1989年在建立全球生态安全监测系统时, 国际应用系统分析研究所(IASA)首次提出了生态安全的概念, 从环境、生态保护、外交和军事等角度, 为人类提供完善生存安全的广义研究, 以及从生态系统完整性和健康水平方面, 考虑区域资源环境状态可持续性的狭义理解^[1-2]。基于景观生态学的生态安全评价在景观尺度研究区域生态安全状态, 并通过景观生态安全的时间演化, 揭示区域生态安全变化过程和趋势。郭泺等^[3]从景观尺度, 定量评价泰山景观整体健康水平; 高杨等^[4]选取聚集度、景观破碎度和香农多样性指数等景观格局指数, 构建了景观生态安全模型, 以投影寻踪方法, 对珠江三角洲的景观生态安全状况进行评价; 裴欢等^[5]选取景观格局指数, 构建耕地景观生态安全模型, 研究秦皇岛耕地景观生态安全状况; 于潇等^[6]以景观格局安全指数和生态质量指数为参数, 构建景观生态安全模型, 分析友谊农场景观生态安全时空特征。大量的理论和实践研究, 使景观生态安全评价在模型构建、研究方法和研究内容等方面, 取得了丰富的研究成果, 评价模型的参数从单纯的景观格局指数, 扩展到景观格局指数结合其他生态学指数, 研究方法从传统的GIS空间建模为主, 转向多种空间分析方法结合研究为主, 研究内容从侧重于景观生态安全度指数值计算, 到重点关注景观生态安全的时空演化规律、影响因素及其作用机制, 这些研究成果有利于深入揭示区域景观生态安全状态及景观格局与生态环境之间的相互作用, 明确景观生态安全的主要影响因素^[7]。

干热河谷是中国西南地区一种局地特殊的地理景观和气候类型^[8]。气候炎热、干燥, 特殊的自然生态环境使干热河谷成为西南地区典型的生态环境脆弱区。随着经济、社会的发展及土地利用方式的变化, 日趋强烈的人为干扰, 使干热河谷生态安全面临严重的威胁。虽有学者从生态退化^[9]、土地利用^[10]、土壤侵蚀^[11]、植被^[2-13]和景观格局^[14]等方面, 揭示了干热河谷的生态安全问题, 但多限于定性分析单一类型的生态安全风险, 难以系统的定量评价干热河谷综合生态安全状态, 无法明确生态安全主要影响因素及作用机制。基于此, 笔者以具有干热河谷典型自然环境特征的元谋县为研究区, 以2008年Landsat7-ETM和2016年Landsat 8-OLI遥感数据为基本数据源, 构建景观生态安全度模型, 结合空间自相关和地统计学方法, 从景观尺度系统地研究干热河谷生态安全状态及时空变化, 以期为区域生态风险防范和地区可持续发展提供参考依据。

1 研究区概况

元谋县(E 101°35′~102°06′, N 25°23′~26°06′)隶属于云南省楚雄州, 地处滇中高原北部金沙江下游龙川江河谷盆地内, 全县面积2 021.69 km²。地势四周高、中间低, 山地面积占全县面积的85.58%, 河谷盆地、平坝和台地等面积占15.42%。气候炎热干燥, 年均温21.9 ℃。降水少, 降水蒸发比失衡, 年均降雨量仅为616 mm, 蒸发量却高达3 627 mm。干湿季分明, 全年90%降雨量集中在6—10月。植被类型属河谷型萨瓦纳植被(Savanna of valley type), 是中国珍稀濒危的植被类型之一。自然植被类型主要为南亚热带中山峡谷稀树灌丛和灌草丛, 以扭黄茅(Heteropogon contortus)和孔颖草(Botlhriochloa pertusa)等旱生禾草本植物为优势种, 在此背景下, 散生着具硬叶、卷叶、厚叶、多刺和多毛等耐旱特征的小灌木树种^[15]。由于河谷深切, 地势相对高差大, 从河谷到山顶大致可分为河谷坝区(899~1 100 m)、坝周低山区(1 100~1 350 m)、中低山区(1 350~1 600 m)和中高山区(1 600~2 835 m)4个垂直自然带^[16]。土壤以燥红土、红壤和黄棕壤等为主, 土地肥力和保水性能差^[17]。研究区自然生态环境脆弱, 人口多, 社会经济发展水平不高(2016年人均GDP仅为全国平均水平的70%), 经济发展和脆弱生态环境之间矛盾突出, 区域生态安全受到严重威胁。

2 数据与方法 2.1 数据处理

研究使用的遥感影像数据为Landsat遥感数据, 分别为2008年Landsat7-ETM和2016年的Landsat8-OLI卫星图像, 分辨率为30 m, 数据由中国科学院地理空间数据云平台提供。对2个时段的遥感影像进行几何校正、波段合成和裁剪, 在ENVI平台中, 获取植被覆盖度数据。以非监督分类法, 对遥感影像实施土地利用类型初次分类, 对难以识别的图斑划定其范围, 建立AOI区, 运用监督分类法, 分别对待区分的地物类别建立种子模板, 实施分离性分析, 修改种子模板, 再进行计算机分类。结合目视解译, 对极少数难以辨别的影斑, 进行属性类型的修改和编辑, 完成拓扑检査, 最后获得2期研究区土地利用类型解译结果。以野外建立的解译标志和历史土地利用类型图、Google Earth等其他相关资料为参考, 验证土地利用斑块的解译精度。共随机抽样12个点, 复合图斑268个, 遥感解译的正确率为88.8%。2期遥感图像分类的Kappa系数分别为0.862和0.869, 符合解译精度要求。参照土地利用现状分类标准(GB/T 21010—2007)和实际研究需要, 将研究区的土地利用类型分为林地、草地、耕地、建设用地、未利用地和水域6大类。利用Fragstats, 计算景观破碎度、多样性、均匀度和优势度在斑块类型水平和景观水平的值。

2.2 研究方法 2.2.1 景观生态安全度模型

景观生态安全度模型是景观生态安全评价研究的关键内容之一^[8-20]。景观生态安全包括景观格局和景观生态质量2个层面的生态安全性; 因此, 构建景观生态安全格局(Landscape Ecological Security Pattern, LESP)指数, 以反映研究区景观格局受人类活动干扰所表现的生态安全性, 构建景观生态质量(Landscape Ecological Quality, LEQ)指数, 以反映研究区所表现的景观生态质量, 继而以景观生态安全格局(LESP)指数和景观生态质量(LEQ)指数为参数, 构建景观生态安全度(Landscape Ecological Security Degree, LESD)模型。

1) 景观生态安全格局指数(LESP)   首先构建景观生态安全风险(Landscape Ecological Security Risk, LESR)指数, 反映景观格局存在的生态安全风险状况, 其计算公式为

$ {I_i} = a{\rm{F}}{{\rm{N}}_i} + b{H_i} + c{E_i} + d{D_i}, $

(1)

$ {\rm{LES}}{{\rm{R}}_i} = {I_i}{V_i}。$

(2)

式中:I_i为第i类景观的干扰度; LESR_i为第i类景观的生态安全风险指数; FN_i为第i类景观的破碎度指数; H_i为第i类景观的多样性指数; E_i为第i类景观的均匀度指数; D_i为第i类景观的优势度指数; a、b、c和d分别为各景观格局指数对应的权重, 采用层次分析法, 确定各个指标的权重值, 其相应的权重分别为0.28、0.31、0.23和0.18;V_i为第i类景观类型的脆弱度。

景观类型脆弱度的大小, 反映了景观类型脆弱性的强度, 即景观类型对外界干扰的敏感性。景观类型脆弱性越强, 抵御外界干扰的能力越弱。景观类型脆弱度不仅与外界干扰的类型、强度及幅度相关, 同时受自身的自然属性和生态演替阶段的影响; 因此, 景观类型脆弱度非常复杂, 且状态不稳定。笔者结合干热河谷土地利用类型及其植被、土壤和水文特征, 参考相关文献, 以相对指数来衡量不同景观类型之间的脆弱程度^[21-22], 确定研究区水域、耕地、草地、林地、未利用地和建设用地6种景观类型的相对脆弱度指数分别为6、5、4、3、2和1。以极差法对相对脆弱度指数进行标准化后, 参与模型计算, 景观格局指数的含义及计算方法参见文献[23]。

景观生态安全格局(LESP)指数是景观生态风险(LESR)指数的余数, 景观生态风险指数越高, 景观生态安全格局指数越小。其计算公式为

$ {\rm{LESP}} = \sum\limits_{i = 1}^n {\frac{{{\rm{T}}{{\rm{A}}_i}}}{{{\rm{TA}}}}(1-{\rm{LES}}{{\rm{R}}_i})}。$

(3)

式中:LESP为景观生态安全格局指数; TA为采样单元的面积; TA_i为第i类景观的面积。

2) 景观生态质量指数(LEQ)   区域景观生态安全不仅取决于景观格局的生态安全性, 同时与景观类型所具有的生态系统服务价值及植被覆盖度有关。景观的生态系统服务价值越高, 该类型的景观生态安全性越好, 越利于生态安全的维护。植被覆盖度越高, 对生态安全的调节能力越好。以生态系统服务价值和植被覆盖度为参数, 构建景观生态质量指数(LEQ), 以衡量各类干扰状况下的区域景观生态质量。其计算公式为

$ {\rm{LEQ}} = e\cdot{\rm{ESV}} + f\cdot{\rm{VFC}}。$

(4)

式中:ESV为生态系统服务价值, 结合研究区实际生态状况, 通过调整R.Costanza等^[24]和谢高地等^[25]的生态系统服务价值系数, 并进行计算而得出; VFC为植被覆盖度, 在ENVI软件中, 计算植被覆盖度; e、f分别为各指数的权重。

生态系统服务价值是景观类型生态系统服务功能的体现, 景观类型变化引起了景观格局和景观生态系统功能及价值的变化, 是干热河谷生态环境和生态安全变化的主要因素; 植被是维护干热河谷生态系统运行和生态安全的关键因子, 植被覆盖度反映了干热河谷植被的生态状况及质量。于潇等^[5]认为, ESV和VFC具有同等重要的意义, 笔者参考于潇等^[6]以及相关研究成果^{[5, 26-28]}, 并结合研究区的实际情况, 赋予ESV和VFC相同的权重, e、f值均为0.50。

进而以景观生态安全格局(LESP)指数和景观生态质量(LEQ)指数为参数, 构建景观生态安全度(LESD)模型, 以研究景观生态安全时空变化状况, 其计算公式为

$ {\rm{LESD}} = h\cdot{\rm{LESP}} + k{\rm{ }}\cdot{\rm{LEQ}}。$

(5)

式中:h和k分别为景观生态安全格局指数和景观生态质量指数的权重。景观生态安全格局和景观生态质量从结构-功能上反映了区域景观生态安全性, 两者均是生态系统的固有基本属性。参考裴欢等^[5]及其他相关文献^{[6, 26-28]}, 对景观生态安全格局指数和景观生态质量指数的权重研究, 并咨询多位相关领域的专家, 认为两者具有同等重要性, 因而赋予LESP与LEQ相同的权重, 即h和k值均为0.50。

参考已有研究^{[6, 29-30]}, 以自然断点法, 将景观生态安全标准划分为5个等级(表 1)。

以1 000 m×1 000 m的网格进行空间采样, 并计算每一个网格样点的综合景观生态安全度^[22]。研究共采集2 255个采样单元, 以克里金法进行空间插值, 研究区域景观生态安全的时空分布状况。

2.2.2 空间自相关分析

空间自相关分析用于检验区域地理现象的空间集聚性。全局空间自相关是对地理现象的某种属性, 在空间内整体趋势特征的描述。选取Moran's I指数, 研究景观生态安全度的整体空间集聚特征, 其计算公式为

$ \begin{array}{l} {\rm{Moran}}'s\;I = \\ \frac{N}{{{S_0}}}\frac{{\sum\limits_{i = 1}^N {\sum\limits_{j = 1}^N {W\left( {i, j} \right)} } ({x_i}-\bar X)({x_j}-\bar X)}}{{\sum\limits_{i = 1}^n {{{({x_i}-\bar X)}^2}} }} \end{array}。$

(6)

式中:N为空间单元的数目; x_i和x_j为第i个和第j个空间单元的观测值; X为属性的平均值; ${S_0} = \sum\limits_{i = 1}^N {\sum\limits_{j = 1}^N {W\left( {i, j} \right)} } $; W_{(i, j)}为空间权重矩阵。利用Moran’s I分析观测变量的空间格局时, 需进行显著性检验, 检验方法见文献[31]。

对于某个地理单元i, 通常用局部空间自相关指数衡量区域间的局部空间关联程度, 笔者利用局部空间关联指标(Local indicators of spatial association, LISA)指数研究景观生态安全度的局部特征。其计算公式为

$ {I_i} = {z_i}\sum\limits_{j = 1j \ne i}^n {{W_{ij}}{z_j}}。$

(7)

式中:Z_i和Z_j为区域单元第i种属性观测值的标准化值, {W(_{i, j})}=W, 一般为行标准化空间权重系数矩阵, 此时$\frac{1}{n}\;\sum\limits_i {{I_i} = i{\rm{Moran's}}I} $, 其公式具体释义和检验方法见文献[31]。

对研究区景观生态安全度进行局部空间自相关分析, 并侧重考察显著性水平较高的局部空间集群指标, 用于反映2008和2016年景观生态安全度在局部空间上的集聚性特征。

2.2.3 地统计学

地统计学研究在空间分布上, 既具随机性又具结构性的地理现象。地统计学分析不仅可以解释属性或现象的空间相关性, 而且通过半变异函数, 可以模拟和估计空间未知变量^[32]。景观生态安全度是一种典型的具有空间变异特征的区域属性, 其在空间上的异质性规律, 可以用半方差函数来分析。其公式如下:

$ r\left( h \right) = \frac{1}{{2n\left( h \right)}}\sum\limits_{i = 1}^{n\left( h \right)} {{{[Z({x_i})-Z({x_i} + h)]}^2}}。$

(8)

式中:r(h)为半变异函数, 揭示区域尺度的空间变异格局; Z(x_i)和Z(x_i+h)分别为空间位置x_i和x_i+h上观测值, h为2个样本点空间分隔距离; n(h)为以分隔距离h为时的像元对数目^[33]。

变异函数分析通常以对半变异函数图的模型拟合为基础, 主要参数:C₀(块金值)反映了空间采样误差和小于最小采样尺度引起的随机变异。C(偏基台值)反映了空间自相关部分引起的空间异质性; C₀+C(基台值)反映了研究区域变量的最大变异程度; C₀/C₀+C(块金方差与及基台值之比)反映了非结构因素随机部分引起的空间异质性, 占总空间异质性的比重; A_d(变程)反映了空间自相关性的最大约束范围^[34]。

3 结果与分析 3.1 景观生态安全度的变化

2008和2016年研究区景观生态安全度的空间分布格局大致相同, 与研究区地形分异特征保持了一致性, 即呈现南高北低、东高西低的特征(图 1)。景观生态安全度较高的区域主要分布于研究区东部、南部和西部边缘的中高山区, 及龙川江中段河谷坝区。研究区1 600 m以上的中高山植被类型多为灌丛草地, 也有片状森林分布^[15]。植被覆盖度好, 生态系统服务价值较高, 人口密度小, 人为干扰相对较少, 景观格局较为合理, 因而景观生态安全度值较高。

龙川江中段河谷坝区是研究区水浇地的主要分布区, 拥有较为完备的灌溉系统, 长久的农业经营活动, 形成了良好的人工生态系统, 景观结构合理, 人工植被恢复较好, 植被覆盖度高, 因而该区域的景观生态安全性较好。景观生态安全度低值出现在研究区的坝周低山和中低山区。坝周低山带为沟谷强烈切割的低山和阶地, 具有典型的干热河谷气候, 自然植被强烈退化为以扭黄茅-车桑子(Dodonaea viscosa)群落为基带的稀树灌木草丛, 植被覆盖率低。中低山为元谋盆地两侧山地下端, 是干热河谷与温暖山区的过渡类型。植被类型以稀树灌木草丛、非泥岩山地灌木林成分较多, 有少量云南松(Pinus yunnanensis faranch)和桉树(Eucalyptus), 植被覆盖状况略好于坝周低山带。坝周低山和中低山受水热组合条件、生态用水的制约, 及放牧、垦殖等强烈人类活动的影响, 加之海拔相对较低, 坡度较小, 遂成为各种土地利用类型争夺的主要空间地带; 因此, 土地斑块数量多, 景观破碎度高, 景观生态结构不合理, 景观生态质量差, 是研究区水土流失和生态环境问题的集中区域, 因而景观生态安全度低。

空间采样结果统计(表 2)表明, 研究区景观生态安全格局指数(LESP)、景观生态质量指数(LEQ)及景观生态安全度指数(LESD)值都处于0.40~0.60之间, 均属于临界安全等级, 反映研究区景观生态安全较为敏感。LESP值处于0.40~0.50之间, 表明景观格局的生态安全性较差, 主要原因是研究区受山地地形影响, 坡度变化大, 微地形发育。水热条件与微地形结合, 导致生境变化快, 极易形成破碎化的斑块, 土地斑块平均面积小(2016年仅为5.4 hm²), 成为土地利用的主要制约因素, 不利于景观结构稳定, 因而LESP值偏低, 较接近于生态不安全值的阈值0.42(表 1)。LEQ值处于0.50~0.60之间, 表明研究区景观生态安全较为稳定的处于临界安全范围值的中段。研究区土地利用类型结构以林地和草地为主(占比在80%以上), 灌木林和灌草丛是研究区的景观基质, 生态系统服务价值不高。研究区植被覆盖度值在0.50左右, 植被覆盖度较低。生态系统服务价值不高和较低的植被覆盖度, 使研究区LEQ值位于临界生态安全区间。研究区景观生态安全度(LESD)在0.50~0.53之间, 较倾向于临界生态安全状态低值区, 主要是由于景观生态安全格局指数(LESP)值偏低, 使景观生态安全度(LESD)值朝着临界生态安全区间的低值端倾斜。

从各指数的变化来看, 2008—2016年研究区景观生态安全格局指数(LESP)值由0.493降至0.465, 表明景观生态安全格局状况变差, 主要是因为草地和未利用地减少及建设用地的增加, 使得景观斑块数量增多, 景观破碎化程度上升。人类的干扰活动使景观类型的分布朝有利于人类自身生产和生活需求方向发展, 造成景观均匀度上升, 优势度下降, 景观基质所占比例下降, 景观结构复杂化, 景观格局合理性下降, 因而LESP值下降。LEQ值由0.555增至0.559, 表明景观生态环境质量略有提升, 主要是由于林地的增加, 提高了生态服务价值, 草地转化为林地, 未利用地转化为耕地, 使植被覆盖度提升。LESD值从0.524降至0.512, 景观生态安全状况略有下降, 主要是由于LESP值的下降。从各个等级景观生态安全度区域面积所占比例来看, 呈现“两头小、中间突出”的特征, 即Ⅰ级、Ⅱ级、Ⅳ级和Ⅴ级的区域面积小, Ⅲ级区域面积比例大。Ⅴ级区域面比例Ⅰ级区域面积比例都在10%以下, Ⅳ级区域面积比例和Ⅱ级区域面积比例在8%~15%之间, Ⅲ级区域面积比例在60%以上(图 2)。

3.2 景观生态安全度空间自相关性

研究区景观生态安全度的Moran's I值, 从2008年的0.600上升至2016年的0.633, 均通过了P值为0.05的检验, 表明景观生态安全度在整体空间上存在正相关关系, 并在空间分布上呈现聚集态势。景观生态安全度总体空间格局表现为:景观生态安全度高的区域, 倾向于与其他景观生态安全度高的区域相邻; 而景观生态安全度较低的区域, 倾向于与其他景观生态安全度较低的区域相邻。主要原因在于研究区的地形分异特征十分明显, 同一垂直自然带的气候、土壤等生态条件具有相似性, 土地利用空间分布地带性特征明显,因而景观类型、景观格局及植被覆盖度特征具有相似性, 使区域景观生态安全性表现出较强的空间自相关性。Moran's I值增大, 表明景观生态安全度的全局空间自相关程度增强, 2008年和2016年研究区景观生态安全度(因为人为干扰, 强化了土地利用类型的空间集聚特征, 使景观生态安全度的空间自相关性更为明显。

研究区2008和2016年景观生态安全度局部空间自相关格局较为一致, 显著性分布区中, 以高值-高值和低值-低值区域为主, 但局部空间相关性特征发生一定程度的变化(图 3)。首先表现在高值-高值区。2008年, 高值-高值区主要分布在研究区的西南角和南部中高山, 在西部中低山也有零散分布。高值-高值区在空间上比较连续, 主要是因为这些区域海拔较高, 是林地的主要分布区, 人为干扰较小, 景观结构合理, 植被覆盖度高, 因而景观生态安全性较好; 2016年, 高值-高值区除主要分布在研究区的西南角和南部的中高山, 及西部的中低山区外, 在东部的中高山区域出现了较为连续的空间分布, 表明退耕还林还草和天然林工程等环境保护措施, 对东部中高山区域景观生态安全有较为明显的促进作用。其次表现在低值-低值区。2008年, 低值-低值区主要出现在金沙江沿岸两侧和龙川江上游的西侧, 这里属于典型的干热河谷区, 未利用地和低覆盖度草地主要分布与此, 水土流失严重, 植被覆盖度低, 景观生态安全性低, 且在空间上较为连续, 这些区域的景观生态安全风险大; 2016年, 低值-低值区在金沙江沿岸坝周低山及中低山区分割明显, 正是该区域景观破碎化的反映。主要是因为经济和社会的发展, 使土地空间资源的争夺日趋激烈, 地势较平的龙川江西侧坝周低山及中低山区, 土地后备资源不足, 导致对金沙江沿岸坝周低山及中低山区的未利用地和荒地的开发力度增强, 土地利用的连续性被打破, 因而该区域的低值-低值区景观生态安全性连续分布空间呈现破碎化特征。

3.3 景观生态安全度时空分异特征

以地统计学方法, 研究景观生态安全度时空分异特征, 表明2008年球形模型拟合效果最佳, 复相关系数为0.915;2016年指数模型拟合效果最佳, 复相关系数为0.923(表 3)。

空间异质性主要由随机性和自相关性2部分组成。从表 3可知, 2个时段景观生态安全度指数的基台值(C₀+C)分别为0.007 19和0.008 04, 基台值增加, 表明景观生态安全性的空间分布差异呈增大趋势, 主要是由于土地经营、退耕还林还草、天然林等人为干扰, 使景观生态安全的空间分布更具人类目的性, 加大了空间分布的差异性。块金值和基台值之比(C₀/C₀+C)在2008和2016年分别为28.5%和32.6%, 表明以地形、气候为主的结构性自然因素仍是景观生态安全度空间分布的决定性因素, 但C₀/C₀+C的增大, 表明非结构性因素的影响作用力强化, 即人为干扰强化了对研究区景观生态安全空间分布的影响力。自然因素中, 特殊的山地地形与水、汽和热在空间上的组合条件等结构因素, 决定了景观生态安全度在空间上具有非均质性, 而经济和社会的发展, 使人为干扰的作用对景观生态安全的影响力增强, 未利用地的开发、耕地开垦、城市扩张及生态修复工程等人类活动, 改变了景观格局和景观生态质量, 使景观生态安全性变化更为复杂。变程(A₀)反映了人为开发利用活动在空间上的相关性, 这种相关性尤其受到土地利用方式的地域分布差异的强烈约束。2008年研究区A₀为764.82 m, 2016年A₀为2 031.65 m, 为2008年的2.66倍, 变程值明显增大。自然状态下, 研究区地形破碎, 使景观类型的空间自相关性范围相对较短, 但是人为因素却能通过改变土地利用方式和土地类型的空间分布, 影响空间自相关性的范围。在土地开发利用过程中, 人类有目的、有意识, 且同质化的土地利用方式, 使景观类型的空间分布约束作用强化, 景观分布的趋同性增强, 因而景观生态安全度的变程范围明显扩大。

4 讨论

笔者以遥感和GIS为技术平台, 构建景观生态安全度模型, 结合空间自相关和地统计学, 研究元谋干热河谷景观生态安全的时空变化特征。以往的多数研究表明, 研究区龙川江西侧的干热河谷区, 人为干扰活动强烈, 而金沙江北岸的干热河谷区, 人为活动程度相对较轻; 笔者研究发现, 金沙江沿岸的干热河谷景观生态安全性较低, 2016年低值-低值区在金沙江沿岸坝周低山及中低山区分割明显, 表明干热河谷中强烈的人为活动空间范围, 由龙川江河谷扩展至金沙江河谷, 金沙江河谷的景观生态安全需引起重视。干热河谷区是元谋的人类主要活动区域, 人为干扰成为干热河谷主要的景观生态安全风险源, 然而人为干扰如何影响景观生态安全却没有得到有效解释; 因此, 需要深入研究人为干扰方式、强度和幅度对景观生态安全的影响, 为实施合理的人为调控措施提供依据。

景观生态安全度反映了景观尺度下, 区域生态安全格局和生态环境质量特征, 但是笔者仅限于对景观生态安全状态的评价, 难以解释主要生态过程对景观生态安全的作用。现有景观生态安全研究虽认为, 干扰景观自然属性及生态演替阶段对景观类型脆弱度有影响, 但因为这些因素具有复杂性和状态不稳定性, 其作用力难以量化; 因此, 多采取相对指数, 确定景观类型的脆弱度, 影响了景观生态安全评价的客观性, 如何量化景观类型脆弱度, 亟待深入探讨。

5 结论

1) 研究区景观生态安全较为敏感。景观生态安全格局指数(LESP)由0.493降至0.465, 使景观生态安全格局合理性下降。景观生态质量指数(LEQ)由0.555增至0.559, 使景观生态环境质量有所提高。景观生态安全度(LESD)值从0.524降至0.512, 处于临界生态安全值范围, 景观生态安全水平略有下降。

2) 研究区景观生态安全度虽在整体空间上存在正相关关系, 局部空间自相关格局较为一致, 但不同年份的景观生态安全度空间自相关性有变化。景观生态安全度指数Moran's I, 从2008年的0.600上升至2016年的0.633, 景观生态安全度正相关性增强。景观生态安全度显著性分布区中, 以高值-高值和低值-低值区域为主。与2008年相比, 高值-高值区在东部的中高山区域出现了较为连续的空间上分布; 2016年低值-低值区, 在金沙江沿岸坝周低山及中低山区分割明显, 正是该区域景观破碎化的反映。

3) 非结构性因素对景观生态安全空间分布影响作用力增强。山地地形与水、汽和热组合条件等自然因素是结构性因素, 决定了研究区景观生态安全度的空间异质性。非结构因素(主要是人为干扰)的作用增强, 使研究区景观生态安全时空变化更为复杂。