我国省域尺度森林生态系统恢复力评价及敏感性分析

秦会艳，刘婷婷，黄颖利

(东北林业大学经济管理学院，黑龙江 哈尔滨 150040)

人类活动和全球气候变化加剧对人类赖以生存和发展的生态系统产生了巨大影响，生态系统的可持续性遇到重大挑战。学者对生态系统的可持续性研究最初聚焦于“生态安全”[1]，随着工程力学在很多学科的应用，脆弱性和恢复力逐渐成为可持续性科学领域关注的热点问题和重要分析工具[2-4]，特别是随着C S Holling将恢复力引入生态领域[5-6]，恢复力在生态领域获得了成功应用，为生态系统可持续研究提供一个全新思路。

恢复力和脆弱性作为一个硬币的两面[5]，当前很多学者运用多种数学和地理方法从系统脆弱性角度对恢复力进行评价[7]，而恢复力测度不单要考虑系统的脆弱性，还要考虑系统的应对能力即抗性，所以恢复力能更全面反映系统的可持续性。现阶段对系统恢复力的研究仍然停留在定性描述层面[8]，一些学者尝试运用替代指标法从定量角度测度系统恢复力，通过选择生态系统关键属性，将可测量的单一生态系统属性作为生态系统恢复力的替代指标进行恢复力测度，但这种单一的可替代指标存在片面性[9]，不能很好地全面测量生态系统恢复力。一些研究尝试通过影响因素测量评估系统恢复力，但影响因素筛选和基于影响因素的恢复力测度方法均未形成统一标准和权威指标体系[10]。森林生态系统恢复力是关系到我国生态安全的热点问题。随着人类对优美生态环境及不同层次生态产品的需要，森林生态系统恢复力评价引起人们重视[11]。战金艳等[11]从影响森林生态系统恢复力的生态存储和生境条件2个方面选取森林生态系统恢复力评价指标，结果表明江西省莲花县森林生态系统恢复力水平较低。恢复力不仅受系统脆弱性影响，还受系统应对能力影响。因此，结合相关研究结果，该研究从脆弱性和应对能力2个层面出发，基于生态压力-状态-响应模型，构建我国省域森林生态恢复力指标体系，以期全面考察森林生态系统恢复力影响因素。

敏感性可以用来分析不同指标权重对评价结果的敏感程度，修正决策者对评价指标的权重赋值，提醒决策者权重赋值过程中的谨慎性[12]。当前生态系统恢复力评价的主要瓶颈之一为指标权重的设定所引起的争议和不同权重导致评价结果的不确定性。在采用线性加权法构建森林生态系统恢复力模型，量化森林生态系统脆弱性、应对能力和恢复力水平省域差异的基础上，利用指标权重敏感性分析的单因素轮换(one-at-a-time，OAT)法[12]评估各指标权重的不确定性对我国省域尺度上森林生态系统恢复力评价结果的影响，掌握评价指标权重对评价结果的影响，验证评价指标对评价结果的稳定性，研究结果可为政府部门制定森林管理决策提供支撑。

1 指标体系与研究方法

1.1 指标体系构建

森林生态系统恢复力是森林生态系统恢复到初始水平的能力，受脆弱性和应对能力2个方面影响，以我国省域尺度森林生态系统为对象，分别建立森林生态系统脆弱性和应对能力准则层，以系统性、科学性和数据可获取性为基本原则，参照相关研究[12-14]，筛选了22项能够影响和反映省域尺度森林生态恢复力情况的指标(表1)，其中，11项指标表征系统脆弱性，11项指标表征系统应对能力。

表1 森林生态系统恢复力指标体系

森林生态脆弱性主要从森林生态压力和森林生态状态2个层面进行表征。森林生态压力包括社会经济压力和自然灾害干扰2个方面因素，设7个指标。其中，人口密度(X1)和GDP密度(X2)主要反映社会经济压力；LINARES等[15]认为在森林资源总量一定的情况下，人口和经济发展对森林资源需求会不断增加，因此，人口密度和GDP密度越大，表明作用于森林生态系统的压力也越大，森林生态系统脆弱性就越高；X1和X2为正向指标，即指标值越大，脆弱性就越高。根据目前森林生态系统面临的灾害类型[16]，自然干扰主要包括5个指标，分别为森林火灾受害面积(X3)、森林有害生物发生率(X4)、森林病害发生率(X5)、森林虫害发生率(X6)和森林鼠害发生率(X7)，均为正向指标。

借鉴相关研究[1,17]，从森林资源数量、质量和结构3个方面表征森林生态状态本底情况，其中，森林覆盖率(X8)是森林资源的数量指标，可反映一个地区森林资源的丰富程度[15]；单位面积蓄积量(X9)是森林资源质量指标，是衡量森林资源质量的重要指标，一般来说，森林质量越高，抵抗外界入侵的能力越强，生态系统脆弱性就越低[17]；将森林起源结构(X10)定义为区域天然林面积与森林总面积的比值，一般认为天然林结构稳定性和抵抗外界干扰能力均显著优于人工林[18]，因此该指标值越大表明森林生态系统的抵抗力越强；森林林种结构(X11)是国家和地方生态公益林面积占森林总面积的比例，该值越大表明该地区维护生物多样性和发挥生态功能的价值就越大[15]，森林生态系统脆弱性就越低。

森林生态系统应对能力可从森林生态响应层面进行表达，主要指人类对森林生态保护所采取的应对措施，主要包括造林绿化、森林经营和灾害防控3个方面内容，其中，造林绿化和森林经营主要是改善森林生态本底状况，提高森林资源面积和质量，灾害防控主要是针对自然干扰的应对措施。应对能力主要指森林生态系统抵御干扰的能力，可以通过加强生态投入、改善森林质量、提升自然灾害防止率等措施得以加强[14,16]，设11个指标，其中，生态建设与保护投入(X12)、营林抚育与质量提升投资(X13)、造林面积(X14)、封山育林面积(X15)和退化林修复面积(X16)主要反映造林绿化及投入，分别衡量对生态建设和质量提升的资金支持力度和森林生态恢复的保障；森林抚育面积(X17)主要反映森林经营情况；森林防火投入(X18)、森林有害生物防治率(X19)、森林病害防治率(X20)、森林虫害防治率(X21)和森林鼠害防治率(X22)主要衡量应对自然干扰的能力。这些指标与应对能力呈正比，均为正向指标，且森林生态应对能力越高，则森林生态系统恢复力就越强[8]。数据来源于《第九次全国森林资源清查数据》(2019年)、《2019中国人口和就业统计年鉴》和《2019中国统计年鉴》。

1.2 恢复力指数计算及分级

由于所选取的指标在数值、量纲及正负取向上均存在较大差异，因此在计算指标权重前，首先需要对原始数据进行标准化和归一化处理。其中，正向指标采用式(1)进行标准化处理，逆向指标采用式(2)进行标准化处理，将其实际值映射到0～1之间，即0表示各项指标最低值，1表示各项指标最高值。

Si=(S-Smin)/(Smax-Smin)，

(1)

Si=1-(S-Smin)/(Smax-Smin)。

(2)

式(1)～(2)中，Si为某指标标准化值；S为指标实际数值；Smin为指标最小值；Smax为指标最大值。

各指标权重(W)采用熵值法确定，具体参照文献[19-20]，此处不再赘述。由表1可知，在脆弱性准则层中，反映生态恢复力的压力指标中，X4、X5、X6和X74项指标权重相对较高，其值均超过0.04；而状态指标中X9指标权重明显高于其他指标，达到0.305；在应对能力准则层中，X14、X16、X17和X224项指标权重值相对较大，其值均超过0.13。

森林生态系统脆弱性指数(IFEV)计算公式为

(3)

森林生态系统应对能力指数(IFEC)计算公式为

(4)

因森林生态系统恢复力受脆弱性和应对能力的共同影响，采用熵值法确定脆弱性(w1)和应对能力(w2)对恢复力的影响系数，计算结果表明w1和w2分别为0.280和0.720。因此，省域尺度森林生态系统恢复力模型计算公式为

IFER=w1×IFEV+w2×IFEC。

(5)

式(5)中，IFER为森林生态系统恢复力指数。

借鉴相关研究成果[21]，分别将森林生态系统脆弱性、应对能力和恢复力划为3个等级：(1)脆弱性指数在[0,0.33]之间表示系统脆弱性处于3级，即脆弱性高；在(0.33,0.67)之间表示处于2级，即中级状态；在[0.67,1]之间表示处于1级，即脆弱性低。(2)应对能力指数在[0,0.33]之间表示系统应对能力处于3级，即应对能力低；在(0.33,0.67)之间表示处于2级，即中级状态；在[0.67,1]之间表示处于1级，即应对能力高。(3)恢复力指数在[0,0.33]之间表示系统恢复力处于1级，即恢复力低；在(0.33,0.67)之间表示处于2级，即中级状态；在[0.67,1]之间表示处于1级，即恢复力高。

1.3 指标权重敏感性分析

在对森林生态系统恢复力测度中，虽然采用熵值法确定评价指标体系权重是一种客观赋权方法，但容易因数据自身因素造成对某些指标的有偏估计，而敏感性分析可以通过给定相关指标权重范围进一步解释恢复力指数受因素变动影响的大小。敏感性分析在多准则决策过程中是必不可少的基础步骤，因为它直接关系到决策结果的准确性和可靠性，但容易被相关研究忽视。

该文采用OAT法检验各指标权重对评价结果的敏感性，揭示单个指标权重变化对森林生态恢复力的影响，进而评估各指标权重的不确定性对评价结果的影响程度。在敏感性分析过程中需要设置2个重要参数，一是设置权重变化范围(range of percent change，RPC)，二是选定权重步长(increment of percent change，IPC)，具体步骤[22-24]为

(1)设定权重变化范围为指标原始数据的30%；

(2)在-30%≤RPC≤30%范围内，设定因子权重变化率(pc，cp)每次为2%；

(3)计算主变化因子及其他指标权重值。遵循主变化因子权重变动后不改变所有权重的总和的原则，即W=1。

主变化因子权重〔W(Xz)〕计算公式为

W(Xz,cp)=W(Xz,0)+W(Xz,0)×cp。

(6)

式(6)中，W(Xz,cp)为主变化因子改变后的权重；W(Xz,0)为主变化因子Xz初始权重值；cp为2%，在权重变化范围之内。

为确保所有因子权重和为1，其他因子权重〔W(Xi)〕根据式(6)得到的权重按比例调整权重值，其计算公式为

(7)

式(7)中，W(Xi，cp)为因子Xi改变后的权重；W(Xi，0)为因子Xi初始权重。

(4)计算每次权重改变后脆弱性、应对能力和恢复力综合评价结果。

森林生态系统应对能力指数：

(8)

森林生态系统脆弱性指数：

(9)

森林生态系统恢复力指数：

IFER(Xz，cp)=0.280×IFEV(Xz，cp)+0.720×IFEC(Xz，cp)。

(10)

当主变化因子的权重通过IPC在RPC范围内变化时，就会产生一系列评价结果。

森林生态系统综合恢复力的绝对平均变化率采用MACR(Xz，cp)表示，其计算公式为

(11)

式(11)中，IFER(Xz，cp)为权重改变时，森林生态系统恢复力评价结果的变化率；IFER0为森林生态系统恢复力初始评价值。森林生态系统脆弱性和应对能力的绝对平均变化率参照式(11)计算得到。

2 结果与分析

2.1 森林生态系统恢复力

采用熵值法确定各因子权重，得到省域森林生态系统脆弱性评价值范围为0.125～0.838，应对能力评价值范围为0.049～0.694，恢复力评价值范围为0.158～0.660。在全国尺度上，森林生态系统脆弱性、应对能力和恢复力指数平均值分别为0.309、0.323和0.320。

由表2可知，2019年高达77%的省份森林生态系统脆弱性处于3级，即脆弱性高，其中，新疆、河南、山东、上海和重庆森林生态系统脆弱性指数小于0.2，进一步分析各指标影响因素数值可发现，新疆脆弱性高主要是受到其自身气候、位置等因素影响，森林资源本底情况较差，再加上自然干扰，尤其是火灾发生率和面积比例较大，导致其脆弱性较高；河南、山东和重庆人口密度均较高，导致其森林生态系统面临的社会压力较大，但其生态本底情况又属于中等水平，社会压力对森林生态系统的冲击较大；上海人均GDP密度较高，森林生态系统面临较大经济压力，该结果与米锋等[1]研究结果一致。脆弱性较低的省份为浙江和福建，一方面福建自然资源禀赋比较好，森林覆盖率高达66%，另一方面福建森林生态系统自然灾害发生率较低，2个方面共同作用使得福建森林生态系统脆弱性较低；而浙江省虽然人口和GDP密度较高，森林生态系统社会经济压力较大，但由于其有丰富的森林资源和禀赋且自然干扰较小，抵消了社会经济压力对森林生态系统的负面影响，这一结果与顾艳红等[17]的研究结果一致。45%的省份森林生态系统应对能力为3级，只有内蒙古处于1级，即有较高的应对能力，研究期内内蒙古保持较高的生态建设投入和病虫害防治率，这些因素使得内蒙古森林生态应对能力高；湖南、黑龙江、四川、贵州、湖北、河北、吉林、陕西、新疆、云南、广西、重庆和青海森林生态系统应对能力处于2级，表明大部分省份森林生态应对能力处于中等水平，这与近年来我国大力实施的生态修复工程有很大关系。61%的省份森林生态恢复力处于3级，即恢复力非常低，59%的省份森林生态恢复力处于中级状态。森林生态恢复力较高的省份为黑龙江、内蒙古和吉林，通过分析可得，一方面这些省份森林生态系统脆弱性较低，资源本底情况好，社会经济压力和自然干扰都较小，另一方面，这些省份是我国国有林分布的主要区域，可能得益于天然林保护工程等生态项目的实施，生态建设投入和自然灾害防治率都较高，使得其应对能力较高。值得注意是，研究期海南省森林生态恢复力较低，虽然其资源本底较好，但由于受到森林压力指标，特别是自然干扰的影响，导致其脆弱性偏高，且治理率较低，进而导致应对能力不足。

表2 各省域森林生态脆弱性、应对能力和恢复力评价结果、排名和级别

2.2 指标权重敏感性

该研究得到的森林生态脆弱性、应对能力和恢复力的综合评价结果不是唯一值，而是在采用熵值法计算得到的各指标权重以及脆弱性、应对能力和恢复力综合评价结果的基础上，通过指标权重敏感性分析对评价结果进行验证。RPC和IPC取值分别为±30%和±2%，依次选择每个准则因子作为主变化因子将其应用到所有评价指标中，其中，反映脆弱性和应对能力的11个指标分别产生330组权重值，每组权重进行一次运算，进而产生一个新的森林生态系统脆弱性或森林生态系统应对能力评价结果。同理，由于恢复力由应对能力和脆弱性线性加权构成，故22个指标将产生660组权重值，其对应的恢复力评价结果也有660个。

利用森林生态系统脆弱性、应对能力和恢复力绝对平均变化率公式，计算各评价指标以2%的步长，由初始权重的-30%变化到+30%，分别得到省域森林生态系统脆弱性、应对能力和恢复力综合评价结果的绝对平均变化率。如图1可知，森林生态脆弱性、应对能力和恢复力绝对平均变化率值基本以指标初始权重(即权重变化率为0)为中心呈对称分布，但反映脆弱性、应对能力和恢复力的各指标变化率值不同。就同一个评价因子而言，当其权重变化率绝对值相同时，MACR值也基本一致，即同一指标权重变化率绝对值相同时，其对评价结果的敏感性也相同。

图1 脆弱性、应对能力和恢复力绝对平均变化率

将脆弱性、应对能力和恢复力对应指标按其对综合评价指数的影响程度进行排序，分别选取对森林生态系统脆弱性和应对能力维度的影响程度排序为第1、6和11的指标，以及对恢复力的影响程度排序为第1、8、15和22的指标进行分析，将选取的指标依次作为主变化因子且pc绝对值分别为10%、20%和30%时生成的省域综合脆弱性、应对能力和恢复力评价结果与初始省域脆弱性、应对能力和恢复力综合评价结果进行比较(表3)。

表3 各指标不同权重变化率绝对值下省域综合指数的敏感性

总体来说，就同一指标而言，绝对平均变化率随着权重变化率绝对值增加呈线性增长或减少趋势。此外，指标权重与指标敏感性有一定关系，即指标权重变化率一定的情况下，指标权重越大，综合评价结果的平均变化率也越大，如单位面积蓄积量权重较高，其对森林生态系统脆弱性综合评价结果的敏感性也高(斜率大)，这是由于单位面积蓄积量是衡量森林资源质量优劣的重要依据，单位面积蓄积的提升或降低直接表征森林质量，森林质量越高,生态系统越稳定，故单位面积蓄积量对森林生态系统脆弱性的评价结果敏感性高。但权重与敏感性并不是绝对关系，性质相同且权重相接近的指标的敏感性也比较相近，如在森林生态系统应对能力综合评价中，森林有害生物防治率、森林病害防治率和森林虫害防治率指标的敏感性接近，但其敏感性都高于生态建设投入、生态防火投入等初始权重更高的指标。相较于病虫有害生物干扰防治的直接效应，生态建设投入和生态防火投入对森林生态系统的影响具有明显的滞后性。如表3所示，当权重变化率相同时，脆弱性和恢复力按影响程度选取的指标权重越大，省域脆弱性指数和恢复力指数的变化比率越高。森林生态系统恢复力受生态脆弱性和应对能力的综合影响，敏感性最高的指标为脆弱性中状态类指标的单位面积蓄积量，敏感性最低的指标为应对能力中的防火投入，表明森林质量对森林生态系统恢复力的影响较大，而防火投入对森林生态系统的敏感性较低，这主要是由于防火投入属于前期投入，只是减轻发生火灾后面临的损失，不能如病虫害防治率直接作用于森林生态系统中病虫害。

3 结论

以31个省域森林生态恢复力为研究对象，通过脆弱性和恢复力构建森林生态恢复力模型，采用OAT方法分析指标权重敏感性对评价结果稳定性的影响。主要结论如下：

(1)全国各省份森林生态恢复力处于中低水平，恢复力指数较高的为内蒙古、黑龙江和湖南，但其森林生态系统恢复力指数仍小于0.67，处于恢复力中级状态；相较于脆弱性，应对能力对森林生态系统恢复力的影响更大。总体来看，全国各省域恢复力水平较低，但应对能力对提升森林生态系统恢复力有很大空间。

(2)将权重敏感性分析引入森林生态系统评价后发现，生态投入类指标权重比森林干扰类指标大，但敏感性小。当生态建设投入权重变化率为30%时，森林生态应对能力和森林生态恢复力平均变化率分别为0.14%和0.09%，当森林病害防治率权重变化率为30%时，森林生态应对能力和森林生态恢复力平均变化率分别为0.79%和0.58%，各指标对应的平均绝对综合指数值远小于其权重变化率大小，这说明该文采用熵值法确定的初始指标权重相对合理，评价结果总体相对稳定，能够客观反映各省份森林生态脆弱性、应对能力和恢复力状况。

(3)相较于生态投入类指标，森林生态干扰类防治指标对森林生态脆弱性、应对能力和恢复力的影响更为敏感，故在指标权重确定中，对干扰类指标权重要适当放大，因为干扰类指标或者治理干扰类指标对森林生态系统的破坏和恢复均有着立竿见影的作用，即使森林本底状况好，如受到火灾等足够大的外部干扰，对森林生态系统的影响也是巨大的。

根据以上分析，提出进一步提高各省份森林生态系统恢复力的对策及建议：(1)在森林生态本底状况的基础上，继续加强森林生态系统的应对能力，以提高本区域森林生态系统的恢复力；(2)森林干扰类指标对森林生态系统恢复力的影响具有直接性，一方面需要降低各省份森林干扰的发生率，以降低森林生态系统脆弱性，另一方面需要增强各省份对森林干扰的应对能力；(3)单位面积蓄积对森林生态系统恢复力的敏感性最大，进一步提升单位面积蓄积，可以加强森林质量精准提升，增加森林生态系统恢复力；(4)目前生态建设投入对森林生态系统的敏感性较低，生态投入类指标对森林生态系统恢复力的影响具有滞后性，侧面说明生态建设投入力度不足，要继续增加生态建设投入。

与其他有关森林生态系统评价研究相比，采用敏感性评价不仅可以进一步调整指标权重，使得评价结果更科学，而且权重敏感性分析在评价森林生态系统的基础上能识别出评价结果的敏感因子，有助于决策者在提升森林生态系统时重点关注敏感性因子，通过改善敏感性因子提升森林生态系统。此外，该研究在构建恢复力模型时采用熵值法确定影响系数，而进一步采用权重敏感性分析判断准则层影响系数将成为后续研究的思路。