張文靜, 孫小銀,2,3,* , 單瑞峰,2, 劉飛,2

1975—2018年南四湖流域景觀生態(tài)風險時空變化及其驅動因素研究

張文靜1, 孫小銀1,2,3,*, 單瑞峰1,2, 劉飛1,2

1. 曲阜師范大學地理與旅游學院, 山東 日照 276826 2. 南四湖濕地生態(tài)與環(huán)境保護山東省高校重點實驗室, 山東 日照 276826 3. 日照市國土空間規(guī)劃與生態(tài)建設重點實驗室, 山東 日照 276826

研究區(qū)域的景觀生態(tài)風險變化趨勢及其驅動因素, 可以更加科學地保護和開發(fā)流域生態(tài)系統。以南四湖流域1975—2018年9期土地利用數據為基礎, 借助ArcGIS 10.2和Fragstats 4.2等軟件計算景觀生態(tài)指數, 并構建景觀生態(tài)風險評估模型, 通過空間自相關性分析, 探究南四湖流域自改革開放40年來生態(tài)風險的時空變化, 并用地理探測器定量研究驅動因子的貢獻量。研究結果表明: 流域最大斑塊指數不斷減小, 景觀破碎化加劇, 且與景觀生態(tài)風險指數呈正相關; 而平均分維數、香濃多樣性和香濃均勻度與生態(tài)風險指數呈負相關。在空間上, 生態(tài)風險指數具有較強集聚性, 東部草地和林地區(qū)域主要是高值區(qū), 湖區(qū)北部以及西部耕地和建設用地則主要是低值區(qū); 總體上, 研究區(qū)大部分為低風險和較低風險區(qū), 且生態(tài)風險平均值不斷降低; 地理探測器分析表明, 海拔和人為干擾度因子貢獻量在35%以上, 對生態(tài)風險有顯著的解釋力。據此, 以后應減少人類行為對南四湖流域生態(tài)系統的干預, 降低流域的景觀生態(tài)風險, 實現經濟、社會和生態(tài)的可持續(xù)發(fā)展。

土地利用; 景觀格局; 景觀生態(tài)風險; 地理探測器; 南四湖流域

0 前言

生態(tài)風險是指種群、生態(tài)系統乃至整個景觀的生態(tài)功能受到外部壓力, 因而降低生態(tài)系統的健康、生產力、遺傳結構、經濟價值和美學價值的一種情況[1-2]。區(qū)域生態(tài)風險評估主要是在區(qū)域的尺度上研究自然因素和人為活動對生態(tài)系統產生負面影響的程度[3]。流域是一種內部結構復雜的地理區(qū)域, 它以地表水和地下水為主要紐帶, 密切聯系著自然生態(tài)系統與社會經濟系統[4]。對流域的生態(tài)風險進行評價可以有效保護和管理流域的生態(tài)環(huán)境[4-5], 而進一步研究流域景觀生態(tài)風險則可以為制定流域綜合風險防范的決策提供可靠的依據, 更加有效地優(yōu)化和管理流域的景觀格局[6], 對流域生態(tài)系統的可持續(xù)發(fā)展具有重要意義。

近些年來, 國內外許多學者運用多種模型結合GIS空間分析等方法對區(qū)域景觀生態(tài)風險進行了研究。例如, 吳莉等(2014)采用空間自相關分析的方法分析了山東沿海區(qū)域的生態(tài)風險變化特征時, 同時運用Spatial-Markov模型模擬2020、2030年生態(tài)風險格局[7]。鞏杰等(2014)、高賓等(2011)、劉世梁等(2014)通過計算景觀格局指數然后構建生態(tài)風險評價模型, 在多種時間尺度和空間尺度上對人類活動所造成的生態(tài)風險進行評價[8-10]。國外學者對此也同樣開展了大量研究, 例如Paukert利用四種流域尺度生態(tài)威脅指數, 確定對水生生物構成最大潛在威脅的區(qū)域, 為流域規(guī)劃提供依據[11], 還有學者采用風險商指數研究人類的行為活動對生態(tài)風險的影響[12]。國內外大多數學者在研究區(qū)域的景觀生態(tài)風險時首先計算區(qū)域景觀格局指數, 其次建立景觀生態(tài)風險模型, 很少涉及到對引起景觀生態(tài)風險的影響因素或者驅動力的定量分析, 所以本研究采用地理探測器定量分析南四湖流域景觀生態(tài)風險時空變化的驅動力因素。

南四湖流域在山東省具有重要的生態(tài)地位, 是重要的能源基地和糧食生產基地, 同時在南水北調的工程中, 南四湖是重要的調蓄樞紐[13-14]。此外, 南四湖還是以保護濕地生態(tài)系統為主的省級自然保護區(qū)。因此, 研究南四湖流域生態(tài)風險變化對自然保護區(qū)的保護和開發(fā)以及整個流域的生態(tài)保護具有重大意義。因此, 本研究以1975—2018年9期的土地利用數據為基礎, 使用ArcGIS 10.2和Fragstats 4.2等軟件, 通過建立景觀生態(tài)風險模型并運用空間自相關分析, 探討南四湖流域的景觀生態(tài)風險變化, 利用地理探測器對其驅動力因素進行定量分析, 比較不同驅動因子對景觀生態(tài)風險變化的貢獻量, 為南四湖流域生態(tài)環(huán)境的保護和社會的可持續(xù)發(fā)展提供決策支持。

1 研究區(qū)概況

南四湖流域(34°15′—34°53′N, 114°50′—117°48′E)大部分在山東省西南部, 行政范圍涉及山東、江蘇、河南、安徽, 包括菏澤、濟寧、棗莊、臨沂、泰安、徐州、開封、宿州、商丘等市(圖1)。南四湖屬于淮河流域, 由南陽湖、獨山湖、昭陽湖和微山湖4個湖泊組成, 流域面積3.14×104km2。南四湖流域地處暖溫帶半濕潤季風區(qū), 降水年際變化大, 形成春秋干旱夏澇的特點。南四湖流域東部主要分布著山地和丘陵, 西部為平原, 地勢北高南低, 流域中所有的河流水系都呈現出輻射狀匯入湖區(qū)。

圖1 南四湖流域位置圖

Figure 1 Location map of the Nansihu Lake basin

2 數據來源與研究方法

2.1 數據來源與處理

本研究以南四湖流域1975、1980、1990、1995、2000、2005、2010、2015、2018 年共9期土地利用數據為基礎, 其中1980—2018年數據來自中國科學院資源環(huán)境科學數據中心( http: //www.resdc.cn), 分辨率為30 m。1975年土地利用數據來源于遙感影像解譯, 以南四湖自然保護區(qū)Landsat 影像(60 m×60 m)為基礎, 利用ENVI 4.7進行人工交互式目視解譯獲得, 解譯結果檢驗精度>90%。參考土地資源分類系統[15], 將南四湖流域的景觀類型劃分為6個一級類型, 分別是: 1-耕地, 2-林地, 3-草地, 4-水域, 5-建設用地, 6-未利用地。南四湖自然保護區(qū)數據源于南四湖自然保護區(qū)地圖(1: 25萬)矢量化, 驅動力分析中使用的保護區(qū)數據則是通過對土地利用數據進行緩沖區(qū)分析獲得。綜合考慮研究區(qū)域的范圍并參考相關文獻[16-19], 將研究區(qū)域在ArcGIS10.2軟件中劃分成10 km×10 km 的網格, 整個研究區(qū)一共劃分為356個網格。計算每個網格的生態(tài)風險指數, 并采用Kriging空間插值的方法得到南四湖流域各時期景觀生態(tài)風險分布。

2.2 研究方法

2.2.1 景觀格局指數的選取

本文根據研究區(qū)域實際概況并結合研究目標, 選取最大斑塊指數(LPI)、平均分維數(FRAC_MN)、香濃多樣性指數(SHDI)、香濃均勻度指數(SHEI)指標來分析南四湖流域景觀格局的變化, 利用Fragstats 4.2來計算上述景觀格局指數。

2.2.2 景觀生態(tài)風險指數的構建

根據相關文獻[20-22], 本文通過景觀損失度、景觀干擾度和景觀脆弱度來構建景觀生態(tài)風險指數(Ecological Risk Index, 簡稱為 ERI)。計算公式如下[17]:

式中,A為某一種景觀類型的面積;為所有景觀的面積,S為景觀干擾度指數,F為景觀脆弱度指數。

景觀干擾度指數是由景觀破碎度、分離度、優(yōu)勢度分別賦予相應權重后綜合得出, 其計算公式如下[17]:

式中,C為景觀破碎度指數;N為景觀分離度指數;D為景觀優(yōu)勢度指數;、、分別為破碎度、分離度和優(yōu)勢度指數的權重, 3種指數的計算公式詳見參考文獻[17]。結合前人的研究成果, 對以上3種指數分別賦以0.5, 0.3, 0.2的權值。

景觀脆弱度指數表示某一種景觀生態(tài)系統在受到外界干擾時的易損性。根據南四湖流域的實際情況[16], 未利用地賦值為7, 林地和草地賦值為5, 耕地賦值為3, 建設用地和水域賦值為1, 然后進行歸一化處理, 最終得到景觀脆弱度指數。

2.2.3 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[23-24]。選取Moran's I指數研究區(qū)域全局空間相關性, 當Moran's I的值為正數時, 說明具有正相關性, 并且隨著數值的增大相關性也越來越明顯。通過LISA圖來研究屬性值在局部地區(qū)是否存在顯著的高高聚集情況和低低聚集情況。

2.2.4 地理探測器

地理探測器是由王勁峰等人提出的一種空間分析模型, 大多用來分析各個因子之間的交互作用, 主要分為風險探測器、因子探測器、生態(tài)探測器和交互作用探測器四部分[25-26]。因子探測器用來探測自變量對因變量的解釋力, 其大小用值來衡量[25]。本文選取因子探測器來分析影響南四湖流域景觀生態(tài)風險的各個驅動因素, 公式如下:

3 結果與分析

3.1 景觀格局

3.1.1 景觀格局指數分析

南四湖流域1975—2018年的景觀格局指數計算結果見表1。由表1可以看出, 最大斑塊指數在整體上呈現出減小的趨勢, 平均分維數比較穩(wěn)定, 有小幅度的增加, 說明最大斑塊優(yōu)勢明顯降低, 景觀整體上復雜性增加, 破碎化程度增加。香濃多樣性指數和香濃均勻度指數較為穩(wěn)定, 比較研究期的起始節(jié)點兩個指數均有所增加, 說明研究區(qū)景觀類型的優(yōu)勢度下降, 多樣性增加。由于受到人類活動的影響, 景觀類型間的連通性降低, 整體上的異質性增加。

通過SPSS 24軟件對上述四種指數與景觀生態(tài)風險指數進行皮爾遜相關性分析, 結果顯示, 最大斑塊指數與景觀生態(tài)風險指數的相關系數為0.858(<0.01), 兩者顯著相關。而平均分維數、香濃多樣性指數和香濃均勻度指數與景觀生態(tài)風險指數的相關系數分別為-0.988、-0.757和-0.757, 說明三者與景觀生態(tài)風險指數都具有負相關性, 且平均分維數與景觀生態(tài)風險指數的相關系數最高。

3.1.2 景觀格局動態(tài)變化

研究區(qū)內主要景觀類型為耕地, 1975—2018年間耕地面積不斷下降, 分離度增加, 生態(tài)風險增加, 人類活動對耕地的干擾程度上升。建設用地是流域內第二大景觀類型, 從1975年2018年增加了近2.33倍, 但建設用地斑塊數量先增加后減少, 建設用地的破碎度和分離度均降低, 其生態(tài)風險指數同樣降低, 流域中城市規(guī)模不斷擴張, 建設用地由小斑塊不斷合并變成集中分布。同時, 耕地和建設用地的優(yōu)勢度為流域中各類景觀的前兩位。林地和草地的面積變化相似, 在研究期內都是先增加后減少, 兩者的破碎度和分離度不斷降低, 其生態(tài)風險指數也相應降低, 兩種景觀類型的斑塊連通性不斷加強。研究期內除1990年干旱導致水域面積驟減外, 其他年份水域面積均不斷增加, 其斑塊數量也不斷增加, 總體上水域的破碎度和分離度不斷增加, 生態(tài)風險指數不斷提高。

研究期內, 各景觀類型中耕地的景觀損失度最小而未利用地最大, 因為耕地的干擾度和脆弱度都是各景觀類型的最低值, 因此損失度最小。而未利用地不斷轉化為其他土地利用類型, 其景觀優(yōu)勢度不斷降低, 同時也因為未利用地的脆弱度本來就比其他土地利用類型高, 因此損失度最大。水域、建設用地、林地、草地的損失度指數均呈不斷減小的趨勢。

3.2 景觀生態(tài)風險分析

3.2.1 景觀生態(tài)風險空間分布

計算出每一個網格的景觀生態(tài)風險, 通過ArcGIS 10.2 的地統計分析模塊進行Kriging插值, 從而得到南四湖流域的景觀生態(tài)分布圖(圖2)。將研究區(qū)的生態(tài)風險劃分為5個等級: 低風險區(qū) (ERI < 0.06)、較低風險區(qū)(0.06 ≤ ERI < 0.09)、中風險區(qū)(0.09 ≤ ERI < 0.13) 、較高風險區(qū)(0.13 ≤ ERI < 0.20) 和高風險區(qū)(ERI ≥ 0.20)。1975-2018年不同風險等級空間分布與所占面積分別見圖2、3。

表1 1975—2018年南四湖流域景觀格局指數

圖 2 1975—2018 年南四湖流域生態(tài)風險空間分布圖

Figure 2 Spatial distribution pattern of ecological risk from 1975 to 2018 in the Nansihu Lake basin

如圖3所示, 1975年研究區(qū)內處于低風險和較低風險區(qū)域的面積分別為15256.69 km2和6387.19 km2, 各占總面積的48.57%和20.33%, 主要分布于流域的中部和西部地區(qū)(圖2), 這些區(qū)域以景觀脆弱度較低的耕地為主, 故景觀生態(tài)風險較低; 中風險區(qū)面積為2808.56 km2, 占總面積的8.94%, 主要分布于湖區(qū)東部, 斑塊破碎度和分離度較高, 表明人類活動對該區(qū)域有較大影響; 處于較高風險和高風險區(qū)域的面積分別為3476.81 km2和1509.75 km2, 占總面積的11.07%和4.81%, 主要分布于流域東部地區(qū), 該區(qū)域以山地丘陵為主, 草地和林地覆蓋率高, 景觀脆弱度高, 故景觀生態(tài)風險較高。

與1975年相比, 2000年流域內低風險和較低風險區(qū)的面積均有所增加, 分別增加至16175.81 km2和6990.75 km2, 占研究區(qū)總面積的51.45%和22.23%, 在空間上主要表現為低風險區(qū)向東部延伸, 面積增大, 這段時期內該區(qū)域城市不斷發(fā)展, 建設用地面積大幅度增加, 因而景觀類型的風險程度降低。中風險區(qū)的面積增加為3529.69 km2。較高風險和高風險區(qū)的面積均減少, 分別減少為2156.63 km2和588.38 km2, 這期間人們以生態(tài)風險指數較低的建設用地取代了原來的林地和草地, 導致景觀生態(tài)風險降低。

至2018年, 流域內低風險增加至18032.06 km2, 占總面積的57.46%。較低風險區(qū)和中風險區(qū)的面積變化不大, 分別為6928.31 km2和2945.81 km2。而較高風險區(qū)和高風險區(qū)的面積繼續(xù)減少, 分別為1083.94 km2和372.94 km2, 占總面積的3.45%和1.19%。通過圖2可知, 流域的高風險區(qū)重心逐漸向東部地區(qū)移動, 中部和西部的較低風險和低風險區(qū)面積逐漸增大。

3.2.2 景觀生態(tài)風險空間格局變化

利用 Arc GIS 10.2的柵格計算器, 得到1975—2018年南四湖流域景觀生態(tài)風險空間變化圖(圖4)。為了顯示研究區(qū)景觀生態(tài)風險變化的空間差異, 本研究將景觀生態(tài)風險變化的等級分為五級, 其中0代表前后兩個時期景觀生態(tài)風險未發(fā)生明顯變化, ±1代表景觀生態(tài)風險上升或下降1個等級, ±2代表景觀生態(tài)風險上升或下降2個等級。在1975—2018年期間, 除1990—1995年上升外, 其他時期景觀生態(tài)風險平均值都是降低。1975—1980年, 建設用地的面積大幅度增加, 整體景觀生態(tài)風險平均值從0.098降低到0.08。1980—1990年, 整體景觀生態(tài)風險變化不大, 但是水域面積大幅度減少, 未利用地面積增加, 因此湖區(qū)北部地區(qū)景觀生態(tài)風險值上升明顯。1990—1995年, 東部景觀生態(tài)風險等級上升, 因為這段時期東部地區(qū)景觀生態(tài)風險較高的林地面積有所增加。2005—2010年, 流域西南部和東部生態(tài)風險等級下降, 與同期內該地區(qū)草地和林地轉化為建設用地有關。在1995—2000年、2000—2005年、2010—2015年和2015—2018年這四個時期土地利用類型變化較為穩(wěn)定, 生態(tài)風險值變化不明顯。1975—2018年, 景觀生態(tài)風險平均值呈下降趨勢, 從0.098降低到0.068, 降低最明顯的地區(qū)是流域的最東部, 除此之外, 湖區(qū)東部和西部的景觀生態(tài)風險等級也在降低。

圖3 1975—2018年各風險等級區(qū)面積

Figure 3 The areas of the ecological risk from 1975 to 2018

3.2.3 景觀生態(tài)風險空間自相關分析

(1)全局空間自相關

利用GeoDa計算研究區(qū)1975年、2000年、2018年生態(tài)風險指數的全局Moran’s I 值, 研究整個區(qū)域的整體分布和空間聚集情況。1975、2000和2018年Moran’s I分別為0.5593、0.5721、0.6053。三個時期Moran’s I的數值均為正值, 說明南四湖流域景觀生態(tài)風險指數在空間分布上具有較強的正相關性, 即相鄰地區(qū)在空間上呈現出高度相似性。1975—2018年期間Moran's I值不斷增加, 說明南四湖流域生態(tài)風險的空間自相關性增強, 空間趨同性增強。

(2)局部空間自相關

由于Moran’s I值并不能展現空間上的相互聯系, 因此采用局部自相關LISA來進一步分析研究區(qū)生態(tài)風險空間相關程度和空間聚集性。根據自相關分析, 得到1975至2018年研究區(qū)景觀生態(tài)風險的局部自相關LISA 結果(圖5)。由圖可知, 1975—2018年, 南四湖流域的景觀生態(tài)風險指數均以高-高聚集和低-低聚集為主。高-高聚集區(qū)主要集中在研究區(qū)的東部地區(qū), 原因在于該區(qū)域海拔較高, 土地利用類型主要是林地和草地且集中分布, 景觀脆弱度較高。低-低聚集區(qū)主要分布在研究區(qū)北部及中部的部分地區(qū), 這些地區(qū)海拔較低, 耕地與建設用地較多, 生態(tài)風險強度較低, 生態(tài)系統的穩(wěn)定性較高。

圖 4 1975—2018年南四湖流域生態(tài)風險變化圖

Figure 4 Change of ecological risk from 1975 to 2018 in the Nansihu Lake Basin

圖 5 1975—2018年南四湖流域生態(tài)風險指數的局部空間自相關

Figure 5 LISA of ERI cluster map from 1975 to 2018 in the Nansihu Lake Basin

3.3 南四湖流域景觀生態(tài)風險動態(tài)變化驅動力分析

3.3.1 海拔高度

1975—2018年南四湖流域景觀生態(tài)風險與海拔的關系如圖6所示, 可知1975、2000和2018年三個時期的景觀生態(tài)風險增幅在海拔50—100 m處最大, 此區(qū)間為景觀類型從草地和林地向農田和居民點過渡的區(qū)域, 景觀脆弱度較高, 故景觀生態(tài)風險增幅較大。而景觀生態(tài)風險最大值均出現在海拔200 m以上。在不同海拔高度, 流域的景觀生態(tài)風險值有較大差異, 0—25 m為湖區(qū), 景觀脆弱度和損失度都很低, 景觀生態(tài)風險值最低: 25—75 m主要是農田和居民點, 分布在流域的中部和西部, 景觀脆弱度較低, 景觀生態(tài)風險也較低; 85—175 m主要是草地和林地, 分布在流域的東部地區(qū), 其景觀分離度和脆弱度都較高, 景觀生態(tài)風險較大。

圖6 1975—2018年南四湖流域景觀生態(tài)風險與海拔之間的關系

Figure 6 Relationship between landscape ecological risk and altitude from 1975 to 2018 in the Nansihu Lake basin

3.3.2 距保護區(qū)距離

利用ArcGIS軟件計算出距南四湖省級自然保護區(qū)不同距離的景觀生態(tài)風險平均值, 得到當前(2018年)南四湖流域景觀生態(tài)風險與距保護區(qū)距離之間的關系圖(圖7)。由圖可知, 距保護區(qū)距離越小, 景觀生態(tài)風險值越大, 在0—5 km距離處, 景觀生態(tài)風險值不斷增大, 說明這個范圍內受到人類活動影響大, 因此景觀生態(tài)風險值也相應增大; 在5—30 km距離處, 隨著距保護區(qū)距離的增大, 人為活動對景觀的影響減小, 景觀生態(tài)風險值緩慢降低并逐漸趨于穩(wěn)定。

3.3.3 人為干擾度

根據相關參考文獻[27-28]并結合南四湖流域實際情況, 利用ArcGIS的空間分析功能, 得到1975—2018年南四湖流域景觀生態(tài)風險與人為干擾度之間的關系圖(圖8)。把計算的得到的人為干擾度劃分為十個等級, 等級越大, 干擾強度越大。由圖可知, 各時期的景觀生態(tài)風險值與人為干擾度關系的變化趨勢相似, 隨著人為干擾度增大, 景觀生態(tài)風險值也不斷增大。景觀生態(tài)風險最小值均出現在第1級, 說明人為干擾度越小景觀生態(tài)風險越小, 而景觀生態(tài)風險的最大值均出現在第10級, 說明隨著人類活動強度的增大, 對生態(tài)系統造成的影響也增大, 進而景觀生態(tài)風險也增大。從時間發(fā)展來看, 1975—2018年的景觀生態(tài)風險值呈現出降低趨勢, 說明隨著時間的推移, 生態(tài)系統受到人類干擾的程度不斷降低。

圖7 2018年南四湖流域景觀生態(tài)風險與距保護區(qū)距離之間的關系

Figure 7 The relationship between landscape ecological risk and distance from protected area at 2018 in the Nansihu Lake basin

3.3.4 景觀生態(tài)風險驅動因子定量分析

本研究采用因子探測器來衡量各個驅動力因素對景觀生態(tài)風險的解釋力, 分析結果見表2。由表可知, 1975—2018年, 海拔和人為干擾度的因子貢獻量均在35%以上, 海拔和人為干擾度是景觀生態(tài)風險的主要控制因素。1975年影響景觀生態(tài)風險的主要因素為人為干擾度(76%)、海拔高度(56.7%)和土壤類型(35.1%), 說明人為干擾度是最具有解釋力的影響因子。2000年, 人為干擾度(52.9%)、海拔(41.4%)和地貌類型(40.4%)是影響景觀生態(tài)風險的主要因素。2018年, 人為干擾度(36.5%)和海拔(39.8%)是影響景觀生態(tài)風險的主要因素, 但人為干擾度的因子貢獻量相較于前兩個研究年份明顯下降。

圖8 1975—2018年南四湖流域景觀生態(tài)風險與人為干擾度之間的關系

Figure 8 The relationship between landscape ecological risk and human disturbance from 1975 to 2018 in the Nansihu Lake basin

4 結論與展望

本研究以南四湖流域為研究區(qū)域, 通過構建景觀生態(tài)風險模型, 對南四湖流域景觀生態(tài)風險時空變化與驅動力進行研究。分析表明:

(1)通過對1975—2018年南四湖流域景觀格局指數的分析, 可以得到最大斑塊指數不斷減小且與景觀生態(tài)風險指數呈正相關, 而平均分維數、香濃多樣性指數和香濃均勻度指數總體上呈增加的趨勢, 與景觀生態(tài)風險指數具有負相關性。研究區(qū)內耕地、水域和未利用地的生態(tài)風險不斷增加, 林地、草地和建設用地的生態(tài)風險不斷降低。景觀整體上破碎化程度增加, 景觀多樣性增加。

(2)通過分析1975—2018年南四湖流域景觀生態(tài)風險空間分布圖和空間變化圖, 以及借助空間自相關, 可知研究區(qū)內生態(tài)風險指數在空間上具有較強的集聚效應。中部和西部大多是耕地和建設用地的地區(qū), 多是低風險和較低風險區(qū), 也是低-低聚集區(qū); 湖區(qū)東部的小部分地區(qū)則是中風險區(qū); 研究區(qū)東部草地和林地廣布, 則是較高風險和高風險區(qū), 也是高-高聚集區(qū)?？傮w來說流域以低風險和較低風險區(qū)為主, 且隨著時間的推移, 南四湖流域生態(tài)風險平均值整體呈現出逐漸降低的趨勢。

表2 景觀生態(tài)風險各驅動因子貢獻量(%)

(3)從影響因素上看, 1975—2018年南四湖流域的景觀生態(tài)風險最大值均出現在海拔200 m以上, 因為東部地區(qū)的草地和林地具有較高的景觀分離度和景觀脆弱度; 隨著距保護區(qū)距離增加, 景觀生態(tài)風險下降; 景觀生態(tài)風險隨著人為干擾度的增加而不斷增大; 通過地理探測器可知, 海拔高度和人為干擾度是影響南四湖流域景觀生態(tài)風險的主要因素, 地貌因子的驅動力也愈發(fā)重要。

通過景觀生態(tài)風險評價, 可以發(fā)現流域當前景觀格局中存在的問題, 最終通過采取優(yōu)化措施使生態(tài)安全格局更加合理。對于評價結果中不同風險級別的區(qū)域, 分析其不同的風險源特點, 進而采取不同的措施。首先, 東部林地和草地受自然因素及人類活動影響, 生態(tài)風險值較高, 這部分區(qū)域應該合理地調控人類活動的強度, 對本身脆弱度較高的原生景觀建立保護區(qū)建設, 提高生態(tài)系統的自我修復能力和增加穩(wěn)定性, 嚴禁耕地占用林地草地等生態(tài)用地, 進而降低高風險區(qū)域的生態(tài)風險等級。其次, 從湖區(qū)部分往東與東部林地草地交界的耕地區(qū)域為中風險區(qū), 這部分區(qū)域應將生態(tài)建設與經濟發(fā)展放在同等重要的地位, 實施退耕還林還草還湖政策, 提高生態(tài)系統的穩(wěn)定性, 保持并且盡量減小生態(tài)風險等級。最后, 對于研究區(qū)中部以及西部大部分的低風險等級區(qū), 要合理規(guī)劃土地資源, 保護耕地的同時集約利用建設用地, 嚴禁大規(guī)模開發(fā)對生態(tài)環(huán)境造成不利影響的建設用地, 實現流域內經濟社會和生態(tài)環(huán)境的可持續(xù)發(fā)展。

[1] 張小飛, 王如松, 李正國, 等. 城市綜合生態(tài)風險評價—以淮北市城區(qū)為例[J]. 生態(tài)學報, 2011, 31(20): 6204– 6214.

[2] 田穎, 李冰, 王水. 江蘇沿海地區(qū)景觀格局的生態(tài)風險研究[J]. 水土保持研究, 2015, 22(1): 241–245,251.

[3] 鞏杰, 謝余初, 趙彩霞, 等. 甘肅白龍江流域景觀生態(tài)風險評價及其時空分異[J]. 中國環(huán)境科學, 2014, 34(8): 2153–2160.

[4] 許妍, 高俊峰, 趙家虎, 等. 流域生態(tài)風險評價研究進展[J]. 生態(tài)學報, 2012, 32(1): 284–292.

[5] SERVEISS, VICTOR B. Applying Ecological Risk Principles to Watershed Assessment and Management[J]. Environmental management, 2002, 29(2): 145–154.

[6] 彭建, 黨威雄, 劉焱序, 等. 景觀生態(tài)風險評價研究進展與展望[J]. 地理學報, 2015, 70(4): 664–677.

[7] 吳莉, 侯西勇, 邸向紅. 山東省沿海區(qū)域景觀生態(tài)風險評價[J]. 生態(tài)學雜志, 2014, 33(1): 214–220.

[8] 鞏杰, 趙彩霞, 謝余初, 等. 基于景觀格局的甘肅白龍江流域生態(tài)風險評價與管理[J]. 應用生態(tài)學報, 2014, 25(7): 2041–2048.

[9] 高賓, 李小玉, 李志剛, 等. 基于景觀格局的錦州灣沿海經濟開發(fā)區(qū)生態(tài)風險分析[J]. 生態(tài)學報, 2011, 31(12): 3441–3450.

[10] 劉世梁, 劉琦, 張兆苓, 等. 云南省紅河流域景觀生態(tài)風險及驅動力分析[J]. 生態(tài)學報, 2014, 34(13): 3728– 3734.

[11] PAUKERT C P, PITTS K L, WHITTIER J B, et al. Development and assessment of a landscape-scale ecological threat index for the Lower Colorado River Basin[J]. Ecological Indicators, 2011, 11(2): 304–310.

[12] DAUNER A L L, DIAS T H, ISHII F K, et al. Ecological risk assessment of sedimentary hydrocarbons in a subtropical estuary as tools to select priority areas for environmental management [J]. Journal of Environmental Management, 2018, 223: 417–425.

[13] 郭洪偉, 孫小銀, 廉麗姝, 等．基于CLUE-S和InVEST模型的南四湖流域生態(tài)系統產水功能對土地利用變化的響應[J]．應用生態(tài)學報, 2016, 27(9): 2899–2906.

[14] 孫小銀, 郭洪偉, 廉麗姝, 等．南四湖流域產水量空間格局與驅動因素分析[J]．自然資源學報, 2017, 32(4): 669– 679.

[15] 劉紀遠. 國家資源環(huán)境遙感宏觀調查與動態(tài)監(jiān)測研究[J].遙感學報, 1997, 1(3): 225–230.

[16] 徐燕, 孫小銀, 張大智, 等. 1980-2015年南四湖流域景觀格局及其脆弱性[J]. 應用生態(tài)學報, 2018, 29(2): 635– 642.

[17] 劉春燕, 張科, 劉吉平. 1976-2013年三江平原景觀生態(tài)風險變化及驅動力[J]. 生態(tài)學報, 2018, 38(11): 3729– 3740.

[18] 張月, 張飛, 周梅, 等. 干旱區(qū)內陸艾比湖區(qū)域景觀生態(tài)風險評價及時空分異[J]. 應用生態(tài)學報. 2016, 27(1): 233–242.

[19] 劉吉平, 董春月, 盛連喜, 等.1955-2010年小三江平原沼澤濕地景觀格局變化及其對人為干擾的響應[J].地理科學, 2016, 36(6): 879–887.

[20] 潘竟虎, 劉曉．疏勒河流域景觀生態(tài)風險評價與生態(tài)安全格局優(yōu)化構建[J]. 生態(tài)學雜志, 2016, 35(3): 791–799.

[21] 位宏, 徐麗萍, 李曉蕾, 等．博斯騰湖流域景觀生態(tài)風險評價與時空變化[J]. 環(huán)境科學與技術, 2018, 41(S1): 345– 351.

[22] 趙越, 羅志軍, 李雅婷, 等．“三生空間”視角下的贛江上游流域景觀生態(tài)風險時空分異研究[J]. 生態(tài)學報, 2019, 39(13): 1–11.

[23] 陳英, 馮定邦, 蔡立群, 等．耕作層土壤養(yǎng)分含量的空間自相關分析—以秦安縣郭嘉鎮(zhèn)為例[J]. 干旱地區(qū)農業(yè)研究, 2016, 34(1): 66–73.

[24] 鄭杰, 王志杰, 喻理飛, 等．基于景觀格局的草海流域生態(tài)風險評價[J]. 環(huán)境化學, 2019, 38(4): 784–792.

[25] 王勁峰, 徐成東. 地理探測器: 原理與展望[J]. 地理學報, 2017, 72(1): 116–134.

[26] WANG Jinfeng, LI Xinhu, CHRISTAKOS G, et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China [J]. International Journal of Geographical Information Science, 2010, 24(1): 107–127.

[27] 陳愛蓮, 朱博勤, 陳利頂, 等．雙臺河口濕地景觀及生態(tài)干擾度的動態(tài)變化[J]. 應用生態(tài)學報, 2010, 21(5): 1120– 1128.

[28] 高永年, 高俊峰, 許妍. 太湖流域水生態(tài)功能區(qū)土地利用變化的景觀生態(tài)風險效應[J]. 自然資源學報, 2010, 25(7): 1088–1096.

Spatio-temporal quantification of landscape ecological risk changes and its driving forces in the Nansihu Lake basin during 1975-2018

ZHANG Wenjing1,SUN Xiaoyin1,2,3,*, SHAN Ruifeng1,2, LIU Fei1,2

1. College of Geography and Tourism, Qufu Normal University, Rizhao 276826, Shandong, China 2. Shandong Universities Key Laboratory of Nansihu Lake Wetland Ecological and Environmental Protection, Rizhao 276826, Shandong, China 3. Rizhao Key Laboratory of Land Space Planning and Ecological Construction, Rizhao 276826, Shandong, China

Researching the trend of landscape ecological risk changes and its driving forces is of great significance to protection and development of watershed ecosystem. Based on the land use data of the Nansihu Lake basin from 1975 to 2018, we constructedthe landscape ecological risk model with ArcGIS 10.2 and Fragstats 4.2. With the help of spatial autocorrelation analysis method, we explored the spatial and temporal changes of ecological risks in Nansihu Lake basin in the past 40 years since the Reform and Opening. And we used the geographical detector to quantify the impact of driving factors. The results showed that the largest patch index was decreasing and positively correlated with the ecological risk index, while the fractal index distribution, Shannon's Diversity Index and Shannon's Evenness Index were negatively correlated with the landscape ecological risk index. The ecological risk index in the study area had a strong agglomeration effect in space. The high values were grassland and forest mainly distributed in the western part of the study area, and the low value was mainly distributed in the north of the lake and cultivated and construction land in the northern. On the whole, the landscape ecological risks in the study area were mainly low and low-medium risk areas, and the average value of ecological risk kept decreasing. Geographic detector analyzed showed that altitude and human disturbance explained much of the landscape ecological risk, and factor contributions were all above 35%. In the future, it is necessary to reduce the disturbance of unreasonable human activities to the regional ecosystem of Nansihu Lake basin, reduce the ecological risk of river basin, and realize the sustainable development of economy, society and ecology.

land use change; landscape pattern; landscape ecological risk; geographic detector; Nansihu Lake basin

10.14108/j.cnki.1008-8873.2020.03.023

S157.2

A

1008-8873(2020)03-172-10

2019-08-10;

2019-10-20

教育部人文社科一般項目(14YJCZH138); 國家自然科學基金項目(41471389)

張文靜(1996—), 女, 山東省德州市人, 碩士研究生, 研究方向為地圖學與地理信息系統, E-mail: 932572512@qq.com

孫小銀, 男, 碩士生導師, 副教授, 主要從事流域污染生態(tài)過程與生態(tài)修復、流域生態(tài)服務功能評估與區(qū)劃研究, E-mail: xiaoyin-sky@163.com

張文靜, 孫小銀, 單瑞峰,等. 1975—2018年南四湖流域景觀生態(tài)風險時空變化及其驅動因素研究[J]. 生態(tài)科學, 2020, 39(3): 172–181.

ZHANG Wenjing,SUN Xiaoyin, SHAN Ruifeng, et al. Spatio-temporal quantification of landscape ecological risk changes and its driving forces in the Nansihu Lake basin during 1975-2018[J]. Ecological Science, 2020, 39(3): 172–181.