0 引言

生物多样性是人类赖以生存和发展的物质基础，是维持全球生态系统健康的基本要素，是实现人类社会可持续发展的重要保障。城市化、人口增长、工农业环境污染、过度开发自然资源和生物入侵等问题^[1-5]使得全球生物多样性丧失的形势日益严峻。联合国《生物多样性公约》第十五次缔约方大会上通过的《昆明-蒙特利尔全球生物多样性框架》为全球生物多样性保护明确了方向和重点，该框架研究并确定了与生物多样性保护相关的4个长期目标和23个行动目标，有助于我们监测、评估和保护生物多样性^[6-7]。结合目标的生物多样性评估框架也有利于提供未来生物多样性的研究方向，为管理生物多样性保护工程及可持续发展提供参考。国内外不同地区评估生物多样性倾向于使用不同指标，如北欧的芬兰、瑞典等国家应用的是简明的复合指数(Natural Capital Index，NCI)^[8]，旨在对自然栖息地的数量及质量数据进行综合分析；美国大自然保护协会(The Nature Conservancy，TNC)推荐使用多元生境模型(Multi-Habitat Models，MHM)，用以评估多栖息地类型景观下的物种丰富度，该模型充分考虑了栖息地的属性特征，但忽视了物种对不同栖息地的响应^[8]；日本和新加坡使用“压力—状态—响应”(PSR)系列模型，但有不同的指标，新加坡指标不仅包括体现生物多样性本身状态的自然环境存量和生态系统服务流通量指标，还包括生境碎片化的情况，动植物种数变化动态等指标，大致为“状态—影响—响应”(SIR)模型框架的评价工具，日本评估生物多样性则局限在状态(S)和响应(R)两方面^[9]。

“驱动力(Driver)—压力(Pressure)—状态(State)—影响(Impact)—响应(Response)”模型即DPSIR模型，演化自20世纪90年代加拿大统计学家Rapport等^[10]提出的PSR模型，是一种新兴的调研方法，其核心是问题(原因)与解决方案之间的逻辑框架^[11-12]，通过社会经济发展、环境变化、政策与生物多样性保护等指标来评估区域性生物多样性保护现状并提出解决方案^[13-14]，它是目前《生物多样性公约》工作开展使用的重要模型之一，先后被经济合作与发展组织(OECD)、联合国环境署(UNEP)、欧洲联盟(EU)、美国环境保护署(EPA)推荐采用。通过分析DPSIR模型的因子权重和指标权重，可以为管理者提供有价值的区域生物多样性监测、保护与管理的对策及建议。从理论上讲，DPSIR模型的5个因子及其组成在逻辑上存在因果链关系，并通过与生物多样性保护相关的社会、经济、环境、生物和政策的定性或定量指标来表征。驱动力因子通常是由社会、人口和经济发展指标构成，是引起环境压力(压力因子)，改变生态环境质量(状态因子)和导致生物多样性退化(影响因子)的根源；响应(因子)则是为减轻驱动力对生物多样性的影响而采取的政策与行动。因子或指标的权重越高，表示该因子或指标对生物多样性变化的作用或指标值的变异大于其他指标，须引起重点关注。相比于PSR模型和“驱动力—状态—响应”(DSR)模型，DPSIR模型因其综合性、灵活性、系统性、整体性等特点，能揭示环境与经济的因果关系并有效整合资源、发展、环境与人类健康等各个方面而被广泛采用。

当前，DPSIR模型更多地被用于定性评价社会经济发展、环境与生物多样性变化之间的关系^[15]，或是在全球、国家和区域尺度上开展生物多样性的定量评估^[16]，揭示引起生物多样性发生变化的关键因素。DPSIR模型从驱动力、压力、状态、影响力和响应5个方面描述在自然环境压力状态下人类与环境的相互作用关系，可以应用到县域生物多样性评估、生态安全评价指标体系建设及生态安全评价技术方法研究^[17]。但受模型所需要的各维度指标不易获取的限制，尽管中小尺度如省级和县级生物多样性调查普遍开展，目前应用DPSIR模型在县域尺度上开展生物多样性定量评估的案例几乎没有。

我国正积极开展和推进县域生物多样性调查工作。生态环境部从2015年开始启动了生物多样性优先保护区的县域生物多样性调查工作，江苏省生态环境厅在2017—2019年启动了县域生物多样性调查工作，累计完成30余个县域的生物多样性调查工作。因此，适时地开展县域尺度的生物多样性评估工作，对我国正在开展的县域生物多样性调查、生物多样性保护与管理工作都有积极作用。本研究以江苏省2017—2019年开展生物多样性本底调查试点的21个区县的物种多样性数据为基础，采用DPSIR模型来构建江苏省县域生物多样性综合评价指标体系，评估试点区县的生物多样性保护现状，分析影响县域生物多样性保护的重要因素，以期为江苏省及我国县域生物多样性保护、修复和管理工作提供参考。

1 研究方法 1.1 DPSIR模型

采用目标层、准则层和指标层构建县域生物多样性评价体系，其中准则层和指标层即为DPSIR模型的5个因子(图 1)：驱动力(D)、压力(P)、状态(S)、影响(I)和响应(R)及其对应的评价指标^[18]。评价指标的选择依据评价目标、科学性、合理性、逻辑性和可获取性原则来确定。其中驱动力和压力因子中具体指标的选择是在参考国内外同类研究列出的相关指标基础上，依据是否可以获得数据来最终确定。状态、影响和响应因子中具体指标的选择依据在下文中作具体说明。

(1) 驱动力是引起环境变化的潜在原因，主要是指经济、社会活动的发展趋势、产业结构的变化和人口的快速发展，是对推动整个模型框架的逻辑起到根本推动力作用的因素，这些因素往往是从源头引起生态环境变化的根本原因。因此，本研究选定人均GDP 3年增长率(%)、工业产值3年增长率(%)、农林牧渔业产值3年增长率(%)、城镇化率(%)和人口自然增长率(%)等5个指标代表模型的驱动力^[19]。

(2) 压力表征的是为满足基本需求(驱动力)而开展的人类活动，这些活动具有潜在的不利影响，是直接或间接引起生物多样性退化的环境因子和生物因子。根据相关研究，确定压力指标为人口密度(人/km²)、农业生态系统化肥投入量(万t)、人均高等级公路长度(km/人)和外来物种数(种)4个指标^[20-21]。

(3) 状态表征的是人类活动产生的生态环境变化的结果。本研究将人类活动引起的生态系统多样性的变化作为表征状态的指标，主要是因为生态系统多样变化与本研究关注的物种多样性的变化存在问题与解决方案的内在逻辑关系^[22-23]。结合研究县域的主要生态系统类型特点，选择森林面积比(%)、湿地面积比(%)、水体面积比(%)、农田面积比(%)4个状态指标。

(4) 影响表征的是人类活动引起状态改变后的后果。从逻辑上讲可以是生物多样性如物种数量的变化^[24]。由于大多数调查县域生物多样性相关的历史数据缺乏，本研究直接采用调查所获取的县域内不同生物类群的物种数作为反映影响大小的评估指标，具体包括陆生维管束植物、陆生昆虫、陆生脊椎动物、鱼类、底栖动物的物种丰富度、濒危物种数等可以通过试点调查数据直接计算得到。

(5) 响应是指为降低影响(本研究为提高物种多样性水平)，而对状态、压力和驱动力提出的解决方案^[25]。本研究选择林木覆盖率，自然保护区(县级一国家级)覆盖率，建成区绿化覆盖率和国、省考断面Ⅲ类水质达标率(%)4个指标来代表响应。这4个指标都是与政策和管理密切相关的，其中前3个指标值的增加有利于陆地生物多样性，第4个指标则与水质改善程度相关，而水质的改善对水生生物是有利的。

1.2 数据获取

2017—2019年江苏省生物多样性本底调查的21个试点县域区位及江苏省土地利用类型见图 2。数据来源见表 1。陆生维管植物、陆生脊椎动物、陆生昆虫、鱼类和底栖动物物种根据《江苏植物志》^[26]、《江苏鱼类志》^[27]、《江苏鸟类》^[28]等进行校准核对，珍稀濒危和入侵物种根据《国家重点保护野生植物名录(2021版)》(http://www.gov.cn/zhengce/zhengceku/2021-09/09/content_5636409.htm)、《国家重点保护野生动物名录(2021版)》(http://lyj.jiangsu.gov.cn/art/2021/2/26/art_48227_9751736.html)和《国家重点管理外来入侵物种名录》等资料确认。

1.3 分析方法

本研究基于各项指标值在21个试点县域中的变异程度，使用熵权法计算DPSIR模型中各指标权重及其对目标层的贡献度，最终计算出评估江苏省县域生物多样性的综合指数。计算步骤如下：

(1) 指标值标准化

考虑到21个指标值的量纲不完全一致，采用极值法对每一个指标进行标准化。计算公式如下^[29]：

$ y_{i j} =\frac{x_{i j}-\min \left(x_{i j}\right)}{\max \left(x_{i j}\right)-\min \left(x_{i j}\right)} $

(1)

$ y_{i j} =\frac{\max \left(x_{i j}\right)-x_{i j}}{\max \left(x_{i j}\right)-\min \left(x_{i j}\right)} $

(2)

公式(1)是正向指标的标准化公式，公式(2)是逆向指标的标准化公式，正向和逆向指标值越大分别代表生物多样性评价越高或越低。式中：x_ij——第i个试点第j项指标；y_ij——x_ij标准化值；max(x_ij)、min(x_ij)——指标数值的最大值和最小值。

(2) 指标权重(W)

第j个指标的指标权重w_j计算公式如下：

$ w_j=\frac{g_j}{\sum\limits_{j=1}^m g_j} $

(3)

式中：$\sum\limits_{j=1}^m w_j $=1，w_j和g_j成正比；m——选择指标的数量，本研究中m=21；g_j——第j个指标的冗余程度，熵e_j越大，冗余程度g_j越小，权重w_j也越小，计算公式如下：

$ g_j=1-e_j $

(4)

式中：e_j——第j个指标的信息熵。

$ e_j=-\frac{1}{\ln m} \sum\limits_{j=1}^m P_{i j} \ln P_{i j} $

(5)

式中：P_ij——县域i第j个指标的值比例，当P_ij=0时，令P_ijlnP_ij=0。

P_ij计算公式如下：

$ P_{i j}=\frac{y_{i j}}{\sum\limits_{j=1}^m y_{i j}} $

(6)

式中：P_ij——县域i的第j个指标值占所有县域第j个指标值之和的百分比。

根据熵的可加性原理，在多层次结构的评价指标体系中，第k个上层指标的冗余度G_k等于其下层指标冗余度g_j之和，从而得到相应的权重值，计算公式如下：

$ W_k=\frac{G_k}{\sum _{k=1}^5 G_k} $

(7)

式中：W_k——第k个因子的权重值。

(3) 生物多样性综合指数(BI)

首先计算指标层各因子的综合评价指数，如驱动力系统的综合评价指数f(D)，计算公式如下：

$ \mathrm{f}(\mathrm{D})=\sum w_j y_{i j} $

(8)

式中：y_ij——县域i的j指标标准化后的值；w_j——县域i的j指标组合权重，且0≤w_j≤1，∑y_ij=1。

然后，采用直接相加指标层各因子值作为综合评价指数的最终值，其计算公式如下^[26]：

$ {\rm{B I=f(D)+f(P)+f(S)+f(I)+f(R)}} $

(9)

式中：f(D)——驱动力系统的综合评价指数；f(P)——压力系统的综合评价指数；f(S)——状态系统的综合评价指数；f(I)——影响系统的综合评价指数；f(R)——响应系统的综合评价指数。

(4) DPSIR模型各因子间的定量关系分析

采用Mantel test方法计算和分析不同因子间是否存在相关性。若存在显著的相关性，为基于现有指标构成的因子间的逻辑关系的合理性提供了一个客观证据。Mantel test是检验2个矩阵相关关系的一种方法，获得的皮尔森(Pearson)相关系数值越大，表示2个矩阵间的相关关系越强。所有统计分析均在R 3.5.1软件中进行，使用Vegan功能包进行计算^[30]。

2 结果与分析 2.1 试点县域生物多样性特征

江苏省21个生物多样性本底调查试点县域的物种多样性见图 3(a)—(f)。由图 3可见，21个试点县域共记录到4 324个物种(不包括浮游植物和浮游动物)，其中陆生维管植物1 817种，哺乳动物36种，两栖动物17种，爬行动物31种，鸟类332种，昆虫1 605种，淡水鱼类100种和底栖动物386种。陆生维管植物多样性较高的县域有宜兴(773种)、句容(731种)、溧阳(709种)；常州新北区(231种)陆生维管植物最少，仅占本次调查陆生维管植物总物种数的12.71%。陆生脊椎动物物种数超过200种的县域有5个，依次是大丰(221种)、射阳(215种)、句容(213种)、东台(211种) 和盱眙(209种)。苏北沿海区域(大丰、射阳、东台)鸟类多样性对陆生脊椎动物物种数量贡献度最高，分别占陆生脊椎动物总物种数的87.8%，86.0%和83.1%。昆虫多样性最高的县域是句容(425种)和建湖(404种)，其他县域陆生昆虫物种数均没有超过400种，常州新北区(36种)昆虫物种数最少。鱼类多样性最高的县域是盱眙(59种)，最低的是射阳(27种)；宜兴的底栖动物多样性(199种)显著高于其他县域。

总体上，江苏省低山丘陵区的生物多样性水平最为丰富，沿海地区次之，江南平原丘陵区和沿江地区一般，江北平原丘陵区最少的趋势。珍稀濒危及保护物种的分布也体现出上述趋势，但是外来入侵物种在沿海地区、江北平原丘陵区发生普遍。

2.2 DPSIR模型指标权重和因子间的相关性

从各指标赋权结果看(表 2)，城镇化率是驱动力因子中权重最高的指标(0.043 3)，其次为人均GDP 3年增长率(0.023 3)；压力因子中权重最高的是外来物种数(0.036 9)和人均高等级公路长度(0.025)；森林面积比(0.129 8)和湿地面积比(0.071 2)是状态因子中指标权重最高的2个；影响因子中底栖动物物种数的权重(0.150 1)远高于其他7个指标的权重；同样地，响应因子中自然保护区面积比的权重(0.166 3)，远超其他类群物种数所占权重，达到总权重的74.31%。

DPSIR模型5个因子间的Mantel test分析结果(表 3)表明，压力(P)与影响(I)分别和状态(S)在0.05水平上呈显著关系，且I与S之间的相关性高于P与S间的相关性。

2.3 试点县域DPSIR生物多样性综合指数

江苏省21个试点县域生物多样性综合评价见图 4(a)—(f)。由图 4(f)可见，21个试点县域的DPSIR生物多样性综合指数平均值为0.322，宜兴最高(0.650 2)，南通的港闸区最低(0.204 4)。5个因子对生物多样性综合指数的贡献大小依次为影响(0.337 5)＞状态(0.257 5)＞响应(0.223 8)＞驱动力(0.104 6)＞压力(0.081 4)(表 2)。从县域层面看，有10个县的影响因子对各自县域综合指数的贡献最高，最高的是宜兴(0.284 2)和昆山(0.178 3)；有5个县的响应因子的贡献最高，最高的是大丰(0.193)和射阳(0.136 6)；在这21个县中，宜兴的状态因子贡献最高(0.229 4)，其次是溧阳(0.164 2)；另外，姜堰的驱动力因子(0.081 5) 和新北区的压力因子(0.069 7)对各自县域综合指数贡献最高，同时也是该因子在所有县域中贡献最高的。

3 讨论 3.1 应用DPSIR模型综合评价县域生物多样性

本研究是国内首次在县域尺度上应用DPSIR模型综合了社会、经济、环境和生物等指标开展生物多样性评估。在指标的选择上，已有研究主要采用生物指标即物种丰富度^[31]、基于遥感技术获得的景观指标、物种多样性和生态系统质量指标来构建综合指数^[32]、遥感和实际调查得到物种丰富度相结合构建综合指数的^[33]、实际调查数据结合生物多样性功能指标、人类足迹指标来构建综合评估指数的^[34]等，而在社会经济发展方面的指标极少涉及，本研究则缺乏景观层次和生物多样性功能层次的指标。当前有关如何开展和构建中国生物多样性综合评价的指标体系还没有统一的方法和标准。李果等^[12]、傅伯杰等^[35]和王琦等^[36]在综合国内外已有评估方法和专家观点的基础上，先后提出了潜在的指标体系，但均没有开展实证化验证研究。相较于只统计物种数量和分布的方法，基于DPSIR模型的评估在此基础上还可以看出人为活动、自然环境和保护措施的程度及其梯度分布。更有利于针对江苏省的社会、自然环境提出针对性的保护措施和建议。

DPSIR模型评价结果的可靠性与评价指标的选取、数量和指标值的可获取性有关。大多数研究是将生物多样性(如物种数、稀有物种数等)作为状态因子的构成指标，而将生物多样性变化后，即状态变化产生的后果(如生态服务功能和人类生活质量的改变)作为影响因子的组成指标。如果状态因子选择环境、生态系统方面的指标，那么影响因子的指标选择特定类群的物种数量与历史记录之间变化量也是合适的。考虑到这次大部分的试点县域缺乏全面的生物多样性历史数据，无法通过物种数的变化作为影响因子的构成指标。本研究只能将调查到的县域物种数据作为影响因子的组成指标，结果显示影响因子的权重最高，表示一个县域的物种数对生物多样性综合指数值的贡献最大，这与李冠稳等^[32]和彭隆等^[33]的研究一样，都是将表征物种多样性的因子的权重定为最高。在考虑到生物多样性评估的目的之一是反映其变化的趋势，建议后续在影响因子的具体指标选择方面，尽量采用物种变化数据而非现状数据会更合适。其他3个因子即驱动力、压力和响应因子的组成指标的选择，本研究与其他同类研究基本一致。

本研究计算得到的评估县域的生物多样性综合指数，总体上符合试点县域生物多样性特征和江苏省生物多样性空间分布格局。江苏省宜溧山区、滨海湿地和宁镇山脉被认为是江苏省生物多样性最丰富的主要区域，位于上述3个区域的宜兴与溧阳(宜溧山区)、大丰与射阳(滨海湿地)和句容与溧水(宁镇山脉)的生物多样性综合评估结果明显优于其他试点县域，这得益于上述县域有较高的森林覆盖率或保护良好的滨海湿地^[37]。综合评估排序靠后的县域一方面城镇化率、人均GDP 3年增长率、水源质量、外来物种数等指标都不容乐观，分别代表了人类活动强度和生态系统退化程度，都会对物种数量产生不利影响^[38-39]。另一方面可能与调查区县面积小有关，如南通的港闸区、崇川区面积均不到300 km²。

3.2 试点县域生物多样性的主要影响因素与保护建议

通过比较DPSIR模型的因子权重和指标权重的大小，以及不同因子间的相关性，可以为管理者提供有价值的区域生物多样性监测、保护与管理的对策及建议。因子或指标的权重越高，表示该因子或指标对评价结果的贡献最多，因子之间的相关性越高，表示其存在逻辑因果关系的可能性越强。

从图 4中不难发现，驱动力因子[图 4(a)]与影响[图 4(d)]、响应[图 4(e)]因子变化趋势相似；压力[图 4(b)]与影响[图 4(d)]、响应[图 4(e)]因子变化趋势大致相反，但和驱动力因子[图 4(a)]趋势略有不同，和综合评分趋势趋于一致，说明环境所承受的负荷不完全来源于驱动力因子，或者可能有更多的驱动力因子需要被补充；状态[图 4(c)]因子涉及县域原生生态资源，因此与驱动力无显著关系。研究认为，多重环境压力和生物多样性减少在空间上是相关的，人类活动可能是影响生物多样性的根本因素。从具体指标看，底栖动物物种数的权重最高，约是其他指标权重的3~9倍，表明这个指数在21个调查试点县域间变异最大，这可能与试点县域之间的环境差异大，也与底栖动物是国内外应用广泛的水生态质量指示生物有关，意味着在江苏，底栖动物是需要重点关注的生物多样性监测与评估类群。

状态和响应2个因子的权重高于驱动力和压力因子，说明这2个因子也是影响评估县域生物多样性重要因素。状态因子中森林面积比的权重最高，其次是湿地面积比，体现了森林和湿地对江苏省生物多样性的重要性。响应因子的指标中，自然保护区面积比权重最高，说明重视保护区建设的重要性，考虑到并不是每个县域都建设有自然保护区，这个指标后续可以考虑调整为生态红线区。同Hou等^[40]的研究发现一样，驱动力因子中城镇化率的权重最高。同时，压力因子的权重最低，但是其构成指标中外来物种数的权重(0.036 9)在24个指标中排在第6位，这一现象值得注意。该结果说明外来物种对江苏生物多样性的影响比较大，这与江苏省对外开放交流程度高有一定的关系。综上，建议江苏省生物多样性保护需要重点关注森林与湿地的保护^[41]，建立更多的自然保护地^[42]，加强外来物种的管控和降低城镇化过程中对生物多样性的影响。

4 结论

(1) 生物多样性本底调查试点县域的调查结果表明，宜溧山区、滨海湿地、宁镇山脉是江苏省陆生维管植物、鸟类、陆生昆虫多样性丰富的区域。

(2) 应用DPSIR模型的综合评价结果总体符合江苏省生物多样性空间分布特征，为今后开展县域生物多样性综合评价、管理与考核提供了技术支持。

(3) 当前，江苏省生物多样性保护工作应加大森林与湿地生境的保护力度、加强外来物种的管控和降低城镇化过程中对生物多样性的影响。