耦合MOP-PLUS模型的庫(kù)車市LUCC趨勢(shì)與景觀生態(tài)安全評(píng)價(jià)

路甜甜 郭玉川 姚磊 王會(huì)靜 白運(yùn)保 張子惠

摘要： 探究干旱區(qū)典型綠洲城市景觀生態(tài)安全時(shí)空演變，設(shè)置經(jīng)濟(jì)、生態(tài)、景觀生態(tài)安全、可持續(xù)（MOP）4種情景，預(yù)測(cè)土地利用/覆被變化（LUCC）趨勢(shì)，評(píng)價(jià)2030年景觀生態(tài)安全，以期緩解城市建設(shè)開(kāi)發(fā)與生態(tài)環(huán)境保護(hù)的矛盾。基于1990-2020年的土地利用數(shù)據(jù)，采用遙感、地理信息系統(tǒng)（GIS）網(wǎng)格等方法構(gòu)建景觀生態(tài)安全評(píng)價(jià)模型，以揭示庫(kù)車市近30 a景觀生態(tài)安全空間分布特征與變化趨勢(shì)，并通過(guò)耦合MOP-PLUS模型預(yù)測(cè)庫(kù)車市2030年景觀生態(tài)安全時(shí)空演變規(guī)律。結(jié)果表明：1990-2020年，研究區(qū)耕地、林地、建設(shè)用地面積總體呈增加趨勢(shì)，草地、水域面積總體呈現(xiàn)減少趨勢(shì)，地類轉(zhuǎn)換主要集中于耕地、草地與未利用地；景觀生態(tài)安全值（ESI）空間集聚狀態(tài)明顯，但集聚程度有所下降，景觀生態(tài)安全等級(jí)以中等、較高、高生態(tài)安全為主，占研究區(qū)總面積60.15%～64.87%；相較于2020年，2030年4種情景下的ESI變化幅度較大，主要集中于南部人口聚集地。

關(guān)鍵詞： 土地利用格局變化； 景觀生態(tài)安全評(píng)價(jià)； PLUS多情景模擬； 庫(kù)車市

中圖分類號(hào)： X 826； Q 146文獻(xiàn)標(biāo)志碼： A?? 文章編號(hào)： 1000-5013（2024）01-0047-14

LUCC Trend and Landscape Ecological Security Evaluation in Kucha City through Coupled MOP-PLUS Model

LU Tiantian1， GUO Yuchuan1，2 ， YAO Lei1，WANG Huijing1， BAI Yunbao1， ZHANG Zihui1

（1. College of Geography and Remote Sensing Sciences， Xinjiang University， Urumqi 830046， China；

2. Xinjiang Key Laboratory of Oasis Ecology， Xinjiang Universiy， Urumqi 830046， China）

Abstract： Aiming to explore the spatial and temporal evolution of urban landscape ecological security in typical oasis city in arid areas， four scenarios including economy， ecology， landscape ecological security and sustainability （MOP） were used to predict land use/cover change （LUCC） trend， and to evaluate landscape ecological security in 2030， which could help ease the tension between urban construction and development and ecological environment protection. Based on the land use data from 1990 to 2020， methods such as remote sensing and geographic information system grid were used to construct the landscape ecological security evaluation model in order to demonstrate the landscape ecological security spatial distribution characteristics and change trends in Kucha City over the past 30 years， and to predict spatial and temporal evolution patterns of landscape ecological security in Kucha City in 2030 through coupled MOP-PLUS model. The results showed that from 1990 to 2020，the areas of cultivated land， woodland and construction land in the research areas showed an overall increasing trend， while the areas of grassland and water showed an overall decreasing trend， and land type conversion mainly focused on cultivated land， grassland and unused land. The spatial clustering status of landscape ecological security value （ESI） was obvious， but the degree of clustering decreased， and the landscape ecological security level was dominated by medium， higher and high ESI， which accounted for 60.15%-64.87% of the total area of the study area. Compared to 2020， the changes in ESI under the four scenarios in 2030 were relatively large， mainly concentrated in the southern population gathering areas.

Keywords：land use pattern change； landscape ecological security evaluation； PLUS multi-scenario simulation； Kucha City

新疆已經(jīng)進(jìn)入高質(zhì)量發(fā)展的關(guān)鍵銜接期，區(qū)域發(fā)展質(zhì)量提升迫在眉睫，保障土地資源合理配置已成為區(qū)域可持續(xù)發(fā)展亟待解決的難題［1］。土地利用/覆被變化（LUCC）是人類活動(dòng)對(duì)自然環(huán)境影響最直接的表現(xiàn)形式，它與地表物質(zhì)循環(huán)、生物多樣性和自然資源可持續(xù)發(fā)展有著緊密聯(lián)系［2］，圍繞土地利用變化的研究理論與方法已被廣泛應(yīng)用于區(qū)域與可持續(xù)發(fā)展［3］、資源環(huán)境承載力［4］及土地碳核算［5］等領(lǐng)域，并形成了相對(duì)完整的理論與方法體系。景觀生態(tài)安全評(píng)價(jià)是生態(tài)安全在屬性和數(shù)值上具體的量化，也是對(duì)區(qū)域景觀在受到外力干擾后整體生態(tài)安全程度狀況的一種描述［6］，將其與空間統(tǒng)計(jì)學(xué)方法相結(jié)合能夠更直觀、全面地反映城市景觀生態(tài)安全的時(shí)空演變。隨著城市化進(jìn)程的快速推進(jìn)，城市建設(shè)用地需求擴(kuò)大、人地關(guān)系緊張、資源環(huán)境矛盾突出、生態(tài)系統(tǒng)脆弱性增強(qiáng)［7-8］等問(wèn)題給城市生態(tài)安全帶來(lái)了極大的挑戰(zhàn)。因此，揭示快速發(fā)展的城市景觀生態(tài)安全時(shí)空演變特征，模擬預(yù)測(cè)不同情景下景觀生態(tài)安全的動(dòng)態(tài)變化趨勢(shì)，提出城市土地利用結(jié)構(gòu)優(yōu)化方式，對(duì)促進(jìn)城市經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展尤為重要。

景觀生態(tài)安全評(píng)價(jià)是國(guó)內(nèi)外相關(guān)研究領(lǐng)域的熱點(diǎn)。Chen等［9］修訂綜合位置加權(quán)指數(shù)（LWLI），研究景觀指數(shù)變化與城市熱島效應(yīng)的相互關(guān)系。Renetzeder等［10］分析奧地利景觀格局變化特征及對(duì)生態(tài)可持續(xù)性的影響。文獻(xiàn)［11-12］分別從自然、社會(huì)、距離等方面選取驅(qū)動(dòng)因子探究其對(duì)生態(tài)安全的影響過(guò)程。Boix-fayos等［13］基于景觀生態(tài)安全格局對(duì)地中海山區(qū)土地利用生態(tài)管理進(jìn)行規(guī)劃。國(guó)內(nèi)對(duì)景觀生態(tài)安全評(píng)價(jià)的研究主要集中于流域［14］、生態(tài)保護(hù)區(qū)［15］、濕地［16］和城市［17］，并運(yùn)用景觀格局指數(shù)、驅(qū)動(dòng)力-壓力-狀態(tài)-影響-響應(yīng)（DPSIR）等多種方法構(gòu)建生態(tài)安全評(píng)價(jià)模型［18］，研究景觀生態(tài)安全的時(shí)空分布、多尺度變化、影響因素［19-20］等。隨著計(jì)算機(jī)及地理信息技術(shù)的廣泛運(yùn)用，土地變化動(dòng)態(tài)建模研究迅速發(fā)展，極大推進(jìn)了基于土地利用預(yù)測(cè)生態(tài)環(huán)境評(píng)價(jià)的研究進(jìn)程［21-23］。

庫(kù)車市作為新疆最典型的荒漠綠洲區(qū)之一，也是新疆較早開(kāi)發(fā)的土地利用灌溉區(qū)，前人的研究多集中于干旱區(qū)土地利用變化中鹽堿地、耕地的變化［24］，對(duì)生態(tài)安全的評(píng)價(jià)［25］多集中于以往年份，對(duì)未來(lái)生態(tài)安全的預(yù)測(cè)仍為空白。基于此，本文選取1990，2000，2010，2020年的庫(kù)車市土地利用數(shù)據(jù)，分析土地利用類型變化特征 ［26］，探究景觀生態(tài)安全時(shí)空演變規(guī)律。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

庫(kù)車市隸屬于新疆維吾爾自治區(qū)阿克蘇地區(qū)，屬于大陸性暖溫帶干旱氣候，年平均氣溫為10.5～11.4 ℃，年平均降水為51.6 mm。庫(kù)車市是天山南麓最具代表性的平原綠洲，綠洲內(nèi)經(jīng)濟(jì)發(fā)展以農(nóng)業(yè)為主，是新疆主要棉產(chǎn)區(qū)和阿克蘇地區(qū)最大的灌溉區(qū)［27］。研究區(qū)北部為山區(qū)，南部為平原，地勢(shì)北高南低，自西北向東南傾斜，東鄰輪臺(tái)縣，西與新和縣隔河相望，南接塔克拉瑪干沙漠，北部與和靜縣毗連。截至2021年年末，全市總面積1.45萬(wàn)km2，人口48.86萬(wàn)人，區(qū)域生產(chǎn)總值335.98億元。

1.2 數(shù)據(jù)來(lái)源與處理

采用的土地利用數(shù)據(jù)來(lái)自中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（http：∥www.resdc.cn/），1990-2020年土地利用遙感數(shù)據(jù)集（CNLUCC）分辨率為30 m，按照土地資源及其利用屬性，結(jié)合研究需要將其重新整合為耕地、林地、草地、水域、建設(shè)用地和未利用地等6類。數(shù)字高程模型（DEM）數(shù)據(jù)來(lái)自地理空間數(shù)據(jù)云平臺(tái)（http：∥www.gscloud.cn/），分辨率為30 m，坡度和起伏度數(shù)據(jù)基于DEM，借助ArcGIS 10.6坡度和焦點(diǎn)統(tǒng)計(jì)工具獲得。庫(kù)車市行政邊界矢量、土地利用變化分析的驅(qū)動(dòng)因子數(shù)據(jù)來(lái)自中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（http：∥www.resdc.cn/）。道路數(shù)據(jù)來(lái)自O(shè)pen Street map（http：∥www. Open Street map.org）。社會(huì)經(jīng)濟(jì)數(shù)據(jù)來(lái)自阿克蘇統(tǒng)計(jì)局，以及《新疆統(tǒng)計(jì)年鑒》《阿克蘇統(tǒng)計(jì)年鑒》《庫(kù)車市統(tǒng)計(jì)公報(bào)》。以上數(shù)據(jù)均統(tǒng)一為WGS 1984 UTM Zone 44N。

1.3 研究方法

1.3.1 土地利用動(dòng)態(tài)度 土地利用動(dòng)態(tài)度是指在一定時(shí)間范圍內(nèi)某一類土地的數(shù)量變化情況，用來(lái)表示該土地利用類型在一定時(shí)間內(nèi)的變化程度［28］。土地利用動(dòng)態(tài)度K（單一動(dòng)態(tài)度）的計(jì)算公式為

式（1）中：Ai，a為研究初期第i種地類的面積；Ai，b為研究末期第i種地類的面積；T為研究時(shí)段［29］。

1.3.2 土地利用類型轉(zhuǎn)移矩陣 土地利用類型轉(zhuǎn)移矩陣主要用于描述區(qū)域內(nèi)不同土地利用類型之間的轉(zhuǎn)化過(guò)程，揭示不同土地利用類型之間的轉(zhuǎn)化速率［30］，實(shí)現(xiàn)對(duì)研究區(qū)土地利用類型的結(jié)構(gòu)特征和變化方向的全面闡述。土地利用類型轉(zhuǎn)移矩陣Si，j為

式（2）中：m為土地利用/土地覆蓋的數(shù)目；j為轉(zhuǎn)換后的第j種地類。

1.3.3 二元logistic回歸分析與ROC曲線檢驗(yàn) 土地利用變化受多因子影響，基于數(shù)據(jù)的可獲得性及全面性原則，分別從自然、社會(huì)、可達(dá)性角度選取起伏度、坡度、年平均降水、年平均氣溫、土壤類型、土壤侵蝕、人均人均國(guó)內(nèi)生產(chǎn)總值（GDP）、人口密度、距鐵路距離、距二級(jí)道路距離、距三級(jí)道路距離、距行政村距離等12個(gè)驅(qū)動(dòng)因子（o1～o12）。將2010年的土地利用數(shù)據(jù)與12個(gè)驅(qū)動(dòng)因子進(jìn)行二元logistic回歸分析，并對(duì)其結(jié)果進(jìn)行ROC曲線檢驗(yàn)，以判定驅(qū)動(dòng)因子對(duì)地類變化的影響程度，有

式（3），（4）中：Pi為單位柵格內(nèi)轉(zhuǎn)換為第i種地類的概率；o1～on為選取的土地利用驅(qū)動(dòng)因子；β0～βn為各土地利用的回歸系數(shù)［31］ 。

1.3.4 景觀生態(tài)安全評(píng)價(jià)

1） 景觀生態(tài)安全評(píng)價(jià)單元?jiǎng)澐峙c模型構(gòu)建。采用ArcGIS軟件的漁網(wǎng)工具，將研究區(qū)分別劃分為3 km×3 km，4 km×4 km，5 km×5 km的網(wǎng)格，經(jīng)過(guò)對(duì)比，4 km×4 km的網(wǎng)格對(duì)研究區(qū)邊緣擬合效果最好，故采用4 km×4 km的網(wǎng)格（共1 004個(gè)），剔除邊緣地帶的93個(gè)無(wú)效評(píng)價(jià)單元，共911個(gè)評(píng)價(jià)單元（圖1）。

選取景觀干擾度指數(shù)和景觀脆弱度指數(shù)構(gòu)建景觀生態(tài)安全評(píng)價(jià)模型。景觀干擾度指數(shù)LDIi為

LDIi=xCi+yHi+zFi。（5）

式（5）中：Ci，Hi，F(xiàn)i分別為景觀破碎度、多樣性及周長(zhǎng)維數(shù)；x，y，z分別為對(duì)應(yīng)指數(shù)的權(quán)重，參考文獻(xiàn)［30-31］，結(jié)合研究區(qū)的實(shí)際狀況分別賦值為0.5，0.3，0.2。

景觀脆弱度指數(shù)與生態(tài)系統(tǒng)的抵御性息息相關(guān)，一般而言，抵御性與生態(tài)系統(tǒng)的穩(wěn)定性呈正相關(guān)關(guān)系［32-33］。

以專家打分的形式，對(duì)研究區(qū)內(nèi)的6種地類的景觀脆弱度指數(shù)分別賦值為1～6，將其歸一化后可得耕地、林地、水域、草地、建設(shè)用地、未利用地的景觀脆弱度指數(shù)分別為0.44，0.21，0.56，0.33，0.10，0.79［34-35］。將景觀干擾度指數(shù)與景觀脆弱度指數(shù)代入景觀生態(tài)安全值（ESI）公式，可得

式（6）中：ESIk為第k個(gè)評(píng)價(jià)單元的景觀生態(tài)安全值；LVIi為景觀脆弱度指數(shù)；Ak，i為第k個(gè)評(píng)價(jià)單元第i種地類的面積；Ak為第k個(gè)評(píng)價(jià)單元的總面積。

2） 景觀生態(tài)安全空間自相關(guān)分析。全局與局部空間自相關(guān)的共同點(diǎn)在于解釋事物在某方面的相關(guān)性，不同點(diǎn)在于全局空間自相關(guān)側(cè)重有無(wú)相關(guān)性，局部空間自相關(guān)側(cè)重相關(guān)性集聚的空間位置［36］。采用GeoDa軟件對(duì)景觀生態(tài)安全值進(jìn)行相關(guān)性分析，主要包括全局空間自相關(guān)及局部空間自相關(guān)，以揭示庫(kù)車市ESI在空間上的相關(guān)性。

1.3.5 基于斑塊生成土地利用模擬（PLUS）模型的庫(kù)車市未來(lái)土地利用模擬 PLUS模型基于土地?cái)U(kuò)展分析策略的規(guī)則，挖掘框架LEAS和多類型隨機(jī)森林的元胞自動(dòng)機(jī)模擬，與其他模型相比，可獲得更高的模擬精度并刻畫未來(lái)不同情景的景觀格局［37］。根據(jù)研究需要，設(shè)置經(jīng)濟(jì)、生態(tài)、景觀生態(tài)安全、可持續(xù)（MOP）等4個(gè)情景。

1） 模型精度驗(yàn)證。為驗(yàn)證PLUS模型對(duì)未來(lái)土地利用模擬的準(zhǔn)確性，結(jié)合2010年土地利用數(shù)據(jù)，將12個(gè)土地利用驅(qū)動(dòng)因子導(dǎo)入PLUS模型的LEAS模塊，可以得到6種地類的發(fā)展概率，并將模擬與實(shí)際的2020年土地利用數(shù)據(jù)進(jìn)行對(duì)比，可得Kappa系數(shù)為0.833 0，總體精度為0.884 3，F(xiàn)OM系數(shù)為0.069 3。由此可知，PLUS模型可以滿足干旱區(qū)未來(lái)土地利用多情景模擬需要。

2） 多情景模擬。由近30 a庫(kù)車市土地利用類型轉(zhuǎn)移矩陣可知，耕地主要由草地、建設(shè)用地、未利用地轉(zhuǎn)換而來(lái)；建設(shè)用地主要由草地、耕地、未利用地轉(zhuǎn)換而來(lái)；結(jié)合1990-2020年庫(kù)車市統(tǒng)計(jì)公報(bào)，以及《新疆統(tǒng)計(jì)年鑒》《庫(kù)車市土地利用總體規(guī)劃》《新疆阿克蘇地區(qū)濕地保護(hù)修復(fù)工程》，參考文獻(xiàn)［38-40］的未來(lái)土地利用模擬參數(shù)，設(shè)置以下4種情景。

Ⅰ） 經(jīng)濟(jì)情景。設(shè)置草地、建設(shè)用地、未地利用地轉(zhuǎn)向耕地發(fā)展概率增加15%，草地、耕地、未利用地轉(zhuǎn)向建設(shè)用地發(fā)展概率增加15%。

Ⅱ） 生態(tài)情景。設(shè)置耕地、建設(shè)用地、未利用地轉(zhuǎn)向林地、草地、水域的發(fā)展概率增加20%，同時(shí)設(shè)置林地、草地、水域轉(zhuǎn)向其他地類概率下降10%，設(shè)置林地、水域?yàn)橄拗瓢l(fā)展區(qū)域，對(duì)坡度大于15°的耕地進(jìn)行退耕還林保護(hù)，并調(diào)整林地、草地、水域的發(fā)展?jié)摿Α?/p>

Ⅲ） 景觀生態(tài)安全情景。以2020年景觀生態(tài)安全等級(jí)評(píng)價(jià)為基礎(chǔ)，將高生態(tài)安全（ESI≥0.602 9）設(shè)為限制轉(zhuǎn)換區(qū)域，2030年土地利用需求柵格數(shù)由馬爾可夫鏈轉(zhuǎn)移矩陣概率計(jì)算獲得。

Ⅳ） MOP情景。MOP情景以PLUS模型經(jīng)濟(jì)、生態(tài)、景觀生態(tài)安全情景下各地類面積值為上下線，強(qiáng)調(diào)經(jīng)濟(jì)、生態(tài)、社會(huì)效益的最大化。由于社會(huì)效益的最大化很難量化，故選取經(jīng)濟(jì)效益（Ed（X））與生態(tài)效益（Ep（X））的最大化。MOP優(yōu)化目標(biāo)為

式（7），（8）中：Xi表示第i種地類變量；di，pi為單位面積下此地類的經(jīng)濟(jì)和生態(tài)系數(shù)。

MOP模型目標(biāo)函數(shù)約束條件，如表1所示。表1中：X1～X6分別為耕地、林地、草地、水域、建設(shè)用地、未利用地的土地類型變量。

參考庫(kù)車市統(tǒng)計(jì)公報(bào)和《阿克蘇統(tǒng)計(jì)年鑒》，可得各地類地均經(jīng)濟(jì)效益（萬(wàn)元· km-2），根據(jù)謝高地等［41］不同景觀類型生態(tài)價(jià)值服務(wù)當(dāng)量作為各地類的生態(tài)價(jià)值指標(biāo)系數(shù)，并詢問(wèn)專家求解結(jié)合PLUS模型進(jìn)行微調(diào)，可得經(jīng)濟(jì)價(jià)值指標(biāo)與生態(tài)價(jià)值指標(biāo)公式為

Ed（X）=14.82X1+0.21X2+2.59X3+0.37X4+1 478.48X5+0.06X6，（10）

Ep（X）=6.91X1+21.85X2+7.24X3+45.97X4+0.08X5+0.42X6，（11）

Max（Ed（X），Ep（X）=aEd（X）+bEp（X））。（12）

針對(duì)庫(kù)車市未來(lái)10 a的發(fā)展，結(jié)合以上參數(shù)設(shè)置、線性條件制約，在LINGO 12.0軟件中使用代碼求解，可得a=0.474，b=0.526。

2 研究結(jié)果與分析

2.1 土地利用類型特征及變化

庫(kù)車市1990-2020年土地利用覆被，如圖2所示。

由圖2可知：1990-2020年，建設(shè)用地不斷向東擴(kuò)張，由最初的零散分布到現(xiàn)在的集中分布為主；耕地面積不斷向東、向南擴(kuò)張，進(jìn)而導(dǎo)致林地、草地分布破碎化程度增加；東南部未利用地由2000年開(kāi)始至2020年逐步增加；區(qū)域內(nèi)草地、未利用地始終為主要用地類型。

庫(kù)車市1990-2020年土地利用動(dòng)態(tài)度與面積變化（ΔA），如表2所示。由表2可知：1990-2000年，水域動(dòng)態(tài)度最高（0.47%），面積增加8.36 km2，未利用地動(dòng)態(tài)度最低（-0.04%），面積減少20.89 km2，該時(shí)期各地類面積變化不顯著，土地利用結(jié)構(gòu)較穩(wěn)定；2000-2010年，耕地動(dòng)態(tài)度最高（4.46%），面積增加497.50 km2，未利用地動(dòng)態(tài)度最低（2.63%），面積減少1 384.41 km2，相較于1990-2000年，該時(shí)期各地類動(dòng)態(tài)度顯著增強(qiáng)；2010-2020年，建設(shè)用地動(dòng)態(tài)度最高（3.87%），面積增加41.64 km2，其次為耕地動(dòng)態(tài)度（3.79%），面積增加611.01 km2，林地動(dòng)態(tài)度最小（-0.19%），面積減少29.91 km2，相較于2000-2010年，該時(shí)期除建設(shè)用地外，各地類動(dòng)態(tài)度略有減小。

2.2 土地利用轉(zhuǎn)移矩陣

庫(kù)車市1990-2020年土地利用轉(zhuǎn)移矩陣桑基圖，如圖3所示。

由圖3（a）及相關(guān)計(jì)算可知：1990-2000年，林地、草地轉(zhuǎn)入量大于轉(zhuǎn)出量，林地由其他地類轉(zhuǎn)入24.04 km2，轉(zhuǎn)入量最大為草地，貢獻(xiàn)占比為49.21%；草地由其他地類轉(zhuǎn)入118.73 km2，轉(zhuǎn)入量最大為耕地，貢獻(xiàn)占比為58.40%；耕地、建設(shè)用地、未利用地轉(zhuǎn)出量大于轉(zhuǎn)入量，耕地與未利用地均最大轉(zhuǎn)向草地，轉(zhuǎn)出占比均達(dá)75%以上；部分建設(shè)用地轉(zhuǎn)向耕地，轉(zhuǎn)移量較小（19.87 km2）；該階段各地類間轉(zhuǎn)移趨勢(shì)較為簡(jiǎn)單，且轉(zhuǎn)移量較小。

由圖3（b），（c）及相關(guān)計(jì)算可知：2000-2020年，各地類轉(zhuǎn)移間轉(zhuǎn)移趨勢(shì)趨于復(fù)雜；耕地轉(zhuǎn)入量始終大于轉(zhuǎn)出量，主要來(lái)源于草地、建設(shè)用地，2000-2010年，草地貢獻(xiàn)占比為61.90%，2010-2020年，草地貢獻(xiàn)占比為56.60%；2000-2010年，建設(shè)用地轉(zhuǎn)入量最大為87.19 km2，且建設(shè)用地與耕地相互轉(zhuǎn)化趨勢(shì)顯著；2010年以后，耕地轉(zhuǎn)入建設(shè)用地?cái)?shù)量大幅減少，即耕地?cái)U(kuò)張與人類活動(dòng)發(fā)展趨勢(shì)相近，均處于較為平穩(wěn)階段；林地、草地、未利用地與水域均存在相互轉(zhuǎn)化的情況，相較于2000-2010年，轉(zhuǎn)移量大幅減小。

2.3 土地利用驅(qū)動(dòng)因子分析

2.3.1 土地利用變化二元logistic回歸分析 首先，采用ArcGIS軟件將土地利用數(shù)據(jù)二值化，再對(duì)12個(gè)土地利用驅(qū)動(dòng)因子進(jìn)行模糊隸屬度處理，并與二值化的2010年土地利用數(shù)據(jù)統(tǒng)一轉(zhuǎn)為浮點(diǎn)型數(shù)據(jù)；然后，將柵格數(shù)據(jù)轉(zhuǎn)為ASC Ⅱ文本，通過(guò)ClUE-S模型進(jìn)行轉(zhuǎn)換處理；最后，將所得數(shù)據(jù)導(dǎo)入SPSS軟件進(jìn)行二元logistic回歸分析。

二元logistic回歸系數(shù)，如表3所示。

2.3.2 二元logistic回歸分析結(jié)果與ROC曲線檢驗(yàn) 采用ROC曲線檢驗(yàn)二元logistic回歸分析。當(dāng)ROC值大于0.500時(shí)，擬合效果良好；當(dāng)ROC值小于0.500時(shí)，擬合效果較差。

耕地、林地、草地、水域、建設(shè)用地和未利用地的ROC值分別為0.937，0.853，0.766，0.764，0.960，0.852。

在2010年土地利用數(shù)據(jù)與各驅(qū)動(dòng)因子的擬合結(jié)果中，ROC曲線下各等級(jí)面積的擬合度均大于0.75，故驅(qū)動(dòng)因子對(duì)庫(kù)車市土地利用變化研究的解釋力較強(qiáng)，可用于庫(kù)車市未來(lái)土地利用模擬。

2.4 景觀生態(tài)安全時(shí)空演變特征

2.4.1 景觀生態(tài)安全時(shí)空特征 將景觀指數(shù)代入景觀生態(tài)安全評(píng)價(jià)模型，采用自然間斷點(diǎn)法結(jié)合閾值微調(diào)確定生態(tài)安全等級(jí)。因2030年景觀生態(tài)安全評(píng)價(jià)需要，以較近的2020年景觀生態(tài)安全值為基礎(chǔ)，設(shè)定低安全（ESI<0.260 2）、較低安全（0.260 2≤ESI＜0.417 5）、中安全（0.417 5≤ESI<0.548 1）、較高安全（0.548 1≤ESI<0.620 7）、高安全（ESI≥0.620 7）等5個(gè)生態(tài)安全等級(jí)。

庫(kù)車市1990-2020年生態(tài)安全區(qū)面積及動(dòng)態(tài)度，如表4所示。表4中：Ae為生態(tài)安全區(qū)面積；Ke為生態(tài)安全區(qū)面積動(dòng)態(tài)度。

由表4及相關(guān)計(jì)算可知：1990-2020年，低生態(tài)安全區(qū)面積占比波動(dòng)降低，2020年低生態(tài)安全區(qū)面積最小（3 093.29 km2），較1990年下降9.33%，面積減小318.43 km2；較低生態(tài)安全區(qū)面積先降低后增加，并于2000年后持續(xù)增加，其中，2000-2010年增幅最大（46.59%）；中生態(tài)安全區(qū)面積持續(xù)增加，2020年面積達(dá)到最大（4 260.22 km2），平均各時(shí)段增幅為42.17%；較高生態(tài)安全區(qū)面積先增加后減少，于2010年達(dá)到頂峰（2 574.65 km2），但在2010-2020年降至1 788.64 km2（降幅為30.53%），與1990年的面積基本持平；高生態(tài)安全區(qū)面積持續(xù)下降，2000-2010年下降最大，面積減少3 126.73 km2（降度為54.44%）。

由圖4可知：庫(kù)車市ESI呈現(xiàn)低生態(tài)安全區(qū)集聚性廣泛分布，較高生態(tài)安全區(qū)與高生態(tài)安全區(qū)由廣泛團(tuán)狀到小區(qū)域集中分布，中生態(tài)安全區(qū)插花隨機(jī)式分布到區(qū)域團(tuán)狀分布，較低生態(tài)安全區(qū)零星式集中分布的趨勢(shì)；較高生態(tài)安全區(qū)與高生態(tài)安全區(qū)分布于庫(kù)車市北部山麓地帶、南部人口聚集地，此區(qū)域主要地類為林地、草地、耕地和建設(shè)用地，地類集聚或交錯(cuò)分布，北部山區(qū)受人類活動(dòng)小，景觀損失度低，故面積波動(dòng)較小，南部人口聚集地后期由于人為干擾其面積大幅度減少，因此，人類活動(dòng)是導(dǎo)致較高與高生態(tài)安全區(qū)面積下降的重要緣由；低與較低生態(tài)安全區(qū)分布在庫(kù)車市中部，主要地類為未利用地中的戈壁和沙地，地類單一、脆弱度高；中生態(tài)安全區(qū)主要由較高生態(tài)安全區(qū)與高生態(tài)安全區(qū)退化而來(lái)。

2.4.2 景觀生態(tài)安全全局空間自相關(guān) 將1990，2000，2010，2020年的庫(kù)車市景觀生態(tài)安全值導(dǎo)入GeoDa軟件，可得Moran′s I值（IM）均為正值，顯著性檢驗(yàn)已通過(guò)（P=0.05）。庫(kù)車市1990-2020年景觀生態(tài)安全值全局空間自相關(guān)，如圖5所示。圖5中：lagged ESI為景觀生態(tài)空間滯后值。

由圖5可知：散點(diǎn)主要集中分布于第1象限與第3象限，且大多集中于回歸線附近，MI由0.772下降至0.737，數(shù)值較大，即景觀生態(tài)安全值在空間分布上仍呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系；高值附近景觀生態(tài)安全值也較高，低值附近數(shù)值也較低，區(qū)域內(nèi)空間全局集聚效應(yīng)顯著。因而，需加強(qiáng)高、低生態(tài)安全區(qū)交界處管控，謹(jǐn)防高生態(tài)安全區(qū)向低生態(tài)安全區(qū)轉(zhuǎn)變，同時(shí)注意防范生態(tài)安全區(qū)內(nèi)部退化。

2.4.3 景觀生態(tài)安全局部空間自相關(guān)

采用ArcGIS軟件對(duì)庫(kù)車市景觀生態(tài)安全指數(shù)進(jìn)行局部空間自相關(guān)分析。

庫(kù)車市1990-2020年景觀生態(tài)安全值局部空間自相關(guān)，如圖6所示。

由圖6可知：1990-2000年，庫(kù)車市景觀生態(tài)安全局部空間自相關(guān)格局總體變化不顯著，南部地區(qū)高-高值區(qū)域擴(kuò)大，成為了相關(guān)性顯著的區(qū)域；其他區(qū)域空間自相關(guān)性變化均不明顯；2000-2010年，庫(kù)車市景觀生態(tài)安全局部空間變化顯著，南部的高-高區(qū)域與北部以東的高-高值區(qū)域開(kāi)始萎縮并零碎化；中部的低-低值區(qū)域邊緣萎縮加劇；北部的低-低值區(qū)域略有萎縮；東南拐角區(qū)域由不顯著區(qū)域變?yōu)榈?低區(qū)域；2010-2020年，南部高-高值區(qū)域繼續(xù)萎縮，變化為不顯著區(qū)域，中部的低-低值區(qū)域邊緣略有萎縮，其余區(qū)域變化不顯著。這與景觀生態(tài)安全空間格局變化特征基本一致，且受地類轉(zhuǎn)移動(dòng)態(tài)度與地類轉(zhuǎn)向限制，地類轉(zhuǎn)移動(dòng)態(tài)度越高，局部空間自相關(guān)變動(dòng)越劇烈，地類轉(zhuǎn)向越復(fù)雜多樣，景觀破碎度越高，聯(lián)通性越差，局部空間自相關(guān)空間格局狀態(tài)越差。

2.5 基于MOP-PLUS模型的2030年庫(kù)車市未來(lái)土地利用模擬

2.5.1 庫(kù)車市2030年土地利用特征變化 經(jīng)濟(jì)情景、生態(tài)情景、景觀生態(tài)安全情景、MOP情景

4種情景下庫(kù)車市2030年地類特征，如表5所示。表5中：A為地類面積；η為地類面積占比。

由表5可知：相較于2020年，2030年耕地、建設(shè)用地、水域面積持續(xù)上升，草地、林地、未利用地面積持續(xù)下降；經(jīng)濟(jì)情景下的耕地與建設(shè)用地于4種情景中面積最大，分別為2 916.03，225.22 km2，分別占研究區(qū)面積的20.09%，1.55%，較2020年面積分別增加692.54，76.09 km2，水域于4種情景中面積最小（145.58 km2），占比1.00%；生態(tài)情景下的林地、草地、水域面積于4種情景中最大，水域面積較2020年增加34.49 km2，草地與林地面積占比最高，分別為26.17%，10.72%，耕地與建設(shè)用地面積較經(jīng)濟(jì)情景下分別減少201.07，69.81 km2，擴(kuò)張速度明顯下降；區(qū)別于經(jīng)濟(jì)情景與生態(tài)情景對(duì)某一地類的保護(hù)，景觀生態(tài)安全情景下的耕地與建設(shè)用地較生態(tài)情景增加118.19，20.60 km2，林地、草地、水域面積較生態(tài)情景的總差幅不超過(guò)2.40%，且均高于經(jīng)濟(jì)情景中的面積占比，該情景下各地類發(fā)展?fàn)顩r較為良好；MOP情景下的耕地與建設(shè)用地面積僅次于經(jīng)濟(jì)情景，分別為2 851.37，185.55 km2，較經(jīng)濟(jì)情景的總差幅不超過(guò)2.21%，林地、草地、水域面積較生態(tài)情景的總差幅不超過(guò)1.72%，水域較2020年增加29.96 km2（增幅為20.80%）。由此可知，MOP情景下各地類發(fā)展?fàn)顩r最佳，兼顧經(jīng)濟(jì)與生態(tài)效益最大化。

2.5.2 庫(kù)車市2030年不同情景景觀生態(tài)安全評(píng)價(jià)

庫(kù)車市2030年分情景景觀生態(tài)安全等級(jí)圖譜，如圖7所示。

由圖7可知：4種情景下的景觀生態(tài)安全等級(jí)分布較2020年變動(dòng)較大；

低與較低生態(tài)安全區(qū)面積增加明顯，占研究區(qū)面積48%左右；較高與高生態(tài)安全區(qū)面積明顯減少，占比約為27%；中生態(tài)安全區(qū)面積穩(wěn)固增加，占比約為25%。這說(shuō)明各地類的轉(zhuǎn)化打破了景觀原有的聯(lián)通性、完整性，使景觀破碎度、損失度增加，故增加了景觀格局的不穩(wěn)定性。

經(jīng)濟(jì)情景下，較低與低生態(tài)安全區(qū)面積所占面積最大，分為4 387.74，4 183.68 km2，較2020年增速分別為40.76%，43.74%，與之對(duì)應(yīng)的耕地與建設(shè)用地占比和也為4種情景最大（21.13%），這說(shuō)明經(jīng)濟(jì)建設(shè)的快速發(fā)展與景觀生態(tài)安全格局的惡化密切相關(guān)，在未來(lái)發(fā)展規(guī)劃中必然要遏制犧牲生態(tài)環(huán)境以發(fā)展經(jīng)濟(jì)的行為。

生態(tài)保護(hù)情景下，由于對(duì)林地、草地、水域的大力保護(hù)，該情景下低生態(tài)安全區(qū)面積下降204.06 km2；較低與低生態(tài)安全區(qū)均比經(jīng)濟(jì)情景分別增加321.87，21.81 km2；相較于經(jīng)濟(jì)情景，較高與高生態(tài)安全區(qū)變化不大，這說(shuō)明林、草、水域的面積擴(kuò)張是改善北部山區(qū)、中部荒漠區(qū)此類生態(tài)環(huán)境脆弱區(qū)的重要因素。

景觀生態(tài)安全情景下，打破了遙感影像中對(duì)地類數(shù)量和位置的限制，以2020年生態(tài)安全高值為限制區(qū)域，該情景下低生態(tài)安全區(qū)面積較2020減少515.43 km2（降幅為16.66%）；中等、較高與高生態(tài)安全區(qū)面積在4種情景中僅次于MOP情景，這說(shuō)明相對(duì)于經(jīng)濟(jì)情景與生態(tài)情景，景觀生態(tài)安全情景更有利于地類間的平衡與生態(tài)系統(tǒng)穩(wěn)定性。

MOP情景下，低生態(tài)安全區(qū)面積較景觀生態(tài)安全情景減少355.38 km2，較2020年減少870.81 km2（降幅為28.15%）；較低與中生態(tài)安全區(qū)面積均在景觀生態(tài)安全情景的基礎(chǔ)上分別增加90.52，6.41 km2；較高與高生態(tài)安全區(qū)面積比其他3種情景更大。此外，MOP情景下各地類分布也最為協(xié)調(diào)，故MOP情景兼顧經(jīng)濟(jì)與生態(tài)效益，有利于形成有序的的國(guó)土空間管控局面，更符合庫(kù)車市未來(lái)景觀生態(tài)安全的發(fā)展。

3 討論與結(jié)論

3.1 討論

選用土地利用動(dòng)態(tài)度、轉(zhuǎn)移矩陣，從速度與土地利用轉(zhuǎn)移方向可得近30 a土地利用動(dòng)態(tài)變化與景觀生態(tài)安全值變動(dòng)趨勢(shì)基本一致，即1990-2000年變動(dòng)幅度較小，2000-2020年先升后降。隨著荒漠、戈壁、草地、林地逐步被開(kāi)發(fā)為耕地及建設(shè)用地，地類破碎度增加，中、高生態(tài)安全區(qū)不斷向低方向轉(zhuǎn)化，這揭示了干旱區(qū)林地、草地、水域與景觀生態(tài)安全之間的緊密聯(lián)系及保護(hù)作用，與文獻(xiàn)［39，42］的研究觀點(diǎn)一致。庫(kù)車氣候干旱、蒸發(fā)量大、土壤肥力較低，由于氣溫回升及農(nóng)業(yè)灌溉使得土壤鹽漬化現(xiàn)象加劇，故庫(kù)車市整體與干旱區(qū)特征一致，均處于生態(tài)脆弱區(qū)［43］。近年來(lái)，隨著水利設(shè)施的修建，國(guó)家“退耕還林”政策及居民生態(tài)保護(hù)意識(shí)的提升使得庫(kù)車市水域面積有所增加、草地退化一定程度緩解，2020年庫(kù)車市景觀生態(tài)安全值空間自相關(guān)上仍呈現(xiàn)出明顯的高高與低低集聚現(xiàn)象，且全局莫蘭指數(shù)仍處于較高水平的0.737，故庫(kù)車市總體生態(tài)安全仍處于良好水平，此結(jié)果與文獻(xiàn)［44］互為印證。2000年以后，ESI由綠洲內(nèi)部為中心向四周不斷降低，朝南、東、東南方向不斷延伸，生態(tài)安全等級(jí)分布變差，這突出了綠洲作為干旱區(qū)生態(tài)環(huán)境紐帶的重要地位，文獻(xiàn)［45］以MSPA-MCR模型構(gòu)建艾比湖流域生態(tài)安全網(wǎng)絡(luò)格局，從生態(tài)格局的角度突出強(qiáng)調(diào)綠洲對(duì)與維持干旱區(qū)生態(tài)格局穩(wěn)定的重要性，這與景觀生態(tài)安全評(píng)價(jià)這一角度互為補(bǔ)充。對(duì)PLUS模型模擬的4大情景進(jìn)行對(duì)比分析，MOP情景基于其他情景進(jìn)行線性約束并設(shè)置經(jīng)濟(jì)與生態(tài)效益最大化，該情景下，中、高與低生態(tài)安全區(qū)面積較其他情景分別最大上升2.82%，最大下降15.25%，故MOP情景適用于干旱區(qū)未來(lái)土地利用發(fā)展規(guī)劃，有助于緩解城市開(kāi)發(fā)與其脆弱的生態(tài)基底之間的矛盾，這與文獻(xiàn)［46］的研究結(jié)論一致。

2030年ESI高值區(qū)域呈現(xiàn)出北部山麓地帶大面積團(tuán)狀分布、南區(qū)人口聚集地小面積團(tuán)狀分散分布的特征。北部山區(qū)海拔較高，人類活動(dòng)少，林地、草地、水域分布景觀多樣性較好、破碎度低，故此區(qū)域除北部邊緣地區(qū)外，在4種情景下較高與高生態(tài)安全區(qū)占比均達(dá)到70%以上；隨著城鎮(zhèn)化的推進(jìn)，城區(qū)與縣域拓展有序，同時(shí)退耕還林還草，加之南部多為農(nóng)業(yè)用地，土壤條件較好、海拔起伏較小，故南部人口聚集區(qū)較高與高生態(tài)安全區(qū)出現(xiàn)小區(qū)域團(tuán)狀分布與中生態(tài)安全區(qū)大面積穿插分布的生態(tài)安全格局。綜合上述研究，對(duì)庫(kù)車市生態(tài)安全治理和生態(tài)環(huán)境保護(hù)提出以下建議：1） 庫(kù)車市低與較低生態(tài)安全區(qū)主要集中于中部，中部荒漠、戈壁區(qū)景觀類型單一，人類活動(dòng)少，一旦受損將難以恢復(fù)，因此應(yīng)以保護(hù)為主，減少開(kāi)發(fā)活動(dòng)；中部與南部人口聚集地接壤地區(qū)如玉奇吾斯、伊西哈拉鄉(xiāng)等地可建立緩沖區(qū)，加大種植白刺、元參等耐旱、耐鹽堿作物，提升生物多樣性。2） 針對(duì)中生態(tài)安全區(qū)，南部人口聚集區(qū)耕地開(kāi)發(fā)重用輕養(yǎng)、導(dǎo)致土壤肥力水平低，引起耕地棄耕［47］，小區(qū)域生態(tài)安全由高向中甚至向低方向轉(zhuǎn)化，因而經(jīng)濟(jì)發(fā)展應(yīng)適當(dāng)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，延伸小白杏、棉花、核桃等作物產(chǎn)業(yè)鏈，發(fā)揮龍頭農(nóng)業(yè)合作社帶頭作用并嚴(yán)格把控生態(tài)與耕地紅線。庫(kù)車市煤炭、油田、鹽資源豐富［48］，工業(yè)發(fā)展應(yīng)提升技術(shù)水平、降低能源損耗以減小生態(tài)破壞，構(gòu)建“山水林田湖草沙”一體化生態(tài)安全修復(fù)新格局。3） 干旱區(qū)較高與高生態(tài)安全區(qū)分布具有明顯的城市屬性［49］，城區(qū)內(nèi)部與外圍景觀生態(tài)安全狀況差距明顯，因而城市開(kāi)發(fā)要管控好開(kāi)發(fā)力度，開(kāi)發(fā)須有節(jié)制并遵循可持續(xù)發(fā)展的原則，打造有生態(tài)背景、開(kāi)敞空間體系和人文景觀構(gòu)成的多功能景觀體系。

在生態(tài)安全保護(hù)情景的基礎(chǔ)上進(jìn)行改進(jìn)，以景觀生態(tài)安全高值區(qū)域（ESI≥0.620 7）為限制區(qū)，打破了原有土地利用數(shù)據(jù)分類及其分布區(qū)域的約束，結(jié)果顯示該情景較原有生態(tài)情景低生態(tài)安全區(qū)降低11.31%，中生態(tài)安全區(qū)升高3.55%。另外，研究?jī)H從景觀結(jié)構(gòu)角度選取干擾與脆弱度進(jìn)行景觀生態(tài)安全評(píng)價(jià)，評(píng)價(jià)尺度較為單一，因而其ESI具有一定保守性。今后可從氣候、地形、植被、社會(huì)因素等方面綜合考慮，進(jìn)行多尺度評(píng)價(jià)。

3.2 結(jié)論

1） 庫(kù)車市作為干旱區(qū)典型綠洲城市，土地利用分布與整個(gè)干旱區(qū)狀況一致，即未利用地與草地為占優(yōu)勢(shì)的景觀類型。近30 a來(lái)耕地與建設(shè)用地面積受人類墾荒活動(dòng)影響呈明顯上升趨勢(shì)，這使區(qū)域內(nèi)耕地、林地與未利用地的斑塊類型愈加復(fù)雜，景觀破碎度一定程度增加。

2） 土地利用類型的變動(dòng)幅度與景觀生態(tài)安全值波動(dòng)幅度十分相似，地類轉(zhuǎn)移引發(fā)了庫(kù)車市生態(tài)安全等級(jí)之間的相互轉(zhuǎn)化。1990-2000年庫(kù)車市景觀生態(tài)安全空間集聚效應(yīng)顯著，雖然集聚程度小幅度下降，但仍處于較高水平，故庫(kù)車市總體景觀生態(tài)安狀況較為良好。

3） MOP情景基于其他3種情景設(shè)置線性約束，并兼顧生態(tài)與經(jīng)濟(jì)效益最大化，實(shí)現(xiàn)了低生態(tài)安全區(qū)占比最小為15.65%，高與較高生態(tài)安全區(qū)較其他情景占比最高為23.70%。與2020年相比，耕地漲幅26.52%，建設(shè)用地漲幅28.69%，林地、草地與水域面積占比均居4種情景中最高，更有利于緩解干旱區(qū)生態(tài)環(huán)境保護(hù)與經(jīng)濟(jì)發(fā)展矛盾。

參考文獻(xiàn)：

［1］ 和海秀，周洪華，白如霄.基于土地利用變化的新疆塔城地區(qū)碳排放特征分析［J］.水土保持通報(bào)，2022，42（3）：373-380.DOI：10.13961/j.cnki.stbctb.2022.03.046.

［2］ 涂雯，吳靜雯，馬理輝，等.水土保持措施驅(qū)動(dòng)村域土地利用景觀格局變化： 以米脂縣高西溝村為例［J］.水土保持學(xué)報(bào)，2023，37（3）：147-154.DOI：10.13870/j.cnki.stbcxb.2023.03.020.

［3］ LIANG Xuedong，SI Dongyang，ZHANG Xinli.Regional sustainable development analysis based on information entropy： Sichuan Province as an example［J］.International Journal of Environmental Research and Public Health，2017，14（10）：1219.DOI：10.3390/ijerph14101219.

［4］ ZHANG Ze，HU Baiqing，QIU Haihong.Comprehensive evaluation of resource and environmental carrying capacity based on SDGs perspective and tthree-dimensional balance model［J］.Ecological Indicators，2022，138：108788.DOI：10.1016/j.ecolind.2022.108788.

［5］ CUNHA-E-S M A，ROSA R，DUARTE C C.Natural carbon capture and storage （NCCS）： Forests， land use and carbon accounting［J］.Resource and Energy Economics，2013，35（2）：148-170.DOI：10.1016/j.jclepro.2020.122 271.

［6］ 袁媛，羅志軍，趙杰，等.基于景觀結(jié)構(gòu)和空間統(tǒng)計(jì)學(xué)的南昌市景觀生態(tài)安全評(píng)價(jià)［J］.水土保持研究，2020，27（3）：247-255.DOI：10.13869/j.cnki.rswc.2020.03.036.

［7］ ZHANG Qiang，WANG Gang，YUAN Ruanyue，et al.Dynamic responses of ecological vulnerability to land cover shifts over the Yellow River Basin， China［J］.Ecological Indicators，2022，144：109554.DOI：10.1016/j.ecolind.2022.109554.

［8］ 王曉琴，王宏衛(wèi)，談波，等.新疆阿克蘇地區(qū)景觀格局與生境質(zhì)量時(shí)空演變及影響機(jī)制［J］.華僑大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，43（6）：777-789.DOI：10.11830/ISSN.1000-5013.202203041.

［9］ CHEN Ailian，ZHAO Xinfeng，YAO Lei，et al.Application of a new integrated landscape index to predict potential urban heat islands［J］.Ecological Indicators，2016，69：828-835.DOI：10.1016/j.ecolind.2016.05.045.

［10］ RENETZEDER C，SCHINDLER S，PETERSEIL J，et al.Can we measure ecological sustainability？Landscape pattern as an indicator for naturalness and land use intensity at regional， national and European level［J］.Ecological Indicators，2010，10（1）：39-48.DOI：10.1016/j.ecolind.2009.03.017.

［11］ MONDAL B，DOLUI G，PRAMANIK M，et al.Urban expansion and wetland shrinkage estimation using a GIS-based model in the East Kolkata Wetland， India［J］.Ecological Indicators，2017，83：62-73.DOI：10.1016/j.ecoli nd.2017.07.037.

［12］ SICA Y V，QUINTANA R D，RADELOFF V C，et al.Wetland loss due to land use change in the Lower Paraná River Delta， Argentina［J］.Science of the Total Environment，2016，568：967-978.DOI：10.1016/j.scitotenv.2016.04.200.

［13］ BOIX-FAYOS C，BOERBOOM L G J，JANSSEN R，et al.Mountain ecosystem services affected by land use changes and hydrological control works in Mediterranean catchments［J］.Ecosystem Services，2020，44（11）：101136.DOI10.1016/j.ecoser.2020.101136.

［14］ 楊鴻飛，吳建召，胡祉昱，等.基于景觀格局分析地震災(zāi)區(qū)小流域生態(tài)安全： 以龍溪河為例［EB/OL］.（2023-01-16）［2023-11-23］.

［15］ 程植，林孝松.三峽庫(kù)區(qū)大寧河流域景觀格局變化及生態(tài)安全格局構(gòu)建研究［J］.重慶師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，38（3）：40-49.DOI：10.11721/cqnuj20212312.

［16］ LUO Jieling，F(xiàn)U Hui.Construct the future wetland ecological security pattern with multi-scenario simulation［J］.Ecological Indicators，2023，153：110473.DOI10.1016/j.ecolind.2023.110473.

［17］ 王永庶，唐岱，延相東，等.基于網(wǎng)格尺度的保山市中心城區(qū)生態(tài)安全評(píng)價(jià)研究［J］.西南林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)），2021，41（5）：80-87.DOI：10.11929/j.swfu.202007057.

［18］ 錢田田，王宏衛(wèi)，余芳瑞，等.基于DPSIR模型的新疆城市生態(tài)韌性評(píng)估及影響因素分析［J］.華僑大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，44（5）：607-614.DOI：10.11830/ISSN.1000-5013.202303009.

［19］ 謝余初，鞏杰，張玲玲.基于PSR模型的白龍江流域景觀生態(tài)安全時(shí)空變化［J］.地理科學(xué)，2015，35（6）：790-797.DOI：10.13249/j.cnki.sgs.2015.06.016.

［20］ 王欣珂，林弘，謝香群，等.閩江流域土地利用時(shí)空變化特征及驅(qū)動(dòng)因子分析［J］.生態(tài)科學(xué)，2023，42（4）：171-181.DOI：10.14108/j.cnki.1008-8873.2023.04.020.

［21］ ANIAH P，BAWAKYILLENUO S，CODJOE S N A，et al.Land use and land cover change detection and prediction based on CA-Markov chain in the savannah ecological zone of Ghana［J］.Environmental Challenges，2023，10：100664.DOI：10.1016/j.envc.2022.100664.

［22］ ZHANG Jun，LIU Zhaoshun，LI Shujie.Research on land use simulation of incorporating historical information into the FLUS model： Setting Songyuan City as an example［J］.Sustainability，2022，14（7）： 1 -14.DOI：10.3390/su14073828.

［23］ CHASIA S，OLANG L O，SITOKI L.Modelling of land-use/cover change trajectories in a transboundary catchment of the Sio-Malaba-Malakisi Region in East Africa using the CLUE-s model［J］.Ecological Modelling，2023，476：110256.DOI：10.1016/j.ecolmodel.2022.110256.

［24］ 王新紅.庫(kù)車龜茲小巷之變： 從無(wú)人問(wèn)津到人氣滿滿［N］. 新疆日?qǐng)?bào)（漢），2023-11-12（004）.

［25］ 麥爾耶姆·亞森，買買提·沙吾提，吐?tīng)栠d·艾山，等.新疆渭干河-庫(kù)車河三角洲綠洲耕地時(shí)空變化特征分析［J］.中國(guó)農(nóng)業(yè)科學(xué)，2017，50（18）：3506-3518.DOI：10.3864/j.issn.0578-1752.2017.18.007.

［26］ GAO Linna，MA Yonggang，XU Zhonglin，et al.Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model： A case study of Nanjing［J］.Sustainable Cities and Society，2022，85：10405.DOI：10.1016/j.scs.2022.104055.

［27］ 何珍珍，王宏衛(wèi)，楊勝天，等．塔里木盆地中北部綠洲生態(tài)安全評(píng)價(jià)［J］.干旱區(qū)研究，2018，35（4）：963-970.DOI：10.13866/j.azr.2018.04.26.

［28］ 吳金華，劉思雨，白帥.基于景觀生態(tài)安全的神木市生態(tài)廊道識(shí)別與優(yōu)化［J］.干旱區(qū)研究，2021，38（4）：1120-1127.DOI：10.13866/j.azr.2021.04.24.

［29］ 魏心雨，王雁杰，孫夢(mèng)媛，等.基于土地利用結(jié)構(gòu)變化的河南省碳排放時(shí)空格局及驅(qū)動(dòng)力分析［EB/OL］.（2023-01-11）［2023-11-23］.

［30］ 喬斌，顏玉倩，張婷華，等.基于土地利用變化的西寧市景觀生態(tài)風(fēng)險(xiǎn)識(shí)別及優(yōu)化策略［J］.生態(tài)學(xué)雜志，2023，42（8）：2020-2031.DOI：10.13292/j.1000-4890.202307.013.

［31］ PATRICHE C V，PIRNAU R，GROZAVU A，et al.A comparative analysis of binary logistic regression and analytical hierarchy process for landslide susceptibility assessment in the Dobrov River Basin， Romania［J］.Pedosphere，2016，26（3）：335-350.DOI：10.1016/S1002-0160（15）60047-9.

［32］ 修煬景，侯蒙京，田驕陽(yáng)，等.基于土地利用/覆蓋的甘肅省景觀生態(tài)風(fēng)險(xiǎn)時(shí)空變化特征［J］.草業(yè)學(xué)報(bào)，2023，32（1）：1-15.DOI：10.11686/cyxb2021298.

［33］ 盧遠(yuǎn)，蘇文靜，華璀，等.左江上游流域景觀生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)［J］.熱帶地理，2010，30（5）：496-502.DOI：10.13284/j.cnki.rddl.001392.

［34］ 劉順鑫，黃云.“三生空間”視角下萬(wàn)州區(qū)景觀生態(tài)安全評(píng)價(jià)及其耦合特征分析［J］.水土保持研究，2020，27（6）：308-316.DOI：10.13869/j.cnki.rswc.20200718.001.

［35］ 袁媛，羅志軍，趙杰，等.基于景觀結(jié)構(gòu)和空間統(tǒng)計(jì)學(xué)的南昌市景觀生態(tài)安全評(píng)價(jià)［J］.水土保持研究，2020，27（3）：247-255.DOI：10.13869/j.cnki.rswc.2020.03.036.

［36］ 王重玲，程淑杰，王林伶，等.基于GIS的寧夏中部干旱帶生態(tài)安全空間格局的評(píng)價(jià)［J］.西部林業(yè)科學(xué)，2020，49（2）：147-153.DOI：10.16473/j.cnki.xblykx1972.2020.02.021.

［37］ 謝名睿，危小建，趙莉，等.南昌市生態(tài)用地景觀結(jié)構(gòu)與網(wǎng)絡(luò)連通性多情景模擬［J］.水土保持通報(bào)，2023，43（2）：202-211，309.DOI：10.13961/j.cnki.stbctb.2023.02.024.

［38］ ZHAO Yongyu，KASIMU A，HONG Wuliang，et al.Construction and restoration of landscape ecological network in Urumqi City based on landscape ecological risk assessment［J］.Sustainability，2022，14：8154.DOI：10.3390/su14138154.

［39］ RAN Hong，MA Yonggang，XU Zhonglin.Evaluation and prediction of land use ecological security in the Kashgar Region based on grid GIS［J］.Sustainability，2022，15（1）：40.DOI：10.3390/ijgi11060328.

［40］ WANG Ziyang，SHI Peiji，ZHANG Xuebin，et al.Research on landscape pattern construction and ecological restoration of Jiuquan City based on ecological security evaluation［J］.Sustainability，2021，13：5732.DOI：10.3390/su13105732.

［41］ 謝高地，張彩霞，張昌順，等.中國(guó)生態(tài)系統(tǒng)服務(wù)的價(jià)值［J］.資源科學(xué)，2015，37（9）：1740-1746.DOI：1007-7588（2015）09-1740-07.

［42］ CHEN Xiaodong，YANG Zhaoping，HAN Fang，et al.Landscape ecological risk and ecological security pattern construction in world natural heritage sites： A case study of Bayinbuluke， Xinjiang， China［J］.ISPRS International Journal of Geo-Information，2022，11（6）：328.DOI：10.3390/su15010040.

［43］ 康璇，王雪梅，柴仲平.近25 a來(lái)渭-庫(kù)綠洲土地利用/覆被變化及其影響因素［J］.水土保持通報(bào)，2016，36（5）：333-339.DOI：10.13961/j.cnki.stbctb.2016.05.003.

［44］ 艾克旦·依薩克，滿蘇爾·沙比提，阿曼妮薩·庫(kù)爾班，等.阿克蘇河流域綠洲生態(tài)安全評(píng)價(jià)及影響因子分析［J］.環(huán)境科學(xué)與技術(shù)，2020，43（7）：217-223.DOI：10.19672/j.cnki.1003-6504.2020.07.029.

［45］ WEI Qianian，YAO Lei，TANG Hua，et al.Temporal and spatial variation analysis of habitat quality on the PLUS-InVEST model for Ebinur Lake Basin， China［J］.Ecological Indicators，2022，145：109632.DOI：10.1016/j.ecolind.2022.109632.

［46］ SHI Mingjie，WU Hongqi，ZHU Lei，et al.Temporal and spatial evolution and prediction of carbon stocks in Yili Valley based on MCE-CA-Markov and InVEST models［J］.2021，38：1010-1019.DOI：10.13254/j.jare.2020.0586.

［47］ 王娟，張飛，于海洋，等.基于LUCC的渭干河-庫(kù)車河三角洲綠洲水文及生態(tài)特征［J］.水土保持研究，2016，23（2）：236-242，359.DOI：10.13869/j.cnki.rswc.2016.02.044.

［48］ 劉小雪，蔣志輝.鄉(xiāng)村振興戰(zhàn)略背景下庫(kù)車農(nóng)民專業(yè)合作社發(fā)展研究［J］.安徽農(nóng)業(yè)科學(xué)，2023，51（14）：254-258.DOI：10.3969/j.issn.0571-6611.2023.14.062.

［49］ 朱亞楠.烏魯木齊市土地利用景觀格局變化與生態(tài)安全耦合協(xié)調(diào)研究［D］.烏魯木齊：新疆農(nóng)業(yè)大學(xué)，2022.