基于土地利用/覆蓋的甘肅省景觀生態風險時空變化特征

修煬景，侯蒙京，田驕陽，梁天剛，馮琦勝

（蘭州大學草地農業生態系統國家重點實驗室，蘭州大學農業農村部草牧業創新重點實驗室，蘭州大學草地農業教育部工程研究中心，蘭州大學草地農業科技學院，甘肅 蘭州 730020）

土地利用/覆蓋變化（land use and land cover changes，LUCC）是環境變化的重要組成部分，對于維持生態環境的安全與穩定具有重要意義［1］。近年來隨著人類社會生產力與物質水平的迅猛發展，環境問題日益嚴峻，生態環境問題已逐漸成為人類進入21世紀以來所面臨的重大挑戰。甘肅省位于黃土高原西部，地處黃土高原農區和青藏高原牧區的交錯地帶，荒漠面積約占全省總面積的40%［2］。甘肅省處于十分特殊的地理位置，其境內的生態環境復雜多樣但又十分脆弱，景觀格局破碎程度高，穩定性和恢復力差［3］，極易受到人為和自然因素干擾。近年來甘肅省人口不斷增長、城鎮化進程加快、工業化程度提高，且由于自然資源分布不均衡，導致人類的不合理活動加劇；此外由于全球性的氣候變化，該地區各自然因素指標發生明顯改變，這也給甘肅省的生態環境造成了一定的擾動和不利影響，其中較為嚴重的生態環境問題包括河西走廊土地沙漠化，甘南草原草地退化，祁連山、白龍江林區森林植被減少等［4］。甘肅省地處地勢二三級階梯的交匯地帶，其作為防沙治沙和防治水土流失的核心區域，同時也是“兩屏三帶”全國生態安全戰略格局中的重要組成部分［5］，生態地位不言而喻。甘肅省生態質量的優劣直接決定著西北地區和青藏高原地區的生態安全，并間接影響著長江黃河下游地區的生態環境質量。因此，對甘肅省的景觀生態風險進行評價與分析十分必要，具有不可忽視的重要意義。

在此背景之下，有關生態環境的研究和保護工作被提上日程，生態問題成為熱點議題與研究方向。其中，生態風險評價作為生態環境研究中的重要組成部分，因其能夠明晰制約生態持續性的主要生態要素與過程，并對自然及人為因素進行定性和定量研究，現已成為應對社會-生態復合系統綜合管理的熱點研究領域之一［6］。景觀生態風險評價作為生態風險評價在區域尺度上的重要分支領域，其根據景觀生態學的發生過程和空間格局的耦合情況建立了景觀格局與功能之間的相互聯系，并根據景觀格局的改變來推測對于生態功能的影響［6-7］；景觀生態風險評價引入了等級理論，更加注重尺度效應和時空異質性［7］，能實現多源風險綜合表現及空間的可視化，有助于分析區域生態環境的變化趨勢，為土地利用及生態風險管控的決策制定提供理論依據和指導建議。

由于遙感技術具有數據獲取便捷，覆蓋面積廣，時間序列長等優勢，因此在景觀生態風險評價中應用十分廣泛［8］。侯蕊等［9］使用2000-2015年4期Landsat TM/OLI遙感影像分析了武漢市江夏區土地利用/覆蓋的時空動態變化，運用空間網格法構建了景觀生態風險指數模型，揭示了該地區不同土地利用狀況下的景觀生態風險演變規律；熊鷹等［10］利用Landsat TM多光譜遙感影像，通過地理信息系統（geographic information system，GIS）和地統計學分析方法構建景觀生態風險指數模型，完成了洞庭湖地區在土地利用/覆蓋動態變化下的景觀生態風險時空分布和空間關聯格局研究；陳心怡等［11］利用1988-2017年間土地利用/覆蓋矢量數據，運用GIS網格法和Kriging插值法構建景觀生態指數模型，完成了海口市的景觀生態風險綜合評價。然而，由于近年來宏觀生態學著重強調人類活動對生態環境的影響，因此有關于景觀生態風險評價的內容多集中于城市、流域等人類活動密集區域，而關于自然地域的研究相對較少，尤其針對黃土丘陵區、農牧交錯帶和荒漠地區的研究更為缺乏［7］。

基于以上因素考慮，本研究以甘肅省為研究區，對歐洲航空局全球土地利用/覆蓋（climate change initiativeland cover，CCI-LC）數據進行重分類，分析甘肅省土地覆蓋的時空變化特征；利用景觀脆弱度和干擾度指數構建風險評價模型并結合空間自相關分析方法開展研究區景觀生態風險評價。本研究旨在為甘肅省的生態風險管控及決策制定提供依據，推動區域可持續發展，并為后期自然地域的景觀生態風險評價研究提供經驗與指導。

1 材料與方法

1.1 研究區概況

甘肅省地處中國西北部，32°11′-42°57′N，92°13′-108°46′E，地域狹長且幾何形狀不規則，總面積45.59萬km2，占全國土地總面積的4.72%（圖1）。其位于黃土高原與青藏高原交匯處，海拔565～5820 m，平均海拔2158 m，地勢由西南向東北傾斜［12］。境內地形地貌復雜多樣，其中山地、丘陵和高原居多，平原和盆地較少；甘肅省境內森林，草原，城市，濕地，荒漠，農田六大陸地生態系統均有分布，土地覆蓋類型多樣，其中以草原和荒漠為主。氣候類型由南向北依次包括亞熱帶季風、溫帶季風、溫帶大陸性和高原高寒四類，年均溫0～15℃，平均年降水量約400 mm，整體由東南向西北遞減。

圖1 研究區位置Fig.1 Location of study area

1.2 數據來源

土地利用/覆蓋數據來自歐洲航空局（http://maps.elie.ucl.ac.be/CCI/viewer）2005-2019年的全球土地利用/覆蓋產品。該數據格式為TIFF，空間分辨率為300 m，默認投影坐標系統為WGS1984［13］。該產品以聯合國糧農組織的土地利用/覆蓋分類系統（land cover classification system，LCCS）為分類依據，共劃分為7個一級類型和36個二級類型。Yang等［14］分析了8種（CCI-LC、IGBP、DisCover、UMD、GLC2000、MCD12、GLCNMO和GlobeLand30）土地利用/覆蓋產品的分類精度，最終結果表明，CCI-LC產品在中國區域的總體精度為71.98%，Kappa系數為0.65，分類精度僅次于空間分辨率更高的GlobeLand30。考慮到CCI-LC數據時間序列長且連續，與真實覆蓋情況具有較好的空間一致性，整體分類精度較高，因此適用于本研究。高程數據（digital elevation model，DEM）來源于地理空間數據云網站（http://www.gscloud.cn）的美國航天飛機雷達地形測繪使命（Shuttle Radar Topographic Mission，STRM）數據集［15］；該數據空間分辨率30 m，覆蓋了56° S-60° N范圍內全球80%的陸地表面。

1.3 土地覆蓋類型重分類

本研究所需的CCI-LC根據原分類標準共被分為22大類和36小類，考慮到原分類體系下的土地利用/覆蓋種類較多，根據本研究需求，在此將土地利用/覆蓋類型重分類為耕地、林地、草地、灌叢、濕地、水體、建設用地、裸地和常年冰雪9大類，具體重分類原則如表1所示。

表1 重分類原則Table 1 Reclassification principle

1.4 土地利用/覆蓋動態度

土地利用/覆蓋動態度是用來反映土地利用/覆蓋類型變化速度快慢的一種指標，動態度越高表示土地變化速度越快，兩者呈正相關關系［15-16］。其中，土地利用/覆蓋動態度又包括單一土地利用/覆蓋動態度和綜合土地利用/覆蓋動態度兩大類。單一土地利用/覆蓋動態度（K）是反映某一種土地利用/覆蓋類型在某段時間內的變化速率快慢。其公式為：

式中：p為第p類土地利用/覆蓋類型，Uq表示研究時段末期該類土地利用/覆蓋類型的面積，Up表示研究時段初期該類土地利用/覆蓋類型的面積，T表示研究時段的時長。

綜合土地利用/覆蓋動態度（LC）是反映多種土地利用/覆蓋類型在某段時間內綜合變化速率的快慢。其公式為：

式中：|ΔUq-p|表示在研究時段內第p類土地利用/覆蓋類型轉變為q類（非p類）土地利用/覆蓋類型的面積。

1.5 土地利用轉移矩陣

轉移矩陣由俄國數學家馬爾科夫提出，是用來表示事物客觀轉移規律的一種數學方法。其特點是系統內某項事物的第n次轉移結果只由第n-1次轉移所決定，即結果只受當前所處狀態影響［17］，而土地利用/覆蓋轉移矩陣（R）是用以描述土地利用/覆蓋類型在某段時間內轉化情況的一種方法。其公式為：

式中：n是土地利用/覆蓋類型的數目，Rpq表示第p種土地利用/覆蓋類型轉為第q種的面積大小。

1.6 景觀生態風險模型構建

1.6.1 風險評價單元的劃分 風險評價單元的劃分是景觀生態風險評價中的重要步驟，劃分的目的是以各風險評價單元為單位，計算各單元內的景觀生態風險指數并用作后期的計算和分析。在本研究中，經過對研究區大小和數據計算量的綜合考量，將研究區劃分為10 km×10 km的風險評價單元，共計4785個。分別計算類型尺度（class metrics）下各類景觀類型的面積（Ai）和各類土地覆蓋類型的斑塊個數（Npi）；景觀尺度（landscape metrics）下風險評價單元的面積（A）和各風險評價單元內的總斑塊數（NP）。本研究利用Fragstats 4.2軟件計算景觀指數［18］。

1.6.2 景觀生態風險指數的構建 景觀生態風險指數的構建是景觀生態風險定量分析的關鍵。本研究選擇利用景觀脆弱度指數和景觀干擾度指數共同構建景觀生態風險評價模型，其生態含義及計算方法如下：

景觀脆弱度指數（Fi）是對某種土地利用/覆蓋類型穩定程度的定量表示，表示某景觀類型在遭受外部因素影響或外力干擾時的抵御能力，該數值越高表示景觀越脆弱。根據甘肅省土地利用/覆蓋類型的特點并結合研究區實際情況，通過專家打分法對不同土地利用/覆蓋類型賦值從而對指標進行量化，賦值由低到高依次為：濕地1，水體2，常年冰雪3，耕地4，草地5，灌叢6，林地7，裸地8，建設用地9；對所賦數值進行歸一化處理，運用Z-Scores標準方程將其歸一化［19］，得到的歸一化Fi分別為：濕地0.02，水體0.04，常年冰雪0.06，耕地0.08，草地0.10，灌叢0.12，林地0.14，裸地0.16，建設用地0.18。

景觀干擾度指數（Ei）是對研究區范圍內不同景觀所受干擾程度大小的定量表達，該數值越高，表示所受的干擾程度越大。其中，景觀干擾度指數又由景觀破碎度指數，景觀優勢度指數和景觀分離度指數共同構成［20］。

景觀破碎度指數（Ci）表示景觀破碎化程度的高低，反映的是某一連續大面積的土地利用/覆蓋類型在遭受人為或自然因素干擾后被分割為面積較小的破碎斑塊，破碎程度越高則破碎度指數越大。其公式為：

式中：ni代表第i種土地利用/覆蓋類型斑塊的個數，A代表風險評價單元的面積（10 km×10 km）。

景觀分離度指數（Ni）用以描述某一景觀類型各斑塊的分離程度，分離度指數越大代表各斑塊越分散，不同土地利用/覆蓋類型共存度越高，景觀分布越混雜［21］。其公式為：

式中：Ai代表第i種土地利用/覆蓋類型的面積。

景觀優勢度指數（Ki）表示區域內不同景觀類型的斑塊數量、斑塊大小以及不同土地利用/覆蓋類型總面積由主到次的排列順序，可以反映出哪些景觀類型在區域內處于優勢地位，各種不同的土地利用/覆蓋類型共同支配著區域的景觀結構和特征。景觀優勢度指數與景觀多樣性成反比，對于景觀類型數目相同的不同景觀，多樣性指數越大，其優勢度越小［22］。其公式為：

式中：N代表斑塊總數，mi代表出現第m類土地利用/覆蓋類型的風險單元個數，M代表總風險評價單元個數。

根據已有研究結果及研究區具體情況，依照景觀破碎度指數、景觀分離度指數、景觀優勢度指數三者對景觀干擾度指數的貢獻度大小進行歸一化處理，得到最終的景觀干擾度指數，其計算公式為：

最終，經過對景觀脆弱度指數和景觀干擾度指數的綜合考量，計算出各風險單元的景觀生態風險指數，再通過空間插值的方法將數值賦予單元的幾何中心上。空間插值是生態風險狀況的一種可視化途徑，此處用到的插值方法為普通克里金插值，再利用球模型進行半變異函數擬合，這種方法所得的數據平滑且連續性強，總體插值精度高，在地理信息和氣象學方面均有著廣泛的應用［22］。利用自然斷點法將生態風險指數（ecological risk index，ERI）劃分為5個梯度：低風險（0.0105～0.0135），較低風險（0.0135～0.0164），中等風險（0.0164～0.0200），較高風險（0.0200～0.0243）和高風險（0.0243～0.0296）。景觀生態風險指數計算公式為：

式中：ERIk表示第k個風險評價單元的景觀生態風險指數。

1.6.3 空間自相關分析 空間自相關分析研究的是某一具體變量在空間上是否具有相關關系及其相關程度如何，可用以度量該變量對空間特征的影響。空間自相關分為全局自相關和局部自相關兩大類。全局自相關描述的是某變量值在全體范圍內分布的空間相關性，而局部自相關描述的是某單元內變量的值與該單元空間相鄰的其他單元變量的值之間的相關性及相關程度。空間自相關定量分析的重要關聯度計算指標為莫蘭指數（Moran’sI），該指數取值范圍為-1～1，其中：-1～0表示該變量在空間上存在負相關關系，0～1表示存在正相關關系，0則表示在空間分布上無相關性［23］。空間自相關分析由ArcGIS 10.2空間分析模塊中的空間自相關工具（spatial autocorrelation）完成。

2 結果與分析

2.1 土地利用/覆蓋變化統計分析

2.1.1 土地利用/覆蓋類型面積 各期土地利用/覆蓋類型分布及面積如表2、圖2所示：2005-2019年，草地面積位列第一，且面積隨著時間推移不斷增加，從2005年的223086.15 km2增長到2019年的227158.02 km2，變化率1.83%；裸地面積穩定在第二位，但面積隨著時間的推移不斷減少，從2005年的162165.96 km2減少到2019年的159110.82 km2，變化率1.88%；耕地和林地面積分列第3、4位，其中：耕地由2005年的64964.07 km2變化至2019年的63460.80 km2，面積先升高后降低；林地面積呈逐年下降的態勢，由2005年的55452.24 km2降至2019年的54712.53 km2，變化率1.33%；常年冰雪與濕地二者面積變化幅度較小，總體保持穩定；灌叢面積先升高后微降，整體由2005年的506.52 km2增長至2019年的518.76 km2；水體面積隨時間推移不斷增加，由2005年的477.99 km2增至2019年的510.30 km2，變化率6.76%；建設用地面積不斷增長，從2005年的618.39 km2增 長 到2019年 的1800.00 km2，增 加 了1181.61 km2，變化率191.08%，在所有土地利用/覆蓋類型中變化程度最明顯。

圖2 甘肅省土地利用/覆蓋類型分布Fig.2 Distribution of land use/cover types in Gansu Province

表2 土地利用/覆蓋類型面積Table 2 Area of each land use/cover type

2.1.2 土地利用/覆蓋動態度 以5年為一期，分別 計 算2005-2010年，2010-2015年，2015-2019年3個時期內的單一土地利用/覆蓋動態度和綜合土地利用/覆蓋動態度。由表3可得，3個階段中，變化速率最快的均為建設用地且3個時期內的變化速率都保持較高水平，其中2005-2010年間變化速率最大，達9.15%；其余發生較快變化的土地利用/覆蓋類型還有耕地、灌叢和水體，其中耕地在2015-2019年間變化速率最快，達-0.44%，灌叢在2005-2010年間變化速率最快，達0.59%，而水體在2010-2015年、2015-2019年2個時期內的動態度都保持較高水平，分別達0.43%和0.79%；綜合動態度最大的階段是2010-2015年和2015-2019年，變化速率均為0.09%。

表3 土地利用/覆蓋動態度Table 3 Dynamic degree of land use/cover（%）

2.1.3 土地利用/覆蓋轉移矩陣 為了更好地研究甘肅省2005-2019年間各土地利用/覆蓋類型之間的轉化情況，借助土地利用/覆蓋類型轉移矩陣分析其變化（表4）。總體來看，3個時期土地利用/覆蓋類型的主要變化都存在于耕地和草地的互轉，林地和草地的互轉，草地和裸地的互轉，耕地、林地和草地向建設用地的轉入4個方面。此外，2005-2010年間還主要存在草地向灌叢的轉入、裸地向耕地的轉入；2010-2015年間還主要存在耕地向林地的轉入；2015-2019年間還主要存在耕地向林地的轉入、裸地向建設用地的轉入（圖3）。

表4 2005-2019年土地利用/覆蓋轉移矩陣Table 4 Land use/cover transfer matrix from 2005 to 2019

圖3 2005-2019年甘肅省土地覆蓋類型轉移Fig.3 Transfer of land cover types in Gansu Province from 2005 to 2019

2.2 景觀生態風險時空分析

2005、2010、2015和2019年的4個時期景觀生態風險的時空分析如圖4所示。5種生態風險等級中，低風險區和較低風險區面積較多，中等風險區、較高風險區和高風險區面積所占比例較少。低風險和較低風險區域主要分布于河西走廊中東部、隴中黃土高原、隴東地區以及隴南山地大部分，以上地區人類活動相對頻繁，在受到人類干擾后的損失度低，景觀干擾度指數較小，此外該區域土地利用/覆蓋類型以草地、耕地為主且土地覆蓋連續性高，因此景觀的脆弱和破碎程度較低，致使生態風險處于較低水平。中高風險區域分布較集中，主要位于甘肅北部的酒泉、武威和張掖以及南部的隴南和天水境內，其中酒泉、張掖和武威境內降水稀少、蒸發量大，屬于典型的溫帶干旱與半干旱氣候類型，地表植被稀疏，生物多樣性低，土地利用/覆蓋類型單一，裸地和常年冰雪成為該區域的主要類型，因此景觀脆弱度和優勢度指數大，致使生態風險水平維持在較高水平；天水南部和隴南的大部分地區為亞熱帶季風氣候，降水充沛，植被類型開始由草地向林地轉變，此外該地區海拔差異較大，景觀具有明顯的垂直地帶性，各景觀類型交錯分布，導致景觀的破碎和分離程度上升，因此生態風險也較高。此外，生態風險的空間變化還存在典型的地帶過渡性，表現為中等風險區出現在低風險和較低風險區外圍，較高風險和高風險區分布于中等風險區外圍，形成了生態風險的梯度變化。

圖4 甘肅省景觀生態風險空間分布Fig.4 Spatial distribution of landscape ecological risk in Gansu Province

2005-2010年間，甘肅省景觀生態風險狀況整體保持穩定，ERI均值維持在0.0147上下；各風險等級面積占比變化較小，其中低風險區占比最高，達60%以上，低風險和較低風險區面積占比達70%以上，整體風險保持在較低水平，但中高風險區生態狀況改善不明顯，空間分布位置未發生明顯改變，氣候條件是制約地區生態環境改善的主要因素。2010-2015年間，甘肅省景觀生態風險整體上升，低風險區大面積向較低風險區轉變，中高風險區域面積有所增長（表5）。2015年低風險區域占比由2010年的61.37%降至32.31%，中高風險區域面積由2010年的29.42%增至34.33%。其中隴中、隴東和隴南的大部分地區生態環境較為穩定，這得益于地區興修梯田、積極營造水保林以及推動生態自然保護區建設；此外定西、平涼和慶陽所在的隴中和隴東地區近年來開始推廣牧草種植，發展草牧業等生態友好型產業，這也對生態環境的改善有所幫助。除以上地區外，其余地區的生態風險則出現不同程度升高，低風險區域開始向幾何中心內部收縮，北部的中高風險區域有向南移動的趨勢。以生態環境退化較嚴重的蘭州市和白銀市為例：近年來在兩地城市建設不斷加強的背景下，建設用地迅速擴張，景觀脆弱度隨之增大；此外為了發展農業，部分林地和草地植被遭到破壞，原本較為完整的景觀類型變得破碎化，使得兩地的生態風險顯著升高［4］。2015-2019年間，甘肅省景觀生態風險略有上升，ERI均值由2015年的0.01660上升至2019年的0.01663，低風險和較低風險區面積均出現下降，高風險區面積增長近1%，整體生態狀況較研究初期相比退化明顯。

表5 各生態風險等級面積所占百分比Table 5 Percentage of area of each ecological risk level（%）

2.3 景觀生態風險空間相關性分析

2.3.1 全局自相關分析 通過計算2005、2010、2015和2019年4期景觀生態風險數據的莫蘭指數，結果如表6所示。由計算結果可知在2005-2019年間，莫蘭指數呈逐年下降的態勢，由2005年的0.8255降至2019年的0.8076，盡管如此其數值仍然較大，景觀生態風險呈現出較強的空間聚集效應，即在景觀生態風險值高的區域其周圍的風險值也較高，景觀生態風險值低的區域其周圍的風險值也較低。這說明甘肅省景觀生態風險的分布情況相對集中，破碎和分離程度較低。從生態建設的角度而言，需提高景觀生態風險高低交接處的管控，嚴防高風險區向低風險區擴散；還應注意保持低風險區內部的景觀整體性，避免其內部生態風險上升。

表6 各時期莫蘭指數和P值Table 6 Moran’s I and P value of each period

2.3.2 局部自相關分析 對2005、2010、2015和2019年景觀生態風險的空間數據進行局部自相關分析，得到的集聚情況如圖5所示。4個時期“高高聚集區”和“低低聚集區”分布較為集中，其中“高高聚集區”主要集中分布于甘肅省北部的酒泉市境內，其余零散分布于武威、天水和隴南地區，“低低聚集區”集中分布的區域位于河西走廊中東部、隴中黃土高原和隴東地區，此外在甘南草原以及河西走廊西部地區還有部分分布；“高低聚集區”和“低高聚集區”面積很少，其中“低高聚集區”主要在武威市北部集聚分布。2005-2010年間，“高高聚集區”和“低低聚集區”的面積與分布變化不大；2010-2015年間，“低低聚集區”面積明顯減少，連續性和完整度降低，減少的區域主要位于河西走廊中東部，隴中和隴東地區變化不明顯，這也與同期景觀生態風險克里金插值的空間分布格局保持較高一致性；2015-2019年間各聚集區情況基本保持穩定。

圖5 甘肅省景觀生態風險空間局部自相關集聚Fig.5 Local autocorrelation clustering of landscape ecological risk space in Gansu Province

3 討論

本研究結果表明，甘肅省耕地、林地、草地和裸地之間轉化頻繁，建設用地面積增長迅速，導致原有的景觀格局發生明顯變化。4個時期中，甘肅省生態風險具有明顯的空間分異性［24］，整體呈現北高南低的分布特點，各風險等級間也具有明顯的梯度變化；盡管中高風險區面積所占的比例變化不大，但甘肅省整體的生態風險還是由低風險區大量向較低風險區轉化而呈現明顯的上升趨勢。景觀生態風險在空間上的聚集效應顯著，以高高聚集和低低聚集為主導的局部自相關格局也與同期生態風險的分布密切相關，其面積與空間的變化與克里金插值下的景觀生態風險變化一致性較高。

綜合以上分析，為甘肅省景觀生態風險的管理調控提供以下建議：對于低風險區如定西、天水和臨夏等地，盡管生態環境總體較好，但區域內景觀類型相對單一，一旦受到破壞將難以恢復，因此需要加強各景觀類型間的有機聯系，提高生物多樣性，不斷提升抗干擾能力；應當有節制地開發利用各項資源，遵循生態優先原則，以實現自然和經濟的健康可持續發展。對于較低和中等風險區如白銀和蘭州等地，應積極實行自然保育政策，提高植被覆蓋率，加強生態環境的自我修復；推進景觀綜合治理，降低景觀破碎度，提升景觀完整性和連續性；提高農業生產水平，促進農業資源合理配置，避免耕地的不合理利用；建立完善的生態補償制度，嚴格限制開發強度，在保護與利用之間尋找平衡點［25］，避免因過度利用而造成生態環境進一步惡化。對于較高和高風險區如酒泉和武威等地，應鼓勵防風造林，退耕還林還草，加強對裸露地表的植被覆蓋，防治水土流失和土地沙漠化；推廣節水型農業，加強水源涵養，提高水資源利用和配置效率。此外，還應建立多重生態風險緩沖區、加大生態環境的監管力度、提高生態調查結果反饋效率和加強民眾生態環境保護意識等。

本研究基于土地利用/覆蓋動態變化的研究方法，通過對各景觀數量、分布、結構和功能的關注以及對實際景觀格局與最優景觀格局之間的偏離程度的評估，綜合分析了甘肅省的景觀生態風險，該方法技術成熟，運用廣泛，適合所有區域的綜合評價［7］，在本研究中取得的結果較好。此外本研究立足于甘肅省，針對目前研究較為缺乏的農牧交錯帶、黃土丘陵區等自然地域進行了景觀生態風險的定量分析，這對該地區的生態環境數據進行了有效補充，有利于地區生態風險的防治管控，為后期更多自然地域景觀生態風險的評價研究提供經驗和指導。但同時本研究仍存在一定不足之處：第一，本研究所采用的土地利用/覆蓋產品（CCI-LC），盡管其分類精度較高，但仍不可避免會出現部分景觀分類錯誤的情況，此外在研究中僅選用了部分時間節點的數據，這會導致數據整體的可用度和適用性下降。第二，在景觀生態風險指數構建中，風險的分級設定存在一定主觀性，由于各區域內的驅動力主次順序不盡相同，因此一種分級結果并不能完全契合所有區域內的具體情況。第三，本研究僅以景觀生態風險指數要素為指標分析生態環境的安全性，此方法雖可行有效但沒有考慮到氣候、地形、地貌和社會因素等，缺乏多尺度綜合評價，并不具有絕對性［25］。綜合以上問題，在今后的研究中，可以將土地利用/覆蓋產品和目視解譯相結合，用以提高景觀分類精度；通過縮短各數據節點時間間隔的方法提高數據適用性；進一步完善景觀生態學內涵和評價體系，使其能夠更加準確地對生態風險進行評估；綜合考慮多種因素對景觀環境的影響，對生態風險進行多尺度綜合評價。

4 結論

從土地利用/覆蓋變化、景觀生態風險時空特征兩個方面對甘肅省生態環境風險進行了評價，結果表明：1）2005-2019年，甘肅省9種土地利用/覆蓋類型中，以草地和裸地為主；所有景觀類型在20年間均發生不同程度的轉化，其中耕地、林地、草地、裸地和建設用地的變化較為劇烈。2）15年來，甘肅省景觀生態風險明顯上升，其中低風險和較低風險區域面積占比最大，轉化最頻繁；低風險區面積減少29.20%，較低風險區面積增長23.94%，中等風險、較高風險和高風險區面積分別增長3.73%、0.97%和0.56%；低風險區主要集中于隴中、隴東和河西走廊的部分地區，中高風險區主要分布在甘肅省北部以及南部的天水市、隴南市，北部的中高風險區有向南移動的趨勢。3）2019年相較于2005年，Moran’sI略有下降，但生態風險在空間上仍呈顯著正相關分布，聚集效應強；局部自相關分布格局與同期生態風險克里金插值的空間分布保持較高一致性，“高高聚集區”主要分布于甘肅省北部，“低低聚集區”主要分布于臨夏、定西、天水、平涼、慶陽、隴南以及河西走廊的部分地區，“低高聚集區”則在武威市北部聚集；“高高聚集區”的面積與分布相對穩定，“低低聚集區”面積顯著下降，變化主要存在于隴中地區及河西走廊中東部。