潘博華 李駿南

摘 要：【目的】以可持續(xù)發(fā)展為準則，分析黃河流域的景觀生態(tài)風險時空演變特征，為黃河流域的高質(zhì)量發(fā)展提供科學依據(jù)。【方法】基于1990—2020年土地利用數(shù)據(jù)計算景觀生態(tài)風險指數(shù)。進行空間自相關(guān)分析，在空間上探索景觀生態(tài)風險指數(shù)與驅(qū)動因素的空間相關(guān)性。并設(shè)定自然發(fā)展、耕地保護、生態(tài)保護和可持續(xù)發(fā)展四個情景，采用Markov-Flus模型對未來景觀生態(tài)風險指數(shù)進行預(yù)測?！窘Y(jié)果】研究區(qū)內(nèi)，榆林市、渭南市以及咸陽市北部的景觀風險較高，近年來高風險區(qū)、較高風險區(qū)逐漸收縮；整體的分布呈現(xiàn)“南冷北熱”的特點?！窘Y(jié)論】不同區(qū)域的景觀生態(tài)風險收縮或擴張情況不同，應(yīng)以可持續(xù)發(fā)展為準則，在不同地區(qū)采取不同的保護措施。

關(guān)鍵詞：景觀生態(tài)風險評價；地統(tǒng)計分析方法；空間自相關(guān)

中圖分類號：X826? ? ?文獻標志碼：A? ? ?文章編號：1003-5168（2023）09-0101-06

Abstract： [Purposes] Based on the principle of sustainable development， this paper analyzes the temporal and spatial evolution characteristics of landscape ecological risks in the Yellow River basin， providing scientific basis for high-quality development of the Yellow River basin. [Methods] The landscape ecological risk index is calculated based on land use data from 1990 to 2020. Conduct spatial autocorrelation analysis to explore the spatial correlation between landscape ecological risk index and driving factors. Four scenarios of natural development， farmland protection， ecological protection， and sustainable development were set up， and the Markov-Flus model was used to predict the future landscape ecological risk index. [Findings] In the study area， the landscape risks in Yulin City， Weinan City， and the northern part of Xianyang City are relatively high. In recent years， the high-risk areas and relatively high-risk areas have gradually shrunk; The overall distribution is characterized by "cold in the south and hot in the north". [Conclusions] The contraction or expansion of landscape ecological risks varies in different regions， so sustainable development should be taken as the criterion and different methods of protection measures should be taken in different regions.

Keywords： landscape ecological risk assessment；geostatistical analysis method；spatial autocorrelation

0 引言

景觀格局的動態(tài)變化是一個緩慢的過程，受到干擾時會通過景觀格局結(jié)構(gòu)的變化表征風險受體范圍和危害情況［1］。景觀生態(tài)風險評價就是通過不同組分的不同變化方向及速度來對研究區(qū)域的生態(tài)風險進行定量的評估，相較于傳統(tǒng)的評價其更加注重于景觀要素鑲嵌、景觀格局演變和景觀生態(tài)過程。目前景觀生態(tài)風險評價的研究成果豐富［2-7］，相關(guān)學者針對不同方法和模型、不同研究尺度、不同研究區(qū)域等開展了大量景觀風險評價體系的探索［8-9］。在眾多模型中，本研究選取了Markov-Flus模型進行景觀生態(tài)風險的預(yù)測，該模型既結(jié)合了馬爾科夫鏈柵格數(shù)量的預(yù)測，也結(jié)合了Flus模型獲取多因素作用下景觀轉(zhuǎn)化規(guī)則的能力，其模擬精度普遍高于CA-Markov、CLUE-S等模型。

黃河流域（陜西段）地處黃土高原丘陵溝壑區(qū)，其生態(tài)環(huán)境脆弱、水資源短缺、土壤易受侵蝕、防汛形勢嚴峻，嚴重威脅著該區(qū)域的生態(tài)系統(tǒng)安全。景觀生態(tài)風險評價旨在表達生態(tài)系統(tǒng)承受多重風險壓力源的響應(yīng)及生態(tài)效應(yīng)的可能性，是生態(tài)系統(tǒng)可持續(xù)發(fā)展的重要管控手段，因此，景觀風險評價對黃河流域生態(tài)保護和高質(zhì)量發(fā)展具有重要理論意義。

本研究以黃河流域（陜西段）為研究對象，基于1990、2000、2010、2020年土地利用數(shù)據(jù)，采用景觀損失模型構(gòu)建景觀風險評價體系。從空間相關(guān)性的角度，采用空間自相關(guān)分析來揭示生態(tài)風險的空間聚集特征。本研究基于Markov-Flus模型選取自然和人為兩方面的驅(qū)動因素，模擬2035年景觀生態(tài)風險情景。對比分析其較于2020年生態(tài)風險輻射擴散特征，從而為黃河流域可持續(xù)發(fā)展以及自然資源的高效利用提供重要參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

黃河流域西起巴顏喀拉山，東臨渤海，南至秦嶺，北抵陰山，全程橫跨青藏高原、內(nèi)蒙古高原、黃土高原和黃淮海平原四個地貌單元，本研究選取其中具有典型黃土高原地形條件的黃河流域陜西段作為研究區(qū)域，研究區(qū)概況如圖1所示。黃土高原是我國重要的能源、化工基地，其土質(zhì)松軟，含有豐富的礦物質(zhì)養(yǎng)分，適宜耕作，但易受到土壤侵蝕的危害。黃土高原的氣候既受經(jīng)、緯度的影響，又受地形的制約，具有典型的大陸季風氣候特征。

1.2 數(shù)據(jù)來源與處理

1.2.1 30 m空間分辨率的土地利用數(shù)據(jù)。數(shù)據(jù)來源于中國科學院環(huán)境科學與數(shù)據(jù)中心（http：//www.resdc.cn），用于歷史土地利用動態(tài)變化模擬、分析以及計算景觀生態(tài)風險指數(shù)。

1.2.2 30 m高程數(shù)據(jù)。數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），用于分析研究區(qū)域的地形地貌并作為景觀風險空間分布的驅(qū)動因子。

2 研究方法

2.1 景觀生態(tài)風險指數(shù)構(gòu)建

景觀風險指數(shù)構(gòu)建是在空間尺度上評估研究區(qū)域環(huán)境污染、人類活動以及自然災(zāi)害對每個評價小區(qū)產(chǎn)生不利影響的大小的過程。景觀風險指數(shù)由景觀干擾度和景觀脆弱度組成，計算公式見式（1）。

式中：α、[β]、[γ]為各景觀格局指數(shù)的指標權(quán)重，根據(jù)前人研究并結(jié)合區(qū)域?qū)嶋H情況，分別賦值為0.5、0.3、0.2。[ni]為第n種景觀類型的斑塊數(shù)，[Ai]為第i種景觀類型的面積。A為景觀總面積。[Qi]為景觀類型i斑塊數(shù)與總的斑塊數(shù)的比值，[Pi]為景觀類型i所占樣方數(shù)與總樣方數(shù)的比值，[Gi]為景觀類型i的面積與總面積的比值。

2.2 地統(tǒng)計分析

將704個評價小區(qū)的景觀風險指數(shù)賦值于每個小區(qū)的中心評價點位，再根據(jù)中心評價點位進行半變異函數(shù)分析，以確定空間自相關(guān)的局部特征并確定最佳擬合模型，最后采用普通克里金插值法對研究區(qū)域進行空間插值。利用自然斷點法將研究區(qū)域整體的景觀風險質(zhì)量指數(shù)分為五級：高風險（>0.196）、較高風險（0.162～0.196）、中等風險（0.140～0.162）、較低風險（0.118～0.140）、低風險（<0.118）。

2.3 空間自相關(guān)

空間自相關(guān)描述每個空間單元的屬性值的分布特征以及與相鄰單元的空間相關(guān)程度，以觀察屬性值的聚集程度?？臻g自相關(guān)的度量可以分為全局空間自相關(guān)和局部空間自相關(guān)，表達式為式（6）、式（7）。

式中：[xi]、[xj]分別表示空間單元位置i、j在空間位置的觀測值，x為空間單元觀測的平均值，[xij]為空間權(quán)重矩陣，n為空間單元總數(shù)。Moran’s I指數(shù)值域在[-1，1]之間，Moran’s I值越接近1，表明正相關(guān)性越高，空間上愈加聚集，Moran’s I值越接近-1，表明空間上愈離散，接近0表示無明顯相關(guān)性。

3 結(jié)果與分析

3.1 黃河流域（陜西段）風險時空分布特征

3.1.1 生態(tài)風險的時序變化特征。不同行政區(qū)風險等級統(tǒng)計見表1，整個研究時段內(nèi)，各市的低、較低風險區(qū)面積整體呈現(xiàn)上升趨勢，高、較高風險區(qū)在2000年出現(xiàn)面積的大幅上升后，始終保持著穩(wěn)定的下降趨勢。其中，位于關(guān)中平原的銅川市、寶雞市、西安市、咸陽市、渭南市的較低風險區(qū)域在2000年大幅減少，并轉(zhuǎn)化為高、較高風險區(qū)，導致整個研究區(qū)域高、較高風險區(qū)域分別增加了2 189.39 km2、3 927.20 km2；高、較高風險區(qū)的面積在2000年有所增加后，一直在持續(xù)減少，分別減少了1 627.11 km2、1 068.42 km2，這是由于榆林市、咸陽市、渭南市、延安市的生態(tài)環(huán)境轉(zhuǎn)好，生態(tài)風險指數(shù)低值區(qū)增加，同時位于關(guān)中平原的各市的高風險區(qū)呈現(xiàn)有序收縮態(tài)勢。但高風險區(qū)的保護仍需進一步加強，寶雞市、榆林市、延安市這樣生態(tài)環(huán)境較為脆弱的地區(qū)在2020年仍有風險升高的趨勢。風險中等區(qū)域始終保持著下降的趨勢，大部分面積已轉(zhuǎn)為較低風險區(qū)，中風險區(qū)是生態(tài)環(huán)境轉(zhuǎn)好的重要攻堅區(qū)域。

3.1.2 生態(tài)風險的時空演化特征。黃河流域（陜西段）的1990—2020年黃河流域（陜西段）景觀生態(tài)風險指數(shù)分布情況如圖2所示，研究范圍內(nèi)，景觀生態(tài)風險指數(shù)多年的分布特征較為相似，西北方向景觀普遍為未利用地及建設(shè)用地，尤其采礦區(qū)較多，生態(tài)結(jié)構(gòu)不穩(wěn)定，景觀生態(tài)風險較高（0.162～0.196）；中北部溝壑縱橫，景觀破碎，但植被覆蓋度相對較高，有部分林地景觀交叉分布，此區(qū)域的生態(tài)風險普遍為較低或中等（0.118～0.162）；中部及最南部地區(qū)地處秦巴山區(qū)，生態(tài)環(huán)境較為穩(wěn)定，是國家重點保護區(qū)，具有較高生態(tài)價值，生態(tài)風險最低（<0.118）；關(guān)中平原地區(qū)地勢平坦，景觀分布以建設(shè)用地和耕地為主，人類活動劇烈，生態(tài)風險很高（>0.117）。整個研究區(qū)域的生態(tài)風險都處于不斷下降的趨勢。榆林部分處于毛烏素沙漠，先后開展多個治沙造林行動，所以從1990—2000年陜北地區(qū)的景觀生態(tài)風險可以看出，高、較高、中等風險區(qū)持續(xù)呈現(xiàn)收縮的趨勢，低風險及較低風險的面積逐漸增加。但在2020年此區(qū)域的較高風險區(qū)出現(xiàn)了小幅度擴張的趨勢，這表明該區(qū)域生態(tài)環(huán)境仍不穩(wěn)定，還需繼續(xù)堅持生態(tài)治理的政策；延安市、寶雞市北部、銅川市的較低風險區(qū)一直保持著穩(wěn)定增加的趨勢，并且較低風險的區(qū)域逐漸連片，提高了景觀連通度。這是由于該區(qū)域地形多為山地，更適合林地景觀的生長，生態(tài)風險較低；關(guān)中平原地區(qū)由于優(yōu)越的地形優(yōu)勢，更適合城鎮(zhèn)建設(shè)和農(nóng)地耕作，人口分布較為密集。研究區(qū)南部處于秦嶺生態(tài)環(huán)境保護區(qū)，因此始終保持較低的生態(tài)風險。

3.2 黃河流域（陜西段）景觀生態(tài)風險空間自相關(guān)分析

通過構(gòu)建景觀風險指數(shù)計算模型，得到了研究區(qū)域1990—2020年每十年一期共四期景觀生態(tài)風險指數(shù)，如圖3所示。將四期各個評價小區(qū)的ERI值通過GeoDA軟件計算研究時段內(nèi)黃河流域（陜西段）的全局Moran’s I值，結(jié)果分別為0.232、0.301、0.268、0.242。全局Moran’s I均為正值，表明景觀生態(tài)風險指數(shù)的空間分布呈正相關(guān)關(guān)系，即高值和低值風險指數(shù)都呈聚集趨勢。但全局Moran’s I值呈現(xiàn)逐年下降的趨勢，說明研究區(qū)景觀破碎度逐漸加劇，生態(tài)風險區(qū)的聚集趨勢逐年減弱。

全局Moran’s I值用來度量研究區(qū)生態(tài)風險區(qū)的聚集趨勢，局部Moran’s I值是在空間上表示生態(tài)風險區(qū)的聚集特征。黃河流域（陜西段）景觀生態(tài)風險值局部自相關(guān)分布情況，如圖4所示，研究區(qū)域的空間聚集特征在研究時段內(nèi)僅發(fā)生了較小幅度的波動，其中熱點小區(qū)有一定程度的擴張，熱點小區(qū)數(shù)由5.60%增長為7.32%，冷點小區(qū)呈收縮趨勢，熱點小區(qū)數(shù)由15.64%減少為13.34%，但在2000年冷點評價小區(qū)略有擴張。北部主要以熱點小區(qū)為主，且呈現(xiàn)了不斷收縮的趨勢；中部主要分布著冷點小區(qū)，其分布有分散的趨勢，該區(qū)域還少量存在次冷點小區(qū)；南部大片分布著冷點小區(qū)，且呈現(xiàn)聚集的趨勢。研究期間，不顯著評價小區(qū)基數(shù)較大，且沒有明顯變化，小區(qū)數(shù)量始終在74%～77%上下浮動。研究區(qū)整體冷熱點的分布基本符合景觀生態(tài)風險指數(shù)分布的特征，呈現(xiàn)了“北熱南冷”的分布特點。

3.3 黃河流域（陜西段）景觀生態(tài)風險預(yù)測分析

自然情景不考慮各種政策因素的影響，對于各地類的變化趨勢不加以管控，遵循自然發(fā)展和人類活動驅(qū)動的規(guī)律。預(yù)測結(jié)果如圖5所示，在該情景下，生態(tài)風險狀態(tài)持續(xù)轉(zhuǎn)好，低風險區(qū)面積3 574.23 km2，較2020年增幅為6.74%，較低風險區(qū)面積相比于2020年增長了382.06 km2。但榆林市范圍內(nèi)在建設(shè)用地和未利用地交錯的復(fù)雜區(qū)域存在生態(tài)風險提高的趨勢，所以仍需針對不同的高生態(tài)風險區(qū)采取可持續(xù)性的保護措施；相反的，中等、較高、高風險區(qū)面積均處于減少趨勢，中等風險的面積降幅僅為2.02%，較高和高風險區(qū)面積收縮的趨勢較為明顯，分別減少了1 788.37 km2、1 668.935 km2。這主要是因為草地在不受到政策影響的情境下不斷侵占耕地資源，降低了景觀生態(tài)風險。并且建設(shè)用地以原有布局為基礎(chǔ)，沿渭河流域一路擴張，主要變化發(fā)生在西安市、延安市、寶雞市和渭南市等關(guān)中平原地區(qū)。導致該區(qū)域生態(tài)景觀更加破碎，一定程度加劇了景觀生態(tài)風險，即使關(guān)中平原地區(qū)風險降低但仍然處于中高值風險區(qū)。而在此情境下耕地資源在大量流失。若不加以限制，糧食安全將受到很大的威脅。

4 討論

4.1 景觀生態(tài)風險空間格局及驅(qū)動因子

1990—2000年該區(qū)域的景觀生態(tài)風險發(fā)生了較大幅度的升高。這是由于隨著我國進入現(xiàn)代高速發(fā)展階段，陜西省的市場經(jīng)濟繁榮，對外經(jīng)濟日趨活躍。各項社會事業(yè)的繁榮發(fā)展推動了城市化的快速擴張，侵占了城市周圍的生態(tài)用地，導致景觀生態(tài)風險的快速提高。2000年之后，陜西省意識到黃土丘陵溝壑區(qū)生態(tài)建設(shè)的重要性，積極開展了退耕還林等政策推動全省轉(zhuǎn)變?yōu)椤吧罹G色”，致力于建成林茂草盛、天藍地綠、生態(tài)優(yōu)美的生態(tài)強省。因此研究區(qū)的景觀生態(tài)風險的高值風險區(qū)持續(xù)呈現(xiàn)收縮趨勢，低值風險則保持著增長的態(tài)勢。

4.2 基于Markov-Flus的景觀格局風險模擬

對當前黃河流域（陜西段）的景觀生態(tài)風險進行摸底和預(yù)測是實現(xiàn)生態(tài)系統(tǒng)環(huán)境保護與修復(fù)的重要依據(jù)。因此本研究采用Markov-Flus模型開展生態(tài)空間的模擬。該模型能夠綜合考慮來自自然環(huán)境和人類活動的風險源的影響，并且可以更加精確的模擬出黃河流域（陜西段）景觀生態(tài)風險格局在研究時段內(nèi)復(fù)雜的非線性轉(zhuǎn)化機制，從而預(yù)測出符合預(yù)測目標以及當下區(qū)域發(fā)展格局的不同情景結(jié)果。對研究區(qū)未來空間管控、治理修復(fù)都具有較好的借鑒意義。

5 結(jié)論

①黃河流域（陜西段）的景觀生態(tài)風險分布呈北熱南冷的特征，陜北和關(guān)中平原地區(qū)景觀生態(tài)風險較高，且近年來呈現(xiàn)持續(xù)收縮趨勢。

②北部主要以熱點小區(qū)為主，且呈現(xiàn)了不斷收縮的趨勢；中部主要分布著冷點小區(qū)，其分布有分散的趨勢，該區(qū)域還少量存在次冷點小區(qū)；南部大片分布著冷點小區(qū)，且呈現(xiàn)聚集的趨勢。研究區(qū)整體冷熱點的分布基本符合景觀生態(tài)風險指數(shù)分布的特征，呈現(xiàn)了“北熱南冷”的分布特點。

③生態(tài)風險狀態(tài)持續(xù)轉(zhuǎn)好，但在此情境下耕地資源在大量流失，草地無序擴張。若不加以限制，糧食安全將受到很大的威脅。

參考文獻：

［1］彭建，黨威雄，劉焱序，等.景觀生態(tài)風險評價研究進展與展望［J］.地理學報，2015，70（4）：664-677.

［2］張師赫，李寶銀，林玉英，等.基于生態(tài)系統(tǒng)服務(wù)的景觀生態(tài)風險評價及其驅(qū)動因素研究：以福建省為例［J］.水土保持研究，2022，29（6）：174-182.

［3］梁發(fā)超，胡其玉，起曉星.基于生命共同體的景觀生態(tài)風險評價與管控策略：以成渝城市群為例［J］.經(jīng)濟地理，2021，41（8）：152-159.

［4］周汝佳. 近35年來鹽城海岸帶景觀生態(tài)風險評價［D］.南京：南京大學，2016.

［5］劉寶雙. 基于RS/GIS技術(shù)的公路景觀生態(tài)風險評價研究［D］.西安：長安大學，2009.

［6］梅志坤. 陜西黃河流域土地利用變化及其景觀生態(tài)風險評價［D］.咸陽：西北農(nóng)林科技大學，2022.

［7］景培清，張東海，艾澤民，等.基于格局-過程生態(tài)適應(yīng)性循環(huán)三維框架的自然景觀生態(tài)風險評價：以黃土高原為例［J］.生態(tài)學報，2021，41（17）：7026-7036.

［8］張雪茂，董廷旭，杜華明，等.基于景觀生態(tài)風險評價的涪江流域景觀格局優(yōu)化［J］.生態(tài)學報，2021，41（10）：3940-3951.

［9］鐘良子，馬俊杰，張慧卿，等.張家口市崇禮區(qū)景觀生態(tài)風險評價［J］.河北農(nóng)業(yè)大學學報，2019，42（6）：30-37.