基于SRP模型的江西省生态脆弱性变化及驱动机制

来源：环境科学杂志2026年第1期北京时间：

作者：秦金波,齐述华,胡梅,张起明

单位：江西师范大学地理与环境学院, 南昌 330022,江西师范大学地理与环境学院, 南昌 330022,江西省生态环境监测中心, 南昌 330039,江西省生态环境监测中心, 南昌 330039

摘要：江西省作为首批国家生态文明试验区之一，在生态保护与可持续发展方面肩负着重要使命，生态脆弱性评估对江西省的生态保护与修复具有重要指导价值. 基于小流域和栅格评价单元，结合遥感影像数据、土地利用数据、土壤数据、气象数据和社会经济数据等，采用生态敏感性-恢复力-压力度（SRP）模型构建生态脆弱性评价指标体系，评价2000~2020年江西省生态脆弱性时空变化特征，并利用可解释的机器学习模型（XGBoost-SHAP）揭示其生态脆弱性变化的驱动因素. 结果表明：①江西省生态脆弱性较低的区域主要分布在东北部、西北部以及南部山区，而脆弱性较高的区域则集中在人类活动密集的平原及河流沿岸，如鄱阳湖平原区. 整体呈现微度和轻度脆弱为主的格局. ②2000年、2010年和2020年的生态脆弱性指数平均值分别为0.224、0.219和0.206，表明生态脆弱性指数呈下降趋势. 其中，生态脆弱性指数降低的区域占总面积的75.75%. ③土壤侵蚀强度、植被覆盖度、中度以上土壤侵蚀强度占比和土地利用变化是导致生态脆弱性变化的关键因子，其重要性占比分别为34.66%、25.99%、10.83%和10.63%，且不同因子的贡献度存在显著的空间差异. 研究结果可为江西省生态环境保护提供理论支持，同时为将机器学习方法应用于生态脆弱性研究中提供重要的参考和借鉴.

关键词：SRP模型,生态脆弱性,驱动机制,XGBoost-SHAP模型,江西省,