張經(jīng)度

（廣東省城鄉(xiāng)規(guī)劃設(shè)計(jì)研究院有限責(zé)任公司，廣東 廣州 510220）

0 引言

景觀格局指景觀的空間結(jié)構(gòu)特征，是景觀組成單元的類型、數(shù)目及空間分布與配置，是景觀異質(zhì)性在空間上的綜合表現(xiàn)［1］。一般利用有生態(tài)學(xué)意義的景觀格局指數(shù)描述景觀格局的空間配置特征，景觀格局的時(shí)空動(dòng)態(tài)變化研究能夠揭示景觀格局與生態(tài)過程的相互作用關(guān)系［2］。因此，基于景觀格局的時(shí)空演化過程研究，不僅能反映區(qū)域生態(tài)環(huán)境變化狀況，也能有效預(yù)測(cè)生態(tài)過程的特征，進(jìn)而有效指引區(qū)域景觀格局優(yōu)化和管理［3］。

隨著社會(huì)經(jīng)濟(jì)的迅速發(fā)展，人類對(duì)土地資源的開發(fā)不斷加重，生態(tài)環(huán)境受到的壓力和脅迫不斷增加。這加劇了景觀結(jié)構(gòu)和組成的變化，由此產(chǎn)生的生態(tài)問題屢見不鮮［4］。在這一背景下開展景觀格局脆弱性研究尤其必要。景觀格局脆弱性是指景觀格局在受到外界擾動(dòng)時(shí)其結(jié)構(gòu)、功能和特性容易發(fā)生改變的屬性［5］，體現(xiàn)了景觀系統(tǒng)對(duì)外界干擾的敏感程度及適應(yīng)能力［6］。任志遠(yuǎn)等［7］和梁佳欣等［8］分別利用景觀脆弱度指數(shù)對(duì)銀川盆地和山東省南四湖濕地景觀格局脆弱度進(jìn)行時(shí)空分異特征研究，認(rèn)為景觀脆弱度指數(shù)能夠直觀反映研究區(qū)脆弱度狀況，揭示人為活動(dòng)與景觀脆弱性的關(guān)系。

當(dāng)前，學(xué)者對(duì)景觀格局脆弱性的研究主要包括景觀格局脆弱性時(shí)空分異研究［9-10］、景觀格局脆弱性的時(shí)空分異成因研究［11-12］等方面，針對(duì)景觀格局脆弱性的預(yù)測(cè)性研究還有所欠缺。曾永年等［13］和楊陽等［14］分別利用CLUE-S模型，以青海高原東部和福建省平潭縣海壇島為例進(jìn)行土地利用變化多情景模擬，并利用景觀生態(tài)風(fēng)險(xiǎn)指數(shù)進(jìn)行區(qū)域生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)，研究結(jié)果有助于決策者判斷不同情境的優(yōu)劣程度，從而支撐土地利用科學(xué)規(guī)劃。然而，有研究指出CLUE-S模型存在一定的不足［15］。而FLUS模型作為一種新型土地利用變化模擬模型能夠克服CLUE-S模型存在的缺陷，獲得更好的土地利用模擬效果［16-17］。因此，有必要在利用FLUS模型模擬土地利用多情景變化的基礎(chǔ)上，對(duì)模擬結(jié)果進(jìn)行景觀格局脆弱性評(píng)價(jià)。所以，筆者以珠江三角洲地區(qū)為例，使用系統(tǒng)動(dòng)力學(xué)（System Dynamics，SD）模型，依據(jù)對(duì)研究區(qū)未來發(fā)展的不同預(yù)計(jì)構(gòu)建3種不同的土地利用變化路徑，在此基礎(chǔ)上利用FLUS模型模擬2035年土地利用變化狀況（以2020年為基期），再使用景觀格局脆弱性指數(shù)分析研究區(qū)不同情景下面臨的景觀風(fēng)險(xiǎn)，從而為研究區(qū)土地利用規(guī)劃提供決策依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

珠江三角洲地區(qū)位于廣東省中南部（21°40′～111°20′～115°30′E），是我國重要的經(jīng)濟(jì)中心，當(dāng)?shù)睾＿\(yùn)便利、交通通達(dá)，總面積5.54萬km2（見圖1）。2020年，珠江三角洲地區(qū)人口為7 801.43萬人，生產(chǎn)總值為89 523.93億元，城市化率為86.28%。隨著城鎮(zhèn)化的快速發(fā)展，珠江三角洲地區(qū)土地利用出現(xiàn)了劇烈變化，耕地、水體面積明顯減小，建設(shè)用地面積顯著增加，區(qū)域生態(tài)環(huán)境受到的脅迫明顯增加，可持續(xù)發(fā)展進(jìn)程受到嚴(yán)峻挑戰(zhàn)。

注：該圖基于國家基礎(chǔ)地理信息中心標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS（2019）4342號(hào)的標(biāo)準(zhǔn)地圖制作，底圖無修改，圖3和圖4同。

1.2 數(shù)據(jù)來源及處理過程

筆者所使用數(shù)據(jù)包括土地利用數(shù)據(jù)和土地利用驅(qū)動(dòng)因子數(shù)據(jù)，其中驅(qū)動(dòng)因子數(shù)據(jù)包括基礎(chǔ)地理數(shù)據(jù)、自然環(huán)境數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)。土地利用數(shù)據(jù)來自全球30 m地表覆蓋數(shù)據(jù)集（GlobeLand30），從中提取研究區(qū)2020年土地利用數(shù)據(jù)，并根據(jù)研究區(qū)實(shí)際情況，將土地利用數(shù)據(jù)劃分為耕地、林地、草地、水體、建設(shè)用地和未利用地六類。參考以往研究［18］，選取13個(gè)影響土地利用變化的驅(qū)動(dòng)因子（見表1），再根據(jù)先前研究結(jié)論將所有數(shù)據(jù)重采樣為100 m［17］，同時(shí)將所有數(shù)據(jù)統(tǒng)一為UTM投影坐標(biāo)系。表1中，共有13個(gè)土地利用變化驅(qū)動(dòng)因子，余下為指標(biāo)因子，在系統(tǒng)動(dòng)力學(xué)模型中使用。

表1 研究所使用的數(shù)據(jù)

2 研究方法

2.1 FLUS模型

FLUS模型由基于SD模型的土地利用數(shù)量預(yù)測(cè)模塊和基于元胞自動(dòng)機(jī)（Cellular Automaton，CA）的地類分配模塊兩部分組成。首先，利用SD模型根據(jù)研究區(qū)社會(huì)經(jīng)濟(jì)發(fā)展、開發(fā)政策導(dǎo)向的不同預(yù)期推演研究區(qū)未來土地利用數(shù)量變化。其次，使用人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）基于土地利用變化驅(qū)動(dòng)因子估計(jì)不同地類轉(zhuǎn)化概率，接著將地類轉(zhuǎn)化概率、元胞間相互作用、地類變化趨勢(shì)等因素結(jié)合起來計(jì)算元胞轉(zhuǎn)化總概率。最后，利用輪盤賭來確定元胞是否發(fā)生類型轉(zhuǎn)化，從而實(shí)現(xiàn)土地利用變化模擬。FLUS模型總體結(jié)構(gòu)詳見張經(jīng)度等和Liu等研究［17-18］。

2.2 SD模型

筆者使用Vensim軟件構(gòu)建研究區(qū)未來土地利用需求的SD模型（見圖2）。模型包括社會(huì)經(jīng)濟(jì)和土地利用兩個(gè)子系統(tǒng)，前者以人口增長(zhǎng)率和地區(qū)生產(chǎn)總值增長(zhǎng)率為主導(dǎo)因素，主要模擬人口增長(zhǎng)對(duì)糧食需求的影響及地區(qū)生產(chǎn)總值增長(zhǎng)對(duì)固定資產(chǎn)投資的影響；后者包括6種土地利用類型，重點(diǎn)模擬社會(huì)經(jīng)濟(jì)因素及地類間相互作用對(duì)土地利用的影響，另選用城鎮(zhèn)化率、技術(shù)進(jìn)步（以糧食單位面積產(chǎn)量衡量）及退耕還林政策作為輔助因素。

2.3 景觀脆弱度指數(shù)

景觀脆弱度指數(shù)（Landscape Vulnerability Index，LVI）是生態(tài)系統(tǒng)對(duì)外界干擾的敏感性及受到干擾后自我恢復(fù)能力的表征［19］，由景觀敏感度指數(shù)（Landscape Sensitivity Index，LSI）和景觀適應(yīng)度指數(shù)（Landscape Adaptation Index，LAI）組成。其計(jì)算公式為

景觀敏感度指數(shù)體現(xiàn)了景觀受到外界干擾時(shí)自身的反映程度，取決于外界干擾因素的強(qiáng)弱及景觀變化的方向。其計(jì)算公式為

式（2）中：n為景觀類型數(shù)量；i為用地類型；Vi為景觀易損度指數(shù)，指景觀在外界干擾下的損害程度［6］，參考前人研究和研究區(qū)實(shí)際，設(shè)定耕地、林地、草地、水體、建設(shè)用地和未利用土地的景觀類型易損度分別為0.14、0.23、0.23、0.04、0.04和0.32，實(shí)際計(jì)算時(shí)若某一單元格網(wǎng)內(nèi)不包含某種地類，則其余地類的易損度值按比例擴(kuò)大；Ui為景觀干擾度指數(shù)，指景觀受到外界干擾時(shí)，景觀內(nèi)部由單一、規(guī)則、均值和連續(xù)的整體向破碎、零散、異質(zhì)和不連續(xù)的破碎斑塊變化［5］，其計(jì)算公式為

式（3）中：FNi為景觀破碎度指數(shù)，值越低表示景觀破碎程度越低，反之則越高；FDi為分形維數(shù)，值越接近1說明景觀形狀越簡(jiǎn)單，反之則越復(fù)雜，自然度越強(qiáng)；DOi為景觀類型優(yōu)勢(shì)度，該指數(shù)表示景觀內(nèi)部某種景觀的優(yōu)勢(shì)程度，值越大則景觀優(yōu)勢(shì)程度越大，值越小則景觀優(yōu)勢(shì)程度越小。

景觀適應(yīng)度指數(shù)是景觀在外界干擾下的適應(yīng)和恢復(fù)能力，與景觀的結(jié)構(gòu)、功能、多樣性和分布均勻程度密切相關(guān)，其計(jì)算公式為

式（4）中：PRD為斑塊豐度密度指數(shù)，表示斑塊內(nèi)物種的豐度；SHDI為香農(nóng)多樣性指數(shù)，表示斑塊內(nèi)物種多樣性；SHEI為香農(nóng)均勻度指數(shù)，表示不同生態(tài)系統(tǒng)的分配均勻度，值越高表明景觀格局越均勻，系統(tǒng)越穩(wěn)定。

2.4 空間變異理論

空間變異理論研究對(duì)象為區(qū)域化變量，即在空間上分布的變量。通常，空間上分布的變量具有2個(gè)性質(zhì)：①隨機(jī)性，即在局部某一點(diǎn)，空間變量的取值是隨機(jī)的；②結(jié)構(gòu)性，即對(duì)整個(gè)區(qū)域而言，存在一個(gè)總體或平均的結(jié)構(gòu)，相鄰變量的取值具有相關(guān)關(guān)系［20］。由于土地利用數(shù)據(jù)為空間變量，針對(duì)土地利用數(shù)據(jù)中存在的隨機(jī)性和結(jié)構(gòu)性特征，可以利用半變異函數(shù)描述其性質(zhì)［21］。筆者使用GS+7.0軟件對(duì)研究區(qū)景觀脆弱性分布進(jìn)行半變異函數(shù)擬合。半變異函數(shù)公式為

式（5）中：γ（h）為間距為h的半方差，N（h）是以h為間距的所有觀測(cè)點(diǎn)的成對(duì)數(shù)目，Z（xi）和Z（xi+h）為不同距離的觀測(cè)值。

3 實(shí)證研究

3.1 2020—2035年土地利用情景模擬與分析

根據(jù)對(duì)研究區(qū)未來發(fā)展的不同預(yù)計(jì)，通過設(shè)置不同模型參數(shù)及約束條件，構(gòu)建基準(zhǔn)情景、經(jīng)濟(jì)擴(kuò)張情景、協(xié)調(diào)發(fā)展情景，利用FLUS模型分別模擬各情景下2035年研究區(qū)土地利用分布格局。

基準(zhǔn)情景表示研究區(qū)人口、經(jīng)濟(jì)發(fā)展與技術(shù)進(jìn)步速度延續(xù)現(xiàn)有趨勢(shì)，土地利用需求由2010—2020年土地利用變化量線性擬合得到。該情景體現(xiàn)了研究區(qū)土地利用無約束發(fā)展情況。系統(tǒng)動(dòng)力學(xué)模型預(yù)測(cè)得到該情景下研究區(qū)2035年耕地、林地、草地、水體、建設(shè)用地和未利用土地的面積分別為8 026.41、24 524.79、2 470.72、4 341.90、13 031.51 km2和26.07 km2。

經(jīng)濟(jì)擴(kuò)張情景表示研究區(qū)實(shí)行經(jīng)濟(jì)主導(dǎo)的發(fā)展政策，當(dāng)?shù)卣疄榻?jīng)濟(jì)發(fā)展提供充足的土地供應(yīng)。該情景展現(xiàn)了在較快經(jīng)濟(jì)增速的背景下，滿足建設(shè)用地?cái)U(kuò)張需求的研究區(qū)土地利用變化情況。研究預(yù)測(cè)得到該情景下研究區(qū)2035年耕地、林地、草地、水體、建設(shè)用地和未利用土地的面積分別為7 529.50、24 432.77、1 576.30、3 960.79、14 879.45 km2和42.60 km2。

《廣東省國土空間規(guī)劃（2020—2035年）》要求嚴(yán)格落實(shí)耕地和永久基本農(nóng)田保護(hù)任務(wù)［22］，據(jù)此在協(xié)調(diào)發(fā)展情景中引入耕地面積反饋調(diào)節(jié)機(jī)制，使研究區(qū)耕地面積維持在基準(zhǔn)水平之上，同時(shí)以《廣東省國土空間規(guī)劃（2020—2035年）》中珠江三角洲陸域生態(tài)屏障為土地利用變化限制區(qū)域。該情景體現(xiàn)了在保證研究區(qū)生態(tài)屏障完整及控制耕地面積前提下的研究區(qū)土地利用變化情況。研究預(yù)測(cè)得到該情景下研究區(qū)2035年耕地、林地、草地、水體、建設(shè)用地和未利用土地的面積分別為8 778.65、24 783.62、2 671.74、3 803.93、12 357.27 km2和26.19 km2。

基于不同情景預(yù)測(cè)得到的地類數(shù)量，模擬得到研究區(qū)3種情景下土地利用分布格局（見圖3）。在3種情景下，地類轉(zhuǎn)化的主導(dǎo)過程均為耕地向建設(shè)用地轉(zhuǎn)移，其中經(jīng)濟(jì)擴(kuò)張情景下建設(shè)用地?cái)U(kuò)張最為劇烈，侵占了城郊大片耕地。從各土地利用類型變化情況來看，3種情景中耕地均呈現(xiàn)減少趨勢(shì)且減少的空間分布接近。在基準(zhǔn)情景中，佛山市耕地面積減少近600 km2，是研究區(qū)耕地減少幅度最大的地級(jí)市，東莞市、廣州市、中山市耕地也出現(xiàn)明顯減少；在經(jīng)濟(jì)擴(kuò)張情景中，佛山市耕地面積流失近700 km2，而廣州市、東莞市、深圳市耕地面積大幅減少，減少幅度超過基準(zhǔn)情景；在協(xié)調(diào)發(fā)展情景中，佛山市、廣州市、東莞市依然是耕地面積減少幅度最大的城市，但減少幅度小于前兩種情景。3種情景的林地變化幅度均較小，但變化的空間差異較大。3種情景建設(shè)用地均出現(xiàn)增長(zhǎng)且空間分布類似，都呈現(xiàn)中心劇烈、外圍緩和的增長(zhǎng)趨勢(shì)，但經(jīng)濟(jì)擴(kuò)張情景下建設(shè)用地增長(zhǎng)幅度明顯高于其他兩種情景，其中佛山市建設(shè)用地增長(zhǎng)量達(dá)762 km2，其他兩種情景建設(shè)用地增幅較接近，但協(xié)調(diào)發(fā)展情景下建設(shè)用地增幅略小。

3.2 研究區(qū)2020—2035年景觀格局變化分析

3.2.1 空間結(jié)構(gòu)變異性分析。為了更好地分析研究區(qū)景觀格局脆弱性分布特征，對(duì)研究區(qū)基期及3種情景模擬結(jié)果進(jìn)行空間結(jié)構(gòu)變異性分析，得到最佳擬合模型及參數(shù)如表2所示?；诩?種情景模擬結(jié)果的最佳擬合模型均為指數(shù)模型，基期的變程值遠(yuǎn)高于情景模擬結(jié)果的變程值，表明基期數(shù)據(jù)中空間自相關(guān)效應(yīng)的作用范圍最大。3種情景中，經(jīng)濟(jì)擴(kuò)張情景的塊金值（C0）最大，塊金效應(yīng)最弱，表明該情景隨機(jī)部分造成的空間異質(zhì)性較多；基準(zhǔn)情景的塊金值最小，塊金效應(yīng)最強(qiáng)，說明該情景下結(jié)構(gòu)性因素對(duì)空間異質(zhì)性影響最大?；诩?035年模擬結(jié)果的決定系數(shù)及殘差平方和均表現(xiàn)較好，表明所選擬合模型能正確描述研究區(qū)景觀格局脆弱性的空間結(jié)構(gòu)特征。

表2 研究區(qū)基期及2035年3種情景景觀脆弱度分布的半變異函數(shù)的擬合參數(shù)

3.2.2 景觀格局脆弱性的時(shí)空演化分析?；?.2.1得到的最佳擬合模型和參數(shù)，分析得到研究區(qū)各情景下景觀格局脆弱性分布圖（見圖4）。為了更好地比較2020年基期與2035年各情景模擬結(jié)果的差異，使用等間距法將研究區(qū)景觀格局脆弱性分布圖分為低脆弱度（0.013 5～0.235 6）、較低脆弱度（0.235 7～0.321 9）、中脆弱度（0.322 0～0.389 2）、較高脆弱度（0.389 3～0.452 6）和高脆弱度（0.452 7～0.502 9）5個(gè)等級(jí)。

先利用格網(wǎng)均值評(píng)估研究區(qū)景觀格局脆弱性整體水平，計(jì)算得到2020年基期、2035年基準(zhǔn)情景下、2035年經(jīng)濟(jì)擴(kuò)張情景下、2035年協(xié)調(diào)發(fā)展情景下的景觀格局脆弱度指數(shù)均值分別為0.332 5、0.356 1、0.394 6、0.349 7，可以看到相對(duì)2020年基期，3種情景下研究區(qū)脆弱性整體水平均有所上升。這說明隨著社會(huì)經(jīng)濟(jì)的發(fā)展，研究區(qū)面臨的生態(tài)風(fēng)險(xiǎn)將不斷增加，而快速擴(kuò)張情景面臨的景觀風(fēng)險(xiǎn)最大，協(xié)調(diào)發(fā)展情景面臨的景觀風(fēng)險(xiǎn)最小。

從空間分布來看，研究區(qū)2020年基期和2035年情景模擬結(jié)果的景觀脆弱性分布由內(nèi)向外呈現(xiàn)高、低、高的特征，高脆弱度區(qū)域主要分布在研究區(qū)東部、西北、南部及研究區(qū)中部的城市連綿區(qū)，低脆弱度區(qū)域則主要分布在研究中部建成區(qū)的外圍。如圖4（a）所示，2020年基期較高和高脆弱度區(qū)域主要分布在研究區(qū)東北的惠東縣、博羅縣，西北的廣寧縣、封開縣及中部的廣州市。圖4（b）為基準(zhǔn)情景下研究區(qū)景觀格局脆弱性分布情況，與基期相比，研究區(qū)中部較高和高脆弱度區(qū)域面積明顯增加，表明建設(shè)用地?cái)U(kuò)張將造成區(qū)域景觀脆弱度上升，區(qū)域面臨的景觀風(fēng)險(xiǎn)將增加，研究區(qū)西北部分高脆弱度區(qū)域增幅明顯。圖4（c）顯示了經(jīng)濟(jì)擴(kuò)張情景下研究區(qū)的景觀格局脆弱性分布情況，與基準(zhǔn)情景相比，研究區(qū)中部建成區(qū)較高和高脆弱度分布范圍明顯更廣，研究區(qū)南部的深圳市高脆弱度區(qū)域大量增加，研究區(qū)內(nèi)低景觀脆弱度區(qū)域明顯減少。圖4（d）展示了協(xié)調(diào)發(fā)展情景下研究區(qū)景觀格局脆弱性分布狀況，與其他兩種情景相比，該情景研究區(qū)中部建成區(qū)較高和高景觀脆弱度范圍最小，全域較低和低景觀脆弱度面積最大。

4 討論與建議

筆者基于FLUS模型模擬了2035年珠江三角洲地區(qū)3種情景下土地利用變化狀況，在此基礎(chǔ)上利用景觀脆弱度指數(shù)評(píng)價(jià)基期及各模擬情景下景觀格局脆弱度分布狀況，并借助空間統(tǒng)計(jì)分析方法揭示其分異規(guī)律，展現(xiàn)了在不同社會(huì)經(jīng)濟(jì)發(fā)展模式和政策的影響下研究區(qū)未來土地利用變化情況及對(duì)應(yīng)的景觀格局脆弱性變化特征。

在3種情景下，2020—2035年研究區(qū)耕地均呈減少趨勢(shì)，建設(shè)用地均呈增長(zhǎng)趨勢(shì)，但不同情景間存在差異。在經(jīng)濟(jì)擴(kuò)張情景下，研究區(qū)中部尤其是佛山市、廣州市建設(shè)用地迅速增加，耕地、水體等較高生態(tài)價(jià)值地類被大量侵占，生態(tài)環(huán)境急速惡化。在基準(zhǔn)情景下，建設(shè)用地?cái)U(kuò)張幅度仍然較大，無約束的建設(shè)用地?cái)U(kuò)張將導(dǎo)致研究區(qū)生態(tài)屏障被破壞，人居環(huán)境質(zhì)量下降。在協(xié)調(diào)發(fā)展情景下，相應(yīng)約束條件的設(shè)置使得耕地、水體得到較好保護(hù)，建設(shè)用地布局趨向合理，研究區(qū)土地利用的可持續(xù)性在3種模擬情景中最好。

此研究的基期及情景模擬結(jié)果均顯示，研究區(qū)景觀格局脆弱性從內(nèi)向外呈現(xiàn)高、低、高的特征，高脆弱度區(qū)域主要分布在研究區(qū)東北、西北和中部建成區(qū)，低脆弱度區(qū)域主要分布在研究區(qū)中部建成區(qū)的外圍地區(qū)。與基期相比，經(jīng)濟(jì)擴(kuò)張情景下研究區(qū)中部高脆弱度區(qū)域面積明顯增加，表明建設(shè)用地的蔓延式擴(kuò)張將導(dǎo)致區(qū)域生態(tài)風(fēng)險(xiǎn)加重；基準(zhǔn)情景下研究區(qū)中部高脆弱度區(qū)域面積增幅依然明顯；協(xié)調(diào)發(fā)展情景下中部建成區(qū)脆弱性與基準(zhǔn)情景類似，但研究區(qū)西北和東部脆弱性分布范圍較小，同時(shí)該情景下全域景觀格局脆弱性最低，表明該情景下研究區(qū)面臨的生態(tài)風(fēng)險(xiǎn)最小，土地利用布局最合理。

該研究結(jié)果表明，3種情景都顯示未來研究區(qū)中部城市連綿區(qū)將隨著建設(shè)用地增加而擴(kuò)張，研究區(qū)西北林地連綿區(qū)將持續(xù)存在。這表明這些區(qū)域?qū)㈤L(zhǎng)期處于高景觀脆弱性狀態(tài)，針對(duì)因城市連綿出現(xiàn)的高景觀脆弱性狀態(tài)，未來應(yīng)加強(qiáng)風(fēng)險(xiǎn)防御體系建設(shè)，降低自然災(zāi)害、人為活動(dòng)可能造成的生態(tài)風(fēng)險(xiǎn)；針對(duì)林地連綿出現(xiàn)的高景觀脆弱性狀態(tài)，未來應(yīng)增加土地利用的空間異質(zhì)性，以降低區(qū)域景觀脆弱性水平。

筆者在土地利用多情景模擬的基礎(chǔ)上，使用景觀脆弱性指數(shù)探究研究區(qū)未來生態(tài)風(fēng)險(xiǎn)的演變狀況，實(shí)現(xiàn)了區(qū)域生態(tài)風(fēng)險(xiǎn)的表征和可視化。然而，盡管景觀脆弱性指數(shù)能表征景觀面臨的生態(tài)風(fēng)險(xiǎn)，但是無法解釋研究區(qū)生態(tài)系統(tǒng)演化的前因后果，因而對(duì)生態(tài)風(fēng)險(xiǎn)預(yù)測(cè)缺乏指向性，所以接下來應(yīng)針對(duì)特定生態(tài)災(zāi)害過程展開模擬，從而加深對(duì)景觀脆弱性指數(shù)生態(tài)內(nèi)涵的理解。