基于PLUS模型的雅康高速路段景观生态风险评价.pdf

第4 3卷第3期2 0 2 3年6月水土保持通报B u l l e t i no fS o i l a n dW a t e rC o n s e r v a t i o nV o l.4 3,N o.3J u n.,2 0 2 3 收稿日期:2 0 2 2-0 7-1 0 修回日期:2 0 2 2-0 9-1 8 资助项目:第二次青藏高原综合考察研究子专题“人类活动对生态资产与生态系统服务的影响”(2 0 1 9 Q Z KK 0 3 0 7)第一作者:刘静静(1 9 9 7),女(汉族),山西省长治市人,硕士研究生,研究方向为3 S技术与数字国土。E m a i l:2 6 4 4 6 1 5 7 7 0q q.c o m。通信作者:彭培好(1 9 6 3),男(汉族),山东省诸城市人,博士,教授,主要从事生态恢复与生态遥感研究。E m a i l:p e i h a o p 1 6 3.c o m。基于P L U S模型的雅康高速路段景观生态风险评价刘静静1,李 旭2,彭培好2,3(1.成都理工大学 地球科学学院,四川 成都6 1 0 0 5 9;2.成都理工大学旅游与城乡规划学院,四川 成都6 1 0 0 5 9;3.成都理工大学 生态资源与景观研究所,四川 成都6 1 0 0 5 9)摘 要:目的评价区域景观生态风险,揭示其时空变化规律,为降低区域生态风险,维护区域生态安全,推进区域绿色发展提供支撑。方法以土地利用数据为基础,通过其变化来建立景观生态风险评价模型,探讨2 0 0 02 0 2 0年雅康高速公路穿越县市景观生态风险的时空变化特征,并利用最优参数的地理探测器模型定量分析景观生态风险变化的驱动因素,采用P L U S模型模拟2 0 3 5年雅康高速经过县市景观生态风险的空间分布特征和变化趋势。结果2 0 0 02 0 2 0年,研究区主要景观类型为林地、草地、耕地,不透水面面积增长速率最快,林地面积增加最多;研究区景观生态风险等级以低、较低和中风险等级为主,风险等级由高到低呈向外扩散现象;N D V I值、高程、年均降水等自然因素是景观生态风险变化的主要驱动因子;2 0 3 5年两种不同情景下研究区中、较高、高风险等级的面积均有所下降,其中生态保护情景下,下降较为明显。结论研究区内景观生态风险等级较低,以低、较低和中风险等级为主,生态环境呈逐渐向好趋势。生态保护情景更加符合区域可持续发展理念。关键词:P L U S模型;景观生态风险;土地利用变化;地理探测器;雅康高速文献标识码:B 文章编号:1 0 0 0-2 8 8 X(2 0 2 3)0 3-0 1 4 8-1 1 中图分类号:X 2 2,F 3 0 1.2文献参数:刘静静,李旭,彭培好.基于P L U S模型的雅康高速路段景观生态风险评价J.水土保持通报,2 0 2 3,4 3(3):1 4 8-1 5 8.D O I:1 0.1 3 9 6 1/j.c n k i.s t b c t b.2 0 2 3.0 3.0 1 9;L i uJ i n g j i n g,L iX u,P e n g P e i h a o.L a n d s c a p ee c o l o g i c a l r i s ka s s e s s m e n t o fY aa n-K a n g d i n gE x p r e s s w a yb a s e do nP L U Sm o d e lJ.B u l l e t i no fS o i l a n dW a t e rC o n s e r v a t i o n,2 0 2 3,4 3(3):1 4 8-1 5 8.L a n d s c a p eE c o l o g i c a lR i s kA s s e s s m e n t o fY aa n-K a n g d i n gE x p r e s s w a yB a s e do nP L U SM o d e lL i uJ i n g j i n g1,L iX u2,P e n gP e i h a o2,3(1.C o l l e g eo fE a r t hS c i e n c e s,C h e n g d uU n i v e r s i t yo fT e c h n o l o g y,C h e n g d u,S i c h u a n6 1 0 0 5 9,C h i n a;2.C o l l e g eo fT o u r i s ma n dU r b a n-R u r a lP l a n n i n g,C h e n g d uU n i v e r s i t yo fT e c h n o l o g y,C h e n g d u,S i c h u a n6 1 0 0 5 9,C h i n a;3.I n s t i t u t eo fE c o l o g i c a lR e s o u r c e sa n dL a n d s c a p eA r c h i t e c t u r e,C h e n g d uU n i v e r s i t yo fT e c h n o l o g y,C h e n g d u,S i c h u a n6 1 0 0 5 9,C h i n a)A b s t r a c t:O b j e c t i v eT h e r e g i o n a l l a n d s c a p e e c o l o g i c a l r i s k sw e r ee v a l u a t e d,a n dt h e i rs p a t i o t e m p o r a lv a r i a t i o nw a sa n a l y z e d i no r d e r t op r o v i d e i m p o r t a n t s u p p o r t f o r r e d u c i n gr e g i o n a l e c o l o g i c a l r i s k s,m a i n t a i n i n gr e g i o n a le c o l o g i c a ls e c u r i t y,a n dp r o m o t i n gr e g i o n a lg r e e nd e v e l o p m e n t.M e t h o d sW ec o n s t r u c t e dal a n d s c a p ee c o l o g i c a l r i s ka s s e s s m e n tm o d e lb a s e do nl a n du s ec h a n g e,a n dd e t e r m i n e dt h e t e m p o r a l a n ds p a t i a l c h a n g ec h a r a c t e r i s t i c so f l a n d s c a p ee c o l o g i c a l r i s kf o rt h eY aa n-K a n g d i n gE x p r e s s w a yc r o s s i n gc o u n t i e sa n dc i t i e sf r o m2 0 0 0t o2 0 2 0.Ag e o g r a p h i c d e t e c t o rm o d e lw i t ho p t i m i z e dp a r a m e t e r sw a su s e d t oq u a n t i t a t i v e l ya n a l y z e t h ed r i v i n gf a c t o r s o f l a n d s c a p e e c o l o g i c a l r i s kc h a n g e.W eu s e dt h eP L U Sm o d e l t os i m u l a t e t h es p a t i a l d i s t r i b u t i o nc h a r a c t e r i s t i c sa n dc h a n g i n gt r e n d so f l a n d s c a p ee c o l o g i c a l r i s k s f o r t h eY aa n-K a n g d i n gE x p r e s s w a yp a s s i n gt h r o u g hc o u n t i e sa n dc i t i e s i n2 0 3 5.R e s u l t s F r o m2 0 0 0t o2 0 2 0,t h em a i nl a n d s c a p et y p e s i nt h es t u d ya r e aw e r e f o r e s t l a n d,g r a s s l a n d,a n dc u l t i v a t e d l a n d,w i t ht h e f a s t e s tg r o w t hr a t eo c c u r r i n gf o r t h e i m p e r v i o u ss u r f a c ea r e a(e x p r e s s w a y),a n d t h e l a r g e s t i n c r e a s eo c c u r r i n g i nf o r e s t l a n da r e a.L o wa n dm e d i u ml a n d s c a p ee c o l o g i c a l r i s kg r a d e sw e r et h em a i nf a c t o r s.T h er i s kg r a d e ss p r e a do u t w a r df r o mh i g ht ol o w.N a t u r a lf a c t o r ss u c ha sN D V I,e l e v a t i o n,a n da v e r a g ea n n u a l p r e c i p i t a t i o nw e r e t h em a i nd r i v i n gf a c t o r s f o rc h a n g e si nl a n d s c a p ee c o l o g i c a l r i s k.I n2 0 3 5,t h ea r e a so fm e d i u m,h i g h,a n dh i g hr i s kg r a d e s i nt h es t u d ya r e aw i l l d e c r e a s eu n d e rt h et w od i f f e r e n ts c e n a r i o s.T h ea r e ao fs i g n i f i c a n td e c l i n ew i l lb ep a r t i c u l a r l yo b v i o u su n d e r t h ee c o l o g i c a l p r o t e c t i o ns c e n a r i o.C o n c l u s i o nT h e l a n d s c a p e e c o l o g i c a l r i s k l e v e l s i n t h e s t u d y a r e aw e r er e l a t i v e l y l o w,m a i n l y l o w,l o w e r,a n dm e d i u mr i s k l e v e l s,a n d t h e e c o l o g i c a l e n v i r o n m e n tw a s g r a d u a l l y i m p r o v i n g.T h ee c o l o g i c a l p r o t e c t i o ns c e n a r i ow a sm o r e c o n s i s t e n tw i t ht h e c o n c e p t o f r e g i o n a l s u s t a i n a b l ed e v e l o p m e n t.K e y w o r d s:P L U Sm o d e l;l a n d s c a p e e c o l o g i c a l r i s k;l a n du s e c h a n g e;g e o g r a p h i cd e t e c t o r;Y aa n-K a n g d i n gE x p r e s s w a y 区域生态风险评价是指人类社会活动和自然环境等对区域内生态系统结构和功能产生的负面影响和损害程度1。景观是人类活动和自然变化的重要载体,且具有高度的空间异质性和一定的空间分布规律,景观类型的变化直接反应生态系统结构和功能的变化2。景观生态风险这一概念起源于2 0世纪9 0年代,相对于区域生态风险评价,它更加强调景观格局对风险的定量影响,注重风险的时空异质性3。早期对于景观生态风险的研究多采用基于风险“源汇”的评价方法,“源”“汇”概念的提出最早是应用于大气污染物的研究,为更好理解格局和过程的关系,后引入“源”“汇”景观理论4。但该方法有较大的局限性,多使用区域内主要生态风险因子去评估该区域生态风险3。景观空间结构受自然和人为因素的影响较大,因此景观的时空异质性和尺度效应成为景观生态风险评价关注的重点5。近年来,它已成为国内外研究的热点之一。从研究领域来看,国内外学者对景观生态风险的研究主要集中在流域6-7、山区城镇8-9、城 市1 0、海 岸 线1 1、生 态 脆 弱 区1 2、湿 地等1 3。莫贵芬等7探索了1 9 9 52 0 1 8年中亚阿姆河跨 境 流 域 景 观 生 态 风 险 时 空 演 变 特 征;W a n gH o n g等1 4基于1 9 8 62 0 1 5年甘肃白水江国家级自然保护区不同功能区的土地覆被变化,评价了其景观生态风险;M o n d a l等1 5量化了D e l h i城市扩张造成的景观生态风险与经济活动、环境和基础设施之间的关联性;L i uD i等1 6通过构建景观指数模型和重心模型,基于地貌分区视角分析了陕西省1 9 8 02 0 1 7年生态风险的时空分异和迁移。A i J i n g w e i等1 7研究调查了福建省海坛岛景观生态风险时空变化分析所需的最优空间尺度。这些学者的研究成果丰富了景观生态学理论,为景观生态风险防控提供了理论指导。对于中国西部地区景观生态风险的研究,之前学者大多集中在青藏高原1 8、川滇生态屏障区等1 9大空间尺度区域,或者更小空间尺度8-9上,而对特殊地形地貌区域缺少研究。雅康高速经过雅安市、泸定县、康定市,地势落差较大,地质条件及其复杂,随着雅康高速的开通,推动沿线城市经济发展的同时也为其生态环境保护带来了巨大的压力。鉴于此,本文以“两市一县”2 0 0 0,2 0 0 5,2 0 1 0,2 0 1 5,2 0 2 0年5期土地利用数据为基础,分析了景观类型的变化特征,通过构建景观生态风险指数模型,分析了景观生态风险等级的时空变化。利用地理探测器模型和P L U S模型定量分析“两市一县”景观生态风险变化的驱动因素,模拟未来景观生态风险的变化趋势,旨在促进生态环境保护和区域城镇化建设协调发展,为区域的可持续发展提供科学依据。1 材料与方法1.1 研究区概况雅康高速位于四川省西部,东起雅安市,西至康定市,全长约1 3 5k m,将雅康高速联通的两市一县(雅安市、泸定县、康定市)作为研究范围。两市一县(2 8 5 1 3 0 5 6 N,1 0 1 0 2 1 0 3 2 3 E),东邻成都、乐山、眉山市,南与凉山彝族自治州毗邻,北与阿坝藏族羌族自治州接壤,面积2 88 1 1.3 5k m2,约占四川省总面积的5.9 2%(图1)。研究区位于四川盆地西缘与青藏高原的过渡地带,地势西高东低,高程范围 为4 9 073 8 8 m;多 年 平 均 降 水 量8 0 012 0 0mm,多年平均气温为1 31 7。研究区具有良好的地缘优势,植被覆盖度高达8 0%以上,生态资源优势突出,水系众多,主要有大渡河、青衣江等,同时由于地貌气候的复杂多样以及各民族文化的冲突交融,使得该研究区域具有丰富的旅游资源和文化内涵。研究区域地质构造复杂,地壳活动强烈,是四川省自然灾害频发地区,生态环境破坏风险较高。1.2 数据来源及处理结合数据的可获得性,考虑到土地利用变化受到自然环境和社会经济等多因素的作用,并且该研究区域属于地质灾害频发地区,选取除高程、坡度、人口密度、G D P等常规驱动因子,另加入地质灾害隐患点共1 5个驱动因子(表1)。利用A r c G I S1 0.8对驱动因子和限制区域数据进行裁剪、投影转换、重采样等操作,将其处理为3 03 0m空间分辨率的栅格文件,且行列号与土地利用数据保持一致。941第3期 刘静静等:基于P L U S模型的雅康高速路段景观生态风险评价注:本图基于国家测绘地理信息局标准地图服务网站审图号为G S(2 0 1 6)1 5 6 9号标准地图校准制作。下同。图1 研究区位置及生态风险评价单元的划分F i g.1 L o c a t i o no f r e s e a r c ha r e aa n dd i v i s i o no f e c o l o g i c a l r i s ka s s e s s m e n t u n i t s表1 研究数据来源信息T a b l e1 D a t a s o u r c e i n f o r m a t i o no f s t u d y数据名称 数据来源及说明 2 0 0 0,2 0 0 5,2 0 1 0,2 0 1 5,2 0 2 0年5期土地利用数据武汉大学黄昕教授团队制作的中国3 0m分辨率年度土地覆盖产品,产品整体精度为7 9.3 1%2 0(h t t p:d o i.o r g/1 0.5 2 8 1/z e n d o.4 4 1 7 8 1 0),在P I E(遥感云平台)通过感兴趣区域下载。包括林地、耕地、灌木地、不透水面、水域、冰川和永久积雪、草地、裸地、湿地9中土地利用类型研究区边界、G D P中国科学院资源环境与数据中心(h t t p s:www.r e s d c.c n/)高程、坡度地理空间数据云(h t t p:www.g s c l o u d.c n)、各区县统计年鉴年平均气温、年平均降水量、N D V I国家地球系统科学数据中心(h t t p s:www.g e o d a t a.c n/)土壤类型国家青藏高原科学数据中心(h t t p:d a t a.t p d c.a n.c n)邻近河流全国地理信息资源目录服务系统(h t t p s:www.w e b m a p.c n)邻近地质灾害隐患点在四川省地质灾害隐患点掌上查询系统V 2.0查询并整理人口密度h t t p:www.w o r l d p o p.o r g/邻近政府高德地图开放平台(h t t p s:l b s.a m a p.c o m/)邻近主干道、邻近次要道路、邻近三级道路、邻近高速公路O p e n S t r e e t M a p中国生态系统敏感性和功能重要性划分中国生态系统评估与生态安全数据库(h t t p s:www.e c o s y s t e m.c s d b.c n)1.3 研究方法1.3.1 景观生态风险指数模型(1)景观生态风险评价单元的划分。采用格网G I S法,以格网为评价单元,对研究区进行生态风险评价单元的划分2 1。考虑到研究区域的实际情况和计算量,研究中利用A r c G I S1 0.8对研究区土地利用数据进行5k m5k m格网化,将研究区划分为12 1 0个评价单元(图1),并用F r a g s t a t4.2软件分别计算每个评价单元的景观生态风险指数值,将结果赋给评价单元的中心点。(2)景观生态风险指数模型的构建。从景观格局的角度,构建景观生态风险指数(E R I)6,计算公式如下:E R Ik=ni=1Ak iAkRi(1)式中:E R Ik为第k个评价单元内的景观生态风险指数,其值越大表示该评价单元的生态风险越高,反之亦然;Ak i为第k个评价单元内i类景观的面积;Ak为第k个评价单元内景观类型的总面积;Ri为景观类型i的景观损失度指数。Ri=EiVi(2)Ei=a Pi+b Di+c Fi(3)式中:Ei为景观干扰度指数,通过景观破碎度指数(Pi)、景观分离度指数(Di)、景观分维度指数(Fi)来构建2,a,b,c分别为3个景观指数的权重值,a+b+c=1。在前人研究成果的基础上2 2,结合两市一县的实际情况以及各景观指数对生态环境的贡献,分别051 水土保持通报 第4 3卷赋值为0.5,0.3,0.2。Vi为景观脆弱度指数,根据土地利用分类并结合已有研究成果1 2,通过专家打分法对各类景观类型进行赋值如下:不透水面1,林地2,灌木地3,草地4,耕地5,湿地6,水域7,裸地8,冰川和积雪9,将分配结果归一化,以获得各种景观脆弱性指数的值,分别为0.0 2,0.0 4,0.0 7,0.0 9,0.1 1,0.1 3,0.1 6,0.1 8,0.2。1.3.2 地理探测器模型 地理探测器是王劲峰提出的一种统计学方法,它可以定量分析因变量对自变量的解释力,包括因子检测、交互检测、生态检测和风险区域检测。本文使用前两种探测器2 2。因子检测主要用于检测因变量的空间分异规律以及自变量解释因变量空间分异规律的能力,用q值来度量,其表达式为2 2:q=1-Lh=1Nh2hN 2=1-S SWS S T(S SW=Lh=1Nh2h,S S T=N 2)(4)式中:h为从1开始的正整数;L为分类数;Nh为分区h的单元数;N整个研究区内的单元数;2为分区h因变量Y的方差;为研究区内因变量Y的方差;S SW为各分区方差之和;S S T为研究区总方差。q的取值范围为0,1,q值越大,说明该自变量X对因变量Y的解释能力越强。交互探测用于探测两个影响因子的相互作用,以及这些因子的相互作用是否增强、减弱或完全独立于任何影响,可以定量分析各因子的交互作用对景观生态风险的解释力。2 结果与分析2.1 景观类型变化分析研究区内景观类型分布及变化状况见图2。区内景观类型主要为林地、草地和耕地,分别约占研究区总面积的5 9.8 7%,2 6.5 7%,7.7 9%。2 0 0 02 0 2 0年,林地、灌木地、水域、裸地和不透水面的面积总体呈增加趋势,其中不透水面面积持续增加,灌木地面积先增加后减少,水域面积的变化趋势与灌木林地的变化趋势相反,林地和裸地面积波动上升。耕地、草地、湿地和冰川积雪面积呈波动性下降趋势。不透水面面积占比较少,但增加2 5.1 7k m2,增长速率为3 7.2 3%,增长速率较快,这与城镇化进一步加快的进程一致;林地面积增加最多,增加了2 7 0.9 6k m2,占变化总量的2 6%;草地和耕地面积分别减少2 4 9.8 8,2 3 3.1 1k m2,分别占变化总量的2 3.9 7%和2 2.3 6%。图2 2 0 0 02 0 2 0年研究区景观类型空间分布F i g.2 S p a t i a l d i s t r i b u t i o no f l a n d s c a p e t y p e s i ns t u d ya r e af r o m2 0 0 0t o2 0 2 0151第3期 刘静静等:基于P L U S模型的雅康高速路段景观生态风险评价 研究区内景观类型转移状况如图3所示,2 0 0 02 0 2 0年,不透水面的增长速率最快,主要由耕地、林地、草地转移而来;林地面积增加最多,主要由草地、耕地、灌木地转入。2 0 1 02 0 2 0年景观类型的变化比2 0 0 02 0 1 0年更加明显,其中2 0 0 02 0 1 0年景观类型面积增加最多的是水域,主要由冰川/积雪转入,面积减少最多的是草地,主要转出为林地。2 0 1 02 0 2 0年,林地、耕地和草地主要转入和转出。图3 2 0 0 02 0 2 0年研究区景观类型转移桑基图F i g.3 S a n k e yd i a g r a mo f l a n d s c a p e t r a n s f e r i ns t u d ya r e af r o m2 0 0 0t o2 0 2 02.2 景观生态风险时空演变分析根据景观生态风险指数模型求得出各风险区的生态风险指数,并将其分配到风险区的中心。利用A r c G I S1 0.8地统计学模块对风险小区中心点数据进行半变异函数拟合,经过反复试验,使其平均误差控制在5%,得到最佳拟合模型。利用普通克里金插值法对2 0 0 0,2 0 0 5,2 0 1 0,2 0 1 5,2 0 2 0年5期数据进行空间插值,为了便于比较分析,按照统一的分类标准,将研究区景观生态风险划分为高风险区、较高风险区、中风险区、较低风险区和低风险区5个等级。从空间上看(图4),2 0 0 02 0 2 0年,研究区内景观生态风险等级空间分布特征整体相似,风险等级由高到低呈向外扩散现象。低风险一部分分布在康定市西部和北部的高海拔地区,景观类型以草地、林地为主,人类活动对景观干扰较少,景观干扰度指数较低。另一部分分布在雅安市西部、北部和西南部的边远高山,该区域内包括喇叭河、蜂桶寨、大相岭等多个自然保护区,受国家政策的保护,人为干扰度也较低。较低风险区围绕低风险区分布。高风险区主要分布在研究区边缘地区、县市交界地带,该区域以景观脆弱度较高的冰川和永久积雪、水域等为主,受气候条件影响较大。较高风险区一部分分布在雅安市的雨城区、名山区和汉源县,景观类型以耕地和不透水面为主,但耕地不是集中连片,而是分散分布,破碎度和分离度较大,且随着雅安市中心城区的扩张,各类基础设施建设力度不断加大,使得各类景观干扰度不断增加;另一部分分布在康定市与雅安市、泸定县的交界地带,景观类型主要以裸地为主,对抗外界干扰能力较差。中风险区位于较高风险区和较低风险区的中间地带,主要分布在雅安市雨花区、名山区、汉源县边缘以及康定市东南部。从统计结果和转移情况来看(表2),研究期间,研究区内以低风险区、较低风险区和中风险区为主,约占全区景观生态风险等级总面积的8 4.5 6%。不同景观生态风险水平的区域发生了显著变化。近2 0a来,低生态风险区面积增加2 9 5.3 8k m2,增幅较小,增加1.6 4%;较低生态风险区面积变化剧烈,共增加18 4 2.9 4k m2,增加6.2 9%;中、较高、高生态风险区面积分别减少1 9 3.9 5,9 8 7.9 2,9 5 6.3 6k m2,比例分别下降0.6 6%,3.3 7%,3.2 7%。表2 2 0 0 02 0 2 0年研究区景观生态风险等级面积及比例T a b l e2 A r e aa n dp r o p o r t i o no f l a n d s c a p e e c o l o g yr i s kl e v e l i ns t u d ya r e a f r o m2 0 0 0t o2 0 2 0年份风险等级低风险区较低风险区中风险区较高风险区高风险区2 0 0 0面积/k m296 4 6.0 374 5 0.1 269 2 7.0 735 7 8.7 916 9 8.0 0比例/%3 2.2 92 5.4 32 3.6 41 2.2 15.8 02 0 0 5面积/k m21 03 4 1.6 276 7 6.8 365 6 2.2 830 7 1.1 916 4 8.1 2比例/%3 5.3 02 6.2 02 2.4 01 0.4 85.6 22 0 1 0面积/k m21 05 1 7.3 376 5 7.0 466 3 5.8 629 4 9.4 315 2 3.7 3比例/%3 5.9 22 6.1 52 2.6 61 0.0 75.2 02 0 1 5面积/k m299 1 9.7 679 1 3.0 768 3 1.6 231 5 4.6 914 8 0.8 9比例/%3 3.8 62 7.0 12 3.3 21 0.7 75.0 52 0 2 0面积/k m299 4 1.4 192 9 3.0 667 3 3.0 525 9 0.8 77 4 1.6 4比例/%3 3.9 33 1.7 22 2.9 88.8 42.5 3251 水土保持通报 第4 3卷图4 2 0 0 02 0 2 0年研究区景观生态风险等级分布F i g.4 R i s k l e v e l d i s t r i b u t i o no f l a n d s c a p e e c o l o g y i ns t u d ya r e af r o m2 0 0 0t o2 0 2 0 从图5可以看出,较低生态风险区向低生态风险区转移面积为9 5 9.5 8k m2,中生态风险区向较低生态风险区转移面积为24 8 1.2 3k m2,较高生态风险区向中生态风险区转移面积为20 1 5.7 9k m2,高生态风险区向较高生态风险区转移面积为9 4 2.8 4k m2,总的来说,生态风险区向低生态风险区的转移表明研究区的生态环境呈良性发展趋势。图5 2 0 0 02 0 2 0年研究区景观风险转移桑基图F i g.5 S a n k e yd i a g r a mo f l a n d s c a p er i s kt r a n s f e r i ns t u d ya r e af r o m2 0 0 0t o2 0 2 02.3 地理探测器模型分析本文地理探测器模型是基于R中的G D包实现。为使计算简便,结合研究区的实际情况,选取与自然、经济和区域可达性相关的1 2个影响因子,研究其对景观生态风险的驱动力。地理探测器要求自变量x为离散变量,因此需要对驱动因子数据进行离散化,G D包中提供了6种离散化方法,通过算法确定数据离散化的最优方法和最优分类,从而得到最具有解释力的q值。因子探测器探测1 2个影响因子对景观生态风险解释力q值见表3。各因子对景观生态风险的解释力在不同年份存在一定的差异,但总体上保持一 致。2 0 0 02 0 2 0年 解 释 力q值 前5位 分 别 是N D V I值、高程、年平均气温、年平均降水、土壤有机碳含量,说明自然因素成为研究区景观生态风险变化的主要影响因素;其中N D V I在所有贡献量中排在首位,这与研究区主要景观类型为林地和草地的事实相一致。研究时期内X6,X1,X3,X5的q值变化趋势为先增大,到2 0 1 0年达到峰值后减小,而X4的q值到2 0 1 0年增 长 到 最 大 值,2 0 1 5年 减 小 到 最 小 值,2 0 1 02 0 1 5年变化急剧,通过查阅资料,这主要受2 0 1 0年西南 地 区 持 续 旱 灾 的 影 响1 7。研 究 期 间,X7,X8,X1 0,X1 1的q值整体增大,其中X7,X8增加351第3期 刘静静等:基于P L U S模型的雅康高速路段景观生态风险评价的最多,说明随着人类社会的进步和生产力的不断提高,人口密度和经济社会对景观生态风险变化的影响不断增加;由于人们对地质灾害认识的不断提高,预测灾害发生和灾后生态修复技术手段的进步,使得地质灾害对景观生态风险变化的影响不断降低,因此,X1 2的q值在研究期间整体减小。表3 各影响因子对研究区景观生态风险的解释力q值T a b l e3 T h eqv a l u eo f e x p l a n a t o r yp o w e ro fd i f f e r e n t i n f l u e n c i n gf a c t o r so nl a n d s c a p ee c o l o g yr i s k i ns t u d ya r e a变量变量名称 2 0 0 0年2 0 0 5年2 0 1 0年2 0 1 5年2 0 2 0年X1高 程0.4 4 360.4 6 800.4 9 640.4 5 060.3 6 41X2坡 度0.0 2 170.0 1 900.0 1 850.0 1 550.0 1 56X3年平均气温0.4 3 720.5 1 110.5 2 760.4 8 440.3 8 09X4年平均降水0.1 7 260.1 5 790.2 1 670.0 1 660.1 6 35X5土壤有机碳含量0.1 5 650.1 4 920.1 5 660.1 0 130.1 2 58X6N D V I0.4 7 420.5 3 710.5 3 210.5 4 420.4 2 36X7人口密度0.0 8 760.1 6 090.1 4 120.1 0 1 90.1 3 96X8G D P0.1 3 050.1 4 220.1 2 950.1 8 210.1 7 44X9距河流距离0.0 2 710.0 3 640.0 3 550.0 2 670.0 1 58X1 0距道路距离0.0 4 340.0 5 030.0 4 590.0 4 880.0 3 91X1 1距行政中心距离0.0 3 960.0 4 640.0 4 820.0 3 910.0 3 12X1 2距地质灾害点距离0.1 0 930.1 1 940.1 1 590.1 1 710.0 9 86 研究区景观生态风险空间分异的形成不是单一驱动因素造成的,而是多种驱动因素共同作用的结果。利用交互探测计算了1 2个因子之间共6 6对交互作用,结果如图6所示。图6 不同影响因子对研究区景观生态风险影响的交互作用F i g.6 I n t e r a c t i o no fd i f f e r e n t i m p a c t f a c t o r so n l a n d s c a p e e c o l o g yr i s ki ns t u d ya r e a451 水土保持通报 第4 3卷 每对相互作用因子的q值都超过了单个因子的q值,主要有双因子增强和非线性增强两种相互作用类型。研究时期内,X1,X3,X6与其余因子的交互作用明显强于其他因子的交互作用,2 0 0 0年,X1,X6的交互作用值最大,q值为0.5 6 79,说明高程对研究区景观生态风险分异规律影响较大,林地、草地是研究区主要景观类型,其变化直接影响N D V I值,两者交互对景观生态风险影响更为显著;2 0 0 5,2 0 1 0年X1,X3,X6与其他因子交互作用的q值均超过了0.5,其中X1X6,X3X6,X6X7的值大于0.6;研究期间,X4,X8的交互作用值均不低于0.3 7,反映出降水量影响植被生长,进而影响N D V I值,经济社会飞速发展,区域G D P不断提高,降水和G D P的共同作用对景观生态风险分异具有显著影响。单个经济社会因子对景观生态风险的解释力不强,但与自然因子交互时q值明显增大。X1 2与其他因子交互作用的q值也不断增大,