杨靖, 吴学灿, 周瑞伍, 段禾祥,*

基于景观格局的云南省富源县生态脆弱性空间特征分析

杨靖1, 吴学灿1, 周瑞伍2, 段禾祥1,*

1. 云南省环境科学研究院/中国昆明高原湖泊国际研究中心, 昆明 650034 2. 中国科学院西双版纳热带植物园热带森林生态学重点实验室, 云南勐仑 666303

分析生态脆弱性的空间分布特征、形成原因以及对其进行定量研究对于合理利用土地资源、保护生态环境以及可持续发展都具有一定的指导意义。以云南省富源县为例, 在生态脆弱性评价指标体系研究的基础上, 结合研究区域实际情况, 运用熵权法构建生态脆弱性评价模型。以“压力-状态-响应”为评估框架, 从生态压力度、生态敏感性、生态恢复力三个方面选取评价指标(景观分维数、矿区扰动指数、居民点临近指数、景观破碎度、地形指数、植被覆盖度、景观适应度指数、优势度)。在格网尺度对生态脆弱性展开评估并使用点格局方法对不同空间尺度下各生态脆弱等级动态特征和变化规律进行分析。结果表明: (1)水域的生态脆弱性最高, 草地和灌木林地次之, 乔木林地最低; (2)全县生态脆弱性空间分布差异较大, 呈现 “中部高两端低”的分布特征; (3)中安镇生态脆弱性最高, 墨红镇最低; (4)不同脆弱度等级空间分布格局表现出一定相似性, 在中小尺度下高度集群分布, 随着空间尺度的增大, 聚集性逐渐减弱, 且尺度范围有所变化。

生态脆弱性; 空间分布; 点格局; 富源县

0 前言

伴随着快速发展的社会经济以及不断增加的人口数量, 生态环境承受着来自人类活动的压力日愈增加, 生态脆弱性问题尤为突出。目前, 生态脆弱性研究已经成为全球环境变化和可持续发展研究的热点课题。开展生态脆弱性研究已成为评价地区发展状况的依据以及衡量未来发展规划的判据, 对于环境保护、资源的合理利用及可持续发展等方面具有重要的指导意义[1]。生态脆弱性作为生态系统的一种固有属性, 具有可度量性[2], 影响生态脆弱性大小的因素主要有生态恢复力、敏感性、适应性、暴露与干扰程度等[3,4]。目前, 国内外学者针对生态脆弱性开展了大量研究, 研究方法主要有SPR模型、VSD模型、AHP法、人工神经网络法、综合评价法、模糊综合评判法等[5-8]。研究内容主要围绕脆弱性特征、类型、方法指标体系、空间格局、驱动因素等方面展开[9,10]。研究尺度主要集中于以县域、市域、省域及栅格尺度[11-14], 以格网尺度为评价单元的较少。本文结合研究区的实际情况, 以格网尺度作为评价单元, 基于景观生态学原理, 选取“压力-状态-响应”评估框架, 以自然生态系统为主, 构建压力度、敏感性、恢复力指标体系, 同时借助熵权法、RS/GIS技术、点格局分析等对富源县自然生态系统脆弱性进行了系统分析与研究。

1 研究区概况

富源县地处云南省东北部, 曲靖市东部, 与贵州交界, 有“云南东大门之称”。地处东经103°58′—104°49′、北纬25°02′—25°58′之间。辖区总面积3348 km2, 南北长100 km, 东西最宽处约50 km, 最窄处约10 km, 呈两头宽, 中间窄的葫芦形。乌蒙山支脉纵贯全境, 全县地势北高南低, 由西北向东南倾斜, 平均海拔2000 m, 最高海拔2748.9 m, 最低海拔1100 m。地貌为中山山地, 其特征为河流纵向切割、山川南北展布, 地形破碎, 山高谷深, 坡陡流急, 岩溶发达, 河谷阶地狭窄, 耕地零星分散[15]。富源县矿产资源丰富, 其中煤炭资源总储量达256亿吨, 是全国100个重点产煤县之一, 具有“分布广, 品种全, 储量大”的特点。

2 数据与方法

2.1 数据来源与处理

本研究选取30 m分辨率的Landsat 8遥感影像(2015年4月19日)和DEM数据作为基本数据源, 以及富源县2015年统计年鉴。运用ERDAS 2011遥感处理软件进行影像前期处理, 并提取景观类型信息。景观类型的划分标准主要参考2007年8月颁布的《土地利用现状分类》[16], 同时考虑富源县实际情况和研究需要, 将研究区土地利用划分7个类型, 分别为乔木林地、灌木林地、草地、水域、建设用地、工矿用地、未利用地。借助ArcGIS10.2、Fragstats4.2软件对地形数据和景观格局指数进行提取计算, 采用叠置分析、缓冲区分析计算扰动指数。同时以1.5 km×1.5 km网格单元作为研究小区, 共计1639个网格, 将研究小区与各个景观类型进行叠加, 计算每个小区生态脆弱性指数。

图1 研究区示意图

Figure 1 Sketch map of the study area

2.2 评价指标体系及权重确定

研究在充分考虑了研究区生态脆弱性的自然和人为等驱动因子基础上, 依循“压力-状态-响应”评估框架, 选取SRP模型[17,18], 在科学性、全面性、定量性及数据可获得性等原则指导下建立富源县生态脆弱性指标体系[19], 指标体系主要包括生态压力度、敏感性、恢复力三方面内容。各指标对评价对象的敏感程度、作用强度存在差异性, 科学合理的确定指标权重将影响评价结果的准确性。常见的权重赋值方法有主观赋值法(Delphi法、AHP法等)和客观赋值法(熵权法、变异系数法等)[20]。熵权法赋值克服了多指标评价中主观确定权重的不确定性、随意性, 可以更加客观反映指标信息效用价值并真实体现其重要程度, 通常与主观认识有所区别[21]。为消除量纲影响, 采取归一化方法对数据进行标准化。对于正向指标, 取各研究小区的各地类各指标的值与各小区的该种地类该指标的总和的比值。对于负向指标,用1减去标准化后的值, 再次按照正向指标处理的方法进行标准化, 再利用Matlab R2010a计算得出各指标权重(表1)。

生态压力度的三个指标中, 分维数影响最大的是水域, 与富源县山高谷深、水资源分布不均、稳定性差相关; 工矿扰动指数对乔木林地的影响最大, 可能是由于矿产开发区与乔木林地分布区水平距离较近; 居名点临近指数中, 草地受影响较大, 与草地易受人类活动侵占和转化有关。生态敏感性中, 景观破碎度对乔木林地影响最大, 水域最小, 与地形指数相反; 植被覆盖度影响最大的为灌木林地; 三个指标权重差异较大的原因, 可能与景观破碎度取值相对有序, 且变异程度较大, 反映的信息熵小, 权重值较大, 其余指标则恰好相反。景观适应度指数影响最大的是乔木林地, 可能与其生物多样性及抵抗外界干扰的适应恢复能力较强相关; 水域的景观优势度权重值最大。

2.3 综合评价方法

2.3.1 生态脆弱性综合指数

区域景观类型的生态脆弱性是不同自然生态系统关于压力度()-敏感性()-恢复力()的一个函数, 与敏感性和压力度成正比, 而与恢复力成反比关系。因此构建以下评价模型[29]:

式中,VI为区域景观类型的生态脆弱性指数;P、S、R分别为不同景观类型的压力度、敏感度和恢复力。

区域生态脆弱性综合指数是利用景观类型生态脆弱性指数与各景观类型面积的比重进行构建, 具体计算公式如下[30]:

表1 富源县自然生态景观脆弱性评价指标体系及权重

式中,EVI为区域任一评价单元内的生态脆弱性综合指数;VI为评价单元内各类景观的生态脆弱性指数;A、分别为评价单元内各类景观的面积和评价单元内自然生态系统的总面积。

2.3.2 评价标准的确定

运用ArcGIS 软件的自然断点法对1639个样本区的土地生态脆弱度指数进行分级, 同时结合富源县生态脆弱度指数实际情况, 最终确定富源县土地生态脆弱度等级, 分别为生态良好区、轻度脆弱区、中度脆弱区、高度脆弱区、极度脆弱区。

2.3.3 点格局分析

为了更好地了解富源县不同脆弱度等级的空间格局特征, 借助ArcGIS 10.2软件提取每个网格小区中心点坐标值, 得到不同脆弱等级空间分布的坐标数据。利用O-ring统计对获取的坐标数据进行解释分析。该方法用圆环代替Ripley K函数计算中所使用的圆圈, 能够有效避免Ripley K函数的缺陷[31]。不同脆弱度等级的空间分布格局采用单变量O-ring进行分析。

采用成对相关函数g(r)来进行单变量O-ring分析, 函数为

若g(r)值高于置信区间上限, 则该树种在该距离为聚集分布; 若g(r)在置信区间之间, 则为随机分布; 若g(r)低于置信区间的下限, 则为均匀分布。

数据分析使用生态学软件Programita完成, 采用的空间尺度为0—50 km, 步长为0.5 km, 用带宽为1 km, 空间分辨率为1 km, 尺度最大半径分别为15 km, 经199次Monte Carlo模拟得到99%的置信区间[32-33]。

3 结果与分析

3.1 主要景观类型的生态脆弱性

对富源县主要的自然景观类型进行生态脆弱性分析, 结果表明4种自然景观类型的生态脆弱性存在一定差异性, 进一步对4种主要景观类型的生态脆弱性特点展开分析。其中生态脆弱性最低的景观类型为乔木林地(0.0515); 其次为灌木林地(0.1522)和草地(0.1968), 脆弱性最高的景观类型为水域, 生态脆弱度为1.6521。在生态压力度方面, 水域作为生态压力度数值最大的景观类型(0.2764), 表明其受到的人为干扰最为强烈; 同时, 水域景观类型的工矿扰动指数和居民点临近指数均达到最大值, 说明该用地类型受到工矿活动及居民生产生活影响显著, 需要加大保护力度; 水域的分维数倒数数值最大, 说明其景观复杂程度和景观空间稳定程度均较低。从生态敏感性角度分析, 水域敏感性高于其余自然景观类型, 为0.6218。其中, 水域景观类型破碎度最高, 表明其分布较为分散。与其他景观类型相比, 乔木林地景观破碎度较低, 表明乔木林地是富源县自然景观类型的重要组成部分, 表现为以群集化、规模化分布为主。灌木林地的地形指数和植被覆盖度最高, 一方面该区域地形陡峭, 另一方面灌木林地多是退耕还林还草工程主要实施区域, 措施实施后区域覆盖度得以明显改善, 而水域的地形指数和植被覆盖度最低。在生态恢复力方面, 乔木林地属于景观优势度指数最大的类型, 灌木林地次之, 草地和水域景观优势度指数最低, 表明四种自然景观类型中乔木林地在自我调节作用下向有序方向演化的能力较强, 水域则相对较弱, 需要降低人为干扰, 加强保护; 同时, 景观适应度指数最大的也是乔木林地, 表明乔木林地景观类型在四个自然景观类型中最为复杂, 生物多样性较丰富。在4类自然生态景观中, 乔木林地生态脆弱性最低, 对于生态系统稳定性维护作用最大, 因此在矿产开发及生产生活过程中加强对林地的保护显得尤为重要。

表2 景观类型的生态脆弱性

3.2 土地生态脆弱性的空间分布

五个不同的生态脆弱性等级在空间上相间分布, 总体呈现“中部高两端低”的分布特征。从面积上来看, 生态良好区和轻度脆弱区范围较大, 分别占62.3% 和23.0%, 高度脆弱区和极度脆弱区所占面积较少, 分别为4.58%和3.75%。从区域位置来看, 生态良好区广泛分布于各个区域, 呈现以西部、北部和东部区域集中连片分布, 此部分区域由于海拔相对较高, 人口密度较小, 自然生态系统受到外界干扰程度较弱, 生物多样性较丰富, 承受压力小, 敏感度较低, 恢复力较高, 因而表现出极低生态脆弱度。极度脆弱区和高度脆弱区空间分布特点主要体现在两方面, 一方面, 极度、高度脆弱区分布体现了生态脆弱区域与人为干扰区密切相关的特点, 极度脆弱区与高度脆弱区主要集中分布于中部地区, 该区域人群密集、工业发达, 人类活动最为强烈, 居民生产生活以及矿产开采对自然生态系统构成极大威胁, 使得区域整体景观破碎度增加, 生态敏感性和压力度显著增大, 生态系统恢复力严重下降, 生态脆弱性程度随之增加; 另一方面, 极度、高度脆弱区分布体现了不同生态系统交错区域明显的交互作用特征, 极度、高度脆弱区集中分布在生态过渡区、植被交错区与农林牧等交错带区域(图2)。

富源县辖区乡镇生态脆弱性分布中, 墨红镇生态良好区分布面积最广(372.71 km2), 生态脆弱性最低;中安镇极度生态脆弱区所占面积最大(39.76 km2), 生态脆弱性最高。这与富源县乡镇生态环境、植被覆盖度及经济格局分布情况一致。墨红镇工矿分布点最少, 采矿面积最小, 自然生态系统受到影响程度微弱。中安镇极度生态脆弱区所占比例较大, 达8.07%, 主要与区域工矿活动较为密集, 各类生产生活干扰频繁, 对生态系统影响较大。

图2 富源县生态脆弱性空间分布

Figure 2 Spatial distribution ecological vulnerability in Fuyuan

图3 富源县各乡镇生态脆弱性分布

Figure 3 Distribution ecological vulnerability in the township of Fuyuan

3.3 不同脆弱度等级的空间点格局

富源县不同脆弱等级的空间分布格局分析结果显示, 生态良好区在0—40 km空间尺度范围内, g(r)值在置信区间上方, 呈高度集群分布, g(r)值伴随尺度增加呈减小趋势, 表明聚集强度随尺度增加有所降低; 生态良好区在40—48 km尺度下, g(r)值基本位于置信区间内, 空间分布表现为随机分布; 生态良好区在48—50 km尺度下, g(r)值位于置信区间下方, 表现为均匀分布。轻度脆弱区在0—37 km空间尺度范围下, g(r)值在置信区间上方, 呈高度集群分布, g(r)值伴随尺度增加呈减小趋势, 表明聚集强度随尺度增加有所降低; 37—44 km尺度下, g(r)值位于置信区间内, 空间分布表现为随机分布; 44—50 km 空间尺度下, g(r)值位于置信区间下方, 表现为均匀分布。中度脆弱区在0—32 km尺度下, g(r)值在置信区间上方, 呈高度集群分布, g(r)值伴随尺度增加呈减小趋势, 表明聚集强度随尺度增加有所降低; 32—47 km尺度下, g(r)值位于置信区间内, 空间分布表现为随机分布; 47—50 km空间尺度下, g(r)值位于置信区间下方, 表现为均匀分布。高度脆弱区在0—38 km尺度下, g(r)值在置信区间上方, 呈高度集群分布, g(r)值伴随尺度增加呈减小趋势, 表明聚集强度随尺度增加有所降低; 38—46 km尺度下, g(r)值位于置信区间内, 空间分布表现为随机分布, 46—50 km空间尺度下, g(r)值位于置信区间下方, 表现为均匀分布。极度脆弱区在0—32 km的中小尺度上, g(r)值在置信区间上方, 呈高度集群分布, g(r)值伴随尺度增加呈减小趋势, 表明聚集强度随尺度增加有所降低; 32—45 km尺度下表现为随机分布, 45—50 km空间尺度下, g(r)值位于置信区间下方, 表现为均匀分布。

图4 富源县不同脆弱度等级的空间分布

Figure 4 The spatial distribution pattern of different vulnerability levels in Fuyuan

不同脆弱度等级空间分布格局表现出一定相似性, 在中小尺度范围下高度集群分布, 表明小尺度范围内, 干扰方式具有一定相似性, 主要受单一干扰因子作用, 伴随空间尺度增大, 多因子交互作用逐渐明显, 聚集性逐渐减弱, 且尺度范围有所变化。不同脆弱等级在小尺度的聚集强度伴随脆弱度增加呈现递增趋势。随脆弱度等级逐渐增长聚集强度逐渐减弱。表明极度脆弱区在小尺度和中尺度下存在一定程度的干扰因子, 对周围环境产生不利影响, 致使生态环境呈现以中心干扰因子为核心的不同脆弱区域。以此同时, 不同生态系统对干扰影响的抵抗力差异可能导致不同脆弱性区域呈现不均匀分布, 从而在较大尺度下表现为随机分布。

4 讨论

4.1 典型景观类型的生态脆弱格局

研究表明, 生态系统脆弱性与地区植被类型有密切联系[34]。富源县景观类型的脆弱性分布格局存在一定空间分异, 其中较为典型的是乔木林地和水域两种景观类型。在乔木林地的分布上, 生态良好区和轻度脆弱区主要分布在西部区域, 该区域主要是以阔叶林、针叶林为主的植物群落, 由于海拔较低, 气候适宜, 植被覆盖较高, 景观连接度高、完整性较好, 是富源县生态脆弱度整体较低的区域。轻、中度脆弱区主要分布在生态良好区边缘区域, 形成包围趋势, 极度、高度脆弱区分布范围较小, 中部区域分布较为密集。在水域的生态脆弱格局分布上, 极度、高度脆弱区在中部区域分布较为集中, 该区域人口分布密集, 伴随人口密度增加, 人为干扰加大, 水域脆弱等级逐渐升高。研究表明, 生态系统脆弱性受到人为因素和自然因素的共同作用[35], 人为活动强烈干扰加重生态系统脆弱性, 其中人类生产生活对水资源的不合理开发利用等造成的干扰是导致流域生态失调的重要因素[36]。

4.2 不同脆弱度等级空间点格局分异的原因分析

作为探究不同尺度下种群空间分布格局的有效方法, 点格局对于研究生物和非生物因子的驱动机制, 及生境过滤与生物因子之间的交互作用方面应用广泛[37]。点格局分析方法在空间异质性分布格局及其发展趋势具有优势, 但是多见于种群空间分布特征的研究, 对于大区域的生态环境脆弱性的空间分布特征及其拓展趋势的相关研究尝试较少。本文借助点格局空间分析方法对不同脆弱性等级的空间分布特征进行研究, 解释了不同脆弱性等级的动态变化趋势及尺度特征。高脆弱度等级在小尺度上的聚集分布, 主要是与人类活动下, 形成的持续强烈的干扰相关, 这种生产生活干扰一般呈现小范围聚集分布; 伴随空间尺度增大, 自然和人为因素交互作用逐渐增强, 使区域景观斑块异质性增强, 这种综合作用下的空间干扰过程常表现为随机发生, 形成了大尺度范围内各脆弱等级随机分布特点, 表现为高脆弱度等级随机镶嵌分布于低脆弱度等级中的空间格局, 这种格局的内在驱动机制需要进一步研究探讨。景观格局是随着时间和空间的变化而变化的, 具有高度的空间变异性和空间关联性[28]。景观格局变化过程在不同时空尺度下的研究显示它们不是分离孤立的, 大尺度过程是小尺度景观格局变化及其相互作用累积的结果, 小尺度过程会受到大尺度过程制约, 不同尺度下体现的影响驱动因子均不相同[38-39]。较小尺度下, 脆弱度等级的空间分布主要受到单因素驱动因子的影响, 较大尺度下的脆弱度等级空间分布则是多因素交互作用的结果。

4.3 景观格局优化的对策建议

根据以上景观类型生态脆弱性分布格局、空间分异特征及其不同脆弱等级点格局的分析, 对于增强该区生态承载力, 降低局部区域生态脆弱性, 提出景观格局的优化对策: 科学合理利用土地资源, 注重对重要生态系统的保护, 促进合理生态系统的修复与重构, 增强其在脆弱生态环境下抵抗外界干扰的适应恢复能力; 加强水资源整体布局与规划, 综合考虑区域经济实力, 修筑与地区生态环境特点相适应的蓄水、调水工程, 均衡水资源分布, 拓展水资源来源; 推广使用节水、高效灌溉设备, 提高水资源利用率, 从而减弱水域生态系统压力度, 增强其生态恢复能力; 在城镇化发展进程中, 注重科学规划、合理引导, 注重发展生态农业、绿色农业, 建立可持续的生产方式和生活方式; 改变局部区域单一经济增长方式, 发展多元经济、循环经济, 增强科技服务能力, 提高经济增长效率, 以此减少对生态系统压力, 逐步降低局部区域高生态脆弱性局面。

5 结论

本文基于景观格局对富源县生态脆弱性空间特征进行了评估分析, 得出如下结论:

(1)各景观类型生态脆弱性表明, 水域的生态脆弱性最高, 草地和灌木林地次之, 乔木林地最低。富源县生态良好区的维持及生态状况的良好发展一方面需要加大对乔木林地的保护, 另一方面要加大对水资源的合理规划, 特别是重要流域水资源的有效保护和合理利用, 以此降低富源县整体区域生态系统的脆弱性, 提高其稳定性。

(2)不同生态脆弱度等级空间上相间分布, 脆弱性空间分布差异较大, 呈现 “中部高两端低”的特征, 生态良好区和轻度脆弱区所占比例较大, 生态脆弱性较高区域主要分布在人为干扰强烈区和不同生态系统交错区。

(3)区域生态脆弱性显示, 11个乡镇中, 中安镇生态脆弱区占比最大, 生态脆弱性最高, 墨红镇生态脆弱性最低。各乡镇在发展过程中, 要规范开发建设活动, 尽可能减小人为干扰以降低生态敏感性, 同时加强环境保护, 增强自然生态系统恢复力, 逐步降低区域的生态脆弱性。

(4)不同脆弱度等级的空间分布格局表现出一定相似性, 在中小尺度范围下高度集群分布, 伴随空间尺度增大, 聚集性逐渐减弱, 且尺度范围有所变化。不同脆弱区在不同尺度下干扰因子有所差异, 较小尺度下主要受单一因子的驱动, 并以该因子为核心聚集分布, 大尺度下则受多因子交互作用的影响。

本文选取SRP模型, 在充分考虑生态脆弱性内涵、科学反映脆弱性空间特征的基础上, 结合熵权法优点, 构建脆弱性评价指标体系, 为县域生态脆弱性研究提供新的思路和方法。然而, 指标体系的构建还需考虑数据的可获取性、可测量性、灵敏性、科学性, 以及各评价指标之间的逻辑关系等, 导致所构建的指标体系一定程度上不能全面反映生态脆弱性内涵, 在今后研究中应进一步完善。此外, 本文主要针对脆弱性空间特征展开分析, 缺乏对于时间特征的演变分析, 后续研究中可进一步探讨基于时序变化的脆弱性特征。

[1] 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.

[2] BIRKMANN J. Measuring vulnerability to natural hazards[M]. Tokyo: United Nations University Press, 2006.

[3] 李鹤, 张平宇. 全球变化背景下脆弱性研究进展与应用展望[J]. 地理科学进展, 2011, 30(7): 920–929.

[4] 喻鸥, 阎建忠, 张镱锂. 区域气候变化脆弱性综合评估研究进展[J]. 地理科学进展, 2011, 30(1): 27–34.

[5] XUE Lianqing, WANG Jing, ZHANG Luochen, et al. Spatiotemporal analysis of ecological vulnerability and management in the Tarim River Basin, China[J]. Science of the Total Environment, 2019, 649: 876–888.

[6] 潘竟虎, 任梓菡. 基于景观格局和土壤侵蚀敏感性的兰州市生态脆弱性评价[J]. 土壤, 2012, 44(6): 1015–1020.

[7] 周梦云, 蔡永立, 张瑞峰, 等. 宁夏贺兰山国家级自然保护区建立前后区域生态脆弱性时空格局变化研究[J]. 生态科学, 2019, 38(5): 78–85.

[8] ZHAO Yanzhi, ZOU Xueyong, CHENG Hong. Assessing the ecological security of the Tibetan plateau: methodology and a case study for Lhaze County[J]. Journal of Environmental Management, 2006, 80(2): 120–131.

[9] 靳毅, 蒙吉军. 生态脆弱性评价与预测研究进展[J]. 生态学杂志, 2011, 30(11): 2646–2652.

[10] 徐广才, 康慕谊, 贺丽娜, 等. 生态脆弱性及其研究进展[J].生态学报, 2009, 29(5): 2578–2588.

[11] 王瑞燕, 赵庚星, 周伟, 等. 县域生态环境脆弱性评价及其动态分析——以黄河三角洲垦利县为例[J]. 生态学报, 2009, 29(7): 3790–3799.

[12] 王录仓, 史凯文, 梁珍. 城市脆弱性综合评价与动态演变研究——以兰州市为例[J]. 生态经济, 2017, 33(9): 137–141.

[13] WANG Yong, DING Qian, ZHUANG Dafang. An eco-city evaluation method based on spatial analysis technology: A case study of Jiangsu Province, China[J]. Ecological Indicators, 2015, 58: 37–49.

[14] 毛学刚, 汪航. 基于栅格尺度的北京市密云县生态环境脆弱性评价[J]. 南京林业大学学报(自然科学版), 2017, 41(1): 96–102.

[15] 郑毅, 王春莲. 基于Geodatabase的富源县土地利用景观格局分析[J]. 测绘与空间地理信息, 2012, 35(5): 1–3.

[16] 陈百明, 周小萍. 《土地利用现状分类》国家标准的解读[J]. 自然资源学报, 2007(6): 994–1003.

[17] 李永化, 范强, 王雪, 等. 基于SPR模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例[J]. 地理科学, 2015, 35(11): 1452–1458.

[18] 刘正佳, 于兴修, 李蕾, 等. 基于SRP 概念模型的沂蒙山区生态环境脆弱性评价[J]. 应用生态学报, 2011, 22(8): 2084–2090.

[19] 喻忠磊, 杨新军, 石育中. 关中地区城市干旱脆弱性评价[J]. 资源科学, 2012, 34(3): 581–588.

[20] 张凤太, 苏维词, 周继霞. 基于熵权灰色关联分析的城市生态安全评价[J]. 生态学杂志, 2008, 27(7): 1249– 1254.

[21] 徐晗. 基于熵权法的陕西省农业干旱脆弱性评价及影响因子识别[J]. 干旱地区农业研究, 2016, 34(3): 198-205.

[22] 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.

[23] 张莹, 张学玲, 蔡海生. 基于景观格局的武功山生态脆弱性动态演变与调控对策研究[J]. 江西农业大学学报, 2018, 40(5): 1021–1029.

[24] 邓劲松, 李君, 余亮, 等. 快速城市化过程中杭州市土地利用景观格局动态[J]. 应用生态学报, 2008, (9): 2003–2008.

[25] 由畅, 周永斌, 于丽芬. 景观破碎化数量分析方法概述[J].中国农学通报, 2006 (5): 146–151.

[26] 滕玲. 基于时序Landsat解析合肥市植被覆盖度动态变化研究[D]. 合肥: 安徽大学, 2016.

[27] 李克让, 曹明奎, 於琍, 等. 中国自然生态系统对气候变化的脆弱性评估[J]. 地理研究, 2005, 24(5): 653–663.

[28] 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.

[29] 孙平军, 修春亮, 王忠芝. 基于PSE模型的矿业城市生态脆弱性的变化研究——以辽宁阜新为例[J]. 经济地理, 2010, 30(8): 1354–1359.

[30] 黄莹, 包安明, 刘海隆, 等. 基于景观格局的新疆生态脆弱性综合评价研究[J]. 干旱地区农业研究, 2009, 27(3): 261–266.

[31] WIEGAND T, MOLONEY A K. Rings, circles, and null-models for point pattern analysis in ecology[J]. Oikos, 2004, 104(2): 209–229.

[32] 王磊, 孙启武, 郝朝运, 等. 皖南山区南方红豆杉种群不同龄级立木的点格局分析[J]. 应用生态学报, 2010, 21(2): 272–278.

[33] 杨靖, 钟乾娟, 王崇云, 等. 云南药山黄背栎种群不同海拔空间格局分析[J]. 生态科学, 2019, 38(5): 111–118.

[34] 何敏, 王鹤松, 孙建新. 基于植被生产力的西南地区生态系统脆弱性特征[J]. 应用生态学报, 2019, 30(2): 429– 438.

[35] 张学玲, 余文波, 蔡海生, 等. 区域生态环境脆弱性评价方法研究综述[J]. 生态学报, 2018, 38(16): 5970–5981.

[36] 王让会, 樊自立. 干旱区内陆河流域生态脆弱性评价——以新疆塔里木河流域为例[J]. 生态学杂志, 2001, (3): 63–68.

[37] 田锴, 陈磊, 米湘成, 等. 亚热带常绿阔叶林木本植物幼苗分布格局及其对生境过滤的响应[J]. 科学通报, 2013, 58(34): 3561–3569.

[38] 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.

[39] LEICHENKO R M, SOLECKI W D. Climate change in suburbs: an exploration of key impacts and vulnerabilities[J]. Urban Climate, 2013, 6: 82–97.

Analysis of spatial characteristics of ecological vulnerability based on landscape pattern: A case study in Fuyuan County, Yunnan Province, Southwest China

YANG Jing1, WU Xuecan1, ZHOU Ruiwu2, DUAN Hexiang1,*

1. Yunnan Institution of Environment Science/Kunming China International Research Center for Plateau-Lake, Kunming 650034, China 2. Key Laboratory of Tropical Forest Ecology, Xishuangbanna Tropical Botanical Garden, Chinese Academy of Sciences, Menglun 666303, China

We studied the spatial distribution pattern and characteristics features of ecological vulnerability through several analyses in Fuyuan County, Yunnan Province, Southwest China. The study explored how it formed in quantitatively for guiding significance to make rational utilization of resources, in terms of protecting the eco-environment through sustainable development. Combined ecological vulnerability assessment index system was used by entropy weight method to build a model to study the actual situation in the study area. The framework assessment was monitored using the “Pressure-State-Response” (PSR) method from three aspects of ecological supporting pressure, sensitivity and resilience. The PSR assessment was done by chooing the following eight evaluate indices, which were landscape fractal dimension, mining disturbance index, residential neighborhood index, landscape fragmentation, topographic index, vegetation cover, landscape adaptability and dominance index. Assessing the ecological vulnerability at grid scale was followed. The dynamic characteristics of ecological vulnerability levels and the change rules under different spatial scales were analyzed by point pattern method. The results showed that: (1) the highest ecological vulnerability occurredin water area, followed by grassland, shrubbery, and lowest happened in arboreal lands. (2) The spatial distribution of ecological vulnerability was of greater difference overall county, which showed the “high in the middle and low at both ends”. (3) Zhong'an town had the highest ecological vulnerability, and the lowest occurred on Mohong Town. (4) The spatial distribution pattern of different vulnerability levels showed a certain similarity, with high clustering distribution at small and medium-sized scales. The aggregation was weakened gradually with the spatial scale increasing, and the scale range was changed.

ecological vulnerability; spatial distribution; point pattern; Fuyuan County

杨靖, 吴学灿, 周瑞伍, 等. 基于景观格局的云南省富源县生态脆弱性空间特征分析[J]. 生态科学, 2021, 40(3): 184–192.

YANG Jing, WU Xuecan, ZHOU Ruiwu, et al. Analysis of spatial characteristics of ecological vulnerability based on landscape pattern: A case study in Fuyuan County, Yunnan Province, Southwest China[J]. Ecological Science, 2021, 40(3): 184–192.

10.14108/j.cnki.1008-8873.2021.03.022

X826

A

1008-8873(2021)03-184-09

2019-12-18;

2020-01-10

云南省重点研发计划项目(2019BC001) ; 国家环境保护部全国生态状况变化(2010-2015年)调查与评估项目(STWN-01-25)

杨靖(1990—), 男, 云南曲靖人, 硕士, 工程师, 主要从事景观生态学研究. E-mail: YngJin0301@163.com

段禾祥(1981—), 男, 硕士, 高级工程师, 主要从事植被、景观生态学研究. E-mail: 87214957@qq.com