基于层次分析法的黄河上游水源涵养区生态系统恢复力评价——以甘南州、临夏州为例

doi:10.7522/j.issn.1000-694X.2022.00071

基于层次分析法的黄河上游水源涵养区生态系统恢复力评价——以甘南州、临夏州为例

李鑫鹏^,¹^,², 王朝平³, 邹松兵^,¹^,², 岳玮⁴, 罗珊¹^,², 王文澍¹^,², 秦艺豪¹^,², 桑骏¹^,², 钱继坤¹^,², 王春苗¹^,²

1.兰州大学，资源环境学院，甘肃兰州 730000

2.兰州大学，西部环境教育部重点实验室，甘肃兰州 730000

3.兰州大学，科学技术发展研究院，甘肃兰州 730000

4.甘肃省生态环境科学设计研究院，甘肃兰州 730020

Evaluation on ecological resilience in water conservation area in the upper Yellow River based on AHP： A case study of the Gannan and Linxia region

Li Xinpeng^,¹^,², Wang Chaoping³, Zou Songbing^,¹^,², Yue Wei⁴, Luo Shan¹^,², Wang Wenshu¹^,², Qin Yihao¹^,², Sang Jun¹^,², Qian Jikun¹^,², Wang Chunmiao¹^,²

1.College of Earth and Environmental Sciences /, Lanzhou University，Lanzhou 730000，China

2.Key Laboratory of Western China's Environmental Systems /, Lanzhou University，Lanzhou 730000，China

3.Office of Science and Technology, Lanzhou University，Lanzhou 730000，China

4.Gansu Academy of Eco-Environmental Sciences，Lanzhou 730020，China

通讯作者: 邹松兵（E-mail： zousb@lzu.edu.cn）

收稿日期: 2022-01-22 修回日期: 2022-04-18

基金资助:

甘肃省社会科学联合会与甘肃省社会科学学术活动基金会联合项目. 21ZZ37
甘肃省科技重大专项计划项目. 21ZD4FA008. 20ZD7FA005

Received: 2022-01-22 Revised: 2022-04-18

作者简介 About authors

李鑫鹏（2000—），男，江西抚州人，本科生，资源环境专业E-mail：xpli19@lzu.edu.cn , E-mail：xpli19@lzu.edu.cn

摘要

在全球气候变化背景下，人类活动对生态环境质量影响的定量评价是区域生态保护与高质量发展的关键问题。本文基于层次分析法（AHP）和GIS可视化空间分析技术，应用遥感反演的生态系统分类资料和社会经济统计资料等，构建了包含社会经济、土地压力、自然条件3个准则层的生态系统恢复力评价指标体系，结合指标时空尺度无量纲化与综合指数法，进行了甘肃省甘南州、临夏州2000—2020年的生态系统恢复力定量评估。结果表明：研究区域空间尺度生态恢复力范围分别为0.14—0.65（2000年）、0.12—0.72（2005年）、0.07—0.70（2010年）、0.12—0.70（2015年）、0.28—0.82（2020年）；甘南生态系统恢复力较高，临夏生态系统恢复力较低，在空间分布上，生态系统恢复力呈现北低南高的总体特征，高生态恢复力的乡镇以草地、森林、灌木生态系统为主，低生态恢复力的乡镇以农田、城镇生态系统为主；在时序变化特征中，生态系统恢复力总体向好，呈现先上升、后下降、最后上升趋势，受人类活动与气候变化共同作用。

关键词： 水源涵养区 ; 生态恢复力 ; 综合评估模型 ; 黄河上游

Abstract

In the context of global climate change， the quantitative assessment of human activity's impact on the quality of the ecological environment is a key issue for regional ecological conservation and high-quality development. Based on the Analytic Hierarchy Process （AHP） method and GIS visualization and spatial analysis technology， we structured an ecological resilience assessment system including three criteria layers： social economy， land pressure and natural conditions， using ecosystem classification data meteorological data retrieved from remote sensing. Combining with the spatiotemporally nondimensionalized indicators and the synthetical index method， we quantitatively assessed the ecological resilience in Gannan and Linxia every five years from 2000 to 2020. The results show that the spatial scale ecological resilience thresholds of the study area are 0.14-0.65 （2000）， 0.12-0.72 （2005）， 0.07-0.70 （2010）， 0.12-0.70 （2015）， 0.28-0.82 （2020）. The ecological resilience level in Gannan is relatively high， and the ecological resilience level in Linxia is relatively low. In the aspect of spatial distribution, the ecological resilience showed a decreasing trend with the latitude increased. The regions with high ecological resilience are dominated by grassland, forest and shrub ecosystems, and the regions with high ecological resilience are dominated by farmland and urban ecosystems. In the aspect of time series， the ecosystem resilience is generally positive， showing an upward trend at first， then falling， and finally rising， affected by human activities and climate change.

Keywords： water conservation area ; ecological resilience ; integrated assessment model ; the upper reaches of the Yellow River

PDF (2847KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

李鑫鹏, 王朝平, 邹松兵, 岳玮, 罗珊, 王文澍, 秦艺豪, 桑骏, 钱继坤, 王春苗. 基于层次分析法的黄河上游水源涵养区生态系统恢复力评价——以甘南州、临夏州为例. 中国沙漠[J], 2022, 42(6): 85-93 doi:10.7522/j.issn.1000-694X.2022.00071

Li Xinpeng, Wang Chaoping, Zou Songbing, Yue Wei, Luo Shan, Wang Wenshu, Qin Yihao, Sang Jun, Qian Jikun, Wang Chunmiao. Evaluation on ecological resilience in water conservation area in the upper Yellow River based on AHP： A case study of the Gannan and Linxia region. Journal of Desert Research[J], 2022, 42(6): 85-93 doi:10.7522/j.issn.1000-694X.2022.00071

0 引言

近年来，随着全球人口的持续增长，人类对环境的影响也不断增加，对生态系统造成了一定程度的破坏^［1］，生态系统管理已成为一个日益严峻的问题^［2］，如何有效维护现有的健康生态系统，综合治理、恢复已退化的生态系统成为目前亟待解决的重要课题。

Holling^［3］于1973年首次将恢复力的概念引入生态学领域，并将其定义为系统吸收状态变量、驱动变量和参数的变化并继续存在的能力。20世纪80年代，Pimm^［4］提出了新的定义，认为是系统在遭受扰动后恢复到原有稳定态的速度。在此后研究中，生态学界围绕生态系统恢复力不断提出了新的定义与内涵^［5］，目前国际较为认同的生态系统恢复力概念为：生态系统恢复力是生态系统在到达阈值前吸收扰动后恢复到稳定状态，并维持其基本特征分类组成、结构、生态系统功能和过程速率的能力^［1，6］。生态恢复力受生物多样性、生态储存、生境条件、气候、人类活动、生产力等因素影响^［7］。

生态恢复理论旨在解决现代生态学的两个基本问题，即大尺度生态系统理论问题及人与自然关系问题^［8］。从生态恢复力理论研究过渡到生态系统的保护与修复需要对恢复力进行定量系统评估，才能进一步识别区域内恢复力的主要影响因素，并揭示其驱动机理和变化机制，从而为生态系统管理提供决策依据。目前关于生态恢复力的研究经历了从一般定性描述到定量评价探讨、从单要素到综合多要素的发展过程^［9］，但对生态恢复力的定量评价研究尚未有统一范式，且大多基于土壤理化性质或植被覆盖等针对性指标进行特定区域生态系统恢复力评价，如陈宝昆等^［10］对小流域生态系统展开了人为诱导修复并进行监测评价；张志苗等^［11］基于植被指数对汉江流域开展生态恢复力评估研究等，对于高寒生态脆弱牧区生态恢复力的定量系统研究较少。

甘南黄河上游水源涵养区位于临夏回族自治州和甘南藏族自治州，是黄河源区降水最充沛的地区，区内湿地总面积4 842.6 km²，具有黄河、白龙江多条河流和120多条支流，有巨大的生态价值和重要的生态功能地位^［12］。但在近几十年的发展中，甘南和临夏的高寒脆弱生态环境受到过度放牧等人为因素和虫害鼠害等自然灾害的影响，生态环境均发生了不同程度的破坏与退化^［13-14］，截至2019年，仅甘南中度以上退化草原面积高达1.42万km²，占天然草原总面积的50.29%^［15］。为落实黄河流域生态保护和高质量发展国家战略，全面加强甘南黄河上游水源涵养区生态保护及生态修复建设，对保障整个黄河流域可持续发展、巩固黄河流域国家生态安全屏障意义重大。

鉴于此，为科学合理地进行区域生态修复，构建高寒脆弱复杂生态系统恢复力评价模型，定量评估黄河上游甘南高原水源涵养区生态恢复力，本文将基于层次分析方法（AHP）与GIS可视化空间分析技术，应用遥感反演的生态系统类型数据和社会经济统计资料等，结合实地调研与专家意见确立甘南临夏生态系统恢复力评价指标体系，实现区域内乡镇行政单元尺度的生态恢复力时间尺度以及空间尺度的定量评估。

1 区域概况

甘南藏族自治州和临夏回族自治州地处甘肃省西南部、青藏高原东缘，33°06′—36°10′N、100°46′—104°44′E^［16-17］，位于青藏高原与黄土高原过渡带^［18］（图1）。甘南和临夏各下辖1个市、7个县。甘南藏族自治州属大陆性高原气候，平均海拔3 000 m，年降水量400—800 mm，年均气温1—3 ℃^［19-20］。临夏回族自治州属温带大陆性气候，平均海拔2 000 m，年均降水量540 mm，年均气温6.2 ℃^［21］。研究区域植被以高寒草甸、灌丛和山地森林为主^［22］，湿地总面积4 842.6 km²，河流湿地面积290.8 km²，湖泊湿地面积有48.3 km²，沼泽湿地面积4 323.6 km^2［12］，区域内地形破碎，属山地丘陵沟壑区，生态环境较为敏感脆弱^［18］，形成了独特的高寒生态脆弱区。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 甘南藏族自治州与临夏回族自治州地理位置

Fig.1 Location of the Gannan Tibetan Autonomous Prefecture and Linxia Hui Autonomous Prefecture

2 数据与方法

2.1　数据的收集与处理

研究所使用的数据分为统计数据库与空间数据集，以2001—2021年每5年为研究段。统计数据由甘南、临夏各县市生态环境局与统计局提供，涵盖了2000—2020年统计年鉴，数据精度达乡镇级。通过对统计年鉴进行数字化并计算整理，最终获得6个社会经济和土地压力指标，包括人口密度、城市化率、人均收入、垦殖指数、化肥施用量与放牧压力。空间数据集包括生态系统分类数据集、Terraclimate全球地表高分辨率气象数据集（https：//www.climatologylab.org/Terra-climate.html）^［23］、中国1 km分辨率逐月平均气温数据集（https：//data.tpdc.ac.cn/en/data/71ab4677-b66c-4fd1-a004-b2a541c4d5bf/）^［24］和ASTER GDEM V2全球数字高程数据（http：//www.gscloud.cn/sear-ch），其中生态系统分类数据集来源于中国科学院西北生态环境资源研究院，空间分辨率为30 m，实地验证结果显示二级分类解译准确度高达92.94%，年均气温与年降水量提取自Terraclimate全球地表高分辨率气象数据，空间分辨率约为4 km，该数据应用广泛，具有较高的时空精度，较好地符合了研究的需求。

研究区域各乡镇的人均收入直接由统计年鉴获得，人口密度、城市化率、垦殖指数和单位面积农田化肥施用量通过统计年鉴获取的总人口数、非农业人口数、乡镇面积、耕地面积、化肥施用总量计算得到。此外，温度数据先将逐月平均计算值转换为年均气温，然后与降水数据通过ArcGIS利用乡镇行政边界进行栅格数据的分区统计获得乡镇级别的年均温度与年降水量，各类生态系统分类数据则先由二级分类数据合并为一级分类数据，再进行乡镇分类统计获得所需的森林、草地、湿地、灌木等一级生态系统覆盖度。研究通过实地考察调研以及查阅统计年鉴的方式，获得当地的各类牲畜存栏量、出栏量、出栏月份、出栏体重等关键信息，根据国家农业农村部颁布的草畜家禽羊单位换算标准（《NT/T 3647—2020》）计算牲畜折合羊单位，再除以当地的牧场面积最终获得放牧压力。

2.2　模型与方法

生态恢复力评价是一个复杂的过程，需要考虑的影响因素较多，因此建立一个完备、合理的生态恢复力指标体系存在较大困难，目前相关研究对于生态恢复评价体系指标的选择没有统一范式^［25］，如何选取能科学合理地反映生态恢复力的指标成为本研究难点。为此，研究团队前往甘南藏族自治州与临夏回族自治州各县进行实地考察并收集了大量的统计年鉴等资料，在参考前人研究成果的情况下^{［5，26-28］}，根据生态领域相关专家学者以及各县市生态环境部门工作人员的意见构建了指标体系。本文采用了（AHP）法确定各评价指标的权重，并以研究区域内各乡镇为基本评价单位，进行2000—2020年每5年的空间叠置分析，最终通过综合评价法定量评价了甘南藏族自治州与临夏回族自治州的生态恢复力。

2.2.1　生态恢复力评价指标体系构建

指标是反映总体现象数量特征的概念和数值，指标体系就是各种相互联系的指标所构成的有机整体，用来反映所研究现象总体情况。建立全面有效的生态恢复力指标评价体系是准确定量系统评价生态恢复力的关键，因此在建立评价指标体系前必须确定以下建立的原则。①系统性原则：要综合考虑区域内人类活动与自然环境的关系，构建科学的指标体系。②主导性原则：应对指标进行相关分析，抓住强相关性中的主导指标，构建合理的指标体系。③可行性原则：选取的指标应该有可靠的获取途径，使得数据翔实全面。④可比性原则：在保证科学合理的前提下，数据应具有时空差异，并且可进行量化分析。

研究在数据处理阶段，为进行各指标的相关性分析，利用了SPSS等专业软件构建了指标的Pearson相关系数矩阵，结果表明90%以上的相关系数绝对值在0—0.4，大多数指标之间呈现极弱相关性或者无相关性，仅有少数指标之间呈现中等相关性。因此在进行指标选择时，本研究充分考虑了该情况，去除了部分具有一定相关性的指标，以降低指标之间的相关性对生态恢复力评估结果的影响。

甘南州和临夏州生态指标体系构建以定量系统评价生态恢复力为主要目的，将社会经济、土地压力、自然条件等宏观上对生态系统有密切联系的因素作为研究中的准则层，同时以准则层为依据建立了由12个指标组成的生态系统恢复力评价指标体系。研究中社会经济和土地压力指标主要反映人类活动对生态系统的直接或间接影响，分别由人口密度、城市化率、人均收入和垦殖指数、化肥施用量、放牧压力组成；自然条件指标反映了生态系统的自然组成和生态系统的物质基础，包括年均气温、年降水量和森林、湿地、草地、灌木生态系统覆盖率。

2.2.2　生态恢复力指标权重的赋值方法

指标权重反映了该项指标对目标的贡献大小，是进一步关联指标体系中各因子的桥梁^［29］，对生态系统恢复力评价至关重要。本次生态恢复力评价主要选用层次分析法，指标权重通过构造两两比较判断矩阵，并利用专家决策法比较两两指标间的相对重要性来确定。在构造该判断矩阵时，需要按照一定准则，比较两个元素 $A_{i}$ 和 $A_{j}$ 的重要程度并对其进行赋值，其中 $a_{i j} = A_{i}$ / $A_{j}$ ，判断矩阵A= $(a_{i j})_{n * n}$ 对于其重要程度 $a_{i j}$ 采用1—9标度来反映重要程度（表1），同时可以对重要程度标度进一步细分，取折中值2、4、6、8。

表1 专家决策法指标重要性打分标度

Table 1 Expert decision-making index importance scoring scale

重要程度	标度	意义
$a_{i j} = A_{i}$ / $A_{j}$	1	$A_{i}$ 和 $A_{j}$ 一样重要
	3	$A_{i}$ 和 $A_{j}$ 相比，稍微重要
	5	$A_{i}$ 和 $A_{j}$ 相比，明显重要
	7	$A_{i}$ 和 $A_{j}$ 相比，强烈重要
	9	$A_{i}$ 和 $A_{j}$ 相比，极端重要

新窗口打开| 下载CSV

本研究按照方根法求得特征向量和最大特征值，通过一次性检验后，最终得出各层指标权重（表2）。

表2 生态系统恢复力评价指标体系

Table 2 Ecosystem resilience assessment index system

目标层（I）	准则层（B）	权重	指标层（C）	权重
生态系统恢复力	社会经济（E）	0.1245	人口密度（E₁）	0.0554
			城市化率（E₂）	0.0374
			人均收入（E₃）	0.0317
	土地压力（S）	0.1989	垦殖指数（S₁）	0.0649
			单位面积耕地化肥施用量（S₂）	0.0435
			放牧压力（S₃）	0.0905
	自然条件（N）	0.6766	年均气温（N₁）	0.1201
			年降水量（N₂）	0.1711
			森林覆盖率（N₃）	0.1096
			湿地覆盖率（N₄）	0.0880
			草地覆盖率（N₅）	0.1150
			灌木覆盖率（N₆）	0.0728

新窗口打开| 下载CSV

2.2.3　生态恢复力综合评价模型

无量纲化，也叫数据的标准化、规格化，是将不同的指标数据进行简单的数学变换^［30］，从而有效地解决指标量纲和数量级问题，便于指标间数据的比较分析。现有数据无量纲化方法众多，本研究中选用的是较为常用的最大-最小值归一化方法，原理是利用变量的最大值和最小值将原始数据转换为（0，1）内的数据，改变变量在分析中的权重来消除不同度量单位和数量级的影响，如下式^［31-32］：

对于正向指标：

X_{i j}^{'} = \frac{X_{i j} - m i n (X_{i j})}{m a x (X_{i j}) - m i n (X_{i j})}

（1）

对于逆向指标：

X_{i j}^{'} = 1 - \frac{X_{i j} - m i n (X_{i j})}{m a x (X_{i j}) - m i n (X_{i j})}

（2）

为了能够更好地反映研究区生态恢复力在某一时间的空间分布与各乡镇生态恢复力在时间序列上的变化情况，本研究分别针对时空变化进行无量纲化处理。在空间范围上，对相同年份的各乡镇各指标进行最大-最小值归一化， $X_{i j}^{'}$ 、X_ij 分别为第j年i指标的无量纲化值和初始值；在时间序列上，对不同年份的同一乡镇各指标进行最大-最小值归一化，X_ij 、X_ij 分别为j乡镇的i指标的无量纲化值和初始值，同时对于二者max（X_ij ）、min（X_ij ）都为各指标的最大值和最小值。

综合指数法被广泛应用于生态环境评估^［33-35］，根据无量纲化结果，通过一定的加权运算计算出研究区当地生态系统恢复力，可反映研究区生态环境的健康程度，对于评估生态环境变化情况以及生态管理都具有十分重要的意义。本研究用综合指数法构建研究区的生态恢复力评价模型对其生态恢复能力进行评价。生态恢复力综合评价计算公式如下，其中I为该地的生态恢复力，E为社会经济层综合值，S为土地压力层综合值，N为自然条件层综合值， $w_{e}$ 、 $w_{s}$ 、 $w_{n}$ 分别代表社会经济层、土地压力层、自然条件层的权重值； $w_{e i}$ 、 $w_{s i}$ 、 $w_{n i}$ 分别代表社会经济层、土地压力层、自然条件层中第i个指标相对于该层中所有指标的权重值； $x_{e i}$ 、 $x_{s i}$ 、 $x_{n i}$ 分别代表社会经济层、土地压力层、自然条件层中第i个指标的标准化值。

I = E \cdot w_{e} + S \cdot w_{s} + N \cdot w_{n}

（3）

E = \sum_{i = 1}^{n} w_{e i} \cdot x_{e i}

（4）

S = \sum_{i = 1}^{n} w_{s i} \cdot x_{s i}

（5）

N = \sum_{i = 1}^{n} w_{n i} \cdot x_{n i}

（6）

现阶段对于生态恢复力等级划分并没有统一标准，研究参考了大量同类研究^{［11，36-37］}，将生态恢复力划分为5个等级，分别为高、较高、中等、较低、低（表3）。为使本研究对生态恢复力的分组合理，在空间上突出不同组别的差异，具体阈值划分参考了综合自然间断点分级法和相等间隔法。

表3 生态恢复力划分等级

Table 3 The rank of ecosystem resilience

综合指数（I）	<0.42	0.42—0.49	0.49—0.58	0.58—0.65	>0.65
生态恢复力等级	低	较低	中等	较高	高

新窗口打开| 下载CSV

研究包括生态恢复力空间范围可视化和时间序列可视化。在各地区生态恢复力综合评价结果的基础上，空间范围可视化使用ArcGIS软件制作2000—2020年每5年的生态恢复力空间分布（图2）；时间序列可视化在各地区时间序列无量纲化的基础上，针对各地区不同年份生态恢复力计算增长率，最终以生态恢复力增长率分布图的形式呈现。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 生态恢复力等级空间分布

Fig.2 Spatial distribution of ecosystem resilience ranks

3 结果分析

对甘南临夏生态恢复力的分析分别从时间和空间两个尺度进行综合评价，并将综合评价结果在ArcGIS中可视化。在空间分布上，以乡镇为最小单位制图（图2），对比相同年份不同乡镇之间、县域之间生态恢复力的空间差异性（图3）。在时序变化上，由于无量纲化采用的是同一乡镇内不同年份的数据，导致时间序列上不同乡镇的生态恢复力不具备可比性，故计算各乡镇每5年的生态恢复力增长率，将增长率的空间分布进行可视化表达（图4）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 研究区一级生态系统分类

Fig.3 First-class classification of ecosystems at the study area level

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 生态恢复力时间序列变化

Fig.4 Change of ecosystem resilience in time series

3.1　生态恢复力空间差异性分析

研究区域空间尺度生态恢复力综合指数为0.14—0.65（2000年）、0.12—0.72（2005年）、0.07—0.70（2010年）、0.12—0.70（2015年）、0.28—0.82（2020年）。在空间分布上，生态恢复力不同乡镇的生态恢复力具有明显的差异性，整体上呈现出北低南高的特征，其中北部的永靖县、东乡回族自治县等地生态恢复力处于较低水平，偏北的临夏市、广河县呈现显著的低值集聚；中部夏河县、合作县等地生态恢复力处于中等水平；而南部，除碌曲外，呈现出明显的高值集聚，且向南生态恢复力逐渐趋高。

本文以综合自然间断点分级法和相等间隔法把甘南临夏生态系统恢复力划分为5个等级，并将各生态恢复力等级所对应的面积占比绘制成表4，其中恢复力等级越高表示该区域生态系统受到扰动后恢复到原有状态的潜力越大。2000年生态恢复力相对等级为较高和高的地区占总面积约53%，且大部分在中等及以上水平，说明该年各地的生态恢复力相对接近；2005年生态恢复力等级为较高和高的地区占总面积的65%，整体生态恢复力差异小于2000年；2010年生态恢复力等级为较高和高面积约占36%，生态恢复力值0.275—0.705，说明该年各地生态恢复力差异较大，恢复力水平相对较高的区域较少，主要为中等水平；2015年生态恢复力等级高和较高占总面积约70%，南部大面积地区相对拥有着较高的恢复力水平；2020年生态恢复力等级较高和高水平约占总面积64%，迭部、碌曲、玛曲的生态恢复力明显相对较高。

表4 2000—2020年生态恢复力各等级面积占比

Table 4 Area ratio of the ecosystem resilience rank

年份	恢复力等级
年份	低（<0.42）	较低（0.42—0.49）	中等（0.49—0.58）	较高（0.58—0.65）	高（>0.65）
2000	0.0301	0.1043	0.3322	0.4792	0.0541
2005	0.0308	0.0958	0.2208	0.5008	0.1518
2010	0.0803	0.0986	0.4502	0.3287	0.0421
2015	0.0114	0.1031	0.1857	0.6835	0.0163
2020	0.0043	0.0878	0.2568	0.6112	0.0399

新窗口打开| 下载CSV

研究区域相对生态恢复力的空间分布特征与一级分类生态系统分布（图3）有密切的联系。尽管一级生态系统覆盖也作为了模型的指标并占据了较大的权重，但仍可以从生态恢复力的角度进行分析。虽然各地的生态系统类型各有差异，但生态恢复力较高区域明显分布在草地、森林和灌木生态系统较为集中的迭部、玛曲等地，生态恢复力较低的区域集中分布在农田生态系统较为集中的临夏地区，同时，城镇生态系统所在的乡镇明显生态恢复力最低，符合当地的实际情况。生态恢复力评价是个复杂的过程，尽管本文尽可能科学全面地构建了指标体系，但无法真正全面反映生态恢复力，如何进一步完善生态系统恢复力评价指标体系，进行更加合理的生态恢复力评价有待讨论。

3.2　近20年生态恢复力时序分析

从时间序列上来看，生态恢复力呈现出随时间动态变化的特征。2000—2005年，恢复力水平整体呈上升趋势，恢复力上升地区占总面积约83%，大部分地区上升幅度较小，北部和西部少部分地区恢复力水平有小幅下降；2005—2010年，整体恢复力水平略微上升，恢复力水平上升地区占总面积56%，大部分位于西部和中部，东部和北部地区恢复力水平呈下降趋势，其中北部60个乡镇下降幅度较大；2010—2015年，整体生态恢复力下降，恢复力水平上升地区面积占比仅有30%，集中分布在中部地区，北部、西南部和东南部呈下降趋势，其中北部和东南部部分地区下降幅度较大；2015—2020年整体恢复力水平呈上升趋势，北部部分地区上升幅度较大，只有中部少部分地区恢复力水平有所下降且下降幅度较小。

总体看来，2000—2020年甘南、临夏的整体生态恢复力呈现先上升、后下降、最后上升的趋势，2015年后生态恢复力的增长较为显著，研究区域内生态恢复力整体提升。近年来，人类活动对生态环境变化的复杂作用不可忽视，初步分析2015—2020年生态恢复力的增长部分受人们积极响应生态环境变化并开展保护工作影响。2015年以来甘肃省不断严格落实草畜平衡制度，牲畜量得到了有效控制；在2017年甘肃省开展了全省全域无垃圾三年专项治理行动方案，较大程度地优化了生态环境。

同时，气候变化对生态恢复力具有重要影响。通过对比不同区域气温降水的时间变化特征，2015—2020年区域整体年均气温相对升高，年降水量也有一定量的增加，而各类生态系统覆盖率随时间同步变化幅度较小，在生态恢复力评价模型中，年均气温与年降水量指标所占权重分别为0.12和0.17，因此对于模型所得生态恢复力的时序变化特征而言，气候变化对其造成的影响较大。本研究和以往的研究都表明气候变化与人类活动共同造成了甘南草原生态环境变化^［38］，但目前人类活动与气候变化与高寒脆弱的黄河上游水源涵养区生态恢复力的复杂响应机制有待进一步研究。

3.3　同类研究结果验证

利用甘南、临夏的生态相关领域研究结果对本研究进行对比是判断研究结果是否合理的重要手段。赵玉婷等^［39］对甘南草地生态系统的研究结果表明，玛曲、碌曲的草地生态系统相对于甘南其他地区较为健康，与本文中玛曲、碌曲生态恢复力较高一致；Li等^［27］在2021年对甘南牧区生态系统的研究结果显示，玛曲、碌曲生态系统较好，临潭生态系统较差，也与本文研究结果相似；Liu等^［40］利用Google earth engine平台的研究结果表明，2000—2018年甘南植被指数（NDVI）呈现波动上升的趋势，代表着甘南植被生长状况在一定程度上能够指示生态变化情况，与研究中生态恢复力的时序变化趋势一致。

4 展望

应用遥感反演的生态系统分类资料和社会经济统计资料等，在综合考虑各指标对生态恢复力变化影响机理的基础上，本文构建的生态恢复力评价模型能够对甘南、临夏乡镇级别的生态恢复力的时空分布及变化特征进行定量评估；甘南临夏地区2000—2020年生态恢复力在空间分布上基本为北部低、南部高，呈先上升、后下降、最后上升的趋势；高生态恢复力的乡镇以草地、森林、灌木生态系统为主，低生态恢复力的乡镇以农田、城镇生态系统为主，同时生态恢复力的时序变化受到人类活动与气候变化的共同作用。以上的研究成果，不仅可以为分析甘南、临夏的区域生态变化影响因素及其耦合机制提供依据，也为高寒牧区的脆弱生态系统修复工作提供基础数据，对于黄河上游生态保护与高质量发展具有重要意义。在未来的工作中，将进一步结合当地草畜平衡等环境保护政策，实现精度更高的人类活动对高寒复杂脆弱生态系统与水源涵养区生态变化影响综合评价、定量评估和模拟预测。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Galvani

A P

， Bauch

C T

， Anand

，et al.

Human-environment interactions in population and ecosystem health

［J］.Proceedings of the National Academy of Sciences of the United States of America，2016，113：14502.

[本文引用: 2]

[2]

Defries

， Nagendra

Ecosystem management as a wicked problem

［J］.Science，2017，356：265-270.