国家级集中连片特殊困难地区土地利用与生态敏感性演变特征的长期评估

Long-Term Assessment of Land Use and Ecological Sensitivity Dynamics in National Contiguous Poverty-Stricken Areas

摘要: 国土空间变化与生态敏感性分析是地区制定生态修复空间分区规划、确保生态系统服务可持续性供给的基础和前提。本研究聚焦于贵州省的国家级集中连片特殊困难地区，通过定量分析土地利用类型的空间分布、变化趋势及转移路径，并结合单因子与综合生态敏感性指标，对典型连片特殊困难区域生态风险进行了全面、系统的评估。研究发现，2000~2010年间，该地区耕地和建设用地面积增加，而灌木和草地面积减少；但2010~2020年间，耕地面积减少，林地面积增加。生态风险评估揭示了贵州连片特殊困难区的生态敏感性普遍较高，主要分布在从中度到极度敏感的区间。驱动因素分析进一步揭示了LUCC在影响生态敏感性中的主导地位。基于这些综合敏感性评价结果，我们强调对于高敏感和极高敏感区域，应采取合理的土地利用和生态保护措施，以减少人为干扰和破坏，确保生态系统的健康。对于生态敏感性较低的区域，则建议加强生态管理和环境保护工作。此外，本研究还强调了石漠化治理和水土流失防护的重要性，以及在自然条件较差的区域加强植被生态修复工作的必要性。

Abstract: The analysis of land spatial changes and ecological sensitivity is the foundation and primary step for regional development of ecological restoration spatial zoning plans and ensuring the sustainable supply of ecosystem services. This study focuses on national contiguous poverty-stricken areas in Guizhou Province. By quantitatively analyzing the spatial distribution, change trends, and transfer paths of land use types and combining single factor and comprehensive ecological sensitivity indicators, a comprehensive and systematic assessment of regional ecological risks of typical contiguous poverty-stricken areas was conducted. Research has found that between 2000 and 2010, the area of arable land and construction land in the region increased, while the area of shrubs and grasslands decreased. But between 2010 and 2020, the area of arable land decreased, and the area of forest land increased. The ecological risk assessment revealed that the ecological sensitivity of contiguous poverty-stricken areas in Guizhou is generally high, mainly distributed in the range of moderate to extreme sensitivity. The analysis of driving factors further revealed the dominant role of LUCC in influencing ecological sensitivity. Based on these comprehensive sensitivity evaluation results, we emphasize that for highly sensitive and extremely sensitive areas, reasonable land use and ecological protection measures should be taken to reduce human interference and damage and ensure the health of the ecosystem. For areas with low ecological sensitivity, it is recommended to strengthen ecological management and environmental protection work. In addition, this study emphasizes the importance of desertification control and soil erosion prevention, as well as the necessity of increasing vegetation ecological restoration work in areas with poor natural conditions.

1. 引言

喀斯特地区的生态风险由多种因素引起，其中土地覆盖类型变化是关键。该地区地形脆弱，易受人类活动影响，导致石漠化等生态系统威胁[1]。土地利用变化直接指示石漠化风险，影响景观和生态服务，对环境变化评估至关重要[2]。监测土地利用变化对评估生态风险和可持续发展极为重要，尤其是在可能发生不可逆石漠化贫困山区的背景下。研究土地利用变化对识别地区生态风险模式和水平、制定土地管理和生态保护措施、维护生态安全和促进可持续发展具有重要意义。

当前，基于土地利用变化的景观生态风险评估在我国喀斯特地区得到了广泛关注。相关研究已经综合考虑了土地利用模式、景观格局及其结构变化等多个维度[3]。通过应用遥感和地理信息系统技术，并结合景观脆弱性指数、景观格局指数、降雨侵蚀性、土壤可蚀性等生态风险相关变量，以及空间统计模型(如GWR和OLS)，构建了综合评估模型[3] [4]。这些模型有助于深入理解土地利用的空间特征及其动态变化对生态安全的影响[5]。然而，现有研究主要集中于行政区域和流域等地理分区的土地类型数量特征和变化速率，而对于喀斯特贫困地区土地开发利用和生态建设活动所引发的生态风险变化，缺乏深入的分析。自脱贫攻坚战取得成效以来，喀斯特贫困地区的经济和生态建设活动显著增加，这对土地开发模式和生态可持续性产生了深远影响[6]。因此，深入研究这些地区的土地利用变化及其生态风险，对于提高土地生态风险评估的科学性和实用性至关重要，同时也有助于优化土地利用，提升生态效益。这不仅对土地规划和管理决策至关重要，也是推动喀斯特贫困地区生态恢复和可持续发展的关键因素。

本研究聚焦于贵州连片特困地区，目的在于深入分析该地区土地利用变化对生态敏感性的影响。通过应用层次分析法(AHP)确定生态敏感性评价指标的权重，本研究确保了评估过程的科学性和客观性。进一步地，利用地理信息系统技术，我们对评估结果进行了空间分析和可视化，清晰地揭示了贵州连片特困地区生态敏感性的空间分布。此项研究的成果预期将为喀斯特类似贫困地区的生态安全评估和土地利用规划提供有价值的参考。

2. 材料与方法

2.1. 研究区域

贵州连片特殊困难地区涵盖武陵山、乌蒙山和滇桂黔石漠化三大片区(图1)。作为中国南方喀斯特高原的核心，贵州拥有10.91万平方公里的喀斯特地貌，占全省面积的61.92%，包括山地、峰林、洼地和峡谷等。这些地区地质背景特殊，灾害频发，平均海拔1500米，地势起伏较大。亚热带季风气候带来年降水量1000~1300毫米，温差小。长期的人地矛盾导致水土流失和植被破坏加剧，石漠化问题严重。三大片区覆盖贵州66个县(市区)，占全省87.3%的面积、66.4%的人口，岩溶地貌占全省岩溶总面积的84.2%。喀斯特山区的社会经济发展水平相对滞后。

Figure 1. Scope of the research area

图1. 研究区范围

2.2. 数据来源及处理方法

本研究使用了多源数据，包括中国科学院提供的土地利用(LUCC)数据(https://www.resdc.cn/)，NASA和NIMA联合测量的DEM数据(https://srtm.csi.cgiar.org/srtmdata/)，国家生态科学数据中心提供的NDVI数据(https://www.nesdc.org.cn/)，华东师范大学余柏蒗教授团队提供的年度夜间灯光数据(https://nnu.geodata.cn/)，以及Open Street Map的铁路和公路数据。这些数据的分辨率均为30米，以保证分析的准确性和一致性。

2.3. 研究方法

2.3.1. 土地利用变化

土地利用类型是决定区域土地覆盖格局的关键因素，其变化对生态系统稳定性有显著影响。生态系统健康与土地利用转变紧密相关。研究2000~2020年贵州贫困地区土地利用的空间分布、变化趋势和转移方向，有助于预测未来土地利用变化对区域生态风险的影响，为生态风险评估提供科学依据。

2.3.2. 生态风险评价

本研究采用ISM方法评估生态敏感性，该方法综合考虑多个特征。评估流程包括指标选择、标准设定和权重计算三个步骤。针对2020年贵州贫困地区的实际情况，选取了高程、坡度、水系、NDVI、LUCC、夜间灯光指数和道路等7个评价因子。依据《生态功能区暂行规程》及相关生态环境规程，将单因子敏感性分为五个等级：极高、高、中、低、非敏感，并进行相应的赋值。

Table 1. Characteristics of coefficient of AHP judgment matrix for each factor

表1. AHP各因子判断矩阵系数特征

影响因子	高程	坡度	水系	植被	土地利用	人口密度	道路
高程	1	1/2	1/3	1/4	1/7	1/2	1
坡度	2	1	1/3	1/2	1/5	1/2	2
水系	3	3	1	1/3	1/3	7	3
植被	4	2	3	1	3	3	4
LUCC	7	5	3	1/3	1	3	7
人口密度	2	2	1/7	1/3	1/3	1	2
道路	1	1/2	1/3	1/4	1/7	1/2	1

本研究应用AHP方法确定单因子指标的权重，并构建了7 × 7判断矩阵(表1)，通过计算矩阵的最大特征值λ对应的特征向量并归一化，得到各指标的局部权重向量W。随后进行一致性检验，使用相关指数CI评估指标间重要性的一致性，如公式(1)所示。

$CI=\frac{\lambda -m}{m-1}$ (1)

其中，m是个体层次中包含的指标数量，当CI = 0时矩阵是完全一致的，否则需要计算一致性比CR：

$CR=\frac{CI}{RI}$ (2)

其中，RI为随机一致性指数，如表2所示。一般情况下CR值小于0.1，则判断矩阵满足一致性检验；本次针对7阶判断矩阵计算得到CI值为0.128，RI值为1.360，因此计算得到CR值为0.094 < 0.1，意味着本次研究判断矩阵满足一致性检验，计算所得权重具有一致性。最后得到单因子的重要性权重值w_i，见表3。

Table 2. Random consistency RI value statistics

表2. 随机一致性RI值统计

n阶	3	4	5	6	7	8	9	10	11
RI值	0.52	0.89	1.12	1.26	1.36	1.41	1.46	1.49	1.52

注：最大特征根λ_max = 6.0725；一致性检验，CI = 0.0145 < 0.15，CR = 0.0145/1.24 = 0.0117 < 0.1，说明此权重的判断结果可用。

Table 3. Single factor weight features

表3. 单因子权重特征

生态敏感因子	权重(wi)
高程(m)	0.0457
坡度(˚)	0.0786
水系	0.1806
NDVI	0.2886
LUCC	0.2749
夜间灯光指数	0.0858
铁路、公路(m)	0.0457

综合因子的生态敏感性分布图是通过ArcGIS 10.8软件的空间分析工具，加权叠加分析的计算公式为：

$F={\displaystyle \sum _{i=1}^n{w}_i{p}_i}$ (3)

其中，F为加权叠加分析的结果，w_i为第i个数据的权重值，p_i为第i个数据值；这个公式将每个生态敏感性因子的值与其对应的权重相乘，然后将这些乘积累加，得出综合性的生态敏感性评价结果。

2.3.3. 地理探测器

地理探测器[2]是一种识别空间异质性的统计方法，常用于揭示任何潜在的驱动力。本研究使用R软件中“GD”包对连片特困地区生态敏感性特征的空间分异进行了驱动因素分析，以及不同驱动力对连片特困地区生态敏感性空间异质性的解释度。具体而言，因子检测器可以识别风险驱动因子x对y (生态敏感性)的变化的解释程度，并通过q的值来衡量其影响程度，q值越大，自变量x的解释能力就越强。q值的公式估计为：

$q=1-\frac{{\displaystyle \sum _{h=1}^L{N}_h{\sigma }_h^2}}{N{\sigma }^2}q\in \left[0,1\right]$ (4)

其中，q为LUCC度影响因素的解释力指数。q值越大，自变量x对LUCC异质性的影响越大[1]。N_h是子区域h的样本数；N为总样本量；σ和σ²分别表示子区域H中样本的总方差和方差。

3. 结果与分析

3.1. 贵州连片贫困区的LUCC变化分析

在贵州连片贫困地区，林地是最主要的土地覆被类型，区域内各种土地利用类型所占比例由大到小依次为：林地、耕地、灌木、草地、建设用地、裸地(图2)。在2000~2010年期间，贵州连片贫困地区的LUCC发生了显著变化，主要表现为耕地和建设用地的扩展以及灌木和草地的减少。其中，耕地面积增加了2.11%，这些新增耕地主要来源于林地和草地的转化。与此同时，林地面积减少了0.95%，建设用地的面积也有所增加(表4)。这一时期的LUCC反映了经济发展和城市化对土地利用格局的影响[2]。

Figure 2. Land cover types in contiguous poverty-stricken areas from 2000 to 2020

图2. 2000~2020年连片贫困区土地覆盖类型

相较于前一个十年，该地区的土地覆盖变化趋势在2010~2020年期间显示出不同的特点。耕地面积出现了显著的减少，而林地面积逐步增加。具体数据显示，耕地面积减少了1.05%，这些耕地主要转化为了林地，导致林地面积增加了2.46%。2010~2020年期间，随着脱贫攻坚政策的开展与深入推进，生态保护和可持续发展成为重要目标。例如，贵州省实施的“退耕还林还草”工程和“生态扶贫”政策，显著促进了林地的恢复和扩展[7]。以毕节市为例，该地区通过生态补偿机制，将部分坡耕地退耕还林，不仅改善了生态环境，还通过生态产业(如林下经济、生态旅游)为当地居民提供了可持续的生计来源。此外，脱贫攻坚政策中的易地扶贫搬迁措施也减少了偏远山区的人类活动干扰，促进了自然生态系统的恢复。这些政策的实施，使得耕地面积减少和林地面积增加的趋势得以显现，同时也缓解了区域生态敏感性的压力。

Table 4. Total area of land use types in contiguous poverty-stricken areas in Guizhou Province from 2000 to 2020 (km²)

表4. 2000~2020年贵州省连片贫困区土地利用类型总面积(km²)

年份	耕地	林地	灌木	草地	水域	裸地	建设用地
2000	42807.60	87840.70	7031.50	3334.90	245.7	0.08	208.2
2010	45791.70	86498.60	6108.40	2339.30	378.9	0.042	351.7
2020	44313.20	89969.80	4159.90	1837.30	472.8	0.77	714.9

3.2. 生态风险特征

3.2.1. 单因子生态敏感性分析

为了更准确和完整地描述贵州省连片贫困区的生态敏感性，本研究首先评估了七个因子的生态敏感性特征(图3、图4)。

1) 海拔、坡度敏感性分析

海拔高度对气候变化、植被和生物多样性有显著影响，进而决定生态敏感性[8]。在贵州连片贫困区，生态敏感性从东向西递增。中敏感和高敏感区域主要集中在毕节市西部，分别占总面积的11.47%和5.19%，而极高敏感区域占0.27%。非敏感和低敏感区域占比较大，分别为48.73%和34.34%，主要分布在东部和中部。坡度方面，非敏感和低敏感区域占比较大，分别为22.21%和54.91%，主要分布在西南部和中部平坦地区，适宜农业和建设。东部和北部边缘地带的高敏感和极高敏感区域占比较小，分别为0.99%和0.05%，表明这些地区地形陡峭，开发难度大。中敏感区域广泛分布，占比约21.84%。

Figure 3. Spatial distribution characteristics of sensitivity levels for each single factor

图3. 各单因子敏感性等级的空间分布特征

Figure 4. Statistics of the proportion of ecological sensitivity level area in contiguous poverty-stricken areas based on AHP method

图4. 基于AHP法的连片贫困区生态敏感性等级面积占比统计

2) 植被、水域敏感性分析

贵州省连片贫困区虽然植被覆盖度高，但NDVI敏感性分布图揭示了72.12%的区域属于极高敏感区，这表明该地区生态环境状况良好，但经济活动高度依赖自然资源。此外，贵州省的高敏感区域占总面积的27.43%，主要集中于西南和北部，显示了这些地区植被覆盖的高密度。中敏感和低敏感区域较少，分别占0.43%和0.01%，零星分布于北部和中西部。非敏感区域极少，仅占0.01%，主要在毕节西部。在水域生态系统方面，该区域河网密集，中敏感和低敏感区域占比较高，分别为35.07%和38.3%，显示出水资源的丰富，适合农业和生态旅游业的发展。高敏感区域占25.43%，进一步印证了水资源的丰富性。而极高敏感区域仅占1.20%，表明少数区域水资源较为稀缺，需要合理规划和管理。

3) 人口、LUCC、道路敏感性分析

夜间灯光指数显示，99.22%的区域为极高敏感区，表明人口密度低和经济发展水平不高，基础设施薄弱[9]。其余敏感区域占比极小，分别为高敏感(0.54%)、中敏感(0.17%)、低敏感(0.05%)和非敏感(0.02%)，反映出该区域人口稀少，需进一步加强经济发展以吸引人口[10]。土地利用类型敏感性分析表明，高敏感区占63.79%，主要是林地，土地开发难度大。中敏感区占31.32%，主要是耕地，为区域主要用地类型。低敏感和非敏感区较少，主要由灌草丛、裸地和少量建设用地组成，散布在西部和中部部分地区。道路敏感性分布图显示，非敏感区域占83.81%，说明大部分区域交通基础设施不足，限制了经济发展。低敏感和中敏感区域占比较少，集中在中部和北部部分地区。高敏感和极高敏感区域几乎没有，表明该区域交通建设需加强[6]。

3.2.2. 综合生态敏感性评价

研究发现，贵州连片贫困区生态敏感性普遍较高，中敏感区域占40.29%，高敏感区域占22.65%，极高敏感区域占25.24% (图5)。这些区域水系发达、植被覆盖指数高、生物多样性丰富，但易受人类活动影响，需减少人为破坏并进行生态修复[11]。低敏感区域占10.84%，非敏感区域仅占0.98% (表5)。低敏感区域(15216.23 km²)主要分布在安顺北部和西部、黔西南北部、毕节市等，适宜农业和建设活动，但需合理规划和环境保护[12]。中敏感区域(31789.64 km²)作为生态保护和人口分布的缓冲区，生态稳定性脆弱，需加强生态管控。非敏感区域(1369.167 km²)主要分布在毕节的威宁、七星关和大方等地，植被覆盖低，石漠化程度高，需加强石漠化治理、水土流失防护和植被生态修复[4] [12]。

Figure 5. Comprehensive sensitivity characteristics of contiguous poverty-stricken areas in Guizhou Province

图5. 贵州省连片贫困区的综合敏感性特征

Table 5. Comprehensive ecological sensitivity assessment statistics

表5. 综合生态敏感性评价统计

评价等级	非敏感	不敏感	中敏感	高敏感	极高敏感
面积/km^2	1369.167	15216.23	31789.64	56548.69	35432.66
占比/%	0.98	10.84	22.65	40.29	25.24

3.3. 生态风险特征的驱动因子分析

研究结果表明，生态敏感性受多种生态因素驱动，各因素贡献程度不同(图6(a))。其中，LUCC的解释率q值最大(0.427)，其次为NDVI (0.358)，两者的解释率累计超过67%，是生态敏感性的主要驱动力。坡度和水系q值分别为0.172和0.179，解释力超过30%，对生态敏感性有一定影响。高程、道路和人口密度q值分别为0.002、0.028和0.001，解释力仅2.7%，对生态敏感性影响不显著。

Figure 6. Single factor interpretability (a) and factor interaction (b) of geographic detector analysis; X1~X7 respectively represent elevation, slope, water system, NDVI, LUCC, and population density

图6. 地理检测器分析的单因素可解释性(a)和因素交互作用(b)；X1~X7分别表示高程、坡度、水系、NDVI、LUCC、人口密度

在交互作用效应分析中，观察到两种重要交互作用：非线性和双因子增强效应(图6(b))。其中水系与LUCC的交互作用[q (水系∩LUCC) = 0.647]对生态敏感性变化有显著解释力。高程与道路的交互作用[q (高程∩道路) = 0.008]解释力最小。各变量对生态敏感性变化的影响不独立，两因素综合影响大于单因素影响。如交互作用效应[q (NDVI∩LUCC) = 0.607]大于NDVI (0.358)和LUCC (0.427)的单独影响。

4. 结论与建议

4.1. 结论

本研究基于2000~2020年贵州连片贫困区土地覆盖数据，评估了土地覆被变化及其生态敏感性。采用AHP和地理探测器确定了评价指标权重与生态敏感性的驱动因素，并用GIS技术进行了敏感性分析和可视化。研究结论如下：

1) 2000~2010年间，贵州连片贫困区的耕地和建设用地面积增加，而灌木和草地面积减少，反映了经济发展和城市化对LUCC格局的影响。2010~2020年间，耕地面积减少，林地面积增加，表明生态环境保护和可持续发展政策可能对LUCC产生了积极影响。

2) 贵州连片贫困地区生态敏感性普遍较高，其中极高敏感、高敏感和中敏感区域占比较大，这些区域水系发达、植被覆盖指数高、生物多样性丰富，但对人类活动干扰的抵抗力较弱，需要减少人为破坏并进行生态保护与修复。低敏感和非敏感区域较少，主要分布在特定地区，这些区域多为耕地和建设用地，或植被覆盖低、石漠化程度高的区域，需要合理规划和环境保护，以及加大石漠化治理和水土流失防护力度。

3) 贵州省连片贫困区生态敏感性主要由LUCC和NDVI驱动，其单因子解释率分别为0.427和0.358。LUCC与水系的交互作用解释力达0.647，凸显LUCC在影响生态敏感性中的主导地位。

4.2. 建议

1) 加强政策支持与监管：建议政府进一步完善生态保护政策，加大对高生态敏感区生态修复项目的资金和技术支持。同时，加强土地利用和生态保护的监管力度，确保政策落实到位。

2) 提升公众生态意识：通过宣传教育，提高公众对生态保护的认知和参与度，鼓励社区和居民参与生态修复和保护工作。

3) 推动跨区域协作：贵州连片贫困区的生态问题具有区域性和复杂性，建议推动跨区域协作，统筹生态保护与经济发展，实现区域生态系统的整体修复和可持续发展。

基金项目

国家级大学生创新训练项目(202314223021)。

NOTES

^*通讯作者。