云南边境山区景观生态风险时空演变及其影响因素

郑可君,李 琛,吴映梅,*,高彬嫔,李 婵,武 燕

1 云南师范大学地理学部,昆明 650500 2 云南省社会科学院,昆明 650034

生态安全是经济社会持续健康发展的重要保障,是人类生存发展的基本条件,是国家安全的重要组成部分,在“推动人类共享生态文明成果”的理念下,高度重视并有效防范和化解生态风险,实现人与自然美美与共,是生态文明建设的主要内容之一[1]。基于景观格局的生态风险评价从自然、人为因素影响下景观格局与生态过程相互作用出发,考量可能产生的不利后果从而实现多源风险的综合表征及其空间可视化,对区域生态发展和生态安全格局构建提供决策依据[2—3]。随着经济社会的快速发展和人类活动的不断加剧,自然资源与生态系统的压力日趋增大,生态环境保护面临巨大的挑战。边境地区的景观生态风险表征了跨境地区生态系统的稳定性[4],对生态环境的全球治理意义重大。云南是中国重要的边境省之一,受环境和经济基础薄弱的制约云南边境县较为落后,正处在经济社会快速发展的乡村振兴阶段,建设用地、耕地等对林地、湿地的侵占加剧了生态用地的减少,不合理的土地利用变化严重制约了生态系统功能的发挥。

基于景观格局的生态学研究可分析生态动态过程和空间格局的相互联系,能够实现多元风险的综合表征和空间可视化,对区域生态安全的维护和保障极为重要,已成为国内外学者关注的热点问题之一[1,5—6]。景观作为一种系统除具有整体性外,还具有地域分异的规律性,在不同尺度上对自然景观和人文景观的结构、功能和动态发生作用[7]。20世纪90年代开始就有学者对景观生态风险评价进行研究,经过约30年的发展,国内学者更加关注景观生态风险,已从不同尺度探究了景观生态风险的地域分异,并注重分析自然条件和人类活动共同作用下对景观生态风险地域分异的影响,评价对象以生态脆弱敏感区和人类活动较为集中区为主,如：州[8]、市[9]、流域[10]、湿地[11]、矿区[12]等,评价方法有景观格局指数法[13]、熵值法[14]、暴露—响应法[15]等,影响因素有人口[4]、GDP[1]、海拔[16]、降水[5]等。国外学者对生态风险的研究多以微观视角切入,主要围绕污染物带来的生态风险,如达卡地区农业土壤中的重金属污染带来的生态风险[17]、孟加拉国鲁普萨河沉积物中重金属的污染水平和分布及其生态和健康风险[18]等。综上,尽管生态风险评价已有研究取得了丰富的成果,但仍有以下两个方面的问题需要进一步探究：一是对边境山区景观生态风险的研究不足,边境山区是生物多样性保护的重要区域、乡村振兴的重点区域和对外开放的重要门户,是复杂人文环境和自然环境下生态—经济—社会发展矛盾突出的代表,亟需针对边境山区开展景观生态风险的研究。二是在景观生态风险的影响因素研究中,缺乏综合考虑区域经济社会协调发展水平及经济社会发展模式对景观生态风险的影响。

云南25个边境县是边境山区的一个典型缩影,是中国西南生态安全的大门也是打造区域命运共同体的通道。揭示边境地区景观生态风险时空演变特征与多种自然、人为干扰因素对其综合影响,确保生态环境不断向好发展显得尤为重要。本研究基于2000、2010及2020年土地利用数据,计算区域景观格局指数,构建景观生态风险评价模型,在系统分析景观生态风险时空演变特征的基础上,进一步探究自然、可达性和社会经济因素对景观生态风险的影响,以期分析区域潜在景观生态风险及风险区域分异为风险防范和评价提供借鉴,对丰富边境地区生态系统稳定性的研究具有一定的理论与实践意义。

图1 研究区位置Fig.1 Study area location该图基于国家测绘地理信息局标准地图服务网站下载审图号为GS(2020)4619 号的标准地图制作,底图无修改。DEM: 数字高程模型 Digital elevation model; 1陇川县；2芒市； 3腾冲市； 4贡山县；5龙陵县；6镇康县；7泸水市；8耿马县；9沧源县；10孟连县；11西盟县；12澜沧县；13勐海县；14景洪市；15勐腊县；16江城县；17绿春县；18金平县；19河口县；20马关县；21麻栗坡县；22富宁县；23瑞丽市；24盈江县；25福贡县

1 研究区概况

云南25个边境县(市)[19]位于中国西南部(21°8′ —28°23′N,97°31′ —106°11′E),与缅甸、老挝、越南3个国家毗邻,边境线长约4060km,如图1所示,其分布在滇西北高山峡谷地区、滇西边境山区、滇南水资源丰富地区、滇东南岩溶石漠化地区,总面积约90838km2。2020年,云南边境县国内生产总值约2484.8亿元,户籍人口约674.6万人。25 个县中有 21 个为民族地区,少数民族人口近60%,分布有云南特有9个直接由原始社会形态过渡到社会主义社会的民族和 8 个人口较少民族,有16个与境外同一民族毗邻而居的少数民族[20]。云南边境县在自然条件、资源分布、人文环境、社会经济发展等的空间分布上差异较大。作为乡村振兴和保护生态系统良性循环的重要区域,云南边境县的发展既要全面推进沿边开放城镇带建设,提高沿边地区发展能力和开放水平,同时也肩负着构建生物多样性保护网络的重要使命。进一步协调好“发展”与“保护”的关系是云南边境县发展的主要目标之一。

2 数据来源与研究方法

2.1 数据来源及处理

土地利用数据来源于 Globeland30 全球地表利用数据库(http://www.globallandcover.com),包括2000、2010 和 2020 年 3 期数据,空间分辨率为 30 m×30 m,该数据集数据较新、精度较高。全区土地利用类型共 9种,包括耕地、林地、草地、灌木地、湿地、水体、人造地表、裸地、冰川永久积雪。高程数据来自地理空间数据云(http://www.gscloud.cn)；年降水量和年平均气温数据来自中国科学院资源环境科学与数据中心(http://www.resdc.cn)；道路数据来源于全国地理信息资源目录服务系统 (https://www.webmap.cn/main.do?method=index)；县域人口和GDP数据来源于《中国县域统计年鉴(县市卷)》；县域经济发展聚类数据来源于“云南边境县经济社会发展探析”[20]文献研究。

2.2 评价单元划分

风险评价单元划分是生态风险评价和生态风险空间可视化表达的重要步骤。结合研究区实际情况和斑块大小,采用10km×10km的格网,将云南边境县划分成1212个评价单元,利用 Fragstats 4.2软件,计算每个单元的生态风险值,将其作为属性值赋予各评价单元的中心点[21]。

2.3 景观生态风险指数构建

景观格局指数高度浓缩了景观格局信息,从景观格局的角度出发,构建景观生态风险指数的计算公式为[22]：

(1)

式中ERIi第i个评价单元的景观生态风险指数；Aki为第k个评价单元内景观类型i的面积；Ak为第k个评价单元面积,Ri为景观损失度。

(2)

式中Si为景观结构指数,Fi为景观脆弱度指数,景观脆弱度的大小与其在景观自然演替过程中所处的阶段有关,根据前人研究经验[23—24]结合研究区特点,本文将9类景观类型按其脆弱度赋值并进行打分,归一化得到各自的脆弱度指数：耕地0.11、林地0.04、草地0.09、灌木地0.07、湿地0.16、水体0.13、人造地表0.02、裸地0.18、冰川永久积雪0.20。

Si=aCi+bNi+cDi

(3)

式中a、b、c为相应景观指数的权重,a+b+c=1,根据前人研究结果[22,25]结合研究区实际情况,a、b、c分别赋值为0.5、0.3、0.2。Ci为景观破碎度指数,景观破碎化是由于自然或人为干扰所导致的景观由单一、均质和连续的整体趋向于复杂、异质和不连续的斑块镶嵌体的过程,景观破碎化是生物多样性丧失的重要原因之一,其值越大必然导致生态风险越大；Ni为景观分离度指数,表示景观类型中不同斑块个体分布的分离程度,其值越大景观分布越复杂,景观内不稳定性越低,对应的景观生态稳定性越低,生态风险越高；Di为景观优势度指数,是衡量斑块在景观中重要地位的一种指标,其大小直接反映了斑块对景观格局形成和变化影响的大小,其值越大,斑块对景观格局形成、变化影响越大对应的生态风险就越大[25]。

(4)

式中Qi为斑块i出现的格网数/总格网数；Mi为斑块i的数目/斑块的总数目；Li为斑块i的面积/样方总面积；ni为景观类型i的斑块数；A为景观总面积；Ai为景观类型i的面积。

2.4 探索性空间数据分析

运用 ArcGIS结合空间自相关分析对研究区进行空间化表达,通过地统计分析模块对点数据进行半变异函数拟合,得到最佳拟合模型[21]并选取指数克里金插值法分别对2000、2010、2020年数据进行空间插值,得到景观生态风险空间分布图,采用自然间断点法划分景观生态风险等级,进一步利用转移矩阵模型分析不同时期景观生态风险等级转移情况[1]。

通过空间自相关Moran′sI指数确认相邻或近邻区域风险评价单元属性值是否具有关联性[21]。Moran′sI值在-1—1,大于0表示正相关,小于0表示负相关,等于0表示不相关[26]。

2.5 地理探测器归因分析

综合前人研究[1,4—5,16]结果和研究区自然环境、人文环境、资源空间分布及社会经济发展差距较大的特点,利用地理探测器既可以探测数值型数据,也可以探测定性数据的优势[27]。选取社会经济[28]、自然环境、可达性[29]三个维度10个影响因子,包括人口地理集中度、经济地理集中度、人口经济地理集中度不一致指数[30]、发展模式[20]、年降水量、年均气温、高程、地形起伏度、距道路距离、距城镇距离。在 ArcGIS 中将所有影响因子栅格化、统一投影坐标系并运用自然断点法将其分类,利用地理探测器软件中的因子探测,测度景观生态风险与各影响因子之间的关系及影响程度[5],同时两个因子共同作用下对景观生态风险的影响。两两因子的影响可分为5类,如表1所示。运用Origin软件对交互探测结果作图。

表1 双因子交互作用结果类型[27]

2.6 地理集中度

地理集中度是综合考虑区域人口、经济、面积等因素,是衡量人口、经济空间分布的有效指标,一般应用地理集中度指数来表征。综合考虑云南25个边境县在人口和经济总量与区域面积上发展不平衡的问题,用人口地理集中度和经济地理集中度衡量云南边境县人口与经济的空间分布及集聚状况,人口地理集中度和经济地理集中度计算公式如下：

(5)

式中,Rpopit为人口地理集中度,RGDPit为经济地理集中度；popit、POPt分别表示i地区t时刻人口数量和区域总人口数量；gdpit、GDPt分别表示i地区t时刻GDP数值和区域的总 GDP 数值；landit、LANDt分别表示i地区t时刻国土面积和区域的总国土面积[31]。

在此基础上,人口与经济空间分布的不一致性可以用人口地理集中度Rpopit和经济地理集中度RGDPit的相对比例来衡量,则地区i在t时间人口与经济地理集中度的不一致指数Iit的计算公式如下[32]：

(6)

2.7 经济社会发展模式

根据游琰[20]对云南 25 个边境县经济社会发展的聚类分析结果,将4种不同经济社会发展模式作为影响研究区景观生态风险的影响因素进行探测。该聚类分析综合考虑了经济发展和社会事业中的36个变量。结果如下：聚类1,经济社会发展领军型,包括勐海县、盈江县、腾冲市、芒市、景洪市、龙陵县、耿马县；聚类2,经济社会发展均衡型,包括河口县、瑞丽市、勐腊县；聚类3,经济社会发展缓慢型,包括江城县、泸水市、临沧县、马关县、金平县、麻栗坡县、陇川县、孟连县、绿春县、富宁县、沧源县、镇康县；聚类4,经济社会发展落后型,包括福贡县、西蒙县、贡山县。

3 结果与分析

3.1 景观类型的时序变化

研究区景观类型以林地和耕地为主,林地面积占研究区总面积的62.77%以上,2000年、2010年、2020年林地面积分别为58511.63km2、57318.19km2、56985.43km2,面积共减少了1526.2km2；耕地作为研究区第二大景观类型,面积占比22.71%以上且持续增加,20年间共增加2396.78km2；草地的变化表现为面积持续减少,草地面积占比5.9%以上,面积从2000年的7238.83km2减少至2020年的5397.69km2,减少幅度较大,共减少 1841.14km2；灌木地面积占比3.73%以上,面积呈现先上升后下降的变化趋势,总体增加201.42km2；裸地面积占比在0.04%-0.35%之间,总体面积翻两番共增加126.16km2；人造地表面积占比在0.35%—0.84%之间,20年间面积持续增加,共增加了443.63km2；水体面积20年间面积翻一番,共增加237.19km2；其他占比小的湿地面积呈现先增加后减少的变化趋势,冰川和永久积雪面积呈现先减少后增加的变化趋势,总体均减少。

从景观类型的时序变化可以看出,20年间经济欠发达的边境县得益于国家一系列兴边富民的政策保障,耕地和人造地表面积增加一定程度上反映了边境地区人口增加和生活条件得到改善,同时伴随着林地和草地大面积减少,景观格局发生了较大改变。国家对生态环境保护的重视和规范化建设,灌木地、水体面积总体增加明显。总体来看,研究区景观类型的时序变化一定程度上反映了政策干预下社会经济发展和生态环境保护对景观格局变化的影响[33]。

3.2 景观生态风险时空演变特征

3.2.1景观生态风险的空间化

云南边境县2000年、2010年、2020年景观生态风险的全局Moran′sI指数均大于0且P值均小于等于0.001,分别为0.559、 0.585、0.531(图2)。反映出研究区景观生态风险在空间上表现为聚集分布,正相关性较强,相邻空间单元的景观生态风险程度相似。全局Moran′sI指数先上升后下降,总体下降,表明空间相邻单元相互影响在减弱,空间趋同性逐渐降低。局部空间自相关分析结果显示(图3),研究区景观生态风险值高高聚集主要分布在研究区北部贡山县、腾冲市、龙陵县、芒市和东部的马关县、麻栗坡县、富宁县；低低聚集主要分布在研究区北部福贡县、泸水市,中部的耿马县、沧源县、绿春县、景洪市、江城县、勐腊县；研究区还存在较少的低高聚集和高低聚集的现象,零星分布具有较强的空间异质性,20年间变化较为稳定。

图2 2000—2020 年云南边境县景观生态风险Moran′s I散点图Fig.2 Landscape ecological risk Moran′s I scatter diagram of Ecological Protection Area in Border counties in Yunnan, 2000—2020

图3 2000—2020 年云南边境县景观生态风险局部空间自相关LISA结果Fig.3 Local spatial autocorrelation LISA results for landscape ecological risk Area in Border counties in Yunnan, 2000—2020

通过普通克里金插值法对景观生态风险值进行空间插值,得到2000—2020年研究区景观生态风险空间分布情况,再通过自然断点法将2000年景观生态风险分为5个等级,低风险(ERI<0.1002)、较低风险(0.1002≤ERI<0.1102)、中等风险(0.1102≤ERI<0.1198)、较高风险(0.1198≤ERI<0.1316)、高生态风险(ERI≥0.1316),为便于数据比较分析,2010年、2020年数据均采用2000年的分级区间(图4)。从三期数据来看,研究区景观生态风险值空间分布较为相似,总体呈东西高、南北低的规律。

3.2.2景观生态风险等级分布时空特征

云南25个边境县2000—2020年景观生态风险平均值持续上升,2000年为0.111、2010年为0.113、2020年为0.115。景观生态风险等级主要以较低生态风险、中等生态风险为主(图4)。20年间低生态风险区面积占比16.92%以上,面积呈现出先增加后减少的变化规律,总体减少了4896.47km2,主要分布在研究区北部的福贡县、泸水市,南部的孟连县、勐海县、景洪市、勐腊县、江城县、绿春县,这些地方有较好的自然条件加上政策支持和人为保护,对该类地区的生态系统安全发展有较好的影响,比如高黎贡山国家级自然保护区和南部边境生态屏障区均分布于此；较低生态风险区面积占比在24.12%以上,面积先减少后增加总体减少2746.32km2,主要分布在研究区低生态风险区周围,多集中于研究区中段；中等生态风险区占比19.22%以上,面积先减少后增加总体增加1959.05km2,其分布范围较广,在研究区的大部分县均有分布,主要分布在较低生态风险区和较高生态风险区周围；较高生态风险区面积占比17.14%以上,呈现先减少后增加的变化规律,总体增加5745.28km2,主要分布在研究区中部腾冲县、盈江县、芒市、龙陵县和南部的勐海县、澜沧县及东部的马关县、富宁县；高生态风险区面积占比7.11%以上,其变化较大,2000—2010年面积增加4720.40km2,2010—2020年面积减少4781.94km2,总体面积减少了61.54km2,主要分布在贡山县、腾冲市、麻栗坡县、富宁县,其中麻栗坡县和富宁县是石漠化地区,该类地区自然条件不适宜植被生长,除此之外传统的农耕方式对土地的利用率较低,使得土地利用类型改变较大,破坏了生态系统的整体性和稳定性,使得以耕地和林地为主的景观破碎度及分离度增大,最终导致景观生态风险增大。

图4 2000—2020 年云南边境县景观生态风险等级变化空间分布Fig.4 Spatial distribution of landscape ecological risk levels in Border counties of Yunnan province from 2000 to 2020

3.2.3景观生态风险的等级转移时空特征

2000—2020年云南边境县景观生态风险等级转移情况如表2所示,除等级没有变化的区域外,低生态风险等级以转为较低生态风险等级为主,转移面积7104.13km2；较低生态风险等级以转为中等生态风险等级为主,转移面积10021.21km2；中等生态风险等级以转为较高生态风险为主,转移面积7036.40km2,以上三个等级的转移显示研究区局部景观生态风险有不断增加趋势,应重点关注该区域的景观结构变化,维护区域生态的稳定性,避免因景观破碎度、分离度、优势度指数增大从而导致景观生态风险进一步增加。除此之外,较高生态风险等级以转为中等生态风险等级为主,高生态风险等级以转为较高生态风险等级为主,高生态风险等级的面积得到了控制,可以看出在科学发展观和新发展理念的指导下,区域发展更加注重绿色高效,现阶段的总体发展情况对生态系统良性循环较为有利,但同时应加强对较高生态风险转为高生态风险区和中等生态风险转为较高生态风险区的监控。

表2 2000—2020年云南边境县景观生态风险等级转移矩阵/km2

3.3 景观生态风险时空分异的影响因素

3.3.1单因子探测

由表3 可以看出,研究期内自然、区域可达性、经济社会因素对景观生态风险的影响均较大。在自然影响因素中年降水量解释力最大,分别为2000年32.17、2010年24.28、2020年16.25,表明研究区受降水影响植被空间分异明显,从而影响景观结构最终作用于景观生态风险,然而体现云南边境县复杂地形地貌的地形起伏度对景观生态风险的解释力较小。在区域可达性因素中,距城镇距离的解释力较大,20年间解释力增大了2.32,表明城镇化的过程中人造地表在快速扩张改变了区域景观结构,对景观生态风险的影响逐渐增大。在经济社会因素中,人口与经济地理集中度不一致指数、人口地理集中度指数解释力最大,反映出人口与经济发展的不协调对区域景观结构的影响较大,人口多、经济不发达导致土地的利用效率降低,资源消耗较大使得景观的破碎度增大,景观生态风险也随之增大；人口集中度低于经济集中度则资源和土地利用率较高,经济发展向外扩散,绿色高效的发展对景观结构的保护较为有益从而使得景观生态风险随之降低。人口地理集中度对景观生态风险解释力较大,但在研究期内逐渐减小,表明人类活动对生态系统的扰动较为明显,随着城镇化的有序推进,建设用地相对稳定,加之生态文明建设的不断推进,人类活动对景观生态风险的影响得到有效控制。总体来看,景观生态风险时空演变是在多种因素共同影响下形成的复杂过程,只有充分发挥好云南边境县自然环境和资源优势,高效利用能源,严守生态保护红线,才能有效防控景观生态风险进一步恶化。

表3 云南边境县景观生态风险影响因素地理探测器单因子探测结果

3.3.2交互探测

交互探测体现因子之间的共同作用相对于单因子作用时对景观生态风险影响的差异。探测结果显示研究期内驱动因子间交互探测结果均表现出非线性增强和双因子增强作用,不存在相互独立或减弱的情况,说明因子间交互作用对景观生态风险的解释力相对于单因子作用均有不同程度的增强,同时也印证了景观生态风险变化是一种复杂的因子交互作用过程。如图5所示,2000年以人口地理集中度指数∩人口经济地理集中度不一致指数(0.5793)、年降水量∩人口地理集中度指数(0.5691)、年降水量∩年均气温(0.5438)的解释力最大,反映出云南边境县人口与经济发展不协调对景观结构的改变较大,较为粗放的经济发展方式对生态系统良性循环造成一定威胁,尤其是人口在地理空间的规模化聚集导致土地利用类型的快速改变,使得景观分离度和优势度迅速提高,对景观生态风险产生不利影响。降水是影响不同土地覆被空间分异的重要影响因素,尤其是不同生态用地受其影响剧烈,如林地、草地、灌木地等,对景观生态风险影响十分明显。人口地理集中度指数与降水的交互作用对景观生态风险的影响更为显著。同时受不同气候类型的影响研究区气温差异较大,如热带雨林区和寒温性针叶林区是在不同的气候条件下形成的不同景观类型,水量是否适宜植被生长一定程度上决定了林地的景观优势度及破碎度,因此当降水和气温共同作用下对景观生态风险的影响更显著。与2000年相比,2010年人口地理集中度指数、人口经济地理集中度不一致指数、年均气温、年降水量仍然是影响区域景观生态风险的重要交互因子但交互的解释力均有所下降,所有交互中仅经济地理集中度指数∩发展模式(0.2322)解释力略有上升,表明发展模式对资源和土地的利用效率不同,作用于景观分离度和破碎度就会影响景观生态风险。与2010年相比,2020年距城镇距离∩人口与经济地理集中度不一致指数(0.3872)、人口与经济地理集中度不一致指数∩发展模式(0.3679)两组因子交互探测解释力有明显提升,人口经济发展的不协调与距城镇距离是人类活动对生态系统扰动的量化因子,二者解释力的增强,表明随着社会经济发展需求的日益增长,人类活动不断加剧,自然因素影响在不断减弱,经济社会及区域可达性的影响在不断增强。

图5 景观生态风险影响因子交互作用探测结果Fig.5 Detection results of interaction between factors affecting landscape ecological risk

4 讨论

4.1 景观生态风险对土地利用变化的响应

研究期间,云南边境山区景观生态风险的平均值持续上升,从景观生态风险的演变过程来看相较2000—2010年2010—2020年景观生态高风险区和低风险区面积减少明显,较高、中等、较低生态风险区面积增加明显。景观生态风险的变化主要反映了景观格局的改变,不同景观类型构成了景观格局,从区域景观类型的变化来看,林地、草地、灌木地在前十年的减少幅度较大,被大量占为耕地,生态系统的平衡状态被打破,后十年通过天然林保护等生态环境保护工程的实施,林地面积减少的速度放缓,灌木地面积增加,高生态风险减少,生态系统逐渐趋于稳定。但由于天然林的减少破坏了天然生态系统,难以被修复,导致低生态风险区面积减少且很难增加,较高生态风险区面积增加较快。除此之外,由于云南边境县经济发展较为缓慢,在后十年的脱贫攻坚中,易地搬迁,产业布局等人类活动的加剧对区域景观类型的改变较大,资源的开发利用对景观的结构也造成了较大影响,使得较高生态风险区面积增加明显。

4.2 区域协调水平及发展模式对景观生态风险的影响

景观生态风险的演变是受复杂的地理环境和人类活动综合作用的动态变化过程。因此选取能够反映研究区自然环境和人类活动特征的因子,进一步分析景观生态风险动态变化的影响因素尤为重要。综合前人研究[20,31—32,34],在探讨影响因素时,经济因素作为主要的指标常被考虑在内,但现有研究较少结合研究区特点考虑社会因素,而社会因素和经济因素是人类活动的两个重要因素,缺一不可。为了更全面地反映研究区人类活动的社会、经济因素,结合边境山区经济发展较缓慢,社会发展较滞后且空间分异较大的现状,引入人口地理集中度、经济地理集中度、人口经济地理集中度不一致指数和发展模式,在一定程度上反映了区域发展协调水平和经济社会不同的发展模式,相较于仅以公里网格或行政区域的人口数和GDP等指标表征区域发展水平来看,更加注重区域内部经济与社会发展的协调关系。从研究结果来看,相较区域发展模式,协调水平对景观生态风险的影响更大,其中人口地理集中度和人口经济地理集中度不一致指数的影响尤为显著,反映了人口在空间上的集中分布和落后的经济增长方式对区域景观格局的改变有较大影响。伴随着社会经济发展和技术进步,人类对土地利用的效率在不断提高,对生态环境保护的意识在增强,人口地理集中度和发展模式对区域景观生态风险的影响在减弱。然而区域发展不协调的问题更加突出,人口经济地理集中度不一致指数的影响增大,反映出协调发展对生态系统保护的重要性。因此,在研究过程中,不能只注重区域经济发展水平,更应关注经济社会的发展模式,并且综合考虑区域协调发展水平,从而找到景观生态风险空间分异的根源,最终实现以发展模式为抓手,具有可操作性和目标明确的区域调控方案。

4.3 边境山区景观生态风险调控对策

边境山区由于特殊的地理区位和复杂的地形地貌及人文社会环境对生态系统保护有着更为迫切的需求,是国家生态安全的一道重要防线,也是展示国家生态形象的重要窗口,其景观生态风险提高直接威胁到国家边境地区的生态安全,因此对边境山区景观生态风险的防控意义重大。为防止景观生态风险进一步恶化,应打破行政区划找到研究区不同经济社会增长模式适合的发展路径,从绿色产业布局和生态环境保护两方面入手,构筑边境一体化生态安全网络。综合考虑不同等级景观生态风险区域的特点,出台有针对性的生态环境保护措施,加强对当地居民的教育与培训,避免为种植经济林破坏天然林的行为发生。对高生态风险区加强生态保护、修复和监测,制定生态红线合理分配“三生空间”,修复破碎景观,降低其景观生态风险等级；对较高生态风险区加强调控,防止其景观生态风险等级增加,制定以生态为导向的政府绩效考核指标；对中等生态风险区,提高土地利用效率,综合考量城镇和生态用地范围,提前规划构建区域生态安全网络,提高区域生态系统韧性；对较低生态风险区和低生态风险区继续开展好生态环境保护和监测工作,总结并推广低生态风险区的发展模式。

5 结论

本研究以云南25个边境县为例,利用2000、2010、2020年三期土地利用数据,通过构建基于景观格局指数的景观生态风险评价模型,分析边境山区景观生态风险时空演变特征,采用地理探测器对研究区景观生态风险的解释力进行因子探测和因子交互探测,结论如下：(1)2000—2020年研究区景观类型主要以林地和耕地为主,20年间景观类型变化较为明显,林地、草地面积减少最多,耕地面积增加最多,灌木地、裸地、人造地表、水体面积增加,湿地冰川和永久积雪面积减少。林地、草地与湿地是维系生态系统循环的重要景观类型应在发展中重点关注其变化。(2)研究期间,云南边境县景观生态风险平均值持续上升。研究区整体以较低生态风险、中等生态风险区为主,低生态风险、较低生态风险、高生态风险面积减少,中等生态风险、较高生态风险面积增加。景观生态风险指数在空间上表现出显著的正相关性,大多以高高、低低集聚为主,分布较为稳定。(3)2000—2020年云南边境县景观生态风险等级转移以低生态风险等级转为较低生态风险等级、较低生态风险等级转为中等生态风险等级、中等生态风险等级转为较高生态风险等级、较高生态风险等级转为中等生态风险等级、高生态风险等级转为较高生态风险等级为主。(4)景观生态风险受自然环境和人类活动共同作用产生空间分异,从因子探测结果来看,年降水量、年均气温、距城镇距离、人口地理集中度指数、人口与经济地理集中度不一致指数是影响区域景观生态风险的主要因素；从因子交互探测结果来看,两两交互均呈现非线性增强和双因子增强,研究期内年降水量与年均气温交互、人口地理集中度指数与人口经济地理集中度不一致指数交互、年降水量与人口地理集中度指数交互对景观生态风险的影响最大。边境地区的景观生态风险表征了跨境地区生态系统的稳定性,对生态环境的全球治理意义重大,探究人类活动对景观生态风险的影响能够进一步丰富“社会-经济-自然”复合生态系统的研究,为区域协调发展理论的实践提供参考。