2022, Vol. 42文章信息
- 李月皓, 王晓峰, 楚冰洋, 牛泽鹏, 符鑫鑫, 延雨
- LI Yuehao, WANG Xiaofeng, CHU Bingyang, NIU Zepeng, FU Xinxin, YAN Yu
- 青藏高原生态屏障生态系统时空演变及驱动机制
- Spatiotemporal ecosystem evolution and driving mechanism in the Qinghai-Tibet Plateau ecological barrier area
- 生态学报. 2022, 42(21): 8581-8593
- Acta Ecologica Sinica. 2022, 42(21): 8581-8593
- http://dx.doi.org/10.5846/stxb202012023084
-
文章历史
- 收稿日期: 2020-12-02
- 网络出版日期: 2022-06-21
2. 陕西省土地工程重点实验室, 西安 710054;
3. 长安大学地球科学与资源学院, 西安 710054
2. Shaanxi Key Laboratory of Land Engineering, Xi'an 710054, China;
3. School of Earth Science and Resources, Chang'an University, Xi'an 710054, China
青藏高原是中国重要的生态安全屏障, 能够防御外部环境恶化威胁、保护内部生态良好健康, 也对东亚、全球的自然环境稳定性产生巨大的屏障作用[1]。在全球气候变化和人类活动的综合影响下, 青藏高原呈现出生态系统稳定性降低、资源环境压力增大等诸多问题, 对国家生态安全产生威胁[2]。因此, 国家与有关部门在青藏高原已部署实施多项和生态建设与环境保护有关的规划或项目, 例如2009年2月, 国务院批准通过了《西藏生态安全屏障保护与建设规划(2008—2030年)》；2011年5月1日, 国务院颁布了《青藏高原区域生态建设与环境保护规划(2011—2030年)》。2010年12月, 为维护国家生态安全, 改善生态环境并使之与经济发展相适应从而达到可持续发展[3], 国务院印发《全国主体功能区规划》, 明确了青藏高原生态屏障的概念, 亟待开展相关的科学监测和评估[4]。生态系统格局反映了各类生态系统自身的空间分布规律和各类生态系统之间的空间结构关系[5—6], 生态系统变化不仅与生态系统服务之间联系密切, 也是全球生态环境变化的重要原因和驱动力[7—8]。明确生态系统的分布状况, 并通过理解要素相互作用过程的机理, 揭示其动态变化的规律, 是自然地理学的重点研究内容[9], 也是制定生态保护与生态文明建设政策与措施的依据[10]。因此, 明确青藏高原生态屏障生态系统现状, 分析其生态系统格局的演变规律, 探究影响生态系统格局演变的驱动机制具有重要意义[11]。
近年来, 国内外诸多学者针对生态系统格局演变及其驱动因素进行了大量有益的探索。在理论层面, 傅伯杰[12]、欧阳志云等[13]对生态系统格局与生态安全格局、生态系统服务之间的相互关系进行了详细论述；Shichang Kang[14]、王新华等[15]分析了自然条件和人为干预共同影响下的生态系统格局演变以及生态系统服务变化；孙鸿烈等[1]对青藏高原国家生态安全屏障保护与建设进行了综合分析与论述。在实践方面, 牟雪洁等[16]的研究发现2000—2010年青藏高原生态屏障湿地面积增加明显, 且气候变化是引起湿地面积增加的主要自然因素；郭兵等[17]认为青藏高原高寒生态区的脆弱生态系统主要受地形、气候、和人口密度的影响。但是目前多数的生态系统演变驱动机制研究都仅仅在全局或者平均意义上对参数进行估计, 在反映空间局部变化和空间异质性上研究不足；且在对青藏高原生态屏障保护和建设开展的综合评估中, 未见全面分析生态系统格局的时空演变过程的研究, 还没有形成一套系统、全面的驱动机制的指标体系[18]。冗余分析是一种回归分析结合主成分分析的排序方法, 不仅可以确定各要素的独立贡献, 也能排序分析各因子之间的相关关系[19], 方差分析能在冗余分析的基础上剥离出各因子的贡献率和交互作用大小[20], 而地理加权回归可以进一步表达驱动因子的空间异质性[21]。将三种方法充分结合形成体系, 层层递进、互为补充, 可以全面分析生态系统格局演变的驱动机制，并为形成科学完整的指标体系打下坚实基础, 是探讨生态系统格局演变机制的有力工具。
本文以青藏高原生态屏障为研究区, 分析其2000—2015年生态系统格局时空动态演变特征；采用冗余分析、方差分析和地理加权回归的方法, 探究自然要素中降水(PREC)、气温(TEMP)、归一化植被指数(NDVI)、净初级生产力(NPP)、植被叶面积指数(LAI)、产水(WY)、帕默尔干旱指数(PDSI)和社会经济要素中人口密度(POP)、区域国内生产总值(GDP)与生态系统格局演变之间的关系, 并揭示其驱动机制, 以期为青藏高原生态屏障的生态建设、生态保护和可持续发展提供科学理论基础。
1 研究区概况青藏高原是世界上平均海拔最高的高原, 被称为“世界屋脊”, 享有“江河之源” “中华水塔”等殊荣, 其特殊的地理位置、丰富的自然资源、重要的生态价值使之成为我国重要的生态安全屏障。青藏高原生态屏障的概念和范围与青藏高原地理区域有所不同, 它源自《全国主体功能区规划》[4], 并以示意图的形式呈现。
“全国生态环境十年变化(2000—2010年)遥感调查与评估项目”第9专题“国家生态屏障区生态环境十年变化调查与评估”的研究团队在示意图的基础上, 综合考虑地形地貌特征和县域行政边界的完整性, 最终得到青藏高原生态屏障边界范围[22]，如图 1所示。青藏高原生态屏障位于中国西南部, 包含了青海省、四川省、甘肃省、西藏自治区的36个县, 总面积约93万km2。近10年来屏障区年平均气温为-2.84℃, 年平均降水量为451.43 mm, 气候高寒、干旱, 生态环境敏感脆弱[16]。
|
| 图 1 研究区概况 Fig. 1 Study area |
(1) 国家屏障区2000—2015年土地利用、人口数量、国内生产总值数据获取于中国科学院资源环境科学数据中心(www.resdc.cn/), 每五年一期数据, 分辨率为1 km。参考《第三次全国土地调查土地分类》, 对国家屏障区土地利用类型进行分析判定, 并结合生态系统格局的前人研究成果建立了面向生态系统服务功能的生态系统分类体系[5—6], 分类结果包括六大生态系统：包含水田、旱地的农田生态系统；包含有林地、灌木林、其他林地的森林生态系统；包含各等级草地、荒漠草原的草原生态系统；包含河流、湖泊、永久性冰川雪地、水库坑塘、滩涂的河流生态系统；包含城镇用地、农村居民区、其他建筑用地在内的城市生态系统, 以及包含沙地、荒漠、裸土裸岩在内的荒漠生态系统[23]。
(2) 2000—2015年间的降水、气温数据是来自中国气象数据网的中国地面气候资料日值数据集V3.0, 本文采用专业的气象插值软件ANUSPLIN[24]批量插值上述全国气象要素, 分辨率均为1 km/d。
(3) 叶面积指数来自于Gevo2数据集(https://land.copernicus.eu/global/products/lai)。
(4) 干旱指数来自于全球干旱数据集(http://climexp.knmi.nl/selectfield_obs2.cgi?Id =so meone@som ewhere)。
(5) 归一化植被指数来源于GIMMS NDVI 3gv1.0数据集(https://ecocast.arc.nasa.Gov/data/pub/gimms), 经过批处理将月数据最大值合成年度数据集。
(6) 净初级生产力和产水分别采用CASA模型和InVEST模块模拟得到, 已被用于分析国家屏障区生态系统服务权衡与协同[25]。
各驱动因子的分辨率经过重采样之后统一为8 km。
2.2 研究方法 2.2.1 驱动因子选取本文主要以研究区域特征为基础, 结合专家意见和前人研究成果进行驱动因子的选取。
生态系统变化中复杂驱动机制由自然、社会经济多种因素共同组成。其中气候、水资源等自然条件是生态系统变化的约束和条件, 人类活动是影响生态系统变化的主要原因[26]。本文选取自然要素中具有代表性的气温和降水因子, 进一步以通过气温和降水结合模型计算出来的干旱指数和产水量作为补充, 选取植被覆盖度、植被净初级生产力以及叶面积指数因子来直观的分析森林、草地、农田生态系统的变化过程, 并基于以上七个指标来定量分析自然因素对国家屏障区生态系统格局演变的影响。影响生态系统变化的社会经济因素可分为直接因素和间接因素两类, 前者包括人口变化、技术发展、经济增长、政经政策等；后者包括城市化程度、土地利用集约化程度、土地权属、土地投入等[27]。由于国家屏障区地理位置特殊, 数据难以获取, 且政经政策、土地权属等指标难以量化, 本文最终选取人口数量和国内生产总值来定量研究社会经济因素对生态系统格局演变的影响。
2.2.2 转移矩阵转移矩阵方法来源于系统分析中对系统状态与状态转移的定量描述, 可以全面而又具体的刻画区域土地利用变化的结构特征与各用地类型的变化方向[28]。具体计算方法如下[29]:
|
(1) |
式中: Ai×jk、Ai×jk+1分别代表两期系统类型, Ci×j为由k时期到k+1时期的系统变化矩阵, 表现系统生态类型变化的类型及其空间分布。
2.2.3 冗余分析冗余分析(RDA)是一种直接梯度分析方法, 是多元线性回归的扩展, 主要以统计学的角度来探究单变量或多变量与多变量之间的关系[19], 能够独立的保持每个变量的贡献率[30—31]。RDA是将样点投射到两条排序轴构成的二维平面上形成排序图, 通过样点的散集形态、在象限的分布来反映变量的特点[32]。本文在Canoco4.5软件环境下进行冗余分析[33], 计算并利用排序图探析生态系统与驱动因子之间的相关关系[34]。
2.2.4 方差分析复杂系统中各种因变量和自变量相互联系、相互制约。方差分析是在复杂条件下经过数据分析判断因素间的相互影响、是否显著及最佳值等, 将总的方差分解为各个成分的方差[35—36]。方差分析是生态学中分析多种环境条件和响应变量之间关系的有效方法[20]。本研究使用RStudio中的Vegan包进行方差分析[37], 从而实现将冗余分析的贡献率分解为因子的独立贡献率与因子之间的交互作用的目的, 进一步定量分析驱动因子对生态系统格局演变的影响。
2.2.5 地理加权回归地理加权回归(GWR)在传统回归分析的基础上引入了空间自相关, 在探讨影响区域发展的驱动因素上能够很好的反映变量间的空间位置关系, 同时地理加权回归则能够捕捉空间数据的非平稳性, 分析结果能全面反映空间数据的真实特征, 以便更好地揭示潜在的驱动因素[38]。传统的线性回归模型只是对参数进行“平均”或“全局”估计, 忽视了空间数据之间的相互依赖性, 未考虑到空间数据中所包含的空间位置信息, 从而掩盖了变量间关系的局部特性, 其结果就是研究区内的某种“平均”, 说服力不足。GWR模型是在传统线性回归的基础上进行扩展的, 将数据的地理位置嵌入到回归参数之中, 能够较好的反映区域的异质性[21]。模型结构如下[39]:
|
(2) |
式中：(ui, vi) 是第i个样本空间单元的地理中心坐标；βk(ui, vi)是连续函数βk(ui, vi)在i样本空间单元的值, 是关于地理位置的函数。
GWR模型的参数设置关系着整个模型构建的优劣程度, 模型参数包括权函数的选择, 有Gauss函数和Bi-square函数, 还有核带宽的设置。本文总结前人优秀的研究经验, 选择高斯函数作为地理加权回归模型核函数；核类型选择了固定距离法[40], 通过模型计算得到青藏高原生态屏障驱动因子贡献率的空间表达。
3 结果与分析 3.1 青藏高原生态屏障生态系统格局演变状况青藏高原生态屏障内冻土广布且植被覆盖多为天然草原, 因此区域内生态系统面积占比最大的是草地生态系统和荒漠生态系统, 分别占70%和21%左右。其次是森林生态系统和河流生态系统, 面积占比分别为4.4%和3.9%。城市生态系统和农田生态系统的面积占比较小, 分别为0.48%和0.35%。
2000—2015年青藏高原生态屏障生态系统空间分布图如图 2所示, 2015年的青藏高原生态屏障各县域生态系统格局构成如表 1所示。结合来看, 草地生态系统覆盖全域, 分布十分广阔, 主要分布在尼玛县(157440 km2)、格尔木市(50304 km2)、班戈县(89024 km2)和治多县(44352 km2)。荒漠生态系统主要分布青藏高原生态屏障北部, 集中在在格尔木市(47360 km2)、都兰县(31232 km2)、治多县(30592 km2)和曲麻莱县(17536 km2)等县。森林生态系统的分布受到气候等自然条件的限制, 主要分布在青藏高原生态屏障东南部, 集中于德格县(4736 km2)、石渠县(3520 km2)、白玉县(2304 km2)和囊谦县(2368 km2)等县。河流生态系统主要分布在中部和西部, 其中格尔木市(9216 km2)、班戈县(7424 km2)、治多县(4928 km2)和安多县(2176 km2)的河流生态系统面积最大。城市生态系统主要分布在青藏高原生态屏障北部的格尔木市(256 km2)、都兰县(128 km2)和兴海县(64 km2), 由于研究区内城镇化程度较低, 并考虑数据的分辨率问题, 在本次统计分析中对面积不足64 km2的城市生态系统不予考虑。农田生态系统主要分布在北部的贵南县(640 km2)、都兰县(448 km2)和同德县(320 km2), 南部的丁青县也有少量分布(320 km2), 这主要是由青藏高原生态屏障内主要以畜牧业为主, 农业极不发达造成的。
|
| 图 2 2000—2015年青藏高原生态屏障生态系统空间分布图 Fig. 2 Ecological distribution map of the Qinghai-Tibet Plateau ecological barrier area from 2000 to 2015 0：格尔木市A；1：班戈县；2：都兰县；3：治多县；4：曲麻莱县；5：兴海县；6：格尔木市B；7：贵南县；8：玛多县；9：同德县；10：泽库县；11：玛沁县；12：称多县；13：河南蒙古族自治县；14：甘德县；15: 杂多县；16: 安多县；17: 达日县；18: 玛曲县；19: 石渠县；20: 玉树县；21: 久治县；22: 囊谦县；23: 班玛县；24: 巴青县；25: 甘孜县；26: 色达县；27: 丁青县；28: 德格县；29: 生达县；30: 索县；31: 壤塘县；32: 江达县；33: 昌都县；34: 类乌齐县；35: 白玉县；36: 妥坝县；37: 八宿县；38: 八宿县；39: 比如县；40: 聂荣县；41: 尼玛县；42：德令哈市 |
| 县市名 County name name |
森林 Forest |
草地 Grassland |
河流 River |
城市 Urban |
荒漠 Dessert |
农田 Farmland |
| 格尔木市 | 896 | 50304 | 9216 | 256 | 47360 | 128 |
| 班戈县 | 0 | 89024 | 7424 | 0 | 5568 | 0 |
| 都兰县 | 768 | 20928 | 384 | 128 | 31232 | 448 |
| 治多县 | 0 | 44352 | 4928 | 0 | 30592 | 0 |
| 曲麻莱县 | 64 | 20992 | 896 | 0 | 17536 | 0 |
| 兴海县 | 1280 | 7680 | 64 | 64 | 2304 | 192 |
| 贵南县 | 192 | 3904 | 128 | 0 | 1152 | 640 |
| 玛多县 | 0 | 18112 | 1536 | 0 | 6720 | 0 |
| 同德县 | 832 | 3200 | 64 | 0 | 128 | 320 |
| 泽库县 | 384 | 4672 | 64 | 0 | 896 | 64 |
| 玛沁县 | 1600 | 9856 | 192 | 0 | 1344 | 0 |
| 称多县 | 0 | 11072 | 64 | 0 | 2688 | 64 |
| 班玛县 | 1856 | 12672 | 64 | 0 | 640 | 64 |
| 甘德县 | 1344 | 5632 | 64 | 0 | 448 | 0 |
| 杂多县 | 192 | 29440 | 576 | 0 | 4800 | 0 |
| 安多县 | 0 | 20736 | 2176 | 0 | 1280 | 0 |
| 达日县 | 128 | 11968 | 128 | 0 | 1088 | 0 |
| 玛曲县 | 1024 | 5824 | 128 | 0 | 1664 | 0 |
| 石渠县 | 2304 | 16000 | 128 | 0 | 2304 | 64 |
| 玉树县 | 1408 | 11136 | 192 | 0 | 1152 | 128 |
| 久治县 | 704 | 6848 | 0 | 0 | 64 | 0 |
| 囊谦县 | 2368 | 10624 | 128 | 0 | 960 | 64 |
| 巴青县 | 192 | 7872 | 128 | 0 | 2432 | 0 |
| 甘孜县 | 1152 | 5184 | 128 | 0 | 832 | 256 |
| 色达县 | 1728 | 4928 | 0 | 0 | 704 | 0 |
| 丁青县 | 1024 | 6848 | 192 | 0 | 2880 | 320 |
| 德格县 | 4736 | 5056 | 64 | 0 | 1792 | 0 |
| 生达县 | 1408 | 5440 | 64 | 0 | 832 | 64 |
| 索县 | 768 | 3904 | 128 | 0 | 832 | 64 |
| 壤塘县 | 1984 | 3520 | 0 | 0 | 0 | 64 |
| 江达县 | 1984 | 2560 | 64 | 0 | 640 | 128 |
| 昌都县 | 1728 | 3776 | 64 | 0 | 384 | 128 |
| 类乌齐县 | 1856 | 3008 | 0 | 0 | 1216 | 0 |
| 白玉县 | 3520 | 5568 | 64 | 0 | 448 | 0 |
| 妥坝县 | 1216 | 2560 | 0 | 0 | 384 | 0 |
| 比如县 | 0 | 128 | 0 | 0 | 64 | 0 |
| 聂荣县 | 64 | 9216 | 128 | 0 | 896 | 0 |
| 尼玛县 | 0 | 157440 | 6848 | 0 | 8128 | 0 |
| 德令哈市 | 128 | 5632 | 512 | 0 | 8000 | 0 |
| 八宿县面积不足一个单位像元(1000×1000m2), 未能对其进行统计分析 | ||||||
青藏高原生态系统变化统计图如图 3所示, 生态系统转移空间分布图如图 4所示。由图可知：2000—2015年间, 草地生态系统变化最为明显, 呈明显下降趋势, 16年间共减少1792 km2, 2010—2015年间减少最为明显, 减少了896 km2, 主要分布在青藏高原生态屏障西北地区的班戈县和尼玛县；草地生态系统主要转化为荒漠生态系统和河流生态系统, 转换面积分别为1088 km2和832 km2。森林生态系统呈现轻微增加趋势, 16年间共增加128 km2, 发生在青藏高原生态屏障的东南部区域, 以白玉县为主, 主要由草地生态系统转换而来。河流生态系统呈现明显的增加趋势, 16年间共增加1600 km2, 2010—2015年间增加最为明显, 增加了960 km2, 主要分布在青藏高原生态屏障的西北地区的班戈县和尼玛县, 主要由荒漠生态系统和草地生态系统转换而来, 分别转换了1152 km2和832 km2。城市生态系统呈现增加趋势, 16年间共增加256 km2, 主要表现为格尔木市的城市范围的扩张。荒漠生态系统在2000—2010年间增加趋势明显, 10年间共增加764 km2, 主要分布在青藏高原生态屏障的北部, 以曲麻莱县为主；但2010年以后, 由于环境保护政策的实施, 荒漠生态系统的面积在2015年时已减少至与2000年相同, 生态环境有所改善。农田生态系统基本没有变化, 这主要由青藏高原生态屏障内部农业极不发达, 农田面积较小导致的。
|
| 图 3 2000—2015年青藏高原生态屏障生态系统变化统计图 Fig. 3 Ecosystem area change statistics of the Qinghai-Tibet Plateau ecological barrier area from 2000 to 2015 |
|
| 图 4 2000—2015年青藏高原生态屏障生态系统转移空间分布图 Fig. 4 The spatial distribution of ecosystem transference of the Qinghai-Tibet Plateau ecological barrier area from 2000 to 2015 |
(1) 自然因素分析
青藏高原生态屏障气候寒冷, 年均温在零度以下, 2000—2015年间, 最低年均温为2000年的-3.89℃, 最高年均温为2006年的-2.2℃, 总体呈现轻微增长趋势。青藏高原生态屏障降水丰富但年际差异较大, 2006年年平均降水最低, 为377.06 mm, 2005年年平均降水最高为513.79 mm, 16年的年平均降水均值为451.43 mm。NPP、NDVI和LAI的物理意义相关但并不相同, 因此其变化趋势既具有一定的关联性又有一定的差异性：2000—2008年间, 三指标都呈现下降趋势, 2008年达到了最低值, 分别为158.37 gC·m-2·a-1、0.197、0.484；2008—2010年间, 三指标都有明显的增长, 且最高值皆出现在2010年, 分别为194.12gC m-2 a-1、0.218和0.491；2010—2015年间NPP有增长趋势, NDVI和LAI则呈现下降趋势；总体来说, NPP呈现增加趋势, 而NDVI和LAI则呈现减少趋势。WY的变化趋势和降水具有一定的关联性, 2000—2015年间青藏高原生态屏障的WY总体呈现增加趋势, 2005年达到最高值, 为221.56 mm, 2006年为最低值, 仅有83.82 mm。PDSI的变化趋势与温度、降水等多种因素相关, 2000—2015年间青藏高原生态屏障的PDSI总体呈现下降趋势, 干旱发生率降低, 2006年达到最低值, 为-0.17, 2008年达到最高值, 为1.71，自然因素变化统计图见图 5。
|
| 图 5 2000—2015年驱动因子变化折线图 Fig. 5 Chart of driving factors from 2000 to 2015 |
(2) 社会经济因素分析
青藏高原生态屏障社会经济发展迅速。2000—2015年间GDP增长趋势十分明显, 从2000年的4568.38万元/km2增长至2015年的58993.46万元/km2, 增长速率为74.4%/a。POP的增加趋势也十分明显, 从2000年的17354.7万人/km2增长至2015年的24761.72万人/km2, 共增长7407.021万人/km2, 增长速率为8.8%/a，社会经济因素变化统计图见图 5。
3.2.2 驱动因子贡献率及相关关系分析基于冗余分析方法得到的驱动因子贡献率结果如表 2所示, 结合冗余分析排序图(图 6)分析可得：人类活动对青藏高原生态屏障生态系统格局演变的影响十分巨大, GDP和POP的贡献率最高, 分别为83.2%和72.3%；且社会经济因子对森林生态系统和河流生态系统变化的影响最为强烈, 这与近些年来青藏高原生态屏障所实施的国家公园、湿地保护政策息息相关。PREC、NPP等指标在该研究区域内对驱动机制的贡献率小于5%, 社会经济因子对森林生态系统和河流生态系统的影响尤其大, 对草地生态系统却基本没有影响；该研究区域除了GDP、POP、TEMP之外的其他因子的数据变化比较剧烈, 所得到的线性回归数据具有的代表性较小。气温的贡献率达到了6.8%, 且与荒漠生态系统相关性较高, 说明荒漠生态系统的变化受气温影响较大。青藏高原生态屏障中, 植被变化后表现最为直观的驱动因子是NDVI, 其贡献率为5.2%, 与农田生态系统和草地生态系统相关性较高。NPP的贡献率为2.9%, 与河流生态系统和农田生态系统相关性较高。LAI的贡献率较低, 为1.9%, 且与各生态系统类型之间的关系并不密切。PDSI的贡献率为8.7%, 且与荒漠生态系统相关度较高, 说明荒漠生态系统的变化受干旱发生的影响较大。产水的贡献率仅为0.1%, 但其与城市生态系统和荒漠生态系统关系密切, 说明其他生态系统类型产水稳定, 只有城市和荒漠生态系统的产水发生较大变化。
| 驱动因子 Driving factors |
贡献率 Influence ratio |
显著性 Significant |
驱动因子 Driving factors |
贡献率 Influence ratio |
显著性 Significant |
|
| 区域生产总值GDP | 83.226% | 0.001*** | 叶面积指数LAI | 1.924% | 0.085 | |
| 人口密度POP | 72.325% | 0.001*** | 归一化植被指数NDVI | 5.24% | 0.61 | |
| 年均气温TEMP | 6.829% | 0.002** | 净初级生产力NPP | 2.996% | 0.907 | |
| 年均降水PREC | 1.883% | 0.413 | 帕默尔干旱指数PDSI | 8.674% | 0.059 | |
| 产水量WY | 0.134% | 0.59 | ||||
| PREC: 降水Precipitation; TEMP: 气温Temperature; NDVI: 归一化植被指数Normalized vegetation index; NPP: 净初级生产力Net primary production; LAI: 植被叶面积指数Leaf area index; WY: 产水Water yield; PDSI: 帕默尔干旱指数Palmer drought severity Index; POP: 人口密度Population; GDP: 区域国内生产总值Gross domestic product; ***通过0的显著性检验的因子；**通过0.001的显著性检验的因子；*通过0.01的显著性检验的因子；.通过0.05的显著性检验的因子 | ||||||
|
| 图 6 冗余分析排序图 Fig. 6 Redundancy analysis ranking chart |
通过分析表 1可以看出, 冗余分析结果中各个驱动因子贡献率之和远超过100%, 达到了183%。究其原因是因为冗余分析的因子贡献率结果并不独立, 由因子独立贡献率和该因子与其他因子的交互作用两部分组成。因此需要进一步利用方差分析分解冗余分析结果中的驱动因子贡献率, 剥离出最突出因子使其贡献率独立, 进一步定量分析青藏高原生态屏障生态系统格局演变的驱动机制。通过RStudio中Vegan包计算各个驱动因子与生态系统分布之间的相关关系的显著性, 结果如表 2所示, 本文选取GDP、POP、TEMP和PDSI四项显著性最高的驱动因子为典型因子以用于方差分析。
方差分析结果如图 7所示，结果表明：驱动因子的独立贡献率较低, 但驱动因子之间交互作用的效应明显。GDP、POP、TEMP和PDSI的独立贡献率较低, 分别为13%、8%、5%和1%；青藏高原生态屏障GDP的独立贡献率为13%, 但与其他因子之间的共同作用率达到了91%, 尤其是和POP的共同贡献率达到了77%, 社会经济因子的影响十分明显；POP的独立贡献率为8%, 与其他因子之间的共同作用率达到了85%。PDSI的独立贡献率仅为1%, 但与其他因子的共同贡献率达到了20%, 其中与GDP的共同贡献率最高, 为11%。TEMP的独立贡献率为5%, 与其他因子之间的共同贡献率也较低, 共有4%。
|
| 图 7 典型因子方差分析图 Fig. 7 Analysis of variance chart |
本研究所设置的GWR模型中, 代表森林、草地、河流生态系统的数值分别为1、2、3, 代表城市、荒漠、农田生态系统的数值为4、5、6。GWR模型生成的GDP、POP、TEMP、PDSI四个驱动因子转换作用的空间分布如图 8所示, 数值越高, 表示人类活动加强、荒漠化程度增加, 驱动因子对生态系统由森林、草地、河流生态系统转为城市、荒漠、农田生态系统的促进作用越高, 称为逆向转换；数值越低, 表示人类活动减弱、荒漠化程度降低, 驱动因子对生态系统由城市、荒漠、农田生态系统转为森林、草地、河流生态系统的促进作用越高, 称为正向转换。
|
| 图 8 驱动因子贡献率空间分布图 Fig. 8 Driving factors contribution rate spatial distribution |
青藏高原生态屏障中, GDP呈正向转换的面积占比为49.43%, 主要分布在研究区东部；GDP呈逆向转换的面积占比为50.57%, 分布比较零散, 极值出现在西南角。POP呈正向转换的面积占比为86.24%, 主要分布在东北部地区；POP呈逆向转换的面积占比为13.76%, 主要分布在西南部地区。TEMP呈正向转换的面积占比为48.23%, 主要分布在中部和南部地区；呈逆向转换的面积占比为51.77%, 主要分布在北部和西部地区。PDSI呈正向转换的面积占比为66.67%, 分布比较零散, 极值出现在东部地区；呈逆向转换的面积占比为33.33%, 主要分布在北部和东部地区。
对驱动因子的贡献率空间分布图进行叠置分析, 得到青藏高原生态屏障主导驱动因子的空间分布图(图 9), 结果表明：生态系统演变受GDP主导的区域面积比例为51.36%, 分布面积较广, 34个县受GDP影响, 称多县、玉树县和类乌齐县完全由GDP主导；受POP主导的区域面积比例为9.05%, 主要分布在青藏高原生态屏障东南部和南部地区, 白玉县完全由POP主导；受TEMP主导的区域面积比例为19.57%, 主要分布在青藏高原生态屏障西部地区和东部地区, 以尼玛县、都兰县为主；受PDSI主导的区域面积比例为20.02%, 主要分布在青藏高原生态屏障中部和东部地区, 玛沁县和河南蒙古族自治县完全由PDSI主导。地理加权回归模型的结果充分体现了各驱动力的空间分布差异, 也发挥出了地理加权回归模型能充分考虑变量间关系的空间异质性的优势。
|
| 图 9 主导驱动因素空间分布图 Fig. 9 The spatial distribution of dominant driving factors |
牟雪洁等对青藏高原生态屏障2000—2010的生态系统变化进行了分析, 结果表明草地面积明显减少, 湿地与城镇面积增加[16]。本文结果表明青藏高原生态环境正在向好发展, 部分荒漠、草地生态系统转换为森林、河流生态系统, 尤其是河流生态系统面积增加十分明显, 生态系统正向演替的趋势变强；城市生态系统的面积占比较小, 但2000—2015年间呈倍数增加, 城市扩张、城镇化程度明显提高, 本文成果与前人研究结果具有相对一致性, 并进一步对生态系统转换过程进行了分析。
分析青藏高原生态屏障河流生态系统增加的原因, 可归结为两部分, 一是各水系、湖泊水量明显上涨, 二是湿地面积明显增加, 在三江源国家公园等重点保护地区十分显著。目前青藏高原生态屏障内生态环境保护政策正在大力推进, 人类活动强度以城市为中心逐渐增强, 未来城市生态系统、草地和河流生态系统必将发生激烈的相互作用, 对生态环境造成影响。因此, 必须将预估生态环境未来发展的趋势作为下一步工作的重点, 这样才能更好进行提前的正向引导[9]。
复杂的驱动机制由多方面多因素等共同组成, 驱动因子的选取需要考虑人类活动和自然环境的方方面面[41—42], 本文驱动机制的结果是社会经济因子主导了生态系统格局演变, 但由于青藏高原生态屏障的特殊性, 本文的驱动因子指标体系还需进一步细化。例如, 因研究区内工业不发达, 以放牧业为主, 社会经济驱动因子中将选择第一产业国内生产总值；青藏高原生态屏障内地形地貌差异较大, 山脉、湖泊、盆地众多, 不同海拔高度生态系统格局全然不同, DEM和高程也是将要考虑的关键驱动因子。
青藏高原被誉为“江河之源”、“亚洲水塔”, 地理位置特殊, 其生态环境不仅对区域内部影响重大, 更是我国与东亚气候系统稳定的重要屏障, 是亚洲乃至北半球气候变化的“感应器”和“敏感区”[1]。青藏高原生态屏障是一个处于过渡地带的复合生态系统, 不仅对青藏高原内部具有保护作用, 能够降低青藏高原的生态脆弱性, 更对外部地区带来的荒漠化、草地退化、冰川退化等问题具有防护作用[43]。因此, 探究全球气候变化背景下青藏高原生态屏障对中国乃至亚洲生态环境的影响, 是未来十分重要的课题。
4.2 结论(1) 青藏高原生态屏障生态系统面积占比最大的是草地生态系统和荒漠生态系统, 分别占70%和21%左右。2000—2015年间, 草地生态系统共减少1792 km2, 其原因一是城镇扩展侵占草地, 二是草地与荒漠、河流生态系统相接, 互相转换形成交错分布的转态, 并非由生态环境恶化导致。河流生态系统共增加1600 km2, 主要由荒漠生态系统和草地生态系统转换而来, 分别转换了1152 km2和832 km2。总体来说, 青藏高原生态屏障生态环境改善, 正在向好发展。
(2) 2000—2015年青藏高原生态屏障生态系统格局演变驱动机制中以社会经济因子为主, 冗余分析结果显示GDP(83%)和POP(72%)贡献率最大；方差分析结果中GDP和POP的共同贡献率达到了77%；地理加权回归结果显示生态系统演变受社会经济因子主导的区域面积比例为60.41%(GDP 51.36%、POP 9.05%), 人类活动相关驱动要素的调控和管理将成为生态系统保护、恢复和管理所面临的关键问题[12]。
(3) 生态保护政策的有效实施是发挥生态屏障功能、保护生态环境以达到人与自然和谐稳定持续发展目的的重中之重。青藏高原生态屏障内POP的总贡献率达到了72%, 独立贡献率为8%, 在POP作用下生态系统呈正向转换的面积占比达到了86.24%, 且POP与河流、森林生态系统的相关程度较高, 表明人为的生态环境保护措施如国家公园建设、湿地保护、生态公益林建设等生态工程的建设卓有成效, 发挥了明显的积极作用。
| [1] |
孙鸿烈, 郑度, 姚檀栋, 张镱锂. 青藏高原国家生态安全屏障保护与建设. 地理学报, 2012, 67(1): 3-12. |
| [2] |
Qiu J. China: the third pole. Nature, 2008, 454(7203): 393-396. DOI:10.1038/454393a |
| [3] |
傅伯杰, 刘国华, 陈利顶, 马克明, 李俊然. 中国生态区划方案. 生态学报, 2001, 21(1): 1-6. |
| [4] |
樊杰. 中国主体功能区划方案. 地理学报, 2015, 70(2): 186-201. |
| [5] |
邓伟, 刘红, 袁兴中, 张跃伟, 齐静. 三峡库区水源涵养重要区生态系统格局动态演变特征. 长江流域资源与环境, 2015, 24(4): 661-668. DOI:10.11870/cjlyzyyhj201504018 |
| [6] |
徐新良, 刘纪远, 邵全琴, 樊江文. 30年来青海三江源生态系统格局和空间结构动态变化. 地理研究, 2008, 27(4): 829-838. DOI:10.3321/j.issn:1000-0585.2008.04.011 |
| [7] |
陈佑启, 杨鹏. 国际上土地利用/土地覆盖变化研究的新进展. 经济地理, 2001, 21(1): 95-100. DOI:10.3969/j.issn.1000-8462.2001.01.022 |
| [8] |
傅伯杰, 张立伟. 土地利用变化与生态系统服务: 概念、方法与进展. 地理科学进展, 2014, 33(4): 441-446. |
| [9] |
陈发虎, 傅伯杰, 夏军, 吴铎, 吴绍洪, 张镱锂, 孙航, 刘禹, 方小敏, 秦伯强, 李新, 张廷军, 刘宝元, 董治宝, 侯书贵, 田立德, 徐柏青, 董广辉, 郑景云, 杨威, 王鑫, 李再军, 王飞, 胡振波, 王杰, 刘建宝, 陈建徽, 黄伟, 侯居峙, 蔡秋芳, 隆浩, 姜明, 胡亚鲜, 冯晓明, 莫兴国, 杨晓燕, 张东菊, 王秀红, 尹云鹤, 刘晓晨. 近70年来中国自然地理与生存环境基础研究的重要进展与展望. 中国科学: 地球科学, 2019, 49(11): 1659-1696. |
| [10] |
欧阳志云. 我国生态系统面临的问题与对策. 中国国情国力, 2017(3): 6-10. |
| [11] |
Wang X F, Li Y H, Chu B Y, Liu S R, Yang D, Luan J W. Spatiotemporal Dynamics and Driving Forces of Ecosystem Changes: A Case Study of the National Barrier Zone, China. Sustainability, 2020, 12(16): 6680. DOI:10.3390/su12166680 |
| [12] |
傅伯杰. 我国生态系统研究的发展趋势与优先领域. 地理研究, 2010, 29(3): 383-396. |
| [13] |
李屹峰, 罗跃初, 刘纲, 欧阳志云, 郑华. 土地利用变化对生态系统服务功能的影响——以密云水库流域为例. 生态学报, 2013, 33(3): 726-736. |
| [14] |
Kang S C, Xu W Y, You Q L, Flügel W A, Pepin N, Yao T D. Review of climate and cryospheric change in the Tibetan Plateau. Environmental Research Letters, 2010, 5(1): 015101. DOI:10.1088/1748-9326/5/1/015101 |
| [15] |
王新华, 张志强. 黑河流域土地利用变化对生态系统服务价值的影响. 生态环境, 2004, 13(4): 608-611. DOI:10.3969/j.issn.1674-5906.2004.04.040 |
| [16] |
牟雪洁, 饶胜. 青藏高原生态屏障区近十年生态环境变化及生态保护对策研究. 环境科学与管理, 2015, 40(8): 160-164. DOI:10.3969/j.issn.1673-1212.2015.08.043 |
| [17] |
郭兵, 孔维华, 姜琳, 范业稳. 青藏高原高寒生态区生态系统脆弱性时空变化及驱动机制分析. 生态科学, 2018, 37(3): 96-106. |
| [18] |
刘纪远, 邵全琴, 樊江文. 三江源区草地生态系统综合评估指标体系. 地理研究, 2009, 28(2): 273-283. |
| [19] |
HajyAkbary F, Sietsma J, Petrov R H, Miyamoto G, Furuhara T, Santofimia M J. A quantitative investigation of the effect of Mn segregation on microstructural properties of quenching and partitioning steels. Scripta Materialia, 2017, 137: 27-30. |
| [20] |
Shaw R G, Mitchell-Olds T. Anova for Unbalanced Data: An Overview. Ecology, 1993, 74(6): 1638-1645. |
| [21] |
庞瑞秋, 腾飞, 魏冶. 基于地理加权回归的吉林省人口城镇化动力机制分析. 地理科学, 2014, 34(10): 1210-1217. |
| [22] |
环境保护部, 中国科学院. 全国生态环境十年变化(2000-2010年)遥感调查与评估. 北京: 科学出版社, 2014.
|
| [23] |
马赫, 石龙宇, 付晓. 泸沽湖生态系统格局变化及其驱动力. 生态学报, 2019, 39(10): 3507-3516. |
| [24] |
Hijmans R J, Cameron S E, Parra J L, Jones P G, Jarvis A. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 2005, 25(15): 1965-1978. |
| [25] |
尹礼唱, 王晓峰, 张琨, 肖飞艳, 程昌武, 张欣蓉. 国家屏障区生态系统服务权衡与协同. 地理研究, 2019, 38(9): 2162-2172. |
| [26] |
吴宜进, 赵行双, 奚悦. 基于MODIS的2006-2016年西藏生态质量综合评价及其时空变化. 地理学报, 2019, 74(7): 1438-1449. |
| [27] |
李秀彬. 全球环境变化研究的核心领域——土地利用/土地覆被变化的国际研究动向. 地理学报, 1996, 51(6): 553-558. |
| [28] |
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. 地理学报, 2003, 58(5): 643-650. |
| [29] |
史培军, 陈晋, 潘耀忠. 深圳市土地利用变化机制分析. 地理学报, 2000, 55(2): 151-160. |
| [30] |
Li F, Ye Y P, Song B W, Wang R S, Tao Y. Assessing the changes in land use and ecosystem services in Changzhou municipality, Peoples' Republic of China, 1991-2006. Ecological Indicators, 2014, 42: 95-103. |
| [31] |
Wang F, Wang X, Zhao Y, Yang Z F. Temporal variations of NDVI and correlations between NDVI and hydro-climatological variables at Lake Baiyangdian, China. International Journal of Biometeorology, 2014, 58(7): 1531-1543. |
| [32] |
杨杰青, 史赟荣, 全为民, 王云龙. 基于RDA与GAMs模型的东海近岸海域浮游动物与温盐关系. 海洋学报, 2019, 41(8): 72-84. |
| [33] |
Gilliam F S, Saunders N E. Making more sense of the order: A review of Canoco for Windows 4.5, PC-ORD version 4 and SYN-TAX 2000. Journal of Vegetation Science, 2003, 14(2): 297-304. |
| [34] |
Bellier E. D. Borcard, F. Gillet, P. Legendre: Numerical Ecology with R. Journal of Agricultural, Biological, and Environmental Statistics, 2012, 17(2): 308-309.
|
| [35] |
Luo Z, Wahba G, Johnson D R. Spatial-Temporal Analysis of Temperature Using Smoothing Spline ANOVA. Journal of Climate, 1998, 11(1): 18-28. |
| [36] |
Verma J P. Analysis of variance//Verma J P, ed. Statistics and Research Methods in Psychology with Excel. Singapore: Springer, 2019.
|
| [37] |
Xiao F Y, Gao G Y, Shen Q, Wang X F, Ma Y, Lü Y H, Fu B J. Spatio-temporal characteristics and driving forces of landscape structure changes in the middle reach of the Heihe River Basin from 1990 to 2015. Landscape Ecology, 2019, 34(4): 755-770. |
| [38] |
王少剑, 王洋, 赵亚博. 1990年来广东区域发展的空间溢出效应及驱动因素. 地理学报, 2015, 70(6): 965-979. |
| [39] |
Clement F, Orange D, Williams M, Mulley C, Epprecht M. Drivers of afforestation in Northern Vietnam: Assessing local variations using geographically weighted regression. Applied Geography, 2009, 29(4): 561-576. |
| [40] |
Gilbert A, Chakraborty J. Using geographically weighted regression for environmental justice analysis: Cumulative cancer risks from air toxics in Florida. Social Science Research, 2011, 40(1): 273-286. |
| [41] |
郭丽英, 刘彦随, 任志远. 生态脆弱区土地利用格局变化及其驱动机制分析——以陕西榆林市为例. 资源科学, 2005, 27(2): 128-133. |
| [42] |
史娜娜, 肖能文, 王琦, 韩煜, 冯瑾, 全占军. 长江经济带生态系统格局特征及其驱动力分析. 环境科学研究, 2019, 32(11): 1779-1789. |
| [43] |
王晓峰, 尹礼唱, 张园. 关于生态屏障若干问题的探讨. 生态环境学报, 2016, 25(12): 2035-2040. |