三江并流区景观生态风险时空演变及驱动因素

引用本文

杨博文, 刘凤莲, 罗芹芹, 陈洪敏. 三江并流区景观生态风险时空演变及驱动因素[J]. 环境科学, 2026, 47(6): 3866-3878.

YANG Bo-wen, LIU Feng-lian, LUO Qin-qin, CHEN Hong-min. Landscape Ecological Risk Assessment and Driving Factor Detection in the Three Parallel Rivers Region[J]. Environmental Science, 2026, 47(6): 3866-3878.

三江并流区景观生态风险时空演变及驱动因素

杨博文^1,2, 刘凤莲^2,3, 罗芹芹², 陈洪敏²

1. 河南大学地理科学与工程学部，地理科学学院，郑州 450046;
2. 云南财经大学国土资源与持续发展研究所，昆明 650221;
3. 云南财经大学云南省服务计算重点实验室，昆明 650221

收稿日期: 2025-05-29; 修订日期: 2025-08-01

基金项目: 国家乡村振兴局委托项目（80026091881）；云南省服务计算重点实验室开放课题项目（YNSC24305）；云南省教育厅科学研究基金项目（2025Y0762，2024J0634）；云南财经大学引进人才项目（2022D13）

作者简介: 杨博文（1997~），女，硕士研究生，主要研究方向为景观生态学，E-mail：1342350538@qq.com

通信作者: 刘凤莲, E-mail：zz2105@ynufe.edu.cn

摘要: 厘清三江并流区景观生态风险特征对促进流域高质量发展和筑牢西南生态安全屏障具有重要意义. 基于2000~2020年土地利用数据，构建景观生态风险评价体系，探究滇西北三江并流区景观生态风险的时空分异特征，使用地理探测器从自然、区域可达性和社会经济这3个维度深入探讨驱动因素. 结果表明：①林地与草地交错分布，是研究区的主要景观，林地占比超过60%，草地占比约为26%，且草地和林地的相互流转是主要的景观变动类型；建设用地在研究区的分布较为集中且扩张较为明显，20 a间面积增长率为245.58%；耕地、水域和其他用地占比较小. ②研究区的景观生态风险整体处于较低风险水平，低风险区域面积2020年占比为48.96%，高风险区域占比较小，主要集中在怒江下游地区、城镇中心和旅游资源较为丰富的区域，且研究区的风险水平常呈现出以高风险区为中心，风险水平由内向外逐级递减的环状分布状态. ③全局看，自然因素对研究区景观生态风险的驱动影响力较大，各因子的交互作用力均呈现出双因子增强和非线性增强的效果. ④局部区域单因子探测中，城镇建成区的社会经济因素对景观生态风险的解释力占据主导地位；旅游资源密集区和景观生态风险突变区的自然因素和社会经济因素驱动力均显著；对于局部区域因子交互探测中，区域可达性因素的因子交互作用显著提升. 研究区的景观生态风险整体处于低风险水平，但高风险面积持续增加，全域景观生态风险受到自然因素的驱动力较大，局部均受到社会经济因素驱动.

关键词: 景观生态风险评价空间分异地理探测器局部高风险三江并流区

Landscape Ecological Risk Assessment and Driving Factor Detection in the Three Parallel Rivers Region

YANG Bo-wen^1,2 , LIU Feng-lian^2,3 , LUO Qin-qin² , CHEN Hong-min²

1. College of Geographical Sciences, Faculty of Geographical Science and Engineering, Henan University, Zhengzhou 450046, 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, Yunnan University of Finance and Economics, Kunming 650221, China

Abstract: Clarifying the characteristics of landscape ecological risks in the Three Parallel Rivers Region is of great significance for promoting high-quality development and strengthening the ecological security barrier in Southwest China. Based on the land use data from 2000 to 2020, a landscape ecological risk assessment system was constructed to explore the spatial-temporal differentiation of landscape ecological risks in the Three Parallel Rivers Region of Northwest Yunnan. Additionally, the Geodetector was used to deeply investigate the driving factors from three dimensions: natural, regional accessibility, and social-economic factors. The findings indicated that: ① Forest and grassland were interspersed and were the main land types in the study area. Forest accounted for over 60%, while grassland made up approximately 26%. The mutual transformation between grassland and forest was the main type of landscape change. Construction land was distributed concentrated in the study area and had expanded significantly. The area growth rate was 245.58% during the past 20 years. Cultivated land, water bodies, and other land uses accounted for a relatively small proportion. ② The overall landscape ecological risk in the study area was at a relatively low level, and the area of low-risk regions accounted for 48.96% in 2020. The proportion of high-risk areas was small, and the high-risk areas were mainly concentrated in the lower reaches of the Nu River, urban centers, and areas with rich tourism resources. The risk level in the study area showed a ring-shaped distribution pattern with high-risk areas at the center and the risk level decreasing gradually from the inside out. ③ From a global perspective, natural factors had a significant driving influence on the landscape ecological risk in the study area. The interaction effects of each factor all exhibited a double-factor enhancement and nonlinear enhancement effect. ④ In the single-factor detection of local areas, the social and economic factors of the urban built-up area had the dominant explanatory power for the landscape ecological risk. The tourism resource-intensive areas and the areas with sudden changes in landscape ecological risk were driven more by natural factors and social economic factors. For the factor interaction detection in local areas, the interaction effect of regional accessibility factors was significantly enhanced. The overall landscape ecological risk in the study area was at a low level, but the high-risk area was continuously expanding. The landscape ecological risk of the entire region was mainly driven by natural factors, while the local areas were driven by socio-economic factors.

Key words: assessment of landscape ecological risk spatial differentiation Geodetector local high risk the Three Parallel Rivers Region

景观生态风险指自然或人为因素影响下景观格局与生态过程相互作用可能产生的结构、过程、功能、状态和生产力下降或受损的可能性与程度，人类活动与自然演变加速了景观格局的演化，使得区域景观风险不断升高，生态问题日益严重，威胁着社会和自然系统的可持续发展^[1~3]；土地利用变化不仅是自然与人文交叉最密切的问题，还是区域景观生态风险演变的根本原因^[4]，尤其是人类频繁改变土地利用格局，成为局部区域景观生态风险重要的驱动因素^[5]. 三江并流区作为构建国家生态安全的重要区域之一，肩负着筑牢西南生态安全屏障，争当生态文明建设排头兵的重任，利用土地利用数据对景观生态风险进行研究为区域生态安全保护工作提供了依据.

景观生态风险评价由景观生态学结合了生态风险评价演变而来^[6]，景观生态风险的研究已经成为目前研究的热点问题^[7]，目前基于景观格局的生态风险评价在空间维度上以湖泊^[8，9]、流域^[10~13]、城市群^[14]、山地^[15，16]和行政边界^[17~19]为主，也有一些针对工矿开采区^[20]和自然保护区^[21]等重点风险控制区的研究. 在研究内容上，多从时空演变^[22~24]、驱动因素^[25]和模拟预测^[26，27]入手；在时空演变上，多采用“水土流失过程-景观格局”综合景观生态风险指数^[28]、景观生态风险评价模型^[29]和空间自相关^[30]等方法进行空间格局变化^[31]研究；在驱动因素上有重点探究人为因素对区域景观生态风险影响^[32]，也有探究社会和政治经济因素对景观生态风险的影响力大小^[33]；在模拟预测上，多以土地利用数据为基础进行多情景下未来时段的土地覆被预测，并在此基础上进行景观生态风险分布测算^[34]. 研究方法多采用景观生态风险评价模型构建来评价区域景观生态风险^[35]，学者对于区域景观生态风险驱动因子的探测主要使用最小二乘回归^[36]、地理加权回归^[37]和地理探测器^[38]等方法对自然因素和社会经济因素进行探究，对区域景观生态风险模拟方面较多使用PLUS模型进行多情景预测^[39]，情景设置通常选择惯性发展情景、生态保护情景、耕地保护情景和经济优先发展情景中的两种或3种. 三江并流区景观生态风险存在明显的空间分异特征，地理探测器是度量、挖掘和利用空间异质性的工具，通过空间异质性来探测因变量与自变量之间空间分布格局的一致性，据此度量自变量对因变量的解释度，可以很好地解释研究区景观生态风险的空间异质性，因此选用地理探测器的单因子探测和因子交互探测来明确三江并流区的景观生态风险的驱动力.

虽然现有研究较为丰富但仍然存在一些不足，一方面，相关研究对于三江并流区域的景观生态风险研究较少，不利于该地区整体的景观生态风险防控以及区域生态安全格局构建，另一方面，现有研究主要集中在景观生态风险的空间格局和全局驱动因子探测等方面，对研究区高风险区域缺乏局部的因子探测研究，不能很好地为高风险区域的优化和治理提供具有针对性的因素解释. 因此，从研究区的选择上，选取生态敏感性较高的三江并流地区，基于2000~2020年的土地利用对于该地区景观生态风险进行评价和驱动因子研究，并在此基础上，对于该地区的景观生态高风险区域进行局部因子探测研究，对打造云南省生态文明建设排头兵、筑牢我国西南生态安全屏障和助力云南省生态文明建设排头兵建设具有重要意义.

1 材料与方法 1.1 研究区概况

三江并流地区（24°55'27″~29°13'30″N，98°07'57″~100°35'29″E）位于云南省西北部（图 1），地处东亚、南亚和青藏高原三大地理区域的交汇处，属青藏高原南延，向云贵高原过渡的横断山脉的纵谷地带，是构建云南省生态安全战略格局的重要支撑区域，也是筑牢西南生态安全屏障的重要组成部分，经GIS水文分析提取的流域与研究区省域边界进行调整，最终得到的研究区面积约为46 752.13 km².

图 1 研究区位置示意 Fig. 1 Location of the study area

1.2 数据来源与处理 1.2.1 数据来源

土地利用数据（30 m栅格）和高程（500 m栅格）数据均来自中国科学院资源环境科学与数据中心（http://www.resdc.cn），行政边界来自天地图服务中心标准地图（https://cloudcenter.tianditu.gov.cn），NDVI数据（1 km栅格）根据美国国家航空航天局（NASA）逐月平均NDVI数据计算整理（https://www.earthdata.nasa.gov），PM_2.5排放量数据（1 km栅格）来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn），城镇中心点数据（矢量点数据）来自地理遥感生态网（https://www.gisrs.cn），河网数据（矢量线数据）、年均气温（1 km）、年均降水量（1 km）、夜间灯光数据（2000年、2005年和2010年的分辨率约为800 m，2015年和2020年的分辨率约为500 m）、GDP空间分布数据（1 km）和人口空间分布数据（1 km）均来自中国科学院资源环境科学与数据中心（http://www.resdc.cn），不透水面数据来自中国农业大学土地科学与技术学院的城市环境监测及建模（UEMM）团队（https://www.x-mol.com/groups/li_xuecao）.

1.2.2 流域提取

基于ArcGIS水文分析模块对研究区的数字高程进行研究区流域提取，首先依据中国科学院资源环境科学与数据中心发布的中国一级河流空间分布数据集确定三江并流区的位置，依照云南和西藏行政边界对全国DEM图像进行裁剪；然后对裁剪过后的数字高程进行填洼、水流方向和流量计算等操作；研究区内怒江多年平均流量为4 876 m³∙s^-1，金沙江年平均流量为4 750 m³∙s^-1，澜沧江多年平均流量为2 350 m³∙s^-1，利用栅格计算器对研究区流量≥1 500 m³∙s^-1的河流进行提取，提取的河流相对完整，可以支撑三江并流区盆域提取，在提取河流的基础上进行研究区河网的构建；依据河网和流向数据对云南和西藏两省（区）所有水域进行盆域分析；最后依照所提取的河网对云南省境内三江并流地区进行流域提取，并按照云南省的行政边界对研究区北部区域进行修正.

1.2.3 驱动因素数据处理

在全局因子探测中，对选取的2000年、2005年、2010年、2015年和2020年的各因子数据进行投影，首先将其与研究区矢量数据的坐标系统一，并对栅格数据使用重采样工具将其统一到1 km分辨率，对城镇中心点数据和河网数据使用欧氏距离得到研究区距城镇中心距离和距河流距离的1 km栅格数据，对统一坐标和分辨率的数据进行裁剪得到研究区的各驱动因子栅格数据，然后按照自然断点法对各因子数据进行离散化，并将离散后的因子数据采样到各评价小区的中心点上. 最后使用地理探测器测算各评价小区的不同风险因子值（X）对景观生态风险（Y）的驱动作用力. 在局部探测过程中，基于2020年全局探测中因子的处理结果，对局部区域进行数据裁剪、采样和驱动力探测.

1.3 研究方法 1.3.1 景观生态风险评价

（1）景观风险评价小区在景观生态学中，评价小区面积为平均斑块面积的2~5倍最佳^[40，41]. 三江并流区的平均斑块面积为0.33~34.63 km²之间，最佳评价小区面积为0.66~173.15 km²，最佳评价单元边长在0.81~13.16 km之间，考虑到研究区景观空间异质性较大，区域景观生态风险需要细化处理，综合考虑数据处理的便捷性与研究的科学性，将最佳斑块面积划分为3 km×3 km的网格小区，依据研究区实际情况，共有5 571个评价小区.

（2）景观生态风险评价模型景观生态风险评价模型（ERI）表达在生态系统中，各景观类型在自然和人类活动的影响下所受到的生态损失大小. 本文以景观损失度、景观脆弱度和景观干扰度来构建综合生态风险指数，分析流域景观生态风险大小及变化情况. 计算公式如下：

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

(1)

式中，ERI为网格评价单元i的景观生态风险指数； $n$ 为网格评价单元内景观类型的数量； $A_{m i}$ 为网格评价单元 $m$ 中第 $i$ 类景观的面积， $A_{i}$ 为网格评价单元 $m$ 的面积， $R_{i}$ 为景观损失度，各指数计算过程及含义如表 1所示.

表 1 景观风险值计算 Table 1 Landscape risk value calculation

景观风险评价	计算方法	参数含义
景观干扰度 $(E_{i}$ ）	$E_{i} = a C_{i} + b N_{i} + c D_{i}$	景观干扰度表示不同景观类型所代表的生态系统受到干扰的程度，干扰度越大，生态风险越高； $a$ 、 $b$ 和 $c$ 分别为 $C_{i}$ 、 $N_{i}$ 和 $D_{i}$ 的权重，且 $a$ + $b$ + $c$ =1，根据相关研究^{[31, 42]}对 $a$ 、 $b$ 和 $c$ 这3个指标赋以0.5、0.3和0.2的权值
景观损失度（ $R_{i}$ ）	$R_{i} = E_{i} \times F_{i}$	景观损失度反映不同景观类型所代表的生态系统在受到外界干扰时其自然属性损失大小
景观脆弱度（ $F_{i}$ ）	归一化处理	景观脆弱度反映不同景观类型对外部干扰的抵抗能力大小，景观抵御外部干扰的能力越小，则脆弱度越高；将研究区景观类型的脆弱性分为6级，从高到低依次为：其他用地、水域、耕地、草地、林地和建设用地，根据相关研究^[43]进行归一化处理后得到各景观类型的脆弱度指数 $F_{i}$
景观破碎度（ $C_{i}$ ）	$C_{i} = \frac{n_{i}}{A_{i}}$	景观破碎度表示景观类型空间结构的复杂性，其值越大景观类型结构稳定性越低； $n_{i}$ 为景观类型 $i$ 的斑块数， $A_{i}$ 为景观类型 $i$ 的总面积
景观分离度（ $N_{i}$ ）	$N_{i} = \frac{A}{2 A_{i}} \sqrt[]{\frac{n_{i}}{A}}$	景观分离度反映景观类型中斑块个体分布的分离程度，其值越大，景观分布越分散，破碎化程度越高； $n_{i}$ 为景观类型 $i$ 的斑块数， $A_{i}$ 为景观类型 $i$ 的总面积， $A$ 为景观总面积
景观优势度（ $D_{i}$ ）	$D_{i} = \frac{Q_{i} + M_{i}}{4} + \frac{L_{i}}{2}$	景观优势度描述景观由少数几个主要景观类型控制的程度； $Q_{i}$ 为斑块 $i$ 出现的样方数/总样方数， $M_{i}$ 为斑块 $i$ 的数目/斑块总数， $L_{i}$ 为斑块 $i$ 的面积/样方的总面积

表 1 景观风险值计算 Table 1 Landscape risk value calculation

1.3.2 空间地理探测器

（1）指标选取从自然因素（高程、坡度、NDVI、PM_2.5质量浓度、年均气温和年均降水量）、区域可达性（距城镇中心距离和距河流距离）和社会经济（人口密度、地均GDP、不透水面和夜间灯光指数）这3方面选取12项具体评价指标测度其对景观生态风险演变的驱动力.

（2）地理探测器地理探测器是用于分析区域景观生态风险的空间分异，并探索驱动因素及其之间关系的统计学方法^[44]，其中因子探测和交互探测是重要组成部分. 因子探测可以探测所选指标是否为影响评价单元景观生态风险变化的驱动因子，并指明了各种因子对于地理要素的影响大小；交互探测描述不同因子之间的交互作用对于景观生态风险水平的驱动力大小的影响.

因子探测：因子探测用 $q$ 值[0，1]统计量来度量，其大小与X（驱动因子）对因变量Y的解释程度成正比.

交互探测：交互作用探测用于判断不同影响因子之间是否存在交互作用，即因子共同作用时是否会增加或减弱对因变量的解释力度.

2 结果与分析 2.1 景观类型时空变化

通过ArcGIS 10.8对土地利用数据进行分类整理得到研究区各时段的景观类型的空间分布（图 2）. 总体来看，研究区内的林地分布较为广泛，且常与草地交错分布，耕地在研究区的南部地区有明显的集聚性分布，分布在河流两岸以及建设用地周围. 建设用地在研究区的分布较为集中且扩张较为明显，较为集中的水域部分主要出现在金沙江流域范围. 其他用地主要出现在澜沧江和金沙江之间海拔较高的区域.

图 2 三江并流区景观类型分布 Fig. 2 Distribution of landscape types in the Three Parallel Rivers Region

由三江并流区的各类景观结构可知（表 2），林地是研究区的优势地类，占比均在60%以上，整体呈现出增加趋势，20a间增加了577.09 km²；草地占比约为26%，在20 a间呈现出连续下降的趋势，研究期内减少了368.45 km²；研究区地形多以高山峡谷为主，耕地在研究区的占比相对较少，20 a间整体占比约为5.5%；水域在研究区的占比较少；建设用地占比较小，整体持续增加，由2000年的25.25 km²增加到2020的87.26 km²，增长率达到245.58%；其他用地占比约为3%，面积减少了472.76 km².

表 2 三江并流区景观结构 Table 2 Landscape structure of the Three Parallel Rivers Region

研究三江并流区各景观类型20 a间的转移情况可知（图 3），林地和草地的流转较多，林地和草地之间的相互转化是三江并流区景观变化的主要方向，其中草地流出面积最大，达到了1 819.40 km²，主要流向林地和耕地；林地流出面积为927.48 km²，主要流向草地；耕地主要的流出和流入方向均为草地，其他用地的转出面积远超转入面积，表明在研究期间对未利用地的开发程度较大；建设用地的面积由7.42 km²转变为69.45 km²，表明该时段建设用地出现了较大程度的扩张，水域的流转面积相对较小.

括号内数值表示各景观类型面积，单位：km² 图 3 三江并流区景观类型转移 Fig. 3 Landscape type transfer in the Three Parallel Rivers Region

2.2 景观生态风险变化

运用ArcGIS 10.8软件对各评价单元进行景观生态风险数值链接，并利用克里金插值对研究区进行景观风险可视化处理（图 4）. 依照ArcGIS自然断点法^[45~47]对2000年的景观生态风险值进行分类，分别是低风险区（0≤ERI < 0.030 8）、中低风险区（0.030 8≤ERI < 0.050 5）、中风险区（0.050 5≤ERI < 0.078 1）、中高风险区（0.078 1≤ERI < 0.141 1）和高风险区（0.141 1≤ERI < 1），为了对各研究时期进行对比分析，将其他各时期的景观生态风险值依据2000年的标准进行手动分类，得到2000~2020年三江并流区景观生态风险分布和变化情况（图 4和表 3）.

图 4 三江并流区景观生态风险分布 Fig. 4 Distribution of landscape ecological risks in the Three Parallel Rivers Region

表 3 三江并流区各景观生态风险水平结构 Table 3 Structure of landscape ecological risk level in the Three Parallel Rivers Region

从风险分布来看，整体上，研究区的景观生态风险大多处于低风险和中低风险水平. 20 a间景观生态高风险具有明显的聚类情况，高风险区域主要集中在怒江下游地区、金沙江东部的香格里拉市以及哈巴雪山和玉龙雪山等旅游资源较为丰富的地方；中高风险区主要集中在怒江下游高风险区域周围、研究区北部的澜沧江上游地区和澜沧江与金沙江之间的高山峡谷地区；中风险区域主要集中在怒江中下游地区以及澜沧江两岸地区，且研究区的风险水平常呈现出以高水平风险区域为中心，风险水平由内向外逐级递减的环状分布状态. 分时段来看，2000年研究区的高风险区相对较少，主要集中在香格里拉市中心、玉龙雪山和哈巴雪山等经济发展相对较好的区域，中高风险区域主要集中在澜沧江和金沙江之间以及研究区的东北部其他用地转移较多的区域，中风险区域主要分布在研究区的河流两岸，其他地区多以低风险和中低风险为主；2010年研究区高风险区域在空间上的分布具有了明显的扩张趋势，特别是怒江下游地区发生了明显的风险升高情况，部分前一时期的中风险区域上升到中高风险地区和高风险地区，研究区的东北部中高风险以及高风险区域在该时期明显降低为中低风险和低风险区域；2020年的高风险区域相较于前一时期具有明显的扩展趋势，特别是香格里拉市的高风险区域扩张明显.

从风险变化来看，研究区的景观生态以低风险和中低风险为主，低风险区域占研究区总面积的45%以上，整体呈现出先增后减的发展状态，在2010年低风险区面积达到最大，为23 101.62 km²，占总面积的49.40%；中低风险区域占据研究区总面积的30%以上；中风险区占研究区总面积的13%以上；中高风险区约占5%以上，且呈增加趋势，面积增加了225.67 km²；高风险区域在各研究时点均呈现出增长状态，20 a间面积增加了165.99 km²，比2000年增加了98.34%.

2.3 景观生态风险演变驱动因素 2.3.1 全局因子探测

（1）单因子探测为研究三江并流地区景观生态风险的驱动因素及其影响力大小，对研究区各评价单元的景观生态风险值进行“自然-区域可达性-社会经济”三维度要素评价，选取高程、年均气温、距城镇中心距离、人口密度和地均GDP等12项具体评价指标测度研究区景观生态风险时空变化的推动力（表 4）. 地理探测器的因子探测通过每个驱动因素对三江并流区的影响力进行q统计值测算，可以有效探测各影响因素对于各时期景观生态风险作用力大小，整体上来看，对三江并流区的景观生态风险的驱动影响力由大到小为自然因素、社会经济因素和区域可达性因素.

表 4 三江并流区单因子探测（q值） Table 4 Single factor detection in the Three Parallel Rivers Region (q value)

2000年，高程（X1）和年均气温（X5）影响力较大，高程反映了地形特征与海拔高度，因土地利用强度和转变程度在一定程度上受到地形与海拔的限制，因此高程是制约景观演变的关键因素；年均气温对于植被的生长速度和生长周期影响较大，能够改变植被带分布，从而影响研究区景观分布情况，因此对景观生态风险分布影响较大. 2005年，自然因素中的大部分因子解释力增强，NDVI表征区域植被生长状态，NDVI数值越高，植被覆盖度越高，较大程度反映了土地类型景观分布情况，因此NDVI对景观生态风险的解释力较强. 2010年，除坡度（X2）和距河流距离（X8）外其他因子的解释力较前一时期均出现上升趋势. 2015年，坡度（X2）、距河流距离（X8）、不透水面（X11）和夜间灯光指数（X12）相较于前一时期的解释作用升高，坡度在一定程度上限制了土地利用方式的转变可能性，因此会较大程度决定土地利用类型从而对研究区景观生态风险产生影响，随着社会发展，人类作用对于土地利用强度逐渐加大，社会经济因素对于景观生态风险的影响程度也逐渐加强. 2020年，高程（X1）和年均气温（X5）对研究区景观生态风险解释力依旧较强.

（2）因子交互探测利用地理探测器对三江并流区景观生态风险进行因子交互探测可知（图 5），各因子的交互作用力均呈现出双因子增强和非线性增强的效果，表明研究区的景观生态风险是在自然-区域可达性-社会经济等多重要素的综合影响下形成的，特别是年均气温与高程（X5∩X1）、PM_2.5质量浓度（X5∩X4）、人口密度（X5∩X9）和地均GDP（X5∩X10）的交互影响相较于单因子探测时对研究区景观生态风险的解释作用大幅增长，因研究区地处滇西北高原峡谷地带，主要土地类型以林地和草地为主，乡镇的分布较少且较为分散，因此不透水面与夜间灯光对研究区的景观生态风险的解释力较弱.

图 5 景观生态风险因子交互探测 Fig. 5 Interactive detection of landscape ecological risk factors

具体来看，2000年，高程（X1）和年均气温（X5）与其他因子的交互作用力较单因子时显著加强，特别是高程和年均气温（X1∩X5）之间的交互作用力达到0.424 8；2010年，年均气温（X5）与年均降水量（X6）和高程（X1）与其他因子的交互作用依旧处于高解释力水平，此外，PM_2.5质量浓度（X4）与其他因子的交互作用也有明显的提升；2015年，年均气温（X5）与其他因子的交互作用力依旧显著，年均气温与PM_2.5质量浓度（X5∩X4）和地均GDP（X5∩X10）的交互影响力达到0.446 8；2020年，各因子之间的交互作用相较于前一时期具有小幅度的上升，年均气温（X5）与年均降水量（X6）和高程（X1）与其他因子的交互作用仍然处于高解释力水平，年均气温与PM_2.5质量浓度（X5∩X4）和地均GDP（X5∩X10）的交互影响力达到0.488 0.

2.3.2 局部因子探测

尽管研究区景观生态风险整体趋于中低风险水平，但仍有局部地区景观生态风险显著升高的情况存在，因三江并流区地理位置特殊，影响着国内外水域生态安全，生态脆弱度和环境敏感度较高，因此对局部景观生态风险升高的区域和高风险区域持续扩张的区域进行驱动因子研究，明确各影响因素对高风险区的影响力大小，对于防范景观生态风险升高和维护流域生态安全具有重要意义. 在三江并流区选择3处景观生态高风险区作为局部因子探测的研究对象（图 6），A区为景观生态高风险持续扩张的区域，位于香格里拉市，作为行政单元中心城镇建成区，随社会经济发展需求增长其建设用地的面积逐渐扩展，该区域的景观生态高风险区逐渐向外扩张，此处为城镇集中高风险持续区；B区为玉龙雪山、虎跳峡和哈巴雪山等旅游资源较为丰富的地区，随着旅游产业的兴起所带来的环境问题也不容忽视，此处为旅游资源集中高风险持续区；C区为风险突变区，因其在空间上的景观生态风险变化较为明显，由2010年之前的中风险区域剧变为中高风险和高风险聚集的区域.

图 6 景观生态高风险典型区域 Fig. 6 Typical areas with high risk of landscape ecology

（1）局部单因子探测对选取的3个景观生态高风险区域分别进行2020年的因子探测，得到的结果如表 5所示，对A区而言，社会经济因素对景观生态风险的解释力占据主导地位，自然因素其次，区域可达性的解释力最弱. 这是由于在城镇中心，强烈的人类活动创造的经济价值高，导致该区域景观生态风险变化的主要因素与社会经济因素具有强烈的相关性. 具体来看，高程（X1）和人口密度（X9）的因子解释力较高，这是由于人类建设用地集中区域主要选择地势平坦，海拔较低的区域进行，且在长期发展下形成现有的人口集聚分布；B区受自然因素和社会经济因素驱动较大，2000年以来我国旅游业快速发展，B区域自然景观生态受到人为改造的影响较大，人口密度（X9）对B区景观生态风险分布的解释力达到0.708 1. 高程（X1）和年均气温（X5）的驱动因子解释力也在0.500 0以上，这是由于在B区域的旅游目的地常以自然景观为主，高程和温度是决定植被生长变化的关键性因素，因此自然因素的影响也对B区景观生态风险分布具有较强的解释力；C区位于云南省保山市隆阳区的边缘区域，引起景观生态风险突变的因素是草地景观向耕地景观的转变，耕地的开垦与种植一方面受到高程和光温水热的影响，另一方面是人类活动对地类用途的改变导致景观脆弱度的提高，因此自然因素和社会经济因素对该区域的景观生态风险具有较大影响. 但在社会经济因素中，不透水面（X11）和夜间灯光指数（X12）的解释力相对较小，从空间划分上来讲，耕地属于生产空间，常与生活空间相分离，加之劳作时间主要分布在白天，不透水面和夜间灯光的空间分布在该区域分布不显著，导致对C区的解释力较小.

表 5 典型区域单因子探测（q值） Table 5 Single factor detection of typical areas (q value)

（2）局部交互因子探测

局部景观生态风险是在自然因素-区域可达性-社会经济等多重要素的综合影响下形成的（图 7）. A区域[图 7（a）]的区域可达性与其他因素的交互作用显著提升，区域可达性表述了研究区内河流、城镇中心对于其他的位置能够到达的难易程度，因位于城镇中心，水源在人类社会生存和发展中具有重要作用，城镇中心的建立通常在靠近水源且地势平缓的地方，因此区域可达性对于该区域景观生态风险空间分布具有较大作用力，其中高程和距河流距离（X1∩X8）的因子解释力达到0.968 4，这是由于人类对生活空间平坦地形和靠近水域的趋向性选择导致的；对B区域而言[图 7（b）]，距城镇中心的距离与其他因子的交互作用显著高于该因子的单因子探测结果. 该区域旅游景点丰富，接纳游客量较大，旅游业的兴旺带动了景点与城镇中心的联动，其中高程和距城镇中心的距离（X1∩X7）之间的因子交互作用力达到0.953 9，这是由于该区域高海拔自然景观旅游资源丰富，独特的自然景观为邻近的城镇中心引发强烈的人为活动，导致该区域景观生态风险的持续升高；C区[图 7（c）]距城镇中心距离和距河流距离（X7∩X8）的交互作用显著，解释力达到0.893 2. 该区域景观生态风险升高是因为草地转向耕地的地类转变，耕地的开垦和种植常受到人类活动范围限制，同时又具有交通和用水便捷性，因此区域可达性因素对该区域的景观生态风险分布具有较高解释力.

图 7 典型区域因子交互探测 Fig. 7 Factor interaction detection of typical areas

3 讨论 3.1 景观类型变化

三江并流区是滇西北高山峡谷生态屏障和生物多样性宝库的重点区域，林地占比超过60%，20 a间面积增加577.09 km²，草地占比约为26%，减少了368.45 km²，林地和草地的相互转化是景观类型变化的主要方向，气候变化、土地退化和自然灾害等自然因素以及森林砍伐和人工培育等人为因素导致林地和草地之间的转化较为剧烈；耕地占比约为5.5%，且呈现出小幅增加状态，主要在怒江下游出现了集聚型增加的情况，这是由于人类需求导致农业用地开垦行为的发生；水域在研究区的占比相对较少，这与研究区大多是高山峡谷、水资源聚集地较少的自然因素有较大关系；研究区建设用地虽然占比较小，研究期间面积持续增加，这与社会经济发展对于建设用地的需求增长密不可分；其他用地是转出面积最大的地类，面积净减少量达到472.76 km²，其他用地在转变利用方式上成本较低，在有需求的时候，同等条件下，其他用地是转为各种需求地类的首要选择，这与石智宇等关于土地利用变化的研究结构相似^[48].

3.2 景观生态风险变化

景观生态风险评估是生态廊道识别和生态安全格局构建的重要基础，也是区域生态修复和优化的依据. 研究区的景观生态风险维持在低风险和中低风险水平，研究区大多处于高山峡谷地带，土地开发难度大，加之林地在流域范围内常呈现集聚型分布，林地景观的破碎度和分离度较小，景观生态风险稳定在低水平状态；高风险区域和中高风险区域占总风险区面积的比例约为3%，但20 a间景观生态高风险具有明显的聚类情况，主要集中在怒江下游地区、金沙江东部的香格里拉市和哈巴雪山与玉龙雪山等旅游资源较为丰富的地方，这些地方人类活动相对密集，土地利用类型相对丰富，景观斑块的破碎度和连通性较差导致该地区景观生态风险处于高水平，这与邓楚雄等的研究结果一致^[49]；中高风险区域主要集中在研究区北部的澜沧江上游地区以及澜沧江与金沙江之间的高山峡谷地区，这些区域较多地存在未利用地的情况，未利用地的脆弱度较高，导致该区域的景观生态风险高于林地和草地分布的区域，怒江下游高风险区域周围也出现大面积的中高风险区域，这是由于怒江下游地区在2010年出现大量的林草地转变为耕地的现象，加之在耕地之间零星分布建设用地的斑块，该区域景观的脆弱度升高，导致该时期之后怒江下游地区景观生态风险突变成为高风险和中高风险区域.

3.3 景观生态风险驱动因素

从全局来看，研究区的土地景观主要以林地和草地为主，自然条件的地形和水热条件对林地和草地的分布具有决定性作用，加之研究区人口分布较为稀疏，人类活动对景观分布的作用有限，自然因素成为景观生态风险的主导因素，这与赵冰雪等的研究具有相似性^[50].

局部探测分析结果表明，社会经济因素对城镇建成区的景观生态风险的解释力占据主导地位，长期以来的人类活动对建设用地的需求和粗放利用导致建设用地破碎度和分离度较高，A区景观生态风险持续扩张，在区域城市规划中，要提高城市建设用地的节约集约利用，减少空间上的浪费和分裂. B区域是旅游景点密集区，随着旅游业的快速发展，高原自然景观旅游资源的特殊性吸引人类活动强度逐渐增大，导致该区域景观生态风险持续保持在高水平状态，需要采取适当的措施对人类活动进行调控，设置旅游区域开发界限，并设置相应的生态缓冲区，以减轻景观生态风险恶化的趋势；C区草地景观向耕地景观的转变使景观生态风险升高，农作物生长受地形和光热条件的限制，也受到人类生产活动的改造，自然因素和社会经济因素对该区域的景观生态风险空间分布均具有较大影响. 从因子交互探测分析，区域可达性对3个典型的高风险区域的因子交互力作用显著上升，但因其地理位置的不同，土地利用类型有本质差异，呈现出区域可达性的表现不同. A区是由于人类对生活空间的平坦地形和靠近水域的趋向性选择，B区高海拔自然景观旅游资源与邻近的城镇中心旅游需求的联动导致区域景观生态风险的呈现持续高水平状态；C区地类大面积转变，追溯到草地向耕地流转，粮食种植受到人类活动范围限制，区域可达性对该区域的影响显著.

3.4 研究存在的局限性

从数据选择上来说，选取的土地利用数据精度为30 m×30 m的栅格数据，由于数据精度的限制，对于实际的土地类型分布不规则或实际面积较小等情况的数据统计可能存在误差，对于研究区的土地利用研究和景观生态风险研究带来一定程度上的影响. 另外，在进行景观生态风险研究时将研究区划分为3 km×3 km的评价单元，边缘不规则以及评价中心点不在研究区上的区域在进行克里金插值时会造成一定的误差.

从景观生态风险评价指标选取上来讲，采用的指标从土地的斑块的尺度出发，使用斑块面积、斑块数量和平均斑块面积等景观指征评价研究区景观生态风险，没有将生态系统的服务价值纳入景观生态风险的评价当中，目前的生态系统服务价值估算受到区域整体粮食产量和价格的影响，对栅格尺度进行估算的误差较大，随着后续生态系统服务价值研究的加深可以较为准确描述栅格尺度，可以更好地将生态系统服务价值纳入景观生态系统评价当中进行同尺度分析.

在驱动因素选择中，一方面，由于选取的研究区是有非明确边界的流域，因此在驱动因子选择上只能选取突破边界限制的栅格数据，限制了驱动因素的选择范围，另一方面，文章依照相关文献、研究区特征和主观判断选择驱动因子，可能出现因子选择片面和不准确的情况，景观生态风险受到多方面因素的共同影响，受筛选方式和认识程度的限制，目前没有较好的方法筛选出全部的影响因子. 在驱动因子数据采样时，因评价单元为3 km×3 km的数据网格，驱动因子数据多为1 km×1 km的网格数据，对于不透水面和夜间灯光数据这些在部分区域分布较少且空间异质性较高的区域，进行数据的采集误差较大.

4 结论

（1）林地占比在60%以上，且常与草地交错分布，耕地在研究区的南部地区有明显的积聚性分布，分布在河流两岸以及建设用地周围，整体呈现出先增后减的变化趋势，建设用地增长较快，较为集中的水域部分主要出现在金沙江流域范围，其他用地主要出现在澜沧江和金沙江之间海拔较高的地方. 研究区内的草地和林地相互流转是土地利用变化的主要方向，要加强对林地和草地的动态监测，防止林地大面积消退情况的发生.

（2）研究区的景观生态风险处于低风险和中低风险水平，高风险区域主要集中在怒江下游地区、城镇中心和旅游资源较为丰富的区域，中高风险区域主要集中在高风险区域周围和研究区北部的澜沧江上游地区以及澜沧江与金沙江之间的高山峡谷地区，且研究区的风险水平常呈现出以高水平风险区域为中心，风险水平由内向外逐级递减的环状分布状态.

（3）三江并流区的景观生态风险的驱动影响力由大到小为自然因素、社会经济因素和区域可达性. 各因子的交互作用力均呈现出双因子增强和非线性增强的效果，研究区的景观生态风险是在自然因素-区域可达性-社会经济等多重要素的综合影响下形成的，在追溯景观生态风险变化原因时，要注意多因子的协同作用，可以为区域生态修复和治理提供多方面的思考角度.

（4）城镇建成区的社会经济因素对景观生态风险的解释力占据主导地位，高程和地均GDP对于景观生态风险的解释力较高；自然因素和社会经济因素的影响对旅游资源集聚区的景观生态风险分布具有较强的解释力，人口密度（X9）、高程（X1）和年均气温（X5）的驱动因子解释力较为显著；风险突变区的自然因素和社会经济因素对景观生态风险分布具有较大影响. 区域可达性对3个典型的高风险区域的因子交互力作用显著上升. 在区域景观生态治理时，可以根据不同类型高风险区域的因子解释力程度，有针对性地提出生态治理和优化策略.

参考文献

[1]	汪勇政, 梁哲, 余浩然, 等. 基于PLUS模型的汾河流域景观生态风险时空分异及多情景模拟[J]. 生态科学, 2024, 43(1): 35-45. Wang Y Z, Liang Z, Yu H R, et al. Spatial-temporal differentiation and multi-scenario simulation of landscape ecological risk assessment in Fenhe River Basin based on PLUS model[J]. Ecological Science, 2024, 43(1): 35-45.
[2]	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.
[3]	郝军, 田雅楠, 戈锋, 等. 流域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.
[4]	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.
[5]	Liu Y S, Ou C, Li Y R, et al. Regularity of rural settlement changes driven by rapid urbanization in North China over the three decades[J]. Science Bulletin, 2023, 68(18): 2115-2124. DOI:10.1016/j.scib.2023.08.006
[6]	于婧, 汤昪, 陈艳红, 等. 山水资源型城市景观生态风险评价及生态安全格局构建——以张家界市为例[J]. 生态学报, 2022, 42(4): 1290-1299. Yu J, Tang B, Chen Y H, et al. Landscape ecological risk assessment and ecological security pattern construction in landscape resource-based city: a case study of Zhangjiajie City[J]. Acta Ecologica Sinica, 2022, 42(4): 1290-1299.
[7]	邹金宝. 信江中上游流域景观生态风险评价与生态安全格局优化[D]. 抚州: 东华理工大学, 2022. Zou J B. Landscape ecological risk assessment and ecological security pattern optimization in middle and upper reaches of Xinjiang River[D]. Fuzhou: East China University of Technology, 2022.
[8]	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.
[9]	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.
[10]	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
[11]	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.
[12]	梅子钰, 张雅茹, 黄心言, 等. 基于生态系统服务的青海湖流域生态风险评估及其空间异质性影响因素分析[J]. 生态学报, 2024, 44(12): 4973-4986. Mei Z Y, Zhang Y R, Huang X Y, et al. Ecological risk assessment and its influencing factors of spatial heterogeneity based on ecosystem services in Qinghai Lake Basin[J]. Acta Ecologica Sinica, 2024, 44(12): 4973-4986.
[13]	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.
[14]	邓晓辉, 王琳, 欧彩虹, 等. 基于PLUS模型的长株潭都市圈景观生态风险动态分析[J]. 地理与地理信息科学, 2024, 40(1): 47-54, 98. Deng X H, Wang L, Ou C H, et al. Dynamic analysis of landscape ecological risk in Changsha, Zhuzhou and Xiangtan metropolitan area based on PLUS model[J]. Geography and Geo-Information Science, 2024, 40(1): 47-54, 98.
[15]	杨靖, 段禾祥, 宋福强, 等. 2000—2020年高黎贡山景观生态风险时空演变分析[J]. 西南林业大学学报, 2024, 44(4): 54-63. Yang J, Duan H X, Song F Q, et al. Spatiotemporal evolution of landscape ecological risk in the Gaoligong Mountain, 2000-2020[J]. Journal of Southwest Forestry University, 2024, 44(4): 54-63.
[16]	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.
[17]	赵际剀, 于强, 徐呈龙, 等. 基于景观生态风险评估的景观生态网络的构建: 以资源型城市临汾为例[J]. 煤炭学报, 2024, 49(6): 2811-2825. Zhao J K, Yu Q, Xu C L, et al. Construction of a landscape ecological network based on landscape ecological risk assessment: a case study of the resource-based city of Linfen[J]. Journal of China Coal Society, 2024, 49(6): 2811-2825.
[18]	程玉卓, 王志杰, 班先娅, 等. 城市化和生态文明建设对喀斯特山地城市景观生态风险的影响评价——以贵阳市花溪区为例[J]. 水土保持研究, 2023, 30(5): 351-357. Cheng Y Z, Wang Z J, Ban X Y, et al. Evaluation of the impact of urbanization and ecological civilization construction on landscape ecological risk in Huaxi District of Guiyang Characterized as Karst mountain City[J]. Research of Soil and Water Conservation, 2023, 30(5): 351-357.
[19]	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.
[20]	李少玲, 谢苗苗, 李汉廷, 等. 资源型城市景观生态风险的时空分异: 以乌海市为例[J]. 地学前缘, 2021, 28(4): 100-109. Li S L, Xie M M, Li H T, et al. Spatio-temporal dynamics of landscape ecological risk in resource-based cities: a case study of Wuhai[J]. Earth Science Frontiers, 2021, 28(4): 100-109.
[21]	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.
[22]	刘可暄, 王冬梅, 魏源送, 等. 密云水库流域多尺度景观生态风险时空演变趋势[J]. 生态学报, 2023, 43(1): 105-117. Liu K X, Wang D M, Wei Y S, et al. Spatio-temporal evolution trend of multi-scale landscape ecological risk in Miyun Reservoir watershed[J]. Acta Ecologica Sinica, 2023, 43(1): 105-117.
[23]	张峻铭, 孙永玉, 周姗, 等. 2000—2020年金沙江干热河谷景观生态风险的时空变化[J]. 应用生态学报, 2023, 34(10): 2767-2776. Zhang J M, Sun Y Y, Zhou S, et al. Spatial and temporal variations of landscape ecological risk in the dry and hot valley of the Jinsha River during 2000-2020[J]. Chinese Journal of Applied Ecology, 2023, 34(10): 2767-2776.
[24]	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.
[25]	孙丽蓉, 周冬梅, 岑国璋, 等. 基于地理探测器模型的疏勒河流域景观生态风险评价及驱动因素分析[J]. 干旱区地理, 2021, 44(5): 1384-1395. Sun L R, Zhou D M, Cen G Z, et al. Landscape ecological risk assessment and driving factors of the Shule River Basin based on the geographic detector model[J]. Arid Land Geography, 2021, 44(5): 1384-1395.
[26]	于目良, 刘悦俊, 张燕杰. 青藏高原未来土地利用变化与景观生态风险多情景预测[J]. 长江流域资源与环境, 2024, 33(10): 2204-2218. Yu M L, Liu Y J, Zhang Y J. Multi-scenario prediction of future land use change and landscape ecological risk on the Qingzang Plateau[J]. Resources and Environment in the Yangtze Basin, 2024, 33(10): 2204-2218.
[27]	张子涵, 王瑾杰, 丁建丽, 等. 基于PLUS模型的艾比湖流域景观生态风险分析及预测[J]. 干旱区地理, 2025, 48(2): 308-322. Zhang Z H, Wang J J, Ding J L, et al. Analysis and prediction of landscape ecological risk in Ebinur Lake Basin based on PLUS model[J]. Arid Land Geography, 2025, 48(2): 308-322.
[28]	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.
[29]	辛亮, 苏维词. 基于景观格局的FAST宁静区生态风险时空演变分析[J]. 中国环境科学, 2023, 43(10): 5475-5487. Xin L, Su W C. Spatial and temporal evolution of ecological risk in FAST Radio Quiet Zone based on landscape pattern[J]. China Environmental Science, 2023, 43(10): 5475-5487.
[30]	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 the ecosystem service values and the landscape ecological risks in Hohhot-Baotou-Ordos[J]. Environmental Science, 2025, 46(9): 5941-5950. DOI:10.13227/j.hjkx.202409091
[31]	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.
[32]	傅微, 吕一河, 傅伯杰, 等. 陕北黄土高原典型人类活动影响下景观生态风险评价[J]. 生态与农村环境学报, 2019, 35(3): 290-299. Fu W, Lü Y H, Fu B J, et al. Landscape ecological risk assessment under the influence of typical human activities in Loess Plateau, northern Shaanxi[J]. Journal of Ecology and Rural Environment, 2019, 35(3): 290-299.
[33]	Zhang H, Xue L Q, Wei G H, et al. Assessing vegetation dynamics and landscape ecological risk on the Mainstream of Tarim River, China[J]. Water, 2020, 12(8): 2156. DOI:10.3390/w12082156
[34]	李保杰, 杜欣颖, 褚帅. 淮海经济区景观生态风险多情景模拟[J]. 中国环境科学, 2025, 45(4): 2112-2121. Li B J, Du X Y, Chu S. Multi-scenario simulation of landscape ecological risk assessment in Huaihai Economic Zone[J]. China Environmental Science, 2025, 45(4): 2112-2121.
[35]	丁金华, 汪大庆. "三生"空间视角下苏南水网乡村景观生态风险评价——以石头潭片区为例[J]. 西北林学院学报, 2024, 39(2): 265-273. Ding J H, Wang D Q. Ecological risk assessment of rural landscape of southern Jiangsu water net from the perspective of "ecology-production-living" space — a case study of stone pool area[J]. Journal of Northwest Forestry University, 2024, 39(2): 265-273.
[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 Fuijian Province[J]. Research of Soil and Water Conservation, 2022, 29(6): 174-182.
[37]	Mann D, Anees M M, Rankavat S, et al. Spatio-temporal variations in landscape ecological risk related to road network in the Central Himalaya[J]. Human and Ecological Risk Assessment: An International Journal, 2021, 27(1/2): 289-306.
[38]	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 M F, Wang X. 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. DOI:10.13227/j.hjkx.202412052
[39]	勾容, 苏维词, 黄贤凤. 基于景观生态安全评价的贵州省生态安全网络构建及多情景模拟[J]. 环境科学, 2025, 46(7): 4580-4591. Gou R, Su W C, Huang X F. Construction of ecological security network and multi-scenario simulation in Guizhou Province based on landscape ecological security assessment[J]. Environmental Science, 2025, 46(7): 4580-4591.
[40]	郝守宁, 董飞, 刘晓波, 等. 西藏尼洋河流域土地景观格局演变的生态风险分析[J]. 水土保持研究, 2023, 30(2): 378-383. Hao S N, Dong F, Liu X B, et al. Analysis on ecological risk of the evolution of land landscape pattern in the Nyang River Basin[J]. Research of Soil and Water Conservation, 2023, 30(2): 378-383.
[41]	王舒, 刘凤莲. 滇中高原湖泊流域景观生态风险时空演变研究[J]. 西南林业大学学报(自然科学), 2024, 44(5): 63-73. Wang S, Liu F L. Spatial and temporal evolution of landscape ecological risk in Lake Basins of Central Yunnan Plateau[J]. Journal of Southwest Forestry University(Natural Sciences), 2024, 44(5): 63-73.
[42]	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.
[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.
[45]	罗芹芹, 刘凤莲, 朱柯权, 等. 赤水河流域(贵州段)景观生态风险时空分异及空间自相关分析[J]. 水土保持研究, 2025, 32(3): 282-290. Luo Q Q, Liu F L, Zhu K Q, et al. Spatiotemporal differentiation and spatial autocorrelation analysis of landscape ecological risk in the Chishui River Basin (Guizhou section)[J]. Research of Soil and Water Conservation, 2025, 32(3): 282-290.
[46]	张锦明, 丁建丽, 王瑾杰, 等. 基于土地利用的干旱区典型绿洲景观生态风险评价[J]. 环境污染与防治, 2025, 47(6): 98-102. Zhang J M, Ding J L, Wang J J, et al. Ecological risk assessment of typical oasis landscapes in arid zones based on land use[J]. Environmental Pollution & Control, 2025, 47(6): 98-102.
[47]	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.
[48]	石智宇, 蒲万平, 董霁红. 中国北方农牧交错带土地利用变化及其对生态系统服务价值的影响[J]. 环境科学, 2025, 46(4): 2373-2384. Shi Z Y, Pu W P, Dong J H. spatiotemporal changes of land use and their impacts on ecosystem service value in the agro-pastoral ecotone of northern China[J]. Environmental Science, 2025, 46(4): 2373-2384.
[49]	邓楚雄, 龚雅菁, 张光杰, 等. 基于景观生态风险评价的湘江流域生态安全格局构建[J]. 水土保持通报, 2024, 44(3): 145-158. Deng C X, Gong Y J, Zhang G J, et al. Construction of an ecological security pattern in Xiangjiang River Basin based on landscape ecological risk assessment[J]. Bulletin of Soil and Water Conservation, 2024, 44(3): 145-158.
[50]	赵冰雪, 胡海涛. 安徽省湿地景观格局变化及生态风险评价[J]. 水生态学杂志. Zhao B X, Hu H T. Changes in landscape patterns and ecological risk assessment of wetlands in Anhui Province[J]. Journal of Hydroecology. DOI:10.15928/j.1674-3075.202406210237


环境科学 2026, Vol. 47 Issue (6): 3866-3878	PDF