j.gloenvcha.2008.08.006 |
| [21] |
杨飞, 马超, 方华军. 脆弱性研究进展: 从理论研究到综合实践[J]. 生态学报, 2019, 39(2): 441-453. Yang F, Ma C, Fang H J. Research progress on vulnerability: from theoretical research to comprehensive practice[J]. Acta Ecologica Sinica, 2019, 39(2): 441-453. |
| [22] | Frazier T G, Thompson C M, Dezzani R J. A framework for the development of the SERV model: a spatially explicit resilience-vulnerability model[J]. Applied Geography, 2014, 51: 158-172. DOI:10.1016/j.apgeog.2014.04.004 |
| [23] | Gu H L, Huan C Y, Yang F J. Spatiotemporal dynamics of ecological vulnerability and its influencing factors in Shenyang city of China: Based on SRP model[J]. International Journal of Environmental Research and Public Health, 2023, 20(2): 1525. DOI:10.3390/ijerph20021525 |
| [24] |
赵慧霞, 吴绍洪, 姜鲁光. 自然生态系统响应气候变化的脆弱性评价研究进展[J]. 应用生态学报, 2007, 18(2): 445-450. Zhao H X, Wu S H, Jiang L G. Research advances in vulnerability assessment of natural ecosystem response to climate change[J]. Chinese Journal of Applied Ecology, 2007, 18(2): 445-450. DOI:10.3321/j.issn:1001-9332.2007.02.035 |
| [25] |
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. |
| [26] | 孙家莉. 新疆库拜煤矿区生态脆弱性时空演变研究[D]. 徐州: 中国矿业大学, 2023. |
| [27] |
魏明欢, 胡波洋, 杨鸿雁, 等. 山区县域土地利用变化对生态脆弱性的影响——以青龙满族自治县为例[J]. 水土保持研究, 2018, 25(6): 322-328. Wei M H, Hu B Y, Yang H Y, et al. Effects of land use transformation on ecological vulnerability in mountainous counties——taking Qinglong Manchu Autonomous County as an example[J]. Research of Soil and Water Conservation, 2018, 25(6): 322-328. |
| [28] | Liu Y X, Lü Y H, Fu B J, et al. Landscape pattern and ecosystem services are critical for protected areas' contributions to sustainable development goals at regional scale[J]. Science of the Total Environment, 2023, 881. DOI:10.1016/j.scitotenv.2023.163535 |
| [29] |
王晓峰, 尧文洁, 冯晓明, 等. 青藏高原生态系统服务供需变化及其驱动因素[J]. 生态学报, 2023, 43(17): 6968-6982. Wang X F, Yao W J, Feng X M, et al. Changes and driving factors of ecosystem services supply and demand on the Tibetan plateau[J]. Acta Ecologica Sinica, 2023, 43(17): 6968-6982. |
| [30] |
陈心盟, 王晓峰, 冯晓明, 等. 青藏高原生态系统服务权衡与协同关系[J]. 地理研究, 2021, 40(1): 18-34. Chen X M, Wang X F, Feng X M, et al. Ecosystem service trade-off and synergy on Qinghai-Tibet Plateau[J]. Geographical Research, 2021, 40(1): 18-34. DOI:10.3969/j.issn.1003-2363.2021.01.004 |
| [31] |
程琳琳, 刘华, 刘焱序. 青藏高原保护区植被与生态系统服务功能变化的一致性分析[J]. 水土保持通报, 2018, 38(6): 277-282. Cheng L L, Liu H, Liu Y X. Consistency analysis of vegetation and ecosystem services changes in conservation area of Qinghai-Tibet Plateau[J]. Bulletin of Soil and Water Conservation, 2018, 38(6): 277-282. |
| [32] | Liu Y X. The willingness to pay for ecosystem services on the Tibetan Plateau of China[J]. Geography and Sustainability, 2020, 1(2): 141-151. DOI:10.1016/j.geosus.2020.06.001 |
| [33] | Saaty T L, Tran L T. On the invalidity of fuzzifying numerical judgments in the analytic hierarchy process[J]. Mathematical and Computer Modelling, 2007, 46(7-8): 962-975. DOI:10.1016/j.mcm.2007.03.022 |
| [34] | Rahman M A, Rusteberg B, Gogu R C, et al. A new spatial multi-criteria decision support tool for site selection for implementation of managed aquifer recharge[J]. Journal of Environmental Management, 2012, 99: 61-75. DOI:10.3969/j.issn.1008-813X.2012.02.017 |
| [35] | Yager R R. On ordered weighted averaging aggregation operators in multicriteria decisionmaking[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1988, 18(1): 183-190. DOI:10.1109/21.87068 |
| [36] | Jiang H, Eastman J R. Application of fuzzy measures in multi-criteria evaluation in GIS[J]. International Journal of Geographical Information Science, 2000, 14(2): 173-184. DOI:10.1080/136588100240903 |
| [37] |
刘焱序, 彭建, 韩忆楠, 等. 基于OWA的低丘缓坡建设开发适宜性评价——以云南大理白族自治州为例[J]. 生态学报, 2014, 34(12): 3188-3197. Liu Y X, Peng J, Han Y N, et al. Suitability assessment for building land consolidation on gentle hillside based on OWA operator: a case in Dali Bai Nationality Borough in Yunnan, China[J]. Acta Ecologica Sinica, 2014, 34(12): 3188-3197. |
| [38] |
张洪, 王安琦, 宋贝扬. 基于OWA的大理市土地生态安全评价研究[J]. 地理科学, 2017, 37(11): 1778-1784. Zhang H, Wang A Q, Song B Y. Evaluation of land ecological security in Dali city based on OWA[J]. Scientia Geographica Sinica, 2017, 37(11): 1778-1784. |
| [39] | Malczewski J, Chapman T, Flegel C, et al. GIS-multicriteria evaluation with ordered weighted averaging (OWA): case study of developing watershed management strategies[J]. Environment and Planning A: Economy and Space, 2003, 35(10): 1769-1784. DOI:10.1068/a35156 |
| [40] |
张正昱, 金贵, 郭柏枢, 等. 基于多准则决策的长江经济带国土空间脆弱性与恢复力研究[J]. 自然资源学报, 2020, 35(1): 95-105. Zhang Z Y, Jin G, Gou B S, et al. Research on the spatial vulnerability and resilience of land in the Yangtze River Economic Belt based on multi-criteria decision[J]. Journal of Natural Resources, 2020, 35(1): 95-105. |
| [41] | Yan K, Wang W F, Li Y H, et al. Identifying priority conservation areas based on ecosystem services change driven by Natural Forest Protection Project in Qinghai province, China[J]. Journal of Cleaner Production, 2022, 362. DOI:10.1016/j.jclepro.2022.132453 |
| [42] | Li H, Ma Z C, Zhu Y J, et al. Planning and prioritizing forest landscape restoration within megacities using the ordered weighted averaging operator[J]. Ecological Indicators, 2020, 116. DOI:10.1016/j.ecolind.2020.106499 |
| [43] |
赵正嫄, 张云龙, 李婷, 等. 基于空间距离指数的青藏高原生态敏感性综合评价及时空演变分析[J]. 生态学报, 2022, 42(18): 7403-7416. Zhao Z Y, Zhang Y L, Li T, et al. Comprehensive evaluation and spatio-temporal variations of ecological sensitivity on the Qinghai-Tibet Plateau based on spatial distance index[J]. Acta Ecologica Sinica, 2022, 42(18): 7403-7416. |
| [44] | Li S C, Zhang H, Zhou X W, et al. Enhancing protected areas for biodiversity and ecosystem services in the Qinghai-Tibet Plateau[J]. Ecosystem Services, 2020, 43. DOI:10.1016/j.ecoser.2020.101090 |
| [45] | Grêt-Regamey A, Altwegg J, Sirén E A, et al. Integrating ecosystem services into spatial planning—A spatial decision support tool[J]. Landscape and Urban Planning, 2017, 165: 206-219. DOI:10.1016/j.landurbplan.2016.05.003 |
| [46] | Dee L E, Cowles J, Isbell F, et al. When do ecosystem services depend on rare species?[J]. Trends in Ecology & Evolution, 2019, 34(8): 746-758. |
| [47] | Micheli F, Mumby P J, Brumbaugh D R, et al. High vulnerability of ecosystem function and services to diversity loss in Caribbean coral reefs[J]. Biological Conservation, 2014, 171: 186-194. DOI:10.1016/j.biocon.2013.12.029 |
| [48] |
郭兵, 姜琳. 基于多源地空耦合数据的青藏高原冻融侵蚀强度评价[J]. 水土保持通报, 2017, 37(4): 12-19. Guo B, Jiang L. Evaluation of freeze-thaw erosion in Qinghai-Tibet Plateau based on multi-source data[J]. Bulletin of Soil and Water Conservation, 2017, 37(4): 12-19. |
| [49] |
王莉雁, 肖燚, 江凌, 等. 青藏高原冻融侵蚀敏感性评价与分析[J]. 冰川冻土, 2017, 39(1): 61-69. Wang L Y, Xiao Y, Jiang L, et al. Assessment and analysis of the freeze-thaw erosion sensitivity on the Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2017, 39(1): 61-69. |
| [50] | Peng J, Yang Y, Liu Y X, et al. Linking ecosystem services and circuit theory to identify ecological security patterns[J]. Science of the Total Environment, 2018, 644: 781-790. DOI:10.1016/j.scitotenv.2018.06.292 |
| [51] |
刘刚, 燕云鹏, 刘建宇. 青藏高原西部地质灾害分布特征及背景分析[J]. 中国地质调查, 2017, 4(3): 37-45. Liu G, Yan Y P, Liu J Y. Analysis of distribution character and background of geological hazards in western Qinghai-Tibet Plateau[J]. Geological Survey of China, 2017, 4(3): 37-45. |
| [52] |
孙技星, 钟成, 何宏伟, 等. 2000-2015年中国土地荒漠化连续遥感监测及其变化[J]. 东北林业大学学报, 2021, 49(3): 87-92. Sun J X, Zhong C, He H W, et al. Continuous remote sensing monitoring and changes of land desertification in China from 2000 to 2015[J]. Journal of Northeast Forestry University, 2021, 49(3): 87-92. DOI:10.3969/j.issn.1000-5382.2021.03.015 |
| [53] |
刘菊, 傅斌, 张成虎, 等. 基于InVEST模型的岷江上游生态系统水源涵养量与价值评估[J]. 长江流域资源与环境, 2019, 28(3): 577-585. Liu J, Fu B, Zhang C H, et al. Assessment of ecosystem water retention and its value in the upper reaches of Minjiang River based on InVEST model[J]. Resources and Environment in the Yangtze Basin, 2019, 28(3): 577-585. |
| [54] |
杨明新, 杨秀春, 赵云, 等. 黄河源园区高寒草地碳储量估算及其影响因素[J]. 生态学报, 2023, 43(9): 3546-3557. Yang M X, Yang X C, Zhao Y, et al. Estimated carbon storage and influencing factors of alpine grassland in the source region of the Yellow River[J]. Acta Ecologica Sinica, 2023, 43(9): 3546-3557. |
| [55] |
侯建坤, 陈建军, 张凯琪, 等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学, 2022, 43(11): 5253-5262. Hou J K, Chen J J, Zhang K Q, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River Based on InVEST and GeoSoS-FLUS Models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11): 5253-5262. |
| [56] | Huang X, Wang X F, Zhang X R, et al. Ecological risk assessment and identification of risk control priority areas based on degradation of ecosystem services: a case study in the Tibetan Plateau[J]. Ecological Indicators, 2022, 141. DOI:10.1016/j.ecolind.2022.109078 |
| [57] |
陈波, 包志毅. 生态恢复中景观异质性指标的运用——以矿区废弃地为例[J]. 地域研究与开发, 2005, 24(4): 75-78. Chen B, Bao Z Y. Application of Landscape Heterogeneity Indices for Ecological Restoration——A Case Study of Depleted Mined Land[J]. Areal Research and Development, 2005, 24(4): 75-78. DOI:10.3969/j.issn.1003-2363.2005.04.018 |
| [58] |
田硕娟, 张文君, 何灵, 等. 基于Linkage Mapper与复杂网络的成都市生态网络构建与优化[J]. 西北林学院学报, 2023, 38(3): 176-184. Tian S J, Zhang W J, He L, et al. Construction and optimization of Chengdu ecological network based on linkage mapper and complex network[J]. Journal of Northwest Forestry University, 2023, 38(3): 176-184. DOI:10.3969/j.issn.1001-7461.2023.03.24 |
| [59] |
吴健生, 宗敏丽, 彭建. 基于景观格局的矿区生态脆弱性评价——以吉林省辽源市为例[J]. 生态学杂志, 2012, 31(12): 3213-3220. Wu J S, Zong M L, Peng J. Assessment of mining area's ecological vulnerability based on landscape pattern: a case study of Liaoyuan, Jilin Province of Northeast China[J]. Chinese Journal of Ecology, 2012, 31(12): 3213-3220. |
| [60] |
陈理庭, 蔡海生, 张婷, 等. 基于Markov-FLUS模型的饶河流域土地利用多情景模拟分析[J]. 生态学报, 2022, 42(10): 3947-3958. Chen L T, Cai H S, Zhang T, et al. Land use multi-scenario simulation analysis of Rao River Basin based on Markov-FLUS model[J]. Acta Ecologica Sinica, 2022, 42(10): 3947-3958. |
| [61] | El-Zein A, Tonmoy F N. Assessment of vulnerability to climate change using a multi-criteria outranking approach with application to heat stress in Sydney[J]. Ecological Indicators, 2015, 48: 207-217. DOI:10.1016/j.ecolind.2014.08.012 |
| [62] | Li H, Song W. Spatiotemporal distribution and influencing factors of ecosystem vulnerability on Qinghai-Tibet Plateau[J]. International Journal of Environmental Research and Public Health, 2021, 18(12). DOI:10.3390/ijerph18126508 |
| [63] | 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 |
| [64] |
孙佑海. 《青藏高原生态保护法》的法理阐释和核心构造[J]. 环境保护, 2023, 51(8): 9-16. Sun Y H. Theoretical interpretation and core structure of Qinghai-Tibet Plateau ecological protection law[J]. Environmental Protection, 2023, 51(8): 9-16. DOI:10.3969/j.issn.1674-1021.2023.08.002 |
| [65] |
李皓, 翟月鹏, 杨小龙, 等. 基于层次分析-有序加权平均多准则评估的雄安新区生态安全格局模拟研究[J]. 生态学报, 2022, 42(1): 150-160. Li H, Zhai Y P, Yang X L, et al. Simulating ecological security patterns in the Xiong'an New Area based on the multicriteria evaluation of AHP-OWA[J]. Acta Ecologica Sinica, 2022, 42(1): 150-160. |
| [66] |
张睿, 师玮一, 周靖宣, 等. 2001—2019年中国自然保护区生态环境质量时空变化特征及其驱动力[J]. 生态学报, 2023, 43(5): 2101-2113. Zhang R, Shi W Y, Zhou J X, et al. Temporal and spatial variation characteristics and driving forces of eco-environmental quality in China's nature reserves from 2001 to 2019[J]. Acta Ecologica Sinica, 2023, 43(5): 2101-2113. |