大尺度生态干扰风险评估技术方法及应用研究

高吉喜,蔡明勇,张新胜,申文明,史雪威,肖如林

大尺度生态干扰风险评估技术方法及应用研究

高吉喜*,蔡明勇,张新胜,申文明,史雪威,肖如林

(生态环境部卫星环境应用中心,北京 100094)

为实现大尺度生态干扰高风险区域的快速､有效识别,从生态易损性､干扰易达性和资源易引性三个方面选取了9个指标,构建了生态干扰风险评估指标体系和评估模型,形成了完整的大尺度生态干扰评估技术与方法.利用该技术方法,本文评估分析了全国国土空间生态干扰风险状况､空间分布格局及其成因,并结合2017～2019年全国自然保护区人类活动监测数据和《全国主体功能区规划》中生态脆弱性评价结果对生态干扰风险评估结果进行了精度分析.结果显示:超过90%的自然保护区人类活动都集中在评估得到的中高风险区域;全国生态干扰风险主要以中风险为主､低风险次之､再次是较低风险､较高和高风险区域面积最少;其中较高和高风险区域主要分布在我国中西部和东北部的秦岭､祁连山､三江源和内蒙古草原等区域,生态干扰风险空间分布格局与生态系统结构与功能状况､地形与交通条件､资源潜力等因素具有较强相关性.

生态干扰风险指数；生态易损性；干扰易达性；资源易引性；人类干扰活动；全国生态干扰风险等级

近年来,随着人类对自然资源和环境的开发利用程度不断加剧,生态系统稳定性和自身恢复能力持续变差,草地退化、森林减少、水土流失、生物多样性丧失等一系列生态与环境问题日益凸显[1-2].面对生态环境监管范围广、效率低、工作量大等问题,如何科学开展生态干扰风险评估,有效识别不同区域生态干扰风险等级,进而制定差异化监管策略,实现“分区分策”精准管控,成为了一个亟需解决的问题.

目前,国内外学者在生态系统脆弱性/敏感性评估、生态安全评价、生态风险评估等方面开展了大量工作[3-6],并且在模型筛选、评估方法确定以及评估指标选取等方面取得了丰富的成果[7-10],贾晶晶等[11]和齐珊珊等[12]基于SRP模型开展了流域生态环境风险评价,黄蕾等[13]结合层次分析法与时序加权平均算子建立了南京市综合环境风险评估动态模型, Liou等[14]基于landsat数据提取了NDVI、距城镇距离、土地利用/土地覆被等12个指标,研究了越南顺化省的生态环境干扰风险状况.总体来看,已有研究成果对生态干扰风险评估有很好的指导和借鉴意义,但以往开展的区域生态风险评估工作重点关注生态系统自身特征,评估内容主要涉及小区域或流域尺度生态系统受干扰时的自身脆弱程度、敏感性以及恢复能力等[15-16],对生态系统受外界人为活动直接或潜在影响方面,以及大尺度或全国范围的研究较少.本研究基于已有相关研究成果,构建了大尺度生态干扰风险评估模型,可快速、有效评估识别出生态干扰高风险区域,从而以较小的投入识别出潜在生态风险,使得生态环境监管工作起到事半功倍的效果.

1 生态干扰风险概念界定

“生态风险评价”研究最早始于美国上世纪七十年代, 1992年美国环境保护局(USEPA)明确给出了生态风险评价的定义,即评估由于一种或多种外界因素导致可能发生或正在发生的不利生态影响的过程,并提出了生态风险评价框架[17],经进一步补充完善, USEPA于1998年正式公布了生态风险评价指导方针[18].目前,生态风险评价常见于土壤(水体及沉积物)重金属、化学品(易燃、易爆、有毒药品)等领域的生态环境影响评估,进而支持环境决策.

同时,很多学者认为生态脆弱性、敏感性和易损性等评估实质上也是生态风险评价的一种表达方式[19-21],可用以刻画由于一种或多种外界因素导致系统暴露于不利影响或遭受损害的可能性[22].“生态脆弱性(Ecological Vulnerability)”这一概念最早于1981年由Timmerman[23]提出,被定义为某个系统针对某种外界的压力所表现出的响应、结果以及系统自身恢复力的函数.随后,其内涵得到进一步引申和发展,用于开展生态系统脆弱性、敏感性或易损性的评价并取得了丰富的成果[24-27],但其本质还是对生态环境和系统自身的脆弱程度做出定量或者半定量的分析、描绘和鉴定[28].

“生态干扰”作为生态系统内各组分的天然性受到干扰的表达,最早由芬兰植物学家首次提出[29].此后,李迈和等[30]将“生态干扰度”解释为一种评价植被天然性程度的一种方法,常用于景观格局受人类生产活动的干扰评价中[31].

综上所述,本研究所提出的“生态干扰风险”是“生态风险”中的一部分,是指区域生态系统易于受到自然或人为因素影响,进而产生生态破坏的可能性和破坏程度,是区域生态系统特征、各类自然环境背景条件和人类干扰活动直接和潜在影响的综合反映,评估结果侧重于服务生态保护监管应用.

2 生态干扰风险评估技术方法

2.1 生态干扰风险评估概念模型

根据生态干扰风险定义,生态干扰风险评估首先要评估区域生态系统由于自身特征(生态系统构成、生产力等)以及环境影响(生态空间类型等)造成的易受损程度[32-34],即“生态易损性”.地形地貌和道路交通条件决定了生态空间容易受到各种人为活动影响进而发生生态破坏的难易程度,因此生态干扰风险评估必须重视地形和交通导致的“干扰易达性”的影响.此外,纳入由于资源禀赋而可能诱发的资源违规开采､盗猎和规模化旅游开发等行为活动作为人类干扰活动潜在风险源.

根据以上分析,本研究构建了“生态易损-干扰易达-资源易引”生态干扰风险评估模型,提出生态干扰风险指数(Risk Index for Ecological Disturbance, RIED),综合反映区域生态系统易受自然因素或人为活动影响的可能性和破坏程度.模型如下:

RIED=(EV,AD,RE) (1)

式中:RIED为生态干扰风险指数; EV为生态易损性; AD为干扰易达性; RE为资源易引性.

2.1.1 生态易损性 生态易损性与生态系统的组成、结构、功能以及外界环境有密切关系,生态系统自身具有不稳定性,在外界的干扰或胁迫下容易发生正向或负向的变化,体现生态系统的脆弱或敏感性.同时,生态系统自身也具有承受一定内外环境干扰或压力,实现自我调节和恢复的能力.本文选取能够综合反映生态系统抗干扰和自我恢复能力的生态系统类型和净初级生产力指标来体现生态系统的脆弱性、敏感性和弹性,并纳入生态空间类型指标来体现生态系统重要性和不同生态空间管控措施影响.

2.1.2 干扰易达性 道路交通和地形地貌在一定程度上决定了人为活动的区域范围,从而表现出对自然生态系统潜在干扰的可能性[35].干扰易达性主要是考虑了区域内道路交通条件、海拔、坡度等因素造成的区域可达性条件的差异.交通越发达、越便利、海拔越低、地势越平坦的区域,生态环境越容易受到人为活动的干扰和影响.

2.1.3 资源易引性 资源易引性是指区域内矿产、物种、旅游等自然、人文资源价值对人为活动的吸引力,自然资源丰富、环境条件优越的地区,吸引力越高,区域生态也越易于受到人为开发活动影响.考虑到近些年来频繁出现的因各类资源诱惑力而引发的矿产违规开采、生物资源偷(盗)猎(采)和违法规模化旅游开发等活动,将资源环境禀赋的吸引力作为评估生态干扰风险的一个方面,使得生态干扰风险评估模型更加科学和有代表性.

2.2 评估指标体系框架

构建生态干扰风险3层评估指标体系框架(图1).在充分借鉴已有研究基础上,综合考虑指标数据的可得性、易用性和代表性,最终选取了坡度、海拔、生态系统类型、可采物种资源密度等9个指标参与全国生态干扰风险评估.

图1 生态干扰风险评估指标体系框架

2.3 评价指标数据来源

所用指标数据源及数据处理方法见表1,利用ArcGIS10.8软件对各类数据进行标准化处理.同时,在最终生态干扰风险结果计算和分析时,对所有城镇和乡村区域进行掩膜处理.另外,由于数据缺失,本研究范围不包括港澳台地区.

表1 指标数据源及预处理

注:所有指标数据统一处理为1km*1km栅格数据,统一采用WGS_1984_Albers投影坐标系.

2.4 指标数据标准化处理

采用极差标准化方法对所有定量指标进行标准化数值处理,定性指标先采用专家分级赋值法定量化处理后,再进行极差标准化处理,从而使得各指标值域范围为0～1,以消除指标量纲和数量级的差异.定性指标具体分级赋值处理结果见表2.

表2 分等级赋值标准

2.5 指标权重与一致性检验

采用层次分析法[41]构建生态干扰风险评估模型指标重要性判断矩阵,获得各指标的权重值(表3),并对模型进行一致性检验.结果显示:模型指标权重通过一致性检验.

表3 生态干扰风险评估指标权重

2.6 生态干扰风险指数与等级划分

采用综合权重指数法计算生态干扰风险指数.方法如下:

式中:RIED为生态干扰风险指数;w为第个指标的权重值;A为第个指标的标准化值.

为进一步分析全国生态干扰风险空间分布特征和结构差异,本研究将全国生态干扰风险评估结果划分为5个等级:低风险(Ⅰ级)、较低风险(Ⅱ级)、中风险(Ⅲ级)、较高风险(Ⅳ级)、高风险(Ⅴ级).各等级间阈值的确定是基于自然断点法(Jenks)微调得到,以满足不同风险等级间的差异明显,等级内部差异最小,以及分级结果空间分布相对连续等要求.生态干扰风险指数等级划分阈值见表4.

表4 生态干扰风险等级划分

3 结果与讨论

3.1 全国生态干扰风险评估分级结果

基于构建的生态干扰风险评估模型,评估分析了全国生态干扰风险状况.结果表明,全国生态干扰风险指数范围为0.11～0.77,平均值为0.42.生态干扰风险指数越高表明生态系统越容易受到自然条件变化或人为活动的影响.统计结果显示(表5),全国生态干扰风险以中风险为主、低风险次之、再次是较低风险、较高和高风险区域面积最少.其中,较高和高风险区域面积之和为141.73万km2,仅占比15.41%;中风险区面积为315.17万km2,占比34.28%;较低和低风险区域面积之和为462.53万km2,占比超过50%.基于此结果,可在监控较少自然生态区域的情况下,发现潜在的人类干扰活动或生态风险,从而大大节省生态环境监管的时间、人力、物力成本,提高监管工作效率.

表5 全国生态干扰风险评估结果

3.2 全国生态干扰风险空间分布特征

从生态干扰风险指数空间分布来看(图2),全国生态干扰风险具有明显的空间异质性特征,我国东南地区、新疆大部分戈壁和沙漠地区以及东北平原以低或较低风险为主,高风险区域零散分布在中西部地区、内蒙古东北部以及太湖、巢湖、洞庭湖等重要水域湿地区域,较高和中风险区域围绕零星的高风险区普遍分布在中西部地区和东北山区,如长江、黄河沿线以及东南部分海滨三角洲地区.

图2 全国生态干扰风险等级分布

考虑到全国区域尺度较大,生态环境状况的复杂性,为进一步分析全国生态干扰风险分布情况,选取了东北、华北、华中、华东、华南、西南、西北七大自然地理区划为基础单元,分区计算得到七大自然地理区划的生态干扰风险指数与分级情况(表6).结果表明:生态干扰风险指数在不同自然地理区划单元之间具有明显的差异,从各区域生态干扰较高和高风险占比来看,西南地区生态干扰较高和高风险占比最高,为20.76%,东北地区次之,为19.31%;华南、华东和华中地区生态干扰较高和高风险占比最低,分别为3.34%、4.36%、5.12%.

对生态易损性、干扰易达性和资源易引性分级结果分析表明(图3),全国生态易损性以中风险、较高和高风险为主,主要分布在内蒙古草原、青藏高原、秦岭和祁连山等区域.在综合考虑海拔、坡度和道路密度因素作用下,西部区域由于海拔高、交通不便利等原因,干扰易达性风险普遍较低,东部区域由于地势平坦、海拔低、交通网络比较发达,导致干扰易达性风险较高.由于区域内旅游、矿产和物种资源比较丰富,资源易引性中高风险区主要集中分布在我国中部秦岭、祁连山区,以及西南和东南大部分地区.由此可见,生态干扰风险空间分布格局与全国生态系统的组成、结构、生态空间类型以及社会经济发展水平、交通能力、资源潜力等一系列因素具有很强的相关性.然而,本文中仅将海拔作为负向指标,忽略了其正向影响.即海拔越高,交通越不便利,居住人口也较少,人为活动对生态环境产生的干扰破坏程度相对较低;但同时,海拔高的西部区域,其生态系统结构简单,植被稀疏且极易退化,从而导致生态脆弱性和敏感性较高.因此,在后续研究工作中,需要进一步合理细化指标体系,更加充分考虑所选指标的深层含义.

表6 七大自然地理区划生态干扰风险分级表

图3 生态易损性(A)、干扰易达性(B)、资源易引性(C)风险等级

进一步分析生态干扰较高或高风险区域空间分布特征发现,虽然西部人口较少、道路网络相对不发达,但由于这些区域植被覆盖度较低、生态系统脆弱或敏感性较高,以及考虑到这些区域在珍稀濒危动植物物种保护、矿产资源保护、气候调节等方面的重要性(如:三江源、可可西里、羌塘保护区、秦岭和祁连山等自然保护地或生态保护红线区域),导致这些区域生态干扰风险等级较高.并且,当前社会广泛关注的众多生态环境破坏事件,如卡拉麦里矿产开采、秦岭别墅开发、可可西里偷盗猎、木里煤矿和祁连山矿产开采等均发生在评估提取的中高风险区,也侧面印证了生态干扰风险评估结果的正确性和合理性.

3.3 评估结果验证

为验证生态干扰风险评估模型的有效性,本研究收集分析了2017～2019连续三年的全国国家级和省级自然保护区人类干扰活动数据.依据以上得到的全国生态干扰风险结果,分别统计了5个风险级别区域中人类干扰活动的斑块面积,结果表明(表7):2017～2019年全国省级和国家级自然保护区人类干扰活动斑块约4万处,面积为260.85km2.其中,分布于生态干扰低风险区域人类干扰活动面积为9.30km2,占人类干扰活动总面积的3.57%;生态干扰较低风险区域人类干扰活动面积为14.81km2,占比5.68%;生态干扰中风险区域人类干扰活动面积为117.57km2,占比45.06%;生态干扰较高风险区域人类干扰活动面积为66.64km2,占比25.55%;生态干扰高风险区域人类干扰活动面积为52.53km2,占比20.14%.

表7 各生态干扰风险等级人类干扰活动统计结果

通过分析各生态干扰风险等级内人类干扰活动分布情况发现:全国生态干扰较低和低风险区域面积占比约50.31%,但仅分布有9.25%的人类干扰活动;生态干扰中风险区域面积占比约34.28%,约有45.06%的人类干扰活动分布其中;而15.41%的生态干扰较高和高风险区域集中了45.69%的人类干扰活动,较高和高风险区内人类干扰活动面积占人类干扰活动总面积的比例约为全国生态干扰较高和高风险区域面积占比的3倍,评估得到的生态干扰风险等级结果空间分布格局与人类干扰活动空间分布特征有很好的一致性.同时,通过与《全国主体功能区规划》中全国生态脆弱性评价结果的对比分析,结果显示:二者在空间分布格局上具有较好的相似性.由此可见,本文构建的生态干扰风险评估模型能够很好地识别出生态干扰风险高、生态脆弱性高、人类干扰活动集中的重点区域,说明了研究建立的生态干扰风险评估方法的科学性和有效性.

4 讨论

4.1 本文从生态易损性、干扰易达性、资源易引性三个方面选取9个指标构建了生态干扰风险评估模型,综合反映生态系统受到自然因素或人为干扰活动影响的可能性和破坏程度.对重要生态空间监管策略优化、“分区分策”精细化监测以及开展生态破坏网格化精准管控具有重要的指导意义.

4.2 全国生态干扰风险以中风险为主、低风险次之,高风险区域零散分布在中西部地区、内蒙古东北部以及太湖、巢湖、洞庭湖等重要水域湿地区域.

4.3 全国生态干扰风险评估结果验证表明,生态干扰较高和高风险区域内人类干扰活动面积占比是较高和高风险区面积占比的3倍,不足50%国土面积的生态干扰中、较高和高风险区域内分布了超过90%的人类干扰活动,说明了研究所建立的方法能够有效识别出受人类干扰活动影响的生态干扰高风险区域.

[1] Liang J, Zhong M, Zeng G, et al. Risk management for optimal land use planning integrating ecosystem services values: A case study in Changsha, Middle China [J]. Science of The Total Environment, 2017,579:1675-1682.

[2] 李耀明,王玉杰,王云琦.基于GIS的北京地区生态风险评价[J]. 中国水土保持科学, 2017,15(2):100-106.

Li Y M, Wang Y J, Wang Y Q. Ecological risk assessment in Beijing based on GIS [J]. Science of Soil and Water Conservation, 2017, 15(2):100-106.

[3] Taohong Z, Kunihiko Y. Environmental vulnerability evaluation using a spatial principal components approach in the Daxing’anling region, China [J]. Ecological Indicators, 2017,78:405-415.

[4] 张金茜,李红瑛,曹二佳,等.多尺度流域生态脆弱性评价及其空间关联性——以甘肃白龙江流域为例[J]. 应用生态学报, 2018,29(9): 2897-2906.

Zhang J X, Li H Y, Cao E J, et al. Assessment of ecological vulnerability in multiscale and its spatial correlation: A case study of Bailongjiang Watershed in Gansu Province, China [J]. Chinese Journal of Applied Ecology, 2018,29(9):2897-2906.

[5] Adriaenssens V, De B B, Goethals P L M, et al. Fuzzy rule-based models for decision support in ecosystem management [J]. The Science of the total environment. 2004,319(1):1-12.

[6] 范小杉,高吉喜,何 萍,等.基于生态安全问题的生态保护红线管控方案[J]. 中国环境科学, 2018,38(12):4749-4754.

Fan X S, Gao J X, He P, et al. Technical solutions for ecological red-line management based on problems of ecological security [J]. China Environmental Science, 2018,38(12):4749-4754.

[7] David J A, Andrew J D, Lindsay C S. Using principal component analysis for information-rich socio-ecological vulnerability mapping in Southern Africa [J]. Elsevier Ltd., 2012,35(1/2):515-524.

[8] 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.

Yu B H, Lu C H. Assessment of ecological vulnerability on the Tibetan Plateau [J]. Geographical Research, 2011,30(12):2289-2295.

[9] Lindner M, Maroschek M, Netherer S, et al. Climate change impacts, adaptive capacity, and vulnerability of European forest ecosystems [J]. Forest Ecology and Management, 2010,259(4):698-709.

[10] 李 冲,张 璇,许 杨,等.京津冀生态屏障区人类活动对生态安全的影响[J]. 中国环境科学, 2021,41(7):3324-3332.

Li C, Zhang X, Xu Y, et al. The impacts of human activities on ecological security in the ecological barrier zone in Beijing- Tianjin-Hebei region [J]. China Environmental Science, 2021,41(7): 3324-3332.

[11] 贾晶晶,赵 军,王建邦,等.基于SRP模型的石羊河流域生态脆弱性评价[J]. 干旱区资源与环境, 2020,34(1):34-41.

Jia J J, Zhao J, Wang J B, et al. Ecological vulnerability assessment of Shiyang River Basin based on SRP model [J]. Journal of Arid Land Resources and Environment, 2020,34(1):34-41.

[12] 齐姗姗,巩 杰,钱彩云,等.基于SRP模型的甘肃省白龙江流域生态环境脆弱性评价[J]. 水土保持通报, 2017,37(1):224-228.

Qi S S, Gong J, Qian C Y, et al. Assessment of eco-environmental vulnerability of Bailongjiang watershed in southern Gansu Province based on SRP model [J]. Bulletin of Soil and Water Conservation, 2017,37(1):224-228.

[13] 黄 蕾,黄雨佳,刘朋辉,等.区域综合环境风险评价方法体系研究[J]. 中国环境科学, 2020,40(12):5468-5474.

Huang L, Huang Y J, Liu P H, et al. Research on the regional comprehensive environmental risk assessment method system [J]. China Environmental Science, 2020,40(12):5468-5474.

[14] Liou Y, Nguyen A K, Li M. Assessing spatiotemporal eco- environmental vulnerability by Landsat data [J]. Ecological Indicators, 2017,80:52-65.

[15] 黄绍琳,徐超璇,鲁春霞.张家口地区生态脆弱性及其影响因素[J]. 自然资源学报, 2020,35(6):1288-1300.

Huang S L, Xu C X, Lu C X. Study on ecological vulnerability and its influencing factors in Zhangjiakou area [J]. Journal of Natural Resources, 2020,35(6):1288-1300.

[16] Jiang Y, Li R, Shi Y, et al. Natural and political determinants of ecological vulnerability in the Qinghai–Tibet Plateau: A case study of Shannan, China [J]. ISPRS International Journal of Geo- Information, 2021,10(5):327-327.

[17] U S E P A. Framework for ecological risk assessment [R]. Risk Assessment Forum, Washington D C, EPA/ 630/R-92/001, 1992.

[18] U S E P A. Guidelines for ecological risk assessment [R]. Risk Assessment Forum, Washington D C, EPA/630/R-95/002F, 1998.

[19] Hong W, Jiang R, Yang C, et al. Establishing an ecological vulnerability assessment indicator system for spatial recognition and management of ecologically vulnerable areas in highly urbanized regions: A case study of Shenzhen, China [J]. Ecological Indicators, 2016,69:540-547.

[20] 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, 2013,33(10):1891- 1896.

Liao X Q, Li W, Hou J X. Application of ecological fragility assessment in mining area planning and environmental impact assessment: Taking Fuxin Mining Area as an example [J]. China Environmental Science, 2013,33(10):1891-1896.

[21] Nandy S, Singh C, Das K K, et al. Environmental vulnerability assessment of eco-development zone of Great Himalayan National Park, Himachal Pradesh, India [J]. Ecological Indicators, 2015,57: 182-195.

[22] 杨 飞,马超,方华军.脆弱性研究进展:从理论研究到综合实践[J]. 生态学报, 2019,39(2):441-453.

Yang F, Ma C, Fang H J. Research progress on vulnerability: From theoretical research to comprehensive practice [J]. Acta Ecologica Sinica, 2019,39(2):441-453.

[23] Timmerman P. Vulnerability, Resilience and the collapse of society: A review of model and possible climatic applications [M]. Toronto, Canada: Institute for Environmental Studies, University of Toronto, 1981.

[24] Nguyen A K, Liou Y, Li M, et al. Zoning eco-environmental vulnerability for environmental management and protection [J]. Ecological Indicators, 2016,69:100-117.

[25] 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.

[26] Wang S, Zhang X, Wu T, et al. The evolution of landscape ecological security in Beijing under the influence of different policies in recent decades [J]. Science of The Total Environment, 2019,646:49-57.

[27] 郭 兵,陈舒婷,韩保民,等.丝绸之路经济带(境内段)生态脆弱性定量评价研究[J]. 长江流域资源与环境, 2019,28(11):2601-2611.

Guo B, Chen S T, Han B M, et al. Quantitative assessment of ecological vulnerability of the Silk Road Economic Belt, China based on the partition-integration concept [J]. Resources and Environment in the Yangtze Basin, 2019,28(11):2601-2611.

[28] 乔 青,高吉喜,王 维,等.生态脆弱性综合评价方法与应用[J]. 环境科学研究, 2008,21(5):117-123.

Qiao Q, Gao J X, Wang W, et al. Method and application of ecological frangibility assessment [J]. Research of Environmental Sciences, 2008,21(5):117-123.

[29] Zbigniew C. Relics of cultivation in the vascular flora of medieval West Slavic settlements and castles [J]. Biodiversity: Research and Conservation. 2011,22(-1).

[30] 李迈和,Norbert Kruchi,杨 健.生态干扰度:一种评价植被天然性程度的方法[J]. 地理科学进展, 2002,(5):450-458.

Li M H, Norbert K, Yan G J. Hemeroby—— a method to assess the naturalness of vegetation [J]. Progress in Geography, 2002,(5):450- 458.

[31] Corrado B, Giuliano F. Applying indicators of disturbance from plant ecology to vertebrates: The hemeroby of bird species [J]. Ecological Indicators. 2016,61.

[32] 曹秉帅,邹长新,高吉喜,等.生态安全评价方法及其应用[J]. 生态与农村环境学报, 2019,35(8):953-963.

Cao B S, Zou C X, Gao J X, et al. Review on methodology and application of ecological security assessment [J]. Journal of Ecology and Rural Environment, 2019,35(8):953-963.

[33] 刘军会,高吉喜,马 苏,等.中国生态环境敏感区评价[J]. 自然资源学报, 2015,30(10):1607-1616.

Liu J H, Gao J X, Ma S, et al. Evaluation of ecological sensitivity in China [J]. Journal of Natural Resources, 2015,30(10):1607-1616.

[34] 刘军会,邹长新,高吉喜,等.中国生态环境脆弱区范围界定[J]. 生物多样性, 2015,23(6):725-732.

Liu J H, Zou C X, Gao J X, et al. Location determination of ecologically vulnerable regions in China [J]. Biodiversity Science, 2015,23(6):725-732.

[35] 毕恺艺,牛 铮,黄 妮,等.道路网络对景观生态风险的影响——以“中国-中南半岛经济走廊”为例[J]. 中国科学院大学学报, 2019, 36(3):347-353.

Bi K Y, Niu Z, Huang N, et al. Effects of road network on landscape ecological risk: a case study of “China and Indochina Peninsula economic corridor” [J]. Journal of University of Chinese Academy of Sciences, 2019,36(3):347-353.

[36] Liu Q, Shi T. Spatiotemporal differentiation and the factors of ecological vulnerability in the Toutun River Basin based on remote sensing data [J]. Sustainability, 2019,11(15):4160.

[37] 朴世龙,方精云,郭庆华.利用CASA模型估算我国植被净第一性生产力[J]. 植物生态学报, 2001,(5):603-608.

Piao S L, Fang J Y, Guo Q H. Application of CASA model to the estimation of Chinese terrestrial net primary productivity [J]. Acta Phytoecologica Sinica. 2001,(5):603-608.

[38] Ouyang Z Y, Zheng H, Xiao Y, et al. Improvements in ecosystem services from investments in natural capital [J]. Science (American Association for the Advancement of Science). 2016,352(6292):1455- 1459.

[39] Xu W, Xiao Y, Zhang J, et al. Strengthening protected areas for biodiversity and ecosystem services in China [J]. Proceedings of the National Academy of Sciences, 2017,114(7):1601-1606.

[40] 史雪威,张 路,张晶晶,等.西南地区生物多样性保护优先格局评估[J]. 生态学杂志, 2018,37(12):3721-3728.

Shi X W, Zhang L, Zhang J J, et al. Assessment of priority patterns of biodiversity conservation in Southwest China [J]. Chinese Journal of Ecology, 2018,37(12):3721-3728.

[41] 张 蜜,陈存友,胡希军.苍南县玉苍山风景区生态敏感性评价[J]. 林业资源管理, 2019,(4):92-100.

Zhang M, Chen C Y, Hu X J. GIS-Based evaluation of ecological sensitivity of Yucang mountain scenic spot in Cangnan county [J]. Forest Resources Management, 2019,(4):92-100.

Research on the method and application of large-scale ecological disturbance risk assessment.

GAO Ji-xi*, CAI Ming-yong, ZHANG Xin-sheng, SHEN Wen-ming, SHI Xue-wei, XIAO Ru-lin

(Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094, China)., 2021,41(11)：5274～5281

To realize the rapid and effective identification of high risk areas of large-scale ecological disturbance, This research selected 9 indicators from three aspects of “ecological vulnerability (EV)”, “accessibility to disturbance (AD)” and “easy-attractiveness of resources (RE)”, and constructed the index system and evaluation model of ecological disturbance risk assessment, forming a complete large-scale ecological disturbance assessment technology and method. Using this technology and method, the risk status of the national land space ecological disturbance, the spatial distribution pattern and its causes were evaluated and analyzed, and the 2017～2019 national nature reserves human activity monitoring data and ecological vulnerability result in the National Planning for Major Function Zones were used to analyze the accuracy of the ecological disturbance risk assessment results. The results showed that more than 90% of human activities in nature reserves were concentrated in the medium and high risk areas, The national ecological disturbance risk was mainly intermediate, followed by low and relatively low, and high and relatively high areas were the least. The high and relatively high risk areas were mainly distributed in the west-central and northeast regions such as the Qinling Mountains, Qilian Mountains, Sanjiangyuan, and Inner Mongolia grasslands. The spatial distribution characteristics of ecological disturbance risk had a strong correlation with factors such as the structure and function of the ecosystem, topography, traffic conditions, and resource potential.

risk index of ecological disturbance；ecological vulnerability；accessibility to disturbance；easy-attractiveness of resources；human disturbance activities；national ecological disturbance risk level

X171

A

1000-6923(2021)11-5274-08

高吉喜(1964-),男,内蒙古呼和浩特人,研究员,主要从事区域生态保护､生态资产评估､区域生态学等研究.发表论文350余篇.

2021-03-05

国家重点研发计划项目(2017YFC0506606);成都理工大学地质灾害防治与地质环境保护国家重点实验室开放基金资助项目(SKLGP2020K005)

* 责任作者, 研究员, gjx@nies.org