高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

气候变化背景下北京浅山区社会−生态系统脆弱性评估

施瑶 李嘉艺 高娜 郑曦

施瑶, 李嘉艺, 高娜, 郑曦. 气候变化背景下北京浅山区社会−生态系统脆弱性评估[J]. 北京林业大学学报, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
引用本文: 施瑶, 李嘉艺, 高娜, 郑曦. 气候变化背景下北京浅山区社会−生态系统脆弱性评估[J]. 北京林业大学学报, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
Shi Yao, Li Jiayi, Gao Na, Zheng Xi. Assessment on socio-ecosystem vulnerability in shallow mountain area of Beijing under climate change background[J]. Journal of Beijing Forestry University, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
Citation: Shi Yao, Li Jiayi, Gao Na, Zheng Xi. Assessment on socio-ecosystem vulnerability in shallow mountain area of Beijing under climate change background[J]. Journal of Beijing Forestry University, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091

气候变化背景下北京浅山区社会−生态系统脆弱性评估

doi: 10.12171/j.1000-1522.20190091
基金项目: 北京市科技计划项目“北京景观空间数据采集及景观绩效评价研究”(D171100000217003)
详细信息
    作者简介:

    施瑶。主要研究方向:风景园林规划设计与理论。Email:bjfushiyao@sina.com 地址:100083 北京市海淀区清华东路35号北京林业大学园林学院

    通讯作者:

    郑曦,教授,博士生导师。主要研究方向:风景园林规划设计与理论。Email:zhengxi@bjfu.edu.cn 地址:同上

  • 中图分类号: S731.1;X826;TU982

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。
  • 图  1  北京市浅山区区位图

    Figure  1.  Location map of shallow mountain area of Beijing

    图  2  研究框架

    Figure  2.  Research framework

    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
    Hazard
    10.9938.4538.450.46
    20.9837.9676.410.45
    30.187.1083.510.08
    暴露度
    Exposure degree
    10.5237.8937.890.47
    20.3223.4261.320.29
    30.2618.9380.250.24
    敏感性
    Sensitivity
    10.6825.5225.520.30
    20.6122.8748.380.27
    30.4316.2464.620.19
    40.228.4273.030.10
    50.176.4379.460.08
    60.134.7784.230.06
    适应能力
    Adaptability
    10.9129.0829.080.35
    20.6420.5849.670.24
    30.4414.0763.740.17
    40.319.8573.580.12
    50.185.6079.180.07
    60.165.0984.280.06
    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 level
    1970—2020年
    Year 1970−2020
    2040—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
  • [1] 张晋岚, 张祥雪, 冉苒, 伍敏, 吴尚, 贾黎明.  基于植物分割理论的毛白杨干旱落叶研究 . 北京林业大学学报, 2020, 42(9): 19-27. doi: 10.12171/j.1000-1522.20190411
    [2] 林俏, 刘喆, 吕英烁, 余曦璇, 郑曦.  基于水文模型的北京浅山区雨洪管理措施探究 . 北京林业大学学报, 2020, 42(5): 132-142. doi: 10.12171/j.1000-1522.20190116
    [3] 白天军, 刘苑秋, 温林生, 潘俊, 曹雯, 郑希玲, 邹芹, 邓文平.  庐山日本柳杉早材与晚材年轮宽度对气候变化的响应 . 北京林业大学学报, 2020, 42(9): 61-69. doi: 10.12171/j.1000-1522.20190439
    [4] 冯源, 肖文发, 朱建华, 黄志霖, 鄢徐欣, 吴东.  林龄和气候变化对三峡库区马尾松林蓄积量的影响 . 北京林业大学学报, 2019, 41(11): 11-21. doi: 10.13332/j.1000-1522.20190184
    [5] 刘正才, 屈瑶瑶.  基于SPOT-VGT数据的湖南省植被变化及其对气候变化的响应 . 北京林业大学学报, 2019, 41(2): 80-87. doi: 10.13332/j.1000-1522.20180278
    [6] 刘鸣, 张德顺.  近55年气候变化对上海园林树种适应性的影响 . 北京林业大学学报, 2018, 40(9): 107-117. doi: 10.13332/j.1000-1522.20180113
    [7] 闫伯前, 林万众, 刘琪璟, 于健.  秦岭不同年龄太白红杉径向生长对气候因子的响应 . 北京林业大学学报, 2017, 39(9): 58-65. doi: 10.13332/j.1000-1522.20170161
    [8] 韩士杰, 王庆贵.  北方森林生态系统对全球气候变化的响应研究进展 . 北京林业大学学报, 2016, 38(4): 1-20. doi: 10.13332/j.1000-1522.20160046
    [9] 徐金梅, 张冉, 吕建雄, RobertEvans, .  不同海拔青海云杉木材细胞结构对气候因子的响应 . 北京林业大学学报, 2015, 37(7): 102-108. doi: 10.13332/j.1000-1522.20140444
    [10] 裴顺祥, 郭泉水, 贾渝彬, 辛学兵, 许格希.  保定市8种乔灌木开花始期对气候变化响应的积分回归分析 . 北京林业大学学报, 2015, 37(7): 11-18. doi: 10.13332/j.1000-1522.20130423
    [11] 李睿, 朵海瑞, 史林鹭, 周延, 焦盛武, 秋培扎西, 雷光春.  可可西里1970—2013年气候变化特征及其对景观格局的影响 . 北京林业大学学报, 2015, 37(12): 59-68. doi: 10.13332/j.1000-1522.20150109
    [12] 何丽鸿, 王海燕, 王璐, 王岳.  长白落叶松林生态系统净初级生产力对气候变化的响应 . 北京林业大学学报, 2015, 37(9): 28-36. doi: 10.13332/j.1000-1522.20140439
    [13] 余黎, 雷相东, 王雅志, 杨英军, 王全军.  基于广义可加模型的气候对单木胸径生长的影响研究 . 北京林业大学学报, 2014, 36(5): 22-32. doi: 10.13332/j.cnki.jbfu.2014.05.007
    [14] 潘蔷, 范文义, 于海群, 张峰, 张扬建.  北京市植被指数变化与影响因素分析 . 北京林业大学学报, 2012, 34(2): 26-33.
    [15] 曾令兵, 王襄平, 常锦峰, 林鑫, 吴玉莲, 尹伟伦.  祁连山中段青海云杉高山林线交错区树轮宽度与气候变化的关系 . 北京林业大学学报, 2012, 34(5): 50-56.
    [16]
    陈锋, 林向东, 牛树奎, 王叁, 李德, 
    气候变化对云南省森林火灾的影响 . 北京林业大学学报, 2012, 34(6): 7-15.
    [17] 徐金梅, 吕建雄, 鲍甫成, 黄荣凤, 刘贤德, RobertEvans, 赵有科.  祁连山青海云杉木材密度对气候变化的响应 . 北京林业大学学报, 2011, 33(5): 115-121.
    [18] 霍常富, 程根伟, 鲁旭阳, 范继辉, 肖飞鹏.  气候变化对贡嘎山森林原生演替影响的模拟研究 . 北京林业大学学报, 2010, 32(1): 1-6.
    [19] 李明阳, 巨云为, 吴文浩, 何燕洁, 徐光彩, .  气候变化情景下外来森林病虫害潜在生境动态分析——以美国南方松大小蠹为例 . 北京林业大学学报, 2009, 31(4): 64-69.
    [20] 周丹卉, 贺红士, 李秀珍, 周春华, 王绪高, 陈宏伟.  小兴安岭不同年龄林分对气候变化的潜在响应 . 北京林业大学学报, 2007, 29(4): 110-117.
  • 加载中
图(5) / 表 (3)
计量
  • 文章访问数:  442
  • HTML全文浏览量:  243
  • PDF下载量:  24
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-02-27
  • 修回日期:  2019-09-11
  • 网络出版日期:  2020-03-26
  • 刊出日期:  2020-04-27

气候变化背景下北京浅山区社会−生态系统脆弱性评估

doi: 10.12171/j.1000-1522.20190091
    基金项目:  北京市科技计划项目“北京景观空间数据采集及景观绩效评价研究”(D171100000217003)
    作者简介:

    施瑶。主要研究方向:风景园林规划设计与理论。Email:bjfushiyao@sina.com 地址:100083 北京市海淀区清华东路35号北京林业大学园林学院

    通讯作者: 郑曦,教授,博士生导师。主要研究方向:风景园林规划设计与理论。Email:zhengxi@bjfu.edu.cn 地址:同上
  • 中图分类号: S731.1;X826;TU982

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。

English Abstract

施瑶, 李嘉艺, 高娜, 郑曦. 气候变化背景下北京浅山区社会−生态系统脆弱性评估[J]. 北京林业大学学报, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
引用本文: 施瑶, 李嘉艺, 高娜, 郑曦. 气候变化背景下北京浅山区社会−生态系统脆弱性评估[J]. 北京林业大学学报, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
Shi Yao, Li Jiayi, Gao Na, Zheng Xi. Assessment on socio-ecosystem vulnerability in shallow mountain area of Beijing under climate change background[J]. Journal of Beijing Forestry University, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
Citation: Shi Yao, Li Jiayi, Gao Na, Zheng Xi. Assessment on socio-ecosystem vulnerability in shallow mountain area of Beijing under climate change background[J]. Journal of Beijing Forestry University, 2020, 42(4): 132-141. doi: 10.12171/j.1000-1522.20190091
  • 脆弱性最初来自于对于自然灾害的研究,即通过灾害发生的可能性及其影响来辨识和预测脆弱群体的危险区域[1]。在气候变化的背景下,脆弱性是指易受气候不利影响的倾向和习性[2],气候脆弱性评估有助于科学评估气候变化的影响,是适应和减缓气候变化的关键依据[3-4]

    浅山区是山区和平原的过渡地带,自然资源丰富,是重要的水源涵养地和生物多样性保护中心[5],发挥着缓解城市热岛、固碳释氧、通风等多项生态系统服务功能。在全球气候变化的背景下,浅山区对调节城市气候具有重要作用[6],同时也具有突出的敏感性和脆弱性:地处山地的中、低海拔区域,干旱和高温等气候变化引起的物种发生和物种组成变化对浅山区的影响更为显著[7],同时浅山区位于城市边缘区,长期人类活动的影响与城市扩张的压力使自然资源与城市发展的矛盾日渐显现[8],面临着地质灾害、水土流失、生境退化等问题[9]。同时相比城市建成区,浅山区在基础设施、适应政策、居民意识等方面未受到足够的重视,导致浅山区应对气候变化的适应能力较弱。因此,与深山区和建成区相比,浅山区在应对气候变化方面敏感性更高但适应能力更弱,具有更强烈的矛盾性与复杂性,且社会经济与生态系统的耦合特征更加明显。受发展阶段差异与自然资源现状的影响,浅山区的气候脆弱性呈现出明显的空间异质性。因此,在社会−生态耦合视角下进行气候脆弱性的评估以识别气候适应的关键区域对于气候灾害的有效预防、进行合理的适应性决策以实现浅山区可持续发展具有重要意义。

    从已有研究来看,近几年随着社会−生态系统理论的思想被广泛接受[10],目前对于脆弱性的研究视角从单一的生态视角逐渐向社会−生态系统转变[11],出现了一些具有推动性的研究成果,如杨新军等[12]从不同情境出发探究了西北农村的社会−生态系统脆弱性、温晓金[13]从恢复力视角评价山区社会−生态系统脆弱性、陈佳等[14]基于VSD框架对半干旱地区社会−生态系统脆弱性进行模拟、王林峰等[11]对东北西部农牧交错带社会生态系统脆弱性进行评估等。但目前从社会−生态角度进行气候脆弱性分析的研究较少,针对浅山区的研究也还未扩展到脆弱性评估领域。从研究方法来看,大部分研究通过建立指标体系进行评价,目前使用较多的有模糊综合评价法[15]、专家打分法[16]、层次分析法[17]、熵值法[11]和空间主成分分析法[18]等,近期研究使用较多的主成分分析法能够较好地解决评价指标权重设置主观性较强的问题。总体来看,社会−生态系统脆弱性的评估方法在逐渐完善,但从气候适应性视角出发的研究较少,评价指标的选取对生态−社会的综合性反映不够,对时间上的变化尤其是未来的预测关注较少,如何根据脆弱性的空间异质性制定相对应的适应策略也有待于进一步探讨。

    基于现有研究成果和挑战,本研究根据气候脆弱性内涵构建了“危险性−暴露度−敏感性−适应能力”社会−生态系统气候脆弱性的评估框架。在此基础上建立社会−生态系统脆弱性评价指标体系,进而基于地理信息系统评估浅山区社会−生态系统气候脆弱性在时间和空间上的分布,为气候适应策略的制定提供依据。

    • 研究区域位于北京市浅山区(图1),是指北京市海拔在65 ~ 300 m、坡度2° ~ 10°、地貌类型以丘陵、台地、洪积扇为主,人口密度小于400人/km2,保证村级行政边界完整性的基础上综合的范围,面积为4 420 km2,涉及9个区县,涵盖66个乡镇(《北京市浅山区协调发展规划(2010年—2020年)》)[8]

      图  1  北京市浅山区区位图

      Figure 1.  Location map of shallow mountain area of Beijing

    • 本研究所用数据包括气候数据、空间栅格数据和统计资料3大类,结合ArcGIS等软件,通过数据叠加得到多指标空间数据集用作分析处理。由于本研究涉及的评价指标较多,且其中部分指标难以获取高精度的空间数据,因此在后续的数据处理过程中,通过ArcGIS将所有指标统一重采样为30 m × 30 m的数据精度,并通过栅格投影将空间数据统一至WGS_1984_Transverse_Mercator投影坐标系。

      (1)气候数据

      气候数据来自WorldClim数据库(http://www.worldclim.org/)提供的全球气候空间栅格数据,由于数据年份有限,分别选取1970—2000年与2040—2060年的数据作为当前与未来气候数据,其中未来气候数据选取GCMs-ACCESS1-0全球气候模型RCP8.5碳排放浓度情景下的5 arcmin分辨率数据。

      (2)空间栅格数据

      空间栅格数据包括北京市dem数据、LST数据、NDVI数据等,均来自地理空间数据云(http://www.gscloud.cn/)所提供的GDEMDEM 30M分辨率数字高程数据和MODIS中国合成产品中的MODLT1M中国1KM地表温度月合成产品、MODND1M中国500M NDVI月合成产品。

      (3)统计资料

      统计数据包括各区人口数据、GDP数据、空气质量数据、各类财政支出数据和医疗卫生数据等,来自国家统计局(http://www.stats.gov.cn/)公布的2017年统计数据以及《2017北京区域统计年鉴》、北京市各区政府网站公布的统计年鉴、北京市气象信息中心(http://bj.cma.gov.cn/)等。

    • IPCC(联合国政府间气候变化专门委员会)第5次报告《气候变化2014:影响、适应和脆弱性》[2]提出气候变化风险来自脆弱性(包括敏感性及适应能力)、暴露度及危害的相互作用。在气候变化背景下,大部分研究中脆弱性与气候风险内涵接近,故本研究综合IPCC最新气候风险的定义以及脆弱性通常的内涵,将气候脆弱性作为危险性、暴露度、敏感性、适应能力四者的函数,提出了“危险性−暴露度−敏感性−适应能力”评估模型,在此基础上对浅山区社会−生态系统当前和未来气候脆弱性的时空分布进行研究。主要包括3部分内容(图2):第一部分为评价指标体系构建;第二部分为根据评价指标创建当前及未来浅山区社会−生态系统气候脆弱性地图,确定气候适应的关键区域;最后对脆弱性变化特征进行分析并提出相应的策略与讨论。

      图  2  研究框架

      Figure 2.  Research framework

    • 我国《国家适应气候变化战略》提出了基础设施、农业、水资源、海岸带和相关海域、森林和其他生态系统、人体健康、旅游业和其他产业等几大气候适应的重点任务,其中森林、农业、健康、旅游等方面对于浅山区来说尤为重要。为了综合评估浅山区社会−生态系统的脆弱性,根据“危险性−暴露度−敏感性−适应能力”评估框架,从森林、农业、健康、旅游的适应目标入手,采用层次分析法,以脆弱性作为目标层,将脆弱性的4个维度危险性、暴露度、敏感性、适应能力作为准则层进行指标选取。

      (1)危险性指标

      危险性指与气候相关的物理事件、趋势或其物理影响,是造成气候风险的关键指标。选取对自然系统及人类系统造成影响的气候变化来反映危险性,大部分记录的气候变化影响可归因于变暖和(或)降水形势的变化[2]。故选取和温度相关的年平均气温、年温度差、气温变化率[19]、城市热岛强度、热舒适度、极端高温分布、霜冻期等因子以及和降水相关的年平均降雨、湿度等因子[20-21]

      (2)暴露度指标

      暴露度指可能受到不利影响的位置和环境[2]。对于浅山区来说,暴露度一方面取决于土地利用带来的压力,选取建设用地面积、道路密度、耕地面积等因子;另一方面取决于人类活动带来的压力,选取人口密度、旅游人口与流动人口等因子[10]

      (3)敏感性指标

      敏感性是系统对各种灾害干扰的敏感程度,反映系统抵抗灾害干扰的能力,主要取决于系统结构的稳定性[10]。从生态系统来讲,地形地貌、群落结构、物种丰富度、森林结构都是影响系统稳定性的重要因素[22],从社会经济角度来讲,人口组成与就诊人数、死亡率等指标表征了系统的承受能力[23]

      (4)适应能力指标

      适应能力是指对实际或预期的气候及其影响进行调整的过程。主要取决于经济发展水平及基础设施建设。经济发展水平可通过人均GDP、政府、教育机构分布等因子来表征,基础设施建设包含针对于生态系统的保护区的分布、针对居民健康的医疗及城市环境基础设施的建设情况以及针对旅游系统的绿地覆盖率、可达性与旅游收入水平等因子[24-25]

      通过以上4个方面,建立共含有44个指标的指标库,并进行相关数据的收集和整理(表1)。

      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

      (1)归一化处理

      通过归一化处理将各指标数据绝对值转变为针对气候脆弱性的相对值,便于后续计算。公式[26]如下:

      正向指标:$\displaystyle{I_{\rm{p}}} = \dfrac{{{I_i} - {I_{{\rm{min}}}}}}{{{I_{{\rm{max}}}} - {I_{{\rm{min}}}}}}$

      逆向指标:$\displaystyle{I_{\rm{n}}} = \dfrac{{{I_{{\rm{max}}}} - {I_i}}}{{{I_{{\rm{max}}}} - {I_{{\rm{min}}}}}}$

      式中:Ip为正向指标标I的归一化值,In为逆向指标标I的归一化值;Imin为指标I的最小值;Imax为指标I的最大值,Ii值的范围为0 ~ 1。

      (2)主成分分析法赋予权重

      为了避免传统指标体系权重主观性较强的问题,采用空间主成分分析法(SPCA)的方法分别对准则层的指标进行降维筛选,以累积贡献值大于85%作为筛选标准[10],最终建立含18个综合指标的指标体系,并根据主成分的贡献率确定权重。最终形成完整的浅山区社会−生态系统气候脆弱性评估指标体系(表2)。

      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
      Hazard
      10.9938.4538.450.46
      20.9837.9676.410.45
      30.187.1083.510.08
      暴露度
      Exposure degree
      10.5237.8937.890.47
      20.3223.4261.320.29
      30.2618.9380.250.24
      敏感性
      Sensitivity
      10.6825.5225.520.30
      20.6122.8748.380.27
      30.4316.2464.620.19
      40.228.4273.030.10
      50.176.4379.460.08
      60.134.7784.230.06
      适应能力
      Adaptability
      10.9129.0829.080.35
      20.6420.5849.670.24
      30.4414.0763.740.17
      40.319.8573.580.12
      50.185.6079.180.07
      60.165.0984.280.06
    • (1)加权叠加

      利用Arcgis采用加权因子叠加法对单因子指标进行叠加分析,得出每个准则层的综合评价结果,并进行等级划分。

      (2)气候脆弱性指数计算

      运用Arcgis栅格计算器工具,对4个准则层进行叠加分析,得出社会−生态系统气候脆弱性指数[27]

      $$\begin{array}{c} {\rm{CV}} = {{H}} + {\rm{CE}} + S - {\rm{AC}}\\ H = \mathop {\displaystyle{\sum}} \nolimits \left( {{\rm{S}}{{\rm{W}}_i} \times {{X}_i}} \right)\\ {\rm{CE}} = \mathop {\displaystyle{\sum}} \nolimits \left( {{\rm{S}}{{\rm{W}}_i} \times {{X}_i}} \right)\\ S{\rm{}} = \mathop {\displaystyle{\sum}} \nolimits \left( {{\rm{S}}{{\rm{W}}_i} \times {{X}_i}} \right)\\ {\rm{AC}} = \mathop {\displaystyle{\sum}} \nolimits \left( {{\rm{S}}{{\rm{W}}_i} \times {{X}_i}} \right) \end{array}$$

      式中:CV是气候脆弱性指数;H、CE、S和AC是气候脆弱性评估的一级指标,即危险性(H)、暴露度(CE)、敏感性(S)和适应能力(AC);Xi是主成分指标值;SWi是归一化后的主成分指标变量i的权重。

      (3)计算未来脆弱性

      采用IPCC设定的BAU(business as usual, 一切照旧)情景[2],即只考虑气候变化因素下脆弱性的改变,采用未来的年均气温、年均降雨量、年温差、暴雨、极热和高温数据作为未来气候数据,计算指标体系中的未来危险性,得到未来气候情景下的脆弱性分布。

      (4)气候脆弱性分级

      将区域当前和未来的气候脆弱性指数CV(climate vulnerability)基于自然断点法(natural breaks)进行分级,将气候脆弱性划分为微度脆弱、轻度脆弱、中度脆弱、重度脆弱和极度脆弱5个等级,以表征区域对于气候变化的适应能力,CV值越高,脆弱性等级越高,越易受到气候的不利影响[27]

    • 通过计算得到北京市浅山区社会−生态系统各要素脆弱性分布(图3)及当前及未来气候条件下的脆弱性的时空分布地图(图4)。

      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

      (1)在脆弱性要素上,浅山区的危险性、暴露度、敏感性、适应能力呈现出不同的空间格局。山前区域及密云水库周边区域的气候危险性较高,即高温和洪水等气候变化带来的风险更为显著。暴露度呈现西部高东部低的趋势,由于土地利用的差异性,西部区域更容易受到气候变化的不利影响。受到生态敏感性和脆弱人口分布的影响,密云区、平谷区和门头沟区的部分区域敏感性相对较高。对于气候适应能力来说,门头沟、海淀、昌平区及平谷区的部分区域气候适应基础设施建设水平较高,气候适应能力相对较强。

      (2)在脆弱性时空分布上,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。当前房山区、怀柔区、密云区、顺义区及其他一些山前区域脆弱性较高。未来脆弱性在整体上有升高的趋势,房山区、小西山区域及中轴线北侧升高较为明显。整体来看房山区与怀柔区山前区域始终是气候适应的重点区域,昌平、怀柔、顺义靠近深山的区域是脆弱性较低的区域。

      (3)在数量上,当前占比最多的是中度脆弱地区,占比为39.7%,其次为轻度和重度脆弱地区,占比最少的是微度和极度脆弱地区。未来重度脆弱与极度脆弱地区有所增加,变化比分别是6.18%与6.96%,可以看出未来浅山区的脆弱性整体上向脆弱性更高的趋势演变(表3)。

      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 level
      1970—2020年
      Year 1970−2020
      2040—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
    • 通过各行政区脆弱性变化的定量分析可以有针对性地进行适应策略的制定。对比看出(图5),海淀区、顺义区、昌平区整体脆弱性较低,主要取决于较高的气候适应能力。平谷、密云、怀柔区的脆弱性略高但基本保持不变,由于其危险性与敏感性较高,但暴露度较低且适应能力较强。门头沟区、丰台区和房山区的脆弱性较高,且重度和极度脆弱区在未来有明显增加,共同原因是危险性与暴露度较高,而气候适应能力一般。对于气候适应的决策,可分为适应策略和减缓策略两大方面[2]。在气候适应策略方面,应制定针对危险性的应对灾害风险策略,如改善排水等;对于降低暴露度,应保护现有湿地与绿地,进行生态修复与水土保持,降低栖息地的破碎程度。为了提高适应能力,可设立保护区、发展绿色基础设施、构建生态走廊等。在气候减缓策略方面,应积极进行减排并保护与增加碳汇,如进行造林及可持续森林管理,进行农田管理和有机土壤的恢复,减少粮食损耗和浪费,并在交通(基础设施)规划、城市规划上引导出行模式的改变及提倡环保驾驶等,以对实际或预期的气候变化及其影响进行调整。

      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

    • 社会−生态系统是一个复杂的巨系统,采用指标评价具有一定的局限性,但在当前量化模型还不成熟的阶段指标评价法基本可以反映脆弱性的空间差异,后续可以在评估方法上继续探索。在指标体系建立上,本文结合层次分析法与主成分分析法,从脆弱性的4个维度与适应目标进行指标选取,以实现指标的全面性与综合性。由于系统的复杂性,侧重于森林、农业、居民健康、旅游资源几个方面进行指标选取可能具有一定的不全面性,但其在一定程度上是浅山区较有代表性且在气候适应方面较为重要的社会−生态子系统,避免了指标选取的庞杂无序。

      由于一些统计数据只能精确到区县,在一定程度上降低了脆弱性空间变化的精度。但是空间尺度与数据精度往往不可兼得,在小尺度下一些因子可以看作在空间分布上差异不大,从而削减了这部分不确定性。

      由于气候数据限制,对于未来气候变化的研究采用了GCM(全球气候模型)模型,不及RCM(区域气候模型)模型气候数据的准确性。同时在未来气候脆弱性的研究中,是在一切照旧(BAU)情景下进行分析,这种情景有利于直观看出受到气候变化影响最直接的区域,但忽略了适应能力等其他因素的变化,也造成了一定程度上的不确定性,未来可通过不同气候情景模拟的方式进行进一步研究。

    • 在气候变化的背景下,由于浅山区特殊的地理位置,其社会−生态系统敏感而脆弱,为人类提供良好的自然资源的同时也长期受到人类活动的压力,气候脆弱性评估对于浅山区社会−生态系统有针对性的气候适应具有重要意义。本文综合利用层次分析法与主成分分析法,提出构建较为全面的指标库,并筛选出综合因子,避免了指标较少以及专家打分法可能造成的不确定性[28],在进行相似评价时可以通过“危险性、暴露度、敏感性与适应能力”4个方面对指标库进行迁移或扩展[29],构建科学的评价指标体系。对于北京市浅山区而言,在1970—2060年内,社会生态系统的气候脆弱性程度以中度、重度脆弱为主,整体呈上升趋势。昌平、顺义、海淀区处于较好水平、房山、丰台、门头沟区较为严重,针对重度与极度脆弱区域应积极进行社会−生态系统的可持续管理。风景园林行业在脆弱性评估方面以系统的框架和全面的视角为社会−生态系统的气候脆弱性评估提供了有力支撑,在指标的选取方面体现了对生态系统的重点关注以及对生态−社会耦合指标选取上的专业性,同时从生态领域提出建设生态廊道等具有针对性的策略,为生态、社会的气候适应与可持续发展做出努力。

参考文献 (29)

目录

    /

    返回文章
    返回