基于生态系统服务价值的郑洛沿黄地区景观生态风险时空演变及驱动力分析

引用本文

徐梦菲, 汪霞. 基于生态系统服务价值的郑洛沿黄地区景观生态风险时空演变及驱动力分析[J]. 环境科学, 2026, 47(1): 444-455.

XU Meng-fei, WANG Xia. Spatial-temporal Evolution of Landscape Ecological Risk and Driving Forces Based on Ecosystem Service Value Along the Yellow River in Zhengzhou and Luoyang Cities[J]. Environmental Science, 2026, 47(1): 444-455.

基于生态系统服务价值的郑洛沿黄地区景观生态风险时空演变及驱动力分析

徐梦菲, 汪霞

郑州大学建筑学院，郑州 450001

收稿日期: 2024-12-05; 修订日期: 2025-02-14

基金项目: 河南省科技攻关项目（182102210177，202102310256）

作者简介: 徐梦菲（1999~），女，硕士研究生，主要研究方向为景观生态学，E-mail：2322813313@qq.com

通信作者: 汪霞, E-mail：wx1208@zzu.edu.cn

摘要: 科学评价景观生态风险时空分异并识别驱动因素，为区域生态风险调控和可持续发展提供参考. 基于1990~2022年土地利用数据，测算研究区生态系统服务价值并分析变化特征，以“损失”与“概率”累乘的视角构建基于生态系统服务价值的景观生态风险评估体系，结合空间自相关分析和地理探测器，探究郑洛沿黄地区生态风险的演变趋势和影响因素. 结果表明：①耕地和建设用地是研究区的优势景观类型，土地利用转换以耕地的转出和建设用地的转入为主要特征，林地、草地和水域整体波动幅度较小. ②32 a间生态系统服务价值总量下降，空间分布呈“南北两侧高、中部较低”的特点，区域生态系统以调节服务为主，耕地和水域对生态系统服务价值的贡献最大. ③2000~2022年景观生态风险加剧，低风险区大幅减少，高和较高风险区域面积增加，低和较低值区集中于西部山地丘陵，生态风险空间分布整体呈显著正相关关系. ④建设用地比例、夜间灯光强度和植被覆盖度是驱动景观生态风险变化的主要因素，研究期内，多数因子间的交互作用均不断提高，建设用地比例和夜间灯光强度的交互效应对景观生态风险的影响最为显著. 研究结果可为区域生态风险调控提供科学参考.

关键词: 土地利用变化生态系统服务价值景观生态风险地理探测器沿黄地区

Spatial-temporal Evolution of Landscape Ecological Risk and Driving Forces Based on Ecosystem Service Value Along the Yellow River in Zhengzhou and Luoyang Cities

XU Meng-fei , WANG Xia

School of Architecture，Zhengzhou University，Zhengzhou 450001，China

Abstract: Scientific evaluation of spatio-temporal differentiation of landscape ecological risks and identification of driving factors in order to provide reference for regional ecological risk regulation and sustainable development. Based on land use data from 1990 to 2022，the ecosystem service value of the study area was calculated，and the characteristics of changes were analyzed. From the perspective of “loss” and “probability” accumulation，the landscape ecological risk assessment system based on ecosystem service value was constructed. Combined with spatial autocorrelation analysis and Geodetectors，the evolution trend and influencing factors of ecological risks in the areas along the Yellow River in Zhengzhou and Luoyang cities were explored. The results showed that：① Cultivated land and construction land were advantageous landscape types in the study area. Land use conversion was mainly characterized by the transfer of cultivated land and construction land，while the overall fluctuation of forest land，grassland，and water was minimal. ② Over the past 32 years，the total value of ecosystem services declined，with the spatial distribution characterized by “high values on the north and south sides and low values in the middle.” Regional ecosystems were dominated by regulating services，with cultivated land and water contributing the most to the value of ecosystem services. ③ From 2000 to 2022，the landscape ecological risk intensified，with a significant decrease in low risk areas and an increase in high and medium-high risk areas. Low and medium-low value areas were concentrated in the western hilly terrain，and the overall spatial distribution of ecological risk showed a significant positive correlation. ④ The proportion of construction land，nighttime light intensity，and vegetation coverage were the main factors driving changes in landscape ecological risk. During the research period，most of the interactions among the factors were increasing，and the interaction effects between the proportion of built-up land and nighttime light intensity had the most significant impact on landscape ecological risk. The results can provide scientific references for regional ecological risk regulation.

Key words: land use change ecological service value landscape ecological risk Geodetector areas along the Yellow River

土地作为地表景观的宏观表征方式，其结构及格局变化是引起区域生态环境变化的重要因素，日益频繁的人类活动及高强度的开发建设，威胁着人地关系的和谐^[1]. 景观生态风险评价作为生态风险评价的重要分支^[2]，在土地利用景观变化的基础上分析与评估人为干扰对区域生态系统造成的威胁程度，可直观反映自然和人类活动干扰下区域生态状况及空间分异情况^[3]，时空尺度下定量化的景观生态风险评价成为全球环境变化的研究热点和现阶段生态风险管理的迫切需求. 迄今，诸多学者针对生态环境脆弱及人类活动强烈地区，如流域、海岸带、矿区、自然保护区和干旱区等^[4~8]，主要立足于风险“源-汇”法或景观指数法进行生态风险评估. 前者采用“风险源分析-风险受体评价-风险威胁评价-生态风险表征”的模式^[9]，在评估中忽视了人类活动与生态风险间的相互作用；后者则重点关注特定时间点的景观指数测算，对生态过程中人为干扰及自然变化产生的风险概率考虑较局限，计算方法上也具有一定主观性.

作为连接人类福祉以及“社会-自然”复杂生态系统的纽带，生态系统服务功能的衰退主要体现在价值量的损失，进而对人类福祉产生不利影响^[10，11]. 生态系统服务价值的变化既反映出生态过程和生态系统结构体系的复杂性^[12]，也是评估生态风险对人类福祉影响的关键指标. 由此，以生态系统服务为纽带，在景观生态风险评价过程中将生态系统和人类福祉联系起来，能够更准确地测度潜在生态风险及其对景观功能和格局的一系列负面影响^[13]. 目前，关于将生态系统服务纳入景观生态风险评价体系的案例研究还不够深入，缺乏充分的实证分析和理论探讨.

黄河沿岸地区相较于其他区域而言，生态系统更为脆弱和敏感，资源开发与保护之间冲突较大，沿线各城市发展水平和内外部环境具有较大差异性. 黄河中下游地区的河南省是我国的农业大省和人口大省，其中郑州市和洛阳市近年来发展最为迅猛，承担着维护区域生态安全、保障中下游防洪安全的重任. 基于此，以郑洛沿黄地区为研究对象，在1990~2022年4期土地利用数据的基础上，分析区域土地利用变化情况，采用当量因子法测算生态系统服务价值，并以此为依据构建基于生态系统服务价值的郑洛沿黄地区景观生态风险评价体系，明确评价终点为提升生态系统服务功能，同时结合地理探测器进一步探究风险概率因子与区域整体景观生态风险间的驱动机制，以期为当地生态风险调控、生态环境管理及可持续发展提供科学的决策依据.

1 材料与方法 1.1 研究区概况

郑洛沿黄地区，即黄河干流流经郑州市和洛阳市地界的范围（111°53'~114°12'E，34°26'~35°05'N），共涵盖9个县（市、区），总面积约6 571 km²（图 1）. 区域地形复杂，地貌类型多样，横跨我国第二、三阶梯交界带. 研究区属暖温带大陆性季风气候，四季分明，雨热同期；境内河网水系发达，主要河流有黄河、洛河、伊河、涧河、汜水河和枯河等，生态山水基底丰厚^[14]. 两市作为黄河干流沿线重要节点城市，近年来发展迅猛，土地利用格局发生显著变化.

图 1 研究区地理位置示意 Fig. 1 Geographical location of the study area

1.2 数据来源与处理

本研究涉及数据如表 1所示. 采用ArcGIS将各矢量和栅格数据统一进行投影转换（WGS_1984_UTM_Zone_49N投影坐标系）. 土地利用/覆被数据选取1990年、2000年、2010年和2022年这4期，将研究区土地利用类型重分类为耕地、林地、草地、水域、未利用地和建设用地这6个一级类. 借助ENVI软件，对卫星影像资料进行重采样、拼接和裁剪等，得到不同时段NPP栅格数据. 运用ArcGIS软件中Fishnet工具，将研究区划分为1 km×1 km评价单元格网（共计7 067个），用于后续各格网中心的生态系统服务价值与景观生态风险指数的相关计算.

表 1 数据来源信息^1） Table 1 Data source information

1.3 研究方法 1.3.1 土地利用转移矩阵

土地利用转移矩阵可定量描述一定时期内区域不同土地利用类型之间面积相互转移的数量以及变化的方向^[15]，可有效揭示区域土地利用演化规律^[16]. 计算公式为：

S_{i j} = [\begin{matrix} S_{11} & S_{12} & \dots & S_{1 n} \\ S_{21} & S_{22} & \dots & S_{2 n} \\ ⋮ & ⋮ & ⋮ \\ S_{n 1} & S_{n 2} & \dots & S_{n n} \end{matrix}]

(1)

式中，S为面积（km²）；i和j分别为前后两期的土地利用类型；n为土地利用类型数（n=6）；S_ij为地类i转为地类j的变化面积（km²），若i=j，说明某地类未发生面积转移变化.

1.3.2 生态系统服务价值评估方法

采用当量因子法对生态系统服务价值进行测算，根据谢高地等^[17]的研究结果可知，1个标准生态系统服务价值当量因子的价值量为单位面积粮食作物产值的1/7. 计算公式为：

E_{a} = \frac{1}{7} \sum_{i = 1}^{n} \frac{m_{i} p_{i} q_{i}}{M}

(2)

式中，E_a为研究区单位面积生态系统服务功能的经济价值（元·hm^-2）；i为粮食作物的种类；p_i为第i种粮食作物某年的平均价格（元·t^-1）；m_i为第i种粮食作物的种植面积（hm²）；q_i为第i种粮食作物的单位面积产量（t·hm^-2）；M为所有粮食作物的种植面积（hm²）^[18].

基于当量因子表，结合相关研究^[19~22]对建设用地生态系统服务价值当量的赋值，同时参考谢高地等^[23]制定的生物量因子表对各地类进一步修正（河南省：1.39），得到郑洛沿黄地区单位面积生态系统服务价值当量（表 2）. 为消除不同时序粮食价格波动对总价值的影响，计算1990~2022年河南省3种主要粮食作物（小麦、稻谷和玉米）的平均价格并将其作为基准价格（1 602.55元·t^-1）以及河南省多年主要粮食作物产量的均值，最终确定本研究中单位面积生态系统服务价值当量因子的价值量为1 327.53元·hm^-2. 在此基础上，结合对应土地利用类型面积测算出区域生态系统服务价值. 计算公式为：

V C_{j} = E_{a} \times Y_{j}

(3)

E S V = \sum_{j = 1}^{n} (A_{j} \times V C_{j})

(4)

E S V_{f} = \sum_{j = 1}^{n} (A_{j} \times V C_{f j})

(5)

表 2 郑洛沿黄地区单位面积生态系统服务价值当量 Table 2 Equivalent value of ecosystem services per unit area along the Yellow River in Zhengzhou and Luoyang cities

式中，ESV和ESV_f分别为研究区生态系统服务总价值以及生态系统各单项服务价值（元）；A_j为土地利用类型j的面积（hm²）^[24]；VC_j为生态系统服务价值系数（元·hm^-2）^[25]；VC_f_j为单项生态系统服务价值系数（元·hm^-2）；Y_j为生态系统服务价值当量.

1.3.3 景观生态风险评价方法

（1）损失度指数的计算本文将景观生态风险评估中的损失定义为一定时期内郑洛沿黄地区土地利用变化导致的生态系统服务价值的增减程度. 计算公式为：

E S V_{L} = \frac{E S V_{t 2} - E S V_{t 1}}{T}

(6)

式中，ESV_L为生态系统服务价值的损失值（元·a^-1）；ESV_t₂和ESV_t₁分别为某格网单元在t2和t1时期的生态系统服务价值（元）；T为t1和t2的时间间隔（a）. 当ESV_L>0时，表明研究区生态系统服务价值不断升高，而生态风险的损失程度较小；反之，随着时间的推移，生态系统服务价值减少，相应损失程度增大. 由此，生态系统服务价值变化与生态风险呈现负相关关系，通过负向标准化，获得各格网单元的损失度指数L_i.

（2）概率指数的计算参考已有相关研究^[13]，综合地形、人为胁迫、生态恢复力和景观脆弱性这4个维度^[26]，分别选取地形位指数、建设用地比例、夜间灯光强度、植被覆盖度、植被净初级生产力、景观连接度和景观丰富度这7项风险概率因子，并对其进行量化. 各指标性质及计算方法如表 3所示.

表 3 基于生态服务价值的生态风险概率因子指标体系 Table 3 Ecological risk probability factor index system based on ecological service value

维度	指标	计算方法	参数含义	性质
地形	地形位指数	$T = l g [(\frac{E_{i}}{\bar{E}} + 1) \times (\frac{S_{i}}{\bar{S}} + 1)]$	E_i为第i个栅格的高程值（m）； $\bar{E}$ 为研究区平均高程（m）；S_i为第i个栅格的坡度值（°）； $\bar{S}$ 为研究区平均坡度（°）	正向
人为胁迫	建设用地比例	$G_{i} = \frac{A_{i j}}{A_{i}}$	G_i为第i个格网内建设用地所占比例；A_ij和A_i分别为第i个格网内建设用地面积和土地利用总面积（km²）	正向
人为胁迫	夜间灯光强度	在ArcGIS中提取各网格的夜间灯光强度均值	—	正向
生态恢复力	植被覆盖度	$F V C = \frac{N D V I - N D V I_{m i n}}{N D V I_{m a x} - N D V I_{m i n}}$	NDVI_min和NDVI_max分别为无植被覆盖区域和植被完全覆盖区域的归一化植被指数，分别取累计百分比5%和95%时的NDVI值	负向
生态恢复力	植被净初级生产力	在ArcGIS中提取各网格的NPP均值	—	负向
景观脆弱性	景观连接度	$C O N N E C T = \frac{\sum_{i = 1}^{m} \sum_{j = k}^{n} c_{i j k}}{\sum_{i = 1}^{m} \frac{n_{i} (n_{i} - 1)}{2}}$	n_i为景观类型i的斑块数目；m为景观类型数；c_ijk为特定距离下景观类型i的斑块j与斑块k之间的连通程度	负向
景观脆弱性	景观丰富度	$P R D = m$	PRD为景观丰富度指数；m为区域景观类型数	负向

表 3 基于生态服务价值的生态风险概率因子指标体系 Table 3 Ecological risk probability factor index system based on ecological service value

首先，将上述各指标因子进行正负归一化处理，得到其标准值，以消除不同量纲影响. 其次，采用熵权法对各项因子的权重进行测算，该方法一定程度上避免了主观因素的干扰，具有较强的客观性和科学性^[27]. 计算公式如下：

e_{j} = - \frac{1}{l n m} \sum_{i = 1}^{m} P_{i j} l n P_{i j}

(7)

P_{i j} = \frac{x_{i j}}{\sum_{i = 1}^{m} x_{i j}}

(8)

w_{j} = \frac{1 - e_{j}}{\sum_{i = 1}^{n} (1 - e_{j})}

(9)

式中，e_j为第j项权重的信息熵值；P_ij为标准化指标数据在全部标准化指标总数中所占比例，若P_ij=0，则lnP_ij无意义，故修正P_ij=0，重新定义P_ij值为0.000 1；w_j为指标权重；x_ij为第i个样本的第j项指标的初始值；i为样本数量，本文中将郑洛沿黄地区划分为7 067个格网单元，故i=7 067；j为指标数量，本文j=7.

最后，在此基础上对概率指数进行计算，计算公式为：

P_{i} = \sum_{i = 1}^{m} (w_{i j} \times X_{i j})

(10)

式中，P_i为研究区总体生态风险概率指数；w_ij为第j项概率指标的权重值；X_ij为标准化处理后指标数据值.

（3）基于生态系统服务价值的景观生态风险指数计算. 计算公式为：

E R I = L_{i} \times P_{i}

(11)

式中，ERI为研究区景观生态风险指数；L_i为第i个网格的损失度指数；P_i为第i个网格的概率指数.

1.3.4 莫兰指数与空间自相关分析

空间自相关可定量化描述某一变量在特定地理范围内相邻或相近空间单元间潜在的关联与依赖程度，又分为全局空间自相关和局部空间自相关^[28]. 本研究基于格网尺度，采用ArcGIS10.4软件计算Moran's I指数，得到全域自相关结果，利用Getis-Ord G_i^*进一步分析郑洛沿黄地区景观生态风险冷热点聚集情况. 计算公式如下：

G_{i}^{*} = \frac{\sum_{j}^{n} W_{i j} x_{j}}{\sum_{j}^{n} x_{j}}

(12)

式中，W_ij为单元i与单元j之间的空间权重矩阵^[29]；x_j为单元j的属性值；n为空间单元数量（本文指所划分的研究区格网数量，n=7 067）.

1.3.5 地理探测器

地理探测器是探究空间分异规律并揭示其背后驱动力的一种统计学方法^[30，31]，可用来探测两变量之间可能的因果关系^[32]，分为风险探测器、因子探测器、生态探测器和交互探测器这四部分^[33，34]. 其中，因子探测器用于探测自变量对因变量的解释力，其大小用q值度量，详细公式及说明见文献[35]. 本研究主要运用地理探测器的因子探测和交互探测功能，将前文中7项风险概率因子分别设为X₁~X₇，为保障模型正常运转，利用SPSS的k均值聚类方法将数值型变量转变为离散型变量，进而分析各因素对区域景观生态风险的驱动作用.

2 结果与分析 2.1 土地利用时空演变特征分析

1990~2022年郑洛沿黄地区土地利用格局如图 2，耕地和建设用地为主要地类，各时段二者占比均超87%，其次为林地和水域. 耕地分布广泛，林地和草地主要分布在郑洛沿黄地区的西部及南部山地、丘陵地区，二者空间分布相对稳定. 水域呈线状位于研究区北部，主要包括部分黄河河段、人工水库等，建设用地集中于东部地区以及各下辖县（市、区）中心，其规模大幅扩张，以金水区、惠济区和中牟县尤为显著. 未利用地主要是裸露的岩石、沙地和裸土地等，其面积占比极小，空间变化难以区分.

图 2 1990~2022年郑洛沿黄地区土地利用类型 Fig. 2 Land use type along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

32 a间，各地类面积均产生不同程度的变化，耕地面积不断缩减，由1990年5 301.47 km²减少到2022年4 175.49 km²，降幅17.13%. 林地呈现“减-增-增”的波动变化趋势，整体上增幅1.52%；草地则与其相反，1990~2000年面积增加18.67 km²，2000~2022年草地面积逐年递减. 水域面积较为波动，但整体变化幅度较小，2010年水域面积达最大值，为202.22 km². 随着城镇化进程加快，城市基础设施建设稳中提速，32 a间，建设用地面积大幅增加，由531.57 km²扩大至1 600.23 km²，年均涨幅16.26%，其扩张对其他类型土地发生侵占.

通过土地利用转移情况可知（图 3），1990~2000年，耕地净转出308.72 km²，林地和草地转移量较少且主要流向耕地，水域转出105.85 km²，其中60.97%转为耕地，38.96%转为建设用地，该时段建设用地共转入373.24 km²，分别有88.37%和11.05%来源于耕地及水域. 2000~2010年，各地类相互转移总量略有下降，耕地转出量中51.87%流入建设用地，24.75%流入林地，水域转入增多且77.28%来源于草地，建设用地净转入213.69 km². 2010~2022年土地开发力度加强，土地转移总量达859.41 km²，耕地转出的剧烈程度增加，净转出440.43 km²，草地共转出70.11 km²，建设用地净增加498.58 km². 总体上转换幅度较大的地类主要为耕地和建设用地，城市经济的快速发展，引起城市用地面积的扩大^[36]，土地利用类型间的转移呈现出由单一到活跃，由简单到多样的变化特征.

图 3 1990~2022年郑洛沿黄地区土地利用转移桑基图 Fig. 3 Land use transfer Sankey along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

2.2 生态系统服务价值时空演变特征分析

1990~2022年研究区生态系统服务价值总量呈“下降-上升-下降”的变化趋势，净减少1 629.89×10⁶元. 整体上看（表 4），各地类对生态系统服务价值的贡献程度依次为：耕地>水域>林地>草地>未利用地>建设用地. 耕地价值量不断减少，损失833.17×10⁶元，且下降速率不断加快. 水域和林地的生态系统服务价值呈波动上升趋势，尽管二者面积增幅不大，其单位面积生态服务价值系数较高，对整体生态系统产生正向效应. 草地的生态系统服务价值先增加，2000年后持续下降，净损失136.13×10⁶元. 建设用地价值量最低且为负值，主要是其对自然环境和生态系统的破坏和干扰所致，且建设用地规模激增，对生态系统服务价值的负面效应愈发明显^[37].

表 4 1990~2022年郑洛沿黄地区各地类生态系统服务价值变化 Table 4 Changes in the value of ecosystem services of various types along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

由图 4可知，研究区生态系统服务功能以调节服务为主，其价值平均占比为51.07%，其次是支持服务和供给服务. 1990~2000年调节服务损失量最大，为1 094.25×10⁶元；2000~2010年各服务类型出现不同程度的增值现象；2022年支持和文化服务占比达4期最大值，供给服务价值量降幅9.01%，调节服务贡献跌至48.46%. 研究期间，除文化服务价值增加1.54×10⁶元外，其余服务功能均呈负向变化，表明郑洛沿黄地区生态系统面临一定的压力.

图 4 1990~2022年郑洛沿黄地区单项生态系统服务价值 Fig. 4 Value of individual ecosystem services along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

1990~2022年11个单项服务功能价值量依次排序为：水文调节>土壤保持>食物生产>气候调节>生物多样性>原料生产>气体调节>美学景观>水资源供给>维持养分循环>净化环境. 1990~2000年各单项功能均呈下降趋势，其中水文调节的变化量最大，为-561.36×10⁶元，气体调节和净化环境服务次之. 2000~2010年仅水资源供给、气候调节、水文调节、生物多样性和美学景观的价值量有所增加，水文调节增幅显著（39.24%），维持养分循环的变化量最小，仅-3.90×10⁶元. 2010~2022年单项服务功能均呈减少态势，气体调节降幅高达86.99%. 综合来看，水文调节、土壤保持和食物生产在区域生态系统服务中占据主要位置，这与研究区耕地、林地和水域的面积及价值系数较大有关，土地利用变化对生态系统服务价值影响显著.

按照自然断点法将研究区生态系统服务价值分为低、较低、中等、较高和高这5个区域（图 5）. 从分布特征来看，郑洛沿黄地区生态系统服务价值具有空间差异性，整体呈现出南北两侧高、中部较低的特征. 高和较高价值区主要呈条带状分布于研究区北部，该地区水系相对集中连通，水资源供给和水文调节等能力较强，整体生态质量较好，32 a间高价值区面积减少且有向西迁移的态势. 中等价值区集中于新安县北部以及偃师区、巩义市南部，用地类型以林地和草地为主，植被覆盖度较高，空间分布较稳定. 较低值区与耕地保持对应关系，呈明显收缩趋势，降幅17.56%. 低值聚集区主要位于惠济区、金水区和中牟县的城镇密集区，其余行政单元内部也有零散分布，表现出逐年蔓延的态势. 由于受人类活动影响，耕地不断转化为城镇建设用地，导致低价值区域面积不断向外扩张.

图 5 1990~2022年郑洛沿黄地区生态系统服务价值空间分布 Fig. 5 Spatial distribution of ecosystem service value along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

2.3 景观生态风险时空演变特征分析 2.3.1 景观生态风险时空变化分析

2000~2022年郑洛沿黄地区景观生态风险空间分布如图 6所示. 2000~2022年各时段平均风险值分别为0.03、0.06和0.07，表明区域景观生态风险逐步加剧，低风险区是最主要的风险区类型，平均占研究区总面积的60%以上，其次是较低风险区，平均占比为21.25%. 2000~2010年，低风险区大幅减少，较低和中等风险区域面积分别增加1 268.34 km²和404.18 km²，较高和高风险区增长比例为2.71%和2.00%. 2010~2022年，低风险区面积持续下降，较低风险区增加529.86 km²，相较于前一时期，中等和较高风险区域规模增长趋势明显增大，占比升至15.72%和9.05%，高风险区面积扩大至303.07 km². 综合来看，较低生态风险增加与低生态风险降低的变化是该区域的主要特征，呈现逐级升高的态势，风险格局趋向多元化.

图 6 2000~2022年郑洛沿黄地区景观生态风险空间分布 Fig. 6 Spatial distribution of landscape ecological risks along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

从空间尺度上看，2000~2022年间郑洛沿黄地区景观生态风险空间分布差异较大. 高风险区主要由各县（市、区）城镇中心逐渐向外扩张蔓延，且以中部和东部地区尤为显著，由于人口密集和经济发展较快，土地利用方式发生改变，主要以建设用地景观为主，自然景观较少，对生态系统服务功能产生影响，进而导致高生态风险的集中. 较高和中等风险区主要依附较高生态风险区分布，三者空间逐渐连接成片，表明高风险区对周边区域形成协同影响，此外北部黄河沿线也有中等风险区分布. 较低和低风险区主要分布于西部新安县、孟津区以及偃师区、巩义市南部，这些地区景观类型多为林地和草地，生态恢复力良好，且人为干扰程度相对较低. 整体上研究区景观生态风险等级不断提升，局部存在较大潜在生态风险隐患.

2.3.2 景观生态风险空间自相关分析

为进一步探究郑洛沿黄地区景观生态风险空间分布，本文采用Moran's I分析全域尺度下的空间关联程度. 2000年、2010年和2022年的景观生态风险空间Moran's I值均大于0，分别为0.798 1、0.846 1和0.801 8，且P值均小于0.001，表明生态风险空间分布整体呈现出显著的正相关关系.

借助Getis-Ord G_i^*进行热点分析，识别研究区各时期生态风险的冷热点分布情况. 由图 7可知，2000~2010年，景观生态风险热点区域分布于各县（市、区）中心，聚集格局相对稳定，表现出由中心逐渐向外扩张的趋势. 冷点区域主要集中在新安县，由于该地区开发程度较低，景观生态风险指数相对较低. 至2022年，热点聚集范围显著扩大，整体表现出“东西高低值集聚差异较大”的特点，受建设用地扩张、人口密度增加等因素影响，土地景观恢复力和抗风险能力受限，生态压力逐渐增大. 相较于2000年，研究区北部热点集聚减少，由于河流水系对外部干扰的耐受性较高，且沿黄水体具有严格的生态保护政策，因此景观风险有所缓和. 新安县、孟津区的冷点集聚明显增多，可见西部生态用地得到较好保护，此外偃师区、荥阳市和中牟县也有零散冷点分布. 整体上景观生态风险冷热点分布不均，且较大区域未表现出聚集分布特征，需关注碎片化土地和土地类型交汇区域.

图 7 2000~2022年郑洛沿黄地区景观生态风险冷热点分布 Fig. 7 Cold and hot spots distribution of landscape ecological risk along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

2.4 景观生态风险驱动因素分析

从单因子探测结果来看（表 5），2000年各因子解释力强弱由大到小依次为：建设用地比例>夜间灯光强度>植被覆盖度>植被净初级生产力>景观丰富度>地形位指数>景观连接度. 2010年，建设用地比例、夜间灯光强度、植被覆盖度和净初级生产力解释力呈小幅度增加，其余3项影响因子解释力均有所降低. 2022年，地形位指数的解释力由2010年的0.013增加到0.152，景观丰富度解释力进一步下降，低至0.006. 总体上，不同研究时段间各因子对郑洛沿黄地区景观生态风险的解释力存在动态变化，建设用地比例和夜间灯光强度的解释力始终高于其他因子，是驱动景观生态风险变化的首要因素，可见人为胁迫对区域生态风险的变化有着直接影响. 同时，生态恢复力也是驱动风险变化的重要因素，虽然地形、景观脆弱性维度的解释力相对较小，但仍对区域景观生态风险时空分异产生一定影响.

表 5 2000~2022年郑洛沿黄地区景观生态风险单因子探测 Table 5 Single factor detection of landscape ecological risk along the Yellow River in Zhengzhou and Luoyang cities from 2000 to 2022

根据交互探测结果（图 8），2000~2022年间，任意两个影响因子的交互作用均大于单一因子对景观生态风险演变的影响^[38]，均表现出双因子增强或非线性增强，并未出现相互独立和减弱的情况，表明郑洛沿黄地区景观生态风险时空分异是在不同因子相互作用下的复杂过程. 具体来看，2000年建设用地比例和夜间灯光强度的交互作用最为显著，为0.769，其次是地形位指数∩建设用地比例和建设用地比例∩景观丰富度，分别为0.684、0.669. 表明在人为胁迫下，与自然因素的交互作用加剧了景观生态风险程度. 2010年，建设用地比例与夜间灯光强度的交互作用仍具有最高的解释力（0.856），建设用地比例和植被覆盖度的交互作用显著增强，跃升为主导因素之一，反映出人为胁迫与生态系统健康状况对景观生态风险的双重影响不容忽视. 2022年，交互作用解释力最高的因子组合与2010年保持一致，相比之下，建设用地比例∩植被净初级生产力由0.750升至0.885. 整体上，景观连接度与景观丰富度的交互作用在3个时期均表现较弱，可见二者对区域生态风险变化的影响相对较小.

X₁~X₇的含义见表 5 图 8 2000~2022年各因子交互作用解释力 Fig. 8 Explanatory power of interactions between various factors from 2000 to 2022

3 讨论 3.1 土地利用及生态系统服务价值变化成因分析

土地利用格局的演变直观反映出人类活动对土地景观所施加的干扰方式和程度^[39]，从近32 a研究区土地利用转变过程来看，耕地面积大幅缩减，建设用地由531.57 km²增长至1 600.23 km²，土地开发程度逐渐增强，减少的耕地主要流向建设用地，导致耕地空间分布格局趋向破碎化，与此同时，建设用地斑块集聚效应增强. 研究期内，林草资源的分布格局相对稳定，主要分布于山区及丘陵地带，受人类活动影响较小，且自然条件对土地利用类型的转换具有限制作用. 随着退耕还林和退耕还草等相关政策的实施，林草地的保护和恢复工作得到加强，一定程度上缓解了耕地减少和建设用地扩张带来的生态压力. 水域面积总体有所增加，与区域水资源管理调配以及一系列水土保持措施密切相关^[40]. 由此可见人类活动对区域生态系统干扰较剧烈，然而生态环境变化可通过生态系统服务价值增减直观体现，该变化又反映出生态系统对人类福祉的影响. 随着土地利用类型的转变，区域生态系统服务价值发生显著变化. 耕地面积的不断缩小导致食物生产、土壤保持等服务价值下降，林地和水域的增多对水资源供给、水文调节和生物多样性服务价值的提升具有积极作用，但仍无法完全抵消建设用地增加对生态系统服务的负效应，研究区生态环境呈恶化趋势，开展区域生态风险评价尤为必要.

3.2 景观生态风险时空变化及其影响因素

研究期内，郑洛沿黄地区整体景观生态风险水平不断升高，低、较低风险等级占主导地位，该区域以自然景观为主，植被覆盖度较高，生态系统相对完整，可见林地、草地是区域重要的生态安全源^[41]，在面对自然或人为干扰时，能够更快恢复到原有的生态平衡状态. 研究发现，低生态风险区面积持续下降，是影响郑洛沿黄地区景观生态安全格局的隐性风险^[42]. 中等生态风险区域面积增加926.76 km²，可作为未来生态风险改善的潜在方向. 各时期较高风险区和高风险区面积比例较小，集中于城镇及其边缘地带或农村居民点与农田的交界区域，与建设用地分布范围基本吻合，印证刘珍环等^[43]的研究结论，建设用地面积变化与景观生态风险变化态势呈正相关. 从驱动因素来看，景观生态风险演变结果受人为胁迫因素的影响最大，与杨荣钦等^[44]的研究结论基本一致，认为人类活动是景观生态风险的重要诱因. 生态恢复力因素中，植被覆盖度和植被净初级生产力的因子解释力均在0.2以上，表明生态系统的健康状况和自我修复能力对生态风险的缓解具有一定作用，是驱动景观生态风险变化的主要因素. 地形位指数、景观连接度和景观丰富度的单因子解释力较弱，但与建设用地比例和夜间灯光强度的交互作用对生态风险影响的作用较强，表明自然地理因素在与人类活动相互作用时，能够对生态风险产生显著影响.

3.3 景观生态风险应对策略

根据2024年河南省自然资源厅发布的黄河流域国土空间规划（2021~2035年）^[45]，提出将郑州市、洛阳市作为跨区域生态保护的“双引擎”，协同建设沿黄生态保护示范区. 郑洛沿黄地区内部生态风险水平各异，鉴于此提出差异化的景观生态风险应对策略：①针对研究区东部较高风险区和高风险区，应严格控制建设用地增量，有效规避耕地面积的进一步缩减，保留现存的生态空间，整合城市中零散、低效的蓝绿生态资源^[46]，促进生态系统服务的协同发展. ②针对中等生态风险区，加快生态保护与修复，修复破碎景观^[47]，推动生态廊道和蓝绿基础设施建设，同时注重生态资源的可持续利用. ③针对西部较低风险区和低风险区，维持现有的自然生态优势，有序扩大城市绿色生态空间，避免过度开发，此外加强生态监测和管理并强化生态补偿机制，防止潜在生态风险的出现.

3.4 不确定性及不足

本研究将以往多数研究基于景观指数的评价方法延伸至以生态系统服务退化为风险损失，以地形、人为胁迫、生态恢复力和景观脆弱性为概率表征的综合评价框架，减少了主观定量过程，并结合地理探测器进一步分析风险概率因子对整体生态风险的驱动作用. 研究过程及结果丰富了景观生态风险指标体系构建的理论与方法，为区域生态风险调控和生态环境管理提供参考. 然而，本研究仍存在一定不确定性：①基于当量因子法对生态系统服务价值进行核算，尽管根据研究区实际对相关系数进行区域差异修正，但仍具有一定主观性，修正因子考虑不够全面综合. ②文章基于不同维度选取风险概率因子，详细刻画了“过去-现在”的景观生态风险演变过程，由于时间跨度较大，未能体现生态风险年际变化情况且缺少对未来风险的预测和警示，指标选取存在一定局限性. 未来研究应完善生态系统服务价值评估体系与修正方法，增加研究时段的连续性，进一步丰富细化生态风险评估指标体系，同时参照研究区发展轨迹及土地利用约束政策，结合预测模型以探讨未来不同情景下景观生态风险演变趋势，保证区域生态建设的前瞻性.

4 结论

（1）1990~2022年间，耕地和建设用地为郑洛沿黄地区的优势景观类型，土地利用数量变化主要为耕地、草地面积减少，建设用地、林地、水域和未利用地增加. 各地类间相互转化不够均衡，耕地转出量较剧烈，建设用地单向转入呈持续增长趋势.

（2）郑洛沿黄地区生态系统服务总价值呈波动减少的趋势，其中耕地、林地和水域始终是生态系统服务价值的主要贡献者，区域生态系统服务功能以调节服务为主，水文调节、土壤保持和食物生产在单项服务功能中占据主要位置. 研究区生态系统服务价值呈现南北两侧高、中部较低的空间分布特征，建设用地对价值增长的阻碍作用日益显著.

（3）2000~2022年郑洛沿黄地区景观生态风险逐步加剧，低风险区大幅减少，高和较高风险区域面积分别增加3.94%、8.47%，主要集中于中部和东部地区，低、较低风险区景观类型以生态用地为主，生态恢复力较好. 整体景观生态风险在空间上呈正向相关性，冷热点总体表现为“东热西冷”的特征.

（4）单因子中人为胁迫因素是影响郑洛沿黄地区景观生态风险变化的主控因素，其次是生态恢复力，地形和景观脆弱性因素解释力较小. 区域景观生态风险主要受建设用地比例与夜间灯光强度的交互作用控制，除景观丰富度与景观连接度交互因子解释力有所下降外，其余因子间的交互作用均不断提高，区域景观生态风险的演变是各风险因子共同作用的结果.

参考文献

[1]	崔杨林, 高祥, 董斌, 等. 县域景观生态风险评价[J]. 浙江农林大学学报, 2021, 38(3): 541-551. Cui Y L, Gao X, Dong B, et al. Landscape ecological risk assessment of county[J]. Journal of Zhejiang A&F University, 2021, 38(3): 541-551.
[2]	Lin Y Y, Hu X S, Zheng X X, et al. Spatial variations in the relationships between road network and landscape ecological risks in the highest forest coverage region of China[J]. Ecological Indicators, 2019, 96(1): 392-403.
[3]	杜军, 赵胜朝, 邱士可, 等. 2000—2015年豫西黄土丘陵区土地利用变化及景观生态风险评价[J]. 水土保持研究, 2021, 28(1): 279-284，291. Du J, Zhao S C, Qiu S K, et al. Land use change and landscape ecological risk assessment in Loess Hilly Region of western Henan Province from 2000 to 2015[J]. Research of Soil and Water Conservation, 2021, 28(1): 279-284，291.
[4]	张雪茂, 董廷旭, 杜华明, 等. 基于景观生态风险评价的涪江流域景观格局优化[J]. 生态学报, 2021, 41(10): 3940-3951. Zhang X M, Dong T X, Du H M, et al. Optimization of landscape pattern in Fujiang River Basin based on landscape ecological risk assessment[J]. Acta Ecologica Sinica, 2021, 41(10): 3940-3951.
[5]	陈心怡, 谢跟踪, 张金萍. 海口市海岸带近30年土地利用变化的景观生态风险评价[J]. 生态学报, 2021, 41(3): 975-986. Chen X Y, Xie G Z, Zhang J P. Landscape ecological risk assessment of land use changes in the coastal area of Haikou City in the past 30 years[J]. Acta Ecologica Sinica, 2021, 41(3): 975-986.
[6]	李绥, 吴尚遇, 石铁矛, 等. 基于生态风险路径识别与风险过程干预的矿业城市生态格局优化[J]. 中国园林, 2022, 38(1): 82-87. Li S, Wu S Y, Shi T M, et al. Ecological pattern optimization of mining cities based on ecological risk path identification and risk process intervention[J]. Chinese Landscape Architecture, 2022, 38(1): 82-87.
[7]	邹珮雯, 徐昉. 生态安全格局构建及景观生态风险预测——以赛罕乌拉国家级自然保护区为例[J]. 生态学报, 2023, 43(23): 9981-9993. Zou P W, Xu F. Ecological security pattern construction and landscape ecological risk prediction：a case study of Saihanwula National Nature Reserve[J]. Acta Ecologica Sinica, 2023, 43(23): 9981-9993.
[8]	王洁, 摆万奇, 田国行. 青藏高原景观生态风险的时空特征[J]. 资源科学, 2020, 42(9): 1739-1749. Wang J, Bai W Q, Tian G H. Spatiotemporal characteristics of landscape ecological risks on the Tibetan Plateau[J]. Resources Science, 2020, 42(9): 1739-1749.
[9]	Zang Z, Zou X Q, Zuo P, et al. Impact of landscape patterns on ecological vulnerability and ecosystem service values：an empirical analysis of Yancheng Nature Reserve in China[J]. Ecological Indicators, 2017, 72: 142-152. DOI:10.1016/j.ecolind.2016.08.019
[10]	郎睿婷. 基于生态系统服务的生态风险评估及景观格局优化[D]. 西安：陕西师范大学，2021.
[11]	张行, 陈海, 史琴琴, 等. 陕西省景观生态脆弱性时空演变及其影响因素[J]. 干旱区研究, 2020, 37(2): 496-505. Zhang H, Chen H, Shi Q Q, et al. Spatiotemporal evolution and driving factors of landscape ecological vulnerability in Shaanxi Province[J]. Arid Zone Research, 2020, 37(2): 496-505.
[12]	陈东军, 钟林生. 生态系统服务价值评估与实现机制研究综述[J]. 中国农业资源与区划, 2023, 44(1): 84-94. Chen D J, Zhong L S. Review of the value evaluation and realization mechanism of ecosystem services[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(1): 84-94.
[13]	曹祺文, 张曦文, 马洪坤, 等. 景观生态风险研究进展及基于生态系统服务的评价框架：ESRISK[J]. 地理学报, 2018, 73(5): 843-855. Cao Q W, Zhang X W, Ma H K, et al. Review of landscape ecological risk and an assessment framework based on ecological services：ESRISK[J]. Acta Geographica Sinica, 2018, 73(5): 843-855.
[14]	孙一帆, 徐梦菲, 汪霞. 洛阳市土地利用景观格局时空演变与预测分析[J]. 人民黄河, 2024, 46(8): 110-116，129. Sun Y F, Xu M F, Wang X. Spatial-temporal evolution and prediction analysis of land use and landscape pattern in Luoyang City[J]. Yellow River, 2024, 46(8): 110-116，129.
[15]	甄艳, 吴宗攀, 尹志恒, 等. 四川省若尔盖县土地利用时空变化研究[J]. 生态科学, 2022, 41(2): 41-49. Zhen Y, Wu Z P, Yin Z H, et al. Study on spatio-temporal change of land use in Zoige County，Sichuan Province[J]. Ecological Science, 2022, 41(2): 41-49.
[16]	贾琦. 河南省巩义市土地利用演化及其生态系统服务价值响应[J]. 水土保持通报, 2020, 40(6): 249-258. Jia Q. Evolution of land use and its response of ecosystem service value in Gongyi City of He'nan Province[J]. Bulletin of Soil and Water Conservation, 2020, 40(6): 249-258.
[17]	谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254. Xie G D, Zhang C X, Zhang L M, et al. Improvement of the evaluation method for ecosystem service value based on per unit area[J]. Journal of Natural Resources, 2015, 30(8): 1243-1254.
[18]	胥芝韵, 肖旭峰, 赵真. 黄河干流沿线生态系统服务价值动态评估[J]. 人民黄河, 2022, 44(11): 88-93，105. Xu Z Y, Xiao X F, Zhao Z. Dynamic evolution of ecosystem service values along the main stream of Yellow River Basin based on land use change[J]. Yellow River, 2022, 44(11): 88-93，105.
[19]	Gao X, Shen J Q, He W J, et al. Spatial-temporal analysis of ecosystem services value and research on ecological compensation in Taihu Lake Basin of Jiangsu Province in China from 2005 to 2018[J]. Journal of Cleaner Production, 2021, 317. DOI:10.1016/J.JCLEPRO.2021.128241
[20]	秦艳丽, 时鹏, 何文虹, 等. 西安市城市化对景观格局及生态系统服务价值的影响[J]. 生态学报, 2020, 40(22): 8239-8250. Qin Y L, Shi P, He W H, et al. Influence of urbanization on landscape pattern and ecosystem service value in Xi'an City[J]. Acta Ecologica Sinica, 2020, 40(22): 8239-8250.
[21]	安斯文, 马彩虹, 袁倩颖, 等. 生态移民区“三生”用地变化对生态系统服务的影响——以宁夏红寺堡区为例[J]. 干旱区地理, 2021, 44(6): 1836-1846. An S W, Ma C H, Yuan Q Y, et al. Effects of “ecological-production-living” land changes on ecosystem services in ecological migration area：a case of Hongsibu District in Ningxia[J]. Arid Land Geography, 2021, 44(6): 1836-1846.
[22]	刘维, 周忠学, 郎睿婷. 城市绿色基础设施生态系统服务供需关系及空间优化——以西安市为例[J]. 干旱区地理, 2021, 44(5): 1500-1513. Liu W, Zhou Z X, Lang R T. Supply-demand relations of ecosystem services of urban green infrastructure and its spatial optimization：a case of Xi'an City[J]. Arid Land Geography, 2021, 44(5): 1500-1513.
[23]	谢高地, 肖玉, 甄霖, 等. 我国粮食生产的生态服务价值研究[J]. 中国生态农业学报, 2005, 13(3): 10-13. Xie G D, Xiao Y, Zhen L, et al. Study on ecosystem services value of food production in China[J]. Chinese Journal of Eco-Agriculture, 2005, 13(3): 10-13.
[24]	张辉, 谢涛, 杨张瑜, 等. 西安市生态系统服务价值与生态风险时空演变及其关联分析[J]. 环境生态学, 2024, 6(7): 37-44. Zhang H, Xie T, Yang Z Y, et al. Spatiotemporal evolution and association analysis of ecosystem service value and ecological risk in Xi'an[J]. Environmental Ecology, 2024, 6(7): 37-44.
[25]	梁膑月, 曹春, 李锦超, 等. 近20年兰西城市群生态系统服务价值对土地利用转型的时空响应[J]. 环境科学, 2024, 45(6): 3329-3340. Liang B Y, Cao C, Li J C, et al. Spatiotemporal response of ecosystem service value to land use change in the Lanzhou-Xining Urban Agglomeration over the past 20 years[J]. Environmental Science, 2024, 45(6): 3329-3340. DOI:10.13227/j.hjkx.202306222
[26]	陈丹, 蒋贵国, 张妍, 等. 基于生态服务价值的沱江流域土地景观生态风险时空分异研究[J]. 水土保持通报, 2019, 39(3): 223-230. Chen D, Jiang G G, Zhang Y, et al. Landscape eco-risk assessment and its spatio-temporal variation of Tuojiang River Basin based on value of ecological services[J]. Bulletin of Soil and Water Conservation, 2019, 39(3): 223-230.
[27]	王玉芬，桑淑芳. 基于模糊综合评价的太原市水资源价值研究[A]. 见：2020中国环境科学学会科学技术年会论文集（第三卷）[C]. 太原：山西财经大学，2020. 8.
[28]	王秋红, 王勇, 李维杰, 等. 喀斯特山地城市生态系统服务变化及关系研究——以贵阳市为例[J]. 西南大学学报（自然科学版）, 2022, 44(5): 158-168. Wang Q H, Wang Y, Li W J, et al. Change and relationship of ecosystem services in Karst Mountainous Cities——take Guiyang as an example[J]. Journal of Southwest University（Natural Science Edition）, 2022, 44(5): 158-168.
[29]	常小燕, 李新举, 李西灿, 等. 矿区土地利用生态风险的时空异质性[J]. 生态学报, 2019, 39(9): 3075-3088. Chang X Y, Li X J, Li X C, et al. Spatial-temporal heterogeneity of ecological risk of land use in mining areas[J]. Acta Ecologica Sinica, 2019, 39(9): 3075-3088.
[30]	张昊, 韩增林, 乔国荣, 等. 黄河流域城市间旅游经济联系格局及影响因素研究[J]. 干旱区地理, 2023, 46(8): 1344-1354. Zhang H, Han Z L, Qiao G R, et al. Patterns and influencing factors of tourism economic linkages between cities in the Yellow River Basin[J]. Arid Land Geography, 2023, 46(8): 1344-1354.
[31]	阳煜瑾, 杨帆, 徐祯妮, 等. 洞庭湖区生态服务-经济发展时空协调分析与优化[J]. 自然资源遥感, 2023, 35(3): 190-200. Yang Y J, Yang F, Xu Z N, et al. Analysis and optimization of the spatio-temporal coordination between the ecological services and economic development in the Dongting Lake area[J]. Remote Sensing for Natural Resources, 2023, 35(3): 190-200.
[32]	奚世军, 安裕伦, 李阳兵, 等. 基于景观格局的喀斯特山区流域生态风险评估——以贵州省乌江流域为例[J]. 长江流域资源与环境, 2019, 28(3): 712-721. Xi S J, An Y L, Li Y B, et al. Ecological risk assessment of Karst Mountain Watershed based on landscape pattern—a case study of Wujiang River in Guizhou province[J]. Resources and Environment in the Yangtze Basin, 2019, 28(3): 712-721.
[33]	Wang J F, Li X H, Christakos G, et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region，China[J]. International Journal of Geographical Information Science, 2010, 24(1): 107-127. DOI:10.1080/13658810802443457
[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]	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.
[36]	何刘洁, 郑博福, 万炜, 等. 长江经济带生态系统服务权衡与协同及其驱动因素[J]. 环境科学, 2024, 45(6): 3318-3328. He L J, Zheng B F, Wan W, et al. Trade-off and synergy of ecosystem services in the Yangtze River Economic Belt and its driving factors[J]. Environmental Science, 2024, 45(6): 3318-3328. DOI:10.13227/j.hjkx.202307135
[37]	Peng J, Tian L, Liu Y X, et al. Ecosystem services response to urbanization in metropolitan areas：thresholds identification[J]. Science of the Total Environment, 2017, 607-608: 706-714. DOI:10.1016/j.scitotenv.2017.06.218
[38]	王舒, 刘凤莲, 陈威廷, 等. 滇中高原湖泊流域景观生态风险评价及驱动因素识别[J]. 中国生态农业学报（中英文）, 2024, 32(3): 391-404. Wang S, Liu F L, Chen W T, et al. Landscape ecological risk evaluation and driving factors in the lake basin of Central Yunnan Plateau[J]. Chinese Journal of Eco-Agriculture, 2024, 32(3): 391-404.
[39]	郝军, 田雅楠, 戈锋, 等. 嫩江中游内蒙古段土地利用与景观生态风险响应关系研究[J]. 中国环境科学, 2023, 43(11): 6132-6140. Hao J, Tian Y N, Ge F, et al. Correlational relationship between land use and landscape ecological risks in Inner Mongolia section of middle Nenjiang River[J]. China Environmental Science, 2023, 43(11): 6132-6140.
[40]	田雅楠, 马龙, 吴全. 黄河流域内蒙古段土地利用演变与景观生态风险评价[J]. 生态科学, 2023, 42(5): 103-113. Tian Y N, Ma L, Wu Q. Landscape ecological risk assessment in Inner Mongolia reach of Yellow River based on land use evolution[J]. Ecological Science, 2023, 42(5): 103-113.
[41]	Peng J, Pan Y J, Liu Y X, et al. Linking ecological degradation risk to identify ecological security patterns in a rapidly urbanizing landscape[J]. Habitat International, 2018, 71: 110-124. DOI:10.1016/j.habitatint.2017.11.010
[42]	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.
[43]	刘珍环, 张国杰, 付凤杰. 基于景观格局-服务的景观生态风险评价——以广州市为例[J]. 生态学报, 2020, 40(10): 3295-3302. Liu Z H, Zhang G J, Fu F J. Assessing landscape ecological risk based on landscape pattern and services in Guangzhou during 1990-2015[J]. Acta Ecologica Sinica, 2020, 40(10): 3295-3302.
[44]	杨荣钦, 肖玉磊, 池苗苗, 等. 近20 a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.
[45]	河南省人民政府. 关于公开征求《河南省黄河流域国土空间规划（2021-2035年）》意见建议的公告[EB/OL]. https://www.henan.gov.cn/2024/06-21/3011892.html，2024-06-21.
[46]	丁鸿浩, 贺宏斌, 孙然好. 景观变化的生态风险评价与预测——以河南省洛阳市为例[J]. 地域研究与开发, 2023, 42(1): 167-173. Ding H H, He H B, Sun R H. Dynamic assessment and driving factors of landscape ecological risk based on LUCC：a case study of Luoyang City in Henan Province[J]. Areal Research and Development, 2023, 42(1): 167-173.
[47]	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.


环境科学 2026, Vol. 47 Issue (1): 444-455	PDF