基于SRP模型榆林市生态脆弱性评价及时空演变研究.pdf

一、引言近年来，随着自然和人为因素对于生态环境的压力日益增大，人类生活环境和社会经济发展受到了巨大的反噬影响1-2。面对大量涌现的生态与环境问题，生态脆弱性研究已成为全球变化和可持续发展研究中的焦点3-4。生态脆弱性有三层含义：其一，一定时空条件下生态系统内部自有的不稳定性；其二，在外来扰动的胁迫下，该系统仅靠自我恢复能力难以修复；其三，该系统因受外界扰动对偏离原始平衡状态的敏感性5。脆弱性概念由最初着重于自然生态系统到 20 世纪 90 年代之后从社会系统角度开展研究，涉及农、林、牧、渔等生产部门6。21世纪以来，脆弱性研究内容倾向于与其他领域交叉研究的人地耦合综合性系统7，考虑耦合中的相互作用，影响系统对其脆弱性的反应8。国内对生态脆弱性的研究由中科院在“八五”期间开展的生态环境综合整治和恢复技术研究拉开了序幕，从多元化方向发展生态脆弱性研究9，由单一扰动向多重扰动，由静态脆弱性分析向动态脆弱性分析方向转变10。在生态脆弱性评价概念模型上，使用频率较高的有 VSD（暴露度-敏感性-适应能力）模型11、SRP（敏感度-恢复力-压力度）模型12、PSR（压力-状态-响应）模型13等。其中，基于“社会-自然”耦合系统，充分体现生态脆弱性内涵的 SRP 模型更适用于区域综合性的生态脆弱性评价14。在研究区域多集中在喀斯特山区15、高原区16、内陆流域17等地势条件较差或人为干扰剧烈的区域，但对于受气候条件影响的半干旱区域研究甚少。陕西省榆林市位于西北半干旱区，地处毛乌素沙地向黄土高原过渡地带。区里存在严重的土壤风基于 SRP 模型榆林市生态脆弱性评价及时空演变研究王成军，罗昕玥（西安建筑科技大学 管理学院，陕西 西安 710055）【摘要】文章以 2000 年和 2020 年 2 个时期的榆林市为研究对象，基于 SRP（敏感性-恢复力-压力度）概念模型选取 13 个指标构建生态脆弱性评价指标体系，采用空间主成分分析法计算生态脆弱指数，通过莫兰指数和地理探测器等方法揭示生态脆弱性的时空分布特征及演变驱动因素。结果表明：研究区生态敏感性总体上表现出西北高，东南低的空间分异特点。20002020 年研究区各等级生态脆弱性相互转化的面积总和为 23 619.93km2，中度以上脆弱区转入更低度脆弱区的面积明显高于微、轻度脆弱区转入更高度脆弱区方向转移的趋势。研究区生态脆弱性空间集群现象呈缓慢上升趋势，“高-高”聚集型地区在收缩，“低-低”聚集型区域不断外扩。两个时期研究区生态脆弱性主要驱动因子为年降水量、植被覆盖度。总之，虽然 20002020 年研究区生态脆弱性程度呈现好转趋势，但生态环境压力仍不容小觑。为榆林市的资源利用、生态保护与生态恢复提出合理的措施，实现资源、环境和社会经济的和谐发展。【关 键 词】生态脆弱性；SRP 模型；时空演变；榆林市【中图分类号】F124.5【文献标识码】A【文章编号】1004-2768（2023）10-0056-06【收稿日期】2023-02-28【作者简介】王成军（1964-），男，陕西西安人，西安建筑科技大学管理学院教授、博士生导师，研究方向：资源系统优化、区域资源可持续发展；罗昕玥（1996-），女，福建南平人，西安建筑科技大学管理学院硕士研究生,研究方向：资源系统优化、区域资源可持续发展。生产力研究 No.10.2023区域经济生产力研究 No.10.2023輩輴 蚀、水土流失和频繁干旱等问题，是我国典型的生态环境脆弱地区。随着区域经济与城镇化进程发展，快速增长的人口和经济对原本就比较脆弱的生态系统造成了巨大的扰动和压力。同时，1995 年以来当地政府针对该区的生态问题，开展了退耕还林还草、防风固沙林带等大规模生态修复工程，生态系统特征已发生显著变化，因此对其展开生态脆弱性评价具有重要科学价值和实际意义。综上，基于本文 SRP 概念模型，构建榆林市生态脆弱性评价体系，对研究区的生态脆弱性综合评价进行定量分析，把握脆弱性总体时空变化趋势与规律，研究脆弱性空间相关性与导致变化的主要驱动因素，并提出针对性的生态发展对策，以期为榆林市生态保护与修复工作的持续推进提供数据支持和建议参考。二、研究区概况榆林市位于陕西省最北部（见图 1），地处北纬36觷5739觷34 和东经 107觷28111觷15 之间，辖 1 市 2区 9 县，户籍人口 385.59 万人，总土地面积为42 920.2km2，属于温带大陆性半干旱气候，年降雨时空分布不均，平均温度约 10。整体地貌特征呈风沙草滩向黄土沟壑过渡，以古长城为界，古长城以北地区是以风蚀沙化为主的毛乌素沙漠南缘风沙区，古长城以南地区是以水蚀作用为主的南部丘陵沟壑区，水土流失现象严重，属于陕西省水土流失重点治理区。随着矿产资源加大开发和城镇化加速发展，榆林市作为国家重要的能源化工基地，进一步加重了环境冲突对原本脆弱的生态所造成的不利影响，使得区内生态环境更加复杂化18。图 1研究区地貌区分布三、研究方法（一）数据来源及处理榆林市数字高程模型（DEM）数据来源于地理空间数据云；气象数据来自国家地球系统科学数据中心共享服务平台；土地覆盖类型数据来源于中国科学院资源环境科学与数据中心；植被数据由 MOD13和 MOD17 产品的处理得到；土壤风蚀数据来源于中国科学数据；土壤数据来源于世界土壤数据库（HWSD）；社会经济数据来自 榆林市统计年鉴。本文所使用的数据覆盖 2000 年和 2020 年 2 个时期，不同分辨率的多指标栅格数据通过 ArcGIS 10.8 进行重采样处理，空间分辨率设定为 1km1km，统一投影至 wgs 1984-zone-49n 地理坐标系，其中土壤水蚀数据通过 USLE 方程19计算得到，干燥度采用丁一汇和王守荣（2001）20提出的作为划分我国西北地区干湿气候区公式。（二）生态敏感性评价指标体系的构建本文通过考虑研究区经济、人口、环境及生态状况，结合 生态环境状况评价技术规范（试行）以及相关研究，同时根据科学性和可获取性等指标体系构建原则，综合从生态系统敏感性（S）、恢复力（R）和压力度（P）3 个维度，选取 13 个指标构建研究区脆弱性评价指标体系（见表 1）。生态敏感性表征生态系统受外界影响时引发环境问题的可能性21，受区域本身生态系统类型和特征影响，高敏感性的地区，生态环境遭受破坏的可能性越大，生态环境往往越脆弱，因此选用气象、地形、地表、土壤因子。生态恢复力是生态系统受到外界干扰破坏时所表现的自我调节能力和修复能力22，因此选择植被覆盖率和净初级生产力（NPP）等指标作为影响恢复力的植被因子。生态压力度由人类生产活动等产生的外部扰动对生态系统的压力，受外部扰动越多，脆弱性就越高，在此用人口密度、人均 GDP 和土地垦殖率等社会经济因子表征区域发展的生态压力。（三）评价指标数据标准化由于评价指标的量纲及其物理意义存在差异，无法原封不动地用于脆弱性评价，需要进行标准化处理，以消除参数不可比的问题23。采用极差法和分等级赋值法分别处理定量指标和定性指标（见表 1），范围在 010 之间。1.极差标准化。正向指标和负向指标采用不同的标准化公式：輩輵正向指标：Zi=xi-xminxmax-xmin10（1）负向指标：Zi=xmax-xixmax-xmin10（2）式中，Zi为第 i 个指标的标准化值，xi为第 i 个指标初始化值，xmax、xmin分别为指标 i 标准化前最大值和最小值。表 1生态脆弱性评价指标体系2.分等级赋值法。对于土地覆盖类型、土壤水蚀模数和土壤风蚀模数等定性指标，根据相关研究成果24-25，结合研究区实际特征对指标按照分等级赋值法进行 2、4、6、8、10 五个级别的量化赋值（见表 2）。表 2分等级赋值标准（四）构建脆弱性评价模型及等级划分本文通过空间主成分分析法，采用生态脆弱性指数（EVI）来定量化研究区生态脆弱性程度26。空间主成分分析（SPCA）法是在 GIS 系统支持下，通过旋转原始空间坐标轴，将相关的多变量空间数据转化为少数几个不相关的综合指标，以实现用较少的综合指标最大限度地保留原来较多变量所反映的空间信息27，结果如表 3 所示。提取累积贡献率大于85%以上且特征值大于 1 的前 6 个指标作为主成分因子，依据公式（3）和公式（4）分别计算得到 2 期研究区生态脆弱性指数。EVI2000=7.95PC1+4.22PC2+2.53PC3+1.87PC4+1.34PC5+1.08PC6（3）EVI2020=6.50PC1+4.52PC2+2.72PC3+2.01PC4+1.53PC5+1.12PC6（4）式中，EVI 表示生态脆弱性指数，其值越大，生态脆弱性程度越高；PC1PC6分别表示每个时段从13 个初始变量中提取出来的贡献率在 85%以上且特征值大于 1 的 6 个综合性主成分。表 3各期空间主成分分析结果对 EVI 展开进一步标准化处理以便进行比较和分析，计算公式如下:EEVIi=（EVIi-EVImin）（EVImax-EVImin）10（5）式（5）中，EEVIi表示第 i 年的生态环境脆弱性标准化数值，范围在 010 之间；EVIi表示第 i 年的脆弱性指数；EVImax和 EVImin分别表示脆弱性指数最大值和最小值。参考相关生态脆弱性分级研究，将标准化后的生态环境脆弱性指数划分为五个等级，即微度脆弱（0-2）、轻度脆弱（2-4）、中度脆弱（4-6）、高度脆弱（6-8）和极度脆弱（8-10）五个脆弱等级28。（五）生态脆弱性空间自相关分析本文通过测算研究区生态环境脆弱性的全局莫兰指数和局部莫兰指数，研究其在空间上是否聚集以及如何聚集。莫兰指数可以分析某一变量在不同尺度上的集聚程度，研究区生态脆弱性在空间上是否有聚集特征可用全局莫兰指数量度，局部莫兰指数可用于衡量研究区生态环境脆弱性的空间聚集方式29。（六）生态脆弱性演变驱动力分析方法由王劲峰和徐成东（2017）30提出的用于研究空间分异性与驱动机制等方面的地理探测器（GeoDetector）应用十分广泛。本文借助其中的因子探测器探测分析影响研究区生态脆弱性与其各驱动因子之间的定量相关性。该模型用因子解释力 Q 进行度量，Q 值越大则评价指标对生态环境脆弱性指数的贡献越大，反之越小31，公式如下：4草地50025002002500土地覆盖类型土壤水蚀模数（t/hm2 a）土壤风蚀模数（t/hm2 a）2林地、水域5002006耕地25005000250050008建设用地5000800050008000标准化赋值指标10未利用地跃8000跃8000要素层地形因子气候因子地表因子土壤因子植被因子社会经济因子目标层生态脆弱性准则层生态敏感度生态恢复力生态压力度指标层高程坡度年均气温年降雨量干燥度土地覆盖类型土壤水蚀模数土壤风蚀模数植被覆盖度净初级生产力（NPP）人口密度人均 GDP土地垦殖率相关性正向正向负向负向正向定向定向定向负向负向正向正向正向2000 年贡献率%38.2920.3012.179.006.435.21PC1PC2PC3PC4PC5PC6特征值7.954.222.531.871.341.08累积贡献率%38.2958.5970.7579.7586.1891.39特征值6.504.522.722.011.531.12累积贡献率%31.2552.9566.0375.7283.0688.452020 年贡献率%31.2521.7113.089.687.345.39主成分輩輶微度脆弱988.481722.121612.6244.80-4368.023379.542000 年轻度脆弱575.373068.967560.411444.3919.9112669.049600.082020 年中度脆弱86.601149.7410764.295570.51264.7917835.937071.65极度脆弱-6.97143.34470.85244.88866.04621.16高度脆弱1.0095.562286.544234.63564.427182.142947.51脆弱性等级1651.446043.3522367.2011765.171093.9942921.16-微度脆弱轻度脆弱中度脆弱高度脆弱极度脆弱2020 年总计流入量662.972974.3911602.917530.55849.12-23619.932000 年总计流出量Q=1-1n滓2Lh=1移nh滓2h（6）式（6）中，Q 为评价指标对生态脆弱性的解释力，范围在 01 之间，n 为样本数，L 为指标分类数，nh为h 层样本量，滓2h表示 h 层生态脆弱性指数的方差。四、结果与分析（一）研究区生态脆弱性等级时空分布特征从空间分布状况看（见图 2），研究区生态脆弱性指数整体分布空间差异十分明显，呈现出西北高、东南低的趋势。研究区极、高度生态脆弱区主要出现在研究区的北部、西北部以及西南等地区，整体呈收缩趋势，主要分布在人口聚集，人类活动剧烈、资源开发程度高、大力发展社会经济建设的神木市和榆阳区与位处高海拔，生态环境恶劣的定边县等生态系统所承受的压力大，生态系统自身恢复能力相对较弱的地区。其中，府谷县、靖边县和横山区内极、重度生态脆弱性等级出现大范围降级，演变成中度脆弱甚至出现零星轻度脆弱。生态脆弱程度较低等级的区域主要分布在气候相对适宜，有植被大面积覆盖，整体生态质量保护较好的东南地区，并有向外蔓延发展的空间特征趋势，其中微度脆弱等级集中在吴堡县和清涧县，黄河沿线地区生态环境有所好转，生态脆弱性等级由中度转向轻度和微度。图 22000 年（a）和 2020 年（b）生态脆弱性等级分布图从时间变化上看，由表 4、表 5 可知整体上2000年和 2020 年 2 期生态脆弱性等级主要分布在轻、中及高度脆弱区之间，尤其是中度脆弱区。微、轻度脆弱区面积大幅度增加，变化量面积分别占总面积的 6.33%和 15.44%，中度及以上区面积呈下降趋势，中度和高度脆弱区减少面积变化量占比分别为10.56%和 10.68%。相较于 2000 年，2020 年中度以上脆弱区占比虽然有所下降，生态环境形势转好，但是其占比仍超过一半。二十年间研究区各等级生态脆弱性相互转化的面积总和为 23 619.93km2，总体上看，中度以上脆弱区转入更低度脆弱区的面积明显高于微、轻度脆弱区转入更高度脆弱区方向转移的趋势。这主要是由于榆林市一贯严格执行环境保护措施，实施退耕还林还草、水利水保等多项生态修复工程，使生态环境得到稳定有序的发展。研究区生态脆弱性正向转移面积大于负向转移面积，整体生态状况呈好转趋势，反映出研究区生态状况的改善趋势。表 4不同等级脆弱性面积对比表 5生态脆弱性等级面积转移矩阵（km2）（二）研究区生态脆弱性空间自相关性2000 年 和 2020 年 全 局 Morans I 值 分 别 为0.798、0.829，数值呈上升趋势，都通过了 P0.01 的显著性水平检验，且 Z 值均大于 2.58，表明在99.9%置信度下的研究区生态脆弱性存在显著的正相关关系，即生态脆弱性指数在空间分布上存在显著集群现象，生态脆弱性指数与地理位置之间有着较强的正相关关系。通过计算局部莫兰指数，由图 3 可以看出，2000 年和 2020 年研究区生态脆弱性的集聚结构差异较小，“高-高”聚集型地区在收缩，“低-低”聚集型区域不断外扩。“高-高”聚集型地区主要集中在定边县中部和北部、靖边县和横山区的北部以及榆阳区和神木市的大部分地区，这些地区生态环境状况差，生态调节功能不足。“低-低”聚集型区域大致分布在南部佳县、米脂县、子洲县、吴堡 2000 年面积（km2）1651.446043.3522367.2011765.171093.99微度脆弱轻度脆弱中度脆弱高度脆弱极度脆弱比重(%)3.8514.0852.1127.412.55面积（km2）4368.0212669.0417835.937182.14866.046.3315.4410.5610.680.53比重(%)10.1829.5241.5616.732.02脆弱性分级2020 年变化量占比(%)輩輷 县、绥德县和清涧县，这些地区生态条件较好。总体空间聚集分布情况与同一时期的研究区生态脆弱性分布图大致相同。“高-低”和“低-高”地区主要分布在“高-高”和“低-低”聚集型地区周边，表明研究区的生态脆弱性相对稳定，不太可能发生突然急剧改变。图 32000 年（a）和 2020 年（b）生态脆弱性 LISA 集聚图（三）研究区生态脆弱性时空格局变化驱动力分析表 6生态脆弱性地理探测器解释因子 Q 值结果统计表利用地理探测器中因子探测模型对 20002020 年导致研究区生态脆弱性时空分布发生变化的各驱动因子进行统计分析，其各个驱动因子对研究区生态脆弱性指数解释力的大小如表 6 所示，p值都为 0，说明 13 个生态脆弱性评价指标通过显著性检验。2000 年从指标层方面，对研究区生态脆弱性影响最大的 3 个因子为年降水量、植被覆盖度、干燥度，其次是人口密度、土地覆盖类型、高程、年均气温，其他因子对于研究生态脆弱性的影响相对较小。可知，整体范围内年降水量和植被覆盖的程度对研究区生态脆弱性定量解释力最大，即年降水量与研究区生态脆弱性结果之间呈现最大的空间分布相似性，植被、干燥度、人口密度、土地覆盖类型等因素次之。气象因子和植被因子等自然驱动力对研究区生态脆弱性变化起到主导作用；人为驱动力方面，人口密度等社会经济因子和开发利用程度较大的土地覆盖类型因子对研究区生态脆弱性影响程度次之，说明了人为因素同样不容忽视。2020年，因子解释力由高到低主要为年降水量、年均气温、植被覆盖度、人均 GDP、干燥度、净初级生产力、高程等，剩余因子影响相对较小。两年结果对比表明，这些驱动因子对于生态脆弱性的解释力略有不同，但主要因子基本相同，气象因子和植被因子等自然驱动力依旧起主导作用，且对研究区生态脆弱性的解释力加强。五、讨论与结论本文基于 SRP 评价概念模型，从自然和社会两个角度出发，建立由 3 个准则层指标，6 个要素层指标，13 个指标层指标构成的榆林市生态脆弱性评价指标体系，通过空间主成分分析法进行指标权重赋值，提升了评价结果的客观程度，增加体系结合 GIS技术在地理信息系统软件的支持下，构建榆林市生态脆弱性评价指数模型和指数分级标准，使得成果能充分反映该地区生态环境基础特点。通过运用空间相关性方法和地理探测器模型为榆林市生态脆弱性评价工作提供技术途径，对其时空分布特征及演变进行分析，得到以下结论：一是从空间上，榆林市生态脆弱性指数整体呈现出西北高、东南低的趋势。极、高度生态脆弱区主要分布在古长城以北的风沙草滩区，生态脆弱程度较低等级的区域主要分布在南部六县，并有向外蔓延发展的空间特征趋势。时间上，20002020 年榆林市生态脆弱性等级主要处于轻度、中度及高度脆弱区之间，其中，中度以上脆弱区面积不断减少，生态脆弱性正向转移面积大于负向转移面积，整体生态状况呈好转趋势。二是榆林市生态脆弱性空间聚集性整体上逐渐增强，生态脆弱性指数与地理位置之间有着较强的正相关关系。“高-高”聚集型地区在收缩，“低-低”聚集型区域不断外扩，这与同一时期的研究区生态脆弱性分布图基本一致。三是从榆林市生态脆弱性演变驱动力分析来看，各指标对生态脆弱性的影响均为显著，区内自然驱动因子对生态环境脆弱水平的作用相对地区人为因素而言占据主导地位，特别是年降水量、植2000 年12345678910111213高程坡度年均气温年降水量干燥度土地覆盖类型土壤水蚀模数土壤风蚀模数植被覆盖度净初级生产力（NPP）人口密度人均 GDP土地垦殖率q0.2480.1120.2420.4630.3580.2660.0280.0170.4210.0810.2670.1790.069p0.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.000q0.3070.1130.4350.4930.3700.2540.0310.0640.4160.3120.0430.3810.052p0.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0002020 年序号驱动因子輪輮被覆盖程度、年均气温、干燥度、土地覆盖类型等的驱动作用；驱动因素中人均 GDP、人口密度、净初级生产力、高程也对地区生态环境产生了一定程度上的作用。植被覆盖度，土地覆盖类型变化，土壤水蚀和风蚀程度、土地垦殖率甚至降水气温都间接或直接受到人类各种不合理甚至过度活动的影响，人类应提高生态保护意识、加强生态环境保护和建设工程的实施，这样地区生态环境质量才会越来越好。【参考文献】1 牛书丽，陈卫楠.全球变化与生态系统研究现状与展望J.植物生态学报，2020，44（5）：449-460.2 王鹏，况福民，邓育武，等.基于主成分分析的衡阳市土地生态安全评价J.经济地理，2015，35（1）：168-172.3 Dow K.Exploring differences in our common future（s）：the meaning ofvulnerability to global environmental change J.Geoforum，1992，23（3）：417-436.4 靳毅，蒙吉军.生态脆弱性评价与预测研究进展J.生态学杂志，2011，30（11）：2646-2652.5 马永欢，樊胜岳，姜德娟，等.我国北方土地荒漠化成因与草业发展研究J.干旱区研究，2003（3）：217-220.6 田亚平，常昊.中国生态脆弱性研究进展的文献计量分析J.地理学报，2012，67（11）：1515-1525.7 Gallopn G C.Linkages between vulnerability，resilience，and adaptivecapacityJ.Global environmental change，2006，16（3）：293-303.8 Turner B L，Matson P A，McCarthy J J，et al.Illustrating the coupledhuman-environmentsystemforvulnerabilityanalysis：threecasestudiesJ.Proceedings of the National Academy of Sciences，2003，100（14）：8080-8085.9 李朝奎，李吟，汤国安，等.基于文献计量分析法的中国生态脆弱性研究进展J.湖南科技大学学报（社会科学版），2012，15（4）：91-94.10 黄建毅，刘毅，马丽，等.国外脆弱性理论模型与评估框架研究评述J.地域研究与开发，2012，31（5）：1-5，15.11 张良侠，樊江文，张海燕，等.黄土高原地区生态脆弱性时空变化及其驱动因子分析J.环境科学，2022，43（9）：4902-4910.12 李芮芝，胡希军，杜心宇，等.基于 SRP 模型的南雄丹霞梧桐自然保护区生态脆弱性评价J.西北林学院学报，2021，36（5）：152-160.13 付博，姜琦刚，任春颖.扎龙湿地生态脆弱性评价与分析J.干旱区资源与环境，2011，25（1）：49-52.14 马子惠，马书明，张树深.大连市生态脆弱性评价及其不确定性分析J.水土保持通报，2019，39（3）：237-242，262，313-314.15 王茜，赵筱青，普军伟，等.喀斯特山区土地利用变化对生态脆弱性的影响J.山地学报，2022，40（2）：289-302.16 姚昆，张存杰，何磊，等.川西北高原区生态环境脆弱性评价J.水土保持研究，2020，27（4）：349-355，362.17 乌宁巴特，刘新平，马相平.叶尔羌河流域土地生态脆弱性差异评价J.干旱区地理，2020，43（3）：849-858.18 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）：174-181.19 魏健美，李常斌，武磊，等.基于 USLE 的甘南川西北土壤侵蚀研究J.水土保持学报，2021，35（2）：31-37，46.20 丁一汇，王守荣.中国西北地区气候与生态环境概论M.北京：气象出版社，2001：1-43.21 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）：227-233.22 王鹏，赵微，柯新利.基于 SRP 模型的潜江市生态脆弱性评价及时空演变J.水土保持研究，2021，28（5）：347-354.23 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）：245-260.24 王贝贝，丁明军，管琪卉，等.基于格网的南昌市生态环境脆弱性评价J.生态学报，2019，39（15）：5460-5472.25 中华人民共和国水利部.SL190-2007 土壤侵蚀分类分级标准S.北京：中国水利水电出版社，2007.26 Zou T，Yoshino K.Environmental vulnerability evaluation using aspatial principal components approach in the Daxinganling region，ChinaJ.Ecological Indicators，2017，78：405-415.27 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）：34-41.28 马骏，李昌晓，魏虹，等.三峡库区生态脆弱性评价J.生态学报，2015，35（21）：7117-7129.29 茹少峰，马茹慧.黄河流域生态环境脆弱性评价、空间分析及预测J.自然资源学报，2022，37（7）：1722-1734.30 王劲峰，徐成东.地理探测器：原理与展望J.地理学报，2017，72（1）：116-134.31 武鹏，李同昇，李卫民.县域农村贫困化空间分异及其影响因素以陕西山阳县为例J.地理研究，2018，37（3）：593-606.（责任编辑：CR校对：TJ）輪輯