摘要" 基于2000、2010和2020年三期土地利用數(shù)據(jù)，利用景觀生態(tài)風險評價模型、土地利用轉(zhuǎn)移矩陣、空間自相關分析和地理探測器等方法，分析典型旅游城市H的景觀生態(tài)風險時空演變趨勢及空間分異驅(qū)動因素。結果表明，研究區(qū)林地和水域等面積增加明顯，景觀生態(tài)風險總體處于較低水平且趨于好轉(zhuǎn)，生態(tài)風險在空間上呈現(xiàn)較弱的空間正依賴性，且程度逐漸減弱，局部自相關以“低—低”聚集類型為主，自然因素是景觀生態(tài)風險的主導因素，空間分異格局是多因子協(xié)同作用的結果。研究結果為地區(qū)生態(tài)風險防范與可持續(xù)發(fā)展提供參考。

關鍵詞" 景觀生態(tài)風險；土地利用；時空演變；地理探測器

中圖分類號" P901；X826" " " "文獻標識碼" A" " " "文章編號" 1007-7731（2024）23-0077-08

DOI號" 10.16377/j.cnki.issn1007-7731.2024.23.016

Investigation on the spatial differentiation and influence mechanism of landscape ecological risk in tourist cities

WU Zhiyuan1" " XIAO Yuexin2" " CHEN Fangfang1

（1Changsha Natural Resources Comprehensive Survey Center， China Geological Survey， Changsha 410000， China;

2Huangshan Observation and Research Station for Land-water Resources， Huangshan 245000， China）

Abstract" Based on the land use data of 2000， 2010 and 2020， the spatial-temporal evolution trend and spatial differentiation driving factors of landscape ecological risk in H city， a typical tourist city， were analyzed by using landscape ecological risk assessment model， land use transfer matrix， spatial autocorrelation analysis and geographical detector. The results showed that the area of forest land and water area in the study area increased significantly. The landscape ecological risk in the study area was generally at a low level and tended to improve. The ecological risk showed a weak spatial positive dependence in space， and the degree gradually weakened. The local autocorrelation was dominated by “l(fā)ow-low” aggregation type. The landscape ecological risk was mainly dominated by natural factors， and the spatial differentiation pattern was the result of multi-factor synergy. The research results provided a reference for regional ecological risk prevention and sustainable development.

Keywords" landscape ecological risk; land utilization; spatial-temporal evolution; geographical detector

在城鎮(zhèn)化進程中，土地利用的變化可能導致土地利用模式和景觀格局的改變，故社會經(jīng)濟發(fā)展與生態(tài)環(huán)境保護的平衡日益受到關注[1]。景觀生態(tài)風險是指在自然或人為因素影響下景觀格局與生態(tài)過程相互作用過程中可能產(chǎn)生的不利生態(tài)后果，其依托景觀生態(tài)學的生態(tài)過程與空間格局的耦合關聯(lián)視角，更加注重生態(tài)風險的時空異質(zhì)性和尺度效應，致力于實現(xiàn)多源生態(tài)風險的綜合表征及其空間可視化[2]。

目前，相關學者針對流域[3]、城市[4]、典型地貌區(qū)[5]和生態(tài)脆弱區(qū)[6]等展開了較為深入的研究，為推進生態(tài)共建共治，優(yōu)化土地利用格局提供了參考。關于景觀生態(tài)風險防范與治理的研究內(nèi)容在不斷擴展，但關注典型城市的人地互動區(qū)因旅游業(yè)快速發(fā)展帶來的景觀生態(tài)風險響應機制的研究較少。旅游業(yè)的發(fā)展在一定程度上推動了經(jīng)濟社會的發(fā)展，但其本身具有資源依托和能源消耗特征，同時需不斷提高基礎設施建設水平以滿足現(xiàn)代旅游需求，土地利用方式也隨之改變[7]。學者針對以旅游驅(qū)動的土地利用變化對區(qū)域生態(tài)系統(tǒng)的影響展開了深入研究，如朱順順等[8]采用功能價值法，分析了黃山風景區(qū)生態(tài)系統(tǒng)服務價值的動態(tài)變化特征及其旅游業(yè)發(fā)展的增值效應；鐘莉娜等[9]以武夷山市為例，搭建了生態(tài)系統(tǒng)服務視域下旅游導向型城鎮(zhèn)化的研究框架；李志遠等[10]測度了31個省的旅游生態(tài)韌性水平，凸顯了旅游生態(tài)系統(tǒng)復合性及動態(tài)演化特征。綜上，已有研究多關注旅游與生態(tài)系統(tǒng)服務、生態(tài)韌性等的關系，較少涉及與生態(tài)風險之間的關系?？茖W評價景觀生態(tài)風險是保障地區(qū)生態(tài)安全的重要前提。生態(tài)旅游是生態(tài)系統(tǒng)價值轉(zhuǎn)換的重要方式，因此，探究旅游地區(qū)開發(fā)建設與生態(tài)系統(tǒng)安全間的潛在聯(lián)系，對于該地區(qū)土地資源可持續(xù)管理與生態(tài)旅游可持續(xù)發(fā)展具有重要意義。

鑒于此，本研究以典型旅游城市H為對象，通過構建景觀生態(tài)風險評價指標體系，識別該地區(qū)景觀生態(tài)風險時空分布格局，并探究其空間聯(lián)結效應，借助地理探測器揭示景觀生態(tài)風險與旅游城市自然社會因素間的潛在聯(lián)系，為該地區(qū)及生態(tài)相似區(qū)域在旅游業(yè)驅(qū)動的快速城鎮(zhèn)化進程中防范和治理生態(tài)風險提供參考。

1 材料與方法

1.1 研究區(qū)基本情況

研究區(qū)區(qū)域總面積9 807 km2，地形以山地為主，海拔在61～1 806 m，高差較大，主要山體呈東西走向。境內(nèi)旅游資源豐富多樣且品級較高，擁有2處世界遺產(chǎn)、1處世界地質(zhì)公園、3處國家5A級景區(qū)和3處國家級風景名勝區(qū)，是典型的旅游城市。研究區(qū)旅游總收入占比較高。旅游業(yè)的快速發(fā)展促進了城鎮(zhèn)化進程，該地景觀格局受開發(fā)影響。

1.2 數(shù)據(jù)來源

本研究中土地利用數(shù)據(jù)來源于武漢大學CLCD數(shù)據(jù)集（https：//essd.copernicus.org/articles/13/3907/2021/），空間分辨率30 m。高程與坡度數(shù)據(jù)來源于地理空間數(shù)據(jù)云（https：//www.gscloud.cn/）ASTER GDEM數(shù)據(jù)集，空間分辨率30 m。GDP（Gross domestic product）、人口密度、年均溫度和年均降水數(shù)據(jù)分別來源于中國科學院資源環(huán)境科學與數(shù)據(jù)平臺（https：//www.resdc.cn/）中國GDP空間分布公里網(wǎng)格數(shù)據(jù)集、中國人口空間分布公里網(wǎng)格數(shù)據(jù)集和中國氣象要素年度空間插值數(shù)據(jù)集，空間分辨率1 km。歸一化植被指數(shù)（Normalized vegetation index，NDVI）數(shù)據(jù)來源于地理資源數(shù)據(jù)云（www.gis5 g.com）30 m分辨率逐年最大NDVI數(shù)據(jù)集，空間分辨率30 m。行政區(qū)劃數(shù)據(jù)來源于國家基礎地理信息中心（https：//www.ngcc.cn/）。

1.3 研究方法

1.3.1 土地利用變化特征分析 土地利用轉(zhuǎn)移矩陣可定量描述一定時間跨度內(nèi)研究區(qū)內(nèi)各地類的轉(zhuǎn)移情況，體現(xiàn)特定時間內(nèi)土地利用變化的方向與流量，幫助了解研究區(qū)內(nèi)地類轉(zhuǎn)換趨勢，其通過空間相交實現(xiàn)[11]，計算如式（1）。

P_ij=[（p_11amp;p_12amp;…amp;p_1m@p_21amp;p_22amp;…amp;p_2m@?amp;?amp;?amp;?@p_n1amp;p_n2amp;…amp;p_nm ）] （1）

式中，P_ij為研究初期i地類轉(zhuǎn)為j地類的面積，轉(zhuǎn)移矩陣中行為初期時第m種地類，列為末期第n種地類。

1.3.2 景觀生態(tài)風險量化 景觀生態(tài)風險不僅受到外部環(huán)境的影響，還取決于景觀內(nèi)部的脆弱性，為表征研究區(qū)景觀生態(tài)風險，基于景觀格局指數(shù)構建景觀生態(tài)風險評價模型。景觀格局指數(shù)是基于土地利用格局計算得出的用于表征研究區(qū)景觀組成與空間配置特征的定量指標，通過景觀格局指數(shù)構建景觀生態(tài)風險評價模型，從空間上定量反映人類活動改造景觀格局與生態(tài)風險的聯(lián)系[12]。同時，為空間量化及合理分析研究區(qū)景觀生態(tài)風險，以平均斑塊面積2～5倍的原則綜合考慮研究區(qū)面積大小及計算量，選取5 km×5 km格網(wǎng)對研究區(qū)進行劃分，共得到475個評價單元。借鑒已有文獻，從研究區(qū)景觀結構出發(fā)，選取景觀干擾度、景觀損失度和景觀脆弱度指數(shù)構建景觀生態(tài)風險指數(shù)，并將各評價單元的景觀生態(tài)風險指數(shù)作為該評價單元中心質(zhì)點的景觀生態(tài)風險值，在此基礎上分析研究區(qū)景觀生態(tài)風險的時空演變趨勢。計算如式（2）～（7）。

E_i=aC_i+bN_i+cD_i （2）

C_i=n_i?A_i （3）

N_i=A/（2A_i ） √（n_i/A） （4）

D_i=（Q_i+M_i）/4+L_i/2 （5）

R_i=E_i×F_i （6）

ERI_k=∑_（i=1）^n?〖A_ki/A_k" R_i 〗 （7）

式中，E_i用于表征景觀類型受外界干擾程度的大小，其值越大越容易引發(fā)生態(tài)風險，其由景觀破碎度C_i、景觀分離度N_i和景觀優(yōu)勢度D_i構成，a、b和c為對應景觀格局指數(shù)的權重，需保證其和為1，根據(jù)已有文獻分別賦值0.5、0.3和0.2；C_i反映景觀受分割造成的碎片化程度，n_i為第i類景觀的斑塊個數(shù)，A_i為第i類景觀的總面積；N_i表征景觀在空間上的離散程度，A為景觀總面積；D_i反應景觀類型在研究區(qū)的重要程度，Q_i為有i類景觀的單元個數(shù)與單元總個數(shù)的比值，M_i為i類景觀的斑塊個數(shù)與斑塊總數(shù)的比值，L_i為i類景觀的面積與單元總面積的比值；R_i為景觀損失度，表示外部因素致使景觀受損的程度，其由景觀脆弱度F_i和景觀干擾度E_i構成，F(xiàn)_i表示景觀生態(tài)系統(tǒng)內(nèi)部的易損性，通過專家打分法得出，耕地、林地、草地、水域、建設用地和未利用地賦值歸一化后分別為0.19、0.10、0.14、0.24、0.05和0.29；ERI_k是第k個評價單元內(nèi)的景觀生態(tài)風險指數(shù)，A_ki是第k個評價單元內(nèi)第i類景觀的面積，A_k是第k個評價單元內(nèi)的地類總面積。

1.3.3 空間自相關分析 為描述研究區(qū)景觀生態(tài)風險指數(shù)在特定位置的屬性值是否與相鄰空間的數(shù)值存在顯著的空間聯(lián)結效應[13]，借助Geoda軟件的空間自相關分析功能，通過計算三期莫蘭指數(shù)（Moran’ I）表征景觀生態(tài)風險值在整個研究區(qū)內(nèi)的全局空間相關性，Moran’I指數(shù)的值域為[-1，1]，其值為負表示空間變量呈現(xiàn)空間負相關，其值為正表示空間變量呈空間正相關，其值為0則表示空間變量不存在空間自相關。通過繪制局部空間自相關LISA空間聚類圖反映研究區(qū)景觀生態(tài)風險值在局部的聚集情況，聚集類型分為高—高、高—低、低—高、低—低和不顯著5種類型。全局自相關系數(shù)及局部自相關系數(shù)的計算如式（8）～（9）。

全局Moran’I=（∑_（i=1）^n?∑_（j=1）^m?〖W_ij （x_i-ˉx〗）（x_j-ˉx））/（S^2 ∑_（i=1）^n?∑_（j=1）^m?W_ij ） （8）

局部Moran’I=（n（x_i-ˉx））/（∑_i?〖（x_i 〖-ˉx）〗^2 〗） ∑_（j=1）^n?〖W_ij （x_j-ˉx）〗 （9）

式中，x_i與x_j是i和j像元上的對應空間屬性變量的觀測值，ˉx是區(qū)域空間變量的均值，W_ij是i和j像元的空間鄰接權重矩陣，由矩陣W_（（n*n））構成，其中n為空間像元個數(shù)。

1.3.4 景觀生態(tài)風險空間分異影響因素分析 地理探測器由因子探測器、交互作用探測器、風險探測器和生態(tài)探測器組成[14]，本文主要利用其中的因子探測和交互探測兩個模塊。該模型是一種可定量探測地理現(xiàn)象空間分異性并分析其驅(qū)動機理的統(tǒng)計學方法，結果采用q統(tǒng)計定量衡量影響生態(tài)系統(tǒng)服務的因子貢獻值大小及其交互作用強弱，q值取值區(qū)間為[0，1]，q值越大表明解釋力越強，其具體計算如式（10）。

q=1-SSW/SST=1-（∑_（h=1）^k?〖N_h σ_h^2 〗）/（Nσ^2 ） （10）

式中，h為變量或因子的分層（h=1，2，3，…，k），N和N_h分別為全區(qū)單元數(shù)和第h層的單元數(shù)，σ_h^2和σ^2分別為第h層和全區(qū)變量的方差，SSW為該層內(nèi)的方差之和，SST為全區(qū)的總方差。本研究從自然和社會兩個層面共選取數(shù)字高程模型（Digital elevation model，DEM）、GDP、NDVI、年均降水、坡度、人口密度和年均溫度共7個驅(qū)動因子，對應以x1～x7表示，因地理探測器適用于類別數(shù)據(jù)，因此采用SPSS軟件的K值聚類法將7個驅(qū)動因子分為6個層級，并分別賦予1～6的值，提取至對應評價單元中。

2 結果與分析

2.1 土地利用變化特征

研究區(qū)2000—2020年土地利用格局如圖1所示。2000—2020年，研究區(qū)主要土地利用類型為林地，高森林覆蓋率決定了其優(yōu)異的自然環(huán)境稟賦，為游客提供了良好的旅游體驗；研究區(qū)耕地主要位于各區(qū)的建設用地聚集區(qū)周圍，主要分布于A、B、D、E和G地區(qū)；水域主要為H區(qū)北部的T湖，草地與未利用地面積占比較小。從時間維度來看，20年間研究區(qū)建設用地增加明顯，由原來的各區(qū)已有建成區(qū)中心向外拓展，其中A、D、E和F地區(qū)建成區(qū)增加范圍較大。

2000—2020年研究區(qū)土地利用方式的轉(zhuǎn)變情況見表1。部分耕地主要轉(zhuǎn)出地類為林地與建設用地，在前一個10年耕地著重用于補充生態(tài)用地，在后一個10年耕地主要用于開發(fā)建設；林地面積呈先增后降、總體呈增加趨勢，由8 796.46 km2增加至8 986.83 km2，主要與耕地發(fā)生互換；水域面積有所增加。

2.2 景觀生態(tài)風險時空演變特征

運用克里金法將研究區(qū)評價單元的景觀生態(tài)風險指數(shù)進行空間插值，得出2000—2020年研究區(qū)景觀生態(tài)風險空間分級（圖2），分級標準按2000年自然斷點法統(tǒng)一劃分，分為低風險區(qū)（0.024 68≤ERI）、較低風險區(qū)（0.024 68lt;ERI≤0.041 81）、中風險區(qū)（0.041 81lt;ERI≤0.067 92）、較高風險區(qū)（0.067 92lt;ERI≤0.116 06）和高風險區(qū)（ERIgt;0.116 06）。為便于比較分析研究區(qū)各時間節(jié)點的景觀生態(tài)風險時空演變特征，通過面積統(tǒng)計法得出各等級風險的面積及占比和空間疊加法得出風險的空間變動情況。

從整體空間分布來看（圖2），研究區(qū)景觀生態(tài)風險總體維持在較低水平，但不同等級的風險區(qū)空間分異特征明顯，其中低風險區(qū)與林地分布具有較高程度的重疊，除境內(nèi)T湖流域、G地城區(qū)，B區(qū)、E區(qū)、F區(qū)和D地集中建設區(qū)及研究區(qū)東南邊陲外，大部分地區(qū)生態(tài)系統(tǒng)較為穩(wěn)定，景觀生態(tài)風險等級較低，這些地區(qū)以生態(tài)保護優(yōu)先為原則，嚴格限制建設活動，景觀斑塊整體性較強，生態(tài)安全得到保障。較高以上風險區(qū)面積占比較小，主要位于T湖地區(qū)及西南邊陲地區(qū)，此類地區(qū)由于地類交錯和水域內(nèi)生性脆弱等致使易誘發(fā)生態(tài)風險問題。研究區(qū)內(nèi)人類活動較為頻繁的耕地和建設用地集中區(qū)風險等級為中度，源于建設用地對周邊地類的干擾及耕地景觀內(nèi)生性中度脆弱度。從時間維度來看（表2），研究區(qū)生態(tài)低風險區(qū)面積在20年間持續(xù)上升，由68.47％上升至74.83％，較低風險區(qū)占比則由21.45％降至17.52％，中度及以上風險區(qū)面積明顯減少，占比由10.09％下降至7.64％。綜合來看，20年間研究區(qū)景觀生態(tài)風險呈現(xiàn)逐步改善的趨勢，以生態(tài)優(yōu)先的發(fā)展模式進一步鞏固了林地的景觀整體性，減輕了對生態(tài)系統(tǒng)的侵擾。

根據(jù)景觀生態(tài)風險的空間變化來看（圖3），2000—2020年，研究區(qū)景觀生態(tài)風險等級呈現(xiàn)明顯降低趨勢，降低區(qū)域集中在東南部集中建成區(qū)、A區(qū)T湖外圍、G地建成區(qū)周邊和D地中部；風險升高區(qū)域位于A區(qū)南部及C區(qū)北部。按時間維度劃分，0～10年間景觀生態(tài)風險降低態(tài)勢尤為明顯，第10～20年間T湖中風險區(qū)向外略有擴張，A區(qū)南部因建設擾動和草地損失度的提高景觀生態(tài)風險等級出現(xiàn)上升。總體看來，20年間景觀生態(tài)風險的降低主要源于部分耕地被替換為景觀生態(tài)穩(wěn)定性更高的林地與建設用地，研究區(qū)合理的生態(tài)建設與治理工作使得其生態(tài)系統(tǒng)穩(wěn)定性不斷得到提高。

2.3 景觀生態(tài)風險空間自相關

通過計算全局空間自相關和局部空間自相關得出研究區(qū)景觀生態(tài)風險的空間依賴程度和空間聚集分布情況。由Moran’I可得出，研究區(qū)景觀生態(tài)風險呈現(xiàn)較弱的空間正相關性，且逐年降低，表明景觀生態(tài)風險在空間上的依賴程度下降，與景觀生態(tài)風險的好轉(zhuǎn)情況相對應。由局部空間自相關LISA圖（圖4）可看出，研究區(qū)景觀生態(tài)風險以“低—低”聚集為主，低值聚集區(qū)主要位于C地中部、G地南部和G地北部，這部分區(qū)域位于山林腹地，區(qū)域景觀類型單一，受人為干擾程度較小。隨著時間的推移，C地南部低值聚集區(qū)數(shù)量減少，中部低值聚集區(qū)數(shù)量逐漸增加，原因可能是山林內(nèi)人類活動不斷增強，對林地產(chǎn)生了一定干擾，中部林地密度提高致使景觀生態(tài)風險降低?！案摺摺本奂瘏^(qū)位于研究區(qū)東南邊陲，且數(shù)量較為穩(wěn)定，“低—高”聚集區(qū)零星分布于高值聚類區(qū)周邊。

2.4 景觀生態(tài)風險影響因素

采用地理探測器定量識別研究區(qū)景觀生態(tài)風險空間分異的影響因素，并判別對景觀生態(tài)風險起到關鍵影響的自然和社會因素。由表3可知，GDP、人口密度等社會因素的p值大于0.1，未通過顯著性檢驗，表明社會因素對研究區(qū)景觀生態(tài)風險未產(chǎn)生明顯影響。其余5個自然因素均通過顯著性檢驗，2000年因子驅(qū)動力排名q值為年均溫度gt;坡度gt;NDVIgt;DEMgt;年均降水，研究區(qū)植被覆蓋度高，植物種類豐富，受溫度、地形影響較大。2000—2020年因子驅(qū)動力排名q值未發(fā)生變化，DEM的驅(qū)動力隨時間推移逐漸提高，研究區(qū)為山區(qū)，海拔高，陡坡多，地勢平坦地區(qū)受人類開發(fā)活動影響其景觀生態(tài)風險變動較大；NDVI、年均降水量和坡度的解釋力逐年遞減，這可能源于研究區(qū)植被覆蓋率高且較為穩(wěn)定，人類活動對土地的干擾與投入不斷加大導致影響植被覆蓋的自然因素的影響逐漸降低。

研究區(qū)景觀生態(tài)風險空間分異的因子交互探測結果如圖5所示，結果顯示，各驅(qū)動因子交互時均呈現(xiàn)增強效應，同時具備非線性增強與雙因子增強關系，表明驅(qū)動因子間的交互作用可明顯提升對景觀生態(tài)風險時空分異的解釋能力，即說明研究區(qū)景觀生態(tài)風險的空間分異格局是多因子協(xié)同作用的結果。其中，自然因子間的交互作用是導致研究區(qū)景觀生態(tài)風險空間分異的關鍵誘因，2000年驅(qū)動力大于0.8的因子交互類型有x1∩x3、x1∩x4、x1∩x5、x2∩x7、x3∩x4、x3∩x6、x3∩x7、x4∩x7、x5∩x6、x5∩x7和x6∩x7，驅(qū)動力大于0.7的因子交互類型共有15種；2000—2020年因子間的交互作用在數(shù)量上未下降但在強度上有所減弱，兩兩因子交互解釋強度均有不同程度的下降。綜合來看，因子間的交互作用總體呈現(xiàn)減弱趨勢，這與單因子探測中多個因子的解釋力下滑相對應，自然因子間的交互作用解釋力較強，但自然因子與社會因子的交互帶來的解釋力提升明顯高于自然因子間的交互，表明社會因子雖不能獨立對研究區(qū)景觀生態(tài)風險產(chǎn)生明顯影響，但其與自然因子之間的協(xié)同作用是導致景觀生態(tài)風險分異的關鍵原因。這表明研究區(qū)地形復雜，植被覆蓋度高，人類活動的增強與自然環(huán)境變化的交互影響促成了現(xiàn)有景觀生態(tài)風險格局。

3 結論與討論

旅游業(yè)的快速發(fā)展可能致使土地空間格局和生態(tài)安全格局在不斷演化和重構，人類活動對景觀格局的改造和區(qū)域生態(tài)系統(tǒng)造成了明顯影響。通過評估景觀生態(tài)風險，厘清景觀生態(tài)風險的影響因素，有助于為區(qū)域旅游業(yè)高質(zhì)量發(fā)展和土地資源合理利用提供理論支撐?；?000、2010和2020年三期土地利用數(shù)據(jù)，借助景觀生態(tài)風險指數(shù)、空間自相關分析和地理探測器等，刻畫了研究區(qū)景觀生態(tài)風險的時空演變格局，探究了景觀生態(tài)風險的自然和社會驅(qū)動因素，得出如下結論。（1）2000—2020年，研究區(qū)林地和水域等面積得以增加。景觀生態(tài)風險整體呈現(xiàn)較低水平，各等級風險的空間分異特征明顯，山林腹地景觀整體性高，發(fā)生景觀生態(tài)風險的概率低，水域及人類活動強度較高的區(qū)域，因景觀內(nèi)生性脆弱和人類活動擾動等，景觀生態(tài)風險處于中度以上水平。20年間研究區(qū)景觀生態(tài)風險明顯降低，生態(tài)系統(tǒng)穩(wěn)定性不斷提高。（2）研究區(qū)景觀生態(tài)風險呈較弱的全局空間正相關性，且在20年間正相關依賴程度不斷降低。景觀生態(tài)風險的局部空間自相關以位于研究區(qū)西南部山林腹地的“低—低”聚集類型為主，且呈減少趨勢，高值聚集區(qū)位于研究區(qū)東南邊陲地帶。（3）2000—2020年，研究區(qū)景觀生態(tài)風險的時空分異格局主要由年均溫度、坡度、NDVI、DEM和年均降水量等自然因素決定，且因子兩兩交互均呈現(xiàn)出雙因子交互增強效應。研究區(qū)景觀生態(tài)風險空間分異是多因子協(xié)同作用的結果，自然因子與社會因子交互對景觀生態(tài)風險格局產(chǎn)生明顯影響。

研究區(qū)依托其豐富的自然風光與歷史人文底蘊成為典型的旅游城市，依托旅游業(yè)推進城市經(jīng)濟發(fā)展的本質(zhì)是促進生態(tài)環(huán)境和社會經(jīng)濟的協(xié)調(diào)發(fā)展。旅游業(yè)的發(fā)展依托良好穩(wěn)定的生態(tài)環(huán)境，需劃定“三區(qū)三線”，協(xié)調(diào)土地利用結構和布局，權衡經(jīng)濟效益與生態(tài)環(huán)境間的關系，在建設用地集中的B、E地及各縣的旅游片區(qū)，做好城市規(guī)劃工作，維護城市周邊地帶的景觀整體性，建立綠色生態(tài)廊道作為城區(qū)與主體生態(tài)功能區(qū)之間的緩沖。在T湖、H風景區(qū)等重要生態(tài)保護區(qū)加強生態(tài)風險監(jiān)測，依據(jù)環(huán)境容量和資源承載力嚴格控制開發(fā)強度，建立可持續(xù)的生態(tài)友好的土地管理和景觀維護機制，盡可能降低對生態(tài)地類的侵擾，有效提升生態(tài)系統(tǒng)的穩(wěn)定性。

參考文獻

[1] 呂永龍，王塵辰，曹祥會. 城市化的生態(tài)風險及其管理[J]. 生態(tài)學報，2018，38（2）：359-370.

[2] 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.

[3] 趙鵬偉，錢建平，劉佳雷，等.漓江流域景觀生態(tài)風險時空演變及風險評價[J].桂林理工大學學報，2024，44（3）：520-529.

[4] 沈楊，汪晗，聶鑫. 基于景觀生態(tài)風險和生態(tài)系統(tǒng)服務價值的海岸帶地區(qū)生態(tài)修復分區(qū)研究：以防城港市為例[J]. 環(huán)境工程技術學報，2024，14（3）：1066-1076.

[5] 奚世軍，安裕倫，李陽兵，等. 基于景觀格局的喀斯特山區(qū)流域生態(tài)風險評估：以貴州省烏江流域為例[J]. 長江流域資源與環(huán)境，2019，28（3）：712-721.

[6] 馬勝，梁小英，劉迪，等. 生態(tài)脆弱區(qū)多尺度景觀生態(tài)風險評價：以陜西省米脂縣高渠鄉(xiāng)為例[J]. 生態(tài)學雜志，2018，37（10）：3171-3178.

[7] 彭建，徐飛雄，吳見，等. 典型旅游城市生境質(zhì)量空間分異及其影響機理研究：以黃山市為例[J]. 長江流域資源與環(huán)境，2019，28（10）：2397-2409.

[8] 朱順順，章錦河，胡歡，等. 旅游發(fā)展的生態(tài)系統(tǒng)服務價值增值效應研究[J]. 長江流域資源與環(huán)境，2019，28（3）：603-613.

[9] 鐘莉娜，滕菲菲，李正歡，等. 生態(tài)系統(tǒng)服務視域下的旅游導向型城鎮(zhèn)化：框架與展望[J]. 生態(tài)環(huán)境學報，2020，29（10）：2130-2140.

[10] 李志遠，馮學鋼，何靜，等. 中國旅游生態(tài)韌性空間關聯(lián)網(wǎng)絡結構及其驅(qū)動因素[J]. 地理研究，2024，43（5）：1146-1165.

[11] 張建國，李晶晶，殷寶庫，等. 基于轉(zhuǎn)移矩陣的準格爾旗土地利用變化分析[J]. 水土保持通報，2018，38（1）：131-134.

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

[13] 呂樂婷，張杰，孫才志，等. 基于土地利用變化的細河流域景觀生態(tài)風險評估[J]. 生態(tài)學報，2018，38（16）：5952-5960.

[14] 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.

（責任編輯：何" 艷）