基于PLUS模型的汾河流域景观生态风险时空分异及多情景模拟

汪勇政, 梁哲, 余浩然, 张强, 范昕

基于PLUS模型的汾河流域景观生态风险时空分异及多情景模拟

汪勇政1,2,*, 梁哲1, 余浩然2, 张强1, 范昕3

1. 安徽建筑大学建筑与规划学院, 合肥 230022 2. 安徽省城镇化发展研究中心, 合肥 230022 3. 中国地质大学(武汉)公共管理学院, 武汉 430074

探究流域地区景观生态风险时空分异规律及未来多情景模拟对于诊断区域土地开发问题以及促进区域生态系统可持续发展提供有益参考。以汾河流域为研究对象, 基于2000、2010、2020年三期土地利用数据, 利用GIS网格法、景观格局指数、空间统计分析等方法, 探究汾河流域景观生态风险时空分异特征及其规律, 并结合多元数据采用PLUS模型模拟探讨未来多情景下汾河流域景观生态风险的演变趋势及其差异。结果表明: (1) 2000—2020年, 汾河流域景观生态风险指数均值整体呈下降趋势, 主要由于低风险地区面积持续增加; (2) 其空间集聚效应逐年增强, 地形较平坦的盆地地区主要为低风险和较低风险等级并随着时间的推移范围愈大集聚性越强; (3) 2035年两情景景观生态风险进一步降低, 基于生态保护可持续情景下汾河流域景观生态风险均值降低以及低风险面积增大与林地、草地、水域的面积增大和连通密切相关, 自然发展情境下的变化与建设用地和耕地的整合紧密相关。

PLUS模型; 多情景模拟; 景观生态风险评价; 汾河流域; 景观格局

0 前言

景观生态风险是指自然或人为因素影响下景观格局与生态过程相互作用可能产生的不利后果。开展景观生态风险评价能够及时评估自然或人为等各种外界干扰因素对区域生态系统及结构产生不利影响的可能性及损害程度, 并且能够有效支撑区域生态系统管理活动[1]。这有利于发现区域发展过程中的环境隐患问题, 从而在当前和未来促进降低该系统本身或其内部要素健康、生产力、遗传结构、经济价值和美学价值减少的可能性, 对于土地合理使用与开发、人类经济活动和区域可持续发展具有重要意义[2]。

国内外学者针对区域景观生态风险评价的研究体系进行了深入的总结和探索, 主要集中于区域景观生态风险的时空演变及分异特征[3–6]、影响因素及机制[7–10]、未来趋势[10–12]以及基于评价的景观格局优化路径[13–15]等方面。对于景观风险的未来趋势的研究, 是正确把握区域景观生态风险评价的重要方向, 可以作为政策制定者制定有效环境保护措施的重要参考。以上研究对于未来区域景观生态风险评价进行了积极有益的探索, 取得了较多的成果。而对于景观生态风险未来变化趋势的研究, 不能仅局限于随历史变化方向的结果, 更需要将不同的政策对区域景观格局的影响而导致景观生态风险的变化波动的情景纳入对未来区域景观生态风险评级的研究当中, 以供比对不同政策及发展状况下的区域生态的变化情况。而基于FLUS、CLUS、CA模型的景观生态风险评价有较高的精度, 但在探索土地利用变化的起因方面起到的作用比较有限, 难以时空动态地模拟多种土地利用类型的斑块级变化, 特别是对于林地、草地等自然用地类型, 而PLUS模型可以更好的探究斑块级的景观格局变化, 提高模拟精度, 从而更有利于对景观系统进行评价、规划、设计和管理[16]。

流域是承载人类社会与自然生态系统重要的地理单元, 随着流域生态学的发展, 流域尺度的研究受到更多学者的关注[17–18]。汾河流域是山西省文明诞生的摇篮, 也是省内严重缺水的区域, 流域水资源开发利用率高达80%以上。再加上不合理的开采矿物资源, 导致流域内部地下水过渡开采、水域面积不断萎缩, 从而出现地表植被退化、土地资源及生态景观格局破坏等一系列的生态环境问题。同时流域范围内也是山西省重要的政治—经济—文化中心, 伴随着山西省进一步社会经济快速发展, 流域内部景观格局变化将会更加剧烈, 这对流域生态安全将会造成重大的冲击。因此本文基于2000、2010、2020年三期土地利用数据, 利用GIS网格法、景观格局指数、空间统计分析等方法, 探究汾河流域景观生态风险时空分异特征及其规律, 并结合多元数据采用PLUS模型模拟探讨未来多情景下汾河流域景观生态风险的演变趋势及其差异, 以期为流域内部生态系统管理以及区域可持续发展提供相应的参考。

1 材料与方法

1.1 研究区概况

汾河是山西省内的第一大河, 黄河第二大支流, 源头位于管涔山, 干流全长716 km。流域位于山西省中南部, 东隔云中山、太行山与海河水系为界, 西连芦芽山、吕梁山与黄河北干流为界, 东南有太岳山与沁河为界, 南以孤山、稷王山与涑水河为界; 流域面积39721 km2, 占山西省国土总面积的25.3%, 为全省政治、经济、文化中心, 涉及9市51县(市、区)具体范围如图1。

1.2 数据来源与处理

本文涉及多元数据如表1, 所有空间数据均通过ArcGIS10.6平台进行预处理, 统一坐标系为WGS—1984—UTM—Zone—49N, 并以30 m分辨率的土地利用栅格数据为基础, 进行粒度效应分析, 最终选取90 m为最佳粒度, 最终通过利用重采样将土地利用栅格数据统一为90 m分辨率。

图1 研究区范围

Figure 1 Scope of the study area

1.3 研究方法

1.3.1 生态风险评价采样单元的确定

本文采用GIS格网法, 以格网为评价单元, 将研究区划分为若干格网对栅格数据进行后续研究。参考国家格网GIS的相关标准和前人研究, 格网宜采用平均斑块面积的2～5倍[19], 因此在考虑研究区实际情况和工作量的基础上并充分考虑空间粒度的采样问题, 最终选取3.6 km×3.6 km的正方形格网对研究区进行划分, 并对各格网进行编码, 选取景观总面积占评价单元面积比例大于1/3的格网, 共3145个。分别计算网格内部景观生态风险指数, 作为样区中心点的生态风险值[20]。

1.3.2 景观生态风险指数模型构建

景观指数法是地理学常用的定量研究法, 它通过多个指数的组合分析来描述景观格局及变化。本文选用景观干扰度和脆弱度建立土地利用类型与区域生态风险间的联系, 主要涉及了5个景观指数: 景观干扰度指数、景观破碎度指数、景观分离度指数、景观优势度指数、景观脆弱度指数, 以此来构建景观生态风险指数模型[21]。

表1 数据类型及来源

区域景观生态风险指数(ERI)反应研究区域生态损失的相对大小, 公式如下:

1.3.3 空间差值方法选取[20,27]

本文利用ArcGIS10.6空间分析模块下的普通克里金插值法, 经过各种拟合情况的比对, 选择半变异函数对小区样点的风险值进行球状拟合, 依此得到整个研究区的生态风险分布图。运用自然断点法将2020年生态景观风险值分为五个等级: 低(ERI＜0.1337)、较低(0.1337≤ERI＜0.1532)、中(0.1532≤ERI＜0.1755)、较高(0.1755≤ERI＜0.2027)、高(0.2027≤ERI)。

1.3.4 空间自相关分析

全局空间自相关, 通常根据Moran’s指数整体判断属性值在研究区内集聚分布、离散分布还是随机分布, 具体公式参照文献[26,28]。局部空间自相关可进一步反映评价单元之间指数是否存在高值或低值的聚集特征[29]。利用局域空间关联指数形成LISA聚类图, 识别研究区内高值集聚“热点”和低值集聚“冷点”, 空间分布特征。

1.3.5 PLUS模型[30]

PLUS模型是基于栅格斑块生成土地利用的模拟模型, 该模型提出了一种将CA模型与斑块生成模拟策略相结合的方法, 以提高模型对真实景观格局的模拟能力。该模型主要包括两个模块: 基于土地扩展分析策略的规则挖掘框架、基于多类型随机补丁种子的CA模型。采用多目标规划法确定不同情景下的最优土地利用结构。与其他模型相比, PLUS模型可以确定土地扩张和项目景观动态的驱动因素。

模型首先基于土地扩展分析策略提取两期土地利用变化间各类用地扩张的部分。并从增加部分中采样, 采用随机森林算法逐一对各类土地利用扩张和驱动力的因素(如表3、图2)进行挖掘。算法公式如下:

随后PLUS模型结合多类随机种子生成和阈值递减机制, 得以在发展概率的约束下, 形成未来情景下土地利用斑块布局。多类型随机斑块播种机制, 公式如下:

表2 景观脆弱度赋值表

表3 土地利用模拟数据说明表

图2 土地利用模拟数据

Figure 2 Land use simulation data

1.3.6 未来土地利用情景方案设置

(1)自然发展情景(NDS)

该情景维持2000—2020年各土地类型间的转换规律, 采用Markov模型计算出2030年和2040年土地利用需求, 并采用线性插值法预测2035年汾河流域各土地利用类型的面积[30]。该情景是汾河流域未来土地利用变化的基准情景, 用地数量占比设定如表4。

(2)基于生态保护的可持续发展情景(ESS)

综合考虑汾河流域生态保护问题与地区发展需求, 本研究将国家级自然保护区、省级自然保护区、河流湖泊水库等区域设定为限制发展区, 并参考汾河流域生态景观规划(2020—2035年)对于汾河流域水域、森林、草地面积的保护和规划要求对于未来用地预测进行参考, 充分考虑汾河流域的发展需求和耕地保护问题, 不会限制城市用地和耕地的蔓延扩张, 但其趋势一定程度上会受到削弱[31], 用地数量占比设定如表4。

2 结果与分析

2.1 2000—2020年景观生态风险时空演化

2.1.1 景观生态风险时间演化及转移特征

由图3可知2000—2020年, 汾河流域景观生态风险等级以低和较低为主, 面积占整个区域的50%以上。风险指数均值经历了先增后减的过程, 整体呈现下降的趋势, 主要表现为低风险区面积持续增加。20年间, 低风险地区面积占比增加了12.75%, 面积变化最为剧烈。分阶段来看, 2000–2010年风险指数均值由0.1596上升到0.1603, 增长率0.44%, 主要表现为较低风险区面积减少, 占比减少5.56%。2010—2020年风险指数均值下降到0.1543低于2000年水平, 下降率为3.74%, 主要表现为低风险区面积增加和高风险区面积减少, 占比分别增加8.43%和减少了3.65%。

2000—2020年整体来看, 汾河流域景观生态风险相邻等级之间的转移是等级变化的主要特点表征(如图4)。2000—2010年, 汾河流域74.92%面积景观生态风险等级未发生转移, 其中等级升高面积占比11.69%, 主要表现为较低等级向中等级、中等级向较高等级; 等级降低面积占比13.39%主要表现为较低等级向低等级转移, 中等级向较低等级转移。2010—2020年间等级升高面积出现大幅减少, 占流域面积的3.44%, 表现为低风险等级向较低风险等级转移。

2.1.2 景观生态风险空间演化特征

总体空间分布来看(如图5), 高风险、较高风险以及中风险等级地区主要位于汾河流域上游、中游两侧海拔较低的山地丘陵地区, 此区域景观大多为耕地、草地、林地为主且流域中游多矿区, 长期的人工开垦与开采使得景观类型脆弱度较高且破碎化严重最终导致景观风险指数较高。低风险及较低风险等级区域主要位于流域北部太原盆地, 东西两侧高山地及南部临汾盆地及运城盆地地区。

表4 土地利用情景用地数量设定表

注: 2035NDS表示自然发展情景下2035年土地利用数量占比; 2035ESS表示基于生态保护的可持续发展情景下2035年土地利用数量占比。

图3 2000—2020年景观生态风险等级占比变化

Figure 3 Changes in the proportion of landscape ecological risk levels from 2000 to 2020

2000—2010年, 高风险地区出现轻微的扩散, 分布在寿阳县周围地区; 宁武县、静乐县、古交市南部等地出现较高风险地区扩散现象。古交市北部地区出现了低和较低风险地区突变为高和较高风险地区的现象, 主要由于退耕还林政策实施, 分散化的林草种植导致斑块破碎度增加以及连通度降低。低风险地区集中连片趋于整合包括位于盆地内太原市区的整合、流域南部新绛县—稷山县—河津市的集中连片。

图4 2000—2020年景观生态风险等级转移情况

Figure 4 The transfer of landscape ecological risk levels from 2000 to 2020

图5 2000—2020年景观生态风险空间分布图

Figure 5 Spatial distribution map of landscape ecological risk from 2000 to 2020

2010—2020年, 研究区多地出现高风险区域萎缩现象, 如灵石县北部、交口县南等地区。此类区域人类的开发利用导致的建设用地的扩张, 以及退耕还林还草工程的持续实施促进林草植被整合成片。低风险地区进一步整合扩大, 最为显著的为太原市区—榆次区—太谷区范围, 此区域是流域内城镇化发展最快的区域, 随着城市建设用地进一步连通整合, 导致了低风险等级区域扩大并集中成片。

2.1.3 空间集聚演化特征

基于Geoda1.18, 可知2000、2010、2020年汾河流域景观生态风险指数全局Moran’s值分别为0.459、0.504、0.489, 均大于0, P值均小于0.01, Z值得分远大于1.96。表明景观生态风险指数整体呈显著正相关, 空间上表现为聚集分布, 且相互之间存在影响。20年来, 全局Moran’s值整体呈现上升趋势, 表明汾河流域景观生态风险指数的集聚程度及空间关联度增强。

局部自相关分析可以测度出研究区高值聚集以及低值聚集的空间分布情况。由图6可知, 汾河流域生态风险指数集聚类型以“高—高”、“低—低”聚集为主。2000—2010年, 古交市北部由于风险等级变化出现了低值聚集变为高值聚集现象, 低值聚集地区在汾河中下游位置出现了连片, 在太原市区出现了扩张。2010—2020年, 高值聚集地区出现萎缩, 较为显著的是宁武县和古交市北部、灵石县西部、交口县东部。低值聚集地区扩张与萎缩现象并存, 太原市区扩张现象最为显著, 低值聚集区向晋源区、小店区等地扩张; 萎缩现象显著地区包括交城县南部、祁县西部等地。

2.2 2035年多情景土地利用及景观生态风险变化

2.2.1 不同情景下景观生态风险变化特征

根据2010年土地利用数据, 通过PLUS模型模拟得到2020年土地利用将其与真实情况进行Kappa精度验证, 得到Kappa系数为0.792, 总体精度为0.861, 满足研究要求[30]。根据不同情景参数设置模拟得到2035年自然发展和基于生态保护的可持续发展情景的土地利用。

由图7可知在自然发展情景下, 汾河流域景观生态风险相较于2020年进一步降低。其中, 高风险、较高风险、中风险等级下降率依次为39.33%、17.94%、23.36%, 主要分布在包括静乐县、古交市南部、汾西县北部等地(如图8); 低风险增加率为88.84%增幅最大, 分布在流域上游太原盆地内大部分地区和下游临汾盆地和运城盆地的大多数地区; 较低风险下降率为32.30%, 主要分布在汾河流域下游地区包括洪洞县北部、古县东部及北部等地区。

基于生态保护的可持续发展情景下, 2035年流域内景观生态风险均值较2020年降至0.1464, 景观生态更加稳定, 结构更加优化。高风险、较高风险、中风险等级下降率分别为61.22%、19.73%、19.99%, 主要分布在岚县东部、静乐县中部、古交市北部及南部等地区; 较低风险占比减少下降率为11.71%, 低风险增加增长率为58.77%, 较低风险及低风险扩张地区主要包括流域西部山地地区和流域上下游盆地地区。

Figure 6 The LISA map of local spatial autocorrelation from 2000 to 2020

图7 2035年多情景景观生态风险等级占比

Figure 7 Percentage of multi-scenario landscape ecological risk levels in 2035

图8 2035年多情景景观生态风险等级分布

Figure 8 Distribution of Ecological Risk Level of Multi- Scenario Landscape in 2035

2.2.2 基于景观格局的不同情景景观生态风险差异研究

两情景相比, 自然发展情景下景观生态风险均值更低; 基于生态保护的可持续发展情景下高风险、较高风险及低风险占比较低。空间分布来看, 基于生态保护的可持续发展情景相较于自然发展情景,流域上游和中游部分以及流域东侧高风险和较高风险地区范围出现显著萎缩。

从流域整体景观格局来看(如表5), 相较于自然发展情景, 基于生态保护的可持续发展情景下的林地、草地、水域景观斑块面积较大, 其中林地的斑块数量、破碎度、分离度、干扰度较小且优势度较大, 表明该情景下林地的面积出现较大的增加且具有良好的连通性并受其他因素的干扰较小; 草地和水域的分离度较小且优势度较大, 然而草地干扰度较大而水域干扰度显著较小, 表明草地和水域在该情景中面积增大整合度连通度较好, 水域受外界干扰较小景观稳定性较好, 但草地受其他因素干扰较大处于较不稳定的状态。耕地、建设用地、未利用地在基于生态保护的可持续发展情景下的面积较小, 且相较于自然发展情景整体优势度更低, 生态环境好转。

3 讨论

研究发现, 汾河流域景观生态风险空间分布规律与其区域自然地理特征具有很好的相关性, 这与相关研究结果相似[8][32][33]。流域中游吕梁山区以及下游太岳山区因为所处海拔较高地势复杂人类活动较弱, 对其内部干扰小, 大片的林地及草地呈规模连片化, 景观生态风险较低; 随着高程下降, 地势趋缓, 开始受到人类干扰, 自然生态类型由大面积的林地、草地逐渐过渡到林草相间的状态并且零星的耕地与裸土地开始显现导致景观斑块的破碎度增加, 脆弱度不断加重, 景观生态风险随之升高; 随着海拔的进一步降低, 人类开发程度较高景观类型以规模化的建设用地、耕地为主, 景观斑块丰富且均匀, 土地利用结构较为优化, 景观生态风险随之降低。因此, 在之后的生态风险管理中, 对于人类活动较弱区域, 生态风险管理措施以自然保育为主, 维护生态系统的健康稳定; 在人类活动频繁的区域, 如汾河沿线, 应重点关注建设用地和耕地扩张, 对于污染水环境及破坏生态环境的产业依法进行叫停。加强河道两岸的生态管控和生态功能保护区的划定, 对于保护区内耕地实行分阶段的退耕还林还草还湿, 建设缓冲隔离防护林带和水源涵养林带, 改变农防段种植结构, 提高河流自净能力, 通过结合的国土空间规划和适度生态工程措施来优化流域景观格局结构。

表5 汾河流域不同情境景观格局指数

注: NDS表示自然发展情景; ESS表示基于生态保护的可持续发展情景。

已有研究表明[34], 景观生态风险的时空分布特征具有明显的空间效应, 不同的研究尺度单元, 会导致研究结果会存在一定的差异。限于研究区土地利用分辨率的影响, 本文在研究中可能会忽略了某些区域斑块面积较小的用地类型, 使其景观生态风险时空分布变化不能够被反映。此外, 景观生态风险的时空特征受土地覆被分类方法和详细程度的影响较大。随着研究的深入, 之后会结合高分影像数据优化土地利用的解译精度, 提高其分辨率与用地类型数量, 为提高后续研究的科学性以及规划调控的精确性做出相应准备。

4 结论

本文对汾河流域2000—2020年景观生态风险的时空分异特征进行研究, 结合PLUS模型对2035年汾河流域景观生态风险空间分布和演变趋势进行多情景模拟预测, 并基于景观格局指数对比不同情景之间的差异。得出以下结论:

(1) 2000—2020年, 汾河流域低和较低等级占比超区域的50%以上, 风险指数均值呈现先增后减现象, 整体为下降趋势, 主要由于低风险地区面积持续增加, 达到了12.75%。20年间, 相邻等级的转移是等级变化的主要特征, 其中等级下降面积占比最多表现为依次向相邻风险等级降低。

(2) 高风险、较高风险以及中风险等级主要位于以耕地、草地、林地为主的低海拔山地地区; 低风险和较低风险主要位于以林地为主的高海拔山地地区和以建设用地和耕地为主的盆地地区。2000—2010年较高风险地区呈现核心扩散的变化特点, 低风险地区集中连片趋于整合。

(3) 2020—2035年, 两种情景下的景观生态风险指数均值进一步下降, 较低风险与低风险占比总和继续均增加超65%, 其中自然发展情景以低风险增加为主; 生态保护的可持续发展情景, 主要以高风险地区面积下降为主。生态保护的可持续发展情景下林地、草地、水域的面积出现较大的增加且具有良好的连通性并优势度较大; 自然发展情景下建设用地、耕地和未利用地面积更大且斑块更加整合。

[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] 许妍, 高俊峰, 赵家虎, 等. 流域生态风险评价研究进展[J]. 生态学报, 2012, 32(1): 284–292.

[3] WANG H, LIU X, ZHAO C, et al. Spatial-temporal pattern analysis of landscape ecological risk assessment based on land use/land cover change in Baishuijiang National nature reserve in Gansu Province, China[J]. Ecological Indicators, 2021, 124:107454.

[4] CHEN J, DONG B, LI H, et al. Study on landscape ecological risk assessment of Hooded Crane breeding and overwintering habitat[J]. Environmental Research, 2020, 187.

[5] 康紫薇, 张正勇, 位宏, 等. 基于土地利用变化的玛纳斯河流域景观生态风险评价[J]. 生态学报, 2020, 40(18): 6472–6485.

[6] 杨馗, 信桂新, 蒋好雨, 等. 基于最佳尺度的景观生态风险时空变化研究: 以重庆市江津区为例[J]. 生态与农村环境学报, 2021, 37(5): 576–586.

[7] 史利江, 刘敏, 李艳萍, 等. 汾河流域县域经济差异的时空格局演变及驱动因素[J]. 地理研究, 2020, 39(10): 2361–2378.

[8] 张文静, 孙小银, 单瑞峰, 刘飞. 1975—2018年南四湖流域景观生态风险时空变化及其驱动因素研究[J]. 生态科学, 2020, 39(3): 172-181.

[9] 黄木易, 何翔. 近20年来巢湖流域景观生态风险评估与时空演化机制[J]. 湖泊科学, 2016, 28(4): 785–793.

[10] WEN Zhang, WEN J. Chang, ZAI C, et al. Landscape ecological risk assessment of Chinese coastal cities based on land use change[J]. Applied Geography,2020,117.

[11] 曾永年, 靳文凭, 王慧敏, 等. 青海高原东部土地利用变化模拟与景观生态风险评价[J]. 农业工程学报, 2014, 30(4): 185–194.

[12] 杨阳, 黄义雄, 李潇, 等. 海坛岛土地利用变化模拟与景观生态风险评价[J]. 水土保持通报, 2017, 37(6): 146– 151+156.

[13] 李青圃, 张正栋, 万露文, 等. 基于景观生态风险评价的宁江流域景观格局优化[J]. 地理学报, 2019, 74(7): 1420–1437.

[14] 潘竟虎, 刘晓. 疏勒河流域景观生态风险评价与生态安全格局优化构建[J]. 生态学杂志, 2016, 35(3): 791–799.

[15] 欧定华, 夏建国. 基于粒子群算法的大城市近郊区景观格局优化研究—以成都市龙泉驿区为例[J]. 地理研究, 2017, 36(3): 553–572.

[16] KEANE R E, PARSONS R A, HESSBURG P F. Estimating historical range and variation of landscape patch dynamics: limitations of the simulation approach[J]. Ecological Modelling, 2002, 151(1): 29–49.

[17] 杨海乐, 陈家宽. 流域生态学的发展困境—来自河流景观的启示[J]. 生态学报, 2016, 36(10): 3084–3095.

[18] 陈希, 王克林, 祁向坤, 等. 湘江流域景观格局变化及生态服务价值响应[J]. 经济地理, 2016, 36(5): 175–181.

[19] NELSON Rangel-Buitrago, WILLIAM J. Neal, VICTOR N. de Jonge. Risk assessment as tool for coastal erosion management[J]. Ocean and Coastal Management, 2020, 186.

[20] 陈心怡, 谢跟踪, 张金萍. 海口市海岸带近30年土地利用变化的景观生态风险评价[J]. 生态学报, 2021, 41(3): 975–986.

[21] 王洁, 摆万奇, 田国行. 青藏高原景观生态风险的时空特征[J]. 资源科学, 2020, 42(9): 1739–1749.

[22] 孙才志, 闫晓露, 钟敬秋. 下辽河平原景观格局脆弱性及空间关联格局[J]. 生态学报, 2014, 34(2): 247–257.

[23] 韩振华, 李建东, 殷红, 等. 基于景观格局的辽河三角洲湿地生态安全分析[J]. 生态环境学报, 2010, 19(3): 701–705.

[24] 王小丹, 程根伟, 赵涛, 等. 西藏生态安全屏障保护与建设成效评估[J]. 中国科学院院刊, 2017, 32(1): 29–34.

[25] 付扬军, 师学义, 和娟. 汾河流域景观格局脆弱性时空分异特征[J]. 水土保持研究, 2020, 27(3): 197–202.

[26] 杨庚, 张振佳, 曹银贵, 等. 晋北大型露天矿区景观生态风险时空异质性[J]. 生态学杂志, 2021, 40(1): 187–198.

[27] 周汝佳, 张永战, 何华春. 基于土地利用变化的盐城海岸带生态风险评价[J]. 地理研究, 2016, 35(6): 1017–1028.

[28] ANSELIN L. 1995. Local indicators of spatial association- LISA. Geographical Analysis, 27: 93–115.

[29] 徐建华. 计量地理学. 第2版[M]. 高等教育出版社, 2014.

[30] LIANG X, GUAN Q, CLARKE K C, et al. Understanding the drivers of sustainable land expansion using a patch- generating land use simulation (PLUS) model: A case study in Wuhan, China[J]. Computers Environment and Urban Systems, 2021, 85:101569.

[31] 张晓瑶, 陆林, 虞虎, 等. 青藏高原土地利用变化对生态系统服务价值影响的多情景模拟[J]. 生态学杂志, 2021, 40(3): 887–898.

[32] 刘海龙, 王炜桥, 王跃飞, 等. 汾河流域生态敏感性综合评价及时空演变特征[J]. 生态学报, 2021, 41(10): 3952–3964.

[33] 颜瑜严, 杨辽, 王伟胜, 等. 伊犁河谷景观生态风险时空变化及其地形梯度分析[J]. 生态科学, 2020, 39(4): 125–136.

[34] 付扬军, 师学义, 和娟. 汾河流域景观破碎化时空演变特征[J]. 自然资源学报, 2019, 34(8): 1606–1619.

[35] 王艳芳, 沈永明, 陈寿军, 等. 景观格局指数相关性的幅度效应[J]. 生态学杂志, 2012, 31(8): 2091–2097.

Spatial-temporal differentiation and multi-scenario simulation of landscape ecological risk assessment in Fenhe River Basin based on PLUS model

WANG Yongzheng1,2,*, LIANG Zhe1, YU Haoran2, ZHANG Qiang1, FAN Xin3

1. School of Architecture and Planning, Anhui Jianzhu University, Hefei 230022, China 2. Research Center of Urbanization Development in Anhui Province, Hefei 230022, China 3. School of Public Administration, China University of Geosciences(Wuhan), Wuhan 430074, China

Exploring the temporal and spatial differentiation of landscape ecological risks in watershed regions and future multi-scenario simulations provides a useful reference for the diagnosis of regional land development problems and the sustainable development of regional ecological environment. It took the Fenhe River Basin as the research object, based on the three phases of land use data in 2000, 2010, and 2020, using GIS grid method, landscape pattern index, spatial statistical analysis and other methods to explore the temporal and spatial differentiation characteristics of the landscape ecological risk in the Fenhe River Basin And its laws, combined with multivariate data. It used the PLUS model to simulate the evolution trend and differences of the ecological risks of the Fenhe River Basin under multiple scenarios in the future. The results showed that: (1) From 2000 to 2020, the average value of the Fenhe River Basin landscape ecological risk index showed an overall downward trend, mainly due to the continuous increase in the area of low-risk areas. (2) Its spatial agglomeration effect increased year by year, and the basin areas with relatively flat terrain were mainlylow-risk and low-risk level, and the larger the scope over time, the stronger the agglomeration. (3) In 2035, the landscape ecological risk in the two scenarios will be further reduced, and the average value of the landscape ecological risk in the Fenhe River Basin under the sustainable ecological protection scenario will decrease and the increase in low-risk area is closely related to the increase and connectivity of woodland, grassland, and water areas, while changes in natural development scenarios are closely related to the integration of construction land and cultivated land.

PLUS model;multi-scenario simulation;landscape ecological risk assessment;Fenhe River Basin; landscape pattern

10.14108/j.cnki.1008-8873.2024.01.005

S157.2

A

1008-8873(2024)01-035-11

2021-07-19;

2023-09-22基金项目:国家自然基金项目(51778002); 安徽省高校省级人文社会科学研究项目重点项目(SK2020A0257)

汪勇政(1979—), 男, 安徽怀宁人, 副教授, 硕士生导师, 主要从事区域生态规划、土地资源相关研究E-mail: rockyhust1979@ahjzu.edu.cn

通信作者:汪勇政

汪勇政, 梁哲, 余浩然, 等. 基于PLUS模型的汾河流域景观生态风险时空分异及多情景模拟[J]. 生态科学, 2024, 43(1): 35–45.

WANG Yongzheng, LIANG Zhe, YU Haoran,et al. Spatial-temporal differentiation and multi-scenario simulation of landscape ecological risk assessment in Fenhe River Basin based on PLUS model[J]. Ecological Science, 2024, 43(1): 35–45.