滇中高原湖泊流域景观生态风险评价及驱动因素识别*

王 舒 ,刘凤莲** ,陈威廷 ,刘 艳 ,蔡 巍

(1.云南财经大学国土资源与持续发展研究所 昆明 650221;2.云南财经大学经济研究院 昆明 650221)

生态风险评价是生态修复区域识别的重要前提,是对生态系统进行综合评判的基础,是识别区域生态可持续发展因素进而规避生态风险的保障[1-2]。人为因素和自然因素对景观结构的干扰会打破生态系统的平衡性与稳定性,而景观生态学能够通过对景观的异质性研究以揭示外界对景观结构的干扰程度,这为景观生态风险评价的研究创造了条件。景观生态风险相关研究将研究的空间尺度变大,视角从土地结构转化到景观尺度上,能够反映景观的时空异质性并探索驱动机制,有助于区域土地的动态研究,从而降低生态风险对生态环境的影响[3]。在过去40年间我国经历了大规模的快速城镇化,导致生态问题频发[4]。因此,加强景观生态风险的研究是生态可持续发展的重要内容,亦是维护区域生态安全和推动高质量发展的关键一环。

景观生态风险的研究对区域缓解人地矛盾、维持生态功能稳定性具有重要意义,相关的研究内容也逐渐成为研究热点。景观生态学起始于欧洲,1939 年由德国地理学家Carl Troll (卡尔·特罗尔)提出,是从生态学衍生出来的一门学科[5]。自20 世纪80 年代起,国外学者就开始关注景观生态学、生态风险评价相关的概念研究[6]。国内则是从20 世纪80年代末才开始进行景观生态风险的探索[7]。研究尺度涉及市[8-9]、县[10]、流域[11]、国家公园[12]、盆地[13]等。研究角度集中在景观生态风险的评价[14]和景观生态风险格局的构建[15],景观生态风险评价的研究为景观生态安全格局构建奠定基础。目前景观生态风险评价多基于土地利用变化数据展开[16-17],运用定性和定量方法识别景观生态风险演变的驱动因素亦是研究的一项重要内容。定性分析主要是以案例的形式,通过分析单一景观[18-19]或由综合测算结果识别出驱动因素[20-21];定量分析最常用的方法是运用回归模型[22-23]或地理探测器[24-25]识别主要驱动因素。相关学者为景观生态风险的研究提供了丰富的成果,但仍存在一些不足: 1)现有对云南省范围内进行景观生态风险评价的研究区域主要集中在少数湖泊流域[26-27]和边境地区[28],鲜少涉及滇中高原湖泊流域。2)景观生态风险的演变特征受多种干扰因素的影响,对驱动机制的研究能一定程度上反映因子对景观生态风险变化情况的解释作用。但是在驱动因素识别中,以往研究聚焦于揭示全局驱动因素,对于局部区域驱动因素进行识别的研究较少;此外,相关研究只关注定性或定量其中一方面的驱动力探索。3)在时间序列上,缺乏长时间、短间隔的景观生态风险研究,不利于完整地研究景观生态风险的时空演变过程,也不利于后期的动态监测。

鉴于此,本研究从景观生态学角度审视生态环境保护,基于多期土地利用数据,构建2000—2020年滇中高原湖泊流域景观生态风险的评价体系,对研究区景观生态风险的时空分异特征及变化趋势进行分析,并从自然和社会经济因素两方面探究全局和局部景观生态风险演变的内在驱动力,以期为高原湖泊流域乃至整个云南省的土地资源合理利用、生态风险防控提供参考借鉴和决策依据。

1 材料与方法

1.1 研究区域概况

本研究选取云南省高原湖泊中的滇池、阳宗海、抚仙湖、星云湖、杞麓湖流域作为研究区(24°04′～25°27′N,102°29′～103°02′E),该区域处于云南省的中部偏东,滇中城市群的中部,因此将流域命名为滇中高原湖泊流域。此流域涉及14 个区县(寻甸回族彝族自治县、嵩明县、盘龙区、五华区、西山区、官渡区、呈贡区、晋宁区、宜良县、澄江市、江川区、红塔区、华宁县、通海县),面积约5523.60 km2。流域内地形以盆地和山地为主,海拔1688～2803 m,年均气温14 ℃左右,年平均降水量578～792 mm。流域内的滇池为金沙江支流;阳宗海属于珠江流域南盘江水系;抚仙湖地处长江流域和珠江流域的分水岭地带,是我国最大的深水型淡水湖泊;杞麓湖是典型的封闭型小流域湖泊。整个流域内水资源充裕、生物资源丰富、旅游资源优越,是云南省进行生态环境保护的重点区域(图1)。近年来城镇化进程加快带来的景观破碎化问题使滇中高原湖泊流域经济建设和生态保护之间的矛盾日益突出。

图1 滇中高原湖泊流域区位图Fig.1 Location of plateau lake basin in central Yunnan

1.2 数据来源

通过对比多个数据集在本研究区的土地利用情况,选择武汉大学发布的全国土地覆被数据集[29]作为研究区基础数据,根据需要将土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地6 类。高程(DEM)数据来源于地理空间数据云(https://www.gscloud.cn/);坡度由DEM 数据中提取而来,植被归一化指数和年均气温数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/),年降水量数据来源于国家青藏高原科学数据中心(https://data.tpdc.ac.cn/home),人口密度数据来源于Worldpop(https://www.worldpop.org/),2000 年、2005 年、2010年、2015 年、2020 年夜间灯光数据来源于中国科学院资源环境科学与数据中心公布的DMSP/OLS 和NPP/VIIRS 数据集(https://www.resdc.cn/)。

1.3 流域提取

运用ArcGIS 10.8 中的水文分析进行流域划分,最终提取出合理的流域范围(图2)。首先对DEM 数据进行镶嵌得到滇中高原湖泊流域附近的DEM (先提取湖泊叠加到DEM 上便于定位研究区)。由于DEM 数据的误差和某些地形(喀斯特地貌)的存在使图像表面存在部分凹陷区域,这些区域的存在对水流方向的测算会造成一定影响,因此,对DEM 数据进行填洼处理能有效提高水流方向计算的准确率。确定水流方向能够为提取流域奠定基础。之后运用栅格计算器提取出流量≥2000 m3·s-1的河流。再根据湖泊的范围选择合适的倾泻点。最后运用分水岭工具确定流域范围后通过栅格转面工具得到滇中高原湖泊流域的矢量图。

图2 滇中高原湖泊流域提取过程图Fig.2 Extraction process of the plateau lake basin in central Yunnan

1.4 研究方法

1.4.1 景观生态风险评价模型

评价小区划分: 参考相关学者对于景观生态风险评价小区划分的结果,评价小区面积为平均斑块面积的2～5 倍最佳[30]。按平均斑块面积的5 倍计算,小区数量为19 645 个,数据量过大,与实际不符。因此,本研究根据滇中高原湖泊流域范围大小,将研究区划分为2 km×2 km 的网格单元,共计1555 个,剔除中心点不在区域中的风险小区,最终得到1372 个评价单元。

景观生态风险指数(ERI)计算: 将ArcGIS 10.8中得到的栅格文件导入Fragstats 4.2 中计算得到滇中高原湖泊流域景观格局指数后,根据表1 的计算方法在Excel 中计算景观生态风险指数。

表1 景观生态风险指数计算公式及意义Table 1 Calculation formula and significance of landscape ecological risk indexes

1.4.2 空间分析模型

根据计算的结果利用克里金插值法对风险小区的景观生态风险进行空间分析,探索景观生态风险的空间演变特征。克里金插值基于空间半变异函数,能够识别景观生态风险在未知样本点的基本情况,具体函数表达见参考文献[31]。由于目前对于景观生态风险等级划分并无统一的标准,为了比较各时期的景观生态风险变化情况,利用自然断点法根据景观风险指数(ERI)将2000 年的景观生态风险划分为5 个等级: 低风险区(0≤ERI≤0.0439)、中低风险区(0.0439＜ERI≤0.0507)、中风险 区(0.0507＜ERI≤0.0567)、中高风险区(0.0567＜ERI≤0.0686)和高风险区(0.0686＜ERI≤1.0000),为了便于分析,2005 年、2010 年、2015 年和2020 年均按照2000 年的标准划分。

1.4.3 地理探测器

地理探测器打破传统对于景观生态风险驱动因素的定性研究,定量检测驱动因素之间的交互作用,其基本思想是通过对研究区进行划分,并比较各区域之间的方差大小,从而揭示背后的驱动机制[32-33];核心思想是某些因子对景观生态风险有重要影响,那么这些因子和景观生态风险的空间分布应该具有相似性,故而这些相关因子对景观生态风险的空间分布具有关键作用[34]。考虑到滇中高原湖泊流域的地势条件、植被的覆盖情况和气候条件,本研究选取的自然因素有高程、坡度、植被归一化指数、年均气温、年降水量;结合该流域人口大量向城镇迁移和经济持续增长的社会经济发展情况[35],选取人口密度和夜间灯光作为社会经济因素,前者能解释区域社会发展程度[8],后者能够反映地区的经济发展水平[36]。主要用到因子探测和交互探测两个功能定量研究驱动因素对景观生态风险的解释作用。地理探测器的函数表达、交互探测的作用类型和判断依据详见参考文献[28,37]。

2 结果与分析

2.1 景观生态风险分析

2.1.1 景观类型变化

滇中高原湖泊流域2000—2020 年景观类型变化情况如图3 所示。研究区内的景观类型主要是耕地和林地,占流域总面积的67%以上。2010—2020年林地面积不断增加,耕地面积呈减少趋势,2010 年起林地超过耕地成为流域内占比最高的景观类型,一定程度上反映了流域内推行的退耕还林政策效果显著。2015—2020 年草地面积显著减少,气候变暖、降水减少是导致流域内草地退化的重要原因。研究期内,建设用地不断扩张,农业和生态用地空间受到一定程度的挤压。水域面积先减后增,说明在湖泊保护的相关政策干预下,景观类型有一定程度的改变。未利用地的面积最小,占比不足0.2%。

图3 2000—2020 年滇中高原湖泊流域景观类型面积占比Fig.3 Area proportions of different types of landscape in the plateau lake basin of central Yunnan from 2000 to 2020

2.1.2 景观生态风险时空分异

根据计算得出的风险小区景观生态风险指数,运用ArcGIS 10.8 软件进行克里金插值,得到滇中高原湖泊流域景观生态风险时空变化情况如表2 和图4 所示。2000 年、2005 年和2010 年流域内面积占比最大的景观生态风险等级为中风险,分别为34.71%、36.65%、30.46%;2015 年、2020 年流域内面积占比最大的景观生态风险等级为中低风险,分别为30.62%、28.61%。2000—2020 年整体看,低风险区面积增加最多,为279.85 km2;其次是高风险区和中低风险区,分别增加243.70 km2和133.91 km2;中风险区面积减少最多,为589.29 km2;其次为中高风险区,减少68.16 km2。2000—2020 年,滇中高原湖泊流域高风险区主要位于滇池以北的五华区、盘龙区、官渡区、西山区的交汇处,呈不断扩张趋势并向西北和东南方向延伸。中高风险区主要分布在滇池流域,其以南的中高风险区范围先缩小后扩大,阳宗海西部和抚仙湖北部的中高风险区不断向滇池北部汇集,星云湖和杞麓湖流域的中高风险区范围先减后增再减。中风险地区逐渐向流域的中部聚拢。低风险区和中低风险区紧密相连,主要分布在湖泊、湖泊周围及流域北部。总体上,经济较为发达的地区景观生态风险都相对较高,受人类活动干扰较大;生物资源和水资源丰富的地区景观生态风险较低,受人类活动干扰较小,这符合景观生态风险值与人类活动的正相关关系。

表2 2000—2020 年滇中高原湖泊流域景观生态风险等级面积及占比Table 2 Areas and percentages of landscape ecological risk levels in the plateau lake basin of central Yunnan from 2000 to 2020

图4 2000—2020 年滇中高原湖泊流域景观生态风险等级分布图Fig.4 Distribution of landscape ecological risk levels in the plateau lake basin of central Yunnan from 2000 to 2020

2.1.3 景观生态风险变化趋势

为把握研究期内滇中高原湖泊流域景观生态风险的发展趋势,利用栅格计算器进行相关计算得到景观生态风险等级的变化情况,如表3 和图5 所示。不同时间段的景观生态风险等级变化情况有所不同。2000—2005 年风险等级不发生转变的面积 为3887.33 km2,发 生转变的面积为1636.25 km2。这一时期景观生态风险呈下降趋势,表现在降低区域面积占流域总面积的27.07%;升高区域的面积占流域总面积的2.55% (表3),主要分布在滇池、抚仙湖和星云湖周围(图5)。2005—2010 年与上一时间段相比,生态系统开始恶化,表现在风险升高的区域较为明显,占总面积的18.88%,主要集中在滇池北、东、南3面;降低区域面积仅占流域总面积的6.62%。2010—2015 年与上一时间段相比,生态系统恶化程度加深,表现在高风险面积占比持续升高,为19.04%,以环状分散在各湖 泊周围,这与湖 泊面积减少有密切关系。2015—2020 年湖泊保护力度加强,周围的生态环境好转。这一时期,整个流域生态得到改善,表现在景观生态风险降低的面积为821.30 km2,占流域总面积的14.87%;升高区域的面积与上一时间段相比显著减少,仅占流域总面积的8.99%,主要集中在滇池和杞麓湖北部。2000—2020 年生态环境好转,表现在风险等级不变的区域超过1/2,且降低区域面积占总流域面积的26.19%,大于升高区域面积的占比。等级升高的区域主要集中在滇池周围,等级降低的区域成块分布于整个流域。整体上看,滇中高原湖泊流域内生态风险等级升高主要发生在人为因素干扰强度大的区域,生态环境较好的区域景观生态风险等级不发生改变甚至降低。此外,因湖泊占比较大,生态保护与生活界限不清,若对其周围的保护工作不做到位,必将导致湖泊生态系统大面积失衡,从而导致生态风险升高。

表3 2000—2020 年滇中高原湖泊流域景观生态风险等级变化趋势的面积及占比Table 3 Areas and proportions of landscape ecological risk changing trend in the plateau lake basin of central Yunnan from 2000 to 2020

图5 2000—2020 年滇中高原湖泊流域景观生态风险等级变化趋势Fig.5 Changing trend of landscape ecological risk levels in the plateau lake basin of central Yunnan from 2000 to 2020

2.2 景观生态风险演变的驱动因素分析

2.2.1 全流域驱动因素分析

前文基于景观生态风险的测算结果定性分析了景观生态风险演变受自然因素和人为因素的影响。为进一步研究滇中高原湖泊流域景观生态风险演变的驱动因素,根据流域内的实际情况从自然因素和社会经济因素两方面选择指标进行定量分析。X1-X7 分别代表高程、坡度、植被归一化指数、年均气温、年降水量、人口密度、夜间灯光。

1)单因子探测

由表4 可知,2000—2020 年,在自然因素中,植被归一化指数对滇中高原湖泊流域景观生态风险演变的解释力最强,因子贡献度分别为26.58%、24.33%、20.56%、24.41%、20.26%,说明植被的生长情况影响着景观类型从而影响着流域内景观生态风险。在社会经济因素中,除2000 年外,夜间灯光的解释力均为最强,因子贡献度分别为25.11%、26.13%、19.72%、19.17%、22.40%,说明经济发展对于流域的景观生态风险空间演变的驱动作用最强。人口密度的贡献度持续减弱,说明城镇化进程加快,人类活动密集区域增多,虽然人类活动给生态系统造成了不良影响,但随着生态保护修复战略部署的不断深化,人为干扰对景观生态风险的影响得到了一定的控制。综合来看,2000 年社会经济因素的解释力略强于自然因素,说明在这段时间内人为因素对流域内景观生态风险的空间演变起到主导作用,但自然因素也具有一定的影响力。2005—2020 年的景观生态风险演变中则是自然因素占主导地位,像高程、植被归一化指数、年均气温这样的主要影响因子都能不同程度地作用于地形地貌和植被生长,这说明自然景观的改变对景观生态风险的影响作用在变大。

表4 2000—2020 年滇中高原湖泊流域景观生态风险驱动因素的单因子探测结果Table 4 Single factor detection results of landscape ecological risk drivers in the plateau lake basin of central Yunnan from 2000 to 2020

2)交互因子探测

如图6 所示,交互探测结果显示驱动因子均表现出双因子增强和非线性增强,不存在非线性减弱、单因子非线性减弱和独立的情况,这说明因子间的交互作用对景观生态风险空间演变的驱动作用相对于单个驱动因子均有明显增强,也说明景观生态风险的空间演变不单是依靠其中一个因子的作用,而是不同因子进行不同程度交互作用的结果。2000年X3(植被归 一化指 数)∩X7(夜间灯 光)(0.2600)、X3∩X6(人口密 度)(0.2586)、X1(高 程)∩X3(0.2275)对景观生态风险的解释力位列前三,这表明植被生长状态与经济发展对景观结构的改变较大,不同的植被类型是影响景观空间分异的重要因素;经济发展导致土地粗放利用等情况发生,影响了生态系统的有序发展,两个因子的交互作用使景观生态风险的变化更为显著。人口密度会导致景观类型产生显著变化,使景观破碎度和分离度提高,从而使景观的连通性减弱,提高景观生态风险;高程反映了地形地貌,使得景观存在差异。人口密度和高程分别与植被归一化指数的交互作用加剧了景观生态风险程度。2005 年X4(年均气温)∩X7(0.2162)、X3∩X7(0.2133)、X2(坡度)∩X7(0.2042)对景观生态风险的解释力位列前三,自然因素与人为因素的交互解释作用变强。与2000 年相比,植被归一化指数、夜间灯光、人口密度、高程的交互作用有所减弱。2010 年、2015 年、2020 年植被归一化指数、夜间灯光、人口密度、高程的交互作用对景观生态风险的解释力相较于上一年份均有提升。2020 年,年降水量(X5)与植被归一化指数、夜间灯光的交互作用对景观生态风险的解释力提升,跻身当年主要驱动因子行列。其原因为:降水是影响植被生长的基本因素之一,降水量多少对林地、草地等景观的破碎度有重要影响,与其他因子的交互作用对景观生态风险影响程度加深。

图6 2000—2020 年滇中高原湖泊流域景观生态风险驱动因素的因子交互作用探测结果Fig.6 Factor interaction detection results of landscape ecological risk drivers in the plateau lake basin of central Yunnan from 2000 to 2020

2.2.2 局部驱动因素分析

为了解局部景观生态风险演变的原因,本研究参考相关学者[38]的研究选取2020 年景观生态风险指数最小值(ERI2020min=0.0158)作为判定景观生态风险变化的条件,将ERI2020-ERI2000＞0.0158 的区域定义为恶化区,ERI2020-ERI2000＜-0.0158 的区域定义为改善区,其余地区为稳定区。本研究的恶化区与改善区分布在滇池流域,共有3 个改善区、2 个恶化区。选取面积较大的1 个改善区、1 个恶化区和5 个示例稳定区(分别在每个高原湖泊流域选取一个示例稳定区)进行分析,如图7 中区域a-g 所示。

图7 2000 年和2020 年滇中高原湖泊流域的区域景观生态风险变化及土地利用情况Fig.7 Regional landscape ecological risk changes and land use of the plateau lake basin in central Yunnan in 2000 and 2020

将这7 个区域分别进行因子探测,得到的结果如表5 所示。可以看出高程影响最大的区域为e 和g,坡度影响最大的区域是e 和f,植被归一化指数影响最大的区域为b 和c,年均气温影响最大的区域为f和g,年降水量影响最大的区域为b 和f,人口密度影响最大的区域为c 和f,夜间灯光影响最大的区域为a 和d。根据a-g 区的实际情况可知: a 区位于五华区、盘龙区、西山区、官渡区的交界处,虽然是经济发展较为发达和人类活动频繁的区域,受夜间灯光影响较大,但是注重自然生态环境保护,因此营造林面积增加,对景观生态风险改善起到了重要作用。b 区主要位于官渡区和呈贡区,是城镇化进程加快的典型区域,建设用地扩张显著,造成自然景观破碎化,年降水量对该区域景观生态风险的影响较大,此外,植被归一化指数也是影响景观生态风险的重要因子。c 区位于晋宁区,人口密度增加使耕地等自然景观被破坏从而影响景观生态风险的演变,植被归一化指数也是主要的驱动因子。d 区位于阳宗海西部,植被相对茂密,水是影响植被生长的基本因素之一,因此年降水量对景观生态风险的影响较大。e 区处在澄江市盆地与群山交界处,海拔高度差异明显,群山处自然景观丰富,因此该区域主要受到高程和年降水量的影响。f 和g 区建设用地零星分布于其他景观内,f 区位于江川区内,g 区位于通海县内,前者比后者更为靠近玉溪市主城区,因此f 区的人口密度对景观生态风险的影响力要大于g 区,年降水量、植被归一化指数分别是这两个区域影响力排名第一的因子。通过对比a-g 区自然因素和社会经济因素的总贡献度发现,自然因素对景观生态风险演变的影响要大于社会经济因素,说明自然条件是造成区域景观生态风险变化的主要原因,这是滇中高原湖泊流域特殊的地理位置造成的结果。

表5 滇中高原湖泊流域的区域景观生态风险驱动因素的单因子探测结果Table 5 Single factor detection results of regional landscape ecological risk drivers of the plateau lake basin in central Yunnan

3 讨论和结论

3.1 讨论

研究结果显示,2000—2020 年滇中高原湖泊流域景观生态风险较高的区域经济较为发达,人为干扰强度大;景观生态风险较低的区域主要集中在湖泊及其周围,水资源较为丰富,生物资源充足,受人类活动干扰较小,这与张咏琦等[26]、王涛等[27]的研究结果相印证。研究表明流域内中低风险区面积增加、低风险区面积明显增加,生态系统整体水平发展向好,这与钟祺康等[39]的研究结果相似。此外,研究区景观生态风险演变受多个因子的影响,因子间的交互作用对景观生态风险空间演变的驱动作用相对于单个驱动因子均有明显增强,这与郑可君等[28]的研究结果一致。单因子检测结果显示,整体流域来看,2000 年社会经济因素的解释力略强于自然因素;2005—2020 年则是自然因素占主导地位,除2000 年外,其余年份结果与高彬嫔等[38]的研究相印证。2000 年研究结果有所不同,这可能与研究区选择、驱动因素选择不同有关。高原湖泊治理是云南省面临的一项重要任务,结合研究结论和研究区的实际情况,对生态风险防控和环境整治提出以下建议:

1)高风险和中高风险区域主要位于滇池流域,尤其是滇池北部,这些区域人口密度大,建设用地密集,是云南省社会经济发展较为迅速的区域。城镇化进程使高风险、中高风险区域的面积均有不同程度的增加,继而导致生态环境脆弱。政府应该注意对这些区域的调控,正确认识经济发展和环境保护之间的关系,统筹推进高质量发展和高水平保护。在城市建设过程中,避免“粗放建造”,要正确认识区域规划在经济发展中的地位,合理预留生态空间。此外,还应该继续开展相关的生态环境保护工作,格外注重林地、草地等自然景观的保护,强化景观破碎的修复工作,发挥昆明市的核心优势,带动周围区域共同修复破碎景观。

2)中风险区域面积较大,嵌于中高风险区和中低风险区之间。因此,要做好中高风险和中低风险区域的衔接工作,合理划分生态保护区与建设用地的范围。政府可以针对中风险区成立相关的工作小组,用于定期评估这些区域恶化带来的大面积生态系统失衡问题,引导中风险区向更低一级的风险区演变,促进生态系统的良性循环。

3)中低风险和低风险区域主要位于湖泊及其周围以及流域北部。因此,针对湖泊及其周围应该合理划分湖滨生态保护红线和缓冲区域。其余区域可以发挥地理优势,发展生态旅游和绿色农业,在提高居民生活质量的同时将生态保护责任落实到个人身上,同时政府也要在这一环节做好生态环境保护和监督工作;滇中高原湖泊流域北部区域植被茂密,耕地资源丰富,应该维护好这些区域的生态环境,对林地实施更严格的保护制度,加强森林普法工作,同时要防止耕地“非农化” “非粮化”,也要做到提升耕地质量,减轻农民的耕种压力。

4)对于改善区a,要确保之前所做的生态修复工作带来的效益可持续性,加强该区域的林地保护;对于恶化区b,应合理调控人类活动强度,杜绝建设用地无序扩张的现象,科学管理、合理利用土地;对于稳定区c,应防止建设用地扩张侵占耕地的现象继续发生,在严守耕地保护红线和保护生态用地基础上,再考虑建设用地的规划;d 区应以全面推行“林长制”为基础开展天然林的恢复工作,引进保护技术和林木培育技术,减轻病虫灾害,形成多树种的混交林;e、f、g 区应注重自然和人造景观系统间的相互作用,严禁开发大规模的建设用地以保障景观结构的完整性和系统的连通性。还应考虑景观类型搭配对生态系统的作用,实现不同景观类型之间的优势互补;与此同时,建立自然保护区以解决景观破碎化造成生物栖息地丧失的问题。

5)对流域内各湖泊实行最严格的治理措施,缓解环湖发展强大动力与湖泊承载能力有限的基本矛盾。首先,从源头治理,严禁污水乱排,杜绝污水处理不达标现象发生。同时,建立湖滨湿地保障湖泊生态系统的稳定。此外,还要在发展中保护,优先发展信息化产业,推动绿色、健康产业发展,将信息产业与节水亲水的文化旅游产业结合,完善滇中高原湖泊的旅游体系,促进生态修复与旅游发展有效融合。最后,强化政策引导,处理好湖泊保护政策与其他政策的衔接工作,结合实际情况,完善水资源保护制度。

3.2 结论

本研究以滇中高原湖泊流域为研究对象,分析景观生态风险的时空分异特征和变化趋势,采用地理探测器揭示全流域及各提取区域景观生态风险的驱动因素。具体结论如下:

1)研究期内,耕地和林地是滇中高原湖泊流域的基质景观类型,占总流域的67%以上。建设用地呈不断扩张趋势。未利用地面积占比少于0.2%。基质景观能提高生态安全质量,因此在城市建设过程中严禁胡乱侵占耕地和林地。

2)流域内整体以中景观生态风险区、中低景观生态风险区面积最大,二者占比达50%以上。景观生态风险较高的区域主要分布在滇池周围,高风险区呈扩张趋势并向西北和东南方向延伸。景观生态风险较低的区域水资源较为丰富,生物资源充足,受人类活动干扰较小,主要分布在湖泊周围。要注意重点把控中风险区和中低风险区的变化情况,防止这些区域的生态风险上升。

3)超过70%的区域景观生态风险等级未发生改变。流域内景观生态系统经历好转—恶化—持续恶化—改善的过程,但最终表现为景观生态风险小幅下降,生态系统整体水平发展向好。滇中高原湖泊流域内生态风险等级升高主要发生在人口密集的区域,受城镇化发展影响较大;生态环境较好的区域有自身的保护机制,外加政策的影响,因此景观生态风险等级不发生改变甚至降低;湖泊周围的生态系统脆弱,应重点关注。

4)景观生态风险的演变是自然因素和社会经济因素共同作用的结果。从滇中高原湖泊整体流域来看,单因子检测结果显示植被归一化指数、夜间灯光、人口密度是景观生态风险的主要影响因子。交互因子显示,植被归一化指数、夜间灯光、人口密度、高程的交互作用对景观生态风险的影响最大。从局部来看,自然因素对景观生态风险演变的影响大于社会经济因素,主要受夜间灯光、年降水量、植被归一化指数等因子的影响。