基于景觀格局的祁連山國家公園景觀生態風險評價

于航, 劉學錄,*, 趙天明, 張夢瑩, 年麗麗, 李曉丹

基于景觀格局的祁連山國家公園景觀生態風險評價

于航1, 劉學錄1,*, 趙天明1, 張夢瑩1, 年麗麗1, 李曉丹2

1. 甘肅農業大學資源與環境學院, 蘭州 730070 2. 甘肅農業大學管理學院, 蘭州 730070

為探析祁連山國家公園景觀格局演變對景觀生態風險的影響及為科學管理祁連山國家公園提供理論依據, 便于合理的保護和發展生態系統。以祁連山國家公園2000—2018年Landsat遙感影像解譯數據為基礎, 利用GIS空間分析技術和Fragstats4軟件計算景觀格局指數, 對研究區的景觀結構的組成及其轉化進行了分析, 在此基礎上構建了景觀生態風險指數, 并通過空間自相關性分析了景觀生態風險變化。結果表明: (1)從整個景觀來看, 景觀破碎化程度相對較低, 其中, 森林景觀破碎度顯著增加, 水域破碎度和分離度最高, 不同景觀類型干擾度特征差異較大。(2)研究區的區域景觀生態風險等級面積中, 以低生態風險區為主導, 高生態風險區和較高生態風險區面積占比均較小, 但增長幅度較其他風險等級區高, 較低生態風險區和中等生態風險區面積總體呈下降趨勢。(3)各時期景觀生態風險度的Moran’s I值分別為0.633, 0.526, 0.547, 表現出空間正相關性,空間上趨于聚集。人類活動干擾是導致該區域景觀生態風險升高的主要原因。

景觀格局; 生態風險; 祁連山國家公園

0 前言

景觀生態風險評價是生態風險評價的重要組成部分, 是對生態風險評價的補充和拓展, 它主要強調對區域生態環境可能面臨的各種大規模災害的可能影響進行綜合分析, 對區域生態環境質量的提高和發展具有指導意義[1–3]。區域生態風險是多種因素相互作用的結果, 大致可分為自然因素和人為因素, 其特點是影響范圍較大、作用時間及其產生的后果很難預測[4]。景觀生態風險評估不同于傳統的生態風險評估方法, 依托于景觀生態學中生態過程與空間格局的耦合關聯視角, 更加關注生態風險的時空異質性和尺度效應可能帶來的不利后果, 是區域尺度生態風險評價的一個重要分支領域[5]。景觀格局是景觀生態學總的核心內容和熱點區域。Forma在景觀與區域生態學中首次提出“斑塊—廊道—基質”, 推動了景觀格局的進程[6]。景觀既是自然社會資源, 又是人類經濟活動開發的對象, 人類經濟開發活動主要是在景觀層次上進行[7]。對景觀格局的研究可以揭示空間變異特征及區域生態狀況的有效手段, 其沿著某一方向的相互反饋變化在預測某些生態過程中起著重要作用[8]。

祁連山國家公園是我國重要的生態功能區, 是西北地區重要的生態安全屏障和水源保護區。近些年, 由于氣候變化和人類活動的干擾, 環境惡化問題嚴重, 引起了廣泛關注。關于祁連山地區的研究主要從區域景觀格局和流域景觀方面展開的。湯萃文(2009)等[9]基于GIS, 通過選擇合適的景觀格局指數, 分析祁連山南坡植被景觀格局的基本特征, 并進行破碎化評價;魏曉旭(2016)等[10]利用三期遙感影像, 結合相關氣象數據和統計數據, 對石羊河流域景觀生態風險的時空變化做了分析研究;趙培強(2018)等[11]以祁連山生物多樣性保護重點區域甘肅地區為研究區, 利用GIS技術, 分析了生態景觀格局和景觀特征的動態變化;徐亞男(2019)等[12]利用3S技術, 分析了祁連山東段2000—2016年的景觀動態變化和生態敏感性的關系, 且研究成果對于區域景觀的維護和可持續發展來說具有積極意義。

目前, 國內對該地區景觀格局變化及其生態風險的研究較少, 在景觀生態風險的時空演變這方面尤甚[13]。隨著祁連山國家公園管理體制的創新, 宏觀層面的景觀生態風險研究的迫切性日益明顯。本文基于祁連山國家公園2000—2018年各景觀破碎度和干擾度等景觀格局指數, 結合景觀生態學原理與空間統計學分析, 構建祁連山國家公園的景觀生態風險指數, 對祁連山國家公園進行生態風險分析, 揭示生態風險的時空變化規律, 以期為其管理與協調發展提供科學依據和技術支持。

1 材料與方法

1.1 研究區概況

祁連山國家公園地處青藏高原東北部邊緣, 總面積為50506.03 km2, 由西北至東南一系列山脈、峽谷和山間盆地組成。平均海拔為4000 m以上, 大多數山地和河流上游發育有冰緣地貌。屬高原大陸性氣候, 太陽輻射強, 日夜溫差較大, 干濕分明, 氣溫和降水垂直變化明顯, 雨熱同季。2017年9月, 中共中央辦公廳國務院辦公廳印發了《祁連山國家公園體制試點方案》批準為祁連山國家公園。是中國首批設立的10個國家公園體制試點之一, 公園保護對象涵蓋森林、草原、冰川、荒漠等生態系統。

2 數據來源與研究方法

2.1 數據來源與處理

選用2000年、2010年和2018年共3個時期祁連山國家公園Landsat遙感影像數據(分辨率為30 m)。并結合相關資料分析, 在ENVI 5.1軟件的支持下, 對圖像進行校正及配準等預處理。采用監督分類和目視解譯結合的方法進行解譯。依據一些學者[14–16]的分類結果及研究區的實際情況, 將研究區劃分為森林、草地、水域、灌木、冰雪、裸地6類景觀要素。進行監督分類時, 結合Google Earth和野外采樣點實地考察，并對解譯結果進行精度驗證, 結果顯示各解譯類型Kappa系數均介于0.8— 0.95, 解譯精度符合研究需要。研究區矢量邊界范圍、影像校正參考數據來源于甘肅省自然資源規劃研究院。

2.2 研究方法

2.2.1 景觀結構變化及景觀格局指數計算

為了探究不同景觀類型之間的轉化情況, 利用GIS10.5空間分析模塊工具計算研究區2000—2018年各景觀類型的馬爾科夫轉移矩陣[17], 有助于探討類型轉換的相互關系。景觀指數可用于定量描述和監測景觀結構特征隨時間的變化, 方法是將復雜的景觀高度濃縮成簡單且易于識別的景觀格局信息, 并反映其結構組成和空間配置等[18]。通過景觀格局分析軟件Fragstats4得出相關的景觀指數。

2.2.2 生態風險小區劃分

為了讓景觀生態風險指數空間化, 采用覆蓋所有研究區域的網格來進行系統采樣。景觀生態學研究認為, 要全面反映采樣點周圍的景觀格局信息, 風險小區的面積必須達到平均斑塊面積的2—5倍。研究區邊緣切破的不規整地塊, 面積大于0.5個規整樣區的單獨作為一個樣區, 面積小于0.5個規整樣區并入相鄰樣區[19]。因此, 風險小區的劃分是根據景觀斑塊的平均面積大小將其劃分為10 km×10 km的風險小區采樣方格, 采樣方式為等間距系統采樣法, 共劃分風險小區702個, 以此作為生態風險采集的樣本。通過景觀生態風險評價模型, 對每一評價單元樣區的生態風險指數進行計算, 讓其作為空間插值分析的樣本。研究區生態風險樣區劃分如圖1所示。

2.2.3 景觀生態風險模型的構建

景觀損失度是指受自然和人為因素干擾時, 不同景觀類型所代表的生態系統自然屬性的損失程度。通過公式(表1)計算, 將不同指數疊加, 利用景觀干擾度、景觀脆弱度, 構建景觀損失度指數(R):

式中:R為景觀損失度指數,E為景觀干擾度指數,V為脆弱度指數, 在借鑒他人研究成果[4,20]的基礎上并結合研究區的特點, 采用專家打分法, 將景觀類型的脆弱性分為6級: 冰雪為6, 水域為5, 草地為4, 灌木為3, 林地為2, 裸地為1。歸一化后, 得到各景觀類型的脆弱度指數V的權重。景觀干擾度的計算公式及各參數的意義見表1。

通過景觀干擾度指數和景觀脆弱度指數來建立景觀損失度指數, 在此基礎上, 構建景觀生態風險指數[21]():

式中:R為景觀損失度指數,A表示第個風險小區中景觀類型的面積,A是第個風險小區的總面積,為景觀類型。ERI為風險小區的景觀生態風險指數, 該值越大表示生態風險程度越高, 反之, 生態風險程度越低。

2.2.4 空間自相關分析

空間自相關分析通過描述某一要素的屬性值與其在空間上相鄰的各要素屬性值之間是否存在顯著相關性, 來揭示空間參考單元和相鄰單元在屬性特征值方面的空間相關特征。分為兩種指標: 全局Moran's I指數用于檢驗某一要素的屬性值在整個研究區內的空間相關性[25]: 局部Moran's I指數用于反映某一要素的屬性值和相鄰空間單元的相關性[26]。選取 Moran's I 指數研究區域全局空間相關性, 當 Moran's I的值為正數時, 說明存在正相關性, 且隨著數值的增加, 相關性越來越顯著。通過LISA 圖來研究屬性值在局部地區是否存在明顯的高高聚集情況和低低聚集情況。

圖1 風險小區劃分圖

Figure 1 Risk plot division

表1 景觀格局指數及意義[22]

3 結果與分析

3.1 景觀要素變化分析

在各個研究階段, 對3期數據進行地類面積和數理統計可知, 2000—2018年裸地顯著減小, 由原來總面積占比的85.76%減少到67.19%(圖2), 草地和灌木處于漲勢, 森林、水域大體上處于平穩狀態。冰雪面積變化最小, 較2000年增加了0.3%(表2)。

2000—2018年, 轉出面積的順序依次為裸地＞冰雪＞森林＞灌木＞草地＞水域, 而轉入的面積為灌木＞草地＞裸地＞冰雪＞水域＞森林。在這個變化的過程中, 裸地和灌木體現出大幅度的轉出、轉入變化。其中裸地表現為比較明顯的雙向轉化的特點, 草地和灌木則以單向的轉出變化為主。祁連山國家公園景觀要素變化在一定程度上體現了頻繁的人類活動對景觀要素的影響。研究區內由于氣候變化及人為的干擾的因素使具有較高生態意義的景觀要素減少, 最終使得生態環境惡化, 景觀生態風險升高。

3.2 景觀指數變化分析

利用Fragstats4軟件, 得到祁連山國家公園2000—2018年景觀格局指數(表3)。由于自然脅迫和人類活動的干擾, 導致各景觀要素面積及斑塊數的變化, 進而導致相應景觀類型風險指數的變化[20]。由表3可以看出, 2000—2018年, 在整個景觀中, 研究區景觀破碎度＜1, 景觀破碎化程度相對較低, 其中, 森林景觀破碎度顯著增加, 生態風險增加, 由于人類一系列不合理的開發利用, 如亂砍亂伐、無序采礦, 導致祁連山森林不斷減少。水域破碎度和分離度最高, 引起其生態風險指數上升。研究區內不同景觀類型干擾度特征差異較大, 水域干擾度最大, 灌木和森林的干擾度次之。20年間研究區內各景觀類型的分維數均<1.5, 景觀類型的形狀復雜度較低, 從總體看, 研究區各景觀類型的分維數變化不明顯, 草地的分維數在20年間略有增加, 說明其景觀類型的異質性略有增加: 裸地景觀類型的分維數表現為下降趨勢, 裸地景觀異質性有所下降。

圖2 研究區2000—2018年各景觀類型面積

Figure 2 Area of various landscape types in the study area from 2000 to 2018

表2 研究區2000—2018年各景觀類型轉移矩陣

表3 研究區2000—2018年各景觀指數變化

3.3 景觀生態風險空間變化分析

對基于景觀結構的生態風險指數進行等級劃分, 目的是為了便于直觀地分析生態風險等級的空間分布特征。根據公式(2)計算出各生態風險小區的生態風險指數: 2000年介于0.0361—0.1756之間, 2010年介于0.0707—0.1399之間, 2018年介于0.0476— 0.1902之間, 利用GIS所提供的自然斷點法, 將研究區的生態風險劃分成5個等級: 0.03—0.06為低生態風險區, 0.06—0.09為較低生態風險區, 0.09—0.12為中生態風險區, 0.12—0.15為較高生態風險區, 大于0.15為高生態風險區。在此基礎上, 利用克里格插值法得到研究區生態風險等級圖(圖3), 并獲取研究區景觀生態風險區的面積變化情況(圖4)。

研究表明, 祁連山國家公園風險空間分布一定程度上體現了景觀結構的分布規律, 具有區域性和異質性特征。低生態風險主要分布在中西部的裸地上, 該區域多年來已經形成較為穩定的景觀結構, 景觀破碎度和敏感度較低。2000年, 處于高生態風險的景觀類型分布在研究區的中部地區, 以林地和草地為主, 林地景觀類型易受人為因素干擾而產生高生態風險: 2010年中部處于較低風險的灌木, 變為較高風險區, 說明近幾年該地區人類活動及降水因素對于其影響比較明顯: 2018年, 受其他風險等級的脅迫, 高生態風險從中部發展到西部以及其他部分區域: 低生態風險主要分布在中西部及西部部分一帶, 這些區域景觀結構較為完善, 但也是毀林開礦等行為的主要發生區域, 存在一定的潛在風險。2000—2018年, 較高生態風險的分布有一定的蔓延的趨勢, 今后應重點防范, 中生態風險主要分布于西部的山區地帶, 該區域海拔相對較高, 有較多的破碎化水域、冰雪和灌木鑲嵌其中, 這些景觀的自身的穩定性較差, 生態系統相對脆弱: 低生態風險分布區域逐漸變小且演變為其他生態風險。

圖3 2000—2018年生態風險空間分布圖

Figure 3 Spatial distribution map of ecological risk from 2000 to 2018

圖4 2000—2018年區域景觀生態風險等級面積占比

Figure 4 Proportion of regional landscape ecological risk grade area from 2000 to 2018

由圖4可知: (1)研究區3期景觀生態風險中處于高生態風險區的面積占比最小, 均未超過14%, 2000—2018年間研究區的高生態風險區面積有所增加, 增加了5764.04 km2, 占到總的研究區的11.41%。(2)其次是較高生態風險區, 從數據來看, 近20年來, 較高生態風險區面積逐漸升高, 2000— 2010年面積有所增加, 增加到12.49%, 2000年和2010年處于較高生態風險區的面積占整個研究區面積的17.64%。(3)中等風險區20年間的面積先增加后略有下降, 由2000年的13.29%增加到2010年的23.39%, 后來略下降到23.37%。(4)中等生態風險區面積先增加后下降, 由2000年的13.29%增加到2010年的23.29%, 后下降到2018年的23.37%: (5)在3期景觀生態風險等級面積占比中, 低生態風險區2000年面積占比是最大但持續下降, 由2000年的52.18%下降到2018年的16.26%。

總體看來, 20年間研究區的區域景觀生態風險等級面積中, 高生態風險區和較高生態風險區面積占比均較小, 低生態風險區面積占比最大, 其次是較低生態風險區和中等生態風險區: 從橫向對比面積變化情況來看, 較低生態風險區面積占比變化趨勢較平穩, 總體看來無明顯變化: 較低生態風險區和中等生態風險區面積先升后降, 總體呈下降趨勢: 低生態風險區面積持續下降。

3.4 景觀生態風險空間自相關分析

(1) 生態風險全局自相關分析

利用GeoDa計算2000—2018年研究區景觀生態風險空間分布數據得到Moran’s I散點圖(圖5), 顯示出整個區域的整體分布和空間聚集情況。祁連山國家公園景觀生態風險在2000、2010、2018年Moran’s I分別為0.633, 0.526, 0.547。三個時期Moran’s I的數值均大于0, 說明各年研究區內景觀生態風險值存在空間正相關關系, 即相鄰地區在空間上呈現出高度相似性, 存在集聚效應。

(2) 生態風險局部自相關分析

由于Moran’s I值并不能展現空間上的相互聯系, 進一步采用局部自相關分析, 得到局部自相關LISA聚集圖(圖6)。由圖可知, 2000—2018年, 祁連山國家公園的景觀生態風險指數均以高-高聚集和低-低聚集結構為主。研究區生態風險的“高-高”值區域聚集于中部及東部, 這些景觀生態風險區高的地區, 相鄰地區的景觀生態風險程度也比較高?！暗?低”值區域主要聚集在研究區西部和中西部, 說明這些區域景觀生態風險程度低, 其相鄰地區的景觀生態風險程度也較低。結合景觀類型分布來看, “低-低”聚集區主要景觀類型為灌木, 與低景觀生態風險主要景觀類型相符, “高-高”聚集區主要景觀類型為林地、冰雪和草地, 與高景觀生態風險區和較高景觀生態風險區的主要景觀類型相符, “高-高”結構聚集區內, 林地、草地和冰雪的分布較分散, 加上人類活動干擾程度較大, 景觀內部穩定性較差。

圖5 研究區2000—2018年景觀生態風險Moran’s散點圖

Figure 5 Moran’s scatter plot of landscape ecological risk in the study area from 2000 to 2018

圖6 研究區2000—2018年景觀生態風險局部空間自相關

Figure 6 Local spatial autocorrelation of landscape ecological risk in the study area from 2000 to 2018

4 討論與結論

4.1 討論

由于自然環境和人類社會生產活動的相互作用, 區域生態環境遭到了威脅, 從而增加了景觀生態風險。學界對于區域景觀生態風險的評價日益關注, 而對祁連山地區景觀格局變化及其景觀生態風險的研究較少, 本文基于祁連山國家公園2000—2018年景觀格局的動態變化為基礎, 分析了區域景觀結構的組成及其轉化, 在此基礎上構建了景觀生態風險指數, 并通過空間自相關性分析了景觀生態風險變化。通過相關分析得知, 研究區的景觀破碎化程度相對較低, 其中, 森林景觀破碎度顯著增加, 水域破碎度和分離度最高, 由于時令河湖等多重因素和部分人為干擾導致的。各年研究區內景觀生態風險值存在空間正相關關系, 即相鄰地區在空間上呈現出高度相似性, 存在集聚效應。且“低低”和“高高”聚集是其主要生態風險聚集模式, 研究區內生態風險空間差異明顯。此結論與婁妮等[27]學者關于生態風險聚集模式的研究結果較為一致, 亦與謝剛等[28]、謝小平等[29]學者認為的景觀生態風險在空間上不斷集聚且景觀生態風險的空間趨同性有所提高的結論具有相似性, 可知景觀生態風險程度空間的表現模式。然而, 本研究認為祁連山國家公園范圍廣闊, 人類對于各種景觀格局有一定的影響, 但由于氣候變化及時令河湖等多重因素, 使得祁連山國家公園的景觀格局及景觀生態風險表現的略為復雜, 且在空間上呈現出相應的規律, 這在今后中有待進一步考證。

總的看來, 在研究區的區域景觀生態風險等級面積中, 以低生態風險區為主, 高生態風險區和較高生態風險區面積均占比不大, 但增長幅度較其他風險等級區高, 以后應進一步重點治理。主要治理方向是對草地和森林的治理, 較高和高生態風險區的主要風險源歸于自然因素和人類活動的干擾。應從本研究區生態環境的角度出發, 科學合理地降低研究區的生態風險等級。首先對國家自然保護區的有關規定要嚴格執行, 禁止在自然保護區核心區、緩沖區內開展旅游活動和建設生產設施: 其次是本著宜牧則牧、宜林則林的原則, 對祁連山國家公園全面規劃、綜合治理, 要盡力做到與自然環境協調發展。祁連山國家公園在今后的保護中應尊重景觀的整體性和異質性等, 尊重自然的自我修復。該區域生態環境因近些年來的保護政策有所改善, 但總的來說生態環境十分脆弱, 所以針對該區域做出的景觀生態風險評價很有必要。生態風險評價是一個復雜的過程, 需要考慮多重不確定因素, 這些因素決定了綜合評價結果, 在對于祁連山國家公園景觀生態風險評價時, 評價方法和過程還有待進一步完善。

4.2 結論

通過對2000—2018年的遙感數據結合文獻資料及其野外調查, 基于景觀格局指數構建生態風險指數, 并以景觀的角度以定量化的形式表現出來, 對認識祁連山地區生態環境、空間特征等方面具有一些參考意義, 為祁連山國家公園環境治理提供了輔助決策支持。結果如下:

(1)2000—2018年, 在整個景觀中, 研究區景觀破碎度＜1, 景觀破碎化程度相對較低, 其中, 森林景觀破碎度顯著增加, 水域破碎度和分離度最高, 研究區內不同景觀類型干擾度特征差異較大, 水域干擾度最大, 灌木和森林的干擾度次之。

(2)2000年, 研究區以低生態風險區為主, 而到了2018年低生態風險有明顯降低趨勢, 2010—2018年, 則以較低和中等生態風險區為主, 高生態風險區的面積明顯增加, 高生態風險區主要分布于研究區西部以及中部區域, 東南部區域也有少面積分布, 因此在這些區域的風險度也較大。2000—2018年, 研究區各生態風險大體呈趨平走向, 較高生態風險區占比面積顯著增加, 主要分布于研究區西南部和中部地區。祁連山國家公園景觀生態風險三個時期Moran’s I的數值均大于0, 說明各年研究區內景觀生態風險值存在空間正相關關系, 即相鄰地區在空間上呈現出高度相似性, 存在集聚效應。

(3)2000—2018年, 祁連山國家公園的景觀生態風險指數均以高-高聚集和低-低聚集結構為主。研究區生態風險的“高-高”值區域聚集于中部及東部, 這些景觀生態風險區高的地區, 相鄰地區的景觀生態風險程度也比較高?！暗?低”值區域主要聚集在研究區西部和中西部, 說明這些區域景觀生態風險程度低, 其相鄰地區的景觀生態風險程度也較低。研究期間, 整體生態風險呈現上升趨勢, 生態風險程度表現出空間正相關性。

[1] 羅娟. 基于土地利用景觀結構的生態風險評價[D]. 呼和浩特: 內蒙古師范大學, 2015.

[2] MO W, WANG Y, ZHANG Y, et al. Impacts of road network expansion on landscape ecological risk in a megacity, China: A case study of Beijing[J]. The Science of the Total Environment, 2017, 574(1): 1000–1011.

[3] KUPFER J A. Landscapeecology and biogeography: Rethinking landscape metrics in a post-FRAGSTATS landscape[J]. Progress in Physical Geography, 2012, 36(3): 400–420.

[4] 高賓, 李小玉, 李志剛, 等. 基于景觀格局的錦州灣沿海經濟開發區生態風險分析[J]. 生態學報, 2011,31(12): 3441–3450.

[5] 彭建, 黨威雄, 劉焱序, 等. 景觀生態風險評價研究進展與展望[J]. 地理學報, 2015, 70(4): 664–677.

[6] FORMAN R T T. Land mosaics: the ecology of the landscapes and regions[M]. Cambridge University Press, 1995.

[7] 游巍斌, 何東進, 巫麗蕓, 等. 武夷山風景名勝區景觀生態安全度時空分異規律[J]. 生態學報, 2011, 31(21): 6317–6327.

[8] 謝花林. 基于景觀結構的土地利用生態風險空間特征分析: 以江西興國縣為例[J]. 中國環境科學, 2011, 31(4): 688–695.

[9] 湯萃文, 張海風, 陳銀萍, 等. 祁連山南坡植被景觀格局及其破碎化[J]. 生態學雜志, 2009,28(11): 2305–2310.

[10] 魏曉旭. 基于GIS和RS的石羊河流域景觀生態風險研究[D]. 蘭州: 西北師范大學, 2016.

[11] 趙培強, 陳明霞. 祁連山生物多樣性保護優先區域生態景觀格局動態變化分析[J]. 中國水土保持, 2018(10): 44–48.

[12] 徐亞男, 劉學錄, 李曉丹, 等. 祁連山東段生態敏感性對景觀動態變化的響應[J]. 生態科學, 2019, 38(5): 160–167.

[13] 李武, 李麗, 吳鞏勝, 等. 白馬雪山國家級自然保護區景觀動態變化研究[J]. 海南師范大學學報(自然科學版), 2015, 28(3): 298–302, 320.

[14] 王旭麗, 劉學錄. 基于RS的祁連山東段山地景觀穩定性分析[J]. 遙感技術與應用, 2009, 24 (5): 665–669.

[15] 劉晶, 劉學錄, 侯莉敏. 祁連山東段山地景觀格局變化及其生態脆弱性分析[J]. 干旱區地理, 2012, 35(5): 795– 805.

[16] 侯艷麗, 劉學錄, 馬俊. 基于RS的東祁連山地景觀生態安全度分析[J]. 湖南農業科學, 2011(3): 84–87.

[17] 劉瑞, 朱道林. 基于轉移矩陣的土地利用變化信息挖掘方法探討[J]. 資源科學, 2010, 32(8): 1544–1550.

[18] 王娟, 崔保山, 劉杰, 等. 云南瀾滄江流域土地利用及其變化對景觀生態風險的影響[J]. 環境科學學報, 2008, 28(2): 269–277.

[19] 蘇海民, 何愛霞. 基于RS和地統計學的福州市土地利用分析[J]. 自然資源學報, 2010, 25(1): 91–99.

[20] 高永年, 高俊峰, 許妍. 太湖流域水生態功能區土地利用變化的景觀生態風險效應[J]. 自然資源學報, 2010, 25(7): 1088–1096.

[21] 盧遠, 蘇文靜, 華璀, 等. 左江上游流域景觀生態風險評價[J]. 熱帶地理, 2010, 30(5): 38–44.

[22] 張月, 張飛, 周梅, 等. 干旱區內陸艾比湖區域景觀生態風險評價及時空分異[J]. 應用生態學報, 2016, 27(1): 233–242.

[23] 趙彩霞. 甘肅白龍江流域生態風險評價[D]. 蘭州: 蘭州大學, 2013.

[24] 魏偉, 趙軍, 王旭峰. 石羊河流域土地利用類型景觀異質性[J]. 生態學雜志, 2010,29 (4): 760–765.

[25] 楊永俠, 王旭, 孟丹, 等. 基于空間自相關的耕地等別指數檢驗方法研究[J]. 農業機械學報, 2016, 47(5): 328– 335.

[26] 劉世梁, 侯笑云, 尹藝潔, 等. 景觀生態網絡研究進展[J].生態學報, 2017, 37(12): 3947–3956.

[27] 婁妮, 王志杰, 何嵩濤. 基于景觀格局的阿哈湖國家濕地公園景觀生態風險評價[J].水土保持研究, 2020, 27(1): 233–239.

[28] 謝剛, 謝元貴, 廖小鋒, 等. 基于水土流失敏感性的巖溶地區景觀生態風險評價——以黔南州為例[J]. 水土保持研究, 2018, 25(3): 298–304.

[29] 謝小平, 陳芝聰, 王芳, 等. 基于景觀格局的太湖流域生態風險評估[J]. 應用生態學報, 2017, 2 8(10): 3369–3377.

Landscape ecological risk assessment of Qilian Mountain National Park based on landscape pattern

YU Hang1, LIU Xuelu1,*, ZHAO Tianming1, ZHANG Mengying1, NIAN Lili1, LI Xiaodan2

1. College of Resources and Environmental Sciences, Gansu Agricultural University, Lanzhou 730070, China 2. College of Management, Gansu Agricultural University, Lanzhou 730070, China

In order to analyze the impact of the evolution of the Qilian Mountain National Park landscape pattern on the landscape ecological risk and provide a theoretical basis for the scientific management of the Qilian Mountain National Park, it is convenient for the reasonable protection and development of the ecosystem. Based on the interpretation data of Landsat remote sensing images of Qilian Mountain National Park from 2000 to 2018, the landscape pattern index was calculated using GIS spatial analysis technology and Fragstats4 software, and the composition and transformation of the landscape structure of the study area were analyzed and constructed on this basis The landscape ecological risk index is analyzed, and the change of landscape ecological risk is analyzed through spatial autocorrelation. The results show that: (1) From the perspective of the entire landscape, the degree of landscape fragmentation is relatively low. Among them, the fragmentation degree of forest landscape has increased significantly, the degree of fragmentation and separation of water area is the highest, and the characteristics of interference degree of different landscape types are quite different. (2) In the area of regional landscape ecological risk level in the study area, the low ecological risk area is the leading area. The areas of high ecological risk area and higher ecological risk area account for a small proportion, but the growth rate is higher than that of other risk level areas. The areas of low ecological risk areas and medium ecological risk areas have shown an overall downward trend. (3) The Moran’s I values of the landscape ecological risk in each period are 0.633, 0.526, and 0.547 respectively, showing positive spatial correlation and tending to congregate in space. The disturbance of human activities is the main reason leading to the increase of ecological risks in the landscape in this area.

landscape pattern; ecological risk; qilian Mountain National Park

10.14108/j.cnki.1008-8873.2022.02.012

x826

A

1008-8873(2022)02-099-09

2020-06-22;

2020-08-01

甘肅農業大學校級自列課題(GSAU-ZL-2015-046)

于航(1996—), 男, 內蒙古通遼人, 碩士研究生, 主要從事景觀生態學方面的研究, E-mail: yh0035@126.com

通信作者:劉學錄(1966—), 男, 甘肅天水人, 博士, 教授, 主要從事景觀生態學和土地利用管理方面的研究, E-mail: liuxl@gsau.edu.cn

于航, 劉學錄, 趙天明, 等. 基于景觀格局的祁連山國家公園景觀生態風險評價[J]. 生態科學, 2022, 41(2): 99–107.

YU Hang, LIU Xuelu, ZHAO Tianming, et al. Landscape ecological risk assessment of Qilian Mountain National Park based on landscape pattern[J]. Ecological Science, 2022, 41(2): 99–107.