云南邊境山區景觀生態風險時空演變及其影響因素

鄭可君,李 琛,吳映梅,*,高彬嬪,李 嬋,武 燕

1 云南師范大學地理學部,昆明 650500 2 云南省社會科學院,昆明 650034

生態安全是經濟社會持續健康發展的重要保障,是人類生存發展的基本條件,是國家安全的重要組成部分,在“推動人類共享生態文明成果”的理念下,高度重視并有效防范和化解生態風險,實現人與自然美美與共,是生態文明建設的主要內容之一[1]。基于景觀格局的生態風險評價從自然、人為因素影響下景觀格局與生態過程相互作用出發,考量可能產生的不利后果從而實現多源風險的綜合表征及其空間可視化,對區域生態發展和生態安全格局構建提供決策依據[2—3]。隨著經濟社會的快速發展和人類活動的不斷加劇,自然資源與生態系統的壓力日趨增大,生態環境保護面臨巨大的挑戰。邊境地區的景觀生態風險表征了跨境地區生態系統的穩定性[4],對生態環境的全球治理意義重大。云南是中國重要的邊境省之一,受環境和經濟基礎薄弱的制約云南邊境縣較為落后,正處在經濟社會快速發展的鄉村振興階段,建設用地、耕地等對林地、濕地的侵占加劇了生態用地的減少,不合理的土地利用變化嚴重制約了生態系統功能的發揮。

基于景觀格局的生態學研究可分析生態動態過程和空間格局的相互聯系,能夠實現多元風險的綜合表征和空間可視化,對區域生態安全的維護和保障極為重要,已成為國內外學者關注的熱點問題之一[1,5—6]。景觀作為一種系統除具有整體性外,還具有地域分異的規律性,在不同尺度上對自然景觀和人文景觀的結構、功能和動態發生作用[7]。20世紀90年代開始就有學者對景觀生態風險評價進行研究,經過約30年的發展,國內學者更加關注景觀生態風險,已從不同尺度探究了景觀生態風險的地域分異,并注重分析自然條件和人類活動共同作用下對景觀生態風險地域分異的影響,評價對象以生態脆弱敏感區和人類活動較為集中區為主,如：州[8]、市[9]、流域[10]、濕地[11]、礦區[12]等,評價方法有景觀格局指數法[13]、熵值法[14]、暴露—響應法[15]等,影響因素有人口[4]、GDP[1]、海拔[16]、降水[5]等。國外學者對生態風險的研究多以微觀視角切入,主要圍繞污染物帶來的生態風險,如達卡地區農業土壤中的重金屬污染帶來的生態風險[17]、孟加拉國魯普薩河沉積物中重金屬的污染水平和分布及其生態和健康風險[18]等。綜上,盡管生態風險評價已有研究取得了豐富的成果,但仍有以下兩個方面的問題需要進一步探究：一是對邊境山區景觀生態風險的研究不足,邊境山區是生物多樣性保護的重要區域、鄉村振興的重點區域和對外開放的重要門戶,是復雜人文環境和自然環境下生態—經濟—社會發展矛盾突出的代表,亟需針對邊境山區開展景觀生態風險的研究。二是在景觀生態風險的影響因素研究中,缺乏綜合考慮區域經濟社會協調發展水平及經濟社會發展模式對景觀生態風險的影響。

云南25個邊境縣是邊境山區的一個典型縮影,是中國西南生態安全的大門也是打造區域命運共同體的通道。揭示邊境地區景觀生態風險時空演變特征與多種自然、人為干擾因素對其綜合影響,確保生態環境不斷向好發展顯得尤為重要。本研究基于2000、2010及2020年土地利用數據,計算區域景觀格局指數,構建景觀生態風險評價模型,在系統分析景觀生態風險時空演變特征的基礎上,進一步探究自然、可達性和社會經濟因素對景觀生態風險的影響,以期分析區域潛在景觀生態風險及風險區域分異為風險防范和評價提供借鑒,對豐富邊境地區生態系統穩定性的研究具有一定的理論與實踐意義。

圖1 研究區位置Fig.1 Study area location該圖基于國家測繪地理信息局標準地圖服務網站下載審圖號為GS(2020)4619 號的標準地圖制作,底圖無修改。DEM: 數字高程模型 Digital elevation model; 1隴川縣；2芒市； 3騰沖市； 4貢山縣；5龍陵縣；6鎮康縣；7瀘水市；8耿馬縣；9滄源縣；10孟連縣；11西盟縣；12瀾滄縣；13勐海縣；14景洪市；15勐臘縣；16江城縣；17綠春縣；18金平縣；19河口縣；20馬關縣；21麻栗坡縣；22富寧縣；23瑞麗市；24盈江縣；25福貢縣

1 研究區概況

云南25個邊境縣(市)[19]位于中國西南部(21°8′ —28°23′N,97°31′ —106°11′E),與緬甸、老撾、越南3個國家毗鄰,邊境線長約4060km,如圖1所示,其分布在滇西北高山峽谷地區、滇西邊境山區、滇南水資源豐富地區、滇東南巖溶石漠化地區,總面積約90838km2。2020年,云南邊境縣國內生產總值約2484.8億元,戶籍人口約674.6萬人。25 個縣中有 21 個為民族地區,少數民族人口近60%,分布有云南特有9個直接由原始社會形態過渡到社會主義社會的民族和 8 個人口較少民族,有16個與境外同一民族毗鄰而居的少數民族[20]。云南邊境縣在自然條件、資源分布、人文環境、社會經濟發展等的空間分布上差異較大。作為鄉村振興和保護生態系統良性循環的重要區域,云南邊境縣的發展既要全面推進沿邊開放城鎮帶建設,提高沿邊地區發展能力和開放水平,同時也肩負著構建生物多樣性保護網絡的重要使命。進一步協調好“發展”與“保護”的關系是云南邊境縣發展的主要目標之一。

2 數據來源與研究方法

2.1 數據來源及處理

土地利用數據來源于 Globeland30 全球地表利用數據庫(http://www.globallandcover.com),包括2000、2010 和 2020 年 3 期數據,空間分辨率為 30 m×30 m,該數據集數據較新、精度較高。全區土地利用類型共 9種,包括耕地、林地、草地、灌木地、濕地、水體、人造地表、裸地、冰川永久積雪。高程數據來自地理空間數據云(http://www.gscloud.cn)；年降水量和年平均氣溫數據來自中國科學院資源環境科學與數據中心(http://www.resdc.cn)；道路數據來源于全國地理信息資源目錄服務系統 (https://www.webmap.cn/main.do?method=index)；縣域人口和GDP數據來源于《中國縣域統計年鑒(縣市卷)》；縣域經濟發展聚類數據來源于“云南邊境縣經濟社會發展探析”[20]文獻研究。

2.2 評價單元劃分

風險評價單元劃分是生態風險評價和生態風險空間可視化表達的重要步驟。結合研究區實際情況和斑塊大小,采用10km×10km的格網,將云南邊境縣劃分成1212個評價單元,利用 Fragstats 4.2軟件,計算每個單元的生態風險值,將其作為屬性值賦予各評價單元的中心點[21]。

2.3 景觀生態風險指數構建

景觀格局指數高度濃縮了景觀格局信息,從景觀格局的角度出發,構建景觀生態風險指數的計算公式為[22]：

(1)

式中ERIi第i個評價單元的景觀生態風險指數；Aki為第k個評價單元內景觀類型i的面積；Ak為第k個評價單元面積,Ri為景觀損失度。

(2)

式中Si為景觀結構指數,Fi為景觀脆弱度指數,景觀脆弱度的大小與其在景觀自然演替過程中所處的階段有關,根據前人研究經驗[23—24]結合研究區特點,本文將9類景觀類型按其脆弱度賦值并進行打分,歸一化得到各自的脆弱度指數：耕地0.11、林地0.04、草地0.09、灌木地0.07、濕地0.16、水體0.13、人造地表0.02、裸地0.18、冰川永久積雪0.20。

Si=aCi+bNi+cDi

(3)

式中a、b、c為相應景觀指數的權重,a+b+c=1,根據前人研究結果[22,25]結合研究區實際情況,a、b、c分別賦值為0.5、0.3、0.2。Ci為景觀破碎度指數,景觀破碎化是由于自然或人為干擾所導致的景觀由單一、均質和連續的整體趨向于復雜、異質和不連續的斑塊鑲嵌體的過程,景觀破碎化是生物多樣性喪失的重要原因之一,其值越大必然導致生態風險越大；Ni為景觀分離度指數,表示景觀類型中不同斑塊個體分布的分離程度,其值越大景觀分布越復雜,景觀內不穩定性越低,對應的景觀生態穩定性越低,生態風險越高；Di為景觀優勢度指數,是衡量斑塊在景觀中重要地位的一種指標,其大小直接反映了斑塊對景觀格局形成和變化影響的大小,其值越大,斑塊對景觀格局形成、變化影響越大對應的生態風險就越大[25]。

(4)

式中Qi為斑塊i出現的格網數/總格網數；Mi為斑塊i的數目/斑塊的總數目；Li為斑塊i的面積/樣方總面積；ni為景觀類型i的斑塊數；A為景觀總面積；Ai為景觀類型i的面積。

2.4 探索性空間數據分析

運用 ArcGIS結合空間自相關分析對研究區進行空間化表達,通過地統計分析模塊對點數據進行半變異函數擬合,得到最佳擬合模型[21]并選取指數克里金插值法分別對2000、2010、2020年數據進行空間插值,得到景觀生態風險空間分布圖,采用自然間斷點法劃分景觀生態風險等級,進一步利用轉移矩陣模型分析不同時期景觀生態風險等級轉移情況[1]。

通過空間自相關Moran′sI指數確認相鄰或近鄰區域風險評價單元屬性值是否具有關聯性[21]。Moran′sI值在-1—1,大于0表示正相關,小于0表示負相關,等于0表示不相關[26]。

2.5 地理探測器歸因分析

綜合前人研究[1,4—5,16]結果和研究區自然環境、人文環境、資源空間分布及社會經濟發展差距較大的特點,利用地理探測器既可以探測數值型數據,也可以探測定性數據的優勢[27]。選取社會經濟[28]、自然環境、可達性[29]三個維度10個影響因子,包括人口地理集中度、經濟地理集中度、人口經濟地理集中度不一致指數[30]、發展模式[20]、年降水量、年均氣溫、高程、地形起伏度、距道路距離、距城鎮距離。在 ArcGIS 中將所有影響因子柵格化、統一投影坐標系并運用自然斷點法將其分類,利用地理探測器軟件中的因子探測,測度景觀生態風險與各影響因子之間的關系及影響程度[5],同時兩個因子共同作用下對景觀生態風險的影響。兩兩因子的影響可分為5類,如表1所示。運用Origin軟件對交互探測結果作圖。

表1 雙因子交互作用結果類型[27]

2.6 地理集中度

地理集中度是綜合考慮區域人口、經濟、面積等因素,是衡量人口、經濟空間分布的有效指標,一般應用地理集中度指數來表征。綜合考慮云南25個邊境縣在人口和經濟總量與區域面積上發展不平衡的問題,用人口地理集中度和經濟地理集中度衡量云南邊境縣人口與經濟的空間分布及集聚狀況,人口地理集中度和經濟地理集中度計算公式如下：

(5)

式中,Rpopit為人口地理集中度,RGDPit為經濟地理集中度；popit、POPt分別表示i地區t時刻人口數量和區域總人口數量；gdpit、GDPt分別表示i地區t時刻GDP數值和區域的總 GDP 數值；landit、LANDt分別表示i地區t時刻國土面積和區域的總國土面積[31]。

在此基礎上,人口與經濟空間分布的不一致性可以用人口地理集中度Rpopit和經濟地理集中度RGDPit的相對比例來衡量,則地區i在t時間人口與經濟地理集中度的不一致指數Iit的計算公式如下[32]：

(6)

2.7 經濟社會發展模式

根據游琰[20]對云南 25 個邊境縣經濟社會發展的聚類分析結果,將4種不同經濟社會發展模式作為影響研究區景觀生態風險的影響因素進行探測。該聚類分析綜合考慮了經濟發展和社會事業中的36個變量。結果如下：聚類1,經濟社會發展領軍型,包括勐海縣、盈江縣、騰沖市、芒市、景洪市、龍陵縣、耿馬縣；聚類2,經濟社會發展均衡型,包括河口縣、瑞麗市、勐臘縣；聚類3,經濟社會發展緩慢型,包括江城縣、瀘水市、臨滄縣、馬關縣、金平縣、麻栗坡縣、隴川縣、孟連縣、綠春縣、富寧縣、滄源縣、鎮康縣；聚類4,經濟社會發展落后型,包括福貢縣、西蒙縣、貢山縣。

3 結果與分析

3.1 景觀類型的時序變化

研究區景觀類型以林地和耕地為主,林地面積占研究區總面積的62.77%以上,2000年、2010年、2020年林地面積分別為58511.63km2、57318.19km2、56985.43km2,面積共減少了1526.2km2；耕地作為研究區第二大景觀類型,面積占比22.71%以上且持續增加,20年間共增加2396.78km2；草地的變化表現為面積持續減少,草地面積占比5.9%以上,面積從2000年的7238.83km2減少至2020年的5397.69km2,減少幅度較大,共減少 1841.14km2；灌木地面積占比3.73%以上,面積呈現先上升后下降的變化趨勢,總體增加201.42km2；裸地面積占比在0.04%-0.35%之間,總體面積翻兩番共增加126.16km2；人造地表面積占比在0.35%—0.84%之間,20年間面積持續增加,共增加了443.63km2；水體面積20年間面積翻一番,共增加237.19km2；其他占比小的濕地面積呈現先增加后減少的變化趨勢,冰川和永久積雪面積呈現先減少后增加的變化趨勢,總體均減少。

從景觀類型的時序變化可以看出,20年間經濟欠發達的邊境縣得益于國家一系列興邊富民的政策保障,耕地和人造地表面積增加一定程度上反映了邊境地區人口增加和生活條件得到改善,同時伴隨著林地和草地大面積減少,景觀格局發生了較大改變。國家對生態環境保護的重視和規范化建設,灌木地、水體面積總體增加明顯。總體來看,研究區景觀類型的時序變化一定程度上反映了政策干預下社會經濟發展和生態環境保護對景觀格局變化的影響[33]。

3.2 景觀生態風險時空演變特征

3.2.1景觀生態風險的空間化

云南邊境縣2000年、2010年、2020年景觀生態風險的全局Moran′sI指數均大于0且P值均小于等于0.001,分別為0.559、 0.585、0.531(圖2)。反映出研究區景觀生態風險在空間上表現為聚集分布,正相關性較強,相鄰空間單元的景觀生態風險程度相似。全局Moran′sI指數先上升后下降,總體下降,表明空間相鄰單元相互影響在減弱,空間趨同性逐漸降低。局部空間自相關分析結果顯示(圖3),研究區景觀生態風險值高高聚集主要分布在研究區北部貢山縣、騰沖市、龍陵縣、芒市和東部的馬關縣、麻栗坡縣、富寧縣；低低聚集主要分布在研究區北部福貢縣、瀘水市,中部的耿馬縣、滄源縣、綠春縣、景洪市、江城縣、勐臘縣；研究區還存在較少的低高聚集和高低聚集的現象,零星分布具有較強的空間異質性,20年間變化較為穩定。

圖2 2000—2020 年云南邊境縣景觀生態風險Moran′s I散點圖Fig.2 Landscape ecological risk Moran′s I scatter diagram of Ecological Protection Area in Border counties in Yunnan, 2000—2020

圖3 2000—2020 年云南邊境縣景觀生態風險局部空間自相關LISA結果Fig.3 Local spatial autocorrelation LISA results for landscape ecological risk Area in Border counties in Yunnan, 2000—2020

通過普通克里金插值法對景觀生態風險值進行空間插值,得到2000—2020年研究區景觀生態風險空間分布情況,再通過自然斷點法將2000年景觀生態風險分為5個等級,低風險(ERI<0.1002)、較低風險(0.1002≤ERI<0.1102)、中等風險(0.1102≤ERI<0.1198)、較高風險(0.1198≤ERI<0.1316)、高生態風險(ERI≥0.1316),為便于數據比較分析,2010年、2020年數據均采用2000年的分級區間(圖4)。從三期數據來看,研究區景觀生態風險值空間分布較為相似,總體呈東西高、南北低的規律。

3.2.2景觀生態風險等級分布時空特征

云南25個邊境縣2000—2020年景觀生態風險平均值持續上升,2000年為0.111、2010年為0.113、2020年為0.115。景觀生態風險等級主要以較低生態風險、中等生態風險為主(圖4)。20年間低生態風險區面積占比16.92%以上,面積呈現出先增加后減少的變化規律,總體減少了4896.47km2,主要分布在研究區北部的福貢縣、瀘水市,南部的孟連縣、勐海縣、景洪市、勐臘縣、江城縣、綠春縣,這些地方有較好的自然條件加上政策支持和人為保護,對該類地區的生態系統安全發展有較好的影響,比如高黎貢山國家級自然保護區和南部邊境生態屏障區均分布于此；較低生態風險區面積占比在24.12%以上,面積先減少后增加總體減少2746.32km2,主要分布在研究區低生態風險區周圍,多集中于研究區中段；中等生態風險區占比19.22%以上,面積先減少后增加總體增加1959.05km2,其分布范圍較廣,在研究區的大部分縣均有分布,主要分布在較低生態風險區和較高生態風險區周圍；較高生態風險區面積占比17.14%以上,呈現先減少后增加的變化規律,總體增加5745.28km2,主要分布在研究區中部騰沖縣、盈江縣、芒市、龍陵縣和南部的勐海縣、瀾滄縣及東部的馬關縣、富寧縣；高生態風險區面積占比7.11%以上,其變化較大,2000—2010年面積增加4720.40km2,2010—2020年面積減少4781.94km2,總體面積減少了61.54km2,主要分布在貢山縣、騰沖市、麻栗坡縣、富寧縣,其中麻栗坡縣和富寧縣是石漠化地區,該類地區自然條件不適宜植被生長,除此之外傳統的農耕方式對土地的利用率較低,使得土地利用類型改變較大,破壞了生態系統的整體性和穩定性,使得以耕地和林地為主的景觀破碎度及分離度增大,最終導致景觀生態風險增大。

圖4 2000—2020 年云南邊境縣景觀生態風險等級變化空間分布Fig.4 Spatial distribution of landscape ecological risk levels in Border counties of Yunnan province from 2000 to 2020

3.2.3景觀生態風險的等級轉移時空特征

2000—2020年云南邊境縣景觀生態風險等級轉移情況如表2所示,除等級沒有變化的區域外,低生態風險等級以轉為較低生態風險等級為主,轉移面積7104.13km2；較低生態風險等級以轉為中等生態風險等級為主,轉移面積10021.21km2；中等生態風險等級以轉為較高生態風險為主,轉移面積7036.40km2,以上三個等級的轉移顯示研究區局部景觀生態風險有不斷增加趨勢,應重點關注該區域的景觀結構變化,維護區域生態的穩定性,避免因景觀破碎度、分離度、優勢度指數增大從而導致景觀生態風險進一步增加。除此之外,較高生態風險等級以轉為中等生態風險等級為主,高生態風險等級以轉為較高生態風險等級為主,高生態風險等級的面積得到了控制,可以看出在科學發展觀和新發展理念的指導下,區域發展更加注重綠色高效,現階段的總體發展情況對生態系統良性循環較為有利,但同時應加強對較高生態風險轉為高生態風險區和中等生態風險轉為較高生態風險區的監控。

表2 2000—2020年云南邊境縣景觀生態風險等級轉移矩陣/km2

3.3 景觀生態風險時空分異的影響因素

3.3.1單因子探測

由表3 可以看出,研究期內自然、區域可達性、經濟社會因素對景觀生態風險的影響均較大。在自然影響因素中年降水量解釋力最大,分別為2000年32.17、2010年24.28、2020年16.25,表明研究區受降水影響植被空間分異明顯,從而影響景觀結構最終作用于景觀生態風險,然而體現云南邊境縣復雜地形地貌的地形起伏度對景觀生態風險的解釋力較小。在區域可達性因素中,距城鎮距離的解釋力較大,20年間解釋力增大了2.32,表明城鎮化的過程中人造地表在快速擴張改變了區域景觀結構,對景觀生態風險的影響逐漸增大。在經濟社會因素中,人口與經濟地理集中度不一致指數、人口地理集中度指數解釋力最大,反映出人口與經濟發展的不協調對區域景觀結構的影響較大,人口多、經濟不發達導致土地的利用效率降低,資源消耗較大使得景觀的破碎度增大,景觀生態風險也隨之增大；人口集中度低于經濟集中度則資源和土地利用率較高,經濟發展向外擴散,綠色高效的發展對景觀結構的保護較為有益從而使得景觀生態風險隨之降低。人口地理集中度對景觀生態風險解釋力較大,但在研究期內逐漸減小,表明人類活動對生態系統的擾動較為明顯,隨著城鎮化的有序推進,建設用地相對穩定,加之生態文明建設的不斷推進,人類活動對景觀生態風險的影響得到有效控制。總體來看,景觀生態風險時空演變是在多種因素共同影響下形成的復雜過程,只有充分發揮好云南邊境縣自然環境和資源優勢,高效利用能源,嚴守生態保護紅線,才能有效防控景觀生態風險進一步惡化。

表3 云南邊境縣景觀生態風險影響因素地理探測器單因子探測結果

3.3.2交互探測

交互探測體現因子之間的共同作用相對于單因子作用時對景觀生態風險影響的差異。探測結果顯示研究期內驅動因子間交互探測結果均表現出非線性增強和雙因子增強作用,不存在相互獨立或減弱的情況,說明因子間交互作用對景觀生態風險的解釋力相對于單因子作用均有不同程度的增強,同時也印證了景觀生態風險變化是一種復雜的因子交互作用過程。如圖5所示,2000年以人口地理集中度指數∩人口經濟地理集中度不一致指數(0.5793)、年降水量∩人口地理集中度指數(0.5691)、年降水量∩年均氣溫(0.5438)的解釋力最大,反映出云南邊境縣人口與經濟發展不協調對景觀結構的改變較大,較為粗放的經濟發展方式對生態系統良性循環造成一定威脅,尤其是人口在地理空間的規模化聚集導致土地利用類型的快速改變,使得景觀分離度和優勢度迅速提高,對景觀生態風險產生不利影響。降水是影響不同土地覆被空間分異的重要影響因素,尤其是不同生態用地受其影響劇烈,如林地、草地、灌木地等,對景觀生態風險影響十分明顯。人口地理集中度指數與降水的交互作用對景觀生態風險的影響更為顯著。同時受不同氣候類型的影響研究區氣溫差異較大,如熱帶雨林區和寒溫性針葉林區是在不同的氣候條件下形成的不同景觀類型,水量是否適宜植被生長一定程度上決定了林地的景觀優勢度及破碎度,因此當降水和氣溫共同作用下對景觀生態風險的影響更顯著。與2000年相比,2010年人口地理集中度指數、人口經濟地理集中度不一致指數、年均氣溫、年降水量仍然是影響區域景觀生態風險的重要交互因子但交互的解釋力均有所下降,所有交互中僅經濟地理集中度指數∩發展模式(0.2322)解釋力略有上升,表明發展模式對資源和土地的利用效率不同,作用于景觀分離度和破碎度就會影響景觀生態風險。與2010年相比,2020年距城鎮距離∩人口與經濟地理集中度不一致指數(0.3872)、人口與經濟地理集中度不一致指數∩發展模式(0.3679)兩組因子交互探測解釋力有明顯提升,人口經濟發展的不協調與距城鎮距離是人類活動對生態系統擾動的量化因子,二者解釋力的增強,表明隨著社會經濟發展需求的日益增長,人類活動不斷加劇,自然因素影響在不斷減弱,經濟社會及區域可達性的影響在不斷增強。

圖5 景觀生態風險影響因子交互作用探測結果Fig.5 Detection results of interaction between factors affecting landscape ecological risk

4 討論

4.1 景觀生態風險對土地利用變化的響應

研究期間,云南邊境山區景觀生態風險的平均值持續上升,從景觀生態風險的演變過程來看相較2000—2010年2010—2020年景觀生態高風險區和低風險區面積減少明顯,較高、中等、較低生態風險區面積增加明顯。景觀生態風險的變化主要反映了景觀格局的改變,不同景觀類型構成了景觀格局,從區域景觀類型的變化來看,林地、草地、灌木地在前十年的減少幅度較大,被大量占為耕地,生態系統的平衡狀態被打破,后十年通過天然林保護等生態環境保護工程的實施,林地面積減少的速度放緩,灌木地面積增加,高生態風險減少,生態系統逐漸趨于穩定。但由于天然林的減少破壞了天然生態系統,難以被修復,導致低生態風險區面積減少且很難增加,較高生態風險區面積增加較快。除此之外,由于云南邊境縣經濟發展較為緩慢,在后十年的脫貧攻堅中,易地搬遷,產業布局等人類活動的加劇對區域景觀類型的改變較大,資源的開發利用對景觀的結構也造成了較大影響,使得較高生態風險區面積增加明顯。

4.2 區域協調水平及發展模式對景觀生態風險的影響

景觀生態風險的演變是受復雜的地理環境和人類活動綜合作用的動態變化過程。因此選取能夠反映研究區自然環境和人類活動特征的因子,進一步分析景觀生態風險動態變化的影響因素尤為重要。綜合前人研究[20,31—32,34],在探討影響因素時,經濟因素作為主要的指標常被考慮在內,但現有研究較少結合研究區特點考慮社會因素,而社會因素和經濟因素是人類活動的兩個重要因素,缺一不可。為了更全面地反映研究區人類活動的社會、經濟因素,結合邊境山區經濟發展較緩慢,社會發展較滯后且空間分異較大的現狀,引入人口地理集中度、經濟地理集中度、人口經濟地理集中度不一致指數和發展模式,在一定程度上反映了區域發展協調水平和經濟社會不同的發展模式,相較于僅以公里網格或行政區域的人口數和GDP等指標表征區域發展水平來看,更加注重區域內部經濟與社會發展的協調關系。從研究結果來看,相較區域發展模式,協調水平對景觀生態風險的影響更大,其中人口地理集中度和人口經濟地理集中度不一致指數的影響尤為顯著,反映了人口在空間上的集中分布和落后的經濟增長方式對區域景觀格局的改變有較大影響。伴隨著社會經濟發展和技術進步,人類對土地利用的效率在不斷提高,對生態環境保護的意識在增強,人口地理集中度和發展模式對區域景觀生態風險的影響在減弱。然而區域發展不協調的問題更加突出,人口經濟地理集中度不一致指數的影響增大,反映出協調發展對生態系統保護的重要性。因此,在研究過程中,不能只注重區域經濟發展水平,更應關注經濟社會的發展模式,并且綜合考慮區域協調發展水平,從而找到景觀生態風險空間分異的根源,最終實現以發展模式為抓手,具有可操作性和目標明確的區域調控方案。

4.3 邊境山區景觀生態風險調控對策

邊境山區由于特殊的地理區位和復雜的地形地貌及人文社會環境對生態系統保護有著更為迫切的需求,是國家生態安全的一道重要防線,也是展示國家生態形象的重要窗口,其景觀生態風險提高直接威脅到國家邊境地區的生態安全,因此對邊境山區景觀生態風險的防控意義重大。為防止景觀生態風險進一步惡化,應打破行政區劃找到研究區不同經濟社會增長模式適合的發展路徑,從綠色產業布局和生態環境保護兩方面入手,構筑邊境一體化生態安全網絡。綜合考慮不同等級景觀生態風險區域的特點,出臺有針對性的生態環境保護措施,加強對當地居民的教育與培訓,避免為種植經濟林破壞天然林的行為發生。對高生態風險區加強生態保護、修復和監測,制定生態紅線合理分配“三生空間”,修復破碎景觀,降低其景觀生態風險等級；對較高生態風險區加強調控,防止其景觀生態風險等級增加,制定以生態為導向的政府績效考核指標；對中等生態風險區,提高土地利用效率,綜合考量城鎮和生態用地范圍,提前規劃構建區域生態安全網絡,提高區域生態系統韌性；對較低生態風險區和低生態風險區繼續開展好生態環境保護和監測工作,總結并推廣低生態風險區的發展模式。

5 結論

本研究以云南25個邊境縣為例,利用2000、2010、2020年三期土地利用數據,通過構建基于景觀格局指數的景觀生態風險評價模型,分析邊境山區景觀生態風險時空演變特征,采用地理探測器對研究區景觀生態風險的解釋力進行因子探測和因子交互探測,結論如下：(1)2000—2020年研究區景觀類型主要以林地和耕地為主,20年間景觀類型變化較為明顯,林地、草地面積減少最多,耕地面積增加最多,灌木地、裸地、人造地表、水體面積增加,濕地冰川和永久積雪面積減少。林地、草地與濕地是維系生態系統循環的重要景觀類型應在發展中重點關注其變化。(2)研究期間,云南邊境縣景觀生態風險平均值持續上升。研究區整體以較低生態風險、中等生態風險區為主,低生態風險、較低生態風險、高生態風險面積減少,中等生態風險、較高生態風險面積增加。景觀生態風險指數在空間上表現出顯著的正相關性,大多以高高、低低集聚為主,分布較為穩定。(3)2000—2020年云南邊境縣景觀生態風險等級轉移以低生態風險等級轉為較低生態風險等級、較低生態風險等級轉為中等生態風險等級、中等生態風險等級轉為較高生態風險等級、較高生態風險等級轉為中等生態風險等級、高生態風險等級轉為較高生態風險等級為主。(4)景觀生態風險受自然環境和人類活動共同作用產生空間分異,從因子探測結果來看,年降水量、年均氣溫、距城鎮距離、人口地理集中度指數、人口與經濟地理集中度不一致指數是影響區域景觀生態風險的主要因素；從因子交互探測結果來看,兩兩交互均呈現非線性增強和雙因子增強,研究期內年降水量與年均氣溫交互、人口地理集中度指數與人口經濟地理集中度不一致指數交互、年降水量與人口地理集中度指數交互對景觀生態風險的影響最大。邊境地區的景觀生態風險表征了跨境地區生態系統的穩定性,對生態環境的全球治理意義重大,探究人類活動對景觀生態風險的影響能夠進一步豐富“社會-經濟-自然”復合生態系統的研究,為區域協調發展理論的實踐提供參考。