生态风险评价开始于20世纪70年代末80年代初的美国，随着近30年的发展，生态风险评价的评价内容、评价尺度、评价方法都有了很大的进步^[1]。风险源由单一风险源发展到多风险源^{[2, 3, 4, 5]}；风险受体由单一受体发展到多受体^{[6, 7, 8]}；研究尺度从单一种群扩展到生态系统、区域、流域和景观尺度^{[9, 10, 11]}；评价方法模型化^{[12, 13]}。中国生态风险评价的研究起步较晚，与国外研究发展历程相似，评价尺度也发展到区域、流域和景观尺度^{[14, 15, 16]}。区域景观生态风险评价是指研究区域受到人类活动或自然灾害影响后，在景观尺度上对生态系统结构、功能等产生不利生态后果的可能性和危害程度进行评估的一种方法,为区域景观生态建设提供理论基础和技术支持。国内主要通过建立景观生态风险指数方法来进行景观生态风险评价，而构建景观生态风险指数时往往忽视人类干扰对生态过程的影响，仅仅考虑建立基于景观格局和结构的景观生态风险指数^{[17, 18, 19]}。

参照人类干扰对景观格局影响的研究，目前许多学者采用土壤侵蚀指数来反映风险源对生态过程的影响。例如，刘世梁等研究了不同等级道路建设对景观格局及土壤侵蚀的影响^[20]；姚华荣等分析了纵向岭谷区典型公路沿线的土壤侵蚀风险^[21]；马萧分析了脆弱性矿区的土壤侵蚀特点^[22]。红河流域植被覆盖率较低，土壤侵蚀面积较大，在云南省六大流域中位居第二，其中中度(平均侵蚀模数大于2500t km^-2 a^-1) 以上土壤侵蚀面积为12 865. 7 km²,占全省总面积的3. 4%,占本流域面积的17. 3%； 高度(平均侵蚀模数大于5 000 t km^-2 a^-1) 以上侵蚀面积为1 827. 4 km²,占全省总面积的0. 5%,占本流域面积的2. 5%,局部区域水土流失严重^[23]。因此本文应用土壤侵蚀指数来反映风险源对生态过程的影响具有十分重要的意义。

本文以云南省红河流域为例，利用土壤侵蚀指数来表征风险源对景观过程的影响，建立基于景观格局和生态学过程的综合景观生态风险指数，分析当地的景观生态风险规律并对景观生态驱动力进行分析，为当地景观区域生态建设、风险管理提供理论依据和技术支持。

云南省红河流域位于云南省中南部，经纬度范围为100°35′—104°58′E，22°30′—25°30′N(图 1)。研究区域地势北高南低，海拔最高3123m，最低71m,平均1544m。红河从西北入境，由南部出境，流域总面积54026km²。该区域主要受亚热带高原山地季风气候影响，干湿分明，雨热同季。

图 1 红河流域地理位置 Fig. 1 The location of the study area

图选项

利用2011年的环境卫星数据获得植被的覆盖因子；利用GIS从校正后的1 ∶ 50000 DEM数据提出坡长和坡度因子；用土壤类型分布图来得到土壤的侵蚀力因子分布，基于以上数据通过USLE模型计算土壤侵蚀模数；并基于以上数据计算景观破碎度、分离度和优势度等景观格局指数。

基于现有的数据和研究需要，应用基于景观格局指数的方法对景观格局进行分析，建立一个综合的景观格局指数定量的反映人类干扰对景观格局的影响。参照文献^{[14, 24]}选取景观破碎度(C_i)、景观分离度(S_i)和景观优势度(D_i)来反映人类干扰对景观格局的影响。

(1)景观破碎度(C_i) 景观破碎化是由于自然或人为干扰所导致的景观由单一、均质和连续的整体趋向于复杂、异质和不连续的斑块镶嵌体的过程，景观破碎化是生物多样性丧失的重要原因之一。公式为：

点击浏览公式

式中,N_i为景观i斑块数, A_i为景观斑块i的总面积。

(2)景观分离度(S_i) 指某一景观类型中不同斑块数个体分布的分离度：

点击浏览公式

式中,A为景观总面积，A_i为景观斑块i的总面积。

(3)景观优势度(D_i) 反映斑块在景观中占有的地位及其对景观格局形成和变化的影响:

点击浏览公式

式中,m为景观类型的数目。

基于景观格局和过程指数，建立景观生态风险模型。

(1)构建基于景观格局的生态风险指数E_i

参考相关文献^{[14, 24]}，通过景观破碎度(C_i)、分离度(S_i)和优势度指数(D_i)的简单叠加来反映不同景观类型所代表的生态系统受到干扰的程度。基于景观格局的生态环境指数可以表示为：

点击浏览公式

借鉴前人的相关研究结果并结合研究区域的实际情况^{[25, 26]}。式中权重a、b、c的值为0.5、0.3、0.2，而对于未利用土地的权重设为0.3、0.2、0.5。

(2)构建基于生态过程的生态风险指数P_i

本文采用由Wischmeier 和 Smith^[27]提出的通用土壤流失方程(USLE)来估算基于降水量、土壤类型、地形因子、生产方式和管理方式的通用土壤流失模数。该方程的模型形式如下：

点击浏览公式

式中，A为单位面积上年均土壤流失量；R为降雨侵蚀力因子；K为土壤可蚀性因子；L为坡长因子；S为坡度因子；C为作物覆盖与管理因子；P为水土保持措施因子。根据通用土壤流失模型(USLE)计算出土壤侵蚀模数，再进行归一化处理得到生态过程风险指数。本文中各因子参考相关文献^{[28, 29]}计算得到。

(3)区域景观生态风险指数

根据研究区域范围，把研究区域划分为20km×20km的正方形评价单元，共有190个采样区，计算每个评价单元的景观生态风险指数。为建立景观结构和区域面积综合生态环境状况之间联系，利用景观组分的面积比重，引入景观生态风险指数，通过采样方法将景观空间结构转换为空间化的生态环境变量，公式如下：

点击浏览公式

式中，ER_k为样区生态风险指数，N为斑块组分类型的数量，S_ki 为第k个风险小区i类景观组分的面积，S_k为第k个风险小区总面积。

空间自相关的度量是用来检验在空间上具有一定规律性的空间变量在不同空间位置上的相关性^[30]。度量空间自相关性的方法和指标有很多，如Moran′s I，Geary′C，这些指标都分为全局指标和局部指标两种，全局指标用于验证整个研究区域某一要素的空间模式，而局部指标用于反映整个大区域中，一个局部小区域单元上的某种地理现象或某一属性值与相邻局部小区域单元上统一现象或属性值的相关程度。Moran′s I是空间统计分析中被广泛应用的空间自相关判断指标。本文应用Geoda软件对景观生态风险指数的空间结构进行全局空间自相关指标Moran′s I分析和局部空间自相关指标LISA分析。

由公式2—6计算190个网格内景观生态风险指数，把景观格局风险指数、土壤侵蚀指数和综合景观生态风险指数分为5级：极轻度风险、轻度风险、中度风险、重度风险和极重度风险，相对应的风险指数依次是：0.0—0.1，0.1—0.2，0.2—0.3，0.3—0.4，0.4—1。云南省红河流域190个采样区中，平均景观格局风险指数、标准化土壤侵蚀指数和综合生态风险指数分别为0.18、0.29和0.21。

由图 2和可以得出，景观格局风险指数处于极轻度风险、轻度风险、中度风险、重度风险和极重度风险所对应的网格百分比依次是：16.8%，43.7%，33.2%，5.8%，0.5%，处于中度以下级别的网格在93%以上，重度和极重度风险的网格主要分布在红河上游东侧的禄丰县、易门县和楚雄市部分地区，下游区域的元阳县和河口瑶族自治县部分地区。标准化土壤侵蚀指数处于极轻度风险、轻度风险、中度风险、重度风险和极重度风险所对应的网格百分比依次是17.9%，21.6%，15.8%，16.8%，27.9%，处于重度和极重度风险的网格主要分布沿红河两侧的楚雄市、双柏县、新平彝族傣族自治县、元江哈尼族彝族自治县、石屏县、元阳县、绿春县、金平县、个旧市、屏边苗族自治县和河口瑶族自治县大部分地区。综合景观生态风险指数是基于景观格局指数和土壤侵蚀指数建立，反映了网格综合的景观生态风险，处于极轻度风险、轻度风险、中度风险、重度风险和极重度风险所对应的网格百分比依次是8.9%，41.6%，37.4%，10.5%，1.6%，处于中度以下级别的网格在87%以上，重度和极重度风险的网格主要分布在红河沿岸县市部分地区。

图 2 红河流域景观格局、土壤侵蚀和综合景观风险指数网格分布图 Fig. 2 Distribution of landscape pattern,soil erosion,and integrated landscape risk indexes

图选项

全局Moran′s I和局部空间自相关LISA结果见图 3、图 4。红河流域全局Moran′s I为0.3952，表明红河流域的综合景观生态风险指数表现为在地理空间上的显著的正的空间自相关，研究区的景观生态风险指数在空间上存在着一定的空间集聚效应。由局部Moran′s I(图 4)可见，红河流域综合景观生态高-高风险聚集区有两处，主要集中在红河上游及下游的沿岸地区，分别位于上游楚雄市和双柏县境内以及下游建水县、个旧和元阳境内。低风险聚集区主要分布在下游河岸的东侧，位于文山、西畴县和马关县。

图 3 综合景观生态风险指数全局Moran′s I散点图 Fig. 3 Global Moran′s I scatter plot of integrated landscape ecological risk

图选项

图 4 综合景观生态风险度局部空间自相关LISA结果 Fig. 4 Local spatial autocorrelation of integrated landscape ecological risk

图选项

把红河流域景观类型也分为6类：耕地、林地、草地、水域、建设用地和未利用地，景观类型代码编为1、2、3、4、5和6。由图 4所知，红河流域主要的景观类型面积比排列依次是：林地、草地、耕地、水域、建设用地和未利用地，其中前3种景观类型面积和占整个流域面积的99%以上；斑块数排列依次是：耕地、草地、林地、建设用地、水域和未利用地；相对应的斑块数依次是：6900，4623，1806，828，382，19。从图 5可以看出，水域、建设用地和未利用地的景观格局风险指数分别为8.4，7.5，4.4，远高于耕地、林地和草地。而基于裸露的未利用地土壤侵蚀指数最高，其次是耕地、林地和草地。综合考虑格局风险和土壤侵蚀的综合景观生态风险指数排列依次是：未利用地、建设用地、水域、耕地、林地和草地。

图 5 不同景观类型斑块数和面积比 Fig. 5 Patch number and area ratio of different landscape types

图选项

把海拔和坡度作为主要地形因子，分析地形与景观生态风险的关系。计算红河流域190个网格内平均海拔和坡度，红河流域网格内最高平均海拔为2740 m，最低327 m，平均海拔是1564 m；红河流域网格内坡度最大值为25°，最小值为4°，平均坡度14°。

图 6 不同景观类型景观格局风险指数、土壤侵蚀指数和综合景观生态风险指数 Fig. 6 Landscape pattern risk indexes,soil erosion and integrated landscape risk indexes of different landscape types

图选项

根据红河流域海拔范围和坡度范围，把红河流域海拔分布为两个等级<1500m、>1500m；坡度分为4个等级<10°、10—15°、15—20°、>20°。分析红河流域不同地形因子风险指数分布规律，海拔<1500m的红河流域网格由于人为干扰严重，景观格局风险指数较大，土壤侵蚀严重，综合风险指数大。在两个海拔范围内，随着坡度的增加，土壤侵蚀严重，景观格局风险增加，综合景观风险增加。计算红河流域网格内综合景观生态风险指数与网格内平均海拔、坡度相关性指数(图 7)，发现综合景观生态风险指数与坡度呈显著性相关，相关性指数为0.550，海拔与综合景观生态风险相关性不大。

图 7 红河流域海拔、坡度与综合景观风险指数相关关系图 Fig. 7 The correlation between elevation,slope and integrated landscape risk index

图选项

基于景观格局和生态学过程建立的景观生态风险指数能够综合的反映风险源对景观的影响，为当地景观区域生态建设、风险管理提供理论和技术支持。本文利用破碎度、分离度和优势度建立景观格局指数，反映人类干扰在景观格局上的影响；选用土壤侵蚀指数建立生态过程指数，反映风险源在生态过程上的影响。通过对景观格局风险、土壤侵蚀风险、综合景观生态风险的空间分析得出，3种高风险区域主要分布在红河沿岸的县市中。综合景观生态风险呈现正的空间自相关性，高风险聚集区主要分布在上游的楚雄市、双柏县以及下游的建水县、个旧和元阳境内，是重大道路和居民点聚集区。低风险聚集区离河流较远，主要分布在下游。红河沿岸干热河谷主要分布在海拔1000—1400m以下，由于气候、土壤等原因，干热河谷林草植被覆盖率低，生物多样性低，水土流失严重，由于人口剧增，土地过度开发，导致区域生态环境脆弱，景观生态风险提高^{[31, 32]}。分析不同景观类型的生态风险表明，未利用土地、建设用地及水域呈现较高的综合景观生态风险。此外，综合景观生态风险与地形因子—坡度呈现显著的正相关性。

本文采用通用土壤流失方程(USLE)计算土壤侵蚀指数，它在20世纪80年代引入我国，有研究证明USLE中的因子取值方法并不适合研究地区的自然地理状况^{[33, 34]}，因此在对定量计算红河流域土壤侵蚀时，根据所现有的数据和研究目的，选用符合研究区自然地理状况的因子取值方法。文章以景观为风险 受体，人类干扰为风险源，可能还有一些对景观生态有影响的风险源未考虑，比如：干旱、洪涝等，这将在以后的研究中进一步细化和改进。