长江经济带景观生态风险时空演变及驱动力分析

引用本文

李嘉禾, 李巍岳, 刘耀辉. 长江经济带景观生态风险时空演变及驱动力分析[J]. 环境科学, 2026, 47(9): 6317-6327.

LI Jia-he, LI Wei-yue, LIU Yao-hui. Spatio-temporal Evolution and Driving Forces of Landscape Ecological Risk in the Yangtze River Economic Belt[J]. Environmental Science, 2026, 47(9): 6317-6327.

长江经济带景观生态风险时空演变及驱动力分析

李嘉禾^1,2, 李巍岳², 刘耀辉³

1. 山东建筑大学测绘地理信息学院，济南 250101;
2. 上海师范大学环境与地理科学学院，上海 200234;
3. 空天信息大学遥感科学与技术学院，济南 250299

收稿日期: 2025-04-15; 修订日期: 2025-10-21

基金项目: 重庆市大数据协同创新中心开放基金项目（CQBDCIC202305）；国家自然科学基金项目（42171389）；山东省高等学校“青创团队计划”项目（2024KJH087）

作者简介: 李嘉禾（2000~），女，硕士研究生，主要研究方向为环境遥感，E-mail：lijiahe1124@163.com

通信作者: 刘耀辉, E-mail：liuyaohui@126.com

摘要: 进行景观生态风险评价并探究驱动力因素，有助于为生态保护和高质量发展提供科学依据. 以长江经济带为研究区，基于2010年、2015年和2020年中国多时期土地利用遥感监测数据，构建基于景观格局指数的景观生态风险评估模型，结合土地利用分布对景观生态风险时空变化定量分析，探究区域内景观生态风险空间相关性和聚集模式，使用最优参数地理探测器，进一步探究影响因子的驱动力. 结果表明：①土地类型以耕地、林地和草地为主，2010~2015年土地利用类型转变占研究区总面积的0.77%，2015~2020年占总面积的29.80%，土地利用类型波动较大. ②景观生态风险以低、较低和中风险区为主，高风险区主要分布在长江三角洲、苏皖沿江平原、江汉平原、洞庭湖平原、鄱阳湖平原以及四川省西北部青藏高原山麓地带，长江中、下游景观生态风险较上游更高. ③风险变化在2010~2015年主要为较低风险转为低风险，2015~2020年景观生态风险向更高风险转移面积大于向更低风险转移面积，且风险等级变化幅度更大. 景观生态风险在空间分布上成正相关性，空间聚类格局较为稳定，高-高聚类先增后减，低-低聚类持续减少. ④人为干扰度、土地利用强度、NDVI和坡度是长江经济带景观生态风险的主要驱动因素，驱动因子两两交互解释力增强. 研究成果对研究区生态补偿优化和可持续发展规划具有重要意义.

关键词: 长江经济带景观生态风险 Moran's I指数空间自相关性分析地理探测器

Spatio-temporal Evolution and Driving Forces of Landscape Ecological Risk in the Yangtze River Economic Belt

LI Jia-he^1,2 , LI Wei-yue² , LIU Yao-hui³

1. School of Surveying and Geo-Informatics, Shandong Jianzhu University, Jinan 250101, China;
2. School of Environmental and Geographic Sciences, Shanghai Normal University, Shanghai 200234, China;
3. School of Remote Sensing Science and Technology, Aerospace Information Technology University, Jinan 250299, China

Abstract: Conducting landscape ecological risk assessment and exploring driving factors can provide scientific support for ecological protection and high-quality development. The Yangtze River Economic Belt was selected as the study area, and multi-temporal remote sensing land-use data from 2010, 2015, and 2020 was utilized to construct a landscape ecological risk assessment model employing landscape pattern indices. We conducted a land type distribution analysis to explore the temporal and spatial fluctuations in landscape ecological risks. The Moran index was utilized to examine the spatial correlation and clustering patterns of landscape ecological risks, while the optimal parameter Geodetector was applied to investigate the driving forces of impact factors. The results indicate: ① Arable land, forests, and grasslands constituted the principal categories of land. Between 2010 and 2015, the region experiencing changes in land use constituted 0.77% of the whole research area; however, from 2015 to 2020, this region represented 29.80% of the total study area, signifying substantial variations in land use patterns. ② The principal levels of landscape ecological risk were low risk, lower risk, and medium risk. High-risk regions were predominantly located in the Yangtze River Delta, the Su-Wan Floodplain, the Jianghan Plain, the Dongting Lake Plain, the Poyang Lake Plain, and the foothills of the Qinghai-Tibet Plateau in northwestern Sichuan Province. The ecological hazards in the middle and lower reaches of the Yangtze River exceeded those found in the upper reaches. ③ From 2010 to 2015, landscape ecological risk alterations were predominantly observed in lower-risk areas, which evolved into low ecological risk zones. The magnitude of these alterations was more pronounced in the higher reaches than in the middle and lower reaches. It was evident that between the years 2015 and 2020, the region exhibiting elevated risk levels surpassed that of reduced risks, and the magnitude of alterations in risk levels was more pronounced. The distribution of landscape ecological risk demonstrated a positive spatial association, characterized by a generally consistent spatial clustering pattern. Initially, high-high clustering rose before declining, whereas low-low clustering persisted in its decline. ④ The level of human disturbance, land use intensity, NDVI, and slope have been identified as significant determinants of landscape ecological risk in the Yangtze River Economic Belt. The explanatory power of pairwise interactions between driving factors was enhanced. The results of the research are of significance for the optimization of ecological compensation and sustainable development planning in the study area.

Key words: Yangtze River Economic Belt landscape ecological risk Moran's I index spatial autocorrelation analysis Geodetector

景观生态风险是指在自然或人为因素的干扰下，自然生态系统可能产生的不利后果^[1，2]. 长江经济带是我国经济发展的重要组成部分，具有丰富的自然资源和发达的社会资源^[3]. 2021年，《中华人民共和国长江保护法》正式实施，旨在加强长江流域生态环境保护和修复，促进资源合理高效利用，保障生态安全，实现人与自然和谐共生、中华民族永续发展. 2022年，《深入打好长江保护修复攻坚战行动方案》强调从生态系统整体性和流域系统性出发，坚持生态优先、绿色发展，坚持综合治理、系统治理和源头治理，坚持精准、科学和依法治污，以高水平保护推动高质量发展，夯实共抓大保护工作基础，努力建设人与自然和谐共生的绿色发展示范带. 近年来，随着“绿水青山就是金山银山”和“共抓大保护”等理念的逐渐深入，生态文明建设成为共识^[4]. 将修复长江生态环境摆在首要位置，着力加强生态环境治理修复^[5]，从源头出发，因地制宜、科学施策和精准治污，长江流域生态环境保护实现历史性、转折性和全局性变化，为高质量发展提供了有力支撑^[6]. 对景观生态风险进行科学系统的评估，探究其驱动因素，对该地区生态环境保护和高质量发展具有重要意义.

国内外学者现已开展景观生态风险的相关研究，近年来对景观生态风险的评价分析是当下研究的热点问题. 土地利用类型转变是人类活动对景观生态风险影响的直接表现，为满足人类的生产生活需求^[7]，土地类型不断转变，随着中国经济快速发展以及对土地的利用程度不断升高，通过土地利用类型探究景观生态风险变化具有一定的现实意义^[8]. 目前景观生态风险评价多集中在针对城市群^[9~11]、水域^[12~14]和生态保护区^[15~17]等生态类型较为单一且生态环境敏感脆弱的区域，李建春等^[10]对东营市的黄河三角洲区域景观生态风险进行评估并对空间分布格局和聚类特征进行分析；杨晓芳等^[12]对以鄱阳湖为核心的42县（市、区）水域生态系统进行景观生态风险分析，但对生态类型多样的长江经济带区域研究较少. 在景观生态风险的评价中，大多注重生态格局研究^[18~21]、廊道识别^[22~25]以及空间分布特征分析^[26~29]，冯琰玮等^[24]对内蒙古区域生态承载力进行评价，识别重要廊道；Xu等^[29]量化土地覆被变化，使用4个景观指数分析榆林生态风险的空间分布，但对研究区生态风险时空变化进行分析的研究较为欠缺. 影响因素分析方面，多采用地理探测器对空间分异性进行探测^[30，31]，研究两个因子间的交互作用优势，所用离散方法和参数多依赖经验确定^[32]，不同离散方法和分类参数对驱动因子的解释力存在较大差异^[33]. 近年来，随着经济和人类活动增加，相关研究显示^[33]，研究期内长江经济带土地利用类型大量转变，对该时期的景观生态风险进行时空变化分析具有重要意义，关注土地利用类型变化以及景观生态风险的演变情况，分析不同时期景观生态风险的空间相关性，能充分探究景观生态风险的时空差异^[34，35]，使用最优参数地理探测器可选择最优离散方法和参数，准确识别不同时期影响因子的空间分异性^[36].

鉴于此，本研究以长江经济带为研究区，基于中国多时期土地利用遥感监测数据和统计年鉴等多源数据，构建基于景观格局指数的景观生态风险评价模型，分析其时空变化趋势；在此基础上，选取9个自然和人为因子，应用地理探测器进行驱动力分析. 本研究旨在为长江经济带的生态保护和高质量发展提供理论支持，并为政府及相关部门制定相应政策提供科学依据.

1 研究区概况与数据来源 1.1 研究区概况

研究区位于21°08′~35°20′N，97°21′~123°25′E之间（图 1），涉及11个省市，土地总面积约为205.23×10⁴ km²，占全国国土总面积的21.35%，人口和生产总值占比均超过全国40%^[37]. 长江经济带上游以高原、山地为主，地势陡峭，峡谷众多；中游平原与丘陵交错，湖泊密布，河道蜿蜒；下游以平原为主，河网密集，地势低平，形成广阔的三角洲^[38]. 地形特点深刻影响了区域的生态与经济发展^[39].

图 1 研究区示意 Fig. 1 Schematic of the study area

1.2 数据来源与预处理

本研究数据来源如表 1所示，选取2010年、2015年和2020年的中国多时期土地利用遥感监测数据集数据，以及相应时间的年平均气温、年降水量和人口数据等.

表 1 本研究数据来源^1） Table 1 Data sources of this study

1.2.1 土地利用遥感监测数据

以2021年《中国多时期土地利用/土地覆盖遥感监测数据库说明》为依据，采用“中国科学院土地资源分类系统”一级类型，即根据土地资源的利用属性，分为耕地、草地、林地、水域、城建用地和未利用地这6类^[40].

1.2.2 遥感数据

使用ArcGIS 10.8空间分析中的坡度工具，将高程数据处理为坡度栅格数据. 基于土地利用数据使用Fragstats 4.3软件计算斑块大小、边缘密度和景观多样性指数，并进行数据计算和可视化处理，得到人为干扰度和土地利用强度栅格数据.

1.2.3 统计数据处理

根据各省市2010年、2015年和2020年统计年鉴等资料，统计长江经济带地级市人均GDP，按照行政边界制作矢量数据，进行空间插值生成分辨率为1 km的人均GDP栅格数据.

2 材料与方法 2.1 风险小区构建

参考相关学者的研究，风险小区选取平均斑块面积的2~5倍为最优尺度^[41]，但考虑研究区大小和生成的风险小区数量，将长江经济带按照等间距采样法划分为大小20 km×20 km的5 614个风险小区作为评价单元. 使用景观格局指数计算各风险小区的景观生态风险，通过空间插值得到研究区的景观生态风险分布.

2.2 土地利用转移矩阵

土地利用转移矩阵是一种用于描述同一区域在不同时间节点土地覆盖状态演变关联的二维矩阵结构，能够直观呈现各类土地利用类型在不同时段的转换情况，清晰展现地类之间的相互转化关系^[42]. 计算公式如下：

S_{i j} = [\begin{matrix} S_{11} & \dots & S_{1 n} \\ ⋮ & ⋮ \\ S_{n 1} & \dots & S_{n n} \end{matrix}]

(1)

式中，S_ij为初始时期第i种地类转变为终止时期第j种地类的面积（km²）；n为土地利用的类型数.

2.3 景观生态风险指数模型

景观生态风险指数（ecological risk index，ERI），其值越高，该评价单元景观生态风险越高^[43]. 计算公式如下：

E R I = \sum_{i = 1}^{n} \frac{A_{k i}}{A_{k}} R_{i}

(2)

式中，A_k为第k个评价单元的面积；A_ki为第k个评价单元内景观类型i的面积；R_i为第i个土地利用类型的景观损失度指数.

R_{i} = F_{i} \times S_{i}

(3)

式中，S_i为第i个土地利用类型的景观干扰度指数，外界干扰越大，系统生态风险越大，景观干扰度越大；F_i为第i个土地利用类型的景观脆弱度指数.

景观脆弱度指数反映各类景观对外界环境的抵抗程度. 景观脆弱度越小，景观格局的结构越稳定，生态系统自我修复和抵御外界环境变化的能力越强，生态风险越低.

对各景观类型的脆弱度强度等级赋值：建设用地赋值为1，林地赋值为2，草地赋值为3，耕地赋值为4，水域赋值为5，未利用地赋值为6^[12，44]. 对各类型景观的脆弱度强度进行归一化处理，得到长江经济带景观脆弱度赋值，如表 2所示.

S_{i} = a C_{i} + b N_{i} + c D_{i}

(4)

表 2 长江经济带景观脆弱度赋值 Table 2 Assignment of landscape vulnerability in the Yangtze River Economic Belt

式中，ɑ、b和c分别为C_i、N_i和D_i的权重，按照指标重要性依次赋值为0.5、0.3和0.2^[45~47]；C_i为土地利用类型中的景观破碎度指数，表征生物多样性的增减情况，值越大，景观内部生态系统的稳定性越差；N_i为景观分离度指数，分离度数值越大，景观类型越离散，景观类型间转换越频繁；D_i为景观优势度指数，反映研究区内景观斑块形状的复杂性，表示外界干扰对景观格局的影响，其值越高，景观格局几何形状越复杂.

C_{i} = \frac{n_{i}}{A_{i}}

(5)

N_{i} = \frac{A}{2 A_{i}} \sqrt[]{\frac{n_{i}}{A}}

(6)

D_{i} = \frac{Q_{i} + M_{i}}{4} + \frac{L_{i}}{2}

(7)

式中，n_i为第i个土地利用类型的斑块数量；A_i为第i个土地利用类型的面积；A为研究区域总面积；Q_i为第i个土地利用类型的单元格数与总单元格数之比；M_i为第i个土地利用类型的斑块数量与总斑块数量之比；L_i为第i个土地利用类型的面积与风险小区面积之比.

2.4 Moran's I空间相关性分析原理

空间自相关反映单元属性值的空间聚集性，表征相邻变量的空间分布是否相互影响. 全局Moran's I统计量（I）从宏观角度反映景观生态风险的空间相关程度，置信区间为（-1，1），大于0表示正空间自相关，越大相似值聚集程度越高；等于0表示无空间自相关；小于0表示负空间自相关，越小相似值越分散. 局部Moran's I统计量（I_i）可以更好地反映局部空间信息，说明景观生态风险的聚类分布模式^[48，49]. 计算公式如下：

I = \frac{n \sum_{i = 1}^{n} \sum_{j = 1}^{n} W_{i j} (x_{i} - \bar{x}) (x_{j} - \bar{x})}{\sum_{i = 1}^{n} (x_{i} {- \bar{x})}^{2} \sum_{i = 1}^{n} \sum_{j = 1}^{n} W_{i j}}

(8)

I_{i} = \frac{n (x_{i} - \bar{x})}{\sum_{i} (x_{i} {- \bar{x})}^{2}} \sum_{j = 1}^{n} W_{i j} (x_{j} - \bar{x}) (i \neq j)

(9)

式中，x_i和x_j为评价单元i和j的景观生态风险指数；W_ij为i、j的空间邻接权重矩阵； $\bar{x}$ 为景观生态风险指数均值.

2.5 地理探测器

地理探测器用于探测空间分异性，是揭示其驱动因子的统计学方法，核心内容是探究因变量和自变量之间的强弱关系^[50]. 讨论风险小区方差与研究区总方差的关系，当小区方差小于总方差时，存在空间分异性；若两变量空间分布相近，则存在统计关联性，自变量与因变量的地理特征分布吻合度较高.

因子探测器解释力q值取值范围为（0，1），用于探测因变量Y的空间分异性和不同自变量因子X对因变量Y的解释力，解释力越大，自变量因子对景观生态风险的贡献越大，景观生态风险的空间分异性越显著. 计算公式如下：

q = 1 - \frac{\sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}} = 1 - \frac{S S W}{S S T}

(10)

S S W = \sum_{h = 1}^{L} N_{h} σ_{h}^{2}, S S T = N σ^{2}

(11)

式中，L为驱动因子的分类数；N_h和N分别为驱动因子h和研究区总分类的单元数， $σ_{h}^{2}$ 和 $σ^{2}$ 分别为驱动因子h和研究区景观生态风险大小的方差；SSW为各类别分类方差的和；SST为研究区各类别总方差.

交互探测器用于探究不同因子X₁和X₂交互作用的解释力相较于单因子解释力存在增强或减弱的关系，以及两种因子对因变量Y的影响是否独立. 驱动因子间交互作用的类型，如表 3所示.

表 3 驱动因子间交互作用的类型 Table 3 Types of interactions between drivers

参数优化包括变量离散化参数优化和空间尺度优化. 选取自然因子[归一化植被指数（normalized difference vegetation index，NDVI）、坡度、年降雨量和年平均气温]、人为因子（人为干扰度^[51]、土地利用强度^[52]、人口密度、人均GDP和夜间灯光），运用等间距法、分位数法、自然间距法、几何间隔法和标准差间距法将分类数量设为4~6类，选取解释力最大的组合方式为最优地理探测器分析参数.

3 结果与讨论 3.1 土地利用类型变化分析

长江经济带区域在2010年、2015年和2020年这3个时期，不同土地类型的面积情况如图 2、图 3和表 4所示. 土地利用类型面积由大到小依次为：林地 > 耕地 > 草地 > 建设用地 > 水域 > 未利用地. 耕地主要分布于长江三角洲、苏皖沿江平原、江汉平原、洞庭湖平原、鄱阳湖平原以及四川盆地区域，林地分布较为分散，草地多集中在西北部青藏高原，水域主要分布在耕地附近，建设用地多在水域及耕地周围. 耕地、林地、草地是长江经济带主要土地利用类型，占总面积的90%以上. 林地面积占比最大，在2010年、2015年和2020年分别为939 712、936 922和944 594 km²，占各时期总面积的46.05%、45.91%和46.27%，2015年占比出现小幅下降. 耕地面积占比第二，占比呈下降趋势，由30.70%下降为29.59%. 草地也呈小幅度减少趋势. 建设用地面积由研究初期占比为2.80%，到2015年增至总面积的3.30%，再到2020年达到4.08%，呈持续增长趋势，总变化幅度为45.95%. 水域面积小幅增加，由2.78%增至2.99%.

图 2 长江经济带土地利用类型分布 Fig. 2 Distribution of land use types in the Yangtze River Economic Belt

图 3 长江经济带土地利用类型占比 Fig. 3 Proportion of land use types in the Yangtze River Economic Belt

表 4 长江经济带土地利用类型面积 Table 4 Area of land use types in the Yangtze River Economic Belt

土地利用类型转变情况如图 4所示. 2010~2015年土地利用转变总面积为15 730 km²，占研究区总面积0.77%，主要为耕地、林地转为建设用地，耕地转出9 185 km²，占总转出面积的58.4%，净转出量为8 057 km². 林地占总转出面积的23.27%，建设用地增加10 866 km². 2015~2020年土地利用类型发生转变的面积为608 305 km²，占研究区总面积的29.80%. 其中，耕地、林地、草地转出面积均超过100 000 km²，但转出前后各土地利用类型的面积总量变化不大. 耕地净转出量为14 645 km²，草地净转出量为11 297 km². 在研究期间建设用地面积增加15 922 km²，水域增加3 222 km². 2010~2020年土地利用类型转变总面积为610 659 km²，占研究区总面积的29.92%. 该时间段内土地利用类型转变涉及范围大，但转变后各类型土地的面积占比变化不大，转出面积多的地类转入也多.

图 4 长江经济带土地利用类型转变弦图 Fig. 4 Chord diagram of land use type changes in the Yangtze River Economic Belt

3.2 景观生态风险评价分析 3.2.1 景观生态风险空间分布

对计算得出的各风险小区的景观生态风险指数进行克里金差值，参考自然断点法将长江经济带2010年、2015年和2020年的景观生态风险划分为5个等级，0.01~0.02为低风险区，0.02~0.03为较低风险区，0.03~0.04为中风险区，0.04~0.05为较高风险区，0.05~0.1为高风险区，2010~2020年长江经济带景观生态风险评价结果如图 5和表 5所示. 2010~2020年长江经济带景观生态风险整体为中低风险类型. 景观生态风险在2015年低风险区占比显著提升，2020年较高风险区占比小幅增加. 2010~2020年间，低和较低风险区增加0.34个百分点，中风险减少0.68个百分点，高和较高风险区增加0.34个百分点. 高风险区主要集中在长江三角洲、苏皖沿江平原、江汉平原、洞庭湖平原、鄱阳湖平原以及四川省西北部青藏高原山麓地带，与耕地和草地类型的分布高度重合. 中风险区分布在高和较高风险区周围，以及四川盆地地区. 2010~2015年长江经济带高和较高风险区总面积占比变化不大，共增加0.04个百分点；中风险区占比减少0.63个百分点；低风险区占比增加9.58个百分点，较低风险区占比减少8.99个百分点. 2015~2020年长江经济带景观生态风险低和较低风险区总面积占比减少0.25个百分点，中风险区面积占比减少0.05个百分点，较高风险区面积占比增加0.35个百分点，高风险区占比减少0.05个百分点，高和较高区域占比共增加0.30个百分点.

图 5 长江经济带景观生态风险分布 Fig. 5 Distribution of landscape ecological risk levels in the Yangtze River Economic Belt

表 5 长江经济带景观生态风险等级占比/% Table 5 Proportion of landscape ecological risk levels in the Yangtze River Economic Belt/%

3.2.2 景观生态风险时空演变分析

长江经济带景观生态风险时空变化情况如图 6、图 7和表 6所示. 整体看来，长江经济带上游和中游变化较下游显著，景观生态风险等级升高区域多出现在云南省、四川省、贵州省、重庆市以及江苏省内，风险等级降低区域较为分散，以重庆市东南部较为典型. 2010~2015年，景观生态风险水平变化幅度较小，没有跨级变化，研究区内风险等级降低为主要趋势，发生风险等级变化的区域中86.81%为较低风险区转为低风险区，5.92%为中风险区转为较低风险区，根据土地利用类型分布情况主要分布在耕地边缘区域. 风险等级增高区域主要出现在云南省中部、四川省西部、湖北省南部以及江苏和安徽省北部，分布较为零散. 2015~2020年，以上游变化为主，风险等级增高、降低区域交错分布. 江苏省西北部有较为集中的风险等级增加区域. 等级变化区域较前一阶段减少4.73个百分点，等级发生变化区域中60.82%等级增加，39.18%等级降低. 发生风险等级变化的区域主要为增加或降低一个等级的变化，风险等级跨级变化占比较低. 2010~2020年间，长江经济带景观生态风险等级基本稳定，87.13%的区域景观生态风险等级不变，向低风险等级转变趋势较为明显，小范围区域存在风险等级增加情况.

图 6 长江经济带景观生态风险演变 Fig. 6 Evolution of landscape ecological risks in the Yangtze River Economic Belt

图 7 长江经济带景观生态风险变化桑基图 Fig. 7 Sankey diagram of landscape ecological risks in the Yangtze River Economic Belt

表 6 长江经济带景观生态风险变化比例^1）/% Table 6 Proportion of changes in landscape ecological risks in the Yangtze River Economic Belt/%

3.2.3 空间相关性分析

根据2010年、2015年和2020年长江经济带景观生态风险结果，进行全局空间自相关分析，如图 8所示，全局Moran's I依次为0.706、0.716和0.718，Z得分均大于2.58（对应99%置信水平），显著性检验已通过（P < 0.01），研究区景观生态风险呈空间正相关性，在空间上表现为聚集状态. 指数逐年增大，2010~2020年长江经济带景观生态风险局部空间自相关性变化不大，由Moran's I指数空间分布可知（图 8），2010~2020年长江经济带景观生态风险以高-高、低-低空间聚类为主，高-低、低-高聚类数量较少，分布不均匀，无规律性. 高-高聚类主要分布在高风险区域，在研究区东北和西北区域，且热点聚集范围扩大. 高-高聚类2015年边缘区域扩张明显，2020年边缘区域略有萎缩；低-低聚类主要分布在低风险区域中，2010~2020年间在边缘区域呈小幅萎缩趋势. 高-高聚类区域主要是经济活动密集的工业区和城市区，工业化程度高，人口密集、受人类干扰多，污染集中、环境压力大；低-低聚类区域土地利用类型多为林地、草地，自然环境优渥，经济活动较少，生态系统健康.

图 8 长江经济带景观生态风险局部Moran's I指数空间分布 Fig. 8 Spatial distribution of localized Moran's I index of landscape ecological risk in the Yangtze River Economic Belt

3.3 驱动力分析 3.3.1 单因子探测

对景观生态风险指数进行最优参数地理探测器分析的结果如表 7所示，为方便表达，驱动力因子X₁、X₂、X₃、X₄、X₅、X₆、X₇、X₈和X₉分别代表：NDVI、坡度、年降水量、年平均气温、人为干扰度、土地利用强度、人口密度、人均GDP和夜间灯光. 年降水量和土地利用强度采用标准差间距法，年平均气温采用等间距法，坡度、人口密度、人均GDP和夜间灯光采用分位数法，NDVI和人为干扰度采用自然间距法. 2010年驱动力因子解释力由大到小依次为：人为干扰度 > 土地利用强度 > 坡度 > NDVI > 人口密度 > 夜间灯光 > 年平均气温 > 人均GDP > 年降水量. 2015年，NDVI、坡度、人为干扰度和土地利用强度的解释力均小幅增加，年降水量解释力由0.051 6增至0.066 4，较人均GDP解释力更大. 2020年，坡度、年降水量、年平均气温、人为干扰度、土地利用强度和人均GDP解释力均减小，夜间灯光的解释力由0.136 7增至0.167 0，增幅显著，夜间灯光解释力大于人口密度解释力. 在不同时间驱动力因子对景观生态风险的解释力不同，人为干扰度、土地利用强度、NDVI和坡度的解释力是景观生态风险的主要驱动因子，人为因子的驱动力显著大于自然因子，人类活动的强弱对景观生态风险变化有着直接的影响.

表 7 单因子探测结果 Table 7 Results of single factor detection

3.3.2 交互风险探测

双因子交互驱动力探测结果如图 9所示，任意两个驱动因子交互作用均对长江经济带景观生态风险解释力加强，主要为非线性增强和双因子增强. 人为干扰度与其他因子的交互作用对长江经济带景观生态风险空间交互的解释力较大，q值均大于0.8. 2010年，人为干扰度和土地利用强度交互作用结果解释力最高，为0.919 8，最低为年降水量和年平均气温的交互结果，解释力为0.139 6. 2015年，人为干扰度和土地利用强度交互作用结果解释力仍最高、年降水量和年平均气温的交互结果最低，但解释力均有所增大；年降水量和人均GDP、人均GDP和夜间灯光、土地利用强度和夜间灯光、人口密度和夜间灯光、人口密度和人均GDP的解释力较2010年略有减少. 2020年，解释力最高与最低的组合与2015年保持一致，土地利用强度与其他因子交互作用的解释力较2015年降低明显，年平均气温与土地利用强度交互结果解释力由0.550 7降至0.497 4.

图 9 景观生态风险驱动力因子交互探测结果热力图 Fig. 9 Heat map of interaction detection results of landscape ecological risk drivers

4 结论

（1）长江经济带以耕地、林地和草地为主，占总面积的90%以上；2010~2015年土地利用类型转变占总研究区面积的0.77%，2015~2020年转变占总面积的29.80%，后期土地利用类型发生较大改变，耕地、林地和草地发生变化的面积较多但各类型总量变化不大，建设用地占比在2010~2020年由2.80%增至4.08%，增幅明显.

（2）长江经济带景观生态风险以低、较低和中风险区为主，高风险区主要分布在长江三角洲、苏皖沿江平原、江汉平原、洞庭湖平原、鄱阳湖平原以及四川省西北部青藏高原山麓地带，与土地利用类型的耕地、草地的空间分布高度重合，长江中下游景观生态风险较上游更高.

（3）2010~2015年大量较低风险区转为低风险区，长江经济带景观生态风险向好趋势明显. 2015~2020年，景观生态风险转变趋势向更高风险和更低风险转变的情况均较为显著，向更高风险转变面积大于向更低风险转变面积，且较前期风险等级变化幅度更大. 长江经济带景观生态风险在空间上成正相关性，空间聚类格局较为稳定，空间相关性、依赖性和趋同性增强，高-高聚类空间分布与高风险区分布一致，2015年边缘扩张明显，2020年小幅萎缩；低-低聚类在研究期间均小幅收缩.

（4）人为因素对景观生态风险解释力更强，人为干扰度、土地利用强度、NDVI和坡度是长江经济带景观生态风险的主要驱动因素，人为因子的解释力大于自然因子. 驱动因子两两交互作用，解释力均优于单因子的解释力，人为干扰度和土地利用强度交互作用结果解释力最强，年降水量和年平均气温的交互结果最低.

参考文献

[1]	罗芹芹, 刘凤莲. 赤水河流域(贵州段)景观生态风险时空演变及驱动力探索[J]. 中国生态农业学报(中英文), 2025, 33(3): 550-562. Luo Q Q, Liu F L. Spatial-temporal evolution and driving forces of landscape ecological risk in the Chishui River Basin (Guizhou section)[J]. Chinese Journal of Eco-Agriculture, 2025, 33(3): 550-562.
[2]	孟祥源, 王子昊, 王冰, 等. 呼包鄂生态系统服务价值与景观生态风险时空动态变化及关联性[J]. 环境科学, 2025, 46(9): 5941-5950. Meng X Y, Wang Z H, Wang B, et al. Spatiotemporal dynamics and correlations between ecosystem service values and landscape ecological risks in Hohhot-Baotou-Ordos[J]. Environmental Science, 2025, 46(9): 5941-5950. DOI:10.13227/j.hjkx.202409091
[3]	黄鹏, 洪土林, 左腾云, 等. 基于"风险-健康-服务"的长江中游区域生态安全时空演化及影响因素[J]. 环境科学, 2026, 47(4): 2440-2452. Huang P, Hong T L, Zuo T Y, et al. Spatiotemporal evolution and influencing factors of ecological security in the middle reaches of the Yangtze River based on "risk-health-service[J]. Environmental Science, 2026, 47(4): 2440-2452. DOI:10.13227/j.hjkx.202504067
[4]	朱其静, 杨效忠, 刘昌琪, 等. 基于线路合作的乡村旅游地协同演化路径[J]. 生态学报, 2025, 45(8): 3819-3830. Zhu Q J, Yang X Z, Liu C Q, et al. Photosynthesis in tourism destinations: growth path of rural tourism destinations based on routes cooperation[J]. Acta Ecologica Sinica, 2025, 45(8): 3819-3830.
[5]	王振伟, 王译磊, 汪晓春, 等. 基于多情景模拟的三生空间动态变化与生态系统服务响应: 以湖北省为例[J]. 环境科学, 2026, 47(4): 2497-2510. Wang Z W, Wang Y L, Wang X C, et al. Dynamic changes in the production-living-ecological space and ecosystem service responses based on multi-scenario simulations: a case study of Hubei Province[J]. Environmental Science, 2026, 47(4): 2497-2510. DOI:10.13227/j.hjkx.202504067
[6]	董庆森. 以高品质生态环境支撑高质量发展[N]. 经济日报, 2025-03-11(09).
[7]	付梦雨, 邱孟龙, 符绍武, 等. 土地利用强度与景观生态风险的时空演变及其耦合协调特征[J]. 水土保持研究, 2025, 32(3): 291-299. Fu M Y, Qiu M L, Fu S W, et al. Spatiotemporal evolution of land use intensity and landscape ecological risk and their coupling coordination characteristics[J]. Research of Soil and Water Conservation, 2025, 32(3): 291-299.
[8]	丁金华, 汪大庆, 钱晶. 城市扩张情景下苏南水网景观生态风险评价与生态安全格局构建——以苏州白蚬湖片区为例[J]. 长江流域资源与环境, 2024, 33(9): 2059-2070. Ding J H, Wang D Q, Qian J. Landscape ecological risk assessment and ecological security pattern construction in the southern Jiangsu water network area under the urban expansion scenario simulation: a case study of the Baixian Lake area in Suzhou[J]. Resources and Environment in the Yangtze Basin, 2024, 33(9): 2059-2070.
[9]	夏爽力, 郑焕, 何晓伟, 等. 黔中城市群1990—2022年"三生"空间时空格局演变特征分析[J]. 贵州大学学报(自然科学版), 2025, 42(2): 107-115. Xia S L, Zheng H, He X W, et al. Spatiotemporal evolution characteristic analysis of "production-living-ecological" spaces in the Qianzhong urban agglomeration from 1990 to 2022[J]. Journal of Guizhou University (Natural Sciences), 2025, 42(2): 107-115.
[10]	李建春, 周晓雨, 李慧琳, 等. 黄河三角洲城市景观生态风险测度及影响因素[J]. 水土保持学报, 2025, 39(1): 262-273. Li J C, Zhou X Y, Li H L, et al. Study on urban landscape ecological risk measurement and the influencing factors in the Yellow River delta[J]. Journal of Soil and Water Conservation, 2025, 39(1): 262-273.
[11]	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
[12]	杨晓芳, 于少康, 罗志军, 等. 多尺度视角下环鄱阳湖区景观生态风险与生态系统服务的相互关系及分区管控[J]. 环境科学, 2026, 46(12): 7918-7934. Yang X F, Yu S K, Luo Z J, et al. Interaction and zoning management of landscape ecological risk and ecosystem services around Poyang Lake from multi-scale perspective[J]. Environmental Science, 2026, 46(12): 7918-7934. DOI:10.13227/j.hjkx.202412081
[13]	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
[14]	Yan Z Y, Wang Y Q, Wang Z, et al. Spatiotemporal analysis of landscape ecological risk and driving factors: a case study in the Three Gorges Reservoir area, China[J]. Remote Sensing, 2023, 15(19). DOI:10.3390/rs15194884
[15]	徐嵩, 季鹏云, 张戈. 多情景模拟下自然保护区景观生态风险预测及优化[J]. 中国城市林业, 2025, 23(2): 75-83. Xu S, Ji P Y, Zhang G. Ecological risk prediction of nature reserve landscape under multi-scenario simulation and its optimization[J]. Journal of Chinese Urban Forestry, 2025, 23(2): 75-83.
[16]	Wang H, Liu X M, Zhao C Y, et al. Spatial-temporal pattern analysis of landscape ecological risk assessment based on land use/land cover change in Baishuijiang National nature reserve in Gansu Province, China[J]. Ecological Indicators, 2021, 124. DOI:10.1016/j.ecolind.2021.107454
[17]	Zhang N, Yuan R Y, Jarvie S, et al. Landscape ecological risk of China's nature reserves declined over the past 30 years[J]. Ecological Indicators, 2023, 156. DOI:10.1016/j.ecolind.2023.111155
[18]	Zhang J X, Hu R Z, Cheng X L, et al. Assessing the landscape ecological risk of road construction: the case of the Phnom Penh-Sihanoukville Expressway in Cambodia[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110582
[19]	乔斌, 颜玉倩, 张婷华, 等. 基于土地利用变化的西宁市景观生态风险识别及优化策略[J]. 生态学杂志, 2023, 42(8): 2020-2031. Qiao B, Yan Y Q, Zhang T H, et al. Landscape ecological risk identification and optimization strategy in Xining City based on land use change[J]. Chinese Journal of Ecology, 2023, 42(8): 2020-2031.
[20]	Kang J M, Yang J Y, Qing Y X, et al. Landscape ecological risk assessment of Saihanba under the change in forest landscape pattern[J]. Forests, 2024, 15(4). DOI:10.3390/f15040700
[21]	Zeng W T, He Z W, Bai W Q, et al. Identification of ecological security patterns of alpine wetland grasslands based on landscape ecological risks: a study in Zoigê County[J]. Science of the Total Environment, 2024, 928. DOI:10.1016/j.scitotenv.2024.172302
[22]	任秋萌, 余向克, 黄中杰, 等. 乡镇级国土空间规划中三生廊道的划定方法探讨[J]. 测绘与空间地理信息, 2024, 47(12): 19-22, 27. Ren Q M, Yu X K, Huang Z J, et al. Demarcating methods of three types of corridors in territorial space planning at township level[J]. Geomatics & Spatial Information Technology, 2024, 47(12): 19-22, 27.
[23]	冯蕊, 何蕴龙, 曹学兴, 等. 深厚覆盖层上高土石坝坝基廊道安全性研究[J]. 天津大学学报(自然科学与工程技术版), 2023, 56(5): 513-523. Feng R, He Y L, Cao X X, et al. Safety of gallery in high rockfill dam on thick overburden layer[J]. Journal of Tianjin University (Science and Technology), 2023, 56(5): 513-523.
[24]	冯琰玮, 甄江红, 马晨阳. 内蒙古生态承载力评价及生态安全格局优化[J]. 地理研究, 2021, 40(4): 1096-1110. Feng Y W, Zhen J H, Ma C Y. Evaluation of ecological carrying capacity and optimization of ecological security pattern in Inner Mongolia[J]. Geographical Research, 2021, 40(4): 1096-1110.
[25]	杨钊, 朱其静, 刘昌琪, 等. 共同富裕目标下廊道旅游地农户生计的脆弱性变化及其调控[J]. 自然资源学报, 2023, 38(2): 529-544. Yang Z, Zhu Q J, Liu C Q, et al. Vulnerability change and regulation of farmers' livelihood in corridor tourism areas under the goal of common prosperity[J]. Journal of Natural Resources, 2023, 38(2): 529-544.
[26]	李权玺, 马彪, 毛子玄, 等. 基于样方分析的甘肃省白龙江流域景观生态风险演变[J]. 科学技术与工程, 2024, 24(27): 11565-11575. Li Q X, Ma B, Mao Z X, et al. Evolution of landscape ecological risk in the Bailongjiang Basin of Gansu Province based on sample analysis[J]. Science Technology and Engineering, 2024, 24(27): 11565-11575.
[27]	贾语非, 王秀荣. 贵阳市花溪区2008—2018年景观生态风险时空动态[J]. 山地学报, 2023, 41(2): 180-191. Jia Y F, Wang X R. Spatio-temporal dynamics of landscape ecological risks in Huaxi District of Guiyang City, Guizhou, China (2008-2018)[J]. Mountain Research, 2023, 41(2): 180-191.
[28]	左岍, 周勇, 李晴, 等. 基于最优尺度的鄂西南山区景观生态风险时空变化特征[J]. 生态学杂志, 2023, 42(5): 1186-1196. Zuo Q, Zhou Y, Li Q, et al. Spatial and temporal variations of landscape ecological risk in the mountainous region of southwestern Hubei Province based on the optimal scale[J]. Chinese Journal of Ecology, 2023, 42(5): 1186-1196.
[29]	Xu B, Ji K, Qi B, et al. Landscape ecological risk assessment of Yulin Region in Shaanxi Province of China[J]. Environmental Earth Sciences, 2022, 81(21). DOI:10.1007/s12665-022-10636-x
[30]	金梦婷, 徐丽萍, 徐权. 基于FLUS-Markov模型的多情景景观生态风险评价与预测——以南疆克州为例[J]. 干旱区研究, 2021, 38(6): 1793-1804. Jin M T, Xu L P, Xu Q. FLUS-Markov model-based multiscenario evaluation and prediction of the landscape ecological risk in Kezhou, South Xinjiang[J]. Arid Zone Research, 2021, 38(6): 1793-1804.
[31]	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
[32]	魏鹏, 余敦, 胡海洋, 等. 立体空间视角下景观生态风险时空演化及影响因素分析[J]. 农业工程学报, 2024, 40(19): 250-261. Wei P, Yu D, Hu H Y, et al. Spatial-temporal evolution and influencing factors of landscape ecological risk from the perspective of three-dimensional space[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(19): 250-261.
[33]	曹雄, 崔童, 王玥玮, 等. 1980—2023年长江流域湿地动态演变及驱动机制[J]. 环境科学学报, 2025, 45(8): 424-437. Cao X, Cui T, Wang Y W, et al. Long-term dynamic evolution and driving mechanisms of wetlands in the Yangtze River basin during 1980-2023[J]. Acta Scientiae Circumstantiae, 2025, 45(8): 424-437.
[34]	冯少茹, 黄木易, 舒莹, 等. 1995—2020年长江流域安徽段景观生态风险评估及地理探测[J]. 安徽农业大学学报, 2024, 51(6): 1042-1050. Feng S R, Huang M Y, Shu Y, et al. Landscape ecological risk assessment and geographic exploration in the Anhui section of the Yangtze River Basin from 1995 to 2020[J]. Journal of Anhui Agricultural University, 2024, 51(6): 1042-1050.
[35]	高林, 赵中秋, 宋东阳, 等. 景观生态风险演变及其对驱动因素的响应——以北京生态涵养区为例[J]. 中国环境科学, 2024, 44(7): 4031-4041. Gao L, Zhao Z Q, Song D Y, et al. Evolution of landscape ecological risk and its response to natural and anthropogenic factors: a case study of ecological conservation area in Beijing[J]. China Environmental Science, 2024, 44(7): 4031-4041.
[36]	喻春哲, 于欢, 项清, 等. 四川省生态脆弱性时空分异及其驱动机制[J]. 环境科学, 2024, 45(12): 6922-6934. Yu C Z, Yu H, Xiang Q, et al. Spatio-temporal differentiation and its driving mechanism of ecological vulnerability in Sichuan Province[J]. Environmental Science, 2024, 45(12): 6922-6934. DOI:10.13227/j.hjkx.202312110
[37]	张敏, 杨励雅, 胡卓玮, 等. 长江经济带城市扩张的时空分异特征及影响机制[J]. 地理学报, 2024, 79(2): 439-461. Zhang M, Yang L Y, Hu Z W, et al. Spatiotemporal differentiation and influencing mechanism of urban expansion in the Yangtze River Economic Belt, China[J]. Acta Geographica Sinica, 2024, 79(2): 439-461.
[38]	崔浩楠, 罗海江, 张学珍. 1982—2019年长江经济带植被覆盖变化的时空特征[J]. 生态学杂志, 2021, 40(8): 2517-2529. Cui H N, Luo H J, Zhang X Z. Temporal and spatial characteristics of green vegetation cover changes in the Yangtze River Economic Belt from 1982 to 2019[J]. Chinese Journal of Ecology, 2021, 40(8): 2517-2529.
[39]	杨和平, 李红波. 农业新质生产力对耕地利用生态效率的影响——以长江经济带为例[J]. 中国土地科学, 2024, 38(11): 94-104. Yang H P, Li H B. Impact of agricultural new quality productivity on ecological efficiency of cultivated land use: a case study of the Yangtze River Economic Belt[J]. China Land Science, 2024, 38(11): 94-104.
[40]	徐新良, 刘纪远, 张树文, 等. 资源环境科学数据注册与出版系统[DB/OL]. http://www.resdc.cn/DOI, 2018.
[41]	王舒, 刘凤莲, 杜汶胶, 等. 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 S, Liu F L, Du W J, et al. 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. DOI:10.13227/j.hjkx.202405125
[42]	郑颖雯, 王周锋, 李思杰, 等. 近30年来渭河流域土地利用/覆被时空动态演化特征及驱动力分析[J]. 环境科学, 2025, 46(11): 7106-7118. Zheng Y W, Wang Z F, Li S J, et al. Analysis of spatiotemporal dynamic evolution characteristics and driving forces of land use/cover change in the Weihe River Basin in the past 30 years[J]. Environmental Science, 2025, 46(11): 7106-7118. DOI:10.13227/j.hjkx.202407278
[43]	杨博文, 刘凤莲, 陈洪敏. 怒江流域(云南段)景观生态风险演变格局及驱动力[J]. 环境科学, 2025, 46(12): 7982-7994. Yang B W, Liu F L, Chen H M. Evolution pattern and driving forces of landscape ecological risk in the Nujiang River Basin (Yunnan Section)[J]. Environmental Science, 2025, 46(12): 7982-7994. DOI:10.13227/j.hjkx.202410254
[44]	王腾雯, 程俊豪, 熊航, 等. 融合生态安全格局和基于自然解决方案的山水林田坝草一体化保护和系统治理[J]. 生态学报, 2025, 45(3): 1210-1225. Wang T W, Cheng J H, Xiong H, et al. Integrated conservation and systematic management of mountain-river-forest-farmland-dam-grass based on the ecological security pattern and Nature-based Solutions (NbS)[J]. Acta Ecologica Sinica, 2025, 45(3): 1210-1225.
[45]	卿希, 李巍, 陆中桂. 黄河流域城市群土地利用变化与生态风险评价[J]. 中国环境科学, 2024, 44(2): 984-991. Qing X, Li W, Lu Z G. Land use change and ecological risk assessment of the urban agglomerations in the Yellow River Basin[J]. China Environmental Science, 2024, 44(2): 984-991.
[46]	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.
[47]	何钊全, 尚雪, 张铜会, 等. 近20年陕北黄土丘陵区景观生态风险时空变化及其冷热点格局[J]. 生态学杂志, 2023, 42(10): 2514-2525. He Z Q, Shang X, Zhang T H, et al. Spatiotemporal variations of landscape ecological risk and its cold-hot spot pattern in the loess hills of northern Shaanxi over the past 20 years[J]. Chinese Journal of Ecology, 2023, 42(10): 2514-2525.
[48]	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.
[49]	张可艺, 肖佳, 方建. 长江经济带三大城市群PM_2.5时空演变及其影响因素异质性分析[J]. 地球信息科学学报, 2025, 27(6): 1478-1498. Zhang K Y, Xiao J, Fang J. Spatio-temporal evolution of PM_2.5 and heterogeneity analysis of influencing factors in three urban agglomerations of the Yangtze River Economic Belt[J]. Journal of Geo-information Science, 2025, 27(6): 1478-1498.
[50]	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 F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.
[51]	汪左, 鞠森, 王畅畅, 等. 江苏省景观格局时空演变及对人为干扰度的响应[J]. 遥感技术与应用, 2023, 38(2): 264-273. Wang Z, Ju S, Wang C C, et al. Temporal and spatial evolution of landscape pattern and its response to human disturbance in Jiangsu Province[J]. Remote Sensing Technology and Application, 2023, 38(2): 264-273.
[52]	于明雪, 孙建国, 杨维涛, 等. 基于贝叶斯层次时空模型的甘肃省土地利用程度演变分析[J]. 地理科学, 2022, 42(5): 918-925. Yu M X, Sun J G, Yang W T, et al. Evolution of land use degree in Gansu Province based on Bayesian hierarchical spatio-temporal model[J]. Scientia Geographica Sinica, 2022, 42(5): 918-925.


环境科学 2026, Vol. 47 Issue (9): 6317-6327	PDF