生态学报  2015, Vol. 35 Issue (21): 7117-7129

文章信息

马骏, 李昌晓, 魏虹, 马朋, 杨予静, 任庆水, 张雯
MA Jun, LI Changxiao, WEI Hong, MA Peng, YANG Yujing, REN Qingshui, ZHANG Wen
三峡库区生态脆弱性评价
Dynamic evaluation of ecological vulnerability in the Three Gorges Reservoir Region in Chongqing Municipality, China
生态学报, 2015, 35(21): 7117-7129
Acta Ecologica Sinica, 2015, 35(21): 7117-7129
http://dx.doi.org/10.5846/stxb201309252364

文章历史

收稿日期: 2013-09-25
修订日期: 2015-04-14
三峡库区生态脆弱性评价
马骏1, 2, 李昌晓1 , 魏虹1, 马朋1, 杨予静1, 任庆水1, 张雯1, 3    
1. 三峡库区生态环境教育部重点实验室, 西南大学生命科学学院, 重庆 400715;
2. 云南省环境科学学会, 昆明 650032;
3. 盘龙小学, 昆明 650051
摘要: 基于遥感和地理信息系统技术,采用"压力-状态-响应"评价模型,选取18个指标,利用空间主成分分析对2001-2010年三峡库区(重庆段)生态脆弱性进行综合定量评价,对生态脆弱性时空分布及动态变化进行分析。根据计算得到的生态脆弱性指数,将生态脆弱性划分为5个等级:微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱。通过统计不同脆弱性等级面积,求算得到生态脆弱性综合指数。结果表明:三峡库区(重庆段)2001-2010年生态脆弱性指数标准化平均值为4.23±1.29,整体处于中度脆弱。生态脆弱性空间分布呈现西高东低的格局特征,高度脆弱地区主要分布在中西部,低度脆弱地区主要分布在东北部和东南部。近10年生态脆弱性综合指数最小值为2002年的2.37,最大值为2008年的2.99,三峡水库蓄水后生态脆弱性综合指数逐年递增,2008年到达峰值后有所降低。三峡库区生态脆弱性是人类活动与自然环境相互作用的结果,城市生活污染、水土流失、植被状况等为主要的驱动因子。研究时段内三峡库区(重庆段)生态脆弱性呈现两极化趋势,高度脆弱地区的脆弱性显著增加,低度脆弱地区脆弱性明显降低。
关键词: 三峡库区(重庆段)    生态脆弱性    压力-状态-响应    空间主成分分析    
Dynamic evaluation of ecological vulnerability in the Three Gorges Reservoir Region in Chongqing Municipality, China
MA Jun1, 2, LI Changxiao1 , WEI Hong1, MA Peng1, YANG Yujing1, REN Qingshui1, ZHANG Wen1, 3    
1. Key Laboratory of Eco-environment in the Three Gorges Reservoir Region of the Ministry of Education, College of Life Sciences, Southwest University, Chongqing 400715, China;
2. Yunnan Society of Environmental Science, Kunming 650032, China;
3. Panlong Primary School, Kunming 650051, China
Abstract: Global change and human disturbance have significantly influenced the eco-environments on which humankind depends, and have increased the ecological vulnerability of these environments. The vulnerability of the eco-environment in the Three Gorges Reservoir Region has been a great concern in recent years. This region plays an important role in the ecological function of the upper reaches of the Yangtze River, China; yet, it is subject to intensive human disturbance, making it particularly vulnerable, especially the areas in Chongqing Municipality where the economy is in a rapid development. Spatially explicit ecological vulnerability assessment has been regarded as one of the significant tools for ecological restoration and protection for many years. This study quantitatively evaluated ecological vulnerability in the Three Gorges Reservoir Region in Chongqing Municipality from 2001 to 2010 through the use of remote sensing (RS) and geographical information system (GIS) techniques. The ecological vulnerability distribution and its dynamics over the decade were analyzed, in addition to the factors that drive ecological vulnerability dynamics, after the establishment of an evaluation system. The evaluation system contained 18 indicators (including natural and anthropogenic factors), based on the Pressure-State-Response (PSR) frame model, which emphasizes both the natural quality of ecosystem health and the integration between these natural qualities and human attributes. Using spatial principal component analysis (SPCA), the ecological vulnerability index (EVI) in different years in the study region was then calculated, followed by standardization. The standardized EVI value was classified into five levels (negligible, light, medium, strong, and extreme), based on equal interval classification. Using the different ecological vulnerability levels over the study decade, the ecological vulnerability synthetic index (EVSI) in the area was calculated. The results showed that from 2001 to 2010, the ecological vulnerability in the study area was at a medium level, and that it showed a noticeable spatial distribution pattern. The strongly and extremely vulnerable areas were mainly distributed in the central and western parts of the study region, while the negligible and lightly vulnerable areas were located in the northeastern and southeastern parts of the study region. The EVSI value changed significantly inter-annually, with a minimum of 2.37 in 2002 and a maximum of 2.99 in 2008. The EVSI value continuously increased after the impoundment of the Three Gorges Reservoir in 2003, and decreased after 2008. In addition, ecological vulnerability in the study region was caused by interactions between natural and anthropogenic factors, in which urban residential pollution, soil erosion, and vegetation condition were the most important factors. There was also a spatial trend of polarization in the ecological vulnerability. In the seriously fragile regions, eco-environmental conditions declined whereas eco-environmental conditions gradually improved in mildly fragile regions.
Key words: Three Gorges Reservoir Region in Chongqing Municipality    ecological vulnerability    Pressure-State-Response (PSR)    spatial principal component analysis (SPCA)    

随着全球变化和人类活动的加剧,生态与环境问题大量涌现,对人类赖以生存和发展的生态系统造成巨大影响,生态脆弱性问题尤为突出。生态脆弱性是指生态系统及其组成要素面对内外扰动时易受损的性质,有关生态脆弱性的研究是全球变化和可持续发展研究中的热点和重点[1, 2, 3, 4]。近十几年来,国内外学者对生态脆弱性开展大量研究,特别是有关生态脆弱性评价的实践应用性研究。生态脆弱性评价可以科学识别生态系统脆弱性的成因机制及其变化规律,明确生态保护和生态恢复的方向[5]。随着研究不断深入、应用领域日益广泛,生态脆弱性评价呈现出学科综合化的发展趋势[6]。目前已经形成了综合评价法[7, 8]、模糊评价法[9, 10, 11]、层次分析法[12, 13, 14]、主成分分析法[15, 16, 17]、景观评价法[18, 19]等一系列生态脆弱性评价方法。与此同时,在不同尺度上的生态脆弱性评价区域多涉及农牧交错带[20, 21]、高寒山地[23, 24, 25, 26]、流域湿地[27, 28, 29, 30]、喀斯特地区[31, 32, 33]等典型生态脆弱区。

三峡库区(重庆段)位于三峡水库西段,面积约占整个库区的85%,是长江流域具有重要战略意义的生态屏障地区,也是我国典型的生态脆弱区。在三峡水库形成之前,三峡库区(重庆段)生态系统已经受到相当程度的胁迫,加上地域的特殊性以及水库建设导致的自然环境变异、社会经济发展产生的人口增加、资源消耗、污染加剧等一系列问题,使得“先天”已经十分脆弱的库区生态系统在叠加强大的外界干扰后变得更加独特、复杂和脆弱。因此,开展有关三峡库区(重庆段)生态脆弱性的评价研究对于三峡工程长期安全运行、整体功能有效发挥、以及长江流域长治久安和可持续发展具有重要的现实意义。目前已有关于三峡库区生态脆弱性的研究多集中于对消落带等自然环境方面,选取的评价指标偏向自然因素而忽略人为因素,并且在时间维度上也缺乏连续性[34, 35, 36]。三峡库区(重庆段)巨大的自然-社会-经济复合生态系统,涉及层面既多又广,影响因素纷繁复杂,对库区生态脆弱性的评价研究应从自然与人类相互作用关系的角度出发。因此,本研究利用RS和GIS技术,根据三峡库区(重庆段)生态与环境的实际特征,综合多方面因素考虑,以“压力-状态-响应”模型构建指标体系,采用空间主成分分析方法,以100 m×100 m栅格为评价单元,对三峡库区(重庆段)2001—2010年连续10a的生态脆弱性进行动态定量评价,以空间化方式揭示该区2001—2010年生态脆弱性的时空分布及其变化规律,探讨生态脆弱性与自然、人类要素之间的关系,明确生态脆弱性变化机制以及驱动因子,以期为库区生态建设和恢复提供科学依据。

1 研究区域

三峡库区(重庆段)位于28°31′—31°44′ N、105°49′—110°12′ E之间,包括重庆市巫山、巫溪、奉节、云阳、开县、万州、忠县、丰都、石柱、涪陵、武隆、长寿、渝北、巴南、江北、南岸、渝中、沙坪坝、北碚、九龙坡、大渡口和江津等22个区、县(自治县),幅员面积约4.62×104 km2(图1)。该区处于大巴山褶皱带、川东平行岭谷和川鄂湘黔隆起褶皱带三大构造单元的交汇处,以山地、丘陵为主。气候类型属中亚热带湿润季风气候,受峡谷地形影响十分显著,具有冬暖、春早、夏热、伏旱、秋雨、光照少、云雾多、霜雪少等特征。库区植被类型多样,主要以亚热带常绿阔叶林为主,除此之外还有常绿落叶阔叶混交林、落叶阔叶林、针叶林、针阔混交林、竹林、灌草丛等植被类型分布。土壤类型主要有黄壤、黄棕壤、紫色土、石灰(岩)土、水稻土、冲积土、粗骨土和潮土等。

图 1 研究区位置 Fig.1 Location of the study area 1:渝中;2:大渡口;3:江北;4:沙坪坝;5九龙坡;6:南岸;7:北碚
2 研究方法 2.1 评价指标体系

生态脆弱性评价的关键取决于指标体系是否科学合理。压力-状态-响应(Pressure-State-Response,PSR)框架模型从人类系统与自然系统的相互作用与影响出发,具有非常清晰的因果关系,被广泛应用于生态评价[37, 38, 39]。借鉴相关研究成果[40, 41, 42, 43, 44],结合三峡库区(重庆段)生态系统实际情况,以PSR模型为基础,遵循科学性、目的性、系统性与可操作性原则,选取18个指标构建三峡库区(重庆段)生态脆弱性评价指标体系(图2)。

图 2 三峡库区(重庆段)生态脆弱性评价指标体系 Fig.2 Ecological vulnerability evaluation indicator system in the Three Gorges Reservoir Region in Chongqing Municipality

压力指标反映人类活动对生态系统所造成的负荷。长期以来,人类以各种方式持续不断地干预并作用于三峡库区生态系统。库区人口基数大,增长快,城乡二元结构明显,地域分布差异显著;沿岸城镇工业废水和生活污水直接或间接排入江河,垃圾大量堆放在江河两岸或直接倾倒入江河,对库区水质构成严重威胁;化肥和农药在库区传统农业生产中具有极其重要的作用,但是不合理施用化肥、农药造成库区农业面源污染严重。故选择人口密度、工业废水排放量、城镇生活污水排放量、城镇生活垃圾排放量、化肥施用强度、农药施用强度等指标反映人类活动对三峡库区(重庆段)生态系统造成的压力。

状态指标是生态系统内各种因素长期作用的结果,也是生态系统特性和功能的最直接体现。三峡库区高差悬殊、山高坡陡、河谷深切,降水时空分布不均、暴雨强度大、是长江流域著名的“火炉”,滑坡、泥石流、崩塌、洪涝、干旱、极端高温等自然灾害频发,植被覆盖率低、土壤瘠薄、水土流失严重。选择地形起伏度和坡度反映地形地貌脆弱因子;年降水量距平表征年降水与同期平均状态的偏离程度,即反映旱涝灾害强度;高温季节(6—9月)温度反映极端高温天气对生态系统组分、结构和功能的影响;人均水资源量反映区域水资源稀缺程度;植被覆盖度、植被净初级生产力和土地覆盖类型反映植被对库区环境变异的抗干扰能力和缓冲能力;土壤有机碳含量指示土壤健康状态;土壤侵蚀强度反映水土流失特征。

响应指标体现人类面临生态问题所采取的对策与措施。土地垦殖率反映土地资源开发利用的程度,是人类耕作农事活动对生态系统变化的响应;人均GDP反映区域经济发展状况,一定程度上能够反映生态系统的健康状况以及对生态建设和保护的投入能力。

2.2 数据来源及处理

对指标原始数据进行初步计算整理(表1)。由于不同评价指标的数据源类型和空间精度存在差异,在ArcGIS10.0软件平台支持下,对其进行空间量化处理。

表 1 指标描述及来源 Table 1 Description and source of indicators
指标Indicator 计算方法及说明Formula and explanation 来源Source
地表起伏度Relief degree of land surface 单位面积内最大高程值-单位面积内最小高程值 [45] 90m SRTM DEM,美国太空总署(NASA)和国家测绘局(NIMA)
坡度Slope 数字高程模型坡度提取 90m SRTM DEM,美国太空总署(NASA)和国家测绘局(NIMA)
土地覆盖类型Land cover type 根据美国马里兰大学植被分类方案(UMD)重分类为水体、林地、草地、耕地、建设用地和裸地6个类型 [46] 2001—2010年,500 m MCD12Q1,美国太空总署(NASA)
植被覆盖度Vegetation coverage 利用NDVI基于像元二分模型计算 [47] 2001—2010年,250 m MOD13Q1,美国太空总署(NASA)
植被净初级生产力Net primary productivity 利用NDVI基于CASA模型计算NPP [48] 2001—2010年,250 m MOD13Q1,美国太空总署(NASA)
土壤侵蚀强度Soil erosion intensity 重庆市1∶10万土壤侵蚀等级数据 地球系统科学数据共享网西南山地分中心(http://imde.geodata.cn)
土壤有机碳含量Soil organic carbon content 中国1∶100万土壤数据库 中国科学院南京土壤研究所
年降水量距平Annual precipitation anomaly |(某年降水量-多年平均降水量)/多年平均降水量| 中国气象科学数据共享服务网(http://cdc.cma.gov.cn)
高温季节温度Temperature in hot season 6—9月平均气温 中国气象科学数据共享服务网(http://cdc.cma.gov.cn)
人口密度Population density 人口数量/土地面积 2001—2010年重庆市统计年鉴
土地垦殖率Reclamation ratio 耕地面积/土地面积 2001—2010年重庆市统计年鉴
化肥施用强度Intensity of chemical fertilizer application 化肥施用量/耕地面积 2001—2010年重庆市统计年鉴
农药施用强度Intensity of pesticide application 农药施用量/耕地面积 2001—2010年重庆市统计年鉴
人均GDPPer capita GDP GDP/人口数量 2001—2010年重庆市统计年鉴
人均水资源量Per capita water resource 水资源总量/人口数量 2001—2010年重庆市水资源公报
工业废水排放量Discharge amount of industrial waste water 监测统计 2001—2010年长江三峡工程生态与环境监测公报
城镇生活污水排放量Discharge amount of municipal domestic sewage 监测统计 2001—2010年长江三峡工程生态与环境监测公报
城镇生活垃圾排放量Discharge amount of municipal solid waste 监测统计 2001—2010年长江三峡工程生态与环境监测公报

行政区统计数据:包括人口密度、化肥施用强度、农药施用强度、土地垦殖率、人均水资源量和人均GDP,取重庆市40个区县(2011年之前)统计数据;环境监测数据:包括工业废水排放量、城镇生活污水排放量和城镇生活垃圾排放量,取三峡库区26个区县监测数据;气象数据:包括年降水量距平和高温季节温度,取重庆市及其周边地区26个气象站点数据。以上点源数据均采用反距离加权插值法(IDW)进行空间确定性插值,实现其空间化。

本研究以栅格为基本评价单元,所有空间数据栅格大小定义为100 m×100 m。为保证参评指标具有良好的空间重合性,空间数据使用统一的Krasovsky椭球体坐标和Albers投影。

2.3 指标标准化

由于评价指标的量纲及其物理意义存在差异,无法直接用于评价,所以必须对评价指标进行标准化处理,以解决参数不可比的问题。对于定量指标和定性指标分别采用极差法和分等级赋值法,使其值标准化为0—10之间。

极差法:评价指标与脆弱性的关系有正向和负向之分。正向关系是评价指标值越大,脆弱性越高;负向关系是评价指标越小,脆弱性越高。正向指标包括:地表起伏度、坡度、年降水量距平、高温季节温度、人口密度、工业废水排放量、城镇生活污水排放量、城镇生活垃圾排放量、化肥施用强度、农药施用强度、土地垦殖率等指标;负向指标包括植被覆盖度、植被净初级生产力、土壤有机碳含量、人均水资源量、人均GDP等指标。为便于综合分析,将负向指标正向化,使指标作用方向一致,正向指标和负向指标采用不同的标准化计算式[41, 49]

式中,Zi为第i个指标的标准化值,变化范围为0—10,xi为第i个指标的实际值,xmax为实际值的最大值,xmin为实际值的最小值。

分等级赋值法:对于定性指标,包括土壤侵蚀强度和土地覆盖类型指标,根据相关研究成果[41, 50],按照专家知识和实际特征对指标因子直接分级赋值的方法进行标准化处理(表2)。

表 2 分等级赋值标准 Table 2 Standardized value assignment
指标Indicator 标准化赋值 Standardized value
2 4 6 8 10
土壤侵蚀强度 Soil erosion intensity 微度 轻度 中度 强烈 极强烈、剧烈
土地覆盖类型 Land cover type 林地、水体 草地 耕地 建设用地 裸地
2.4 评价方法

通过构建生态脆弱性评价模型,综合各评价指标对生态脆弱性的影响,可以计算得到生态脆弱性指数(EVI),以量化的形式反映区域生态脆弱性状况。但是由于评价指标间有一定的相关性,因而指标信息在一定程度上有重叠,并且指标过多会增加分析问题的复杂性。空间主成分分析(SPCA)基于数理统计的原理,考虑各指标之间的相互关系,在损失很少信息的前提下,实现了将多个指标转换为少数几个互不相关的综合指标。所以本研究在ArcGIS10.0支持下,对18个评价指标进行空间主成分分析,根据主成分的累积贡献率达到85%以上确定7个主成分(表3)。在完成空间主成分分析的基础上,进一步计算生态脆弱性指数(EVI)[51, 52, 53, 54]

式中,EVI为生态脆弱性指数,Yi为第i个主成分;ri为第i个主成分相应的贡献率。其中贡献率计算方法如下: 式中,ri为第i个主成分的贡献率;λi为第i个主成分的特征值。

表 3 各主成分的特征值,贡献率和累计贡献率 Table 3 Eigenvalue, contribution rate and accumulated contribution rate of principal components
年份Year 主成分系数Coefficients of principal component 主成分Principal components
PC1 PC2 PC3 PC4 PC5 PC6 PC7
2001 特征值 λ 2.7804 1.7725 0.7781 0.5208 0.4439 0.4330 0.3092
贡献率/% 34.69 22.12 9.71 6.50 5.54 5.40 3.86
累计贡献率/% 34.69 56.81 66.52 73.02 78.56 83.96 87.82
2002 特征值 λ 3.0523 1.7911 0.8544 0.5242 0.4662 0.4419 0.3753
贡献率/% 35.38 20.76 9.91 6.08 5.40 5.12 4.35
累计贡献率/% 35.38 56.14 66.05 72.13 77.53 82.65 87.00
2003 特征值 λ 3.3579 1.8105 0.8537 0.8131 0.5198 0.4655 0.4424
贡献率/% 35.05 18.90 8.91 8.49 5.43 4.86 4.62
累计贡献率/% 35.05 53.96 62.87 71.35 76.78 81.64 86.26
2004 特征值 λ 3.2693 1.7679 0.7968 0.5599 0.4489 0.4004 0.2952
贡献率/% 38.44 20.78 9.37 6.58 5.28 4.71 3.47
累计贡献率/% 38.44 59.22 68.59 75.17 80.45 85.16 88.63
2005 特征值 λ 3.6773 1.8006 0.8473 0.7234 0.5035 0.4370 0.3889
贡献率/% 37.87 18.54 8.73 7.45 5.19 4.50 4.00
累计贡献率/% 37.87 56.41 65.14 72.59 77.78 82.28 86.28
2006 特征值 λ 3.9149 1.7784 0.8294 0.5826 0.5175 0.4199 0.3944
贡献率/% 40.73 18.50 8.63 6.06 5.38 4.37 4.10
累计贡献率/% 40.73 59.23 67.86 73.92 79.30 83.67 87.77
2007 特征值 λ 3.8209 1.7645 0.8283 0.6376 0.4711 0.4224 0.3469
贡献率/% 40.28 18.60 8.73 6.72 4.97 4.45 3.66
累计贡献率/% 40.28 58.88 67.61 74.33 79.30 83.75 87.41
2008 特征值 λ 4.4912 1.7866 0.9000 0.7914 0.5160 0.4699 0.3986
贡献率/% 42.08 16.74 8.43 7.41 4.83 4.40 3.73
累计贡献率/% 42.08 58.82 67.25 74.66 79.49 83.90 87.63
2009 特征值 λ 4.0688 1.7645 0.8207 0.7654 0.5235 0.4332 0.3915
贡献率/% 40.00 17.35 8.07 7.53 5.15 4.26 3.85
累计贡献率/% 40.00 57.35 65.42 72.95 78.10 82.36 86.21
2010 特征值 λ 3.8250 1.7650 0.9144 0.6053 0.5143 0.4763 0.3863
贡献率/% 39.41 18.19 9.42 6.24 5.30 4.91 3.98
累计贡献率/% 39.41 57.60 67.02 73.26 78.56 83.47 87.45
2.5 生态脆弱性分级及生态脆弱性综合指数

为了便于EVI的度量和比较,对其进行标准化处理[55, 56]。标准化计算方法如下:

式中,Si为第i年生态脆弱性指数的标准化值,变化范围为0—10;EVIi为第i年生态脆弱性指数的实际值;EVImax为多年生态脆弱性指数的最大值;EVImin为多年生态脆弱性指数的最小值。

在EVI标准化的基础上,参照国内外已有的生态脆弱性评价研究的评价标准[6, 22, 55, 56, 57, 58],并根据研究区的具体特征,将三峡库区(重庆段)生态脆弱性划分为5个等级,分别为微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱(表4)。

表 4 三峡库区(重庆段)生态脆弱性分级标准 Table 4 Classification criterion of ecological vulnerability in the Three Gorges Reservoir Region in Chongqing Municipality
脆弱性Vulnerability 等级Level 生态脆弱性指数标准化值Standardized value of Ecological vulnerability index (EVI) 生态特征Ecological characteristic
微度脆弱Negligible vulnerability <2.0 生态系统结构和功能合理完善,所承受压力小,生态系统稳定,抗外界干扰能力和自我恢复能力强,无生态异常出现,生态脆弱性低
轻度脆弱Light vulnerability 2.0—4.0 生态系统结构和功能较为完整,所承受压力较小,生态系统较稳定,抗外界干扰能力和自我恢复能力较强,存在潜在的生态异常,生态脆弱性较低
中度脆弱Medium vulnerability 4.0—6.0 生态系统结构和功能尚可维持,所承受压力接近生态阈值,生态系统较不稳定,对外界干扰较为敏感,自我恢复能力较弱,已有少量生态异常,生态脆弱性较高
重度脆弱Strong vulnerability 6.0—8.0 生态系统结构和功能出现缺陷,所承受压力大,生态系统不稳定,对外界干扰敏感性强,受损后恢复难度大,生态异常较多,生态脆弱性高
极度脆弱Extreme vulnerability ≥8.0 生态系统结构和功能严重退化,所承受压力极大,生态系统极不稳定,对外界干扰极度敏感,受损后恢复难度极大,甚至不可逆转,生态异常大面积出现,生态脆弱性极高

使用定量的综合性指数能够更加直观的表示生态脆弱性状态。采用乘算模型对生态脆弱性综合指数(EVSI)进行求算,计算方法如下[53, 54]

式中,EVSI为生态脆弱性综合指数;Pi为第i类脆弱性等级值;Ai为第i类脆弱性面积;S为区域总面积。

2.6 变化斜率法

变化斜率法是对一组随时间变化的变量进行回归分析,预测其变化的趋势。本研究利用变化斜率法模拟生态脆弱性的年际变化,即利用最小二乘法对逐个栅格EVI值与时间进行回归拟合[59, 60],其斜率计算公式如下:

式中,X为变化斜率;n为时间年数;EVIi为第i年的生态脆弱性指数值。斜率为正,表明生态脆弱性指数呈增加趋势;斜率为负,表明生态脆弱性指数呈降低趋势。变化趋势显著性检验采用F检验,统计量计算如下: 式中,为误差平方和; 为回归平方和;yi为第i年的EVI实际值; i为其回归值。根据EVI的变化趋势和显著性水平,将变化趋势分为3类:显著增加(X>0,P≤0.05)、显著降低(X<0,P≤0.05)和变化不显著(P>0.05)。

3 研究结果 3.1 生态脆弱性时空分布特征

三峡库区(重庆段)2001—2010年生态脆弱性指数(EVI)标准化平均值为4.23±1.29,总体处于中度脆弱。研究区生态脆弱性空间分布特征明显,呈现西高东低的格局(图3)。极度脆弱主要集中在以渝中为中心的城市核心区;重度脆弱主要分布于主城区、涪陵、长寿、江津以及万州等地;中度脆弱广泛分布于库区中部地带;轻度脆弱主要分布于东北部和东南部;微度脆弱集中分布于巫溪、巫山等部分地区。

图 3 2001—2010年三峡库区(重庆段)生态脆弱性空间分布 Fig.3 Spatial distribution of ecological vulnerability in the Three Gorges Reservoir Region in Chongqing Municipality from 2001 to 2010

通过统计不同脆弱性等级面积,计算得到2001—2010年三峡库区(重庆段)生态脆弱性综合指数(EVSI)(图4),结果显示:EVSI最低值为2.37出现在2002年,随后EVSI值逐年递增,到2008年达到10年间的最高值2.99,2009—2010年EVSI值有所降低。

图 4 2001—2010年三峡库区(重庆段)生态脆弱性综合指数 Fig.4 Ecological vulnerability synthetic index (EVSI) in the Three Gorges Reservoir Region in Chongqing Municipality from 2001 to 2010

根据生态脆弱性综合指数(EVSI)的多年平均值,进一步比较三峡库区(重庆段)各区县生态脆弱性的差异(图5)发现,EVSI>3.5的区县包括渝中、沙坪坝、江北、九龙坡、南岸、大渡口、渝北和北碚,2.5<EVSI<3.5的区县包括江津、巴南、万州、长寿、涪陵、忠县、云阳、开县和丰都,EVSI<2.5的区县包括奉节、石柱、武隆、巫山和巫溪。

图 5 三峡库区(重庆段)各区县多年平均生态脆弱性综合指数 Fig.5 Mean value of ecological vulnerability synthetic index (EVSI) from 2001 to 2010 in all counties of the Three Gorges Reservoir Region in Chongqing Municipality
3.2 变化趋势分析

通过EVI序列回归拟合的变化趋势发现,2001—2010年间,占总面积87.77%的区域EVI变化斜率为正,即EVI呈增加趋势;12.23%的区域EVI变化斜率为负,即EVI呈降低趋势(图6A)。F检验结果(图6B)表明:EVI显著增加(X>0,P≤0.05)的区域占总面积的20.35%,主要集中在主城区、长寿、涪陵、江津、万州和开县等地;EVI显著降低(X<0,P≤0.05)的区域占全区的2.54%,主要分布于巫溪、巫山部分地区。

图 6 三峡库区(重庆段)生态脆弱性指数的变化趋势(A)及显著性检验(B) Fig.6 Inter-annual trend of ecological vulnerability index (EVI) (A) and significant test (B) in the Three Gorges Reservoir Region in Chongqing Municipality 1:渝中;2:大渡口;3:江北;4:沙坪坝;5九龙坡;6:南岸;7:北碚
4 分析与讨论 4.1 生态脆弱性驱动因子

主成分分析受人为主观干扰少,客观性强,少数几个主成分能够综合存在于众多原始指标中的各类信息,并且能够突出反映影响评价结果的主要指标[61]。本研究利用空间主成分分析方法提取累计贡献率达到85%以上的前7个主成分计算得到生态脆弱性指数(EVI)。尽管2001—2010年间不同年份的各个主成分对原始指标变量的解释能力不完全相同,但是在权重较大的前3个主成分存在普遍规律:第1主成分中,城镇生活废水排放量和城镇生活垃圾排放量的贡献较大;第2主成分中,土壤侵蚀强度的贡献远大于其他指标;第3主成分中,植被覆盖度、植被净初级生产力和土地覆盖类型的贡献较大。同时其他指标因子对库区生态脆弱性造成不同程度的影响,但是各指标存在年份差异,所以在主成分中的表达有所不同。例如2006年的年降水量距平、高温季节温度和人均水资源量指标在所提取的主成分中的贡献量相比其他年份均较高,这可能是2006年川渝地区遭遇百年一遇的特大旱灾,气温异常偏高,降水量显著偏少[62, 63],年降水量距平、高温季节温度和人均水资源占有量指标的变异程度增加,主成分对其解释性更强。从总体上来看,三峡库区生态脆弱性的形成和发展是一个动态过程,是人类活动与自然环境相互作用的结果,其中城市生活污染、水土流失、植被状态等为主要的驱动因子。

4.2 生态脆弱性时空分布

从时间维度来看,以2003年三峡大坝下闸蓄水为分水岭,蓄水前后三峡库区(重庆段)生态脆弱性综合指数(EVSI)差异明显。蓄水前2002年EVSI值2.37为10年间的最低值,生态脆弱性相对处于较低水平,此阶段自然环境没有出现重大变化,库区经济处于调整期,很多工厂企业开工不足,污染排放量相对较少,并且2002年实施的清库工作使之前产生的污染在一定程度上得到了缓解,生态系统结构功能没有受到较大的外界干扰。蓄水后EVSI值逐年递增,2008年EVSI值达到研究时段内最高值2.99。自然和人为脆弱因子随水库的形成而发生明显变化,一系列连锁的生态和社会效应导致生态脆弱性的加剧。三峡水库水位周期性变化,在库岸形成垂直落差达30m的水库消落带,库岸植被和土壤结构遭到破坏,水土流失加剧[64]。水库蓄水淹没大量库岸土地,耕地面积持续减少,移民安置迁建,人工建设用地规模不断增长,加剧了土地利用/土地覆被变化[65]。2003—2008年也是三峡库区(重庆段)社会、经济高速发展的时期,2008年末三峡库区总人口2068.02万人,为近10年来人口数量的高峰。库区粗放的发展模式大多是以牺牲自然环境为代价,城市规模无序扩张,污染排放量持续增加,环境破坏尤为严重。生态系统受到外界干扰的强度不断升级,自身协调能力下降,表现出极强的脆弱性。2009—2010年,EVSI值略微有所下降,政府主导的生态建设和恢复措施对生态脆弱性的减弱发挥了关键作用。在消落带等重点区域实施的生态治理项目、长期坚持的长江中上游防护林体系建设项目、退耕还林(草)等生态工程已初现成效,自然植被生长环境得到改善,大于25°的坡耕地持续减少,库区土地垦殖强度降低,缓解了库区水土流失压力,农业面源污染强度也随之降低。在城市污染控制方面同样取得一定效果,重庆段工业废水排放量从2008年的5.36亿t大幅减小至2010年的2.83亿t。另外,环境库兹尼茨曲线表明环境压力与经济增长呈“倒U型”曲线关系[66]。随着库区经济水平的提高,2010年三峡库区人均GDP已达到20393元,已经进入环境库兹尼茨曲线的拐点区,人类愈发意识到环境保护的重要性,开始加大对生态建设和保护的投入,库区生态脆弱性随着生态系统的恢复改善而逐渐减弱。

研究时段内生态脆弱性的空间分布格局呈西高东低的特征(图3图5)。高度脆弱的地区多为库区传统发达城市区,城镇化水平高,人口密集,城市建设用地面积大,绿地面积严重不足,而且人类经济活动带来的污染负荷极大,库区主要工业产业集中分布于此,80%以上的生活污水和垃圾排放来源于重庆主城区、万州、涪陵、长寿、江津等地,是库区环境破坏最为剧烈的区域。低度脆弱的东北片区和东南片区,虽然在地表起伏度、坡度、土壤侵蚀强度等指标处于劣势,但是正因其地理条件的限制,该区人口密度小,人为干扰强度较低,植被覆盖状况良好,水资源丰富,一定程度上减缓了其生态脆弱性。

4.3 生态脆弱性变化趋势

本研究发现生态脆弱性显著增加的区域多是重度和极度脆弱类型,而生态脆弱性显著降低的区域多属于微度脆弱类型(图3图6B),这表明2001—2010年三峡库区(重庆段)生态脆弱性呈现两极化趋势,即高度脆弱地区脆弱性显著增强,低度脆弱地区脆弱性明显减弱。生态脆弱性出现两极化的原因主要是高度脆弱地区是库区人类活动最为剧烈的城市区,城市生态系统结构和功能单一,稳定性差,抗外界干扰能力不强,在高强度的外界干扰下,生态系统短时间内难以适应,其内部平衡易于失调,呈现出大幅退化的趋势,并且该区生态问题复杂,恢复难度极大。与之相反,低度脆弱地区则多位于人迹稀少的山区,受人为干扰影响较小,生态系统尚处于自然状态,自我恢复能力强,随着三峡库区水保绿化、生态修复工作大面积展开,生态系统开始趋于正向演替。

研究还发现有77.11%的区域生态脆弱性不存在显著的增减趋势,并且其中绝大部分属于中度脆弱,由此表明三峡库区(重庆段)大多数区域的生态脆弱性正处于中间过渡的重要阶段。这就意味着,如果能够减少对这一地区负面的人为干扰,采取积极有效的生态修复和保护措施,那么三峡库区(重庆段)生态系统状况将会逐渐好转,生态脆弱性也将趋于减弱;反之,如果对出现的生态与环境问题没有引起足够重视,加剧对生态系统的破坏,那么生态系统状况极易恶化,生态脆弱性则将趋于增强。

参考文献
[1] 徐广才, 康慕谊, 贺丽娜, 李亚飞, 陈雅如. 生态脆弱性及其研究进展. 生态学报, 2009, 29(5): 2578-2588.
[2] Ippolito A, Sala S, Faber J H, Vighi M. Ecological vulnerability analysis: a river basin case study. Science of the total Environment, 2010, 408(18): 3880-3890.
[3] De Lange H J, Sala S, Vighi M, Faber J H. Ecological vulnerability in risk assessment A review and perspectives. Science of the Total Environment, 2010, 408(18): 3871-3879.
[4] Wu G Y, Li L H, Ahmad S, Chen X, Pan X L. A dynamic model for vulnerability assessment of regional water resources in arid areas: a case study of Bayingolin, China. Water Resources Management, 2013, 27(8): 1-17.
[5] 靳毅, 蒙吉军. 生态脆弱性评价与预测研究进展. 生态学杂志, 2011, 30(11): 2646-2652.
[6] 田亚平, 常昊. 中国生态脆弱性研究进展的文献计量分析. 地理学报, 2012, 67(11): 1515-1525.
[7] Furlan A, Bonotto D M, Gumiere S J. Development of environmental and natural vulnerability maps for Brazilian coastal at São Sebastiao in São Paulo State. Environmental Earth Sciences, 2011, 64(3): 659-669.
[8] Boori M S, Amaro V E. Natural and eco-environmental vulnerability assessment through multi-temporal satellite data sets in Apodi valley region, Northeast Brazil. Journal of Geography and Regional Planning, 2011, 4(4): 216-230.
[9] Adriaenssens V, De Baets B, Goethals Peter L M, De Pauw N. Fuzzy rule-based models for decision support in ecosystem management. Science of the Total Environment, 2004, 319(1-3): 1-12.
[10] Enea M, Salemi G. Fuzzy approach to the environmental impact evaluation. Ecological Modelling, 2001, 136(2-3): 131-147.
[11] Tran L T, Knight C G, O'Neill R V, Neill R V, Smith El R, Riitters K H, Wickham J. Fuzzy decision analysis for integrated environmental vulnerability assessment of the Mid-Atlantic Region. Environmental Management, 2002, 29(6): 845-859.
[12] Huang P H, Tsai J S, Lin W T. Using multiple-criteria decision-making techniques for eco-environmental vulnerability assessment: a case study on the Chi-Jia-Wan Stream watershed, Taiwan. Environmental Monitoring and Assessment, 2010, 168(1-4): 141-158.
[13] Li L, Shi Z H, Yin W, Zhu D, Ng S L, Cai C F, Lei A L. A fuzzy analytic hierarchy process (FAHP) approach to eco-environmental vulnerability assessment for the Danjiangkou Reservoir area, China. Ecological Modelling, 2009, 220: 3439-3447.
[14] Liao X Q, Li W, Hou J X. Application of GIS based ecological vulnerability evaluation in environmental impact assessment of master plan of Coal Mining Area. Procedia Environmental Sciences, 2013, 18: 271-276.
[15] 韩申山, 史兴民, 裴晓敏. 基于主成分分析法的铜川市环境脆弱性. 中国农学通报, 2011, 27(1): 270-274.
[16] 钟晓娟, 孙保平, 赵岩, 李锦荣, 周湘山, 王引乾, 邱一丹, 冯磊. 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.
[17] Abson D J, Dougill A J, Stringer L C. Using principal component analysis for information-rich socio-ecological vulnerability mapping in Southern Africa. Applied Geography, 2012, 35(1-2): 515-524.
[18] Gómez-Sal A, Belmontes J A, Nicolau J M. Assessing landscape values: a proposal for a multidimensional conceptual model. Ecological Modelling, 2003, 168(3): 319-341.
[19] 邱彭华, 徐颂军, 谢跟踪, 唐本安, 毕华, 余龙师. 基于景观格局和生态敏感性的海南西部地区生态脆弱性分析. 生态学报, 2007, 27(4): 1257-1264.
[20] 乔青, 高吉喜, 王维, 田美荣, 吕世海. 生态脆弱性综合评价方法与应用. 环境科学研究, 2008, 21(5): 117-123.
[21] 徐广才, 康慕谊, Metzger M, 李亚飞. 锡林郭勒盟生态脆弱性. 生态学报, 2012, 32(5): 1643-1653.
[22] 蒙吉军, 张彦儒, 周平. 中国北方农牧交错带生态脆弱性评价--以鄂尔多斯市为例. 中国沙漠, 2010, 30(4): 850-856.
[23] Wang X D, Zhong X H, Liu S Z, Liu J G, Wang Z Y, Li M H. Regional assessment of environmental vulnerability in the Tibetan Plateau: development and application of a new method. Journal of Arid Environments, 2008, 72(10): 1929-1939.
[24] 于伯华, 吕昌河. 青藏高原高寒区生态脆弱性评价. 地理研究, 2011, 30(12): 2289-2295.
[25] Song G B, Chen Y, Tian M R, Lv S H, Zhang S S, Liu S L. The ecological vulnerability evaluation in southwestern mountain region of China based on GIS and AHP method. Procedia Environmental Sciences, 2010, 2: 465-475.
[26] Zhou X L, Yan Y E, Wang H, Zhang F, Wu Y Y, Ren J Z. Assessment of eco-environment vulnerability in the northeastern margin of the Qinghai-Tibetan Plateau, China. Environmental Earth Sciences, 2011, 63(4): 667-674.
[27] 王让会, 宋郁东, 樊自立, 游先祥. 新疆塔里木河流域生态脆弱带的环境质量综合评价. 环境科学, 2001, 22(2): 7-11.
[28] 陈杰, 欧阳志云, 郑华, 徐卫华. 淮河流域脆弱生态区生态系统特征及区划. 中国人口·资源与环境, 2010, 20(10): 169-174.
[29] 刘振乾, 刘红玉, 吕宪国. 三江平原湿地生态脆弱性研究. 应用生态学报, 2001, 12(2): 241-244.
[30] 王丽婧, 郭怀成, 刘永, 戴永立, 王吉华. 邛海流域生态脆弱性及其评价研究. 生态学杂志, 2005, 24(10): 1192-1196.
[31] 胡宝清, 金姝兰, 曹少英, 蒋树芳. 基于GIS技术的广西喀斯特生态环境脆弱性综合评价. 水土保持学报, 2004, 18(1): 103-107.
[32] 张笑楠, 王克林, 张伟, 陈洪松, 何寻阳. 桂西北喀斯特区域生态环境脆弱性. 生态学报, 2009, 29(2): 749-757.
[33] 官冬杰, 苏维词. 基于GIS重庆岩溶地区生态环境脆弱度评价. 中国岩溶, 2006, 25(3): 211-218.
[34] 王丽婧, 席春燕, 付青, 苏一兵. 基于景观格局的三峡库区生态脆弱性评价. 环境科学研究, 2010, 23(10): 1268-1273.
[35] 周永娟, 仇江啸, 王姣, 王效科, 吴庆标. 三峡库区消落带生态环境脆弱性评价. 生态学报, 2010, 30(24): 6726-6733.
[36] 周永娟, 仇江啸, 王效科, 林刚, 吴庆标. 三峡库区消落带崩塌滑坡脆弱性评价. 资源科学, 2010, 32(7): 1301-1307.
[37] 仝川. 环境指标研究进展与分析. 环境科学研究, 2000, 13(4): 53-55.
[38] Wolfslehner B, Vacik H. Evaluating sustainable forest management strategies with the analytic network process in a Pressure-State-Response framework. Journal of Environmental Management, 2008, 88(1): 1-10.
[39] 高珊, 黄贤金. 基于PSR框架的1953-2008年中国生态建设成效评价. 自然资源学报, 2010, 25(2): 341-350.
[40] 邱微, 赵庆良, 李崧, 张建祺. 基于"压力-状态-响应"模型的黑龙江省生态安全评价研究. 环境科学, 2008, 29(4): 1148-1152.
[41] 南颖, 吉喆, 冯恒栋, 张冲冲. 基于遥感和地理信息系统的图们江地区生态安全评价. 生态学报, 2013, 33(15): 4790-4798.
[42] 冷疏影, 刘燕华. 中国脆弱生态区可持续发展指标体系框架设计. 中国人口·资源与环境, 1999, 9(2): 40-45.
[43] 邵田, 张浩, 邬锦明, 张镜波, 王祥荣. 三峡库区(重庆段)生态系统健康评价. 环境科学研究, 2008, 21(2): 99-104.
[44] 赵伟, 谢德体, 刘洪斌. 基于PSR的重庆市"一小时经济圈"生态环境评价研究. 长江流域资源与环境, 2009, 18(6): 568-573.
[45] 张学儒, 官冬杰, 牟凤云, 陈春. 基于ASTER GDEM数据的青藏高原东部山区地形起伏度分析. 地理与地理信息科学, 2012, 28(3): 11-14.
[46] 夏文韬, 王 莺, 冯琦胜, 梁天刚. 甘南地区MODIS土地覆盖产品精度评价. 草业科学, 2010, 27(9): 11-18.
[47] 吴昌广, 周志翔, 肖文发, 王鹏程, 汪涛, 黄子杰. 基于MODIS NDVI的三峡库区植被覆盖度动态监测. 林业科学, 2012, 48(1): 22-28.
[48] 朴世龙, 方精云, 郭庆华. 利用CASA模型估算我国植被净第一性生产力. 植物生态学报, 2001, 25(5): 603-608.
[49] 毕安平, 朱鹤健. 基于PSR模型的水土流失区生态-经济系统耦合研究--以朱溪河流域为例. 中国生态农业学报, 2013, 21(8): 1023-1030.
[50] 麻素挺, 汤洁, 林年丰. 基于GIS与RS多源空间信息的吉林西部生态环境综合评价. 资源科学, 2004, 26(4): 140-145.
[51] 黄方, 刘湘南, 张养贞. GIS支持下的吉林省西部生态环境脆弱态势评价研究. 地理科学, 2003, 23(1): 95-100.
[52] Wang S Y, Liu J S, Yang C J. Eco-environmental vulnerability evaluation in the Yellow River Basin, China. Pedosphere, 2008, 18(2): 171-182.
[53] Li A N, Wang A S, Liang S L, Zhou W C. Eco-environmental vulnerability evaluation in mountainous region using remote sensing and GIS-a case study in the upper reaches of Minjiang River, China. Ecological Modelling, 2006, 192(1-2): 175-187.
[54] 廖炜, 李璐, 吴宜进, 史志华. 丹江口库区土地利用变化与生态环境脆弱性评价. 自然资源学报, 2011, 26(11): 1879-1889.
[55] 徐涵秋. 区域生态环境变化的遥感评价指数. 中国环境科学, 2013, 33(5): 889-897.
[56] 徐涵秋. 水土流失区生态变化的遥感评估. 农业工程学报, 2013, 29(7): 91-97.
[57] Ifeanyi C E, Adoh E N, Alabi M O. Evaluation of eco-environmental vulnerability in Efon-Alaye using remote sensing and GIS techniques. Journal of Geography and Regional Planning, 2010, 3(1): 8-16.
[58] 樊哲文, 刘木生, 沈文清, 林联盛. 江西省生态脆弱性现状GIS模型评价. 地球信息科学学报, 2009, 11(2): 231-238.
[59] 陈操操, 谢高地, 甄霖, 耿艳辉, 冷允法. 泾河流域植被覆盖动态变化特征及其与降雨的关系. 生态学报, 2008, 28(3): 925-938.
[60] 孙华, 白红英, 张清雨, 雒新萍, 张善红. 基于SPOT VEGETATION的秦岭南坡近10年来植被覆盖变化及其对温度的响应. 环境科学学报, 2010, 30(3): 649-654.
[61] Li Y, Tian Y P, Li C K. Comparison study on ways of ecological vulnerability assessment-A case study in the Hengyang Basin. Procedia Environmental Sciences, 2011, 10: 2067-2074.
[62] 李梗, 刘晓冉, 刘德, 唐红玉, 叶钊. 重庆市伏旱时空变化特征. 气象科技, 2011, 39(1): 27-32.
[63] 高路, 陈思, 周洪建, 罗奎, 王静爱, 毛佳. 重庆市2006年特大旱灾分析与灾后恢复性研究. 自然灾害学报, 2008, 17(1): 21-26.
[64] 苏维词. 三峡库区消落带的生态环境问题及其调控. 长江科学院院报, 2004, 21(2): 31-34, 41-41.
[65] 江晓波, 马泽忠, 曾文蓉, 周万村, 周爱霞, 李爱农, 孙育秋. 三峡地区土地利用/土地覆被变化及其驱动力分析. 水土保持学报, 2004, 18(4): 108-112.
[66] Eakin H, Luers A L. Assessing the vulnerability of social-environmental systems. Annual Review of Environment and Resources, 2006, 31(1): 365-394.