2025, Vol. 46
表 1
(Table 1)
滇西北高原湖泊流域景观生态风险时空演变及驱动力识别
引用本文
王舒, 刘凤莲, 杜汶胶, 王青红. 滇西北高原湖泊流域景观生态风险时空演变及驱动力识别[J]. 环境科学, 2025, 46(5): 3114-3126.
WANG Shu, LIU Feng-lian, DU Wen-jiao, WANG Qing-hong. Spatial-temporal Evolution of Landscape Ecological Risk and Driving Forces in the Plateau Lake Basin of Northwest Yunnan[J]. Environmental Science, 2025, 46(5): 3114-3126.
滇西北高原湖泊流域景观生态风险时空演变及驱动力识别
1. 云南师范大学地理学部, 昆明 650500;
2. 云南财经大学国土资源与持续发展研究所, 昆明 650221;
3. 云南省服务计算重点实验室, 昆明 650221;
4. 云南财经大学对外合作交流处, 昆明 650221;
5. 丽江文化旅游学院经济管理学院, 丽江 674199
2. 云南财经大学国土资源与持续发展研究所, 昆明 650221;
3. 云南省服务计算重点实验室, 昆明 650221;
4. 云南财经大学对外合作交流处, 昆明 650221;
5. 丽江文化旅游学院经济管理学院, 丽江 674199
摘要: 科学评价滇西北高原湖泊流域景观生态风险并识别驱动因素, 是防范化解生态风险和保护流域生态系统的关键. 选取生态敏感脆弱且面临不合理开发生态威胁的滇西北高原湖泊流域为研究区, 基于土地利用数据, 分析滇西北高原湖泊流域近15 a的景观生态风险的时空演变特征, 利用地理探测器从整体和局部进行驱动因素识别. 结果表明：①滇西北高原湖泊流域土地利用类型以耕地、林地和草地为主, 三者之间的转化也较多. ②2005~2020年研究区景观生态风险以中风险、中低风险和中高风险为主, 高风险区占比较少；高风险区主要集中在流域的南边, 中高风险区主要分布在高风险区周围, 中低风险区和低风险区主要分布在泸沽湖周围、程海的西南部和洱海的西北部. 风险等级变化大部分表现为相邻等级转化. ③局部来看, 高风险面积占比超过50%的乡镇主要分布在洱海和程海周围. ④流域景观生态风险的变化受多个因素的共同作用. 整体上看, 研究区景观生态风险的演变受自然因素的影响最大, 且随着时间的推移, 多数因子之间的交互作用均不断提高；局部上看, 高程和年均气温等都是以上区域的重要影响因子.
关键词:
高原湖泊流域
时空演变
景观生态风险
地理探测器
滇西北
Spatial-temporal Evolution of Landscape Ecological Risk and Driving Forces in the Plateau Lake Basin of Northwest Yunnan
1. Faculty of Geography, Yunnan Normal University, Kunming 650500, China;
2. Institute of Land & Resources and Sustainable Development, Yunnan University of Finance and Economics, Kunming 650221, China;
3. Yunnan Key Laboratory of Service Computing, Kunming 650221, China;
4. Department of International Cooperation and Exchanges, Yunnan University of Finance and Economics, Kunming 650221, China;
5. School of Economics and Management, Lijiang Culture and Tourism College, Lijiang 674199, China
2. Institute of Land & Resources and Sustainable Development, Yunnan University of Finance and Economics, Kunming 650221, China;
3. Yunnan Key Laboratory of Service Computing, Kunming 650221, China;
4. Department of International Cooperation and Exchanges, Yunnan University of Finance and Economics, Kunming 650221, China;
5. School of Economics and Management, Lijiang Culture and Tourism College, Lijiang 674199, China
Abstract: Scientific assessment of landscape ecological risks and identification of driving factors in the plateau lake basin of Northwest Yunnan are the key to prevent and resolve ecological risks and protect basin ecosystems. The plateau lake basin of Northwest Yunnan, which is ecologically sensitive and vulnerable and facing the ecological threat of unreasonable development, was selected as the research area. Based on land use data, the spatial-temporal evolution characteristics of landscape ecological risks in the plateau lake basin of Northwest Yunnan in the past 15 years were analyzed, and the driving factors were identified from the whole and local areas with geographical detectors. The results show that: ① The main land use types in the plateau lake basin of Northwest Yunnan were farmland, woodland, and grassland, and there were several mutual transformations among them. ② From 2005 to 2020, the landscape ecological risks in the study area were mainly medium risk, low-medium risk, and medium-high risk, and the high risk area accounted for a relatively small proportion. The high risk areas were mainly concentrated in the south of the basin, the medium-high risk areas were mainly distributed around the high risk areas, the low-medium risk areas were mainly distributed around the Lugu Lake, the southwest of Chenghai Lake, and the northwest of Erhai Lake. Most of the change of risk grade was the transformation of adjacent grade. ③ Locally, the towns with a high risk area accounting for more than 50% were mainly distributed around Erhai Lake and Chenghai Lake. ④ The evolution of landscape ecological risk was influenced by several factors, among which natural factors were the most important, and the interaction between most of the factors continued to improve with the passage of time. Locally, elevation and average annual temperature were important factors affecting the evolution of regional landscape ecological risk.
Key words:
plateau lake basin
spatial and temporal evolution
landscape ecological risk
Geo-detector
Northwest Yunnan
景观是几十至几百公里内, 不同生态系统类型组成的异质性地理单元[1]. 生态风险最初用于分析化学物质对人体健康的影响, 后续发展成为解决生态系统可持续发展面临威胁的方式[2]. 此后, 学者们对于生态风险的研究不再局限于化学物质对人体健康的影响, 逐渐过渡到多污染源对人体健康和环境的影响[3]. 景观与生态风险评价结合被认为能够用于衡量自然因素与人类活动对生态系统所造成的负面影响程度[4]. 云南省高原湖泊属于断裂构造型、高海拔低纬度湖泊[5], 流域内具有较强的人口和经济承载力[6]. 然而, 人类活动改变了环境的结构和功能, 引发严重的生态问题[7], 同时, 气候冲击使自然灾害频发[8]. 基于当下人类活动与气候变化阻碍社会和自然生态系统可持续发展这一状况[9, 10], 开展景观生态风险评价尤为重要. 此外, 景观生态风险评价能够识别区域整体生态风险的空间分布, 亦可反映局部的变化情况, 其评价的综合性、实用性和预见性可为后续相关政策的制定提供精准性、长效性和科学性的支持.
土地利用类型转变与景观生态风险之间具有较好的相依关系[11], 基于土地利用类型变化对景观生态风险进行研究是当下的研究热点. 土地是一个综合经济-社会-自然的复合系统, 从应用上来看, 它能制约经济增长, 也能为人类生活提供生产生活空间, 还能带来丰富的能源, 因此人类为满足生产生活需求, 对土地进行不断开发利用是土地利用类型改变的重要原因[12, 13]. 故而, 从土地利用的视角出发评价景观生态风险具有一定的现实意义. 相关研究自20世纪90年代发展至今已具有丰富的研究成果. 成果整合了不同时间段, 研究了包括对行政区域[14 ~ 17]、流域[18 ~ 21]和非典型区域[22 ~ 26]等多种研究区的景观生态风险时空分异特征分析. 研究方法通常为生态风险指数法, 主要是通过构建景观格局指数评价体系来分析景观生态风险的时空演化特征. 随着研究的深入, 外部干扰因素对景观生态风险的影响逐渐进入研究视野[22]. 通常是从多个影响因素中选取因子, 利用地理探测器进行识别, 从单因子、双因子等角度分析景观生态风险变化的动因. 虽然相关研究已取得丰富的研究成果, 但仍有以下几方面可以继续补充：其一, 目前这方面的研究集中于较大河流流域[27 ~ 30], 对集水源涵养、三江并流和高原湖泊为一体的滇西北区域有待进一步深入研究；其二, 景观生态高风险区是受人为或自然因素干扰最强的区域, 最容易受到负面影响. 以往研究只关注整体的景观生态风险分析[29, 31 ~ 33], 对高风险区变化的细致分析欠缺；其三, 不同区域的景观生态风险变化受不同因子的影响, 目前对驱动因素的识别过于宏观[34 ~ 37], 缺乏局部驱动力的探索及研究基期和现期的对比分析. 此外, 2005年将建设资源节约型和环境友好型首次确定为我国国民经济与社会发展中长期规划的一项战略任务, 2020年颁布的《全国重要生态系统保护和修复重大工程总体规划(2021~2035年)》指出要统筹考虑生态系统的完整性、地理单元的连续性和经济社会发展的可持续性, 强化了生态在国家发展中的重要作用. 可以看出生态文明思想在不断深化, 研究2005~2020年的景观生态风险能够看出这期间生态系统质量变化情况, 并且能够为生态修复工程提供参考.
鉴于此, 本文以滇西北高原湖泊流域为研究区, 通过揭示2005~2020年滇西北高原湖泊流域的景观生态风险演化特征, 同时利用地理探测器综合自然、区域可达性和社会经济因素探究流域整体的景观生态风险的驱动因素, 在此基础上, 深入挖掘局部驱动力, 对比分析研究基期和末期的驱动因子变化情况, 以期为推进滇西北高原湖泊流域的水源涵养和生态修复工作以及维护流域良好的人居环境提供参考借鉴.
1 材料与方法 1.1 研究区概况滇西北高原湖泊流域位于云南省西北部(图 1), 包含3个高原湖泊, 分别为泸沽湖、程海和洱海. 其中, 泸沽湖位于四川省凉山州盐源县与云南省宁蒗县交界处, 程海位于云南省丽江市永胜县中部, 洱海位于云南省大理白族自治州大理市北部. 流域跨越云南省的大理州、怒江州、丽江市以及四川省的凉山州, 共计14个区县. 地理位置介于99°29'~101°06'E, 25°25'~28°04'N. 国土面积2.02万km2, 占云南省国土总面积的5.27%.
|
图 1 研究区位置示意 Fig. 1 Location of the study area |
1.2 数据来源
本研究所使用的2005~2020年间4期土地利用数据来自中国科学院资源环境科学与数据中心(http://www.resdc.cn), 按研究需求分为6个一级地类, 分别是：耕地、林地、草地、水域、建设用地和未利用地. 30 m空间分辨率的DEM影像从地理空间数据云(http://www.gscloud.cn)下载. NDVI数据来源于中国科学院资源与环境科学数据中心(http://www.resdc.cn). 行政区划来自国家基础地理信息中心(http://www.ngcc.cn/ngcc/). 研究区范围运用ArcGIS 10.8中的水文分析进行流域划分, 最终提取出合理的流域范围. 气温数据来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn). 降水数据来源于国家青藏高原科学数据中心(https://data.tpdc.ac.cn/home). 距离数据来自全国地理信息资源目录服务系统(https://www.webmap.cn). 人口密度数据来源于Worldpop(https://www.worldpop.org/). 夜间灯光数据来源于中国科学院资源环境科学与数据中心公布的DMSP/OLS数据和NPP/VIIRS数据集.
1.3 研究方法 1.3.1 风险小区划分采用网格法构建景观生态风险小区, 拟参考相关学者的研究, 采用平均斑块面积的2~5倍[38]进行构建, 但由此形成的风险小区数量过多, 因此, 决定结合研究区实际, 利用ArcGIS 10.8将研究区划分为6 km×6 km的风险小区采样方格, 剔除中心点不在区域中的风险小区, 最终得到1 017个风险小区. 然后基于景观干扰度、脆弱度和损失度等指数构建景观生态风险评价体系, 计算各个风险小区的景观生态风险值并将值赋值到各个风险小区, 运用克里金插值法对其进行空间插值, 从而实现滇西北高原湖泊流域2005~2020年景观生态风险空间分布的可视化表达.
1.3.2 景观生态风险评价模型选取景观干扰度指数(Ei)、景观脆弱度指数(Qi)和景观损失度指数(Ri)进行景观生态风险指数测算(ERIi). 计算公式如下：
|
(1) |
|
(2) |
式中, n为生态风险评价单元的景观类型数量, Ai为第i类景观的面积, Aij为第j个风险单元中第i类景观的面积. 结合研究区具体情况及前人研究, 在Qi计算中将土地利用类型赋值为：耕地=4, 林地=2, 草地=3, 水域=5, 建设用地=1, 未利用地=6. Ei由景观破碎度(Ci)、景观分离度(Ni)和景观分维度(Fi)综合计算而来. 具体公式如下：
|
(3) |
|
(4) |
|
(5) |
|
(6) |
式中, ni为第i类景观的斑块数量；A为所有景观的面积；Pij为第j个风险单元中第i类景观的周长；a、b、c为权重, a+b+c=1, 根据研究区的实际状况并参照相关研究[39, 40]分别赋值0.5、0.3、0.2.
1.3.3 地理探测器地理探测器依据的是“空间异质性定律”, 因此其运作原理是通过探测空间区域异质性和空间分层异质性, 从而识别其驱动因子. 本研究基于ArcGIS 10.8软件, 将各要素运用自然断点分级法分为5类, 使其转化为类型变量, 主要运用其地理探测器的因子探测和交互探测的功能, 详细公式及说明见文献[41, 42].
2 结果与分析 2.1 土地利用变化分析滇西北高原湖泊流域土地利用空间分布情况如图 2所示, 耕地主要集中分布在流域的中下部, 林地覆盖研究区的大部分, 草地分布较为分散, 散布在林地周围, 水域主要分布在耕地周围, 泸沽湖、程海和洱海附近皆有面积较小的水域, 建设用地主要分布在水域和耕地的四周, 未利用地的面积占比较少, 在图 2中变化分布不显著. 由表 1可以看出, 滇西北高原湖泊流域内以林地为主要的土地利用类型, 占总面积的69%以上, 其次为耕地和草地, 占比均在10%以上, 水域的面积占比在2%左右. 其余土地利用类型面积占比较少, 建设用地的面积占比超过0.04%, 未利用地的面积占比在0.01%左右. 值得注意是, 本研究期内, 耕地和水域的面积均逐年增加, 草地逐年减少, 其余土地利用类型表现为波动变化.
|
图 2 滇西北高原湖泊流域土地利用类型分布 Fig. 2 Distribution of land use types in the plateau lake basin of Northwest Yunnan |
|
表 1 滇西北高原湖泊流域土地利用结构 Table 1 Land use structure in the plateau lake basin of Northwest Yunnan |
2005~2020年, 耕地面积增加最多, 增加了594.22 km2, 其次为林地、水域和建设用地, 面积分别增加212.56、32.82和17.77 km2. 草地和未利用地的面积减少, 分别减少856.72 km2和0.64 km2. 为了清晰看出各土地利用类型的转移关系, 制成土地利用转移弦图(图 3), 可以看出, 流域内双向转换较为频繁的地类为草地、林地和耕地, 其余地类的双向转换并不显著. 草地的面积转出最多, 为1 101.21 km2, 主要转化为耕地(523.32 km2)和林地(559.25 km2)；林地转出面积为525.61 km2, 主要流向耕地；耕地主要转化为草地和林地. 水域、建设用地和未利用地的转出总面积较少.
|
图 3 2005~2020年滇西北高原湖泊流域土地利用转移弦图 Fig. 3 Land use transfer chord map of the plateau lake basin of Northwest Yunnan from 2005 to 2020 |
2.2 景观生态风险时空变化分析 2.2.1 全局景观生态风险
本研究选取景观破碎度、分离度、分维度、干扰度、脆弱度和损失度这6种景观格局指数进行景观生态风险的识别. 根据公式(1)~(6)计算得出的风险小区景观生态风险指数, 运用ArcGIS 10.8软件进行克里金插值. 由于目前对于景观生态风险等级划分并未有统一的标准, 为了比较各时期的景观生态风险变化情况, 将插值的结果采用自然断点法将2005年的景观生态风险划分为5个等级, 分别为低风险区(0 < ERI≤0.022 5)、中低风险区(0.022 5 < ERI≤0.028 6)、中风险区(0.028 6 < ERI≤0.034 3)、中高风险区(0.034 3 < ERI≤0.040 5)和高风险区(0.040 5 < ERI≤1), 为了便于对比分析, 2010年、2015年和2020年均按照2005年的标准划分, 得到滇西北高原湖泊流域的景观生态风险情况如表 2和图 4所示.
|
|
表 2 滇西北高原湖泊流域景观生态风险等级面积变化 Table 2 Area changes in landscape ecological risk levels of the plateau lake basin of Northwest Yunnan |
|
图 4 滇西北高原湖泊流域景观生态风险空间分布 Fig. 4 Spatial distribution of landscape ecological risk in the plateau lake basin of Northwest Yunnan |
从时间上看, 2005~2020年流域内占比最大的景观生态风险等级始终为中风险, 面积占比超过1/4, 中低风险区次之, 总面积在24%左右；中高风险区面积占比排行第3, 面积占比上升0.86%；低风险区面积占比不断上升, 在2020年面积为4 542.54 km2, 占总面积的18%；高风险区面积占比最小并且呈下降趋势. 研究期内, 流域内各等级面积增加最多的为低风险区, 其次为中高风险区和中低风险区, 三者增加的面积分别为721.10、217.44和105.75 km2. 高风险区减少最多(655.45 km2), 其次为中风险区(388.83 km2).
从空间上看(图 4), 2005~2010年, 滇西北高原湖泊流域的高风险区范围略微缩小, 高风险区连接处变细；中高风险区由北向南压缩；中风险区由两侧向中间收窄；部分中低风险区和低风险区向周围略微延伸；2010~2015年, 研究区内高风险区有断裂的趋势；中高风险区轻微向外围延伸；中风险区范围较大, 部分区域有向内压缩的趋势；研究区北部的中低风险区有明显的收缩趋势；部分分散的中低风险区中, 嵌入的低风险区范围有所增加. 2015~2020年, 流域内多数高风险区断裂, 范围缩减；中高风险区略微向外延伸；中风险区、中低风险区变化不显著；部分处于断裂状态的低风险区逐渐汇集.
2020年研究区各景观生态风险等级的面积与2005年相比有所变化, 但在空间分布上变化并不显著. 结合不同等级景观生态风险流转的面积及占比情况可知(图 5), 中低风险以转为低风险为主, 中风险以转为中低风险为主, 中高风险以转为中风险为主, 高风险以转为中高风险为主, 以上4个等级的转化可以看出景观生态风险有降低的趋势. 此外, 低风险以转为中低风险为主. 2005~2020年景观生态风险等级变化大部分表现为相邻等级转化, 仅有0.09%的区域出现跨等级转化. 其中, 2005年高风险区有1.00 km2转化为中低风险, 2.00 km2转化为中风险. 其余转化均表现为向相邻较高风险等级转化的面积高于向较低风险转化的面积.
|
图 5 2005~2020年滇西北高原湖泊流域不同等级景观生态风险转化面积 Fig. 5 Area of different levels of landscape ecological risk flow in the plateau lake basin of Northwest Yunnan from 2005 to 2020 |
2.2.2 局部景观生态风险分析
上述研究可以描述滇西北高原湖泊流域各时期大致上的景观生态风险等级情况, 但无法明确微观区域的景观生态风险变化情况. 因此, 本研究提取2005年涉及高风险的乡镇, 通过计算各风险等级的面积占比, 选取高风险面积超过一半的乡镇进行微观研究, 分别是大理创新工业园区满江办事处、上关镇、右所镇、三川镇、邓川镇、龙开口镇、涛源镇和大理创新工业园区天井办事处. 以这8个地区作为典型区域分析2005年、2010年、2015年和2020年景观生态风险变化情况, 能清晰看出高风险占比较高的区域的景观生态风险演变情况.
从微观区域看(图 6), 高风险面积占比超过50%的乡镇主要分布在洱海和程海周围, 右所镇、邓川镇和上关镇紧邻洱海北面, 大理创新工业园区满江办事处和大理创新工业园区天井办事处紧邻洱海南面, 均呈现从景观生态风险降低的分布格局；三川镇位于程海北部, 涛源镇和龙开口镇位于程海南部, 均呈现中部高两边低的空间格局. 2005~2010年右所镇和上关镇只有高风险区、中高风险区和中风险区, 2015年开始出现中低风险区, 说明该区域景观生态风险下降. 2010年大理创新工业园区满江办事处和大理创新工业园区天井办事处中高风险区扩散显著, 其余年份均未出现明显变化. 三川镇的高风险区逐渐向东南方向缩减, 涛源镇和龙开口镇的高风险区集中分布在二者的交界处, 研究期内高风险区有向该交界处扩散的趋势.
|
a为三川镇, b为涛源镇, c为龙开口镇, d为右所镇, e为邓川镇, f为上关镇, g为大理创新工业园区满江办事处, h为大理创新工业园区天井办事处 图 6 滇西北高原湖泊流域局部景观生态风险变化 Fig. 6 Changes of localized landscape ecological risk in the plateau lake basin of Northwest Yunnan |
为了更清晰看出这8个地区的各景观生态风险的变化情况, 以2005年各地区高风险面积占比大小为顺序制成径向条形图进行分析(图 7). 从高风险看, 大理创新工业园区满江办事处和大理创新工业园区天井办事处在研究期内有恶化的趋势, 表现在2020年面积占比分别上升到98.26%和67.54%. 其他地区高风险的面积均呈下降趋势, 尤以三川镇的下降最为明显. 从中高风险看, 上关镇、三川镇、龙开口镇和涛源镇的中高风险区面积均有增加, 以三川镇的占比增加最多, 与2005年相比增加了一倍；从中风险看, 各乡镇中风险的面积占比低于20%, 右所镇的中风险面积有所减少, 其余地区的中风险区面积均有增加. 从中低风险看, 2015年有5个地区出现中低风险, 但在2020年仅剩4个地区. 与2005年相比, 2015年后邓川镇和上关镇出现中低风险, 但占比很低, 不足0.7%. 8个地区中, 以右所镇中低风险面积占比最高并呈逐渐增加趋势. 本研究期内, 低风险区均未在这8个乡镇出现.
|
圆环对应的数值表示高风险面积/总面积；各风险等级无数值的情况如下：中风险, a的2005、2015和2020年；中低风险, a的2005、2010、2015和2020年, b的2005年和2010年, d的2005、2010、2015和2020年, e的2005年和2010年, f的2005、2010、2015和2020年, h的2005年和2020年；低风险, a~h的2005、2010、2015和2020年；a为大理创新工业园区满江办事处, b为上关镇, c为右所镇, d为三川镇, e为邓川镇, f为龙开口镇, g为涛源镇, h为大理创新工业园区天井办事处 图 7 滇西北高原湖泊流域局部景观生态风险径向条形图 Fig. 7 Radial bar chart of localized landscape ecological risk in the plateau lake basin of Northwest Yunnan |
2.3 流域整体驱动因素识别
为探究自然因素、区域可达性因素和社会经济因素对景观生态风险的解释作用, 根据滇西北高原湖泊流域的具体情况, 结合自然环境、人类活动和区域设施对景观生态风险内在驱动力, 选取9个影响因子, 分别从因子探测和交互因子探测两方面分析滇西北高原湖泊整体流域的景观生态风险演变的驱动力.
2.3.1 因子探测结果分析各因子对景观生态风险的影响各不相同, 由表 3可知, 在整个研究时段景观生态风险的演变结果受自然因素的影响最大, 其中, 高程和年均气温的因子贡献率均在20%以上, 是景观生态风险的主要影响因子. 2010年后, 区域可达性因素对景观生态风险的解释作用超过社会经济因素. 从区域可达性因素看, 距道路距离的驱动作用在研究期内均强于距城镇中心距离. 从社会经济因素上看, 2005~2020年人口密度的驱动作用均远高于夜间灯光. 研究期内, 整体上看, 随着环境保护力度的加强以及人类活动复杂程度增加, 区域之间的联系加强, 自然因素的解释作用有所增强, 社会经济因素的驱动作用有所减弱, 区域可达性因素的解释作用有所增强.
|
|
表 3 滇西北高原湖泊流域因子探测结果 Table 3 Detection results of factors in the plateau lake basin of Northwest Yunnan |
2.3.2 交互探测结果分析
交互探测器可以识别不同因子之间交互作用对景观生态风险空间分布的影响作用. 图 8显示研究期内任意两个因子的交互作用对景观生态风险演变的影响作用均大于单因子作用, 探测结果均表现为双因子增强和非线性增强, 相互独立和减弱的情况并未出现, 说明滇西北高原湖泊流域景观生态风险的变化不是单个因子的影响, 而是在不同因子相互作用下产生的结果.
|
X1~X9分别表示高程、坡度、植被归一化指数、年均气温、年降水量、距道路距离、距城镇中心距离、人口密度和夜间灯光 图 8 滇西北高原湖泊流域景观生态风险交互探测结果 Fig. 8 Results of landscape ecological risk interaction detection in the plateau lake basin of Northwest Yunnan |
2005年各因子的交互因子探测结果表明年均气温∩年降水量(0.540 0)、年均气温∩人口密度(0.529 1)和植被归一化指数∩年均气温(0.514 8)的交互作用最强, 年均温度与年降水量、植被归一化指数等自然因素的交互作用不同程度地影响着景观生态风险的演变. 人口密度与自然因素的交互作用加剧了景观生态风险的程度. 2010年各驱动因子交互作用最强的为年均气温∩年降水量(0.558 2)、高程∩年降水量(0.536 4)和植被归一化指数∩年均气温(0.525 3), 与2005年相比, 影响作用均有提升, 其中, 以高程与年降水量的交互作用增强最为明显, 位列第二. 高程与年降水量的交互作用使对景观生态风险影响的作用更强. 2015年的主要交互驱动因子为年均气温∩年降水量(0.557 5)、高程∩年降水量(0.535 7)和坡度∩年均气温(0.532 1). 2020年驱动作用排行前三的交互因子为年均气温∩年降水量(0.571 6)、植被归一化指数∩年均气温(0.547 3)和坡度∩年均气温(0.541 6). 综上, 滇西北高原湖泊流域的交互因子探测结果显示, 随着时间的推移, 2005~2020年, 除少数交互因子的解释作用下降外, 其余因子之间的交互作用不断提高.
2.4 流域局部驱动因素识别为了解局部的景观生态风险驱动因素, 本研究将ERI2020min-ERI2005min作为衡量变化的阈值, ERI > 0.000 7的区域为恶化区, ERI < -0.000 7的区域为改善区. 恶化区共42个, 由于夜间灯光数据分布集中在部分区域, 有的恶化区夜间灯光值为0, 因此在分析中选择面积较大并且范围涉及夜间灯光的4个恶化区域(表 4中区域a~d)进行分析. 由于改善区分布集中, 统一分析不具有代表性, 因此提取5个改善区域(表 4中区域e~i)进行分析. 分析内容包含恶化区和改善区的情况, 研究结果能为滇西北高原湖泊流域的局部风险调控提供参考借鉴.
|
|
表 4 滇西北高原湖泊流域2005年因子探测结果贡献率/% Table 4 Contribution rate of factor detection for 2005 in the plateau lake basin of Northwest Yunnan/% |
从2005年滇西北高原湖泊流域局部的单因子驱动因素探测结果看(表 4), 高程和植被归一化指数驱动作用最强的均为i区域, 分布在大理创新工业园区凤仪镇、大理创新工业园区天井办事处、下关镇和大理创新工业园区满江办事处境内；坡度驱动最强的区域为b, 分布在辛屯镇、云鹤镇、金墩乡和草海镇境内；年均气温驱动最强的区域为h, 分布在右所镇、西邑镇、黄坪镇和上关镇境内；年降水量和距道路距离驱动力最强的区域均为d, 分布在邓川镇、茈碧湖镇、凤羽镇和右所镇境内；距城镇中心距离影响最强的区域为e, 分布在永北镇、三川镇和程海镇境内；人口密度影响最强的区域为f, 分布在期纳镇和程海镇境内；夜间灯光影响最强的区域为c, 分布在茈碧湖镇、牛街乡和三营镇境内. 景观生态风险恶化示例区和改善示例区均受自然因素的驱动作用最大, 除区域d、e、g和i外, 其余区域的社会经济因素对景观生态风险的影响作用强于区域可达性因素.
由2020年滇西北高原湖泊流域局部的单因子驱动因素探测结果可知(表 5), 高程和坡度驱动作用最强的区域均为h, 分布在右所镇、西邑镇、黄坪镇和上关镇境内；植被归一化指数和距城镇中心距离驱动作用最强的区域为f, 分布在期纳镇和程海镇境内；年均气温驱动最强的区域为i, 分布在大理创新工业园区凤仪镇、大理创新工业园区天井办事处、下关镇和大理创新工业园区满江办事处境内；年降水量驱动最强的区域为d, 分布在邓川镇、茈碧湖镇、凤羽镇和右所镇境内；距道路距离和人口密度驱动力最强的区域均为g, 分布在金华镇、羊岑乡和甸南镇内；夜间灯光影响最强的区域为a, 分布在大兴镇、宁利乡和红桥乡境内. 自然因素对恶化区和改善区的景观生态风险分布的驱动作用最大, 区域可达性因素对区域f、g和i的影响作用强于社会经济因素, 其余区域的社会经济因素强于区域可达性因素.
|
|
表 5 滇西北高原湖泊流域2020年因子探测结果贡献率/% Table 5 Contribution rate of factor detection for 2020 in the plateau lake basin of Northwest Yunnan/% |
3 讨论 3.1 土地利用变化原因分析
土地利用变化情况能够反映人类生活和环境引发的多种问题. 滇西北高原湖泊流域位于云南省高山峡谷生态维护水源涵养区和中低山水源涵养蓄水保水区, 土地利用类型丰富, 主要以林地为主, 占比超过总面积的2/3. 耕地和草地面积次之, 共占总面积的1/10. 未利用地的面积最少. 2005~2020年间, 耕地的面积增加最多, 增长了594.22 km2；人口增加的情况下, 为满足粮食安全要求, 耕地面积的增长成为了必然要求, 这与郑可君等[43]得出的研究结论相似, 认为耕地的增加一定程度反映了人口的增加. 草地的面积减少最多, 减少了856.72 km2, 可以看出流域内城镇化进程的加快致使生活空间挤压生态空间的情况出现, 这与黄金川等[44]得出的结论有些许差异, 该学者认为建设用地急剧扩张导致生态空间被挤压, 是从土地利用本身角度出发论述, 而本研究则是放在更为宏观的层面进行解释. 此外, 流域内生态结构较为稳定, 这与相关保护措施的实施密不可分.
3.2 景观生态风险时空变化成因分析从时间上看, 2005~2020年滇西北高原湖泊流域占比最大的景观生态风险等级始终为中风险, 面积占总面积的比例超过1/4；高风险区的面积占比最少, 介于10%~13%之间. 各风险等级的面积占比在研究期内均未发生大幅度的变动, 景观生态风险较为稳定. 空间上看, 高风险区呈现的是压缩断裂的现象, 主要集中在流域的南部, 原因是该区域人类活动较为强烈, 城镇范围扩张, 景观破碎化加深, 景观之间的连通性减弱, 所以高风险的范围较广, 这印证了杨荣钦等[45]的结论, 认为人类活动是诱发景观生态风险的重要原因. 中高风险区的变化趋势不明显. 高风险区、中高风险区主要位于程海和洱海两大高原湖泊周围, 湖泊为整个流域提供了丰富的水资源, 是研究区内应该重点保护的区域. 在城镇化进程加快的背景下, 人们对居住环境要求不断提升的驱动力下, 湖泊周围逐渐由生态用地变为生产生活用地, 使湖泊水质下降, 因此需要采取措施进行调控, 以减轻景观生态风险恶化的趋势, 在此基础上努力提升生态环境质量. 中风险区几乎贯穿整个流域. 中低风险区和低风险区主要分布在泸沽湖周围、程海的西南部和洱海的西北部, 分布结构较为稳定. 这部分区域受人类活动中度干扰, 面积分布很广泛, 因此要做好中风险区的预先防控, 对定点区域的生态环境质量进行动态监测, 避免此区域出现大面积的恶化. 中低风险区和低风险区位于流域的四周, 以上区域地势较高, 植被也相对茂密, 主要以自然景观为主, 受人类干扰程度较低, 因此生态环境质量相对良好, 这与杜佳衡等[16]的研究结论相似, 认为植被覆盖度高有利于维持生态系统的平衡, 因此景观生态风险较低.
从微观上看, 高风险面积超过50%的乡镇主要分布在洱海和程海周围, 右所镇、上关镇、涛源镇、龙开口镇和三川镇的景观生态风险有所改善, 尤以三川镇的下降最为明显. 以上地区生态系统好转的原因是流域保护的力度加强. 大理创新工业园区满江办事处和大理创新工业园区天井办事处的景观生态风险恶化程度有所加深, 原因是以上地区着重发展高新技术产业, 人为干扰强度大. 以上区域的景观生态风险变化情况符合景观生态风险和人为干扰程度呈正相关关系, 这与王涛等[46]的研究结论相印证, 景观生态风险高的地方受人类干扰强度大.
3.3 景观生态风险驱动因素分析整体上看, 因子探测结果显示滇西北高原湖泊流域景观生态风险的演变结果受自然因素的影响最大, 这与高林等[22]认为人为干扰对景观生态风险的驱动力最强的研究结论有所不同, 造成差异的原因可能是研究区和驱动因素选取的不同. 自然因素中, 高程和年均气温的因子贡献度均在20%以上, 是景观生态风险的主要影响因子. 高程反映的是地形地貌的复杂程度, 与年降水量的交互作用使对景观生态风险影响的作用更强. 交互探测结果显示, 随着时间的推移, 除少数交互因子的解释作用下降外, 其余因子之间的交互作用不断提高. 像X1∩X2~X9、X4∩X2~X9的q值均较高, 表明高程、年均气温与其他因子相互作用是流域内景观生态风险演变的主要驱动力. 温度是影响植被生长的重要因素, 不同类型的植被分布对景观结构的影响作用较大, 年均温度与年降水量、植被归一化指数等自然因素的交互作用不同程度地影响着景观生态风险的演变. 人口密度直接体现人为干扰强度的高低, 与自然因素的交互作用加剧了景观生态风险的程度.
局部上看, 本研究参考相关学者的研究[47], 拟提取2020年景观生态风险指数的最小值(0.005 1)作为评判变化的依据, 但是在研究过程中发现, 滇西北高原湖泊流域的景观生态风险指数较低并且变化幅度较小, 因此该判定依据用在此处并不适宜. 通过多次实践, 将ERI2020min-ERI2005min作为衡量变化的阈值进行分区. 据区域a~i的实际情况可知(图 9), 2005年和2020年的局部单因子探测结果显示, 以d和e为代表的城镇化扩张的经济发展区域, 研究初期需要建造基础设施为城镇化发展做准备, 因此景观生态风险变化影响作用表现为区域可达性因素强于社会经济因素, 研究末期基础设施建造完成, 交通便利, 社会经济发展迅速, 因此两种影响因素的作用效果则反之. i为改善区域, 但是地处城市扩张边界, 该区域经济较为发达, 导致该区域景观生态风险改善的主要原因是自然因素的驱动作用远大于其他因素, 在经济发展之外, 注重环境的保护有助于该区域的生态系统好转, 因此使景观生态风险降低. 区域b和c的耕地面积占比超过60%, 两个区域在2005年自然因素的驱动作用相近. 2020年区域b的自然因素驱动力大幅减弱, 其原因是该区域建设用地扩张, 耕地被侵占, 在此期间经济发展较快, 使社会经济成为景观生态风险升高的重要影响因素. 区域a和g以自然景观为主, 区域a生态系统恶化主要受社会经济因素的影响, 区域g生态系统改善主要受区域可达性因素的影响. 以区域f和h为代表的地区土地利用类型丰富, 生态结构稳定, 与2005年相比, 2020年区域f的区域可达性因素对景观生态风险的影响作用增强, 区域h则是自然因素的影响作用增强.
|
a为大理创新工业园区满江办事处, b为上关镇, c为右所镇, d为三川镇, e为邓川镇, f为龙开口镇, g为涛源镇, h为大理创新工业园区天井办事处 图 9 滇西北高原湖泊流域景观生态风险局部土地利用类型情况 Fig. 9 Localized land use types for landscape ecological risk in the plateau lake basin of Northwest Yunnan |
4 结论
(1) 滇西北高原湖泊流域内土地利用类型主要以林地为主. 耕地、林地和草地之间的转换最为频繁, 在生态风险防控的过程中应该重点关注这3类土地利用类型的质量和转移变化.
(2) 2005~2020年中风险区在滇西北高原湖泊流域占比最大, 高风险区的面积占比最少. 整体上看, 流域内的景观生态风险有降低的趋势, 人为干扰和景观生态风险之间存在必然联系, 因此, 应重点关注因人为干扰造成的景观生态风险进一步恶化. 高风险面积超过50%的乡镇主要分布在洱海和程海周围, 推进高原湖泊的治理及保护工作刻不容缓.
(3) 从流域整体上看, 因子探测结果显示景观生态风险的演变结果受自然因素的影响最大. 交互探测结果显示, 研究期内, 除少数交互因子的解释作用下降外, 其余因子之间的交互作用不断提高, 说明在推进相关的保护工作时应兼顾多个因子的影响作用. 局部因子探测结果显示, 不同区域具有不同的特点, 应该采取配套的保护举措, 比如可以重点关注耕地质量保护、合理推进城市扩张和保护生态环境等.
参考文献
| [1] | Song Y Z, Wang J F, Ge Y, et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: cases with different types of spatial data[J]. GIScience & Remote Sensing, 2020, 57(5): 593-610. |
| [2] |
张兵, 秦元萍, 韦锐, 等. 基于IRS-P6遥感影像的高原区土地利用动态变化监测[J]. 水土保持通报, 2017, 37(1): 118-122. Zhang B, Qin Y P, Wei R, et al. Land-use dynamic changes in plateau area based on image of IRS-P6 satellite[J]. Bulletin of Soil and Water Conservation, 2017, 37(1): 118-122. |
| [3] |
郑璟, 方伟华, 史培军, 等. 快速城市化地区土地利用变化对流域水文过程影响的模拟研究——以深圳市布吉河流域为例[J]. 自然资源学报, 2009, 24(9): 1560-1572. Zheng J, Fang W H, Shi P J, et al. Modeling the impacts of land use change on hydrological processes in fast urbanizing region—A case study of the Buji watershed in Shenzhen City, China[J]. Journal of Natural Resources, 2009, 24(9): 1560-1572. DOI:10.3321/j.issn:1000-3037.2009.09.006 |
| [4] |
司琪, 樊浩然, 董文明, 等. 新疆叶尔羌河流域景观生态风险评价及预测[J]. 干旱区研究, 2024, 41(4): 684-696. Si Q, Fan H R, Dong W M, et al. Landscape ecological risk assessment and prediction for the Yarkant River Basin, Xinjiang, China[J]. Arid Zone Research, 2024, 41(4): 684-696. |
| [5] |
杨智, 陈欣, 周云, 等. 生态文明思想指引下的云南九大高原湖泊保护治理的实践和思考[J]. 环境保护科学, 2024, 50(3): 28-33. Yang Z, Chen X, Zhou Y, et al. The practice and reflection of the protection and management of the nine plateau lakes in Yunnan under the guidance of ecological civilization thought[J]. Environmental Protection Science, 2024, 50(3): 28-33. |
| [6] | 杨开忠, 单菁菁, 彭文英, 等. 加快推进流域的生态文明建设[J]. 今日国土, 2020(8): 29-30. |
| [7] | Sui L, Yan Z M, Li K F, et al. Prediction of ecological security network in Northeast China based on landscape ecological risk[J]. Ecological Indicators, 2024, 160: doi: 10.1016/j.ecolind.2024.111783.. |
| [8] | Li M R, Abuduwaili J, Liu W, et al. Application of geographical detector and geographically weighted regression for assessing landscape ecological risk in the Irtysh River Basin, Central Asia[J]. Ecological Indicators, 2024, 158: doi: 10.1016/j.ecolind.2023.111540.. |
| [9] | Gao L N, Tao F, Liu R R, et al. Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model: A case study of Nanjing[J]. Sustainable Cities and Society, 2022, 85: doi: 10.1016/j.scs.2022.104055.. |
| [10] |
安敏, 韦雅倩, 何伟军, 等. 气候变化和人类活动对长江经济带生态敏感性的影响分析[J]. 环境科学, 2024, 45(10): 5833-5843. An M, Wei Y Q, He W J, et al. Impact of climate change and human activities on the ecological sensitivity of the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(10): 5833-5843. |
| [11] |
尉芳, 刘京, 夏利恒, 等. 基于LUCC的陕西渭北旱塬区景观生态风险评价[J]. 中国环境科学, 2022, 42(4): 1963-1974. Wei F, Liu J, Xia L H, et al. Landscape ecological risk assessment in Weibei dryland region of Shaanxi Province based on LUCC[J]. China Environmental Science, 2022, 42(4): 1963-1974. DOI:10.3969/j.issn.1000-6923.2022.04.054 |
| [12] |
李毅, 肖腊梅, 胡文敏, 等. 长株潭核心区土地利用变化时空格局及驱动力多维分析[J]. 经济地理, 2021, 41(7): 173-182. Li Y, Xiao L M, Hu W M, et al. Spatio-temporal pattern of land use change in Changsha-Zhuzhou-Xiangtan core areas and its driving forces[J]. Economic Geography, 2021, 41(7): 173-182. |
| [13] |
李毅娜, 段汉明. 土地利用/覆盖变化研究进展[J]. 陕西师范大学学报(自然科学版), 2008, 36(S2): 68-70. Li Y N, Duan H M. Progress in the studies on land use/cover change[J]. Journal of Shaanxi Normal University (Natural Science Edition), 2008, 36(S2): 68-70. |
| [14] |
梁仕豪, 李文, 高宇, 等. 吉林省生态系统服务价值与景观生态风险关联性及其空间分异[J]. 应用生态学报, 2024, 35(3): 769-779. Liang S H, Li W, Gao Y, et al. Correlations between ecosystem service value and landscape ecological risk and its spatial heterogeneity in Jilin Province, China[J]. Chinese Journal of Applied Ecology, 2024, 35(3): 769-779. |
| [15] |
马晶, 吴贵迪, 陈钱, 等. 2000—2030年基于"过程-格局"的铜川市景观生态风险评价及模拟预测[J]. 测绘科学, 2023, 48(12): 201-216. Ma J, Wu G D, Chen Q, et al. Landscape ecological risk assessment and simulation prediction based on "Process-Pattern" in Tongchuan City from 2000 to 2030[J]. Science of Surveying and Mapping, 2023, 48(12): 201-216. |
| [16] |
杜佳衡, 王影雪, 潘悦, 等. 高原河谷县域景观生态风险评价与生态安全格局构建: 以云南省大理州永平县为例[J]. 生态学杂志, 2024, 43(5): 1509-1520. Du J H, Wang Y X, Pan Y, et al. Ecological risk assessment and ecological security pattern construction of county-level landscape in plateau valley: A case study in Yongping County, Dali Prefecture, Yunnan Province[J]. Chinese Journal of Ecology, 2024, 43(5): 1509-1520. |
| [17] | Li B J, Yang Y Y, Jiao L M, et al. Selecting ecologically appropriate scales to assess landscape ecological risk in megacity Beijing, China[J]. Ecological Indicators, 2023, 154: doi: 10.1016/j.ecolind.2023.110780.. |
| [18] |
贾路, 于坤霞, 李占斌, 等. 流域尺度全球景观生态风险时空演变及其对NPP变化的影响[J]. 农业工程学报, 2023, 39(22): 53-62. Jia L, Yu K X, Li Z B, et al. Spatiotemporal changes of global landscape ecological risk and its impact on NPP changes at the watershed scale[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(22): 53-62. DOI:10.11975/j.issn.1002-6819.202306107 |
| [19] |
许静, 廖星凯, 甘崎旭, 等. 耦合GMOP与FLUS模型的黄河流域甘肃段生态风险评估与预测[J]. 生态学杂志, 2024, 43(5): 1498-1508. Xu J, Liao X K, Gan Q X, et al. Assessment and prediction of ecological risk in Gansu section of the Yellow River Basin coupled with GMOP and FLUS models[J]. Chinese Journal of Ecology, 2024, 43(5): 1498-1508. |
| [20] |
王诗琪, 周振宏. 巢湖流域景观格局和生态风险的时空分异特征[J]. 长江科学院院报, 2024, 41(9): 70-78. Wang S Q, Zhou Z H. Spatial and temporal variation characteristics of landscape patterns and ecological risks in the Chaohu Lake watershed[J]. Journal of Yangtze River Scientific Research Institute, 2024, 41(9): 70-78. |
| [21] | Karimian H, Zou W M, Chen Y L, et al. Landscape ecological risk assessment and driving factor analysis in Dongjiang river watershed[J]. Chemosphere, 2022, 307: doi: 10.1016/j.chemosphere.2022.135835.. |
| [22] |
高林, 赵中秋, 宋东阳, 等. 1990-2020年北京生态涵养区景观生态风险时空演变及其对自然人为因素的响应研究[J]. 中国环境科学, 2024, 44(7): 4031-4041. Gao L, Zhao Z Q, Song D Y, et al. Spatial-temporal evolution of landscape ecological risk in Beijing Ecological Conservation Area and its response to natural and anthropogenic factors study from 1990 to 2020[J]. China Environmental Science, 2024, 44(7): 4031-4041. |
| [23] |
杜华栋, 刘云龙, 毕银丽, 等. 1995—2021年榆神府矿区景观生态风险时空异质性[J]. 煤炭科学技术, 2024, 52(6): 270-279. Du H D, Liu Y L, Hua Y L, et al. Spatial-temporal heterogeneity of landscape ecological risk in Yushenfu mining area from 1995 to 2021[J]. Coal Science and Technology, 2024, 52(6): 270-279. |
| [24] |
陈全通, 殷浩然, 李艳红, 等. 秦巴山地景观生态风险的时空分异[J]. 水土保持通报, 2022, 42(3): 239-246. Chen Q T, Yin H R, Li Y H, et al. Spatial and temporal differentiation of landscape ecological risk in Qinling-Daba Mountains[J]. Bulletin of Soil and Water Conservation, 2022, 42(3): 239-246. |
| [25] | Li Y L, Qin Q Q, Wang D W, et al. An analysis on the spatial heterogeneity characteristics of landscape ecological risk in Qilian Mountain National Park[J]. Frontiers in Forests and Global Change, 2024, 7: doi: 10.3389/ffgc.2024.1308154.. |
| [26] | Tan L, Luo W, Yang B, et al. Evaluation of landscape ecological risk in key ecological functional zone of South–to–North Water Diversion Project, China[J]. Ecological Indicators, 2023, 147: doi: 10.1016/j.ecolind.2023.109934.. |
| [27] |
滑永春, 陈家豪, 孙小添, 等. 内蒙古段黄河流域景观生态风险分析[J]. 自然资源遥感, 2023, 35(2): 220-229. Hua Y C, Chen J H, Sun X T, et al. Analysis of landscape ecology risk of the Yellow River basin in Inner Mongolia[J]. Remote Sensing for Natural Resources, 2023, 35(2): 220-229. |
| [28] |
莫贵芬, 冯建中, 王中美, 等. 中亚阿姆河跨境流域景观生态风险时空演变特征分析[J]. 干旱地区农业研究, 2022, 40(1): 123-131. Mo G F, Feng J Z, Wang Z M, et al. Spatial-temporal evolution characteristics of landscape ecological risk in the transboundary basin of Amu Darya River, Central Asia[J]. Agricultural Research in the Arid Areas, 2022, 40(1): 123-131. |
| [29] |
刘凤莲, 杨磊, 王舒. 金沙江流域景观生态风险与生态系统服务价值时空演变及关联分析(英文)[J]. 资源与生态学报, 2023, 14(5): 914-927. Liu F L, Yang L, Wang S. Spatial and temporal evolution and correlation analysis of landscape ecological risks and ecosystem service values in the Jinsha River Basin[J]. Journal of Resources and Ecology, 2023, 14(5): 914-927. |
| [30] | Wang G Y, Ran G Y, Chen Y N, et al. Landscape ecological risk assessment for the Tarim River Basin on the basis of land-use change[J]. Remote Sensing, 2023, 15(17). DOI:10.3390/rs15174173 |
| [31] |
张静, 秦公伟, 成升魁, 等. 汉江生态经济带景观生态风险与生态系统服务价值的时空变化及关联性[J]. 水土保持通报, 2023, 43(4): 294-306. Zhang J, Qin G W, Cheng S K, et al. Spatiotemporal changes and correlation between landscape ecological risk and ecological service value in Hanjiang Eco-economic Belt[J]. Bulletin of Soil and Water Conservation, 2023, 43(4): 294-306. |
| [32] |
王芳. 沱江流域近30年景观生态风险时空演变分析[J]. 测绘科学, 2023, 48(6): 198-211, 221. Wang F. Landscape ecological risk space-temporal evolution analysis of the Tuojiang River basin in recent 30 years[J]. Science of Surveying and Mapping, 2023, 48(6): 198-211, 221. |
| [33] | Lin X, Wang Z T. Landscape ecological risk assessment and its driving factors of multi-mountainous city[J]. Ecological Indicators, 2023, 146: doi: 10.1016/j.ecolind.2022.109823.. |
| [34] |
张文静, 孙小银, 单瑞峰, 等. 1975—2018年南四湖流域景观生态风险时空变化及其驱动因素研究[J]. 生态科学, 2020, 39(3): 172-181. Zhang W J, Sun X Y, Shan R F, et al. Spatio-temporal quantification of landscape ecological risk changes and its driving forces in the Nansihu Lake basin during 1975-2018[J]. Ecological Science, 2020, 39(3): 172-181. |
| [35] |
钟祺康, 王志一, 王娜, 等. 陕北干旱区景观生态风险空间分异特征及驱动因素分析[J]. 测绘通报, 2022(7): 100-106. Zhong Q K, Wang Z Y, Wang N, et al. Spatial differentiation characteristics and driving factors of landscape ecological risk in arid area of northern Shaanxi[J]. Bulletin of Surveying and Mapping, 2022(7): 100-106. |
| [36] |
张师赫, 李宝银, 林玉英, 等. 基于生态系统服务的景观生态风险评价及其驱动因素研究——以福建省为例[J]. 水土保持研究, 2022, 29(6): 174-182. Zhang S H, Li B Y, Lin Y Y, et al. Research on landscape ecological risk assessment and driving factors based on ecosystem services—A case study of Fujian Province[J]. Research of Soil and Water Conservation, 2022, 29(6): 174-182. |
| [37] | Ren D F, Cao A H. Analysis of the heterogeneity of landscape risk evolution and driving factors based on a combined GeoDa and Geodetector model[J]. Ecological Indicators, 2022, 144: doi: 10.1016/j.ecolind.2022.109568.. |
| [38] |
苏海民, 何爱霞. 基于RS和地统计学的福州市土地利用分析[J]. 自然资源学报, 2010, 25(1): 91-99. Su H M, He A X. Analysis of land use based on RS and geostatistics in Fuzhou City[J]. Journal of Natural Resources, 2010, 25(1): 91-99. |
| [39] |
潘竟虎, 刘晓. 疏勒河流域景观生态风险评价与生态安全格局优化构建[J]. 生态学杂志, 2016, 35(3): 791-799. Pan J H, Liu X. Landscape ecological risk assessment and landscape security pattern optimization in Shule River Basin[J]. Chinese Journal of Ecology, 2016, 35(3): 791-799. |
| [40] |
杨帆, 金晓斌, 刘晶, 等. 时空动态视角下快速城市化地区景观生态风险评价与分区[J]. 农业工程学报, 2023, 39(18): 253-261. Yang F, Jin X B, Liu J, et al. Assessing landscape ecological risk in rapidly urbanized areas from the perspective of spatiotemporal dynamics[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(18): 253-261. |
| [41] |
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. Wang J S, Xu C D. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [42] |
米宏志. 基于GEE的地震前后土地利用变化及驱动因素研究——以鲁甸县为例[D]. 济南: 山东建筑大学, 2023. Mi H Z. Analysis of land use change and driving factors before and after the earthquake based on GEE—A case study of the Ludian County[D]. Ji'nan: Shandong Jianzhu University, 2023. |
| [43] |
郑可君, 李琛, 吴映梅, 等. 云南边境山区景观生态风险时空演变及其影响因素[J]. 生态学报, 2022, 42(18): 7458-7469. Zheng K J, Li C, Wu Y M, et al. Temporal and spatial variation of landscape ecological risk and influential factors in Yunnan border mountainous area[J]. Acta Ecologica Sinica, 2022, 42(18): 7458-7469. |
| [44] |
黄金川, 林浩曦, 漆潇潇. 面向国土空间优化的三生空间研究进展[J]. 地理科学进展, 2017, 36(3): 378-391. Huang J C, Lin H X, Qi X X. A literature review on optimization of spatial development pattern based on ecological-production-living space[J]. Progress in Geography, 2017, 36(3): 378-391. |
| [45] |
杨荣钦, 肖玉磊, 池苗苗, 等. 近20a塔里木河流域人类活动及景观生态风险时空变化[J]. 干旱区研究, 2024, 41(6): 1010-1020. Yang R Q, Xiao Y L, Chi M M, et al. Temporal and spatial variations of human activities and landscape ecological risks in the Tarim River Basin, China, during the last 20 years[J]. Arid Zone Research, 2024, 41(6): 1010-1020. |
| [46] |
王涛, 肖彩霞, 刘娇, 等. 云南高原湖泊杞麓湖动态演变及景观生态风险评价[J]. 浙江农林大学学报, 2020, 37(1): 9-17. Wang T, Xiao C X, Liu J, et al. Dynamic evolution and landscape ecological risks assessment of Qilu Lake in Yunnan Plateau[J]. Journal of Zhejiang A & F University, 2020, 37(1): 9-17. |
| [47] |
高彬嫔, 李琛, 吴映梅, 等. 川滇生态屏障区景观生态风险评价及影响因素[J]. 应用生态学报, 2021, 32(5): 1603-1613. Gao B P, Li C, Wu Y M, et al. Landscape ecological risk assessment and influencing factors in ecological conservation area in Sichuan-Yunnan provinces, China[J]. Chinese Journal of Applied Ecology, 2021, 32(5): 1603-1613. |