EN中文

地理研究 >

2019 , Vol. 38 >Issue 8: 2085 - 2098

DOI: https://doi.org/10.11821/dlyj020181415

理论与方法

区域生态敏感性评估的理论框架与模型设计——以陕西省为例

  • 丁振民 1, 2 ,
  • 姚顺波 1, 2
展开
  • 1. 西北农林科技大学资源经济与环境管理研究中心,杨凌 712100
  • 2. 西北农林科技大学经济管理学院,杨凌 712100

丁振民（1991- ）,男,安徽淮北人,博士研究生,主要从事资源经济与环境管理、林业经济政策与评估等方面研究。E-mail:

收稿日期: 2018-12-28

  要求修回日期: 2019-05-01

  网络出版日期: 2019-08-20

基金资助

林业公益性行业科研专项经费项目(201504424)

教育部人文社会科学重点研究基地基金项目(14JJD790031)

国家自然科学基金项目(71473195)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Theoretical framework and model design for ecological sensitivity assessment: A case study of Shaanxi province

  • DING Zhenmin 1, 2 ,
  • YAO Shunbo 1, 2
Expand
  • 1. Center for Resource Economics and Environmental Management, Northwest A& F University, Yangling 712100, Shaanxi, China;
  • 2. College of Economic Management, Northwest A& F University, Yangling 712100, Shaanxi, China;

Received date: 2018-12-28

  Request revised date: 2019-05-01

  Online published: 2019-08-20

Copyright

Copyright reserved © 2019
Fold

摘要

生态敏感性评估可以为管控生态风险与保障区域生态安全提供决策依据。在生态敏感性定义的基础之上运用经济学理论构建生态敏感性评估的理论模型,以土地利用转移几率比替代矩阵作为敏感性评价因子,并且利用生态系统服务价值的实际值与预测值之比的绝对值作为区域生态敏感性指数。结果表明：① 设计的生态敏感性评估方法可以弥补现有生态敏感性评估方法的不足,不仅可以观测到区域敏感性因子还能有效地进行敏感性分区,并且在不同尺度下得到了可靠的结果。② 在各县（区）最主要敏感性因子的列示中,陕西省1990—2000年以生态破坏因子为主导;而2000年以后,退耕还林工程导致耕地→林地、耕地→草地成为陕北地区最重要的敏感因子,陕南秦巴山区与关中地区由于众多水利工程建设导致生态系统服务价值对草地→水域因子的响应程度比较高。③ 陕西省总体敏感性由南向北呈现“低敏感-高敏感”间隔有序的基本格局,并且呈现空间上集聚、时间上稳定的状态;高敏感区主要分布沿秦岭、“子午岭-黄陵山”分布,低敏感区主要分布在关中平原以及榆林中部地区。

关键词： 生态敏感性; 生态系统服务价值; 土地利用转移几率比; 理论框架; 模型设计

本文引用格式

丁振民 , 姚顺波 . 区域生态敏感性评估的理论框架与模型设计——以陕西省为例[J]. 地理研究, 2019 , 38(8) : 2085 -2098 . DOI: 10.11821/dlyj020181415

Abstract

As human activities continue to occupy ecological space in breadth and depth, ecosystems are facing potential risks from structural damage to functional disorder on the whole. Moreover, the continuous decline of sustainable supply capacity of ecosystem services has a profound impact on human well-being and ecological security. Ecological sensitivity assessment (ESA) can provide decision-making basis for controlling ecological risk and ensuring regional ecological security. However, the current methods of ESA have suffered a lot of criticisms, especially in the framework of ES-LUCC. Hence, we develop the theoretical framework and design the model of ESA to overcome the defects of existing methods based on the definition of ecological sensitivity and economic theory. In this paper, the substitution matrix of odds ratio about land use transition is considered as the sensitive factors instead of that of land area. And then ecological sensitivity index is designed by the absolute value of actual value divided by predicted value of ESV. The results show that the method of ecological sensitivity assessment designed in this paper can not only observe the regional sensitivity factors, but also identify sensitive zones effectively and it still has strong applicability and robustness in small scale. In the list of the most sensitive factors, the negatively ecological factors dominate the ecosystem services such as grassland→cultivated land due to the internal economic driving and the lack of external ecological regulation from 1990 to 2000 in Shaanxi province. However, the Grain for Green Project contributes positively ecological factors to the most sensitive factor such as cultivated land→forestland and cultivated land→grassland in the northern part of the province. Due to the implementation of many water conservancy projects in southern Qinling-Daba Mountains and Guanzhong area, the sensitivity factor coefficient of grassland→water factor is relatively high. The overall sensitivity of the study area presents the basic pattern of orderly interval "Low-High" from south to north, and shows a state of spatial agglomeration and temporal stability. The high-sensitivity areas are mainly distributed along the Qinling Mountains and Ziwuling-Huangling Mountains, and the low-sensitivity areas are mainly in the Guanzhong Plain and the central zone of Yulin city. It is urgent to adjust unreasonable land use distribution and construct an ecological screen according to ecological sensitivity for realizing harmonious coexistence between human and nature.

Key words： ecological sensitivity; ecosystem service value; odds ratio of land use transition; theoretical framework; model design

1 引言

随着人类活动在广度与深度上不断占用生态空间,生态系统整体上面临着由结构性破坏向功能性紊乱的潜在风险[1];并且生态系统服务（Ecosystem Services,ES）的可持续供给能力的下降对人类福祉与生态安全造成深远的影响[2]。土地利用/覆被变化（Land use/cover change,LUCC）与生态系统服务的状态、完整性以及可持续供给能力具有紧密的联系[3],ES-LUCC分析框架已成为生态系统服务响应机制与管理决策的基础工具[4,5]。作为ES-LUCC分析框架的基本内容,生态敏感性评估成为研究生态系统（服务）与土地利用/覆被变化关系的热点。
生态敏感性指生态系统对各种自然和人类活动干扰的敏感程度,反映区域生态系统遇到干扰时出现生态环境问题可能性大小[6]。生态敏感性评价一般有指标体系法与弹性估计法两种计算方式。指标体系法重在通过指标赋权的方式将表征土地利用/覆被变化的结果,如地形地貌、水土流失、土地沙化等作为生态敏感性的评价指标[7,8,9]。虽然指标体系法能够全面的描述区域生态环境的水平,但难以刻画生态系统对土地利用变化或人类活动的响应过程以及作用机理;其次指标体系法的权重设置有很强的主观性,可能导致生态敏感性评价与决策的失真。弹性估计法能够有效反映生态系统对土地利用变化或者人类活动的响应过程和作用机理,直接将表征价格时间变化或者土地利用情况的指标,如生态价值系数（Kreuter敏感性系数）[10,11,12,13]、土地类型面积（生态系统服务价值变率函数、生态系统服务交叉敏感性系数）[12,13,14,15,16]以及土地利用综合强度[17,18]等作为生态系统的响应因子;然后运用弹性公式计算因子的变动程度引起生态系统服务价值的变动程度以判定因子敏感性。但Kreuter敏感性系数小于1恒成立[10,11,12,13],导致其作为判定生态敏感性系数的无效,因而引起了诸多的怀疑与批评[19]。由于生态系统服务价值变率函数与Kreuter敏感系数在微分形式下具有相同的表达式,所以二者得到的敏感性评价结果完全相同[12,13],亦无法通过既定标准判别生态敏感性的大小。Kreuter敏感性系数与生态系统服务价值变率函数不满足弹性估计中变量之间随机性的要求,其方法选择的不适用导致其敏感性因子判定的无效。生态系统服务交叉敏感性系数由于土地基期选择存在问题,导致其敏感性公式并不符合微分形式下弹性计算公式,以至于难以表达弹性系数具有的现实意义与决策属性。另外,弹性估计法重在对生态系统（服务）敏感因子的筛选,却无法进行有效的生态敏感区域划分。
综上所述,现有研究在生态敏感性评估方法设计与指标选择等方面作了大量探索,但无论是指标体系法还是弹性估计法均不能同时满足敏感性因子的筛选（或揭示作用机理）与生态敏感性分区的目的,特别是ES-LUCC框架下的弹性估计法使用不当给目前的研究带来一定的误导。因此,本文旨在设计既能考虑生态系统（服务）对土地利用变化或者人类活动的响应机理与又能进行分区管理与决策的生态敏感性评估模型。首先,在生态敏感性定义的基础上运用经济学理论构建生态敏感性评估的理论模型;然后,以陕西省为例验证本文敏感性理论框架与模型设计的可靠性,并对陕西省生态敏感性的时空特征与敏感因子进行分析;最后,在不同尺度下对模型的稳健性以及局限性做了相应的探讨。

2 理论模型构建

生态敏感性分析能够揭示以土地为基础的生态系统中各因素之间的相互关系及其运动规律,以便为土地利用管理者做出符合客观规律和人类自身利益的决策。然而,单一土地利用转移面积的增减变化无法体现区域内社会经济以及自然因素变化对生态系统作用机制,但从概率上则可以很好地观测到区域土地类型之间相互转化的内在逻辑规律。每种土地利用转移过程具有一定的概率分布与规律性,能够有效地预测未来生态系统处于的风险状态。几率比（odds ratio）表示一个群体暴露在一定风险下与未暴露在该风险下的某事件发生概率的比值,即p/（1-p）[20]。作为衡量相对风险的替代变量[21,22],几率比是目前最简单的、最有影响力的和使用最多的关联指标之一[23],被广泛地应用到流行病学[24]、Meta分析[25]、气候变化[26]等领域的研究。假设,土地利用转移概率矩阵为：
P = P 12 ⋯ P 1 j P 21 ⋯ P 2 j ⋯ ⋯ ⋯ P i 1 P i 2 ⋯
式中：pij表示第i类土地向第j类土地转移的概率,i≠j。P由社会经济（economic）和自然因素（nature）决定,即P=α(economic, nature)+ ε 。式中：ε为残差。那么,区域土地利用转移几率比矩阵（ODDS）：
ODDS = P 12 1 - P 12 ⋯ P 1 j 1 - P 1 j P 21 1 - P 21 ⋯ P 2 j 1 - P 2 j ⋯ ⋯ ⋯ P i 1 1 - P i 1 P i 2 1 - P i 2 ⋯
的决定方程可以改写为：
ODDS = g [ α economic , natue ] + ε = α economic , nature 1 - α economic , nature + ε
这就表明土地利用转移几率比矩阵已经包含社会经济因素以及自然因素的基本信息。生态系统服务价值作为衡量生态环境质量的重要指标[27],其价值量的变化反映在自然资源开发和经济发展过程中人类活动对生态环境的影响[16]。在社会经济因素与自然因素限制的条件下,可以构建生态系统服务价值与土地利用转移几率比的函数关系以近似地替代人类活动因素以及自然因素对生态系统服务价值的作用效果,即：
ESV = f ODDS + ε ⇔ ESV = f α economic , nature 1 - α economic , nature + ε
假设生态系统服务价值（ESV）受到该区域土地利用转移几率比矩阵的影响,即ESV=f（ODDS）+ε,那么在理论上土地利用变化对生态系统服务价值的边际贡献为 ∂ ESV ∂ ODDS 。但是由于空间（个体）异质性的存在,使得在某一区域上的ESVm受到区域ODDS约束强度存在区域（个体）差异,即实际的土地利用变化对生态系统服务价值的边际贡献 ∂ ES V m ∂ ODDS 可能与理论上的边际贡献 ∂ ESV ∂ ODDS 存在不一致。如果实际的土地利用变化对生态系统服务价值的边际贡献 ∂ ES V m ∂ ODDS 大于理论上的边际贡献 ∂ ESV ∂ ODDS ,则表明该区域m的生态系统服务价值对土地利用变化的响应更为敏感;反之,该区域生态系统服务价值对土地利用变化响应不敏感。则区域生态系统服务价值对土地利用变化的响应敏感性大小可以表示为:
se n m = ∂ ES V m ∂ ODDS ∂ ESV ∂ ODDS = ∂ ES V m ∂ ODDS × ODDS ∂ ESV ∂ ODDS × ODDS = ES V m ESV ˆ m
式中： ESV ˆ m 为区域生态系统服务价值的理论值。senm>1表示区域m的生态系统服务价值对土地利用变化的响应更为敏感,senm<1表示区域m的生态系统服务价值对土地利用变化的响应不敏感,那么生态敏感区（sensitive zones）的集合可以表示为：
SZ = { m | ESV ˆ m < ES V m }
为了直观反映该逻辑过程,假设存在A、B、C三个区域,并且其生态系统服务价值仅受到一个土地利用转移几率比的约束（图1）。A′、B′、C′表示esv在受到一个土地利用转移几率比odds约束时理论上应该达到的生态系统服务价值的水平,即生态系统服务价值的预测值。那么,可以看出区域A的预测值与A的实际值之比为1,表示A点处于临界生态敏感区;区域B的生态系统服务价值的实际值大于理论值,即senm>1,表明区域B中生态系统服务价值对土地利用转移几率比变化的高敏感性;而区域C的生态系统服务价值的实际值小于理论值,即senm<1表明生态系统服务价值对土地利用转移几率比变化的低敏感性。
图1 区域生态敏感评价的理论分析框架

Fig. 1 Theoretical framework for the ecological sensitive assessment

3 研究方法与数据来源

3.1 研究区域

陕西省（105°29′E~111°15′E、31°42′N~39°35′N）位于黄河中游地区,南部兼跨长江支流汉江流域和嘉陵江上游的秦巴山地区。陕西省整体属大陆季风性气候,但所跨维度较多,造成境内气候差异很大;气温由南向北逐渐降低,各地的年平均气温在7~16 ℃;年平均降水量为576.9 mm,由南向北递减,受山地地形影响比较显著。陕西省地势呈现两端高、中间低的特点;以北山和秦岭为界形成三大自然分区,分别是北部的陕北高原、中部的关中平原、南部的秦巴山区。
2017年,陕西省国民生产总值达21 898.81亿元,比上年增长8.0%;常驻人口3835.44万人,其中城镇人口2178.15万人,人口城镇化率约为56.79%。1999年,陕西省成为率先开展退耕还林工程的试点省份之一,也是退耕还林典型的区域之一。《2017年陕西省国民经济和社会发展统计公报》显示,2017年陕西省森林覆盖率为43.06%,活立木总蓄积为5.1亿m3,林地面积为12.368万km2;林业自然保护区52个,面积为11 000 km2,占国土面积5.3%。自1999年退耕还林工程实施以来,累计完成退耕还林任务2.437万km2;森林覆盖率累计提高12.14%。退耕还林工程的实施使得陕西省土地利用/覆被变化产生较大的变动,为本研究提供了观测地类相互转化的可能。

3.2 研究方法

3.2.1 生态系统服务价值评估 生态系统服务是指通过生态系统直接或间接的为人类生存和生活提供的生态产品与支持[28]。本文以中国陆地生态系统单位面积生态系统服务价值当量因子表为基础,并以陕西省平均粮食产量经济价值的1/7为标准对生态系统服务价值当量因子进行系数修正[29]。考虑到物价因素导致各期粮食价格水平缺乏可比性,因此以2015年陕西省粮食价格水平为基期对陕西省1990—2015年的粮食价格水平进行调整;经计算,1990—2015年陕西省平均单个生态系统服务当量因子经济价值量为869.001元/hm2。最后,得到陕西省陆地各生态系统的生态价值系数（表1）。
表1 陕西省陆地各生态系统的生态价值系数（元/hm2）

Tab. 1 Ecological value coefficient of terrestrial ecosystems in Shaanxi province (yuan/hm2)

一级分类 耕地 森林 草地 水域 城乡建设用地 未利用地
供给服务 食物生产 960.246 208.560 260.700 695.201 0.000 4.345
原料生产 212.905 480.847 386.705 199.870 0.000 13.035
水资源供给 -1134.046 249.114 212.905 7204.018 0.000 8.690
调节服务 气体调节 773.411 1581.582 1351.297 669.131 0.000 56.485
气候调节 404.085 4730.262 3575.939 1990.012 0.000 43.450
净化环境 117.315 1378.815 1181.841 4822.956 0.000 178.145
水文调节 1299.156 2954.603 2620.038 88846.662 0.000 104.280
支持服务 土壤保持 451.881 1923.389 1646.757 808.171 0.000 65.175
维持养分循环 134.695 147.730 126.005 60.830 0.000 4.345
生物多样性 147.730 1752.485 1499.027 2215.953 0.000 60.830
文化服务 美学景观 65.175 767.618 660.441 1642.412 0.000 26.070
生态价值系数 VCk 3432.554 16175.005 13521.656 109155.216 0.000 564.851
为了解决土地面积对生态系统服务价值的影响,本文采用区域单位面积的生态系统服务价值（mesv）作为生态环境质量的指标。在区域生态系统服务总价值的计算公式[30]的基础之上除以区域总面积,得到区域单位面积生态系统服务价值。其计算公式如下：
mes v mt = ∑ k = 1 6 V C k × S k , mt ∑ k = 1 6 S k , mt
式中：mesvmt为区域m第t期单位面积生态系统服务价值;Sk,mt表示区域m第t期的第k种土地利用类型的面积;VCk是第k种土地利用类型的生态价值系数。
3.2.2 基于土地转移几率比的生态系统服务敏感性计算 按照上文的理论分析,首先采用固定效应面板模型考察1990—2000年、2000—2015年两期土地利用转移几率比对生态系统服务价值的影响,以期得到生态系统服务价值的真实影响因素,计算公式如下：
mes v mt = ∑ j = 1 6 ∑ i = 1 6 b ij odd s ij , mt + u m + ε mt
式中：oddsij,mt表示区域m第t期的土地类型i向土地类型j转移的几率比;bij为估计参数;um表示个体效应;εmt为残差项;其他符号解释同上。
弹性公式计算最基本的假设其他因素保持不变;然而,单纯地运用弧弹性的公式计算敏感性系数没有考虑其他因素的影响[15,16],造成敏感性系数估计存在偏高的可能。回归模型可以有效控制其他因素,剥离核心变量对因变量的影响。因此,根据公式（8）估计结果,按照微分形式下的弹性公式计算生态系统服务价值对单个土地利用转移几率比的敏感性,如公式（9）：
e ij , mt = odd s ij , m t mes v mt × b ij = b ij × odd s ij , mt mes v mt
式中：eij, mt表示区域m第t期生态系统服务价值对土地利用类型i向j转移几率比因子的敏感性系数;其他符号解释同上。
最后,根据模型（8）计算区域生态系统服务价值的理论值（预测值）,并利用实际值与理论值之比的绝对值计算区域的生态敏感性系数,如公式（10）：
se n mt = mes v mt mesv ˆ mt
式中：senmt表示区域m第t期生态敏感性指数;mesvmt表示区域m第t期实际的单位面积生态系统服务价值; mesv ˆ mt 表示根据公式（8）计算的单位面积生态系统服务价值的理论值。

3.3 数据来源与处理

陕西省1990年、2000年和2015年三期的土地利用现状数据提取于中国科学院资源环境科学数据中心（http://www.resdc.cn）,其空间分辨率为30 m×30 m,该数据的土地利用一级类型综合评价精度达到94.3%以上[31],由此确保了本研究所使用土地利用数据的真实性和准确性。参照中国科学院土地类型划分标准,利用Arcgis 10.3将研究区土地利用/覆盖类型划分为六大类：耕地、林地、草地、水域、城乡建设用地和未利用地。另外,陕西省粮食价格、单位面积产量等数据来源于各年份《全国农产品成本收益汇编》;居民消费价格指数（CPI）来源于国家数据网站（http://www.stats.gov.cn/）。

4 结果分析

4.1 土地利用转移几率比对生态系统服务价值的影响

为了研究土地利用转移因子对生态系统服务价值的影响,在公式（8）的基础之上,运用Stata 13.0计量软件对土地利用转移几率比的边际贡献进行估计（表2）。
表2 模型估计结果

Tab. 2 Results of model estimating

因变量 耕地 林地 草地 水域 城乡建设用地 未利用地
耕地 13041.690*** 5764.508*** 23806.240 -4537.292*** 30768.720
（1497.507） （1159.084） （16667.260） (1069.828) (79655.960)
林地 -14203.410 -14995.120*** 110916.500 -5055.939 -35936.390**
(9940.285) (5444.847) (103568.500) (7946.552) (14975.630)
草地 -7497.703*** -90.037 162903.700*** -20926.980*** -8483.062
(1815.639) (2486.954) (29086.670) (6878.279) (76285.420)
水域 -30255.140 37302.630 -7375.659 -361839.900*** -18514.730
(33120.160) (68300.980) (32040.820) (94073.360) (926297.900)
城乡建设用地 50820.940** 51180.660 -180315.500 320527.900*** 6352276.000
(25067.990) (27275.920) (110213.000) (105521.000) (3543291.000)
未利用地 -17287.470 -51476.550 -2394.994 -123611.600 25611.300
(34044.170) (30619.900) (6053.009) (131184.800) (17086.460)

注：① 为节省篇幅,在此以系数矩阵列表进行展示。② 截距=9864.942***;R2=88.60%。③ ***表示显著性水平P<0.01;**表示显著性水平P<0.05。

从模型结果来看,各土地利用转移因子对生态系统服务价值的影响比较符合理论预期。在显著敏感性因子中,由高生态价值系数用地转向低生态价值系数用地因子对生态系统服务价值都具有负向影响,而由低生态价值系数用地转向高生态价值系数用地因子对生态系统服务价值都具有正向影响。为此,把由高生态价值系数用地转向低生态价值系数用地定义为生态破坏型因子,由低生态价值系数用地转向高生态价值系数用地定义为生态保护型因子,以便于分析土地利用转移对生态系统服务价值的作用机理。
在显著的生态破坏型因子中,土地利用转移因子对生态系统服务价值的边际破坏程度由大到小的排列为水域→城乡建设用地（土地类型的生态价值系数差额：109155.216元/hm2,下同）、林地→未利用地（15610.154元/hm2）、草地→城乡建设用地（13521.656元/hm2）、林地→草地（2653.349元/hm2）、草地→耕地（10089.102元/hm2）、耕地→城乡建设用地（3432.554元/hm2）。而在显著的生态保护型因子中,土地利用转移因子对生态系统服务价值的边际保护程度由大到小的排列为城乡建设用地→水域（109155.216元/hm2）、草地→水域（95633.560元/hm2）、城乡建设用地→耕地（3432.554元/hm2）以及耕地→草地（10089.102元/hm2）。从总体上看,除林地→草地因子、城乡建设用地→耕地因子外,生态保护型因子和生态破坏型因子对生态系统服务价值的边际影响程度基本都是由土地类型的生态价值系数差额所决定的。但由于不同土地转移类型的几率比基数存在差异,仍无法确定各土地利用转移几率比因子中谁才是真正的敏感性因子,比如,城乡建设用地→未利用地因子;由于城乡建设用地向未利用地转移的几率比相对较小,导致估计出来的城乡建设用地→未利用地因子对生态系统服务价值的边际保护程度比较大。

4.2 县域最主要生态系统服务敏感性因子探测及其动态演变

由于区域内部土地利用方式存在差异,区域内部最主要敏感因子类型分布及其动态演变也存在明显的空间分异（图2）
图2 1990—2015年陕西省各县（区）最主要敏感性因子列示及其变动

Fig. 2 Lists of changes of the most sensitive factors in different districts and counties of Shaanxi province in 1990-2015

1990—2000年,从最主要敏感因子来看,陕西省由高生态价值系数用地向低生态价值系数用地转移的县（区）数高达79个,占总县（区）数的73.83%;而低生态价值系数用地向高生态价值系数用地转移的县（区）仅有28个,占总县（区）数的26.17%,说明该阶段陕西省整体以生态破坏因子主导。陕南、延安大部分县（区）以及榆林的子洲县、吴堡县与佳县最主要的土地利用转移敏感性因子为草地→耕地;白水县、澄城县、西安市大部分、汉台区、渭滨区、淳化县、礼泉县以及乾县等最主要的敏感因子为耕地→城乡建设用地;陕北的米脂县、志丹县,陕南的太白县、凤县、留坝县、略阳县、陇县、白河县、镇平县以及渭南的华县最主要的敏感因子为林地→草地;宁陕县、丹凤县、柞水县以及延川县最主要的敏感因子是林地→耕地。1990—2000年,由于经济利益的驱动以及缺乏外部生态政策的限制,大规模的高生态价值系数用地向低生态价值系数用地转变导致生态环境在大部分区域发生退化。然而,关中平原周边的永寿县、彬县、泾阳县、耀州区、蒲城县、印台区等县（区）出现了耕地→林地的生态保护型因子,但是这些县（区）生态保护型因子的出现并不是为了区域生态服务功能的提升,而是农民为了追求更多的林业经济价值带来的农业产业结构调整的结果。随着关中城市的扩张,加大了对周边地区林农产品的消费需求,比如蒲县的梨,泾阳县、永寿、彬县的苹果等产业出现规模化的趋势。
2000—2015年间,陕西省最主要敏感因子中由低生态价值系数用地向高生态价值系数用地转移的县（区）数达到56个县,占总县（区）数的52.33%,增长率为50%;具有生态保护型敏感性因子主导的县（区）数量超过由生态破坏型敏感性因子主导的县（区）,说明2000年以来退耕还林等生态工程起到一定的生态保护作用。陕北最主要敏感因子是耕地→草地与耕地→林地;最主要敏感因子为耕地→草地的县（区）分布在横山县、佳县、米脂县、绥德县、延川县、清涧县、志丹县、延川县、宝塔区、延长县、甘泉县以及宜川县等;最主要敏感因子为耕地→林地的县（区）主要有吴起县、安塞县、子长县和子洲县等。陕北属于退耕还林（草）重点区,耕地向草地、林地转移成为该区域的最主要敏感性因子说明退耕还林工程在陕北取得了一定的成果,同时也验证该敏感性因子评价模型的有效性。但值得注意的是黄龙县和黄陵县的生态系统服务功能存在退化的可能;宋富强等人根据陕北地区2000—2008年NDVI变化趋势判断黄陵县的西部以及黄龙县的东部地区存在生态退化的现象,特别是黄陵县西部生态退化比较严重[32]。陕南的岚皋县、紫阳县、旬阳县、石泉县土地利用转移最主要敏感因子由草地→耕地演变为草地→水域;这部分生态保护型因子的产生可能是由于“引汉济渭”工程（2010年底开工建设,“十二五”期间拟建成三河口水利枢纽和秦岭隧洞）的实施导致上游水位抬升淹没部分草地。另外,关中地区的洋县、周至县、兴平市、秦都区、扶风县、泾阳县以及临渭区的最主要敏感因子也是草地→水域。关中人口稠密、水资源紧张,2000年以来为了解决关中缺水的问题实施了“引红济石”（2008年正式开工建设,2012年投入运行）、“引乾济石”（2004年开工,2007年全面竣工）等水利工程以增加关中平原的水资源供给,导致水位抬升淹没部分草地。

4.3 生态敏感区域划分与区域管控

生态敏感性评价的目的是反映区域发生生态环境问题的可能性,以便为土地管理提供决策信息。单纯的土地利用转移难以反映整个区域的生态敏感性,因此利用公式（10）计算区域生态敏感性指数以反映区域整体生态系统服务价值对土地利用变化的敏感性。为了保证多期数据的可比性,本文采用Stata 13.0计量软件对1990—2000年和2000—2015年两期生态敏感性指数统一进行K均值聚类分析,以此作为生态敏感性分区的依据;最后在ArcGIS 10.3里进行区域生态敏感性制图表达（图3）。
图3 1990—2015年陕西省县级单元生态敏感区域等级划分

Fig. 3 Classification of ecologically sensitive regions of county units in Shaanxi province in 1990-2015

从空间上来看,陕西省生态敏感性区域由南向北呈现出“低敏感-高敏感”相间的基本格局;高敏感区与低敏感区相隔有序,形成生态敏感区域高高集聚与低低集聚的状态。1990—2015年陕西省高度生态敏感区平均面积达到43960.76 km2,占陕西省总面积21.07%;高度生态敏感区沿着关中平原与秦巴山区过渡带的秦岭山脉、黄土高原与关中平原的分界岭的“子午岭-黄龙山”分布;陕西省面积最大的生态等级区域是较高生态敏感区,两期平均面积达到81512.51 km2,占全省总面积39.06%,主要分布在秦岭以南和延安的中南部;中度生态敏感区两期平均面积达到51921.25 km2,占全省面积的24.88%,主要分布在陕北高原中部地区;比例较小的是低度生态敏感区与较低生态敏感区,二者面积合计为31264.57 km2,占全省面积的14.98%,主要分布在关中平原以及榆林中部等区域。高生态敏感区的生态系统服务价值较大并且更容易受到土地利用变化约束,微小的土地利用变化都会引起较高的生态系统服务价值的变动;而低生态敏感区的生态系统服务价值较小并且不容易受到土地利用变化的影响,即使较大的土地利用变化都不会引起太大的生态系统服务价值的变动。
从时间上来看,陕西省的基本生态格局不随时间发生变化,并且不存在敏感性跳跃性演替的现象,在时间上保持区域生态敏感性稳定的分布状态。1990—2015年间,陕西省高度生态敏感区、中度生态敏感区以及较低生态敏感区基本没有发生变化,仅有佳县和洛川县的生态敏感区域等级发生了变化;其中,佳县由中度敏感区变成较低生态敏感区,而洛川县由较高度生态敏感区变成了中度生态敏感区,但不存在跳跃性生态过渡的现象。1990—2000年各县（区）生态敏感性系数的平均值为1,而2000—2015年各县（区）生态敏感性系数为0.999,虽然2000—2015年间略有减少,但在统计检验上不存在显著的差异（P=0.3097）。进行生态敏感分区统计显示,与1990—2000年相比,2000—2015年除高度敏感区的敏感系数降低以外,其他生态等级区域内的敏感性系数均呈现微小的上升。退耕还林工程主要在陕北黄土高原地区实施,这就导致生态环境相对比较脆弱的地区的土地利用格局与植被类型发生剧烈的变化,同时也加速了生态环境脆弱区的生态系统服务价值的提升,使得这些区域的生态系统服务价值受到土地利用变化因子的约束更为强烈,从而使得低敏感区的敏感性系数提高。这与李文龙等的研究结论相同,即生态修复工程的地区生态敏感性会得到提高[33]。但总体来看陕西省的基本生态格局仍不随时间发生明显的变化。
生态敏感性评价的目的是为了反映区域出现生态问题的可能性,以便为管控生态风险与保障区域生态安全提供决策依据。从陕西省生态敏感性等级分区来看,分区结果呈现空间上高低集聚以及时间上稳定分布的状态,这种稳定、集聚的生态时空格局更有利于合理的生态等级分区与低成本的生态风险管控。陕南大部分地区以及延安中南部生态敏感性较高,应该加强生态系统保护、严格限制土地用途转变以免造成生态系统的破坏与生态服务功能的弱化;其次,建立生态服务重点功能区与划定生态红线保护区,特别是在秦岭沿线和“子午岭-黄龙山”等区域,避免陕西的“肾”和“肺”受到无序的人类活动干扰,稳定陕西省生态产品供给能力和生态安全保障水平。关中平原地势平坦、土壤肥沃、气候条件相对较好并且生态敏感性较低,更适宜人类居住生活以及工农业生产;统筹工业和城镇发展布局,提高自然资源利用率和经济发展效益;强化农产品主产区耕地保护,稳定农产品生产,发展现代高效农业,并且以关中平原外围的中度敏感区建立人类活动缓冲区,以减少对生态高敏感区域的负外部性影响。陕北地区的延安市中北部属于黄土高原典型的水土流失区,处于中度敏感区,需要重点保护、限制开发,稳定退耕还林工程等生态修复工程的实施效果。榆林市低生态敏感的区域包含横山县、米脂县、榆阳区、子洲县以及佳县;这些县（区）土地利用敏感性因子变动对生态系统服务价值影响较小,适宜在不破坏生态系统的条件下进行经济建设与开发。根据马琪等人对榆林市生态保护红线的划分,这些县（区）大部分属于榆林市三级管控区、城镇园区以及开发边界等。三级管控区内,在不影响水土保持、防风固沙等主要生态服务功能情况下,实施点状开发和特色产业发展,减少对自然生态系统的干扰;城镇园区与开发边界可以进行工厂、商业、住宅等建设活动[9]。总体来看,以土地利用转移几率比作为生态系统服务价值对土地利用敏感性评价因子指标更具有可靠的决策意义与价值。

5 讨论与结论

5.1 结论

在ES-LUCC框架下评价区域生态敏感性是研究生态系统服务对土地利用变化响应程度的重要内容。本文首先对ES-LUCC框架下的各种生态敏感性模型作了相应地探讨,然后以土地利用转移几率比作为敏感性评价因子考察生态系统服务价值对土地利用变化的响应程度,并且利用生态系统服务价值的实际值与预测值之比的绝对值构建区域生态敏感性指数。研究发现：① 本文设计的生态敏感性评估方法不仅可以观测到区域敏感性因子,还可以进行有效地敏感性分区。② 在最主要敏感性因子的列示中,1990—2000年由于内在的经济驱动与缺乏外部的生态环境规制,陕西省以草地→耕地等生态破坏因子为主导。而2000年以后退耕还林工程的实施导致耕地→林地、耕地→草地成为陕北地区最主要敏感因子;陕南秦巴山区与关中地区由于众多水利工程建设导致生态系统服务价值对草地→水域因子的响应程度比较高。③ 陕西省总体敏感性由南向北呈现“低敏感-高敏感”间隔有序的基本格局,并且呈现空间上集聚、时间上稳定的状态;高敏感区主要分布沿秦岭、“子午岭-黄陵山”分布,低敏感区主要分布在关中平原以及榆林中部地区。

5.2 讨论

本文对ES-LUCC下的生态敏感性模型的定义、实质以及决策属性做了详细地探讨,紧扣既能探索生态系统服务对土地利用变化的响应机理与又能体现模型分区决策的需要,在土地利用转移几率比的基础之上对生态敏感性评价模型进一步的修正,得到了相对比较客观的结果。但仍需考虑几个问题：
本文所修正的敏感性评价模型是建立在生态系统服务价值与土地利用转移几率比线性关系假设的基础之上,虽然这种关系是建模的基础,但是无法考察生态系统服务价值与土地利用转移几率比之间非线性关系,导致模型解释可能存在一部分失真。如何在理论上界定生态系统服务价值与土地利用转移几率比之间的关系是需要长期探索过程。其次,敏感性评价不同于脆弱性评价,敏感性只反映生态环境对外部因素的响应程度,而脆弱性是暴露、敏感性、适应能力的函数。陕北地区生态敏感性划分与陕西省生态红线划定区域存在一定的差异,这种差异来源于生态红线依照生态脆弱性框架进行划分;陕北地区的生态环境不仅仅是生态敏感性问题而更多是综合性的生境脆弱性问题,单一的敏感性评价仍面临决策失真的可能。未来的研究过程中需要综合考虑生态脆弱性研究框架下的各种因子。
最后,在网格尺度下能得到细分的生态敏感性评价结果,可能对基本的县域单元更有决策意义,以合理规划县域基本经济单元的生态环境保护与人类活动区域（图4）。网格尺度生态敏感性分区与县域尺度分区虽然有所差异,但基本的生态格局不变,所以该敏感性评价方法在小尺度下依然具有很强的适用性与稳健性。
图4 2000—2015年100 km2网格尺度下陕西省生态敏感性等级分区

Fig. 4 Ecological sensitivity classification of Shaanxi province at a 100 km2 grid scale from 2000-2015

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
傅伯杰, 周国逸, 白永飞 , 等. 中国主要陆地生态系统服务功能与生态安全. 地球科学进展, 2009,24(6):571-576.

[ Fu Bojie, Zhou Guoyi, Bai Yongfei , et al. The main terrestrial ecosystem services and ecological security in China. Advances in Earth Science, 2009,24(6):571-576.]

[2]
Wang X C, Dong X B, Liu H M , et al. Linking land use change, ecosystem services and human well-being: A case study of the Manas River Basin of Xinjiang, China. Ecosystem Services, 2017,27:113-123.

[3]
Quintas S, Castro A, Castro H , et al. Impacts of land use change on ecosystem services and implications for human well-being in Spanish drylands. Land Use Policy, 2016,54:534-548.

[4]
Pennington D, Dalzell B, Nelson E , et al. Cost-effective land use planning: Optimizing land use and land management patterns to maximize social benefits. Ecological Economics, 2017,139:75-90.

[5]
Tolessa T, Senbeta F, Kidane M . The impact of land use/land cover change on ecosystem services in the central highlands of Ethiopia. Ecosystem Services, 2017,23:47-54.

[6]
欧阳志云. 中国生态环境敏感性及区域差异规律研究. 生态学报, 2000,20(1):9-12.

[ Ouyang Zhiyun . China's eco-environmental sensitivity and its spatial heterogeneity. Acta Ecologica Sinica, 2000,20(1):9-12.]

[7]
陈昕, 彭建, 刘焱序 , 等. 基于“重要性-敏感性-连通性”框架的云浮市生态安全格局构建. 地理研究, 2017,36(3):471-484.

[ Chen Xin, Peng Jian, Liu Yanxu , et al. Constructing ecological security patterns in Yunfu city based on the framework of importance-sensitivity-connectivity. Geographical Research, 2017,36(3):471-484.]

[8]
刘军会, 高吉喜, 马苏 , 等. 中国生态环境敏感区评价. 自然资源学报, 2015,30(10):1607-1616.

[ Liu Junhui, Gao Jixi, Ma Su , et al. Evaluation of ecological sensitivity in China. Journal of Natural Resources, 2015,30(10):1607-1616.]

[9]
马琪, 刘康, 刘文宗 , 等. 干旱半干旱区生态保护红线划分研究: 以“多规合一”试点榆林市为例. 地理研究, 2018,37(1):158-170.

[ Ma Qi, Liu Kang, Liu Wenzong , et al. Zoning the ecological redline in arid and semiarid regions: Taking Yulin city as an example in the context of an integrated multi-planning. Geographical Research, 2018,37(1):158-170.]

[10]
Kreuter P, Harris G, Matlock D , et al. Change in ecosystem service values in the San Antonio area, Texas. Ecological Economics, 2001,39(3):333-346.

[11]
Li Y F, Zhan J Y, Liu Y , et al. Response of ecosystem services to land use and cover change: A case study in Chengdu city. Resources Conservation & Recycling, 2018,132:291-300.

[12]
彭文甫, 周介铭, 杨存建 , 等. 基于土地利用变化的四川省生态系统服务价值研究. 长江流域资源与环境, 2014,23(7):1053-1062.

[ Peng Wenfu, Zhou Jieming, Yang Cunjian , et al. Research on ecosystem service values based on land use change in Sichuan province. Resources and Environment in the Yangtze River Basin, 2014,23(7):1053-1062.]

[13]
樊敏, 李富程, 郭亚琳 , 等. 退耕还林对岷江上游高山聚落区生态服务价值变化的影响. 山地学报, 2016,34(3):356-365.

[ Fan Min, Li Fucheng, Guo Yalin , et al. Effects of Grain for Green Project on changes in ecosystems service values of alpine settlement area in the upper reaches of the Minjiang river. Journal of Mountain Science, 2016(3):356-365.]

[14]
喻建华, 高中贵, 张露 , 等. 昆山市生态系统服务价值变化研究. 长江流域资源与环境, 2005, ( 2):213-217.

[ Yu Jianhua, Gao Zhonggui, Zhang Lu , et al. Change in ecosystem services value in Kunshan city. Resources and Environment in the Yangtze River Basin, 2005, ( 2):213-217.]

[15]
普拉提·莫合塔尔, 海米提·依米提. 土地利用变化下的生态系统服务敏感性研究: 以克里雅绿洲为例. 自然资源学报, 2014,29(11):1849-1858.

[ Polat Muhtar, Hamid Yimit . Ecosystem services sensitivity to land use change: A case study of the Keriya Oasis. Journal of Natural Resources, 2014,29(11):1849-1858.]

[16]
刘永强, 龙花楼, 李加林 . 长江中游经济带土地利用转型及其生态服务功能交叉敏感性研究. 地理研究, 2018,37(5):1009-1022.

[ Liu Yongqiang, Long Hualou, Li Jialin . Study on the land use transition and its cross-sensitivity of ecological service function in the Middle of Yangtze River Economic Belt. Geographical Research, 2018,37(5):1009-1022.]

[17]
黄静, 崔胜辉, 李方一 , 等. 厦门市土地利用变化下的生态敏感性. 生态学报, 2011,31(24):7441-7449.

[ Huang Jing, Cui Shenghui, Li Fangyi , et al. Ecological sensitivity of Xiamen city to land use changes. Acta Ecologica Sinica, 2011,31(24):7441-7449.]

[18]
刘超琼, 彭开丽, 陈红蕾 . 安徽省土地利用变化下的生态敏感性时空规律. 长江流域资源与环境, 2015,24(9):1584-1590.

DOI

[ Liu Chaoqiong, Peng Kaili, Chen Honglei . Spatio-tempora characteristics of ecological sensitivity to land use change in Anhui province. Resources and Environment in the Yangtze River Basin, 2015,24(9):1584-1590.]

[19]
Aschonitis V, Gaglio M, Castaldelli G , et al. Criticism on elasticity-sensitivity coefficient for assessing the robustness and sensitivity of ecosystem services values. Ecosystem Services, 2016,20:66-68.

[20]
陈强 . 高级计量经济学及Stata运用: 第二版. 北京: 高等教育出版社, 2014.

[ Chen Qiang. Advanced Econometrics and Stata Application: The 2nd edition. Beijing: Higher Education Press, 2014.]

[21]
Schmidt C, Kohlmann T . When to use the odds ratio or the relative risk?. International Journal of Public Health, 2008,53:165-167.

[22]
Viera A . Odds ratios and risk ratios: What's the difference and why does it matter?. Southern Medical Journal, 2008,101:730-734.

[23]
Beh E, Tran D, Hudson I . A reformulation of the aggregate association index using the odds ratio. Computational Statistics & Data Analysis, 2013,68:52-65.

[24]
Miettinen O . Estimability and estimation in case-referent studies. American Journal of Epidemiology, 1977,105(5):496.

[25]
Cheung M, Roger C, Lim Y , et al. Conducting a meta-analysis: Basics and good practices. International Journal of Rheumatic Diseases, 2012, ( 15):129-135.

[26]
Hudson, Irene L , Keatley, et al. Phenological Research: Methods For Environmental And Climate Change Analysis. Springer Ebooks, 2010.

[27]
刘金雅, 汪东川, 张利辉 , 等. 基于多边界改进的京津冀城市群生态系统服务价值估算. 生态学报, 2018,38(12):4192-4204.

DOI

[ Liu Jinya, Wang Dongchuan, Zhang Lihui , et al. Estimation of the ecosystem service value of the Beijing-Tianjin-Hebei urban agglomeration based on multi-boundary improvement. Acta Ecologica Sinica, 2018,38(12):4192-4204.]

[28]
Costanza R , D' Arge R, De Groot R, et al. The value of the world's ecosystem services and natural capital. World Environment, 1997,387:253-26.

[29]
谢高地, 张彩霞, 张雷明 , 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进. 自然资源学报, 2015,30(8):1243-1254.

DOI

[ Xie Gaodi, Zhang Caixia, Zhang Leiming , et al. Improvement of the evaluation method for ecosystem service value based on per unit area. Journal of Natural Resources, 2015,30(8):1243-1254.

[30]
姚小薇, 曾杰, 李旺君 . 武汉城市圈城镇化与土地生态系统服务价值空间相关特征. 农业工程学报, 2015,31(9):249-256.

[ Yao Xiaowei, Zeng Jie, Li Wangjun . Spatial correlation characteristics of urbanization and land ecosystem service value in Wuhan Urban Agglomeration. Transactions of the CSAE, 2015,31(9):249-256.]

[31]
刘纪远, 匡文慧, 张增祥 , 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局. 地理学报, 2014,69(1):3-14.

[ Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang , et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s. Acta Geographica Sinica, 2014,69(1):3-14.]

[32]
宋富强, 邢开雄, 刘阳 , 等. 基于MODIS/NDVI的陕北地区植被动态监测与评价. 生态学报, 2011,31(2):354-363.

[ Song Fuqiang, Xing Kaixiong, Liu Yang , et al. Monitoring and assessment of vegetation variation in Northern Shaanxi based on MODIS/NDVI. Acta Ecologica Sinica, 2011,31(2):354-363.]

[33]
李文龙, 石育中, 鲁大铭 , 等. 北方农牧交错带干旱脆弱性时空格局演变. 自然资源学报, 2018,33(9):1599-1612.

[ Li Wenlong, Shi Yuzhong, Lu Daming , et al. The spatio-temporal evolution of drought vulnerability in the farming-pastoral ecotone in the north of China. Journal of Natural Resources, 2018,33(9):1599-1612.]

Options
文章导航

/

〈 〉