基于SRP模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例

doi:10.13249/j.cnki.sgs.2015.011.1452

地理科学 ›› 2015, Vol. 35 ›› Issue (11): 1452-1459.doi: 10.13249/j.cnki.sgs.2015.011.1452

基于SRP模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例

李永化¹(), 范强^1,², 王雪¹, 席建超², 王诗阳¹, 杨俊^1,³()

1. 辽宁师范大学自然地理与空间信息科学辽宁省重点实验室, 辽宁大连 116029
2. 辽宁工程技术大学测绘与地理科学学院, 辽宁阜新 123000
3. 中国科学院地理科学与资源研究所, 北京 100101

收稿日期:2014-10-21 修回日期:2015-03-10 出版日期:2015-11-20 发布日期:2015-11-20
作者简介:
作者简介：李永化（1960-）,男,辽宁朝阳人,博士生导师,教授,主要研究领域为第四纪泥石流活动期与气候期的阶段性耦合、青藏高原东缘和邻区晚新生代泥石流活动规律及其成因、区域环境演变规律研究。E-mail:liyh5863@163.com
基金资助:
国家自然科学基金项目（41171137）、2013年国家级大学生创新创业训练计划项目(201310165001)、辽宁省创新团队项目（wt2011002）资助

Spatial and Temporal Differentiation of Ecological Vulnerability Under the Frequency of Natural Hazard Based on SRP Model: A Case Study in Chaoyang County

Yong-hua LI¹(), Qiang FAN^1,², Xue WANG¹, Jian-chao XI², Shi-yang WANG¹, Jun YANG^1,³()

1.Liaoning Normal University, Liaoning Key Laboratory of Physical Geography and Geomatics, Dalian, Liaoning 116029, China
2. Liaoning Technical University, School of Geometrics, Fuxin, liaoning 123000, China
3. Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101, China

Received:2014-10-21 Revised:2015-03-10 Online:2015-11-20 Published:2015-11-20

摘要/Abstract

摘要：

依据辽宁省朝阳县生态环境特点,利用朝阳县2003、2006、2009、2012年4个年份的气候、降水量、遥感影像、土壤与数字高程模型（DEM）等基础数据,利用GIS结合SRP模型研究辽宁省朝阳县2003~2012年间的生态脆弱性。研究表明：① 2003、2006、2009年朝阳县的生态脆弱性呈逐年恶化趋势,2006、2009年微度脆弱的面积较2003、2006年分别有所减小,比率分别为15.99%,10.86%;2006、2009年轻度脆弱、中度脆弱、重度脆弱、极度脆弱的面积较2003、2006年均出现不同程度的增加,其中,生态脆弱性偏高的地方主要分布在工业发达、人口众多、地势较高的城乡住宅用地及农业区。到2012年朝阳县生态脆弱性开始有所好转。② 胜利乡是生态脆弱性最严重的地区,极度脆弱、重度脆弱、中度脆弱的面积分布中胜利乡均分布最多,比率分别为14.15%,10.26%,8.84%,七道岭乡是生态脆弱性最弱的地区,微度脆弱比率为6.42%。

关键词: 生态脆弱性, SRP模型, 自然灾害, 朝阳县

Abstract:

Based on the characteristics of ecological environment in Chaoyang county of Liaoning Province, this essay studies the ecological vulnerability within Chaoyang county in 2003, 2006 , 2009 and 2012 by utilizing SRP (Sensitivity-Recovery-Pressure) model with meteorological data such as rainfall, RS data and soil data, DEM(Digital Elevation model) data and so on to determine ecological pressure factor including the pressure of Population activity and economic activity, ecological sensitivity factor including the earth surface factor, meteorological factor and soil factor, ecological stability factor including landscape structure, ecological function and ecological energy , based on GIS. The results are as follows: 1) The ecological vulnerability in Chaoyang county is in decline in 2003, 2006 and 2009, and reverses in 2012. Among these four years, the area where the ecology is lightly vulnerable in 2006 and 2009 is decreasing by 15.99% and 10.86% respectively, compared with that in 2003 and 2006, while the area where the ecology is lightly, moderately, heavily and extremely vulnerable in 2006 and 2009 is on the increase at various paces, compared with that in 2003 and 2006 respectively; 2) In all of these four years the area where the ecology is seriously vulnerable is mainly located in such region where the industry is developed and highly populated, and where the elevation is quite high; 3) Victory village is the most vulnerable region in ecology, where the extremely(14.15%), heavily(10.26%) and moderately(8.84%) vulnerable areas are located most, while Qidaoling village is the less vulnerable region, with 6.42% is slightly vulnerable.

Key words: ecological vulnerability, SRP model, natural disaster, Chaoyang county

中图分类号:

X171.1

李永化, 范强, 王雪, 席建超, 王诗阳, 杨俊. 基于SRP模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例[J]. 地理科学, 2015, 35(11): 1452-1459.

Yong-hua LI, Qiang FAN, Xue WANG, Jian-chao XI, Shi-yang WANG, Jun YANG. Spatial and Temporal Differentiation of Ecological Vulnerability Under the Frequency of Natural Hazard Based on SRP Model: A Case Study in Chaoyang County[J]. SCIENTIA GEOGRAPHICA SINICA, 2015, 35(11): 1452-1459.

图/表 6

图1

表1

表2

图2

表3

表4

朝阳县乡镇生态脆弱性等级表"

乡镇名称	微度脆弱		轻度脆弱		中度脆弱		重度脆弱		极度脆弱
乡镇名称	面积（km²）	百分比（%）	面积（km²）	百分比（%）	面积（km²）	百分比（%）	面积（km²）	百分比（%）	面积（km²）	百分比（%）
北沟门子乡	46.79	1.98	16.76	2.46	11.34	3.16	7.16	3.32	16.06	2.90
北四营子乡	63.47	2.69	21.40	3.13	12.87	3.59	8.64	4.00	31.76	5.74
波罗赤乡	75.37	3.19	14.01	2.05	5.92	1.65	3.30	1.53	7.49	1.35
大庙乡	95.99	4.07	34.46	5.05	16.53	4.60	8.63	4.00	14.08	2.54
东大道乡	70.47	2.99	19.60	2.87	9.85	2.74	6.12	2.83	17.65	3.19
东大屯乡	72.47	3.07	19.44	2.85	8.72	2.43	4.67	2.16	6.89	1.25
二十家子乡	127.03	5.38	35.73	5.23	17.59	4.90	10.21	4.73	18.85	3.41
根德营子乡	55.50	2.35	27.36	4.01	15.96	4.44	9.67	4.48	18.83	3.40
古山子乡	105.03	4.45	40.31	5.90	23.46	6.53	14.84	6.87	36.41	6.58
黑牛营子乡	50.27	2.13	14.08	2.06	6.54	1.82	3.44	1.59	6.98	1.26
贾家店乡	38.71	1.64	6.30	0.92	3.63	1.01	2.55	1.18	9.10	1.64
联合乡	128.96	5.46	23.62	3.46	8.66	2.41	4.50	2.08	7.01	1.27
六家子镇	65.55	2.78	18.34	2.69	8.91	2.48	5.11	2.37	11.55	2.09
木头城子镇	83.33	3.53	15.82	2.32	8.13	2.27	4.93	2.28	16.96	3.06
南双庙乡	97.69	4.14	31.18	4.57	15.43	4.30	8.53	3.95	18.76	3.39
平房镇	99.57	4.22	8.67	1.27	1.94	0.54	0.59	0.27	0.56	0.10
七道岭乡	151.60	6.42	30.89	4.52	12.60	3.51	6.15	2.85	8.27	1.50
胜利乡	113.80	4.82	48.19	7.06	31.75	8.84	22.17	10.26	78.30	14.15
十二台乡	99.43	4.21	19.15	2.81	8.33	2.32	4.89	2.26	15.47	2.80
松岭门乡	51.54	2.18	12.72	1.86	5.91	1.65	3.10	1.44	4.74	0.86
孙家湾乡	98.06	4.15	35.58	5.21	16.74	4.66	8.43	3.90	10.65	1.92
台子乡	86.23	3.65	26.31	3.85	18.29	5.09	12.83	5.94	53.12	9.60
瓦房子乡	37.29	1.58	17.95	2.63	11.70	3.26	8.05	3.73	29.46	5.32
王伦沟乡	28.15	1.19	11.11	1.63	6.32	1.76	3.79	1.76	8.62	1.56
王营子镇	43.29	1.83	23.83	3.49	13.53	3.77	8.09	3.75	16.96	3.06
乌兰和硕乡	56.54	2.40	6.07	0.89	1.36	0.38	0.48	0.22	0.31	0.06
西五家子乡	51.97	2.20	20.94	3.07	13.58	3.78	9.25	4.28	23.56	4.26
西营子乡	61.10	2.59	18.93	2.77	8.13	2.26	3.90	1.80	4.64	0.84
羊山镇	108.69	4.61	33.43	4.90	17.65	4.92	10.15	4.70	21.79	3.94
杨树湾乡	60.05	2.54	15.67	2.30	9.18	2.56	6.06	2.81	15.40	2.78
长在营子乡	36.33	1.54	14.81	2.17	8.48	2.36	5.75	2.66	23.24	4.20

表4

参考文献 21

[1]	Nelson R,Kokic P,Crimp S et al.The vulnearability of Australian rural communities to climate variability and change :Part II—Integrating impacts with adaptive capacity[J].Environmental Science & Polity,2010,13(1):18-27.
[2]	Bradley M P,Smith E.Using science to assess environmental vulnerabilities[J].Environmental Monitoring and Assessment,2004,94(1-3):1-7. doi: 10.1023/B:EMAS.0000016875.89092.e7 pmid: 15141442
[3]	Metzger M J,Rounsevell M D A,Acosta—Michilik L et al.The vulnerability of ecosystem services to land use change[J].Agricuture Ecosystems & Environment ,2006,114(1):69-85. doi: 10.1016/j.agee.2005.11.025
[4]	樊哲文,刘木生,沈文清.江西省生态脆弱性现状GIS 模型评价[J].地球信息科学学报,2009,11(2):202~208.
[5]	乔青,高吉喜,王维.生态脆弱性综合评价方法与应用[J].环境科学研究,2008,21(5):117~123.
[6]	赵冰,张杰,孙希华.基于GIS 的淮河流域桐柏-大别山区生态脆弱性评价[J].水土保持研究,2009,16(3):136~138.
[7]	万洪秀,孙占东,王润.博斯腾湖湿地生态脆弱性评价研究[J].干旱区地理,2006,29(2):248~254. doi: 10.3321/j.issn:1000-6060.2006.02.014
[8]	周亮进. 闽江河口湿地生态脆弱性评价[J].亚热带资源与环境学报,2008,(3):25~31. doi: 10.3969/j.issn.1673-7105.2008.03.005
[9]	Luis M F,Margarita M N.An empirical approach to estimate soil erosion risk in Spain[J].Science of the Total Environment,2011,(409):3114-3123. doi: 10.1016/j.scitotenv.2011.05.010 pmid: 21621247
[10]	Wude Y,Zhaoqian W,Guoping S et al.Quantiative determination of red-soil erosion by an Eu tracer method[J].Soil & Tillage Research,2008,(101):52-56.
[11]	Shih-Kai C,Chen-Wuing L,Yi-Ron C.Assessing soil erosion in a terraced paddy field using experimental measurements and universal soil loss equation[J].Catena,2012,(95):131-141. doi: 10.1016/j.catena.2012.02.013
[12]	裴欢,房世峰,覃志豪,等.干旱区绿洲生态脆弱性评价方法及应用研究——以吐鲁番绿洲为例[J].武汉大学学报(信息科学版),2013,38(5):528~532.
[13]	卢亚灵,颜磊,许学工.环渤海地区生态脆弱性评价及其空间自相关分析[J].资源科学,2010,32(2):303~306.
[14]	于博华,吕昌河.青藏高原高寒区生态脆弱性评价[J].地理研究,2011,30(12):2289~2292. doi: 10.11821/yj2011120016
[15]	田亚平,刘沛林,郑文武.南方丘陵区的生态脆弱度评估——以衡阳盆地为例[J].地理研究,2005,24(6):843~852. doi: 10.11821/yj2005060003
[16]	Ronghua Z,Xia L,Gary C H.Assessment of soil erosion sensitivity and analysis of factors in the Tongbai-Dabie mountainous area of China[J].research gate,2013,(101):92-98. doi: 10.1016/j.catena.2012.10.008
[17]	D de la Rosa,Moreno J A,Mayol Fet al.Assessment of soil erosion vulnerability in western Europe and potential impact on crop productivity due to loss of soil depth using the ImpelERO model[J].Agriculture,Ecosystems and Environment, 2000,(81):179-190. doi: 10.1016/S0167-8809(00)00161-4
[18]	José M G,Estela N R,Noemí L R et al.Erosion in Mediterranean landscapes:Changes and future challenges[J]. Geomorphology,2013,(198):20-36. doi: 10.1016/j.geomorph.2013.05.023
[19]	周璟,张旭东,何丹,等.基于GIS 与RUSLE 的武陵山区小流域土壤侵蚀评价研究[J].长江流域资源与环境,2011,20(4):468~474.
[20]	蔡崇法,丁树文,史志华,等.应用USLE 模型与地理信息系统IDRISI 预测小流域土壤侵蚀量的研究[J].水土保持学报,2000,14(2):19~24. doi: 10.3321/j.issn:1009-2242.2000.02.005
[21]	Lifen X,Xuegong X,Xiang wei et al. assessment of soil erosion in different rainfall scenarios by RUSLE model coupled with Information Diffusion Model: A case study of Bohai Rim, China[J].Catena,2012,(100):74-82.

分目标层	本层权重	准则层	本层权重	指标层	本层权重	数据名称	数据来源
压力度	0.313 1	人口活动压力	0.364 0	人口密度	1	朝阳县概况	朝阳县统计年鉴
压力度	0.313 1	经济活动压力	0.636 0	GDP密度	1	朝阳县概况	朝阳县统计年鉴
敏感性	0.227 5	地形因子	0.200 0	高程	0.4000	DEM数字高程数据： GDEM 30 m数据	中国科学院计算机网络信息中心国际科学数据镜像网站
				坡度	0.3000
				坡向	0.3000
		地表因子	0.200 0	植被覆盖度	1	遥感数据	中国科学院计算机网络信息中心国际科学数据镜像网站
		气象因子	0.100 0	年均降水量	0.3333	气象数据	中国气象科学数据共享服务网
				年均气温	0.3333
				年均相对湿度	0.3333
		土壤因子	0.500 0	土壤侵蚀强度	1	由RUSLE模型计算转化而来
恢复力	0.4594	景观结构	0.333 3	景观多样性指数	1	由遥感影像数据、土地利用数据相互解译,与行政区划数据叠加并经模型计算转化而来
		功能	0.333 3	土壤有机质	0.5000
		功能	0.333 3	单位面积水资源量	0.5000
		活力	0.333 3	生物丰度	1

生态脆弱性程度	2003年	2006年	2009年	2012年
微度脆弱	67.74	56.91	50.73	63.82
轻度脆弱	11.46	13.77	15.46	13.88
中度脆弱	6.37	7.92	8.93	7.28
重度脆弱	4.08	5.23	5.94	4.38
极度脆弱	10.35	16.18	18.93	10.64

基于SRP模型的自然灾害多发区生态脆弱性时空分异研究——以辽宁省朝阳县为例

Spatial and Temporal Differentiation of Ecological Vulnerability Under the Frequency of Natural Hazard Based on SRP Model: A Case Study in Chaoyang County

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 21

相关文章 9

Metrics

本文评价

推荐阅读 10

[1]	李双双, 杨赛霓, 刘焱序, 张东海, 刘宪锋. 1960~2013年京津冀地区干旱-暴雨-热浪灾害时空聚类特征[J]. 地理科学, 2016, 36(1): 149-156.
[2]	王静静, 刘敏, 权瑞松, 陆敏, 牛海燕, 许世远. 沿海港口自然灾害风险评价[J]. 地理科学, 2012, 32(4): 516-520.
[3]	唐为安, 田红, 杨元建, 卢燕宇, 徐光清, 温华洋, 王胜. 基于GIS的低温冷冻灾害风险区划研究——以安徽省为例[J]. 地理科学, 2012, 32(3): 356-361.
[4]	周寅康, 金晓斌, 王千, 杜心栋. 基于GIS的关中地区农业生产自然灾害风险综合评价研究[J]. 地理科学, 2012, 32(12): 1465-1472.
[5]	刘峰贵, 张海峰, 陈琼, 张镱锂, 周强, 李春花, 曹生奎. 青藏铁路沿线自然灾害地理组合特征分析[J]. 地理科学, 2010, 30(3): 384-390.
[6]	金菊良, 张礼兵, 魏一鸣. 基于遗传算法的理想区间法在洪水灾情评价中的应用[J]. 地理科学, 2004, 24(5): 586-590.
[7]	熊黑钢, 刘耕年, 崔之久. 新疆天山山地自然灾害垂直带谱及其特征[J]. 地理科学, 1998, 18(3): 227-233.
[8]	魏一鸣. 自然灾害复杂性研究[J]. 地理科学, 1998, 18(1): 25-31.
[9]	赵松乔. 近年中国干旱区研究的进展[J]. 地理科学, 1990, 10(3): 208-216,291.