1. 引言
生态环境健康的重要性
生态环境健康是指生态系统在人类活动干扰下维持其组织结构、自我协调和对胁迫的恢复能力。健康的生态环境是人类活动的重要物质基础，对人类生产生活至关重要。然而，随着气候变化与人类社会的高速发展，生态环境各方面都遭到了不同程度的破坏。
研究挑战
随着地理大数据的获取日益便捷，指标体系的覆盖范围显著扩大，如何客观、科学地选择能够表征研究区特点的关键指标成为当今生态健康评价的关键问题。特定区域所构建的指标体系往往随着不同学者不同地区的组合都会有所不同，呈现多样化，指标体系的复用性低、无法通用。
2. 研究方法
2.1 指标体系构建
本文集成PSR模型和EHN模型进行指标体系总体框架的构建，建立了目标层-准则层-要素层-指标层-同类指标层的五层网状指标体系。
图1 生态环境健康评价指标体系
该指标体系以生态环境健康评价作为目标层，将其通过PSR概括成反映生态环境健康的三大概念(压力、状态和响应)作为准则层向下约束。同时考虑到不同区域生态环境背景与人类活动的差异导致压力、状态和响应的侧重面存在部分不同，在要素层进行细分，进一步获得明确的主题。
2.2 两段式自适应指标约简模型
同类指标层约简方法
为避免指标体系中同类型指标过多所导致的信息重叠，本文以指标的敏感性、代表性和重要性三个方面作为筛选依据，并利用TOPSIS法整合三个方面的计算结果进行综合评价，根据综合得分确定表征指标。
TOPSIS法是通过在目标空间中定义一个测度，测量目标靠近正理想解(最大值)和远离负理想解(最小值)的程度，以此对评价对象进行评估。
指标层约简与权重计算
在同类指标约简结果的基础上，基于目标优化理论进行指标层约简，主要包括权重计算和指标筛选两个部分。指标层权重采用最大化偏差模型实现CRITIC法和熵权法的组合赋权。
最大化偏差模型的基本思想是通过将各方法结果之间的距离最大化进行模型的建立，并在此基础上计算每种客观赋权法的权重，以减少使用单一权重方法的片面性。
生态环境健康综合指数计算
基于中选指标和最终权重，使用综合指标法，将选中的各正向或反向生态评价指标进行标准化后的值与其对应的最终权重值，通过加权求和计算生态环境健康综合指数(EHCI):
EHCI = ∑(Ei × wi)
式中：EHCI为生态环境健康综合指数，其反映的是研究区的生态环境健康水平，取值范围为[0,1]；n为选中的评价指标个数；Ei为第i个指标的标准化值；wi为第i个指标最终权重。
3. 实验区与实验数据
3.1 实验区
为验证本研究方法在中国不同地区的适用性，选择云南、福建、京津冀、陕西、湖北、新疆和吉林这7个较为典型的地区作为实验区。
图2 实验区分布
所选的7个地区在中国各个方位都有分布，并且诸如气候、地表覆盖类型、人类活动等因素差异显著，具有较好的代表性和典型性。
3.2 实验数据
研究中所使用到的地理大数据包括2001-2021年的遥感数据及产品、气象数据等数据，以及人口密度、DEM数据、土壤质地和中国行政边界数据等。为了统一分辨率，将栅格数据都重采样为500m×500m。
数据来源:
- 遥感数据: MODIS数据(MOD11A2、MOD13Q1、MOD15A2H等)
- 土地覆盖数据: 武汉大学遥感院制作的30m分辨率中国年度土地覆盖数据集
- 气象数据: NOAA日值气象数据集和中国气象背景数据集
- 其他数据: DEM数据来自美国地质调查局，土壤质地、人口密度数据来自中国科学院资源环境数据云平台
4. 结果及分析
4.1 指标筛选结果及合理性分析
各地区同类型指标筛选结果
| 地区 | 植被指标 | 地形指标 | 气温指标 | 降水指标 |
|---|---|---|---|---|
| 云南 | DVI年最小值 | 粗糙度、地表起伏度、海拔高度 | 年均气温、≥10°C积温、≥0°C积温 | 年降水量、最大日降水量 |
| 福建 | NDVI年均值 | 坡度、地形位、地表起伏度 | 年均气温、极端低温、≥10°C积温、≥0°C积温 | 年降水量、最大日降水量 |
表1 各地区同类型指标筛选结果
各地区指标筛选结果
结果表明，植被覆盖度、生态用地面积占比、水源涵养、平均斑块面积、生物丰度、土地利用程度、人类活动强度、生态弹性度在7个地区中都有被选中，说明这几种指标为共性指标，在各地区的生态环境健康评价中都是通用的。
从各地区的结果来看，排名靠前的指标都较好契合各地区的基本情况。福建省和云南省全省森林覆盖率过半，气候湿润，排名靠前的湿润指数、水源涵养、植被覆盖度和生态用地面积占比都能很好的表征自然本底特征。
4.2 各地区EHCI的时空变化分析
平均EHCI的空间分布
图3 各地区21年的EHCI均值空间分布情况
7个地区2001-2021年平均生态健康空间分布如图3所示，其中新疆、福建、陕西、京津冀、湖北与现有文献中生态环境健康状况好坏的相对分布格局相似。并且，各地区生态环境健康状况的空间分布基本符合实际情况。
EHCI的时间变化特征
图4 2001-2021年各地区EHCI变化趋势
利用Sen+Mann-Kendall法对2001-2021年各地区的EHCI进行时间序列趋势分析。7个地区21年来生态环境健康状况总体上都保持稳定的态势，稳定不变的等级基本都占各地区面积的85%以上。
各地区EHCI变化趋势分级面积占比
| 地区 | 稳定不变(%) | 严重退化(%) | 轻微退化(%) | 轻微改善(%) | 明显改善(%) |
|---|---|---|---|---|---|
| 云南 | 91.21 | 1.83 | 0.01 | 0.01 | 6.94 |
| 福建 | 94.26 | 3.33 | 0.04 | 0.02 | 2.35 |
表3 各地区EHCI变化趋势分级面积占比(%)
4.3 各地区压力、状况和响应贡献率分析
压力表征的是生态系统所面临的自然或人类活动引起的内外胁迫，状态表征生态系统面对压力时所处状况，响应表征人类面对生态问题采取的对策和措施或生态系统面对压力和状况变化的承受能力。
| 地区 | 压力P | 状况S | 响应R |
|---|---|---|---|
| 云南 | 0.1705 | 0.4340 | 0.3898 |
| 福建 | 0.1476 | 0.4350 | 0.4175 |
表4 各地区压力、状况和响应的平均贡献率
从各地区的主导类型来看，可以分为状况-响应联合主导与状态主导两种类型。状况-响应联合主导的地区有云南、福建、陕西、湖北和吉林，这些地区在响应方面的贡献率具有接近于状况的较高贡献率。
5. 结论与讨论
5.1 结论
- 所提出的指标体系，在传统的指标体系上扩大了体系框架和所能表征生态系统特征的涵盖面，并通过层级关系从上到下层层约束，使得指标体系内部结构和所表征的内容、方面更加全面细致，能适用于不同生态系统。
- 基于TOPSIS法与目标优化理论的两段式自适应指标约简方法，能够综合考虑和利用指标本身数据多个方面的属性，是一个从同类指标的得分计算、指标层权重计算与最终的指标筛选都客观的定量化筛选方法。
- 7个地区的指标筛选结果能够较好地体现各地区的自然本底特征，其中部分指标在现有文献中也同样被使用，并且各地区生态环境健康水平的空间分布和时间变化趋势结果能与现有文献、实际情况和相关生态政策成果较好对应。
- 在年际尺度上，7个地区大部分区域(>85%)的生态环境健康状况都保持稳定不变的态势，云南和陕西在总体稳定的基础上呈现向好的趋势，京津冀、吉林则是在总体稳定的基础上略微退化。
5.2 讨论
鉴于目前生态环境健康评价所面临的问题，本文提出了一种面向生态环境健康评价的自适应指标约简模型，其中所构建的指标体系和指标筛选方法对当前研究的不足都有所改进和弥补。
但仍有可以改进的地方与对该工作的进一步展望：
- 在指标标准化时只是简单的对指标进行极值归一化，需要构建一个适用于不同数据的标准化方法
- 对于筛选结果和评价结果的合理性缺乏定量化方法进行验证
- 目前只是简单的对7个地区进行了生态环境健康状况时空变化的分析，未来将进一步开展两段式方法在全国更大范围内的生态环境健康评价
- 目前所提出的方法在所选择的几个实验区中都得到了较好的结果，但本论文的主要研究尺度为面向省域的区域尺度
* 以上内容由AI自动生成，内容仅供参考。对于因使用本网站以上内容产生的相关后果，本网站不承担任何商业和法律责任。