基于SRP模型的地质灾害易发区生态脆弱性评价

赵文艳 李飞 张扬

DOI：10.16783/j.cnki.nwnuz.2024.03.009

收稿日期：2023-11-10;修改稿收到日期：2024-03-06

基金項目：国家自然科学基金资助项目（52027812）

作者简介：赵文艳（1979—），女，河北衡水人，讲师，硕士.主要研究方向为工程地质和地质灾害防治.

E-mail：2172785845@qq.com

摘要：以甘肃省舟曲县为研究对象，以2010，2015和2020年遥感影像数据、地形数据、气象数据、地质灾害数据以及社会经济数据等为基础，结合SRP模型构建评价体系，采用层次分析法、空间自相关、地理探测器等方法，对舟曲县生态环境脆弱性进行定量评价与分析.结果表明：从县域尺度来看，2010—2020年舟曲县生态处于中等脆弱水平，在空间上呈现“北低南高，东低西高”的特征，时间上呈现“极度、重度脆弱区面积明显减少，中度脆弱区面积显著增加”趋势，整体向好趋势明显；从乡镇尺度来看，生态脆弱性状况均呈好转趋势，各乡镇生态脆弱性等级变化以极度、重度脆弱区减少，中度脆弱区增加为主；生态脆弱性空间集聚效应减弱，高高集聚类型乡镇由4个减少至3个，低聚集类型乡镇由1个增加至2个；生态脆弱性分布与变化主要受土壤、气象、地形地貌、人类活动以及地质灾害等因素综合影响，其中年降水量、地质灾害易发点密度和距离道路距离3个因子解释力最强，地形起伏度、坡度和距离河流距离3个因子解释力最弱.

关键词：生态脆弱性评价；地质灾害易发区；SRP模型；地理探测器

中图分类号：X 171.1    文献标志码：A    文章编号：1001-988Ⅹ（2024）03-0074-10

Ecological vulnerability assessment of geological disaster

prone area based on SRP model

ZHAO Wen-yan1，LI Fei2，ZHANG Yang3

（1.Department of Resource and Safety Engineering，Shanxi Engineering Vocational College，Taiyuan 030000，Shanxi，China;

2.School of Civil Engineering，Chongqing University，Chongqing 400045，China;

3.China Three Gorges Construction Engineering Corporation，Chendu 610041，Sichuan，China）

Abstract：Taking Zhouqu County，Gansu Province as the research object，based on remote sensing

image data，terrain data，meteorological data，geological disaster data，and socio-economic data in

2010，2015，and 2020，combined with SRP model，an evaluation system was constructed.Analytic hierarchy process，spatial autocorrelation，geographic detectors，and other methods were used to

quantitatively evaluate and analyze the ecological environment vulnerability of Zhouqu County.The results show that at the county scale，Zhouqu Countys ecology is at a moderately fragile level from 2010 to 2020.In spatial terms，it manifests the pattern of“low vulnerability in the north and high in the south，low in the east and high in the west”.Temporally，it demonstrates the tendency of a notable decrease in the area of extremely and severely vulnerable regions，coupled with a substantial increase in the moderately vulnerable areas-a clearly positive overall trend.From the perspective of township scale，the ecological vulnerability showed a trend of improvement.The change of ecological vulnerability level in villages and towns is mainly in the extremely and severely vulnerable areas，while the moderately vulnerable areas increase.From 2010 to 2020，the spatial agglomeration effect of ecological vulnerability in Zhouqu County weakens.The number of towns with high-high agglomeration type decreases from 4 to 3，and the number of towns with low-low agglomeration type increases from 1 to 2.The ecological vulnerability in Zhouqu County is comprehensively influenced by soil，meteorological conditions，landforms，human activities，and geological hazards，considering the perspective of driving factors.Among them，annual precipitation，density of geological hazard prone points and distance from road have the strongest explanatory power.While topographic relief，slope and distance from river have the weakest explanatory power.

Key words：ecological vulnerability;geological disaster prone area;SRP model;geographic detector

作为人类生存发展所依赖的必要条件，生态系统的健康发展一直受到全球的高度重视［1］.近年来，全球背景迅速变化，人类活动在深度、广度上对生态环境的影响均不断扩大［2］，生物多样性减少、生态灾害加重等一系列生态环境问题频出［3］，生态系统的自净能力、恢复能力面临全新的挑战［4］.因此，科学评价区域生态系统健康程度，针对性提出区域生态系统保护、修复策略刻不容缓.生态脆弱性作为生态系统的固有属性，通过对生态环境质量的直接反映［5］，成为衡量生态系统是否健康、平衡发展的重要指标［6］.对生态脆弱性进行科学评价是合理实施生态治理措施、长期保护脆弱生态环境的重要途径，也是实现区域可持续发展的有力手段［7，8］，其成果对区域生态资源的有效管控、生态修复与治理均有重要参考意义［9］.

研究者针对不同地域特色、采用不同评价方法对各大典型生态脆弱区进行了较为丰富的研究，涉及湿地［10］、河段湖泊［11］、森林［12］、高寒区［13］、干旱区［14］以及旅游景区［15］等.地质灾害易发区作为生态脆弱区的另一代表性区域，由于其生态环境的脆弱性以及致脆机理的复杂多变性，近年来逐渐成为研究的热点区域［16］.

然而，表征地形地貌復杂性、地质灾害频繁性的自然灾害胁迫性指标鲜少被纳入生态脆弱性评价体系.关于生态脆弱性评价方法，常见的有综合评价法［17-18］、层次分析法［19-21］、熵值法［22-23］和主成分分析法［24-25］等.综合评价法具有综合性强的优势，但由于涉及内容较多，对致脆机理复杂多变的区域显然不适用.熵值法的优势在于评价结果的客观性，但其在各项指标间的横向对比方面略有不足，且不能明晰指标的实际生态意义.主成分分析法虽然将定性与定量相结合，但降维处理过程容易造成信息损失，影响评价结果.而SRP（Sensitivity-Resilience-Pressure）模型立足于生态环境脆弱性的概念内涵，因果结构更为清晰［26］，可以一定程度弥补上述方法带来的不足，更好地展现生态脆弱区的环境状况.特别地，

由于地质灾害高发区生态系统内部框架存在结构上的不稳定，符合典型的“S-R-P”逻辑特征［27］，因而更贴合评价体系的构建原理.基于此，本文参考地区环境特征与灾害诱发机理，将层次分析法与SRP模型结合，灵活构建了生态脆弱性评价体系.

位于黄土高原与青藏高原交接处的甘肃省舟曲县，是我国地质灾害频发、生态环境脆弱的典型区域.甘肃省省委、省政府于2016年出台《甘肃省加快推进生态文明建设实施方案》，至2020年，甘南高原地区国家生态安全屏障综合试验区已基本建成，奠定了其突出的生态地位.作为典型的地质灾害易发区，目前关于舟曲县生态脆弱性的研究多以其时空演变特征为切入点，驱动因素分析略显不足［28］，对评价因子的赋权也未能契合区域生态环境特征.此外，研究尺度多聚焦于区域，未达乡镇级别［29］.

综上，本文首先结合层次分析法与SRP模型，参考县区地质灾害诱发机理科学构建评价体系，其次采用空间自相关分析等方法从县域、乡镇尺度综合评价舟曲县2010，2015和2020年的生态脆弱性，最后采用地理探测器探究生态脆弱性分布及其演化特征并进行驱动因素分析，以期为舟曲县生态文明建设提供理论参考.

1  研究区概况

舟曲县位于甘川两省交界地区（103°51′～104°45′E，33°13′～34°01′N），甘南藏族自治州东南部，

“一江两河”（白龙江、拱坝河、博峪河）横贯境内，

年均气温13.2 ℃，年降雨量400～800 mm，属于

温带季风气候.辖区总面积约3015 km2，下辖19个乡镇.至2019年年末，总人口13.56万，城镇化率约31.78%.因其属于构造、侵蚀山地，形成了南北高、中间低、高差悬殊的复杂地势（图1），

底图基于国家自然资源部标准地图服务网站（http：//bzdt.ch.mnr.gov.cn/）下载， 审图号为GS（2020）4617.

呈现典型的高山峡谷地貌特征，而秦岭西部褶皱带的发育使县域内本就脆弱的山体分化严重，破碎度增加，“5·12”地震发生后，山体松动，岩层破碎现象更为突出，地质灾害也呈现多发趋势.

2  研究方法

2.1  数据来源及处理

数据主要包括舟曲县2010，2015和2020年来源于地理空间数据云平台（http：//www.gscloud.cn/）的遥感影像数据，以及来源于中国科学院地理科学与资源研究所数据中心（http：//www.resdc.cn/Default.aspx）的地形、气象、土壤、社会经济和地质灾害数据.其中，遥感影像数据分别取自2010年Landsat5 TM影像及2015，2020年Landsat8 OLI影像，空间分辨率均为30 m；地形数据取自30 m DEM数据；气象数据包括年降水量和年平均气温站点数据；土壤数据包括土壤侵蚀度数据和土壤含水量数据；社会经济数据包括人口空间分布公里格网数据与GDP空间分布公里格网数据［30-31］；地质灾害数据包括地质灾害易发点以及断裂带分布数据.

数据预处理主要包括基于ArcGIS10.2平台利用DEM数据提取地形起伏度和坡度，利用气象站点数据插值得到年降水量和年均气温栅格数据.基于ENVI5.3平台对影像进行波段融合、几何精校正、镶嵌和裁剪，以及通过植被供水指数（VSWI）反演分析得到土壤含水量数据［32］.

2.2  生态脆弱性评价

2.2.1  SRP模型

SRP模型是根据生态脆弱性概念建立的评估模型，以综合自然、人文及生态系统内部因素的内在逻辑，进行生态脆弱性评价指标体系的构建，

能够较为全面地体现生态脆弱性综合性特征.该模型由生态敏感性、生态恢复力、生态压力度三部分组成［26］.生态敏感性指生态系统对于外界干扰因素的抵抗能力，生态恢复力指生态系统遭遇破坏后的自我调节与恢复能力，生态压力度指人类活动对生态系统的干扰强度.

2.2.2  评价指标选取

结合舟曲县自然地理环境、地质灾害发育特点及影响要素，运用SRP模型以生态敏感度、生态恢复力、生态压力度3个维度分解生态脆弱性（表1）.舟曲县海拔高、地形地貌复杂，水土流失严重，故选取高程、坡度、地形起伏度、景观破碎度及土壤含水量因子来表征生态敏感性；植被覆盖状况对生态环境质量恢复有重要作用，而降水、气温以及距离河流距离对植被生长状况影响较大，故选取NDVI值、年均气温、年降水量及距离河流距离来表征生态恢复力［33］；生态压力度主要源自人类活动与地质灾害两方面，故选取GDP密度、人口密度、距离道路距离、距离断裂带距离以及地质灾害易发点密度来表征［34］.

2.2.3  评价指标标准化

为消除所选评价因子的量纲及变化幅度差异，选取极差法标准化处理原始数据，公式如下：

正向指标：

Ai=ai-aminamax-amin，（1）

負向指标：

Ai=amax-aiamax-amin，（2）

其中，i为所选评价指标，Ai为第i个指标标准化后的值，ai为第i个指标的值，amax与amin分别为i个指标中的最大值和最小值.

2.2.4  生态脆弱性分级

通过Yaahp10.3软件计算出各评价指标的权重系数（表1），再结合标准化处理后的数据来计算生态脆弱性指数（Eevi）［36］，计算公式如下：

Eevi=∑ni=1Fi×Wi，（3）

其中，Evei为生态脆弱性指数，取值范围为0～1，其值越大表明生态环境越脆弱，Fi为第i项指标经标准化之后的值，Wi为第i项指标的权重值.

依据生态脆弱性指数计算结果，本文以5个等级划分舟曲县生态脆弱性［37］，即潜在脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱（表3）.生态脆弱性指数越高表示生态脆弱性等级越强，表明生态环境越脆弱.

2.3  空间自相关

基于GeoDa软件，选取全局Morans I指数与局部Morans I指数对舟曲县19个乡镇2000年和2020年生态脆弱性指数的空间集聚特征进行分析.其中全局Morans I指数反映整个研究区内各个地域单元与邻近单元的相似程度，局部Morans I指数反映局部空间要素的聚集性与分异特征，具体公式详见参考文献［38］.

2.4  地理探测器

作为一种常见的空间统计法，地理探测器在探测地理空间分异性及其背后驱动因子方面优势显著，克服了使用时条件假设过多的障碍，也突破了传统统计方法在处理变量方面的局限性，因此受到研究人员广泛好评.该模型主要由4个探测器构成：因子探测、交互探测、风险探测及生态探测［39］.本文采用因子探测器探测并分析影响舟曲县生态脆弱性的因素，主要分析各个因子对区域内生态脆弱性等级的空间分布差异性解释力大小，而各因子的影响程度可以用q值来度量，其计算公式为：

q=1-SSWWWT，（4）

SSW=∑Lh=1Nh×σ2h，（5）

SST=Nσ2，（6）

其中，h=1，2，3，…，L为变量或因子的分层，即分类或分区；Nh和N分别为h层和全部区域的单元个数；σ2h与σ2分别为h层与全部区域的方差.

3  结果与分析

3.1  县域尺度生态脆弱性特征

舟曲县2010，2015和2020年生态脆弱性指数呈下降趋势，三年平均值分别为0.67，0.59，0.48，根据舟曲县生态脆弱性分级标准（表3），全县生态环境整体呈现中度、重度脆弱，生态脆弱性等级整体呈“北低南高、东低西高”的分布格局（图2）.生态环境极度、重度脆弱区多分布于拱坝河、博峪河下游以及白龙江北部，而白龙江、拱坝河流域附近生态脆弱性程度较低，多为潜在、轻度脆弱.

对不同等级脆弱性区域面积进行统计（表4）可知，舟曲县2010—2020年生态脆弱性整体呈好转态势，极度、重度脆弱区面积减少趋势明显，中度脆弱区面积则增量显著.2010年，舟曲县潜在、轻度、中度、重度和极度脆弱区面积占比分别为7.02%，8.87%，19.31%，46.71%和18.09%，其中，重度脆弱区面积占比最高，潜在脆弱区占比最弱；2015年，舟曲县潜在、轻度、中度、重度和极度脆弱区面积占比分别为8.83%，4.08%，35.27%，45.39%和6.88%，其中重度脆弱区面积占比最高，轻度脆弱区占比最弱；2020年，舟曲县潜在、轻度、中度、重度和极度脆弱区面积占比分别为8.36%，11.75%，40.51%，37.11%和2.27%，其中，中度脆弱区面积占比最高，极度脆弱区占比最弱.综上所述，2010—2020年舟曲县极度、重度脆弱区面积占比由64.80%下降至39.38%，中度脆弱区面积占比由19.31%上升至40.51%，轻度、潜在脆弱区面积占比由15.89%上升至20.11%，整体生态脆弱性呈好转趋势.

为了揭示不同类型区域之间的转化关系，分别对2010—2015年、2015—2020年两个阶段各等级区域转化面积做统计（表5），结果表明舟曲县整体生态脆弱性等级转化趋势为“极度、重度脆弱区面积明显下降，中度脆弱区面积显著增加”，这也表明舟曲县生态环境呈现逐步好转趋势.2010—2015年，全县生态环境好转区域面积约为847 km2，其中约有387 km2极度脆弱区转为其他类型，398 km2重度脆弱区转为中度、轻度、潜在脆弱区.生态环境恶化区域面积约166 km2，其中大部分是

底图基于国家自然资源部标准地图服务网站（http：//bzdt.ch.mnr.gov.cn/）下载， 审图号为GS（2020）4617.

由轻度脆弱转化为中度脆弱.

2015—2020年生态环境好转区域面积约为910 km2，其中约有181 km2区域由极度脆弱转化为其他类型，495 km2重度脆弱区转化为中度、轻度、潜在脆弱区.生态环境恶化区域面积约为194 km2，中度脆弱转重度脆弱区面积约112.6 km2.两个阶段的转化过程中，转化类型为重度脆弱变为中度脆弱的区域面积最大，且2015—2020年这一类型的转化面积较2010—2015年增加约21%.

3.2  乡镇尺度生态脆弱性特征

为使评价结果更具现实指导意义，对各乡镇不同生态脆弱性等级区域面积占比做统计（图3）.综合来看，2010—2020年曲告纳乡、博峪乡、坪定乡、拱坝乡以及插岗乡生态脆弱性程度最高，但各乡镇生态脆弱性整体呈好转趋势.2010年曲告纳乡、博峪乡、拱坝乡、插岗乡极度脆弱区分别占比52.8%，28.4%，23.8%，18.0%，生态环境相对较差，究其原因，是上述地区城镇化与生产力水平较低，主要产业为农牧业，而当地居民生态保护意识较差，长期过度放牧、砍伐造成较为严重的区域土壤侵蚀，进而导致上述地区生态环境长期极度脆弱.2015年曲告纳乡极度脆弱区占比15.1%，依然是全县生态环境最脆弱的乡镇，但是相比于2010年已经由以极度脆弱为主转化为以重度脆弱为主，极度脆弱区面积减少近70%.2012年，舟曲县政府发布了《甘南藏族自治州生态文明建设规划》，为全面实施生态修复工程指明了前进方向，加上当年灾后重建工作促进了大部分乡镇生态环境修复，其中博峪乡、插岗乡、东山乡、拱坝乡及曲告纳乡极度脆弱区域面积占比分别由27.6%，18.1%，17.4%，24.1%，53.7%降为7.3%，8.2%，6.4%，10.6%，15.7%，下降百分比均超过60%.2020年舟曲县生态脆弱性呈好转趋势，除博峪乡、插岗乡、立节镇、曲告纳乡和坪定乡之外其余14个乡镇均已转化为以中度脆弱为主.

对舟曲县各乡镇2010—2020年不同等级脆弱性区域面积变化进行统计（图4），2010—2020年各乡镇生态脆弱性等级变化以极度、重度脆弱区减少，中度脆弱区增加为主，表明舟曲县生态脆弱性好转趋势明显.极度脆弱区除八楞乡与果耶乡之外均有所减少，其中以博峪乡和曲告纳乡变化最为明显，降幅均达到90%以上.重度脆弱区除曲告纳乡外，其余各乡镇均有不同程度的减少，以峰迭乡和武坪乡最为明显，降幅均达45%以上.中度脆弱区全县各乡镇均有所增加，而轻度、潜在脆弱区面积变化较小，基本保持稳定状态.

为揭示舟曲县生态脆弱性空间依赖特征，以19个乡镇为单元，使用GeoDa软件对2010年和2020年舟曲县生态脆弱性空间聚集特征进行分析，结果如图5所示.2010，2020年生态脆弱性全局Morans I指数分别为0.640和0.364，均呈明显空间正相关关系.而全局Morans I指数的下降也表明舟曲县生态脆弱性的空间集聚特征减弱.究其原因，2010年县区南部乡镇多处于极度、重度脆弱水平，生态脆弱性表现出明显的空间集聚效应.2020年南部各乡镇生态环境得到改善，由极度脆弱水平转为重度脆弱水平，重度脆弱水平转为中度脆弱水平，空间集聚效应随之弱化.

从LISA聚类图来看，2010年县区南部曲告纳乡、博峪乡、拱坝乡和插岗乡表现为高高聚集，大川镇表现为低低聚集.2020年高高聚集类型乡镇由4个减少至3个，分别为曲告纳乡、博峪乡和插岗乡，低低聚集类型乡镇增加为2个，分别为大川乡和八楞乡，而这也与舟曲县生态脆弱性状况呈不断向好趋势相一致.

3.3  驱动因素分析

结合舟曲县地质灾害诱发机理的复杂多变性，依照19个乡镇对14项评价指标的标准化值进行分区统计，以此结果为自变量，以各乡镇生态脆弱性平均指数为因变量，引入地理探测器模型对其生态脆弱性空间分异及时序变化的驱动因素进行探讨.

因子探測结果（图6）显示，舟曲县生态脆弱性空间分异以及时序变化受到自然因素与人为影响因素共同作用，其中年降水量、地质灾害易发点密度和距离道路距离影响力较大，而地形起伏度、坡度和距离河流距离的影响力却较小.将各因子按照q值均值大小进行排序为：年降水量（0.53）>地质灾害易发点密度（0.49）>距离道路距离（0.37）>NDVI值（0.34）>土壤含水量（0.33）>年均气温（0.27）>高程（0.25）>GDP密度（0.24）>人口密度（0.23）>地形起伏度（0.14）>坡度（0.14）>距离河流距离（0.05）.

依据三期因子探测结果，q均值排名前三的因子分别为年降水量、地质灾害易发点密度和距离道路距离.其中，年降水量q均值最高（0.54），舟曲县降水量分布极度不均，空间上呈现西南部高于东北部，山区高于河谷地区.时间上，6～9月突发性降雨密集，但4～5月降雨量较少，有时甚至会出现干旱情况.而干旱造成的土质松动，土体收缩等问题，是遭遇瞬时强降雨时崩塌、滑坡、泥石流等地质灾害被诱发的主要原因，也会进一步损害地区生态环境.然而，县区自2015年开始通过土地资源的优化整合、产业结构的精细化分工调整以及公众参与等相关举措修复、平衡该区脆弱的生态系统，年降水量q值明显下降.其次为地质灾害易发点密度（0.49），由于县区西南部城镇化水平低，居民生态保护意识较差，过度的砍伐、开采和放牧致使土壤环境恶化，生态环境容易遭到破坏，而此区域分布的大量地质灾害点，增加了区域生态压力度，迫使生态环境变得脆弱.地质灾害虽然造成了舟曲县生态压力度缓解难度加剧，但自2010年，县政府出台《甘南藏族自治州生态文明建设规划》，实施沿白龙江流域河道综合治理并建设防洪工程，有效遏制了灾情发生，同时促进了县区内多数乡镇生态向好，地质灾害胁迫作用逐步减缓.第三是距离道路距离（0.37），为了促进经济建设，舟曲县大力发展交通运输业.但是由于县区多山地，在修筑公路时的切坡削方、炸山开路等做法，使得附近山体岩体松动，坡脚开挖，一旦遇到瞬时强降水，地质灾害极易发生［32］.q均值排名后三的因子分别是距离河流距离、地形起伏度和高程.其中，距离河流距离q均值最低（0.05），舟曲境内主要河流为“一江两河”（白龙江、拱坝河和博峪河），与河流距离主要对植被生长状况以及土壤含水量影响较明显，其对生态脆弱性的直接影响力较小.其次是坡度（0.14）和地形起伏度（0.14），舟曲县境内地形地貌复杂，坡度和地形起伏度变化虽与土壤易剥蚀程度直接相关，但与生态脆弱性变化并无直接关联，故其影响力相对较小.

4  讨论

通过参考地质灾害诱发机理科学构建评价体系，对舟曲县生态脆弱性进行综合评价.将评价结果与研究区高程数据进行叠加发现，舟曲县生态脆弱性等级与其高程呈显著正相关，即随着海拔的升高生态脆弱性逐渐增强，这与郭兵［40］和雷波［41］等的结论相一致，但与齐珊珊［29］等的结论相反.究其原因，研究区北部及河谷地区降水相对较少，植被生长状况较好，加上人为生态修复工程的实施，使该区域生态脆弱性状况呈良性演变.研究区南部高海拔地区降水较多，地势起伏度大且坡度较陡，部分地区坡度甚至达35°～50°，易造成土壤侵蚀，进而使其生态脆弱性状况较差.

生态环境脆弱地区易受地质灾害影响，一旦受灾，修复难度较大.而频发的地质灾害同样破坏区域生态稳定，由此形成恶性循环，阻碍区域可持续发展的实现.舟曲县降水量分布极度不均匀，易发生瞬时强降水，加上土壤状况恶化导致的水土流失，修筑公路导致的山体松动，种种因素使得县区地质灾害易发，生态环境不断受到威胁.为解决舟曲县生态问题，需从地质灾害防治与生态环境治理角度出发.一方面，政府需要联合相关部门，开展精细化地质灾害气象等级预警，对降水量和泥石流等地质灾害进行紧密监测预报.另一方面，开发过程中，应严格遵循“保护中开发，开发中保护”原则，做到合理开发.在路基建设过程中，建议进行专项勘察，减轻工程运营对生态环境的破坏.对于生态环境严重恶化，不适宜居住区域建议实行生态移民.

因地制宜地选取14项指标建立评价体系，结合当地实际情况，对研究区2010—2020年生态脆弱性状况进行科学评估，有一定创新，但仍有稍许不足.由于评价尺度达乡镇级别，其社会经济数据获取难度较大，因此本文并未细化人类活动对生态脆弱性的影响，将在后续研究中继续完善.

5  结论

以甘肃省舟曲县为研究区域，基于SRP模型选用层次分析法对舟曲县生态环境脆弱性进行科学全面的评价，并通过地理探测器对其背后的驱动因素进行分析，得出如下结论.舟曲县2000年、2015年、2020年生态脆弱性指数平均值为0.58，整体生态环境中度脆弱，空间上，生态脆弱性指数呈“北低南高、东低西高”分布态势，其中，极度、重度脆弱区主要分布于县区南部拱坝河、博峪河下游以及白龙江北部地区，潜在、轻度脆弱区多分布于白龙江及拱坝河流域.2010—2020年，县区整体生态脆弱性呈“极度、重度脆弱区面积显著下降，中度脆弱区域面积明显上升”的转化趋势.极度、重度脆弱区面积占比减少25.42%，中度脆弱区面积占比增加21.20%，轻度、潜在脆弱区面积占比增加4.22%，表明县区生态环境呈现逐步好转的趋势.2010—2020年，全县19个乡镇生态脆弱性均呈现好转趋势，各乡镇生态脆弱性等级变化以极度、重度脆弱减少，中度脆弱区增加为主，其中以博峪乡和曲告纳乡好转最为明显，极度脆弱区面积降幅均达到90%以上.舟曲县生态脆弱性空间集聚效应显著，但2020年较2010年全局MoranI指数由0.640下降至0.364，表明空间集聚效应减弱.结合LISA聚类图来看，2010—2020年舟曲县高高集聚类型乡镇由4个减少至3个，低低聚集类型乡镇由1个增加至2个.舟曲县2010—2020年生态脆弱性分布与变化主要受到土壤、气象、地形地貌及人类活动等因素综合作用，其中降水量、地质灾害易发点密度和距离道路距离为解释力最强的3个因子，地形起伏度、坡度和距离河流距离为解释力最弱的3个因子.

参考文献：

［1］  徐超璇，鲁春霞，黄绍琳.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.

［2］  劉春霞，李月臣，杨华，等.三峡库区重庆段生态与环境敏感性综合评价［J］.地理学报，2011，66（5）：631.

［3］  DEMIRKESEN A C，EVRENDILEK F.Compositing climate change vulnerability of a Mediterranean region using spatiotemporally dynamic proxies for ecological and socioeconomic impacts and stabilities［J］.Environ Monit Assess，2017，189（1）：29.

［4］  李益敏，袁静，蒋德明，等.基于GIS的西南高山峡谷区滑坡风险性评价——以怒江州泸水市为例［J］.西北师范大学学报（自然科学版），2021，57（6）：94.

［5］  刘金花，杨朔，吕永强.基于生态安全格局与生态脆弱性评价的生态修复关键区域识别与诊断——以汶上县为例［J］.中国环境科学，2022，42（7）：3343.

［6］  石晶，石培基，王梓洋，等.人为干扰对生态脆弱性动态演变过程的影响——以兰西城市群为例［J］.中国环境科学，2023，43（3）：1317.

［7］  LUO Q，BAO Y，WANG Z，et al.Vulnerability assessment of urban remnant mountain ecosystems based on ecological sensitivity and ecosystem services［J］.Ecol Indic，2023，151：110314.

［8］  彭亮，田浩，杜文学.青海东部突发性地质灾害降雨预警研究［J］.

西北师范大学学报（自然科学版），2022，58（6）：9.

［9］  霍童，张序，周云，等.基于暴露-敏感-适应性模型的生态脆弱性时空变化评价及相关分析——以中国大运河苏州段为例［J］.生态学报，2022，42（6）：2281.

［10］  YANG X，LIU S，JIA C，et al.Vulnerability assessment and management planning for the ecological environment in urban wetlands［J］.J Environ Manage，2021，298：113540.

［11］  ZHANG X Y，LIU K，WANG S D.Spatiotemporal evolution of ecological vulnerability in the Yellow River Basin under ecological restoration initiatives［J］.Ecol Indic，2022，135：108586.

［12］  ZHANG B，LI L.Evaluation of ecosystem service value and vulnerability analysis of China national nature reserves：A case study of Shennongjia Forest Region［J］.Ecol Indic，2023，149：110188.

［13］  JIANG Y，SHI B，SU G，et al.Spatiotemporal analysis of ecological vulnerability in the Tibet Autonomous region based on a pressure-state-response-management framework［J］.Ecol Indic，2021，130：108054.

［14］  张学渊，魏伟，周亮，等.西北干旱区生态脆弱性时空演变分析［J］.生态学报，2021，41（12）：4707.

［15］  郭贝贝，崔莹雪.基于RSEVI和地理探测器的景区生态脆弱性评价［J］.生态学杂志，2024，43（2）：550.

［16］  唐波，邱锦安，彭永超，等.基于CiteSpace国内脆弱性的知识图谱和研究进展［J］.生态经济（学术版），2018，34（5）：172.

［17］  何彦龙，袁一鸣，王腾，等.基于GIS的长江口海域生态系统脆弱性综合评价［J］.生态学报，2019，39（11）：3918.

［18］  LIU Y M，YANG S N，HAN C L，et al.Variability in regional ecological vulnerability：A case study of Sichuan Province，China［J］.Int J Disast Risk Sc，2020，11（6）：1.

［19］  SHABBIR R，AHMAD S S.Water resource vulnerability assessment in Rawalpindi and Islamabad，Pakistan using analytic hierarchy process（AHP）［J］.King Saud Univ Sci，2016，28（4）：293.

［20］  陳星霖.广西农业生态脆弱性评价及区划研究［J］.中国农业资源与区划，2020，41（3）：212.

［21］  马一丁，付晓，田野，等.锡林郭勒盟煤电基地开发生态脆弱性评价［J］.生态学报，2017，37（13）：4505.

［22］  HE G，BAO K Y，WANG W W，et al.Assessment of ecological vulnerability of resource-based cities based on entropy-set pair analysis［J］.Environ Technol，2019，10（31）：1.

［23］  SUN B Q，MA X，BAO X，et al.Mapping island ecological vulnerability to urbanization：A study of twelve island counties/districts，China［J］.Coastal Res，2020，95（sp1）：83.

［24］  郭泽呈，魏伟，庞素菲，等.基于SPCA和遥感指数的干旱内陆河流域生态脆弱性时空演变及动因分析——以石羊河流域为例［J］.生态学报，2019，39（7）：2558.

［25］  UDDIN M N，ISLAM A S，BALA S K，et al.Mapping of climate vulnerability of the coastal region of Bangladesh using principal component analysis［J］.Appl Geogr，2019，102：47.

［26］  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.

［27］  李永化，范强，王雪，等.基于SRP模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例［J］.地理科学，2015，35（11）：1452.

［28］  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.

［29］  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.

［30］  徐新良.中国人口空间分布公里网格数据集［DB/OL］.中国科学院资源环境科学数据中心数据注册与出版系统.［2020-10-10］.http：//www.resdc.cn/DOI.

［31］  徐新良.中国GDP空间分布公里网格数据集［DB/OL］.中国科学院资源环境科学数据中心数据注册与出版系统.［2020-10-10］.http：//www.resdc.cn/DOI.

［32］  李永柳，周忠发，蒋翼.基于Landsat 8遥感影像的黔中水利枢纽工程区土壤含水量反演分析［J］.水土保持研究，2020，27（4）：78.

［33］  刘佳茹，赵军，沈思民，等.基于SRP概念模型的祁连山地区生态脆弱性评价［J］.干旱区地理，2020，43（6）：1573.

［34］  林金煌，胡国建，祁新华，等.闽三角城市群生态环境脆弱性及其驱动力［J］.生态学报，2018，38（12）：4155.

［35］  周梦云.干旱半干旱区山地生态系统脆弱性评估方法体系与实例研究［D］.上海：华东师范大学，2017.

［36］  DAI X，GAO Y，HE X，et al.Spatial-temporal pattern evolution and driving force analysis of ecological environment vulnerability in Panzhihua City［J］.Environ Sci Pollut R，2021，28：7151.

［37］  LV X，XIAO W，ZHAO Y，et al.Drivers of spatio-temporal ecological vulnerability in an arid，coal mining region in Western China［J］.Ecol Indic，2019，106：105475.

［38］  雷金睿，陈宗铸，吴庭天，等.海南岛东北部土地利用与生态系统服务价值空间自相关格局分析［J］.生态学报，2019，39（7）：2366.

［39］  陶帥，邝婷婷，彭文甫，等.2000—2015年长江上游NDVI时空变化及驱动力——以宜宾市为例［J］.生态学报，2020，40（14）：5029.

［40］  郭兵，孔维华，姜琳，等.青藏高原高寒生态区生态系统脆弱性时空变化及驱动机制分析［J］.生态科学，2018，37（3）：96.

［41］  雷波，焦峰，王志杰，等.延河流域生态环境脆弱性评价及其特征分析［J］.西北林学院学报，2013，28（3）：161.

（责任编辑  武维宁）