2024, Vol. 45
黄河流域作为我国重要的生态屏障和经济地带, 对我国的生态安全和经济发展具有重要的作用[1]. 黄河流域生态环境丰富多样却也脆弱[2], 尤其是流经黄土高原的黄河中游地区, 承载着巨大的生态环境压力. 特有的地质构造和集中性的降雨导致该区频繁发生极端灾害[3], 加剧了水土流失问题, 严重威胁着下游的生态安全. 此外, 随着人口的不断增长, 城镇化的快速发展, 黄河中游土地利用转变明显[4], 大量土地被开发为农田、城市和工业用地. 该区景观的完整性和连通性遭到破坏[5], 生物多样性面临挑战, 生态系统内部自我修复和更新能力减弱, 生态环境存在退化的风险, 景观格局脆弱性有加剧的趋势[6]. 因此, 探索黄河中游景观格局脆弱性及其驱动因素对推动生态景观的恢复具有重要意义.
景观格局脆弱性是指景观格局在受到外界扰动时所表现出来的敏感性以及（景观格局在受到外界扰动时）由于缺乏适应能力而使景观系统的结构、功能和特性容易发生改变的一种属性[7]. 在以往的研究中[8, 9], 一般用景观脆弱度指数表征景观脆弱性程度, 其在一定程度上能反映生态环境的稳定性[10]. 目前, 相关研究主要聚焦于景观格局脆弱性评估方法的构建和不同生态系统景观格局脆弱性的时空演变及其评价等方面[7, 11~14]. 在黄河中游景观格局脆弱性的研究中, 主要利用景观格局指数法[15]、构建生态风险评价体系[16]和构建生态安全评价体系[17]等方法评价该区的生态环境质量, 如张金茜等[18]采用景观格局指数分析了甘肃白龙江流域景观破碎化程度, 并探讨了人类干扰和地形因子对景观格局破碎化的影响. 刘迪等[19]通过构建综合生态风险评价体系, 评估了黄土丘陵沟壑区陕西省米脂县的生态风险状况, 探究了地形起伏度对生态风险的影响. 杨雪荻等[20]分析了甘肃省生态安全的时空演变特征, 并讨论了人为因素对生态安全的影响. 此外, 关于黄河中游景观格局脆弱性驱动力的研究主要集中在盆地地区[21, 22], 如任志远等[21]分析了土地利用变化对银川盆地景观格局脆弱性的影响. 张云霞等[22]主要分析了农业因素和气象因素对半干旱区湖盆景观格局脆弱性的影响. 已有研究剖析了黄河中游不同地区生态环境的变化情况, 并揭示了生态环境变化的影响因素, 为识别流域的生态问题、推动流域绿色发展等提供了定性参考. 然而, 以往研究主要是以单一省份和单一地貌为研究对象, 尚未揭示复杂地貌区景观格局脆弱性的差异及其驱动因素, 尤其关于黄河中游景观格局脆弱性的综合研究及其多尺度成因分析不足.
基于此, 本文根据黄河中游的实际情况, 利用景观脆弱度指数, 结合ArcGIS 10.2、Fragstats 4.2和最优参数地理探测器, 对黄河中游1990~2018年景观格局及其脆弱性的时空变化特征进行研究, 并探讨自然和人为因素对不同自然地貌分区景观格局脆弱性的影响, 以期为提升生态环境分区治理水平、促进区域景观格局优化和提高流域生态环境质量提供理论参考.
1 材料与方法 1.1 研究区概况黄河中游是指从内蒙古托克托县河口镇到河南桃花峪花园口的区域（图 1）, 地跨内蒙古、陕西、山西和河南[23], 包含20个地级市, 干流长1 206.4 km, 区间流域面积为34.4 × 104 km2, 是黄河流域泥沙的主要来源区. 区域内河流众多, 主要有渭河、窟野河、北洛河、延河和无定河等30个支流[24], 流域内地貌复杂多样, 包括黄土丘陵沟壑区、黄土高塬沟壑区、河谷平原区、土石山区和沙地沙漠区5类地貌区, 气候类型是大陆性季风气候, 年均气温-1~15℃, 地区降水空间差异性大, 年降水量300~1 000 mm.
|
图 1 研究区位置示意 Fig. 1 Location of study area |
本研究采用1990年、2000年、2005年、2010年和2018年这5期土地利用数据, 土地利用数据来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn/）, 空间分辨率为30 m, 由于数据量过大, 为方便处理, 将其重采样为100 m, 并将景观类型重分类为耕地、林地、草地、水域、建设用地和未利用地这6大类. 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；年降水量和年均气温数据来源于国家地球系统科学数据中心（http://www.geodata.cn/）, 空间分辨率为1 km；土壤类型数据集来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/zh-hans/）, 空间分辨率为1 km；NDVI数据来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn/）, 空间分辨率为1 km；道路和水系数据来源于OSM（https://www.openstreetmap.org/）；社会经济数据来源于各省市的统计年鉴（1990~2018年）. 根据景观生态学研究中, 景观样本的一般采样原则, 结合研究区的实际情况, 本研究采用10 km × 10 km的幅度对研究区进行空间网格化采样[25~27], 共采集评价单元3 710个, 并运用ArcGIS 10.2对研究区各时期的景观格局脆弱度进行普通克里格插值, 生成景观格局脆弱性分布.
景观格局脆弱性的变化是自然因素和人为因素共同作用的结果. 黄河中游地区地貌复杂, 土壤类型丰富, 在近年来气候变化和退耕还林还草、“三北”防护林和天然林保护等植被恢复工程的影响下, 植被覆盖度得到了改善[28]. 该区城市密集、人口众多且经济发展水平较低, 正处于城镇化高速发展阶段[29], 人们对土地的需求不断增加, 导致部分耕地转变为建设用地, 从而使景观斑块破碎化. 因此, 本文选取了自然因素（年降水、年均温、DEM、NDVI、土壤类型）和人为因素（土地利用程度[30]、人均GDP、人口密度、城市化率、距道路的距离和距水系的距离）作为探讨研究区景观格局脆弱性时空特征变化的驱动因素.
1.3 研究方法 1.3.1 土地利用转移矩阵土地利用转移矩阵全面而又具体地刻画区域土地利用变化的结构特征, 反映出人类活动所引导的土地利用变化方向[31].
|
(1) |
式中, Sij为研究期初与研究期末的土地利用状态, n为土地利用的类型数.
1.3.2 景观脆弱度指数构建景观脆弱度指数可以定量描述研究区的景观格局脆弱度状况[7], 其值越大, 脆弱程度越高. 本文用景观敏感度指数和景观适应度指数构建景观脆弱度指数, 计算公式如下：
|
(2) |
|
(3) |
|
(4) |
|
(5) |
式中, LVI为景观脆弱度指数；LSI为景观敏感度指数；LAI为景观适应度指数, 由斑块丰富密度指数（PRD）、香农多样性指数（SHDI）和香农均匀性指数（SHEI）构成；Ui为第i类景观的干扰度指数, 由第i类景观的破碎度指数（FNi）、分维数倒数（FDi）及优势度指数（DOi）叠加构成, Ui中的a、b、c系数为各景观指数的权重, a + b + c = 1[7], 借鉴前人的相关研究[32], 并结合研究区的实际情况, 将其分别设定为0.5、0.3和0.2；Vi为第i类景观的易损度, 景观易损度表示不同景观类型对外界干扰的抵抗度, 其值越高, 抵抗度越低, 参考相关文献[21], 并结合研究区的实际情况, 对不同景观类型赋予权重, 耕地为4, 林地为3, 草地为5, 水域为2, 建设用地为1, 未利用地为6.
1.3.3 最优参数地理探测器地理探测器是基于空间异质性, 探测因变量和自变量相关性的空间分析模型[33]. 传统地理探测器中的空间数据离散化和空间尺度选择是基于经验的主观判断[34]. 而OPGD（optimal parameters-based geographical detector）模型作为地理探测器的改进版本, 能够选择最佳的空间数据离散化方法、空间层数和空间尺度参数, 提高空间分层异质性分析的整体能力[35]. 因此, 本文选用OPGD模型进行景观格局脆弱性的驱动力分析. 在运用OPGD模型进行空间数据的参数优化时, 选取自然断点法、相等间隔法、几何间隔法、分位数法和标准差间距法对10个连续变量进行离散化处理, 将离散化间隔数定为5~10类, OPGD模型根据因子检测器计算的q值自动为每个连续变量选择最佳离散方法和间隔数, 离散结果如表 1所示. 为了选取最佳空间分析尺度, 将研究区划分为10 km × 10 km, 8 km × 8 km, 5 km × 5 km和3 km × 3 km这4种尺度的单元网格, 并通过分析不同尺度下的q值, 发现q值在5 km的空间单位上, 达到最大. 因此, 筛选出最优分析尺度为5 km × 5 km. 以11个因子的均值为自变量, 景观格局脆弱度的均值为因变量, 在提取样本点的基础上, 运用最优参数地理探测器模型进行分析. 因子探测器用以量化单因子对景观格局脆弱性的相对重要性, 交互探测器用以识别不同因子之间对景观格局脆弱性的交互作用, 风险探测器则用以定量分析景观格局脆弱性影响因子的高脆弱度范围或类型.
|
表 1 最优空间数据离散化方法 Table 1 Optimal spatial data discretization methods |
2 结果与分析 2.1 景观类型变化特征 2.1.1 景观类型面积变化
由图 2和表 2可知, 1990~2018年, 耕地是黄河中游主要的景观类型, 面积占比为36.96%~39.97%, 其面积整体呈下降趋势, 减少了10 185.00 km2, 其中在2005~2010年耕地减幅最大, 达3.62%. 草地是第二大景观类型, 面积占比为34.49%~35.29%, 总体上面积呈现增加趋势, 增加了2 482.00 km2, 其中在2005~2010年草地增幅最大, 达2.0%. 林地是第三优势景观类型, 面积占比为19.40%~20.07%, 整体呈现增加趋势, 其面积在2000~2005年增幅最大, 达2.63%, 表明退耕还林还草和天然林保护工程取得积极成效. 此外, 建设用地是研究期间唯一持续增长的用地类型, 增加了7 678.46 km2, 其面积在2005~2010年增幅最大, 达34.65%.
|
图 2 1990~2018年黄河中游景观类型变化 Fig. 2 Changes in landscape types in the middle Yellow River from 1990 to 2018 |
|
|
表 2 1990~2018年黄河中游景观类型面积及占比情况 Table 2 Area and proportion of landscape types in the middle Yellow River from 1990 to 2018 |
2.1.2 景观要素转移桑基图
利用Origin绘制了1990~2018年土地利用类型转移桑基图. 由图 3可知, 1990~2000年, 各用地类型之间的变化相对较小. 耕地的主要转入来源是草地和水域, 其中草地转入最多, 为1 014.7 km2. 林地和未利用地主要向草地转移, 转移面积分别为606.7 km2和1 416.2 km2. 2000~2005年, 各用地类型之间发生了较大转化. 耕地主要转化为草地, 转化面积为23 677.2 km2, 占耕地转出面积的71.75%. 此外, 耕地转换为林地的面积也明显增加. 2005~2010年, 其他用地转化为建设用地的面积增多, 其中耕地转入最多（4 254.9 km2）. 然而, 建设用地转出的面积却在减少, 表明这期间城镇化进程加快. 2010~2018年, 各用地类型之间的面积转化略微减缓, 然而, 耕地、林地和草地的面积仍处于流失状态. 值得注意的是, 除耕地转换成建设用地的面积在减少外, 其他用地转换成建设用地的面积却在增加.
|
数值表示各用地类型之间的转移面积, 单位为km2 图 3 1990~2018年黄河中游景观类型转移桑基图 Fig. 3 Sankey diagram of landscape type transfer in the middle Yellow River from 1990 to 2018 |
为凸显研究区景观格局脆弱度的空间差异, 参考自然间断点法的分级范围, 对研究区脆弱度进行等级划分, 共分为5级. 即：低脆弱区（脆弱度指数 < 3.11）、较低脆弱区（3.11~4.67）、中度脆弱区（4.67~5.62）、较高脆弱区（5.62~6.58）和高脆弱区（脆弱度指数 > 6.58）.
由表 3可知, 研究区景观格局脆弱度等级以较低和中度为主, 占总面积的70%~80%；较高和高脆弱区等级次之, 低脆弱区面积占比较少, 仅占4%左右. 黄河中游地区景观格局脆弱程度呈先下降后上升的变化趋势. 2010年, 较低脆弱区面积开始减少, 占比由39.41%下降到了33.94%. 中度脆弱区呈持续下降趋势, 2010年面积减少最明显, 比2005年下降了7.30%. 较高和高脆弱区在1990~2000年呈下降趋势, 在2005~2018年呈上升趋势. 2018年, 较高和高脆弱区占总面积的24.53%.
|
|
表 3 1990~2018年黄河中游景观格局脆弱性分区占比/% Table 3 Proportion of landscape pattern vulnerability zoning in the middle Yellow River from 1990 to 2018/% |
由图 4可知, 黄河中游的景观格局脆弱性空间分布格局表现出明显的地貌差异性. 低脆弱区大多分布在河谷平原区和土石山区, 该区生态环境稳定, 自我修复能力强, 可合理利用当地资源, 实现经济与环境的协调发展；较低脆弱区主要分布在黄土丘陵、黄土高塬沟壑区和河谷平原区的交汇区域, 该区生态环境的敏感度较低, 自我调节能力较强, 可进行适当的人类活动. 中度脆弱区在各地貌区中皆有分布, 但分布比较零散, 中度脆弱区生态稳定性较弱, 虽具有一定的适应能力, 但景观结构易遭到破坏, 需减少大规模的人类活动；较高和高脆弱区主要集中在黄土丘陵沟壑区的西北部, 适应能力和抗干扰力弱, 在外界干扰下, 环境易恶化, 需加强生态环境的整治与修复.
|
图 4 1990~2018年黄河中游景观格局脆弱性分区 Fig. 4 Division of landscape pattern vulnerability in the middle Yellow River from 1990 to 2018 |
利用ArcGIS 10.2进行栅格相减, 获取1990~2000年、2000~2005年、2005~2010年、2010~2018年和1990~2018年的景观格局脆弱性时空演变图, 将差值运算结果小于0的区域定义为“脆弱度减少”区, 将结果大于0的区域定义为“脆弱度增加”区, 结果等于0的区域定义为“脆弱度不变”区.
由图 5可知, 1990~2000年和2000~2005年, 景观格局脆弱性等级变化以“脆弱度减少”为主, 分布集中连片, 而“脆弱度增加”区分布较分散, 这期间各用地类型之间面积转换较少, 导致斑块的连通性高, 从而使黄河中游的生态环境趋于改善. 2005~2010年, “脆弱度增加”区的范围扩大, 2010~2018年, “脆弱度减少”区零星分布, 而“脆弱度增加”区已扩散至整个黄河中游地区, 生态环境敏感性增强, 这与该时期耕林草之间大面积的转换有关, 其破坏了斑块的完整性, 导致斑块破碎化严重. 1990~2018年, 景观格局脆弱性等级变化以“脆弱度增加”为主, 黄河中游的生态系统稳定性下降.
|
图 5 1990~2018年黄河中游景观格局脆弱性时空演变 Fig. 5 Spatio-temporal evolution of landscape pattern vulnerability in the middle Yellow River from 1990 to 2018 |
由图 6可知, 1990~2018年, 黄土高塬沟壑区“脆弱度减少”区占比呈持续减少趋势, 其中1990~2000年和2000~2005年占比较高, 面积占比分别为78%和73%, 而在2005年剧烈下降后占比较少, 仅占14%~27%；1990~2018年, 黄土丘陵沟壑区“脆弱度减少”区呈平稳下降趋势；1990~2018年, 河谷平原区“脆弱度减少”区呈持续下降趋势, 占比最高达79%, 最低达44%；1990~2005年, 土石山区的“脆弱度减少”区呈上升趋势, 2005~2018年呈下降趋势；1990~2018年, 沙地沙漠区“脆弱度减少”部分呈先下降后上升的趋势, 2000~2015年“脆弱度减少”区仅占3%, 2010~2018年, “脆弱度减少”区占比高于“脆弱度增加”区, 占比达60%.
|
图 6 1990~2018年各自然地貌景观格局不同脆弱度分区的面积占比 Fig. 6 Area proportion of different vulnerability partitions of natural landscape pattern from 1990 to 2018 |
利用因子探测器计算影响因子对景观格局脆弱性的贡献度. 由表 4可知, 黄河中游地区, 年降水、NDVI、人均GDP和土地利用程度是影响景观格局脆弱性的主要因子. 各自然地貌分区中, 黄土高塬沟壑区, 景观脆弱性的主要影响因子贡献大小排序为：人口密度 > 土地利用程度 > NDVI > 人均GDP. 黄土丘陵沟壑区, 年降水和NDVI是影响景观格局脆弱性的主要因素, 自然因素在该区域占绝对的主导地位. 河谷平原区, 土地利用程度、人口密度、年降水和城市化率是影响景观格局脆弱性的主要因子. 土石山区, DEM是影响景观格局脆弱性的主导因素, 其次是土地利用程度、土壤类型和年降水, 这表明自然因素对景观格局脆弱性的解释力度大于人为因素. 沙地沙漠区, 距道路的距离和城市化率对景观格局脆弱性的影响较大.
|
|
表 4 黄河中游不同自然地貌区影响因子q值统计1） Table 4 Statistics of q-values for influencing factors in different natural geomorphological areas of the middle Yellow River |
交互探测结果显示, 黄河中游及不同地貌区任意两个影响因子的交互结果均为双因子增强或非线性增强. 本文对黄河中游及不同地貌区的影响因子进行交互分析, 将解释力排名前3位的交互作用类型进行统计分析, 如表 5所示. 黄河中游地区, 年降水为强影响因子, DEM为弱影响因子, 交互后对景观格局脆弱性所产生的影响明显增大. 强影响因子人均GDP和弱影响因子人口密度交互之后对流域景观格局脆弱性的解释力最大, 表明强影响因子在交互作用中的辐射力较强. 各自然地貌分区中, 黄土高塬沟壑区, 强影响因子人口密度（0.576）与弱影响因子距道路的距离（0.027）交互后, 影响力增强, q值为0.672；黄土丘陵沟壑区, 强影响因子年降水与其他影响因子交互后, 影响力有所增强. 河谷平原区, 解释力占前3名的因子组合排序为：土地利用程度∩年降水 > 土地利用程度∩距道路的距离 > 土地利用程度∩城市化率. 土石山区, DEM是影响力最强的因子, 距道路的距离是影响力最弱的因子, 两者交互后影响力最强, q为0.658. 沙地沙漠区, 距道路的距离与DEM、年降水、距水系的距离交互后, 解释力排名前3, q值分别为0.759、0.751和0.688.
|
|
表 5 黄河中游不同自然地貌区影响因子交互探测 Table 5 Interactive detection of influencing factors in different natural geomorphological areas of the middle Yellow River |
运用风险探测器模块, 对影响景观格局脆弱度的主要驱动因子进行分析, 以识别其高脆弱度范围. 由表 6可知, 黄河中游地区, 年降水量为0~372 mm、NDVI为0.311~0.396、人均GDP为89 600~125 000元和土地利用程度为182~200的区域是景观格局高脆弱区. 通过比较不同等级NDVI和人均GDP的景观格局脆弱度均值发现, 景观格局脆弱度随着NDVI的增加而降低, 而随着人均GDP的增加而上升. 各自然地貌分区中, 黄土高塬沟壑区, 土地利用程度为263~278、人口密度为251~301人·km-2、人均GDP为2 340~7 670元和NDVI为0.359~0.539的区域, 景观格局脆弱度的均值最高. 同时, 景观格局脆弱度均值随着土地利用程度和人口密度的增加而上升. 黄土丘陵沟壑区, 景观格局高脆弱区分布在年降水量为308~367 mm、NDVI为0.198~0.38、人均GDP为77 100~125 000元和城市化率为43%~52.6%的区域. 景观格局脆弱度均值随着年降水和NDVI的增加而减小, 随着人均GDP的增加而增加. 河谷平原区, 高脆弱区分布在土地利用程度为268~283、人口密度为332~393人·km-2、年降水量为681~726 mm和城市化率为55%~99.7%范围内. 土石山区, DEM为492~704 m、土地利用程度为268~289、年降水量为385~577 mm和土壤类型为黄棕壤的区域, 景观格局脆弱度均值最高. 其中土地利用程度和年降水存在临界值, 景观格局脆弱度随着土地利用程度和年降水的增加呈上升趋势, 达到临界范围后, 景观格局脆弱度随着土地利用程度和年降水的增加而下降. 沙地沙漠区, 距道路的距离为10 000~42 500 m、城市化率为81.1%~81.4%、人口密度为38.8~165人·km-2和年均温为6.84~7.26 ℃的区域是景观格局高脆弱区.
|
|
表 6 黄河中游不同自然地貌区影响因子高脆弱度范围及其均值 Table 6 High vulnerability range and mean value of impact factors in different natural geomorphological areas of the middle Yellow River |
3 讨论
黄河中游地貌类型复杂, 不同地貌分区景观格局脆弱性的影响因素存在差异. 本文从不同自然地貌分区入手探讨景观格局脆弱性的主要驱动因素. 黄河中游, 景观格局脆弱度随着植被覆盖度的增加而呈减小趋势, 主要原因是植被覆盖度的增加, 增强了土壤的稳固性, 进而减少了水蚀和风蚀的发生[36]. 景观格局脆弱度的高值区分布在年降水的低值区, 表明高降雨量有利于保持土壤的湿润度, 促进植物的生长, 提高景观抵抗外界干扰能力. 人均GDP的高值区是高脆弱区, 主要是城镇化和工业化的发展, 人类的消费加大了对环境的索取[37], 导致景观的抗干扰能力减弱, 恢复能力降低. 土地利用程度的低值区是高脆弱区, 土壤贫瘠、水资源匮乏、植被稀疏和气候干旱等地理环境因素的限制使得以上区域不适合进行大规模的农业和城市建设等经济活动[38], 导致土地利用程度低, 景观格局脆弱度高. 各自然地貌分区中, 黄土高塬沟壑区景观格局脆弱度均值高的区域主要分布在人口密度、土地利用程度高和人均GDP低的地区. 黄土高塬沟壑区自然条件差, 人口密集区为了满足自身发展, 可能会过度开发土地资源, 如石油和煤炭资源的过度开采、建设用地的扩张[39], 导致塬面破碎严重[40], 使原有的植被生境被分割, 破坏了植被的连通性, 减弱了景观的自我调节机制, 脆弱程度上升明显. 黄土丘陵沟壑区年降水和植被覆盖度低、人均GDP和城市化率高的区域景观格局脆弱程度高, 且植被覆盖度和年降水的因子组合对景观格局脆弱度的解释力最强, 降水量少会限制植被的生长, 植被覆盖度低, 拦截雨后径流的能力较弱, 易导致水土流失；人均GDP和城市化率高的区域往往需要消耗大量的自然资源, 可能造成一系列的环境问题, 加剧了该区的脆弱程度, 生态恢复的难度增大. 河谷平原区地形平坦、土壤肥沃[41]且降水丰沛, 斑块规则且耕地景观优势度高, 土地利用程度高, 生态环境良好, 自我修复能力强, 景观格局脆弱程度低. 然而, 经过2008年的经济危机, 政府为恢复经济, 大力投资基础设施建设和房地产[42], 建设用地占用了部分的耕地和草地, 导致区域斑块分散化, 破坏了生态环境, 导致部分地区脆弱程度升高. 在土石山区, DEM是影响景观格局脆弱性的主要因素, 这是由于山区限制了人类活动的干扰, 景观类型变化较慢, 斑块连通性高, 景观格局脆弱程度较低. 然而, 黄棕壤质地疏松且含水性差, 易受到风蚀和水蚀[43], 因此部分区域的脆弱性较高；在沙地沙漠区, 距道路的距离近、人口密度和城市化率高的区域, 景观格局脆弱程度高, 这是由于人口的集中, 土地利用方式发生改变, 道路和城市的建设导致地表覆盖剥离, 破坏原有的景观格局, 对生态系统造成干扰. 此外, 气温低的地区, 沙漠化难以恢复, 生态环境脆弱.
相关研究表明, 黄河中游的生态环境虽得到了一定程度的改善[44, 45], 但由于人类活动对生态环境的过度干扰, 黄河中游的生态问题依旧严峻[46, 47], 景观格局脆弱性的增加凸显了黄河中游生态环境的稳定性较差和自我恢复能力较弱的现状, 因此, 需进一步推动黄河中游景观格局的调整与优化. 在未来的生态环境重建过程中宜针对不同自然地貌景观格局脆弱程度的主导驱动因子实施不同的生态治理措施. 对于黄土高塬沟壑区, 要限制不合理的人类活动, 加强塬面修复, 提高耕林草斑块之间的连通性, 降低景观的破碎化程度, 持续推进退耕还林还草工程的实施, 辅助生态系统提高自我修复能力. 对于黄土丘陵沟壑区, 加强对水资源的高效利用, 未来植被建设应以自然恢复草地为主, 选择低耗水的灌木林种, 减少水土流失, 同时要合理规划土地利用, 确保人类活动与自然环境的平衡. 对于河谷平原区, 促进建设用地的有序利用, 发展节水农业, 实施全面水土保持耕作措施, 实现经济与环境的协调发展. 对于土石山区, 选择对土壤扰动小的农作物和节水效果好、固土力强的植被物种, 增加生物多样性, 维持植物用水与土壤水分之间的平衡, 达到最好的水土保持效益. 对于沙地沙漠区, 选择种植耐风沙、耐干旱的灌木, 避免在脆弱区域进行不合理的人类活动, 合理规划土地利用, 在自然条件允许的情况下, 推进生态环境的修复和维持.
景观脆弱度指数是由景观敏感度指数和景观适应度指数构成的, 由于景观敏感度指数中干扰度指数和易损度指数的权重赋值具有一定的主观性, 使该方法存在主观赋值所带来的结果不确定性等问题. 其中干扰度权重反映了不同景观指数对不同景观要素所表征的生态环境的影响程度, 是干扰度指数赋值的重要依据[32]. 然而, 不同生态环境下的景观要素具有其独特性, 因此, 针对参与组合的各项指标, 其权重赋值的差别化处理问题应进一步研究. 在易损度指数的研究中, 将景观类型与土地利用易损度联系起来, 根据研究区的实际情况, 对景观类型赋以权重, 以反映各景观类型的易损程度[7]. 然而, 对于各景观类型的赋值需要综合考虑人为因素和自然因素的影响. 因此, 如何客观地对易损度指数赋值仍需进一步探讨.
4 结论（1）黄河中游的景观类型以耕地和草地为主, 耕地面积整体处于持续减少的状态, 草地面积处于波动上升的状态, 建设用地面积一直处于增长的态势. 各用地类型之间转换频繁, 耕地草地相互转移面积最多, 除耕地外, 其他用地类型向建设用地转移面积都在增多.
（2）黄河中游景观脆弱度等级以较低和中度为主, 低脆弱度的面积占比较少且较为稳定, 较高和高脆弱度的面积整体呈上升趋势. 从不同自然地貌来看, 低脆弱区大多分布在河谷平原区和土石山区, 较低脆弱区主要分布在黄土丘陵、黄土高塬沟壑区和河谷平原区的交汇区域, 中度脆弱区在各地貌区中皆有分布, 且分布较为零散, 较高和高脆弱区主要分布在黄土丘陵沟壑区的西北部. 1990~2018年, “脆弱度减少”区处于下降趋势, 逐渐呈零散状分布, “脆弱度增加”区处于上升趋势, 逐渐呈片状分布.
（3）不同自然地貌分区景观格局脆弱性的主导因素存在差异. NDVI和年降水是黄河中游地区和黄土丘陵沟壑区的主导因子, 土地利用程度和人口密度是黄土高塬沟壑区和河谷平原区的主导因子, DEM和土地利用程度是土石山区的主要驱动因子, 距道路的距离和城市化率是沙地沙漠区的主导因子. 影响因子间的交互作用均能增强对景观格局脆弱性的解释力, 其中, 强影响因子与其他因子的交互作用对景观格局脆弱性的影响最为突出. 此外, 不同自然地貌分区主要驱动因子的高脆弱度范围存在差异.
| [1] |
马军旗, 乐章. 黄河流域生态补偿的水环境治理效应——基于双重差分方法的检验[J]. 资源科学, 2021, 43(11): 2277-2288. Ma J Q, Yue Z. Effects of ecological compensation on water environment governance in the Yellow River Basin: a test based on difference-in-difference method[J]. Resources Science, 2021, 43(11): 2277-2288. |
| [2] |
汪芳, 安黎哲, 党安荣, 等. 黄河流域人地耦合与可持续人居环境[J]. 地理研究, 2020, 39(8): 1707-1724. Wang F, An L Z, Dang A R, et al. Human-land coupling and sustainable human settlements in the Yellow River Basin[J]. Geographical Research, 2020, 39(8): 1707-1724. |
| [3] |
任娟, 赵雪雁, 徐省超, 等. 黄河中游地区生态系统服务的时空演变及权衡与协同关系研究[J]. 地球环境学报, 2022, 13(4): 477-490. Ren J, Zhao X Y, Xu X C, et al. Spatial-temporal evolution, tradeoffs and synergies of ecosystem services in the middle Yellow River[J]. Journal of Earth Environment, 2022, 13(4): 477-490. |
| [4] |
李艳忠, 刘昌明, 刘小莽, 等. 植被恢复工程对黄河中游土地利用/覆被变化的影响[J]. 自然资源学报, 2016, 31(12): 2005-2020. Li Y Z, Liu C M, Liu X M, et al. Impact of the grain for green project on the land use/cover change in the middle Yellow River[J]. Journal of Natural Resources, 2016, 31(12): 2005-2020. DOI:10.11849/zrzyxb.20160073 |
| [5] |
韩磊, 火红, 刘钊, 等. 基于地形梯度的黄河流域中段植被覆盖时空分异特征——以延安市为例[J]. 应用生态学报, 2021, 32(5): 1581-1592. Han L, Huo H, Liu Z, et al. Spatial and temporal variations of vegetation coverage in the middle section of Yellow River Basin based on terrain gradient: taking Yan'an city as an example[J]. Chinese Journal of Applied Ecology, 2021, 32(5): 1581-1592. |
| [6] |
徐维祥, 徐志雄, 刘程军. 黄河流域地级城市土地集约利用效率与生态福利绩效的耦合性分析[J]. 自然资源学报, 2021, 36(1): 114-130. Xu W X, Xu Z X, Liu C J. Coupling analysis of land intensive use efficiency and ecological well-being performance of cities in the Yellow River Basin[J]. Journal of Natural Resources, 2021, 36(1): 114-130. |
| [7] |
孙才志, 闫晓露, 钟敬秋. 下辽河平原景观格局脆弱性及空间关联格局[J]. 生态学报, 2014, 34(2): 247-257. Sun C Z, Yan X L, Zhong J Q. Evaluation of the landscape patterns vulnerability and analysis of spatial correlation patterns in the lower reaches of Liaohe River Plain[J]. Acta Ecologica Sinica, 2014, 34(2): 247-257. |
| [8] |
黄木易, 仲勇, 冯少茹, 等. 1970s以来巢湖流域水环境保护区景观生态脆弱性时空特征及驱动解析[J]. 湖泊科学, 2020, 32(4): 977-988. Huang M Y, Zhong Y, Feng S R, et al. Spatial-temporal characteristic and driving analysis of landscape ecological vulnerability in water environment protection area of Chaohu Basin since 1970s[J]. Journal of Lake Sciences, 2020, 32(4): 977-988. |
| [9] |
梁佳欣, 李新举. 南四湖湿地景观格局脆弱度的时空分异特征[J]. 应用生态学报, 2018, 29(2): 626-634. Liang J X, Li X J. Characteristics of temporal-spatial differentiation in landscape pattern vulnerability in Nansihu Lake wetland, China[J]. Chinese Journal of Applied Ecology, 2018, 29(2): 626-634. |
| [10] | Toro J, Duarte O, Requena I, et al. Determining vulnerability importance in environmental impact assessment: the case of Colombia[J]. Environmental Impact Assessment Review, 2012, 32(1): 107-117. DOI:10.1016/j.eiar.2011.06.005 |
| [11] |
郭少壮, 白红英, 孟清, 等. 1980—2015年秦岭地区景观格局变化及其对人为干扰的响应[J]. 应用生态学报, 2018, 29(12): 4080-4088. Guo S Z, Bai H Y, Meng Q, et al. Landscape pattern change and its response to anthropogenic disturbance in the Qinling Mountains during 1980 to 2015[J]. Chinese Journal of Applied Ecology, 2018, 29(12): 4080-4088. |
| [12] |
陆清平, 赵翠薇, 王杰, 等. 贵州喀斯特山区近30a景观格局脆弱性时空演化研究[J]. 长江流域资源与环境, 2022, 31(3): 634-646. Lu Q P, Zhao C W, Wang J, et al. Research on the temporal and spatial evolution of landscape pattern vulnerability in Guizhou Karst mountains in the past 30 years[J]. Resources and Environment in the Yangtze Basin, 2022, 31(3): 634-646. |
| [13] |
钱大文, 颜长珍, 修丽娜. 青藏高原木里矿区及其周边土地覆被变化及景观格局脆弱性响应[J]. 冰川冻土, 2020, 42(4): 1334-1343. Qian D W, Yan C Z, Xiu L N. Land cover change and landscape pattern vulnerability response in Muli mining and its surrounding areas in the Qinghai-Tibet Plateau[J]. Journal of Glaciology and Geocryology, 2020, 42(4): 1334-1343. |
| [14] | Pavlickova K, Vyskupova M. A method proposal for cumulative environmental impact assessment based on the landscape vulnerability evaluation[J]. Environmental Impact Assessment Review, 2015, 50: 74-84. |
| [15] |
梁加乐, 陈万旭, 李江风, 等. 黄河流域景观破碎化时空特征及其成因探测[J]. 生态学报, 2022, 42(5): 1993-2009. Liang J L, Chen W X, Li J F, et al. Spatiotemporal patterns of landscape fragmentation and causes in the Yellow River Basin[J]. Acta Ecologica Sinica, 2022, 42(5): 1993-2009. |
| [16] |
吴莉, 侯西勇, 邸向红. 山东省沿海区域景观生态风险评价[J]. 生态学杂志, 2014, 33(1): 214-220. Wu L, Hou X Y, Di X H. Assessment of regional ecological risk in coastal zone of Shandong Province[J]. Chinese Journal of Ecology, 2014, 33(1): 214-220. |
| [17] |
刘海龙, 谢亚林, 贾文毓, 等. 山西省生态安全综合评价及时空演化[J]. 经济地理, 2018, 38(5): 161-169. Liu H L, Xie Y L, Jia W Y, et al. Ecological security assessment and spatial-temporal evolution of Shanxi Province[J]. Economic Geography, 2018, 38(5): 161-169. |
| [18] |
张金茜, 巩杰, 柳冬青. 地理探测器方法下甘肃白龙江流域景观破碎化与驱动因子分析[J]. 地理科学, 2018, 38(8): 1370-1378. Zhang J X, Gong J, Liu D Q. Dynamics and driving factors of landscape fragmentation based on geo detector in the Bailongjiang Watershed of Gansu Province[J]. Scientia Geographica Sinica, 2018, 38(8): 1370-1378. |
| [19] |
刘迪, 陈海, 梁小英, 等. 黄土丘陵沟壑区生态风险动态变化及其地形梯度分析——以陕西省米脂县为例[J]. 生态学报, 2018, 38(23): 8584-8592. Liu D, Chen H, Liang X Y, et al. The dynamic changes to ecological risk in the loess hilly-gully region and its terrain gradient analysis: a case study of Mizhi County, Shaanxi Province, China[J]. Acta Ecologica Sinica, 2018, 38(23): 8584-8592. |
| [20] |
杨雪荻, 白永平, 车磊, 等. 甘肃省生态安全时空演变特征及影响因素解析[J]. 生态学报, 2020, 40(14): 4785-4793. Yang X D, Bai Y P, Che L, et al. Spatio-temporal evolution and influencing factors of ecological security pattern in Gansu Province[J]. Acta Ecologica Sinica, 2020, 40(14): 4785-4793. |
| [21] |
任志远, 张晗. 银川盆地土地利用变化对景观格局脆弱性的影响[J]. 应用生态学报, 2016, 27(1): 243-249. Ren Z Y, Zhang H. Effects of land use change on landscape pattern vulnerability in Yinchuan Basin, Northwest China[J]. Chinese Journal of Applied Ecology, 2016, 27(1): 243-249. |
| [22] |
张云霞, 张金茜, 巩杰. 半干旱区湖盆景观格局脆弱性及其影响因素——以凉城县为例[J]. 干旱区研究, 2022, 39(4): 1259-1269. Zhang Y X, Zhang J X, Gong J. Landscape pattern vulnerability and its influencing factors on a semi-arid lake basin: a case study of Liangcheng County[J]. Arid Zone Research, 2022, 39(4): 1259-1269. |
| [23] |
李晨瑞, 李发源, 马锦, 等. 黄河中游流域地貌形态特征研究[J]. 地理与地理信息科学, 2017, 33(4): 107-112. Li C R, Li F Y, Ma J, et al. The study of watershed topography characteristics in the middle reaches of the Yellow River[J]. Geography and Geo-Information Science, 2017, 33(4): 107-112. |
| [24] |
高海东, 吴曌. 黄河头道拐—潼关区间植被恢复及其对水沙过程影响[J]. 地理学报, 2021, 76(5): 1206-1217. Gao H D, Wu Z. Vegetation restoration and its effect on runoff and sediment processes in the Toudaoguai-Tongguan section of the Yellow River[J]. Acta Geographica Sinica, 2021, 76(5): 1206-1217. |
| [25] |
刘希朝, 李效顺, 蒋冬梅. 基于土地利用变化的黄河流域景观格局及生态风险评估[J]. 农业工程学报, 2021, 37(4): 265-274. Liu X Z, Li X S, Jiang D M. Landscape pattern identification and ecological risk assessment using land-use change in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(4): 265-274. |
| [26] |
苏海民, 何爱霞. 基于RS和地统计学的福州市土地利用分析[J]. 自然资源学报, 2010, 25(1): 91-99. Su H M, He A X. Analysis of land use based on RS and geostatistics in Fuzhou City[J]. Journal of Natural Resources, 2010, 25(1): 91-99. |
| [27] |
陈全通, 殷浩然, 李艳红, 等. 秦巴山地景观生态风险的时空分异[J]. 水土保持通报, 2022, 42(3): 239-246. Chen Q T, Yin H R, Li Y H, et al. Spatial and temporal differentiation of landscape ecological risk in Qinling-Daba Mountains[J]. Bulletin of Soil and Water Conservation, 2022, 42(3): 239-246. |
| [28] |
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. |
| [29] |
赵领娣, 袁田, 赵志博. 城镇化对绿色发展绩效的门槛效应研究——以大西北、黄河中游两大经济区城市为例[J]. 干旱区资源与环境, 2019, 33(9): 10-16. Zhao L D, Yuan T, Zhao Z B. Threshold effect between urbanization and green development performance[J]. Journal of Arid Land Resources and Environment, 2019, 33(9): 10-16. |
| [30] |
刘纪远, 张增祥, 庄大方, 等. 20世纪90年代中国土地利用变化时空特征及其成因分析[J]. 地理研究, 2003, 22(1): 1-12. Liu J Y, Zhang Z X, Zhuang D F, et al. A study on the spatial-temporal dynamic changes of land-use and driving forces analyses of China in the 1990s[J]. Geographical Research, 2003, 22(1): 1-12. |
| [31] |
朱会义, 李秀彬. 关于区域土地利用变化指数模型方法的讨论[J]. 地理学报, 2003, 58(5): 643-650. Zhu H Y, Li X B. Discussion on the index method of regional land use change[J]. Acta Geographica Sinica, 2003, 58(5): 643-650. |
| [32] |
韩振华, 李建东, 殷红, 等. 基于景观格局的辽河三角洲湿地生态安全分析[J]. 生态环境学报, 2010, 19(3): 701-705. Han Z H, Li J D, Yin H, et al. Analysis of ecological security of wetland in Liaohe River delta based on the landscape pattern[J]. Ecology and Environmental Sciences, 2010, 19(3): 701-705. |
| [33] |
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. |
| [34] |
张若婧, 陈跃红, 张晓祥, 等. 基于参数最优地理探测器的江西省山洪灾害时空格局与驱动力研究[J]. 地理与地理信息科学, 2021, 37(4): 72-80. Zhang R J, Chen Y H, Zhang X X, et al. Spatial-temporal pattern and driving factors of flash flood disasters in Jiangxi Province analyzed by optimal parameters-based geographical detector[J]. Geography and Geo-Information Science, 2021, 37(4): 72-80. |
| [35] | Jiang R, Wu P, Song Y Z, et al. Factors influencing the adoption of renewable energy in the U.S. residential sector: An optimal parameters-based geographical detector approach[J]. Renewable Energy, 2022, 201: 450-461. |
| [36] | Zhou Z C, Shangguan Z P, Zhao D. Modeling vegetation coverage and soil erosion in the Loess Plateau Area of China[J]. Ecological Modelling, 2006, 198(1-2): 263-268. |
| [37] |
陈俊梁, 史欢欢, 林影, 等. 城镇化对经济增长影响的路径分析——基于长三角城市群的研究[J]. 经济问题, 2022(4): 49-57. Chen J L, Shi H H, Lin Y, et al. Path analysis of the impact of urbanization on economy growth: based on the study of Yangtze River Delta Urban Agglomeration[J]. On Economic Problems, 2022(4): 49-57. |
| [38] |
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. |
| [39] |
孙从建, 张文强, 李新功, 等. 基于遥感影像的黄土高原沟壑区生态效应评价[J]. 农业工程学报, 2019, 35(12): 165-172. Sun C J, Zhang W Q, Li X G, et al. Evaluation of ecological effect of gully region of loess plateau based on remote sensing image[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(12): 165-172. |
| [40] |
惠波, 惠露, 张瀚洋, 等. 对黄土高塬沟壑区固沟保塬综合治理工作的回顾和思考[J]. 中国水土保持, 2021(1): 21-24. Hui B, Hui L, Zhang H Y, et al. Review and thinking on comprehensive management of gully stabilization and tableland protection in the Gullied Loess Plateaus[J]. Soil and Water Conservation in China, 2021(1): 21-24. |
| [41] |
马晓蓉, 查小春. 陕南秦巴山区乡村聚落空间分布特征及影响因素——以陕西省汉中市为例[J]. 水土保持研究, 2021, 28(1): 307-314. Ma X R, Zha X C. Spatial distribution characteristics and influencing factors of rural settlements in Qinba Mountain area of southern Shaanxi Province－a case study of Hanzhong City, Shaanxi Province[J]. Research of Soil and Water Conservation, 2021, 28(1): 307-314. |
| [42] |
谭俊涛, 赵宏波, 刘文新, 等. 中国区域经济韧性特征与影响因素分析[J]. 地理科学, 2020, 40(2): 173-181. Tan J T, Zhao H B, Liu W X, et al. Regional economic resilience and influential mechanism during economic crises in China[J]. Scientia Geographica Sinica, 2020, 40(2): 173-181. |
| [43] |
龙蓉华, 孙虎, 徐崟尧. 黔西南石漠化生态脆弱区水土流失敏感性评价[J]. 生态科学, 2021, 40(6): 133-139. Long R H, Sun H, Xu Y Y. Assessment of sensitivity of soil and water loss in rocky desertification ecologically vulnerable area, Southwest Guizhou[J]. Ecological Science, 2021, 40(6): 133-139. |
| [44] |
张金良, 曹智伟, 金鑫, 等. 黄河流域发展质量综合评估研究[J]. 水利学报, 2021, 52(8): 917-926. Zhang J L, Cao Z W, Jin X, et al. Research on comprehensive evaluation of the development quality of the Yellow River Basin[J]. Journal of Hydraulic Engineering, 2021, 52(8): 917-926. |
| [45] |
贺振, 贺俊平. 基于SPOT-VGT的黄河流域植被覆盖时空演变[J]. 生态环境学报, 2012, 21(10): 1655-1659. He Z, He J P. Spatio-temporal variation of vegetation cover based on SPOT-VGT in Yellow River Basin[J]. Ecology and Environmental Sciences, 2012, 21(10): 1655-1659. |
| [46] |
茹少峰, 马茹慧. 黄河流域生态环境脆弱性评价、空间分析及预测[J]. 自然资源学报, 2022, 37(7): 1722-1734. Ru S F, Ma R H. Evaluation, spatial analysis and prediction of ecological environment vulnerability of Yellow River Basin[J]. Journal of Natural Resources, 2022, 37(7): 1722-1734. |
| [47] |
崔盼盼, 赵媛, 夏四友, 等. 黄河流域生态环境与高质量发展测度及时空耦合特征[J]. 经济地理, 2020, 40(5): 49-57, 80. Cui P P, Zhao Y, Xia S Y, et al. Level measures and temporal and spatial coupling analysis of ecological environment and high quality development in the Yellow River Basin[J]. Economic Geography, 2020, 40(5): 49-57, 80. |