基于景观生态风险评价的白洋淀流域景观格局优化研究

高 星，宋昭颖，李晨曦，汤怀志

(1.河北经贸大学公共管理学院，河北 石家庄 050061；2.河北经贸大学河北省社会经济社会发展地理信息大数据平台，河北 石家庄 050061；3.西部绿色建筑国家重点实验室/ 西安建筑科技大学，陕西 西安 710055；4.西安建筑科技大学公共管理学院，陕西 西安 710055；5.中国农业大学土地科学与技术学院，北京 100083)

景观生态风险是指生态系统与景观格局受到生态系统外一切对其构成威胁的要素作用的可能性，这些作用的结果可能导致生态系统结构和功能受损，从而危及生态系统安全和健康[1-3]。流域景观的生态风险成为当前生态风险领域的研究热点。以流域为目标进行的景观格局优化是实现资源、环境与经济社会协调发展的最佳途径。设立雄安新区是疏解北京非首都功能和推进京津冀协同发展的重要国家战略[4]，其国土空间生态结构、过程失衡及累积效应导致的服务功能退化和系统性生态风险威胁着区域高质量发展。随着雄安新区的设立和快速开发建设，白洋淀流域生态战略地位逐步凸显。为落实“十四五”规划及《白洋淀生态环境治理和保护规划(2018—2035)》，保障生态安全与实现生态空间管控，促进流域综合治理，迫切需要对白洋淀流域进行景观生态风险评价，分析人类活动对景观格局产生的干扰和胁迫，为优化流域景观格局提供参考依据[5]，在空间上增强区域生态系统的连通性、整体性，提升区域生态安全水平[6-7]。

景观格局优化是基于生态安全和景观风险研究提出的，该理论经过30余年的发展，在国际上已经形成了以景观生态规划为主的研究方法。20世纪90年代，俞孔坚[8]提出景观生态安全格局理论，并运用了“源-阻力面”的研究模式。国际上的研究主要侧重全球的生态安全问题[9-10]，国内的研究多集中于生态安全评价[11-12]、指标体系构建[13-14]、景观风险评价[15-16]、景观格局优化[17]等。从研究方法看，主要包括最小耗费距离模型[18]、粒度反推法[19]、生态阻力面[20]、空间主成分分析与阻力模型相结合[21]、热点分析法与阻力面相结合[22]、最小累积阻力模型[23-24]；从研究对象看，包括城市[25]、流域[26]、森林[27]、草原[28]、湿地[29]等生态系统的景观格局优化。虽然目前景观风险评价和景观格局优化方面的研究逐渐完善，但缺乏选取多个景观指数作为景观生态风险评价因子的研究，同时也鲜有对类似白洋淀流域的发展方向突变式地区景观风险评价与景观格局优化的案例研究。

雄安新区位于白洋淀流域的腹地，随着雄安新区发展进程不断加快，建设用地加速扩张，景观破碎化程度日益加深，白洋淀流域生态环境可能会受到影响，生态风险问题迫在眉睫。笔者基于最小累积阻力模型(MCR)和生态阻力面综合构建法，结合空间主成分分析和网络结构评价方法对白洋淀流域景观风险进行评价，更直观地提出景观格局优化措施，有利于构建白洋淀流域生态治理一体化格局，推动白洋淀流域生态环境健康发展和生态保护补偿机制的建立，为流域景观格局优化提供参考。

1 研究区概况与数据来源

1.1 研究区概况

该研究中的白洋淀流域指白洋淀流域潴龙河、孝义河、唐河、府河、漕河、瀑河、萍河、白沟引河(含南拒马河与白沟河)、赵王新河等干支流流经的区域(含雄安新区全域)，流经山西、河北、北京等省份。该地区地貌类型多样，以耕地、林地和建设用地为主，地势西高东低，相对高度达2 815 m，流域处于温带季风区，四季分明，年无霜期约200 d，多年平均降水量500～700 mm。受海洋及地形影响，降水量年际变化大，多雨年和少雨年最大差6.4倍。降水量年内分配也不均匀，冬春两季很少降水，多以暴雨形式集中降于7—8月，故经常出现连年洪后涝、连年干旱或先旱后涝、旱涝交替等情况。

1.2 数据来源

(1)土地利用数据：选择2020年Landsat 8影像数据(来源于地理空间数据云平台http:∥www.gscloud.cn/)作为原始数据，在ENVI 5.3平台下对2020年遥感影像进行裁剪预处理、监督分类和分类后处理，参考中国科学院土地利用/覆被分类体系将其分为6个一级地类。处理后的白洋淀流域景观分类数据精度在87%以上。(2)DEM数据：坡度和径流量采用SRTMSLOPE 90 m分辨率坡度数据和GDEM V2的30 m分辨率数字高程数据，在ArcGIS 10.5平台下处理得到坡度和径流量数据。(3)植被覆盖度数据：在ENVI 5.3平台下对2020年Landsat 8影像数据(来源于地理空间数据云平台) 进行处理，得到植被覆盖度数据。(4)土壤数据：土壤类型和属性数据分别来源于中国科学院提供的河北省土壤类型数据和《河北土种志》。(5)在Open Street Map(来源于https:∥www.openstreetmap.org/) 上获取白洋淀流域道路、河流、居民点和景点数据，并在ArcGIS 10.5平台下运用欧氏距离分析工具计算得出研究区距道路距离、距水体距离、距居民点距离和距景点距离这4个指标。(6)景观因素数据：根据2020年白洋淀流域景观分类数据，运用Fragstats 4.2软件得到香农均匀度、景观分离度和景观丰度指数。

2 研究方法

2.1 景观生态风险评价指标选择

针对研究区现状，考虑到数据的可获取性，分别从自然因素、人类活动因素、景观因素3个方面选取指标对白洋淀流域的景观生态风险进行评价。将景观生态风险划分为4个等级，1～4级分别为低风险、中风险、较高风险、高风险。植被覆盖度和坡度参考现有数据和文献进行分级，其他指标结合文献采用自然段点法进行分级(表1)。

(1)自然因素指标。植被覆盖度反映了一个地区的绿化程度，数值越大说明生态环境越好；坡度越大，景观生态存在的风险就越大；径流量越大，说明该区域水循环程度越好；土壤类型越有利于作物生长，对生态的维持和改善作用就越大。水体可以在一定程度上起到维持和改善生态环境的作用。

(2)人类活动因素指标。由于人类建造住房和公路，改变了原有的土地利用覆被及景观构成，对原有景观格局形成了干扰，设定距离道路和居民点越远，景观生态风险程度越低；距水体距离越近，景观生态风险程度就越低，反之越高。通常自然景点由于自身特性以及人为维护的原因，距景点距离越近则景观生态风险程度越低，反之越高。

(3)景观因素指标。香农均匀度指数可用于比较不同景观或同一景观不同时期的多样性变化，值越大景观丰富度就越高。景观分离度指数指某一景观类型中不同斑块数个体分布的分离度，分离度指数越高，景观生态风险程度就越大。景观丰度是反映景观组分和空间异质性的关键指标之一，景观丰度越高，物种丰度越高，生态稳定性越强。

2.2 空间主成分分析

空间主成分分析法(SPCA)是将多波段数据变换到一个新的空间，在尽量不丢失信息的前提下通过消除冗余的方式来压缩数据[21-22]。

表1 白洋淀流域景观生态风险指标分级及标准[20-21，30-34]

采用空间主成分分析法对白洋淀流域景观生态风险进行评价，公式为

(1)

式(1)中，E为景观生态风险评价结果；aij为第i个栅格对应的第j个主成分；Fj为第j个主成分的特征值贡献率。

用ArcGIS 10.5软件中的主成分分析工具(SPCA)计算得到每个主成分对应的空间载荷数据、特征值、贡献率以及各主成分的累积贡献率。将累积贡献率超过75%的主成分空间载荷数据进行加权叠加，并使用自然断点法进行评价分级。

2.3 景观格局优化

2.3.1最小阻力面模型

最小阻力面模型的公式[35]为

(2)

式(2)中，RMC为生态源j到任意一点i之间的最小阻力累积值；Dij为景观格局阻力表面上第i个栅格到第j个生态源地之间所跨越的距离；Wi为景观阻力表面上第i个栅格阻碍生态流运行的阻力值。

2.3.2“生态源地”识别

“生态源地”即对景观过程发展能产生较大价值的地区，可对生态系统循环起到正向推动作用[22]。结合白洋淀流域的地类分布状况，确定水体和林地对生态环境的稳定发展起到较大作用，所以将水体和林地确定为该研究区的生态源地。最终选择面积大于0.001 km2的水体和土壤类型较为稳定且面积大于0.005 km2的林地作为研究区的生态源地。

2.3.3阻力面确定

MCR模型的建立首先要确定阻力面。将自然因素、人类活动因素与景观因素相结合，基于空间主成分分析结果，以生态源地作为要素构建最小阻力面模型[19]，运用ArcGIS 10.5软件空间分析模块中的成本距离分析工具得到研究区景观格局阻力面，按自然断点法将阻力大小分为1～4级，分别代表低阻力、中等阻力、较高阻力和高阻力。

2.3.4生态廊道判别

廊道是指不同于两侧基质的狭长地带。在MCR模型生成的阻力面基础上，结合生态源地分布情况，利用ArcGIS 10.5软件水文分析模块中的填洼工具对洼地进行填充，计算无洼地的水文流向、汇流累积量，通过反复设定阈值确定汇流累积量值为1 000，提取大于1 000的值，对其进行矢量化处理，将矢量化的线条进行平滑处理后得到最小耗费路径，去除重复路径后得到最优的关键潜在生态廊道[36]。根据生态廊道的长度，将其分为3个等级(表2)。

表2 研究区廊道和生态节点分级标准

2.3.5生态节点判别

生态节点是整个生态廊道中最关键也是最脆弱的地方，即最大路径与最小路径的交点或最小路径的汇集点[19]。结合研究区的实际情况，将白洋淀流域景观格局的生态节点设定为最小耗费路径的汇集点(表2)。

2.3.6网络结构评价

利用网络结构分析方法，选择网络闭合度(a指数)、节点连接率(b指数)、网络连接度(r指数)以及成本比等指标对生态廊道进行评价[37]，计算公式为

a=(L-V+1)/(2V-5)，

(3)

b=L/V，

(4)

r=L/3(V-2)。

(5)

式(3)～(5)中，L为廊道数量；V为节点数。

3 结果与分析

3.1 流域景观生态风险综合评价

对11个评价指标进行空间分析后发现，前3个主成分的累计贡献率已达100%，表明前3项主成分因子能很好地反映研究区景观生态风险程度的信息(表3)。进一步分析各主成分在原始指标上的载荷(表4)发现，在自然因素中，植被覆盖度在第1主成分上的载荷最大(9.631)，径流量在第3主成分上载荷最大(9.995)，说明自然因素中植被覆盖度和径流量对流域景观生态风险的影响程度较大。在人类活动因素中，距居民点距离因子在第1主成分上的载荷最大(7.649)，距道路距离因子在第2主成分上的载荷最大(5.987)，说明人类活动因素对景观生态风险程度有强烈的影响。在景观因素中，香农均匀度指数对景观生态风险的影响大于蔓延度指数。

对比各个景观生态风险因子的空间分布图(图1)可以发现，自然因素评价因子中，植被覆盖度和坡度的风险分布趋势比较相似，西部林地区域均为风险低值区，向东南部和西北角方向延伸风险逐渐升高。土壤类型因素的风险程度以西南—东北方向的林地为中心向两侧逐渐降低。由于流域集中分布在西南部，因此径流量和距水体距离的风险变化程度较为相似，从西南部向外风险逐渐升高。人类活动因素的3个指标变化趋势基本一致，从中心向外风险逐渐降低。景观因素的4个指标风险变化程度基本一致，从中、西部向外风险逐渐变高。

表3 各主成分特征值及累计贡献率

表4 主成分载荷矩阵

3.2 流域景观生态风险评价

对前3个主成分进行加权求和，得到白洋淀流域每个栅格上的景观生态风险指数，运用重分类工具对其进行等级划分，景观生态风险等级分布情况如图2所示。低风险区域所占面积最小，主要分布在阜平县、易县、唐县附近的林地和草地，该区域林地集中，植被覆盖度高且受人类活动影响小，景观风险等级低。中风险区域大多位于西部，该地区林地和草地分布广泛，景观丰度和香农均匀度指数高，但由于零散分布着居民点和耕地，受到一定程度的人类活动干扰。较高风险区域所占面积最大，主要分布在靠近城镇的林地、草地和城市周边。高风险区域主要分布于白洋淀流域的下游地区，该地区耕地和建设用地分布广泛，各项景观指数均低于西部地区，经济发展带动了城市建设用地扩张，城市建设无疑是流域景观生态的首位影响因素，大清河是典型的内陆河，水资源稀缺，生态环境敏感脆弱，随着人类活动日益增多和对水资源的需求逐渐增大，地下水位逐年下降导致植被开始衰退，流域下游生态受到人类活动的严重干扰。

3.3 景观格局优化

3.3.1流域生态源地识别

由图3可见，林地型生态源地为主要生态源地，主要分布在流域西部保定和张家口市的交界区，面积为10 894.89 km2，该区域植被覆盖度高，景观丰度高，生态系统相对稳定，受人类活动因素干扰很小。水体型生态源地主要分布在流域下游平原地区，面积为424.96 km2，部分集中在安新县白洋淀附近，整体分布较为零散，且距离景观生态风险程度高的区域很近，抵抗外部干扰的能力较差。

3.3.2流域景观格局阻力面分级

如图4所示，低阻力区占地面积最大，面积为27 621.52 km2，主要分布在易县、阜平县、唐县、灵寿县、行唐县等张家口、保定和石家庄的交界区域。中等阻力区占地面积次之，为19 571.66 km2，分布在低阻力区的外围区域，主要位于涞源县、房山区、门头沟区、任丘市、安国市、河间市等区域。较高阻力区主要分布在中等阻力区的外围，主要位于涿鹿县、涞水县、大城县等地的部分区域。高阻力区占地面积为2 734.42 km2。研究区的高阻力区和较高阻力区大部分位于流域下游，生态斑块数量偏少，与生态源地之间缺乏连接，廊道连通性差，生态敏感性高，因此需要通过构建生态廊道来实现白洋淀流域景观格局高阻力和较高阻力区与生态源地之间的连接，以促进生态流进入较高阻力和高阻力区，增强其抵御外界干扰的能力。

图1 白洋淀流域景观生态风险评价因子分布

3.3.3流域生态廊道构建

如图5所示，研究区现共有39条生态廊道。一级生态廊道有12条，经过行唐县、曲阳县、顺平县、涞源县、易县等地，一级生态廊道分布在景观格局低阻力区内部，在所有廊道中长度最长。二级廊道有18条，经过顺平县、安新县、行唐县、定兴县等地，大多位于景观格局低阻力区内部。三级廊道有9条，贯穿景观格局低阻力区和中阻力区，在灵丘县、顺平县、曲阳县、涞水县、定州市等地零散分布。

3.3.4流域生态节点的建立

选取最小耗费路径的汇集点作为生态节点，该点是生态系统功能最薄弱的地方。由图5可知，共识别出研究区生态节点22个。其中一级生态节点有5个，位于一级生态廊道和源地内部，土地利用类型以林地、草地为主，可加强周边林草种植，通过提升植被覆盖度来减弱外界人类活动的干扰。二级生态节点有7个，距一级生态节点较近，可以通过增加植被覆盖度来增强景观丰度。三级生态节点有9个，所连接的区域多为建设用地和耕地，在高阻力区与源地间有重要的连接作用。该区域受人类活动影响很大，可通过建设生态屏障或植被缓冲区来增强与源地间的连接。

3.3.5景观格局优化效果评估

从生态网络结构评价结果(表5)看，3个等级的生态网络结构存在一定的差异，一级生态网络和二级生态网络完整度较高，三级生态网络较为零散。依据阻力面分级结果分别构建了12、18、9条潜在廊道。一级和二级网络节点之间连接度较高，网络闭合度分别为1.33和1.60，节点连接率分别为2.40和2.57，网络连接度分别为1.2和2.0。生态网络结构评价结果表明，一级网络比二级网络更复杂，廊道与节点之间的连通性更强，一级网络的网络闭合度和网络连接度明显高于二级和三级网络，说明二级网络为最优的生态网络，可以加速物质和能量在廊道方向上的扩散，降低景观破碎度，有效提高研究区生态系统服务价值和生境质量，提升区域生态系统对外来干扰的抵御能力。

图2 白洋淀流域景观生态风险等级划分

图3 白洋淀流域生态源地分布

从廊道生态的角度划分，可将研究区的廊道分为道路型廊道、河流型廊道和绿带型廊道。

(1)道路型廊道。在研究区内部主要选取国道112线、国道108线、国道234线、G5高速公路、S10省道及其他重要的县道作为道路型生态廊道建设的重心。在道路两边架设隔音设施，增加道路中间和两侧的绿带宽度来降低道路对周边生态格局的干扰，增强不同阻力区间生态流的流动，提高高阻力区与源地的连通度。

(2)河流型廊道。白洋淀流域内部分布有较多的河流和零散的水体，对于构建河流型廊道有很好的生态基础。要加强河道和水库的清理工作，流域内最大面积的水体在白洋淀周边，推进白洋淀水域保护工程，建立水源保护地，减少周边建设用地的占地面积，最大限度保护白洋淀及其周边水域的生态环境。减少人类对其的干扰，提高河流应对外界干扰的能力。

(3)绿带型廊道。根据白洋淀流域的土地利用特点，要对西部林地和草地实施保护措施，强化市区与低阻力区间的连通性，加快建设大型绿地公园和森林公园等。

图4 白洋淀流域景观格局阻力面分级

图5 白洋淀流域生态网络

表5 生态网络结构评价

4 讨论与结论

4.1 讨论

随着我国生态文明建设及国土空间开发与保护工作的逐步推进，景观生态风险评价受到广泛关注。当前对景观生态风险的研究越来越多，但从自然-人类活动-景观3个方面开展的研究相对较少。白洋淀流域有极其特殊的地理和战略意义，其生态风险状况对雄安新区的生态安全和生态文明建设起着决定性作用。笔者主要选取11项指标作为白洋淀流域景观生态风险程度的评价因子，运用MCR模型构建研究区景观生态阻力面、廊道与生态节点。整体上，研究结果较符合白洋淀流域实际现状。该研究提取的生态源地与生态廊道能较为清晰地体现景观格局优化路径，在一定程度上可为白洋淀流域的生态环境保护治理与景观格局优化提供参考。雄安新区开发建设的持续推进会带动流域内工业园区的壮大，也会出现新的工业企业集中区，但目前位置和规模不易确定。因此，该研究未考虑地方工业对流域生态风险的影响，未来在评价其风险程度时有必要考虑距工业区距离因素。

4.2 结论

将雄安新区所在的白洋淀流域作为研究对象，基于自然-人类活动-景观3个方面选取11个评价因子构建白洋淀流域景观风险评价指标体系，在对流域景观生态风险进行评价的基础上，建立MCR模型提取生态廊道和生态节点，实现景观格局的优化，研究结果表明：

(1)白洋淀流域景观生态风险是基于多维度多因子影响的综合评价结果。评价结果表明，人类活动因素对景观生态风险的影响最强，自然因素维度中的植被覆盖度因子影响次之，景观因素的影响最小。总体来看，风险评价结果符合白洋淀流域的实际情况。

(2)白洋淀流域景观生态风险较高，主要原因是源地间连通性较低，不利于生态流的流动，不能很好地抵抗人类活动带来的干扰。低风险区域所占面积最小，主要分布在阜平县、易县、唐县附近。中风险区域大多位于行唐县、曲阳县、唐县等地。较高风险区域所占面积最大，主要分布在靠近城镇的林地、草地和城市周边。高风险区域主要分布于大城县、河间市、任丘市等地。

(3)根据白洋淀流域的地类分布状况，选取林地和水体作为生态源地，总面积为11 319.85 km2，占流域总面积的35%。基于风险评价结果构建白洋淀流域阻力面模型，基于MCR模型提取流域生态廊道和生态节点，对研究区景观格局进行优化。提取39条潜在生态廊道(其中一级生态廊道12条，二级生态廊道18条，三级生态廊道9条)和21个生态节点(其中一级生态节点5个，二级生态节点7个，三级生态节点9个)。

(4)生态网络结构评价结果表明，3个等级的网络节点之间都形成了不同程度的连接，其中一级生态网络和二级生态网络完整度较高，三级生态网络较为零散。优化后的景观格局网络闭合度、节点连接率、网络连接度较高。研究生态廊道、生态节点的分布有助于建设对应类型的生态廊道，明确修复方向，构建景观生态安全格局。