土地生態系統脆弱性時空演化特征及影響因素——以黃河三角洲高效生態經濟區為例

張 帥,董會忠,曾文霞

?

土地生態系統脆弱性時空演化特征及影響因素——以黃河三角洲高效生態經濟區為例

張 帥,董會忠*,曾文霞

(山東理工大學管理學院,山東 淄博 255012)

基于BP人工神經網絡模型,對黃河三角洲高效生態經濟區土地生態系統脆弱性進行綜合評價和時空演化分析,并借助灰色關聯度模型探究其影響因素.結果表明:研究區土地生態系統脆弱性從2005年的1.244降低至2016年的1.113,脆弱性逐步改善;脆弱性由西到東、由內陸到沿海逐漸加劇,并表現出脆弱性平穩型和脆弱性漸低型2個演化特征;地均工業廢水排放量、鹽堿荒地面積比重、土地利用程度、建成區綠化覆蓋率、節能環保支出占財政支出的比重是系統脆弱性的主要影響因素.因此,降低土地生態系統脆弱性的政策著力點應該集中在生態修復、優化土地利用結構和節能減排等方面.

土地生態系統；脆弱性；BP人工神經網絡；時空演化

20世紀中后期以來,全球環境變化、高強度的人類活動及兩者之間的相互作用使得生態系統服務功能維持和經濟增長的矛盾日益突出,我國社會經濟的迅速發展很大程度上是以增加土地系統的脆弱性、損傷其主要生態環境功能為代價的[1].人地關系失調導致的土地退化、土壤和水環境惡化、生態系統功能衰退等問題使我國土地資源環境面臨前所未有的挑戰[2].如何改善人地關系、實現社會經濟和土地生態環境的協調發展已成為當今社會普遍關注的焦點.自1981年脆弱性概念被引入地學領域,土地生態系統脆弱性研究逐漸深入,已經成為分析人地相互作用機制與過程、區域可持續發展的重要科學途徑[3-5].

對土地生態系統脆弱性的研究是在生態系統脆弱性研究的基礎上發展起來的.作為復雜開放系統,生態系統主要包含社會系統、自然系統和社會—自然耦合生態系統3類子系統[6].生態系統脆弱性是組成生態系統的各子系統內部或子系統之間相互作用的結果[7].對生態系統脆弱性的研究始于1905年,美國生態學家Clements將生態過渡帶概念引入生態學領域[8].1989年,牛文元[9]將生態脆弱帶概念引入中國,此后生態脆弱性研究在中國逐步開展.

由于研究視角的不同和生態系統的復雜性,國內外學者對生態系統脆弱性內涵的界定尚未統一.如有學者定義生態系統脆弱性是生態系統在外界干擾下偏離原來狀態并難以恢復的現象,是系統自身的一種屬性[10];也有學者認為生態系統脆弱性是一個度,是生態系統受到干擾時,易從一種狀態轉化為另一種狀態的能力[11];IPCC第三次評估報告[12]中考慮氣候變化因素,定義生態系統脆弱性為系統容易遭受或沒有能力應對氣候變化對其不利影響的程度,是關于系統敏感性和適應能力的函數.然而經過進一步系統分析可以發現,相關學者在生態系統脆弱性基本內涵研究上仍然達到以下共識:生態系統脆弱性的客體是復雜開放的生態系統;生態系統脆弱性源于系統結構的不穩定性,外界擾動是生態系統表現出脆弱性的條件;生態系統脆弱性在時間和空間上具有異質性.

土地生態系統的脆弱性研究基礎不僅包括脆弱性和生態系統理論,還融入了土地科學和可持續發展等理論.盡管相關研究起步較晚[13],理論研究還不完善,但通過對生態系統脆弱性概念的理解,可以歸納出土地生態系統脆弱性具有以下特征:研究客體是土地生態系統;土地生態系統結構受到外界干擾,表現出系統正常功能衰退;土地系統的生態功能和社會價值對土地生態系統脆弱性評價有重要意義;土地生態系統脆弱性地域差異更顯著.

脆弱性評價是土地生態系統脆弱性研究的核心內容.綜合指數法[14]、集對分析法[15]、數據包絡分析法[16]、模糊物元法[17]、生態足跡法[18]等評價方法在脆弱性評價中均有過成功運用, 而BP人工神經網絡方法不但具有較強的非線性映射功能和容錯功能,且具有較高的自學習和自適應能力,可以通過訓練提高模型的泛化能力[19],更適于解決復雜系統的脆弱性評價問題.

通過文獻梳理可以發現,由于土地生態系統脆弱性研究仍處于起步階段,相關學者對該領域的關注主要集中在土地退化、土地利用變化和系統服務價值的研究上[20-23],以脆弱性視角對土地生態系統進行針對性研究的文獻相對較少,在現有的土地生態系統脆弱性研究中存在以下問題:相關概念界定模糊,定量研究中缺乏適宜的表征方法;側重于土地生態系統現狀的研究,對系統的動態發展過程缺乏深入探索.

黃河三角洲高效生態經濟區位于海陸交錯地帶,土地后備資源豐富,但土壤沙化、鹽堿化情況嚴重,且資源開采等經濟活動頻繁,受多重系統的動力作用,具有土地生態系統復雜多變,本底脆弱,生產生活污染嚴重的特征.基于上述分析,本文選擇黃河三角洲高效生態經濟區為研究對象,在明確相關概念的基礎上構建評價體系,結合BP人工神經網絡模型和灰色關聯度模型對研究區土地生態系統脆弱性的時空分布變化進行綜合評價分析,揭示研究區土地生態系統脆弱性的時空演化動態特征及其主要影響因素,為推進研究區土地生態系統的有效保護提供科學參考.

1 研究區域概況

黃河三角洲地處是以黃河歷史沖積平原和魯北沿海地區為基礎,不斷向周邊延伸擴展形成的北起套兒河口,南至淄脈河口的地域空間,總面積2.65′104km2.該區域不僅有豐富的石油、天然氣、海鹽、地熱等自然資源,而且擁有的未利用土地超過山東省的三分之一,是我國東部沿海土地后備資源最多的地區.此外,河海交錯、海陸兼備的自然條件,使該區域生態系統交錯分布,獨具特色,大面積的淺海灘涂和種類齊全的濕地構成了我國溫帶最廣闊、最完整、最年輕的濕地生態系統[24].然而黃河三角洲的成陸過程和海岸變遷使水土流失、土壤鹽堿化等成為長期以來制約該區域土地生態系統運行的重要因素,而近年來地域資源開發等經濟活動的加劇,使地區生態環境和系統受到嚴重破壞,在內外環境的作用下體現出較高的敏感性和較低的應對能力,土地生態環境脆弱性尤為顯著[25].因此對成陸時間短,地質環境問題多,本底脆弱,且正值開發旺期的黃河三角洲高效生態經濟區土地生態系統進行脆弱性分析具有重要的研究價值.

2 指標體系構建與研究方法

2.1 土地生態系統脆弱性內涵與指標體系構建

土地生態系統是土地各組成要素之間,及其與環境之間相互聯系構成的具有自我調節功能和代償作用的動態復合系統,系統內環境介質和生物群落等生態因子時刻處于動態運動之中.因為土地生態系統自身具有一定的應對能力,所以當系統的應對能力足以對抗生態因子的擾動時,土地生態系統則表現出平衡狀態,反之,系統的結構將受到損害,功能也將衰退,土地生態系統的平衡狀態將被打破.土地生態系統在內外因素干擾下,因應對能力不足系統平衡被打破難以恢復,所表現出結構或功能受到損害的系統屬性,即脆弱性.內部因素來自系統本身結構的合理化程度與對外界擾動破壞的承載力;外部因素主要來自區域經濟的穩定性、土地綜合管理及法治建設方面的社會經濟因素等.本文綜合考慮國內外學者對脆弱性內涵的闡釋和黃河三角洲高效生態經濟區土地生態系統的發展現狀,對土地生態系統脆弱性內涵的界定包括兩個方面:一是土地生態系統本身所具有的敏感性,是系統自身的一種屬性;二是土地生態系統受內外因素干擾,維持原有土地生態平衡狀態的能力.

在界定內涵的基礎上,根據數據選取的系統性、科學性和可操作性原則,參考相關研究[26-27],并結合研究區土地生態系統復雜多變的特征,從敏感性和脆弱性2個方面構建了土地生態系統脆弱性評價指標體系(表1).測算敏感性指數的10個指標中,前4項反映社會經濟發展的總體情況對土地生態系統敏感性的影響;第58項反映了工農業生產活動造成的土地系統生態環境壓力對敏感性的影響;最后2項土地結構因素是區域土地生態系統敏感性特點的直接反應.測算應對能力指數的10個指標中,17選取了區域經濟、人口、產業結構、城鎮化等相關指標來反映土地生態系統治理的社會經濟基礎;810反映了政府對區域土地生態環境治理的能力和力度.

表1 土地生態系統脆弱性評價指標體系

2.2 研究方法

由于土地生態系統脆弱性與系統因子擾動的敏感程度成正比,與系統對因子擾動的應對能力成反比,脆弱性指數計算方法如下:

BP人工神經網絡通常是指基于誤差反向傳播算法(BP算法)的多層前向神經網絡,其基本思想是構建網絡模型,通過不斷調整權值和閾值使模型的輸出值盡量接近期望值[28].本文構建BP神經網絡模型如下:

由于一個三層神經網絡可以精確實現任意給定的閉區間的連續函數[29],所以本文構建3層神經網絡拓撲結構(圖1).

圖1 BP人工神經網絡拓撲結構

灰色關聯分析法(GRA)在分析小樣本的指標關聯問題時準確性較高,能充分體現數據的動態意義,通過測定系統的母序列和子序列,即因變量和自變量,在幾何形狀方面的接近程度來判斷指標關系是否緊密[30].本文利用灰色關聯分析法來測度評價指標與土地生態系統脆弱性之間的關系,尋求土地生態系統脆弱性的主要影響因素.

2.3 數據來源

原始指標數據主要來源于2006～2017年黃河三角洲高效生態經濟區19個縣(市、區)統計年鑒和統計公報、《山東省統計年鑒》(2006～2017年)[31]、《山東省環境狀況公報》(2005～2016年)[32]及各縣(市、區)國土資源志和生態規劃等相關統計資料.

3 結果與分析

3.1 研究區土地生態系統脆弱性評價結果

以2005~2016年研究區的相關數據為基礎,依照上述方法構建、訓練模型并導入數據計算,結合式(1),得到黃河三角洲高效生態經濟區土地生態系統脆弱性評價結果(2005、2010和2016年評價結果見表2).

表2 2005、2010和2016年研究區土地生態系統脆弱性指數

注:為敏感性指數,為應對能力指數,為脆弱性指數.

3.2 土地生態系統脆弱性時空演化特征分析

3.2.1 時序變化趨勢 繪制研究區土地生態系統敏感性、應對能力和脆弱性指數變化趨勢圖(圖2).

圖2 2005~2016年研究區土地生態系統敏感性、應對能力和脆弱性變化趨勢

由圖2可以看出,2005~2016年黃河三角洲高效生態經濟區土地生態系統應對能力指數呈上升趨勢,而敏感性指數和脆弱性指數走勢一致,呈現整體下降、局部波動的趨勢,脆弱性指數由1.244下降到1.113.說明在時間維度上,系統結構和功能在逐步完善,人地矛盾關系正在逐步緩和.這與研究區產業結構的優化,經濟的穩步增長,居民生態意識逐步增強等息息相關.近年來,研究區各縣(市、區)不斷加大對環境污染的控制和減排力度,同時加強生態環境建設、土地退化防范等措施,使研究區土地生態系統內外要素間的運動逐步協調,起到了優化系統結構,修復系統功能的作用,在一定程度上降低了系統的敏感性,提高了系統應對能力.

3.2.2 空間分異格局 綜合考慮黃河三角洲高效生態經濟區土地生態系統特征和現實的脆弱性狀況,根據脆弱性指數的取值范圍,以其平均值=1.158和標準差Std=0.084作為評價依據,將劃分為4個檔次(表3).

為了揭示土地生態系統脆弱性等級的空間分布,利用ArcGIS軟件繪制土地生態系統脆弱性分類的空間演變圖(2005、2010和2016年脆弱性等級分布見圖3).

表3 土地生態系統脆弱性評價標準

由圖3可以看出,研究區各城市土地生態系統脆弱性等級空間分異明顯,呈現整體分散、局部集中的分布態勢,脆弱性由西到東、由內陸到沿海逐漸加劇.脆弱性等級較高的城市集中于研究區東部,黃河兩翼輻射區域內,說明這些區域系統結構破壞嚴重,系統功能下降,面對內外擾動因素的威脅敏感性凸顯而應對能力不足,系統脆弱性顯著,系統結構和功能的破壞問題亟待解決;研究區西部及南部內陸城市脆弱性等級相對較低,說明研究區內,內陸城市土地生態系統結構較為穩定,基本功能較為完善,對內外因素擾動的敏感性較低而應對能力較強;位于東南渤海沿岸的壽光市、寒亭區和昌邑市處于中等脆弱水平,表明該區土地生態系統結構易受到破壞,尚能維持基本功.與西部內陸城市相較而言,東部沿海河口城市長期以來受自然環境影響,土壤沙化、鹽漬化程度更高,且沿海區域石油、礦產等資源更為豐富,伴隨著以土地資源為代價的城市化、工業化的蔓延式擴展,土地生態系統的敏感性狀態較西部城市更嚴重,脆弱性特征更顯著.

3.2.3 時空演化特征分析 結合表2和圖3可以看出,2005～2016年,黃河三角洲高效生態經濟區19個縣(市、區)土地生態系統脆弱性呈現出顯著的時空演化特征:脆弱性平穩型和脆弱性漸低型.慶云、樂陵、高青3個城市呈現脆弱性平穩型特征,脆弱性變化較小;其余城市則呈現脆弱性漸低型特征,脆弱性變化顯著.研究期內,低脆弱等級城市由2個增加到5個,利津縣、濱城區和惠民縣跨越了2個脆弱性等級,脆弱性狀況明顯改善.然而,2016年尚有7個城市(研究區近一半面積)仍處于較高脆弱等級,說明黃河三角洲高效生態經濟區土地生態系統整體處于較高脆弱性水平.這些城市大多隸屬東營和濱州兩市.東營市油氣資源豐富,是我國勝利油田所在地,多年油田工業的發展帶來的河流污染、輸油管道泄漏等問題對土地生態系統的正常運行造成嚴重威脅,同時快速的城市化發展使得系統原有的排鹽堿功能遭到嚴重破壞,土壤鹽漬化問題加劇.濱州市則存在土地退化嚴重,土壤沙化、鹽漬化程度高等問題,受土地質量限制,土地利用程度低,單位面積經濟承載力低,土地生態系統脆弱性較高.

3.3 土地生態系統脆弱性影響因素分析

為進一步探明黃河三角洲高效生態經濟區土地生態系統脆弱性的主要影響因素,運用灰色關聯法對系統脆弱性與影響因素進行分析(表4).

表4 研究區土地生態系統脆弱性評價指標關聯度

由表4可以看出,地均工業廢水排放量與土地生態系統脆弱性指數關聯度系數最大,為0.912,城鎮失業率與脆弱性指數關聯度系數最小,為0.533,說明地均工業廢水排放量對系統脆弱性影響最顯著,各因素對脆弱性指數的影響程度差異較大.地均工業廢水排放量、鹽堿荒地面積比重、土地利用程度、建成區綠化覆蓋率、節能環保支出占財政支出的比重與脆弱性指數的關聯度系數達到0.85以上,為研究區土地生態系統脆弱性的主要影響因素.且從整體來看,敏感性影響因素與脆弱性指數的關聯度系數比應對能力影響因素相對較高,說明研究區土地生態系統敏感性比應對能力對脆弱性的影響更顯著.

為分析脆弱性狀況嚴重城市的主要影響因素,根據圖3選取2016年系統處于較高脆弱性等級的7個城市,分別對其進行脆弱性指數與影響因素的關聯度計算,篩選影響較高的前4位因素為各市區的主要影響因素(表5).

表5 研究區土地生態系統脆弱性主要影響因素

由表5可以看出,東營、河口、墾利、廣饒4個縣(區)土地生態系統脆弱性指數的主要影響因素為地均工業污染物排放量、鹽堿荒地面積比重、政府節能環保支出占財政支出的比重及自然保護區面積的比重;土地利用程度、鹽堿荒地面積比重和建成區綠化覆蓋率為沾化區和無棣縣系統脆弱性指數的主要影響因素;鹽堿荒地面積比重、自然保護區面積比重是萊州市系統脆弱性指數的主要影響因素.需區分不同地區,針對性的采取應對措施.

3.4 政策建議

通過上述分析,針對不同區域從生態修復、優化土地利用結構和節能減排等方面提出建議.

3.4.1 對于土地利用率低,鹽堿灘涂面積比重大,土地生態退化嚴重的濱州部分城市,應加強土地生態系統的修復和重建工作,有序推進未利用土地的集中開發,擴建區域人工濕地,合理調整土地利用結構,改善土地空間的無序擴展和資源浪費現狀.

3.4.2 對于脆弱性相對較低的西部其他城市,要進一步完善土地生態系統結構,強化系統功能,工業生產中,加快推進工業廢物的集中排放與處理,實現集群式發展.農業生產中,降低農用化肥施用量,并進一步增強自然保護區的建設,優化土地利用結構.

3.4.3 對于以東營市為主的石油、化工產業發展成熟,資源開發強度大,但土壤鹽漬化程度高,且工業污染嚴重的東部沿海城市,應加強工業企業節能減排的政策支持,遏制企業偷排、超排現象.特別是針對油氣、鹽堿等傳統資源型支柱產業,增加政府節能環保的財政支出,投資綠化改造關鍵技術研發,降低能耗和污染排放,提高資源綜合利用率.此外,要完善海岸防護設施,增加沿海防護林工程體系建設,提高森林覆蓋率.

4 結論

4.1 整體上看,2005~2016年黃河三角洲高效生態經濟區土地生態系統脆弱性呈現整體下降、局部波動的趨勢,系統敏感性對脆弱性的影響比應對能力對脆弱性的影響更為顯著,研究區土地生態系統脆弱性特征突出.

4.2 脆弱性空間分布呈現整體分散、局部集中,西低東高,由內陸到沿海逐漸加劇的態勢.主要表現出脆弱性平穩型和脆弱性漸低型兩個時空演化特征,受油氣化工產業無序發展及土壤鹽堿化程度高、土地系統本底脆弱的影響,隸屬東營和濱州兩市的部分縣級城市脆弱性等級較高.

4.3 地均工業污染物排放量、鹽堿荒地面積比重、土地利用程度、建成區綠化覆蓋率、節能環保支出占財政支出的比重為系統脆弱性的主要影響因素,在多重系統動力的作用下,研究區土壤鹽堿、沙化程度較大.在工業化、農業化推進過程中,產業布局失衡,采用粗放型經濟發展模式,加劇了系統脆弱性.城鎮化發展促進了人口和產業的集聚,優化了產業布局和資源配置,在一定程度上緩解了土地生態系統脆弱性壓力.

[1] 黃河清,甄 霖,閆惠敏.土地系統的脆弱性及其恢復力建設 [J]. 中國科學院院刊, 2009,24(6):649-654.Huang Q H, Zhen L, Yan H M. Current status of the vulnerability of land systems in China and some considerations on strategies for resilience building [J]. Bulletin of Chinese Academy of Sciences, 2009,24(6):649-654.

[2] 程 鈺,王亞平,張玉澤,等.黃河三角洲地區人地關系演變趨勢及其影響因素 [J]. 經濟地理, 2017,37(2):83-89,97.Cheng Y, Wang Y P, Zhang Y Z, et al. The evolution trend and driving factors of man-land relationship about the Yellow River Delta Area [J]. Economic Geography, 2017,37(2):83-89,97.

[3] Timmerman P. Vulnerability, resilience and the collapse of society [R]. Toronto: Institute for Environmental Studies, University of Toronto, 1981.

[4] 史培軍,王靜愛,陳 婧,等.當代地理學之人地相互作用研究的趨向——全球變化人類行為計劃(IHDP)第六屆開放會議透視 [J]. 地理學報, 2006,61(2):115-126. Shi P J, Wang J A, Chen J, et al. The future of human-environment interaction research in geography: lessons from the 6th Open Meeting of IHDP [J]. Acta Geographica Sinica, 2006,61(2):115-126.

[5] 李 鶴.東北地區礦業城市脆弱性特征與對策研究 [J]. 地域研究與開發, 2011,30(5):78-83.Li H. Vulnerability of mining cities in Northeast China and its control measures [J]. Areal Research and Development, 2011,30(5):78-83.

[6] Gallopín G C. Linkages between vulnerability, resilience, and adaptive capacity [J]. Global Environmental Change, 2006,16(3):293-303.

[7] 徐 君,李貴芳,王育紅.生態脆弱性國內外研究綜述與展望[J]. 華東經濟管理, 2016,30(4):149-162. Xu J, Li G F, Wang Y H. Review and prospect of research on ecological vulnerability in China and abroad [J]. East China Economic Management, 2016,30(4):149-162.

[8] Risser P G.The status of the science examining ecotones [J]. Bioscience, 1995,45(5):318-325.

[9] 牛文元.生態環境脆弱帶ECOTONE的基礎判定 [J]. 生態學報, 1989,9(2):97-105. Niu W Y.The discriminatory index with regard to the weakness, overlapness, and breadth of ECOTONE [J]. Acta Ecologica Sinica, 1989,9(2):97-105.

[10] 趙 珂,饒 懿,王麗麗,等.西南地區生態脆弱性評價研究——以云南、貴州為例 [J]. 地質災害與環境保護, 2004,15(2):38-42. Zhao K, Rao Y, Wang L L, et al. Evaluation of ecological fragility in soutwest of China [J]. Journal of Geological Hazards and Environment Preservation, 2004,15(2):38-42.

[11] 安宏鋒,徐 浩,安 寧,等.喀斯特山區生態環境脆弱性綜合評價——以貴州省黔中地區為例 [J]. 環境影響評價, 2016,38(4):51-56.An H F, Xu H, An N, et al. Comprehensive evaluation of eco- environmental vulnerability in Karst Mountain areas: A case study of the central region of Guizhou province [J]. Environmental Impact Assessment, 2016,38(4):51-56.

[12] IPCC. Climate change 2001: impacts, adaptation and vulnerability [R]. United Kingdom: Cambridge University Press, 2001:75-103.

[13] 趙 源,黃成敏,溫軍會.土地系統脆弱性研究進展和展望 [J]. 中國農業資源與區劃, 2013,34(5):121-127. Zhao Y, Huang C M, Wen J H. Research progress and prospect of land system vulnerability [J]. Chinese Journal of Agricultural Resources and Regional Planning, 2013,34(5):121-127.

[14] 蘇 飛,張平宇.中國區域能源安全供給脆弱性分析 [J]. 中國人口·資源與環境, 2008,18(6):94-99.Su F, Zhang P Y. Vulnerability analysis of regional energy security supply in China [J]. China Population, Resources and Environment, 2008,18(6):94-99.

[15] 王肖敏,彭 飛,韓增林.基于SPA的海洋產業系統脆弱性與障礙因素研究——以中國沿海地區為例 [J]. 資源開發與市場, 2015, 31(2):166-171. Wang X M, Peng F, Han Z L. Analysis of marine industrial system vulnerability and obstacle factors based on Set Pair Analysis: A case study of the coastal provinces of China [J]. Resource Development & Market, 2015,31(2):166-171.

[16] 裴 歡,王曉妍,房世峰.基于DEA的中國農業旱災脆弱性評價及時空演變分析 [J]. 災害學, 2015,30(2):64-69.Pei H, Wang X Y, Fang S F. Study on temporal-spatial evolution of agricultural drought vulnerability of China based on DEA mode [J]. Journal of Catastrophology, 2015,30(2):64-69.

[17] Alcamo J, Acosta-Michlik L, Carius A, et al.A new approach to quantifying and comparing vulnerability to drought [J]. Regional Environmental Change, 2008,8(4):137-149.

[18] 徐留興,常 毅,趙 源.基于生態足跡的滎經縣土地系統脆弱性分析 [J]. 安徽農業科學, 2015,43(31):14-17.Xu L X, Chang Y, Zhao Y. Land system vulnerability analysis based on ecological footprint in Yingjing [J]. Journal of Anhui Agricultural Sciences, 2015,43(31):14-17.

[19] 孟 超,胡 健.基于BP神經網絡的中國煤炭安全評價研究[J]. 科研管理, 2016,37(8):153-160. Meng C, Hu J. A research on China’s coal mine safety evaluation based on BP neural network [J]. Science Research Management, 2016, 37(8):153-160.

[20] Salvati L, Zitti M. Assessing the impact of ecological and economic factors on land degradation vulnerability through multiway analysis [J]. Ecological Indicators, 2009,9(2):357-363.

[21] 胡喜生,洪 偉,吳承禎,等.福州市土地生態系統服務時空分異特征[J]. 中國環境科學, 2013,33(5):881-888. Hu X S, Hong W, Wu C Z, et al. Spatiotemporal differentiation of land eco-system service in Fuzhou City [J]. China Environmental Science, 2013,33(5):881-888.

[22] Metzger M J, Rounsevell M D A, Acosta-Michlik L, et al. The vulnerability of ecosystem services to land use change [J]. Ecosystems and Environment, 2006,114(1):69-85.

[23] 盛中華,董會忠,殷秀清,等.基于熵權可拓模型的土地利用規劃環境影響評價——以黃河三角洲高效生態經濟區為例 [J]. 資源開發與市場, 2017,33(12):1433-1438.Sheng Z H, Dong H Z, Yin X Q, et al. Environmental Impact Assessment of land use planning based on entropy weight and extension model: A case study in Yellow River Delta Efficient Eco-economic Zone [J]. Resource Development & Market, 2017, 33(12):1433-1438.

[24] 程 鈺,王亞平,張玉澤,等.黃河三角洲地區人地關系演變趨勢及其影響因素 [J]. 經濟地理, 2017,37(2):83-89,97.Cheng Y, Wang Y P, Zhang Y Z, et al. The evolution trend and driving factors of man-land relationship about the Yellow River Delta Area [J]. Economic Geography, 2017,37(2):83-89,97.

[25] 董會忠,吳 朋,萬里洋.基于NC-AHP的區域生態安全評價與預警——以黃河三角洲高效生態經濟區為例 [J]. 科技管理研究, 2016,36(9):79-84,88.Dong H Z, Wu P, Wan L Y. Evaluation and early-warning of regional ecological security based on NC-AHP: A case study of the efficient ecological economic zone of the Yellow river Delta [J]. Science and Technology Management Research, 2016,36(9):79-84,88.

[26] 許倍慎,周 勇,徐 理,等.湖北省潛江市土地生態脆弱性時空分析 [J]. 中國土地科學, 2011,25(7):80-85. Xu B S, Zhou Y, Xu L, et al. Spatio-temporal analysis on the land ecological vulnerability in Qianjiang City, Hubei Province [J]. China Land Science, 2011,25(7):80-85.

[27] Pei H, Fang S F, Lin L, et al. Methods and applications for ecological vulnerability evaluation in a hyper-arid oasis: a case study of the Turpan Oasis, China [J]. Environmental Earth Sciences, 2015,74(2): 1449-1461.

[28] Widrow B D. Learning in artificial neural networks a statistical perspeetive [J]. Neural Computation, 1989,1(4):425-464.

[29] Robert H N. Theory of the backpropagation neural network [C]. The International Joint Conference on Neural Networks, 1989:593-605.

[30] 譚學瑞,鄧聚龍.灰色關聯分析:多因素統計分析新方法 [J]. 統計研究, 1995,(3):46-48. Tan X R, Deng J L. Gray correlation analysis: A new method of multivariate statistical analysis [J]. Statistical Research, 1995(3):46- 48.

[31] 2017山東統計年鑒 [M]. 北京:中國統計出版社, 2017:45-236. Shandong statistical yearbook: 2017 [M]. Beijing: China Statistics Press, 2017:45-236.

[32] 山東省環境保護廳.2016山東省環境狀況公報[EB/OL].http: //xxgk.sdein.gov.cn/xxgkml/hjzkgb/201706/t20170602_1122660.html, 2017-06-02. Environmental Protection Department of Shandong Province. Shandong Environmental State Bulletin: 2016 [EB/OL].http:// xxgk. sdein. gov.cn/xxgkml/hjzkgb/ 201706/ t20170602_1122660.html, 2017-06-02.

The time-space evolution characteristics of the vulnerability of land ecosystems and influencing factors: A case study of the Yellow River Delta Efficiency Eco-economic Zone.

ZHANG Shuai, DONG Hui-zhong*, ZENG Wen-xia

(School of Management, Shandong University of Technology, Zibo 255012, China)., 2019,39(4)：1696~1704

The BP artificial neural network model was used to conduct comprehensive evaluations and spatio-temporal evolution analyses of land ecosystem vulnerability in the efficiency eco-economic zone of the Yellow River Delta, then the grey correlation degree model was applied to explore the influencing factors. The results showed that the land ecosystem vulnerability decreased to 1.113 in 2016 from 1.244 in 2005 in the study area, and improved gradually. The vulnerability gradually increased from the west to the east and from the inland to the coastal, which showed two evolutionary characteristics: steady vulnerability type and lower vulnerability type. Average industrial wastewater discharge, proportion of saline-alkali wasteland, the degree of land use, the green coverage of built-up areas, and the proportion of energy-saving and environmental protection expenditures to fiscal expenditures were the main influencing factors of systemic vulnerability. Therefore, the policy focus of reducing the vulnerability of land ecosystems should be on ecological restoration, land utilization structure optimization, energy conservation and emission reduction.

land ecosystem；vulnerability；BP artificial neural network；spatiotemporal evolution

X171

A

1000-6923(2019)04-1696-09

2018-09-17

山東省重大理論與實踐問題研究專項(18BSJJ05)

*責任作者, 教授, sdutdhz@126.com

張 帥(1991-),女,河北唐山人,山東理工大學碩士研究生,主要從事管理科學理論與方法研究.發表論文1篇.