黄河流域（陕西段）景观生态风险评价及预测分析

2023-06-07潘博华李骏南

河南科技 2023年9期

潘博华李骏南

摘要：【目的】以可持续发展为准则，分析黄河流域的景观生态风险时空演变特征，为黄河流域的高质量发展提供科学依据。【方法】基于1990—2020年土地利用数据计算景观生态风险指数。进行空间自相关分析，在空间上探索景观生态风险指数与驱动因素的空间相关性。并设定自然发展、耕地保护、生态保护和可持续发展四个情景，采用Markov-Flus模型对未来景观生态风险指数进行预测。【结果】研究区内，榆林市、渭南市以及咸阳市北部的景观风险较高，近年来高风险区、较高风险区逐渐收缩；整体的分布呈现“南冷北热”的特点。【结论】不同区域的景观生态风险收缩或扩张情况不同，应以可持续发展为准则，在不同地区采取不同的保护措施。

关键词：景观生态风险评价；地统计分析方法；空间自相关

中图分类号：X826 文献标志码：A 文章编号：1003-5168（2023）09-0101-06

Abstract： [Purposes] Based on the principle of sustainable development， this paper analyzes the temporal and spatial evolution characteristics of landscape ecological risks in the Yellow River basin， providing scientific basis for high-quality development of the Yellow River basin. [Methods] The landscape ecological risk index is calculated based on land use data from 1990 to 2020. Conduct spatial autocorrelation analysis to explore the spatial correlation between landscape ecological risk index and driving factors. Four scenarios of natural development， farmland protection， ecological protection， and sustainable development were set up， and the Markov-Flus model was used to predict the future landscape ecological risk index. [Findings] In the study area， the landscape risks in Yulin City， Weinan City， and the northern part of Xianyang City are relatively high. In recent years， the high-risk areas and relatively high-risk areas have gradually shrunk; The overall distribution is characterized by "cold in the south and hot in the north". [Conclusions] The contraction or expansion of landscape ecological risks varies in different regions， so sustainable development should be taken as the criterion and different methods of protection measures should be taken in different regions.

Keywords： landscape ecological risk assessment；geostatistical analysis method；spatial autocorrelation

0 引言

景觀格局的动态变化是一个缓慢的过程，受到干扰时会通过景观格局结构的变化表征风险受体范围和危害情况［1］。景观生态风险评价就是通过不同组分的不同变化方向及速度来对研究区域的生态风险进行定量的评估，相较于传统的评价其更加注重于景观要素镶嵌、景观格局演变和景观生态过程。目前景观生态风险评价的研究成果丰富［2-7］，相关学者针对不同方法和模型、不同研究尺度、不同研究区域等开展了大量景观风险评价体系的探索［8-9］。在众多模型中，本研究选取了Markov-Flus模型进行景观生态风险的预测，该模型既结合了马尔科夫链栅格数量的预测，也结合了Flus模型获取多因素作用下景观转化规则的能力，其模拟精度普遍高于CA-Markov、CLUE-S等模型。

黄河流域（陕西段）地处黄土高原丘陵沟壑区，其生态环境脆弱、水资源短缺、土壤易受侵蚀、防汛形势严峻，严重威胁着该区域的生态系统安全。景观生态风险评价旨在表达生态系统承受多重风险压力源的响应及生态效应的可能性，是生态系统可持续发展的重要管控手段，因此，景观风险评价对黄河流域生态保护和高质量发展具有重要理论意义。

本研究以黄河流域（陕西段）为研究对象，基于1990、2000、2010、2020年土地利用数据，采用景观损失模型构建景观风险评价体系。从空间相关性的角度，采用空间自相关分析来揭示生态风险的空间聚集特征。本研究基于Markov-Flus模型选取自然和人为两方面的驱动因素，模拟2035年景观生态风险情景。对比分析其较于2020年生态风险辐射扩散特征，从而为黄河流域可持续发展以及自然资源的高效利用提供重要参考。

1 研究区概况与数据来源

1.1 研究区概况

黄河流域西起巴颜喀拉山，东临渤海，南至秦岭，北抵阴山，全程横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原四个地貌单元，本研究选取其中具有典型黄土高原地形条件的黄河流域陕西段作为研究区域，研究区概况如图1所示。黄土高原是我国重要的能源、化工基地，其土质松软，含有丰富的矿物质养分，适宜耕作，但易受到土壤侵蚀的危害。黄土高原的气候既受经、纬度的影响，又受地形的制约，具有典型的大陆季风气候特征。

1.2 数据来源与处理

1.2.1 30 m空间分辨率的土地利用数据。数据来源于中国科学院环境科学与数据中心（http：//www.resdc.cn），用于历史土地利用动态变化模拟、分析以及计算景观生态风险指数。

1.2.2 30 m高程数据。数据来源于地理空间数据云（http：//www.gscloud.cn/），用于分析研究区域的地形地貌并作为景观风险空间分布的驱动因子。

2 研究方法

2.1 景观生态风险指数构建

景观风险指数构建是在空间尺度上评估研究区域环境污染、人类活动以及自然灾害对每个评价小区产生不利影响的大小的过程。景观风险指数由景观干扰度和景观脆弱度组成，计算公式见式（1）。

式中：α、[β]、[γ]为各景观格局指数的指标权重，根据前人研究并结合区域实际情况，分别赋值为0.5、0.3、0.2。[ni]为第n种景观类型的斑块数，[Ai]为第i种景观类型的面积。A为景观总面积。[Qi]为景观类型i斑块数与总的斑块数的比值，[Pi]为景观类型i所占样方数与总样方数的比值，[Gi]为景观类型i的面积与总面积的比值。

2.2 地统计分析

将704个评价小区的景观风险指数赋值于每个小区的中心评价点位，再根据中心评价点位进行半变异函数分析，以确定空间自相关的局部特征并确定最佳拟合模型，最后采用普通克里金插值法对研究区域进行空间插值。利用自然断点法将研究区域整体的景观风险质量指数分为五级：高风险（>0.196）、较高风险（0.162～0.196）、中等风险（0.140～0.162）、较低风险（0.118～0.140）、低风险（<0.118）。

2.3 空间自相关

空间自相关描述每个空间单元的属性值的分布特征以及与相邻单元的空间相关程度，以观察属性值的聚集程度。空间自相关的度量可以分为全局空间自相关和局部空间自相关，表达式为式（6）、式（7）。

式中：[xi]、[xj]分别表示空间单元位置i、j在空间位置的观测值，x为空间单元观测的平均值，[xij]为空间权重矩阵，n为空间单元总数。Moran’s I指数值域在[-1，1]之间，Moran’s I值越接近1，表明正相关性越高，空间上愈加聚集，Moran’s I值越接近-1，表明空间上愈离散，接近0表示无明显相关性。

3 结果与分析

3.1 黄河流域（陕西段）风险时空分布特征

3.1.1 生态风险的时序变化特征。不同行政区风险等级统计见表1，整个研究时段内，各市的低、较低风险区面积整体呈现上升趋势，高、较高风险区在2000年出现面积的大幅上升后，始终保持着稳定的下降趋势。其中，位于关中平原的铜川市、宝鸡市、西安市、咸阳市、渭南市的较低风险区域在2000年大幅减少，并转化为高、较高风险区，导致整个研究区域高、较高风险区域分别增加了2 189.39 km²、3 927.20 km²；高、较高风险区的面积在2000年有所增加后，一直在持续减少，分别减少了1 627.11 km²、1 068.42 km²，这是由于榆林市、咸阳市、渭南市、延安市的生态环境转好，生态风险指数低值区增加，同时位于关中平原的各市的高风险区呈现有序收缩态势。但高风险区的保护仍需进一步加强，宝鸡市、榆林市、延安市这样生态环境较为脆弱的地区在2020年仍有风险升高的趋势。风险中等区域始终保持着下降的趋势，大部分面积已转为较低风险区，中风险区是生态环境转好的重要攻坚区域。

3.1.2 生态风险的时空演化特征。黄河流域（陕西段）的1990—2020年黄河流域（陕西段）景观生态风险指数分布情况如图2所示，研究范围内，景观生态风险指数多年的分布特征较為相似，西北方向景观普遍为未利用地及建设用地，尤其采矿区较多，生态结构不稳定，景观生态风险较高（0.162～0.196）；中北部沟壑纵横，景观破碎，但植被覆盖度相对较高，有部分林地景观交叉分布，此区域的生态风险普遍为较低或中等（0.118～0.162）；中部及最南部地区地处秦巴山区，生态环境较为稳定，是国家重点保护区，具有较高生态价值，生态风险最低（<0.118）；关中平原地区地势平坦，景观分布以建设用地和耕地为主，人类活动剧烈，生态风险很高（>0.117）。整个研究区域的生态风险都处于不断下降的趋势。榆林部分处于毛乌素沙漠，先后开展多个治沙造林行动，所以从1990—2000年陕北地区的景观生态风险可以看出，高、较高、中等风险区持续呈现收缩的趋势，低风险及较低风险的面积逐渐增加。但在2020年此区域的较高风险区出现了小幅度扩张的趋势，这表明该区域生态环境仍不稳定，还需继续坚持生态治理的政策；延安市、宝鸡市北部、铜川市的较低风险区一直保持着稳定增加的趋势，并且较低风险的区域逐渐连片，提高了景观连通度。这是由于该区域地形多为山地，更适合林地景观的生长，生态风险较低；关中平原地区由于优越的地形优势，更适合城镇建设和农地耕作，人口分布较为密集。研究区南部处于秦岭生态环境保护区，因此始终保持较低的生态风险。

3.2 黄河流域（陕西段）景观生态风险空间自相关分析

通过构建景观风险指数计算模型，得到了研究区域1990—2020年每十年一期共四期景观生态风险指数，如图3所示。将四期各个评价小区的ERI值通过GeoDA软件计算研究时段内黄河流域（陕西段）的全局Moran’s I值，结果分别为0.232、0.301、0.268、0.242。全局Moran’s I均为正值，表明景观生态风险指数的空间分布呈正相关关系，即高值和低值风险指数都呈聚集趋势。但全局Moran’s I值呈现逐年下降的趋势，说明研究区景观破碎度逐渐加剧，生态风险区的聚集趋势逐年减弱。

全局Moran’s I值用来度量研究区生态风险区的聚集趋势，局部Moran’s I值是在空间上表示生态风险区的聚集特征。黄河流域（陕西段）景观生态风险值局部自相关分布情况，如图4所示，研究区域的空间聚集特征在研究时段内仅发生了较小幅度的波动，其中热点小区有一定程度的扩张，热点小区数由5.60%增长为7.32%，冷点小区呈收缩趋势，热点小区数由15.64%减少为13.34%，但在2000年冷点评价小区略有扩张。北部主要以热点小区为主，且呈现了不断收缩的趋势；中部主要分布着冷点小区，其分布有分散的趋势，该区域还少量存在次冷点小区；南部大片分布着冷点小区，且呈现聚集的趋势。研究期间，不显著评价小区基数较大，且没有明显变化，小区数量始终在74%～77%上下浮动。研究区整体冷热点的分布基本符合景观生态风险指数分布的特征，呈现了“北热南冷”的分布特点。

3.3 黄河流域（陕西段）景观生态风险预测分析

自然情景不考虑各种政策因素的影响，对于各地类的变化趋势不加以管控，遵循自然发展和人类活动驱动的规律。预测结果如图5所示，在该情景下，生态风险状态持续转好，低风险区面积3 574.23 km²，较2020年增幅为6.74%，较低风险区面积相比于2020年增长了382.06 km²。但榆林市范围内在建设用地和未利用地交错的复杂区域存在生态风险提高的趋势，所以仍需针对不同的高生态风险区采取可持续性的保护措施；相反的，中等、较高、高风险区面积均处于减少趋势，中等风险的面积降幅仅为2.02%，较高和高风险区面积收缩的趋势较为明显，分别减少了1 788.37 km²、1 668.935 km²。这主要是因为草地在不受到政策影响的情境下不断侵占耕地资源，降低了景观生态风险。并且建设用地以原有布局为基础，沿渭河流域一路扩张，主要变化發生在西安市、延安市、宝鸡市和渭南市等关中平原地区。导致该区域生态景观更加破碎，一定程度加剧了景观生态风险，即使关中平原地区风险降低但仍然处于中高值风险区。而在此情境下耕地资源在大量流失。若不加以限制，粮食安全将受到很大的威胁。

4 讨论

4.1 景观生态风险空间格局及驱动因子

1990—2000年该区域的景观生态风险发生了较大幅度的升高。这是由于随着我国进入现代高速发展阶段，陕西省的市场经济繁荣，对外经济日趋活跃。各项社会事业的繁荣发展推动了城市化的快速扩张，侵占了城市周围的生态用地，导致景观生态风险的快速提高。2000年之后，陕西省意识到黄土丘陵沟壑区生态建设的重要性，积极开展了退耕还林等政策推动全省转变为“深绿色”，致力于建成林茂草盛、天蓝地绿、生态优美的生态强省。因此研究区的景观生态风险的高值风险区持续呈现收缩趋势，低值风险则保持着增长的态势。

4.2 基于Markov-Flus的景观格局风险模拟

对当前黄河流域（陕西段）的景观生态风险进行摸底和预测是实现生态系统环境保护与修复的重要依据。因此本研究采用Markov-Flus模型开展生态空间的模拟。该模型能够综合考虑来自自然环境和人类活动的风险源的影响，并且可以更加精确的模拟出黄河流域（陕西段）景观生态风险格局在研究时段内复杂的非线性转化机制，从而预测出符合预测目标以及当下区域发展格局的不同情景结果。对研究区未来空间管控、治理修复都具有较好的借鉴意义。

5 结论

①黄河流域（陕西段）的景观生态风险分布呈北热南冷的特征，陕北和关中平原地区景观生态风险较高，且近年来呈现持续收缩趋势。

②北部主要以热点小区为主，且呈现了不断收缩的趋势；中部主要分布着冷点小区，其分布有分散的趋势，该区域还少量存在次冷点小区；南部大片分布着冷点小区，且呈现聚集的趋势。研究区整体冷热点的分布基本符合景观生态风险指数分布的特征，呈现了“北热南冷”的分布特点。

③生态风险状态持续转好，但在此情境下耕地资源在大量流失，草地无序扩张。若不加以限制，粮食安全将受到很大的威胁。

参考文献：

［1］彭建，党威雄，刘焱序，等.景观生态风险评价研究进展与展望［J］.地理学报，2015，70（4）：664-677.

［2］张师赫，李宝银，林玉英，等.基于生态系统服务的景观生态风险评价及其驱动因素研究：以福建省为例［J］.水土保持研究，2022，29（6）：174-182.

［3］梁发超，胡其玉，起晓星.基于生命共同体的景观生态风险评价与管控策略：以成渝城市群为例［J］.经济地理，2021，41（8）：152-159.

［4］周汝佳. 近35年来盐城海岸带景观生态风险评价［D］.南京：南京大学，2016.

［5］刘宝双. 基于RS/GIS技术的公路景观生态风险评价研究［D］.西安：长安大学，2009.

［6］梅志坤. 陕西黄河流域土地利用变化及其景观生态风险评价［D］.咸阳：西北农林科技大学，2022.

［7］景培清，张东海，艾泽民，等.基于格局-过程生态适应性循环三维框架的自然景观生态风险评价：以黄土高原为例［J］.生态学报，2021，41（17）：7026-7036.