人类社会发展与自然生态环境有着密切的联系, 随着全球背景的迅速变化, 生物多样性减少、森林面积锐减、生态灾害加重等一系列环境问题^[1]日益突出, 生态环境脆弱性^[2]研究愈发重要。科学认识生态环境脆弱性并对其进行针对性的研究^[3], 即可有效的对区域生态资源进行管控。

国内外对生态脆弱性尚未有明确的定义, 但基本都使用外部因子所带来的影响来表征脆弱性。IPCC等^[4]认为生态脆弱性是生态环境在外部压力下系统倾向受到不利影响, 包括敏感性或易受危害、缺乏应对以及适应的能力。生态脆弱性可以从以下几个方面进行表征: (1)生态环境本身和外界所产生的影响, (2)生态环境本身的敏感性^[5], (3)生态环境对各种影响的应变和适应能力^[6]。目前的生态脆弱性研究更为丰富, 研究区域从湖泊^[7]到流域^[8]、从市级^[9]到省域尺度^[10]、从地区^[11]到全球变化^[12], 研究方法涉及GIS空间分析^[13]、聚类分析方法^[14]、模糊评价法^[15]和决策树方法^[16]等等。但目前还存在一些问题, 如研究理论方法创新不足、评价指标体系及分析模型难以统一、评价结果的应用研究有待拓展等等。

中国大运河苏州段流域^[17]的生态环境状况十分复杂, 所面临的生态环境问题十分严峻。大运河苏州段流域上游、中游和下游生态状况和资源分布差异明显, 上游流经地区多为郊外工厂产业园, 以第二产业为主要经济产业, 主要问题为工农业污染排放较多、人为干扰强度较高, 导致了运河周边地区水质变差^[18], 从而影响了周边地区的居民生活和农作物的生长；中游地区城镇化比例较高, 多为建设用地, 以第二、第三产业为主要产业, 主要问题为人口密度过高, 建设用地比例较高, 林地、草地、水域分布较少, 土地利用不合理^[19], 景观类型单一, 一定程度上影响了生物多样性；下游流经地区周围多为农用地、林地、水域等、生态资源充沛, 主要问题为生态资源保护不到位, 没有进行合理的规划。所以, 针对研究区上游地区人为开发强度较高且环保规划及污染治理力度相对不足导致的土地利用不平衡、中游地区人口增长迅速导致对生态资源的过度消耗以及下游地区植被覆盖面积减少且分布不均衡的问题, 运用VSD模型, 根据流域上中下游不同地段选择相对应的评价指标, 建立生态脆弱性评价指标体系, 评价分析十年来该区域的生态环境脆弱性时空变化趋势, 并根据生态脆弱性时空变化趋势划分生态修复区和生态退化区, 从不同维度对大运河苏州段上中下游不同地区的生态环境差异进行针对性评价分析, 为其生态修复与治理提供一定的参考依据。

1 研究方法 1.1 研究区概况

大运河苏州段位于苏州市, 是其境内极其重要的河流, 120°44′—120°60′E, 30°86′—31°45′N, 主流总长度可达81.85 km, 支流众多, 流经苏州市相城区、高新区、姑苏区、吴中区、吴江区, 概况图见图 1。研究区地形以平原为主, 地势低平, 一般高程为海拔3.5—5 m；属亚热带湿润性季风海洋性气候, 年平均气温在16—18℃, 降水量常年保持在1000—1400 mm左右。

1.2 数据源及处理

遥感影像数据和数字高程数据来自地理空间数据云(www.gscloud.cn), 对遥感影像数据进行去云处理, 大气辐射校正、几何校正、画质增强、裁剪拼接及镶嵌融合, 得到研究用底图数据；环境质量数据来源于《苏州市环境质量公报》；经济社会数据来源于《苏州市统计年鉴》, 具体数据详情见表 1。

由于不同指标的量级不同, 在评价之前首先对数据进行标准化^[20]处理, 数据越大越好的正向型指标采用公式(1), 越小越好的逆向型指标采用公式(2):

(1)

(2)

式中, S_ij为第i行第j个指标的标准化数值, x_ij为第i行第j个数值, x_i^max和x_i^min分别代表第i行的最大值和最小值。

将标准化后的属性数据在ArcGIS 10.2中利用反距离插值法^[21]转换为空间栅格数据, 得到指标的空间化数据。

1.3 指标评价体系构建

本文根据脆弱性定义参考国内外文献选取暴露-敏感-适应性(Vulnerability-Scoping-Diagram, VSD)模型^[22]建立评价指标体系, VSD模型将生态脆弱性分为3个部分, 分别是暴露度、敏感性和适应能力。

生态暴露度是生态系统经历外界压力或冲击的程度, 反映受干扰或胁迫程度的参数。研究区干扰因素主要体现在人类活动方面, 人口密度越高, 经济产业分布就会越广泛, 对生态环境的开发程度就会越高, 会产生更多的工农业污染, 从而使得研究区生态暴露度升高。所以, 根据人口产业分布、土地开发利用及工农业污染排放三个方面选取人口密度、工业产值占比、工业三废排放强度、农用化肥施用强度、农药喷洒强度、空气质量指数^[23]、土地开发程度指数^[24]9个指标来表征生态暴露度, 其中, 土地开发程度指数公式如(3)所示:

(3)

式中, L为土地开发程度指数, 其数值越高, 说明开发程度越高, 生态暴露度越高；X_i为土地等级；C_i为地形位i级土地开发程度所占面积百分比；根据徐州等^[24]的研究成果和研究区实际情况将土地开发程度分为5级, 将建设用地分级为5, 农用地为4, 园地、草地为3, 森林、湿地为2, 未开发自然地为1。

生态敏感性是生态系统在特定的时空尺度下相对于外界干扰所具有的敏感性反应和自我恢复能力。研究区水系资源和植被资源丰富, 降雨量充足, 气候宜人, 地势低平, 但是部分地区水质情况较差, 植被资源分布不均, 有时会遭受暴雨、高温、台风、霜冻等灾害, 所以选择自然资源分布、气候变化状况及地形陡峭程度这三个方面来代表生态敏感性, 生态资源越丰富, 气候状态越稳定, 地形越平坦, 生态敏感性就越低。选取归一化植被指数^[25]、景观多样性指数^[26]、净初级生产力^[27]表征植被资源的数量和分布状态, 详细公式见下(4)、(5)、(6), 其数值越高, 表明植被资源越丰富, 生态敏感性越低；选取单位面积水资源量和Ⅴ及劣Ⅴ类水在监测断面中占比代表研究区水文资源的数量和质量, 单位面积水资源量越高, Ⅴ及劣Ⅴ类水占比越低, 生态敏感性越低；选择暴雨强度^[28]和低于-10℃和高于35℃的天数代表研究区的气候状态, 其数值越低, 表明极端天气越少, 生态敏感性越低；选择地形起伏指数^[29]表征研究区的地形陡峭程度, 其数值越低, 地形越平坦, 受到外界干扰后恢复的速率越快, 生态敏感性越低, 地形起伏指数公式见(7), 具体公式见下:

(4)

式中, NDVI为归一化植被指数, 处于[-1, 1]之间, 其值越高, 植被覆盖率越高；NIR为近红外波段反射值；R为红光波段反射值。

(5)

式中, H为景观多样性指数, 其值越高, 景观多样性越丰富；P_i为第i种景观类型所占的面积比例；n为景观类型数量。

(6)

式中, NPP为净初级生产力, 根据贾艳红等^[27]的研究成果, NPP越高, 植被覆盖率更高, 光照更加充足, 生态敏感性越低；APAR为光合有效辐射；ε为实际光能利用率。

(7)

式中, T为地形起伏指数, 根据殷丽婷等^[29]的研究成果, 随着坡度和高差的上升, 一定程度后会抑制植被的生长, 从而导致生态敏感性的上升；E代表高程；S代表坡度；E代表平均高程；S代表平均坡度。

生态适应能力是系统能够处理、适应胁迫以及从胁迫造成的后果中恢复的能力。研究区适应能力主要体现在对自然环境的保护和对污染排放的治理上。选取湿地保护率、森林保护区数、人均公园绿地面积、建成区绿化覆盖率、污水处理率、环境污染治理资金投入以及每万元GDP用水量这7个指标来体现人为因素对自然环境的正面影响, 指标数值越高, 说明环境保护力度越大, 生态适应能力越强, 从干扰中恢复的速率越快。

1.4 指标权重的确立及分类

本文将层次分析法^[30]与熵权法^[31]相组合, 分别计算主观和客观权重, 根据最小信息熵原理^[32]结合拉格朗日中值定理求出综合权重。

经过(1)和(2)公式标准化后, 使用Yaahp 10.5软件计算各个指标的主观权重φ_i, 使用Excel软件计算客观权重μ_i, 再根据公式(8)、(9)、(10)求出组合权重ω_i, 并运用自然断裂点分类法^[33]将其分为潜在、轻微、一般、非常和极度脆弱5个等级, 详情见表 2。自然断裂点分类法会对分类间隔加以识别，将大量数据进行最恰当的分组, 并可使各个类之间的差异最大化, 要素将被划分为多个类, 对于这些类, 会在数据值的差异相对较大的位置处设置其边界。

(8)

(9)

(10)

式中, φ_i为主观权重；μ_i为客观权重；ω_i为组合权重。

生态脆弱性在空间格局上可能会对某一项或多项指标形成趋势, 从而产生依赖性, 故运用生态脆弱性指标空间格局指数^[34]公式(11)反映各项指标的空间依赖性, 对指标的正逆性进行验证:

(11)

式中, R为地理空间依赖值, 分布在[-1, 1]之间, R值小于0, 地理空间相关性为负相关, 为逆向型指标, 指标数值越小, 脆弱性越低, 反之, 则为正相关, 为正向型指标；n为样本总数；x_i和x_j分别为位置i和j处的样本值；x为样本平均值；ω为该指标的权重；Q_ij为决策矩阵的元素。

1.5 生态脆弱度的计算

根据付刚等^[35]生态脆弱度计算方法, 运用ArcGIS 10.2软件的栅格计算器和栅格重分类模块, 计算研究区域每个栅格的生态暴露度指数(Ecological Exposure Index, EEI)、生态敏感性指数(Ecological Sensitivity Index, ESI)及生态适应能力指数(Ecological Adaptability Index, EAI), 最后使用ArcGIS 10.2软件的空间镶嵌融合功能将三个指数的计算结果相融合, 得出生态脆弱性指数(Ecological Vulnerability Index, EVI), 并使用自然断裂点分类法将其分为潜在、轻微、一般、非常和极度脆弱5个等级, 计算公式见(12), 详细分类见下表 3。

(12)

式中, EVI为生态脆弱性指数, EEI为生态暴露度指数, ESI为生态敏感性指数, EAI为生态适应能力指数；W_Ei为生态暴露度第i个评价指标的权重, F_Ei为生态暴露度第i个评价指标的等级；W_Si为生态敏感性第i个评价指标的权重, F_Si为生态敏感性第i个评价指标的等级；W_Ai为生态适应能力第i个评价指标的权重, F_Ai为生态适应能力第i个评价指标的等级。

假设有n个生态脆弱区, 最多则有n(n-1)种生态脆弱区变化, 每一种可能发生的生态脆弱区变化, 就会对生态脆弱性产生一定程度上的影响, 负值说明该脆弱区变化会降低生态脆弱性, 正值则会增加生态脆弱性, 将其归一至区间[-1, 1]。为确保生态脆弱性评价公式的合理性, 运用公式(13)计算生态脆弱度变化等级加权值(grade weighted value of ecological vulnerability change):

(13)

式中, EVCGVW为生态脆弱度变化等级加权值；EVCNGV_i(ecological vulnerability change normalization grade value)为第i个生态脆弱区变化归一化的等级值；SC_i为第i个生态脆弱区所变化的面积；S_区域为研究区总面积。

使用SPSS 25软件对17个生态脆弱区变化等级加权值与生态脆弱性指数变化值进行相关性分析, 分析结果见图 2和表 4, 生态脆弱度变化等级加权值与生态脆弱性指数变化值景观类型变值Pearson相关系数为0.874, 两者极强相关, 验证了生态脆弱性指数构建的合理性。

2 结果与分析 2.1 单维度生态脆弱性分析 2.1.1 生态暴露度

2008年生态暴露度主要以轻微脆弱区为主, 面积为1923.02 km², 占比41.33%, 其非常和极度脆弱区占比较高, 合计占比26.21%。其中生态暴露度主要集中在中国大运河苏州段上半段流经的高新区及相城区, 中段流经的姑苏区以及下半段流经的吴江区暴露度相对较低；2018年生态暴露度轻微脆弱区占比为44.44%, 较2018年提高了3.11%, 非常脆弱区和极度脆弱区相比2008年分别下降了5.02%和3.51%, 分布结果见图 3, 详细具体占比见表 5。

2.1.2 生态敏感性

2008年研究区生态敏感性主要以潜在和轻微脆弱区为主, 其合计占比为64.73%, 共有3011.78 km²。植被覆盖度高且较为均匀, 降水量充沛, 水资源充足且极端天气天数较少, 多数地区为潜在脆弱区域和稍微脆弱区域, 高脆弱性区域较少且较为分散, 分布在大运河苏州段上游的高新区、相城区及下游的吴江区。2018年生态敏感性进一步下降, 植被覆盖度的提升以及年降水量的增多是明显的诱因, 多数区域为潜在脆弱性区域和一般脆弱性区域, 高脆弱性区域较2008年也大幅度减少, 总体生态敏感性分布较2008年更加均衡, 分布结果见图 4, 详细具体占比见表 5。

2.1.3 生态适应能力

2008年研究区生态适应能力主要以轻微脆弱区为主, 占比41.52%, 共有1932.32 km², 低等脆弱区主要分布在下游, 上游段相城区和高新区生态适应力较低, 环境污染治理资金投入较少。2018年, 生态环保建设力度加大, 经济可持续发展进一步推进, 总体生态适应力逐渐提高, 生态适应能力提高明显, 重度脆弱区逐渐向中低等脆弱区转变。分布结果见图 5, 详细具体占比见表 5。

2.2 生态环境脆弱性综合评价分析 2.2.1 生态脆弱度时空分布变化及相关评价分析

使用ArcGIS 10.2软件的栅格计算器和栅格重分类结合空间叠置分析功能, 根据公式(12)将EEI、ESI及EAI的计算结果相叠加, 计算每个栅格的EVI, 并制作出研究区生态脆弱性空间分布图, 具体结果见图 6, 详细具体占比见表 5。

2008年, 由于经济处于高速发展阶段, 人为活动对生态环境影响较大, 资源利用率较低, 生态脆弱度格局较不均衡。到了2018年, 提倡绿色生态可持续发展, 人为建设因素影响力下降, 极度脆弱区与非常脆弱区合计占比来到了15.61%, 而潜在脆弱区与轻微脆弱区进一步增加, 占区域总面积的68.79%, 可见研究区生态环境脆弱性较10年前有明显提升。

结合表 5的占比结果来看, 研究区生态环境脆弱度有所波动, 但基本以潜在脆弱区与轻微脆弱区为主, 流域内整体生态环境脆弱度处于良好的格局。2008年, 流域内以轻微脆弱区为主, 占比42.05%, 共计1956.52 km²。上中下游体现出了不同的脆弱性分布, 上游中度和重度脆弱区分布较为密集, 日益发达的第二产业与较低的环保力度是其主要诱因；中游以中度脆弱区为主, 这一部分生态资源和人为影响力度较少；下游水资源和植被资源丰富, 且环境保护力度较大, 是研究区生态系统最为健康的一部分。2018年, 国家倡导生态经济绿色可持续发展, 研究区规划管理方式日渐成熟, 生态环境质量明显有所提升, 生态环境脆弱度呈良好的下降趋势, 较2008年相比, 除了一般脆弱区面积占比几乎不变, 非常脆弱区与极度脆弱区占比为15.61%, 降低了6.84%, 潜在脆弱区与轻微脆弱区占比为68.79%, 上升了6.15%, 流域内重度脆弱区正逐步向轻度脆弱区转变, 各区生态环境脆弱度分布差异进一步减小。

2.2.2 生态脆弱分区变化及相关评价分析

基于生态脆弱性空间分布结果, 制作研究区生态脆弱变化区分布, 分别为生态脆弱区变化空间分布、生态脆弱区具体变化分区、生态修复区空间分布以及生态退化区空间分布, 结果如图 7和表 6所示。

结合表 6来看, 十年间研究区生态环境脆弱恢复情况较为良好, 生态修复区占比为37.08%, 其中Ⅰ级修复区占比最高为13.31%, Ⅳ级修复区占比最低为4.95%；生态持平区占总面积的37.93%；生态退化区占比较小, 为24.89%, Ⅱ级退化区占比最高为9.54%, Ⅳ级退化区占比最低, 为1.50%。重度脆弱区向中轻度脆弱区的转变十分明显, 从研究区十年来生态修复分布来看, 退化区主要分布在流域上游的高新区和相城区的人口产业密集处及流域中游吴中区的城区, 以Ⅰ级和Ⅱ级退化区为主, 合计占比为18.60%, 其中上游的相城区和中游的吴中区的生态退化率较高, 城市化进度低、不合理的土地开发以及过分依赖第二产业, 工农业污染排放无法降低, 导致生态修复进展相对缓慢。Ⅰ级和Ⅱ级退化区合计占比都超过了20%, 修复区多分布在中游高度城市化的姑苏区、工业园区和下游生态资源丰富、人为开发力度较小的吴江区, 其中姑苏区的Ⅰ级、Ⅲ级和Ⅳ级修复区占比分别为20.70%、11.45%和8.29%, 皆为最高, 而Ⅱ级生态修复率最高为工业园区的18.21%, 流域中游地区的人口转移和产业升级, 是其生态修复良好的重要原因。

3 讨论

研究区生态脆弱变化趋势较为明显, 大运河苏州段流域上游相城区和高新区周边地区的生态退化区密度较高且分布集中, 该地区人口密度从2008年的0.09万人/km²上升到了2018年的0.25万人/km², 建设用地占比涨幅达到了15.39%, 较高的人口压力使得人地关系更为紧张, 且当地产业以第二产业为主, 2008年和2018年的工业污染排放总量分别占研究区总体的47.61%和42.34%, 但是, 上游地区环境污染治理资金投入的金额仅从7.37亿元上涨到15.13亿元, 导致2008年和2018年的污水处理率分别仅有78.77%和87.23%, Ⅴ及劣Ⅴ类水在监测断面中的占比也低于研究区平均水平, 分别为31.23%和19.80%, 使得上游地区的生态暴露度指数从2008年的1.70增长到了2018年的2.01, 污染排放强度较高以及环保力度较低是该区域生态退化区分布较为密集的主要诱因。流域中游姑苏区和工业园区的周边地区生态修复情况优秀, 该区域高污染高排放高能耗企业较少, 第三产业发达, 工业废水、废气、固废的排放强度从2008年的3.57万t/km²、0.35亿m³/km²、0.09 t/km²降低到2018年的0.28万t/km²、0.04亿m³/km²、0.01 t/km², 空气质量指数从2008年的84.34下降到了2018年的46.19, 中游地区生态暴露度指数从2008年的1.59下降到2018年的1.31；中游周边地区生态资源分布较为分散但利用程度较高, 十年间土地综合利用程度指数、归一化植被指数、景观多样性指数分别提升了135.6、0.15、154.96, 生态敏感性指数从2008年的1.17下降到2018年的0.75, 该区域严格控制污染排放、合理规划土地利用、大力投入环境保护, 使得生态暴露度指数和生态敏感性指数大幅度降低, 成功将部分重度脆弱区转变轻微脆弱区, 生态脆弱度有明显的下降, 生态修复情况优秀。流域下游的人口密度较低且自然资源充沛, 暴雨强度较低, 十年间单位面积水资源量涨幅达到了2.89亿L/km², 丰富的水文资源使得该区域的植被面积十分充沛, 其林地、草地及园地合计占比从2008年的25.39%提高到了2018年的38.90%, 2008年和2018年下游地区极端天气出现的天数仅为58天和52天, 生态敏感性指数从2008年的1.26下降到2018年的0.63。不过, 下游地区近年来人为干扰力度加大, 工业污染排放增多, 农用地的不合理扩张影响了水域等自然地的生态质量, 农用化肥施用强度、农药喷洒强度分别从2008年的2.76、0.15 t/km²增长到了3.81、0.28 t/km², 人为干扰强度的增大使得生态暴露度指数从1.60增长到1.71；下游地区生态适应能力指数从2008年的0.87下降到2018年的0.73, 自然植被覆盖率较高, 但建成区植被覆盖率较低, 环保建设投入金额较少, 污水处理率不高是下游周边地区生态适应能力指数增长缓慢的主要原因, 环保建设力度无法匹配上人为干扰强度阻碍了大运河下游生态环境的进一步修复。

从总体修复情况上看, 下游地区修复区面积最多, 中游地区修复率最高, 上游地区退化区占比最高, 上游地区是大运河苏州段流域未来生态治理和保护的重点区域。对于上游地区, 加强对三高企业污染排放的监督管理, 大力促进产业升级, 加大污染治理资金的投入, 同时退耕还林, 重点保护区域内的森林、湿地资源；对于中游地区, 加强该区域的景观绿化方面的工作, 强化绿色环保方面的宣传, 同时对该区域的自然生态资源进行规划, 开设专门的保护区, 形成一个植被资源保护体系；对于下游地区, 对国家规定的基本农田进行严格保护, 扩大植被覆盖面积, 提高建成区绿化覆盖率, 合理利用土地资源。

4 结论

运用VSD模型根据大运河苏州段流域不同地区的生态环境状况, 针对性地选取外部压力、自然因素、环境保护相关的24个指标, 可以有效地评估研究区生态环境的健康状况, 识别威胁生态环境的因素, 而且生态脆弱区变化图示可以清晰地反映出研究区每个区域的生态脆弱性变化情况。然而, 生态脆弱性评价只能对生态环境进行静态评价或者一定时间间隔的相对动态评价, 无法对生态环境变化的动态过程进行解析, 且不能对未来生态环境的健康状况以及出现的问题进行合理预测。因此, 运用更合适的模型进一步对运河生态环境状况进行定性与定量相结合的分析, 并且对其进行合理预测评价, 是接下来所要进行的重点。