EN中文

Wetland Science >

2025 , Vol. 23 >Issue 5: 878 - 887

DOI: https://doi.org/10.13248/j.cnki.wetlandsci.20240181

Ecological sensitivity evaluation of Longfeng Wetland Provincial Nature Reserve based on GIS

  • Zhu Mianxuan ,
  • Zhang Ting ,
  • Hu Haihui , *
Expand

Received date: 2024-07-02

  Revised date: 2025-03-04

  Online published: 2026-03-12

Copyright

Copyright ©2025 Wetland Science. All rights reserved.
Fold

Abstract

Ecological sensitivity assessment plays a crucial role in regional environmental protection and the formulation of functional zoning. Using GIS, an ecological sensitivity assessment was conducted on the Longfeng Wetland. Eight indicators elevation, slope, slope aspect, vegetation cover, water body buffer zone, land use type, road buffer zone, and settlement were selected to construct an ecological sensitivity evaluation system. The Analytic Hierarchy Process (AHP) and GIS spatial analysis were employed to assess the ecological sensitivity of the study area. The results indicate that the overall ecological sensitivity of the Longfeng Wetland is relatively low, with a predominance of moderately sensitive areas; vegetation cover and water body buffer zones have the greatest influence on ecological sensitivity; non-sensitive, moderately sensitive, and highly sensitive areas account for 39.5%, 46.4%, and 14.1% of the Longfeng Wetland's total area, respectively; highly sensitive areas are concentrated in the northeastern and central parts of the study area, primarily in reed marsh wetlands, with additional concentrations in the southwestern part's bog wetlands. Moderately sensitive areas are distributed around the periphery of highly sensitive areas, while the remaining areas are non-sensitive, primarily located along the edges of the study area. The basic spatial pattern of sensitivity is a gradual decrease from the central water body of the protected area outward. Based on the evaluation results, relevant recommendations for environmental protection and ecological construction are proposed to provide reference for the protection of wetland ecology and the planning of wetland landscapes.

Cite this article

Zhu Mianxuan , Zhang Ting , Hu Haihui . Ecological sensitivity evaluation of Longfeng Wetland Provincial Nature Reserve based on GIS[J]. Wetland Science, 2025 , 23(5) : 878 -887 . DOI: 10.13248/j.cnki.wetlandsci.20240181

生态敏感性是指生态系统对人类干扰和外界环境变化的敏感程度[1]。目前，国内外关于生态敏感性已经开展的研究包括草原生态敏感性评估[2]、山地丘陵的生态敏感性评估[3]、河湖流域的生态敏感性评价[4]、基于生态敏感性的国家湿地公园功能分区研究[5-6]、国家公园风景资源保育研究[7]、生态安全格局构建[8]、土地生态敏感性评价[9]等。
黑龙江省龙凤湿地省级自然保护区在城市气候的调节、美化城市环境、调节雨水径流等方面有着重要作用[10]。但是，随着近年来大庆市石油工业发展与持续高强度的城市化建设，龙凤湿地省级自然保护区的原始生态系统遭到了破坏[11]，通过对研究区进行生态敏感性评价，可以直观表示研究区内易发生环境问题的地区，从而为研究区域的生态保护与环境治理提供参考。
本研究结合层次分析法和GIS空间分析法，以可持续发展理论为基础，构建龙凤湿地自然保护区的生态敏感性评价体系，丰富对湿地景观方面的保护与研究，拓宽湿地生态系统的研究视角，为湿地保护区的相关研究提供参考，对解决湿地自然保护区内潜在的问题并进行合理规划具有重要的意义。

1 数据和方法

1.1 研究区

黑龙江省大庆市龙凤湿地省级自然保护区(46°28′N~46°33′N，125°07′E~125°15′E)(图1)距城市中心仅5 km，是保存完整的芦苇(Phragmites australis)沼泽和典型的城中湿地。该区地处中纬度地带，气候属温带大陆性季风气候，四季分明，冬季寒冷干燥，夏季高温多雨，四季温差较大，年平均气温为4.5 ℃，年降水量为373.4 mm，年蒸发量为960.7 mm，蒸发量远大于降水量[12]。研究区面积约为5 050.39 ha[13]。研究区内地势低洼平坦，泡沼相间，土壤由草甸土和沼泽土组成，其中沼泽土是主要的土壤类型，分布面积约占研究区总面积的80%[14]。研究区内动植物种类繁多，植物有300余种，以水生植物为主，动物有200余种[15-17]。
1 Schematic diagram of the location of Heilongjiang Longfeng Wetland Provincial Nature Reserve

黑龙江省龙凤湿地省级自然保护区位置示意图

1.2 数据来源

本研究采用2024年3月26日的数字高程模型(DEM)，该数据下载自地理空间数据云网站 (https://www.gscloud.cn/search)，空间分辨率为30 m。植被覆盖数据来源于LandSat 8 OLI(Operational LandI mager)遥感影像，该数据下载自地理空间数据云网站(https://www.gscloud.cn/search)，空间分辨率为30 m。土地利用类型数据来源于全球地表覆盖数据集(http://www.globallandcover.com)，空间分辨率为30 m。居民点相关数据通过土地利用数据提取得出。利用OSM网站(https://openstreetmap.org)，进行道路网矢量数据的爬取。

1.3 数据处理

将研究区DEM数据和土地覆盖数据在ArcGIS10.8软件中按投影转换、裁剪、重分类等步骤，生成空间分析的矢量结果和统计分析的数量结果。
植被覆盖度主要通过像元二分法计算，像元二分法是假设一个像元的信息包括土壤信息和植被信息[18]。其计算公式为：
\begin{document}$ FVC=\frac{NDVI-{NDVI}_{{\mathrm{Soil}}}}{{NDVI}_{{\mathrm{Veg}}}-{NDVI}_{{\mathrm{Soil}}}} $\end{document}
公式(1)中，FVC为植被覆盖度；NDVI为像元的归一化植被指数，利用地理空间数据云下载的Landset 8 OLI遥感影像在ENVI遥感影像处理平台中进行辐射定标、大气校正、计算得到；NDVISoil表示裸土像元的归一化植被指数；NDVIVeg表示纯植被覆盖像元的归一化植被指数。根据相关研究结果[19]，本研究采用置信区间法确定NDVISoil和NDVIVeg，即以NDVI累计百分比5%的累计值为NDVISoil，以NDVI累计百分比95%的累计值为NDVIVeg，最后利用ArcGIS10.8软件进行重分类、裁剪等处理，生成所需的可视化数据。
居民点数据利用ArcGIS10.8软件通过空间插值、空间统计的方法，利用重分类、裁剪等处理，生成栅格为30 m的空间化栅格数据。
在ArcGIS10.8软件中，对研究区水系、道路网等数据进行缓冲区范围设定。缓冲区范围为整个研究区域，缓冲区范围阈值为不同单因子指标到研究区域边界的距离。

1.4 生态敏感性评价体系

1.4.1 生态敏感性评价指标的构建

生态敏感性的评价指标包括地形地貌、海拔高度、水体道路等，但是不同地域的影响因子具有多样性[20]。评价指标的选择应依据评价目标区域的实际情况和评价内容，如王婧妍等[21]在研究金庭镇的生态敏感性时，选择了高程、坡度、地形起伏度、植被覆盖度和水体距离5个评价指标[22]；徐广才等[23]在评价阜康市的生态敏感性时，选择了土壤侵蚀、土壤盐渍化和沙漠化这3类指标。国外也有相关学者利用主成分分析法，选取坡度、降水量和植被覆盖度进行生态敏感性的评价[24]。
本研究参照文献[25-26]，结合研究区域实地调研和研究区域地理位置特点等综合因素，构建了包含高程、坡度、坡向、植被覆盖度、土地利用类型、水域缓冲区、道路缓冲区、居民点8个指标在内的龙凤湿地省级自然保护区生态敏感性评价指标体系(表1)。
1 Ecological sensitivity evaluation index system

生态敏感性评价指标体系

目标层准则层指标层
生态敏感性评价地理因素高程
坡度
坡向
环境因素植被覆盖度
水域缓冲区
人为因素土地利用类型
道路缓冲区
居民点
高程在大多数生态系统中起着至关重要的作用，一般随着海拔升高，气温逐渐降低，动植物生存环境受到影响，生态系统变得更加脆弱，因此高程偏高的区域生态敏感性会更高[27]。
坡度因子是导致土壤侵蚀和生态系统其他问题的主要因素之一[28]。坡度越大，地形越陡，水土流失越容易产生，对植物生长环境造成破坏；平地受影响较小，水土不易流失，植被生长稳定[29]。因此，坡度越大，生态敏感性越高[30]。
坡向的产生来自高程之间的差值，由于太阳的自然升降，不同坡向受日照时间自然有差异，因此温度、植被、土壤等因素都会受到直接或间接的影响[31]。受太阳辐射时间越长的坡面生态敏感性越低。
植被覆盖度是指地面植物垂直投影面积占统计区域总面积的比重[32]。它是量化地表植被覆盖程度和植物生长趋势的重要因素，也是反映生态环境的重要因素[33]。植被覆盖率是植物生长状况和土壤状况的间接反映指标，植被覆盖率越高，生态敏感性越高[34]。
水体是生态系统组成的重要因素之一[35]。水体为维持动植物的生命活动、环境质量与生物多样性提供基础。研究区域内密集分布的水系网络构成了复杂的生态廊道系统，这种特殊的水域格局虽然具有重要的生态价值，但也极易受到人类活动的负面影响。因此距离水体越近，影响越明显，即生态敏感性就越高。
土地利用类型反映了人类对土地的分类和利用，也间接反映了人类活动对自然环境的影响。使用频率较高的土地类型具有较高的环境承载力和较低的生态敏感性[36]。
与道路距离越远的区域，生态环境受到的干扰越小，生态敏感性则越低[37]。龙凤湿地省级自然保护区的规划建设中，道路规划是整个设计的骨架，其建设也会对生态环境产生影响，因此可设置缓冲区并划分敏感等级。
居民点因子是基于土地利用类型与道路缓冲区因子结合的敏感性指标因子，居民点因子反映了人类活动的强弱，通常距离居民点越近，生态敏感性越低。

1.4.2 层次分析权重计算

层次分析法(AHP)是一种用于决策分析的方法，在生态学领域得到了广泛的应用[38]。它把问题分解成多个层次，从而逐步确定各因子的权重，本研究中各生态因子的权重主要通过层次分析法计算，主要操作步骤如下：
首先构建多层级的结构模型，搭建判断矩阵，将龙凤湿地省级自然保护区的生态敏感性定为目标层，其中，准则层为一级评价指标，目标层为二级评价指标，邀请5名相关领域专家，对各因子的重要性进行评级打分[39]，获得两两要素之间的相对重要性。
第二步，利用平方根法，得到各因子的权重(Wj)与特征向量(λmax)，计算公式为：
\begin{document}$ {M}_{i}=\sqrt[n]{\prod _{j=1}^{n}{a}_{ij}} $\end{document}
\begin{document}$ {W}_{i}=\frac{{M}_{i}}{{\displaystyle\sum }_{i=1}^{n}{M}_{i}} $\end{document}
\begin{document}$ \lambda\mathrm{_{max}}=\sum_{i=1}^n\frac{(AW)_i}{nW_j} $\end{document}
\begin{document}$ W_j=\frac{1}{n}\sum_{k=1}^n\frac{a_{jk}}{\displaystyle\sum_{i=1}^na_{ik}} $\end{document}
公式(2)~(5)中，Mi为每一行元素乘积的n次方根；aij为在上一级准则(或目标)下，第 i 个因素与第j个因素的相对重要性之比；Wi为归一化处理数值；A为构造的判断矩阵；Wj为因子的权重；ajk为判断矩阵中第 j 行、第 k 列的元素值；n为判断矩阵的阶数(即要素的个数)。
第三步，对判断矩阵进行一致性检验，计算公式为：
\begin{document}$ CI=\frac{\lambda_{\mathrm{max}}-n}{n-1} $\end{document}
\begin{document}$ RI=\frac{\lambda'\mathrm{_{max}}-n}{n-1} $\end{document}
\begin{document}$ CR=\frac{CI}{RI} $\end{document}
公式(6)~(8)中，CI为一致性指标；RI为随机一致性指标；λ'max为最大特征根的平均值；CR为一致性比例。当CR<0.10时，认为判断矩阵通过一致性检验[40]，权重结果具有参考性，可以进行权重的整理排序；如果未通过检验，则必须重新创建判断矩阵。本研究的CR值均小于0.10，通过一致性检验。龙凤湿地省级自然保护区各因子的特征向量、一致性比例和权重见表2和表3。
2 Criteria layer weights

准则层权重

环境因素 地理因素 人为因素 权重值(Wj) 一致性比例(CR) λmax
环境因素 1.000 0 1.900 0 1.6 0.465 2 0.000 5 3.000 5
地理因素 0.526 3 1.000 0 0.9 0.250 4
人为因素 0.625 0 1.111 1 1.0 0.284 4
3 Indicator layer weights

指标层权重

高程 坡度 坡向 植被覆盖度 水域缓冲区 土地利用类型 道路缓冲区 居民点 权重值(Wj) 一致性比例(CR) λmax
注：“\”表示非同一准则层的单因子无法进行比对。
高程 1.0 0.333 3 2 \ \ \ \ \ 0.249 3 0.051 6 3.053 6
坡度 3.0 1.000 0 3 \ \ \ \ \ 0.593 6
坡向 0.5 0.333 3 1 \ \ \ \ \ 0.157 1
植被覆盖度 \ \ \ 1.00 0.8 \ \ \ 0.444 4 0.000 0 2.000 0
水域缓冲区 \ \ \ 1.25 1.0 \ \ \ 0.555 6
土地利用类型 \ \ \ \ \ 1.000 0 2.3 0.8 0.384 9 0.014 1 3.014 7
道路缓冲区 \ \ \ \ \ 0.434 1 1.0 0.5 0.188 9
居民点 \ \ \ \ \ 1.250 0 2.0 1.0 0.426 3

1.4.3 评价因子的分级赋值

不同评价因子对研究区的影响不同，为了完善对单因子影响的研究，通过专家意见征询，利用ArcGIS自然间断点分级法(Jenks)[41]，将前文选择的各评价因子从低到高量化赋值1~9，对应划分为不敏感(1)、轻度敏感(3)、中度敏感(5)、高度敏感(7)和极度敏感(9)共5个等级。具体的分类赋值见表4。
4 Ecological sensitivity grading assignment table

生态敏感性分级赋值表

敏感性因子 敏感性等级及其赋值
不敏感 比较敏感 中度敏感 高度敏感 极度敏感
1 3 5 7 9
高程/m [130,142) [142,145) [145,147) [147,150) [150,171)
坡度/° [0,1) [1,3) [3,6) [6,12) [12,18)
坡向 正南 东南、西南 正东、正西、平面 东北、西北 正北
植被覆盖度 [0,0.2) [0.2,0.4) [0.4,0.6) [0.6,0.8) [0.8,1)
水域缓冲区/m [2000,3700) [1000,2000) [600,1000) [200,600) [0,200)
土地利用类型 建设用地 耕地 林地 草地 湿地
道路缓冲区/m [2800,4700) [1850,2800) [1050,1850) [400,1050) [0,400)
居民点/m [0,150) [150,450) [450,800) [800,1250) [1250,2120)

1.4.4 综合敏感性评价方法

通过ArcGIS10.8，将8个单因子导入，利用算术叠加进行各因子权重综合计算，即生态敏感性因子与权重的乘积综合，计算公式为：
\begin{document}$ S=\sum _{i=1}^{n}{C}_{i}\times {W}_{i} $\end{document}
式(9)中，S为综合评价结果；Ci为第i个评价因子；Wi为第i个评价因子的权重；n为评价因子总数。

2 结果与分析

2.1 单因子敏感性评价与分析

算出评价指标体系中8个评价因子的生态敏感性，再利用自然间断点法重分类，将龙凤湿地自然保护区生态敏感性结果划分为不敏感区、比较敏感区、中度敏感区、高度敏感区和极度敏感区(图2)，最后计算不同敏感性区域所占面积百分比(表5)。
2 Single-factor ecological sensitivity analysis of Longfeng Wetland Provincial Nature Reserve

龙凤湿地省级自然保护区单因子生态敏感性分析

2.1.1 地理因素准则层敏感性分析

研究区高程因子高度敏感区与极度敏感区占比之和为3.1%(表5)；坡度因子高度敏感与极度敏感区占比之和为0.3%；坡向因子极度敏感区域面积占比为12.8%，从各敏感度所占区域面积来看，不敏感与比较敏感区所占面积较大，高度敏感与极度敏感区面积较小，从影响分布与面积占比可以得出，研究区地理准则层敏感性偏低。

2.1.2 环境因素准则层敏感性分析

研究区植被覆盖度因子高度敏感区与极度敏感区面积之和达到了总面积的51.2%(表5)；水域缓冲区因子极度敏感区占比为69.8%，环境准则层敏感度较高，说明研究区环境比较脆弱，受外界因素影响后发生环境问题概率较大，易发生生态问题。

2.1.3 人为因素准则层敏感性分析

研究区土地利用类型因子极度敏感区域占比为55.7%(表5)；道路缓冲区因子极度敏感区域占比为12.8%；居民点因子极度敏感区域占比为7.0%。除土地利用类型因子敏感度较高外，其他因子敏感度较低，说明保护区内受人类活动影响较少。
5 Proportion of ecologically sensitive areas in the Longfeng Wetland Provincial Nature Reserve

龙凤湿地省级自然保护区单因子生态敏感性面积占比

单因子面积占比/%不敏感比较敏感中度敏感高度敏感极度敏感
高程20.965.310.72.50.6
坡度82.215.32.20.20.1
坡向13.222.329.322.512.8
植被覆盖度18.412.218.228.223.0
水域缓冲区0.22.89.018.269.8
道路缓冲区38.926.619.612.112.8
土地利用类型15.25.423.60.155.7
居民点33.226.619.014.27.0

2.2 综合敏感性评价与分析

根据自然间断点法分级，将龙凤湿地自然保护区综合生态敏感性结果划分为不敏感、比较敏感和极度敏感共3个等级(图3)。利用ArcGIS10.8软件计算不同敏感度在研究区域内的面积占比(表6)。研究区综合生态敏感性中极高敏感区面积占比约为14.1%；比较敏感区域面积占比约为46.4%；不敏感区域面积占比为39.5%。在空间分布上，极度敏感区主要集中于2个区域：一是研究区东北部至中部连片分布的芦苇沼泽湿地，二是西南部的集中泡沼。比较敏感区则呈环带状分布于极度敏感区外围，形成过渡缓冲带。不敏感区主要占据研究区边缘地带，其分布范围与人为活动频繁区域高度重合。从空间格局来看，生态敏感度表现出明显的梯度变化特征：以龙凤湿地核心水域为最高值中心，敏感性程度由水体向外围递减。这种空间分布的差异性规律与湿地生态系统的水文过程、植被分布等环境要素的空间异质性密切相关，充分反映了湿地生态系统对环境变化的响应特征。
3 Comprehensive Ecological Sensitivity Analysis of Longfeng Wetland Provincial Nature Reserve

龙凤湿地省级自然保护区综合生态敏感性分析

6 Proportion of comprehensive sensitivity area in Longfeng Wetland Provincial Nature Reserve

龙凤湿地省级自然保护区综合敏感性面积占比

生态敏感性因子敏感等级赋值面积占比/%
综合生态敏感性因子不敏感139.5
比较敏感546.4
极度敏感914.1

3 讨　论

根据本研究评价结果，总体上龙凤湿地处于中度敏感程度，极度敏感区域主要分布在中心地区的芦苇湿地和泡沼，这是由于这些地区都具有海拔低、植被覆盖度高和水域面积大的特征，较高的植被覆盖度表明该地区生态环境良好，但同时伴随着更高的生态问题隐患，一旦人类活动过度，其自然修复功能在短时间内将无法发挥作用[42]，因此要做好该地区的生态保护工作；比较敏感区域主要分布在极度敏感区域四周，这是由于比较敏感区域距离湿地水体有一段距离，其余地区由于人类活动较大且距离水体较远，为不敏感区域，区域内部多为居民点与各类建筑用地。
单因子分析结果表明，研究区内水域缓冲区、土地利用类型和植被覆盖度因子高敏感面积占比最高，这是因为研究区域内以水体为主且区域内的土地类型多为敏感性较高的湿地与草地。其次是居民点和道路缓冲区，这是因为研究区域四周有居住区，人类活动较为密集，且研究区域四周紧邻城市主干道与铁路线横跨湿地区域。高程、坡度和坡向在内的地理准则层因子高敏感面积占比最低且分布集中，这是因为研究区域位于松嫩平原，海拔较低，地形起伏小，整体以平面为主。
中国在对湿地保护区的保护与划分上，将湿地保护区划分为核心区、缓冲区和实验区[43]，其中核心区的物种生态系统及自然景观要受到严格的保护，并对其设立相关监测机构；缓冲区通常作为科学研究与生态旅游等活动场所；实验区通常作为环境教育、人员培训、资源综合研究利用与实验示范的场所。龙凤湿地的沼泽生态敏感性较高，可将该片区域划分为核心区域并做好生态保育工作，并在积极保护极度敏感区域的同时当地政府及有关部门应监督并禁止破坏湿地及其生态功能的行为，泡沼与沼泽水体周围敏感性较低，在进行人类活动和开发的潜在影响相对较小，可将该片区域划分为缓冲区与实验区，可以在不破坏研究区内生态的基础上设立旅游区，适当地开发建设，以促进当地旅游业发展，优先选择对环境影响较小的项目，并进行科学规划和环境影响评估，比如发展生态旅游项目时，应设置明确的游览线路，避免游客随意进入敏感区域。
本研究的结果可以为其他湿地自然保护区的开发与规划提供科学的指导，但也存在一定的局限性。本研究的生态敏感性评价主要基于研究区域本底与外界压力(如选取土地利用、植被覆盖、水域缓冲、人类活动等指标)，为识别湿地的脆弱区域提供了重要依据。然而，一个完整的生态敏感性概念，不仅应包含系统对外部干扰的易损性，更应包括其受损后所导致的生态后果的严重性，而这与湿地所提供的生态功能息息相关。因此，未来的研究应将湿地生态功能指标纳入评价体系。例如，在关键的敏感区，若能进一步评估其作为水鸟栖息地的功能重要性或生物多样性维持功能，将能更精准地划定优先保护区域；在水文调节敏感区，若能与洪水调蓄、水源涵养等具体功能量化结果相验证，则能显著提升管理决策的针对性和说服力。通过构建敏感性与功能性结合的评价框架，可使研究成果从揭示风险走向解决风险，从而为湿地的差异化、精细化管理和生态修复工程的选址与规划提供更全面、更科学的理论支撑。

4 结　论

龙凤湿地省级自然保护区生态极高敏感区面积占比为14.1%，主要分布在研究区中部的湿地与水体，这些区域对人类活动极为敏感，应停止开发活动并进行严格的生态保护，建立核心保护区并实施生态恢复项目，以恢复和增强湿地的生态功能。
比较敏感区域面积占比为46.4%，主要分布在湿地水体四周区域，这些区域对人为活动比较敏感，应谨慎开发并且开发时应注意防止破坏原有生态，开发活动应严格控制强度和规模，优先采用生态友好型开发模式，如生态旅游和生态农业，同时加强生态缓冲区的建设，以减少人类活动对核心保护区的干扰。
不敏感区域面积占比为39.5%，主要分布在保护区边缘，受人类活动影响较小，可设立游憩区以供游客休闲游憩，促进当地旅游业发展。在这些区域内，应合理开发旅游设施，推动生态旅游业发展，确保开发活动符合环境保护标准，建立环境监测与反馈机制，确保旅游开发与湿地保护协调发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
Options
Outlines

/

〈 〉