img

官方微信

遥感技术与应用, 2022, 37(5): 1149-1158 doi: 10.11873/j.issn.1004-0323.2022.5.1149

海南遥感观测专栏

海南岛海岸侵蚀脆弱性评价

王奎博,1,2,3, 张丽1,3, 王瑞琪2, 陈博伟1,3, 李习文,4

1.海南省地球观测重点实验室,海南 三亚 572029

2.北京洛斯达科技发展有限公司,北京 100120

3.中国科学院空天信息创新研究院数字地球重点实验室,北京 100094

4.海口海洋地质调查中心,海南 海口 571127

Evaluation of Coastal Erosion Vulnerability in Hainan Island

Wang Kuibo,1,2,3, Zhang Li1,3, Wang Ruiqi2, Chen Bowei1,3, Li Xiwen,4

1.Hainan Key Laboratory of Earth Observation,Sanya 572029,China

2.Beijing North-Star Technology Development Company Limited,Beijing 100120,China

3.Key Laboratory of Digital Earth Science,Aerospace Information Research Institute,Chinese Academy of;Science,Beijing 100094,China

4.Haikou Research Centre of Marine Geology,Haikou 571127,China

通讯作者: 李习文(1989-),男,贵州遵义人,工程师,主要从事生态环境、地质勘察研究。E⁃mail:lxw1818168@163.com

收稿日期: 2022-04-21   修回日期: 2022-08-08  

基金资助: 海南省重大科技计划项目.  ZDKJ2019006
中国科学院战略性先导科技专项(A类).  XDA19030105
海南省科协青年科技英才创新计划项目.  QCXM2020012
海南岛昌化江流域生态修复支撑调查.  ZD20220209

Received: 2022-04-21   Revised: 2022-08-08  

作者简介 About authors

王奎博(1997-),男,山东烟台人,硕士研究生,主要从事海岸带遥感应用研究E⁃mail:15650175785@163.com , E-mail:15650175785@163.com

摘要

开展海南岛海岸侵蚀脆弱性评价对于沿海地区生态资源保护和灾害预防有着重要意义。采用生态系统服务和权衡的综合评估模型(Integrated Valuation of Ecosystem Services and Trade-offs, InVEST)中的沿海脆弱性模型合成暴露度指数EI(Exposure Index)对海南岛海岸侵蚀脆弱性开展评价。针对典型研究区建立海岸特征—海岸动力—经济社会指标评价体系,优选海岸带特色评价因子包括海岸侵蚀速率、海岸类型、海岸生境等,进一步利用综合指数法量化脆弱性指数,最终获得海南岛沿海不同情境下的脆弱性,以及重点区域海岸侵蚀速率和侵蚀脆弱性等级。研究结果表明:①海南岛侵蚀脆弱性空间分布呈现东低西高,其中西南部市县脆弱性最高,东南部市县脆弱性最低,其余地区脆弱性适中。无生境情境下的沿海脆弱性远高于处于生境保护情境。②典型研究区海口东西海岸2016年至2020年砂质海岸受较多侵蚀,最多处超20 m/a。海口市龙华、美兰等主要城区海岸侵蚀脆弱性高,西海岸、东海岸分别次之,东寨港地区脆弱性最低。③研究发现在红树林等生境保护下的海岸可以有效得到保护,脆弱性极低,而退化的砂质岸线表现较高的脆弱性。因此保护沿海生境和防止沿海泥沙流失具有必要性。

关键词: 海岸侵蚀 ; 海岸脆弱性 ; InVEST模型 ; 综合指标模型

Abstract

Carrying out coastal erosion vulnerability assessment of Hainan Island is of great significance to the protection of ecological resources and disaster prevention in coastal areas. In this paper, the coastal vulnerability index EI (Exposure Index) of the Integrated Valuation of Ecosystem Services and Trade-offs (InVEST) model is used to evaluate the coastal erosion vulnerability of Hainan Island. Then the evaluation system of coastal characteristics-coastal dynamics-economic and social indicators was established for the typical study area. Suitable evaluation factors for coastal zone characteristics were selected including coastal erosion rate, coastal type, coastal habitat, etc. The vulnerability index was quantified using the integrated index method. Finally, the vulnerability of the coast of Hainan Island under different scenarios, as well as the coastal erosion rate and erosion vulnerability class of the key areas were obtained. The study shows that: (1) The spatial distribution of erosion vulnerability on Hainan Island is low in the east and high in the west, with the highest vulnerability in the southwestern cities and counties, the lowest vulnerability in the southeastern cities and counties, and moderate vulnerability in the remaining areas. The coastal vulnerability in the habitat-free scenario is much higher than in the habitat-protected scenario. (2) The sandy shore of the east and west coast of Haikou in the typical study area is subject to more erosion from 2016 to 2020, with the most places exceeding 20 m/a. Coastal erosion vulnerability is high in the main urban areas of Haikou such as Longhua and Meilan District, followed by the west coast and east coast, respectively, and the lowest vulnerability in the Dongzhai Port area. (3) The study found that the coast under the protection of mangroves and other habitats can be effectively protected with very low vulnerability, while the degraded sandy shoreline shows high vulnerability, so it is necessary to protect coastal habitats and prevent coastal sediment loss.

Keywords: Coastal erosion ; Coastal vulnerability ; InVEST model ; Integrated metrics model

PDF (5456KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王奎博, 张丽, 王瑞琪, 陈博伟, 李习文. 海南岛海岸侵蚀脆弱性评价. 遥感技术与应用[J], 2022, 37(5): 1149-1158 doi:10.11873/j.issn.1004-0323.2022.5.1149

Wang Kuibo, Zhang Li, Wang Ruiqi, Chen Bowei, Li Xiwen. Evaluation of Coastal Erosion Vulnerability in Hainan Island. Remote Sensing Technology and Application[J], 2022, 37(5): 1149-1158 doi:10.11873/j.issn.1004-0323.2022.5.1149

1 引 言

海岸带地处陆海交界的特殊位置,社会经济发展水平高,巨大的生态环境压力使得海岸带成为三大生态环境脆弱带之一,海岸侵蚀等问题威胁着海岸带可持续发展1

海岸脆弱性被定义为全球气候变化背景下,海岸带系统对自然灾害的适应能力。脆弱性的基本特征是生态环境内部存在不稳定性和外部存在干扰敏感性的固有属性2。全球海平面上升及其引发的持续性海岸灾害、风暴潮等突发自然灾害,以及人类生产生活开发活动威胁了海岸稳定性3-5

海岸侵蚀威胁海岸带稳定性,是加剧海岸脆弱性的诱因和结果。海岸侵蚀指受自然或人为因素、或二者叠加引起的海岸线位置后退或者岸滩下蚀6。海岸侵蚀现象在全球范围内普遍存在且不断加重,在我国尤为严重。海岸侵蚀破坏沿岸生态环境,损坏海岸工程,危害居民生产生活,造成了巨大损失。引起海岸侵蚀这一现象的主要原因包括海岸本身特征和海水作用等自然原因,以及人类活动过程中的开发和破坏等因素。908专项《海洋灾害调查技术规程》提出要从岸线后退速率、物质粗化率和岸滩下蚀速率3个方面进行海岸侵蚀强度评价。海岸侵蚀灾害的风险评价包括海岸类型、海平面变化、平均波高、风暴潮最大增水、平均流速和海岸变化率6个指标。

区别于传统的海岸侵蚀监测与评估手段,遥感技术可实现大面积重复观测,全球定位系统高精度全覆盖,地理信息系统数据管理及空间、属性分析等优势,由三者构成的3S技术近年来快速发展,为遥感生态评价提供了有效的评价参数,现已广泛应用于海岸相关研究7

海南岛砂质岸线占总岸线长度比例大,更容易遭受海岸侵蚀8。海岸线后退会加速水土流失,导致沿海防护林倾倒破坏、海水倒灌,甚至是淹没沿海洼地。研究海南岛侵蚀脆弱性对有效防止海岸泥沙流失,预防海岸灾害,加强海岸防护,对促进海岸带自然资源可持续开发利用具有重要积极意义。

本文采用生态系统服务和权衡的综合评估模型(Integrated Valuation of Ecosystem Services and Trade-offs, InVEST)中的沿海脆弱性模型(Coast Vulnerability Model)开展海南岛海岸带大范围侵蚀脆弱性评价与分析,并选择海口市作为重点研究区计算分析海岸侵蚀端点速率,建立多指标层次综合模型更精细的计算分析海口市海岸侵蚀脆弱性。

2 研究区概况

海南岛位于108°37′—111°03′ E、18°10′—20°10′ N之间,是中国唯一的热带岛屿,具有得天独厚的区位优势和资源优势。海南岛拥有长达1 944 km的海岸线,海岸线类型丰富,地质构造与岩性复杂,跨热带区域红树林和珊瑚礁发育(图1)。

图1

图1   研究区及岸线类型分布10

审图号:琼S(2022)188

Fig.1   Study area and its shoreline type


2010—2020年海南省由风暴潮、海浪造成的直接损失超7亿元/a9,诱发导致的海岸侵蚀破坏沿海生态和居民生活环境。频繁的海洋自然灾害对海南岛海岸造成巨大破坏,陆海统筹与科学规划是海南岛海岸带的必要举措。

3 研究数据与方法

研究分别通过InVEST-CVM(InVEST,Coastal Vulnerability Model,沿海脆弱性模型)和多指标层次综合模型计算分析海南岛和海口市海岸侵蚀脆弱性。

InVEST-CVM基于地球物理和自然栖息特征对沿海地区侵蚀和淹没的相对脆弱性评估,计算得到的暴露度指数表示不同海岸线段内侵蚀或淹没的相对暴露度11;多指标层次综合模型考虑到海岸、海洋自然环境和人类活动状态,从海岸侵蚀—海岸动力—经济社会3个方面研究建立指标体系,分别通过层次分析法(The Analytic Hierarchy Process, AHP)和熵权法计算各指标权重,利用拉格朗日乘子法对两种方法计算的权重进行最小相对信息熵处理,通过脆弱性评估指数(Coastal Vulnerability Index, CVI)合成重点研究区海岸以10 m×10 m网格为基本评价单元的脆弱性相对大小,综合评估海南岛海岸线侵蚀脆弱性状况。

3.1 InVEST沿海脆弱性模型

3.1.1 研究数据

研究采用InVEST-CVM模型进行沿海脆弱性评价。模型输入数据见表1,包括研究区自然生物和地貌特征的变化、水深和地形,以及与风暴相关的相对风和波浪强迫。

表1   InVEST 沿海脆弱性模型数据

Table 1  InVEST Coastal Vulnerability model data

输入数据数据来源
DEMhttps:∥cmr.earthdata.nasa.gov
水深GEBCO格网化测深数据 https:∥download.gebco.net/
波浪能第三代海浪数值预报模式(WaveWatch III)
最大潮差
最大风速
有效波高
地貌Landsat 8 /Sentinel-2人工解译海岸线[12]
大陆架InVEST模型数据集
红树林支持向量机[14]
珊瑚礁https:∥data.unep-wcmc.org
海草
沿海森林随机森林

新窗口打开| 下载CSV


其中,水深输入数据选择网格化测深数据集 GEBCO_2021,是在 15 弧秒间隔的网格上以米为单位的高程数据;WaveWatch III(第三代海浪数值预报模式)基于风波建模和动力学理论量化了区域风波暴露程度。珊瑚礁和海草数据由UNEP-WCMC(联合国环境署世界保护监测中心)和多个部门合作研制而成,是全球温水珊瑚礁和海草分布数据集;沿海森林是在GEE平台上,利用2020年Landsat OLI影像经过随机森林分类,选取的海岸带区域的森林。

3.1.2 研究方法

模型计算的暴露度指数EI(Exposure Index)由输入的n个生物地球物理变量得到。

EI=i=1nRi1/n

其中:Ri代表第i个生物地球物理变量等级,按照模型标准指标等级被划分为非常低暴露(等级1,1分)至非常高暴露(等级5,5分),具体计算方法与分类标准如表2所示。

表2   InVEST 沿海脆弱性模型指标计算方法与分类标准

Table 2  Index calculation method and classification standard in the InVEST coastal vulnerability model

指标计算方法与分类标准
波浪暴露WaveWatch III数据集 Ewl=k=116HFkPklOkl HFk是一个针对所有 16 个风等角区域k 的单位阶跃函数,Pklk 区域产生的前 10% 的平均风速值,Okl为区域强风发生率。结果由低至高0—20%(1分),21%—40%(2分),41%—60%(3分),61%—80%(4分),81%—100%(5分)
风暴露WaveWatch III数据集 REI=n=116UnPnFn, UnPn,Fn分别代表第n个等角区域的前10%最高风速平均值、吹过风速百分比、风区距离。结果由低至高0—20%(1分),21%—40%(2分),41%—60%(3分),61%—80%(4分),81%—100%(5分)
自然生境RHab=4.8-0.51.5maxk=1,N 5-Rk2+k=1N5-Rk2-maxk=1,N 5-Rk2 式中,RHab是自然生境脆弱性,Rk代表排名数组第k列;按自然生境划级:珊瑚礁、红树林、沿海森林(1分),高沙丘、沼泽(2分),低沙丘(3分),海草、海藻(4分),无生境(5分)。研究区主要生境包括:珊瑚礁、红树林、沿海森林、海草和无生境
地形由DEM计算;高程区间由低至高81%—100%(1分),61%—80%(2分),41%—60%(3分),21%—40%(4分),0—20%(5分)
地貌Sentinel2 L2A解译;人工岸线、生物质岸线(1分),基岩岸线(2分),河口岸线(3分),淤泥质岸线(4分),砂质岸线(5分)

新窗口打开| 下载CSV


3.2 海岸侵蚀脆弱性模型

海岸侵蚀脆弱性模型(多指标层次综合模型)包含3个层次、11个指标,通过综合指数法合成脆弱性结果。

3.2.1 研究数据

研究用到的数据涉及到海岸特征、海岸动力和经济社会3个层面,划分为目标—层次—指标的层次分析模型,包括卫星遥感数据及统计数据(表3)。其中相关性为“+”表示该指标越大,岸段的侵蚀脆弱性越强,相关性为“-”则反之:侵蚀速率(+)越快,脆弱性越高;高程(-)越高、坡度(-)越大,脆弱性越低,即抵抗侵蚀能力越强。

表3   海岸侵蚀脆弱性模型数据指标及来源

Table 3  Data index and source of coastal erosion vulnerability model

目标层次指标数据来源相关性
海岸侵蚀脆弱性(A)海岸特征(B1)侵蚀速率(C1)DSAS EPR+
海岸高程(C2)NASA JPL STRM DEM(https:∥cmr.earthdata.nasa.gov)-
海岸坡度(C3)-
岸线类型(C4)Sentinel 2 L2A 人工解译+
海岸生境(C5)红树林、珊瑚礁、沿海森林-
海岸动力(B2)平均波高(C6)Jason-3 Ku波段 (http:∥rads.tudelft.nl)+
风暴增水(C7)10月降水(https:∥zenodo.org)+
社会经济(B3)人口密度(C8)海口市2020年统计年鉴+
建成区比例(C9)随机森林+
距道路距离(C10)Openstreetmap(https:∥wiki.openstreetmap.org)采集,由ArcGIS计算欧氏距离-
距建成区距离(C11)随机森林-

新窗口打开| 下载CSV


(1)海岸特征

海岸线侵蚀速率解释为单位时间内海岸线位置后退幅度6,结合ArcGIS平台和数字岸线分析系统功能模块 (Digital Shoreline Analysis System,DSAS)的LR(liner regression)方法获取海南省海岸线侵蚀速率空间分布。研究区高程在谷歌地球云平台上载入并使用ee.Terrain.slope函数计算坡度。海南岛海岸线位置与类型数据由Landsat卫星系列和Sentinel-2A经过人工目视解译得到的,使用的数据皆经过精密空间配准,得到的海口市岸线类型包括砂质岸线、生物岸线、人工岸线和河口岸线4种岸线类型10。岸线类型按照资源易损价值赋值13。栖息地(红树林、珊瑚礁、沿海森林等)的存在至少保护距离其1 km的海岸14

(2)海岸动力

平均(有效)波高指的是某一时段内测得的位于前1/3的最大波高的平均值。平均波高与输沙量有着正相关关系,有效波高越大,输沙量越大,对海岸侵蚀影响越大。Jason-3记录的Ku波段有效波浪高度可在海洋及近海应用17。从雷达高度计数据库系统(RADS)获取Jason-3卫星2020年全年的Ku波段有效波高记录,系统数据经过自地球物理校正、二级数据校正、尺度校正以及验证和交叉校准。对记录的异常错误值进行剔除后,计算区域内不同时间记录的均值可得到年度记录均值16。基于热方程的基本解,使用含障碍的扩散插值方法,将Ku波段有效波高年度合成均值进行空间插值。经过交叉验证,计算得到的有效波高均方根误差为0.464,平均误差为-0.042,模型对未知值的预测准确度高。格网化降水可反映本年度海南岛风暴潮强度,有记录海南10月曾遭受台风风暴潮9

(3)社会经济

根据最新的2020年海口市统计年鉴,将人口、GDP、人均GDP按乡级行政矢量空间格网化,并重采样一致分辨率。海岸带地区发展水平越高(人口越多、建成区面积越大),海岸带开发压力越大,海岸则更易受到侵蚀;道路与建成区距离海岸越近,侵蚀灾害造成的损失越多。其中,建成区由SuperDove影像经随机森林分类提取。

3.2.2 研究方法

(1)熵权法

熵权法可以客观地反映指标熵值的无序化程度,在计算过程中尽可能消除各指标权重的人为干扰。首先对正负贡献的指标因子进行归一化处理,通过得到每项指标熵值计算得到各指标的信息量权系数,本文数据按照熵权法计算的权重见表4第二列。

表4   各指标权重

Table 4  Weight of each indicator

指标熵权/%AHP权/%组合权/%
C10.207.431.71
C20.313.731.53
C30.213.731.25
C410.931.375.50
C50.983.732.71
C66.5225.0018.10
C73.4425.0013.16
C816.133.5110.68
C941.134.9920.32
C1010.2612.3715.98
C119.914.129.07

新窗口打开| 下载CSV


(2)层次分析法

层次分析法(AHP)使用方便且精度高,是一种多指标分析评价方法。首先分析选择对评价目标有正影响的能够定量和定性分析的评价因子,按照评价单元的属性分类以构造递阶层次。然后根据不同层因子重要性的不同评分,构造判断矩阵,将归一化的矩阵每一行相加得到的矩阵再次进行归一化及可得到所求权向量,迭代直至通过一致性检验。

经计算得到矩阵对应特征向量为{0.0743,0.0137,0.0373,0.0373,0.0373,0.25,0.25,0.0351,0.0499,0.1237,0.0412 },经归一化处理得到各个指标因子权重见表4第三列。

(3)熵组合权重属性识别模型(AR-CWE)

AR-CWE融合了层次分析法中主观经验优势和熵权法中指标值的客观差异信息,采用最小相对信息熵原理,利用拉格朗日乘子法得到优化问题的解17

wj=w1jw2j1/2j=1mw1jw2j1/2j=1,2,,m

其中:wj代表 AR-CWE计算的组合权重;w1jw2j分别代表第j个指标的层次分析法和熵权法计算的权重;m代表指标的个数,计算得到的组合权重结果见表4最后一列。在11个指标因子中,社会经济层级各指标因子权重最大,海岸动力层面次之,海岸特征权重最小。

(4)综合脆弱性指数法

脆弱指数法(CVI)是用来评估海岸带在某些背景下的脆弱程度,计算方式为:

CVI=j=1nPjwj

其中:CVI为模型计算得到的海岸带侵蚀脆弱性;Pj为单项指标的归一化值;wj为单项指标的权重。

将海岸带侵蚀脆弱性评价结果按Jenks(自然断点分级法)划分为5个等级,Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ表示脆弱性由低至高分别为:脆弱性低、脆弱性较低、脆弱性中、脆弱性较高、脆弱性高5个等级,以实现评估结果可视化表达。

4 结果与分析

4.1 全岛侵蚀脆弱性结果

InVEST Coastal Vulnerability模型计算的暴露度指数EI可以反映沿海脆弱性信息(图2),同时模型对有无生境保护两种情景下的沿海脆弱性进行模拟分析(图3)。

图2

图2   海南岛沿海脆弱性(EI)评估

(a、b、c分别是东寨港、清澜港、儋州湾地区) 审图号:琼S(2022)188

Fig.2   Coastal vulnerability (EI) assessment of Hainan Island


图3

图3   海南岛沿海脆弱性模拟 审图号:琼S(2022)188

Fig.3   Coastal Vulnerability Simulation of Hainan Island


结果表明,整岛东部沿海脆弱性低于西部沿海地区,东寨港、儋州湾等半封闭海湾脆弱性远小于外海。海南岛西岸远眺东南亚大陆板块,而东岸海域宽广、逐渐远离大陆架,陆海格局影响海南岛东西两岸有着不同的风、波、浪条件。而半封闭海湾有着更稳定的海洋动力条件,风和波浪影响小,同时相对适宜的地理条件是红树林等生物生长的绝佳环境,这大大保护了半封闭海湾海岸免受暴露,大大降低了脆弱性。

在生境保护情景下,沿海脆弱性远小于无生境保护情景下的脆弱性(生境保护情景下沿海脆弱性相对值范围在0—0.87,平均值为0.33;无生境保护情景下范围在1.30—4.82,平均值为3.00)。清澜港、东寨港和儋州湾(图2)等地红树林繁茂,该地区的相对脆弱性远小于地理位置相近的沿海地区。同样,珊瑚礁和海草的存在可以起到陆海缓冲作用,沿海森林保护近海陆地水土,在抵御台风风暴潮起到重要作用。

以市县行政区为单位统计上述3种情境下的沿海脆弱性指数(图4),发现不同情境下的沿海脆弱性有明显差异,且区域差异显著。在生境保护情境下的沿海脆弱性远小于当前生境下和无生境保护情境下的脆弱性,在无生境保护情境下的沿海脆弱性要低于当前生境保护下的脆弱性。当前生境下的沿海脆弱性和无生境保护情境下的沿海脆弱性的显著性p值最大,两种情境下的脆弱性差异最小,而在生境保护情境下的沿海脆弱性和其余两种情境下的显著性p值极小,说明有明显差异。结合海南岛沿海自然生境分布(图2),海南岛西部等大分部区域未有很好的自然生境保护。

图4

图4   海南岛沿海市县不同情境下暴露度指数

Fig.4   Exposure indices of coastal cities and counties in Hainan Island in different contexts


各市县之间的沿海脆弱性有较大差异(图4)。乐东黎族自治县、昌江黎族自治县和东方市在当前情境下的沿海脆弱性最高,三亚市、陵水黎族自治县、琼海市和万宁市在当前情境下的沿海脆弱性最低,其余市县沿海脆弱性适中。在生境保护情境模拟下海南岛西部市县沿海脆弱性大大降低,而西面北部湾相比于南海有更稳定的海洋条件,缺乏自然生境的保护是海南岛西部地区沿海脆弱性低的主要原因。

4.2 海口市海岸侵蚀脆弱性评价

作为海南省会,海口市经济总量和人口总量分别占全省的32.40%和28.51%18,是海南省政治、经济和人口重心,生态文明建设同样是近年来城市发展的重心19。InVEST沿海脆弱性模型在分析沿海脆弱性时更多地考虑到了近海海洋的影响,而较少地考虑到海岸带陆域特征和人类对资源的开发。此外,模型结果显示海口市沿海脆弱性较高(图2(a)),其海岸脆弱性区域差异较大,且脆弱性评价结果不够精细。因此较为全面地考虑海岸侵蚀脆弱性的影响因子,选择海口市进行更精细的海岸侵蚀脆弱性研究。

(1)海口市海岸侵蚀速率

计算得到的海口市海岸侵蚀速率(EPR)如图5所示(图中将a、b、c、d 4块区域放大显示)。海口市在2016年至2020年期间85%长度海岸线侵蚀速率在-6.3—1.0 m/a,最大处超20 m/a,位置多向内陆靠近,受侵蚀岸段多为砂质岸线,分布在东西海岸,沿海沙滩面积减少(图3中d区域WorldView-2同时期影像砂质海滩对比)。

图5

图5   海口市海岸侵蚀速率

审图号:琼S(2022)188

Fig.5   Coastal erosion rate of Haikou


海口市南渡江(图5(b)标注)入海口东侧沙洲向远离海一侧移动,东寨港岸线多由红树林保护,岸线位置变化较小。海甸岛、新埠岛和北港岛人工开发程度高,但海岸线受人工保护,并未明显位置上的变化。

(2)海口市沿海侵蚀脆弱性评价

从海岸特征—海岸动力—经济社会方面选取指标建立海岸侵蚀脆弱性评价模型,熵组合权重属性识别模型确定评价指标因子,合成沿海脆弱性指数,并进行了脆弱性等级划分(图6)。

图6

图6   海口市沿海侵蚀脆弱性

审图号:琼S(2022)188

Fig.6   Coastal erosion vulnerability of Haikou


计算海口市沿海乡镇平均海岸长度的侵蚀脆弱性可发现区域变化规律(图7),海口市海岸脆弱性从西到东大致呈先增加后减少,东海岸和东寨港地区脆弱性最低,西海岸地区脆弱性次之,海甸河两岸、横沟河两岸街道脆弱性高,中山街道和博爱街道脆弱性达到极大值。

图7

图7   海口市沿海乡镇侵蚀脆弱性指数

Fig.7   Erosion vulnerability index of coastal townships in Haikou City


综合分析各级因子对海岸侵蚀脆弱性评价等级的贡献度,分别计算在3个单一层次下的脆弱性(见图8,从上之下分别是海岸特征脆弱性、海岸动力脆弱性、经济社会脆弱性):考虑到仅在海岸线侵蚀速率、高程、坡度、岸线类型的海岸生境条件下,东寨港地区和海甸河干流沿岸脆弱性较低,广袤的红树林和河口人工岸线保护了海岸免受侵蚀;在海海洋动力和季风降水影响下,脆弱性空间分布由东至西阶梯降低,海口市各地区发展不均衡,城镇化集中,伴随而来的是较高的脆弱性,其中社会经济因子影响权重要大于海岸特征和海岸动力(分别为56.05%、31.26%和12.70%)。

图8

图8   海口市沿海侵蚀脆弱性(各层次)

Fig.8   Coastal erosion vulnerability of Haikou (three levels)


5 结 论

本文通过InVEST-CVM沿海脆弱性模型计算全岛沿海侵蚀脆弱性,构建了多指标层次综合模型对海口市沿海侵蚀脆弱性评价。研究结果表明海南岛沿海侵蚀脆弱性分布呈东低西高,西南部乐东黎族自治县、昌江黎族自治县和东方市的沿海脆弱性最高,东南部三亚市、陵水黎族自治县、琼海市和万宁市的沿海脆弱性最低,其余市县脆弱性适中。半封闭海湾脆弱性远小于开放性外海,沿海自然生境极大地保护了海岸生态,侵蚀脆弱性远小于没有自然生境保护状态下的海岸。

近年,海口市多处受台风、洋流和风暴潮影响,海水带走细沙,出现公路塌陷、堤坝冲毁、树木损坏等恶性现象。在对海口市海岸侵蚀状况的进一步研究中,发现海口市东、西海岸2016—2020年大部分岸线(以砂质岸线为明显)受到侵蚀,其余岸段侵蚀情况较弱。通过对海口市海岸构建的多指标层次综合评估模型计算结果发现,海口市中心城区沿海侵蚀脆弱性最高,西海岸、东海岸分别次之,东寨港地区脆弱性最低。在分析各层次对脆弱性指数结果的贡献度中,经济社会影响权重最大。城乡间发展水平的差异给高发达地带增加了海岸侵蚀的隐患与压力,合理保护海岸线免受侵蚀具有必要性。

6 讨 论

针对海岸侵蚀脆弱性评价,本文采用了两种评价模型,分别是已经发表公开的InVEST沿海脆弱性模型和文中构建的海岸侵蚀脆弱性综合评价模型。InVEST沿海脆弱性模型在全球大尺度的评估具有很好的表现,考虑到了海洋条件,具有一定的通用性;文中建立的海岸侵蚀脆弱性综合评价模型具有一定的属性针对性,从海岸特征、海岸动力和经济社会3个层面切入,指标具有立体性,可在大范围侵蚀脆性评估之外弥补如海南岛小尺度侵蚀脆弱性的空缺。同时,将主观判权的层次分析法和客观判权的熵权法相结合,可一定程度上兼顾两种方法的优势,使定权结果更加科学。

最终的侵蚀脆弱性评价结果是由参与评价的各个评价因子按权计算的,导致最终脆弱性结果的空间差异正是由于各评价因子本身的空间异质与权重差异。比如,权重较大的沿海生境的空间分布差异直接导致了最终海南岛海岸侵蚀脆弱性差异显著;又如,社会经济因子是海口市海岸侵蚀脆弱性评价结果的主要权重,相比于更发达的海口市中心城区具有更好的脆弱性。虽然,高频度的人口经济活动对海岸有着更高程度的威胁性,但是随着社会意识的发展,更先进的海岸保护措施也会阻止区域海岸侵蚀恶化。

参考文献

Luo Yongming.

Sustainability associated coastal eco-environmental problems and coastal science development in China

[J]. Bulletin of Chinese Academy of Sciences.20163110):1133-1142.骆永明.中国海岸带可持续发展中的生态环境问题与海岸科学发展[J].中国科学院院刊,2016,3110):1133-1142.

[本文引用: 1]

Cheng XiZuo BingjingLiu Xingshaoet al.

Research review of the evaluation methods of ecosystem vulnerability of coastal zones

[J]. Journal of Henan Institute of Science and Technology(Natural Science Edition), 2020481):25-34.

[本文引用: 1]

程夕左冰菁刘兴诏.

海岸带生态系统脆弱性评价研究综述

[J].河南科技学院学报(自然科学版),2020481):25-34.

[本文引用: 1]

Cui LifangWang NingGe Zhenminget al.

Vulnerability assessment on the coastal wetlands in the Yangtze estuary under sea-level rise[j]. Chinese Journal of Applied Ecology,2014,25(2):553-561.崔利芳,王宁,葛振鸣,

等.海平面上升影响下长江口滨海湿地脆弱性评价[J].应用生态学报,2014252):553-561.

[本文引用: 1]

Tan Lirong.

Assessment on comprehensive vulnerability of storm surge disasters of China’s coastal regions

[D]. ShanghaiEast China Normal University. 2012.

谭丽荣.

中国沿海地区风暴潮灾害综合脆弱性评估

[D].上海华东师范大学2012.

Zhu Zhengtao.

Study on assessment modeling of coastal vulnerability to Erosion and its Application

[D]. ShanghaiEast China Normal University. 2019.

[本文引用: 1]

朱正涛.

海岸侵蚀脆弱性评估模型构建及其应用研究

[D].上海华东师范大学2019.

[本文引用: 1]

State Oceanic Administration “908” Special Office. Technical regulations for comprehensive survey and evaluation of China's offshore seas and oceans, Volume 12: Technical regulations for marine disaster survey [S]. BeijingOcean Press2006.

[本文引用: 2]

国家海洋局“908”专项办公室. 我国近海海洋综合调查与评价专项技术规程第12分册:海洋灾害调查技术规程 [S]. 北京海洋出版社2006.

[本文引用: 2]

Jiang LuYu Jing.

A CiteSpace-based bibliometric analysis of remote sensing research in China's coastal zone

[C]∥Proceedings of 2020 CSES Annual Conference on Environmental Science and Technology (Part Ⅲ)2020538-543.DOI:10.26914/c.cnkihy.2020.040278.

DOI:10.26914/c.cnkihy.2020.040278      [本文引用: 1]

姜璐余静.

基于CiteSpace的我国海岸带遥感研究文献计量分析

[C]∥2020中国环境科学学会科学技术年会论文集(第三卷).2020538-543.DOI:10.26914/c.cnkihy.2020.040278 .

[本文引用: 1]

Yang KehongZhao JianruJin Luet al.

Analysis of the main geological hazards types in coastal zone of Hainan island

[J]. Marine Geology Frontiers,2010266):1-6.

[本文引用: 1]

杨克红赵建如金路.

海南岛海岸带主要地质灾害类型分析

[J].海洋地质动态,2010266):1-6.

[本文引用: 1]

Ministry of Natural Resources of the People's Republic of China.

Bulletin of China Marine Disaster

[R]. 2021.

[本文引用: 2]

中华人民共和国自然资源部.

2020年中国海洋灾害公报

[R]. 2021.

[本文引用: 2]

Zhang LiLiao JingjuanYuan Xinet al.

Remote sensing analysis of coastline changes in Hhainan island during 1987-2017

[J]. Tropical Geography,2020404):659-674.

[本文引用: 2]

张丽廖静娟袁鑫.

1987—2017年海南岛海岸线变化特征遥感分析

[J].热带地理,2020404):659-674.

[本文引用: 2]

Yin LitingZheng WeiGao Menget al.

Coastal vulnerability of Miaodao archipelago based on InVEST model

[J]. Marine Environmental Science,2021402):221-227.

[本文引用: 1]

殷丽婷郑伟高猛.

基于InVEST模型的庙岛群岛海岸脆弱性研究

[J].海洋环境科学,2021402):221-227.

[本文引用: 1]

Zhen JianingLiao JingjuanShen Guozhuang.

Remote sensing monitoring and analysis on the dynamics of mangrove forest in Qinglan habor of Hainan province since 1987

[J]. Wetland Science,2019171):44-51.

[本文引用: 1]

甄佳宁廖静娟沈国状.

1987以来海南省清澜港红树林变化的遥感监测与分析

[J].湿地科学,2019171):44-51.

[本文引用: 1]

Liu BaiqiaoMeng QingweiZhao Jianhuaet al.

Variation of coastline resources utilization in China from 1990 to 2013

[J]. Journal of Natural Resources,20153012):2033-2044.

[本文引用: 1]

刘百桥孟伟庆赵建华.

中国大陆1990—2013年海岸线资源开发利用特征变化

[J].自然资源学报,20153012):2033-2044.

[本文引用: 1]

Del Valle AEriksson MIshizawa O Aet al.

Mangroves protect coastal economic activity from hurricanes

[J]. Proceedings of the National Academy of Sciences, 20201171): 265-270.

[本文引用: 2]

Li Yinlong.

Research of marine gravity anomalies inversion based on multi-satellite altimeter data

[D]. QingdaoChina University of Petroleum2018.

李银龙.

基于多源卫星测高数据的海洋重力异常反演研究

[D].青岛中国石油大学(华东)2018.

Han ShuzongZhao XixiZhu Dayonget al.

A study of distribution and variation rules of SWH in the Atlantic ocean by using the satellite altimetry data

[J]. Transactions of Oceanology and Limnology,20034): 22-29.

[本文引用: 1]

韩树宗赵喜喜朱大勇.

大西洋波高分布及变化规律研究

[J].海洋湖沼通报,20034):22-29.

[本文引用: 1]

Wu KaiyaJin Juliang.

Attribute recognition method of regional ecological security evaluation based on combined weight on principle of relative entropy

[J]. Scientia Geographica Sinica,2008286):754-758.

[本文引用: 2]

吴开亚金菊良.

区域生态安全评价的熵组合权重属性识别模型

[J].地理科学,2008286):754-758.

[本文引用: 2]

Hainan Provincial Bureau of Statistics. Statistical Yearbook 2020 (downloadable version)[M]. BeijingChina Statistics Press2020.

URL     [本文引用: 1]

http:∥stats.hainan.gov.cn/tjj/tjsu/.海南省统计局. 2020年统计年鉴(下载版)[M]北京中国统计出版社2020. .

URL     [本文引用: 1]

Zhong YuShi XishengLuo Huixian.

Wetlands wet city green - Haikou to promote the construction of ecological civilization as a grasp of wetland protection documentary

[J]. Hainan Today,201811):19-21.

[本文引用: 1]

钟瑜实习生罗慧娴.

湿地润城绿意浓——海口以生态文明建设为抓手推进湿地保护纪实

[J].今日海南,201811):19-21.

[本文引用: 1]

/