Assessment on socio-ecosystem vulnerability in shallow mountain area of Beijing under climate change background
-
摘要:目的在气候变化的背景下，社会−生态系统视角下的区域脆弱性评估可以较为全面地识别区域气候风险。在城市中，浅山区具有其特有的气候调节的重要性和气候适应的脆弱性，且社会与生态系统的耦合特征更为明显。作为气候适应的重要环节，气候变化背景下的北京浅山区社会−生态系统脆弱性评估有助于为气候适应策略提供空间上的定量参考。方法本研究采用“危险性−暴露度−敏感性−适应能力”评估框架，构建包含44个指标的指标集，并通过主成分分析法对指标进行降维筛选及权重确定，形成社会−生态系统脆弱性评价指标体系，进而评估北京市浅山区社会−生态系统在当前和未来气候条件下的脆弱性空间分布。结果当前和未来的气候脆弱性均呈现出由中心城区向深山区逐渐降低的趋势，脆弱性程度以中度、重度为主，未来脆弱性整体呈上升趋势。在行政分区上，昌平、顺义、海淀区气候脆弱性较低，房山、丰台、门头沟区较为严重。结论本研究通过评估北京市浅山区社会−生态系统在当前和未来气候条件下的脆弱性空间分布，得到北京浅山区气候适应的重点区域，为浅山区气候适应决策提供依据，并为气候变化背景下区域脆弱性评估提供方法及指标作为参考。Abstract:ObjectiveUnder the background of climate change, regional vulnerability assessment under the perspective of socio-ecosystem can identify regional climate risks more comprehensively. In urban areas, shallow mountain area has their uniqueness because of the importance of climate regulation and the vulnerability of climate adaptation, and the coupling between social system and ecosystem is more obvious. As an important link of climate adaptation, the socio-ecosystem vulnerability assessment under climate change background in Beijing shallow mountain area is helpful to provide quantitative reference for climate adaptation strategies in spatial planning.MethodIn this study, the assessment framework of “risk-exposure-sensitivity-adaptability” was adopted to construct an index set containing 44 indicators. Through the principal component analysis method, dimensionality reduction screening and weight determination of indicators were carried out to form the index system of social-ecosystem vulnerability assessment. Then the spatial distribution of the vulnerability of socio-ecosystem in the shallow mountainous areas of Beijing was evaluated under the present and future climatic conditions.ResultThe current and future climate vulnerability showed a trend of gradually decreasing from the central urban area to the deep mountains, and the degree of vulnerability was mainly moderate and severe, while the overall future vulnerability showed an upward trend. Among administrative zones, the vulnerability of Changping, Shunyi and Haidian districts was at a lower level, and the vulnerability of Fangshan, Fengtai and Mentougou districts was more serious.ConclusionBy evaluating the spatial distribution of the vulnerability of socio-ecological system in the shallow mountainous area of Beijing under current and future climatic conditions, the key areas of the climate adaptation in the shallow mountainous area of Beijing were obtained, which provide the basis for the climate adaptation policy in the shallow mountainous area, and provide the method or index reference for the regional vulnerability assessment under climate change background.
-
Keywords:
- climate change /
- climate adaptation /
- vulnerability /
- social-ecosystem /
- shallow mountain area
-
森林是一个国家的重要资源，在防治水土流失、改善生态环境方面发挥着重要作用，具有良好的生态效益和社会效益[1]。但是，一直以来森林不断遭受着病虫害的侵扰，大量的农药被用来防治病虫害的发生。在防治的同时，大量农药喷洒在林地上，部分农药残留渗入地下，经由河流汇入湖泊，不可避免对环境水体造成一定污染[2]。
拟除虫菊酯是一类广泛使用的杀虫剂，是衍生自菊花和植物花的除虫菊酯的合成衍生物[3]。它们通常被大量用于林业、农业等领域[4]。据报道，在中国，每年消耗3 700多吨拟除虫菊酯类农药，用于害虫防治[5]。大量拟除虫菊酯的使用会导致生态环境的污染，同时，如果人体长期过量接触拟除虫菊酯，会产生严重的健康问题，引发包括恶心、呕吐、呼吸抑制、精神变化、急性肾损伤等疾病症状[6]。因此，有必要对环境水体中的拟除虫菊酯进行检测。
由于样品的复杂性和低浓度性，需要进行样品预处理才能够进行检测。传统的萃取方法有液液萃取（LLE）[7]、索氏提取（Soxhlet extraction）[8]、固相萃取（SPE）[9]等。液液萃取易于使用，无需使用复杂的仪器执行。然而，高毒性有机溶剂的大量消耗和提取分析物的低选择性限制了液液萃取的使用。与液液萃取相比，固相萃取消耗较少量的有机溶剂，但相对昂贵且耗时[10]。因此，近年来的样本前处理技术不断向绿色化、微型化和简便化方向发展。
分散液液微萃取（DLLME）是常用的农药残留检测方法，具有操作简单、快速、成本低等优点。该方法由Rezaee等[11]于2006年提出来，主要包括两个步骤：萃取剂分散和回收。传统分散液液微萃取需要采用有机分散剂进行分散，既消耗了有机溶剂，又降低了分析物的分配系数。近年来不需要有机分散剂的辅助分散方法逐渐被开发出来，丰富了分散液液微萃取技术。具体分散技术包括手动摇晃[12]、涡旋[13]、超声[14]、微波[15]等。其中，手动摇晃因为重现性差而逐渐被其他方式代替，而其他几种方式都需要使用仪器进行操作，难以现场进行。2014年，Lasade-Aragones等人首次引入了泡腾辅助分散液液微萃取（EA-DLLME），它是通过酸和碳酸盐或碳酸氢盐发生泡腾反应，产生二氧化碳将萃取剂分散[16]。因其不受超声、涡旋等仪器限制，具有现场处理的可能，且具有环境副作用小的优点，越来越受到欢迎[17]。
最近，可转换亲水性溶剂（SHS）已被用作液相微萃取中的萃取剂[18]。中链脂肪酸被认为是可转换亲水性溶剂[19]，其机理是通过调节pH值实现可溶和不溶之间的转化[20]。而且，中链脂肪酸的钠盐和泡腾片都是可溶性固体粉末，泡腾反应能够促进可转换亲水性溶剂的分散和溶解，同时，泡腾片中过量的酸可以促使萃取剂从可溶性转变为不溶性，从而完成萃取过程。因此，将可转换亲水性溶剂与泡腾片结合非常利于微萃取过程的完成[17]。
萃取剂相的分离是液相微萃取技术的重要步骤，离心是常用的相分离方法，但是离心步骤涉及到离心机的使用，而大型仪器的存在使得前处理过程难以在现场操作[21]。基于此问题，研究者开发出多种现场处理方法。磁性纳米粒子（MNPs）分散在溶液中吸附萃取剂，借助于磁铁吸附作用实现汇聚，最终洗脱得到萃取剂，整个过程不需要使用大型仪器，方便现场操作[16]。另外，利用低密度溶剂会漂浮在溶液上层的性质，刘学科等使用1-十一烷醇作为萃取剂，采用移液管吸收上层液体的方法以实现现场处理[22]。最近，采用过滤方式进行相分离的方法也可以很好地在现场进行[23]。本课题组已制作具有良好亲油疏水性的过滤柱，采用过滤方式实现萃取剂的回收[24]。目前还没有研究采用泡腾片分散和过滤分离相结合的方法，来进行样品的现场前处理。
因此，在现场处理的基础上，本研究开发了一种基于可转换亲水性溶剂的泡腾片辅助分散液液微萃取结合气相色谱法，测定环境水中的拟除虫菊酯类农药。该方法按照一定配方压制泡腾片，用于萃取剂的分散，采用过滤方式进行相分离，成功完成了前处理步骤和气相色谱仪检测。整个提取过程不依赖任何特殊仪器，这使得该方法得以成功地应用于现场处理。目前，该方法已成功应用于北京市环境水的检测。
1. 材料与方法
1.1 试剂和材料
5种拟除虫菊酯类农药标准品（联苯菊酯、氟氰菊酯、氯氰菊酯、氰戊菊酯、溴氰菊酯）购自坛墨质量检测技术有限公司（江苏，中国），纯度均 > 98%。己酸钠（99%）、壬酸钠（98%）购自百灵威公司（北京，中国）。柠檬酸、磷酸二氢钠、碳酸氢钠、碳酸钠均购自麦克林公司（上海，中国）。SPE色谱柱购自安捷伦科技公司（美国）。聚丙烯吸油棉和聚丙烯无纺布购自苏州伊路发环保技术有限公司（江苏，中国）。
1.2 仪器与设备
安捷伦7890B型气相色谱仪（美国安捷伦科技公司，美国），配备电子捕获检测器；DB-5 MS型毛细管柱（30 m × 0.32 mm × 0.25 µm）；手动液压压片机购自鹤壁立信仪器有限公司（河南，中国）；Milli-Q超纯水系统（Millipore，美国）；万分之一天平；微量进样针；一次性注射器。
1.3 标准储备溶液和实际样品
使用色谱级乙腈，分别配制5种拟除虫菊酯标准品的标准溶液（2 000 μg/mL），并在4 ℃的冰箱中储存。将5种标准溶液等体积混合配制混合标准溶液。将混合标准溶液稀释至不同浓度，得到工作标准溶液。自来水、水库水和河水均采集于中国北京。水样收集在玻璃瓶中，避光储存。
1.4 泡腾片压制
使用万分天平称量0.499 2 g柠檬酸、0.405 6 g磷酸二氢钠、0.218 4 g碳酸氢钠和0.180 0 g己酸钠，加入到研钵中，手动研磨直至获得均匀细致的粉末。然后，将粉末放入直径12 mm模具中，使用手动液压压片机在1 MPa的压力下压制成泡腾片，取出泡腾片，干燥储存或直接使用。
1.5 自制过滤柱制备
自制过滤柱制备过程如图1所示，它由3部分组成：SPE外壳、吸油棉填料和适配器。先将1 mL SPE色谱柱裁剪至合适的高度，底部加入一个垫片；然后将吸油棉切成长条状，卷成圆柱形，填充到SPE柱中，起到过滤作用，在上部再压上一个垫片；最后将适配器插入色谱柱上方，获得自制过滤柱。
1.6 样品前处理过程
取10 mL水样品注入20 mL注射器中，注射器下端接转接头，加入已制备的泡腾片，待泡腾片完全反应、注射器中无气泡产生时，打开转接头，使用自制过滤柱过滤注射器中溶液，再使用50 mL注射器吹干自制过滤柱上残留水滴，最后使用200 μL乙腈洗脱得到分析物，进行气相色谱电子捕获检测器（GC-ECD）检测。
2. 结果与讨论
2.1 方法优化
2.1.1 萃取剂类型
萃取剂的选择朝着越来越绿色、环保、低毒等的方向发展，因此，本研究选择了两种可转换性溶剂（己酸钠和壬酸钠）进行优化，其他条件如下：脂肪酸盐的量为0.16 g，泡腾片成分包括0.499 2 g柠檬酸、0.405 6 g 磷酸二氢钠和0.218 4 g 碳酸氢钠，无盐，自制过滤柱（填料吸油棉，高度为2 cm，密度为60 mg/cm），洗脱剂乙腈200 μL。结果如图2所示，对样本进行显著性检验，P < 0.01，两组间差异极显著，而己酸钠具有更高的响应值，因此，己酸钠萃取效果更佳，用于后续的优化实验。
2.1.2 萃取剂用量
泡腾片中己酸钠的用量需要进行优化，以获得最佳的条件。在实验中，检测了不同用量己酸钠（0.16、0.18、0.20、0.22 g）对峰面积的影响，其他条件同上。如图3所示，不同萃取剂用量差异显著（P < 0.01），当萃取剂为0.16 g时，峰面积最大，随着萃取剂用量的增加，峰面积逐渐减小。因此，最终选择0.16 g己酸钠进行后续优化实验。
2.1.3 泡腾片的类型
泡腾反应对萃取剂的分散和萃取具有重要影响。不同类型的泡腾片将发生不同时长和强度的泡腾反应，从而影响最终的萃取效果。在实验中，我们选择了4种物质（柠檬酸，磷酸二氢钠，碳酸氢钠和碳酸钠）进行测定。4种方案如表1所示。泡腾片中的酸不仅与碳酸盐发生泡腾反应，而且与萃取剂反应，使萃取剂从可溶状态转变为不溶状态，完成萃取。基于该过程对酸的双重要求，具有较强酸性的柠檬酸成为最佳选择。实验中同时发现，柠檬酸酸性较强，反应迅速，反应时间过短，导致萃取剂分散不充分，萃取效果受到影响，所以，加入弱酸磷酸二氢钠作为调节剂，延缓反应的速度，延长反应的时间，使萃取剂在分散、转化和萃取过程更为充分。根据图4所示，P < 0.01表明差异极显著，综合A、B、C、D四个方案显示，方案A的反应速度和反应强度更为优化，萃取效果更佳。因此，泡腾片制备选择方案A（柠檬酸 + 磷酸二氢钠 + 碳酸氢钠 + 己酸钠）。
表 1 不同泡腾片成分方案Table 1. Scheme of different effervescent tablets编号 No. 方案 Scheme 反应时间 Reaction time/s A 柠檬酸 + 磷酸二氢钠 + 碳酸氢钠 + 己酸钠
Citric acid + sodium dihydrogen phosphate + sodium bicarbonate + sodium hexanoate60 B 柠檬酸 + 磷酸二氢钠 + 碳酸钠 + 己酸钠
Citric acid + sodium dihydrogen phosphate + sodium carbonate + sodium hexanoate80 C 柠檬酸 + 碳酸氢钠 + 己酸钠 Citric acid + sodium bicarbonate + sodium hexanoate 15 D 柠檬酸 + 碳酸钠 + 己酸钠 Citric acid + sodium carbonate + sodium hexanoate 30 2.1.4 酸碱比
萃取剂己酸钠很容易受到pH值的影响，因此有必要对泡腾片的酸碱比进行优化。根据酸碱电离理论，柠檬酸可产生3个H+，磷酸二氢钠可产生1个H+，碳酸氢钠和己酸钠可产生一个OH−。因此，根据不同的酸碱比（6∶2∶1∶1，8∶2∶1∶1，10∶2∶1∶1）进行优化。结果如图5所示，进行显著性分析，P > 0.05，差异性不显著，表明pH的变化能够对峰面积产生影响，但是目前范围变化影响不大。据图可知，在柠檬酸∶磷酸二氢钠∶碳酸氢钠∶己酸钠的比例为8∶2∶1∶1的情况下，可获得最佳峰面积。因此，泡腾片质量为0.499 2 g柠檬酸，0.405 6 g磷酸二氢钠、0.218 4 g碳酸氢钠、0.18 g己酸钠，进行下一步实验。
2.1.5 盐效应的影响
通过向水样中添加不同量的盐（0 ~ 10%, w/w）来调节盐的质量分数，从而评估盐效应带来的影响。如图6所示，随着盐质量分数的增加，不同农药的响应幅度显示出差异，联苯菊酯和氰戊菊酯P < 0.01，差异极显著，受盐效应影响较大，抑制作用明显；而氟氯氰菊酯、氰戊菊酯、溴氰菊酯P > 0.05，差异不显著，变化不大。总体上盐质量分数的增加起到了抑制作用。因此，最终选择零添加进行后续研究。
2.1.6 自制过滤柱填料类型
自制过滤柱是进行相分离的重要设备。而自制过滤柱的填料是影响分离效果的重要因素。吸油棉和无纺布被选作自制过滤柱的填料，二者都是聚丙烯材料，能够在过滤过程中吸附萃取剂，完成相分离，但是在亲脂性和疏水性的性能上存在差异，因此有必要对其进行优化。结果如图7所示，显著性检验P < 0.01，表明不同填料类型差异极显著，吸油棉效果显著高于无纺布。因此，吸油棉用于后续实验。
2.1.7 自制过滤柱填料的高度和密度
自制过滤柱填料的高度和密度会影响过滤性能。如果过滤柱填料过高，则需要消耗更多的洗脱剂，降低响应值；如果过滤柱填料过低，则容易无法完全保留过滤溶液中的萃取剂，影响回收效率，所以，选择合适的高度对于该方法具有重要影响。因此，研究了1.5、2.0和2.5 cm高度对峰面积的影响，结果如图8所示，显著性检验P > 0.05，差异不显著，考虑到在2 cm高度时，除联苯菊酯外，其他几种农药微弱高于其他条件。因此，选择了2.0 cm高度的自制过滤柱进行进一步研究。
如果过滤材料太紧，则会影响过滤速度；如果过滤材料太稀疏，萃取剂将很容易被冲洗掉。所以，有必要对过滤柱的密度进行优化。因此，在2.0 cm的高度条件下，研究了不同密度的填料（40、50、60、70 mg/cm）对峰面积的影响，结果如图9所示，显著性检验显示联苯菊酯、氰戊菊酯和溴氰菊酯P < 0.05，差异显著，峰面积呈现先增后减的趋势，在60 mg/cm处获得最佳效果。因此，最佳密度选择为60 mg/cm。
2.2 方法评价
为了评价所建立方法的性能，评估了包括线性范围、线性方程、相关系数、检测限、定量限、相对标准偏差和富集倍数在内的参数。在优化条件下进行研究，结果如表2所示，在5 ~ 500 μg/L的线性范围内，相关系数均 ≥ 0.999 0，线性关系良好。检出限和定量限分别为0.22 ~ 1.88 μg/L和0.75 ~ 6.25 μg/L。日内标准差和日间标准差分别低于6.1%和5.4%。富集倍数在65 ~ 108范围内。
表 2 5种菊酯的线性方程、相关系数及检出限Table 2. Linear equation, correlation coefficients and detection limits of five pyrethroids化合物
Compounds线性范围
Range of
linearity/
(μg·L−1)线性方程
Linearity
equation相关系数
Correlation
coefficient检出限
Limit of
detection/
(μg·L−1)定量限
Limit of
quantitation/
(μg·L−1)日内标准差
Intra-day
SD/%日间标准差
Inter-day
SD/%富集倍数
Enrichment
factor联苯菊酯 Bifenthrin 5 ~ 500 y = 94.8x − 217.5 0.999 0 0.22 0.75 6.1 0.8 108 氟氯氰菊酯 Cyfluthrin 5 ~ 500 y = 24.916x + 67.895 0.999 4 1.03 3.45 2.2 5.4 71 氯氰菊酯 Cypermethrin 5 ~ 500 y = 13.341x + 42.416 0.999 6 1.65 5.49 3.0 4.6 65 氰戊菊酯 Fenvalerate 5 ~ 500 y = 68.004x + 165.82 0.999 6 0.39 1.29 4.3 2.9 66 溴氰菊酯 Deltamethrin 5 ~ 500 y = 21.184x − 51.306 0.999 9 1.88 6.25 1.9 1.3 93 2.3 实际样品分析
为了进一步验证所开发方法的可靠性和适用性，本研究分析了包括自来水、库水、水在内的3种实际样品。添加质量浓度为0、50、200 μg/L，样品回收率总结于表3，空白样品与加标样品色谱图见于图10。结果显示：所有空白实际水样均未检测到农药残留，表明采样地水质较为纯净。加标样品的回收率为88.2% ~ 113.0%，相对标准偏差在4.5% ~ 11.8%之间，均在可接受范围。因此，该方法可以成功准确地检测环境中水样。
表 3 使用建立的方法对3种实际水样进行分析Table 3. Analytical performance of the proposed method for three real samples化合物
Compounds自来水 Tap water 水库水 Reservoir water 河流水 River water 添加水平
Spiked level/(μg·L−1)回收率
Relative recovery/%标准差
SD/%回收率
Relative recovery/%标准差
SD/%回收率
Relative recovery/%标准差
SD/%联苯菊酯
Bifenthrin50 92.3 8.3 94.5 4.5 105.1 6.8 200 113.0 5.7 97.8 8.1 107.6 10.0 氟氯氰菊酯
Cyfluthrin50 106.2 6.1 104.8 7.3 104.6 7.9 200 109.7 7.4 103.2 8.3 99.5 7.5 氯氰菊酯
Cypermethrin50 98.2 7.5 96.4 7.9 97.5 9.3 200 108.5 5.7 99.1 9.2 100.2 8.9 氰戊菊酯
Fenvalerate50 96.8 6.9 96.5 6.1 104.4 6.4 200 110.8 5.0 93.7 8.6 102.7 8.2 溴氰菊酯
Deltamethrin50 88.2 8.6 88.7 5.2 97.1 8.8 200 101.6 6.0 89.6 10.2 98.8 11.8 ![]()
图 10 空白样品(a)和加标样品(b)的气相色谱图添加质量浓度为50 μg/L；峰1为联苯菊酯；峰2为氟氯氰菊酯；峰3为氯氰菊酯；峰4为氰戊菊酯；峰5为溴氰菊酯。Spiked mass concentration, 50 μg/L; peak 1, bifenthrin; peak 2, cyfluthrin; peak 3, cypermethrin; peak 4, fenvalerate; peak 5, deltamethrin.Figure 10. Gas chromatogram of blank sample (a) and spiked sample (b)2.4 方法比较
为了体现现场分散液液微萃取结合气相色谱法（On-stie DLLME-GC）的优越性，该方法与已报道方法的几个重要参数进行了比较。如表4所示，研究发现该方法具有良好的线性范围、较低的检出限。同时，相比于前处理过程，固相萃取、分散固相萃取等方法都需要使用耗电设备，主要体现在在萃取剂的分散[25-26]和萃取剂的分离[27]两个步骤，Li等[25]使用磁力搅拌仪进行Fe3O4@TiO2的分散，Mi等[26]采用离心吸取上层液的方法进行相分离。与之前前处理方法相比，该方法成功地实现了整个样品前处理过程不使用耗电设备，从而实现了现场样品处理，大大减少大量样品运输带来的不便，减少了人力和物力的消耗。因此，On-site DLLME-GC-ECD被证明是一种经济实用、简单方便的方法，能够用于现场处理环境水样中的5种拟除虫菊酯类杀虫剂。
表 4 与其他方法在水中拟除虫菊酯测定中的比较Table 4. Comparison of the proposed method and some other methods for pyrethroids determination in water方法
Method检测器
Detector萃取剂
Extraction
solvent线性范围
Range of linearity检出限
Limit of
detection/
(μg·L−1)是/否使用耗电设备
Yes/no use of
power-consuming
equipment是/否现场
Yes/no on-site参考文献
Reference固相萃取
Solid phase extraction高效液相色谱仪
HPLCFe3O4@TiO2 25 ~ 2 500 2.8 ~ 6.1 是 Yes 否 No [25] 分散固相萃取
Dispersive solid
phase extraction高效液相色谱仪
HPLCβ-环糊精连接的
超支化聚合物
CD-HBP5 ~ 500
10 ~ 5000.96 ~ 2.06 是 Yes 否 No [26] 固相萃取
Solid phase extraction气相色谱仪
GCFe3O4-NH2@MIL-101(Cr) 0.002 ~ 2.000 0.005 ~ 0.009 是 Yes 否 No [27] 现场分散液液微萃取
On-site DLLME气相色谱仪
GC己酸钠
Sodium hexanoate5 ~ 500 0.22 ~ 1.88 否 No 是 Yes 本工作
This work3. 结 论
本研究发了一种基于现场处理的分散液液微萃取气相色谱法测定环境水中的5种拟除虫菊酯类杀虫剂。该方法采用泡腾片辅助分散方式，选择可切换亲水性溶剂作为萃取剂。影响此方法的相关因素进行了优化，在最佳条件下，样品的加标回收率为88.2% ~ 113.0%，相对标准偏差为4.5% ~ 11.8%，检出限在0.22 ~ 1.88 μg/L之间，定量限在0.75 ~ 6.25 μg/L之间。富集倍数为65 ~ 108。该方法具有毒性低，污染小，环境友好的优点，同时在萃取剂分散和回收过程不需要用电设备，操作简便，方便现场操作，减少运输带来的不便。最后，该方法成功检测了3种环境水样，具有应用于现场处理的广阔潜力。
-
![]()
图 3 当前浅山区社会生态系统各要素脆弱性分布
Figure 3. Vulnerability distribution of four elements of socio-ecosystem in shallow mountain area
![]()
图 4 浅山区社会生态系统脆弱性分布时空变化
Figure 4. Temporal and spatial changes of vulnerability distribution of socio-ecosystem in shallow mountain area
![]()
图 5 各行政区社会生态系统脆弱性等级面积堆栈图
Figure 5. Area stack diagram of socio-ecosystem vulnerability grade in each administrative region
表 1 浅山区社会−生态系统气候脆弱性评价指标库
Table 1 Assessment index set of socio-ecosystem climate vulnerability
准则层
Criteria layer指标层
Index layer准则层
Criteria layer指标层
Index layer危险性
Hazard年平均气温 Annual mean temperature 暴露度
Exposure degree土地利用强度 Land use intensity 年平均降雨 Annual mean precipitation 道路密度 Road density 年温度差 Annual range of temperature 耕地比例 Proportion of cultivated land area 气温变化率 Temperature change rate 旅游人口比例 Proportion of tourist population 风速 Wind velocity 人口密度 Population density 热舒适度 Thermal comfort 流动人口比例 Proportion of floating population 空气质量指数 Air quality index 距负面因素距离 Distance from negative factor 极端高温（> 30 ℃） Extreme heat（> 30 ℃） 适应能力
Adaptability医疗站点分布 Distribution of medical site 城市热岛强度 Heat island intensity 科研教育机构分布
Distribution of scientific research and education institution湿度 Humidity 政府机构分布 Distribution of government agency 霜冻 Frost frequency 保护区分布 Distribution of nature reserve 敏感性
Sensitivity坡度 Slope degree 卫生支出比例 Proportion of health expenditure 海拔 Altitude 千人拥有医师数 Doctors owned by thousand people 坡向 Slope aspect 卫生机构床位数 Number of beds in health institution 景区分布 Scenic spot distribution 绿化覆盖率 Green coverage 老年人口比例 Elderly population ratio 可达性 Accessibility 儿童人口比例 Children ratio 人均 GDP GDP per capita 妇女人口比例 Women population ratio 旅游收入水平 Tourism income level 农业人口比例 Agricultural population ratio 垃圾清运量 Amount of garbage clean-up 群落结构 Community structure 污水处理能力 Sewage treatment capacity 物种丰富度 Species richness 森林覆盖率 Forest coverage 就诊人数 Number of patient 死亡率 Mortality 
下载: 导出CSV
表 2 脆弱性评价指标主成分分析结果
Table 2 Results of principal component analysis of vulnerability assessment index
项目
Item主成分
Principal component (PC)特征值
Eigenvalue贡献率
Contribution rate累计贡献率
Accumulative of contribution rate标准化权重
Normalized weight危险性
Hazard1 0.99 38.45 38.45 0.46 2 0.98 37.96 76.41 0.45 3 0.18 7.10 83.51 0.08 暴露度
Exposure degree1 0.52 37.89 37.89 0.47 2 0.32 23.42 61.32 0.29 3 0.26 18.93 80.25 0.24 敏感性
Sensitivity1 0.68 25.52 25.52 0.30 2 0.61 22.87 48.38 0.27 3 0.43 16.24 64.62 0.19 4 0.22 8.42 73.03 0.10 5 0.17 6.43 79.46 0.08 6 0.13 4.77 84.23 0.06 适应能力
Adaptability1 0.91 29.08 29.08 0.35 2 0.64 20.58 49.67 0.24 3 0.44 14.07 63.74 0.17 4 0.31 9.85 73.58 0.12 5 0.18 5.60 79.18 0.07 6 0.16 5.09 84.28 0.06
下载: 导出CSV
表 3 浅山区社会−生态系统气候脆弱性面积及占比
Table 3 Area and proportion of socio-ecosystem climate vulnerability in shallow mountain area
脆弱性等级
Vulnerability level1970—2020年
Year 1970−20202040—2060年
Year 2040−2060变化比例
Proportion change/%面积/hm2
Area/ha占比
Proportion/%面积/hm2
Area/ha占比
Proportion/%微度脆弱 Negligible 16 173 4.63 6 891 1.93 − 2.71 轻度脆弱 Light 75 724 21.69 54 941 15.36 − 6.33 中度脆弱 Medium 138 614 39.70 127 327 35.60 − 4.10 重度脆弱 Strong 97 433 27.91 121 913 34.08 6.18 极度脆弱 Extreme 21 215 6.08 46 612 13.03 6.96
下载: 导出CSV
-
[1] 杨飞, 马超, 方华军. 脆弱性研究进展: 从理论研究到综合实践[J]. 生态学报, 2019, 39(2):441−453. Yang F, Ma C, Fang H J. Research progress on vulnerability: from theoretical research to comprehensive practice[J]. Acta Ecologica Sinica, 2019, 39(2): 441−453.
[2] IPCC. Climate change 2014: impacts, adaptation, and vulnerability[M]. Cambridge: Cambridge University Press, 2014.
[3] 袁潇晨. 气候变化风险评估方法及其应用研究[D]. 北京: 北京理工大学, 2016. Yuan X C. Climate change risk assessment: modeling and applications[D]. Beijing: Beijing Institute of Technology, 2016.
[4] 赵东升, 吴绍洪. 气候变化情景下中国自然生态系统脆弱性研究[J]. 地理学报, 2013, 68(5):602−610. Zhao D S, Wu S H. Responses of vulnerability for natural ecosystem to climate change in China[J]. Acta Geographica Sinica, 2013, 68(5): 602−610.
[5] 俞孔坚, 袁弘, 李迪华, 等. 北京市浅山区土地可持续利用的困境与出路[J]. 中国土地科学, 2009, 23(11):3−8, 20. Yu K J, Yuan H, Li D H, et al. Difficulties and solutions of the sustainable land use strategy in suburban hilly area in Beijing[J]. China Land Science, 2009, 23(11): 3−8, 20.
[6] 柯敏. 北京浅山区土地利用潜力与利用模式研究[D]. 北京: 清华大学, 2010. Ke M. Study on the land potential and use pattern in shallow mountain area of Beijing[D]. Beijing: Tsinghua University, 2010.
[7] Ruiz-Labourdette D, Schmitz M F, Pineda F D. Changes in tree species composition in Mediterranean mountains under climate change: indicators for conservation planning[J]. Ecological Indicators, 2013, 24: 310−323. doi: 10.1016/j.ecolind.2012.06.021
[8] 冯艺佳. 风景园林视角下的北京市浅山区绿色空间理想格局构建策略研究[D]. 北京: 北京林业大学, 2016. Feng Y J. Study on the ideal pattern construction strategy of green space in shallow mountain area of Beijing though the view of landscape architecture[D]. Beijing: Beijing Forestry University, 2016.
[9] 高占平. 北京山区生态退化与生态修复规划研究[D]. 北京: 首都师范大学, 2009. Gao Z P. Study on ecological degradation and ecological restoration planning of Beijing mountain area by Beijing Institute of Technology[D]. Beijing: Capital Normal University, 2009.
[10] 郭佳蕾. 平潭岛社会−生态系统脆弱性评价[D]. 福州: 福建师范大学, 2017. Guo J L. Assessment on the vulnerability of social-ecological systems in Pingtan Island[D]. Fuzhou: Fujian Normal University, 2017.
[11] 王林峰, 张平宇, 李鹤, 等. 东北西部农牧交错带社会生态系统脆弱性[J]. 中国科学院大学学报, 2018, 35(3):345−352. Wang L F, Zhang P Y, Li H, et al. Vulnerability of social-ecosystem in agro-pastoral ecotone in western Northeast China[J]. Journal of University of Chinese Academy of Sciences, 2018, 35(3): 345−352.
[12] 杨新军, 张慧, 王子侨. 基于情景分析的西北农村社会−生态系统脆弱性研究: 以榆中县中连川乡为例[J]. 地理科学, 2015, 35(8):952−959. Yang X J, Zhang H, Wang Z Q. Vulnerability assessment of rural social-ecological system based on scenario analysis: a case study of Zhonglianchuan Town in Yuzhong County[J]. Scientia Geographica Sinica, 2015, 35(8): 952−959.
[13] 温晓金. 恢复力视角下山区社会−生态系统脆弱性及其适应[D]. 西安: 西北大学, 2017. Wen X J. The social-ecological vulnerability and adaption in mountainous areas under the perspective of resilience thinking[D]. Xi’an: Northwest University, 2017.
[14] 陈佳, 杨新军, 尹莎, 等. 基于VSD框架的半干旱地区社会−生态系统脆弱性演化与模拟[J]. 地理学报, 2016, 71(7):1172−1188. Chen J, Yang X J, Yin S, et al. The vulnerability evolution and simulation of the social-ecological systems in the semi-arid area based on the VSD framework[J]. Acta Geographica Sinica, 2016, 71(7): 1172−1188.
[15] Ippolito A, Sala S, Faber J H, et al. Ecological vulnerability analysis: a river basin case study[J]. Science of the Total Environment, 2010, 408(18): 3880−3890. doi: 10.1016/j.scitotenv.2009.10.002
[16] 谢作轮, 李秀珍, 姜德刚, 等. 基于海岛生态脆弱性模拟的朱家尖岛空间管控对策[J]. 应用生态学报, 2019, 30(8):2783−2792. Xie Z L, Li X Z, Jiang D G, et al. Spatial management strategy of Zhujiajian Island based on island ecological vulnerability simulation[J]. Chinese Journal of Applied Ecology, 2019, 30(8): 2783−2792.
[17] Huang P H, Tsai J S, Lin W T. Using multiple-criteria decision-making techniques for eco-environmental vulnerability assessment: a case study on the Chi-Jia-Wan Stream Watershed, Taiwan[J]. Environmental Monitoring and Assessment, 2010, 168(1/4): 141−158.
[18] 朱琪, 周旺明, 贾翔, 等. 长白山国家自然保护区及其周边地区生态脆弱性评估[J]. 应用生态学报, 2019, 30(5):1633−1641. Zhu Q, Zhou W M, Jia X, et al. Ecological vulnerability assessment on Changbai Mountain National Nature Reserve and its surrounding areas, Northeast China[J]. Chinese Journal of Applied Ecology, 2019, 30(5): 1633−1641.
[19] Sam K, Chakma N. Vulnerability profiles of forested landscape to climate change in Bengal Duars Region, India[J]. Environmental Earth Sciences, 2018, 77(12): 459. doi: 10.1007/s12665-018-7649-2
[20] García-López J M, Allué C. A phytoclimatic-based indicator for assessing the inherent responsitivity of the European forests to climate change[J]. Ecological Indicators, 2012, 18: 73−81. doi: 10.1016/j.ecolind.2011.10.004
[21] 王义臣. 气候变化视角下城市高温热浪脆弱性评价研究[D]. 北京: 北京建筑大学, 2015. Wang Y C. Research on urban heat wave vulnerability assessment under climate change[D]. Beijing: Beijing University of Civil Engineering and Architecture, 2015.
[22] 刘利. 北京典型山地森林生态脆弱性的研究[D]. 北京: 北京林业大学, 2011. Liu L. Study on ecological vulnerability of typical mountain forest in Beijing[D]. Beijing: Beijing Forestry University, 2011.
[23] Phung D, Rutherford S, Dwirahmadi F, et al. The spatial distribution of vulnerability to the health impacts of flooding in the Mekong Delta, Vietnam[J]. International Journal of Biometeorology, 2016, 60(6): 857−865. doi: 10.1007/s00484-015-1078-7
[24] Gigović L, Pamučar D, Lukić D, et al. GIS-Fuzzy DEMATEL MCDA model for the evaluation of the sites for ecotourism development: a case study of “Dunavski ključ” region, Serbia[J]. Land Use Policy, 2016, 58: 348−365. doi: 10.1016/j.landusepol.2016.07.030
[25] Yang J, Zhang Z C, Li X M, et al. Spatial differentiation of China’s summer tourist destinations based on climatic suitability using the universal thermal climate index[J]. Theoretical and Applied Climatology, 2017, 134(3/4): 859−874.
[26] 郭兵, 姜琳, 罗巍, 等. 极端气候胁迫下西南喀斯特山区生态系统脆弱性遥感评价[J]. 生态学报, 2017, 37(21):7219−7231. Guo B, Jiang L, Luo W, et al. Study of an evaluation method of ecosystem vulnerability based on remote sensing in a southwestern karst mountain area under extreme climatic conditions[J]. Acta Ecologica Sinica, 2017, 37(21): 7219−7231.
[27] Kim H G, Lee D K, Jung H, et al. Finding key vulnerable areas by a climate change vulnerability assessment[J]. Natural Hazards, 2016, 81(3): 1683−1732. doi: 10.1007/s11069-016-2151-1
[28] 何彦龙, 袁一鸣, 王腾, 等. 基于GIS的长江口海域生态系统脆弱性综合评价[J]. 生态学报, 2019, 39(11):3918−3925. He Y L, Yuan Y M, Wang T, et al. Integrated assessment of marine ecological vulnerability in the Yangtze River Estuary using GIS[J]. Acta Ecologica Sinica, 2019, 39(11): 3918−3925.
[29] Hagenlocher M, Renaud F G, Haas S, et al. Vulnerability and risk of deltaic social-ecological systems exposed to multiple hazards[J]. Science of the Total Environment, 2018, 631−632: 71−80. doi: 10.1016/j.scitotenv.2018.03.013
-
期刊类型引用(4)
1. 李桂，曹文华，马建业，马波，王阳修，王秋月. 小麦秸秆覆盖量对坡面流水动力学特性影响. 农业工程学报. 2023(01): 108-116 . 
百度学术
2. 安妙颖，韩玉国，王金满，徐磊，王秀茹，庞丹波. 黄土丘陵区坡面薄层水流动力学特性及其对土壤侵蚀的影响. 中国农业大学学报. 2020(02): 142-150 . 百度学术
3. 李志刚，梁心蓝，黄洪粮，李和谋，赵小东. 坡耕地地表起伏对坡面漫流的影响. 水土保持学报. 2020(02): 71-77+85 . 百度学术
4. 杨坪坪，李瑞，盘礼东，王云琦，黄凯，张琳卿. 地表粗糙度及植被盖度对坡面流曼宁阻力系数的影响. 农业工程学报. 2020(06): 106-114 . 百度学术
其他类型引用(27)
计量
- 文章访问数: 1857
- HTML全文浏览量: 677
- PDF下载量: 80
- 被引次数: 31
