基于遥感与GIS的青藏高原典型电网工程生态环境敏感性分析

曾业隆,周 全,江 栗,张扬建,俎佳星,谭 伟



基于遥感与GIS的青藏高原典型电网工程生态环境敏感性分析

曾业隆1,2,周 全3,江 栗3,张扬建2,4*,俎佳星2,5,谭 伟1

(1.贵州大学林学院,贵州贵阳 550025；2.中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京 100101；3.国家电网公司西南分部,四川成都 610041；4.中国科学院青藏高原地球科学卓越创新中心,北京 100101；5.中国科学院大学,北京 100049)

为了评估电网工程对生态环境的影响,以概念图的形式确定并表达了电网工程特定活动直接或间接作用于复杂自然环境带来的生态环境影响,基于RS与GIS技术,构建并定量化了敏感性评价指标体系,运用空间主成分方法对青藏高原典型电网工程开展应用.结果显示:研究区的总体生态环境敏感程度很高且集聚效应显著,重度和极度敏感区集中分布(高-高空间关联模式)在研究区中部的雅鲁藏布大峡谷和东南部的高山河谷地带.依据生态环境敏感程度分布状况形成的电网工程极度敏感标段,重度敏感标段,中度敏感标段和轻度敏感标段应利用不同自然条件采取相应的措施降低工程对生态环境的影响.该方法可为复杂自然条件下其他大型工程建设的生态环境影响评价提供借鉴.

遥感；GIS；电网工程；青藏高原；生态环境影响评价；敏感性

输变电工程的建设和联网一方面能满足电能供应,促进经济发展,另一方面会对环境产生破坏,特别是在一些环境脆弱的区域.如,增强传输电压形成的静电效应和磁场效应会造成无线电干扰、电磁噪声和空气污染[1-2];工程施工引起土地利用变化、水土流失与植被破坏[3-5]等.

青藏高原处于我国地势的第一阶梯,地形高差巨大、地质构造复杂、气候独特[6],在全球环境变化和人类活动的综合影响下,表现出较强的脆弱性,是我国最大的生态脆弱区[7].其呈现出生态系统稳定性降低、资源环境压力增大的问题,突出表现为冰川退缩显著[8-9]、水土流失严重[10]、自然灾害增多[11]、土地退化形势严峻(冻土退化、土地沙化及草地退化)、生物多样性威胁加大与珍稀生物资源减少等,严重影响了青藏高原区域生态安全屏障功能的发挥[12].因此,在青藏高原进行人类工程活动,要谨慎处理好生态环境问题[13-17].

西南电网的构建能够促进拥有丰富能源资源的西南地区资源优势加速转化为经济优势,优化中东部地区能源结构,取得经济、环保、社会等综合效益.然而,西南电网工程的线路往往跨越地形条件复杂、特殊且脆弱的生态系统功能区,对生态环境影响评价的要求很高,尤其是在青藏高寒自然环境地区:线路空间规模较大,自然地理条件限制,空间分布数据获取困难,传统的评价方法投入高、周期长、效率低[18].

近年来,遥感技术与GIS技术在大型工程的环境影响应用中提供了丰富且即时的空间数据来源,强大而有效的空间分析方法,迅速地提高了分析的准确度和时效性,得到广泛的应用.国外学者利用空间信息技术对跨区域的大型工程环境影响评价进行了深度探索[19-21],国内学者利用空间技术在输变电工程[3,22],铁路、公路工程,三峡工程[27-29]和水利水电工程[30-32]等方面也得到了有效应用.青藏高原自然条件极其复杂,运用空间技术对大型工程进行环境评估能明显提高评估效率和准确度:董仁才等[23]利用ArcGIS平台的Model Builder对青藏铁路沿线部分路段进行了生态环境敏感性评价建模,同时利用地面调查评估结果验证了该GIS模型判断生态敏感区域的可靠性;苟亚青等[33]利用多源遥感数据对青藏公路格尔木至拉萨段改建完善工程进行环境影响评价, 提出评价大型线性工程施工期干扰强度的新指标和新思路,验证结果显示该方法能有效提高变化信息的分析精度;柴明堂等[34]分别采用模糊C-均值聚类(FCM)和改进标度的层次分析(AHP)两种不同的方法对青藏工程走廊(唐北段)内的冻土工程地质条件进行了评价,两种方法的评价结果具有较好的一致性,均能较好地评价青藏工程走廊内的工程地质条件.目前常用层次分析法[35-38]、投影寻踪法[39-40]、主成分分析法[41-42]结合空间技术进行区域空间尺度的环境影响评价,而国内应用遥感与GIS方法进行大型工程的环境影响评价方法并没有一致的标准,体现在:(1)复杂自然环境中,评价体系中各指标的生态环境影响针对性不强,多集中在土地利用变化和地质灾害风险评估,数据的空间定量化存在局限;(2)难以界定各指标的分级标准;(3)因子的权重过多依赖专家打分,主观性较强.基于此,本项目在充分分析电网工程特定活动作用于环境带来的生态影响的基础上,利用遥感与GIS技术,形成并空间定量化了敏感性评价指标体系,运用空间主成分(SPCA)方法,对西南电网典型工程——西藏藏中联网工程、川藏铁路拉萨至林芝段供电工程进行生态环境敏感性分析,为工程建设提供科学依据.

1 材料与方法

1.1 研究区概况

西藏藏中联网工程起于昌都市芒康县,止于林芝地区林芝县;川藏铁路拉萨至林芝段起于拉萨市柳梧新区,止于林芝地区林芝县;工程需新建、扩建变电站14座,新建线路总长超2000km,经过多个国家级、省级自然保护区(图1).本文以这两个工程500kV线路(芒康-沃卡)为例.

工程线路主要经过青藏高原东南部,该地区位于欧亚板块与印度洋板块的缝合线处,构造运动活跃,地质灾害多发.已有研究[43]表明,近20几年的394次西藏泥石流、滑坡事件中,出现最多在西藏东南部的林芝地区、昌都地区,占全部次数的56%.区域内的地形地貌多为高山峡谷,山势高大且起伏明显,平均海拔约3500~4500m,河流冲刷侵蚀作用强烈,加剧了该地区的地形起伏程度.气候类型多为温带半湿润气候,受地形影响,气候垂直差异明显,来自印度洋的水汽沿雅鲁藏布江爬升导致该区湿季降水丰沛.森林、湿地、草原及冰川等自然景观多样,但生态环境脆弱,一旦破坏使其退化,很难再恢复.

1.2 电网工程生态环境影响因子识别与敏感性指标体系建立

通过概念模型来确定并表达了电网工程特定活动直接或间接作用于环境带来的生态影响(图2).复杂地形电网工程施工期间的行为可以概括为3种:(1)爆破;(2)土石开挖、堆放、回填;(3)构筑新结构.这些行为直接作用于地表岩层和地貌、径流、土壤、植被、土地利用,使其原有的形态发生变化,甚至改变了某些固有性质;在大面积施工作业而防护不当的情况下,电网工程建设对地形稳定性、降水下渗强度、地表粗糙度、土壤侵蚀量、植被覆盖与生产力、景观稳定度等环境因素产生二级效应,破坏了原有环境要素的稳定结构,且各二级效应过程相互影响;随着时间的推移,生态环境要素的稳定状态达到临界值后,便会引发地质灾害、水土流失、植被退化与景观格局干扰等生态环境问题,从而形成电网工程生态环境敏感性空间分布格局.揭示这种敏感性格局一方面能评估输电工程建设对复杂生态环境的影响,从而采取相应措施减少生态环境的破坏;另一方面能提前规避生态环境敏感区域,降低电网工程建设的施工安全风险与投资成本.

根据概念模型及能够被空间量化的原则,形成表1所示的敏感性评价指标体系.“+”表示该空间因子对生态环境影响因子起积极贡献作用;“-”表示该空间因子对生态环境影响因子起消极贡献作用;“Null”表示该空间因子为分类数据,对生态环境影响因子的贡献方式取决于分类数据的性质.

1.3 数据来源与预处理

DEM数据来源于地理空间数据云网站(http://www.gscloud.cn/)SRTM数据集,分辨率为90m,覆盖西藏全境.对DEM数据进行拼接,重投影,重采样,按照西藏边界进行裁剪.

西藏地区1:100万土壤类型分布栅格图来源于寒区旱区科学数据中心(http://westdc.westgis. ac.cn),分辨率为1km.先对土壤类型分布栅格进行重投影,再利用ENVI软件将其转为矢量数据.

土地覆被数据来源于地理空间数据云网站(http://www.gscloud.cn/)Globcover2009_V2.3_Gl-obal数据集,分辨率为300m,覆盖全球.对土地覆被数据进行重采样,按照西藏边界进行裁剪.

NDVI(每8d), NPP(每a)数据均来源于NASA官网(https://ladsweb.nascom.nasa.gov) MODIS数据集,时间范围2000~2014年,分辨率为1km,覆盖西藏全境.运行MRT软件对NDVI和NPP数据进行批量重投影,重采样,按照西藏边界进行裁剪.

38个气象台站数据来源于西藏气象局,包括逐月气温,逐月降水量,时间范围1980-2014年.对气象台站数据进行整理,得到多年平均的年降水量和夏季(6~8月)降水量数据.

本文所有栅格数据均统一为Albers投影坐标系,1km分辨率.

1.4 敏感性指标提取

地质灾害敏感性.利用ArcGIS提取研究区的海拔、坡度、地表粗糙度、坡度变率、坡向、年降水量和夏季降水量.其中,地表粗糙度按照文献[44]的方法进行提取;坡向分为平地、正阴坡、半阴坡、半阳坡和正阳坡,并按各坡向性质对可能诱发地质灾害的贡献率分为1~5级(表2,数值越大,贡献越大);利用克里金插值方法提取年降水量和夏季降水量.

水土流失敏感性.以水土流失通用方程[45-46](USLE)为理论基础,按参考文献[47]对西藏地区的水土流失敏感性进行估算.其中,先计算西藏地区逐个气象台站的降水侵蚀力,再进行克里金插值,经裁剪后得到降水侵蚀力因子;以西藏土壤分布图为底图,参考已有文献[47-48]的K值并将其赋值到对应的土壤类型属性中,经裁剪后得到土壤可蚀性因子;选用3´3窗口分别计算西藏地区DEM的最大值和最小值,再求两者的差值,经裁剪后得到坡度坡长因子;将西藏地区2009年的土地利用类型数据进行重新组合,得到水体、阔叶林、建设用地、针叶林、灌木、永久冰雪、灌草地、草地、耕地、稀疏植被与裸地;再按照覆盖因子对水土流失敏感性的影响分为5级并赋值(表2,数值越大,贡献越大),数值越高,贡献越大,经裁剪后得到地表覆盖因子.

表1 敏感性评价指标体系

注:“+”表示该空间因子对生态环境影响因子起积极贡献作用,“-”表示该空间因子对生态环境影响因子起消极贡献作用,“Null”表示该空间因子为分类数据,对生态环境影响因子的贡献方式取决于分类数据的性质.

表2 坡向因子与地表覆盖因子等级赋值

植被退化敏感性.利用ArcGIS对西藏地区近15年NDVI、NPP数据进行均值计算,经裁剪后得到植被覆盖因子和植被净初级生产力因子.

景观格局干扰敏感性.运行Fragstats 4.1软件按照3000m×3000m的搜索半径对重新组合后的西藏地区2009年土地利用类型数据进行景观层次的DIVISION指数和SHDI指数计算,经裁剪后得到景观分割指数因子和香农多样性指数因子.

1.5 敏感性分析方法

由于各空间环境因子的量纲不同,若采用重分类的方式去除量纲的影响,则会因不同的分类方法,不同的分类等级划分标准,掺杂更多的主观因素.这里采用极差标准化对各因子去除量纲的影响,可以一定程度上避免主观因素的干扰.

式中:X＇是变量标准化后的值,取值范围在[0,1];为原始变量,min为原始变量的最小值,max为原始变量的最大值;式(1)适用于对生态环境影响因子起积极贡献作用的空间因子指标,式(2)适用于对生态环境影响因子起消极贡献作用空间因子指标.

一般来说,评价模型中各空间环境变量之间存在一定的相关性和冗余[49],不能真实地反映评价结果,比如降水量和夏季降水量.空间主成分分析(SPCA)具有优于常规正交函数的某些优点[50],将原始变量属性空间变换为新的多变量属性空间,其轴相对于原始空间旋转,使得新空间中的轴不相关,前几个主成分包含了原始数据大部分的信息,实现了较小信息损失量前提下,对空间数据进行变换、降维.另外,还可以根据特征值的贡献率得到各主成分变量的权重,相对于层次分析法来说更具客观性.因此,本文利用ArcGIS提供的SPCA工具进行生态环境敏感性评价.

生态环境敏感指数的计算方法如下:

式中:ESI是生态环境敏感指数,值越大,越敏感;是主成分的贡献率;是主成分,是保留的主成分的数量;是第个主成分的特征值.

各环境变量的空间主成分结果如表3所示.一般选取累计贡献率大于85%的主成分[51-52]作为计算指标.因此,本文选取前6个主成分进行计算权重,在ArcGIS中进行加权叠加,按照自然断点法[50,53]对敏感性综合指标分成5个等级:潜在敏感、轻度敏感、中度敏感、重度敏感和极度敏感.

由于环境要素在一定范围内表现出相似性,其生态环境敏感性存在空间依赖关系,敏感性等级随着测定距离的缩小而变得更相似或更为不同,也就是空间自相关.具体地说,空间自相关系数是用来度量由电网工程引起的生态敏感性在空间上的分布特征及其对邻域的影响程度.本文在ArcGIS中计算局部Moran’s I指数来研究敏感性的内部空间表达.

式中,x和x分别为位置和位置对应的属性值;是所有属性值的平均值;为标准方差;为参与计算的单元总数;w为空间权重.

表3 坡各主成分的特征值、贡献率、累积贡献率与主成分权重

注:—为没有主成分.

2 结果与讨论

2.1 区域敏感性分级

图3显示:研究区生态环境敏感程度总体很高,中度及中度以上等级占该区国土面积的67.15%,以重度敏感为主,面积比例为24.66%.重度和极度敏感区主要分布在中部和东南部的高山河谷地带:这里地势起伏明显,坡度陡峭,沟壑广布,降水丰沛,致使地表的降水侵蚀和土壤侵蚀严重,极易发生地质灾害和水土流失;特别是在雅鲁藏布大峡谷附近区域,夏季印度洋水汽沿雅鲁藏布江抬升降水量较其他区域偏多,加剧了该地区地质环境的不稳定性.与之相反,潜在和轻度敏感区则主要分布在地势起伏小,坡度缓和,降水较少的西部和东北部地区.

2.2 电网工程标段敏感性

为了进一步分析电网工程施工对生态环境的影响,本文以输电线路50km缓冲区为边界,以工程标段的中点为输入,构造泰森多边形,对标段多边形所在的敏感分级指数进行面积统计(表4).按照生态环境敏感程度和面积分布,标段多边形可以分为4类:以多边形内区域极度敏感性为优先级,连续3个或3个以上标段的面积大于1000km2,归类为极度敏感标段(15-22);以重度敏感性为优先级,连续3个或3个以上标段的面积大于1000km2,在被不同等级分隔开、总面积接近的情况下,重度敏感面积较大且中度敏感面积较小归类为重度敏感标段(3-5),重度敏感面积较小且中度敏感面积较大归类为中度敏感标段(23-25);其他标段归类为轻度敏感标段.

极度敏感标段主要为高山地貌,海拔在2800~5200m之间,地形高差巨大,山势陡峻;受构造和降水影响,岩体破碎,河谷冲刷切割作用强烈,河谷深切,沟谷纵横;穿越易贡国家地质公园、雅鲁藏布大峡谷国家自然保护区、工布自然保护区和色拉季国家森林公园等植被较发育的生态敏感区.重度敏感标段以高原区低山丘陵和高山峡谷地貌为主,海拔在3500~4500m之间,地形起伏较大,岭谷悬殊,植被较发育,远离特殊及重要生态敏感区.中度敏感标段和轻度敏感标段地势起伏较小;坡度缓和,生态敏感性整体较弱.

2.3 敏感性空间自相关分析

敏感性等级的Moran’s I有4种空间关系:HH和LL模式下的敏感性格局空间差异较小,集聚效应明显,对应的生态环境要素空间依赖关系密切,但相比于LL模式,HH关系下的生态环境受外界干扰后极易发生损害;HL和LH模式则显示敏感性格局空间差异大,集聚效应较弱.由图4可知,生态环境敏感性的集聚效应比较显著,£0.05的面积占60.95%.其中高-高(HH)空间关联模式分布在雅鲁藏布大峡谷和东南高山河谷地带,并且覆盖电网线路极度敏感标段的绝大部分区域,说明该地区的自然环境要素低联系非常紧密,相互影响,对外界的扰动极其敏感;该模式下的电网工程施工应按照极度敏感标段和重度敏感标段的标准去遵循,避免产生大范围连续的生态环境问题.研究区自然环境要素较稳定的西部和东北部地区呈现低-低(LL)空间关联模式;在该模式下进行工程施工,仍然要提高警惕,按照相关要求降低对生态环境的干扰.低空间集聚模式(HL和LH)仅零星分布,敏感性等级相互影响不大.

表4 电网工程各标段敏感性等级的面积统计(km2)

2.4 不同敏感标段的施工措施探讨

极度敏感标段范围内的线路施工期间,需要充分考虑地形、地貌的关系,避免大档距、大高差、相邻档距相差悬殊地段,避开严重覆冰地段和微地形地段,避让自然保护区的核心功能区;依托318国道及其他重要道路优化电网线路,改善交通条件;慎重选择爆破方式和地点,避免大开挖、大爆破,减小对基底土层的扰动;依托有利地形减少土石方的开挖量,保持边坡稳定,减少林区砍伐量,尽量不破坏自然植被;剥离的表土、草皮和其他植被单独堆放,并做好挡护和苫盖;回填土按要求进行分层夯实,并清除掺杂的草、树根等杂物.

重度敏感标段范围内的线路,受地形、交通等条件限制较为严重,新修施工便道时应当依据地形采用机械施工与人工施工相结合的方法,在道路两侧设置临时排水沟,对临时堆土做好挡护和苫盖,减少地表扰动和植被破坏;及时回填土石方和恢复原有植被,有效控制线路对水土流失的不利影响.中度敏感标段和轻度敏感标段虽然对生态环境敏感度较弱,但在施工期间仍需按照相关要求降低对生态环境的干扰.

2.5 评估模型探讨

生态环境敏感性研究对大型工程环境评估具有重要的理论和方法论价值,这将无疑减少工程施工对环境敏感区与环境保护区的破坏,提升环境保护力度,也将有益于降低工程建设的成本耗费.然而,人类工程对生态环境系统的干扰是复杂的,存在众多不确定性的问题,这对敏感性评价研究提出了新的挑战:

(1)评价指标的空间定量化.本文在选择建模变量之前对工程特性及环境条件进行了充分分析,但部分可能对生态环境敏感性起重要作用的环境变量,还未能进行空间定量化(如生态系统稳定性因子,动植物群落结构因子以及人类活动因子等).另外,在给定的生态环境问题中存在“动态”概念,如植被退化,如何利用变量的变化趋势建立具有动态概念的指标体系,是尚待深入研究的问题.

(2)敏感性评价的多尺度研究.尺度问题在众多学科研究领域都具有重要地位,生态环境敏感性系统本身也具有多尺度、多层次性.本研究是在1km的空间尺度下进行的,即使能展现整体的敏感性空间格局,但缺少必要的细节刻画,需要对空间指标进行降尺度研究.随着无人机技术与遥感技术的发展,可以建立样方尺度、景观尺度和区域尺度立体观测网络,基于数据同化理论,将小尺度精确观测数据、中大尺度遥感数据和大尺度模型模拟数据相结合建立高精度观测系统;同时将环境因子归一化,对整合的环境因子进行生态环境分析和评估,从而简化环境因素的噪声效应,更利于集中有针对性地开展生态环境敏感性评估,最终达到生态环境分析系统的多源数据和多尺度分析的自由转换.

3 结论

3.1 以概念图的形式确定并表达了电网工程特定活动直接或间接作用于环境带来的生态影响,形成并空间定量化了敏感性评价指标体系;除NPP指标较复杂外,其他指标均可以由更高空间分辨率生产,指标体系可移植性强.将空间主成分方法应用于生态环境敏感性评价,实现了较小信息损失量前提下,对空间数据进行变换、降维,还可以根据特征值的贡献率得到各主成分变量的权重,相对于层次分析法来说更具客观性.

3.2 研究区的总体生态环境敏感程度很高,重度和极度敏感区主要分布在中部的雅鲁藏布大峡谷和东南部的高山河谷地带;根据生态环境敏感程度的分布状况,电网工程标段可以分为极度敏感标段,重度敏感标段,中度敏感标段和轻度敏感标段,各类型标段应依据不同自然条件采取相应的措施降低工程对生态环境的影响.

3.3 区域生态环境敏感性的集聚效应较显著,高-高(HH)空间关联模式分布在雅鲁藏布大峡谷和东南高山河谷地带,并且覆盖电网线路极度敏感标段的绝大部分区域.

3.4 该评价方法可移植性强,不但可以得出较为客观的区域敏感性评价结果,还能根据工程标段内部的敏感性空间分异采取相应的工程措施,适用于青藏高原及其他复杂地形背景下跨区域电网工程,同时亦可为其他跨区域线性工程提供借鉴.

[1] Wagner P, Roschke J, Mann K, et al. Human sleep EEG under the influence of pulsed radio frequency electromagnetic fields - Results from polysomnographies using submaximal high power flux densities [J]. Neuropsychobiology, 2000,42(4):207-212.

[2] Zhang B Y, Wang X H, Zhao M, et al. Analysis of ecological environment for 500kV four circuits power transmission lines on same tower [C]//2006 International Conference on Power Systems Technology: POWERCON, Vols 1-6, 2006:764-771.

[3] 陈 功,李 艳,程正逢,等.遥感与GIS技术在城市高压电网规划环境影响评价中的应用 [J]. 电力勘测设计, 2007,(2):27-29,33.

[4] 张 宇,易仲强,张习传,等.西藏输变电工程水土流失特点及防治措施分析 [J]. 中国水土保持, 2015,(6):65-67.

[5] Cui H R, Qiu D F, Chen L. The Environmental Impact Assessment of Power Transmission Project Based on Fuzzy Theory [J]. Environment Materials and Environment Management, 2011,281:195-200.

[6] 莫申国,张百平,程维明,等.青藏高原的主要环境效应 [J]. 地理科学进展, 2004,(2):88-96.

[7] 于伯华,吕昌河.青藏高原高寒区生态脆弱性评价 [J]. 地理研究, 2011,(12):2289-2295.

[8] 姚檀栋,刘时银,蒲健辰,等.高亚洲冰川的近期退缩及其对西北水资源的影响 [J]. 中国科学(D辑:地球科学), 2004,(6):535-543.

[9] 青藏高原冰川冻土变化对区域生态环境影响评估与对策咨询项目组.青藏高原冰川冻土变化对生态环境的影响及应对措施 [J]. 自然杂志, 2010,(1):1-3,69.

[10] 罗利芳,张科利,孔亚平,等.青藏高原地区水土流失时空分异特征 [J]. 水土保持学报, 2004,(1):58-62.

[11] 牛亚菲.青藏高原生态环境问题研究 [J]. 地理科学进展, 1999, (2):69-77.

[12] 孙鸿烈,郑 度,姚檀栋,等.青藏高原国家生态安全屏障保护与建设 [J]. 地理学报, 2012,(1):3-12.

[13] 马世震,陈桂琛,彭 敏,等.青藏公路取土场高寒草原植被的恢复进程 [J]. 中国环境科学, 2004,(2):61-64.

[14] 陈利顶,吕一河,田惠颖,等.重大工程建设中生态安全格局构建基本原则和方法 [J]. 应用生态学报, 2007,(3):674-680.

[15] Jin H J, Yu Q H, Wang S L, et al. Changes in permafrost environments along the Qinghai-Tibet engineering corridor induced by anthropogenic activities and climate warming [J]. Cold Regions Science and Technology, 2008,53(3):317-333.

[16] Wen Z, Zhang T J, Sheng Y, et al. Managing ice-rich permafrost exposed during cutting excavation along Qinghai-Tibetan railway: Experiences and implementation [J]. Engineering Geology, 2011,122(3/4):316-327.

[17] 马 巍,牛富俊,穆彦虎.青藏高原重大冻土工程的基础研究 [J]. 地球科学进展, 2012,(11):1185-1191.

[18] 吴海毓,王 桥,王昌佐,等.遥感在大型工程生态环境影响评价中的应用 [J]. 环境与可持续发展, 2009,(1):48-49.

[19] Bonachea J, Bruschi V M, Remondo J, et al. An approach for quantifying geomorphological impacts for EIA of transportation infrastructures: a case study in northern Spain [J]. Geomorphology, 2005,66(1-4):95-117.

[20] Coskun H G. Remote Sensing and Gis Techniques for Temporal Evaluation of Environmental Impacts on Major Drinking Water Dam and Basin of Metropolis Istanbul [J]. Fresenius Environmental Bulletin, 2009,18(3):261-269.

[21] El-Gafy M A, Abdelrazig Y A, Abdelhamid T S. Environmental Impact Assessment for Transportation Projects: Case Study Using Remote-Sensing Technology, Geographic Information Systems, and Spatial Modeling [J]. Journal of Urban Planning and Development-Asce, 2011,137(2):153-158.

[22] 王 蕊,张 巍,季 兰,等.基于GIS的输变电项目景观可视化环境影响评价研究 [J]. 气象与环境学报, 2012,(3):61-64.

[23] 董仁才,孙晓泽,李春明,等.青藏铁路沿线生态环境敏感性评价GIS模型 [J]. 生态学杂志, 2011,(9):2093-2098.

[24] 张忠良,刘 勇,王 杰,等.基于遥感与GIS技术的铁路建设环境影响评价方法探讨 [J]. 冰川冻土, 2008,(2):313-320.

[25] 郭云开,张 源,张文博.植被健康指数及高等级公路路域环境评价研究 [J]. 遥感技术与应用, 2013,(6):1120-1124.

[26] 武学森,杜培军,景宏君,等.基于遥感与GIS的西部山区高速公路路域生态环境评价研究 [J]. 测绘通报, 2011,(9):35-37+47.

[27] Yang H C, Wang G Q, Yang Y, et al. Assessment of the impacts of land use changes on nonpoint source pollution inputs upstream of the three gorges reservoir [J]. Scientific World Journal, 2014.

[28] Xie Y H, Yue T, Chen X S, et al. The impact of Three Gorges Dam on the downstream eco-hydrological environment and vegetation distribution of East Dongting Lake [J]. Ecohydrology, 2015,8(4):738-746.

[29] Yang H C, Wang G Q, Wang L J, et al. Impact of land use changes on water quality in headwaters of the Three Gorges Reservoir [J]. Environ. Sci. Poll. Res., 2016,23(12):11448-11460.

[30] 万 帆,王 琪,吴汉涛,等.“3S”技术在水电生态环境影响评价中的应用研究 [J]. 水力发电学报, 2013,(4):132-136.

[31] 黄金凤,夏 军,宋云浩,等.水电工程生态环境影响分析研究进展 [J]. 人民黄河, 2015,(7):72-75.

[32] 周 瑜.水利工程生态环境影响评价综述 [J]. 城市地理, 2015, (24):105-106.

[33] 苟亚青,刘 昕,李思远,等.基于3S技术的青藏公路改建工程环境影响评价方法 [J]. 中国环境科学, 2012,(10):1914-1920.

[34] 柴明堂,张建明,穆彦虎,等.基于FCM和AHP的青藏工程走廊冻土工程地质条件评价 [C]//2015年全国工程地质学术年会,中国吉林长春, 2015:8.

[35] Liao X Q, Li W, Hou J X. Application of GIS based ecological vulnerability evaluation in environmental impact assessment of master plan of coal mining area [C]//2013 International Symposium on Environmental Science and Technology (2013Isest), 2013,18:271-276.

[36] 廖雪琴,李 巍,侯锦湘.生态脆弱性评价在矿区规划环评中的应用研究——以阜新矿区为例 [J]. 中国环境科学, 2013,(10): 1891-1896.

[37] Sahoo S, Dhar A, Kar A. Environmental vulnerability assessment using Grey Analytic Hierarchy Process based model [J]. Environmental Impact Assessment Review, 2016,56:145-154.

[38] 宁立新,马 兰,周云凯,等.基于PSR模型的江苏海岸带生态系统健康时空变化研究 [J]. 中国环境科学, 2016,(2):534-543.

[39] Shao H Y, Sun X F, Tao S Q, et al. Environmental vulnerability assessment in middle-upper reaches of Dadu River Watershed using Projection Pursuit Model and Gis [J]. Carpathian Journal of Earth and Environmental Sciences, 2015,10(4):133-146.

[40] Shao H Y, Sun X F, Wang H X, et al. A method to the impact assessment of the returning grazing land to grassland project on regional eco-environmental vulnerability [J]. Environmental Impact Assessment Review, 2016,56:155-167.

[41] Abson D J, Dougill A J, Stringer L C. Using principal component analysis for information-rich socio-ecological vulnerability mapping in Southern Africa [J]. Applied Geography, 2012,35(1/2):515-524.

[42] 徐涵秋.区域生态环境变化的遥感评价指数 [J]. 中国环境科学, 2013,33(5):889-897.

[43] 马艳鲜,余忠水.西藏泥石流、滑坡时空分布特征及其与降水条件的分析 [J]. 高原山地气象研究, 2009,(1):55-58.

[44] 曾 珍,杨本勇,范建容,等.基于地表粗糙度地学意义的地表真实面积计算 [J]. 遥感技术与应用, 2014,(5):846-852.

[45] Ma J W, Xue Y, Ma C F, et al. A data fusion approach for soil erosion monitoring in the Upper Yangtze River Basin of China based on Universal Soil Loss Equation (USLE) model [J]. International Journal of Remote Sensing, 2003,24(23):4777-4789.

[46] Zhang C S, Xie G D, Liu C L, et al. Assessment of soil erosion under woodlands using USLE in China [J]. Frontiers of Earth Science, 2011,5(2):150-161.

[47] 王小丹,钟祥浩,范建容.西藏水土流失敏感性评价及其空间分异规律 [J]. 地理学报, 2004,(2):183-188.

[48] 王小丹,钟祥浩,王建平.西藏高原土壤可蚀性及其空间分布规律初步研究 [J]. 干旱区地理, 2004,(3):343-346.

[49] Deng X, Liu J, Zhuang D, et al. Modeling the relationship of land use change and some geophysical indicators for the interlock area of farming and pasturing in China [J]. Journal of Geographical Sciences, 2002,12(4):397-404.

[50] Hou K, Li X X, Zhang J. GIS Analysis of Changes in Ecological Vulnerability Using a SPCA Model in the Loess Plateau of Northern Shaanxi, China [J]. International Journal of Environmental Research and Public Health, 2015,12(4):4292-4305.

[51] 卢亚灵,颜 磊,许学工.环渤海地区生态脆弱性评价及其空间自相关分析 [J]. 资源科学, 2010,(2):303-308.

[52] 刘正佳,于兴修,李 蕾,等.基于SRP概念模型的沂蒙山区生态环境脆弱性评价 [J]. 应用生态学报, 2011,(8):2084-2090.

[53] 陈 佳,杨新军,尹 莎,等.基于VSD框架的半干旱地区社会—生态系统脆弱性演化与模拟 [J]. 地理学报, 2016,(7):1172-1188.

Eco-environmental Sensitivity Analysis of Typical Power Grid Engineering on Tibetan Plateau Based on RS and GIS.

ZENG Ye-long1,2, ZHOU Quan3, JIANG Li3, ZHANG Yang-jian2,4*, ZU Jia-xing2,5,TAN Wei1

(1.College of Forestry, Guizhou University, Guiyang 550025, China；2.Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing, 100101, China；3.Southwest Branch of State Grid Corporation of China, Chengdu 610041, China；4.Chinese Academy of Sciences Center for Excellence in Tibetan Plateau Earth Sciences, Beijing 100101, China；5.University of Chinese Academy of Sciences, Beijing 100049, China)., 2017,37(8)：3096~3106

In order to assess the impact of power grid engineering on the ecological environment, the direct and indirect eco-environmental impacts of the power grid project in the complex natural environment was evaluated using a conceptual model. Based on RS and GIS technology, the sensitivity evaluation index system was constructed. The ecological environment sensitivity to the construction of the Typical Power Grid Engineering was evaluated by using the spatial principal component analysis method on the Tibetan Plateau. The results showed that the overall ecological environment of the study area was highly sensitive and the agglomeration effect (HH spatial correlation pattern) was significant. The severe and extreme sensitive areas were concentrated in the Yarlung Zangbo Grand Canyon, the middle of the study area, and the Alpine Valley in the southeast zone. For regions assigned to each ecological environmental vulnerability level, (i.e. the extreme sensitive, the severe sensitive, the medium sensitive and the light sensitive), corresponding measures should be taken to reduce the impacts of the project on the ecological environment. The index method proposed by this study can be used to evaluate the ecological environment impacts of other large-scale projects under complex natural conditions.

RS；GIS；Power Grid Engineering；Tibetan Plateau；Eco-environmental impact assessment；Sensitivity

X171

A

1000-6923(2017)08-3096-11

曾业隆(1992-),男,广西钦州人,贵州大学硕士研究生,主要研究方向为森林资源监测与生态过程遥感建模.

2017-01-05

国家电网公司西南分部科技项目;中国科学院战略性先导科技专项(XDA05050404-3);中国科学院国际合作局对外合作重点项目(131C11KYSB20160061)

* 责任作者, 研究员, zhangyj@igsnrr.ac.cn