沙区是以沙漠或沙漠化土地为重要土地覆被与土地利用类型^[1], 生态、经济、社会系统受其影响较为严重的自然地理单元及行政区域；沙区生态条件恶劣、生物资源匮乏、社会经济落后, 是陆地表层最为脆弱的区域之一。一方面, 恶劣的气候条件及贫瘠的土壤环境导致沙区资源匮乏、承载能力十分有限；另一方面, 经济社会的快速发展及人口的高速增长加剧了沙区人地矛盾, 并引发出地下水过度消耗、土地退化等新的生态环境问题^[2—3]。在气候变化和人类活动的共同影响下, 以沙漠化正逆过程为标志的沙区环境快速变化, 逐渐形成以沙漠化土地和脆弱生态系统为基底, 生态、经济、社会要素相互作用的复合系统, 具有高度的脆弱性、动态性和复杂性, 为沙区可持续发展与管理带来了严峻的挑战。因此, 迫切需要对沙区“生态-经济-社会”复合系统(以下简称“沙区EES系统”)的脆弱性进行诊断, 分析其演变过程及其关键影响因素, 为推动沙漠化治理以及实现沙区可持续发展提供科学依据。

脆弱性能表征系统应对外界风险时承受的压力和适应能力, 是区域可持续发展的研究主题之一^[4]。随着人们对可持续发展及其与人-地耦合系统关系认识的不断深入, 脆弱性的内涵也由最初与“风险”概念相似的自然系统脆弱性^[5—6]加入了人文因素^[7—8], 逐步向社会经济领域^[9—10]渗透, 其研究也逐渐从单纯的针对自然系统固有属性扩大到“生态-经济-社会(EES)”复合系统^[11—12]视角下更为广泛、更加综合的脆弱性研究^[13—15], 研究的空间范围涉及沿海地带^[16]、连片山区^[17]、河湖流域^[18]等多种区域, 研究的内容包括脆弱性特征、趋势预测及影响机理等多个方面。相比单一系统的脆弱性研究而言, 复合系统脆弱性研究呈现出地理学、经济学、生态学等多学科交叉的特征；并且, 随着对人本因素研究的深入, 复合系统脆弱性研究也逐渐向旅游^[19]、产业^[20]、文化^[21]等领域扩展, 研究尺度也呈现空间化、小尺度等特征。

沙区脆弱性研究也逐渐由注重气候变化影响下的干旱与生态脆弱性^[22]向人地矛盾视角下综合考虑沙漠化动态变化及其对经济社会影响^[23]的过程转变。研究的侧重点不再局限于影响沙区发展的单一要素发展变化, 而是从复合系统理论出发, 集成了人地相互作用、系统发展模拟等多个研究视角, 如王娅^[24]基于社会-生态系统视角对典型沙区沙漠化逆转过程脆弱性及影响因素进行评估和识别, 分析了沙漠化逆转的驱动机制；陈佳^[25]对受沙漠化严重的半干旱地区社会-生态系统进行综合评估, 并预测了不同发展情景下的脆弱性区域差异。结合前人研究, 本文认为沙区EES复合系统是以沙漠化土地或荒漠生态系统为基底, 气候变化和人类活动为主要扰动因素, 生态-经济-社会高度耦合的人-地关系地域系统, 具有复杂性、动态性、多尺度性等特征, 其脆弱性可以定义为“气候变化和人类活动对沙区生态环境与经济社会发展不利影响程度, 是暴露度、敏感性、适应能力的函数”。近年来, 国内外学者也尝试从生态、社会、经济等多个维度对沙区脆弱性进行量化评估, 其中以“地中海地区荒漠化与土地利用计划(Mediterranean Desertification and Land Use Project, MEDALUS)”提出的环境敏感区(Environmental Sensitivity Area, ESA)方法最具代表性, 该方法综合考虑土壤、气候、植被、土地管理等指标来进行敏感性及脆弱性评估, 并在欧洲地中海地区^[26—27]、中亚^[28—29]、中国北方沙区^[30]等地进行了优化应用。但这一方法很少从沙区EES复合系统的角度来进行设计, 对系统间的关联性以及自然与人文环境要素的内在连通性考虑不够, 也缺乏从脆弱性的角度来综合考虑暴露度、敏感性与适应能力之间的关系。另一方面, 由于缺乏对沙区EES复合系统脆弱性指标体系的构建与评估方法, 导致对于区域层面沙区EES复合系统脆弱性演变过程、不同指标的贡献、影响、耦合作用关系与区域分异缺乏客观的认知, 对沙区可持续发展的支撑性不够。

内蒙古自治区是我国沙漠化最为严重的区域之一, 沙漠与沙漠化土地面积占全区总面积的85.98%；内蒙古沙漠化及其引发的沙尘暴等环境问题, 严重影响到京津冀乃至中国华北地区的生态安全。2000年以来, 国家在内蒙古地区持续实施了“三北”防护林、退耕还林还草、京津冀风沙源治理等大规模生态工程, 为沙漠化治理与生态环境改善作出了巨大贡献；但受气候变化与快速城镇化、能矿资源开采等影响, 局部地区生态环境与沙漠化依然呈恶化趋势, 沙区EES复合系统脆弱性形成机制更为复杂, 为区域生态环境与沙漠化治理提出了挑战。因此, 本文以内蒙古为研究区, 尝试从EES复合系统的视角, 结合“暴露度-敏感性-适应能力”这三个脆弱性评估维度来设计沙区EES复合系统脆弱性评估指标体系, 利用脆弱性评估领域广泛使用的“暴露-敏感-适应”(Vulnerability Scoping Diagram, VSD)评估模型, 对2000—2018年内蒙古沙区EES复合系统脆弱性空间格局及演化趋势进行评估诊断, 并借助空间主成分分析与时空地理加权回归模型对内蒙古沙区EES复合系统脆弱性影响因素及交互作用进行识别分析, 旨在为沙区适应性管理及沙漠化可持续治理提供理论参考。

1 研究区与数据 1.1 研究区概况

内蒙古自治区位于中国北部边疆(图 1), 总面积118.3万km², 界于37°24′—53°23′N, 97°12′—126°04′E之间, 呈狭长型, 平均海拔1000 m左右, 基本属于高原型地貌区；年平均气温在0—8℃之间, 年降水量在100—450 mm, 是湿润、半湿润季风气候向干旱、半干旱气候的过渡带。从东北到西南, 随着降水量的减少和温度的上升, 依次分布着森林、草原和荒漠地貌类型；土壤带也由东向西, 按黑土地带、暗棕壤地带、黑钙土地带、栗钙土地带、棕壤地带、黑垆土地带、灰钙土地带、风沙土地带和灰棕漠土地带顺序排列。内蒙古沙漠及沙漠化土地分布广泛, 拥有巴丹吉林、腾格里、乌兰布和、库布齐等沙漠, 以及科尔沁、毛乌素、浑善达克和呼伦贝尔等沙地；其中, 76个旗县(市)、995个乡镇(苏木)分布有沙漠及沙漠化土地^[31], 占全区旗县(市)总数的95%, 少数没有沙漠及沙漠化土地分布的旗县(市)也受到潜在沙漠化土地的影响；因此, 本研究将内蒙古全境纳入沙区范围进行分析研究。

1.2 数据来源及处理

本研究所使用数据资料主要包括气象数据(2000—2018年)、归一化植被指数(Normalized Difference Vegetation Index, NDVI)数据(2000—2018年)、5期土地利用类型数据(2000、2005、2010、2015、2018年)、植被净初级生产力(Net Primary Productivity, NPP)数据(2000—2018年), 以及内蒙古各县市社会统计数据(2000—2018年)。其中气温、降水、风速等月值气象数据来源于国家气象科学数据共享服务平台；NDVI数据来源于美国航空航天局(National Aeronautics and Space Administration, NASA)全球监测与模型研究组(Global Invent or Modeling and Monitoring group, GIMMS)发布的GIMMS NDVI3gV1.0数据集, 空间分辨率为1 km, 时间分辨率为月；NPP由光能利用率(Carnegie Ames Stanford Approach, CASA)模型模拟所得, 空间分辨率为1 km, 时间分辨率为年；土地利用类型数据来源于中国科学院资源环境科学与数据中心, 空间分辨率为1 km；社会经济数据为内蒙古自治区统计年鉴和中国林业统计年鉴整理得到。为便于计算与分析, 利用ArcGIS10.4软件将各指标数据整理为具有空间属性的归一化栅格数据, 像元大小为1 km。

2 方法 2.1 脆弱性评价体系

本文以VSD模型为基础, 从暴露度、敏感性和适应能力三个维度出发, 综合考虑生态、经济、社会三个系统特征, 构建评估指标体系, 对内蒙古沙区EES复合系统脆弱性进行定量评估。VSD评估模型由Polsky等^[32]基于“暴露-敏感-适应能力”发展而来, 目前被广泛引用于生态脆弱性评价^[33]、干旱脆弱性评价^[34]、人地耦合系统脆弱性评价^[35]等多个方面。可根据3个维度的关系(公式1)计算得到脆弱性评估结果^{[25, 34, 36]}, 如下：

(1)

(2)

(3)

(4)

式中：VI为脆弱性；E为暴露度；S为敏感性；A为适应性；e_i为各暴露度指标；s_i为各敏感性指标；a_i为各适应性指标；w_i为各个指标的权重。

本文在综合分析研究区实际情况及前人对社会生态系统脆弱性相关研究的基础上, 遵循适用性、科学性和可获得性等原则, 构建了包含3个一级指标、16个二级指标的内蒙古EES脆弱性评价体系(表 1)。暴露度是指影响沙区环境变化(特别是沙漠化正逆过程)的气候和人类活动变量的特征和变化程度, 分为内部驱动因素和外部驱动因素, 因此不仅要考虑到人类发展指标和经济发展指标以及贫瘠自然条件带给系统的压力, 如农业人口密度、牲畜密度等, 还要考虑与沙漠化密切相关的气候变化因素, 如干湿指数、干旱指数、风力气候侵蚀力等。敏感性指沙区EES复合系统对内外部刺激因素的易感性, 取决于所在区域的环境本底与沙漠化特征, 考虑到气候和人类活动造成的沙漠化现象带给系统的影响, 纳入土地沙漠化程度、植被耗水及植被覆盖度等反应沙漠化影响的指标。适应性是指沙区政府与农户层面适应环境变化, 推动沙漠化逆转和经济社会协调发展, 使系统恢复到原来状态的能力, 重点考虑为减少沙漠化带来的影响而在治理过程中本身系统产生的适应性行为, 所以要把生态造林面积等指标包含在内。

本文基于前人研究以及专家知识, 利用层次分析法来确定指标权重, 并采用Min-Max标准化方法对数据进行无量纲化处理。在此基础上, 计算脆弱性指数, 并以2000—2018年脆弱性指数均值的自然间断点为标准, 将脆弱性划分为5个等级：不脆弱、较低脆弱、中等脆弱、较高脆弱、高脆弱(表 2)。

2.2 脆弱性趋势分析 2.2.1 Slope分析

本研究利用MATLABR 2018a分析栅格尺度上的内蒙古地区2000—2018年长时间序列内EES复合系统脆弱性、暴露度、敏感性和适应能力的年际变化趋势(公式2), 并对其进行F检验。变化趋势分为3类：显著增加(slope>0, P < 0.05)、显著降低(slope < 0, P < 0.05)、无显著变化(P>0.05)。

(5)

式中：θ_slope为回归趋势斜率, 若θ>0, 说明各维度指数在研究时段内呈增加趋势, 反之则呈减少趋势；n为总年份；Ci为第i年的各维度指数。

2.2.2 分段突变检验

对长时序栅格数据进行突变检验是分析栅格对象逐年变化趋势, 判断其突变时间节点的有效方法。常用的突变检验的方法主要包括Manner-Kendall检验^[46]、Standard Normal Homogeneity test^[47]、Pettitt检验^[48]等。本文选取分段检验的方法对19年长时序脆弱性指数进行逐像元突变点检验。分段检验能对时间序列样本在不同时刻的观测值进行相关性分析, 通过判断对样本序列分段后各子段序列间的样本均值、方差等是否存在显著性差异来检验样本序列的平稳性。

2.3 脆弱性影响因素分析

空间主成分分析可以有效降低指标的共线性, 对多个指标进行降维处理, 从而避免影响因素的重复性, 简化数据结构^[49], 空间主成分分析与时空地理加权回归模型相结合能杜绝直接使用时空地理加权回归模型时出现的高度共线性问题, 从而有效地分析地理数据的时空异质性变化^[50—51]。

2.3.1 空间主成分分析

空间主成分分析SPCA(Spatial Principal Component Analysis)以主成分分析的统计学原理和ArcGIS为基础, 将每个空间变量对应一个矩阵, 把相关的空间变量对因变量的影响程度分配到响应的具体主成分因子, 并以栅格数据的形式展示出来, 可直观的显示主成分分析的结果^[52—53]。借助ArcGIS 10.4软件的主成分分析工具输入各个指标的栅格数据, 可得到各个主成分的空间载荷图及其累积贡献率, 从而实现对指标层的降维, 剔除共线性影响。

2.3.2 时空地理加权回归

本文借助MATLABR2018a利用时空地理加权回归模型来对2000—2018年内蒙古EES脆弱性演变的主成分影响因素进行综合分析, 探索显著变化区域在时空变化下, 各个影响因素对脆弱性值的影响程度。

为了将数据的时空特性纳入到回归模型中予以分析, Huang等^[54]提出了时空地理加权回归模型GTWR(Geographically and Temporally Weighted Regression), 具体的模型构建如下：

(6)

式中：C_i代表脆弱性指数；W_ij表示第i个单元脆弱性指数的第j个主成分因素；(x_i, y_i)是第i个单元的空间坐标；α_j(x_i, y_i)是主成分因素j在第i个空间单元的回归系数；ε_i是随机误差。

3 结果与分析 3.1 脆弱性基本空间格局

基于2000—2018年脆弱性指数均值可以看出, 内蒙古沙区EES复合系统脆弱性的空间分布格局呈现整体分散、局部集聚的状态(图 2), 高脆弱性区域主要分布于锡林郭勒盟中部、呼伦贝尔市东部及赤峰市南部, 阿拉善盟南部的部分地区也存在高脆弱性特征；鄂尔多斯市、锡林郭勒盟西北部及呼伦贝尔西部则表现出明显的低脆弱性特征。暴露度在空间上主要表现为中南部高、西南及东北部低的趋势, 高值区主要集中在巴彦淖尔市南部、包头市、赤峰市及通辽市南部区域, 低值区则主要集中在阿拉善盟南部及呼伦贝尔市北部。敏感性在空间上大致呈现西高东低的分布格局, 敏感性最高的区域主要分布在阿拉善盟地区；此外, 鄂尔多斯市北部及呼伦贝尔市东部的部分地区也表现出一定的高敏感性。适应性在空间分布上则存在三个高值聚集区和两个低值聚集区, 高值区分布在阿拉善盟、通辽市及包头市和呼和浩特市连片区域, 低值区则主要分布在东部的锡林郭勒盟中部和呼伦贝尔市东部。

从各盟市的均值来看, 各个盟市的脆弱性在0.10—0.35之间变化(图 3), 其中位于内蒙古沙区中部的乌兰察布市脆弱性均值在12个盟市中为最高, 达到0.308, 位于南部的鄂尔多斯市脆弱性均值最低, 为0.14。暴露度均值在各个盟市之间的变化幅度相对脆弱性而言较小, 均值最大的是位于内蒙古沙区东北部的呼和浩特市, 均值最小的是位于西北部的阿拉善盟, 二者之间相差0.12。各个盟市的敏感性均值相对脆弱性和暴露度而言, 都处于较高状态, 且除阿拉善盟外, 其余盟市的敏感性均值都相差不大, 处于0.25至0.35之间。各个盟市的适应性均值总体上也处于较高水平, 其中适应性最高的是乌海市, 其均值达到0.39, 适应性最低的是呼伦贝尔市, 其均值为0.25。

3.2 脆弱性时空演变分析 3.2.1 脆弱性等级变化

根据2000、2005、2010、2015、2018年5个时间断面内内蒙古沙区EES复合系统的脆弱性等级变化情况可以看出：(1)内蒙古沙区整体的脆弱性指数处于逐渐降低的趋势, 变化的主要年份区间在2000—2005年间, 其大部分地区由高脆弱转化为中等脆弱和不脆弱。在该年份区间内, 整个内蒙古地区高脆弱区域减少了2.54×10⁵ km² (表 4), 减少的面积区域逐渐主要向中等脆弱和较低脆弱区域转化, 二者分别增加了1.21×10⁵ km²和0.72×10⁵ km²；(2)虽然在整个时序中, 脆弱性等级整体上呈现降低趋势, 但其中也出现个别区域脆弱性逐渐增强的现象, 如在2010、2015、2018年高脆弱区域分别增加了0.21×10⁵ km²、0.37×10⁵ km²、0.13×10⁵ km²；(3)等级变化情况在整体上可概括为高脆弱和较高脆弱区域收缩, 面积分别减少1.48×10⁵ km²、0.34×10⁵ km², 中等脆弱、较低脆弱性和不脆弱区域扩张, 面积分别增加0.58×10⁵ km²、0.87×10⁵ km²、0.38×10⁵ km²。

3.2.2 脆弱性及各维度趋势分析

根据脆弱性及各维度趋势分析的结果(图 4), 从整体上来看, 内蒙古沙区EES复合系统脆弱性的变化趋势为脆弱性显著降低区域的面积大于脆弱性显著升高区域, 具体表现为西部阿拉善盟地区整个区域脆弱性显著降低, 中南部呼和浩特市及乌兰察布市等沿内蒙古省界南部区域则显著升高, 中东部的大部分区域未呈现明显变化趋势；暴露度在内蒙地区除鄂尔多斯东部和呼和浩特市及呼伦贝尔市少部分地区外都呈现显著降低的趋势；敏感性的变化趋势更加明显, 以显著升高为主要变化趋势, 具体来说, 显著降低的区域分布于整个内蒙古, 显著增加的区域则大面积集中于东北部；适应性的区域分布则呈现县区分异的特点, 从内蒙古整个沙区来看, 主要呈现东西部地区显著升高、中部显著降低的趋势。

3.2.3 脆弱性突变检验

对19个年份的脆弱性指数进行分段检验, 每段时序以五年为基准, 检测各像元在时间序列上的突变情况。结果表明(图 5)：(1)发生突变的地区主要集中于内蒙古东部即兴安盟和呼伦贝尔东部地区、内蒙古中部即赤峰市西部、锡林郭勒盟和乌兰察布地区, 阿拉善盟、巴彦淖尔盟和包头市等盟市的少部分地区也存在脆弱性指数在时间序列上发生突变的现象；(2)发生脆弱性指数突变的地区其突变时间有所不同, 内蒙古东部脆弱性指数突变地区突变时间集中在2008年前后, 内蒙古中部脆弱性指数突变地区突变时间集中在12年前后；(3)脆弱性指数发生突变的地区, 突变前后其脆弱性指数的变化趋势相反, 巴彦淖尔盟、呼和浩特市、赤峰市突变地区在第一阶段呈现脆弱性指数升高的趋势, 而在第二阶段脆弱性指数降低, 呼伦贝尔市、乌兰察布盟、兴安盟突变地区在第一阶段呈现脆弱性指数降低的趋势, 在第二阶段则逐渐升高。

3.3 脆弱性影响因素探测 3.3.1 空间主成分分析

对16个指标进行空间主成分分析, 根据主成分累积贡献率的≥85%即能较好反映原始变量绝大部分信息的原则, 可提取到6个主成分因子, 选取3个节点年份进行展示, 如下表 5所示。表 5列出了根据主成分荷载矩阵识别出的脆弱性关键影响因素, 其中社会、经济、生态三个维度上均有作为主成分主导因素的载荷指标, 生态指标占比最大, 为主要影响因素。从各个年份的主成分分析总体情况来看, 在三个年份中第一主成分均为植被覆盖度指数和沙漠化程度, 贡献率在43%以上, 可以认为其为原变量中影响脆弱性指数的主要因子；农业经济效率和干旱指数分别是第二主成分和第三主成分的主导因素, 贡献率在15%和10%左右, 对脆弱性指数的影响仅次于植被覆盖指数和沙漠化程度。第四、五、六主成分在三个年份中有所不同, 但土地利用强度指标均占有一定的贡献率。

3.3.2 显著降低区域影响因素分析

在主成分分析的基础上, 对显著变化区域各主成分因子进行影响因素分析。为保证各因素之间的可比性, 将显著性降低区域和显著性升高区域各点的六个主成分因子利用GTWR模型计算出来的系数值在Python中进行排列, 并用自然断点法进行分类, 对其划分为强负影响、中负影响、弱负影响、弱正影响、中正影响及强正影响六个等级。

显著降低区域的脆弱性影响因素分析结果如下(图 6)：(1)总的来看, 第一主成分即植被覆盖度和沙漠化程度对脆弱性的影响逐渐由负向向正向转变, 说明沙漠化程度和植被覆盖度对脆弱性降低的正面影响在逐渐增强, 转变尤其明显的区域主要是内蒙古西南部地区和中部地区, 表明沙漠化程度的降低和植被覆盖度的增加对这两个地区的脆弱性指数的降低起到了较大的作用。而在阿拉善北部地区, 第一主成分的两个因素大部分时间内处于负影响状态, 说明在该地区植被覆盖度呈现降低的趋势, 沙漠化程度呈现升高的趋势, 对脆弱性降低的贡献为负。(2)第二主成分主导因素为气象指数和农业经济效率, 空间上主要呈现正向影响的趋势, 特别是在阿拉善左旗和额济纳旗地区呈现出中正和强正影响, 表明该地的脆弱性指数变化受干旱等气象因素干扰和农业活动影响较大, 农业经济效率的提升和气候的变化对这两个地区的脆弱性起到抑制发展的作用。但在阿拉善右旗和锡林郭勒盟中部, 随着年份变化, 其影响程度逐渐降低。(3)第三主成分的主导因素在三年中均为干旱指数, 且随着年份增长, 其影响力在大部分地区上变化较大, 但整体上呈现逐渐收缩的趋势, 强度由强正影响逐步变为弱正影响, 或由强负影响逐步变为弱负影响, 这表明干旱指数虽然对脆弱性显著降低具有一定的贡献, 但贡献度在逐年下降。(4)从其他主成分构成来看, 生态、经济和社会三个维度的指标均有一定的载荷量, 且在三年中各有所不同, 土地利用强度指标对其影响在三年中均有体现, 对主成分贡献率逐渐降低但对脆弱性指数的影响程度逐渐增加, 由中负影响向中正影响转变。

3.3.3 显著升高区域影响因素分析

显著升高区域相对于显著降低区域而言, 各主成分的影响值相对小(图 7), 各主成分影响值的变化也不大, 总体上前三个主成分的影响力呈现弱化的趋势, 由强负影响和中负影响向弱正影响转变。(1)第一主成分主导因素指标即植被覆盖度和沙漠化程度对脆弱性的影响在大部分地区呈现出先向强负影响转化再向弱正影响转化的趋势, 表明在脆弱性显著升高区域, 植被覆盖度和沙漠化程度指数发生了较大变化, 在2000年至2010年间, 植被覆盖度和沙漠化程度对脆弱性升高的贡献为负, 即这段时期内植被覆盖度是逐渐提高的, 沙漠化程度也处于减弱的状态, 而在2010年至2018年间, 第一主成分的贡献度转为正值, 说明在后8年间植被覆盖度下降, 沙漠化程度又再次加重, 从而导致了脆弱性的显著上升。(2)第二主成分即农业经济效率和气象指数由强负、中负影响向弱正、中正影响转变, 与第一主成分的变化情况不同, 第二主成分对大多数地区的脆弱性变化影响是由负向正转变, 说明在研究期伊始农业经济效率和气象指数对这些地区的脆弱性升高并没有贡献, 但随着气候的变化和资源的不合理利用促进了后期脆弱性的显著升高。(3)第三主成分即干旱指数在空间上的变化情况与第一主成分类似, 其影响程度先由弱正影响变为强负影响, 再由强负影响变回弱正影响。这说明在研究期后期, 脆弱性显著升高区域受干旱影响较大, 温度的升高和水分的降低了沙区生态系统的适应能力。(4)其它各个主成分每年的主导因素各不相同, 除了2000年的沙漠化程度、农牧民纯收入和2018年的农业经济效率对脆弱性升高具有抑制作用外, 其它主导因素在各年均对脆弱性升高具有正面作用。

4 讨论 4.1 脆弱性时空格局演变

内蒙古沙区“生态-经济-社会”复合系统脆弱性由敏感性、暴露度和适应性共同作用而成, 其空间分布在内蒙古沙区东部地区与暴露度具有一定的一致性, 在西部地区与敏感性也具有部分相似性, 但总体来看, 其受适应性影响更大, 与适应性的高低值分布呈现相反的空间格局。敏感性表现为西高-东低, 这与前人研究结果较为相似^[55—56]。其分布主要受内蒙古沙区原本的沙漠化基底环境影响, 由于内蒙古自东向西降水递减、温度递增, 使西部地区风蚀作用相对东部地区更强烈, 土地更易被沙化, 沙漠化程度更高、植被覆盖度更低。暴露度在空间上主要表现为中南部高、西南及东北部低。由于暴露度指标表征系统受到压力的程度, 主要由农业人口密度、牲畜密度和干湿、干旱指数等气象因子决定, 而中南部地区相对于其他区域而言有更高的人口聚集度, 建设用地面积更多, 土地利用强度更高^[57], 因而呈现出更高的暴露度水平。适应性的分布与暴露度和敏感性不同, 在沙区南部局部地区表现出较高水平。这是由于随着沙漠化治理工程的实施, 生态造林、退耕还林还草等生态保护项目的实施, 在一定程度上缓解甚至扭转了部分区域土地退化的局势^[58]。并且, 沙产业的发展促使了生产技术和资源利用率的提高, 使区域“生态-经济-社会”复合系统内各种要素转换效率得到提升, 农牧民纯收入进一步增加, 进而利于提升区域的适应能力^[59]。

从脆弱性的综合情况来看, 脆弱性在空间上逐年呈现出整体下降的趋势, 但也有个别地区出现恶化的情况。脆弱性呈现升高的区域主要是沿内蒙古沙区省界南部的锡林郭勒盟和乌兰察布地区及东北部局部地区, 这与前人的研究结果具有较好的一致性^[60—61]。这些地区从2000年至2018年间, 具有较快的人口增长趋势, 建筑用地迅速扩张, 同时具有大量耕地, 土地承载压力较大, 致使脆弱性指数呈现升高的趋势。脆弱性下降较为明显的区域如内蒙古西部阿拉善盟地区等是由于生态造林面积增加而使得植被覆盖度有较大的提升。由此可以看出, 人类土地利用变化情况与脆弱性的增减有较大关系^[62]。这说明对于内蒙古沙区而言, 降低区域复合系统脆弱性最有效的方法是通过实施生态修复工程, 促进植被生长的方法来实现。

根据突变检验的结果, 发生突变的地区主要集中于内蒙古东部即兴安盟和呼伦贝尔东部地区、内蒙古中部即赤峰市西部、锡林郭勒盟和乌兰察布地区。通过分析, 巴彦淖尔盟、呼和浩特市、赤峰市脆弱性前期上升后期下降可能是因为前期区域内实际载畜量超过理论载畜量, 草畜矛盾尖锐, 且沙大多风的自然因素导致草地风蚀沙化, 环境较为恶劣, 植被覆盖度低, 后期禁牧政策的颁布和严格实施以及人工种草和退耕还林还草制度缓解了草地的退化^[63]。呼伦贝尔市、乌兰察布盟、兴安盟突变地区的前期脆弱性指数突变则可能是受到沙漠化程度变化的影响, 如随着防沙治沙工程的实施, 呼伦贝尔沙地逐渐呈现改善的趋势, 全国第四次荒漠化和沙化监测结果显示, 呼伦贝尔沙地沙化面积首次出现缩减, 较2004年减少242.7 km^2[64], 沙漠化程度的降低和植被覆盖率的升高缓解了脆弱性指数的上升。而后期脆弱性指数的上升则可能与人口的增加和土地利用强度的增长有关, 随着区域发展产业的转型, 许多荒地和未利用地被开垦出来作为建设用地和农用地^[65], 在一定程度上促进了脆弱性的升高。

4.2 脆弱性影响因素

通过对众多指标的主成分分析, 提取了发挥主要作用的六个主成分, 避免了在对脆弱性显著性变化区域进行时空地理加权回归时出现的共线性问题, 也降低了时空地理加权回归模型分析空间数据因工作量大而产生的难度。根据脆弱性显著变化区域的主成分分析结果, 各年份影响脆弱性变化的主成分因素各有不同, 在三个年份均占有一定贡献率的指标是植被覆盖度指数和沙漠化程度、农业经济效率和气候指数以及土地利用强度指标, 其中植被覆盖度指数和沙漠化程度对脆弱性的影响最大, 这与前人的结果具有一定的相似性^[66—67]。但有异于前人研究的是, 本文认为农业经济效率指标对脆弱性变化也具有一定的影响力, 这是因为前人的研究中对于内蒙古的脆弱性评估更多从生态系统或干旱风险的视角, 并很少考虑农业的发展对区域脆弱性的影响, 而本文从“生态-经济-社会”复合系统的角度出发, 将农业经济效率纳入指标体系中, 并通过分析验证了该指标的重要性。

从各个影响因子与脆弱性显著变化的情况来看, 不管是显著升高区域, 还是显著降低区域, 各个影响因子随着年际变化在部分区域出现影响的正负向转化的情况, 这说明各个因子对脆弱性的影响不是绝对的, 在不同的时期呈现出对脆弱性抑制或促进的不同状态。脆弱性发生显著变化的地方, 其变化并非线性发展, 部分因子对脆弱性的影响程度在空间变化中存在一定的协同性, 说明脆弱性与各个影响因子之间的关系也可能不是简单的线性相关, 各个因子之间存在着相互关联和相互作用。因此, 降低复合系统脆弱性, 实现沙区可持续发展要从全局考虑, 综合研究各个要素之间的内在连通性。

4.3 政策启示

土地沙漠化作为土地退化的重要类型之一, 不仅对区域生态环境产生重要影响, 也在气候变化和人类活动作用下, 对区域经济发展带来威胁。将受沙漠化严重影响的内蒙古沙区作为研究区域, 对其“生态-经济-社会”复合系统脆弱性进行科学评估有利于快速识别内蒙古沙区的发展弱势区域, 并提出相应的管理措施。对于高脆弱性区域而言, 应从长时序、宏观的视角出发, 充分利用沙区特有生物资源, 提高农业生产技术效率, 建立低成本、高效率的生态修复体系和经济发展路径。制定合理的区域发展规划, 优化土地利用结构, 严格控制城市的盲目扩张；选择合理的农作物种植结构, 普及节水灌溉等技术, 促进水土资源的优化利用, 提高农业经济效率, 增强系统的适应能力。对于低脆弱性区域而言, 应保持现有的生态监管力度, 控制牲畜放牧的密度和强度, 降低土地利用强度, 防止土地退化, 进而避免脆弱性的升高；经济发展与生态保护并重发展, 在保护生态的同时注重人口发展的需求, 促进生态农业、生态旅游等多种环境友好型产业发展, 提升居民的生活水平。

5 结论

本文以中国内蒙古沙区的EES复合系统为脆弱性评价对象, 围绕生态、经济、社会三个子系统构建了脆弱性评价指标体系, 通过对19个年份的脆弱性评估和影响因素分析, 得出以下结论：

(1) 敏感性、暴露度、适应性和脆弱性的空间分布具有较高的空间异质性, 脆弱性的分布格局总体上呈现整体分散、局部集聚的特点, 高值区主要集中于内蒙古中部、西南部和东北部地区, 整体上处于逐渐降低的趋势；脆弱性指数的趋势变化趋势为南部的局部地区显著升高, 西部显著降低。脆弱性发生突变的地区也主要集中于内蒙古东部和内蒙古中部地区, 其中东部地区脆弱性先升高后降低, 西部先降低后升高。

(2) 通过影响因素分析发现植被覆盖度、沙漠化程度、干旱及干湿气象指数等生态指标是影响脆弱性显著变化区域发生变化的主要因素。农业经济效率、土地利用强度等经济和社会指标也具有一定的贡献率, 但相对生态指标而言影响较弱。

(3) 对脆弱性水平较高的区域如内蒙古中部和东北部以及阿拉善南部地区应加大禁牧禁伐的监管力度, 增加造林面积以提升植被覆盖度, 提高农业生态效率, 强化生态-经济-社会系统的适应能力。对于脆弱性水平较低的区域则应该保持生态治理力度, 经济发展与生态保护同步进行, 发展环境友好型产业, 提高居民收入。