EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 3: 253 - 264

DOI: https://doi.org/10.6046/zrzyyg.2024065

Spatiotemporal evolution of ecological vulnerability in Xinjiang and its response to drought

  • LU Jiantao , 1 ,
  • ZHENG Jianghua , 1, 2 ,
  • PENG Jian 3 ,
  • XIAO Xianghua 3 ,
  • LI Gangyong 3 ,
  • LIU Liang 1 ,
  • WANG Renjun 1 ,
  • ZHANG Jianli 3
Expand
  • 1. College of Geography and Remote Sensing Sciences, Xinjiang University, Urumqi 830046, China
  • 2. Xinjiang Key Laboratory of Oasis Ecology, Xinjiang University, Urumqi 830046, China
  • 3. Xinjiang Grassland Station, Urumqi 830049, China

Received date: 2024-02-06

  Revised date: 2024-05-27

  Online published: 2026-06-03

Fold

Abstract

Global warming has exacerbated drought conditions, posing a significant threat to ecosystem structures and functions. Analyzing the spatiotemporal evolution of ecological vulnerability and its response to drought plays a significant role in achieving regional high-quality and sustainable development. With Xinjiang as the study area, this study constructed an assessment index system for ecological vulnerability based on the ecological sensitivity-resilience-pressure (SRP) model. Using methods like local spatial autocorrelation, coefficient of variation, slope trend analysis, and Hurst exponent, this study assessed the ecological vulnerability in Xinjiang from 2000 to 2020, followed by future trend prediction. Moreover, this study explored the impacts of drought on ecological vulnerability using the standardized precipitation evapotranspiration index (SPEI). The results indicate that the overall ecological vulnerability was relatively high in Xinjiang, with its spatial distribution characterized by significant regional differences and spatial aggregation. The SPEI value showed a downward trend at an average annual rate of 0.093 9, suggesting a significant worsening trend of regional aridification. The area featuring a negative correlation between drought and ecological vulnerability represented 54.1 %, indicating that ecological vulnerability in most areas decreased with improved regional moisture conditions. The stable distribution area of ecological vulnerability constituted 77.8 %, dominated by severely and extremely vulnerable areas. In the future, the majority of Xinjiang (61.3 %) is projected to witness decreased ecological vulnerability and enhanced ecological quality. Overall, the results of this study deepen the understanding of the status and driving mechanism of ecological vulnerability in Xinjiang, providing a scientific reference and decision-making basis for enhancing the adaptability of regional ecosystems to environmental changes.

Key words： ecological vulnerability; ecological sensitivity-resilience-pressure (SRP) model; standardized precipitation evapotranspiration index (SPEI); correlation analysis; future trend prediction

Cite this article

LU Jiantao , ZHENG Jianghua , PENG Jian , XIAO Xianghua , LI Gangyong , LIU Liang , WANG Renjun , ZHANG Jianli . Spatiotemporal evolution of ecological vulnerability in Xinjiang and its response to drought[J]. Remote Sensing for Natural Resources, 2025 , 37(3) : 253 -264 . DOI: 10.6046/zrzyyg.2024065

0 引言

生态环境脆弱性反映着生态系统对外界干扰的抵抗能力,与生态环境恢复和保护相互关联。通过恢复植被、改善土壤等修复保护措施,能够降低生态系统的脆弱性,故此脆弱性是指示生态环境状况的重要指标之一[1]。自工业时代以来,人类活动排放的大量温室气体使全球气候变暖[2]。随着全球变暖加剧,干旱事件发生的频率和强度持续增加,其影响范围也在扩大[3]。干旱对生态系统结构和功能构成了巨大威胁,加剧了生态脆弱性,进而影响生态系统提供食物供应及调节服务[4-6]。
生态脆弱性研究始于Clements将生态过渡带的概念引入生态学研究领域[7],主要包括气候变化影响下的脆弱性分析和基于指标体系的气候变化脆弱性评价等[8-9]。目前我国已在评价模型构建和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(ecological sensitivity-ecological recovery-ecological pressure,SRP)概念模型[10]、暴露-敏感-适应性(vulnerability-scoping-diagram,VSD)[11]等评价模型以及层次分析法[12]、主成分分析法[13]和景观格局[14]等多种评价方法。其中SRP模型综合考虑生态系统稳定性的内涵[15],能较全面地体现生态环境脆弱性的综合性特征,并取得较广泛的应用[16-17]。
干旱程度通常用干旱指数来量化,Vicente-Serrano等[18]比较了标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)[18]、帕默尔干旱指数(Palmer drought severity index,PDSI)[19]和标准化降水指数(standardized precipitation index,SPI)[20]在全球范围内的农业、水文和生态干旱监测方面的应用,结果表明,SPEI综合考虑降水和潜在蒸散变化对干旱的影响,是捕获干旱对农业、水文和生态变量影响的最佳干旱指数。
目前,众多学者在干旱对生态系统脆弱性的影响方面进行大量研究,Chen等[21]利用卫星数据量化欧洲大陆范围内干旱特征对不同生态系统脆弱性的影响,证明随着干旱状况加剧,大多数生态系统的脆弱性会增加; 於琍[22]研究发现干旱会显著增加生态系统脆弱性,并对区域脆弱性有持续影响; Zhang等[23]建立了三峡库区的生态脆弱性评价指标体系,证明2015年干旱气候加剧了区域生态脆弱性; Xu等[24]发现当大气和土壤干旱加剧时,低敏感性生态系统脆弱性增加; 闫文波等[25]研究结果表明云南生态脆弱性与干旱呈正相关,随干旱等级增加,生态脆弱性加重。
新疆常年易受到干旱气候和人类活动的严重干扰,生态系统内部结构和功能退化,是我国西北典型的生态脆弱区[26]。1961—2018年新疆气候显著变暖,气象干旱状况加剧[27],已经严重威胁区域的可持续发展。本文基于SRP模型,在充分考虑新疆地区生态环境特点及脆弱性主要成因的基础上,明晰新疆生态系统脆弱性的时空演变特征,探究干旱对生态系统脆弱性的影响。研究结果有助于深化对新疆生态系统脆弱性状况及其驱动机制的认识,为区域有针对性地制订干旱应对措施、提高生态系统对环境变化的适应能力提供科学参考和决策依据。

1 研究区概况及数据源

1.1 研究区概况

新疆维吾尔自治区(以下简称新疆)地处亚欧大陆腹地(73°29'54″~96°23'3″E,34°20'11″~49°10'55″N),全疆总面积为166×104 km2。该地区日照时间充足,由于距海远、居内陆的地域特征,年均降水量低于全国其他内陆地区。新疆北部阿尔泰山系、中部天山山脉、南部昆仑山与塔里木盆地、准噶尔盆地相间分布,地貌类型复杂多样,南北疆气候差异显著,属于典型的干旱半干旱气候区,土地利用类型以草地和未利用地为主,如图1所示,本文中地图均使用UTM投影。
图1 研究区示意图

Fig.1 Schematic diagram of the research area

1.2 数据源及其预处理

1.2.1 地形数据

地形因子主要包括高程、坡度和地形起伏度; 高程数据来自地理空间数据云(https://www.gscloud.cn/),空间分辨率为250 m,利用ArcGIS 10.8软件对高程影像计算坡度和起伏度。

1.2.2 气象数据

从中国气象数据网(http: //data.cma.cn/)获取新疆地区102个气象站点的逐日降水量、最高温、最低温、平均温和相对湿度等数据,时间序列为2000—2020年共21 a,由于部分站点存在数据缺失,为进行有效的质量控制,对缺测数据采用均值替换法进行插补,采用样条函数法插值得到逐年气象因子栅格数据。

1.2.3 遥感数据

土地利用类型数据来自CLCD数据集(https://zenodo.org/record/5816591),时间尺度为2000—2020年,空间分辨率为30 m。景观格局指数高度浓缩景观格局信息,定量反映生态结构组成及空间配置等方面的特征[28]; 通过不同指数的叠加来反映不同景观所代表的生态系统受干扰的程度[29],选取与干扰密切相关的景观破碎度、分维度和优势度来构建景观干扰度指数[30],计算公式为:
E i = a C i + b F i + c D i
式中: Ei为景观i的景观干扰度; Ci为破碎度指数; Fi为分维度指数; Di优势度指数; a,b,c为权重,反映各指数对景观所代表生态环境的影响程度。将2000—2020年新疆土地利用类型数据的Tiff文件导入Fragstats4.2软件,以此完成景观破碎度和景观干扰指数的计算。
植被覆盖度数据来自青藏高原科学数据中心(https://data.tpdc.ac.cn/)的2000—2020年月度植被覆盖度产品,运用最大值合成法得到年尺度的植被覆盖度(fractional vegetation cover,FVC)数据集,空间分辨率250 m; 净初级生产力(net primary productivity,NPP)数据来自美国地质调查局(https://lpdaac.usgs.gov/),时间尺度为2000—2020年,空间分辨率500 m。

1.2.4 社会经济数据

人均国内生产总值(gross domestic product,GDP)和人口密度数据来自2001—2021年的《中国统计年鉴》和《新疆统计年鉴》,通过统计整理得到社会经济指标数据,采用ArcGIS10.8空间插值得到栅格数据。Mottl等[31]研究证明人类活动对生态系统,尤其是植被生态系统具有深刻影响; 而人类足迹数据综合考虑了人类活动影响的不同方面,能够有效反映人类活动对生态系统的压力。本研究选取2000—2020年1 km空间分辨率全球陆地人类足迹的年度动态数据集[32]。
为保证指标具有良好的空间重合性,在评价分析之前须对数据进行几何配准和重采样,将所有空间数据分辨率统一重采样为1 km。

2 研究方法

2.1 干旱指数计算

基于气象站点数据对年SPEI值(SPEI-12)进行计算和分析,并利用样条函数插值法将点数据转为面数据,参考蒸散量根据国际粮农组织推荐的Penman-Monteith模型计算,通过计算逐月降水量与参考蒸散量的差值,从而建立不同时间尺度的水分盈亏累积序列,采用3个参数的log-logistic概率分布函数对累积概率密度进行标准化处理,得到对应的SPEI指数,具体计算过程参照文献[18],为进一步凸显干旱在时间序列上的变化趋势,采用Mann-Kendall(M-K)非参数统计方法进行突变检测,以此确定突变开始时间点并指出突变时间段[33]。

2.2 构建指标评价体系

2.2.1 选取评价指标

本研究基于SRP概念模型并结合新疆地区生态环境特点及脆弱性的表现和主要成因,遵循科学、客观和可操作性原则以生态敏感性、生态恢复力和生态压力度为要素层选取13项指标。生态敏感性是指生态系统受到外界环境和内部环境干扰的反应敏感程度[15],受区域本身生态系统的类型和特征影响,敏感性较高的区域,生态环境遭受破坏的可能性越大; 生态恢复力是指生态系统受到外界干扰下的自我调节能力和恢复能力,与生态系统自身的内部结构有关[34],恢复能力越大,生态系统恢复到平衡状态的可能性越大,脆弱性相对越低; 生态压力度指生态系统受到社会经济和人类胁迫等外界干扰的压力,受外界干扰的程度越大,生态脆弱性就越高[35]。
为减少评价指标信息中的重叠和共线性,对标准化后的数据采用ArcGIS空间主成分分析方法计算各指标层权重(表1); 并根据指标对生态环境脆弱性的影响,将指标属性分为正向和负向,构建适宜当地的评价模型。
表1 生态脆弱性评价指标体系

Tab.1 Assessment index system for ecological vulnerability

要素层 指标层 指标性质 权重
生态敏感性 高程
坡度
地形起伏度		 正
正
正		 0.062
0.043
0.027
景观破碎度
土壤侵蚀程度
年均降水量		 正
正
负		 0.085
0.092
0.055
年均气温 负 0.036
生态恢复力 FVC
景观干扰度指数
NPP		 负
正
负		 0.125
0.145
0.130
生态压力度 人均GDP
人口密度
人类足迹数据		 正
正
正		 0.044
0.074
0.082

2.2.2 评价指标数据标准化

各类评价指标差异较大,具有不同的单位量纲且数据源均不一致,为确保评价指标具有合理性和可比性,需要对原始数据进行标准化处理。正向和负向标准化计算公式分别为:
Z i + = X i - X m i n X m a x - X m i n
Z i - = X m a x - X i X m a x - X m i n
式中: Z i +和 Z i -分别为第i个指标正向和负向标准化后的值; Xi为第i个原指标值; Xmax为第i个指标最大值; Xmin为第i个指标最小值。

2.2.3 生态脆弱性评价模型

本文通过生态脆弱性指数(ecological vulnerability index,EVI)反映区域生态脆弱性状况[36-37]。基于ArcGIS10.8软件,通过Principal Components分析工具,对标准化后的13个评价指标进行主成分分析并输出相关特征参数txt文件,最后挑选出少数几个指标,最大限度地保留大多数指标所反映的空间信息[38]。本研究选取了累计贡献率大于85%的前6个主成分作为计算EVI的指标,贡献率计算公式为:
A i = λ i ∑ i = 1 n λ i
式中: Ai为第i个主成分贡献率; λ i为第i个主成分特征值; n为主成分个数。
EVI计算公式为:
E V I = ∑ i = 1 n P i A i
式中 Pi为第i个主成分标准化值。
生态恢复力计算公式为:
R = ∑ i = 1 n W i R i
式中: R为生态恢复力; Wi为生态恢复力指标权重; Ri为第i个生态恢复力指标。

2.2.4 生态脆弱性分级

为直观比较研究区生态脆弱性程度,全面掌握生态脆弱性特征,参照国内外已有的生态脆弱性评价标准[16,39],并根据新疆地区独特的生态环境特点,对EVI进行分类定级(表2)。生态恢复力反映生态系统的自我调节能力和恢复能力,是表征区域生态脆弱性的重要指标之一。本文在定量化分析的基础上,将生态恢复力划分为1—5级,级别越高,抗外界干扰能力和自我恢复力越强,脆弱性越低。
表2 新疆地区SRP模型生态脆弱性分级标准

Tab.2 Classification criteria of ecological vulnerability in Xinjiang

等级 取值范围 脆弱性
分类		 恢复力
等级		 生态特征
Ⅰ (0,0.2] 微度脆弱 5级 生态功能完整,抗外界干扰和自我恢复能力强
Ⅱ (0.2,0.4] 轻度脆弱 4级 生态功能较为完善,抗外界干扰和自我恢复能力较强
Ⅲ (0.4,0.6] 中度脆弱 3级 生态功能一般,抗外界干扰和自我恢复能力较弱
Ⅳ (0.6,0.8] 重度脆弱 2级 生态功能部分退化,抗外界干扰和自我恢复能力弱
Ⅴ (0.8,1] 极度脆弱 1级 生态功能严重退化,抗外界干扰和自我恢复能力差

2.3 统计分析方法

局部空间自相关能有效表征一个区域及其邻域属性值的相关程度,利用GeoDA1.20[17]软件分析各网格单元间EVI指数的空间相关程度得到指标聚类图,包括高-高聚集区、低-低聚集区、高-低聚集区、低-高聚集区和不显著聚集区5种聚集模式。
变异系数(coefficient of variation,CV)是衡量序列观测值离散程度的一个计量,在地理数据的空间差异研究中已得到广泛应用[40]。一般通过CV分析法来测度EVI的空间差异程度,CV越小,表明区域内生态脆弱性空间格局越均衡。研究将CV分为4个等级: 非常稳定(CV≤0.1)、稳定(0.1<CV≤0.2)、不稳定(0.2<CV≤0.3)和很不稳定(CV>0.3)。
利用Slope趋势分析EVI指数在时间尺度上的变化趋势,当θslope>0时,表示该像元内草地EVI指数呈增加趋势,反之,则呈减少趋势[41]; 基于重标极差(R/S)分析方法的Hurst指数是一种有效的定量方法,用于描述时间序列信息的长期依赖性,能有效分析EVI指数的持续性特征[42]。将Slope趋势的分级结果与Hurst指数(H)进行空间叠加分析,可用于判断生态脆弱性的未来变化趋势(表3)。
表3 未来变化趋势分级

Tab.3 Classification of future trends

取值范围 变化趋势
θslope<0,0.5<H<1 持续改善
θslope<0,0<H<0.5 反持续性改善
θslope>0,0.5<H<1 持续恶化
θslope>0,0<H<0.5 反持续性恶化
H=0.5 无法预测
相关性分析主要用来反映各个因子之间的相关程度和相关方向,本研究采用皮尔森相关系数法探讨新疆生态脆弱性与干旱之间的响应关系; 采用F显著性检验,将相关性研究结果分为5类: 显著正相关、显著负相关、不显著正相关、不显著负相关、不相关。

3 结果与分析

3.1 2000—2020年新疆干旱时空演变特征

3.1.1 干旱年际变化特征

由图2可知,新疆地区2000—2020年SPEI以年均0.093 9的速率呈下降趋势,其范围在-2.42~1.15之间,全区21 a间整体上呈现干旱加重趋势。具体而言,2000—2006年SPEI相对较高,是较为湿润的时期; 由M-K检验可知,在显著水平0.05界限内,UF和UB曲线相交于2010年前后,表明新疆地区的干旱发生突变,由湿润转为干旱; 自2012年以后SPEI以负值为主,区域干旱程度明显加重,尤其在2020年发生异常干旱。根据《2020年度新疆维吾尔自治区气候公报》记录(http: //xj.cma.gov.cn/),2020年新疆大部分地区气温偏高、降水偏少,尤其春季北疆东疆异常偏高,为有记录以来最暖年份,导致区域重旱、极端干旱事件频发。
图2 新疆SPEI年际变化及M-K突变检验

Fig.2 Interannual variation of SPEI and M-K mutation test in Xinjiang

3.1.2 干旱空间变化特征

图3为新疆地区年际SPEI空间变化率分布示意图,饼状图表示干旱状况的面积占比。新疆地区特殊的地理生态环境引起气温、降水等气象要素在空间上分布不均匀,导致干旱的空间分布也较为复杂,年尺度的SPEI空间变化率存在一定的空间异质性。南疆地区干旱变化趋势较大,变干区域面积占比可达97.7%,其中显著变干区域占比20.1%; 天山山脉和昆仑山区域SPEI变化率相对较小,除天山大西沟、温泉和阿拉山口等天山山脉的少量站点为显著变湿趋势外(面积占比较小),其余站点的干旱呈现缓和的状态; 总体而言,随着全球气候变暖加剧,新疆区域干旱化程度加重的趋势非常明显。
图3 新疆年际SPEI空间分布

Fig.3 Spatial distribution of annual SPEI in Xinjiang

3.2 2000—2020年新疆生态脆弱性时空演变特征

3.2.1 新疆生态脆弱性时间变化规律

2000—2020年新疆生态系统平均EVI为0.68,最小值为2012年的0.41,最大值为2018年的0.89,近21 a来EVI波动较大,整体以年均0.009 3的速率呈上升趋势,如图4(a)。为了进一步量化生态系统脆弱性的变化特征,对生态脆弱性分类结果进行了区域统计,见图4(b),2000年极度脆弱区所占比例最高,为35.57%,重度脆弱区次之; 到2010年时,极度脆弱区面积进一步扩大为39.66%,中度脆弱区次之,中度脆弱区面积减小,同时,微度和轻度脆弱区面积扩大; 到2020年,极度脆弱区面积比2010年增加了2.8%,以极度、重度和中度脆弱区为主,说明随着区域干旱状况的加重,新疆生态系统更加脆弱,易受到外界因素的干扰而导致生态系统破坏。
图4 2000—2020年EVI年际变化趋势及脆弱性面积占比示意图

Fig.4 Interannual change trend of EVI and the proportion of vulnerability area during 2000 to 2020

面积转移矩阵通常用于描绘随时间变化而改变的脆弱性空间模式,可定量描述系统状态间的转移,包含某个时期内区域生态脆弱性的静态数据和各类型间相互转化的动态数据[43]。如图5所示,不同脆弱性等级之间的面积转化较为显著,尤其是相邻等级。2000—2005年,重度脆弱区面积显著扩大,主要由中度脆弱区转化而来,面积占比62.24%,微度和极度脆弱区的转移面积变化不大; 2005—2010年,重度脆弱区转出面积最大(48.42×104 km2),其中45.8%和38.12%分别转为了中度和极度脆弱区,轻度脆弱区转入面积明显扩大; 2010—2015年轻度脆弱区转出面积最大(23.92×104 km2),绝大部分(72.38%)转为中度脆弱区,重度脆弱区转入面积最大(29.54×104 km2),其中57.72%和39.15%分别转自于中度和极度脆弱区; 2015—2020年重度脆弱区转出面积最大(26.68×104 km2),中度脆弱区次之,极度脆弱区转入面积最大(16.95×104 km2),绝大部分(92.95%)来自重度脆弱区,微度脆弱区的转入面积最小,仅为2.37×104 km2。
图5 2000—2020年新疆生态脆弱性转移矩阵桑基图(单位: 104 km2)

Fig.5 Sanji diagram of ecological vulnerability transfer matrix in Xinjiang from 2000 to 2020 (unit: 104 km2)

3.2.2 新疆生态脆弱性空间分布规律

1)生态恢复力空间分布。如图6所示,2000—2020年生态恢复力空间变化趋势并不明显,总体上看,生态恢复力低(1级)的区域面积占比均可达60%以上,广泛分布在东南部戈壁、荒漠等植被覆盖度低的区域,当受到外界干扰时,生态系统状态易被破坏,生态恢复力差; 2级生态恢复力占比较高,以昆仑山脉和天山南部为主,这些地区植被覆盖以高寒草原草甸为主,生态恢复力相对较差; 新疆西北部包括阿尔泰山、塔城地区和天山山脉中部以及南疆环塔克拉玛干沙漠绿洲区,生态恢复力较高,区域可持续发展基础良好。
图6 生态系统恢复力空间格局分布

Fig.6 Spatial pattern distribution of ecosystem resilience

2)生态脆弱性空间分布。2000—2020年新疆生态脆弱性整体处于中度脆弱及以上(图7),面积占比可达75%。总体而言,西北、中部山区、环塔克拉玛干沙漠的绿洲区及昆仑山脉脆弱性低,东南部沙漠区域脆弱性高。微度和轻度脆弱区集中在伊犁自治州、阿勒泰北部山区、塔城地区西部等,天山山脉中部高海拔林草生物资源丰富、生态系统相对稳定。伊犁地区独特的地形地貌特征,使其常年受到大西洋水汽的滋养,气候温和湿润,植被覆盖度高,人类活动干扰少,生境质量较高[44],生态脆弱性相对较低; 阿勒泰山区林地面积占比较大,人口密度相对较小,区域生态环境良好; 塔城地区草业资源丰富,通过有效的草地生态环境保护能有效提高区域应对外界干扰的能力,降低生态脆弱性。中度脆弱区面积占比相对较小(约20%),分布区域较为零散,以沙漠周边的绿洲生态区为主,受人为活动的干扰强,生态压力较大,使得中度脆弱区易向重度或极度脆弱区转化,所以降低不合理人为活动对当地生态环境的干扰至关重要。重度和极度脆弱区面积分布较广,以东南部和北部沙漠区为主,其中东南部极度脆弱区面积占比35%以上; 研究表明,水资源的分布情况与生态脆弱性的空间分布密切相关[45],东南部荒漠区为全疆典型的干旱少雨区,区域内沙漠、戈壁广布,植被分布稀疏,受风力侵蚀作用的强烈影响,生态脆弱性极高。
图7 生态系统脆弱性空间格局分布

Fig.7 Spatial pattern distribution of ecosystem vulnerability

3)生态脆弱性空间自相关分析。新疆地区生态脆弱性空间聚集格局整体变化不大,如图8所示,东南部和北部少数区域为高-高聚集区,约占总面积的31.8%; 西北部和中部天山山脉以及南部昆仑山小部分区域为低-低聚集区,面积约占18.6%。具体来说,2000—2010年,高-高聚集区范围扩展至准噶尔盆地区域,低-低聚集区范围在南疆地区先减少后增加; 2010—2015年高-高和低-低聚集区的面积明显缩减,南疆地区低-低聚集区基本上全转为不显著聚集区; 2015—2020年聚集区的分布没有明显变化,基本一致。
图8 2000—2020年新疆地区脆弱性指数空间集聚图

Fig.8 Spatial clustering map of vulnerability index in Xinjiang from 2000 to 2020

4)生态脆弱性空间稳定性分析。通过空间统计分析与制图,得到新疆生态稳定性空间格局示意图(图9),EVI的变异系数CV集中于0~0.37,平均值为0.15,表明生态脆弱性在空间分布上存在明显差异。非常稳定区域(CV≤0.1)面积占比39.9%,主要分布于东南部荒漠地区,植被覆盖度低,以极度脆弱区为主,整体变化幅度较小; 稳定区(0.1<CV≤0.2)面积占比37.9%,相对较高,以北疆准噶尔盆地周边和昆仑山脉东侧为主; 不稳定区(0.2<CV≤0.3)和很不稳定区(CV>0.3)广泛分布于中度脆弱区及以下,以新疆西北部、天山山脉和南疆环塔克拉玛干沙漠等绿洲区为主,区域生态环境相对良好,但受自然和人为活动干扰强烈,整体波动较大,需要重点加强生态环境保护。
图9 EVI变异系数及其空间稳定性示意图

Fig.9 EVI coefficient of variation and its spatial stability diagram

3.3 干旱与生态脆弱性的相关性分析

通过逐像元皮尔森相关分析分别研究年尺度干旱指数SPEI与生态恢复力和脆弱性的相关性。由图10可知干旱与生态恢复力呈正相关的面积占比56%,相关系数大于0.3的面积占比34%,其中通过呈显著正相关的面积占比6.5%,说明当干旱状况加重时(即年平均SPEI较低),大部分地区生态恢复力较低,植被覆盖度下降,无法有效抵御外界因素的干扰,区域生态的自我修复能力减弱,主要在昆仑山脉、塔里木盆地南部、北疆阿尔泰山、塔城地区和天山山脉中段。干旱与生态恢复力呈负相关的区域占比约为40%,相关系数小于-0.3的面积占比约为23.04%,主要分布于塔里木盆地北部、西南部、环塔绿洲区以及吐哈盆地,说明当区域水分状况改善时,自然植被覆盖度提高,生态恢复力反而降低,表明当地恢复力受到人为活动的强烈影响。
图10 SPEI与恢复力相关系数及显著性分类结果

Fig.10 Correlation coefficient and classification results of significance between SPEI and resilience

干旱与EVI的相关系数及相关性的显著分类如图11所示,两者呈负相关的面积占比达到54.1%,其中显著负相关占比6.5%。SPEI与EVI相关系数小于-0.3的面积约27.17%,主要分布于塔里木盆地西部、东南部以及吐哈盆地南部区域,说明当地生态脆弱性受区域干旱状况的影响强烈,即随着干旱指数SPEI增加,水分条件改善,EVI减小,区域生态脆弱性降低。干旱与EVI呈正相关面积占比44.3%,通过显著性检验面积仅占2%,广泛分布于北疆阿尔泰山、伊犁地区、准噶尔盆地南部和吐哈盆地。随着区域干旱状况缓解,EVI反而呈增加趋势,说明干旱并非导致区域生态环境脆弱的主要因素,可能由于不合理的放牧、开垦等人为因素干扰,亦会导致区域生态脆弱状况加重,制约区域生态可持续发展。
图11 SPEI与EVI相关系数及显著性分类结果

Fig.11 Correlation coefficient and classification results of significance between SPEI and EVI

3.4 新疆生态环境未来变化趋势预测

如图12所示,θslope较高的区域主要位于昆仑山区,而阿尔泰山、塔城地区和天山山脉变化率为负值。生态环境呈恶化趋势的面积占比34%,位于塔里木盆地西部、吐哈盆地南部、天山山脉和阿尔泰山地区,可能由于未来自然和人为活动的干扰,进而导致区域生态脆弱状况加重。生态环境持续改善(θslope<0,0.5<H<1)的区域面积占比29.5%,以塔里木盆地、吐哈盆地北部和北疆大部分地区为主,反持续性恶化(θslope>0,0<H<0.5)面积占比31.8%,广泛分布于塔克拉玛干沙漠南部和昆仑山区。总的来说,未来新疆大部分地区(61.3%)生态脆弱性降低,生态环境呈现改善趋势,主要是由于新疆近年来牢固树立和践行“绿水青山就是金山银山”理念,同时颁布各种生态环境保护政策法规,如《新疆维吾尔自治区环境保护条例》《新疆生态环境保护“十四五”规划》等,使得全区生态环境质量能够得到持续改善。
图12 EVI变化率及未来变化趋势

Fig.12 Change rate and future trend of EVI

4 讨论与结论

4.1 讨论

本研究表明,新疆生态脆弱性的空间分布存在明显的地域差异性且空间聚集性特征明显,这与Cai等[46]、孙桂丽等[16]和岳笑等[47]的研究结果相一致,原因可能是新疆区域属于典型温带大陆性气候,大部分地区气候干燥且降水偏少,土质层浅薄,植被条件相对较差,因此对气候变化具有较强的敏感性[48]。干旱和生态脆弱性之间存在着相互作用关系,脆弱的生态系统对干旱更为敏感,而干旱又会加剧生态系统的脆弱性,形成恶性循环。生态脆弱性的稳定分布区域面积占比较高,以重度和极度脆弱区为主,这主要是由于塔克拉玛干沙漠和吐哈盆地等地区独特的自然地理条件,常年气候干燥且降水偏少、蒸发量大,使得该区域为重度脆弱区且长时间未发生明显变化。本研究仍存在一些局限性,首先,生态脆弱性评价是个复杂的机理过程,外部压力如何影响生态系统及其发展过程以及生态脆弱性实地验证的问题仍难以解决,后续研究应进一步夯实生态脆弱性的理论基础,完善实地验证方法; 其次,本文重点讨论了气候变化条件下干旱对脆弱性的影响,而生态脆弱性问题主要涉及气候变化、水资源、生态系统多样性、人类活动和土地利用变化等多个方面,如何综合定量评估各因子对生态脆弱性的影响,并针对性提出具体的生态保护措施,对于维持区域可持续发展战略至关重要。

4.2 结论

本研究基于SRP模型,在充分考虑新疆地区生态环境特点及脆弱性主要成因的基础上,明晰2000—2020年新疆生态系统恢复力和脆弱性的时空演变特征,探究脆弱性状态的稳定性及预测未来变化趋势,进一步阐释干旱对生态恢复力和脆弱性的影响。研究结论如下:
1)2000—2020年新疆地区EVI以年均0.009 3的速率呈上升趋势,整体生态脆弱性较高,大部分地区(60%)生态恢复力较低,新疆北部和东南部荒漠、戈壁等植被覆盖度低的区域生态脆弱等级较高,中部天山山脉高海拔林草丰富地区脆弱性等级相对较低; 相邻脆弱性等级之间的面积转化较为显著,脆弱性空间分布存在明显的地域差异性且呈现空间聚集性特征; 干旱指数SPEI以年均0.093 9的速率呈下降趋势,区域整体干旱化程度加重的趋势较为明显。
2)干旱与生态恢复力呈正相关的面积占比56%,说明当干旱状况加重时,大部分地区生态恢复力较低,区域生态系统的自我修复能力减弱; 干旱与EVI呈负相关面积占比达到54.1%,说明随着干旱指数SPEI增加,区域水分条件改善,生态脆弱性降低。
3)新疆地区EVI的变异系数集中于0~0.37,平均值为0.15,生态脆弱性的稳定分布区域面积占比77.8%,以重度和极度脆弱区为主,趋势的预测结果表明,未来新疆大部分地区(61.3%)生态脆弱性呈降低趋势,生态环境质量得到进一步改善。

感谢自治区级产学研联合培养研究生基地——新疆草原总站提供的资料与实验平台支持。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Turner B L, 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.

DOI PMID

[2]
周波涛. 全球气候变暖:浅谈从AR5到AR6的认知进展[J]. 大气科学学报, 2021, 44(5):667-671.

Zhou B T. Global warming:Scientific progress from AR5 to AR6[J]. Transactions of Atmospheric Sciences, 2021, 44(5):667-671.

[3]
Li Y, Xie Z X, Qin Y C, et al. Drought under global warming and climate change:An empirical study of the Loess Plateau[J]. Sustainability, 2019, 11(5):1281.

[4]
Senf C, Buras A, Zang C S, et al. Excess forest mortality is consis-tently linked to drought across Europe[J]. Nature Communications, 2020, 11(1):6200.

[5]
Kang H, Sridhar V, Mainuddin M, et al. Future rice farming threatened by drought in the Lower Mekong Basin[J]. Scientific Reports, 2021, 11(1):9383.

DOI PMID

[6]
Anderegg W R L, Trugman A T, Bowling D R, et al. Plant functional traits and climate influence drought intensification and land-atmosphere feedbacks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(28):14071-14076.

DOI PMID

[7]
乔青, 高吉喜, 王维, 等. 生态脆弱性综合评价方法与应用[J]. 环境科学研究, 2008, 21(5):117-123.

Qiao Q, Gao J X, Wang W, et al. Method and application of ecolo-gical frangibility assessment[J]. Research of Environmental Sciences, 2008, 21(5):117-123.

[8]
Li F, Zhang Y, Xu Z, et al. The impact of climate change on runoff in the southeastern Tibetan Plateau[J]. Journal of Hydrology, 2013,505:188-201.

[9]
Vinagre C, Leal I, Mendonça V, et al. Vulnerability to climate warming and acclimation capacity of tropical and temperate coastal organisms[J]. Ecological Indicators, 2016,62:317-327.

[10]
贾晶晶, 赵军, 王建邦, 等. 基于SRP模型的石羊河流域生态脆弱性评价[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.

[11]
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.

[12]
沈伊丽, 蔡建国, 舒美英. 基于GIS的浙江海宁尖山新区景观规划用地适宜性评价[J]. 测绘与空间地理信息, 2022, 45(10):23-26.

Shen Y L, Cai J G, Shu M Y. Land suitability evaluation for landscape planning in Jianshan new district based on GIS[J]. Geoma-tics and Spatial Information Technology, 2022, 45(10):23-26.

[13]
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):4707-4719.

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.

[14]
贾路, 于坤霞, 李占斌, 等. 长江经济带景观格局对生态系统服务价值影响的概率评估[J]. 农业工程学报, 2023, 39(15):217-227.

Jia L, Yu K X, Li Z B, et al. Probability evaluation of the impact of landscape pattern on ecosystem service value in the Yangtze River Economic Belt[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(15):217-227.

[15]
邰苏日嘎拉, 王永亮, 陈国栋, 等. 基于SRP模型的内蒙古鄂伦春地区生态脆弱性评价[J]. 中国地质, 2024, 51(1):234-247.

Tai S, Wang Y L, Chen G D, et al. Ecological vulnerability assessment of Oroqen Region in the Inner Mongolia based on SRP model[J]. Geology in China, 2024, 51(1):234-247.

[16]
孙桂丽, 陆海燕, 郑佳翔, 等. 新疆生态脆弱性时空演变及驱动力分析[J]. 干旱区研究, 2022, 39(1):258-269.

DOI

Sun G L, Lu H Y, Zheng J X, et al. Spatio-temporal variation of ecological vulnerability in Xinjiang and driving force analysis[J]. Arid Zone Research, 2022, 39(1):258-269.

DOI

[17]
常溢华, 蔡海生. 基于SRP模型的多尺度生态脆弱性动态评价——以江西省鄱阳县为例[J]. 江西农业大学学报, 2022, 44(1):245-260.

Chang Y H, Cai H S. Dynamic assessment of multi-scale Eco-environmental vulnerability based on SRP model in Poyang County[J]. Acta Agriculturae Universitatis Jiangxiensis, 2022, 44(1):245-260.

[18]
Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming:The standardized precipi-tation evapotranspiration index[J]. Journal of Climate, 2010, 23(7):1696-1718.

[19]
Dai A G. Characteristics and trends in various forms of the Palmer drought severity index during 1900—2008[J]. Journal of Geophysical Research, 2011, 116(D12):D12115.

[20]
Mckee T B, Doesken N J, Kleist J, et al. The relationship of drought frequency and duration to time scales[J]. Proceedings of the 8th Conference on Applied Climatology, 1993,17:179-184.

[21]
Chen Q, Timmermans J, Wen W, et al. Ecosystems threatened by intensified drought with divergent vulnerability[J]. Remote Sen-sing of Environment, 2023,289:113512.

[22]
於琍. 干旱对生态系统脆弱性的影响研究——以长江中下游地区为例[J]. 长江流域资源与环境, 2014, 23(7):1063-1070.

Yu L. Assessment on ecosystem vulnerability to drought:The case study of the middle and lower reaches of the Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2014, 23(7):1063-1070.

[23]
Zhang X, Liu K, Wang S, et al. Spatiotemporal evolution of ecological vulnerability in the Yellow River Basin under ecological restoration initiatives[J]. Ecological Indicators, 2022,135:108586.

[24]
Xu H, Zhang Z, Oren R, et al. Hyposensitive canopy conductance renders ecosystems vulnerable to meteorological droughts[J]. Global Change Biology, 2023, 29(7):1890-1904.

[25]
闫文波, 何云玲, 余岚, 等. 气候干旱化背景下云南地区生态系统脆弱性的变化特征[J]. 生态科学, 2023, 42(1):197-205.

Yan W B, He Y L, Yu L, et al. Variation of ecosystem vulnerability under the background of climate aridity change in Yunnan Variation[J]. Ecological Science, 2023, 42(1):197-205.

[26]
张宁宁, 房世峰, 杜加强, 等. 基于LUCC的新疆沙尘源空间格局及转化机理分析[J]. 干旱区地理, 2018, 41(5):1053-1063.

Zhang N N, Fang S F, Du J Q, et al. Transformation and spatio-temporal distribution of sand-dust sources in Xinjiang based on LUCC[J]. Arid Land Geography, 2018, 41(5):1053-1063.

[27]
Yao J, Chen Y, Guan X, et al. Recent climate and hydrological changes in a mountain-basin system in Xinjiang,China[J]. Earth-Science Reviews, 2022,226:103957.

[28]
刘大钊, 周立志. 安徽安庆菜子湖国家湿地公园景观格局变化对鸟类多样性的影响[J]. 生态学杂志, 2021, 40(7):2201-2212.

Liu D Z, Zhou L Z. Effects of landscape pattern change on bird diversity in Anhui Anqing Caizi Lake National Wetland Park[J]. Chinese Journal of Ecology, 2021, 40(7):2201-2212.

DOI

[29]
李晓燕, 张树文. 基于景观结构的吉林西部生态安全动态分析[J]. 干旱区研究, 2005, 22(1):57-62.

Li X Y, Zhang S W. Analysis on the dynamic trend of ecological security in the west part of Jilin Province,China based on the landscape structure[J]. Arid Zone Research, 2005, 22(1):57-62.

[30]
梁二敏, 张军民, 杨卫红. 新疆玛纳斯河流域绿洲景观生态脆弱性时空分异[J]. 干旱区研究, 2017, 34(4):950-957.

Liang E M, Zhang J M, Yang W H. Spatiotemporal variation of landscape ecological vulnerability in oasis in the Manas River Basin,Xinjiang[J]. Arid Zone Research, 2017, 34(4):950-957.

[31]
Mottl O, Flantua S G A, Bhatta K P, et al. Global acceleration in rates of vegetation change over the past 18,000 years[J]. Science, 2021, 372(6544):860-864.

DOI PMID

[32]
Mu H, Li X, Wen Y, et al. A global record of annual terrestrial human footprint dataset from 2000 to 2018[J]. Scientific Data, 2022, 9(1):176.

DOI PMID

[33]
赵楠, 赵颖慧, 邹海凤, 等. 1990—2020年黑龙江省植被覆盖度的时空变化趋势及驱动力[J]. 应用生态学报, 2023, 34(5):1320-1330.

DOI

Zhao N, Zhao Y H, Zou H F, et al. Spatial and temporal trends and drivers of fractional vegetation cover in Heilongjiang Province,China during 1990—2020[J]. Chinese Journal of Applied Ecology, 2023, 34(5):1320-1330.

[34]
张霞, 周忠发, 朱昌丽, 等. 喀斯特山区生态脆弱性与经济贫困的耦合关系——以贵州省荔波县为例[J]. 水土保持通报, 2020, 40(5):227-233.

Zhang X, Zhou Z F, Zhu C L, et al. Coupling relation between ecological vulnerability and economic poverty in Karst Mountain Area:A case study at Libo County of Guizhou Province[J]. Bulletin of Soil and Water Conservation, 2020, 40(5):227-233.

[35]
张慧琳, 吴攀升, 侯艳军. 五台山地区生态脆弱性评价及其时空变化[J]. 生态与农村环境学报, 2020, 36(8):1026-1035.

Zhang H L, Wu P S, Hou Y J. Ecological vulnerability assessment and its temporal and spatial changes in Wutai Mountain Area[J]. Journal of Ecology and Rural Environment, 2020, 36(8):1026-1035.

[36]
卓静, 胡皓, 何慧娟, 等. 陕北黄土高原生态脆弱性时空变异及驱动因素分析[J]. 干旱区地理, 2023, 46(11):1768-1777.

DOI

Zhuo J, Hu H, He H J, et al. Spatiotemporal variation and driving factors of ecological vulnerability in the Loess Plateau of northern Shaanxi[J]. Arid Land Geography, 2023, 46(11):1768-1777.

DOI

[37]
齐润泽, 潘竟虎. 河湟地区生态脆弱性时空演变及影响因素研究[J]. 干旱区研究, 2023, 40(6):1002-1013.

DOI

Qi R Z, Pan J H. Spatial and temporal evolution of ecological vulnerability and its influencing factors in the Hehuang Area[J]. Arid Zone Research, 2023, 40(6):1002-1013.

DOI

[38]
邓伟, 袁兴中, 孙荣, 等. 基于遥感的北方农牧交错带生态脆弱性评价[J]. 环境科学与技术, 2016, 39(11):174-181.

Deng W, Yuan X Z, Sun R, et al. Eco-vulnerability assessment based on remote sensing in the Argo-pastoral ecotone of North China[J]. Environmental Science & Technology, 2016, 39(11):174-181.

[39]
Fatemi F, Ardalan A, Aguirre B, et al. Social vulnerability indicators in disasters:Findings from a systematic review[J]. International Journal of Disaster Risk Reduction, 2017,22:219-227.

[40]
李怀海, 李纯斌, 吴静, 等. 2000—2020年石羊河流域草地净初级生产力时空动态及其对气候的响应[J]. 草业科学, 2022, 39(10):2048-2061.

Li H H, Li C B, Wu J, et al. Spatio-temporal dynamics and climate response of grassland net primary productivity in Shiyang River Basin from 2000 to 2020[J]. Pratacultural Science, 2022, 39(10):2048-2061.

[41]
刘亮, 关靖云, 穆晨, 等. 2008—2018年伊犁河流域植被净初级生产力时空分异特征[J]. 生态学报, 2022, 42(12):4861-4871.

Liu L, Guan J Y, Mu C, et al. Spatio-temporal characteristics of vegetation net primary productivity in the Ili River Basin from 2008 to 2018[J]. Acta Ecologica Sinica, 2022, 42(12):4861-4871.

[42]
Yin L, Wang X, Feng X, et al. A comparison of SSEBop-model-based evapotranspiration with eight evapotranspiration products in the Yellow River Basin,China[J]. Remote Sensing, 2020, 12(16):2528.

[43]
Song H, Zhang X, Zou J, et al. A study on the value of carbon compensation in the Huai River Basin based on land use from 2000 to 2020[J]. Physics and Chemistry of the Earth,Parts A/B/C, 2023,132:103490.

[44]
隋露, 闫志明, 李开放, 等. 人类活动及气候变化影响下伊犁河谷生境质量预测研究[J]. 干旱区地理, 2024, 47(1):104-116.

DOI

Sui L, Yan Z M, Li K F, et al. Prediction of habitat quality in the Ili River Valley under the influence of human activities and climate change[J]. Arid Land Geography, 2024, 47(1):104-116.

DOI

[45]
姚雄, 余坤勇, 刘健, 等. 南方水土流失严重区的生态脆弱性时空演变[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.

[46]
Cai X, Li Z, Liang Y. Tempo-spatial changes of ecological vulnerability in the arid area based on ordered weighted average model[J]. Ecological Indicators, 2021,133:108398.

[47]
岳笑, 张良侠, 周德成, 等. 干旱—半干旱典型生态脆弱区生态脆弱性时空演变及驱动因子分析[J]. 环境生态学, 2023, 5(6):1-9,14.

Yue X, Zhang L X, Zhou D C, et al. Spatial-temporal variations and driving forces of the ecological vulnerability in the typical arid/semi-arid ecologically vulnerable areas[J]. Environmental Ecology, 2023, 5(6):1-9,14.

[48]
李致家, 霍文博, 张珂. 格林-安普特降雨径流模型改进及初步应用[J]. 河海大学学报(自然科学版), 2020, 48(5):385-391.

Li Z J, Huo W B, Zhang K. Improvement and preliminary application of Green-Ampter rainfall runoff model[J]. Journal of Hohai University (Natural Science), 2020, 48(5):385-391.

Options
Outlines

/

〈 〉