近年来, 随着人地矛盾的不断加剧, 生态系统退化、生态环境恶化和资源过度利用等区域生态问题日渐突出^[1—2]。人类活动对生态环境已经产生了强烈干扰, 严重影响区域生态安全和社会可持续发展^[3]。近几十年来, 国内外学者对生态敏感性开展大量研究, 特别是生态敏感性评价的实践应用型研究。依据区域生态环境问题制定针对性生态保护措施有助于缓解生态环境恶化的趋势。因此, 有必要开展区域生态敏感性评价, 识别区域生态环境问题的时空分布格局, 指出需要开展生态环境保护恢复的重点区域, 遏制生态环境恶化趋势, 为区域生态保护和空间规划提供理论依据和重要抓手^[4]。

生态敏感性是指区域内生态系统受人为活动干扰或自然环境变化时, 生态系统产生问题的难易程度和可能性大小^[2]。通过对国内外文献的梳理发现, 生态敏感性评价的研究区域广泛，研究尺度多样, 研究方法传统^[5]。其中, 研究区域包含流域^[6—7]、城市^[8—9]、湿地^[10]、自然保护区^[11]等。研究尺度从国家^[2]、地理区域^[12]、省域^[13—14]延伸至市县域范围^{[1, 15—16]}。研究方法主要采用主成分分析法^[17]、层次分析法^[18]、专家打分法^[19]、最大值法^{[13, 20]}等传统权重确定方法。目前, 生态敏感性研究由单一敏感性问题研究, 向多角度综合敏感性的研究方向发展, 如Yu等^[8]从生物多样性敏感性和水资源敏感性、地质灾害敏感性、土壤侵蚀敏感性四方面, 综合评价西双版纳景洪市生态系统敏感性, 何苏玲等^[5]从土壤侵蚀和酸雨侵蚀两方面, 评价了赣州市龙南县生态敏感性。刘海龙等^[6]从景观风险敏感性、水土流失敏感性和生物多样性敏感性三方面, 评价了汾河流域生态敏感性。尽管生态敏感性相关研究发展迅速, 但仍存在一定局限性。首先, 在评价指标的选择上, 尚未形成统一的标准, 指标的选择存在较大的主观性和随意性^[21]。其次, 在研究方法的选择上, 以层次分析法和专家打分法为代表的主观赋权法客观性较差, 而以最大值法和主成分分析法为代表的客观赋权法易造成某一单因子主导结果的现象, 其余因子对结果的影响较小, 无法体现生态敏感性评价的综合性^[5]。

青藏高原被称为“世界第三极”, 过去几十年的监测表明, 青藏高原是全球气候变暖最明显和强烈的地区, 其升温幅度是全球地面平均上升温度的两倍^[22—23]。这不仅会导致冻土融化、冰川退缩及各类自然灾害频发, 更关系到下游数十亿人民生计安全^[24]。然而目前针对青藏高原开展生态敏感性评价的研究仍相对欠缺, 以单一敏感性问题评价为主。因此, 本文以青藏高原为研究区域, 选取2000—2018年长时间序列, 选取土地荒漠化、水土流失、滑坡灾害和冻融侵蚀四个因子进行单因子敏感性评价, 在此基础上通过空间距离指数法对青藏高原生态敏感性进行综合评价, 并对生态敏感性评价结果进行空间自相关分析和时空变化模式分析。以空间化的方式揭示2000—2018年青藏高原生态敏感性的时空分布及变化规律, 为青藏高原后续生态保护政策的制定提供理论依据。

1 研究区域与数据来源 1.1 研究区概况

青藏高原位于73°E—106°E和24°N—41°N之间, 横跨西藏、新疆、青海、甘肃、四川和云南六省(自治区)(图 1), 面积约为250万km², 约占我国陆地面积的四分之一, 因其平均海拔在4000m以上, 被称为“世界屋脊”^[25]。青藏高原具有海拔高、气温低、降水少、整体抗干扰能力较弱的特点, 易受土壤荒漠化、地震滑坡和冻融侵蚀等自然灾害的影响, 且受到破坏后难以恢复。其具有除极地地区外最多数量的冰川, 这些冰川是长江、黄河、怒江和澜沧江等亚洲重要河流的源头, 为下游数十亿人口提供淡水和食物^[26]。近年来, 人类活动和气候变化对青藏高原的影响日益加剧, 严重影响了当地生态系统的稳定性。因此, 亟需对青藏高原开展生态敏感性评价, 识别其生态敏感性时空分布特征。

1.2 数据来源与处理

本研究采用的数据包括高程数据、坡度数据、坡向数据、气象数据、归一化植被指数(Normalized Difference Vegetation Index, NDVI)数据、土地利用数据、土壤可蚀性因子数据、坡度坡长因子数据、道路数据和河流数据。其中, 高程、坡度和坡向数据来自地理空间数据云(http://www.gscloud.cn/), 空间分辨率为90m, 2000—2018年气象数据来自中国气象数据网(http://data.cma.cn/), 2000—2018年归一化植被指数数据和土地利用数据来自资源环境科学与数据中心(https://www.resdc.cn/), 空间分辨率为1000m, 土壤可蚀性因子和坡度坡长因子数据来自国家地球系统科学数据中心(http://www.geodata.cn/), 空间分辨率为1000m, 道路数据来自OpenStreetMap(http://www.openstreetmap.org/)，河流数据来自HydroSHEDS数据集(https://hydrosheds.org/)。以上数据经过拼接、配准、裁剪、投影变换和重采样等预处理, 统一转换成栅格数据, 所有数据均采用WGS1984地理坐标系和Albers投影坐标系, 空间分辨率统一为1000m×1000m。

2 研究方法 2.1 综合生态敏感性模型的构建 2.1.1 土地荒漠化敏感性指数

土地荒漠化是在自然和人为因素的相互影响下, 干旱区、半干旱区与亚湿润干旱区土地逐渐退化的现象^[27]。青藏高原地区受海拔、气温、降水等自然条件限制, 植被覆盖度较低, 易产生土地荒漠化现象。本研究参照已有研究^[28], 利用植被覆盖度表示土地荒漠化程度。利用NDVI数据近似估计植被覆盖度, 计算土地荒漠化指数(Land desertification sensitivity index, LDSI), 具体公式如下：

(1)

式中, V_FC表示植被覆盖度, NDVI为所求像元归一化植被指数, NDVI_max和NDVI_min表示研究区归一化植被指数的最大值和最最小值。

2.1.2 水土流失敏感性指数

本文采用Wischmeier等提出的通用土壤流失方程(Universal Soil Loss Equation, USLE)评估区域水土流失敏感性, 综合考虑研究区域地形、植被、土壤、降水和土地利用五大因子^{[29, 30]}。降水侵蚀力因子(R)采用Wischmeier等提出的各月平均降水量和年降水量R值的经验公式计算^[30]。地表覆盖因子(C)采用蔡崇法等的植被覆盖度与C函数关系估算^[31]。人工措施因子(P)综合已有研究^{[29—30, 32—33]}, 结合研究区土地利用类型确定(表 1)。土壤可蚀性因子(K)和坡度坡长因子(LS)数据采用地球系统科学数据共享平台已处理生成的数据图层, 计算水土流失敏感性指数(Soil erosion sensitivity index, SESI), 具体公式如下：

(2)

式中, SESI为水土流失敏感性指数；R为降水侵蚀力因子；K为土壤可蚀性因子；LS为坡度坡长因子；C为地表覆盖因子；P为人工措施因子。

2.1.3 滑坡灾害敏感性指数

青藏高原地处喜马拉雅地震带, 高大山脉区地势险峻, 极易发生滑坡灾害。本文参照已有研究结果^[34—36], 基于坡度、高程、距道路距离、距河流距离、土地利用类型和年均降水量六个因子, 利用层次分析法计算滑坡灾害敏感性指数(Landslide sensitivity index, LSI), 其权重参考文献依次设置为0.0559、0.2203、0.3764、0.1496、0.0484、0.1494。

2.1.4 冻融侵蚀敏感性指数

冻融侵蚀是高寒地区由于温度的变化, 导致土体或岩石中水分发生相变, 体积发生变化, 以及由于土壤或岩石不同矿物的差异胀缩, 造成了土体或岩石的机械破坏, 被破坏的土体或岩块在重力等作用下被搬运的整个过程^[37]。青藏高原及其附近高山区是我国冻融侵蚀最强烈和最集中的地区。本文参照已有研究结果^[38], 基于气温年较差、年均降水量、坡度、坡向和植被盖度五个因子, 利用加权平均法计算冻融侵蚀敏感性指数(Freeze-thaw erosion sensitivity index, FESI), 其权重参考文献依次设置为0.1、0.2、0.4、0.1、0.2。

2.1.5 综合生态敏感性指数

生态敏感性单一评价指标只能反映各因素对区域的影响, 因此, 需要选择合理的方法将各指标进行综合。本文利用空间距离指数法, 计算某一点到敏感性最高点之间的距离, 构建综合生态敏感性指数(Comprehensive ecological sensitivity index, CESI)。综合生态敏感性指数越小, 表示生态敏感性越高, 生态环境越恶劣^{[6, 21]}。依据单指标生态敏感性评价结果, 归一化土地荒漠化敏感性指数、归一化水土流失敏感性指数、归一化滑坡灾害敏感性指数和归一化冻融侵蚀指数最大值作为空间中敏感性最高点。计算空间中其他点到敏感性最高点的距离来构建综合生态敏感性指数, 将土地荒漠化、水土流失、滑坡灾害和冻融侵蚀四个评价因子进行叠加分析, 具体公式如下：

(3)

式中, LDSI表示土地荒漠化敏感性指数；SESI表示水土流失敏感性指数；LSI表示滑坡灾害敏感性指数；FESI表示冻融侵蚀敏感性指数；LDSI_max、SESI_max、LSI_max、FESI_max分别表示土地荒漠化敏感性指数、水土流失敏感性指数、滑坡灾害敏感性指数、冻融侵蚀敏感性指数最大值。

2.2 空间自相关分析

(1) 全局空间自相关。全局Moran′s I指数是反映区域空间组成要素的相似情况, 本研究通过GeoDa软件分析各网格综合生态敏感性的空间关联性。Moran′s I指数取值范围为[-1, 1], 正值代表空间要素间聚集分布, 负值代表空间要素间离散分布, 0代表空间要素间不相关、随机分布, 具体公式如下^[39]：

(4)

式中, I为Moran指数；n表示空间单元个数；x_i和x_j为第i和第j个格网的生态敏感性观测值；x为全部格网的生态敏感性均值；ω_ij为空间权重矩阵。

(2) 局部空间自相关。全局Moran′s I指数仅能反映区域整体的自相关统计量, 无法反映子区域及其邻域之间的空间自相关性。因此, 本研究采用局部Moran′s I指数分析子区域及其邻域之间关联情况, 具体公式如下^[39—40]：

(5)

式中, I为Moran指数；S是空间权重矩阵之和；x_i和x_j为第i和第j个格网的生态敏感性观测值；x为全部格网的生态敏感性均值；ω_ij为空间权重矩阵。

2.3 生态敏感性变化模式分析

利用ArcGIS 10.2中Reclassify工具, 采用自然断点法(Natural Breaks), 将土地荒漠化敏感性指数、水土流失敏感性指数、滑坡灾害敏感性指数、冻融侵蚀敏感性指数和综合敏感性指数分为不敏感、轻度敏感、中度敏感、重度敏感和极度敏感五级(表 2)。同时, 计算2000—2018年期间敏感性等级变化, 等级下降记为“显著退化”, 等级上升记为“显著改善”, 等级无变化记为“无显著变化”。将综合生态敏感性等级由极度敏感到不敏感分别赋值为1、2、3、4、5, 利用Raster Calculator工具对不同时期生态敏感性分级结果进行叠加分析, 具体公式如下：

(6)

式中, Code为生态敏感性变化模式编码, Code₂₀₀₀、Code₂₀₁₀、Code₂₀₁₈分别为2000、2010、2018年综合敏感性等级分级结果。

3 结果与分析 3.1 单指标生态敏感性时空演变特征

研究区域土地荒漠化评价结果表明, 土地荒漠化敏感性总体表现为由西北向东南递减, 最大值出现在青藏高原西北部(图 2)。西北部地区海拔平均在4000m以上, 降水稀少, 气候干旱, 植被稀疏, 为荒漠草甸草原景观, 且风蚀作用强烈, 植被破坏后难以修复, 容易发生土地荒漠化。而最小值出现在青藏高原东南部雅鲁藏布江大拐弯处, 该区域海拔较低, 来自印度洋的暖湿气流带来大量降水, 植被覆盖率高, 植被类型以森林为主。从时间变化上, 2000年、2010年、2018年土地荒漠化敏感性指数平均值分别为0.621、0.590、0.568, 呈现逐渐递减趋势, 土地荒漠化程度明显改善, 尤其是云南、四川和甘肃地区, 而唐古拉山脉区域土地荒漠化敏感性有所上升。

研究区域水土流失敏感性评价结果表明, 青藏高原地区水土流失程度较低, 重度和极度敏感区分布在雅鲁藏布江大拐弯、阿里地区西部、四川省和云南省等地(图 3), 这些区域地形起伏度大, 沟壑纵横, 降水较多。其中水土流失敏感性最大值出现在雅鲁藏布江大拐弯, 该区域也是青藏高原降水量的最大值点, 年平均降水量超过1000mm, 地势陡峭, 起伏度大。因此, 在长期的降水侵蚀作用下, 水土流失情况也最严重。从时间变化来看, 2000年、2010年、2018年水土流失敏感性指数平均值分别为0.011、0.008、0.011, 水土流失敏感性先下降再上升, 雅鲁藏布江大拐弯和阿里地区西部等重度和极度敏感区敏感性降低, 而甘肃、四川和云南等地区水土流失敏感性有所增强。

青藏高原的快速隆起使其地质地貌发生了剧烈改变, 导致该地区构造活动强烈、地质灾害频发^{[36, 41]}。研究区域滑坡灾害敏感性评价结果表明, 极度和重度敏感区主要集中在青藏高原东南部的道路和河流沿线(图 4)。该区域是青藏高原的人口密集区, 海拔较低, 降水丰富, 植被覆盖率高。地震滑坡和人类活动增加了地质灾害强度, 严重威胁了区域发展和人民安全^[42]。而不敏感区主要集中在青藏高原北部, 该区域降水稀少, 地势相对平缓, 人类活动强度低, 道路和河流密度低, 因此具有较低的滑坡灾害敏感性。从时间变化上, 2000、2010、2018年滑坡灾害敏感性指数平均值分别为0.304、0.305、0.310, 滑坡灾害敏感性逐渐上升趋势。

研究区域冻融侵蚀敏感性评价结果表明, 青藏高原冻融侵蚀极度和重度敏感区主要沿喀喇昆仑山、祁连山和横断山等山脉分布(图 5)。该区域海拔较高和气温年较差大, 冻融交替频繁, 使得该区域土壤抗侵蚀能力降低。植被覆盖率低, 没有良好的植被进行保护, 土壤白天迅速升温融化, 夜晚降温冻结, 增加了发生冻融侵蚀的可能性。而青藏高原东南部和柴达木盆地区域冻融侵蚀敏感性较低和属于不敏感区, 该区域海拔较低, 年平均气温基本高于0℃, 发生冻融侵蚀频率较低。从时间变化上, 2000、2010、2018年冻融侵蚀敏感性指数平均值分别为0.327、0.327、0.318, 呈现逐渐降低趋势。西藏大部分地区冻融侵蚀敏感性均有明显下降, 而青海部分地区敏感性有所上升。

3.2 综合生态敏感性时空演变特征

从空间分布来看, 青藏高原地区综合生态敏感性在空间上表现为由西北向东南递减, 高大山脉区敏感性较高, 极度敏感区主要沿喀喇昆仑山脉、喜马拉雅山脉、昆仑山脉、唐古拉山脉和巴颜喀拉山脉分布(图 6, 表 3)。不敏感区集中在四川省、云南省和雅鲁藏布江大拐弯地区。从时间变化来看, 2000、2010、2018年综合生态敏感性指数平均值分别为1.49、1.50、1.51, 综合生态敏感性指数逐渐增加, 生态敏感性不断降低, 生态环境整体呈现良好发展态势。极度敏感区面积不断减小, 由2000年的52.05×10⁴km²(18.83%)和2010年的50.07×10⁴km²(18.10%), 缩减至2018年的47.00×10⁴km²(17.15%)。不敏感区面积持续增加, 由2000年的30.66×10⁴km²(11.09%)和2010年37.31×10⁴km²(13.48%), 增加至2018年的45.38×10⁴km²(16.56%)。青藏高原大部分区域生态敏感性均有所下降, 仅青海南部少部分地区敏感性上升。

3.3 空间自相关分析

运用ArcGIS 10.2的Fishnet工具, 按照10km的采样间隔提取青藏高原综合生态敏感性指数值。利用GeoDa软件计算可得, 青藏高原地区2000—2018年的全局Moran′s I指数分别为0.652、0.666、0.642, 均大于0, 表明青藏高原生态敏感性在空间上呈现较强的正相关的关系。进一步检验Moran′s I指数的显著性, 2000—2018年P值均为0.001, Z得分均大于2.58, 通过99.9%的置信度检验, 表明研究区域生态敏感性空间自相关是极显著的^[6]。2000—2018年的空间自相关性波动下降, 在2010年空间自相关性最强(表 4)。

为了进一步分析2000—2018年青藏高原生态敏感性的空间关联性, 利用GeoDa软件生成局部空间自相关的LISA(Local Indicators of Spatial Association)聚类图(图 7), 按性质划分为高-高聚集(H-H), 低-高聚集(L-H), 低-低聚集(L-L), 高-低聚集(H-L), 不显著(No significance)五类。高-高聚集表示高值聚集, 主要为轻度敏感区和不敏感区。低-低聚集表示低值聚集, 主要为极度和重度敏感区。这两个类别的空间要素存在较强的空间正相关。低-高聚集表示该区域生态敏感性较高, 但周边区域较低。高-低聚集表示该区域生态敏感性较低, 但周边区域较高。这两个类别的空间要素存在较强的空间负相关^{[40, 43]}。

由图 7可得, 生态敏感性低-低聚集主要分布在青藏高原西北部地区, 沿高大山脉分布, 网格数量由2000年的7277增至2018年7357, 整体呈现波动上升的趋势, 空间结构趋向聚集。生态敏感性高-高聚集主要分布在柴达木盆地、雅鲁藏布江大拐弯、甘肃、四川和云南省等地。网格数量由2000年的6983降至2018年6838, 整体呈现波动下降的趋势, 空间结构趋向离散化。青藏高原的敏感性评价表明, 2000—2018年综合生态敏感性逐渐降低, 青藏高原地区的生态环境逐渐改善, 但重度和极度敏感区空间分布更加聚集, 轻度敏感区和不敏感区空间分布更加离散, 表明青藏高原地区生态环境蕴藏风险。

3.4 生态敏感性变化模式分析

为深入探索青藏高原综合生态敏感性变化模式, 本文通过编码法将2000—2018年综合生态敏感性的变化模式进行编码, 从空间分布和敏感性数值变化两方面确定生态敏感性动态变化情况^[21]。按照变化模式的具体特征, 将青藏高原分为了严格保护区、生态退化区、潜在治理区、生态改善区和综合发展区五个区域(表 5, 图 8)。

严格保护区是指敏感性常年为重度和极度敏感的区域, 主要分布在青藏高原西北部地区高大山脉地区。这些区域生态环境本底条件较差, 海拔较高、气候干旱、植被稀少、人类活动影响较小。多为自然保护地分布区域, 如羌塘自然保护区和色林错自然保护区、可可西里自然保护区等^[44]。应继续维持其生态保护的措施, 在保证其生态系统不退化的前提下, 针对性保护该区域分布的高原特色物种。

生态退化区是指在2000—2018年间, 由低敏感性向高敏感性转化, 生态系统有所退化的区域, 该区域面积较小, 仅占3.60%, 主要分布在玉树州北部和四川省部分地区。这些区域在滑坡灾害、水土流失等多个因子上都表现出了敏感性上升的趋势, 亟待重点关注和保护。在后续的研究中, 可以采用更高分辨率, 更长的时间序列针对该区域发生生态退化的具体原因开展探究^[45]。

潜在治理区是指敏感性在2000—2018年间, 总体波动变化明显, 稳定性较差的区域。主要分布在巴音郭勒州, 在青藏高原东部地区也有零散分布。一方面, 这些区域气候变化明显, 可能导致生态敏感性发生波动。另一方面, 这些区域为青藏高原人口分布密集区, 人类活动的扩张和工程设施的建设可能是导致生态敏感性波动变化的原因之一^[46]。针对这些区域应适当开展退耕还林、还草等生态工程, 维持生态系统的稳定性。

生态改善区是指敏感性在2000—2018年间, 由高敏感性向低敏感性转化, 生态环境有所改善的区域, 占总面积的15.07%, 主要集中在青藏高原东部地区。这些区域平均海拔相对较低, 降水丰富, 气候适宜, 植被覆盖率高。由于生态环境保护工程的实施, 这些区域的生态敏感性不断降低, 表明原有恢复治理措施取得了较好的成果。因此, 可以继续延用原有生态保护措施, 保障生态环境可持续发展。

综合发展区是指敏感性常年为不敏感、轻度敏感和中度敏感, 敏感性较低, 且始终保持稳定的区域, 主要集中在青藏高原东部云南省、四川省、甘肃省及青海省的柴达木盆地。综合发展区也是面积最大的区域, 占总面积的43.04%。该区域生态环境本底条件较好, 也是青藏高原的主要人口分布区。综合发展区可以允许适当的人类活动, 但需要在经济发展和生态保护的矛盾中寻找平衡点, 以保护促发展, 以发展强保护。

4 分析与讨论

Zhao等^[47]研究表明, 青藏高原是我国生态环境最敏感脆弱的区域之一。本文通过对青藏高原的综合敏感性进行评估, 确定其敏感性等级为重度敏感, 在2000年、2010年、2018年, 重度敏感区均为面积最大的区域, 占比分别达到25.93%、25.68%、24.27%。青藏高原生态敏感性自西北向东南递减, 形成了高寒荒漠生态系统、高寒草原生态系统、高寒草甸生态系统、灌丛生态系统和森林生态系统的水平地带性分布。青藏高原东南部地区, 尤其是四川省和云南省, 是低敏感性主要聚集区, 本文将这些区域划分为综合发展区。尽管这些区域人口密集、人类活动频繁, 滑坡灾害和水土流失敏感性指数较高, 但是印度洋的暖湿气流在此交汇, 带来了温暖的气候和充沛的降水量。从而促进了植被的生长。针对这些区域的管控, 要遵守“统筹规划, 科学监测”的原则, 可以允许适当的人类活动, 但应以不破坏当地环境为前提。而青藏高原高敏感性聚集区出现在西北高大山脉区, 本文将这些区域划分为严格保护区, 这些区域海拔较高, 地势起伏度大, 深入内陆, 年均降水量在100—300mm之间, 干旱的环境和裸露的土地使生态环境极易受到自然灾害的影响。针对这些区域的管控, 要实行严格的管理保护措施, 禁止开发建设活动。受自然本底条件限制, 青藏高原西北地区难以达到东南地区的自然条件, 但要尽可能减少外界对其生态环境的破坏, 维持相对较好的自然条件。

2000—2018年青藏高原综合生态敏感性不断下降, 敏感性指数平均值分别为1.49、1.50、1.51, 综合敏感性指数逐渐增加, 生态环境整体呈现良好发展态势, 这与相应的生态工程恢复政策密不可分。2005年《青海三江源自然保护区生态保护和建设总体规划》, 2009年《西藏生态安全屏障保护与建设规划(2008—2030年)》, 2011年《青藏高原区域生态建设与环境保护规划(2011—2030年)》等一系列生态保护工程规划的制定和实施, 大力推动了退耕还林、还草, 推进了土地荒漠化、水土流失和地质灾害的防治, 强化了草地、湿地和林地生物多样性的保护, 极大促进了青藏高原生态环境好转。但空间自相关分析结果表明, 生态敏感性低-低聚集网格数量由2000年的7277增至2018年7357, 整体呈现波动上升的趋势, 重度和极度敏感区空间结构趋向聚集, 表明青藏高原西北部地区可能存在一定生态风险, 对生态系统构成威胁。总体而言, 青藏高原生态环境正逐步趋于好转, 但同时也蕴藏着风险与隐患。

本研究依据生态敏感性的动态变化特征, 将青藏高原划分严格保护区、生态退化区、潜在治理区、生态改善区和综合发展区五个区域, 并针对性提出了优化保护管理措施。生态退化区和潜在治理区亟需重点保护和关注, 生态退化区在2000—2018年间敏感性持续上升, 表明在外界环境和人类活动的影响下, 该区域生态环境持续恶化。潜在治理区则是在2000—2018年间, 敏感性波动较大, 稳定性较差。然而, 青藏高原横跨西藏、青海、新疆、甘肃、四川和云南六省(自治区), 各省区间存在管理标准不统一, 管理效率低下等问题。因此, 为加强青藏高原生态建设和环境保护, 亟待实现青藏高原一体化管理, 针对青藏高原生态环境现状进行统筹评估, 实行整体保护、系统修复和统一管理。

本文总体上反映了青藏高原近20年生态敏感性的时空变化特征, 选取土地荒漠化、水土流失、滑坡灾害和冻融侵蚀四个因子进行评价。但目前, 很多因子的评价方法尚未统一, 准确性有待进一步验证；从研究尺度上看, 青藏高原区域较大, 选用低分辨率数据可以加快计算速率, 但可能会产生精度误差。在后续研究中, 可以针对重点研究区域采用更高分辨率和更长的时间序列的遥感数据进一步深入探究。

5 结论

青藏高原是我国生态环境保护的热点区域之一, 在资源、环境和生态等方面具有重要的战略地位。本研究在定量构建土地荒漠化敏感性、水土流失敏感性、滑坡灾害敏感性和冻融侵蚀敏感性的基础上, 通过空间距离指数法对青藏高原生态敏感性进行综合评价, 对评价结果进行空间自相关分析并划分保护管理区域, 具体结论如下：

(1) 从空间分布分析, 青藏高原综合生态敏感性空间异质性明显, 由西北向东南递减, 极度和重度敏感区主要集中在西北高大山脉区。从时间变化分析, 2000、2010、2018年敏感性指数平均值分别为1.49、1.50、1.51, 生态环境整体呈现良好发展态势。

(2) 青藏高原生态敏感性全局Moran′s I指数均大于0, 存在显著的空间正相关, 低-低聚集网格数量波动上升, 从2000年的7277增至2018年7357, 重度和极度敏感区空间结构趋于聚集, 表明青藏高原生态环境仍蕴藏风险。

(3) 按照青藏高原生态敏感性变化模式特征划分区域, 其中, 综合发展区面积占43.04%, 是分区中面积最大的区域, 严格保护区次之, 占33.91%。生态改善区面积(15.07%)大于生态退化区面积(3.60%), 表明近年来青藏高原生态环境治理取得积极成效。