楊 馗，信桂新，蔣好雨，楊朝現(xiàn)①

(1.西南大學資源環(huán)境學院，重慶 400715；2.長江師范學院武陵山區(qū)特色資源開發(fā)與利用研究中心，重慶 408100)

隨著經(jīng)濟社會快速發(fā)展，城市化進程不斷加速，生態(tài)環(huán)境和復雜的人類活動相互作用產(chǎn)生了一定的生態(tài)風險,威脅著人地關系的和諧與生態(tài)系統(tǒng)的健康發(fā)展[1]。生態(tài)風險評價是一種能有效衡量和評估環(huán)境污染、人為脅迫或自然災害等外界干擾對區(qū)域生態(tài)系統(tǒng)及其結構產(chǎn)生負面效應和影響的工具[2]。景觀生態(tài)風險評價作為生態(tài)風險評價研究的重要分支，其形成與自然或人為因素影響下景觀格局與生態(tài)過程相互作用可能產(chǎn)生的不利后果有關[3]，具有典型的空間異質性和尺度依賴性[4]。尺度依賴性是空間異質性的基本特征，在空間上通常劃分為粒度(grain)和幅度(extent)[5]。在景觀生態(tài)風險評價過程中，根據(jù)研究對象和目的選擇最適宜的研究尺度能更有效地反映出區(qū)域生態(tài)環(huán)境狀況及存在的問題，對優(yōu)化土地利用結構、建立風險預警機制、促進生態(tài)文明建設和可持續(xù)發(fā)展具有重要意義。

景觀格局尺度效應一直以來是景觀生態(tài)學研究的熱點領域，主要包括景觀格局指數(shù)隨尺度變化規(guī)律[6]以及尺度分析的方法選擇與模型構建[7]。蘇英慧等[8]利用拐點識別法確定重慶市永川區(qū)景觀格局適宜空間粒度為60 m；常小燕等[9]以微山縣煤礦較集中，地面塌陷較嚴重的11個鄉(xiāng)鎮(zhèn)作為研究區(qū)，發(fā)現(xiàn)其最佳研究幅度為1 km×1 km的規(guī)則網(wǎng)格；張金茜[10]通過空間尺度效應研究表明涼城縣最佳粒度為70 m，最適宜空間幅度為3 km×3 km的網(wǎng)格單元。以上研究表明，不同區(qū)域景觀格局適宜尺度并不具有普適性。雖然已有部分學者意識到尺度效應會對景觀格局定量分析結果產(chǎn)生不同程度影響，但多數(shù)研究只是單方面探討適宜粒度或幅度的選取，鮮有研究涉及兩者的對比和整合分析。在景觀生態(tài)風險評價研究方面，諸多學者從土地利用格局角度出發(fā)，圍繞城市[11]、湖泊[12]、流域[2]和沿海地區(qū)[13]構建景觀生態(tài)風險指數(shù)，進行生態(tài)風險評估和演化預測。在景觀生態(tài)學理論支持下，基于土地利用數(shù)據(jù)得到的景觀生態(tài)風險指數(shù)不僅可以定量描述景觀結構，還可以從格局變化角度解釋景觀生態(tài)風險演化機制，已成為解析和揭示景觀生態(tài)風險時空異質性的重要手段[14]?？傮w而言，景觀生態(tài)風險評價能夠實現(xiàn)多元風險的綜合表征及空間可視化，但眾多學者將研究重點放在景觀生態(tài)風險時空分布特征和內在形成機制上，對如何準確把握適宜空間尺度關注不夠。因此，該研究從最佳尺度視角出發(fā)構建景觀生態(tài)風險評價體系，以更加準確地揭示區(qū)域景觀格局時空異質性及其變化規(guī)律。

長江上游地區(qū)地貌復雜多樣，水土流失頻發(fā)，生態(tài)環(huán)境較為敏感和脆弱，長期以來人類活動對區(qū)域景觀結構和生態(tài)功能的影響尤為深刻。重慶市江津區(qū)地處長江上游腹心、三峽庫區(qū)庫尾，其景觀生態(tài)安全格局不僅關系到區(qū)域發(fā)展定位和戰(zhàn)略布局，而且對推動整個長江經(jīng)濟帶綠色發(fā)展起著至關重要的作用?；诖?，在確定景觀格局最佳尺度的基礎上，對江津區(qū)近20 a來景觀生態(tài)風險狀況進行深入剖析，探討不同驅動因子對景觀生態(tài)風險的影響機制，以期為長江上游重要生態(tài)屏障區(qū)土地利用管理和生態(tài)環(huán)境規(guī)劃提供科學依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

江津區(qū)(28°28′～29°28′ N、105°49′～106°38′ E)位于渝西南長江之濱，三峽庫區(qū)尾部。全區(qū)轄4個街道、22個鎮(zhèn)，面積為3 217.77 km2，常住人口為138.70萬人。江津區(qū)境內丘陵起伏,溝壑縱橫，地勢由南、北向中部長江河谷地區(qū)逐漸降低，地貌以丘陵低山為主，地質環(huán)境脆弱。氣候屬亞熱帶季風性濕潤區(qū)，多年平均降水量為1 034.7 mm，森林覆蓋率為48.5%。

江津區(qū)是長江入渝第一區(qū)，坐擁長江黃金水道127 km，境內支流眾多，水網(wǎng)密布，是長江上游重要的航運樞紐和物資集散地。近20 a來，江津區(qū)城鎮(zhèn)化率從36.9%增至68.43%，GDP增長近11倍，成為渝西南重要的戰(zhàn)略支點，與此同時也面臨著耕地資源銳減、土壤質量退化和水土流失等突出問題。在經(jīng)濟發(fā)展和生態(tài)環(huán)境保護雙重壓力下，研究區(qū)景觀破碎化加劇，生態(tài)安全受到嚴重威脅。

1.2 數(shù)據(jù)來源及處理

遙感數(shù)據(jù)均來源于美國地質調查局(https:∥www.usgs.gov/)的Landsat TM/ETM+/OLI衛(wèi)星影像，空間分辨率為30 m。為保證時間粒度的一致性，以9 a為間隔選取2000、2009和2018年成像時間在6—9月且平均含云量低于10%的影像。采用ENVI 5.1軟件對影像進行幾何糾正、大氣校正、影像增強、影像鑲嵌和裁剪等預處理，采用監(jiān)督分類法與人機交互結合方法進行解譯判讀。根據(jù)土地調查分類體系和研究區(qū)實際情況，將土地利用類型分為草地、耕地、建設用地、林地、水域和未利用地6類。結合2009年江津區(qū)第二次土地調查成果、Google Earth影像和現(xiàn)場采樣點進行分類后修正和精度驗證，總體分類精度均超過85%，能滿足相關研究分析需要。

在進行景觀生態(tài)風險影響因素探測時，DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云網(wǎng)站(http:∥www.gscloud.cn/)，用來生成高程和坡度圖；降水量數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)和江津區(qū)氣象局；人口和社會經(jīng)濟數(shù)據(jù)來源于江津區(qū)統(tǒng)計年鑒及各鄉(xiāng)鎮(zhèn)(街道)統(tǒng)計報表，采用ArcGIS 10.2軟件進行空間可視化表達。

2 研究思路與方法

2.1 研究框架

景觀格局與生態(tài)過程之間聯(lián)系緊密，其關系隨著尺度變化而變化[15]。景觀格局指數(shù)反映了景觀空間結構、分布和配置等基本信息，是各種生態(tài)過程在不同尺度上綜合作用的結果?；诖?，該研究首先利用各類景觀格局指數(shù)隨粒度和幅度改變而呈現(xiàn)出的不同規(guī)律來選擇最佳尺度。在最佳尺度下，通過單一指數(shù)或若干指數(shù)組合的方式分析江津區(qū)土地利用景觀格局總體變化趨勢。最后，結合景觀格局指數(shù)和土地利用類型面積比例構建景觀生態(tài)風險評價模型，對江津區(qū)景觀生態(tài)風險動態(tài)變化進行分析并采用空間自相關分析和地理探測器定量識別景觀生態(tài)風險變化的空間集聚狀況和驅動因素，具體分析框架見圖1。

2.2 最佳尺度分析方法

2.2.1尺度推繹方法

為保證數(shù)據(jù)的準確性及數(shù)據(jù)量的合理性，選取2009年江津區(qū)土地利用數(shù)據(jù)作為最佳尺度分析的底圖。粒度推繹時，采用ArcGIS平臺重采樣工具(resample)將底圖轉換為不同粒度的柵格數(shù)據(jù)，粒度范圍設置為10～210 m，以10 m為間隔生成19幅不同粒度的土地利用景觀柵格圖；幅度推繹時，采用ArcGIS平臺創(chuàng)建漁網(wǎng)(create fishnet)工具生成1 km×1 km、2 km×2 km、3 km×3 km、4 km×4 km和5 km×5 km等不同大小的網(wǎng)格，并將底圖分割為若干數(shù)量的子研究區(qū)，每個子研究區(qū)為該空間幅度標準下的1個統(tǒng)計樣方。

2.2.2面積信息損失評價模型

面積信息損失評價是用來定量判別柵格粒度變化后精度的有效方法[16]。以不同粒度下區(qū)域景觀總面積精度損失情況作為空間粒度適宜區(qū)間的劃分依據(jù)，其計算公式為

(1)

(2)

式(1)～(2)中，Li為i類景觀面積損失相對值；Ai為i類景觀類型粒度變化后的面積，km2；Abi為i類景觀粒度變化前的面積，km2；n為景觀類型數(shù)量；S為區(qū)域景觀面積損失指數(shù)，其值越大，表明粒度變化所帶來的面積信息損失越大。

2.2.3半變異函數(shù)

半變異函數(shù)是地統(tǒng)計學中關于數(shù)據(jù)點變異值和數(shù)據(jù)點距離的函數(shù)，用于揭示變量的空間異質性[17]?？赏ㄟ^不同網(wǎng)格尺寸景觀格局指數(shù)的半變異函數(shù)擬合結果探尋最佳空間幅度，其計算公式為

(3)

式(3)中，γ(h)為半變異函數(shù)；h為樣本間的空間距離；Z(xi)和Z(xi+h)分別為變量在位置xi和xi+h上的值，i=1，2，…，N(h)；N(h)為h時樣本對總個數(shù)。

在地統(tǒng)計分析中，球狀模型(Spherical)要求數(shù)據(jù)為各向同性，即觀測數(shù)據(jù)的變化在空間分布上是均勻的，沒有方向差異[18]。根據(jù)文獻[19]，選取香農(nóng)多樣性指數(shù)SHDI和斑塊密度PD，采用GS+ 9.0軟件并運用球狀模型進行擬合，根據(jù)半變異函數(shù)原理計算得到各類參數(shù)。

2.3 景觀生態(tài)風險評價

依據(jù)不同土地利用類型的面積比例和景觀損失度指數(shù)Ri構建景觀生態(tài)風險指數(shù)(ERI，IER)[2]，該值越大表示該評價單元的風險程度越高，反之，風險程度越低。ERI計算公式為

(4)

Ri=Ei×Vi，

(5)

Ei=aCi+bNi+cFi。

(6)

式(4)～(6)中，IERk為評價單元k的景觀生態(tài)風險指數(shù)；N為景觀類型數(shù)量；Aki為評價單元k中第i類景觀的面積，km2；Ak為評價單元k的面積，km2；Ri、Ei和Vi分別為第i類景觀的損失度指數(shù)、干擾度指數(shù)和脆弱度指數(shù)；Ci、Ni和Fi分別為景觀破碎度指數(shù)、分離度指數(shù)和優(yōu)勢度指數(shù)，具體計算方法參照文獻[9，12]；a、b和c分別為各景觀格局指數(shù)權重，根據(jù)文獻[13]并結合研究區(qū)實際情況，分別賦值為0.5、0.3和0.2。

景觀干擾度Ei表示不同景觀受到外界干擾的程度，景觀脆弱度Vi表示不同生態(tài)系統(tǒng)的易損性[20]。結合文獻[21]和各土地利用類型面積變化情況(表1)，未利用地主要包括荒草地、裸地及難以利用的沼澤和灘涂等，其景觀脆弱性最強，最為敏感，故將未利用地脆弱度賦值為6；水域易受環(huán)境變化和人類活動影響而改變其土地利用類型，因此將水域賦值為5；研究區(qū)耕地和林地面積遠大于草地，且兩者面積變化率較大，所以將耕地和林地分別賦值為4和3，草地賦值為2；建設用地雖然增長較快，但其性質最為穩(wěn)定，在自然演替過程中不易產(chǎn)生新變化，故將其值賦值為1。6種景觀類型分別賦值并進行歸一化處理后得到各自脆弱度指數(shù)。在此基礎上，分別計算每個網(wǎng)格的景觀生態(tài)風險指數(shù)并將其值賦予該網(wǎng)格中心點，最后運用Kriging插值法生成不同時期景觀生態(tài)風險空間分布圖[14]。

2.4 空間自相關分析

空間自相關反映了空間上某一變量的分布特征及其關聯(lián)集聚程度，包括全局空間自相關和局部空間自相關，常用測度指標為Moran′sI指數(shù)和局部空間關聯(lián)指數(shù)LISA[22-23]。采用Moran′sI指數(shù)分析區(qū)域總體空間相關性與規(guī)律性，采用LISA識別局部空間景觀生態(tài)風險高-高集聚的“熱點”和低-低集聚的“冷點”，并形成空間聚類圖來探析局部空間異常特征。

2.5 地理探測器

地理探測器可以對空間異質性及其驅動因子進行有效探測[24]，其中的因子探測法可用于分析各驅動因子對景觀生態(tài)風險時空分異的解釋力大小，其計算公式為

(7)

式(7)中，q為某個因子對景觀生態(tài)風險時空分異的解釋力度，q∈[0，1]，某一因子的q值越大，說明該因子對景觀生態(tài)風險解釋力越強；N為研究區(qū)樣本數(shù)；σ2為指標方差；h為指標分級，L為分級層數(shù)，h=1，2，…，L。

從自然環(huán)境和社會經(jīng)濟2個探測維度選取海拔、坡度、年降水量、人口密度、GDP和土地利用強度[25]6個指標作為自變量，并通過最佳幅度下的網(wǎng)格中心點將因變量(ERI)和自變量進行關聯(lián)。采用自然斷點法對地理探測器輸入變量進行離散化處理，其中海拔、坡度和年降水量分為9級，人口密度、GDP和土地利用強度分為6級。

3 結果與分析

3.1 土地利用景觀格局變化特征

由表1可知，2000—2018年江津區(qū)不同土地利用類型之間變化特征較為顯著，具體表現(xiàn)為耕地、草地、水域和未利用地面積減少，建設用地和林地面積增加。

表1 研究區(qū)土地利用類型面積變化統(tǒng)計

其中，耕地面積減少最多，減少量為196.28 km2；建設用地呈現(xiàn)持續(xù)增長態(tài)勢，2000—2009年面積增加17.01 km2，2009—2018年增加35.28 km2，增長速度較為穩(wěn)定；林地面積呈先減后升趨勢，18 a間增幅達到156.69 km2；2000—2018年草地、水域和未利用地面積分別減少1.62、5.88和5.2 km2，水域和未利用地面積變化速度明顯高于草地。從各景觀類型面積占比變化情況來看，建設用地和林地面積占比分別由4.9%和35.63%增加至6.52%和40.51%，草地、水域和未利用地面積占比分別減少0.05%、0.19%和0.16%，耕地面積占比由55.5%大幅減少至49.4%?？傮w來看，研究區(qū)景觀格局變化以耕地、林地和建設用地為主，草地、水域和未利用地總體變化幅度不大。

3.2 土地利用景觀格局最佳尺度分析

3.2.1最佳粒度分析

為避免景觀格局指數(shù)選取的重復性和無效性，參照文獻[26-27]，在景觀水平上選取12個景觀格局指數(shù)進行分析，繪制各景觀格局指數(shù)粒度響應曲線(圖2)。

由圖2可知，除斑塊形狀指數(shù)(LSI)、平均斑塊面積(AREA_MN)和蔓延度(CONTAG)沒有明顯轉折點外，其他9個景觀格局指數(shù)對空間粒度變化均表現(xiàn)出不同程度的響應敏感性：最大斑塊指數(shù)(LPI)和有效網(wǎng)格大小(MESH)在粒度范圍為40～90和110～180 m時變化較為平緩，沒有明顯波動；加權平均形狀指數(shù)(SHAPE_AM)和斑塊凝聚度(COHESION)分別在粒度為40和90 m時出現(xiàn)轉折點；景觀分離度(SPLIT)和景觀分割度(DIVISION)分別在粒度大于30和90 m時呈明顯下降趨勢；周長面積分維數(shù)(PAFRAC)在粒度大于60 m時變化不大，呈現(xiàn)出穩(wěn)定狀態(tài)；香農(nóng)多樣性(SHDI)和香農(nóng)均勻度(SHEI)均呈現(xiàn)相似的波動變化，當景觀粒度為30～110 m時，兩者波動變化幅度較少，當粒度大于110 m時，兩者波動幅度突然加劇，表現(xiàn)出明顯的粒度效應。

為避免景觀整體特征發(fā)生改變，結合各景觀格局指數(shù)粒度響應曲線圖的關鍵拐點和突變區(qū)間，確定江津區(qū)土地利用景觀格局適宜粒度的第一尺度域為[40，90]。在此基礎上，根據(jù)面積信息損失評價模型結果(圖3)，發(fā)現(xiàn)當粒度區(qū)間為[50，110]時，區(qū)域景觀面積損失指數(shù)先增后降，但總體變化幅度不大，說明在該區(qū)間內粒度效應產(chǎn)生的景觀信息損失相對較小，且變化較為穩(wěn)定。因此，綜合分析粒度響應曲線圖和面積信息損失評價情況，可得最佳粒度區(qū)間為[50，90]。已有研究[28]表明，隨著粒度減小，數(shù)據(jù)量呈指數(shù)級增長。為避免冗余的計算工作，更好反映景觀格局指數(shù)特征信息，最終確定90 m為江津區(qū)景觀格局最佳分析粒度。

3.2.2最佳幅度分析

表2為不同幅度下香農(nóng)多樣性指數(shù)的半變異函數(shù)模擬結果。由表2可知，當幅度為3 km時，香農(nóng)多樣性指數(shù)半變異函數(shù)塊金值(C0)相比于幅度為1和2 km時小，這是由于空間幅度過小會改變景觀斑塊原有形狀；當幅度為3～5 km時，塊金值C0隨幅度變大而不斷上升，說明隨著幅度增加，較大幅度能掩蓋內部更小尺度上的變異特征，被幅度掩蓋的誤差以塊金效應體現(xiàn)出來[18]。當幅度為1～3 km時，香農(nóng)多樣性指數(shù)半變異函數(shù)基臺值(C0+C)由0.120 3增加至0.150 1；當幅度>3 km時，C0+C值由0.150 1降低至0.103 6，說明隨著幅度增加，香農(nóng)多樣性指數(shù)變化程度逐漸減弱。香農(nóng)多樣性指數(shù)半變異函數(shù)塊基比C0/(C0+C)在幅度為1～3 km時下降，在幅度>3 km時快速上升，這說明過小的幅度難以直觀反映出香農(nóng)多樣性指數(shù)空間變異情況。

表2 不同幅度下香農(nóng)多樣性指數(shù)半變異函數(shù)參數(shù)

由表3可知，當幅度>2 km時，斑塊密度半變異函數(shù)C0值出現(xiàn)拐點，這說明網(wǎng)格尺度為1和2 km時掩蓋了景觀空間部分重要信息，從而導致尺度效應不明顯。斑塊密度半變異函數(shù)C0+C值在幅度為1～3 km時穩(wěn)定增加，在3～5 km時呈波動式下降，這說明幅度持續(xù)增加會降低空間自相關性。當幅度為1～3 km時，斑塊密度半變異函數(shù)C0/(C0+C)值隨幅度增大而減小，這反映了隨機部分引起的空間異質性占總空間異質性的比例隨著網(wǎng)格尺度增大而減小；當幅度為3～5 km時，C0/(C0+C)值由0.124 1增加到0.245 3，這說明隨機因素引起的空間異質性起主要作用，因而斑塊密度隨機變異性隨著網(wǎng)格尺度變大而逐漸增強。

表3 不同幅度下斑塊密度半變異函數(shù)參數(shù)

對區(qū)域景觀格局來說，當幅度過小時，總體規(guī)律會被局部規(guī)律所掩蓋；當幅度過大時，可以直觀顯示整體變化，但會損失更多空間規(guī)律信息[19]。因此，綜合考慮各參數(shù)空間變異情況，確定分析江津區(qū)景觀生態(tài)風險時空分異特征的最佳研究幅度為3 km。

3.2.3最佳尺度下景觀格局特征

基于上述研究成果，將90 m柵格像元和3 km網(wǎng)格尺度作為江津區(qū)景觀格局特征分析最佳尺度，并采用Fragstats 4.2軟件計算不同時期反映景觀生態(tài)風險狀況的景觀格局指數(shù)。如圖4所示，2000—2018年研究區(qū)各土地利用類型的景觀格局指數(shù)均發(fā)生明顯改變。耕地為研究區(qū)主導景觀類型，其景觀破碎度和分離度呈先減少后增加趨勢，優(yōu)勢度變化趨勢與之相反；林地景觀結構保持相對穩(wěn)定，優(yōu)勢度逐漸變大，破碎度和分離度有小幅下降；草地、水域的破碎度和分離度較高,其干擾度和損失度隨景觀面積逐漸減少而呈現(xiàn)下降趨勢；建設用地隨著社會經(jīng)濟發(fā)展而不斷向郊區(qū)擴張，侵占部分農(nóng)田和林地，導致其優(yōu)勢度迅速增長；未利用地分布較分散，分離度較高，優(yōu)勢度保持相對穩(wěn)定,干擾度和損失度受人類活動擾動總體呈增加趨勢。

3.3 景觀生態(tài)風險時空變化分析

3.3.1景觀生態(tài)風險時空分異特征

為直觀分析比較各時期景觀生態(tài)風險空間分布特征，利用自然斷點法將景觀生態(tài)風險指數(shù)劃分為高風險區(qū)(IER>0.082 5)、較高風險區(qū)(0.061 4

由表4可知，2000—2009年，江津區(qū)較低風險區(qū)面積減少336.41 km2，占比減少達10.46個百分點；較高和高風險區(qū)面積分別減少84.61和18.05 km2；低和中風險區(qū)面積增長明顯，分別增加344.01和95.06 km2。2000—2009年區(qū)域景觀生態(tài)風險整體呈下降趨勢，主要表現(xiàn)為較低風險區(qū)向低風險區(qū)轉移，較高和高風險區(qū)逐漸向中風險區(qū)轉移，這表明當?shù)卣ㄟ^實施退耕還林還草、封山育林等政策使區(qū)域生態(tài)環(huán)境質量有所提高。2009—2018年，江津區(qū)中、較高和高風險區(qū)面積占比分別增加5.50、5.53和2.58個百分點，較低和低風險區(qū)面積分別減少14.89和423.04 km2。2009—2018年，隨著人口不斷向城鎮(zhèn)集聚，建設用地需求量急速增加，大量農(nóng)田、坑塘和灘涂濕地被改造利用，土地生態(tài)系統(tǒng)不斷遭受破壞，生態(tài)服務功能整體退化明顯。綜合來看，2000—2018年，江津區(qū)中風險區(qū)面積增幅最大，逐漸占據(jù)主導地位，高、較高風險區(qū)面積有小幅增加，而低、較低風險區(qū)面積明顯減小，總體呈現(xiàn)“兩頭小、中間大”的數(shù)量結構。研究區(qū)各生態(tài)風險等級面積變化特征表明區(qū)域生態(tài)環(huán)境質量整體呈下降趨勢，更需要合理規(guī)劃土地資源，加強生態(tài)修復，進一步協(xié)調生態(tài)環(huán)境與經(jīng)濟發(fā)展的矛盾，提高生態(tài)環(huán)境承載力。

3.3.2景觀生態(tài)風險空間自相關分析

采用GeoDa軟件，根據(jù)江津區(qū)各期景觀生態(tài)風險評價結果進行全局自相關分析。結果顯示，在顯著性水平P<0.05情況下，2000、2009和2018年Moran′sI值分別為0.466 1、0.524 2和0.533 3，均大于0，說明研究區(qū)景觀生態(tài)風險指數(shù)呈顯著正相關關系，空間趨同性增強。采用局部自相關LISA識別江津區(qū)局部空間景觀生態(tài)風險(圖6)。

表4 研究區(qū)各等級景觀生態(tài)風險區(qū)面積統(tǒng)計

由圖6可知，江津區(qū)景觀生態(tài)風險的集聚空間格局變化較大，高-高和低-低集聚由分散變?yōu)榧?，而?高和高-低集聚分布相對零星。2000—2009年，研究區(qū)景觀生態(tài)風險低-低集聚區(qū)逐漸向北部轉移，而高-高集聚區(qū)趨向東北部集中；2009—2018年，景觀生態(tài)風險低-低集聚區(qū)幾乎占據(jù)研究區(qū)南部的絕大部分，高-高集聚區(qū)在原有基礎上繼續(xù)向周圍區(qū)域拓展。從分布范圍來看，高-高集聚區(qū)主要集中在北部快速城鎮(zhèn)化地區(qū)，說明這些區(qū)域生態(tài)風險值高，且相鄰地區(qū)生態(tài)風險值也較高，易受到外界干擾，呈高風險狀態(tài)；而低-低集聚區(qū)多集中在地形條件較為復雜的丘陵低山地帶，景觀生態(tài)風險空間趨同性較強，這些區(qū)域也是江津區(qū)重要的自然保護區(qū)所在地，如四面山自然保護區(qū)、滾子坪桫欏保護區(qū)和大圓洞國家森林公園等。結合景觀類型分布可知，低-低集聚區(qū)主要景觀類型為林地和草地，與低和較低風險區(qū)主要景觀類型相符；高-高集聚區(qū)內建設用地、耕地和林地受人類活動干擾而相互交錯分布，導致景觀內部結構細碎化，難以維持穩(wěn)定狀態(tài)。

3.3.3景觀生態(tài)風險影響因素分析

為進一步探究2009—2018年江津區(qū)景觀生態(tài)風險演變驅動力機制，通過地理探測器得到各影響因素解釋力。由表5可知，2000年各指標解釋力由大到小依次為人口密度(0.223 6)>GDP(0.189 7)>年降水量(0.189 3)>海拔(0.186 9)>土地利用強度(0.131 9)>坡度(0.048 1)，人口密度解釋力明顯高于其他指標；2009年，GDP解釋力由2000年的0.189 7增加到0.228 4，上升勢頭較快，逐漸成為研究區(qū)景觀生態(tài)風險主導誘因之一，而海拔和年降水量解釋力均有所下降；2018年，人口密度和GDP解釋力均>0.25，對景觀生態(tài)風險貢獻量較為明顯，海拔(0.194 2)、土地利用強度(0.185 3)和年降水量(0.156 0)解釋力次之，坡度解釋力最小(0.102 9)。2000—2018年，人口密度對景觀生態(tài)風險時空動態(tài)變化的解釋力最強，說明在庫區(qū)移民政策和農(nóng)村勞動力轉移的背景下，人口高度集聚對研究區(qū)景觀結構和生態(tài)環(huán)境產(chǎn)生了一定負面效應。此外，GDP和土地利用強度解釋力穩(wěn)定遞增說明隨著社會經(jīng)濟發(fā)展和人類活動干擾增強，其對景觀生態(tài)風險的影響也越來越深刻。總體來看，社會經(jīng)濟因子解釋力整體高于自然環(huán)境因子，說明研究區(qū)人為活動對景觀生態(tài)風險變化起主導作用，而海拔等自然環(huán)境因子也對景觀生態(tài)風險變化起一定控制作用。

表5 2000—2018年研究區(qū)景觀生態(tài)風險影響因子探測q值統(tǒng)計

4 討論

景觀生態(tài)風險評價將景觀空間格局與生態(tài)過程相結合，注重多元風險的空間可視化和時空分異規(guī)律。從評價結果來看，江津區(qū)景觀生態(tài)風險時空變化呈現(xiàn)以下特點：(1)空間格局差異明顯，總體呈現(xiàn)“北高南低”的分布特征；(2)自然環(huán)境變化對景觀生態(tài)風險影響有限，而以人口密度和GDP為代表的社會經(jīng)濟活動影響越來越明顯。景觀生態(tài)風險時空分布與土地利用強度和土地利用結構存在著密切關系[2]。筆者發(fā)現(xiàn)研究區(qū)北部城鄉(xiāng)發(fā)展程度高，不同景觀類型之間相互轉移的概率更大，速度更快，近年來隨著人為景觀增加，自然景觀減少，地表景觀生態(tài)系統(tǒng)的原有平衡被打破，導致生態(tài)風險增加；研究區(qū)南部主要優(yōu)勢景觀類型為林地和草地，土地開發(fā)強度較低，景觀破碎度和分離度小，景觀生態(tài)風險等級總體偏低，但生態(tài)環(huán)境較為敏感脆弱，抗干擾能力差。2000—2018年，江津區(qū)低和較低風險區(qū)面積下降幅度分別為2.45%和10.92%，而較高和高風險區(qū)面積占比合計由17.48%提高至22.4%，區(qū)域景觀生態(tài)風險水平隨著人類活動對景觀的干擾程度加劇而整體上升。作為復雜的生態(tài)過程，研究區(qū)景觀生態(tài)風險時空分布與自然環(huán)境和社會經(jīng)濟活動關系密切。研究結果表明雖然不同階段各驅動因子影響程度存在差異，但人口及經(jīng)濟因素對景觀生態(tài)風險動態(tài)變化的解釋力較強，這印證了奚世軍等[29]研究觀點。江津區(qū)緊鄰重慶主城，不僅是人口大區(qū)，更是推動重慶市“一區(qū)兩群”協(xié)調發(fā)展和成渝地區(qū)雙城經(jīng)濟圈建設的重要戰(zhàn)略支點，存在生態(tài)環(huán)境與社會經(jīng)濟發(fā)展不協(xié)調、不同步的問題，亟需調整依賴土地資源的傳統(tǒng)發(fā)展模式，通過經(jīng)濟轉型實現(xiàn)綠色高質量發(fā)展，筑牢長江上游重要生態(tài)屏障。

通過景觀生態(tài)風險評價可以發(fā)現(xiàn)區(qū)域景觀格局存在的突出問題和潛在風險，從而為制定有效的管控措施提供決策依據(jù)。在生態(tài)保護和修復工作中，針對不同風險等級區(qū)域，需要依據(jù)其風險源特點和類型采取不同風險對策：在較高和高風險區(qū)，需要合理規(guī)劃土地利用，嚴格控制建設開發(fā)規(guī)模和強度，推動產(chǎn)業(yè)結構調整，避免較高和高風險區(qū)繼續(xù)向外擴展；中風險區(qū)作為耕地和林地的過渡區(qū)域，應合理開展農(nóng)業(yè)活動，通過土地整理工程優(yōu)化耕地利用布局，同時積極實施“保土護林”工程，建立健全生態(tài)補償機制，實現(xiàn)經(jīng)濟效益、社會效益和生態(tài)效益的可持續(xù)發(fā)展；在生態(tài)脆弱區(qū)和敏感地帶，需要有效控制人類活動，如在水源保護地、風景名勝區(qū)、基本農(nóng)田保護區(qū)和重要濕地周圍劃定生態(tài)環(huán)境保護范圍和生態(tài)緩沖區(qū)，減緩低和較低風險區(qū)向中風險區(qū)的轉移速度，防范突發(fā)性生態(tài)環(huán)境風險。

從景觀生態(tài)學角度將尺度效應分析與景觀生態(tài)風險評價相結合，有利于揭示不同尺度下空間格局與生態(tài)過程之間耦合機制，同時也有利于提高景觀生態(tài)風險識別效率。筆者研究充分考慮了景觀格局特征與尺度轉換之間的關系，為深入分析長江上游重要生態(tài)屏障區(qū)景觀生態(tài)風險時空異質特征提供了有效的方法支撐。值得注意的是，不同景觀格局指數(shù)對尺度效應的響應規(guī)律存在差異，在識別轉折拐點和突變區(qū)間時會受到一定主觀因素影響；此外，半變異函數(shù)擬合結果也缺乏景觀格局指數(shù)變化方向效應分析。在今后研究中，需要繼續(xù)加強有關景觀尺度-格局-過程分析框架的理論探索，綜合運用地理學、生態(tài)學模型和方法提高景觀生態(tài)風險評估的準確性和全面性。

5 結論

基于2000、2009和2018年3期遙感影像數(shù)據(jù)，在確定景觀格局最佳粒度和幅度基礎上分析了江津區(qū)景觀生態(tài)風險時空變化及主要風險來源，得出結論如下：

(1)江津區(qū)土地利用景觀格局具有明顯尺度依賴性，其最佳粒度和幅度分別為90 m和3 km。在最佳尺度下，各土地類型景觀格局指數(shù)變化特征反映出在外界干擾下，區(qū)域景觀格局空間結構及其變化趨勢受到一定程度影響。

(2)研究區(qū)景觀生態(tài)風險空間差異明顯，各風險等級面積均有所變化。2000—2018年，研究區(qū)中風險區(qū)面積持續(xù)增加，逐漸占據(jù)主導地位；低和較低風險區(qū)面積總體有所減?。桓吆洼^高風險區(qū)面積呈現(xiàn)先降低后升高的波動式變化；研究區(qū)生態(tài)風險威脅程度整體有所上升。

(3)2000—2018年，研究區(qū)景觀生態(tài)風險與自然環(huán)境變化和社會經(jīng)濟活動關系密切。隨著人口規(guī)模擴大和GDP迅速增長，社會經(jīng)濟因子作用強度整體呈不斷增強態(tài)勢，人類活動的強烈擾動疊加于脆弱的自然基底之上，加劇了研究區(qū)景觀生態(tài)風險狀況惡化。