耦合MOP-PLUS模型的库车市LUCC趋势与景观生态安全评价

路甜甜 郭玉川 姚磊 王会静 白运保 张子惠

摘要： 探究干旱區典型绿洲城市景观生态安全时空演变，设置经济、生态、景观生态安全、可持续（MOP）4种情景，预测土地利用/覆被变化（LUCC）趋势，评价2030年景观生态安全，以期缓解城市建设开发与生态环境保护的矛盾。基于1990-2020年的土地利用数据，采用遥感、地理信息系统（GIS）网格等方法构建景观生态安全评价模型，以揭示库车市近30 a景观生态安全空间分布特征与变化趋势，并通过耦合MOP-PLUS模型预测库车市2030年景观生态安全时空演变规律。结果表明：1990-2020年，研究区耕地、林地、建设用地面积总体呈增加趋势，草地、水域面积总体呈现减少趋势，地类转换主要集中于耕地、草地与未利用地；景观生态安全值（ESI）空间集聚状态明显，但集聚程度有所下降，景观生态安全等级以中等、较高、高生态安全为主，占研究区总面积60.15%～64.87%；相较于2020年，2030年4种情景下的ESI变化幅度较大，主要集中于南部人口聚集地。

关键词： 土地利用格局变化； 景观生态安全评价； PLUS多情景模拟； 库车市

中图分类号： X 826； Q 146文献标志码： A   文章编号： 1000-5013（2024）01-0047-14

LUCC Trend and Landscape Ecological Security Evaluation in Kucha City through Coupled MOP-PLUS Model

LU Tiantian1， GUO Yuchuan1，2 ， YAO Lei1，WANG Huijing1， BAI Yunbao1， ZHANG Zihui1

（1. College of Geography and Remote Sensing Sciences， Xinjiang University， Urumqi 830046， China；

2. Xinjiang Key Laboratory of Oasis Ecology， Xinjiang Universiy， Urumqi 830046， China）

Abstract： Aiming to explore the spatial and temporal evolution of urban landscape ecological security in typical oasis city in arid areas， four scenarios including economy， ecology， landscape ecological security and sustainability （MOP） were used to predict land use/cover change （LUCC） trend， and to evaluate landscape ecological security in 2030， which could help ease the tension between urban construction and development and ecological environment protection. Based on the land use data from 1990 to 2020， methods such as remote sensing and geographic information system grid were used to construct the landscape ecological security evaluation model in order to demonstrate the landscape ecological security spatial distribution characteristics and change trends in Kucha City over the past 30 years， and to predict spatial and temporal evolution patterns of landscape ecological security in Kucha City in 2030 through coupled MOP-PLUS model. The results showed that from 1990 to 2020，the areas of cultivated land， woodland and construction land in the research areas showed an overall increasing trend， while the areas of grassland and water showed an overall decreasing trend， and land type conversion mainly focused on cultivated land， grassland and unused land. The spatial clustering status of landscape ecological security value （ESI） was obvious， but the degree of clustering decreased， and the landscape ecological security level was dominated by medium， higher and high ESI， which accounted for 60.15%-64.87% of the total area of the study area. Compared to 2020， the changes in ESI under the four scenarios in 2030 were relatively large， mainly concentrated in the southern population gathering areas.

Keywords：land use pattern change； landscape ecological security evaluation； PLUS multi-scenario simulation； Kucha City

新疆已经进入高质量发展的关键衔接期，区域发展质量提升迫在眉睫，保障土地资源合理配置已成为区域可持续发展亟待解决的难题［1］。土地利用/覆被变化（LUCC）是人类活动对自然环境影响最直接的表现形式，它与地表物质循环、生物多样性和自然资源可持续发展有着紧密联系［2］，围绕土地利用变化的研究理论与方法已被广泛应用于区域与可持续发展［3］、资源环境承载力［4］及土地碳核算［5］等领域，并形成了相对完整的理论与方法体系。景观生态安全评价是生态安全在属性和数值上具体的量化，也是对区域景观在受到外力干扰后整体生态安全程度状况的一种描述［6］，将其与空间统计学方法相结合能够更直观、全面地反映城市景观生态安全的时空演变。随着城市化进程的快速推进，城市建设用地需求扩大、人地关系紧张、资源环境矛盾突出、生态系统脆弱性增强［7-8］等问题给城市生态安全带来了极大的挑战。因此，揭示快速发展的城市景观生态安全时空演变特征，模拟预测不同情景下景观生态安全的动态变化趋势，提出城市土地利用结构优化方式，对促进城市经济社会高质量发展尤为重要。

景观生态安全评价是国内外相关研究领域的热点。Chen等［9］修订综合位置加权指数（LWLI），研究景观指数变化与城市热岛效应的相互关系。Renetzeder等［10］分析奥地利景观格局变化特征及对生态可持续性的影响。文献［11-12］分别从自然、社会、距离等方面选取驱动因子探究其对生态安全的影响过程。Boix-fayos等［13］基于景观生态安全格局对地中海山区土地利用生态管理进行规划。国内对景观生态安全评价的研究主要集中于流域［14］、生态保护区［15］、湿地［16］和城市［17］，并运用景观格局指数、驱动力-压力-状态-影响-响应（DPSIR）等多种方法构建生态安全评价模型［18］，研究景观生态安全的时空分布、多尺度变化、影响因素［19-20］等。随着计算机及地理信息技术的广泛运用，土地变化动态建模研究迅速发展，极大推进了基于土地利用预测生态环境评价的研究进程［21-23］。

库车市作为新疆最典型的荒漠绿洲区之一，也是新疆较早开发的土地利用灌溉区，前人的研究多集中于干旱区土地利用變化中盐碱地、耕地的变化［24］，对生态安全的评价［25］多集中于以往年份，对未来生态安全的预测仍为空白。基于此，本文选取1990，2000，2010，2020年的库车市土地利用数据，分析土地利用类型变化特征 ［26］，探究景观生态安全时空演变规律。

1 数据与方法

1.1 研究区概况

库车市隶属于新疆维吾尔自治区阿克苏地区，属于大陆性暖温带干旱气候，年平均气温为10.5～11.4 ℃，年平均降水为51.6 mm。库车市是天山南麓最具代表性的平原绿洲，绿洲内经济发展以农业为主，是新疆主要棉产区和阿克苏地区最大的灌溉区［27］。研究区北部为山区，南部为平原，地势北高南低，自西北向东南倾斜，东邻轮台县，西与新和县隔河相望，南接塔克拉玛干沙漠，北部与和静县毗连。截至2021年年末，全市总面积1.45万km2，人口48.86万人，区域生产总值335.98亿元。

1.2 数据来源与处理

采用的土地利用数据来自中国科学院资源环境科学与数据中心（http：∥www.resdc.cn/），1990-2020年土地利用遥感数据集（CNLUCC）分辨率为30 m，按照土地资源及其利用属性，结合研究需要将其重新整合为耕地、林地、草地、水域、建设用地和未利用地等6类。数字高程模型（DEM）数据来自地理空间数据云平台（http：∥www.gscloud.cn/），分辨率为30 m，坡度和起伏度数据基于DEM，借助ArcGIS 10.6坡度和焦点统计工具获得。库车市行政边界矢量、土地利用变化分析的驱动因子数据来自中国科学院资源环境科学与数据中心（http：∥www.resdc.cn/）。道路数据来自Open Street map（http：∥www. Open Street map.org）。社会经济数据来自阿克苏统计局，以及《新疆统计年鉴》《阿克苏统计年鉴》《库车市统计公报》。以上数据均统一为WGS 1984 UTM Zone 44N。

1.3 研究方法

1.3.1 土地利用动态度 土地利用动态度是指在一定时间范围内某一类土地的数量变化情况，用来表示该土地利用类型在一定时间内的变化程度［28］。土地利用动态度K（单一动态度）的计算公式为

式（1）中：Ai，a为研究初期第i种地类的面积；Ai，b为研究末期第i种地类的面积；T为研究时段［29］。

1.3.2 土地利用类型转移矩阵 土地利用类型转移矩阵主要用于描述区域内不同土地利用类型之间的转化过程，揭示不同土地利用类型之间的转化速率［30］，实现对研究区土地利用类型的结构特征和变化方向的全面阐述。土地利用类型转移矩阵Si，j为

式（2）中：m为土地利用/土地覆盖的数目；j为转换后的第j种地类。

1.3.3 二元logistic回归分析与ROC曲线检验 土地利用变化受多因子影响，基于数据的可获得性及全面性原则，分别从自然、社会、可达性角度选取起伏度、坡度、年平均降水、年平均气温、土壤类型、土壤侵蚀、人均人均国内生产总值（GDP）、人口密度、距铁路距离、距二级道路距离、距三级道路距离、距行政村距离等12个驱动因子（o1～o12）。将2010年的土地利用数据与12个驱动因子进行二元logistic回归分析，并对其结果进行ROC曲线检验，以判定驱动因子对地类变化的影响程度，有

式（3），（4）中：Pi为单位栅格内转换为第i种地类的概率；o1～on为选取的土地利用驱动因子；β0～βn为各土地利用的回归系数［31］ 。

1.3.4 景观生态安全评价

1） 景观生态安全评价单元划分与模型构建。采用ArcGIS软件的渔网工具，将研究区分别划分为3 km×3 km，4 km×4 km，5 km×5 km的网格，经过对比，4 km×4 km的网格对研究区边缘拟合效果最好，故采用4 km×4 km的网格（共1 004个），剔除边缘地带的93个无效评价单元，共911个评价单元（图1）。

选取景观干扰度指数和景观脆弱度指数构建景观生态安全评价模型。景观干扰度指数LDIi为

LDIi=xCi+yHi+zFi。（5）

式（5）中：Ci，Hi，Fi分别为景观破碎度、多样性及周长维数；x，y，z分别为对应指数的权重，参考文献［30-31］，结合研究区的实际状况分别赋值为0.5，0.3，0.2。

景观脆弱度指数与生态系统的抵御性息息相关，一般而言，抵御性与生态系统的稳定性呈正相关关系［32-33］。

以专家打分的形式，对研究区内的6种地类的景观脆弱度指数分别赋值为1～6，将其归一化后可得耕地、林地、水域、草地、建设用地、未利用地的景观脆弱度指数分别为0.44，0.21，0.56，0.33，0.10，0.79［34-35］。将景观干扰度指数与景观脆弱度指数代入景观生态安全值（ESI）公式，可得

式（6）中：ESIk为第k个评价单元的景观生态安全值；LVIi为景观脆弱度指数；Ak，i为第k个评价单元第i种地类的面积；Ak为第k个评价单元的总面积。

2） 景观生态安全空间自相关分析。全局与局部空间自相关的共同点在于解释事物在某方面的相关性，不同点在于全局空间自相关侧重有无相关性，局部空间自相关侧重相关性集聚的空间位置［36］。采用GeoDa软件对景观生态安全值进行相关性分析，主要包括全局空间自相关及局部空间自相关，以揭示库车市ESI在空间上的相关性。

1.3.5 基于斑块生成土地利用模拟（PLUS）模型的库车市未来土地利用模拟 PLUS模型基于土地扩展分析策略的规则，挖掘框架LEAS和多类型随机森林的元胞自动机模拟，与其他模型相比，可获得更高的模拟精度并刻画未来不同情景的景观格局［37］。根据研究需要，设置经济、生态、景观生态安全、可持续（MOP）等4个情景。

1） 模型精度验证。为验证PLUS模型对未来土地利用模拟的准确性，结合2010年土地利用数据，将12个土地利用驱动因子导入PLUS模型的LEAS模块，可以得到6种地类的发展概率，并将模拟与实际的2020年土地利用数据进行对比，可得Kappa系数为0.833 0，总体精度为0.884 3，FOM系数为0.069 3。由此可知，PLUS模型可以满足干旱区未来土地利用多情景模拟需要。

2） 多情景模拟。由近30 a库车市土地利用类型转移矩阵可知，耕地主要由草地、建设用地、未利用地转换而来；建设用地主要由草地、耕地、未利用地转换而来；结合1990-2020年库车市统计公报，以及《新疆统计年鉴》《库车市土地利用总体规划》《新疆阿克苏地区湿地保护修复工程》，参考文献［38-40］的未来土地利用模拟参数，设置以下4种情景。

Ⅰ） 经济情景。设置草地、建设用地、未地利用地转向耕地发展概率增加15%，草地、耕地、未利用地转向建设用地发展概率增加15%。

Ⅱ） 生态情景。设置耕地、建设用地、未利用地转向林地、草地、水域的发展概率增加20%，同时设置林地、草地、水域转向其他地类概率下降10%，设置林地、水域为限制发展区域，对坡度大于15°的耕地进行退耕还林保护，并调整林地、草地、水域的发展潜力。

Ⅲ） 景观生态安全情景。以2020年景观生态安全等级评价为基础，将高生态安全（ESI≥0.602 9）设为限制转换区域，2030年土地利用需求栅格数由马尔可夫链转移矩阵概率计算获得。

Ⅳ） MOP情景。MOP情景以PLUS模型经济、生态、景观生态安全情景下各地类面积值为上下线，强调经济、生态、社会效益的最大化。由于社会效益的最大化很难量化，故选取经济效益（Ed（X））与生态效益（Ep（X））的最大化。MOP优化目标为

式（7），（8）中：Xi表示第i种地类变量；di，pi为单位面积下此地类的经济和生态系数。

MOP模型目标函数约束条件，如表1所示。表1中：X1～X6分别为耕地、林地、草地、水域、建设用地、未利用地的土地类型变量。

参考库车市統计公报和《阿克苏统计年鉴》，可得各地类地均经济效益（万元· km-2），根据谢高地等［41］不同景观类型生态价值服务当量作为各地类的生态价值指标系数，并询问专家求解结合PLUS模型进行微调，可得经济价值指标与生态价值指标公式为

Ed（X）=14.82X1+0.21X2+2.59X3+0.37X4+1 478.48X5+0.06X6，（10）

Ep（X）=6.91X1+21.85X2+7.24X3+45.97X4+0.08X5+0.42X6，（11）

Max（Ed（X），Ep（X）=aEd（X）+bEp（X））。（12）

针对库车市未来10 a的发展，结合以上参数设置、线性条件制约，在LINGO 12.0软件中使用代码求解，可得a=0.474，b=0.526。

2 研究结果与分析

2.1 土地利用类型特征及变化

库车市1990-2020年土地利用覆被，如图2所示。

由图2可知：1990-2020年，建设用地不断向东扩张，由最初的零散分布到现在的集中分布为主；耕地面积不断向东、向南扩张，进而导致林地、草地分布破碎化程度增加；东南部未利用地由2000年开始至2020年逐步增加；区域内草地、未利用地始终为主要用地类型。

库车市1990-2020年土地利用动态度与面积变化（ΔA），如表2所示。由表2可知：1990-2000年，水域动态度最高（0.47%），面积增加8.36 km2，未利用地动态度最低（-0.04%），面积减少20.89 km2，该时期各地类面积变化不显著，土地利用结构较稳定；2000-2010年，耕地动态度最高（4.46%），面积增加497.50 km2，未利用地动态度最低（2.63%），面积减少1 384.41 km2，相较于1990-2000年，该时期各地类动态度显著增强；2010-2020年，建设用地动态度最高（3.87%），面积增加41.64 km2，其次为耕地动态度（3.79%），面积增加611.01 km2，林地动态度最小（-0.19%），面积减少29.91 km2，相较于2000-2010年，该时期除建设用地外，各地类动态度略有减小。

2.2 土地利用转移矩阵

库车市1990-2020年土地利用转移矩阵桑基图，如图3所示。

由图3（a）及相关计算可知：1990-2000年，林地、草地转入量大于转出量，林地由其他地类转入24.04 km2，转入量最大为草地，贡献占比为49.21%；草地由其他地类转入118.73 km2，转入量最大为耕地，贡献占比为58.40%；耕地、建设用地、未利用地转出量大于转入量，耕地与未利用地均最大转向草地，转出占比均达75%以上；部分建设用地转向耕地，转移量较小（19.87 km2）；该阶段各地类间转移趋势较为简单，且转移量较小。

由图3（b），（c）及相关计算可知：2000-2020年，各地类转移间转移趋势趋于复杂；耕地转入量始终大于转出量，主要来源于草地、建设用地，2000-2010年，草地贡献占比为61.90%，2010-2020年，草地贡献占比为56.60%；2000-2010年，建设用地转入量最大为87.19 km2，且建设用地与耕地相互转化趋势显著；2010年以后，耕地转入建设用地数量大幅减少，即耕地扩张与人类活动发展趋势相近，均处于较为平稳阶段；林地、草地、未利用地与水域均存在相互转化的情况，相较于2000-2010年，转移量大幅减小。

2.3 土地利用驱动因子分析

2.3.1 土地利用变化二元logistic回归分析 首先，采用ArcGIS软件将土地利用数据二值化，再对12个土地利用驱动因子进行模糊隶属度处理，并与二值化的2010年土地利用数据统一转为浮点型数据；然后，将栅格数据转为ASC Ⅱ文本，通过ClUE-S模型进行转换处理；最后，将所得数据导入SPSS软件进行二元logistic回归分析。

二元logistic回归系数，如表3所示。

2.3.2 二元logistic回归分析结果与ROC曲线检验 采用ROC曲线检验二元logistic回归分析。当ROC值大于0.500时，拟合效果良好；当ROC值小于0.500时，拟合效果较差。

耕地、林地、草地、水域、建设用地和未利用地的ROC值分别为0.937，0.853，0.766，0.764，0.960，0.852。

在2010年土地利用数据与各驱动因子的拟合结果中，ROC曲线下各等级面积的拟合度均大于0.75，故驱动因子对库车市土地利用变化研究的解释力较强，可用于库车市未来土地利用模拟。

2.4 景观生态安全时空演变特征

2.4.1 景观生态安全时空特征 将景观指数代入景观生态安全评价模型，采用自然间断点法结合阈值微调确定生态安全等级。因2030年景观生态安全评价需要，以较近的2020年景观生态安全值为基础，设定低安全（ESI<0.260 2）、较低安全（0.260 2≤ESI＜0.417 5）、中安全（0.417 5≤ESI<0.548 1）、較高安全（0.548 1≤ESI<0.620 7）、高安全（ESI≥0.620 7）等5个生态安全等级。

库车市1990-2020年生态安全区面积及动态度，如表4所示。表4中：Ae为生态安全区面积；Ke为生态安全区面积动态度。

由表4及相关计算可知：1990-2020年，低生态安全区面积占比波动降低，2020年低生态安全区面积最小（3 093.29 km2），较1990年下降9.33%，面积减小318.43 km2；较低生态安全区面积先降低后增加，并于2000年后持续增加，其中，2000-2010年增幅最大（46.59%）；中生态安全区面积持续增加，2020年面积达到最大（4 260.22 km2），平均各时段增幅为42.17%；较高生态安全区面积先增加后减少，于2010年达到顶峰（2 574.65 km2），但在2010-2020年降至1 788.64 km2（降幅为30.53%），与1990年的面积基本持平；高生态安全区面积持续下降，2000-2010年下降最大，面积减少3 126.73 km2（降度为54.44%）。

由图4可知：库车市ESI呈现低生态安全区集聚性广泛分布，较高生态安全区与高生态安全区由广泛团状到小区域集中分布，中生态安全区插花随机式分布到区域团状分布，较低生态安全区零星式集中分布的趋势；较高生态安全区与高生态安全区分布于库车市北部山麓地带、南部人口聚集地，此区域主要地类为林地、草地、耕地和建设用地，地类集聚或交错分布，北部山区受人类活动小，景观损失度低，故面积波动较小，南部人口聚集地后期由于人为干扰其面积大幅度减少，因此，人类活动是导致较高与高生态安全区面积下降的重要缘由；低与较低生态安全区分布在库车市中部，主要地类为未利用地中的戈壁和沙地，地类单一、脆弱度高；中生态安全区主要由较高生态安全区与高生态安全区退化而来。

2.4.2 景观生态安全全局空间自相关 将1990，2000，2010，2020年的库车市景观生态安全值导入GeoDa软件，可得Moran′s I值（IM）均为正值，显著性检验已通过（P=0.05）。库车市1990-2020年景观生态安全值全局空间自相关，如图5所示。图5中：lagged ESI为景观生态空间滞后值。

由图5可知：散点主要集中分布于第1象限与第3象限，且大多集中于回归线附近，MI由0.772下降至0.737，数值较大，即景观生态安全值在空间分布上仍呈现较强的正相关关系；高值附近景观生态安全值也较高，低值附近数值也较低，区域内空间全局集聚效应显著。因而，需加强高、低生态安全区交界处管控，谨防高生态安全区向低生态安全区转变，同时注意防范生态安全区内部退化。

2.4.3 景观生态安全局部空间自相关

采用ArcGIS软件对库车市景观生态安全指数进行局部空间自相关分析。

库车市1990-2020年景观生态安全值局部空间自相关，如图6所示。

由图6可知：1990-2000年，库车市景观生态安全局部空间自相关格局总体变化不显著，南部地区高-高值区域扩大，成为了相关性显著的区域；其他区域空间自相关性变化均不明显；2000-2010年，库车市景观生态安全局部空间变化显著，南部的高-高区域与北部以东的高-高值区域开始萎缩并零碎化；中部的低-低值区域边缘萎缩加剧；北部的低-低值区域略有萎缩；东南拐角区域由不显著区域变为低-低区域；2010-2020年，南部高-高值区域继续萎缩，变化为不显著区域，中部的低-低值区域边缘略有萎缩，其余区域变化不显著。这与景观生态安全空间格局变化特征基本一致，且受地类转移动态度与地类转向限制，地类转移动态度越高，局部空间自相关变动越剧烈，地类转向越复杂多样，景观破碎度越高，联通性越差，局部空间自相关空间格局状态越差。

2.5 基于MOP-PLUS模型的2030年库车市未来土地利用模拟

2.5.1 库车市2030年土地利用特征变化 经济情景、生态情景、景观生态安全情景、MOP情景

4种情景下库车市2030年地类特征，如表5所示。表5中：A为地类面积；η为地类面积占比。

由表5可知：相较于2020年，2030年耕地、建设用地、水域面积持续上升，草地、林地、未利用地面积持续下降；经济情景下的耕地与建设用地于4种情景中面积最大，分别为2 916.03，225.22 km2，分别占研究区面积的20.09%，1.55%，较2020年面积分别增加692.54，76.09 km2，水域于4种情景中面积最小（145.58 km2），占比1.00%；生态情景下的林地、草地、水域面积于4种情景中最大，水域面积较2020年增加34.49 km2，草地与林地面积占比最高，分别为26.17%，10.72%，耕地与建设用地面积较经济情景下分别减少201.07，69.81 km2，扩张速度明显下降；区别于经济情景与生态情景对某一地类的保护，景观生态安全情景下的耕地与建设用地较生态情景增加118.19，20.60 km2，林地、草地、水域面积较生态情景的总差幅不超过2.40%，且均高于经济情景中的面积占比，该情景下各地类发展状况较为良好；MOP情景下的耕地与建设用地面积仅次于经济情景，分别为2 851.37，185.55 km2，较经济情景的总差幅不超过2.21%，林地、草地、水域面积较生态情景的总差幅不超过1.72%，水域较2020年增加29.96 km2（增幅为20.80%）。由此可知，MOP情景下各地类发展状况最佳，兼顾经济与生态效益最大化。

2.5.2 库车市2030年不同情景景观生态安全评价

库车市2030年分情景景观生态安全等级图谱，如图7所示。

由图7可知：4种情景下的景观生态安全等级分布较2020年变动较大；

低与较低生态安全区面积增加明显，占研究区面积48%左右；较高与高生态安全区面积明显减少，占比约为27%；中生态安全区面积稳固增加，占比约为25%。这说明各地类的转化打破了景观原有的联通性、完整性，使景观破碎度、损失度增加，故增加了景观格局的不稳定性。

经济情景下，较低与低生态安全区面积所占面积最大，分为4 387.74，4 183.68 km2，较2020年增速分别为40.76%，43.74%，与之对应的耕地与建设用地占比和也为4种情景最大（21.13%），这说明经济建设的快速发展与景观生态安全格局的恶化密切相关，在未来发展规划中必然要遏制牺牲生态环境以发展经济的行为。

生态保护情景下，由于对林地、草地、水域的大力保护，该情景下低生态安全区面积下降204.06 km2；较低与低生态安全区均比经济情景分别增加321.87，21.81 km2；相较于经济情景，较高与高生態安全区变化不大，这说明林、草、水域的面积扩张是改善北部山区、中部荒漠区此类生态环境脆弱区的重要因素。

景观生态安全情景下，打破了遥感影像中对地类数量和位置的限制，以2020年生态安全高值为限制区域，该情景下低生态安全区面积较2020减少515.43 km2（降幅为16.66%）；中等、较高与高生态安全区面积在4种情景中仅次于MOP情景，这说明相对于经济情景与生态情景，景观生态安全情景更有利于地类间的平衡与生态系统稳定性。

MOP情景下，低生态安全区面积较景观生态安全情景减少355.38 km2，较2020年减少870.81 km2（降幅为28.15%）；较低与中生态安全区面积均在景观生态安全情景的基础上分别增加90.52，6.41 km2；较高与高生态安全区面积比其他3种情景更大。此外，MOP情景下各地类分布也最为协调，故MOP情景兼顾经济与生态效益，有利于形成有序的的国土空间管控局面，更符合库车市未来景观生态安全的发展。

3 讨论与结论

3.1 讨论

选用土地利用动态度、转移矩阵，从速度与土地利用转移方向可得近30 a土地利用动态变化与景观生态安全值变动趋势基本一致，即1990-2000年变动幅度较小，2000-2020年先升后降。随着荒漠、戈壁、草地、林地逐步被开发为耕地及建设用地，地类破碎度增加，中、高生态安全区不断向低方向转化，这揭示了干旱区林地、草地、水域与景观生态安全之间的紧密联系及保护作用，与文献［39，42］的研究观点一致。库车气候干旱、蒸发量大、土壤肥力较低，由于气温回升及农业灌溉使得土壤盐渍化现象加剧，故库车市整体与干旱区特征一致，均处于生态脆弱区［43］。近年来，随着水利设施的修建，国家“退耕还林”政策及居民生态保护意识的提升使得库车市水域面积有所增加、草地退化一定程度缓解，2020年库车市景观生态安全值空间自相关上仍呈现出明显的高高与低低集聚现象，且全局莫兰指数仍处于较高水平的0.737，故库车市总体生态安全仍处于良好水平，此结果与文献［44］互为印证。2000年以后，ESI由绿洲内部为中心向四周不断降低，朝南、东、东南方向不断延伸，生态安全等级分布变差，这突出了绿洲作为干旱区生态环境纽带的重要地位，文献［45］以MSPA-MCR模型构建艾比湖流域生态安全网络格局，从生态格局的角度突出强调绿洲对与维持干旱区生态格局稳定的重要性，这与景观生态安全评价这一角度互为补充。对PLUS模型模拟的4大情景进行对比分析，MOP情景基于其他情景进行线性约束并设置经济与生态效益最大化，该情景下，中、高与低生态安全区面积较其他情景分别最大上升2.82%，最大下降15.25%，故MOP情景适用于干旱区未来土地利用发展规划，有助于缓解城市开发与其脆弱的生态基底之间的矛盾，这与文献［46］的研究结论一致。

2030年ESI高值區域呈现出北部山麓地带大面积团状分布、南区人口聚集地小面积团状分散分布的特征。北部山区海拔较高，人类活动少，林地、草地、水域分布景观多样性较好、破碎度低，故此区域除北部边缘地区外，在4种情景下较高与高生态安全区占比均达到70%以上；随着城镇化的推进，城区与县域拓展有序，同时退耕还林还草，加之南部多为农业用地，土壤条件较好、海拔起伏较小，故南部人口聚集区较高与高生态安全区出现小区域团状分布与中生态安全区大面积穿插分布的生态安全格局。综合上述研究，对库车市生态安全治理和生态环境保护提出以下建议：1） 库车市低与较低生态安全区主要集中于中部，中部荒漠、戈壁区景观类型单一，人类活动少，一旦受损将难以恢复，因此应以保护为主，减少开发活动；中部与南部人口聚集地接壤地区如玉奇吾斯、伊西哈拉乡等地可建立缓冲区，加大种植白刺、元参等耐旱、耐盐碱作物，提升生物多样性。2） 针对中生态安全区，南部人口聚集区耕地开发重用轻养、导致土壤肥力水平低，引起耕地弃耕［47］，小区域生态安全由高向中甚至向低方向转化，因而经济发展应适当调整产业结构，延伸小白杏、棉花、核桃等作物产业链，发挥龙头农业合作社带头作用并严格把控生态与耕地红线。库车市煤炭、油田、盐资源丰富［48］，工业发展应提升技术水平、降低能源损耗以减小生态破坏，构建“山水林田湖草沙”一体化生态安全修复新格局。3） 干旱区较高与高生态安全区分布具有明显的城市属性［49］，城区内部与外围景观生态安全状况差距明显，因而城市开发要管控好开发力度，开发须有节制并遵循可持续发展的原则，打造有生态背景、开敞空间体系和人文景观构成的多功能景观体系。

在生态安全保护情景的基础上进行改进，以景观生态安全高值区域（ESI≥0.620 7）为限制区，打破了原有土地利用数据分类及其分布区域的约束，结果显示该情景较原有生态情景低生态安全区降低11.31%，中生态安全区升高3.55%。另外，研究仅从景观结构角度选取干扰与脆弱度进行景观生态安全评价，评价尺度较为单一，因而其ESI具有一定保守性。今后可从气候、地形、植被、社会因素等方面综合考虑，进行多尺度评价。

3.2 结论

1） 库车市作为干旱区典型绿洲城市，土地利用分布与整个干旱区状况一致，即未利用地与草地为占优势的景观类型。近30 a来耕地与建设用地面积受人类垦荒活动影响呈明显上升趋势，这使区域内耕地、林地与未利用地的斑块类型愈加复杂，景观破碎度一定程度增加。

2） 土地利用类型的变动幅度与景观生态安全值波动幅度十分相似，地类转移引发了库车市生态安全等级之间的相互转化。1990-2000年库车市景观生态安全空间集聚效应显著，虽然集聚程度小幅度下降，但仍处于较高水平，故库车市总体景观生态安状况较为良好。

3） MOP情景基于其他3种情景设置线性约束，并兼顾生态与经济效益最大化，实现了低生态安全区占比最小为15.65%，高与较高生态安全区较其他情景占比最高为23.70%。与2020年相比，耕地涨幅26.52%，建设用地涨幅28.69%，林地、草地与水域面积占比均居4种情景中最高，更有利于缓解干旱区生态环境保护与经济发展矛盾。

参考文献：

［1］ 和海秀，周洪华，白如霄.基于土地利用变化的新疆塔城地区碳排放特征分析［J］.水土保持通报，2022，42（3）：373-380.DOI：10.13961/j.cnki.stbctb.2022.03.046.

［2］ 涂雯，吴静雯，马理辉，等.水土保持措施驱动村域土地利用景观格局变化： 以米脂县高西沟村为例［J］.水土保持学报，2023，37（3）：147-154.DOI：10.13870/j.cnki.stbcxb.2023.03.020.

［3］ LIANG Xuedong，SI Dongyang，ZHANG Xinli.Regional sustainable development analysis based on information entropy： Sichuan Province as an example［J］.International Journal of Environmental Research and Public Health，2017，14（10）：1219.DOI：10.3390/ijerph14101219.

［4］ ZHANG Ze，HU Baiqing，QIU Haihong.Comprehensive evaluation of resource and environmental carrying capacity based on SDGs perspective and tthree-dimensional balance model［J］.Ecological Indicators，2022，138：108788.DOI：10.1016/j.ecolind.2022.108788.

［5］ CUNHA-E-S M A，ROSA R，DUARTE C C.Natural carbon capture and storage （NCCS）： Forests， land use and carbon accounting［J］.Resource and Energy Economics，2013，35（2）：148-170.DOI：10.1016/j.jclepro.2020.122 271.

［6］ 袁媛，罗志军，赵杰，等.基于景观结构和空间统计学的南昌市景观生态安全评价［J］.水土保持研究，2020，27（3）：247-255.DOI：10.13869/j.cnki.rswc.2020.03.036.

［7］ ZHANG Qiang，WANG Gang，YUAN Ruanyue，et al.Dynamic responses of ecological vulnerability to land cover shifts over the Yellow River Basin， China［J］.Ecological Indicators，2022，144：109554.DOI：10.1016/j.ecolind.2022.109554.

［8］ 王晓琴，王宏卫，谈波，等.新疆阿克苏地区景观格局与生境质量时空演变及影响机制［J］.华侨大学学报（自然科学版），2022，43（6）：777-789.DOI：10.11830/ISSN.1000-5013.202203041.

［9］ CHEN Ailian，ZHAO Xinfeng，YAO Lei，et al.Application of a new integrated landscape index to predict potential urban heat islands［J］.Ecological Indicators，2016，69：828-835.DOI：10.1016/j.ecolind.2016.05.045.

［10］ RENETZEDER C，SCHINDLER S，PETERSEIL J，et al.Can we measure ecological sustainability？Landscape pattern as an indicator for naturalness and land use intensity at regional， national and European level［J］.Ecological Indicators，2010，10（1）：39-48.DOI：10.1016/j.ecolind.2009.03.017.

［11］ MONDAL B，DOLUI G，PRAMANIK M，et al.Urban expansion and wetland shrinkage estimation using a GIS-based model in the East Kolkata Wetland， India［J］.Ecological Indicators，2017，83：62-73.DOI：10.1016/j.ecoli nd.2017.07.037.

［12］ SICA Y V，QUINTANA R D，RADELOFF V C，et al.Wetland loss due to land use change in the Lower Paraná River Delta， Argentina［J］.Science of the Total Environment，2016，568：967-978.DOI：10.1016/j.scitotenv.2016.04.200.

［13］ BOIX-FAYOS C，BOERBOOM L G J，JANSSEN R，et al.Mountain ecosystem services affected by land use changes and hydrological control works in Mediterranean catchments［J］.Ecosystem Services，2020，44（11）：101136.DOI10.1016/j.ecoser.2020.101136.

［14］ 楊鸿飞，吴建召，胡祉昱，等.基于景观格局分析地震灾区小流域生态安全： 以龙溪河为例［EB/OL］.（2023-01-16）［2023-11-23］.

［15］ 程植，林孝松.三峡库区大宁河流域景观格局变化及生态安全格局构建研究［J］.重庆师范大学学报（自然科学版），2021，38（3）：40-49.DOI：10.11721/cqnuj20212312.

［16］ LUO Jieling，FU Hui.Construct the future wetland ecological security pattern with multi-scenario simulation［J］.Ecological Indicators，2023，153：110473.DOI10.1016/j.ecolind.2023.110473.

［17］ 王永庶，唐岱，延相东，等.基于网格尺度的保山市中心城区生态安全评价研究［J］.西南林业大学学报（自然科学），2021，41（5）：80-87.DOI：10.11929/j.swfu.202007057.

［18］ 钱田田，王宏卫，余芳瑞，等.基于DPSIR模型的新疆城市生态韧性评估及影响因素分析［J］.华侨大学学报（自然科学版），2023，44（5）：607-614.DOI：10.11830/ISSN.1000-5013.202303009.

［19］ 谢余初，巩杰，张玲玲.基于PSR模型的白龙江流域景观生态安全时空变化［J］.地理科学，2015，35（6）：790-797.DOI：10.13249/j.cnki.sgs.2015.06.016.

［20］ 王欣珂，林弘，谢香群，等.闽江流域土地利用时空变化特征及驱动因子分析［J］.生态科学，2023，42（4）：171-181.DOI：10.14108/j.cnki.1008-8873.2023.04.020.

［21］ ANIAH P，BAWAKYILLENUO S，CODJOE S N A，et al.Land use and land cover change detection and prediction based on CA-Markov chain in the savannah ecological zone of Ghana［J］.Environmental Challenges，2023，10：100664.DOI：10.1016/j.envc.2022.100664.

［22］ ZHANG Jun，LIU Zhaoshun，LI Shujie.Research on land use simulation of incorporating historical information into the FLUS model： Setting Songyuan City as an example［J］.Sustainability，2022，14（7）： 1 -14.DOI：10.3390/su14073828.

［23］ CHASIA S，OLANG L O，SITOKI L.Modelling of land-use/cover change trajectories in a transboundary catchment of the Sio-Malaba-Malakisi Region in East Africa using the CLUE-s model［J］.Ecological Modelling，2023，476：110256.DOI：10.1016/j.ecolmodel.2022.110256.

［24］ 王新红.库车龟兹小巷之变： 从无人问津到人气满满［N］. 新疆日报（汉），2023-11-12（004）.

［25］ 麦尔耶姆·亚森，买买提·沙吾提，吐尔逊·艾山，等.新疆渭干河-库车河三角洲绿洲耕地时空变化特征分析［J］.中国农业科学，2017，50（18）：3506-3518.DOI：10.3864/j.issn.0578-1752.2017.18.007.

［26］ GAO Linna，MA Yonggang，XU Zhonglin，et al.Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model： A case study of Nanjing［J］.Sustainable Cities and Society，2022，85：10405.DOI：10.1016/j.scs.2022.104055.

［27］ 何珍珍，王宏卫，杨胜天，等．塔里木盆地中北部绿洲生态安全评价［J］.干旱区研究，2018，35（4）：963-970.DOI：10.13866/j.azr.2018.04.26.

［28］ 吴金华，刘思雨，白帥.基于景观生态安全的神木市生态廊道识别与优化［J］.干旱区研究，2021，38（4）：1120-1127.DOI：10.13866/j.azr.2021.04.24.

［29］ 魏心雨，王雁杰，孙梦媛，等.基于土地利用结构变化的河南省碳排放时空格局及驱动力分析［EB/OL］.（2023-01-11）［2023-11-23］.

［30］ 乔斌，颜玉倩，张婷华，等.基于土地利用变化的西宁市景观生态风险识别及优化策略［J］.生态学杂志，2023，42（8）：2020-2031.DOI：10.13292/j.1000-4890.202307.013.

［31］ PATRICHE C V，PIRNAU R，GROZAVU A，et al.A comparative analysis of binary logistic regression and analytical hierarchy process for landslide susceptibility assessment in the Dobrov River Basin， Romania［J］.Pedosphere，2016，26（3）：335-350.DOI：10.1016/S1002-0160（15）60047-9.

［32］ 修炀景，侯蒙京，田骄阳，等.基于土地利用/覆盖的甘肃省景观生态风险时空变化特征［J］.草业学报，2023，32（1）：1-15.DOI：10.11686/cyxb2021298.

［33］ 卢远，苏文静，华璀，等.左江上游流域景观生态风险评价［J］.热带地理，2010，30（5）：496-502.DOI：10.13284/j.cnki.rddl.001392.

［34］ 刘顺鑫，黄云.“三生空间”视角下万州区景观生态安全评价及其耦合特征分析［J］.水土保持研究，2020，27（6）：308-316.DOI：10.13869/j.cnki.rswc.20200718.001.

［35］ 袁媛，罗志军，赵杰，等.基于景观结构和空间统计学的南昌市景观生态安全评价［J］.水土保持研究，2020，27（3）：247-255.DOI：10.13869/j.cnki.rswc.2020.03.036.

［36］ 王重玲，程淑杰，王林伶，等.基于GIS的宁夏中部干旱带生态安全空间格局的评价［J］.西部林业科学，2020，49（2）：147-153.DOI：10.16473/j.cnki.xblykx1972.2020.02.021.

［37］ 谢名睿，危小建，赵莉，等.南昌市生态用地景观结构与网络连通性多情景模拟［J］.水土保持通报，2023，43（2）：202-211，309.DOI：10.13961/j.cnki.stbctb.2023.02.024.

［38］ ZHAO Yongyu，KASIMU A，HONG Wuliang，et al.Construction and restoration of landscape ecological network in Urumqi City based on landscape ecological risk assessment［J］.Sustainability，2022，14：8154.DOI：10.3390/su14138154.

［39］ RAN Hong，MA Yonggang，XU Zhonglin.Evaluation and prediction of land use ecological security in the Kashgar Region based on grid GIS［J］.Sustainability，2022，15（1）：40.DOI：10.3390/ijgi11060328.

［40］ WANG Ziyang，SHI Peiji，ZHANG Xuebin，et al.Research on landscape pattern construction and ecological restoration of Jiuquan City based on ecological security evaluation［J］.Sustainability，2021，13：5732.DOI：10.3390/su13105732.

［41］ 谢高地，张彩霞，张昌顺，等.中国生态系统服务的价值［J］.资源科學，2015，37（9）：1740-1746.DOI：1007-7588（2015）09-1740-07.

［42］ CHEN Xiaodong，YANG Zhaoping，HAN Fang，et al.Landscape ecological risk and ecological security pattern construction in world natural heritage sites： A case study of Bayinbuluke， Xinjiang， China［J］.ISPRS International Journal of Geo-Information，2022，11（6）：328.DOI：10.3390/su15010040.

［43］ 康璇，王雪梅，柴仲平.近25 a来渭-库绿洲土地利用/覆被变化及其影响因素［J］.水土保持通报，2016，36（5）：333-339.DOI：10.13961/j.cnki.stbctb.2016.05.003.

［44］ 艾克旦·依萨克，满苏尔·沙比提，阿曼妮萨·库尔班，等.阿克苏河流域绿洲生态安全评价及影响因子分析［J］.环境科学与技术，2020，43（7）：217-223.DOI：10.19672/j.cnki.1003-6504.2020.07.029.

［45］ WEI Qianian，YAO Lei，TANG Hua，et al.Temporal and spatial variation analysis of habitat quality on the PLUS-InVEST model for Ebinur Lake Basin， China［J］.Ecological Indicators，2022，145：109632.DOI：10.1016/j.ecolind.2022.109632.

［46］ SHI Mingjie，WU Hongqi，ZHU Lei，et al.Temporal and spatial evolution and prediction of carbon stocks in Yili Valley based on MCE-CA-Markov and InVEST models［J］.2021，38：1010-1019.DOI：10.13254/j.jare.2020.0586.

［47］ 王娟，张飞，于海洋，等.基于LUCC的渭干河-库车河三角洲绿洲水文及生态特征［J］.水土保持研究，2016，23（2）：236-242，359.DOI：10.13869/j.cnki.rswc.2016.02.044.

［48］ 刘小雪，蒋志辉.乡村振兴战略背景下库车农民专业合作社发展研究［J］.安徽农业科学，2023，51（14）：254-258.DOI：10.3969/j.issn.0571-6611.2023.14.062.

［49］ 朱亚楠.乌鲁木齐市土地利用景观格局变化与生态安全耦合协调研究［D］.乌鲁木齐：新疆农业大学，2022.