DOI: 10.12357/cjea.20230115
邹桃红, 常雅轩, 陈鹏, 刘家福. 基于AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价[J]. 中国生态农业学报
(中英文), 2023, 31(9): 1511?1524
ZOU T H, CHANG Y X, CHEN P, LIU J F. Evaluation of eco-environmental vulnerability in Jilin Province based on an AHP-PCA
entropy weight model[J]. Chinese Journal of Eco-Agriculture, 2023, 31(9): 1511?1524
基于AHP-PCA熵权组合模型的吉林省生态环境脆弱
性动态评价
邹桃红1, 常雅轩2, 陈 鹏1, 刘家福1
(1. 吉林师范大学地理科学与旅游学院 四平 136000; 2. 福建农林大学资源与环境学院 福州 350002)
摘 要: 吉林省不仅是我国粮食主产区之一, 也是东北地区重要的生态屏障和功能区, 科学掌握其生态环境脆弱性
的空间分布和时空变化特征, 对合理利用土地资源及实现区域环境保护起着重要作用。本研究参考SRP (Sensitiv-
ity–Resilience–Pressure)模型, 从地形、气候、植被覆盖、景观格局及人类活动5个方面选取13个评价指标, 综合
运用AHP-PCA (analytic hierarchy process-principal component analysis)熵权模型及空间自相关方法, 分析2000—
2020年不同时期吉林省生态环境脆弱性的时空格局, 并探讨其空间关联关系。结果表明: 1)研究区生态环境以轻度
以下脆弱为主, 且整体呈现明显的地域差异, 由东向西脆弱度逐渐增加, 重度脆弱区主要出现在吉林省西部平原, 潜
在脆弱区主要出现在吉林省东部山区。2)将脆弱性指数分为5个等级, 各等级间面积比例差异明显, 以2020年为
例，表现为轻度>中度>微度>潜在>重度, 且轻度及以下脆弱区面积占比均达到67.9%以上, 这表明吉林省整体处于
中等脆弱水平。3)时间变化上, 2000年至2020年间, 吉林省生态环境脆弱性呈逐年向好的趋势, 重度、微度脆弱性
区域面积占比与2000年相比分别下降2.78%和9.20%, 轻度和中度脆弱性区域面积占比同研究初期相比分别增加
7.45%和5.24%, 潜在脆弱性区域面积占比与2000年基本持平。4) 2000年研究区生态环境脆弱性指数的Moran I
值为0.2335, 表明其在空间上呈集聚现象, 高聚集区主要分布在吉林省西部地区; 至2020年, Moran I值增加至
0.3841, 空间集聚更为显著。根据脆弱性等级的分区及其影响因素, 对不同脆弱性等级区域给出了不同生态保护建
议: 潜在脆弱和微度脆弱区继续实行现有生态环境保护政策; 轻度脆弱和中度脆弱区要坚持以黑土地资源保护为
前提进行合理的农用地资源开发; 重度脆弱性区要加大生态环境保护投入, 特别要有针对性地实施盐碱地治理等
策略。
关键词: 生态环境脆弱性; SRP模型; AHP-PCA熵权模型; 时空动态特征; 吉林省
中图分类号: X171.1开放科学码(资源服务)标识码(OSID):
Evaluation of eco-environmental vulnerability in Jilin Province based on an AHP-
PCA entropy weight model
ZOU Taohong1, CHANG Yaxuan2, CHEN Peng1, LIU Jiafu1
(1. College of Geographic Science and Tourism, Jilin Normal University, Siping 136000, China; 2. College of Resources and Environment,
Fujian Agriculture and Forestry University, Fuzhou 350002, China)
吉林省教育厅项目(JJKH20230503KJ)、国家自然科学基金项目(41977411)和四平市哲学社会科学规划项目(SPSK22120)资助
邹桃红, 主要研究方向为生态环境质量评价及资源环境遥感。E-mail: zoutaohong@yeah.net
收稿日期: 2023-03-07 接受日期: 2023-05-29
This study was supported by the Project of the Education Department of Jilin Province (JJKH20230503KJ), the National Natural Science Foundation
of China (41977411) and Siping Philosophy and Social Science Project (SPSK22120).
Corresponding author, ZOU Taohong, E-mail: zoutaohong@yeah.net
Received Mar. 7, 2023; accepted May 29, 2023
中国生态农业学报 (中英文) ?2023年9月 ?第?31?卷 ?第?9?期
Chinese?Journal?of?Eco-Agriculture,?Sep.?2023,?31(9):?1511?1524
http://www.ecoagri.ac.cn
Abstract: Jilin Province is the main grain-producing area in China and has a considerable ecological function in Northeast China. Un-
derstanding the spatial and temporal characteristics of ecological vulnerability can aid effectively managing environmental change,
guiding the rational use of land resources, and developing strategies for regional environmental protection. Based on the
Sensitivity–Resilience–Pressure model of ecological vulnerability, a comprehensive evaluation indexes system for ecological vulner-
ability was established from the perspectives of human activities and natural environment in Jilin Province using meteorological, re-
mote sensing, and statistical data. Thereafter, an entropy weight model constructed by using an analytic hierarchy process and princip-
al component analysis was employed to analyze the geospatial and temporal dynamics of ecological vulnerability from 2000 to 2020
in the study area. Spatial autocorrelation analysis was used to probe spatial relationships between the different ecological vulnerabil-
ity levels. The results revealed that 1) the overall environment was suitable with a light vulnerability level and below in the study area;
however, ecological vulnerability varied among different regions and increased gradually from east to west. High vulnerability areas
were mainly distributed in the western region, characterized by less rainfall and lower vegetation cover, and displayed a considerable
global spatial autocorrelation with high-high aggregation. Potentially vulnerable areas were concentrated in the mountainous regions
of eastern Jilin Province. 2) The ecological vulnerability index was divided into five levels as potential, slight, light, moderate and
heavy. The area proportion was varied significantly among different levels. Taking 2020 as an example, the proportion in descending
order is light>moderate>slight>potential>heavy, moreover, the area of light and below vulnerable area accounts for about 67.9%, in-
dicating that Jilin Province is at a medium level of vulnerability in the whole. 3) Temporally, the vulnerability of the ecological envir-
onment in Jilin Province improved from 2000 to 2020. Compared to 2000, the proportions of heavyly and slightly vulnerable areas in
2020 decreased by 2.78% and 9.20%, respectively; whereas the proportions of light and moderately vulnerable areas in 2020 in-
creased by 7.45% and 5.24%, respectively. The potentially vulnerable areas in 2020 were the same as those in 2000. 4) The value of
Moran’s I index increased from 0.2335 to 0.3841 from 2000 to 2020, implying that spatial agglomeration was more pronounced, and
high-high aggregation was distributed in the western region of the study area, whereas low-low aggregation was concentrated in the
eastern region of Jilin Province. Relevant suggestions for environmental protection were proposed based on vulnerability assessments
and impact factors. Existing ecological protection strategies should be continued in zones with potential and slight vulnerabilities.
Zones with light and moderate vulnerability should prioritize black soil protection to ensure reasonable development of agricultural
land resources. For heavyly vulnerable zones, investment in environmental protection should increase.ince. Relevant suggestions for
environmental protection were proposed based on vulnerability assessments and impact factors. Existing ecological protection
strategies should be continued in zones with potential and slight vulnerabilities. Zones with light and moderate vulnerability should
prioritize black soil protection to ensure reasonable development of agricultural land resources. For heavyly vulnerable zones, invest-
ment in environmental protection should increase.
Keywords: Eco-environmental vulnerability; SRP model; AHP-PCA entropy weight model; Spatio-temporal dynamics; Jilin
Province
生态环境作为可持续发展的根本, 不仅保障着
自然资源的多样性, 还保证着人类正常生存和生活[1]。
但是, 随着气候变化和人类活动的影响, 生态环境的
结构和功能发生了巨大变化[2]。根据联合国政府间
气候变化专门委员会(IPCC)的定义, 生态环境脆弱
性反映着生态系统对外界干扰的抗干扰能力, 是指
示生态环境状况的重要指标之一[3]。剖析生态环境
脆弱的形成机制, 并进行科学评价, 不仅对合理利用
区域资源, 恢复和保护生态环境具有重要意义, 还为
维护生态环境平衡和可持续发展提供科学依据。然
而, 目前生态环境脆弱性的评价多集中在一些典型
的生态脆弱区, 如喀斯特地区[4-5]、高寒山地[6]、干旱
地区[7-8]和三峡库区[9]等, 对地处我国东北部粮食主
产区的吉林省生态环境脆弱性评价相对较少。
国外生态环境脆弱性研究起源于20世纪60年
代的国际生物学计划(IBP)。我国在这方面的起源较
晚但发展很快, 到目前已在评价模型构建、方法选
取等方面形成了诸多成果, 包括生态敏感性 ?生态
恢复力 ?生态压力度的SRP[10-12]、压力 ?状态 ?响
应的PSR[13]、暴露 ?敏感 ?适应的VSD[5,7,14]等评价
模型和层次分析法(AHP)[15]、主成分析法(PCA)[16]、
综合指数法[17]和景观格局[18]等多种评价方法。其
中SRP模型考虑生态系统稳定性的内涵[19]构建评价
模型, 能较全面体现生态环境脆弱性的综合性特征,
并取得了较广泛的应用。
吉林省地处我国东北部, 可分为东部山地和中
西部平原两大地貌区。吉林省西部长期受到过度放
牧、垦殖等不合理土地利用方式和恶劣自然条件的
影响, 生态环境较为脆弱。虽然, 2000年后吉林省陆
续推行了一系列环境保护政策, 使西部地区生态环
境在一定程度上得到改善, 但仍缺少长时间尺度的
生态环境脆弱性动态研究[20]。如何定量评价吉林省
生态环境脆弱性以探究研究区生态环境现状及其在
过去20年间的动态变化情况, 成为吉林省生态文明
1512 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
建设亟需解决的一个关键问题。因此, 本研究从生
态环境脆弱性的形成机制出发, 结合SRP模型, 从生
态敏感性、生态恢复力和生态压力度3个层面选取
13个指标变量, 利用AHP和PCA的熵权组合模型,
对 吉 林 省2000年 、2005年 、2010年 、2015年 和
2020年的生态环境脆弱性进行综合评价与分析, 以
期进一步认识吉林省生态环境脆弱性的动态变化机
制, 为区域环境保护与恢复提供科学依据。
1 研究区概况
吉林省位于40°52′~46°18′N, 121°38′~131°19′E,
面积为18.74万km2(图1)。研究区内地貌特征差异
明显, 整体上由东南向西北倾斜, 可分为东部山地和
中西部平原两大地貌区。其中, 中西部平原又分为
中部台地和西部草甸、湖泊、湿地、沙地。气候类
型属于典型温带大陆性季风气候, 四季分明, 雨热同
期, 春季干燥大风, 夏季高温多雨, 冬季寒冷漫长。
从东南向西北由湿润气候过渡到半湿润气候再到半
干旱气候。年降水量400~700 mm, 但季节和区域差
异较大, 80%集中在夏季, 以东部降雨量最为丰沛。
吉林省东部为重要的物种基因和林业基地, 森
林覆盖面积大, 人工林和天然次生林覆盖较广, 水
资源和矿产资源丰富; 中部地区土壤肥沃, 地势相对
平坦; 西部草原辽阔, 湿地覆盖面积较大。虽然研究
区内自然资源丰富, 但由于长期过度开发利用, 致使
东部森林生态系统、中部黑土资源和西部草地资
源退化现象严重, 生态系统结构和功能面临着严峻
挑战。
42 N
40 N
41 N
42 N
43 N
44 N
45 N
43 N
44 N
45 N
46 N
122 E
121 E 122 E 123 E 124 E
0 85
1
2667
海拔 Elevation (m)
170 340 km
125 E 126 E 127 E 128 E 129 E 130 E
123 E 124 E 125 E 126 E 127 E 128 E 129 E 130 E 131 E 132 E
图 1 研究区位置及高程图
Fig. 1 Location and elevation of study area
2 数据来源与研究方法
2.1 评价指标的选取
本文结合吉林省生态环境的特点(如生态胁迫
的多样性和高敏感度), 遵循指标选取的科学性、系
统性和可行性原则, 在生态系统的压力 ?敏感性 ?
恢复力(SRP)框架下, 考虑数据的易获取及可获取
性[21], 结合研究区自然和社会经济条件, 建立吉林省
生态环境脆弱性评价指标体系(表1)。其中生态敏
感性是指生态系统对自然和人为干扰的敏感程度,
反映区域生态系统在遇到干扰时, 受到损害的可能
性大小[22]。生态恢复力表征生态系统受到干扰时的
恢复能力[23], 包括维持生态系统结构和功能的能力,
从生态系统的结构和功能方面, 选取植被净初级生
产力、生物丰度和景观多样性3个指标, 表征生态
系统生态恢复力的大小。生态压力指生态系统受到
的外界干扰[24], 主要选取人口压力度和经济压力度两
个指标, 分别用人口密度和GDP密度表征。
根据指标和生态环境脆弱性间的影响关系, 将
评价指标划分为正向指标和负向指标[25]。正向指标
值越大, 生境状况越差, 生态环境越脆弱, 反之负向
第 9 期 邹桃红等 : 基 于 AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价 1513
http://www.ecoagri.ac.cn
指标值越大, 生境状况越好, 生态环境脆弱性越小。
2.2 数据来源与处理
2.2.1 数据来源
本文中主要用到基础地理数据、气象数据、植
被数据和人口经济统计数据。
(1)基础地理数据: 空间分辨率为90 m的DEM数
据来源于中国科学院地理科学与资源研究所资源环
境 科 学 与 数 据 中 心(https://www.resdc.cn/)提 供 的
SRTM (Shuttle Radar Topography Mission)数据产品。
利用ArcGIS 10.2软件的空间分析模块, 从DEM数
据中生成坡度和高程等地形因子指标。土壤侵蚀是
研 究 区 重 要 的 地 表 过 程, 参 考 土 壤 侵 蚀 强 度 模 型
USLE, 利用InVEST 3.7.0模型中的SDR模块计算得
出[26]。
(2)气象数据: 收集研究区内气象台站的年降水
量及年均气温数据, 并通过普通克里金插值得到气
象因子空间分布的栅格数据。干燥度采用de Mar-
tonne (1926年)提出的方法计算[27], 公式如下:
IdM = PT +10 (1)
IdM
式中: 为de Martonne干燥度; P为年平均降水量,
mm; T为年平均温度, ℃。
(3)植被数据: 2000年、2005年、2010年、2015
年及2020年的土地利用/覆被数据来源于中国科学
院地理科学与资源研究所资源环境科学与数据中心
(http://www.resdc.cn), 分辨率为1 km。
植被覆盖度以4个年份的归一化植被指数(NDVI)
为原始数据通过以下公式计算求得[28]:
vcf= NDVI NDVIminNDVI
max NDVImin
(2)
NDVImin NDVImax
式中: vcf为年平均植被覆盖度, NDVI为年平均归一
化 植 被 指 数, 、 分 别 为 区 域 内 年
NDVI的最小值和最大值。
景观多样性指数[29]可以反映景观类型数目及其
占比的变化, 本文以土地利用数据为数据源, 通过使
用Fragstats 4.2模型获取, 其计算公式如下:
SHDI=
m∑
i=1
(Pi lnPi) (3)
Pi
式中: SHDI为景观多样性指数, 为景观斑块类型i
所占比率, m为景观类型数。
生物丰度指数能够间接反映研究区内生物种类
丰贫程度[30], 作为表征生态系统活力的指标, 其值越
高, 生态系统恢复力越强, 生态环境脆弱性越低[31]。
根据环境评价指标计算指南, 其计算公式如下:
生物丰度指数=(0:11 Sc + 0:35 Sf + 0:21
Sg +0:28 Sw +0:04 Sb +0:01 Su)=St (4)
式中: Sc、Sf、Sg、Sw、Sb和Su分别表示耕地、林地、
表 1 吉林省生态环境脆弱性评价指标体系
Table 1 Eco-environmental vulnerability evaluation indicator system in Jilin Province
要素层
Element
指标层
Indicator
来源
Source
指标性质
Characteristics
生态敏感性
Ecological sensitivity
坡度
Slope gradient
数字高程模型
Digital Elevation Model
正 Positive
高程
Elevation
正 Positive
年降水量
Annual precipitation
中国气象数据网
China Meteorological Data Service Centre
正 Positive
年均温度
Annual average temperature
正 Positive
干燥度
Dryness
结合年降水量和年均温由下文的公式 (1)计算
Calculated by the following Eq. (1) using annual precipitation and annual average temperature
负 Negative
植被覆盖度
Vegetation coverage
遥感影像
Remote sensing image
负 Negative
土壤侵蚀度
Soil erosion degree
利用美国通用土壤流失方程 (USLE)计算得出
Calculated by Universal Soil Loss Equation
正 Positive
景观破碎度
Landscape fragmentation
利用遥感影像数据 、 土地利用数据 , 由 Fragstats 4.2 模型计算
Calculated by Fragstats 4.2 model coupling with remote sensing image and land use data
正 Positive
生态恢复力
Ecological resilience
景观多样性
Landscape diversity
负 Negative
生物丰度
Biological abundance
结合土地利用数据经模型计算得出
Calculated by model using land use data
负 Negative
植被净初级生产力
Net primary productivity
中国科学院地理科学与资源研究所资源环境科学与数据中心
Resource and Environment Science and Data Center, the Institute of Geographic Sciences
and Natural Resources Research, Chinese Academy of Sciences
负 Negative
生态压力度
Ecological pressure
人口密度
Population density
2001年 、 2006年 、 2011年 、 2016年和 2021年吉林省统计年鉴
Jilin Statistical Yearbook 2001, 2006, 2011, 2016 and 2021
正 Positive
GDP密度 GDP density 负 Negative
1514 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
草地、水域、建设用地和未利用地的面积, St表示区
域总面积。
景观破碎度表征景观被分割的破碎程度, 能在
一定程度上反映人类对景观的干扰程度[32], 其计算公
式如下:
Ci = NiA
i
(5)
Ci Ni Ai
式中: 为景观i的破碎度, 为景观i的斑块数,
为景观i的总面积。
植被净初级生产力表明单位面积单位时间绿色
植物所固定的能量或所生产的有机物质在呼吸后所
剩下的部分, 能反映生态系统可持续发展的能力, 本
文中的植被净初级生产力数据来源于中国科学院地
理科学与资源研究所资源环境科学与数据中心(http://
www.resdc.cn), 是基于GLM_PEM计算获取的。
(4)人口经济统计数据: 人口密度和人均GDP数
据来源于吉林省统计年鉴。
2.2.2 指标标准化
为解决收集数据多源性导致的原始指标单位量
纲不一致的问题, 本文利用极差标准化方法分别对
正、负向指标进行无量纲处理[33], 公式如下:
正向指标:
Xi = xi xminx
max xmin
(6)
负向指标:
Xi = xmax xix
max xmin
(7)
Xi xi
xmax和xmin
式中: 为指标i的标准化值, 为指标i的初始值,
分别为指标i的最大值和最小值。
同时, 为确保各指标数据具有较好的空间一致
性, 对所有数据均采用Krasovsky_1940_Albers等面
积投影, 并将像元尺寸重采样为1 km×1 km的栅格
格式。
2.3 AHP-PCA熵权组合模型
作为获取评价指标权重的主流方法, 层次分析
法(AHP)和主成分分析法(PCA)得到了广泛的应用。
AHP法主要通过判断矩阵的一致性检验判断指标权
重计算是否合理, 对专家的数量和质量没有统一的
标准, 评价结果中掺杂较强的主观性。PCA法通过
累计贡献率抽取样本差距显著的指标, 在最大限度
保留原始指标信息的同时降低了指标的维度[34], 在很
大程度上能排除主观因素的影响, 但会导致一定的
信息流失。基于上述原因, 本研究采用AHP-PCA的
组合熵权模型, 确定各个评价指标的最优权重值, 并
结合ArcGIS 10.2完成研究区各时段生态环境脆弱
性现状评价。
2.3.1 AHP权重
AHP通过确定目标层、准则层、要素层和指标
层, 采用Satty的1~9标度法对各指标的重要性进行
标注, 构造判断矩阵[35]。通过特征向量归一化求取各
指标的权重值, 并利用一致性比率(CR)进行一致性
检验, 其公式如下:
CR= CIRI = max nRI (n 1) (8)
max
式中: CI为一致性指标, RI为相应的平均随机一致
性指标, n为要素个数, 为判断矩阵的最大特征值。
当CR<0.1时, 认为判断矩阵具有满意的一致性, 模
型评价指标的权重计算合理[36]。本研究中的检验结
果CR=0.05<0.1, 计算结果合理。
2.3.2 主成分权重
使用ArcGIS 10.2软件控件分析功能导入所有指
标, 设置主成分数量为13, 保证每个主成分都包含所
有指标, 得出各主成分的贡献率和累计贡献率, 保留
累计贡献率大于85%的主成分作为生态环境脆弱性
的主要成分。利用数学模型确定各指标权重, 公式
如下:
Hj =
m∑
j=1
2jk (j=1;2; ;13; k =1;2; ;5) (9)
w2j = Hj
/ 9∑
j=1
Hj (j=1;2; ;9) (10)H
j w2j
j k
式中: 为各指标公因子方差, 为各指标主成分权
重, 为指标个数, 为主成分数量, λ为指标j在第k
个主成分上的载荷系数。
同时, 为了验证所选取指标是否适用于主成分
分析, 即验证各指标值是否相互独立, 借助SPSS 25
的因子分析(Bartlett’s球形检验)对各指标进行检验。
结 果 显 示, 2000年 、2005年 、2010年 、2015年 和
2020年的Bartlett’s卡方值均大于32 530, 因此认为
相 关 系 数 矩 阵 与 单 位 矩 阵 有 显 著 差 异, 且KMO
(Kaiser Meyer Olkin)均大于0.75, 根据KMO度量标
准可知原有变量适合进行因子分析。综上可见, 本
研究所选的脆弱性指标适宜做主成分分析。
2.3.3 最小信息熵组合权重
通过AHP和PCA方法可以得到每个因子的主
观权重(w1j)和客观权重(w2j), 为了弥补两种方法在
主客观赋权时的不准确性, 根据最小信息熵原理, 每
个因子的组合权重(wj)、w1j和w2j越接近越准确[2],
其数学模型如下所示:
第 9 期 邹桃红等 : 基 于 AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价 1515
http://www.ecoagri.ac.cn
minF =
m∑
j=1
[wj (lnwj lnw1j)]+
m∑
j=1
[wj (lnwj lnw2j)]
(11)
s:t:
m∑
j=1
wj =1(wj > 0; j=1;2 ;m) (12)w
j
式中: minF为最小信息熵; 为因子j的组合权重;
m为因子的个数, 本文中为13。
同时, 根据拉格朗日中值定理可以求得每个因
子的组合权重, 公式如下, 计算结果见表2:
wj = (w1j w2j)
0:5
m∑
j=1
(w
1j w2j
)0:5 (j=1;2; ;m) (13)
2.4 生态环境脆弱性综合评价
生态环境脆弱性是多因素共同作用下形成的一
种状态, 本文通过多因子综合分析, 构建吉林省生态
脆弱综合指数(ecological vulnerable index), 其模型公
式如下:
EVI=
13∑
i=1
(wi Xi) (14)EVI w
i
Xi
式中: 为生态脆弱综合指数, 为第i个评价指标
的组合权重, 为第i个评价指标的标准化值。计算
得到的EVI为一个0~1之间的连续数据, 值越高, 生
态环境越脆弱。为了更全面地掌握整个区域的整体
生 态 环 境 状 况, 利 用ArcGIS 10.2的 自 然 断 点 法 将
EVI划分为潜在、微度、轻度、中度和重度脆弱5
个等级(表3)。
2.5 空间自相关分析
空间自相关可以反映空间邻接区域单元属性值
表 2 2000—2020年吉林省生态环境脆弱性指标因子权重
Table 2 Weights of evaluation indicators of eco-environmental vulnerability in Jilin Province during 2000—2020
指标
Indicator
w1j
2000 2005 2010 2015 2020
w2j wj w2j wj w2j wj w2j wj w2j wj
坡度 Slope gradient 0.0179 0.0767 0.0404 0.0743 0.0406 0.0832 0.0425 0.0598 0.0356 0.0682 0.0384
高程 Elevation 0.0164 0.0814 0.0398 0.0817 0.0407 0.0709 0.0376 0.0853 0.0407 0.0782 0.0393
年均温 Annual average temperature 0.2078 0.0732 0.1344 0.0503 0.1137 0.0559 0.1188 0.0803 0.1410 0.0594 0.1220
年降水量 Annual precipitation 0.0807 0.0714 0.0759 0.0647 0.0804 0.0814 0.0894 0.0737 0.0839 0.0981 0.0977
干燥度 Dryness 0.0519 0.0712 0.0608 0.0553 0.0596 0.0851 0.0733 0.0684 0.0645 0.0987 0.0786
植被覆盖度 Vegetation coverage 0.2245 0.0911 0.1430 0.0923 0.1601 0.0766 0.1446 0.0819 0.148 0.0638 0.1314
土壤侵蚀度 Soil erosion degree 0.0454 0.0884 0.0634 0.0775 0.0660 0.0632 0.0591 0.0889 0.0691 0.0894 0.0699
景观破碎度 Landscape fragmentation 0.1043 0.0761 0.0971 0.0657 0.0921 0.0652 0.0909 0.0615 0.0872 0.0816 0.1013
植被净初级生产力 Net primary productivity 0.0793 0.0533 0.0709 0.0972 0.0977 0.0817 0.0887 0.0731 0.0829 0.0837 0.0894
生物丰度 Biological abundance 0.0128 0.0816 0.0352 0.1018 0.0402 0.0684 0.0326 0.0370 0.0237 0.0474 0.0206
景观多样性 Landscape diversity 0.0965 0.1067 0.1106 0.0837 0.0999 0.1073 0.1122 0.0929 0.1030 0.0848 0.0993
人口密度 Population density 0.0321 0.0678 0.0467 0.0622 0.0497 0.0695 0.0521 0.0987 0.0613 0.0737 0.0569
经济密度 GDP density 0.0304 0.0610 0.0469 0.0932 0.0592 0.0916 0.0582 0.0984 0.0595 0.0728 0.0551
w1j w2j wj w1j
w2j wj
表中 为采用层次分析法计算权重值, 为采用主成分分析法得到的权重值, 为组合权重值。 is the weight calculated by analytical hierarchy
process (AHP), is the weight calculated by principal component analysis (PCA), and is the combination weight integrated by AHP and PCA.
表 3 基于生态脆弱综合指数(EVI)的吉林省生态环境脆弱性分级标准及其生态特征
Table 3 Classification standard and its ecological characteristics of eco-environmental vulnerability based on the ecological
vulnerable index (EVI)
脆弱性程度
Vulnerability level
EVI范围
Range of EVI
等级
Level
特征描述
Description of characteristics
潜在
Potential
EVI<0.2981 1 生态环境稳定 , 生态系统结构完整 , 抗干扰能力强
The ecological environment is stable, the ecosystem structure is complete, and the anti-
interference ability is strong.
微度
Slight
0.2981≤EVI<0.3625 2 生态环境相对稳定 , 生态系统结构相对完整 , 抗干扰能力较强
The ecological environment is relatively stable, the ecosystem structure is relatively
complete, and the anti-interference ability is relatively strong.
轻度
Light
0.3625≤EVI<0.4268 3 生态系统可维持基本功能 , 在一般干扰下尚可恢复
The ecosystem can maintain basic functions and can be restored under general disturbance.
中度
Moderate
0.4268≤EVI<0.5022 4 生态系统稳定性弱 , 生态系统机构缺损严重但尚在承受范围内
The stability of ecosystem is weak, and the institutional defect of the ecosystem is serious,
but it is still within the bearing range.
重度
Heavy
EVI≥0.5022 5 生态环境很不稳定 , 生态系统结构很不完整 , 受损后恢复非常困难
The ecological environment is very unstable, the ecosystem structure is very incomplete, and
it is very difficult to be recovered after damaged.
1516 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
的相似程度, 其中全局Moran指数(Moran I)为表示
全局空间自相关的常用指标[31,37]。本文借助ArcGIS
10.2的空间统计分析模型, 分别对2000 ?2020年5
个 时 期 (2000年 、 2005年 、 2010年 、 2015年 和
2020年)的生态环境脆弱性综合指数的空间差异及
集聚特征进行分析。同时, 在计算Moran I指数的基
础上进行LISA (Local Indicators of Spatial Association)
聚类分析, 根据空间聚类图, 将生态环境脆弱性划分
为5种不同聚集类型: 高高聚集区(HH)、高低聚集
区(HL)、低高聚集区(LH)、低低聚集区(LL)和不
显著(not significant), 具体含义可参考文献[38]。
3 结果与分析
3.1 生态环境脆弱性空间分布特征
本文利用ArcGIS的空间叠加功能将各指标的
组合权重结果与各指标的标准化结果进行加权求和,
得到吉林省2000年、2005年、2010年、2015年和
2020年5期生态环境脆弱性分布图(图2)。由图可
知, 生态环境脆弱性呈现明显的地域差异特征, 具体
表现为由东向西脆弱性程度增加的趋势。中度和重
度生态脆弱区主要分布在吉林省西部地区, 该区地
势平缓, 人口密度较大, 人类活动干扰频繁, 同时气
候干燥, 盐碱化较为严重, 自然环境较为恶劣, 导致
该区生态环境的自我修复能力较差, 生态问题显著。
潜在和微度生态脆弱区主要分布在研究区东部林地
区域, 该区处于长白山山脉, 大部分地区以森林和灌
木林地为主, 植被覆盖度较高, 同时人类活动干扰较
少, 生态系统的恢复能力较强, 生态环境状况良好。
轻度脆弱区主要分布在研究区中部区域, 该区为吉
林省主要的粮食生产基地, 土地类型主要以耕地为
主, 长期的农业耕作活动导致该区的黑土腐殖质层
厚度变薄, 生态环境处于轻度退化的阶段。
脆弱性等级
潜在 Potential
微度 Slight
轻度 Light
中度 Moderate
重度 Heavy
2000 2005
0 175 350
N
S
W E
700 km
2010
20152020
Vulnerability level
图 2 2000 ?2020年吉林省生态环境脆弱性分布
Fig. 2 Eco-environmental vulnerability distribution in Jilin Province from 2000 to 2020
对生态环境脆弱度进行分类定级可反映区域脆
弱性在结构分布上的差异, 利于对脆弱性结构变化
状况的及时掌握。由各等级栅格像元占地区总数的
百分比可知(图3), 研究区2000 ?2020年不同程度
脆弱区在结构上存在明显差异。以2020年为例, 轻
度和中度脆弱区占比最大, 分别为33.61%和21.37%;
微 度 和 潜 在 脆 弱 区 占 比 其 次, 分 别 为17.20%和
17.12%; 重度脆弱区占比最少, 为10.71%。进一步分
析可发现, 5个时期轻度及以下脆弱区的栅格累计百
分比达68%以上, 一定程度上反映出吉林省整体的
生态环境脆弱性状况处于中等水平。
3.2 生态环境脆弱性的时空演变特征
为研究吉林省2000年到2020年不同生态环境
脆弱性等级的变化状况, 利用ArcGIS 10.2 中的栅格
计 算 器 对2000年 、2005年 、2010年 、2015年 和
2020年生态环境脆弱性分级图进行叠加运算, 统计
得 出 生 态 环 境 脆 弱 性 等 级 的 转 移 矩 阵(表4), 及
2000?2020年不同等级生态脆弱区变化的空间分布
图(图3)。由表4可知, 2000 ?2005年间, 潜在脆弱
区主要转化为微度脆弱区, 占潜在脆弱区总转出的
77.7%; 微度脆弱区主要向轻度脆弱区转化, 占总转
出的66.7%; 轻度脆弱区主要转为微度和中度脆弱
第 9 期 邹桃红等 : 基 于 AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价 1517
http://www.ecoagri.ac.cn
区, 占总转出的94.9%; 中度脆弱区主要向重度和轻
度脆弱区转化, 占总转出的95.4%; 重度脆弱区域有
18.1%转出为其他脆弱等级, 以向中度脆弱区转化为
主, 占总转出的89.7%。2005 ?2010年间, 潜在脆弱
区仅有24.4%转化为其他脆弱等级, 以向微度脆弱
区转化为主; 微度脆弱区有35.6%转化为了潜在脆
弱区, 轻度脆弱区主要向微度脆弱区转化, 中度脆弱
区主要转化为轻度脆弱区, 重度脆弱区主要向中度
脆弱区转化, 说明2005 ?2010年间, 吉林省生态环境
状况有较明显改善。2010 ?2015年间, 潜在脆弱区
主要转化为微度脆弱区, 微度脆弱区主要向轻度脆
弱区转化, 轻度脆弱区主要向微度和中度脆弱区转
化, 中度脆弱区主要向轻度脆弱区和重度脆弱区转
化; 在总转出面积中, 有约37.5%的中度脆弱区转化
为了重度脆弱区, 重度脆弱区则主要向中度脆弱区
转化, 占重度脆弱区总转出面积的83.2%, 说明这段
0
20
40
60
80
100
2000 2005 2010 2015 2020
占比
Proportion (%)
年份 Year
重度 Heavy中度 Moderate轻度 Light
微度 Slight潜在 Potential
图 3 2000—2020年吉林省不同等级生态环境脆弱性栅
格像元占地区总数的比例
Fig. 3 Proportions of raster pixels at different ecological vul-
nerability levels to the total in Jilin Province from 2000
to 2020
表 4 2000—2020年吉林省不同生态环境脆弱性等级面积转移矩阵
Table 4 Matrix of conversions among different ecological vulnerability levels from 2000 to 2020 in Jilin Province
脆弱性等级
Vulnerability level
起始年份 — 终止年份
Starting year?
end year
脆弱性等级 Vulnerability level 总数
Total
转出
Transferred out潜在
Potential
微度
Slight
轻度
Light
中度
Moderate
重度
Heavy
km2
潜在
Potential
2000—2005 28 386 21 064 5542 496 2 55 490 27 104
2005—2010 25 253 6486 1609 43 0 33 391 8138
2010—2015 32 185 11 304 3413 468 42 47 412 15 227
2015—2020 25 573 11 733 8028 1225 10 46 569 20 996
微度
Slight
2000—2005 4646 17 665 13 120 1821 78 37 330 19 665
2005—2010 17 661 23 712 7432 829 16 49 650 25 938
2010—2015 11 052 19 725 19 120 5510 1434 56 841 37 116
2015—2020 4436 12 431 20 504 4923 192 42 486 30 055
轻度
Light
2000—2005 307 10 340 25 065 10 314 802 46 828 21 763
2005—2010 4329 22 741 17 974 3959 198 49 198 31 224
2010—2015 2937 9351 16 886 7366 2724 39 264 22 378
2015—2020 1408 6605 24 141 14 202 1534 47 890 23 749
中度
Moderate
2000—2005 4 538 5082 14 029 6282 25 935 11 906
2005—2010 242 3837 11 246 11 995 2951 30 271 18 276
2010—2015 264 1948 7276 8383 5699 23 570 15 187
2015—2020 141 13 445 8314 12 163 5931 39 994 27 831
重度
Heavy
2000—2005 0 36 377 3612 18 256 22 281 4025
2005—2010 3 193 1095 6832 17 301 25 424 8123
2010—2015 5 84 1152 6155 13 054 20 450 7396
2015—2020 26 259 2258 7819 12 596 22 958 10 362
总数
Total
2000—2005 33 343 49 643 49 186 30 272 25 420
2005—2010 47 488 56 969 39 356 23 658 20 466
2010—2015 46 443 42 412 47 847 27 882 22 953
2015—2020 31 584 44 473 63 254 40 332 20 263
转入
Transferred in
2000—2005 4957 31 978 24 121 16 243 7164
2005—2010 22 235 33 252 21 382 11 663 3165
2010—2015 14 258 22 687 30 961 19 499 9899
2015—2020 6011 32 042 39 104 28 169 7667
1518 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
时间, 生态环境有一定程度的改善, 但部分区域的生
态环境状况有所恶化。2015 ?2020年间, 转出的潜
在脆弱区中, 约55.9%转化为了微度脆弱区, 38.2%
转化为了轻度脆弱区, 微度脆弱区主要转化为了轻
度脆弱区(占总转出面积的68.2%), 转出的轻度脆弱
区中59.8%转化为了中度脆弱区, 中度脆弱区则多
转化为了微度脆弱区和轻度脆弱区, 重度脆弱区以
转化为中度脆弱和轻度脆弱区为主, 表明这一时期
生态环境质量呈现持续改进的趋势, 但部分潜在脆
弱区仍面临着恶化的威胁, 因此需要继续强化生态
环境保护措施的实施效果。
图4显示了2000 ?2020年间不同等级脆弱性转
移的空间分布。由图4a可知26.2×103 km2的潜在脆
弱区转移为其他等级的脆弱区域, 由其他脆弱等级
转 化 为 潜 在 脆 弱 性 区 域 的 面 积 仅 为2.0×103 km2,
表明2000 ?2020年间, 潜在脆弱性等级的区域在不
断减少, 且主要发生在吉林省东部区域。相比之下,
轻度脆弱和中度脆弱性区域的转入面积大于转出面
积, 轻度脆弱区的转入面积最大, 约为37.6×103 km2。
微度脆弱和重度脆弱性区域的转出面积大于转入面
积, 表明重度脆弱性区域的面积在不断减少。结合
转移矩阵, 由图4b-d可知, 微度脆弱区主要转化为中
度和轻度脆弱区, 且主要发生在吉林省东部区域,
表明该区的生态环境质量存在下降的风险。轻度脆
弱区主要由微度脆弱区和中度脆弱区转化而来, 主
要发生在吉林省中部和西部部分区域, 轻度脆弱区
的转出则主要发生在吉林省中部, 该区土地利用类
型主要为耕地, 是吉林省的粮食主产区。中度脆弱
区的转入发生在吉林省西部地区, 表明西部地区生
态环境改善明显。重度脆弱区的转入面积(6.15×
103 km2)小于转出面积(8.15×103 km2), 且主要发生在
吉林省西部地区, 表明该区部分地区生态环境脆弱
状况有一定程度的改善, 但由于受气温偏高和降水
量较低的气候条件影响, 生态环境仍处于重度脆弱,
需 预 防 生 态 环 境 恶 化 的 风 险 。 总 体 上 看, 研 究 区
2000?2020年的生态环境脆弱性变化情况为重度脆
弱性区域面积的整体减少及轻度和中度脆弱性面积
的整体增加。表明近年来吉林省实施的生态环境保
护措施对生态环境的改善起到了良好的促进作用,
使整体生态环境的抗干扰能力提升, 生态环境状况
比较乐观。
无变化 No change
转入 Transferred in
转出 Transferred out
N
S
0 180 360 720 km
W E
0
10
20
30
40
0
10
20
30
40
0
10
20
30
40
0
10
20
30
40
0
10
20
30
40
a 潜在 Potential b 微度 Slight c 轻度 Light
d 中度 Moderate e 重度 Heavy
图 4 2000 ?2020年吉林省不同等级生态脆弱区转移变化空间分布(柱图为转移变化面积, 单位为103 km2)
Fig. 4 Spatial distribution of the transfer among different eco-environmental vulnerability levels from 2000 to 2020 in Jilin Province
(the bar graph indicates the areas of transferred out or in, and the unit is 103 km2)
3.3 区域生态环境脆弱性的空间自相关分析
空间异质性能反映生态环境脆弱性等地理现象
的内在属性。本研究通过ArcGIS 10.2的空间统计
模块对吉林省生态环境脆弱性指数进行空间自相关
分析, 得到Moran I聚集图和显著图(图5)。结果表
明, 2000年吉林省生态环境脆弱性在空间上呈现正
相关关系, 具有一定的集聚效应, 高高集聚区分布在
重度脆弱区, 集中在吉林省西部地区, 零星分布在中
第 9 期 邹桃红等 : 基 于 AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价 1519
http://www.ecoagri.ac.cn
聚集特征
Spatial clustering characteristics
0 115 230 460 km
2000
2005
2010
2015
2020
W E
N
S
不显著 Not significant
高-高 High-high cluster
高-低 High-low outlier
低-高 Low-high outlier
低-低 Low-low cluster
冷点 99% 置信度 Cold spot-99%
冷点 95% 置信度 Cold spot-95%
冷点 90% 置信度 Cold spot-90%
不显著 Not significant
热点 90% 置信度 Hot spot-90%
热点 95% 置信度 Hot spot-95%
热点 99% 置信度 Hot spot-99%
显著图 Significant
图 5 2000—2020年吉林省生态环境脆弱性指数的聚集图(左)与显著图(右)
Fig. 5 Cluster maps (left) and significance maps (right) of ecological vulnerability index in Jilin Province in 2000, 2005, 2010, 2015
and 2020, respectively
1520 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
部区域; 低低集聚区分布在潜在和微度脆弱区, 集中
在研究区东部长白山地区。相比2000年, 2020年
Moran I指数增至0.384, 空间集聚特征进一步显著,
高高集聚区仍在西部平原地区, 有向西部延伸的态
势。低低集聚区的空间分布特征与2000年基本相
似, 有向中部延伸的态势。
4 讨论与结论
本文基于SRP模型构建了吉林省生态环境脆弱
性评价指标模型, 并结合AHP-PCA熵权模型计算各
指标的综合权重, 结合ArcGIS 10.2的空间分析功能,
对研究区生态环境脆弱性的空间分布特征及时间动
态进行了较为系统的分析, 并得出以下结论:
1)由5个年份的生态环境脆弱性定量评价结果
可以看出, 吉林省生态环境整体良好, 轻度及以下脆
弱面积比重较大, 在空间分布上呈由东向西明显加
重的趋势。由于良好的自然条件和较小的人为干扰,
吉林省东部长白山地区是研究区生态状况最好的区
域, 以潜在和微度脆弱为主, 生态环境脆弱性程度低;
吉林省西部地区为松嫩平原的西南部, 由于气候干
燥和严重的盐碱化现象, 加上频繁的人类活动干扰,
使该区成为研究区生态环境最恶化的区域, 以重度
和中度脆弱为主, 这与田超等[39]的研究一致; 吉林省
中部地区位于松嫩平原区, 作为吉林省主要粮食产
区, 人口密集, 受人类活动影响最大, 但由于自然条
件良好, 生态环境脆弱度以微度和轻度为主, 生态环
境状况较好。
2) 从时间角度分析, 2000 ?2020年研究区生态
状 况 总 体 呈 现 转 好 的 态 势, 重 度 脆 弱 区 的 面 积 由
2000年的13.49%降低为2020年的10.71%, 表明吉
林省整体生态环境呈不断改善的趋势, 与麻素挺等[40]
的研究结果相同, 这与吉林省政府在2000年开始的
生态环境建设和保护工作有较大关联, 说明西部地
区的退耕还草、中部地区的黑土地保护等措施在一
定程度上减少了生态环境的压力, 缓解了生态环境
的脆弱程度。同时潜在脆弱区的面积在2000 ?2010
年间呈现增加的趋势, 增幅约为11.82%, 但在2010 ?
2020年 间, 潜 在 脆 弱 区 的 面 积 由29.63%降 低 为
17.12%, 表明吉林省东部长白山地区的生态环境由
于旅游业的发展, 存在退化风险, 在环境管理方面,
应从发展生态旅游着手, 减轻旅游业发展对生态环
境的影响。
3) 吉林省2000 ?2020年5个时期的全局Moran I
指数呈现略微上升的趋势, 由2000年的0.2335上升
至2020年的0.3841, 整个区域内的生态环境脆弱性
指数显现出显著的正相关关系, 表明吉林省生态环
境脆弱性具有较强的空间集聚性, 主要表现为高高
聚集和低低聚集。
区域生态环境脆弱性的定量评估具有复杂性和
不确定性等特征[41], 在指标选取的过程中会由于指标
相关而导致数据冗余, 相较于单纯利用层次分析法
(AHP)来获取指标权重[42], 本文选用主成分分析法
(PCA)来去除各指标间的相关性[43], 获得各指标的客
观权重值。同时, 基于最小信息熵理论结合AHP和
PCA确定指标的综合权重, 能更客观地评价研究区
生态环境脆弱性空间分布特征。自然因素是区域生
态环境脆弱性的主要成因之一[44-45], 本研究发现, 吉
林省生态环境脆弱性的空间分异格局主要受气候因
子、植被覆盖度和景观破碎度的影响。这与前人研
究存在一定差异。王贝贝等[21]分析了南昌市生态环
境脆弱性的驱动机制, 发现人口密度、人均GDP、
坡度和地形起伏度是生态环境脆弱性的主要驱动力
因子; 张学渊等[46]以西北干旱区为例探讨了生态环
境脆弱性的主要驱动因子, 指出土壤及气候因子是
该区域生态环境脆弱性的主要影响因子, 而植被覆
盖度的影响较小。之所以存在这些差异, 可能与研
究区自然环境条件不同相关, 吉林省地处东北黑土
地腹地, 土壤条件较好, 而人口压力及经济发展水平
较南昌地区较低, 因此土壤因子、人口密度和经济
密度对吉林省生态环境脆弱性的驱动力较小。
本文在指标选取上, 更多考虑数据的可获得性,
没有考虑政策因素如生态环境管理等方面的指标及
其他人为活动如种植强度、牲畜数量等指标, 因此,
对生态环境脆弱性评价结果的精度有一定影响, 在
后期研究中, 应更多地将社会脆弱性和生态环境脆
弱性综合考虑, 构建更加完善的生态环境脆弱性评
价指标体系。
为促进吉林省生态环境可持续发展, 应将研究
区按照不同生态环境脆弱性等级实行不同环境保护
政策。以微度脆弱为主的吉林省东部长白山地区为
例, 其植被覆盖度高, 作为生物多样性的基因库应继
续加强实行现有自然保护区政策, 减少人类活动干
扰; 对以微度脆弱为主的吉林中部地区来说, 该区作
为吉林省主要粮食产区, 由于高强度的土地耕作活
动, 生态环境脆弱度有由微度向轻度转化的趋势, 因
此该区应在加强推进黑土地资源保护的同时制定合
理的农用地开发策略; 以重度和中度脆弱为主的吉
林省西部地区, 由于盐碱化和降水资源的缺乏, 生态
第 9 期 邹桃红等 : 基 于 AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价 1521
http://www.ecoagri.ac.cn
环境质量较差, 生态环境保护措施和力度仍需加强
和提高, 同时应有针对性地实施盐碱化治理策略来
改善该区生态环境。
参考文献 References
张莹, 张学玲, 蔡海生. 基于地理探测器的江西省万安县生
态环境脆弱性时空演变及驱动力分析[J]. 水土保持通报,
2018, 38(4): 207?214
ZHANG Y, ZHANG X L, CAI H S. Temporal and spatial
evolutions and its driving factors of ecological vulnerability in
Wan’an County of Jiangxi Province based on geogdetector[J].
Bulletin of Soil and Water Conservation, 2018, 38(4): 207?214
[1]
姚昆, 周兵, 李小菊, 等. 基于AHP-PCA熵权模型的大渡
河流域中上游地区生态环境脆弱性评价[J]. 水土保持研究,
2019, 26(5): 265?271
YAO K, ZHOU B, LI X J, et al. Evaluation of ecological
environment vulnerability in the upper-middle reaches of Dadu
River Basin based on AHP-PCA entropy weight model[J].
Research of Soil and Water Conservation, 2019, 26(5): 265?271
[2]
TURNER B L Ⅱ, KASPERSON R E, MATSON P A, et al. A
framework for vulnerability analysis in sustainability science[J].
Proceedings of the National Academy of Sciences of the United
States of America, 2003, 100(14): 8074?8079
[3]
张笑楠, 王克林, 张伟, 等. 桂西北喀斯特区域生态环境脆
弱性[J]. 生态学报, 2009, 29(2): 749?757
ZHANG X N, WANG K L, ZHANG W, et al. The quantitative
assessment of eco-environment vulnerability in karst regions of
Northwest Guangxi[J]. Acta Ecologica Sinica, 2009, 29(2):
749?757
[4]
李平星, 樊杰. 基于VSD模型的区域生态系统脆弱性评
价 ?以广西西江经济带为例[J]. 自然资源学报, 2014,
29(5): 779?788
LI P X, FAN J. Regional ecological vulnerability assessment
based on VSD model: a case study of Xijiang River economic
belt in Guangxi[J]. Journal of Natural Resources, 2014, 29(5):
779?788
[5]
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?106
GUO B, KONG W H, JIANG L, et al. Analysis of spatial and
temporal changes and its driving mechanism of ecological
vulnerability of alpine ecosystem in Qinghai Tibet Plateau[J].
Ecological Science, 2018, 37(3): 96?106
[6]
陈枫, 李泽红, 董锁成, 等. 基于VSD模型的黄土高原丘陵
沟壑区县域生态环境脆弱性评价 ?以甘肃省临洮县为
例[J]. 干旱区资源与环境, 2018, 32(11): 74?80
CHEN F, LI Z H, DONG S C, et al. Evaluation of ecological
vulnerability in gully-hilly region of Loess Plateau based on
VSD Model — A case of Lintao County[J]. Journal of Arid
Land Resources and Environment, 2018, 32(11): 74?80
[7]
郭兵, 孔维华, 姜琳. 西北干旱荒漠生态区脆弱性动态监测
及 驱 动 因 子 定 量 分 析[J]. 自 然 资 源 学 报, 2018, 33(3):
412?424
GUO B, KONG W H, JIANG L. Dynamic monitoring of
[8]
ecological vulnerability in arid desert ecological region of
northwest China and the quantitative analysis of its driving
forces[J]. Journal of Natural Resources, 2018, 33(3): 412?424
马骏, 李昌晓, 魏虹, 等. 三峡库区生态环境脆弱性评价[J].
生态学报, 2015, 35(21): 7117?7129
MA J, LI C X, WEI H, et al. Dynamic evaluation of ecological
vulnerability in the Three Gorges Reservoir Region in
Chongqing Municipality, China[J]. Acta Ecologica Sinica,
2015, 35(21): 7117?7129
[9]
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
[10]
刘正佳, 于兴修, 李蕾, 等. 基于SRP概念模型的沂蒙山区
生 态 环 境 脆 弱 性 评 价 [J]. 应 用 生 态 学 报 , 2011, 22(8):
2084?2090
LIU Z J, YU X X, LI L, et al. Vulnerability assessment of eco-
environment in Yimeng mountainous area of Shandong
Province based on SRP conceptual model[J]. Chinese Journal of
Applied Ecology, 2011, 22(8): 2084?2090
[11]
贾晶晶, 赵军, 王建邦, 等. 基于SRP模型的石羊河流域生
态 环 境 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]
谢余初, 巩杰, 张玲玲. 基于PSR模型的白龙江流域景观生
态安全时空变化[J]. 地理科学, 2015, 35(6): 790?797
XIE Y C, GONG J, ZHANG L L. Dynamics of landscape
ecological security based on PSR model in the Bailongjiang
River watershed[J]. Scientia Geographica Sinica, 2015, 35(6):
790?797
[13]
赵志荣, 许端阳, 张绪教, 等. 2000—2015年内蒙古地区土
地 沙 漠 化 脆 弱 性 评 估 [J]. 水 土 保 持 研 究 , 2020, 27(1):
168?175
ZHAO Z R, XU D Y, ZHANG X J, et al. Assessment of the
land desertification vulnerability in Inner Mongolia during the
period 2000?2015[J]. Research of Soil and Water
Conservation, 2020, 27(1): 168?175
[14]
郭宾, 周忠发, 苏维词, 等. 基于格网GIS的喀斯特山区草
地 生 态 环 境 脆 弱 性 评 价[J]. 水 土 保 持 通 报, 2014, 34(2):
204?207
GUO B, ZHOU Z F, SU W C, et al. Evaluation of ecological
vulnerability of Karst grassland based on grid GIS[J]. Bulletin
of Soil and Water Conservation, 2014, 34(2): 204?207
[15]
田海宁. 汉中市生态环境脆弱性评价及空间分布规律研
究[J]. 中国农业资源与区划, 2017, 38(3): 148?152
TIAN H N. The ecological vulnerability assessment and spatial
distribution of Hanzhong City[J]. Chinese Journal of
Agricultural Resources and Regional Planning, 2017, 38(3):
148?152
[16]
1522 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
BOORI M S, AMARO V E. Natural and eco-environmental
vulnerability assessment through multi-temporal satellite data
sets in Apodi Valley Region, Northeast Brazil[J]. Journal of
Geography and Regional Planning, 2011, 4(4): 216?230
[17]
卢冬爱, 谈树成, 夏既胜. 基于景观格局和水土流失敏感性
的大理市生态环境脆弱性分析[J]. 云南地理环境研究, 2009,
21(2): 92?96
LU D A, TAN S C, XIA J S. Analysis on the ecological
vulnerability of Dali City based on its landscape pattern and
sensitivity to soil and water loss[J]. Yunnan Geographic
Environment Research, 2009, 21(2): 92?96
[18]
柳新伟, 周厚诚, 李萍, 等. 生态系统稳定性定义剖析[J].
生态学报, 2004, 24(11): 2635?2640
LIU X W, ZHOU H C, LI P, et al. A conceptual analysis of
ecosystem stability[J]. Acta Ecologica Sinica, 2004, 24(11):
2635?2640
[19]
于国强, 杜保佳, 刘吉平. 1986—2012年吉林省西部湿地生
态系统脆弱性评价[J]. 湿地科学, 2016, 14(3): 439?445
YU G Q, DU B J, LIU J P. Ecosystem vulnerability assessment
of wetlands in western Jilin Province from 1986 to 2012[J].
Wetland Science, 2016, 14(3): 439?445
[20]
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
WANG B B, DING M J, GUAN Q H, et al. Gridded assessment
of eco-environmental vulnerability in Nanchang City[J]. Acta
Ecologica Sinica, 2019, 39(15): 5460?5472
[21]
邱彭华, 徐颂军, 谢跟踪, 等. 基于景观格局和生态敏感性
的海南西部地区生态环境脆弱性分析[J]. 生态学报, 2007,
27(4): 1257?1264
QIU P H, XU S J, XIE G Z, et al. Analysis on the ecological
vulnerability of the western Hainan Island based on its
landscape pattern and ecosystem sensitivity[J]. Acta Ecologica
Sinica, 2007, 27(4): 1257?1264
[22]
王林峰, 张平宇, 李鹤, 等. 东北西部农牧交错带社会生态
系统脆弱性[J]. 中国科学院大学学报, 2018, 35(3): 345?352
WANG L F, ZHANG P Y, LI H, et al. Vulnerability of social-
ecosystem in agro-pastoral ecotone in western Northeast
China[J]. Journal of University of Chinese Academy of
Sciences, 2018, 35(3): 345?352
[23]
王小丹, 钟祥浩. 生态环境脆弱性概念的若干问题探讨[J].
山地学报, 2003, 21(B12): 21?25
WANG X D, ZHONG X H. Approaches to concept of
vulnerability of ecology and environment[J]. Journal of
Mountain Research, 2003, 21(B12): 21?25
[24]
王志杰, 苏嫄. 南水北调中线汉中市水源地生态环境脆弱性
评价与特征分析[J]. 生态学报, 2018, 38(2): 432?442
WANG Z J, SU Y. Analysis of eco-environmental vulnerability
characteristics of Hanzhong City, near the water source midway
along the route of the south-to-north water transfer project,
China[J]. Acta Ecologica Sinica, 2018, 38(2): 432?442
[25]
WISCHMEIER W H, SMITH D D. Predicting Rainfall Erosion
Losses: A Guide to Conservation Planning[M]. Washington:
USDA, 1978
[26]
孟猛, 倪健, 张治国. 地理生态学的干燥度指数及其应用评
述[J]. 植物生态学报, 2004, 28(6): 853?861
[27]
MENG M, NI J, ZHANG Z G. Aridity index and its applications
in geo-ecological study[J]. Chinese Journal of Plant Ecology,
2004, 28(6): 853?861
王建邦, 赵军, 李传华, 等. 2001—2015年中国植被覆盖人
为影响的时空格局[J]. 地理学报, 2019, 74(3): 504?519
WANG J B, ZHAO J, LI C H, et al. The spatial-temporal
patterns of the impact of human activities on vegetation
coverage in China from 2001 to 2015[J]. Acta Geographica
Sinica, 2019, 74(3): 504?519
[28]
李永化, 范强, 王雪, 等. 基于SRP模型的自然灾害多发区
生态环境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?1459
LI Y H, FAN Q, WANG X, et al. Spatial and temporal
differentiation of ecological vulnerability under the frequency of
natural hazard based on SRP model: a case study in Chaoyang
County[J]. Scientia Geographica Sinica, 2015, 35(11):
1452?1459
[29]
陈爱莲, 朱博勤, 陈利顶, 等. 双台河口湿地景观及生态干
扰度的动态变化[J]. 应用生态学报, 2010, 21(5): 1120?1128
CHEN A L, ZHU B Q, CHEN L D, et al. Dynamic changes of
landscape pattern and eco-disturbance degree in Shuangtai
Estuary wet land of Liaoning Province, China[J]. Chinese
Journal of Applied Ecology, 2010, 21(5): 1120?1128
[30]
张金茜, 李红瑛, 曹二佳, 等. 多尺度流域生态环境脆弱性
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 multi-scale 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
[31]
刘春艳, 张科, 刘吉平. 1976—2013年三江平原景观生态风
险变化及驱动力[J]. 生态学报, 2018, 38(11): 3729?3740
LIU C Y, ZHANG K, LIU J P. A long-term site study for the
ecological risk migration of landscapes and its driving forces in
the Sanjiang Plain from 1976 to 2013[J]. Acta Ecologica Sinica,
2018, 38(11): 3729?3740
[32]
巩杰, 赵彩霞, 谢余初, 等. 基于景观格局的甘肃白龙江流
域 生 态 风 险 评 价 与 管 理[J]. 应 用 生 态 学 报, 2014, 25(7):
2041?2048
GONG J, ZHAO C X, XIE Y C, et al. Ecological risk
assessment and its management of Bailongjiang watershed,
southern Gansu based on landscape pattern[J]. Chinese Journal
of Applied Ecology, 2014, 25(7): 2041?2048
[33]
ZOU T H, YOSHINO K. Environmental vulnerability
evaluation using a spatial principal components approach in the
Daxing’anling region, China[J]. Ecological Indicators, 2017, 78:
405?415
[34]
李帅, 魏虹, 倪细炉, 等. 基于层次分析法和熵权法的宁夏
城 市 人 居 环 境 质 量 评 价[J]. 应 用 生 态 学 报, 2014, 25(9):
2700?2708
LI S, WEI H, NI X L, et al. Evaluation of urban human
settlement quality in Ningxia based on AHP and the entropy
method[J]. Chinese Journal of Applied Ecology, 2014, 25(9):
2700?2708
[35]
周梦云, 蔡永立, 张瑞峰, 等. 宁夏贺兰山国家级自然保护[36]
第 9 期 邹桃红等 : 基 于 AHP-PCA熵权组合模型的吉林省生态环境脆弱性动态评价 1523
http://www.ecoagri.ac.cn
区建立前后区域生态环境脆弱性时空格局变化研究[J]. 生态
科学, 2019, 38(5): 78?85
ZHOU M Y, CAI Y L, ZHANG R F, et al. The tempo-spatial
pattern of regional ecological vulnerability before and after the
establishment of National Nature Reserve in Helan Mountain of
Ningxia[J]. Ecological Science, 2019, 38(5): 78?85
ANSELIN L. Local indicators of spatial association — LISA[J].
Geographical Analysis, 1995, 27(2): 93?115
[37]
DING Q A, SHI X, ZHUANG D F, et al. Temporal and spatial
distributions of ecological vulnerability under the influence of
natural and anthropogenic factors in an eco-province under
construction in China[J]. Sustainability, 2018, 10(9): 3087
[38]
田超, 杨夏捷, 鞠园华, 等. 吉林省西部地区生态环境脆弱
性的动态评价[J]. 水土保持研究, 2018, 25(4): 298?303
TIAN C, YANG X J, JU Y H, et al. Dynamic evaluation of
ecological vulnerability in western Jilin Province[J]. Research of
Soil and Water Conservation, 2018, 25(4): 298?303
[39]
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
MA S T, TANG J, LIN N F. Synthetic assessment of eco-
environment in the western Jinlin Province based on multi-
sources GIS and RS spatial information[J]. Resources Science,
2004, 26(4): 140?145
[40]
郭泽呈, 魏伟, 庞素菲, 等. 基于SPCA和遥感指数的干旱
内陆河流域生态环境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?2572
GUO Z C, WEI W, PANG S F, et al. Spatio-temporal evolution
and motivation analysis of ecological vulnerability in arid inland
river basin based on SPCA and remote sensing index: A case
study on the Shiyang River Basin[J]. Acta Ecologica Sinica,
2019, 39(7): 2558?2572
[41]
李平星, 陈诚. 基于VSD模型的经济发达地区生态环境脆弱
性评价 ?以太湖流域为例[J]. 生态环境学报, 2014, 23(2):
[42]
237?243
LI P X, CHEN C. Ecological vulnerability assessment of
economic developed region based on VSD model: the case of
Taihu basin[J]. Ecology and Environmental Science, 2014,
23(2): 237?243
潘竟虎, 刘晓. 基于空间主成分和最小累积阻力模型的内陆
河景观生态安全评价与格局优化 ?以张掖市甘州区为
例[J]. 应用生态学报, 2015, 26(10): 3126?3136
PAN J H, LIU X. Assessment of landscape ecological security
and optimization of landscape pattern based on spatial principal
component analysis and resistance model in arid inland area: A
case study of Ganzhou District, Zhangye City, Northwest
China[J]. Chinese Journal of Applied Ecology, 2015, 26(10):
3126?3136
[43]
朱琪, 王亚楠, 周旺明, 等. 东北森林带生态环境脆弱性时
空 变 化 及 其 驱 动 因 素 [J]. 生 态 学 杂 志 , 2021, 40(11):
3474?3482
ZHU Q, WANG Y N, ZHOU W M, et al. Spatiotemporal
changes and driving factors of ecological vulnerability in
Northeast China forest belt[J]. Chinese Journal of Ecology,
2021, 40(11): 3474?3482
[44]
姚雄, 余坤勇, 刘健, 等. 南方水土流失严重区的生态环境
脆弱性时空演变[J]. 应用生态学报, 2016, 27(3): 735?745
YAO X, YU K Y, LIU J, et al. Spatial and temporal changes of
the ecological vulnerability in a serious soil erosion area,
southern China[J]. Chinese Journal of Applied Ecology, 2016,
27(3): 735?745
[45]
张学渊, 魏伟, 周亮, 等. 西北干旱区生态环境脆弱性时空
演变分析[J]. 生态学报, 2021, 41(12): 4707?4719
ZHANG X Y, WEI W, ZHOU L, et al. Analysis on spatio-
temporal evolution of ecological vulnerability in arid areas of
Northwest China[J]. Acta Ecologica Sinica, 2021, 41(12):
4707?4719
[46]
1524 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
|
|
