“三生空間”視角下萬州區景觀生態安全評價及其耦合特征分析

劉順鑫, 黃 云

(西南大學 資源環境學院, 重慶 400715)

生態安全是指區域生存和發展所需的生態環境處于不受或少受破壞與威脅的狀態[1]，是評估生態系統健康性的重要指標之一。景觀是人類活動在資源開發和環境改造利用過程中的主要對象，是評估生態環境影響的研究尺度[2]。近年來，隨著景觀生態學的發展，一些學者從景觀尺度出發，通過研究景觀格局的變化及演替規律來獲知地區生態空間結構的變化特點，并以此為基礎對地區的生態安全進行定量的綜合評估[3]，不少學者取得了積極的探索[4-6]，景觀生態學逐漸成為區域生態安全研究的重要方法之一。土地利用/覆被變化是全球環境變化的重要組成部分，在人類活動占優的景觀內，土地利用的方式和強度的變化將會對生態產生區域性和累積性影響[7]。根據土地利用主導功能劃分國土空間，促進形成生產空間集約高效、生活空間宜居適度、生態空間山清水秀的國土空間格局，將會有效地降低區域生態風險，穩定區域生態環境系統。但當前對于三生空間的研究探討還處于初步階段，基于“三生”視角將三生空間理念與區域生態安全進行耦合協調分析的研究還較為缺乏。

目前，生態安全已逐漸被視為與國防安全、經濟安全以及糧食安全同等重要的第四大安全體系，是國家安全的重要組成部分，是實現可持續發展的關鍵[8]。生態安全的研究起源于20世紀90年代，早期研究內容只是對生態安全的概念和理論基礎進行簡單介紹[6]，隨著景觀生態學的發展與應用，景觀生態安全研究取得眾多成果。其中，研究對象主要包括河流流域、湖泊、城鎮、海島、海岸帶等[9-11]，研究尺度以柵格、行政單元、經濟帶等為主，研究指標多用破碎度、優勢度、分離度、分維數、多樣性等[12]，研究內容包括生態安全評價、生態安全格局、生態安全影響因素等，研究方法包括GIS空間建模和多種空間分析。總的來說，景觀生態安全研究正在由簡單的理論研究、動態變化向深層次的結構優化、空間關系轉變。

三峽庫區是指受長江三峽工程影響導致淹沒的地區，并有移民任務的20個縣(市)，區內受水位變化的影響，表現出不穩定狀態，是典型的生態脆弱帶[13]。萬州區地處三峽庫區核心地帶，承載著三峽庫區生態環境保護和移民安穩致富的雙重使命[14]。近10年來，隨著城鎮化和工業化的快速發展，土地利用結構發生顯著變化，給原本就脆弱的生態環境造成了重大影響。基于此,本研究以三峽庫區萬州區為研究對象,利用ArcGIS，GS+，Fragstats，Geoda等軟件,從“三生空間”視角出發，運用景觀生態學、地統計學原理與方法,通過景觀生態安全指數計算及空間自相關分析，對萬州區景觀生態安全進行定量評價，并引入耦合協調度模型，對萬州區三生空間的景觀生態安全進行耦合協調分析，以期揭示萬州區生態安全變化規律和時空分布特征,為萬州區土地資源利用及生態建設提供科學依據和決策支持。

1 研究區概況與研究方法

1.1 研究區概況

萬州區位于長江上游地區，地處三峽庫區腹心，是成渝城市群沿江城市帶區域中心城市，重慶市第二大城市，地處東經107°52′22″—108°53′25″, 北緯30°24′25″—31°14′58″,區域總面積達3 457 km2，下轄12個鄉、29個鎮、11條街道，具有山城和江城雙重特色。境內地形復雜，地貌類型眾多，以低山、丘陵為主，地勢東西高、中部低，整個區域平均海拔達到907 m，最高海拔1 762 m(圖1)。區內河流眾多，共有46條，縱橫分布，高低懸殊，落差大，且呈枝狀分布，均屬長江水系，長江過境長度達83.4 km。由于受三峽庫區蓄水的影響，萬州區土壤侵蝕和水土流失問題嚴重，消落帶面積日益增大，是典型的生態環境脆弱區，景觀生態安全受到社會各界的廣泛關注。

1.2 數據來源及處理

研究涉及數據主要包括2009年、2013年和2018年萬州區土地利用現狀數據和DEM數據，其中，DEM數據來源于地理空間數據云平臺，空間分辨率為30 m；土地利用現狀數據來源于萬州區土地利用變更數據庫。本研究根據最新《土地利用現狀分類》(GB/T21010—2017)與研究區土地利用特點，參考陳仙春[15]、張紅旗[16]等關于“三生空間”的研究，以土地利用主導功能為依據，將土地利用分類系統分為9個二級土地利用空間，分別是農業生產空間、工礦生產空間、城鎮生活空間、農村生活空間、其他生活空間、林地生態空間、牧草生態空間、水域生態空間和其他生態空間(表1)。

1.3 研究方法

1.3.1 評價單元劃分 為了將景觀生態安全指數進行可視化表達，從空間上更直觀地分析萬州區生態安全值的變化情況，借鑒已有研究和研究區實際情況，利用ArcGIS 10.6中的漁網工具，根據景觀斑塊平均面積的2～5倍進行等間距系統采樣，劃分成2 km×2 km的單元網格即評價單元，共得到957個評價單元。利用Fragstats 4.2軟件分別計算每一評價單元的生態安全指數值，以此作為評價單元中心點的生態安全水平。

圖1 萬州區高程

表1 土地利用主導功能分類

1.3.2 景觀生態安全評價模型構建 景觀格局反映了人類對自然生態系統的影響方式和程度，是揭示區域生態系統狀況及空間變異的有效手段[17]，景觀格局指數則對景觀格局的分布與組成進行定量化描述，其中景觀干擾度指數和景觀脆弱度指數常用來衡量景觀生態環境的因果關系[18]。基于此，本研究在已有研究的基礎上，充分結合研究區實際情況，從景觀格局出發，選取干擾度指數和脆弱度指數構建景觀生態安全評價模型[4，19]，計算公式為：

(1)

LDIi=aCi+bHi+cFi

(2)

(3)

式中：ESIk為第k個評價單元的景觀生態安全指數；LDIi為景觀干擾度指數；LVIi為景觀脆弱度指數；m為各單元內的景觀類型的數量；k為評價單元的個數；Aki為第k個評價單元i類景觀類型的面積；Ak為第k個評價單元的總面積；Ci為景觀破碎度；Hi為多樣性指數；Fi為分維數；Ni為景觀類型i的斑塊個數；Ai為景觀類型i的面積；Pi為景觀類型i的周長；Mi為景觀類型i占總面積的比重；a，b，c分別是破碎度、多樣性、分維數的權重，a+b+c=1，參考前人研究成果，分別賦值為a=0.5，b=0.3，c=0.2。

景觀脆弱度指數的大小與生態系統對外部干擾時的抵御強度有關，抵御強度越大，則受干擾程度越小，生態脆弱度也越小，表明生態系統越穩定。根據研究區實際狀況，并參考其他相關研究，采用專家打分法，將研究區各土地利用類型的脆弱性由低到高排列：城鎮生活空間、農村生活空間、其他生活空間、林地生態空間、牧草地生態空間、農業生產空間、水域生態空間、工礦生產空間、其他生態空間，經歸一化得到各自景觀脆弱指數。

1.3.3 耦合協調度模型構建 在三生視角下，區域生態安全由3部分組成，即生產空間生態安全、生活空間生態安全和生態空間生態安全，各空間存在著相互影響、相互制約的耦合關系。基于此，本研究引入物理學中的耦合協調度模型，用耦合度來表示三生空間景觀生態安全的相互作用水平，用協調度來表示三者間的綜合協調發展情況，從而探討三生空間景觀生態安全的耦合協調關系在不同時段上的空間分布狀況和演變規律特征。計算公式如下[20]：

(4)

T=αV1+βV2+γV3

(5)

(6)

(7)

T1=αV1+βV2，T2=αV1+γV3，

T3=βV2+γV3

(8)

(9)

1.3.4 地統計分析

(1) 空間自相關分析。空間自相關分析是用來檢驗某些空間變量在特定位置的屬性值是否與鄰近位置的屬性值顯著相關的算法，可以分為全局空間自相關與局部空間自相關[21]。本研究利用GeoDa 5.1軟件，選用Moran′sI指數來表示景觀生態安全值在整體上的集聚狀況，選用局部空間關聯指標(LISA)來度量某一評價單元生態安全值與周邊地區生態安全值的空間集聚程度。

(2) 半變異函數分析。景觀生態安全指數在空間分布上具有結構性和隨機性，是一種典型的空間變量[22]，其空間異質性可利用地統計學中的半變異函數進行度量，以此分析不同距離下景觀生態安全值的變化。基于此，本研究采用GS+7.0軟件進行半變異函數擬合，并建立擬合模型，通過比較選擇最優擬合模型，然后借助ArcGIS 10.6空間分析工具進行普通克里金插值，從而實現研究區2009—2018年景觀生態安全數值空間化。

2 結果與分析

2.1 “三生空間”土地利用類型演變

從萬州區2009年、2013年和2018年各土地利用類型面積(表2)來看：2009—2018年，萬州區以林地生態空間為主，占總面積的39%以上，其次是農業生產空間，占總面積的38%以上，兩者共同占總面積的77%左右，構成萬州區的主要土地利用類型。從各地類面積增減變化來看，生活空間中除農村生活空間在不斷縮小外，城鎮生活空間和其他生活空間都在迅速擴張，特別是其他生活空間的面積由2009年的8.48 km2增至2018年的16.26 km2，增加了7.78 km2，增幅高達91.76%。生產空間中農業生產空間在不斷縮小，減少了16.29 km2，工礦生產空間面積總量最少，僅有4 km2左右，從2009—2018年面積有小幅度增加，共增加了0.6 km2，增幅達13.68%左右。生態空間各地類面積均在減少，其中水域生態空間減少的最多，減少了2.82 km2，林地生態空間面積呈現先減后增的趨勢，牧草地生態空間則是先增后減的趨勢。據研究，這是由于近幾年來萬州區為促進經濟發展，不斷增加交通用地面積，從而改善交通環境，減少運輸距離和成本，其他生活空間的面積也由此增加。經濟的發展必然加快城市化的進程，許多農村居民為了得到更好的生活環境，不斷向城市轉移，城市向外擴張占用農業用地，從而導致城鎮生活空間擴大，農業生產空間縮小。

表2 2009-2018年各土地利用類型面積及占比

2.2 景觀生態安全時空變化

根據公式(1)計算每個評價單元的景觀生態安全指數，并對各評價單元進行克里金插值，先采用自然斷點法進行分類，再人為進行細微調整閾值，將景觀生態安全指數劃分為5 個等級:1級(00.710)，以此得到萬州區景觀生態安全等級分布圖(圖2)和景觀生態安全等級面積統計表(表3)。

圖2 景觀生態安全等級分布

表3 2009-2018年景觀生態安全等級面積及占比

萬州區的景觀生態安全整體處于較高水平，2009年景觀生態安全值介于0.52～0.94，平均值為0.714；2013年、2018年景觀生態安全值均介于0.52～0.96，平均值分別為0.63，0.74，可以看出，萬州區景觀生態安全指數整體呈現上升趨勢，但2013年空間分布差異較大。由表3可見，研究區不安全區和較不安全區面積占比在58%以上，超過了中等安全及以上等級區的面積，其中，較不安全區一直是研究區生態安全的主要類型，且面積持續增加，說明研究區景觀生態安全整體上還有待提高。各等級間的面積變化也較為顯著，不安全區面積持續下降，從2009—2018年，下降了約56.5 km2，中等安全區面積波動下降，較安全區面積波動上升，較不安全與安全區面積持續上升，其中安全區面積變化幅度最大，約為32%，增加了22.61 km2左右，表明研究區生態環境在不斷改善，生態安全狀況在朝著好的方向改變。

在空間分布上，研究區景觀生態安全分布具有明顯的規律性和異質性特征，由圖2可知，總體上呈現中部高、東北—西南低的空間分布特征。安全區分布較為集中，2009年主要分布在城鎮中心，隨著城鎮化的擴張，到2018年分布范圍明顯擴大，逐步向北部擴張，呈現出明顯的“L”型分布，這是因為該區是萬州區的城市中心，以建設用地為主，土地利用類型較為穩定，不易受環境變化和人類活動的影響而發生改變，城市擴張導致建設用地面積擴大，從而景觀生態安全區的面積隨之增加。較安全區分布較為分散，一部分主要分布在安全區附近，即城市郊區；另一部分主要分布在海拔較高的山地地區，周圍圍繞著中等安全區，主要山脈包括開梁山、鐵峰山、大山、七曜山等，多呈西南—東北走向，景觀類型較為單一，人為擾動較少，因此生態環境良好。不安全區主要沿長江流域分布，呈現3大片區，分別位于東北部、西部和西南部，其中分布面積最大的片區是西南部，主要包括甘寧鎮、響水鎮、龍沙鎮、分水鎮、瀼渡鎮等地區，其中，龍沙鎮的不安全區面積從2009—2018年在明顯減少，生態環境逐步改善，這主要得益于近年來龍沙鎮結合當地地形地貌，調整產業結構，大力引進農業企業，積極打造柑橘產業園區、花海觀景區、優質糧油示范區等現代農業園區，實現農業現代化、機械化、生態化，美麗鄉村建設效果顯著。較不安全區大致分布在不安全區周圍，以不安全區為中心向外擴散，該區以低山、丘陵為主，景觀破碎，人類活動頻繁，破壞強度大。

2.3 景觀生態安全地統計分析

2.3.1 空間自相關分析 空間自相關分析可以度量某一變量在空間上是否與其鄰近位置的變量相關，在此基礎上的局部自相關則能進一步體現集聚特征。本研究利用GeoDa 5.1軟件，以2009年、2013年、2018年萬州區景觀生態安全指數為基礎，計算得出：在2 km尺度下，2009年、2013年和2018年的Moran′I值分別為0.408，0.413，0.420，均大于0，且通過p=0.05水平的顯著檢驗，說明研究區景觀生態安全在空間上存在正相關關系，空間分布具有集聚特征。3個時期的Moran′I值雖然變化不大，但整體呈上升趨勢，說明空間自相關關系有小幅度提升，空間趨同性逐漸增強。在象限分布上，大部分樣本單元位于第一、第三象限，屬于“高—高”和“低—低”生態安全聚集模式，其中，第一象限內的樣本單元生態安全值差距較大，散點分布較分散，即高安全區域內部差異較大。這與城市發展有關，一方面城市向外擴張增加了建設用地面積，建設用地穩定且不易發生改變，整體上提高了景觀生態安全；另一方面，為了改善城市內部環境，綠化用地面積也相應增加，從而導致城市內部景觀生態安全差異增大。

為了進一步分析萬州區景觀生態風險的局部空間相關性，以LISA作為度量，根據GeoDa 5.1軟件運算得出萬州區景觀生態安全LISA聚集圖(圖3)。從圖3可以看出：2009—2018年萬州區景觀生態安全高—高值區域和低—低值區域存在顯著的空間集聚特征，高—低值、低—高值則零星分布。高—高值區域和低—低值區域的分布范圍與景觀生態安全等級中的安全區、不安全區空間分布具有較高的一致性，高—高值區域主要集中分布于城鎮中心和高海拔的景觀生態安全區，低—低值區域集中分布于具有河流的甘寧鎮、響水鎮、龍沙鎮等景觀生態不安全區。從格網數目來看，2009—2018年高—高值與低—低值的格網數目遠大于高—低值與低—高值的格網數目，這說明研究區景觀生態安全分布以高—高集聚和低—低集聚類型為主，低—高集聚和高—低集聚分布現象不明顯。

圖3 景觀生態安全LISA聚集

2.3.2 半變異函數分析 為了探討研究區景觀生態安全的時間分異特征，本研究借助GS+7.0軟件，引入地統計學中的半變異函數，對研究區生態安全評價指數進行半變異函數模型擬合，結果見表4，通過對4個模型結果進行比對，可以看出：2009年高斯模型擬合效果最佳，決定系數為0.89，2013年和2018年最佳擬合模型均為線性模型，決定系數分別為0.945，0.943，擬合效果均較好。2009年、2013年、2018年基臺值持續增加，分別為0.003，0.014 8，0.016，表明景觀生態安全性的空間分布差異逐漸增大。塊金系數是塊金值與基臺值的比值，該值越大，表明隨機性因素對地理要素空間分異的影響越大，研究區塊金系數從2009年的0.613下降到2013年的0.496，表明隨機性因素對研究區景觀生態安全的空間分異影響程度下降，結構性因素影響增強，并成為主導影響因素，到2018年，塊金系數上升到0.526，隨機性因素增強并成為主導因素。此外，塊金系數一直介于0.25～0.75，表明研究區景觀生態安全具有中等的空間相關性。2009年變程為9 km，2013年和2018年變程均為49 km，表明研究區景觀生態安全指數的相關性范圍在逐漸擴張，空間異質性減弱，景觀類型趨同。

表4 景觀生態安全指數半變異擬合參數

2.4 景觀生態安全耦合特征分析

2.4.1 三生空間景觀生態安全耦合特征分析 基于“三生”空間評價體系，在計算出研究區的景觀生態安全值的基礎上，運用ArcGIS 10.6的柵格計算器，引用公式(6)的耦合協調度模型，計算出研究區景觀生態安全耦合協調度，并采用自然斷點法進行分類，將耦合協調度劃分為5個等級:嚴重失調(00.347)，以此得到研究區景觀生態安全耦合協調度等級分布圖(圖4)和景觀生態安全耦合協調度等級面積統計圖(圖5)。

圖4 三生空間景觀生態安全耦合協調度等級分布

圖5 三生空間景觀生態安全耦合協調度等級面積

從整體上看，萬州區“三生空間”景觀生態安全的耦合協調度水平不高，2009—2018年的耦合協調度均介于0.249～0.423，整體上呈現“中部高，四周低”的空間分布特征，地域分異明顯。根據耦合協調度等級劃分標準， 2009—2018年嚴重失調區面積呈先增后減的趨勢，整體上面積增加了38.64 km2，2009年、2013年、2018年面積占比分別為17.05%，19.72%，18.2%，空間分布范圍變化較小，主要沿河流分布，集中分布在柱山鄉、甘寧鎮、溪口鄉、梨樹鄉，這是由于該地景觀生態安全在生產空間與生活空間上的差異較大，發展較為不平衡，因此耦合協調度較低。高度協調區面積占比2009—2018年均介于3%～4%，面積出現小幅度增加，共增加了3.26 km2，空間分布特征明顯，與景觀生態安全的安全區分布較相似，主要分布在城鎮中心，這是由于該區三生空間景觀生態安全差異較小，發展較為均衡，因此耦合協調度較高。中度失調區、基本協調區和中度協調區分布較為分散，散落分布在研究區內，其中，中度失調區始終占主導地位，面積占比均在32.53%以上，在面積變化上，面積在2009年和2013年期間減少幅度較大，減少了49.13 km2，2013—2018年期間面積有小幅度回升，增加了8.775 km2；基本協調區面積持續下降，面積變化最大，到2018年，面積共減少了78.13 km2左右；中度協調區面積持續上升，共增加了72.7 km2，2009—2018年增幅高達20%，是上升幅度最大的區。總的來說，中度協調和高度協調區面積在不斷增加，這說明萬州區三生空間的景觀生態安全綜合耦合協調能力一直在改善，但高度協調區面積占比較少，且中度失調區面積占比始終處于主導地位，說明萬州區三生空間的景觀生態安全相互協調關系還有待改善。

2.4.2 三生空間景觀生態安全兩兩耦合特征分析 為深入探析景觀生態安全在生產—生活—生態空間下兩兩相互協調發展水平與協同發展程度。根據公式(7)—(9)，測算出三生空間景觀生態安全兩兩耦合度和耦合協調度，并采用自然斷點法將耦合協調度劃分為5個等級，由此得到2009—2018年萬州區三生空間景觀生態安全兩兩耦合協調度的空間分布圖(圖6)。

“生產—生活”空間景觀生態安全的耦合協調度介于0.12～0.47，“生產—生態”空間景觀生態安全的耦合協調度介于0.11～0.45，“生活—生態”空間景觀生態安全的耦合協調度介于0.15～0.46，可以看出：景觀生態安全在“生產—生活”空間、“生產—生態”空間與“生活—生態”空間上的耦合協調度差距不大，年際變化也不明顯，但空間分布差異顯著。從“生產—生活”空間景觀生態安全的耦合協調度來看，城鎮中心協調度較高，高度協調區呈“L”字型分布，中度協調區呈斜“I”字型分布，說明城鎮中心的景觀生態安全在生產空間和生活空間上實現了同步發展。萬州區作為三峽庫區移民區，在強調城市經濟快速發展的同時，也注重為人們提供一個宜居的生活環境。從“生產—生態”空間的景觀生態安全耦合協調度來看，其空間分布特征與“生產—生活”空間景觀生態安全耦合協調度的空間分布相反，耦合協調度從城鎮中心向四周逐漸提高，城鎮中心成為嚴重失調區，且嚴重失調區面積呈上升趨勢，這說明萬州區城鎮中心的景觀生態安全在生產空間和生活空間上存在較為嚴重的矛盾，難以實現同步發展，這是由于萬州區在初期為了快速提升經濟，引進大量工業企業，片面注重經濟發展而忽視生態保護，從而導致生態環境惡化。從“生活—生態”空間景觀生態安全的耦合協調度來看，其空間分布特征與“生產—生活”空間景觀生態安全耦合協調度的空間分布相似，城鎮中心的景觀生態安全在“生活—生態”空間上依舊是高度協調發展區，良好的生態空間必然帶來良好的生活空間；但河流地區的景觀生態安全在“生活—生態”空間上處于失調區，這是由于河流附近地形平坦，多為人類聚集區，人類活動頻繁，生態環境容易被破壞。總的來說，萬州區三生空間景觀生態安全的兩兩耦合協調度還處于較低水平，城鎮中心需促進“生產—生態”空間生態環境的協調發展，河流水域地區需注重“生活—生態”空間生態環境的同步發展，只有三生空間的景觀生態環境同時達到最優水平，才能從整體上提高萬州區的景觀生態安全，從而改善生態環境。

圖6 三生空間景觀生態安全兩兩耦合協調度等級分布

3 討論與結論

3.1 討 論

本研究從“三生空間”視角出發，以ArcGIS，Fragstats為主要技術平臺，GS+，Geoda軟件為輔助分析工具，結合空間自相關、地統計學和耦合協調模型，研究在2 km格網尺度下萬州區景觀生態安全的時空變化特征。與以往研究相比，本研究中所涉及的土地利用數據均來自萬州區土地利用變更數據庫，比遙感解譯得出的數據更加精確可靠；其次，“三生空間”與耦合協調模型的綜合應用多用于土地利用功能變化分析，但將三生空間理念與區域景觀生態安全進行耦合協調分析的研究還較為缺乏。關于三生空間的研究探討還處于初步階段，目前還未建立統一的三生空間土地分類體系，研究者需從自己的研究目的和結合研究區實際情況構建合理的分類體系。基于景觀格局尺度計算生態安全，一般會選取干擾度和脆弱度構建景觀生態安全評價模型，但是景觀類型的脆弱度是相對的，具有復雜性和不確定性，研究中脆弱度的值一般是主觀賦值的，不具有客觀性。因此，如何構建完善統一的三生分類體系，準確客觀地量化景觀脆弱度，完善景觀格局下的生態安全評價，還需進一步研究。

3.2 結 論

(1) 2009—2018年萬州區土地利用類型以林地生態空間和農業生產空間為主，兩者共同占總面積的77%左右。在面積變化上，生活空間中除農村生活空間面積在不斷減少外，城鎮生活空間和其他生活空間的面積都在迅速增加；生產空間中農業生產空間面積在逐漸減少，工礦生產空間面積有小幅度增加；生態空間各地類面積均在減少，其中水域生態空間減少的最多。

(2) 萬州區的景觀生態安全整體處于較高水平，2009—2018年景觀生態安全值介于0.52～0.96，且景觀生態安全指數整體呈現上升趨勢。在面積變化上，萬州區不安全區和較不安全區面積占比在58%以上，超過了中等安全及以上等級區的面積，說明研究區景觀生態安全整體上還有待提高。在空間分布上，具有明顯的規律性和異質性特征，其中，安全區主要分布在城鎮中心，呈現出明顯的“L”型分布；不安全區主要沿長江流域分布，呈現3大組團，分別位于東北部、西部和西南部。

(3) 2009—2018年萬州區景觀生態安全總體上存在較強的正向相關關系，且全局空間自相關水平表現出逐漸上升的趨勢；局部空間自相關存在顯著的高—高集聚區域和低—低集聚區域，年份間差異較小；2009年最佳擬合模型為高斯模型;2013年和2018年最佳擬合模型為線性模型，總體來看；隨機性因素對景觀生態安全的空間分布影響作用力較強。

(4) 萬州區“三生空間”景觀生態安全的耦合協調度水平不高，但地區差異較小，整體上呈現“中部高，四周低”的空間分布特征。其中，嚴重失調區主要沿河流分布，集中分布在柱山鄉、甘寧鎮、溪口鄉、梨樹鄉；高度協調區空間分布特征與景觀生態安全的安全區分布較相似，主要分布在城鎮中心。在“三生空間”景觀生態安全兩兩耦合協調發展上，河流地區的景觀生態安全在“生活—生態”空間上還未實現同步發展，城鎮中心的景觀生態安全雖在“生產—生態”空間和“生活—生態”空間上實現了協調發展，但在“生產—生態”空間上還處于失衡發展階段。