黑沙河泥石流滩地系统敏感性和景观脆弱性时空演变特征

Spatio-Temporal Evolution Characteristics of Systemic Sensitivity and Landscape Vulnerability in the Debris Flow Waste-Shoal Land of the Heisha River

摘要

系统敏感性和景观脆弱性评价，对区域管理及可持续发展具有重要意义。以四川省凉山彝族自治州的黑沙河泥石流滩地系统为研究对象，基于2014、2018、2022年的历史影像数据，分析了2014、2018、2022年土地利用类型变化特征；考虑社会-生态因素，结合层次分析法、熵权法、地理探测器、空间自相关等方法评价了系统敏感性与景观脆弱性时空分布的关系及其驱动因素。结果表明：研究区土地利用类型以耕地和林地为主，总体呈现耕地减少、林地和建设用地增多的变化趋势；系统敏感性随时间增加呈下降趋势，在空间上呈西部低、东部高的分布规律，具有高高聚集和低低聚集的空间正相关性；年平均降雨、海拔、年平均气温和距断裂带距离是系统敏感性的主要驱动因素，自然因素和人为因素的交互作用加剧了系统敏感性的变化。此外景观脆弱性随时间呈先升后降趋势，空间分布呈现西部高、东部低的特征，与系统敏感性空间分布呈现不匹配关系。该研究结果有助于优化防灾减灾布局和区域发展策略。

Abstract

The evaluation of systemic sensitivity and landscape vulnerability holds significant implications for regional management and sustainable development. Taking the Heisha River waste-shoal land system in Liangshan Yi Autonomous Prefecture, Sichuan Province, as the research object, this research analyzed the characteristics of land-use change of 2014, 2018, 2022 based on historical remote sensing data. Considering socio-ecological factors, the relationship between the spatial and temporal distribution pattern of systemic sensitivity and landscape vulnerability and its driving factors were evaluated by analytic hierarchy process and entropy weight method, Geodetector, spatial autocorrelation and other methods. The results showed that, the land use types of the study area were mainly cultivated land and forest land, and the overall trend showed a decrease in cultivated land and an increase in forest land and construction land. Systemic sensitivity showed a decreasing trend over time and a spatial pattern of being lower in the west and higher in the east, exhibiting a spatial positive correlation of high-high clustering and low-low clustering. Geographical detector analysis revealed that annual average rainfall, elevation, annual average temperature, and distance from fault zones are the main driving factors of Systemic sensitivity, with the interaction of natural and anthropogenic factors exacerbating the changes in systemic sensitivity.Furthermore, landscape vulnerability showed an increasing trend followed by a decrease over time, with a spatial distribution characteristic of being higher in the west and lower in the east, which is mismatched with the spatial distribution of systemic sensitivity. The findings of this study can aid in optimizing disaster prevention and mitigation strategies and regional development policies.

Graphical abstract

0　 引 言

泥石流滩地是指泥石流运动至流域下游的平缓开阔地带时，由于流速减缓，携带的物质逐渐沉积而形成的堆积地貌，通常呈现扇形，故也称为泥石流堆积扇^[1]。泥石流滩地具有地势平缓、水源充足、热量丰富等特征，是山区平衡“减灾-发展”的土地资源。通过引洪停淤、客土培肥等措施可显著提升滩地的土地利用率^[2-4]。由于泥石流的干扰，滩地的景观结构和生态系统常处于不稳定的状态，因此滩地具有显著的系统敏感性和景观脆弱性。系统敏感性反映系统对外界干扰的响应速率和敏锐程度^[5-6]。景观脆弱性反映景观状态和“体质”的优劣^[7]。在开发滩地资源时，需要综合考虑其系统敏感性和景观脆弱性，这对于制定土地利用以及生态保护与恢复策略具有重要意义。

在荒漠^[8]、喀斯特地貌^[9]、农牧交错带^[10]等典型生态脆弱区的敏感性和脆弱性研究已取得显著进展，但针对泥石流滩地的研究还较少涉及。目前，有关泥石流滩地的研究主要包括泥石流滩地的危险性评价^[11]、土地利用方式和生态修复模式^[4]、社会经济和生态因子的相互作用过程和机制^[12]以及未来利用格局^[13]等。泥石流灾害不仅对生态系统造成即时的破坏，还可能导致景观结构的长期破碎和功能上的分离。景观破碎度^[14]可用于描述泥石流滩地的景观脆弱性。当受到泥石流的威胁时，滩地系统敏感性主要表现为对泥石流发生频率、强度的反应程度，而景观脆弱性则主要体现在泥石流发生后景观恢复的难度和速度上。一般而言，生态系统脆弱即对干扰因素敏感，二者常在时间尺度上伴生、空间尺度上重合。但是，He等^[15]发现泥石流地区的滩地系统景观脆弱性（破碎度）和系统敏感性存在空间不匹配关系。这种不匹配关系是否普遍存在，有待进一步研究。

黑沙河流域是典型的城镇型和暴雨型泥石流沟。近几十年的生态和岩土工程综合治理有效减少了该区域泥石流发生的频率和影响的程度，使滩地的利用和开发呈现快速增长的趋势^[16]。该区域农业蓬勃发展、住房建设快速兴起、铁路和公路网进一步完善，这些变化都极大地影响当地的景观脆弱性和系统敏感性。黑沙河流域滩地的开发利用形式多样且发展迅速，其实践经验可以为泥石流滩地的生态恢复和可持续发展提供参考和借鉴。

本文以黑沙河滩地为研究区，分析其系统敏感性和景观脆弱性的动态演变、驱动因素及二者时空关联性。本文研究结果将有助于准确评估泥石流灾害风险，为类似景观环境下的灾害管理和可持续发展规划提供参考。

1　 材料与方法

1.1　研究区概况

选择黑沙河流域及其周边影响区域（102°10'~102°13' E，28°4'~28°8' N）为研究区（图1）。研究区位于四川省凉山彝族自治州北部的喜德县，总面积约36.31 km²，海拔1 538~2 082 m。地质构造方面，研究区处于康滇台隆安宁河断裂带，构造运动强烈，地震活动频繁，滑坡、崩塌现象普遍存在。气候方面，研究区属于亚热带季风气候，年降雨量多在1 000 mm以上^[16]。夏秋暴雨频繁，尤其是流域上游，暴雨多、强度大，为泥石流的形成提供了必要的动力条件。黑沙河历史上曾发生过多次严重的泥石流灾害，导致数百间房屋被毁、数千亩农田被埋，严重威胁当地居民的生活和安全^[17]。经过后期的综合治理，泥石流的危害得到有效控制，当地的生态环境和农业生产条件也得到一定程度的改善。

1.2　数据来源与处理方法

研究所需数据主要包括2014、2018和2022年的土地利用、数字高程模型（Digital Elevation Model，DEM）、植被（年最大归一化植被指数NDVImax）、气象和社会经济等数据，数据的来源与处理方法如表1所示。所有数据经过裁剪、重采样和地理配准，统一数据分辨率为30 m×30 m，各项指标均采用WGS-1984_Web_Mercator_Auxiliary_Sphere投影坐标系。

1.3　研究方法

1.3.1　土地利用转移矩阵

土地利用转移矩阵可以定量地描述各土地利用类型的转换趋势，揭示各用地类型的转移数量以及转移方向，用于计算土地类型变化的面积，计算如下：

{\mathit{K}}_{ij}=\left[\begin{array}{ccc}{K}_{\mathrm{11}}& \cdots & K_{\mathrm{1}n}\\ ⋮& ⋮& ⋮\\ K_{n\mathrm{1}}& \cdots & K_{nn}\end{array}\right]（1）

式中，K_ij 代表土地类型变化的面积，i和j分别代表研究初期和研究末期的土地利用类型，n代表土地利用的类型数。

1.3.2　景观脆弱性

斑块密度指数（Patch Density，PD）是表征景观破碎度的重要指标，能够揭示景观类型被分割的破碎化程度和空间结构的复杂性^[18]。本文采用斑块密度指数衡量泥石流滩地的景观脆弱性，基于景观格局分析软件Fragstats4.2，采用移动窗口法计算PD，并结合自然断点法对景观脆弱性进行分级^[19]，计算如下：

\mathrm{P}\mathrm{D}=\frac{N}{A}（2）

式中，N（个）表示斑块数量，A（hm²）表示景观或斑块的总面积。

1.3.3　系统敏感性

1） 指标体系

泥石流滩地为泥石流地区生态脆弱区，其系统敏感性主要受地质灾害和人类活动的影响。综合考虑影响泥石流滩地系统敏感性的重要因素以及数据的可获得性，选取10个指标构成系统敏感性评价指标体系，如表2所示。由于所选指标的单位和量级不同，需要对各指标进行标准化处理。定性指标参考相关研究成果，采用分级赋值法进行标准化处理^[20]，定量指标根据对系统敏感性的影响程度分为正向指标和负向指标采用（3）（4）式进行标准化^[15]。

正向指标标准化：值越大，系统敏感性越高，计算如下：

Z_{i,\mathrm{p}\mathrm{o}\mathrm{s}\mathrm{i}\mathrm{t}\mathrm{i}\mathrm{v}\mathrm{e}}=\frac{M_i-M_{\mathrm{m}\mathrm{i}\mathrm{n}}}{M_{\mathrm{m}\mathrm{a}\mathrm{x}}-M_{\mathrm{m}\mathrm{i}\mathrm{n}}}（3）

负向指标标准化：值越大，系统敏感性越低，计算如下：

Z_{i,\mathrm{n}\mathrm{e}\mathrm{g}\mathrm{a}\mathrm{t}\mathrm{i}\mathrm{v}\mathrm{e}}=\frac{M_{\mathrm{m}\mathrm{a}\mathrm{x}}-M_i}{M_{\mathrm{m}\mathrm{a}\mathrm{x}}-M_{\mathrm{m}\mathrm{i}\mathrm{n}}}（4）

式中，Z_i,positive、Z_i,negative分别为第i个指标的正向标准化和负向标准化值，变化范围为0~1，M_i 、M_max和M_min分别为第i个系统敏感性指标原始值、最大值和最小值。

2） 综合权重

采用层次分析法（analytic hierarchy process，AHP）和熵权法分别求取各指标的主观和客观权重^[21]，通过加权平均得到综合权重（表2），使得评价结果更加科学客观。其中，层次分析法一致性比率（Consistent Ratio，CR）为0.049，低于阈值0.1，表明数据通过一致性检验，此权重结果具有一定的合理性。在综合权重的基础上，通过叠加分析，计算研究区系统敏感性，采用自然断点法对系统敏感性进行分级^[22]。

1.3.4　空间自相关

空间自相关是衡量空间数据在不同地理单元的空间关联程度的空间统计方法^[23]。本文采用全局和局部莫兰指数（Moran’s I），分析黑沙河滩地2014、2018和2022年系统敏感性的空间差异和聚集特征。

全局自相关计算如下：

I_{\mathrm{g}}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}\left(M_i-\overline{M}\right)\left(M_j-\overline{M}\right)}{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{W}_{ij}{\displaystyle \sum _{i=\mathrm{1}}^n}{\left(M_i-\overline{M}\right)}^{\mathrm{2}}}（5）

局部自相关计算如下：

I_{\mathrm{l}}=\frac{\left(M_i-\overline{M}\right)}{S^{\mathrm{2}}}\sum _j{W}_{ij}\left(M_j-\overline{M}\right)（6）

式中：I_g和I_l分别为全局莫兰指数和局部莫兰指数，M_i 和M_j 为第i个、第j个空间区域系统敏感性值；\overline{M}为所有区域属性值的系统敏感性均值；W_ij 为空间权重矩阵中的元素；S为空间权重矩阵各元素之和；n为空间单元数量。莫兰指数取值范围为[-1,1]。I >0表示属性在空间上呈正相关；I<0表示负相关；I=0表示不存在空间自相关，呈随机分布^[9]。将局部莫兰指数进行空间聚类可得到空间关联局部指标高值和低值的聚类LISA（local indicators of spatial association）图，包括高高聚集、高低聚集、低高聚集、低低聚集以及不显著5种方式^[23]。

1.3.5　地理探测器

地理探测器是一种探测空间分层异质性并揭示其背后驱动力的统计学方法^[24]。本文采用分异及因子探测、交互作用探测研究黑沙河滩地系统敏感性的驱动因素。其中分异及因子探测可以检测影响因子对系统敏感性空间分异的解释程度，交互作用探测可以比较两两因子的共同作用与单因子对系统敏感性的解释力，有助于研究变量之间的相互作用。用q值度量解释力的大小，q值越大，该因子对系统敏感性的解释力越强，影响作用越大，计算如下：

q=\mathrm{1}-\frac{\mathrm{1}}{N{\sigma }^{\mathrm{2}}}{\displaystyle \sum _{h=\mathrm{1}}^L}{N}_h{\sigma }_h^{\mathrm{2}}（7）

式中：h为某变量的分类或分区；N和N_h 分别为区域内的单元数和第h层的单元数；{\sigma }^{\mathrm{2}}和{\sigma }_h^{\mathrm{2}}分别为全区域和第h层的系统敏感性的方差，q的取值范围为[0,1]。

2　 结果与讨论

2.1　泥石流滩地系统土地利用动态演变特征

根据3期历史影像目视解译获得黑沙河滩地2014、2018和2022年的土地利用现状图（图2）。结果显示，研究区土地利用类型以耕地和林地为主，其次是建设用地，2014—2022年耕地、林地、建设用地面积占比范围分别为48%~57%、18%~31%和9%~15%（表3）。耕地和建设用地主要分布在研究区西部的滩地，林地、草地和未利用地主要分布在研究区东部的流域段。

图3分别展示了研究区不同年份土地利用类型的转移情况。

根据表3和图3（a），2014—2018年间：1） 耕地增加2.79%，由1.67 km²的林地和0.63 km²的未利用地转入，同时向建设用地转出1.6 km²；2） 林地明显减少10.67%，分别向草地和耕地转出2.30、1.67 km²；3） 建设用地增加2.36%，主要由1.6 km²耕地转入，同时向耕地转出0.71 km²；4） 草地增加较明显（5.93%），主要由2.30 km²林地转入；未利用地减少1.17%，分别向耕地和林地转出0.63 km²和0.49 km²。

根据表3和图3（b），2018—2022年间：1） 耕地明显减少8.41%，分别向林地和建设用地转出2.12 km²和1.46 km²，同时由0.75 km²建设用地转入；2） 林地明显增加12.30%，主要由2.33 km²草地和2.12 km²耕地转入；3）建设用地增加2.57%，主要由1.46 km²耕地转入；4）草地减少3.51%，主要向林地转出2.33 km²；5）未利用地减少2.30%，主要向林地和耕地转出0.80 km²和0.19 km²。

如图3（c）所示，整体来看2014—2022年间：1） 耕地减少5.62%，分别向林地和建设用地转出1.06 km²和2.20 km²；2） 林地增加1.63%，主要由1.06 km²耕地和0.48 km²未利用地转入；3） 建设用地增加4.93%，主要由2.20 km²耕地转入；4） 未利用地减少3.47%，分别向耕地和林地转出0.69 km²和0.48 km²。

上述结果中，耕地减少，林地面积的增加可能与当地施行退耕还林还草政策有关^[16]；而建设用地的扩张反映出区域发展和城镇化的趋势。与其他研究区不同，黑沙河滩地出现未利用地向耕地的转化，推测是因为泥石流滩地被当地居民开荒，用于耕种^[2]。

2.2　滩地系统敏感性时空变化特征

通过ARCGIS的空间统计，2014、2018、2022年研究区总体敏感性指数均值分别为0.33、0.32、0.31，呈现下降趋势。为更好地反映系统敏感性的变化，结合研究区特点，参考已有研究^[22]，采用自然断点法将敏感性划分为低度（<0.281 4）、中度[0.281 4，0.345 3）、高度[0.345 3，0.425 2）和极度（≥0.425 2）敏感4个等级（图4）。表4展示了2014—2022年系统敏感性分区面积统计。结果表明，2014—2022年间，研究区系统敏感性以低度和中度敏感为主，分布在研究区西部，面积占比从62.37%增至69.04%；而高度和极度敏感区主要分布在研究区东部，面积占比从37.63%降至30.96%。研究区西部主要是由地势平坦的滩地开发形成，土地利用类型以耕地和建设用地为主，通过整地改造^[1]、道路硬化，降低了水土流失风险，其内部的系统敏感性相对较低。研究区东部主要为黑沙河流域段，流域内坡度较大，崩塌滑坡严重，频繁遭受泥石流的干扰，稳定性较差，表现出较高的系统敏感性。

2.3　滩地系统敏感性空间聚集特征

2.3.1　系统敏感性全局空间自相关分析

利用ArcGIS软件的空间分析工具对研究区2014、2018和2022年系统敏感性进行全局空间自相关分析。由表5可知，各年份系统敏感性莫兰指数均大于0，表明研究区系统敏感性在空间分布上存在正相关。P值均为0，通过99%的置信度检验，说明系统敏感性空间自相关显著，相邻区域的系统敏感性具有较高的相似性。Z值得分均大于2.58^[25]，表示系统敏感性的空间分布模式具有统计学意义，不是由随机因素造成。随时间的变化，Z值变化不明显，系统敏感性空间聚集波动较小。

2.3.2　系统敏感性局部空间自相关分析

局部空间自相关分析能够进一步评估局部区域系统敏感性高值或低值的空间集聚现象^[26]。在计算局部莫兰指数的基础上进行空间聚类，得到系统敏感性指数的LISA聚类图（图5）。整体而言，黑沙河滩地系统敏感性在空间上表现出连续性特征，具有显著的聚集趋势。在研究区西部，系统敏感性较低的斑块呈现出显著的空间聚集现象，使得敏感性维持在较低水平。研究区东部呈现高高聚集，表明该区域面临较高的生态风险和压力。

2.4　系统敏感性驱动因素分析

地理探测分析单因子探测结果（表6）表明，各指标中对系统敏感性影响最为显著的4个因子为年平均降雨、海拔、年平均气温和距断裂带距离，2014,2018，2022年的q均值分别为0.76、0.73、0.71和0.69。人为干扰因子如人口密度、距道路距离和土地利用类型对系统敏感性的影响处于中等水平，2014，2018，2022年的q均值分别为0.39、0.23和0.19。而距水域距离和NDVImax的影响力较小，q均值分别为0.07和0.05，均小于0.1。可见黑沙河滩地系统敏感性以自然因素为主导，与已有研究^[27]一致，这可能是由于当地泥石流频发，人口密度低，人类活动强度较小所致。

交互作用结果（图6）表现为双因子增强型和非线性增强型，表明双因子影响力显著高于单因子。研究时段内排名前3的交互作用q值，2014年分别为土地利用类型和年平均降雨（0.845）、NDVImax和年平均降雨（0.828）、海拔和土地利用类型（0.800）；2018年分别为土地利用类型和年平均降雨（0.851）、土地利用类型和海拔（0.845）、土地利用类型和年平均气温（0.837）；2022年分别为土地利用类型和年平均降雨（0.845）、NDVImax和年平均降雨（0.839），年平均降雨和人口密度（0.819）。上述结果表明人为因素和自然因素共同作用加剧了系统敏感性的变化。

2.5　景观脆弱性时空分布特征

2014、2018、2022年研究区景观脆弱性（破碎度）指数均值分别为22.00、27.50、25.04，呈现先上升后下降趋势。为更好地反映景观脆弱性的时空变化，基于ArcGIS空间分析，通过自然断点法^[19]将研究区2014—2022年的景观脆弱性（破碎度）划分为低度（<16.049 3）、中度[16.049 3, 25.834 0）、高度[25.834 0, 36.528 5）和极度（≥36.528 5）脆弱4个等级（图7）。表7统计了2014—2022年景观脆弱性不同等级的面积。2014、2018和2022年，低度和中度脆弱区面积之和占比分别为65.44%、48.24%和55.90%，呈现先下降后上升趋势，主要位于研究区东部，是林草地的集中区域。东部尽管受到泥石流冲刷，但是对林草地景观造成的掩埋和分隔影响并不明显，破碎度较低。高度和极度脆弱区面积之和占比分别为34.56%、51.76%和44.10%，呈现先上升后下降趋势，主要分布在研究区西部。西部是人类活动频繁的泥石流滩地，同时也是土地开垦、城镇扩张和道路修建的热点区域。人类活动加剧了滩地景观的破碎化^[15]，导致了区域的脆弱性增加。

2.6　讨论

图4展示的滩地系统敏感性的空间分布与图7展示的景观脆弱性（破碎度）的空间分布呈现出不匹配的关系。一般而言，脆弱性高的区域敏感性也高^[15，28]。但本研究结果却相反，黑沙河滩地脆弱性高的区域敏感性较低，而脆弱性低的区域敏感性较高。推测其原因为：在地质构造复杂、地形陡峭、降雨集中且强度大的流域段，泥石流的发生概率和危害程度通常较高，因此这些地区的系统敏感性也相对较高。但由于地质构造复杂、地形陡峭，人为干扰较少，区域可能有相对完整的自然景观（如森林、草地等），景观破碎度反而可能较低。因此，敏感性和脆弱性（破碎度）就表现出空间分布的不对应特征。目前，He等^[15]在东川泥石流滩地的研究结果显示，系统敏感性和景观脆弱性空间分布上存在不匹配关系，这与本文结果相符。参考该研究，推测泥石流滩地可能存在类似的不匹配关系，但是否只在泥石流地区有特殊性还有待进一步研究。

滩地系统敏感性和景观脆弱性在空间上的不匹配关系为该区域的灾害防治和规划布局提供了思路。图8展示了研究区系统敏感性和景观脆弱性的空间关系。建议针对不同区域采取不同防护措施：对于低敏感-高脆弱的滩地区域，应通过合理规划和开发，降低区域破碎度，打造绿色廊道，增强区域功能，并助力外围地区的减灾工作；对于高敏感-低脆弱的流域段，可通过修建梯田、减少陡坡耕作等方式控制水土流失，结合生态-岩土协同措施，如植树造林和修建拦沙坝等，以防治泥石流灾害；对于高敏感-高脆弱区域，则需要采用综合防治措施，如通过封山育林等方式减少人为干扰，提升区域生态功能，实施生物措施与工程措施相结合的综合治理策略，并通过监测预警保障区域安全。

3　 结 语

本文探讨了黑沙河泥石流滩地开发利用下的景观脆弱性和系统敏感性的时空格局特征。结果表明，2014—2022年间，在以耕地和林地为主的泥石流滩地系统中，土地利用类型转化频繁，耕地面积减少，林地和建设用地面积增加，未利用地向耕地转化。对比发现，在泥石流滩地改造背景下，系统敏感性与景观脆弱性存在空间不匹配性。但本文仅使用景观破碎度评估滩地系统的脆弱性，未来研究应拓展评估指标，如景观干扰度、景观分离度等，以全面评估系统的脆弱性。另外，还可采用机器学习和多尺度地理加权回归等先进技术，整合多源数据，深入分析空间异质性，以揭示不同尺度下的空间关系。目前，滩地系统的状态描述侧重于脆弱性和敏感性，对系统的可利用性评估不足。未来的研究可增加系统韧性角度，构建滩地“安全-景观-生态-经济”的可持续开发模式。

参考文献

[1] 崔鹏， 王道杰， 庄建琦. 泥石流扇形地土地整治与利用［J］. 中国水土保持科学， 2008（S1）：6-11. DOI： 10.16843/j.sswc.2008.s1.002 .

[2] CUI P， WANG D J， ZHUANG J Q. Land exploitation and utilization on debris-flow fan［J］. Science of Soil and Water Conservation， 2008（S1）： 6-11. DOI： 10.16843/j.sswc.2008.s1.002（Ch ）.

[3] 韩用顺， 崔鹏， 王道杰， 等. 泥石流滩地农业资源化开发与利用：以蒋家沟为例［J］. 长江流域资源与环境， 2009， 18（8）： 753-758. DOI： 10.3969/j.issn.1004-8227.2009.08.010 .

[4] HAN Y S， CUI P， WANG D J， et al. Exploitation and utilization of debris flow bottomland for agriculture development： A case study of Jiangjia gully［J］. Resources and Environment in the Yangtze Basin， 2009， 18（8）： 753-758. DOI： 10.3969/j.issn.1004-8227.2009.08.010（Ch ）.

[5] 王谢， 刘勤， 刘永红， 等. 泥石流滩地引洪淤地改造后种植玉米对土壤细菌群落结构特征的影响［J］. 西南农业学报， 2023， 36（10）： 2100-2107. DOI： 10.16213/j.cnki.scjas.2023.10.004 .

[6] WANG X， LIU Q， LIU Y H， et al. Soil bacterial community structure of debris flow waste-shoal land improving by silting with flood and planting corn［J］. Southwest China Journal of Agricultural Sciences， 2023， 36（10）： 2100-2107. DOI： 10.16213/j.cnki.scjas.2023.10.004（Ch ）.

[7] 黄海， 杨顺， 田尤， 等. 汶川地震重灾区泥石流灾损土地利用及生态修复模式：以北川县都坝河小流域为例［J］. 自然资源学报， 2020， 35（1）： 106-118. DOI：10.31497/zrzyxb.20200110 .

[8] HUANG H， YANG S， TIAN Y， et al. The debris flow disaster land use and ecological restoration measures in Wenchuan earthquake hard-hit disaster areas： A case study in the small watershed of Duba River［J］. Journal of Natural Resources， 2020， 35（1）： 106-118. DOI：10.31497/zrzyxb.20200110（Ch ）.

[9] 赵正嫄， 张云龙， 李婷， 等. 基于空间距离指数的青藏高原生态敏感性综合评价及时空演变分析［J］. 生态学报， 2022， 42（18）： 7403-7416. DOI： 10.5846/stxb202110283041 .

[10] ZHAO Z Y， ZHANG Y L， LI T， et al. Comprehensive evaluation and spatio-temporal variations of ecological sensitivity on the Qinghai-Tibet Plateau based on spatial distance index［J］. Acta Ecologica Sinica， 2022， 42（18）： 7403-7416. DOI： 10.5846/stxb202110283041（Ch ）.

[11] 徐福留， 曹军， 陶澍， 等. 区域生态系统可持续发展敏感因子及敏感区分析［J］. 中国环境科学， 2000， 20（4）： 361-365. DOI： 10.1007/s11769-000-0008-7 .

[12] XU F L， CAO J， TAO S， et al. Analysis of sensitive factors and regions for the sustainable development of regional ecosystem［J］. China Environmental Science， 2000， 20（4）： 361-365. DOI： 10.1007/s11769-000-0008-7（Ch ）.

[13] 何梦真， 张乐涛， 魏仪媛， 等. 黄河中游不同地貌分区景观格局脆弱性及其驱动力［J］. 环境科学， 2024， 45（6）： 3363-3374. DOI： 10.13227/j.hjkx.202307117 .

[14] HE M Z， ZHANG L T， WEI Y Y， et al. Landscape pattern vulnerability and its driving forces in different geomorphological divisions in the middle Yellow River［J］. Environmental Science， 2024， 45（6）： 3363-3374. DOI： 10.13227/j.hjkx.202307117（Ch ）.

[15] 任雨， 张勃， 陈曦东. 科尔沁沙地土地荒漠化敏感性评估［J］. 中国沙漠， 2023， 43（2）： 159-169. DOI： 10.7522/j.issn.1000-694X.2022.00084 .

[16] REN Y， ZHANG B， CHEN X D. Desertification sensitivity assessment in Horqin Sandy Land［J］. Journal of Desert Research， 2023， 43（2）： 159-169. DOI： 10.7522/j.issn.1000-694X.2022.00084（Ch ）.

[17] 王茜， 赵筱青， 普军伟， 等. 滇东南喀斯特区域生态脆弱性的时空演变及其影响因素［J］. 应用生态学报， 2021， 32（6）： 2180-2190. DOI：10.13287/j.1001-9332.202106.018 .

[18] WANG Q， ZHAO X Q， PU J W， et al. Spatial-temporal variations and influencing factors of eco-environment vulnerability in the karst region of Southeast Yunnan， China［J］. Chinese Journal of Applied Ecology， 2021， 32（6）： 2180-2190. DOI：10.13287/j.1001-9332.202106.018（Ch ）.

[19] 任利广， 马维伟， 李广， 等. 基于GIS的甘肃省农牧交错带土地沙化敏感性时空分布格局［J］. 干旱区资源与环境， 2022， 36（6）： 149-156. DOI：10.13448/j.cnki.jalre.2022.158 .

[20] REN L G， MA W W， LI G， et al. Temporal and spatial distribution pattern of land desertification sensitivity in agro pastoral ecotone of Gansu province［J］. Journal of Arid Land Resources and Environment， 2022， 36（6）： 149-156. DOI： 10.13448/j.cnki.jalre.2022.158（Ch ）.

[21] 杨顺， 黄海， 田尤. 涪江上游泥石流灾损土地特征及典型流域淤积危险性研究［J］. 长江流域资源与环境， 2017， 26（11）： 1928-1935. DOI： 10.11870/cjlyzyyhj201711022 .

[22] YANG S， HUANG H， TIAN Y. Characteristics of debris flow deposition land and the research of the risk evaluation on the Fujiang River upstream［J］. Resources and Environment in the Yangtze Basin， 2017， 26（11）： 1928-1935. DOI： 10.11870/cjlyzyyhj201711022（Ch ）.

[23] HE S T， WANG D J， ZHAO P， et al. Quantification of basin-scale multiple ecosystem services in ecologically fragile areas［J］. Catena， 2021， 202： 105247. DOI： 10.1016/j.catena.2021.105247 .

[24] HE S T， WANG D J， ZHAO P， et al. Dynamic simulation of debris flow waste‐shoal land use based on an integrated system dynamics–geographic information systems model［J］. Land Degradation & Development， 2022， 33（12）： 2062-2075. DOI： 10.1002/ldr.4298 .

[25] 张金茜， 巩杰， 马学成， 等. 基于GeoDA的甘肃白龙江流域景观破碎化空间关联性［J］. 生态学杂志， 2018， 37（5）： 1476-1483. DOI： 10.13292/j.1000-4890.201805.017 .

[26] ZHANG J X， GONG J， MA X C， et al. GeoDA-based spatial correlation analysis of landscape fragmentation in Bailongjiang Watershed of Gansu［J］. Chinese Journal of Ecology， 2018， 37（5）： 1476-1483. DOI： 10.13292/j.1000-4890.201805.017（Ch ）.

[27] HE S T， YANG H F， CHEN X Q， et al. Ecosystem sensitivity and landscape vulnerability of debris flow waste-shoal land under development and utilization changes［J］. Ecological Indicators， 2024， 158： 111335. DOI： 10.1016/j.ecolind.2023.111335 .

[28] 张勇， 陈宁生， 胡桂胜， 等. 城镇泥石流综合治理效果评估：以四川黑沙河沟泥石流工程为例［J］. 中国地质灾害与防治学报， 2018， 29（2）： 9-15. DOI： 10.16031/j.cnki.issn.1003-8035.2018.02.02 .

[29] ZHANG Y， CHEN N S， HU G S， et al. Analysis on effectiveness of urban debris flow control works： A case study at Heishahe Gully［J］. The Chinese Journal of Geological Hazard and Control， 2018， 29（2）： 9-15. DOI： 10.16031/j.cnki.issn.1003-8035.2018.02.02（Ch ）.

[30] 赵开礼. 黑沙河泥石流成因及水土保持措施治理效益［J］. 中国水土保持， 1983（6）： 44-47. DOI：10.14123/j.cnki.swcc.1983.06.017 .

[31] ZHAO K L. The causes of debris flow in Heisha River and the benefits of soil and water conservation measures for its management［J］. Soil and Water Conservation in China， 1983（6）： 44-47. DOI： 10.14123/j.cnki.swcc.1983.06.017（Ch ）.

[32] REN B F， PARK K， SHRESTHA A， et al. Impact of human disturbances on the spatial heterogeneity of landscape fragmentation in Qilian Mountain National Park， China［J］. Land， 2022， 11（11）： 2087. DOI： 10.3390/land11112087 .

[33] 江娟丽， 杨庆媛， 何秋兰， 等. 西南山区农业景观脆弱性变化及其驱动力：以重庆市石柱县为例［J］. 经济地理， 2023， 43（1）： 177-187. DOI： 10.15957/j.cnki.jjdl.2023.01.020 .

[34] JIANG J L， YANG Q Y， HE Q L， et al. Changes in vulnerability of agricultural landscape and its driving force in southwestern mountainous areas： A case study of Shizhu County， Chongqing City［J］. Economic Geography， 2023， 43（1）： 177-187. DOI： 10.15957/j.cnki.jjdl.2023.01.020（Ch ）.

[35] JIANG B H， CHEN W， DAI X A， et al. Change of the spatial and temporal pattern of ecological vulnerability： A case study on Cheng-Yu urban agglomeration， Southwest China［J］. Ecological Indicators， 2023， 149： 110161. DOI： 10.1016/j.ecolind.2023.110161 .

[36] GONG J， JIN T， CAO E， et al. Is ecological vulnerability assessment based on the VSD model and AHP-Entropy method useful for loessial forest landscape protection and adaptative management？ A case study of Ziwuling Mountain Region， China［J］. Ecological Indicators， 2022， 143： 109379. DOI： 10.1016/j.ecolind.2022.109379 .

[37] 王跃， 刘家福， 周林鹏， 等. 基于AHP-SPCA熵权模型的松花江流域生态脆弱性时空演变及预测［J］. 水土保持通报， 2023， 43（2）： 212-219. DOI：10.13961/j.cnki.stbctb.2023.02.025 .

[38] WANG Y， LIU J F， ZHOU L P， et al. Temporal and spatial evolution and prediction of ecological vulnerability in Songhua River basin based on AHP-SPCA entropy weight model［J］. Bulletin of Soil and Water Conservation， 2023， 43（2）： 212-219. DOI： 10.13961/j.cnki.stbctb.2023.02.025（Ch ）.

[39] ZHOU Y Y， YUE D X， LI S Y， et al. Ecosystem health assessment in debris flow-prone areas： A case study of Bailong River Basin in China［J］. Journal of Cleaner Production， 2022， 357： 131887. DOI： 10.1016/j.jclepro.2022.131887 .

[40] 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. DOI： 10.11821/dlxb201701010 .

[41] WANG J F， XU C D. Geodetector： Principle and prospective［J］. Acta Geographica Sinica， 2017， 72（1）： 116-134. DOI： 10.11821/dlxb201701010 （Ch ）.

[42] 刘海龙， 王炜桥， 王跃飞， 等. 汾河流域生态敏感性综合评价及时空演变特征［J］. 生态学报， 2021， 41 （10）： 3952-3964. DOI： 10.5846/stxb202101190204 .

[43] LIU H L， WANG W Q， WANG Y F， et al. Comprehensive evaluation of ecological sensitivity and the characteristics of spatiotemporal variations in Fenhe River Basin［J］. Acta Ecologica Sinica， 2021， 41（10）： 3952-3964. DOI：10.5846/stxb202101190204（Ch ）.

[44] 宋沛林， 解吉波， 杨腾飞， 等. 基于生态敏感性的区域环境时空变化及其驱动因素探究：以定安县为例［J］. 测绘通报， 2023（7）： 18-24. DOI： 10.13474/j.cnki.11-2246.2023.0195 .

[45] SONG P L， XIE J B， YANG T F， et al. Exploring the spatio-temporal variation of the regional environment and driving factors based on ecological sensitivity： Taking Ding’an County as an example［J］. Bulletin of Surveying and Mapping， 2023（7）： 18-24. DOI： 10.13474/j.cnki.11-2246.2023.0195（Ch ）.

[46] 白天， 王鑫宇， 吴雅文， 等. 基于GIS-FLUS的漯河市域生态敏感性时空演变特征研究［J］. 云南农业大学学报（自然科学）， 2022， 37（4）： 710-719.

[47] BAI T， WANG X Y， WU Y W， et al. Study of temporal and spatial evolution characteristics of ecological sensitivity in Luohe district based on GIS and FLUS［J］. Journal of Yunnan Agricultural University （Natural Science）， 2022， 37（4）： 710-719 （Ch）.

[48] HAO Y Y， XIE Y W， MA J H， et al. The critical role of local policy effects in arid watershed groundwater resources sustainability： A case study in the Minqin oasis， China［J］. Science of the Total Environment， 2017， 601： 1084-1096. DOI： 10.1016/j.scitotenv.2017.04.177 .