2025, Vol. 46
2. 北京林业大学水土保持国家林业和草原局重点实验室，北京 100083
2. Key Laboratory of State Forestry and Grassland Administration on Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China
生态敏感性是指生态系统对人类活动干扰和自然环境变化的敏感程度，可表征生态环境问题发生的难易性和可能性[1]. 这一概念，将生态系统与其所处的复杂的自然和人为环境紧密结合在一起. 随着人类社会的进步，在人口不断增长及经济快速发展的双重驱动下，人类对自然环境的影响越来越大，不合理的人类活动导致生态系统发生严重退化，水土流失、土地沙漠化和土壤盐碱化等生态环境问题日益凸显[2，3]. 开展生态敏感性研究可辨析区域潜在生态环境问题，识别生态保护与修复重点区域，推动区域生态文明建设和经济社会可持续发展[4，5].
当前生态敏感性研究已成为环境科学、生态学和地理学等多个学科领域的研究热点[5]，其研究成果为生态保护红线划定[6]、生态安全格局构建[7]、生态功能区划[8]和生态脆弱性研究[9]等提供了重要依据. 现阶段，生态敏感性研究涉及国家[10]、省[11]、市[12]、县[13]、山地[14]和流域[15]等多种空间尺度，研究既包括水土流失敏感性[16]和土地沙化敏感性[17]等单一生态敏感性研究，也包括综合生态敏感性研究. 例如，赵正嫄等[18]从土地荒漠化、水土流失、滑坡灾害和冻融侵蚀这4个单一生态敏感性出发，开展青藏高原地区生态敏感性综合研究；邓晓红等[19]从土地沙漠化、水土流失、土壤盐渍化和生境质量这4个方面，对河西地区生态敏感性进行研究. 在研究方法上，生态敏感性的研究方法多样，既包括层次分析法、专家打分法和德尔菲法等主观权重确定法，又包括熵值法、主成分分析法和最大值法等客观权重确定法. 虽然生态敏感性研究已取得了大量学术成果，但仍存在着一定的局限性和较大的提升空间. 例如，当前生态敏感性研究多为单一年份的研究，而对长时间序列的研究较少[20]. 此外，研究方法上，主观权重确定法具有一定的主观随意性，客观性不足；客观权重确定法虽具有客观性，但可能出现权重失真的情况[21]. 近年来，空间距离指数法因其具有客观性、科学性和概括性而成为生态敏感性计算的一种新方法[22，23]，该方法基于欧几里得距离原理，可克服传统方法的局限性[24].
黄河中游是黄河流域的重要组成部分，也是整个黄河流域生态环境最为脆弱的地区之一. 长期以来，在各种因素的干扰下，该区生态系统的稳定性和平衡性遭到破坏，引发了水土流失、土地沙化和生物多样性减少等多种生态问题. 目前有关黄河流域生态敏感性的研究已有一定成果[25]，但聚焦黄河中游地区开展生态敏感性的研究相对不足，且缺乏长时间尺度的分析. 因此，本研究以黄河中游为研究区，选取水土流失敏感性、土地沙化敏感性和生物多样性敏感性这3个指数，运用空间距离指数法构建综合生态敏感性指数，借助空间自相关分析、格网编码分析及地理探测器研究2005~2020年黄河中游地区生态敏感性的时空分异特征及其驱动因子，识别需重点关注区域，以期为黄河中游地区生态系统靶向治理、生态保护与修复提供参考.
1 材料与方法 1.1 研究区概况黄河中游地区是指内蒙古托克托县河口镇至河南郑州桃花峪花园口之间的黄河流域，地理位置位于33°~41°N，103°~114°E，横跨甘肃、宁夏、内蒙古、陕西、山西及河南这6个省份（图 1）. 黄河中游河长约为1 206 km，流域面积约为34.5万km2，占黄河流域总面积的45.7%. 流域内包含窟野河、无定河、汾河、渭河、洛河和沁河等支流，径流量占黄河水量的42.5%. 黄河中游地形地貌复杂多样，可分为土石山区、河谷平原区、黄土高塬沟壑区、黄土丘陵沟壑区以及沙地和沙漠区[26]，其中黄土丘陵沟壑区和黄土高塬沟壑区是黄土侵蚀地貌的主要分布区[27]，地表破碎且沟壑纵横. 黄河中游位于温带季风气候和温带大陆性气候的过渡区域，是典型的大陆性季风气候，气候季节性差异明显.
|
图 1 黄河中游地理位置示意 Fig. 1 Location of the middle reaches of the Yellow River |
DEM数据来源于地理空间数据云（http://www.gscloud.cn），空间分辨率为30 m，使用ArcGIS中的焦点统计工具计算地形起伏度. 土地利用数据和GDP数据均来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/），空间分辨率分别为30 m和1 km，基于土地利用数据计算生物丰度指数[28]. 土壤数据来源于世界土壤数据库（http://www.fao.org/）V1.2数据集，空间分辨率为30″. NDVI数据来源于美国国家航空航天局（https://search.earthdata.nasa.gov/search）MOD13A3数据产品，空间分辨率为1 km，时间分辨率为月，经最大值合成法合成年尺度数据，并通过像元二分法[29]计算植被覆盖度. 黄河中游及其周围地区各气象站点的气象数据来源于中国气象数据网（https://data.cma.cn/），基于气象数据计算各站点的降雨侵蚀力[30]、干燥度指数[31]和冬春季节≥6 m·s-1起风沙天数，并通过空间插值生成栅格数据. 人口密度数据来源于WorldPop（https://hub.worldpop.org/），空间分辨率为1 km. 为便于后续计算与分析，对数据进行掩膜提取、投影和重采样等预处理，均采用WGS_1984_UTM_Zone_49N投影，空间分辨率统一为1 km×1 km.
1.3 研究方法 1.3.1 单一生态敏感性指数计算方法 1.3.1.1 水土流失敏感性指数为评估水土流失敏感性，本研究根据《生态功能分区技术规范（征求意见稿）》（2014）和《生态保护红线划定指南》（2017），选取了降雨侵蚀力、土壤可蚀性、地形起伏度和植被覆盖度这4个因子，并按照表 1的分级标准对各因子进行分级赋值，然后将各因子的分级值代入水土流失敏感性指数计算公式，其公式如下：
| (1) |
|
表 1 生态敏感性各因子分级标准及赋值1） Table 1 Classification criteria and assignment of factors of ecological sensitivity |
式中，
为评估土地沙化敏感性，本研究根据上述规范和指南，选取了干燥度指数、冬春季节≥6 m·s-1起风沙天数、土壤质地和植被覆盖度这4个因子，并按照表 1的分级标准对各因子进行分级赋值，然后将各因子的分级值代入土地沙化敏感性指数计算公式，其公式如下：
| (2) |
式中，
根据已有研究[5，24，32，33]，选取生物丰度指数和植被覆盖度评估黄河中游生物多样性敏感性. 将生物丰度指数和植被覆盖度按表 1的分级标准分级赋值后，代入生物多样性敏感性指数计算公式，其公式如下：
| (3) |
式中，BI为生物多样性敏感性指数；F1和F2分别为生物丰度指数和植被覆盖度的分级值；W1和W2分别为生物丰度指数和植被覆盖度的权重，其通过变异系数法确定. 最终计算出的生物多样性敏感性指数同样按照水土流失敏感性指数的分级标准进行分级.
1.3.2 综合生态敏感性计算方法本研究采用空间距离指数法构建黄河中游综合生态敏感性指数. 空间距离指数法是基于欧几里得距离原理所提出的一种综合指数计算方法，以各单一生态敏感性指数的最小值为最低点，计算其余各点到该点的距离[34]. 距离越小，综合生态敏感性指数越小，生态敏感性越低；反之，距离越大，综合生态敏感性指数越大，生态敏感性越高. 综合生态敏感性指数计算公式为：
| (4) |
式中，CESI为综合生态敏感性指数；SS、D和BI分别为水土流失敏感性指数、土地沙化敏感性指数和生物多样性敏感性指数，SSlow、Dlow和BIlow则分别为它们的最小值. 将计算出的2005年、2010年、2015年和2020年综合生态敏感性指数，均以2005年自然断点法的结果为依据，划分为不敏感、轻度敏感、中度敏感、高度敏感和极度敏感这5个生态敏感性等级.
为保证指标选取的合理性，避免因指标间存在高度共线性而影响研究结果，本研究以2005年指标数据为例，使用ArcGIS软件中的“创建渔网”工具创建5 km×5 km的渔网，生成13 809个渔网点，并使用“多值提取到点”工具提取指标值，然后在SPSS软件中进行多重共线性检验. 结果如表 2所示，各指标P值均为0，容许度（TOL）均大于0.1，方差膨胀因子（VIF）均小于10，通过了多重共线性检验，以此评价综合生态敏感性具有合理性.
|
|
表 2 指标多重共线性检验 Table 2 Index multicollinearity test |
1.3.3 空间自相关分析
空间自相关分析是对空间要素的空间分布特征及各要素间相关性的描述，可分为全局空间自相关和局部空间自相关[35，36]. 本研究使用GeoDa软件，对2005~2020年黄河中游综合生态敏感性进行空间自相关分析，以探究其空间聚集特征.
1.3.3.1 全局空间自相关本研究采用全局Moran's I指数分析黄河中游综合生态敏感性整体的空间聚集特征，其计算公式如下：
| (5) |
式中，
本研究采用局部Moran's I指数，生成综合生态敏感性LISA聚类图，分析黄河中游综合生态敏感性的局部空间聚集特征，其计算公式如下：
| (6) |
式中，
本研究通过格网编码法[19，32]分析综合生态敏感性的变动次数及变化趋势. 将2005年、2010年、2015年和2020年综合生态敏感性的5个敏感性等级从低到高依次编码为1、2、3、4和5，并代入生态敏感性变动次数和变化趋势计算公式.
生态敏感性变动次数计算公式如下：
| (7) |
式中，C为2005~2020年综合生态敏感性变动次数；n为年数；codei为前一年的编码，codei+1为后一年的编码. 当
生态敏感性变化趋势计算公式如下：
| $\begin{aligned} \operatorname{code}= & \operatorname{code}_{2005} \times 10^3+\operatorname{code}_{2010} \times 10^2+ \\ & \operatorname{code}_{2015} \times 10+\operatorname{code}_{2020}\end{aligned}$ | (8) |
式中，code为2005~2020年综合生态敏感性变化趋势编码；code2005、code2010、code2015和code2020分别为2005年、2010年、2015年和2020年的综合生态敏感性编码.
1.3.5 地理探测器本研究采用地理探测器中的因子探测[37]，分析不同因子对黄河中游综合生态敏感性空间分异的驱动力. 以表 1中降雨侵蚀力和植被覆盖度等共8个因子，代表自然环境变化对生态敏感性的影响；以GDP和人口密度这2个因子，代表人类活动对生态敏感性的影响. 因子探测结果用q值来衡量，q值越大，驱动力越强.
2 结果与分析 2.1 生态敏感性时空变化 2.1.1 单一生态敏感性时空变化 2.1.1.1 水土流失敏感性2005~2020年黄河中游水土流失敏感性的空间分布格局较为稳定，且总体分布特征与该地区实际水土流失分布情况相似（图 2）. 不敏感和轻度敏感在毛乌素沙地、太原盆地、豫西北地区、关中平原、秦岭、子午岭和黄龙山等地有所分布，其中毛乌素沙地、太原盆地、关中平原和豫西北地区地形较为平坦，起伏度小，径流对地表的冲刷较弱；秦岭、子午岭和黄龙山地区植被生长状况较好，能有效缓解水土流失. 高度敏感和极度敏感主要分布在黄河中游多沙粗沙区及渭河流域上游，这些地区位于黄土高塬沟壑区和黄土丘陵沟壑区，地表沟壑纵横，植被覆盖度较低，降雨集中且侵蚀力强，土壤质地疏松，易受侵蚀，是水土流失易发区域. 黄河中游水土流失敏感性指数平均值从2005年的5.657持续下降至2020年的5.478，水土流失敏感性不断降低.
|
图 2 2005~2020年黄河中游水土流失敏感性 Fig. 2 Sensitivity of soil and water loss in the middle reaches of the Yellow River from 2005 to 2020 |
2005~2020年黄河中游土地沙化敏感性指数值均为（2.0，8.0]，仅分为轻度敏感、中度敏感和高度敏感这3个等级，无不敏感和极度敏感. 如图 3所示，2005~2020年黄河中游土地沙化敏感性空间分布格局不稳定. 2005年，轻度敏感主要分布在黄河中游东南部、秦岭、六盘山、子午岭和黄龙山地区，高度敏感主要分布在黄河中游西北部和河谷平原区，中度敏感则主要分布在轻度敏感和高度敏感的过渡区域. 2010年，黄河中游东南部和黄龙山东部轻度敏感减少，渭河流域上游高度敏感增加，关中平原高度敏感减少. 2015年，子午岭和黄龙山地区转为中度敏感，关中平原高度敏感增加，黄河中游东南部轻度敏感进一步减少. 2020年，子午岭和黄龙山地区恢复到轻度敏感，六盘山和吕梁山地区轻度敏感增加，黄河中游西北部和渭河流域上游等地高度敏感减少. 综合来看，常年处于高度敏感的区域主要集中连片分布于黄河中游西北部，该地处于农牧交错带，土地利用以耕地和草地为主，植被覆盖度低，气候干旱，降水少，冬春季节多大风天，土壤易受风蚀. 2005~2020年黄河中游土地沙化敏感性指数平均值分别为5.596、5.628、5.822和5.199，呈先升后降趋势，土地沙化敏感性总体有所减轻.
|
图 3 2005~2020年黄河中游土地沙化敏感性 Fig. 3 Sensitivity of land desertification in the middle reaches of the Yellow River from 2005 to 2020 |
2005~2020年黄河中游生物多样性敏感性的空间分布格局相对稳定（图 4）. 不敏感和轻度敏感主要分布在吕梁山、子午岭、黄龙山、六盘山、秦岭和太行山地区，这些地区地貌类型以山地为主，土地利用类型以林地和草地为主，植被覆盖度高，生境质量高，生物种类丰富，抗外界干扰能力强. 高度敏感和极度敏感主要分布在黄河中游西北部、河谷平原区和渭河流域上游. 西北部和渭河流域上游土地利用类型以耕地和草地为主，植被覆盖度较低，生态环境相对脆弱，生物种类较少；河谷平原区人口和城市聚集，不合理的人类活动破坏了生态环境，导致生物的生存空间逐渐被压缩，生物种类减少，抗干扰能力降低. 本研究期间，黄河中游西北部及渭河流域上游生物多样性敏感性降低，而关中平原和豫西北地区敏感性增加. 黄河中游生物多样性敏感性指数平均值从2005年的5.162持续降低至2020年的4.829，区域总体生物多样性敏感性不断降低.
|
图 4 2005~2020年黄河中游生物多样性敏感性 Fig. 4 Biodiversity sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
从空间上看（图 5），2005~2020年黄河中游综合生态敏感性总体上呈“西北高、东南低”的空间分布格局，空间分异性明显. 高度敏感和极度敏感主要分布在黄河中游西北部、河谷平原区和渭河流域上游. 不敏感和轻度敏感主要分布在黄河中游东南部山地、子午岭、黄龙山、吕梁山、六盘山和秦岭地区. 从时间上看，2005~2020年黄河中游综合生态敏感性指数平均值分别为6.854、6.766、6.527和6.350，呈持续下降趋势，生态敏感性降低. 从不同敏感性等级面积变化情况来看（表 3），2005~2020年不敏感呈先降后升趋势，面积增加8 102 km2；轻度敏感呈波动上升趋势，面积增加4 071 km2；中度敏感呈持续上升趋势，面积增加21 824 km2；高度敏感呈先升后降趋势，面积增加了7 696 km2；极度敏感呈持续下降趋势，面积减少41 693 km2，是面积变化最大的敏感性等级.
|
图 5 2005~2020年黄河中游综合生态敏感性 Fig. 5 Comprehensive ecological sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
|
|
表 3 2005~2020年黄河中游综合生态敏感性各等级面积及其占比 Table 3 Area and proportion of each grade of comprehensive sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
2.2 综合生态敏感性空间聚集特征 2.2.1 全局空间自相关分析
全局空间自相关分析结果如表 4所示，2005~2020年黄河中游综合生态敏感性全局Moran's I指数均超过0.9，P值均为0.001，Z值均超过2.58，说明黄河中游综合生态敏感性在空间上具有显著正相关性，空间聚集性较强. 但随着时间的变化，全局Moran's I指数呈下降趋势，空间聚集性减弱.
|
|
表 4 2005~2020年黄河中游综合生态敏感性全局空间自相关统计 Table 4 Global spatial autocorrelation statistics of comprehensive ecological sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
2.2.2 局部空间自相关分析
局部空间自相关分析结果如图 6所示，黄河中游被分为不显著、高-高聚集、低-低聚集、低-高聚集和高-低聚集这5个区域，其中，高-高聚集区和低-低聚集区的空间聚集效果最为显著. 从空间分布上看，高-高聚集区与高度敏感和极度敏感相关，主要分布在黄河中游西北部、渭河流域上游以及河谷平原部分地区. 低-低聚集区与不敏感和轻度敏感相关，主要分布在黄河中游东南部山地、秦岭、六盘山、子午岭、黄龙山和吕梁山地区. 本研究期间高-高聚集区和低-低聚集区的空间分布格局整体较为稳定，部分区域有所变化，其中以子午岭和黄龙山的北部、渭河流域上游和豫西北地区的变化较为明显. 从面积变化来看，2005~2020年高-高聚集区和低-低聚集区面积分别减少18 632 km2和2 825 km2，其空间聚集性均有所减弱.
|
图 6 2005~2020年黄河中游综合生态敏感性LISA聚类 Fig. 6 LISA aggregation of comprehensive ecological sensitivity of the middle reaches of the Yellow River from 2005 to 2020 |
综合生态敏感性变动次数分析结果如图 7和表 5所示，全区变动次数在0~3之间. 从空间上看（图 7），变动0次的区域主要分布在秦岭、子午岭、黄龙山、六盘山、无定河流域、鄂尔多斯高原东北部、泾河流域北部、吕梁山、太岳山和王屋山等地；而变动次数1~3次的区域空间分布较为分散. 从表 5来看，变动次数0~3次的区域面积占比分别为39.86%、30.93%、22.33%和6.88%，变动次数越多，面积越小. 此外，变动0次和1次的区域面积之和占总面积的70.79%，说明2005~2020年黄河中游综合生态敏感性整体变动较小.
|
图 7 2005~2020年黄河中游综合生态敏感性变动次数 Fig. 7 Number of times of comprehensive ecological sensitivity changes in the middle reaches of the Yellow River from 2005 to 2020 |
|
|
表 5 2005~2020年黄河中游综合生态敏感性变动次数面积统计 Table 5 Area statistics on the number of times of comprehensive ecological sensitivity changes in the middle reaches of the Yellow River from 2005 to 2020 |
2.3.2 综合生态敏感性变化趋势分析
通过对综合生态敏感性变化趋势进行分析，将黄河中游划分为常年稳定区、波动稳定区、降低及波动降低区和升高及波动升高区这4个区域（图 8和表 6），面积占比分别为39.86%、15.71%、33.85%和10.58%. 其中，面积占比最大的是常年稳定区即变动0次的区域，面积为137 538 km2；其次是降低及波动降低区，面积为116 804 km2，主要分布在黄河中游多沙粗沙区、子午岭和黄龙山周边地区、汾河流域和渭河流域上游；第3是波动稳定区，面积为54 198 km2，其分布较为分散；面积占比最小的是升高及波动升高区，面积为36 495 km2，主要分布在关中平原和豫西北地区. 总体来看，本研究期间大部分地区生态敏感性处于稳定或降低及波动降低趋势，而关中平原和豫西北地区等地生态敏感性有所升高. 与此同时，在常年稳定区中，长期保持高值敏感状态的区域主要分布在泾河流域北部、无定河流域和鄂尔多斯高原东北部.
|
图 8 2005~2020年黄河中游综合生态敏感性变化趋势 Fig. 8 Changing trend of comprehensive ecological sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
|
|
表 6 2005~2020年黄河中游综合生态敏感性变化趋势面积统计 Table 6 Area statistics of the changing trend of comprehensive ecological sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
2.4 综合生态敏感性驱动因子分析
因子探测结果如表 7所示，2005~2020年各因子P值均为0，均通过显著性检验. 从各因子q均值来看，大小为：植被覆盖度>生物丰度指数>降雨侵蚀力>干燥度指数>地形起伏度>土壤可蚀性>冬春季节（≥6 m·s-1）起风沙天数>土壤质地>GDP>人口密度. 由此可见，植被覆盖度是黄河中游综合生态敏感性空间分异的主要驱动因子，q均值为0.871；生物丰度指数是次要驱动因子，q均值为0.457；其次是降雨侵蚀力和干燥度指数，q均值分别为0.301和0.252. 相比之下，其他因子对综合生态敏感性的影响较小，尤其是人口密度、GDP、土壤质地和冬春季节（≥6 m·s-1）起风沙天数，q均值均小于0.1.
|
|
表 7 2005~2020年黄河中游综合生态敏感性因子探测结果 Table 7 Results of the factor detection of comprehensive ecological sensitivity in the middle reaches of the Yellow River from 2005 to 2020 |
3 讨论
从空间分布上看，2005~2020年黄河中游地区综合生态敏感性总体上呈“西北高、东南低”的分布格局，空间分异性明显. 黄河中游高度敏感和极度敏感主要分布在西北部地区、渭河流域上游和河谷平原区. 其中，西北部地区和渭河流域上游地形地貌复杂，土地利用类型以耕地和中低覆盖草地为主，植被覆盖度较低，土壤质地疏松且易受侵蚀[38，39]. 同时，不合理的土地利用方式和资源开采进一步破坏了生态系统的稳定性[40]，区域生态敏感性较高. 河谷平原区地形较为平坦，耕地是主要的土地利用类型，林草地覆盖率相对较低. 此外，该区域还是人类和城市的聚集地，人类活动频繁且对环境的干扰较强[41]，区域生态敏感性较高. 不敏感和轻度敏感主要分布在黄河中游东南部山地、子午岭、黄龙山、吕梁山、六盘山和秦岭地区. 这些地区植被覆盖度较高，生态系统结构复杂且稳定，自我调节和抗干扰能力强. 同时，由于人口密度相对较低，受人类活动干扰较小，区域生态环境得到较好的保护，生态敏感性也相对较低. 从时间上看，2005~2020年黄河中游综合生态敏感性总体呈下降趋势，与李帆等[42]对黄土高原的研究结果一致. 这主要是因为，自上世纪以来，小流域综合治理、退耕还林还草和封山育林等一系列生态治理和修复工程的实施，使黄河中游地区植被生长及覆盖状况明显改善[43，44]，生态系统得到了有效恢复，区域水土流失、土地沙化和生物多样性锐减等生态环境问题得到缓解[41，45，46]，生态环境质量提高[47]. 虽然，本研究期间黄河中游综合生态敏感性总体呈下降趋势，但关中平原及豫西北地区等地随时间变化生态敏感性有所增加. 这主要是因为，关中平原及豫西北地区随着城市化进程的加快，城市内部人口不断增加，为满足用地需求，建设用地持续扩张，进一步加重了生态环境压力，导致区域植被退化，生态环境质量降低[48 ~ 51]. 此外，本研究期间保持高值敏感的区域在无定河流域、鄂尔多斯高原东北部和泾河流域北部等地有所分布，鉴于此，未来生态治理与保护工作需重点关注无定河流域、鄂尔多斯高原东北部、泾河流域北部、关中平原和豫西北地区，以采取有效措施改善生态环境、降低生态敏感性.
从因子探测结果来看，植被覆盖度和生物丰度指数对黄河中游综合生态敏感性空间分异特征的驱动力较大，q均值均大于0.4. 其中，植被覆盖度是主要驱动因子，这与李帆等[42]和张良侠等[52]对黄土高原生态敏感性和生态脆弱性的研究结果相似. 黄河中游植被覆盖度总体上呈“西北低、东南高”的空间分布格局，与综合生态敏感性的分布格局相反，植被覆盖度高的地区通常生态敏感性较低，而植被覆盖度低的地区通常敏感性较高. 黄河中游植被覆盖度的增加，增强了土壤的稳定性及抗侵蚀能力，减轻了风蚀和水蚀对地表的影响，缓解了水土流失和土地沙化[26]. 此外，植被恢复还优化了生态系统，促进了生物多样性的发展[53]. 生物丰度指数是影响综合生态敏感性的次要因子，其基于土地利用数据计算而来，土地利用类型及其变化对生物丰度的分布和变化具有显著的影响[54]. 秦岭和子午岭等黄河中游山地，土地利用类型以林地和草地为主，植被覆盖度高，生物物种丰富，生态系统结构复杂且稳定，对自然环境变化和对人类活动的抗干扰能力强，因此生态敏感性较低；而土地利用类型以耕地或建筑用地为主的地区，植被覆盖度低，生物物种匮乏，生态系统不稳定且易受干扰，因此生态敏感性较高. 在因子探测结果中，代表人类活动干扰的人口密度和GDP的q均值均小于0.1，对黄河中游综合生态敏感性的影响力较小. 实际上，与人口密度和GDP的直接作用相比，人类活动主要通过引起地表植被覆盖度、土地利用等的变化，从而间接对生态敏感性产生影响.
本文对黄河中游地区生态敏感性时空分异特征进行了初步研究，但仍有一些不足之处. 由于数据可获取性的限制，本研究的时间尺度为2005~2020年，且仅选取了水土流失敏感性、土地沙化敏感性和生物多样性敏感性这3个指数对综合生态敏感性进行评估. 未来在条件允许的情况下，可扩大研究的时间尺度，构建更完善的指标体系. 此外，为便于计算和分析，本研究将数据分辨率统一为1 km，未来可选择更高分辨率的数据，提高研究精度.
4 结论（1）2005~2020年黄河中游综合生态敏感性总体上表现为“西北高、东南低”的空间分布格局，具有明显的空间分异性，高度敏感和极度敏感主要分布在黄河中游西北部、河谷平原区和渭河流域上游，不敏感和轻度敏感主要分布在黄河中游东南部山地、子午岭、黄龙山、吕梁山、六盘山和秦岭地区. 从时间上看，黄河中游综合生态敏感性指数平均值从2005年的6.854持续下降至2020年的6.350，生态敏感性降低，区域生态环境明显改善.
（2）2005~2020年黄河中游综合生态敏感性在空间上具有显著正相关性，空间聚集性强. 然而，随着时间的推移，全局Moran's I指数逐渐降低，高-高聚集区和低-低聚集区面积减少，空间聚集性逐渐减弱.
（3）2005~2020年黄河中游综合生态敏感性整体变动较小，变动0次和1次的区域面积之和占总面积的70.79%；生态敏感性有所升高的区域主要位于关中平原和豫西北地区，长期保持高值敏感状态的区域主要位于泾河流域北部、无定河流域和鄂尔多斯高原东北部，未来需重点关注这些区域.
（4）从地理探测结果来看，植被覆盖度的q均值为0.871，是黄河中游综合生态敏感性空间分异的主要驱动因子；生物丰度指数的q均值为0.457，是次要驱动因子. 未来黄河中游生态保护与治理，仍需重视植被生长及覆盖状况，同时也要充分关注生物丰度对该区生态环境的影响，有针对性地制定综合治理对策，以促进黄河中游地区生态环境建设及可持续发展.
| [1] |
欧阳志云, 王效科, 苗鸿. 中国生态环境敏感性及其区域差异规律研究[J]. 生态学报, 2000, 20(1): 9-12. Ouyang Z Y, Wang X K, Miao H. China's eco-environmental sensitivity and its spatial heterogeneity[J]. Acta Ecologica Sinica, 2000, 20(1): 9-12. |
| [2] |
李建军, 苏志珠, 王言荣. 基于GIS的万荣县生态敏感性评价与区划[J]. 中国农业资源与区划, 2014, 35(5): 48-54. Li J J, Su Z Z, Wang Y R. Study on the ecological sensitivity evaluation and regionalization in Wanrong County based on GIS[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2014, 35(5): 48-54. |
| [3] |
傅伯杰, 陈利顶, 刘国华. 中国生态区划的目的、任务及特点[J]. 生态学报, 1999, 19(5): 591-595. Fu B J, Chen L D, Liu G H. The objectives, tasks and characteristics of China ecological regionalization[J]. Acta Ecologica Sinica, 1999, 19(5): 591-595. |
| [4] |
李振亚, 魏伟, 周亮, 等. 基于空间距离指数的中国西北干旱内陆河流域生态敏感性时空演变特征——以石羊河流域为例[J]. 生态学报, 2019, 39(20): 7463-7475. Li Z Y, Wei W, Zhou L, et al. Temporal and spatial evolution of ecological sensitivity in arid inland river basins of northwest China based on spatial distance index: a case study of Shiyang River Basin[J]. Acta Ecologica Sinica, 2019, 39(20): 7463-7475. |
| [5] |
刘海龙, 王炜桥, 王跃飞, 等. 汾河流域生态敏感性综合评价及时空演变特征[J]. 生态学报, 2021, 41(10): 3952-3964. Liu H L, Wang W Q, Wang Y F, et al. Comprehensive evaluation of ecological sensitivity and the characteristics of spatiotemporal variations in Fenhe River Basin[J]. Acta Ecologica Sinica, 2021, 41(10): 3952-3964. |
| [6] |
彭琛琛, 蔡玉梅, 边振兴. 烟台市生态红线划定研究[J]. 浙江农林大学学报, 2018, 35(5): 818-828. Peng C C, Cai Y M, Bian Z X. Delineating an ecological red line in Yantai, Shandong Province[J]. Journal of Zhejiang A & F University, 2018, 35(5): 818-828. |
| [7] | Chen J, Wang S S, Zou Y T. Construction of an ecological security pattern based on ecosystem sensitivity and the importance of ecological services: a case study of the Guanzhong Plain urban agglomeration, China[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108688 |
| [8] |
尤南山, 蒙吉军. 基于生态敏感性和生态系统服务的黑河中游生态功能区划与生态系统管理[J]. 中国沙漠, 2017, 37(1): 186-197. You N S, Meng J J. Ecological functions regionalization and ecosystem management based on the ecological sensitivity and ecosystem service in the middle reaches of the Heihe River[J]. Journal of Desert Research, 2017, 37(1): 186-197. |
| [9] | Yang Y J, Song G. Human disturbance changes based on spatiotemporal heterogeneity of regional ecological vulnerability: a case study of Qiqihaer city, northwestern Songnen Plain, China[J]. Journal of Cleaner Production, 2021, 291. DOI:10.1016/j.jclepro.2020.125262 |
| [10] |
刘军会, 高吉喜, 马苏, 等. 中国生态环境敏感区评价[J]. 自然资源学报, 2015, 30(10): 1607-1616. Liu J H, Gao J X, Ma S, et al. Evaluation of ecological sensitivity in China[J]. Journal of Natural Resources, 2015, 30(10): 1607-1616. |
| [11] |
仇实, 于强, 杨林哲, 等. 甘肃省土地沙化敏感性及生态空间网络优化[J]. 水土保持通报, 2022, 42(5): 114-122, 150. Qiu S, Yu Q, Yang L Z, et al. Evaluation of land desertification sensitivity and ecological spatial network optimization in Gansu Province[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 114-122, 150. |
| [12] |
李咏红, 李岱青, 陈雅琳, 等. 四川省成都市生态环境敏感性评价[J]. 水土保持通报, 2015, 35(1): 236-241. Li Y H, Li D Q, Chen Y L, et al. Evaluation on eco-environment sensitivity of Chengdu City, Sichuan Province[J]. Bulletin of Soil and Water Conservation, 2015, 35(1): 236-241. |
| [13] |
简卿, 张立强, 崔海宁, 等. 青龙满族自治县生态敏感性评价及区划[J]. 中国农业资源与区划, 2017, 38(11): 171-178. Jian Q, Zhang L Q, Cui H N, et al. Ecological sensitivity evaluation and regionalization of Qinglong Manchu Autonomous County[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(11): 171-178. |
| [14] |
张强, 冯悦, 魏伟, 等. 基于GIS的祁连山生态敏感性评价[J]. 安全与环境学报, 2019, 19(3): 1056-1064. Zhang Q, Feng Y, Wei W, et al. On ecological sensitivity evaluation of the Qilianshan Mountain range (Qinghai-Gansu) based on GIS[J]. Journal of Safety and Environment, 2019, 19(3): 1056-1064. |
| [15] |
李振亚. 干旱内陆河流域环境敏感性综合评价研究——以石羊河流域为例[D]. 兰州: 西北师范大学, 2020. Li Z Y. Comprehensive evaluation of environmental sensitivity in arid inland river basins——a case study of Shiyang River Basin[D]. Lanzhou: Northwest Normal University, 2020. |
| [16] |
路中, 雷国平, 王居午, 等. 30年来东北典型黑土区水土流失敏感性时空分异特征研究[J]. 自然灾害学报, 2019, 28(4): 186-195. Lu Z, Lei G P, Wang J W, et al. Spatial-temporal variation characteristics of soil and water loss sensitivity in typical black soil regions in Northeast China in the past 30 years[J]. Journal of Natural Disasters, 2019, 28(4): 186-195. |
| [17] |
任利广, 马维伟, 李广, 等. 基于GIS的甘肃省农牧交错带土地沙化敏感性时空分布格局[J]. 干旱区资源与环境, 2022, 36(6): 149-156. Ren L G, Ma W W, Li G, et al. Temporal and spatial distribution pattern of land desertification sensitivity in agro pastoral ecotone of Gansu Province[J]. Journal of Arid Land Resources and Environment, 2022, 36(6): 149-156. |
| [18] |
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. |
| [19] |
邓晓红, 宋玉琳, 李宗省, 等. 河西地区生态敏感性演变格局及分区治理[J]. 中国沙漠, 2023, 43(5): 232-240. Deng X H, Song Y L, Li Z X, et al. Evolution pattern of terrestrial ecological sensitivity in the Hexi region and its zoning governance[J]. Journal of Desert Research, 2023, 43(5): 232-240. |
| [20] |
何苏玲, 邹凤琼, 王金亮. 基于AHP和MSE赋权法的龙南县生态敏感性评价[J]. 生态学杂志, 2021, 40(9): 2927-2935. He S L, Zou F Q, Wang J L. Ecological sensitivity evaluation of Longnan County based on AHP and MSE weighting method[J]. Chinese Journal of Ecology, 2021, 40(9): 2927-2935. |
| [21] |
宋沛林, 解吉波, 杨腾飞, 等. 基于生态敏感性的区域环境时空变化及其驱动因素探究——以定安县为例[J]. 测绘通报, 2023(7): 18-24. Song P L, Xie J B, Yang T F, et al. Exploring the spatio-temporal variation of the regional environment and driving factors based on ecological sensitivity: taking Ding'an county as an example[J]. Bulletin of Surveying and Mapping, 2023(7): 18-24. |
| [22] | Wei W, Li Z Y, Xie B B, et al. Spatial distance-based integrated evaluation of environmentally sensitivity for ecological management in northwest China[J]. Ecological Indicators, 2020. DOI:10.1016/j.ecolind.2020.10675 |
| [23] | Wei W, Zhang H Y, Ma L B, et al. Reconstruction and application of the temperature-vegetation-precipitation drought index in mainland China based on remote sensing datasets and a spatial distance model[J]. Journal of Environmental Management, 2022, 323. DOI:10.1016/j.jenvman.2022.116208 |
| [24] |
杨蕴雪, 张艳芳. 基于空间距离指数的延河流域生态敏感性时空演变特征[J]. 自然资源遥感, 2021, 33(3): 229-237. Yang Y X, Zhang Y F. Temporal-spatial evolutionary characteristics of ecological sensitivity in Yanhe River basin based on spatial distance index[J]. Remote Sensing for Natural Resources, 2021, 33(3): 229-237. |
| [25] |
李元征, 冯智志, 李立, 等. 基于GIS的黄河流域陆地生态系统生态敏感性评价[J]. 环境科学与技术, 2021, 44(4): 219-225. Li Y Z, Feng Z Z, Li L, et al. Assessment of ecological sensitivity of terrestrial ecosystem in the Yellow River basin based on GIS[J]. Environmental Science & Technology, 2021, 44(4): 219-225. |
| [26] |
何梦真, 张乐涛, 魏仪媛, 等. 黄河中游不同地貌分区景观格局脆弱性及其驱动力[J]. 环境科学, 2024, 45(6): 3363-3374. He M Z, Zhang L T, Wei Y Y, et al. Landscape pattern vulnerability and its driving forces in different geomorphological divisions in the middle Yellow River[J]. Environmental Science, 2024, 45(6): 3363-3374. |
| [27] |
陈浩, 方海燕, 蔡强国, 等. 黄河中游的侵蚀环境与植被恢复前景[J]. 地理研究, 2007, 26(4): 735-744. Chen H, Fang H Y, Cai Q G, et al. The impact of environmental variables on sediment yield and vegetation recovering prospect in the middle Yellow River[J]. Geographical Research, 2007, 26(4): 735-744. |
| [28] |
安敏, 韦雅倩, 何伟军, 等. 气候变化和人类活动对长江经济带生态敏感性的影响分析[J]. 环境科学, 2024, 45(10): 5833-5843. An M, Wei Y Q, He W J, et al. Impact of climate change and human activities on the ecological sensitivity of the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(10): 5833-5843. |
| [29] | Liu C X, Zhang X D, Wang T, et al. Detection of vegetation coverage changes in the Yellow River Basin from 2003 to 2020[J]. Ecological Indicators, 2022, 138. DOI:10.1016/j.ecolind.2022.108818 |
| [30] |
章文波, 谢云, 刘宝元. 利用日雨量计算降雨侵蚀力的方法研究[J]. 地理科学, 2002, 22(6): 705-711. Zhang W B, Xie Y, Liu B Y. Rainfall erosivity estimation using daily rainfall amounts[J]. Scientia Geographica Sinica, 2002, 22(6): 705-711. |
| [31] |
胡梦甜, 张慧, 高吉喜, 等. 基于RWEQ模型修正的土地沙化敏感性评价[J]. 水土保持研究, 2021, 28(1): 368-372. Hu M T, Zhang H, Gao J X, et al. RWEQ-based assessment on sensitivity of land desertification[J]. Research of Soil and Water Conservation, 2021, 28(1): 368-372. |
| [32] |
李振亚, 魏伟, 周亮, 等. 中国陆地生态敏感性时空演变特征[J]. 地理学报, 2022, 77(1): 150-163. Li Z Y, Wei W, Zhou L, et al. Spatio-temporal evolution characteristics of terrestrial ecological sensitivity in China[J]. Acta Geographica Sinica, 2022, 77(1): 150-163. |
| [33] |
魏雨涵. 甘南藏族自治州生态保护红线划定研究[D]. 兰州: 西北师范大学, 2023. Wei Y H. Study on ecological protection red line demarcation in Gannan Tibetan Autonomous Prefecture[D]. Lanzhou: Northwest Normal University, 2023. |
| [34] |
姜旭海, 韩玲, 白宗璠, 等. 内蒙古自治区沙漠化敏感性时空演变格局和趋势分析[J]. 生态学报, 2023, 43(1): 364-378. Jiang X H, Han L, Bai Z F, et al. Analysis of the temporal and spatial evolution pattern and trend of desertification sensitivity in the Inner Mongolia Autonomous Region[J]. Acta Ecologica Sinica, 2023, 43(1): 364-378. |
| [35] |
雷金睿, 陈宗铸, 吴庭天, 等. 海南岛东北部土地利用与生态系统服务价值空间自相关格局分析[J]. 生态学报, 2019, 39(7): 2366-2377. Lei J R, Chen Z Z, Wu T T, et al. Spatial autocorrelation pattern analysis of land use and the value of ecosystem services in northeast Hainan island[J]. Acta Ecologica Sinica, 2019, 39(7): 2366-2377. |
| [36] |
姚小薇, 曾杰, 李旺君. 武汉城市圈城镇化与土地生态系统服务价值空间相关特征[J]. 农业工程学报, 2015, 31(9): 249-256. Yao X W, Zeng J, Li W J. Spatial correlation characteristics of urbanization and land ecosystem service value in Wuhan urban agglomeration[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(9): 249-256. |
| [37] |
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. |
| [38] |
师合林. 陕北地区土地沙化、水土流失的主控因素[J]. 西北大学学报(自然科学版), 2005, 35(1): 100-104. Shi H L. The main control factors of desertification, soil and water loss in north of Shaanxi Province[J]. Journal of Northwest University (Natural Science Edition), 2005, 35(1): 100-104. |
| [39] |
张耀文, 张勃, 姚荣鹏, 等. 2000—2020年渭河流域植被覆盖度及产水量时空变化[J]. 中国沙漠, 2022, 42(2): 223-233. Zhang Y W, Zhang B, Yao R P, et al. Temporal and spatial changes of vegetation coverage and water production in the Weihe River Basin from 2000 to 2020[J]. Journal of Desert Research, 2022, 42(2): 223-233. |
| [40] |
王凡, 吴一平, 李汇文, 等. 陕北煤炭基地榆神矿区生态系统弹性力时空演变分析[J]. 生态学报, 2021, 41(20): 8016-8029. Wang F, Wu Y P, Li H W, et al. Spatiotemporal change analysis of ecosystem resilience in Yushen mining area of northern Shaanxi coal base[J]. Acta Ecologica Sinica, 2021, 41(20): 8016-8029. |
| [41] |
王建, 赵牡丹, 樊艺, 等. 黄土高原人类活动与生物多样性的演变及关联性[J]. 水土保持研究, 2022, 29(6): 154-160. Wang J, Zhao M D, Fan Y, et al. Evolution and correlation of human activities and biodiversity in the Loess Plateau[J]. Research of Soil and Water Conservation, 2022, 29(6): 154-160. |
| [42] |
李帆, 贾夏, 赵永华, 等. 基于DPSIR模型的黄土高原生态敏感性演变格局及驱动力分析[J]. 农业工程学报, 2023, 39(9): 241-251. Li F, Jia X, Zhao Y H, et al. Evolutionary pattern and driving forces of ecological sensitivity in the Loess Plateau using DPSIR model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(9): 241-251. |
| [43] |
牛丽楠, 邵全琴, 宁佳, 等. 黄土高原生态恢复程度及恢复潜力评估[J]. 自然资源学报, 2023, 38(3): 779-794. Niu L N, Shao Q Q, Ning J, et al. Evaluation on the degree and potential of ecological restoration in Loess Plateau[J]. Journal of Natural Resources, 2023, 38(3): 779-794. |
| [44] |
田智慧, 任祖光, 魏海涛. 2000~2020年黄河流域植被时空演化驱动机制[J]. 环境科学, 2022, 43(2): 743-751. Tian Z H, Ren Z G, Wei H T. Driving mechanism of the spatiotemporal evolution of vegetation in the Yellow River Basin from 2000 to 2020[J]. Environmental Science, 2022, 43(2): 743-751. |
| [45] |
迟文峰, 王月甜, 党晓宏, 等. 黄河流域土壤侵蚀时空演变与格局特征[J]. 中国沙漠, 2023, 43(3): 305-317. Chi W F, Wang Y T, Dang X H, et al. Temporal variation and spatial pattern of soil erosion in the Yellow River Basin[J]. Journal of Desert Research, 2023, 43(3): 305-317. |
| [46] | Zhang X, Han L, Li L Z, et al. Analysis of desertification and the driving factors over the Loess Plateau[J]. Geocarto International, 2023, 38. DOI:10.1080/10106049.2023.2290175 |
| [47] |
尹传鑫. 基于MODIS的黄河流域生态环境质量演变及驱动力分析[D]. 郑州: 郑州大学, 2022. Yin C X. Evolution and driving force analysis of ecological environment quality based on MODIS data in the Yellow River Basin[D]. Zhengzhou: Zhengzhou University, 2022. |
| [48] |
边蕊, 赵安周, 刘宪锋, 等. 关中平原城市群土地利用变化对碳储量的影响[J]. 环境科学, 2024, 45(6): 3260-3269. Bian R, Zhao A Z, Liu X F, et al. Impact of land use change on carbon storage in urban agglomerations in the Guanzhong Plain[J]. Environmental Science, 2024, 45(6): 3260-3269. |
| [49] |
罗逸臻, 黄远程, 王涛. 关中平原城市群生态环境质量时空变化特征及其驱动力[J]. 地球科学与环境学报, 2023, 45(6): 1316-1329. Luo Y Z, Huang Y C, Wang T. Spatial-temporal variation characteristics of ecological environment quality and their driving forces in Guanzhong Plain urban agglomeration, China[J]. Journal of Earth Sciences and Environment, 2023, 45(6): 1316-1329. |
| [50] |
郭富印, 刘晓煌, 张文博, 等. 2000—2040年黄河流域(河南段)生境质量时空格局演变及驱动力分析[J]. 现代地质, 2024, 38(3): 599-611. Guo F Y, Liu X H, Zhang W B, et al. Evolution of the spatial and temporal patterns of habitat quality and analysis of the driving forces in Yellow River Basin (Henan section) from 2000 to 2040[J]. Geoscience, 2024, 38(3): 599-611. |
| [51] |
王琳, 李娜, 文广超, 等. 黄河流域河南段植被覆盖度变化及其驱动力[J]. 水土保持通报, 2022, 42(6): 393-399. Wang L, Li N, Wen G C, et al. Vegetation coverage changes and driving forces in He'nan section of Yellow River basin[J]. Bulletin of Soil and Water Conservation, 2022, 42(6): 393-399. |
| [52] |
张良侠, 樊江文, 张海燕, 等. 黄土高原地区生态脆弱性时空变化及其驱动因子分析[J]. 环境科学, 2022, 43(9): 4902-4910. Zhang L X, Fan J W, Zhang H Y, et al. Spatial-temporal variations and their driving forces of the ecological vulnerability in the Loess Plateau[J]. Environmental Science, 2022, 43(9): 4902-4910. |
| [53] |
陈静. 神东矿区生物多样性的保护与恢复[J]. 煤炭工程, 2023, 55(S1): 182-187. Chen J. Conservation and restoration of biodiversity in Shendong mining area[J]. Coal Engineering, 2023, 55(S1): 182-187. |
| [54] |
武帅, 田冰, 顾世杰, 等. 基于PSRM模型的京津冀地区生态脆弱性时空演变[J]. 环境科学, 2023, 44(10): 5630-5640. Wu S, Tian B, Gu S J, et al. Spatial-temporal evolution of ecological vulnerability in Beijing-Tianjin-Hebei region based on PSRM model[J]. Environmental Science, 2023, 44(10): 5630-5640. |