土地沙漠化作为干旱、半干旱地区土地退化的主要类型^[1], 是区域人类社会面临的最严重的挑战之一, 不仅威胁当地生态环境安全, 还是制约经济社会发展的最大阻力^[2—3]。目前全球有超过10亿人口直接受到沙漠化的威胁^[4], 造成每年12万km²可耕地流失^[5]。沙漠化的调查和研究在干旱、半干旱地区可持续发展战略中到至关重要的作用^[6], 因此, 沙漠化问题及其变化、成因、防治等方面, 一直以来是地理学、生态学等学科研究的热点之一。

生态环境敏感性指生态环境对外界各种因素反应的敏感程度, 用来反映产生生态失衡与生态环境问题的可能性大小^[7], 沙漠化敏感性作为生态敏感性评价的重要指标, 是指土地发生沙漠化可能性的大小^[8—9]。通过区域沙漠化敏感性的研究, 有利于明辨在现状条件下土地沙漠化的潜力, 确定和保护土地沙漠化易发区和高敏感区, 合理开发利用敏感性低的区域, 为沙漠化防止和治理工作提供有力的科学依据, 以实现区域经济、社会、生态环境的可持续发展^[10—11]。沙漠化敏感性的研究工作源于90年代地中海沙漠化和土地利用项目(MEDALUS), 以构建环境敏感区指数(ESA)为代表, 该方法以土壤、气候、植被和管理4个方面选择对沙漠化进程影响的关键因子, 进而构建环境敏感区, 在国外沙漠化敏感性评估中得到了广泛运用^[11]。MEDALUS模型虽在国外被确定为研究沙漠化敏感区的最佳方法, 但基于研究区域的具体情况, 对MEDALUS模型进行修正是非常有必要的^[10]。国内针对不同区域发生沙漠化潜力以及时空分异特征, 基于MEDALUS模型, 遵循“单指标敏感性评价-综合指标敏感性评价”方式, 开展具体区域的沙漠化敏感性研究。如赵明月等^[9]采用空间叠置分析对流域沙漠化敏感性进行评价。对于沙漠化敏感性研究缺少框架指导以及描述各指标层间关系的问题中, 田璐等^[12]引入压力-状态-响应(PSR)分析框架, 定量评估了内蒙古自治区沙漠化敏感性, 郭泽呈等^[13]采用空间距离指数模型定量描述各指标层的关系。虽然这些方法也科学客观的进行了修正, 但是只着重于一个方位点, 并不能综合科学的反映沙漠化敏感性。同时, 以往对土地沙漠化敏感性的研究主要集中在对过去时空演变格局的分析, 对自然、社会经济一体化、全方位研究沙漠化敏感性演变过程和发展趋势以及未来沙漠化防治工作略显不足^[14]。

根据第五次全国荒漠化和沙化监测结果, 截至2014年底, 内蒙古自治区全区荒漠化土地面积约为60.9万km², 占全区面积的51.50%。虽然近年来实施了多项生态保护工程与政策, 局部地区沙漠化治理成效显著, 但荒漠化和沙化状况依然严重, 防治形势仍然严峻^[15—16]。目前对于该区域沙漠化的研究主要集中于沙漠化本身的时空变化特征以及成因的分析, 对于潜在沙漠化的研究较为欠缺。因此在现有研究基础上构建土地沙漠化敏感性评价体系, 对内蒙古自治区沙漠化敏感性时空演变格局和趋势进行分析, 加快推进区域沙漠化高敏感区的确立和保护, 是非常有必要的。基于此, 本研究通过压力-状态-响应分析框架耦合空间距离指数模型(PSR-SDIM)构建土地沙漠化敏感性评价体系(LDSES)和利用元胞自动机-马尔科夫(CA-MARKOV)模型对内蒙古自治区近30 a(2000年、2005年、2010年、2015年、2020年、2030年)沙漠化敏感性时空演变格局和趋势进行探讨, 在此基础上引用地理探测器分析自然、社会经济等因素对区域沙漠化敏感性空间分异的影响, 为该区域沙漠化防治和策略的制定提供一定依据。

1 材料与方法 1.1 研究区概述

内蒙古自治区位于中国北部边疆地区(37°24′—53°23′N, 97°12′—126°04′E), 由东北向西南斜伸, 呈狭长形, 东西长约2400 km, 南北最大跨度1700 km, 与8省区相邻, 总面积118.3万km²(图 1)。内蒙古全区基本上是一个高原型的地貌区, 大部分地区海拔1000 m以上, 受地理位置和地形的影响, 形成以温带大陆性季风气候为主的复杂多样的气候, 全年降水量在100—500 mm之间, 降水呈现由东北向西南递减的趋势, 温度却呈现由东北向西南递增的趋势^[17], 无霜期在80—150 d之间, 年日照量普遍在2700 h以上, 蒸发量很大, 干旱问题显著, 全区干旱、半干旱区占总面积的60%以上, 是全球环境变化最为敏感的区域之一^[18]。

1.2 数据来源

本研究采用的数据包括: MODIS产品数据、气象、高程、土壤以及经济社会数据等。(1)MODIS产品数据为归一化植被指数(NDVI)数据(MOD13A3产品)和地表温度(LST)数据(MOD11A2产品), 来自于NASA网站数据中心(http://ladsweb.modaps.eosdis.nasa.gov)；(2)气象数据为以国家气象科学数据中心(http://data.cma.cn/)下载的国家台站的风速、降雨、日照时数、相对湿度等日值数据为基础, 利用内蒙古自治区周边306个站点, 在ArcGIS 10.2中采用克里金插值对数据进行拟合, “以点代面”求得内蒙古自治区的各类气象数据；(3)高程数据来自于地理空间数据云(https://www.gscloud.cn/)SRTMDEM原始高程数据(90 m分辨率); (4)土壤数据来自于世界土壤数据库(http://www.fao.org)；(5)经济社会数据由内蒙古自治区统计局(http://tj.nmg.gov.cn/)和中国经济社会大数据研究平台(http://data.cnki.net)整理得出。为了便于处理分析, 将所有数据分辨率重采样至1 km×1 km, 采用统一的WGS_1984坐标。

1.3 沙漠化敏感性评价指标体系 1.3.1 压力-状态-响应(PSR)分析框架

PSR(即压力-状态-响应), 是由加拿大统计学家于1979提出, 后由经济合作与发展组织和联合国环境规划署于20世纪80年代共同发展起来的用于研究环境问题^[19]的框架体系, 目前被广泛应用于生态系统评价^[20]及沙漠化敏感性评估^[12]中。PSR分析框架按照生态环境变化发展的因果逻辑^[21]来确定评价的指标体系: 外界条件对生态系统造成压力, 改变了当前环境的状况, 而当前环境状况的改变进而影响环境内生物的生存和发展, 生物将进一步对外界条件进行反馈。沙漠化是自然和人为因素共同作用的结果, 但对气候因素的响应尤为敏感^[22], 结合《全国生态功能区划(修编版)》(2015年), 本文从外界条件、本体状态、适应潜力等方面选取指标构建PSR分析框架(表 1)。

1.3.2 空间距离指数模型

常规的PSR分析框架构建只是将各单因子评价结果进行空间图层等权叠加或加权叠加^{[12, 26]}, 并不能定量描述各因子之间相互影响、相互反馈的关系, 而采用距离^[13]来度量不同单因子, 在构建PSR分析框架中的作用是比较客观和科学的。其中欧几里得度量(也称欧氏距离)是常采用的距离定义, 指在多维空间中两个点之间的真实距离, 或者向量的自然长度^[27]。目前, 基于欧几里得度量提出的空间距离指数模型(SDIM)^[28], 其中每个指标代表一个维度, 即在空间中定义一个最低点(从每个维度来看, 此处表示沙漠化潜力最低), 然后计算每个点到该点的欧氏距离, 以距离值的大小来表示沙漠化敏感程度的高低。距离值越大, 该位置距离最低点越远, 即沙漠化敏感程度越高。空间距离指数模型已广泛应用于环境质量监测^[29]、生态敏感性评价^[30—31]、土地沙漠化评价^[13]中。其公式为:

(1)

式中, dist_SDIM为空间中各点到最低点的欧氏距离, n为空间中维度数量, X_i为空间中的各点, X_{i_low}为空间中各维度的最低点。

基于此, 本研究引用空间距离指数模型修正PSR分析框架构建土地沙漠化敏感性评价体系(LDSES)。在对单因子指标进行标准化后, 依据以下公式计算沙漠化敏感性指数(EISDS), 同时利用ArcGIS 10.2的分类工具, 采用自然间断点分级法(Jenks)将结果分为5个类型(不敏感、轻度敏感、中度敏感、高度敏感、极敏感)。

(2)

式中, EISDS为该点沙漠化敏感性指数, P、S、R分别为外界条件、本体状态、适应潜力指标, P_low、S_low、R_low为三者的最低值。

1.4 沙漠化敏感性时空演变图谱分析

图谱分析将时空变换研究复合为一体, 普遍应用于土地利用变化分析^[32]、沙漠化监测^{[13, 33]}, 是时空变化研究的有效途径。为探究沙漠化敏感性时空变化, 在空间、过程与属性特征的地学分析基础上, 建立沙漠化敏感性图谱(DSA), 其中既包含了沙漠化敏感性的空间差异信息, 又包含着沙漠化敏感性演变过程中的时序演变信息^[34]。

依据郭泽呈、魏伟等^{[13, 28, 30]}改进的图谱分析方法分别提取每一敏感类型斑块, 该类型赋值为1, 其他类型赋值为0, 然后将所有年份的相同敏感类型的栅格图像进行叠加。计算公式为:

(3)

式中, i为0, 1, 2, 3, 4, 分别对应敏感程度的5个类型；Code_i为该类型20年内的演变过程栅格图；code₀, code₁, code₂, code₃和code₄分别为2020年、2015年、2010年、2005年和2000年该敏感性类型赋值栅格图。本次研究得出Code_i像元值共32种, 对其转变本质进行分类归纳为9类, 便于后续计算内蒙古自治区土地沙漠化敏感性时空转变特征, 见表 2。

将上述计算得出的研究区在研究期间5个类型的沙漠化敏感性栅格图进行空间叠加, 用以获取20年间内蒙古自治区沙漠化敏感性时空变化特征, 其计算公式如下:

(4)

式中, DSA为20年间内蒙古自治区沙漠化敏感性时空变化图谱, code₀, code₁, code₂, code₃, code₄, 为公式(3)计算得到的沙漠化敏感性的5个类型依次为: 极敏感、高度敏感、中度敏感、轻度敏感、不敏感。DSA像元值共32种, 对其转变本质进行分类归纳为18类, 表 3, 同时构建沙漠化敏感性时空转变特征及面积占比图。

1.5 CA-MARKOV沙漠化敏感性预测

CA-Markov模型将CA模型和Markov模型二者优势结合^[35—36], 综合了CA模型模拟空间变化的能力和Markov模型长期预测的优势^[37], 目前广泛应用于土地利用变化预测^[36—39]、沙漠化敏感性预测^[40]。其模型主要如下:

(5)

式中, X_t+1为沙漠化敏感性在t+1时刻的状态, 即Markov模型预测所得的结果；X_t为沙漠化敏感性在t时刻的状态；P_ij为沙漠化敏感性转移矩阵。

(6)

式中, Y为元胞有限、离散的状态集合；N为为元胞的邻域；t和t+1表示不同时刻；f为局部空间元胞转换规则。

预测精度验证^[41—42], 采用Kappa一致性检验, 检验完成后得到Kappa系数, 该系数是可以用来衡量预测结果精度。土地沙漠化敏感性预测验证精度计算公式如下:

(7)

式中, Kappa为计算得到的精度验证；P_o为正确模拟的比例；P_c为模型随机情况下的比例；P_p为理想情况下的正确预测比例。

1.6 地理探测器

地理探测器^[43]是探测空间分异性, 以及揭示其背后驱动因子的一种新的统计学方法。与传统方法相比, 其地理学含义清晰, 统计结果具有明确的物理含义, 有利于探测多因子交互作用于某一地理现象, 度量地理要素的空间分异性, 研究多个解释变量的交互作用^[44]。土地沙漠化敏感程度是多因子交互作用的结果, 地理探测器模型可以有效揭示沙漠化敏感程度背后驱动因子的交互作用, 探测各因子对沙漠化敏感性空间分异的影响程度, 可用q值^[45]度量, 各驱动因子的交互作用^[43]可使用地理探测器中探测针计算(表 4)。其模型主要如下:

(8)

(9)

式中, q的取值范围为[0, 1], q值越大, 表示该驱动因子对沙漠化敏感性影响力越大；h=1, …, L为变量(Y)或因子(X)的分层；N_h和N分别为层h和全区的单元数；σ_h²和σ²分别是层h和全区的因变量Y值的方差；SSW和SST分别为层内方差之和和全区总方差。

沙漠化敏感性受各种因素的影响与制约^[13], 为探究沙漠化敏感性的主要驱动因子, 本文从气象、社会经济两方面选取驱动力指标, 分别选取选取气象数据(降水X₁、风速X₂)、社会经济数据(人口X₃、人均国内生产总值(GDP) X₄)、准则层指标(外界条件X₅、本体状态X₆、适应潜力X₇)作为自变量, 探究驱动因子对沙漠化敏感性空间分异的解释力。

2 结果与分析 2.1 单指标空间分布特征

由表 1各指标层根据上述计算公式构建外界条件(P)、本体状态(S)、适应潜力(R)准则层, 得到研究期间2020年研究区各准则层空间分布图(图 2—4)。结果显示外界条件中, 极敏感和高敏感地区主要位于阿拉善盟和西南地区的北部边疆线附近, 不敏感与轻度敏感则主要集中于呼伦贝尔市和兴安盟中部地区；本体状态中, 极敏感和高度敏感地区分布于全区沙地和戈壁周边, 主要位于自治区西南部和锡林郭勒盟中南部沙地地区, 不敏感和轻度敏感主要位于呼伦贝尔市和兴安盟林草地地区, 与土地利用状态较为相似；适应潜力中, 各敏感性呈现聚集分布状态, 极敏感和高度敏感地区分布于西部和中北部, 不敏感和轻度敏感地区位于自治区东北部地区。具体来讲, 2020年各准则层中沙漠化敏感性占比面积最大的敏感性类型是中度敏感, 外界条件(P)、本体状态(S)、适应潜力(R)各面积占比分别为35.20%、31.30%、28.06%, 极敏感面积占比分别为10.07%、16.14%、22.29%, 而不敏感面积占比为15.80%、9.24%、11.83%。

2.2 沙漠化敏感性格局分布特征

通过土地沙漠化敏感性评价体系(LDSES)得出20 a内蒙古自治区土地沙漠化敏感性格局分布图(图 5—9)以及各敏感性类型面积占比及动态度表(表 5)。结果显示, 内蒙古自治区沙漠化敏感性整体上呈现东北低敏感, 西南高敏感分布状态, 中部大部分地区为中度敏感地区, 即沙地、戈壁等未利用土地周边沙漠化敏感性居高, 甚至影响周边林草地沙漠化敏感性类型, 如: 锡林郭勒盟和赤峰市中部沙漠化地区周边林草地处于中度敏感类型区。从整体上来看, 2000—2020年期间, 内蒙古自治区土地沙漠化敏感性类型主要为中度敏感, 平均占总面积的24.67%, 其次为高度敏感, 平均占总面积的22.63%, 不敏感类型区平均占总面积的13.45%。与2000年相比, 2020年不敏感和低度敏感均有所增加, 分别为2.87%和3.95%；极敏感和中度敏感均有所减少, 分别为3.82%和3.01%；高度敏感变化不明显。

2.3 沙漠化敏感性时空演变特征 2.3.1 沙漠化敏感性单一类型转变特征

近20 a内蒙古自治区单一敏感性类型转变面积图, 见图 10。结果显示, 不敏感、中度敏感、高度敏感、极敏感中, 稳定类型占主导(48.96%、46.78%、59.03%、76.39%), 轻度敏感以增加型为主导(41.83%)；敏感性转入与转出中, 主要体现为由中度敏感、高度敏感和极敏感中转出, 转入到不敏感和轻度敏感类型中；敏感类型显著变化(连续多年敏感性类型持续变差或变坏)中, 轻度敏感居多(8.55%), 中度敏感中显著减少居多(8.99%)；敏感性多年波动转变, 主要表现为中度敏感(波动减少型13.34%)转出至轻度敏感(波动增加型14.86%)。

2.3.2 沙漠化敏感性时空转变特征

近20 a内内蒙古自治区土地沙漠化敏感性发生变化的总面积达55.9万km², 占总面积的47.28%, 产生了32类敏感性变化图谱, 归纳为18类(图 11—12, 表 3)。从转变类型所占面积上来看, 沙漠化敏感性处于稳定型(52.72%)>敏感性类型降低(30.65%)>敏感性波动变化(12.15%)>敏感性类型上升(4.48%), 说明研究期间整个自治区超50%面积的土地沙漠化敏感性处于一个稳定的状态, 未发生变化。沙漠化敏感性时空转变特征中, 中度敏感转化为低度敏感占全区面积的12.09%, 是除稳定型中最主要的敏感性转变类型, 其主要位于呼伦湖和大兴安岭南端周边, 敏感类型由低敏感转入高敏感的区域(即沙漠化潜力增加), 占全区面积的4.48%, 其转变类型主要表现为不敏感类型转入中度敏感类型, 占全区面积的2.94%, 主要位于东北部的右下角地区；敏感类型在低敏感与高敏感之间相互转化, 但其占比保持在一个稳定值域的区域, 占全区面积的12.15%, 其转变类型主要表现为中度敏感和高度敏感之间的转变, 占全区面积的4.49%, 主要位于内蒙古自治区中部的省界附近。研究期间全区沙漠化敏感性有所降低, 说明沙漠化潜力降低, 生态效益有所提高, 生态工程措施发挥了有效的作用。

2.4 沙漠化敏感性预测

为摸清沙漠化敏感性未来演变机制, 有效防治沙漠化。本文在总结前20 a内蒙古自治区沙漠化敏感性时空变换的基础之上, 在IDRISI 17.0中设置CA-Markov模型中5×5的邻域结构, 循环次数设置为200次, 相对误差0.1, 得出Kappa值为0.8224, 根据Kappa系数分类标准^[46—47], 本次实验达到几乎完全一致等级, 模拟结果可信。由此模拟2030年内蒙古自治区土地沙漠化敏感性格局分异图。

2.4.1 2030年与2020年沙漠化敏感性时空特征

利用Markov模型, 进行空间叠置分析获得2020—2030年内蒙古自治区土地沙漠化敏感性转移概率矩阵(见表 6), 采用CA-Markov模型, 得到2030年内蒙古自治区土地沙漠化敏感性格局分布图(图 13), 同时利用图谱分析(公式3)构建未来10年土地沙漠化敏感性时空转变图谱特征(图 14, 表 7)。未来十年, 即在自然环境因素不发生突变(以2010—2020年自然环境变化趋势为参照), 社会经济因素保持在现有发展速度下2030年内蒙古自治区沙漠化敏感性各敏感类型面积占比依次为: 低度敏感(26.43%)>中度敏感(24.12%)>高度敏感(20.72%)>不敏感(15.55%)>极敏感(13.19%)。与2020年相比, 2030年低度敏感区域有所增加, 增加了4.82%, 其中主要为中度敏感转入低度敏感, 占全区面积的4.79%, 主要位于呼伦湖和大兴安岭南端周边；由高度敏感转入中度敏感占全区面积的4.69%, 主要位于中度敏感地区周边覆盖有林草地的零星区域, 主要集中在锡林郭勒盟中上部的苏尼特左旗和通辽市右下部的科尔沁左翼后旗周边；由极敏感转入高度敏感占全区面积的2.99%, 主要位于阿拉善盟地区极敏感与高度敏感接壤周边, 其土地利用类型主要为沙地和其他未利用地, 其中仍有少量地区敏感性类型产生恶化现象, 占全区面积的0.08%, 其主要位于鄂温克族自治旗中的未利用地周边。整体上来看, 未来十年内蒙古沙漠化敏感性呈现好转的局面, 沙漠化潜力降低。

2.5 沙漠化敏感性空间分异的驱动分析

地理探测器中要求因变量为数值量而自变量为类型量, 因此, 本文以沙漠化敏感性指数(EISDS)为因变量, 采用自然间断点分级法将气象、社会经济和准测层数据分级, 将数据离散化为类型值, 采用均匀采样的方式, 利用渔网点在研究区内取足量样本点(共11582个样本点), 分别提取不用年份的自变量和因变量, 运用地理探测器, 得出各自变量对沙漠化敏感性的影响程度(表 8)。整体上来看, 各驱动因子q值排序较为相似, q值: 降水(0.6773)>人均GDP(0.4247)>人口密度(0.3150)>风速(0.2057), 因此, 2000—2020年, 降水是影响内蒙古自治区沙漠化敏感性分异的主要气象因素, 其解释了67.73%的沙漠化敏感性分异。社会驱动因子中, 人均GDP对沙漠化敏感性分异影响程度高于人口密度, 其对沙漠化敏感性分异解释力为42.47%。

利用交互探测器探测驱动因子之间影响沙漠化敏感性分异的交互关系(表 9), 除风速∩人口密度(0.4139)、风速∩人均GDP(0.6128)、风速∩本体状态(0.4977)为非线性增强, 其余因子交互时均为双因子增强趋势, 表明任何两种驱动因子对沙漠化敏感性分异的交互作用都比单一因子作用明显, 同时也表明沙漠化敏感性的分异是多种因素共同作用的结果, 而非单因子起绝对作用。其中本体状态∩适应潜力交互作用解释力最大, 解释了88.52%的沙漠化敏感性分异结果, 表明压力状态和响应状态的交互作用对沙漠化敏感性的分异最强, 同时人口密度∩人均GDP(0.5444)高于单因子作用的结果, 相比于其他交互作用, 并未显著的影响, 说明二者的交互作用仅仅作用于少部分地区, 并不是影响研究区沙漠化敏感性分异的主要因素, 但二者主要通过干扰其他因子而对沙漠化敏感性分异产生作用, 如人口密度∩适应潜力解释了82.54%的沙漠化敏感性分异和人均GDP∩适应潜力对沙漠化敏感性分异解释力为82.25%。

3 讨论与结论 3.1 讨论 3.1.1 沙漠化敏感性时空演变特征

本文将沙漠化敏感性按照自然间断点分级法划分为5个类型, 其中极敏感和高度敏感地区主要位于区内沙地、戈壁和其他未利用地周边, 不敏感和低度敏感地区主要位于大兴安岭山脉林草地周边, 空间分布呈现聚集状态, 主要受到气象因素的影响。利用图谱分析构建了18类前20 a内沙漠化敏感性时空演变特征, 以沙漠化敏感性时空演变特征建立沙漠化治理分区(图 15), 其中生态屏障区属于不敏感和低度敏感类型区域, 该区域主要是大兴安岭森林带林草地, 植被覆盖度高, 森林和草原生态系统稳定, 是林草高质量发展的重点区域, 该区作为自治区生态屏障, 应全面加强森林、草原资源保护, 完善林草合理配置的生态防护, 增强生态绿色屏障, 改善周边沙漠化潜力, 促进实现生态平衡、均衡发展。生态改善区属于沙漠化敏感性类型改善, 即沙漠化潜力降低的区域, 位于大兴安岭森林带南部, 在近20 a内, 沙漠化敏感性由高敏感转入低敏感, 沙漠化潜力降低, 该区域受大兴安岭林草地影响, 生态状况有所好转, 对于这类区域应当加强林草地种植, 利用沙漠化潜力的降低来扭转区域生态环境状况, 同时加强对退化草原的修复, 防止沙漠化敏感性再次恶化。生态修复区属于沙漠化敏感性类型恶化的区域, 沙漠化潜力有所提高, 其主要位于自治区内中部沙地周边, 意味着沙地的存在会对周边生态环境产生扰动, 是需要着重关注的地区, 对于该区域应以人工修复为主, 保护现有林草资源, 对已垦林地草原退耕还林还草, 加强生态恢复工程的实施力度, 扭转土地退化趋势, 以期达到沙漠化潜力降低, 实现生态修复。生态脆弱区属于中度敏感以上的高敏感区域, 属于半干旱、干旱和极端干旱地区, 沙漠化土地分布广泛, 区域内干旱缺水, 土地荒漠化和沙漠化严重, 土壤瘠薄, 风沙灾害频繁, 生态环境非常脆弱, 对于这类区域应该加大对现有植被的保护, 加强对天然草原、森林等资源的合理利用, 在沙化和水土流失严重地区种灌种草, 提升防风固沙能力, 减轻风沙危害, 降低沙漠化潜力, 遏制沙漠蔓延, 增强沙漠生态系统稳定性, 提升生态服务功能。

3.1.2 沙漠化敏感性未来演变机制

本文以CA-Markov模型构建内蒙古自治区2030年沙漠化敏感性格局分布图。与2020年相比, 在2030年内蒙古自治区沙漠化低敏感性地区大幅增加, 生态环境有一个较好的好转, 但是仍然存在敏感性恶化问题不容忽视。在敏感性变化类型中, 以中度敏感转入低度敏感为主导, 在未来的沙漠化防治工作应该着重关注于该类地区, 根据区域本体情况, 因地制宜采用生态修复, 从缓解水资源短缺等方面寻找突破口, 在已有转变面积的基础上, 力求将转变面积扩张以达到更好的生态修复效果。极敏感改善为高度敏感地区占全区面积的2.99%, 其转变地区土地类型主要是沙地和戈壁, 表明在已有沙漠化改良工程的建设下, 沙漠化潜力正在下降, 生态状况有所好转, 应当进一步在该类地区加大对沙漠化治理工程的建设, 防止沙漠化极敏感性回退现象的发生。沙漠化敏感性未来演变机制探究的根本目的是将未来演变的结果作为沙漠化治理和改善区域环境策略的重要依据, 制定更为精确、精准的管理政策, 为沙漠化防止和治理工作提供有力的科学依据, 以实现区域经济、社会、生态环境的可持续发展。

3.2 结论

本文基于2000—2020年多源数据, 采用“PSR”分析框架, 耦合空间距离指数模型构建土地沙漠化敏感性评价体系, 对内蒙古自治区沙漠化敏感性时空演变与未来发展格局进行定量评估, 并对演变成因进行分析。其主要得出以下结论:

(1) 2020年内蒙古自治区外界条件(P)、本体状态(S)、适应潜力(R)各准则层沙漠化敏感类型分异格局相似, 其中以中度敏感占据主导, 全区敏感性整体上呈现东北低敏感, 西南高敏感分布状态。

(2) 从沙漠化敏感性时空分析来看, 全区超50%的土地沙漠化敏感性居于一个稳定的状态, 即未发生敏感性类型转变, 在转变类型中以中度敏感改善为低度敏感为主导。

(3) 在构建2030年内蒙古自治区沙漠化敏感性分异格局中, 结果显示未来10年沙漠化敏感性占主导的类型为低度敏感(26.43%), 但其中仍存在少量敏感性恶化地区。

(4) 从单因子探测来看, 降水对沙漠化敏感性的解释力最强, 社会经济因子中, 人均GDP对沙漠化敏感性分异影响程度高于人口密度。各驱动因子结果表明沙漠化敏感性的分异是由多种因素共同作用的结果, 而非单因子起绝对作用。