EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 7: 1722 - 1734

DOI: https://doi.org/10.31497/zrzyxb.20220705

其他研究论文

黄河流域生态环境脆弱性评价、空间分析及预测

  • 茹少峰 , 1, 2 ,
  • 马茹慧 2
展开
  • 1.西北大学中国西部经济发展研究院,西安 710127
  • 2.西北大学经济管理学院,西安 710127

茹少峰（1962- ）,男,陕西泾阳人,博士,教授,博士生导师,主要从事经济高质量发展研究。E-mail:

收稿日期: 2021-03-29

  修回日期: 2021-07-13

  网络出版日期: 2022-09-28

基金资助

国家社会科学基金重大项目(21ZDA066)

收起

Evaluation, spatial analysis and prediction of ecological environment vulnerability of Yellow River Basin

  • RU Shao-feng , 1, 2 ,
  • MA Ru-hui 2
Expand
  • 1. Western China Economic Development Research Center, Northwest University, Xi'an 710127, China
  • 2. School of Economic and Management, Northwest University, Xi'an 710127, China

Received date: 2021-03-29

  Revised date: 2021-07-13

  Online published: 2022-09-28

Fold

摘要

生态环境脆弱性是制约经济可持续、高质量发展的重要因素。以2005—2018年黄河流域73个城市为研究对象,构建了黄河流域生态环境脆弱性的评价指标体系,采用主成分分析计算了黄河流域生态环境脆弱指数,并依据自然断点法将评价结果分为极度脆弱、重度脆弱、中度脆弱、轻度脆弱、微度脆弱五类。进一步通过空间相关分析揭示了黄河流域生态环境脆弱性的时空演变特征,并利用CA-Markov模型对黄河流域2025年生态环境脆弱性进行了预测。结果表明：（1）黄河上、中、下游生态环境脆弱性分别表现“低—中—高”的分布特征,且生态环境脆弱性变化趋势存在区别：上游虽差异较大但波动相似,中游波动方向相反,下游在2016年之后整体呈下降趋势。（2）黄河流域生态环境脆弱性存在空间相关性,上游呈现低—低聚集,下游呈现高—高聚集,中游空间相关性不显著。（3）预测2025年黄河流域中游地区重度脆弱有所扩张,下游地区极度脆弱向中心区域明显收缩。黄河流域生态环境的治理与保护并非一朝一夕之事,也并非某一流域单独能够完成的,黄河上、中、下游要根据不同的自然条件制定与之相适宜、符合整体发展需要的治理与保护措施。

关键词： 黄河流域; 生态环境脆弱性; 主成分分析; 空间相关性; CA-Markov

本文引用格式

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 . DOI: 10.31497/zrzyxb.20220705

Abstract

The vulnerability of ecological environment is an important factor restricting the sustainable and high-quality development of economy. Taking 73 cities in the Yellow River Basin as the research objects, we constructed an evaluation index system of the ecological environment vulnerability of the basin from 2005 to 2018. Principal component analysis was used to calculate the ecological environment vulnerability index. According to the natural break point method, the cities were divided into five categories: extreme vulnerability, severe vulnerability, moderate vulnerability, light vulnerability and slight vulnerability. In addition, through spatial correlation analysis, the spatio-temporal evolution characteristics of the ecological environment vulnerability of the study area are revealed. The ecological environmental vulnerability in 2025 is predicted by CA-Markov model. The results showed that: (1) The vulnerability of ecological environment in the upper, middle and lower reaches of the Yellow River shows the distribution characteristics of "low, medium and high", respectively. And there are differences in the variation trend of the ecological environment vulnerability: although there are large differences in the upper reaches, the fluctuations are similar, the fluctuation direction is opposite in the middle reaches, and a downward trend occurred after 2016 in the lower reaches. (2) The vulnerability of ecological environment is spatially correlated. The upper reaches show low-low aggregation, the lower reaches show high-high aggregation, and the spatial correlation in the middle reaches is not significant. (3) It is predicted that the severe vulnerability in the middle reaches will expand in 2025, while the extreme vulnerability in the lower reaches will contract to the central region. The management and protection of the ecological environment in the Yellow River Basin is not a matter of one day, nor can it be completed by one basin alone. The upper, middle and lower reaches should formulate appropriate management and protection measures according to different natural conditions to meet the needs of the overall development.

Key words： Yellow River Basin; ecological environment vulnerability; principal component analysis; spatial correlation analysis; CA-Markov

生态环境脆弱会对经济高质量发展产生抑制作用。1952年伦敦烟雾事件就是经济发展与生态环境失衡的体现;历史上楼兰古国的灭亡也是由于生态环境日益恶劣所导致的;陕西省榆林市三次南迁也是毛乌素沙漠的扩张导致生态环境恶化的结果。黄河流域自然本底条件恶劣,改革开放40多年以来,黄河流域采用粗放型经济发展模式,即城市人口大幅度增加、土地面积不断扩大。这种粗放型的规模扩张模式致使生态环境问题不断加剧,大气污染、水污染、森林赤字、水土流失、荒漠化、物种加速灭绝等生态问题频发,已严重影响到黄河流域人类健康和经济发展[1]。与此同时,黄河流域经济发展速度缓慢,“十三五”期间,黄河流域GDP占全国的25.07%,2019年底,流域总人口却占全国的30.13%。正因为如此,2019年9月18日,习近平总书记在郑州主持召开黄河流域生态保护和高质量发展座谈会时强调“黄河流域是我国重要的生态屏障和重要的经济地带,在我国经济社会发展和生态安全方面具有十分重要的地位,但黄河流域依然面临生态环境脆弱,水资源保障形势严峻,发展质量有待提高等问题”[2]。作为中华文明的发源地和中华民族的摇篮,黄河生态环境事关中华民族伟大复兴和中国人民安居乐业,由此可见,保护黄河流域生态环境是当前首要任务。因此,本文将重新研判黄河流域生态环境脆弱性的时空演变特征与“十四五”期间的发展趋势。
生态环境脆弱性是生态环境在受到外界干扰时所具有的抵抗力、恢复力和再生力,其形成原因不仅与地理位置、气候条件等自然因素相关,更与产业结构、经济发展方式等人为因素相关。众多学者对黄河流域生态环境脆弱性开展了研究,王世东等[3]从暴露度、敏感性、适应力三个方面建立了14个指标评价了焦作市北山2000年、2008年和2017年的生态脆弱性状况,得到了焦作市北山生态脆弱性由中度、高度和极度脆弱向轻度和中度脆弱转变的结论。张行等[4]通过构建景观格局脆弱指数和景观功能脆弱指数测度了2000年和2015年陕西省景观生态脆弱性,结果表明脆弱性整体呈降低趋势,社会经济要素对脆弱性影响有提升趋势;姚昆等[5]从地形、气候、土地、社会经济四个方面选取了12个指标运用主成分分析法研究了2000—2015年川西北高原区生态环境脆弱性状况,认为该地区生态环境整体上明显好转;贾晶晶等[6]从生态敏感性、生态恢复力和生态压力度三个方面共选取14个指标运用主成分分析法研究了石羊河流域2005—2015年的生态脆弱性,结果表明石羊河流域整体处于重度脆弱水平且从上游到下游有明显加重的趋势。王昭等[7]从生态敏感性、恢复力、压力度三个方面选取共16个指标,用主成分分析法研究了陕西省山阳县2015年的生态环境脆弱性,得到了山阳县生态脆弱性整体处于中等偏高水平的研究结论。史广等[8]选取了6个自然指标、4个社会指标、2个经济发展指标,用层次分析法研究了山西各市生态环境脆弱性,研究结果表明山西省整体上呈中度脆弱,太原市生态环境脆弱性最强。Hou等[9]利用GIS和层次分析法研究了1997—2011年延安市黄土高原区的生态环境脆弱性,认为延安市生态环境越来越稳定,且北部4个县生态脆弱度高于南部4个县。Tang等[10]采用遗传投影寻踪和生态脆弱性指数模型,对大同市2000—2017年生态脆弱性进行了定量评价,发现生态环境脆弱性整体呈现下降趋势。
目前,生态环境脆弱性的研究方法主要采用主成分分析法[5⇓⇓-8,11⇓⇓-14]、层次分析法[8,15⇓⇓-18]等,选取指标主要有高程、坡度、归一化植被指数、年均温、年均降水量、岩性、土壤类型、人口密度、公路网密度、植被覆盖率等。从研究区域来看,主要集中在市[3,9,10]、省[4,11,19]、城市群[13,16]、流域[6,12,20,21]。但目前针对黄河流域生态环境脆弱性的研究仍然存在两点不足之处,一是对于生态环境脆弱性的时空演变特征以及空间相关性分析研究较少,二是忽略了生态环境脆弱性未来发展趋势的模拟预测。因此,本文突出研究生态环境脆弱性的时空演变以及未来预测,对于“十四五”期间改善黄河流域生态环境、提高人民群众生活水平、促进全流域高质量发展有重要意义。

1 研究方法与数据来源

1.1 研究区概况

黄河发源于青海巴颜喀拉山脉,流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9省（市、自治区）,位于96°~119°E、32°~42°N之间。黄河流域幅员辽阔,东西长约1900 km,南北宽约1100 km,总面积达到79.5万km2[22]。本文以中国科学院资源环境科学数据中心中黄河流域为基础图,截取中国地市行政边界图,共截取出74个市（州,盟,四川省甘孜藏族自治州由于数据缺失,故以其余73个城市为研究样本）,利用中国一级河流空间分布数据集选取出隶属于黄河的河流,绘制出研究区域图（图1）。
图1 研究区域

Fig. 1 Study area

1.2 研究方法

1.2.1 评价指标选取

众多学者对生态环境脆弱性的成因展开了研究,张行等[4]、姚昆等[5]、王夏晖等[23]、赵跃龙等[24]均认为生态环境脆弱的影响因素主要为自然因素和人为因素。自然因素指生态环境所具有的本底因素,包括气候、地质地貌、地域水文、生物群体等,是构成生态环境的物质基础。人为因素主要指城市在进行扩张时对自然界所施加的外部压力。基于黄河流域生态环境脆弱性的内涵和成因,本文选取6个自然因素指标以及7个人为因素指标,构建出黄河流域生态环境脆弱性的评价指标体系（表1）。其中,年平均气温是衡量生态环境脆弱性的负向指标,因为气温越高越有利于植被的生长,生态多样性越大,生态系统越稳定。年降水侵蚀力是正向指标,衡量降雨侵蚀土壤的潜在能力,据2018年 10月23日水利部发布的《生产建设项目土壤流失量测算导则》中基于年降雨资料的降雨侵蚀力计算得到,如式（1）,其中Rn为年降雨侵蚀力因子 [MJ·mm/(hm2·h)],Pn为年降雨量（mm）。
R = n 0.053 P n 1.655
高程是正向指标,通常来说,地震、崩塌、滑坡等自然灾害发生时,高程越大的地区所遭受的破坏通常也越大,该数据由全国DEM 250 m数据分市计算平均值得到。
表1 生态环境脆弱性评价指标体系

Table 1 Evaluation index system of the ecological environment vulnerability

方面指数 具体指标 单位 指标属性 数据来源
自然因素 年平均气温 ℃ 负 各省市统计年鉴
年降水侵蚀力 — 正 根据气象站年降水数据计算得到
平均高程 m 正 中国科学院资源环境科学数据中心
土壤类型 — 正 中国土壤数据库
植被指数 — 负 中国科学院资源环境科学数据中心
水体与湿地面积占比 % 负 中国科学院资源环境科学数据中心
人为因素 人均GDP 元 正 各省市统计年鉴
人口密度 人/km2 正 各省市统计年鉴
公路网密度 km/km2 正 各省市统计年鉴
城镇化率 % 正 各省市统计年鉴
第二产业GDP所占比例 % 正 各省市统计年鉴
建成区绿化覆盖率 % 负 各省市统计年鉴
土地利用程度 % 正 中国科学院资源环境科学数据中心
土壤类型反映了土壤种类,不同土壤类型具有不同的水土保持力度,会对生态脆弱产生不同程度的影响,本文根据林金煌等[13]的分类方法将黄河流域的土壤类型分为 17类,并赋予不同的数值,将土壤类型转化为正向指标,具体分类及赋值见表2。
表2 土壤类型赋值表

Table 2 Assignment table of soil type and land use type

赋值 0.2 0.4 0.6 0.8 1
土壤类型 潮土、栗钙 土、水稻土 岩性土、草甸土、沼泽土、石灰土、盐碱土、栗褐土 褐土、黑土 漠土、粗骨土、棕壤、石质土 紫色土、新积土
植被指数是负向指标,反映了地表植被覆盖状况、植物生物量、叶面积指数以及植被覆盖度[25],该数据由中国年度植被指数空间分布数据集分市计算平均数得到。水体与湿地面积占比为负向指标,湿地生态系统提供了物质生产、涵养水源、土壤保持及生物栖息地等重要的服务与功能,对维持区域生态安全具有重要作用[26],该数据由中国陆地生态系统宏观结构数据分市统计得到。人均GDP、人口密度、公路网密度、城镇化率、第二产业GDP所占比例作为衡量生态环境脆弱性的正向指标,这些指标在一定程度上可反映人类对生态环境的开发与利用程度以及在自然演变过程中所施加的外部压力。若这些指标数据越大,说明该地区人口压力越大、资源开发程度越大、同时也会产生越多的噪声污染和废气污染,对城市土体原有的自然结构和水循环路径产生越多的破坏。建成区绿化覆盖率是负向指标,因为绿化覆盖率越高,城市环境质量越高,生物多样性越丰富,生态系统越稳定。土地利用程度反应了人们开发与利用土地的程度,反映了人类活动对土地利用产生的压力以及对生态环境的干扰[27]。将黄河流域土地类型分为六类,根据式（2）[28]计算出土地利用程度指数L。
L = ∑ i = 1 6 η i P i
式中： η i为区域第 i种土地利用类型面积占比（%）; P i为第 i种土地利用程度参数,如表3所示,该数据来源于中国土地利用现状遥感监测1 km栅格数据。
表3 不同土地利用程度参数

Table 3 Land use degree for different land use classes

土地利用程度参数 0.063 0.114 0.12 0.215 0.545 0.936
土地利用类型 未利用土地 林地 水域 草地 耕地 城乡、工矿、居民用地

1.2.2 评价方法

（1）数据标准化
由于原始数据中各个变量的单位、数值大小以及指标类型不同,本文对数据进行极差标准化,对于正向指标的处理为： x ' i = x i - x i m i n x i m a x - x i m i n;对于负向指标的处理为： x ' i = x i m a x - x i x i m a x - x i m i n,其中 x i m a x、 x i m i n分别为第 i个指标的最大值、最小值。
（2）生态环境脆弱性评价方法
主成分分析法可以通过正交变换将多个相关性较大的变量转换为少量相关性较小的变量,从而实现数据的降维,最大限度地保留原来较多变量所反映的信息[29]。基于数据的可获得性,本文利用主成分分析法分别计算了黄河流域2005—2018年73个市（州、盟）的生态环境脆弱性指数。计算公式为：
E V I = α 1 F 1 + α 2 F 2 + ⋯ + α n F N
式中：EVI为生态环境脆弱性指数; α i为第 i个主成分的贡献率; F i为第 i个主成分。
（3）生态环境脆弱性分类
采用ArcGIS 10.2中自然断点法进行分类,将2005—2018年EVI共分为微度脆弱、轻度脆弱、中度脆弱、重度脆弱、极度脆弱5个等级,分别以不同年份相同等级上下限的平均值作为最终该等级的分类标准品[30]。

1.2.3 空间相关性分析方法

为研究黄河流域生态环境脆弱性在空间上是否聚集以及空间聚集方式,本文测算了2005—2018年黄河流域生态环境脆弱性的全局莫兰指数和局部莫兰指数。莫兰指数可以分析某一变量在不同尺度上的集聚程度大小[25],全局莫兰指数可用于衡量黄河流域生态环境脆弱性在空间上是否有聚集关系,局部莫兰指数可用于衡量黄河流域生态环境脆弱性的空间聚集方式。
全局莫兰指数的计算公式[31]如下：
I g = ∑ i = 1 n ∑ j = 1 n w i j ( x i - x - ) ( x j - x - ) ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n ( x i - x - ) 2
局部莫兰指数的计算公式[32]如下：
I l = ( x i - x - ) s 2 ∑ j = 1 n w i j ( x j - x - )
式中：xi、xj为第 i个、第 j个空间区域脆弱值; x -为所有区域属性值的脆弱平均值; w i j为区域之间空间权重矩阵; s为空间权重矩阵各元素之和; n为区域个数（个）。将局部莫兰指数进行空间聚类可得到空间关联局部指标聚类图（LISA图）,共分为高—高聚集（H-H）、高—低聚集（H-L）、低—高聚集（L-H）、低—低聚集（L-L）以及不显著5种聚集方式。

1.2.4 预测方法

利用元胞自动机马尔科夫模型（CA-Markov）对“十四五”期间黄河流域生态环境脆弱性进行模拟预测。元胞自动机（Cellular Automata）由时间、空间、状态离散的元胞组成,通过某一转换规则,从而模拟时空演化过程[33],若 S i j t为第ij个元胞在t时刻的状态,fq为元胞转换函数,则第ij个元胞在t+1时刻的状态 S i j t + 1为：
S i j t + 1 = f q ( S i j t )
马尔科夫（Markov）模型的原理是利用初始状态与中间状态之间的转移概率预测 t时刻的变化趋势[34]。若一个系统的变化过程满足马尔可夫性,S t为其在t时刻的状态,P为概率转移矩阵,那么其在t+1时刻的状态S t+1可被定义为：
S t + 1 = S t × P P = p 11 ⋯ p 1 n ⋮ ⋯ ⋮ p n 1 ⋯ p n n
CA-Markov模型是元胞自动机与马尔科夫模型的结合,进行预测时共分为三个步骤：（1）通过两期黄河流域生态环境脆弱性数据叠置分析,得到生态环境脆弱性转移概率矩阵和分布条件概率图像。（2）构建CA滤波器,根据中心元胞和周围相邻元胞创建权重因子,从而确定中心元胞状态的变化规则。（3）选取预测基期,根据步骤（1）中概率转移矩阵进行生态环境脆弱性的预测。CA-Markov模型可以同时发挥CA模型模拟空间系统变化的能力和Markov模型长期预测的优势,能够在数量和空间两个方面较好地进行生态环境脆弱性的时空模拟[35]。

2 结果分析

2.1 黄河流域生态环境脆弱性结果分析

对2005—2018年黄河流域生态环境脆弱性的评价指标进行了主成分分析,通过计算每一因子的贡献率以及所有因子的累计贡献率,最终选取累计贡献率达到88%的前6项指标作为主成分。主成分及其贡献率如表4所示。之后计算各评价指标在六个主成分上的得分Fi,最后计算出综合得分,即为生态环境脆弱指数EVI。2005—2018年黄河流域生态环境脆弱性结果如图2。
表4 主成分分析结果表

Table 4 Results of principal component analysis

年份 贡献率及累计贡献率 主成分
PCA1 PCA2 PCA3 PCA4 PCA5 PCA6
2005 特征值 6.162 2.503 1.235 0.804 0.58 0.467
贡献率/% 47.40 19.25 9.50 6.19 4.46 3.40
累计贡献率/% 47.40 66.65 76.15 82.34 86.80 90.40
2010 特征值 6.027 2.736 1.201 0.724 0.592 0.526
贡献率/% 46.36 21.05 9.24 5.57 4.56 4.05
累计贡献率/% 46.36 67.41 76.64 82.22 86.77 90.82
2015 特征值 5.783 2.768 1.195 0.800 0.626 0.526
贡献率/% 44.49 21.30 9.19 6.15 4.82 4.04
累计贡献率/% 44.49 65.78 74.98 81.13 85.94 89.99
2018 特征值 5.378 2.432 1.257 0.992 0.759 0.683
贡献率/% 41.37 18.71 9.67 7.63 5.84 5.25
累计贡献率/% 41.37 60.08 69.75 77.38 83.22 88.47
图2 2005—2018年黄河流域生态环境脆弱指数分布

Fig. 2 Distribution of ecological environmental vulnerability index of the Yellow River Basin from 2005 to 2018

2.2 黄河流域生态环境脆弱性的时空演变特征分析

2.2.1 时间演变分析

由于黄河流域地级市数量较多,若按城市分析时间演变趋势则难以直观看出不同省域及流域之间的区别与联系,故通过计算黄河流域9省（自治区）2010—2018年生态环境脆弱性指数的平均值以观测黄河流域省域生态环境脆弱性演变趋势（图3）。结果发现,黄河上、中、下游生态环境脆弱性存在不同的时间演变趋势。黄河上游地区：青海、四川、甘肃、宁夏、内蒙古生态环境脆弱性虽差异较大,但波动相似;自2014年开始上游5省（自治区）生态环境脆弱性有所降低,但在2018年均有所回升。黄河中游地区：陕西和山西生态环境脆弱性波动方向相反,陕西自2014年开始脆弱性有所上升,山西省自2012年之后脆弱性有所下降。黄河下游地区：河南和山东生态环境脆弱性虽有波动,但整体呈下降趋势,脆弱性均在2016年后有所恢复。
图3 黄河上、中、下游生态环境脆弱性时间演变趋势

Fig. 3 Temporal evolution trend of eco-environmental vulnerability in the upper, middle and lower reaches of the Yellow River

2.2.2 空间演变分析

利用自然断点法对2005—2018年间黄河流域生态环境脆弱性进行分类,分为微度脆弱（-2.7093<EVI< -1.6628）、轻度脆弱（-1.6629<EVI< -0.5729）、中度脆弱（-0.5730<EVI<0.2018）、重度脆弱（0.2019<EVI<0.9662）、极度脆弱（0.9663<EVI<2.1367）五类,分类结果如图4。
图4 黄河流域生态环境脆弱性空间分布

Fig. 4 Spatial distribution of ecological environment vulnerability in the Yellow River Basin

从空间分布特征上看,黄河上、中、下游生态环境有明显的地区异质性。黄河上游生态环境以微度脆弱和轻度脆弱为主,这两类脆弱性平均所占比例分别为36%和37%;其次是中度脆弱类型,占比为25%;重度脆弱类型占比仅为2%,没有极度脆弱地区。黄河中游生态环境大部分处于中度脆弱类型,平均占比高达64%;其次是重度和轻度脆弱类型,分别占25%和9%;极度脆弱占比最少,仅为2%;没有微度脆弱类型。黄河下游生态环境以极度脆弱类型为主,占比高达62%,重度脆弱占比38%,没有微度、轻度、中度脆弱类型。因此,综合来看,黄河上、中、下游生态环境脆弱性表现为“低—中—高”的分布特征。且生态环境脆弱性存在空间转移的情况,自2005年,生态脆弱性逐渐开始由下游地区向上游地区转移,从黄河南部向黄河北部逐渐蔓延。具体表现为,2015年中度脆弱所占面积达到最大,2018年榆林、包头均由中度脆弱恶化为重度脆弱。

2.3 黄河流域生态环境脆弱性的空间相关性分析

2.3.1 全局莫兰指数的计算

黄河流域2005年、2010年、2015年、2018年生态环境脆弱性指数的全局莫兰指数结果如表5所示,可看出历年莫兰指数均为正值,在0.68~0.86间波动,且P值小于0.01,表明结果在1%的水平上显著。说明生态环境脆弱性与地理位置之间有着较强的正相关关系,即随着空间分布位置的聚集,生态环境脆弱性越相似,随着空间分布位置的离散,生态环境脆弱性越存在差异。这也意味着黄河流生态环境脆弱性存在高—高聚集与低—低聚集的分布特征。
表5 全局莫兰指数

Table 5 Global Moran index

年份 全局莫兰指数 P值 Z统计量 方差
2005 0.7952 <0.0010 6.4266 0.0158
2010 0.8599 <0.0010 6.9349 0.0159
2015 0.8357 <0.0010 6.7510 0.0158
2018 0.6875 <0.0010 5.5830 0.0158

2.3.2 局部莫兰指数的计算与LISA聚类图

利用2005—2018年生态环境脆弱性指数计算局部莫兰指数,并对局部莫兰指数进行聚类,进一步分析生态环境脆弱性的空间聚集模式。图5为2005—2018年黄河流域生态环境脆弱性LISA聚类图,可看出从2005—2018年,聚集特征较稳定但存在空间异质性。上游地区的青海与甘肃部分城市呈现出低—低聚集模式,表明青海、甘肃城市生态环境脆弱性都较低,且周围城市生态环境脆弱性也较低,为低值聚集区。而下游的河南部分城市与山东各市生态环境脆弱性较高,且周围城市也处于高值,为高值聚集区,说明这两省生态环境脆弱程度较高。
图5 2005—2018年黄河流域生态环境脆弱性LISA聚类图

Fig. 5 LISA clustering of ecological environment vulnerability in Yellow River Basin from 2005 to 2018

2.4 黄河流域生态环境脆弱性的预测

本文以2005年和2010年数据为基础计算概率转移矩阵,设置迭代系数为10,过滤器为5×5,比例误差为0.1[30],利用IDIRISI中CROSSTAB模块进行2015年生态环境脆弱性的预测并进行Kappa系数的计算与精度检验。经计算,2015年黄河流域生态环境脆弱性真实值与模拟值的Kappa系数检验值为0.8504,且P值<0.001,表明该预测模型的准确度较高,结果可靠,适用于黄河流域2025年生态环境脆弱性的预测模拟。利用2015年和2018年数据进行2025年黄河流域生态环境脆弱性预测,结果见图6。从整体上看, 2025年中度脆弱在上游地区存在空间扩张趋势,重度脆弱在中、下游有向周边蔓延态势,下游生态环境有好转,极度脆弱所占面积明显减少。具体表现为：在上游地区,以西宁和兰州为中心,中度脆弱向周边地区扩张,轻度脆弱地区明显减少。重度脆弱从石嘴山、银川、乌海向阿拉善盟、鄂尔多斯、吴忠扩散;在中游地区,榆林、太原重度脆弱有向周边蔓延态势,中度脆弱面积明显减少;在下游地区,济源、焦作、濮阳、安阳生态环境有所好转,极度脆弱逐渐向中心区域缩小。
图6 2025年黄河流域生态环境脆弱性预测

Fig. 6 Forecast of ecological environment vulnerability in Yellow River Basin in 2025

3 结论与建议

3.1 结论

以黄河流域73个城市为研究对象,通过计算2005—2018年生态环境脆弱指数并预测2025年生态环境脆弱指数,主要得出以下结论：
（1）黄河流域生态环境脆弱性的时间演变趋势：黄河上、中、下游生态环境脆弱性分别表现为“低—中—高”的分布特征,且脆弱性变化趋势存在区别,上游生态环境脆弱性差异较大,但波动相似,自2014年开始,生态环境脆弱性有所降低,但在2018年有所回升;中游生态环境脆弱性波动方向相反,陕西有上升趋势,山西有下降趋势;下游生态环境脆弱性虽有波动,但整体呈下降趋势,在2016年之后有所好转。
（2）黄河流域生态环境脆弱性的空间分布特征：上游呈现低—低聚集,下游呈现高—高聚集,中游空间相关性不显著。
（3）CA-Markov模型可用于生态环境脆弱性的预测,且精确度较高,预测2025年中度脆弱在全流域范围明显减少,中游地区重度脆弱有所扩张,下游地区极度脆弱向中心区域收缩。

3.2 建议

黄河流域是我国重要的生态屏障,保护黄河事关中华民族伟大复兴和永续发展的千秋大计。黄河流域的治理与保护并非一朝一夕之事,也并非某一流域单独能完成的,而是全流域长久的、协同的治理过程。黄河流域上、中、下游生态环境脆弱程度存在不同的时间演变趋势以及空间分布特征,因此各地区要根据不同的自然条件制定与之相适宜的、符合整体发展需要的黄河治理与保护措施。既要防止人类过度干扰导致生态环境脆弱性进一步恶化,也要加强生态保护提高生态环境抵抗力,让黄河成为造福人民的幸福河。
保护黄河流域的重点在于保护黄河源头水质。黄河上游地区生态环境脆弱性相对较低,以微度脆弱和轻度脆弱为主,其脆弱性主要由海拔高、降雨少、沙漠面积比例大等自然本地特征导致,且随着人类经济活动规模不断扩大,对于生态环境的冲击也越来越强烈,导致上游地区中度脆弱面积有所扩张。因此,未来上游地区生态保护工作,要减少过多的人类活动,特别是大规模、高强度的工业发展,注重生态环境的自然修复力。要贯彻“绿水青山就是金山银山”的理念,只有保护好黄河源头生态环境,才能把源源不断的清水送到中下游地区。黄河中游治理的根本要以防止生态环境恶化与实现可持续发展为目标。近年来,随着退耕还林和水土保持综合治理的成效逐渐显著,黄河中游植被覆盖率明显增加,中游输沙量明显减少,据统计,潼关水文站2019年实测输沙量比上年减少了55%。但随着黄河中游城市群的不断发展,社会经济及人类活动对生态环境的胁迫作用有所增加,中游水资源供需矛盾加剧,污染排放严重等问题随之而来,导致中游地区生态环境以中度脆弱和重度脆弱为主,且有进一步恶化的趋势。未来中游地区要在兼顾生态保护的同时,进一步促进产业结构合理化,合理利用土地,提高水资源绿色效率,防止生态环境进一步恶化,实现中游地区经济社会可持续发展,才能实现“一江清水向东流”。黄河流域生态保护的最后一道防线在于下游。黄河下游是黄河流域经济最发达的区域,人类经济活动的干预较多,不合理的土地开发程度较高,导致下游生态环境脆弱性以重度脆弱和极度脆弱为主。黄河下游目前还依然存在湿地面积减少、河床萎缩、河道淤积、二级悬河等问题。但近年来,随着黄河下游生态保护政策的陆续出台,下游生态环境得到了相关部门的极大关注,生态环境脆弱性明显好转,预测极度脆弱将大面积缩小。但下游地区依然要关注洪水威胁、泥沙堆积等问题,可通过实施水库河道调水调沙,均衡黄河下游水沙关系,通过宽河固堤,修筑格堤,防止下游河床抬高,减小地上河对下游城市的威胁。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘彦随, 严镔, 王艳飞. 新时期中国城乡发展的主要问题与转型对策. 经济地理, 2016, 36(7): 1-8.

[LIU Y S, YAN B, WANG Y F. Urban-rural development problems and transformation countermeasures in the new period in China. Economic Geography, 2016, 36(7): 1-8.]

DOI

[2]
习近平. 在黄河流域生态保护和高质量发展座谈会上的讲话. 求是, 2019, (20): 4-11.

[XI J P. Speech at the symposium on ecological protection and high-quality development of the Yellow River Basin. Qiushi, 2019, (20): 4-11.]

[3]
王世东, 郭磊. 焦作市北山资源枯竭型地区在经济转型过程中的生态脆弱性评价. 生态学杂志, 2020, 39(10): 3442-3451.

[WANG S D, GUO L. Evaluation of ecological vulnerability in the process of economic transformation in northern mountain resource exhausted area of Jiaozuo city. Chinese Journal of Ecology, 2020, 39(10): 3442-3451.]

[4]
张行, 陈海, 史琴琴, 等. 陕西省景观生态脆弱性时空演变及其影响因素. 干旱区研究, 2020, 37(2): 496-505.

[ZHANG H, CHEN H, SHI Q Q, et al. Spatiotemporal evolution and driving factors of landscape ecological vulnerability in Shaanxi province. Arid Zone Research, 2020, 37(2): 496-505.]

[5]
姚昆, 张存杰, 何磊, 等. 川西北高原区生态环境脆弱性评价. 水土保持研究, 2020, 27(4): 349-355, 362.

[YAO K, ZHANG C J, HE L, et al. Evaluation of ecological environment vulnerability in the Northwest Plateau Area of Sichuan. Research of Soil and Water Conservation, 2020, 27(4): 349-355, 362.]

[6]
贾晶晶, 赵军, 王建邦, 等. 基于SRP模型的石羊河流域生态脆弱性评价. 干旱区资源与环境, 2020, 34(1): 34-41.

[JIA J J, ZHAO J, WANG J B, et al. Ecological vulnerability assessment of Shiyang River Basin based on SRP model. Journal of Arid Land Resources and Environment, 2020, 34(1): 34-41.]

[7]
王昭, 刘建红, 李同昇, 等. 秦巴特困区生态脆弱性与经济贫困的耦合关系: 以陕西省山阳县为例. 生态学报, 2019, 39(11): 3908-3917.

[WANG Z, LIU J H, LI T S, et al. Analysis of the coupling relationship between ecological vulnerability and economic poverty in Qinling-Dabashan contiguous poor areas: A case study of Shanyang county in Shaanxi province, China. Acta Ecologica Sinica, 2019, 39(11): 3908-3917.]

[8]
史广, 杨艳. 山西省生态环境脆弱性评价及分布特征研究. 农业网络信息, 2016, (4): 5-9.

[SHI G, YANG Y. Ecological environment vulnerability assessment and distribution characteristics of Shanxi province. Agriculture Network Information, 2016, (4): 5-9.]

[9]
HOU K, LI X, WANG J, et al. Evaluating ecological vulnerability using the GIS and Analytic Hierarchy Process (AHP) method in Yan'an, China. Polish Journal of Environmental Studies, 2016, 25(2): 599-605.

DOI

[10]
TANG Q, WANG J, JING Z. Tempo-spatial changes of ecological vulnerability in resource-based urban based on genetic projection pursuit model. Ecological Indicators, 2021, 121: 107059, https://doi.org/10.1016/j.ecolind.2020.107059.

DOI

[11]
钟晓娟, 孙保平, 赵岩, 等. 基于主成分分析的云南省生态脆弱性评价. 生态环境学报, 2011, 20(1): 109-113.

[ZHONG X J, SUN B P, ZHAO Y, et al. Ecological vulnerability evaluation based on principal component analysis in Yunnan province. Ecology and Environmental Sciences, 2011, 20(1): 109-113.]

[12]
雷波, 焦峰, 王志杰, 等. 延河流域生态环境脆弱性评价及其特征分析. 西北林学院学报, 2013, 28(3): 161-167.

[LEI B, JIAO F, WANG Z J, et al. Eco-environment vulnerability evaluation and characteristics analysis in Yanhe River Watershed. Journal of Northwest Forestry University, 2013, 28(3): 161-167.]

[13]
林金煌, 胡国建, 祁新华, 等. 闽三角城市群生态环境脆弱性及其驱动力. 生态学报, 2018, 38(12): 4155-4166.

[LIN J H, HU G J, QI X H, et al. Ecological environmental vulnerability and its driving forces in urban agglomeration in the Fujian Delta Region. Acta Ecologica Sinica, 2018, 38(12): 4155-4166.]

[14]
韦晶, 郭亚敏, 孙林, 等. 三江源地区生态环境脆弱性评价. 生态学杂志, 2015, 34(7): 1968-1975.

[WEI J, GUO Y M, SUN L, et al. Evaluation of ecological environment vulnerability for Sanjiangyuan Area. Chinese Journal of Ecology, 2015, 34(7): 1968-1975.]

[15]
张晓瑞, 贺岩丹, 方创琳, 等. 城市生态环境脆弱性的测度分区与调控. 中国环境科学, 2015, 35(7): 2200-2208.

[ZHANG X R, HE Y D, FANG C L, et al. Measurement zoning and control of urban eco-environmental vulnerability. China Environmental Science, 2015, 35(7): 2200-2208.]

[16]
徐庆勇, 黄玫, 刘洪升, 等. 基于RS和GIS的珠江三角洲生态环境脆弱性综合评价. 应用生态学报, 2011, 22(11): 2987-2995.

[XU Q Y, HUANG M, LIU H S, et al. Integrated assessment of eco-environmental vulnerability in Pearl River Delta based on RS and GIS. Chinese Journal of Applied Ecology, 2011, 22(11): 2987-2995.]

[17]
NGUYEN K A, LIOU Y A. Global mapping of eco-environmental vulnerability from human and nature disturbances. Science of the Total Environment, 2019, 664(10): 995-1004.

DOI

[18]
LIU G, WANG J, LI S, et al. Dynamic evaluation of ecological vulnerability in a lake watershed based on RS and GIS technology. Polish Journal of Environmental Studies, 2019, 28(3): 1785-1798.

DOI

[19]
赵跃龙, 张玲娟. 脆弱生态环境定量评价方法的研究. 地理科学进展, 1998, 17(1): 3-5.

[ZHAO Y L, ZHANG L J. A study on index and method of quantitative assessment of fragile environment. Progress in Geography, 1998, 17(1): 3-5.]

[20]
邵秋芳, 彭培好, 黄洁, 等. 长江上游安宁河流域生态环境脆弱性遥感监测. 国土资源遥感, 2016, 28(2): 175-181.

[SHAO Q F, PENG P H, HUANG J, et al. Monitoring eco-environmental vulnerability in Anning River Basin in the upper reaches of the Yangtze River using remote sensing techniques. Remote Sensing for Land & Resources, 2016, 28(2): 175-181.]

[21]
陈桃, 包安明, 郭浩, 等. 中亚跨境流域生态脆弱性评价及其时空特征分析: 以阿姆河流域为例. 自然资源学报, 2019, 34(12): 2643-2657.

[CHEN T, BAO A M, GUO H, et al. Ecological vulnerability assessment for a transboundary basin in Central Asia and its spatiotemporal characteristics analysis: Taking Amu Darya River Basin as an example. Journal of Natural Resources, 2019, 34(12): 2643-2657.]

DOI

[22]
张琦. 黄河包头段冻融过程中PAHs分布降解特性研究及风险评价. 呼和浩特: 内蒙古农业大学, 2015.

[ZHANG Q. Distribution, degradation and risk assessment of PAHs in the Baotou section of the Yellow River in freezing-thawing Processs. Huhhot: Inner Mongolia Agricultural University, 2015.]

[23]
王夏晖, 陆军, 王晶晶, 等. 典型生态脆弱地区生态风险控制与管控方案: 以藏中南地区为例. 环境保护, 2015, 43(23): 26-30.

[WANG X H, LU J, WANG J J, et al. Ecological risk control and management of typical ecological fragile areas: A case study of Central and Southern Tibet. Environmental Protection, 2015, 43(23): 26-30.]

[24]
赵跃龙, 刘燕华. 脆弱生态环境与工业化的关系. 经济地理, 1996, 16(2): 86-90.

[ZHAO Y L, LIU Y H. A study on the relationship between fragile environment and industrialization. Economic Geography, 1996, 16(2): 86-90.]

[25]
王士远, 张学霞, 朱彤, 等. 长白山自然保护区生态环境质量的遥感评价. 地理科学进展, 2016, 35(10): 1269-1278.

DOI

[WANG S Y, ZHANG X X, ZHU T, et al. Assessment of ecological environment quality in the Changbai Mountain Nature Reserve based on remote sensing technology. Progress in Geography, 2016, 35(10): 1269-1278.]

[26]
杨薇, 靳宇弯, 孙立鑫, 等. 基于生产可能性边界的黄河三角洲湿地生态系统服务权衡强度. 自然资源学报, 2019, 34(12): 2516-2528.

[YANG W, JIN Y W, SUN L X, et al. Determining the intensity of the trade-offs among ecosystem services based on production-possibility frontiers: Model development and a case study. Journal of Natural Resources, 2019, 34(12): 2516-2528.]

DOI

[27]
姚雄, 余坤勇, 刘健, 等. 南方水土流失严重区的生态脆弱性时空演变. 应用生态学报, 2016, 27(3): 735-745.

[YAO K, YU K Y, LIU J, et al. Spatial and temporal changes of the ecological vulnerability in a serious soil erosion area, Southern China. Chinese Journal of Applied Ecology, 2016, 27(3): 735-745.]

[28]
胡和兵, 刘红玉, 郝敬锋, 等. 城市化流域生态系统服务价值时空分异特征及其对土地利用程度的响应. 生态学报, 2013, 33(8): 2565-2576.

[HU H B, LIU H Y, HAO J F, et al. Spatio-temporal variation in the value of ecosystem services and its response to land use intensity in an urbanized watershed. Acta Ecologica Sinica, 2013, 33(8): 2565-2576.]

DOI

[29]
陈美球, 刘桃菊, 许莉. 基于PSR框架模型的流域生态系统健康评价研究现状及展望. 江西农业大学学报: 社会科学版, 2011, 10(3): 83-89.

[CHEN M Q, LIU T J, XU L. Advances and prospects in assessing of watershed eco-system health based on PSR model. Journal of Jiangxi Agricultural University: Social Sciences Edition, 2011, 10(3): 83-89.]

[30]
姚昆, 张存杰, 何磊, 等. 雅砻江中上游流域生态环境脆弱性动态评价及预测. 国土资源遥感, 2020, 32(4): 199-208.

[YAO K, ZHANG C J, HE L, et al. Dynamic evaluation and prediction of ecological environment vulnerability in the middle-upper reaches of the Yalong River. Remote Sensing for Land & Resources, 2020, 32(4): 199-208.]

[31]
李慧, 王云鹏, 李岩, 等. 珠江三角洲土地利用变化空间自相关分析. 生态环境学报, 2011, 20(12): 1879-1885.

[LI H, WANG Y P, LI Y, et al. A spatial autocorrelation analysis of land use change in Pearl River Delta. Ecology and Environmental Sciences, 2011, 20(12): 1879-1885.]

[32]
朱子明, 祁新华. 基于Moran's I的闽南三角洲空间发展研究. 经济地理, 2009, 29(12): 1977-1980, 2070.

[ZHU Z M, QI X H. Research on spatial development of Minnan Delta Basin on Moran's I. Economic Geography, 2009, 29(12): 1977-1980, 2070.]

[33]
任金铜, 莫世江, 陈群利, 等. 草海湿地区域土地利用/覆被变化与预测研究. 信阳师范学院学报: 自然科学版, 2017, 30(3): 385-392.

[REN J T, MO S J, CHEN Q L, et al. Analysis and prediction of land use and land cover changes in Caohai wetland areas. Journal of Xinyang Normal University: Natural Science Edition, 2017, 30(3): 385-392.]

[34]
汤洁, 汪雪格, 李昭阳, 等. 基于CA-Markov模型的吉林省西部土地利用景观格局变化趋势预测. 吉林大学学报: 地球科学版, 2010, 40(2): 405-411.

[TANG J, WANG X G, LI Z Y, et al. The tendency forecast on land use landscape pattern change in Western Jilin province based on CA-Markov model. Journal of Jilin University: Earth Science Edition, 2010, 40(2): 405-411.]

[35]
罗紫薇, 胡希军, 韦宝婧, 等. 基于多准则CA-Markov模型的城市景观格局演变与预测: 以上杭县城区为例. 经济地理, 2020, 40(10): 58-66.

[LUO Z W, HU X J, WEI B J, et al. Urban landscape pattern evolution and prediction based on Multi-Criteria CA-Markov model: Take Shanghang county as an example. Economic Geography, 2020, 40(10): 58-66.]

Options
文章导航

/

〈 〉