水库区域生态脆弱性评价研究

赵培 李培科 何洪名

摘 要：随着生态环境问题日益突出，生态脆弱性评价成为研究热点，但目前对水库区域生态脆弱性的研究较少。为了给水库区域生态环境保护规划提供依据，以出山店水库区域为例，以气象、社会经济等数据和压力-状态-响应评价模型为基础，构建生态脆弱性评价指标体系，将生态脆弱性划分为重度、中度、轻度、微度、潜在5个等级，运用空间主成分分析法对生态脆弱性进行定量评价。结果表明：出山店水库区域生态脆弱性驱动因子主要有土地垦殖率、森林覆盖率、坡度、土地利用程度、地形起伏度和人口密度等，以库区为中心靠近水库沿岸地区生态脆弱性高、远离库区生态脆弱性低，近库区域是生态环境的重点保护区域。

关键词：生态环境;脆弱性评价;主成分分析;指标体系;出山店水库

中图分类号：S157.2;TV62 文献标志码：A

doi：10.3969/j.issn.1000-1379.2020.12.018

Abstract： As the ecological environment issue becomes more and more prominent， the ecological environment vulnerability assessment has become a research hotspot. In order to provide the basis for the ecological environment protection planning of the reservoir area， taking the Chushandian Reservoir area as an example， based on meteorological， social and economic data and the pressurestateresponse evaluation model， the ecological environment vulnerability evaluation index system was constructed. The regional ecological environment vulnerability was divided into five grades of severe， moderate， mild， micro degree and potential. Using the principal component analysis method to quantitatively evaluate the vulnerability of ecological environment. The results show that the main driving factors of ecological vulnerability are land reclamation rate， forest coverage rate， slope， land use degree， topographic fluctuation and population density. In the reservoir area， the ecological vulnerability is high and the ecological vulnerability is low away from the reservoir area and the nearby reservoir area is the key protected area of the ecological environment.

Key words： ecological environment; vulnerability assessment; principal component analysis; index system; Chushandian Reservoir

随着社会经济的发展和人类活动的加剧，生态环境问题日益突出，生态脆弱性评价成为研究热点[1]。目前，进行生态脆弱性评价的方法和尺度多种多样[2-7]。水库建设前后当地自然生态和社会经济差异显著，目前对水库区域生态环境的研究多集中于水文、水污染和水生态方面[8-9]，而关于库区生态脆弱性的研究较少。为此，本文以河南省出山店水库区域（即大坝以上至水位为92 m库区尾水上游第一条流域面积大于100 km2的支流）为研究区，基于GF-2卫星遥感影像数据，以压力-状态-响应评价模型（PSR）為基础，构建生态脆弱性评价指标体系，运用空间主成分分析法（SPCA）进行生态脆弱性评价和驱动因子分析，以期为水库区域生态环境保护规划提供依据。

1 研究方法

1.1 数据来源及处理

（1）遥感影像数据。对分辨率为2 m的2018年GF-2遥感影像数据，在ArcGIS和ENVI软件支持下进行人机交互解译，得到研究区土地利用类型数据。

（2）气象数据。年降水量和多年平均气温等气象数据来源于国家气象科学数据共享服务平台和研究区气象站点，基于ArcGIS软件采用反距离加权插值法使其空间化。

（3）地形数据。基于遥感数据和ArcGIS软件获取研究区高程、坡度和地形起伏度等数据。

（4）景观指标。以对GF-2遥感影像解译的土地利用数据为对象，通过Fragstas软件计算景观多样性指数SHDI和景观破碎度Ci，公式分别为式中：m为景观类型数量;Pi为第i类景观斑块数占斑块总数的比例;Ni为第i类景观的斑块数;Ai为第i类景观的总面积。

（5）社会经济数据。2018年、2019年社会经济数据来源于信阳市统计部门，包括人口密度（总人口/总面积）、人均耕地面积（耕地面积/总人口）、土地垦殖率（耕地面积/总面积）等。

将土地利用程度分为若干级并赋予分级指数，利用ArcGIS软件提取1 km×1 km网格的土地利用程度分级指数，并计算土地利用程度综合指数La，公式为式中：Ei为研究区第i级土地利用程度分级指数，依据水库区域土地利用实际情况并参考现有研究成果[10]进行赋值，水域及林地、草地、耕地、建设用地、未利用地赋值分别为2、4、6、8、10;Fi为研究区第i级土地利用程度分级面积占比;n为研究区土地利用程度分级数，本研究n=5。

1.2 评价指标体系及数据标准化

生态脆弱性评价以科学合理的评价指标体系为基础，评价指标的选择应遵循科学性、主导性、可操作性和目的性等原则。借鉴相关研究成果[11-12]，引入压力-状态-响应评价模型，从压力度、恢复力和敏感性3个层面，根据出山店水库区域实际，因地制宜选取12个评价指标构建水库区域生态脆弱性评价指标体系，并根据评价指标对生态脆弱性的作用将其分为正向指标和负向指标，见表1。

1.3 生态脆弱性指数及其标准化

构建生态脆弱性综合指数模型对生态脆弱性进行评价。为避免评价指标间的相关性、重叠性并确定权重，在对评价数据进行重组降维、确保评价指标信息损失最小的前提下，采用ArcGIS和空间主成分分析法将多个变量转换为少数几个相关性极低的综合指标（主成分），按累计贡献率确定3个主成分（分别用PC1、PC2、PC3表示，见表2），据此计算水库区域生态脆弱性指数（EVI），公式如下：

1.4 生态脆弱性分类定级

为全面准确识别水库区域生态脆弱性状况，参照国内外已有的生态脆弱性评价标准[1-4]，根据式（7）计算的生态脆弱性标准化指数SEVI，采用自然断点法将研究区生态脆弱性划分为5个等级，见表3。

2 评价结果

2.1 生态脆弱性主要驱动因子

主成分载荷矩阵能够使原始指标中的信息集中体现在少数几个主成分中，突出反映影响评价结果的主要指标。利用SPSS软件得到主成分载荷矩阵（见表4），其载荷系数的绝对值越接近1，表示该驱动因子对生态脆弱性影响越大。由表2和表4可知，PC1中，土地垦殖率、森林覆盖率、坡度、高程、土地利用程度、地形起伏度和人口密度的载荷系数较大，贡献率达到49.659%;PC2和PC3中，景观破碎度、人均耕地、年均气温、景观多样性指数、年降水量载荷系数较大，但主成分贡献率较低（分别为24.564%和12.801%）。综上可知，研究区生态脆弱性的驱动因子主要为第一主成分PC1中的土地垦殖率、森林覆盖率、坡度、高程、土地利用程度、地形起伏度和人口密度等。

2.2 生态脆弱性评价结果

根据生态脆弱性标准化指数SEVI计算结果及生态脆弱性分级标准进行判定：研究区生态重度脆弱区主要分布在库区东部、东北部沿岸，面积占研究区总面积的5.50%;中度和轻度脆弱区分布于库区东北部和西部沿岸，面积分别占研究区总面积的10.80%和7.91%;微度和潜在脆弱区主要分布于远离库区的西南部及北部区域，面积分别占研究区总面积的17.58%和58.21%。可以看出，水库区域生态脆弱性空间分布特征明显，整体呈现以库区为中心，越靠近库区脆弱性越高、越远离库区脆弱性越低的格局。

3 结 语

基于构建的生态脆弱性评价指标体系和空间主成分分析法，能够全面准确识别水库区域生态脆弱性状况。出山店水库区域生态脆弱性驱动因子主要有土地垦殖率、森林覆盖率、坡度、土地利用程度、地形起伏度和人口密度等，以庫区为中心，靠近水库沿岸地区生态脆弱性高、远离库区生态脆弱性低，近库区域是生态环境的重点保护区域。

参考文献：

[1] 徐广才，康慕谊，贺丽娜，等.生态脆弱性及其研究进展[J].生态学报，2009，29（5）：2578-2588.

[2] 马骏，李昌晓，魏虹，等.三峡库区生态脆弱性评价[J].生态学报，2015，35（21）：7117-7129.

[3] FURLAN A， BONOTTO D M， GUMIERE S J. Development of Environmental and Natural Vulnerability Maps for Brazilian Coastal at Sao Sebastiao in Sopaulo State[J].Environmental Earth Sciences，2011，64（3）：659-669.

[4] 王丽婧，席春燕，付青，等.基于景观格局的三峡库区生态脆弱性评价[J].环境科学研究，2010，23（10）：1268-1273.

[5] 王贝贝，丁明军，管琪卉，等.基于格网的南昌市生态环境脆弱性评价[J].生态学报，2019，39（15）：5460-5472.

[6] 赵培，吴卿，张璐，等.淅川县石质荒漠化土地空间分布特征研究[J].人民黄河，2018，40（10）：95-98.

[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，2011，30（12）：2289-2295.

[8] 左其亭，陈豪，张永勇.淮河中上游水生态健康影响因子及其健康评价[J].水利学报，2015，46（9）：1019-1027.

[9] 党伟，焦利民.淮河上游水质污染特征及其综合评价[J].水土保持研究，2018，25（5）：358-370.

[10] 麻素挺，汤洁，林年丰.基于GIS与RS 多源空间信息的吉林西部生态环境综合评价[J].资源科学，2004，26（4）：140-145.

[11] 邱微，赵庆良，李崧，等.基于“压力-状态-响应”模型的黑龙江省生态安全评价研究[J].环境科学，2008，29（4）：1148-1152.

[12] 仝川.环境指标研究进展与分析[J].环境科学研究，2000，13（4）：53-55.

【责任编辑 张智民】